描述
开 本: 16开是否套装: 否国际标准书号ISBN: 9787030618269
编辑推荐
高分辨率,微波遥感,应用,土壤含水量,土壤监测
内容简介
《高分辨率主动微波遥感的土壤水分反演与不确定性分析》首先介绍了主动微波遥感反演土壤水分的基本理论和国内外研究现状，重点从主动微波定量反演中不确定性来源的角度，分析了在P、L、S、C、X五个不同频率下当地表参数(均方根高度、相关长度、土壤水分和土壤温度)和雷达入射角取不同值时，后向散射系数及其不同极化组合方式对地表粗糙度参数的响应规律；在此基础上，针对地表参数给主动微波遥感反演土壤水分带来的不确定性，提出了基于组合粗糙度参数和考虑地表差异性的土壤水分反演模型，以及改进的有效粗糙度参数反演算法和基于像元尺度粗糙度的贝叶斯概率反演算法；*后对各种土壤水分反演算法中地表粗糙度的不确定性进行量化分析。
目 录
目录
前言
第1章 绪论 1
1.1 研究背景及意义 1
1.2 基于主动微波遥感的土壤水分研究现状 3
1.2.1 主动微波传感器的发展现状 3
1.2.2 地表参数同步观测试验 4
1.2.3主动微波遥感土壤水分反演现状 5
1.2.4 土壤水分反演的不确定性研究现状 6
1.3 主要研究内容 7
1.4 本书结构 8
第2章 理论基础及研究区概况 9
2.1 微波遥感原理 9
2.1.1 微波遥感 9
2.1.2 雷达方程与后向散射系数 9
2.1.3 雷达系统参数 10
2.2 地表参数 12
2.2.1 地表粗糙度 12
2.2.2 土壤水分 14
2.3 地表散射模型 15
2.3.1 小扰动模型SPM 16
2.3.2 积分方程模型IEM 16
2.3.3 高级积分方程模型AIEM 17
2.3.4 Oh模型 18
2.3.5 Dubois模型 19
2.4 不确定性分析 19
2.4.1 主动微波土壤水分不确定性 19
2.4.2 主动微波土壤水分不确定性来源 19
2.5 研究区及试验数据 20
2.5.1 WATER试验的研究区 20
2.5.2 WATER获取的SAR数据 20
2.5.3 WATER同步观测数据 21
2.5.4 其他数据 23
2.6 本章小结 23
第3章 裸露地表微波散射特征研究 24
3.1 设置理论模型输入参数的取值范围 24
3.1.1 粗糙度参数取值范围设定 24
3.1.2 设置其他参数取值范围 26
3.2 后向散射系数对地表粗糙度的响应 27
3.2.1 后向散射系数对均方根高度的响应 27
3.2.2 后向散射系数对相关长度的响应 41
3.3 后向散射系数对土壤水分的响应 50
3.4 后向散射系数对雷达入射角的响应 53
3.5 极化后向散射系数对地表土壤温度的响应 56
3.6 后向散射特征分析小结 57
第4章 基于组合粗糙度和地表差异性的土壤水分反演方法 59
4.1 粗糙度参数的不确定性问题与已有的解决方法 59
4.1.1 组合粗糙度 60
4.1.2 粗糙度定标 60
4.1.3 有效粗糙度 60
4.1.4 基于Dubois模型消除粗糙度参数 61
4.2 基于组合粗糙度的土壤水分反演方法 61
4.2.1 现有的组合粗糙度形式存在的问题 61
4.2.2 构建合适的组合粗糙度 63
4.2.3 实验验证 65
4.2.4 与其他形式的组合粗糙度反演结果对比 68
4.3 地表差异性的量化 71
4.3.1 地表差异性引入的不确定性 71
4.3.2 地表差异性的量化 72
4.3.3 去除地表差异性的不确定性 74
4.3.4 验证有效性 75
4.3.5 结果分析 78
4.4 本章小结 81
第5章 基于像元尺度粗糙度的土壤水分反演方法 82
5.1 改进的有效粗糙度反演算法 82
5.1.1 有效粗糙度传统算法的问题 82
5.1.2 基于像元的**有效粗糙度的反演算法 86
5.1.3 实验验证 88
5.1.4 结论 91
5.2 基于贝叶斯理论的粗糙度概率反演 91
5.2.1 贝叶斯概率反演模型原理 91
5.2.2 似然函数 92
5.2.3 贝叶斯概率反演的思路 93
5.2.4 反演实验 94
5.2.5 结论与分析 94
5.3 各种土壤水分方法对比分析 96
5.4 本章小结 100
第6章 土壤水分反演的不确定性分析 101
6.1 不确定性分析的内容 101
6.1.1 试验方案 101
6.1.2 参数标定 102
6.2 粗糙度不确定性分析实验 103
6.2.1 模拟数据实验 103
6.2.2 实测数据实验 105
6.2.3 对比分析 109
6.2.4 误差控制范围 110
6.3 结论 112
6.4 本章小结 113
第7章 结论 114
7.1 研究成果 114
7.2 创新点 115
7.3 不足之处 116
参考文献 117
前言
第1章 绪论 1
1.1 研究背景及意义 1
1.2 基于主动微波遥感的土壤水分研究现状 3
1.2.1 主动微波传感器的发展现状 3
1.2.2 地表参数同步观测试验 4
1.2.3主动微波遥感土壤水分反演现状 5
1.2.4 土壤水分反演的不确定性研究现状 6
1.3 主要研究内容 7
1.4 本书结构 8
第2章 理论基础及研究区概况 9
2.1 微波遥感原理 9
2.1.1 微波遥感 9
2.1.2 雷达方程与后向散射系数 9
2.1.3 雷达系统参数 10
2.2 地表参数 12
2.2.1 地表粗糙度 12
2.2.2 土壤水分 14
2.3 地表散射模型 15
2.3.1 小扰动模型SPM 16
2.3.2 积分方程模型IEM 16
2.3.3 高级积分方程模型AIEM 17
2.3.4 Oh模型 18
2.3.5 Dubois模型 19
2.4 不确定性分析 19
2.4.1 主动微波土壤水分不确定性 19
2.4.2 主动微波土壤水分不确定性来源 19
2.5 研究区及试验数据 20
2.5.1 WATER试验的研究区 20
2.5.2 WATER获取的SAR数据 20
2.5.3 WATER同步观测数据 21
2.5.4 其他数据 23
2.6 本章小结 23
第3章 裸露地表微波散射特征研究 24
3.1 设置理论模型输入参数的取值范围 24
3.1.1 粗糙度参数取值范围设定 24
3.1.2 设置其他参数取值范围 26
3.2 后向散射系数对地表粗糙度的响应 27
3.2.1 后向散射系数对均方根高度的响应 27
3.2.2 后向散射系数对相关长度的响应 41
3.3 后向散射系数对土壤水分的响应 50
3.4 后向散射系数对雷达入射角的响应 53
3.5 极化后向散射系数对地表土壤温度的响应 56
3.6 后向散射特征分析小结 57
第4章 基于组合粗糙度和地表差异性的土壤水分反演方法 59
4.1 粗糙度参数的不确定性问题与已有的解决方法 59
4.1.1 组合粗糙度 60
4.1.2 粗糙度定标 60
4.1.3 有效粗糙度 60
4.1.4 基于Dubois模型消除粗糙度参数 61
4.2 基于组合粗糙度的土壤水分反演方法 61
4.2.1 现有的组合粗糙度形式存在的问题 61
4.2.2 构建合适的组合粗糙度 63
4.2.3 实验验证 65
4.2.4 与其他形式的组合粗糙度反演结果对比 68
4.3 地表差异性的量化 71
4.3.1 地表差异性引入的不确定性 71
4.3.2 地表差异性的量化 72
4.3.3 去除地表差异性的不确定性 74
4.3.4 验证有效性 75
4.3.5 结果分析 78
4.4 本章小结 81
第5章 基于像元尺度粗糙度的土壤水分反演方法 82
5.1 改进的有效粗糙度反演算法 82
5.1.1 有效粗糙度传统算法的问题 82
5.1.2 基于像元的**有效粗糙度的反演算法 86
5.1.3 实验验证 88
5.1.4 结论 91
5.2 基于贝叶斯理论的粗糙度概率反演 91
5.2.1 贝叶斯概率反演模型原理 91
5.2.2 似然函数 92
5.2.3 贝叶斯概率反演的思路 93
5.2.4 反演实验 94
5.2.5 结论与分析 94
5.3 各种土壤水分方法对比分析 96
5.4 本章小结 100
第6章 土壤水分反演的不确定性分析 101
6.1 不确定性分析的内容 101
6.1.1 试验方案 101
6.1.2 参数标定 102
6.2 粗糙度不确定性分析实验 103
6.2.1 模拟数据实验 103
6.2.2 实测数据实验 105
6.2.3 对比分析 109
6.2.4 误差控制范围 110
6.3 结论 112
6.4 本章小结 113
第7章 结论 114
7.1 研究成果 114
7.2 创新点 115
7.3 不足之处 116
参考文献 117
在线试读
第1章 绪论
1.1 研究背景及意义
水是地球上*普遍的物质，是生物生存的基本前提。在地球表面，淡水资源中0.05%以上都是以土壤水分(soil moisture，M)的形式存在[1]。土壤水是陆地水资源的重要组成部分，并向陆生植物不间断地提供v所需的水分[2]。在Korzoun和Sokolov的统计中[3]，约有165000亿m3的包气带土壤水；刘昌明和杜伟[4]统计我国约有33550亿m3的土壤水分总储量。土壤水不仅有数量大的特点，而且与人类生存的环境及人民生活密切相关[5]，虽然人类不能直接提取利用土壤水分，但土壤水分却是影响生态、水文、气候等陆面过程的关键要素[6]。
从全球尺度来看，土壤水分在全球气候系统中属于核心变量之一，土壤水分的动态变化与时空分布对大气环流、陆地-大气间的热量平衡产生重要影响。土壤水分控制着地球表面和大气之间能量和物质的交换[7]，不仅在全球碳循环、陆地水循环、气候变化机制和干旱预警模型中是重要参与因素，还在植被蒸腾作用和地表水蒸发中扮演着重要的角色[8]，是农业、林业、生态学、水文学和气象学等领域研究中较多模型的重要参数[9]。从区域尺度来看，土壤水分的时空分布在农业生产、干旱检测和田间灌溉管理等方面也具有非常重要的意义，尤其是在干旱半干旱地区，土壤水分掌握着农作物的健康状况和生长状态[10]，是影响农作物产量的决定性因素[11]。因此，建立一套大范围、实时、动态、客观和较高精度的土壤水分反演方法[12]，有助于解决如农作物生长监测、流域水文模型、全球水循环规律等方面的问题，因此土壤水分反演是很多学科领域的研究和应用热点。
由于土壤水分在诸学科中的重要性，怎样获取到高精度的土壤水分信息是当前研究的核心问题。传统的地表物理观测手段难以准确得到大尺度范围的土壤水分信息[13]，而使用卫星遥感技术可以获取全球尺度范围内的土壤水分信息，并且具有获取速度快、结果实时动态等优点，是区域尺度范围和全球尺度范围获取土壤水分信息的有效技术手段。利用遥感技术反演土壤水分的方法有微波遥感反演和光学-热红外反演，其中光学-热红外反演方法由于受云覆盖、地表植被覆盖等因素的影响，土壤水分反演结果的精度不高。微波遥感技术具有全天候、全天时、不受云雨干扰的观测能力[14]；微波介电特性与土壤水分密切相关，使微波遥感技术成为观测地表土壤水分**有潜力的手段[15]。目前已有十余种基于微波遥感技术监测土壤水分的成熟产品发布，提供了近40年不同尺度范围的土壤水分监测数据集。常用的被动微波传感器空间分辨率较低(<25km)，使得基于被动微波遥感技术的土壤水分产品具有较低的空间分辨率，为土壤水分参与的各种科学研究模型引入了不确定性。主动微波遥感穿透性强且不受太阳照射条件的影响，不但具有全天时全天候的优势[16]，还具有多极化、空间分辨率高等优势，而且后向散射系数对地表土壤水分的反应非常敏感，因此利用主动微波遥感来反演土壤水分是较为有效的手段[17]。目前主动微波遥感中对地观测*重要的技术之一是合成孔径雷达(synthetic aperture radar，SAR)技术[18]。
在微波波段，地表土壤的介电常数随着土壤水分的增加而增加，而随着土壤介电常数的变化，雷达后向散射系数也随之变化[19]。除了土壤的介电常数以外，地表粗糙度、植被覆盖、雷达入射角和频率等参数都会影响雷达后向散射系数的变化。主动微波探测土壤水分的物理机制是土壤表面的后向散射系数与土壤水分、地表粗糙度、地表物质介电特性、土壤物理特性(结构、成分)、植被特性(数量、结构)及雷达系统参数(入射角θ、频率f)密切相关[20]。其中土壤水分、地表粗糙度和植被特性对后向散射系数的影响更大，所以在裸土地区，利用主动微波遥感反演土壤水分的研究重点是如何有效消除地表粗糙度对后向散射系数的影响[21]，尽可能去除反演过程中的各种不确定性来源，以提高土壤水分的反演精度。
基于主动微波遥感的土壤水分反演与其他定量遥感应用一样存在不确定性。在主动微波遥感土壤水分反演过程中，每一步都可能引入不同类型的不确定性[22]。主要包括:理论模型正演时由模型自身的不准确引起的不确定性，引入参与反演各参数(主要是地表参数)的不确定性所带来的不确定性，由于地表差异性而算法不适用带来的不确定性。
对于裸土地区而言，给定雷达影像进行土壤水分反演时，雷达入射角和频率已知，没有植被覆盖的影响，土壤水分反演结果不确定性的主要来源之一就是地表粗糙度[23]。地表粗糙度带来不确定性的主要因素有两个。首先，在野外同步观测时，由于受物理测量技术的限制，粗糙度参数的物理实测值存在较大测量误差，极大地影响了土壤水分反演精度[24]，如何避免粗糙度参数物理实测值误差的影响是目前土壤水分反演算法中需要改进的问题；其次，粗糙度参数物理实测值都基于微观尺度进行测量，而雷达后向散射系数是基于像元尺度的[25]，尺度不匹配会引起反演结果的不确定性，需要建立后向散射系数与粗糙度参数之间像元尺度的对应关系。算法不适用带来的不确定性主要是在反演过程中没有考虑地表差异性[26]，反演区域与采样区域的土壤水分、地表粗糙度、地表物质介电特性、土壤物理特性等方面存在差异，依赖于采样点地表参数实测值的土壤水分反演算法应用于地表差异较大的区域时，会因为算法不适用引入不确定性。因此，去除地表粗糙度带来的不确定性，表征地表差异性避免算法不适用带来的不确定性，并对粗糙度参数的不确定性进行量化，尽可能避免这些不确定性，对提高土壤水分的反演精度有重要的意义[27]。
本书在国家重大高分专项“军事测绘专业处理与服务系统地理空间信息融合处理分系统”(GFZX04040202-07)、陕西省自然科学研究计划重点项目“基于生态系统服务的重大土地工程生态效应评估”(2017JZ009)、中央高校基本科研业务费优秀博士培育项目“基于国产高分辨率SAR影像的干旱半干旱地区土壤含水量反演研究与应用”(310826175031)等项目的资助下，针对目前主动微波遥感土壤水分反演中存在的问题，基于多极化多角度高分辨率SAR数据(ENVISATASAR)，选择AIEM和Oh模型，提出了几种去除地表参数不确定性的裸土地区土壤水分反演算法，并量化分析了粗糙度参数在土壤水分反演过程中的不确定性。首先，为了避免地表粗糙度和地表差异性带来的不确定性，发展了组合粗糙度的构建形式和地表差异性表征方法；其次，改进有效粗糙度反演算法，以避免粗糙度物理测量值的不确定性；再次，引入贝叶斯概率反演算法，基于后向散射系数之差和粗糙度参数的先验知识反演像元尺度的粗糙度，获得了像元尺度的粗糙度参数；然后，对地表粗糙度在土壤水分反演过程中的不确定性进行了定量分析；*终构建了三种不同的适合裸露地表的土壤水分反演算法，为快速、大范围地获取高精度土壤水分信息提供理论与方法支持。
1.2 基于主动微波遥感的土壤水分研究现状
1.2.1 主动微波传感器的发展现状
美国国家航空航天局(National Aeronautics and Space Administration，NASA)[28]于1978年发射了海洋卫星(SEASAT)，该卫星搭载了合成孔径雷达。而后世界各国都陆续发射了多种搭载主动微波传感器的卫星(表1.1)，主动微波传感器发展极为快速。Radarsat-1是加拿大[29]于1995年发射的C波段商业雷达卫星，并于2007年发射了Radarsat-2[30]，可获取全极化的雷达影像，应用于地表土壤水分高精度反演。ENVISAT(Environmental Satellite)是欧洲太空署[31](European Space Agency，ESA)于2002年发射的搭载高级合成孔径雷达(Advanced Synthetic Aperture Radar，ASAR)的环境监测卫星，可提供多种模式、不同分辨率、多角度的C波段雷达影像，ENVISAT在长达十年(2002～2012年)的在轨工作期间获得了大量的雷达影像数据。作为ENVISAT的后续卫星，ESA于2014年发射了Sentinel-1[32]。德国于2007年发射的TerraSAR-X[33]与2010年发射的姊妹星T and EM-X可像人的双眼一样[34]，使用X波段精确扫描地球表面，*终绘制出高精度的全球范围数字高程模型[35]。意大利于2007年发射的高分辨率雷达卫星星座COSMO-Sky Med共有4颗X波段雷达卫星[36]。日本于2006年发射的全极化L波段ALOS/PALSAR可用于全球尺度地壳运动和地球环境监测[37]；2014年发射的ALOS-2/PALSAR-2具有高达1m的空间分辨率[38]。NASA于2015年发射的土壤水分主被动观测卫星(Soil Moisture Active and Passive，SMAP)，能够获取亮温和后向散射观测数据[39]。
我国于2006年4月发射的遥感卫星一号是合成孔径雷达侦察卫星，空间分辨率为5m[40]。遥感卫星三号于2007年发射，也是合成孔径雷达侦察卫星，具有更高的空间分辨率[41]。2012年11月19日环境一号C星发射，其配置S波段合成孔径雷达[42]，具备空间分辨率5m条带和20m扫描两种成像模式[43]。高分三号卫星于2016年发射，是C波段多极化合成孔径雷达卫星，也是我国首颗分辨率达到1m的雷达卫星[44]。我国正在计划在未来5年内发射搭载L/S/C波段的微波辐射计和X/Ku波段的微波散射计的全球水循环观测卫星(Water Cycle Observation Mission，WCOM)[45]，对全球水循环系统开展不同波段(L/S/C/X/Ku)、多种极化方式、主被动微波联合的高精度监测，其中就包括对土壤水分的监测。这些高分辨率国产SAR卫星的投入使用将改善我国民用天基高分辨率SAR数据全部依赖进口的现状[46]。
表1.1 主动微波遥感卫星[47]
由此可见，各国发射的多种雷达卫星可提供多波段、多角度、多极化、不同空间分辨率的雷达影像以进行土壤水分反演研究[48]。
1.2.2 地表参数同步观测试验
自20世纪80年代以来，为研究和验证地表参数(包括土壤水分的反演算法)，各国开展了多种野外实地同步观测试验[49]。
美国农业部(United States Department of Agriculture，USDA)[50]和NASA在1992年和1994年合作进行了水文观测试验“Washita′92”和“Washita′94”[51，52]，主要是使用L波段微波辐射计结合同步观测的土壤水分实测数据，探索L波段微波反演土壤水分的潜力，美国于1997年和1999年在南部大平原地区分别进行了南部大平原水文试验SGP97和SGP99[53，54]，主要目的是基于机载微波遥感影像完成大尺度范围的土壤水分分布图。为了验证AMSR-E[55]土壤水分反演算法，NASA和USDA于2002年在艾奥瓦州进行了SMEX02-OS[56]土壤水分监测试验，获取到大量SAR影像、可见光卫星影像、航空遥感影像，还有同期地面量测得到的土壤水分、地表粗糙度、土壤质地等各种相关数据[56]；又在俄克拉何马州等地分别于2003年和2004年进行了SMEX03[57]和SMEX04[58]等后续试验。
为了验证基于SMOS卫星的土壤水分反演算法，很多国家的研究人员分别进行了多种土壤水分监测试验。澳大利亚于2005年和2006年进行了国家航空地面试验(NationalAirborneFieldExperiment，NAFE05[59]和NAFE06[60])。作为后续试验，又于2010年进行了航空标定/验证试验(Australian Airborne Cal/Val Experiment for SMOS，AACES)[
1.1 研究背景及意义
水是地球上*普遍的物质，是生物生存的基本前提。在地球表面，淡水资源中0.05%以上都是以土壤水分(soil moisture，M)的形式存在[1]。土壤水是陆地水资源的重要组成部分，并向陆生植物不间断地提供v所需的水分[2]。在Korzoun和Sokolov的统计中[3]，约有165000亿m3的包气带土壤水；刘昌明和杜伟[4]统计我国约有33550亿m3的土壤水分总储量。土壤水不仅有数量大的特点，而且与人类生存的环境及人民生活密切相关[5]，虽然人类不能直接提取利用土壤水分，但土壤水分却是影响生态、水文、气候等陆面过程的关键要素[6]。
从全球尺度来看，土壤水分在全球气候系统中属于核心变量之一，土壤水分的动态变化与时空分布对大气环流、陆地-大气间的热量平衡产生重要影响。土壤水分控制着地球表面和大气之间能量和物质的交换[7]，不仅在全球碳循环、陆地水循环、气候变化机制和干旱预警模型中是重要参与因素，还在植被蒸腾作用和地表水蒸发中扮演着重要的角色[8]，是农业、林业、生态学、水文学和气象学等领域研究中较多模型的重要参数[9]。从区域尺度来看，土壤水分的时空分布在农业生产、干旱检测和田间灌溉管理等方面也具有非常重要的意义，尤其是在干旱半干旱地区，土壤水分掌握着农作物的健康状况和生长状态[10]，是影响农作物产量的决定性因素[11]。因此，建立一套大范围、实时、动态、客观和较高精度的土壤水分反演方法[12]，有助于解决如农作物生长监测、流域水文模型、全球水循环规律等方面的问题，因此土壤水分反演是很多学科领域的研究和应用热点。
由于土壤水分在诸学科中的重要性，怎样获取到高精度的土壤水分信息是当前研究的核心问题。传统的地表物理观测手段难以准确得到大尺度范围的土壤水分信息[13]，而使用卫星遥感技术可以获取全球尺度范围内的土壤水分信息，并且具有获取速度快、结果实时动态等优点，是区域尺度范围和全球尺度范围获取土壤水分信息的有效技术手段。利用遥感技术反演土壤水分的方法有微波遥感反演和光学-热红外反演，其中光学-热红外反演方法由于受云覆盖、地表植被覆盖等因素的影响，土壤水分反演结果的精度不高。微波遥感技术具有全天候、全天时、不受云雨干扰的观测能力[14]；微波介电特性与土壤水分密切相关，使微波遥感技术成为观测地表土壤水分**有潜力的手段[15]。目前已有十余种基于微波遥感技术监测土壤水分的成熟产品发布，提供了近40年不同尺度范围的土壤水分监测数据集。常用的被动微波传感器空间分辨率较低(<25km)，使得基于被动微波遥感技术的土壤水分产品具有较低的空间分辨率，为土壤水分参与的各种科学研究模型引入了不确定性。主动微波遥感穿透性强且不受太阳照射条件的影响，不但具有全天时全天候的优势[16]，还具有多极化、空间分辨率高等优势，而且后向散射系数对地表土壤水分的反应非常敏感，因此利用主动微波遥感来反演土壤水分是较为有效的手段[17]。目前主动微波遥感中对地观测*重要的技术之一是合成孔径雷达(synthetic aperture radar，SAR)技术[18]。
在微波波段，地表土壤的介电常数随着土壤水分的增加而增加，而随着土壤介电常数的变化，雷达后向散射系数也随之变化[19]。除了土壤的介电常数以外，地表粗糙度、植被覆盖、雷达入射角和频率等参数都会影响雷达后向散射系数的变化。主动微波探测土壤水分的物理机制是土壤表面的后向散射系数与土壤水分、地表粗糙度、地表物质介电特性、土壤物理特性(结构、成分)、植被特性(数量、结构)及雷达系统参数(入射角θ、频率f)密切相关[20]。其中土壤水分、地表粗糙度和植被特性对后向散射系数的影响更大，所以在裸土地区，利用主动微波遥感反演土壤水分的研究重点是如何有效消除地表粗糙度对后向散射系数的影响[21]，尽可能去除反演过程中的各种不确定性来源，以提高土壤水分的反演精度。
基于主动微波遥感的土壤水分反演与其他定量遥感应用一样存在不确定性。在主动微波遥感土壤水分反演过程中，每一步都可能引入不同类型的不确定性[22]。主要包括:理论模型正演时由模型自身的不准确引起的不确定性，引入参与反演各参数(主要是地表参数)的不确定性所带来的不确定性，由于地表差异性而算法不适用带来的不确定性。
对于裸土地区而言，给定雷达影像进行土壤水分反演时，雷达入射角和频率已知，没有植被覆盖的影响，土壤水分反演结果不确定性的主要来源之一就是地表粗糙度[23]。地表粗糙度带来不确定性的主要因素有两个。首先，在野外同步观测时，由于受物理测量技术的限制，粗糙度参数的物理实测值存在较大测量误差，极大地影响了土壤水分反演精度[24]，如何避免粗糙度参数物理实测值误差的影响是目前土壤水分反演算法中需要改进的问题；其次，粗糙度参数物理实测值都基于微观尺度进行测量，而雷达后向散射系数是基于像元尺度的[25]，尺度不匹配会引起反演结果的不确定性，需要建立后向散射系数与粗糙度参数之间像元尺度的对应关系。算法不适用带来的不确定性主要是在反演过程中没有考虑地表差异性[26]，反演区域与采样区域的土壤水分、地表粗糙度、地表物质介电特性、土壤物理特性等方面存在差异，依赖于采样点地表参数实测值的土壤水分反演算法应用于地表差异较大的区域时，会因为算法不适用引入不确定性。因此，去除地表粗糙度带来的不确定性，表征地表差异性避免算法不适用带来的不确定性，并对粗糙度参数的不确定性进行量化，尽可能避免这些不确定性，对提高土壤水分的反演精度有重要的意义[27]。
本书在国家重大高分专项“军事测绘专业处理与服务系统地理空间信息融合处理分系统”(GFZX04040202-07)、陕西省自然科学研究计划重点项目“基于生态系统服务的重大土地工程生态效应评估”(2017JZ009)、中央高校基本科研业务费优秀博士培育项目“基于国产高分辨率SAR影像的干旱半干旱地区土壤含水量反演研究与应用”(310826175031)等项目的资助下，针对目前主动微波遥感土壤水分反演中存在的问题，基于多极化多角度高分辨率SAR数据(ENVISATASAR)，选择AIEM和Oh模型，提出了几种去除地表参数不确定性的裸土地区土壤水分反演算法，并量化分析了粗糙度参数在土壤水分反演过程中的不确定性。首先，为了避免地表粗糙度和地表差异性带来的不确定性，发展了组合粗糙度的构建形式和地表差异性表征方法；其次，改进有效粗糙度反演算法，以避免粗糙度物理测量值的不确定性；再次，引入贝叶斯概率反演算法，基于后向散射系数之差和粗糙度参数的先验知识反演像元尺度的粗糙度，获得了像元尺度的粗糙度参数；然后，对地表粗糙度在土壤水分反演过程中的不确定性进行了定量分析；*终构建了三种不同的适合裸露地表的土壤水分反演算法，为快速、大范围地获取高精度土壤水分信息提供理论与方法支持。
1.2 基于主动微波遥感的土壤水分研究现状
1.2.1 主动微波传感器的发展现状
美国国家航空航天局(National Aeronautics and Space Administration，NASA)[28]于1978年发射了海洋卫星(SEASAT)，该卫星搭载了合成孔径雷达。而后世界各国都陆续发射了多种搭载主动微波传感器的卫星(表1.1)，主动微波传感器发展极为快速。Radarsat-1是加拿大[29]于1995年发射的C波段商业雷达卫星，并于2007年发射了Radarsat-2[30]，可获取全极化的雷达影像，应用于地表土壤水分高精度反演。ENVISAT(Environmental Satellite)是欧洲太空署[31](European Space Agency，ESA)于2002年发射的搭载高级合成孔径雷达(Advanced Synthetic Aperture Radar，ASAR)的环境监测卫星，可提供多种模式、不同分辨率、多角度的C波段雷达影像，ENVISAT在长达十年(2002～2012年)的在轨工作期间获得了大量的雷达影像数据。作为ENVISAT的后续卫星，ESA于2014年发射了Sentinel-1[32]。德国于2007年发射的TerraSAR-X[33]与2010年发射的姊妹星T and EM-X可像人的双眼一样[34]，使用X波段精确扫描地球表面，*终绘制出高精度的全球范围数字高程模型[35]。意大利于2007年发射的高分辨率雷达卫星星座COSMO-Sky Med共有4颗X波段雷达卫星[36]。日本于2006年发射的全极化L波段ALOS/PALSAR可用于全球尺度地壳运动和地球环境监测[37]；2014年发射的ALOS-2/PALSAR-2具有高达1m的空间分辨率[38]。NASA于2015年发射的土壤水分主被动观测卫星(Soil Moisture Active and Passive，SMAP)，能够获取亮温和后向散射观测数据[39]。
我国于2006年4月发射的遥感卫星一号是合成孔径雷达侦察卫星，空间分辨率为5m[40]。遥感卫星三号于2007年发射，也是合成孔径雷达侦察卫星，具有更高的空间分辨率[41]。2012年11月19日环境一号C星发射，其配置S波段合成孔径雷达[42]，具备空间分辨率5m条带和20m扫描两种成像模式[43]。高分三号卫星于2016年发射，是C波段多极化合成孔径雷达卫星，也是我国首颗分辨率达到1m的雷达卫星[44]。我国正在计划在未来5年内发射搭载L/S/C波段的微波辐射计和X/Ku波段的微波散射计的全球水循环观测卫星(Water Cycle Observation Mission，WCOM)[45]，对全球水循环系统开展不同波段(L/S/C/X/Ku)、多种极化方式、主被动微波联合的高精度监测，其中就包括对土壤水分的监测。这些高分辨率国产SAR卫星的投入使用将改善我国民用天基高分辨率SAR数据全部依赖进口的现状[46]。
表1.1 主动微波遥感卫星[47]
由此可见，各国发射的多种雷达卫星可提供多波段、多角度、多极化、不同空间分辨率的雷达影像以进行土壤水分反演研究[48]。
1.2.2 地表参数同步观测试验
自20世纪80年代以来，为研究和验证地表参数(包括土壤水分的反演算法)，各国开展了多种野外实地同步观测试验[49]。
美国农业部(United States Department of Agriculture，USDA)[50]和NASA在1992年和1994年合作进行了水文观测试验“Washita′92”和“Washita′94”[51，52]，主要是使用L波段微波辐射计结合同步观测的土壤水分实测数据，探索L波段微波反演土壤水分的潜力，美国于1997年和1999年在南部大平原地区分别进行了南部大平原水文试验SGP97和SGP99[53，54]，主要目的是基于机载微波遥感影像完成大尺度范围的土壤水分分布图。为了验证AMSR-E[55]土壤水分反演算法，NASA和USDA于2002年在艾奥瓦州进行了SMEX02-OS[56]土壤水分监测试验，获取到大量SAR影像、可见光卫星影像、航空遥感影像，还有同期地面量测得到的土壤水分、地表粗糙度、土壤质地等各种相关数据[56]；又在俄克拉何马州等地分别于2003年和2004年进行了SMEX03[57]和SMEX04[58]等后续试验。
为了验证基于SMOS卫星的土壤水分反演算法，很多国家的研究人员分别进行了多种土壤水分监测试验。澳大利亚于2005年和2006年进行了国家航空地面试验(NationalAirborneFieldExperiment，NAFE05[59]和NAFE06[60])。作为后续试验，又于2010年进行了航空标定/验证试验(Australian Airborne Cal/Val Experiment for SMOS，AACES)[
评论
还没有评论。