唐路[1]2004年在《基于双谱散射模型的裸土壤湿度微波遥感反演研究》文中进行了进一步梳理论文源于国家自然科学基金资助项目“土壤湿度微波遥感机理研究”,旨在推进微波遥感在土壤湿度监测中的应用。论文内容包括五个部分:叁类先验知识对主被动微波遥感反演裸土壤湿度的影响,土壤湿度剖面非均匀情况下随机粗糙面双谱散射模型(BSM)的修正,BSM模型散射系数和发射率相干项的推导,实际测量条件下BSM模型散射系数相干项的计算,人工神经网络(ANN)反演土壤湿度方法的改进。土壤表面高度相关函数的形式、土壤物理温度和土壤成分是微波遥感中最重要的叁类先验知识,论文基于BSM模型,以ANN为反演工具,定量研究这叁类先验知识对土壤湿度遥感反演的影响,指出了结合先验知识进行遥感反演的方法是可行的。实际的土壤湿度随深度改变的,论文探讨土壤湿度随深度一维非均匀变化情况下散射系数和发射率的计算方法,并针对湿度剖面非均匀的情况修正了BSM模型。BSM模型建立至今,散射系数和发射率相干项计算方法仍然采用KM模型的计算公式,论文参考BSM模型的推导过程,导出了BSM模型散射系数和发射率的计算公式。其结果和KM模型一致,表明了BSM模型的正确性。实际遥感测量中,目标表面积有限,目标距离有限,入射波采用球面波,这些都不同于一般散射模型中目标表面积无限大,目标距离无限远,采用均匀平面波的假设。论文推导出实测条件下散射系数的计算公式,并对国外的实验结果进行了合理的解释。利用ANN进行土壤湿度反演,效果很好,但仍需进一步改进,论文给出了结合先验知识提高反演精度的做法和尝试结果,表明利用先验知识的确能够提高湿度反演的精度。
袁苇, 李宗谦, 刘宁, 王薪[2]2004年在《基于双谱模型的被动微波遥感土壤湿度反演》文中研究说明利用随机粗糙表面的双谱散射模型计算了粗糙裸土壤表面的发射率 ,并建立了基于双谱模型的被动微波遥感的土壤湿度的人工神经网络反演方法。结果表明 ,基于双谱散射模型计算粗糙裸土壤表面发射率是可行的 ,利用人工神经网络反演方法 ,仅采用两个发射率的数据组合便可以反演出精度较高的土壤湿度值 ,且反演方法具有一定的抗噪性能。
袁苇, 李宗谦, 刘宁[3]2004年在《不同微波遥感模态和不同数据组合的等湿度区域分布与土壤湿度的反演》文中提出论述了主动、被动和主动被动相结合的 3种微波遥感模态反演土壤湿度的方法和特点。为了采用人工神经网络方法反演出土壤湿度 ,在随机粗糙面双谱散射模型的基础上计算了裸土壤表面的散射系数和发射率 ,分析了 3种不同的微波遥感模态和不同数据组合的等湿度区域分布的特点 ,从而确定了适合于各个微波遥感模态的输入数据组合。反演结果表明 ,只要选择适当的人工神经网络输入数据组合 ,采用 3种模态中的任何一种微波遥感模态反演土壤湿度都是可行的 ,并具有较好的反演精度 ,结果对于微波遥感反演土壤湿度方案的选取具有指导意义。
乔平林, 张继贤, 王翠华[4]2007年在《应用AMSR-E微波遥感数据进行土壤湿度反演》文中研究说明为了有效解决大尺度区域土壤水分时、空间变化监测问题,在总结了被动微波遥感反演土壤湿度规律的基础上,基于先进的AMSR-E星载被动微波遥感数据,提出了利用双谱模型计算土壤表面发射率的计算方法.首先需要由双站散射系数计算反射率和发射率,然后应用人工神经网络反演土壤湿度,实现了在随机粗糙面状况下基于被动微波遥感的土壤表面水分反演,并在实验区进行了成功的应用.结果表明:其成果对于利用星载被动微波遥感反演土壤湿度具有一定的推广意义.
阿尔达克[5]2011年在《基于双谱散射模型的裸露地表土壤水分反演研究》文中指出作为陆地生态系统水循环的重要组成,水不仅是地球系统中生命存在的基础,也是地球物质和能量交换的重要载体。同时也是进行旱情监测、农作物估产、研究植被水分胁迫等的一个最重要指标。全球水资源中土壤水分所占比例很小,储存在土壤间隙中的水分仅占全球水资源的约0.005%,但土壤水分是水文和气候模型的重要边界参数条件。土壤水直接影响着地球表层与大气圈间的热交换和水分交换,进而对气候变化产生影响。因此,大面积的监测土壤水分在水文、气象和农业科学领域具有重大的意义,研究土壤水分的动态变化特性是国内外研究的一个重要方向之一。本研究源于国家自然科学基金资助项目“干旱区土壤盐渍化微波遥感监测方法研究与验证”,旨在推进微波遥感在土壤水分监测中的应用。面对全球环境恶化、水资源短缺、洪涝干旱自然灾害不断增多等许多问题,建立全天候、全天时的全球地表水分监测系统是非常必要的。应用遥感技术进行土壤水分等地表参数的反演在过去的几十年内取得了显着进展,微波遥感尤其是主动微波遥感具有全天时、全天候观测等的优点,并且对地表具有一定的穿透力,能够弥补其他遥感方式在土壤水分监测应用中的不足等问题,为土壤水分监测提供了新的方法和渠道。星载合成孔径雷达(SAR)得到的地表后向散射系数与土壤介电常数有直接的相关关系,从而可在一定的精度范围内有效提取地表土壤水分信息。本研究基于BSM模型,模拟裸露地表C波段SAR信号的后向散射特征,然后主要分析了雷达后向散射系数与土壤含水量、地表粗糙度参数之间的关系;利用同极化后向散射系数在不同入射角相差的情况下反演地表粗糙度参数组的经验模型;在此基础上利用雷达后向散射系数反演地表土壤水分的经验模型。本研究为土壤水分反演算法提供了一个新的思路和方法。最后,利用获取的RADARSAT-2数据,用建立的经验模型在渭库-绿洲研究区进行了应用与验证,结果表明本研究建立的土壤水分反模型能去的较好的应用效果的。本研究建立的土壤水分反演经验模型值与实测值之间的相关性达到0.8897。为发展多角度、多极化SAR系统以及建立地表参数反演模型提供一定的科学依据。
郭贺彬[6]2009年在《AMSR微波遥感数据进行土壤湿度的计算机反演》文中指出为了有效解决大尺度区域土壤水分时、空间变化监测的问题,在总结了被动微波遥感反演土壤湿度规律的基础上,基于先进的AMSR星载被动微波遥感数据,提出了利用双谱模型计算土壤表面发射率的计算机算法。首先需要由双站散射系数计算反射率和发射率,然后应用人工神经网络反演土壤湿度,实现了在随机粗糙面状况下基于被动微波遥感的土壤表面水分反演,并在实验区进行了成功的应用。
唐路, 李宗谦, 石长生, 王薪[7]2005年在《先验知识在被动微波遥感土壤湿度反演中的作用和影响》文中研究说明利用微波遥感的发射率数据反演裸土壤湿度 ,不可避免需要结合地表面和土壤层的一些先验知识 ,而先验知识的准确度又将对反演结果的准确度产生一定的影响。文章讨论了地表的高度起伏相关函数形式、土壤温度和土壤质地等叁类先验知识 ,定义了几种不同的土壤湿度反演误差 ,从而定量地给出叁类先验知识的不确定性对土壤湿度反演的影响 ,指出 :基于BSM散射模型和人工神经网络 (ANN)的土壤湿度的反演方法是可行的 ,向ANN输入两种极化的裸土壤表面发射率数据便可反演出裸土壤的湿度 ,在上述叁种先验知识具有一定的不确定性时仍可保证较好的土壤湿度反演准确度。
刘丽娜[8]2011年在《基于遗传优化BP神经网络算法的土壤含水量反演研究》文中指出在全球的水资源中,地表土壤水分占有极小的比例,仅占全部水资源的0.005%,但是却有及其重要的意义。微波遥感能够全天侯,全天时的监测,且不受云,雾及雨的影响,有很强的穿透能力,这些优点是光学和红外遥感所不具备的。所以将微波遥感运用在土壤水分监测的应用中,相比于其他方式,大大提高了地表土壤含水量反演的精确度和可靠性。微波遥感包括主动式微波遥感和被动式微波遥感,相比于被动式微波遥感,主动式微波遥感获取图像的空间分辨率较高,特别是随着携带主动微波传感器的卫星发射成功,大量的SAR图像数据的获取,为土壤水分监测研究奠定了基础。论文在遗传算法(GA)和人工神经网络(ANN)基础上提出了一种新的反演算法:遗传算法优化BP网络。优化算法将BP网络的隐含层的结点数和每层的权值和阈值级联构成一个染色体,对此编码,根据需要解决的问题建立合适的适应度函数,计算个体的适应度值,根据值的大小分别进行遗传算法的选择、交叉、变异操作,最后得出一组最优值,将这组最优的参数值赋值给新建的BP网络,这样BP网络不仅能够在全局范围内得到一组最优参数值,同时还能减少了网络收敛的时间。BP网络训练数据选择改进的高级积分模型(AIEM),因为AIEM模型比任何一种模型更能真实有效的模拟实际地表的散射特性。网络训练完成之后,将HH极化和VV极化的后向散射系数作为输入数据反演介电常数,土壤含水量用topp介电模型公式表示。本文利用优化算法首先反演了裸土的含水量,输入数据为HH极化的后向散射系数和VV极化的后向散射系数,输入数据是利用室内散射测量系统测量获取的,反演结果与实际采样得到的含水量比较得到的误差很小。除此之外还利用优化算法反演机载SAR图像和星载ENVISAT图像,机载SAR图像区域是一片裸土,ENVISAT图像区域是一片水稻试验田地。两幅图像反演效果很好,虽然还需要一些改进的地方,但是证明GA优化BP算法一种行之有效的反演方法,可以用于大面积区域的地表土壤含水量的反演。
钟亮[9]2008年在《土壤微波遥感机理研究》文中指出微波遥感发展于60年代,因为其优越性而得到了迅速发展,其中,关于裸露土壤的遥感具有重大意义。因此,利用室内实验系统,研究土壤微波遥感机理就是其应用的重要基础。基于这一目的,本文在面散射基本模型方面做了大量仿真研究,建立了室内闭环介电常数测量系统,并在室内开放式测量系统的建立和改进方面做了大量工作。文章首先分析了power-law谱密度函数,介绍了其先进性,分析了在实际仿真计算中的局限。其次研究了IEM仿真模拟特性,并对模型发展过程中的一些改进重点做了描述,着重分析了模型中土壤介电常数对后向散射系数的影响,针对其中发现的一些特殊情况,提出了从IEM确定土壤介电常数的新思路和新方法,并为后继工作提供了一个完善的理论仿真分析平台。本文介绍了一种实用的复介电常数测量系统,并搭建了实验系统,同时分析了传统传输/反射方法的局限性,并针对这些局限性做了一定的扩展研究。深入分析了厚样品在系统测量实验中的特性、非标准校准方法在测量系统中应用的可行性和需要注意的问题、不同传输线长度对测量结果的影响。提出了采用电长度计算方法定位校准面和样品反射面的方法,并作了实验比较。最后,从基本理论出发推导了单端口测量计算公式,推导了料盒在实验中的处理,并对这两个内容做了实验验证。在标准样品测量中,分析了实验系统中出现的毛刺问题。为实际样品测量提供一种简单而精确的解决方案和最为详细的实验基础。在土壤测量实验中,着重检验了测量系统的可行性,并针对实际土壤测量中面临的一些特殊问题做了详尽分析。最后,文章介绍了室内开放测量系统的基本原理,建立的条件和需要考虑的一些问题,后向散射系数测量的定标原理,以及土壤遥感中,土壤样品表面参数提取的基本方法和这些方法之间的优缺点,为室内研究做了重要准备。
佚名[10]2004年在《遥感、遥测、遥控》文中研究指明『1’尸72,TP79 2004051541荃于双谱模型的被动微波遥感土壤湿度反演/袁苇,李宗谦,刘宁,王薪(清华大学)11电波科学学报一2 004,19(l)一1一6利用随机粗糙表面的双谱散射模型计算了粗糙裸土壤表面的发射率,并建立了基于双谱模型的被动
参考文献：
[1]. 基于双谱散射模型的裸土壤湿度微波遥感反演研究[D]. 唐路. 清华大学. 2004
[2]. 基于双谱模型的被动微波遥感土壤湿度反演[J]. 袁苇, 李宗谦, 刘宁, 王薪. 电波科学学报. 2004
[3]. 不同微波遥感模态和不同数据组合的等湿度区域分布与土壤湿度的反演[J]. 袁苇, 李宗谦, 刘宁. 中国工程科学. 2004
[4]. 应用AMSR-E微波遥感数据进行土壤湿度反演[J]. 乔平林, 张继贤, 王翠华. 中国矿业大学学报. 2007
[5]. 基于双谱散射模型的裸露地表土壤水分反演研究[D]. 阿尔达克. 新疆大学. 2011
[6]. AMSR微波遥感数据进行土壤湿度的计算机反演[J]. 郭贺彬. 测绘科学. 2009
[7]. 先验知识在被动微波遥感土壤湿度反演中的作用和影响[J]. 唐路, 李宗谦, 石长生, 王薪. 中国工程科学. 2005
[8]. 基于遗传优化BP神经网络算法的土壤含水量反演研究[D]. 刘丽娜. 电子科技大学. 2011
[9]. 土壤微波遥感机理研究[D]. 钟亮. 电子科技大学. 2008
[10]. 遥感、遥测、遥控[J]. 佚名. 中国无线电电子学文摘. 2004
标签：工业通用技术及设备论文; 自动化技术论文; 后向散射论文; 土壤湿度论文; 微波遥感论文; 土壤水分传感器论文; 发射率论文; 人工神经网络论文; 遥感论文;