先验知识在被动微波遥感土壤湿度反演中的作用和影响

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三类先验知识，定义了几种不同的土壤湿度反演误差，从而定量地给出三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，在上述三种先验知识具有一定的不确定性时仍可保证较好土壤湿度反演准确度。     

基于星载被动微波遥感的地表土壤湿度反演

为了解决传统地面测量站网络不能满足大尺度土壤水分的时、空间变化的问题,而利用微波在土壤水分反演方面具有的独特优势,总结了被动微波遥感模态反演土壤湿度的规律,提出了利用双谱模型计算土壤表面的发射率的方法,并对实验区进行了成功的地表土壤水分反演,取得了理想的结果,该成果对于利用被动遥感技术反演土壤湿度具有一定的技术推广意义。     

青藏高原地表参数的被动微波遥感反演研究

利用被动微波遥感数据TMI和GAMB-Tibet加强观测期的地面观测数据，改进和发展了一个被动微波遥感反演地表温度、土壤湿度和植被含水量的三维查表算法(3-D LUT)，并在青藏高原中部中尺度范围内进行了反演试验．对1998年7月1日的数据进行了个例处理，给出了3个地表参数的空间分布结果．进一步考虑了高原对流云对反演结果的影响，对5个月的TMI数据进行了10天的合成处理，利用合成图像运行算法得到了10天平均的结果．结果显示1998年5～9月5个月的土壤湿度反演结果的时空分布与实际情况符合较好；从选取的几个测站的数据比较看，去云处理后得到的土壤湿度反演结果有了明显改善．     

基于机器学习模型的多层土壤湿度反演

为了获取深层土壤湿度缺测值,采用支持向量机、BP神经网络和随机森林3种机器学习算法,在表层至深层土壤中利用主成分分析法选择与土壤湿度相关性显著的气象因子作为输入数据,建立多层土壤湿度反演模型反演了不同深度的土壤湿度。结果表明:随机森林模型模拟结果更加稳定,反演效果更佳;受气象因子驱动的影响,3种机器学习模型对地表0~10.cm深度内土壤湿度的反演效果更佳,对深层土壤湿度的反演效果随着深度增加而变差;增加表层土壤湿度及不同深度土壤温度作为驱动因子可以有效提高机器学习模型对深层土壤湿度的反演能力。     

基于微波遥感的土壤湿度异常监测

提出地表微波极化差异指数,并利用AMSR-E星载被动微波遥感亮温数据,统计分析了2002-2006年7月上旬新疆微波极化差异指数旬平均分布;通过计算归一化距平,反演得到新疆7月上旬土壤湿度动态变化分布图。结果表明:利用微波极化差异指数能够较好地表征土壤湿度时空异常变化,为定量监测土壤相对干湿程度提供了一种有效便捷的方法。     

土壤水分遥感反演研究进展

土壤水分是陆面生态水文循环的重要组成部分. 及时、准确地获取土壤水分数据,对研究全球气候问题、构建流域水文模型、监测干旱等具有极其重要的意义. 遥感技术具有范围广和信息传输快等优点,为土壤水分监测提供了全新的手段. 本文梳理了可见光–近红外遥感、热红外遥感、可见光–近红外–热红外遥感、主动微波遥感、被动微波遥感的发展现状及对应的土壤水分反演方法,介绍了结合主被动微波遥感的GNSS-R技术,对土壤水分反演研究中的热点问题进行了归纳和总结,并展望了土壤水分遥感反演的发展趋势.      

FY-3A/MWRI数据反演半干旱地区土壤湿度的研究

为了监测半干旱地区干旱化范围和干旱程度, 探讨了一种利用卫星微波遥感反演土壤湿度的方法。根据陆表和大气辐射传输模式模拟植被覆盖地表微波亮温和土壤湿度的关系, 建立土壤湿度的对数三次多项式的反演算法。利用中国气象卫星(FY-3A)搭载的微波成像仪(MWRI)的亮温资料,反演得到吉林通榆地区农田和草地的土壤湿度, 并与地面实测结果进行对比, 其均方根误差农田为0.003 cm³/cm³, 草地为0.005 cm³/cm³, 反演精度较高。本方法可以应用于可以获得更多资料的FY-3B卫星, 结合改进的辐射传输模式获取不同地表类型的辐射特征, 期望未来可进行区域试验的反演研究。     

CCI土壤湿度产品在中国区的降尺度与融合研究

以欧洲航天局主/被动微波遥感融合的土壤湿度产品数据为主要数据源,结合地表参数、亮度温度、土壤质地、地形、降雨等辅助数据,提出基于移动窗口的线性、非线性联合的土壤湿度降尺度模型,对中国区域2003年1—12月的CCI土壤湿度产品数据进行降尺度,提高CCI土壤湿度数据的空间分辨率,使其更适用于农业、水文模拟等精细尺度的应用要求。为了克服CCI数据冬季缺失较多的情况,利用第3代再分析资料ERA-Interim表层土壤湿度的降尺度和重采样结果与之进行融合,生成空间覆盖完整的2003—2013年中国区月1 km土壤湿度数据集,并利用站点实测数据集对其进行了验证。结果表明,依据主/被动微波融合CCI、ERA-Interim再分析土壤湿度数据以及辅助数据的基于移动窗口和线性非线性集成的中国区地表土壤湿度降尺度和融合方法,提高了CCI土壤湿度数据集的空间分辨率和空间覆盖,同时还一定程度上提高了土壤湿度的估算精度。     

地面实验条件下土壤水分微波辐射特性

为解决被动微波遥感反演土壤水分问题,通过C、KU两个波段微波辐射计对不同水分的裸露地表的土壤微波辐射特性进行实验研究,分析土壤湿度与土壤的微波发射率之间的定量关系,建立了土壤湿度与微波发射率的经验模型.研究结果表明:在土壤表面平整时,土壤湿度与土壤微波发射率呈线性负相关,即随着土壤湿度的增加,土壤微波发射率线性下降.在入射角为30°~50°范围内,无论是垂直还是水平极化,30°入射角时微波对土壤测湿灵敏度最大,表明在入射角30°的水平极化下微波反演土壤水分的效果最好.     

安徽省土壤湿度时空变化规律分析及遥感反演

为获取安徽省的土壤湿度时空信息,采用克里金法将站网实测多层土壤湿度数据插值为网格数据,分析其时空变化特征;进而建立遗传算法优化的BP(back propagation)神经网络模型进行土壤湿度反演。该模型以风云3B卫星的亮温数据为主要输入,训练后对该模型验证并进行预测。结果表明:安徽省土壤湿度月均值波动较频繁,淮北平原和大别山区较其他区域干燥;随着深度的增加,土壤湿度增大且季节和空间差异变小;所有分区平均模拟值与实测值的日序列相关性达到0. 605,均方根误差为0. 056 m~3/m~3,说明该模型能够较好地反演安徽省土壤湿度。     

基于被动微波遥感的城市土地生态承载力极限预警方法

现有的土地生态承载力极限预警方法对自然状态中的因素界定模糊,未能获取较高质量的预警指标数据,导致预警结果精度不高.为此,提出基于被动微波遥感的城市土地生态承载力极限预警方法.建立城市土地生态承载力极限预警指标,详细分析其中的自然状态指标,并计算土地生产潜力,再利用被动微波遥感技术完成土壤水分反演.在此基础上,结合熵权法,通过构建判断矩阵计算得到自然状态指标因素的权重,提高预警指标数据质量.然后根据社会状态与经济状态指标,采用灰色预警模型实现对城市土地生态承载力极限的预警.实验结果表明,该方法对土地生产潜力估计的准确率较高,土壤水分反演数据耗时远低于传统方法,权重计算结果绝对误差均值为5.5％,且承载力极限预警精度处于90％左右,证明该方法具有较强的应用优势.     

多模态情感分析模型对抗攻击评估与防御方法

为系统探究多模态情感分析模型在对抗攻击下的鲁棒性,采用3种经典对抗攻击方法(快速梯度符号方法、投影梯度下降和动量迭代快速梯度符号方法)、2种模态数据输入(视觉和语音)和4种不同的数据特征融合方法(特征相加、特征拼接、多模态低秩双线性和多模态Tucker融合),对比各种组合下模型的性能表现,研究影响多模态情感分析模型鲁棒性的内在因素．提出一种基于互信息最大化的多模态防御方法,通过减少输入模态特征中的冗余信息提升模型鲁棒性．研究结果表明：在非线性特征融合及双模态数据输入组合下,模型抵御对抗攻击效果最佳;在应用互信息最大化防御方法后,模型性能及抵御攻击能力均可得到有效提升．     

生物软组织黏弹性参数反演方法研究

针对黏弹性参数反演中的模型选择问题,提出应用黏弹性材料的应力松弛曲线作为待反演的参数,不涉及任何黏弹性本构模型,采用有限元仿真与人工神经网络相结合的方法:通过有限元仿真得到不同应力松弛曲线下的剪切波传播速度,然后将仿真得到的数据作为训练样本输入到人工神经网络中进行训练,建立起生物组织黏弹性参数和剪切波传播速度的神经网络输出模型,有效解决了模型选择问题。最后通过粒子群优化算法反演得到组织的黏弹性参数。     

利用GNSS信号地表穿透特性反演土壤湿度的思考

利用全球导航卫星系统干涉信号（GNSS-interferometric reflectometry, GNSS-IR）进行土壤地表湿度反演具有无需信号源、探测区域宽广等特点，受到了国内外研究机构的广泛关注. 为解决传统GNSS穿透模型结构复杂的问题，根据几何构型给出了GNSS-IR计算天线相位中心与地表实际反射面垂直距离的方法，通过仿真不同土壤湿度下的高度测量偏差，建立了与GNSS信号理论穿透土壤深度的线性关系，以及与土壤湿度的反比例关系. 考虑到卫星高度角的变化对高度反演的影响，采用修正的测高模型，并利用Lomb-Scargle谱分析的方法计算了高度测量偏差. 为减少地表植被对反演天线相位中心距离地表实际反射面垂直距离的影响，利用归一化植被指数对高度测量偏差进行了修正，同时建立了GNSS信号高度测量偏差与土壤湿度的一阶反比例模型，最后对该模型进行了验证. 结果表明，对于长时间大尺度变化土壤湿度的场景，利用GNSS信号地表穿透特性进行土壤湿度反演有着很好的效果.      

表面波测定涂层材料参数的反演方法

基于涂层结构中表面波的频散方程,提出了一种从实测的相速度频散数据计算材料参数的反演方法.通过引入以涂层参数、表面波相速度和频率作变量的目标函数,将实测的相速度频散数据代入目标函数,使其取最小值,从而反向计算出涂层的材料参数.为了解决单模态频散数据反演时的多值性问题,数值算例分别分析了采用表面波频散的二阶模态和三阶模态数据,同时反演3个材料参数(涂层密度、纵波速度和横波速度)的过程,验证了多模态反演方法的可行性.值得指出,该反演方法适用于任意多阶模态频散数据.     

北斗GEO卫星微动条件下的GNSS-R土壤湿度反演

全球定位系统GPS发射的L波段导航信号源已被用于估测地球表面的土壤湿度,但由于卫星具有一定的重返周期,所以对固定区域土壤湿度反演的性能受到不断变化的星下点轨迹的限制。北斗GEO（geostationary earth orbit）卫星是地球静止轨道卫星,同时又存在着周期性的微动,利用它的反射信号来反演土壤湿度受到其微动特性的影响。针对这个问题,本文研究了利用GEO卫星反射信号功率进行固定区域内土壤湿度反演的可行性。本文首先分析了GEO卫星的微动特征和反射区域的变化;然后采用包络提取和三次多项式插值的方法来恢复SNR的趋势变化规律,以消除因为GEO卫星轻微运动带来的周期性波动和噪声,并且根据现场收集的部分实验数据确定的校准参数值对反射系数进行校正;最后,我们使用测试数据进行土壤湿度反演,得到每半小时固定区域的连续土壤湿度反演值。结果表明,土壤湿度反演值与原位土壤湿度值的变化趋势基本一致,反演的平均绝对误差小于4.63％。可见,BDS GEO卫星信号可以作为GNSS反射计的重要数据来源。     

被动微波遥感土壤水分产品降尺度方法研究综述?

利用被动微波遥感反演土壤水分是当前监测土壤含水量最有效的手段之一.但是受限于较低的空间分辨率,被动微波遥感土壤水分产品一般只适用于大尺度研究.为了满足科学研究中对不同分辨率土壤水分产品的需求,对土壤水分降尺度的相关研究成为当前遥感领域的一个研究热点.本文就目前国内外土壤水分降尺度方法进行详细介绍,并比较和评价多元统计回归法、基于物理模型的方法、权重分解、数据同化及空间插值等方法的优缺点及适用条件.最后指出目前土壤水分降尺度方法存在的问题,并提出今后降尺度方法的发展方向.     

综合利用光学、微波遥感数据反演土壤湿度研究

基于ASAR-APP和TM影像数据,研究了小麦覆盖地表的土壤湿度反演方法.首先,利用冠层后向散射模型MIMICS(michigan microwave canopy scattering),分析了第二入射角模式(IS2)2种极化组分散射对总散射的贡献,确定了土壤湿度反演的最佳极化模式;其次,分析了植被微波单次散射、植被层双程透过率与NDVI之间的关系,建立了单次散射及双程透过率模型,然后,结合IS2入射角模式ASAR数据,建立土壤湿度反演模型.最后,基于模拟数据和获取的ASAR、TM影像数据,利用半经验模型反演土壤湿度.研究结果表明:IS2_HH模式土壤散射在总散射中贡献更大,该数据更适合土壤湿度反演;植被微波单次散射、双程透过率与NDVI有很好的线性关系,可以利用线性模型建立它们之间的关系;半经验模型能够较好地反演土壤湿度,反演和实测的土壤湿度相关系数为0.75,均方根误差为5.07%.     

基于二维小波变换的亮温降尺度方法研究

土壤水分是全球水、能量和碳循环的重要参数,对于理解陆-空之间水热能量交换非常重要。目前卫星遥感技术已被广泛地应用于测量地表土壤水分,然而从被动微波遥感中获取的土壤水分的空间分辨率过低,无法满足如天气预报、农业应用等实际应用的需求。针对被动微波遥感获取的土壤水分产品空间分辨率过低的缺陷,将X波段与L波段结合提出了一种二维离散小波变换(2-D DWT)亮温降尺度的方法。实验结果表明,用二维离散小波变换降尺度得到的亮温反演出的土壤水分结果与用SMAP 9 km亮温数据反演的土壤水分结果相关系数最大为0.984 8,无偏均方根误差为0.005 4 cm³/cm³,在获取9 km的亮温数据时可以用二维离散小波变换对SMAP 36 km亮温数据进行降尺度处理以此来代替SMAP 9 km的亮温数据。     

融合合成孔径雷达和光学影像的植被覆盖区土壤湿度反演

利用合成孔径雷达(synthetic aperture radar,SAR)卫星可对土壤湿度实现大面积、时间连续的反演.针对此过程中难以消除植被遮挡的问题,提出融合SAR微波数据和光学数据,利用修正水云模型消除植被影响,求解纯粹地表后向散射系数,代入裸土区土壤湿度反演算法进行土壤湿度反演,并在武汉豹澥区域设置实测站点记录实测数据进行比对.结果分析表明,经过植被消除后,实测站点垂直极化后向散射系数平均衰减量与植被覆盖度之间时间序列上相关系数达到0.83;土壤湿度反演值与实测值趋势相关性平均提升0.08,且提升程度与植被覆盖度相关系数也达到0.8以上,表明本算法针对植被覆盖度越大区域反演效果越好.该方法通过SAR影像和光学影像融合反演长时间序列土壤湿度具有良好可信度.