《多极化、多角度裸露地表土壤水分反演模型研究.doc》由会员分享，可在线阅读，更多相关《多极化、多角度裸露地表土壤水分反演模型研究.doc（7页珍藏版）》请在三一办公上搜索。
1、精品论文多极化、多角度裸露地表土壤水分反演模型研究王翠玲 中国矿业大学环境与测绘学院，江苏徐州（221008） E-mail: wangcuiling118摘要：土壤水分是水文、气象和农业环境研究中的重要参数，土壤水分监测一直是人们十分关注的问题。微波遥感尤其是主动微波遥感具有全天时、全天候观测的优点，并且对地表 具有一定的穿透能力，能够弥补其他遥感方式在土壤水分监测应用中的不足，为流域尺度土壤水分监测提供了新的方法和途径。应用微波特别是雷达进行土壤水分的反演估算是当前研究的热点。应用雷达技术反演土壤水分比较著名的模型有 Oh 模型、Dubois 模型、Shi 模型 以及 IEM 模型。本文探
2、讨了当前裸露地表土壤水分研究的方法，分析了各个模型的优缺点 和使用范围，提出了雷达反演裸露地表土壤水分的研究方向。 关键词：雷达；土壤水分；反演模型；裸露地表中图分类号：TP751. 引言利用遥感技术获取的数据，经过反演可以得到地表温度1、土壤水分2和植被生物量3 等参数，这些信息对于整个地球系统科学的研究非常重要。其中，土壤水分是水文、农业和 气象等研究中的重要参数，在地表与大气的能量交换中扮演着重要的角色，同时它也是地表 水储存的重要组成部分4。微波遥感在土壤水分监测方面有其独特的优势：能全天时全天候 的观测能力以及对土壤水分的足够敏感5。在微波遥感反演土壤水分的研究领域,国内外专家 已经
3、在C波段、S波段和L波段作了大量的研究工作，尤其是利用主动遥感反演土壤水分的研 究6。这主要是因为基于点的传统土水分测量方法，很难推广到大范围的地面应用中；由于 受到云层、植被覆盖层、大气干扰等因素的影响，限制了光学遥感在土壤水分遥感监测中的 应用，另一方面光学遥感反演土壤水分的理论出发点是标量辐射传输方程，并且光学传感器 只能记录地物的发射辐射、反射辐射能量，包含的地物信息量少，许多模型反演的精度往往 达不到实际应用的要求；虽然被动微波遥感在土壤水分监测的一种有效手段，但是由于其空 间分辨率比较低，使其在流域尺度的土壤水分监测应用种受到了限制。因此，光学遥感和被 动微波遥感获取土壤水分存在一
4、定的限制。新近的研究表明，主动微波遥感能够弥补光学遥 感、被动微波遥感在土壤水分监测应用中的不足，为流域尺度土壤水分监测应用提供高质量 的雷达图像。田国良在对比分析了几种遥感土壤水分湿度方法后，认为微波遥感可能最终解 决遥感监测土壤湿度的问题7。目前国内外学者利用雷达反演土壤水分已做了大量的研究8-9，合成孔径雷达（SAR）已成为国际对地观测领域最重要的前沿技术之一。2. 雷达数据反演裸露地表土壤水分的主要模型2.1 理论模型理论模型是由随机粗糙地表的电磁波理论发展建立起来的10。标准的后向散射理论模 型为基尔霍夫模型，包括 GOM 模型、POM 模型和 SPM 模型。- 7 -2.1.1 G
5、OM 模型后向散射表达式 0R pq=(0 )exp( tan2 ( ) / 2 s 2 (0 ) )（1）pq2 s 2 (0 ) cos4 ( )式中 m = s (0 ) 为表面均方根斜度；R vv(0 ) = R hh(0 ) = 1 + 12为垂直、水平极化方式法向入射时的 Fresnel 反射系数； p 、 q 分别代表发射极化方式和接受极化方式，等于 v 或 h ； 为地表介电常数； ( ) 表面相关函数；s 为表面均方根高度； 为雷达入射角。 该模型使用的地表粗糙度条件为： s / 3, l ，且 0.4 m 0.7 ，l 为表面相关长度， 为入射电磁波波长， m 为均方根斜度
6、。2.1.2 POM 模型pqpq0 = k 2 cos2 ( )R( )exp ( (2 ks cos ( )2)n = 1(2 ks cos ( )=2 nWn !n (2 k sin ( ), 0 )（2）式中，( )( cos sin 2 )22为垂直极化方式的 Fresnel 反射系数；=R vv ( cos + sin 2 )2Rhh( ) =(cos +( 1) sin 2 )222x为水平极化的 Fresnel 反射系数；W n (2k,0) 为表面自相关函数的 n 阶粗糙度谱；k x = k sin( ) ，k 为自由空间波数，k = 2 / ；其他参数和式（1）各参数意义相
7、同。该模型适用的地表粗糙条件为： 0.05 s ，且 m 0.252.1.3 SPM 模型0 = 8k 4 s 2 cos 4 ( )W (2k sin( ),0)（3）pqpq式中， pq 为极化幅度系数，且( 1 )，( 1 )(1 + sin 2 ) sin 2 )= s = s s hh(cos + sin2 )2vv(cos + sin2 )2其它参数与式（1）中相同。该模型适用的地表粗糙度条件为： ks 0.3, kl 3 ，且 m 0.3以上三种模型为传统的理论模型，这些模型都在有限地表粗糙度范围内适用，且模型之间没有连续性，许多自然地表的粗糙度超出了三种传统的面散射模型的适用范
8、围。要再现不 同粗糙地表后向散射，需要一个连续的模型来对自然地表散射情况进行模拟，使其能在不同 的粗糙度情况模拟和再现地物实际后向散射特征。积分方程模型(IEM)就满足上述条件。2.1.4 IEM 模型积分方程模型是 A. K. Fung 等人于 1992 年提出10。由 IEM 模型表达的垂直极化和水平 极化的后向散射系数可以由下式来表示：2 2k 22 W n ( 2k,0)=0Ipp2e 2 k z n =12 nn pp x n!（3）式中， k z = k cos ；Wn (u, v) 为地表粗糙度谱。对于相关长度为 l 的指数或高斯相关表面，可以表述为：2W n = l+ 2kls
9、in1.5 n2；2(2 kl sin )24 nexp2 1 n ppxppxn Wgauss =el2n式（3）中： I n(2k)n fze 2 k nn F ( k ,0) + F (k ,0)k= z +，此处 F和 f分别pp表示为：zpp2PPppF ( k,0)F(k ,0) =(vv ) 1 + r r ；vvxvvx2 sin 2 1 + R222cos1 sin 2 rr 2 cos 2 cos 2 Fhh (k x ,0) +Fhh(k x,0) = 2 sin (1 + Rhh ) ( r 1)； f vv =r2Rvv； f hh= 2Rhhcos 3 R pp 为
10、相应极化的菲涅尔反射系数：coscosrRhhcos =cos + sin 2 r sin 2 ； Rvv = r cos rcos + sin 2 r sin 2 IEM 模型由于模拟的范围更接近于真实的自然地表而被广泛的应用，但是积分方程模型 还存在着一些不足，例如将 IEM 模型应用于实际自然地表时，模型模拟值与实际地表测量 后向散射系数值之间仍存在一些不一致性11。其主要原因有两个方面：一是模型中对实际 地表粗糙度刻画的不准确；二是模型中对不同粗糙地表条件下菲涅尔反射系数的处理过于简 单。新近发展的改进的积分方程模型 (AdvaneedIEM，AIEM)也主要在这两个方面进行了改 进，
11、改进后的积分方程模型(AIEM)己经能够更好的模拟裸露地表的各种情况。2.2 经验、半经验模型近年来，通过多模式（多波段、多极化、可变入射角）雷达数据分析雷达后向散射系数 与频率、极化、入射角及地表参数（介电常数、表面均方根高度 RMS height、相关长度 correlation length）间的相关关系，发展了一些用极化雷达同时反演地表土壤水分和地表粗糙 度的经验半经验模型。经验模型多是通过实际观测值建立其后散射系数和一定土壤深度的土壤含水量线性回 归关系12。线性回归方程通常以下形式表示：0= amv + b(5)式中，mv 为土壤容积含水量，a 和 b 为经验系数。对于给定的雷达参
12、数，a 和 b 依赖于 地表粗糙度和土壤纹理结构，a 主要受地表粗糙度控制，b 则主要受地表纹理结构影响13。 Y. Oh, et al 指出，相对理论模型而言，经验模型的主要优势在于它们可以在那些超出理 论模型有效范围的地表状况下进行微波散射特征模拟，而且即使是在理论模型的有效范围内，理论预测值有时也不可能与实际观测值较好地吻合14。 半经验后向散射模型是对经验模型的改进，它们或者基于理论背景来模拟或实验数据来简化理论模型。半经验模型与经验模型相比，其主要优势在于这类模型不受试验地点的约束。 较有代表性的半经验模型有 Oh(1994、2002)模型、Chen(1995)模型和 Shi(199
13、7)模型等。2.2.1 Oh 模型14利用多波段、多极化、多角度、比较宽的粗糙度、土壤含水量条件下的散射计的实测数据集，Oh 等人（1992）分别得到了后向散射系数同极化和叫交叉极化比与介电常数及地标粗糙度的经验模型：01 / 3 200=1p =hh 2 exp( ks)0 vv 0q =hvvv = 0.23 0.1 exp( ks)（6）1 -式中， 0 =1 +是法向入射的 Fresnel 反射系数，其它参数与式（1）相同。Oh 模型是在 0.1 ks 6.0 、2.6 kl 19.7 、0.09 mv 2.5 时的粗糙地表条件下，Dubois 模型不在适用。2.2.3 Shi 模型1
14、7vvShi 等利用单散射的 IEM 模型，模拟不同地表粗糙度和土壤体积含水量条件下表面后向 散射特性的结果，建立了适用与 L 波段同极化后向散射系数组合与介电常数和地表粗糙度 之间的相互关系: 2 ppbb10 2= pp 1 10 log10 0= a( ) + b ( ) 10 loghh s0pp r (8) + 2 10 log vv0 = avh ( ) + bvh ( ) 10 log10 vv vv + hh00vv hh()2其中 pp 为同极化状态下的极化幅度，s( 1)( 1)(sin 2 (1 + sin 2 )= s = s s hhcos +vv sin 2 ( s
15、 cos + s sin2 )2Oh 模型和 Dubois 模型中很多参数都是依赖于试验数据得到，模型不具有普遍性。Shi 模型中考虑了粗糙度对后向散射系数的影响，是在 IEM 模型数值模拟的结果上建立的半经验 模型。该模型与试验区不存在依赖关系，但是 Shi 模型是 IEM 模型模拟 L 波段地表后向散射特性的数据结果上建立的，该模型是否适用于其它波段的雷达数据需要进一步的验证。而理论模型由于其适用范围的限制，也无法广泛应用到土壤水分的反演。改进的积分模型虽然 有更大的地表粗糙度适用范围和可计算性，但模型的实验仍比较困难，如何基于 AIEM 模型 和地物全极化散射特性发展一个成熟的土壤水分反
16、演算法仍是目前迫切需要解决的重大问 题之一。3. 当前反演模型存在的主要问题地表参数（土壤含水量、粗糙度等）和雷达后向散射系数之间存在复杂的非线性关系， 传统的理论模型虽然能够正确刻画雷达后向散射系数同地表参数之间的这种关系，但是几乎 不可能从这些理论公式中给出求解地表参数的显示解析表达式。在地表正演散射模型方面， GOM模型、POM模型和SPM模型适用范围有限，难以满足大尺度范围的各种粗糙度情况。 A.K.Fung等发展的积分方程模型（IEM）可有较大的使用范围，但精度不高。陈锟山等在IEM 模型基础上，提出了精度更好的AIEM模型，并去除了原模型中的一些假设。但是，AIEM 模型中包含的参
17、数较多，无法直接应用到地表参数的反演研究。Oh和Dubois模型是基于实 测数据的经验模型，普遍性有所限制；Shi基于一次散射近似的IEM模型，建立了L波段同极 化后向散射系数与介电常数和地表粗糙度之间的相互关系，但是否适合其他波段有待验证。 主动方式的雷达和被动方式的辐射计都已经进行广泛的研究，而且都已经建立了很多经验模 型和物理模型。但是，多数模型在裸土上都能得到很好的精度，而自植被覆盖区，因为植被 对微波信号有很强的衰减作用，现有的算法都不能得到很好的结果。4. 反演模型的发展方向(1) 地表土壤水分的变化是水分遥感研究中关注较多的一个领域，可以在获取不同时段 的雷达数据的基础上，研究探
18、索利用不同时段雷达数据及其组合进行地表土壤水分变化监测 的可行性。(2) 雷达监测土壤水分由于只能穿透地表 5cm 左右，因此对深层土壤水分的探测无能为 力，而根系活动层土壤水分对农作物的生长发育影响更为重要，因此可以将土壤水分反演模 型与土壤-植被-大气模型相耦合，进行土壤水分剖面变化研究，以期对农业土壤水分监测及 防旱抗旱提供更为科学的指导。(3) 在微波遥感估算土壤水分的研究领域，国际上的一个热点是利用主被动结合的方式 联合反演。这是因为后向散射系数对地表粗糙度非常敏感，如果能有效的把雷达获取的粗糙 度参数融入到辐射计估算土壤水分的算法中，将能有效地提高其算法精度18。5. 结束语在裸露
19、地表条件下，雷达获取的后向散射系数是表面粗糙度和介电常数的函数。如何通 过多频、多极化、多入射角数据建立模型来消除地表粗糙度的影响，达到反演地表土壤水分 的目的是今后研究的重点。参考文献1 丁风，徐涵秋. TM 热波段图像的地表温度反演算法与试验分析. 地球信息科学, 2006, 8（3）：125-130. 2 H Yang, J Shi, Z Li, et al. Temporal and Spatial Soil Moisture Change Pattern Detection Using Multi-temporal 3 Radarsat SCANSAT images. Proceed
20、ings of IGRASS 03, July 21-25, Toulouse, France, IEEE 03CH37477C,2003, (3).4 徐新良，曹明奎. 森林生物量遥感估算与应用分析. 地球信息科学, 2006, 8(4): 122-128.5 刘伟，施建成. 应用极化雷达估算农作物覆盖地区土壤水分相关变化. 水科学进展, 2005，16(4)：596-601. 6 陈权，李震，王磊. 环境小卫星S波段SAR监测土壤水分变化应用分析. 国土资源遥感, 2005, (2):12-15. 7 高峰，王介民，李新等. 青藏高原地表参数的被动微波遥感反演研究. 兰州大学学报(自然科学
21、版)，2004,40 (6): 86-91.8 田国良. 土壤水分的遥感监测方法. 环境遥感, 1991, 6(2): 89-98.9 Bolten J D, Lakshmi V, Njoku E GSoil moisture retrieval using the passiveactive L-and S-band radarradiometerIEEE Transactions on Geoscience and Remote Sensing, 2003, 41(12)：27922 80110 A. K. Fung, Z. Li, K. S. Chen. Backscattering f
22、rom a randomly rough dielectric surface. IEEE Transactions on Geoscience and Remote Sensing, 1992, 30(2): 356-369.11 M.Zribi, J.Pailleapos, et al. Modelisation of roughness and microwave scattering of bare soil surfaces based on fractal Brownian geometry. Geoscience and Remote Sensing SymPosium Proc
23、eedings; IGARSS, 1998, 3: 1213- 121512 R. Bernard, J. V. Soares, D. Vidal-Madjar. Differential Bare Field Drainage Properties from AirbomeMicrowave Observations. Water Resources Research, 1986, 22(6): 869-87513 M. C. Dobson, F. T. Ulaby. Active Microwave soil Moisture Research. IEEE Transactions on
24、Geoscience andRemote Sensing, 1986, 24(1):23-3614 Y. oh, K. Sarabandi, F.T. Ulaby. An Empirical Model and an Inversion Technique for Radar Scattering fromBare soil Surfaces. IEEE Transactions on Geoscience and Remote Sensing, 1992, 30(2):370-38115 Dubois，P. C, J. van Zyl, and E. T. Engman, Measuring
25、 soil moisture with imaging radars, IEEE Transactionon Geoscience and Remote Sensing, 33, 915-926, 199516 Tania Neusch et al, 1999, Application of the Dubois model using experimental synthetic aperture radar for the determination of soil moisture and surface roughness, Remote Sens.Environ, Vol.54, p
26、p273-278.17 Shi, J., Wang, J., Hsu, A. Y., O”Neill, P.E., & Engmann, T.(7997).Estimation of bare surface soil moisture and surface roughness parameter using L-Band SAR image date. IEEE Transaction on Geoscience and Remote Sensing,35(5), 1254-1265.18 陈权，李震，王磊. 机载雷达和辐射计数据反演植被覆盖区土壤水分的初步研究. 水科学进展, 2007,
27、18(5): 756-761.A Exposed Surface Moisture Inversion Mode ResearchUsing Multi-polarization and Multi-angle Radar ImagesWang CuilingSchool of Environment Science and Spatial Information, China University of Mining andTechnology, Jiangsu, Xuzhou (221008)AbstractSoil moisture monitor is always a focus i
28、n hydrological, meteorological and environmental agricultureresearches. In the past several decades, large scale soil moisture monitor by remote sensing, such as optical, infrared, and microwave methods have developed rapidly. Common methods and optical remote sensing have their own shortcoming in s
29、oil water monitor, thus cannot reach the need of soil water monitor. Active microwave techniques, particularly SAR, take advantage of their all-weather and night-and-day measurement capacities, so it offers a new way to monitor soil moisture in drainage scale. In recent year, four models have been f
30、requently mentioned in soil moisture inversion, which are Oh model, Dubois model, Shi model and IEM model. This article discusses the current research methods of bare surface soil moisture, analyzes the advantages and disadvantages of each model and use scope, the authors proposed the research direction of inversion the exposed surface soil moisture.Keywords: radar; soil moisture; inversion model; exposed surface
