全国气象卫星遥感应用技术交流会.pdf

Radarsat-2 / SAR和和MODIS数据联合反演数据联合反演 黄土高原地区植被覆盖下土壤水分研究黄土高原地区植被覆盖下土壤水分研究 胡蝶、郭铌、沙莎、王丽娟胡蝶、郭铌、沙莎、王丽娟 中国气象局兰州干旱气象研究所中国气象局兰州干旱气象研究所 20172017年年4 4月月2727日日 20172017年全国气象卫星遥感应用技术交流会年全国气象卫星遥感应用技术交流会 主主 要要 内内 容容 1 2 3 4 研究意义和现状研究意义和现状 总结与讨论总结与讨论 数据源与研究区数据源与研究区 植被覆盖下土壤水分反演植被覆盖下土壤水分反演 1.1.研究意义和现状研究意义和现状 土壤水分在黄土高原半干旱区生态系统中是最活跃的因子之一，其动态变土壤水分在黄土高原半干旱区生态系统中是最活跃的因子之一，其动态变化和运动规律很大程度上决定着植被的组成、结构、形态和生理特征，是化和运动规律很大程度上决定着植被的组成、结构、形态和生理特征，是表征农业、水文干旱状况的关键指标，在干旱防御中有重要意义表征农业、水文干旱状况的关键指标，在干旱防御中有重要意义 传统的土壤水分测量方法需要实地操作和繁杂的后处理过程传统的土壤水分测量方法需要实地操作和繁杂的后处理过程，，不仅耗时不仅耗时，，而且难以获得大范围同步的土壤水分信息而且难以获得大范围同步的土壤水分信息，，而遥感技术的发展为区域尺度而遥感技术的发展为区域尺度的土壤水分信息的获取提供了有效手段的土壤水分信息的获取提供了有效手段。

不同传感器获取的不同特征的遥感信息存在一定互补性不同传感器获取的不同特征的遥感信息存在一定互补性在植被覆盖地区在植被覆盖地区，，光学遥感数据对植被覆盖信息敏感光学遥感数据对植被覆盖信息敏感，，但受天气影响较大但受天气影响较大微波遥感对土壤微波遥感对土壤水分变化非常敏感水分变化非常敏感，，具有一定表面穿透性和全天时具有一定表面穿透性和全天时、、全天候的观测特点全天候的观测特点，，在土壤水分的研究中日益被关注在土壤水分的研究中日益被关注 1.1.研究意义和现状研究意义和现状 在裸露地表情况下，土壤水分反演算法的核心是如何抑制表面粗糙度对土在裸露地表情况下，土壤水分反演算法的核心是如何抑制表面粗糙度对土壤水分反演精度的影响当研究区有植被覆盖时，反演土壤水分时必须借壤水分反演精度的影响当研究区有植被覆盖时，反演土壤水分时必须借助其他辅助数据，进行地表植被影响的校正因此，联合光学与主动微波助其他辅助数据，进行地表植被影响的校正因此，联合光学与主动微波遥感数据估算植被覆盖下地表土壤水分是应用前景非常好的研究思路遥感数据估算植被覆盖下地表土壤水分是应用前景非常好的研究思路 本文基于本文基于MODIS光学数据计算的归一化植被指数光学数据计算的归一化植被指数(NDVI)估算农作物植被估算农作物植被含水量含水量，，应用微波散射的应用微波散射的Water-Cloud模型对地表植被影响进行合理校正模型对地表植被影响进行合理校正，，进一步利用进一步利用Radarsat-2 SAR数据对农作物覆盖下土壤水分的估算进行初步数据对农作物覆盖下土壤水分的估算进行初步探讨探讨，，并结合同步野外观测试验数据进行验证并结合同步野外观测试验数据进行验证。

2.2.数据源与研究区数据源与研究区 2.1 卫星遥感数据卫星遥感数据 Radarsat-2数据为四极化精细模式数据为四极化精细模式(Fine Quad Polarization)观测方案，空观测方案，空间分辨率为间分辨率为5.2 m××7.6 m，入射角，入射角32.56°°，产品级别为，产品级别为SLC(斜距产品斜距产品)影像获取时间为影像获取时间为2013年年6月月10日日10点点58分（北京时）对获取的图像需进分（北京时）对获取的图像需进行定标、几何校正和滤波处理，并将行定标、几何校正和滤波处理，并将SAR图像数据转换成后向散射系数，图像数据转换成后向散射系数，用于土壤水分反演的计算用于土壤水分反演的计算 同时收集了当天的同时收集了当天的MODIS反射率产品数据反射率产品数据MOD09GQ，，分辨率为分辨率为250m，，包含近红外包含近红外、、可见光波段可见光波段、、质量控制数据质量控制数据，，用来计算用来计算NDVI值值 2.2.数据源与研究区数据源与研究区 2.2 研究区研究区 图图1 试验区地理位置试验区地理位置(红色圆点为采样点红色圆点为采样点) (a) (b) (c) 2.2.数据源与研究区数据源与研究区 2.3 地面试验地面试验 地面试验于地面试验于2013年年6月月10日进行准同步数据采集测量日进行准同步数据采集测量。

选择均一选择均一，，平坦的平坦的农作物覆盖地块进行采样农作物覆盖地块进行采样为了不破坏农作物且能多采集样本为了不破坏农作物且能多采集样本，，利用利用W.E.T sensor(土壤三参数速测仪土壤三参数速测仪)测量表层测量表层0~6cm土壤体积含水量土壤体积含水量、、温度温度、、介电常数等相关数据介电常数等相关数据同时同时，，对每个采样点均进行统一编号对每个采样点均进行统一编号，，进行进行GPS定定位和景观描述位和景观描述 在进行地面同步观测之前在进行地面同步观测之前，，对用于观测的两部对用于观测的两部W.E.T sensor土壤水分仪的土壤水分仪的精度进行验证精度进行验证于于2013年年5月月21日在同一试验区内用两部日在同一试验区内用两部WET仪器仪器(编号分编号分别为别为1和和2)测量土壤体积含水量测量土壤体积含水量，，同时用土钻采集每个样点同时用土钻采集每个样点0~6cm土壤样品土壤样品，，装入铝盒进行封存装入铝盒进行封存，，带回实验室用称重法测量土壤重量含水量带回实验室用称重法测量土壤重量含水量土壤容重土壤容重利用环刀法测量利用环刀法测量，，用来计算土壤重量含水量和体积含水量的转换用来计算土壤重量含水量和体积含水量的转换。

2.2.数据源与研究区数据源与研究区 2.3 地面试验地面试验 图图2 称重法与称重法与WET仪器测量仪器测量0~6cm土壤水分对比图土壤水分对比图 3.3.植被覆盖下土壤水分反演植被覆盖下土壤水分反演 3.1 微波植被散射模型微波植被散射模型-Water Cloud模型模型 Water-Cloud模型将农作物覆盖地表的总的雷达后向散射系数描述为农作模型将农作物覆盖地表的总的雷达后向散射系数描述为农作物直接反射回来的散射项和经作物双次衰减后地面的后向散射项之和物直接反射回来的散射项和经作物双次衰减后地面的后向散射项之和，，形形式如下：式如下： 0020 vegsoil 02 vegcos( ) (1)AVWC2exp( 2sec( ))B VWC式中式中 为总的雷达后向散射系数，为总的雷达后向散射系数， 为直接植被层后向散射系数，为直接植被层后向散射系数， 为直接为直接地表后向散射系数，地表后向散射系数， 为植被双层衰减因子为植被双层衰减因子(透过率透过率)，， 为雷达入射角，为雷达入射角， 是植被含水量是植被含水量(kg/m2)，，A和和B分别为依赖于植被类型的经验参数。

分别为依赖于植被类型的经验参数 00 veg0 soil2VWC其中，其中，A=0.0012，，B=0.091Bindlish 等等, 2001) 3.3.植被覆盖下土壤水分反演植被覆盖下土壤水分反演 3.1 微波植被散射模型微波植被散射模型-Water Cloud模型模型 植被含水量是水云模型中的重要输入参量植被含水量是水云模型中的重要输入参量，，直接影响不同植被层的后向散直接影响不同植被层的后向散射系数射系数在试验期间受仪器及资源限制在试验期间受仪器及资源限制，，没有对进行地面观测没有对进行地面观测因此选择因此选择利用同天利用同天MODIS数据计算的数据计算的NDVI来估算采样点的植被含水量来估算采样点的植被含水量 玉米：玉米： 大豆：大豆： 4327.6311.416.871.240.13VWCNDVINDVINDVINDVI5432192.64417.46347.96138.9330.6992.822VWCNDVINDVINDVINDVINDVI根据根据Jackson等在等在SMEX02试验中建立的试验中建立的NDVI和之间的关系计算不同采样和之间的关系计算不同采样点对应的植被含水量。

选择玉米地样点和当季植被性状与大豆相似样点的点对应的植被含水量选择玉米地样点和当季植被性状与大豆相似样点的NDVI值，代入不同关系式计算进而应用值，代入不同关系式计算进而应用Water-Cloud模型计算出直接植模型计算出直接植被层后向散射系数被层后向散射系数 和裸土后向散射系数和裸土后向散射系数 0 veg0 soil3.3.植被覆盖下土壤水分反演植被覆盖下土壤水分反演 3.2 交叉极化交叉极化(VV/VH)组合方案组合方案 对于多极化对于多极化SAR数据数据，，任鑫任鑫、、李震等根据不同极化组合方式李震等根据不同极化组合方式、、不同成像位不同成像位置和不同时相的数据置和不同时相的数据，，采用组合粗糙度采用组合粗糙度 (s是均方根高度是均方根高度，，l是相关是相关长度长度)作为地表粗糙度参数作为地表粗糙度参数，，提出了几种不同的裸露地表参数反演方案提出了几种不同的裸露地表参数反演方案本文根据已有的分析和本文根据已有的分析和Radarsat-2 SAR数据的特点数据的特点(即单景即单景，，多极化多极化)，，选选择交叉极化择交叉极化(VV/VH)组合方案反演地表参数组合方案反演地表参数。

模型方程组如下：模型方程组如下： 2=s /Zsl0( ) ln()( )vvvsvAZB0( ) ln()( ) ln()( )vvvvvvvsvvAMBZC式中式中 (dB) ，Mv是土壤含水量是土壤含水量(V％％)，，Av 、、Bv 、、Avv 、、 Bvv 和和 Cvv 是与雷达入射角有关的系数是与雷达入射角有关的系数利用利用AIEM模型模拟入射角模型模拟入射角10°°~50°°中每个入射角情况下的系数中每个入射角情况下的系数，，然后再对这组数据采用非线性回归然后再对这组数据采用非线性回归分析方法拟合成入射角的函数分析方法拟合成入射角的函数 000 vvvhvv( )( ) ( )( )( )3.3.植被覆盖下土壤水分反演植被覆盖下土壤水分反演 3.2 实测样点数据分析实测样点数据分析 图图3 后向散射系数关系图后向散射系数关系图(a为为VV极化；极化；b为为VH极化极化) 利用水云模型对植利用水云模型对植被影响进行校正后被影响进行校正后，，VV和和VH极化后向极化后向散射系数均有所降散射系数均有所降低低，，且且VH极化数极化数据对植被更敏感据对植被更敏感，，其变化幅度大于其变化幅度大于VV极化数据极化数据。

3.3.植被覆盖下土壤水分反演植被覆盖下土壤水分反演 3.2 土壤水分反演与验证土壤水分反演与验证 图图4 实测土壤含水量与模型反演土壤含水量的对比实测土壤含水量与模型反演土壤含水量的对比 (a)植被覆盖去除前；植被覆盖去除前；(b)植被覆盖去除后植被覆盖去除后 用水云模型对植用水云模型对植被影响校正后，被影响校正后，有效提高了模型有效提高了模型反演土壤水分的反演土壤水分的准确度，相关系准确度，相关系数数R由由0.13提高提高到到0.44，且通过，且通过 。