植被覆盖地表极化雷达土壤水分反演与应用研究

论文题目: 植被覆盖地表极化雷达土壤水分反演与应用研究

论文类型: 博士论文

论文专业: 地图学与地理信息系统

作者: 刘伟

导师: 施建成

关键词: 雷达,后向散射,植被覆盖,土壤水分,反演模型

文献来源: 中国科学院研究生院（遥感应用研究所）

发表年度: 2005

论文摘要: 当前土壤水分是预测、估算并建立重要生态模型过程,例如水分的蒸散发、传输过程、地表径流以及地下水补给等的一个重要的参数;同时土壤水分的补给也是影响植被生态系统时空动态变化的一个关键因素。因此土壤水分含量匮乏与饱和的时空波动信息与很多应用息息相关,如:植被长势预测,确定合适的播种时间,判别农作物区土壤的侵蚀程度以及监测土壤表层动态过程(物理的,化学的以及生物的等等)。土壤水分还是水文学以及气象学模型的输入参数并能够确定环境敏感区。因此研究土壤水分的动态变化特性是当前国际上研究的一个重要课题之一。 已有的研究表明,合成孔径雷达的后向散射系数对地表土壤水分(土壤介电常数)非常敏感。但由于地表的复杂性,雷达后向散射系数还受地表粗糙度以及植被层的强烈影响,因此研究植被层覆盖下的土壤水分相对比较困难。近年来,开展了各种理论的、试验性的研究以了解雷达后向散射与土壤水分、地表粗糙度及植被散射之间的关系。本研究就是在L波段全极化机载雷达数据的基础上,发展植被覆盖下的土壤水分反演算法,以估算低矮植被覆盖地表下(主要是农作物覆盖区)土壤水分含量。 本研究中我们首先在描述植被覆盖地表的一阶离散植被模型的基础上,将植被覆盖地表的后向散射分为与植被相关的散射项及与地表相关的散射项两个部分,并建立了植被覆盖地表的后向散射模拟数据库;在模拟数据库的基础上应用分解的方法将地表后向散射项从植被覆盖区总的后向散射中分解出来,从而不借助其他辅助数据消除了植被层散射影响,再应用地表散射模型估算出土壤水分信息。本论文的主要研究内容有: 1、应用特征根、特征向量的极化分解技术,将L波段全极化机载雷达数据(AirSAR)分解,研究各分解单元的特性,结合一阶离散植被散射模型,估算同一农作物覆盖地区不同时相土壤水分的变化; 2、研究不同极化下雷达数据对植被覆盖地区散射机制的响应特性,应用不同时相的水平极化及垂直极化对植被-土壤之间各自的响应特点估算了

论文目录:

摘要

Abstract

第一章 引言

第一节 土壤水分研究意义

第二节 微波遥感特点

第三节 国内外研究现状

第四节 选题依据及论文主要内容

4.1 选题依据

4.2 主要研究内容

第五节 总体框架及论文结构

5.1 论文总体框架

5.2 论文结构

第二章 机载极化雷达遥感研究土壤水分基础

第一节 机载成像雷达介绍

1.1 雷达基础

1.2 雷达系统参数及图像几何特征

1.3 Airborne SAR

第二节 地表参数

2.1 概述

2.2 粗糙度

2.3 土壤水分

本章小结

第三章 微波散射模型及其介绍

第一节 裸露地表微波散射模型

1.1 传统理论散射模型

1.2 经验一半经验模型

第二节 植被覆盖模型

2.1 MIMICS模型

2.2 水云模型

2.3 Roo等人的农作物模型

第三节 基于AIEM模型的裸露地表散射研究

3.1 雷达后向散射与地表粗糙度的关系

3.2 雷达后向散射与土壤水分的关系

3.3 裸露地表模型的简化

本章小节

第四章 多时相机载雷达地表土壤水分变化研究

第一节 研究区介绍

第二节 模型引入

第三节 多时相土壤水分相对变化估算思路

第四节 基于特征根特征向量的极化分解技术估算土壤水分变化

4.1 特征根特征向量的目标分解理论介绍

4.2 基于极化分解理论的土壤水分变化估算

4.3 结论与探讨

第五节 多时相数据组合估算地表土壤水分变化

5.1 植被覆盖地表的模型简化过程

5.2 多时相雷达数据组合反演结果

5.3 结论与探讨

本章总结

第五章 植被覆盖区多极化雷达数据土壤水分反演算法及验证

第一节 概述

第二节 数据模拟及输入参数确定

第三节 反演模型的准备

第四节 进一步分析及建立反演模型

4.1 植被散射占主导地位

4.2 地表散射占主导地位

第五节 土壤水分及其变化反演

5.1 土壤水分变化估算

5.2 土壤水分估算

5.3 结论及误差分析

第六节 本章小节

第六章 结论与讨论

第一节 创新成果

第二节 存在问题与展望

参考文献(References)

攻读博士学位期间第一作者发表论文

致谢

发布时间: 2005-09-19

参考文献

• [1].基于ERS散射计数据的青藏高原土壤水分估算方法研究[D]. 王建明.中国科学院研究生院（遥感应用研究所）2005
• [2].基于遥感和模型耦合的人民胜利渠灌区冬小麦土壤墒情研究[D]. 马春芽.中国农业科学院2018
• [3].黄土区植物生长与土壤水分协同关系及土壤水分有效性评价[D]. 闫伟明.西北农林科技大学2017
• [4].基于遥感和水文模型的新疆渭库绿洲荒漠过渡区土壤水分研究[D]. 杨爱霞.新疆大学2017
• [5].墒情（旱情）监测与预测预报方法研究[D]. 孙凯.中国农业大学2005
• [6].基于TRMM的主被动微波遥感结合反演土壤水分算法研究[D]. 武胜利.中国科学院研究生院（遥感应用研究所）2006
• [7].微集水种植条件下土壤水分调控效果及作物的生理生态效应[D]. 丁瑞霞.西北农林科技大学2006
• [8].基于IEM的多波段、多极化SAR土壤水分反演算法研究[D]. 李森.中国农业科学院2007
• [9].黄土丘陵半干旱区土壤水分植被承载力研究[D]. 郭忠升.西北农林科技大学2004
• [10].高分子材料在旱地作物生产中的应用基础研究[D]. 宋宝兴.西北工业大学2007

相关论文

• [1].极化干涉SAR信息提取方法及其应用研究[D]. 李新武.中国科学院研究生院（遥感应用研究所）2002
• [2].含水含盐土壤介电特性实验研究及对雷达图像的响应分析[D]. 胡庆荣.中国科学院研究生院（遥感应用研究所）2003
• [3].中国土地覆盖分类与变化监测遥感研究[D]. 骆成凤.中国科学院研究生院（遥感应用研究所）2005
• [4].高分辨率光学和SAR遥感数据融合及典型目标提取方法研究[D]. 朱俊杰.中国科学院研究生院（遥感应用研究所）2005
• [5].基于MODIS数据的地表温度、热惯量反演研究及其在土壤水分、地气间热交换方面的应用[D]. 蔡国印.中国科学院研究生院（遥感应用研究所）2006

标签：雷达论文;  后向散射论文;  植被覆盖论文;  土壤水分论文;  反演模型论文;