基于 Radarsat -2sar 数据反演定西裸露地表土壤水分

doi:doi:10．11755/j．issn．1006－7639(2014)－04－0553

摘要/Abstract

摘要：

利用Radarsat－2SAR数据和定西地区野外土钻法及WET仪器观测的土壤水分数据，分析了同极化后向散射系数与不同土层深度土壤水分之间的关系，采用交叉极化(VV/VH)组合模型反演土壤水分并进行对比验证。结果表明:水平垂直同极化后向散射系数均与10～20 cm土壤含水量相关性最好，相关系数R均为0.74;受地表粗糙度和土壤质地等影响，同极化后向散射系数与0～10 cm土壤水分相关性均较低交叉极化组合模型的反演值与10～20 cm实测土壤水分相关性较高，R值达0.75，而与0～10 cm和20～30 cm实测值的相关性较低(R值分别为0．47和0．52)，但均通过=0.05的显著性检验；WET仪器实测0～6 cm土壤水分经校正后与反演值的相关系数为0．46(通过=0.01的显著性检验)，校正后的结果有效提高了WET仪器测量精度交叉极化组合模型可用于裸露地表土壤水分的反演，更适用于提取10～20cm土壤含水量信息。

关键词: Radarsat－2SAR, 定西, 裸露地表, 土壤水分反演

Abstract:

In this study，the relationships between the homology polarization backscattering coefficient and the soil moisture at different　depths were analyzed based on the Radarsat －2 SAR data and the soil moisture observational data by using soil－drilling method and　the WET sensor in Dingxi area，and the soil moisture from　SAR was retrieved by using the cross polarization (VV/VH)combination　model and validated with the measurement value． The results displayed that the horizontal and vertical polarization backscattering coefficients had the best correlation with soil water content at 10－20 cm depth，and their correlation coefficients R were all 0.74． However，they were not significantly correlated to soil water content at 0－10 cm depth due to the influence of surface roughness and soil texture． The soil moisture from SAR simulated by the cross polarization combination model was significantly correlated to the measured　value at 10－20 cm depth，and the correlation coefficient R was 0.75，while it was lower correlated with the measured soil moisture at　0－10 cm and 20－30 cm depths，and the correlation coefficients were 0.47 and 0.52，respectively，which only passed 0.05 significance test．In additional，the correlation coefficient between corrected soil moisture measured by WET sensor at 0－6 cm depth and the　simulation value was 0.46 (passed 0.01 significance test)，and the calibration result improved effectively the measuring accuracy by　WET sensor． So the cross polarization combination model could be used to retrieve the bare soil moisture，especially for 10－20 cm　depth soil moisture．

Key words: Radarsat － 2 SAR, Dingxi, bare soil, soil moisture, retrieval

中图分类号:

S152.7

胡蝶，郭铌，沙莎，王丽娟，李巧珍，王静，刘伟刚. 基于 Radarsat -2sar 数据反演定西裸露地表土壤水分[J]. 干旱气象, DOI: doi:10．11755/j．issn．1006－7639(2014)－04－0553.

HU Die，GUO Ni，SHA Sha，WANG Lijuan，LI Qiaozhen，WANG Jing，LIU Weigang. Retrieval of Bare Soil Moisture Based on Radarsat － 2 SAR in Dingxi of Gansu Province[J]. Journal of Arid Meteorology, DOI: doi:10．11755/j．issn．1006－7639(2014)－04－0553.

参考文献

［１］ＰａｒｒｅｎｓＭ，ＺａｋｈａｒｏｖａＥ，ＬａｆｏｎｔＳ，ｅｔａｌ．Ｃｏｍｐａｒｉｎｇｓｏｉｌｍｏｉｓｔｕｒｅ

ｒｅｔｒｉｅｖａｌｓｆｒｏｍＳＭＯＳａｎｄＡＳＣＡＴｏｖｅｒＦｒａｎｃｅ［Ｊ］．Ｈｙｄｒｏｌｏｇｙａｎｄ

ＥａｒｔｈＳｙｓｔｅｍＳｃｉｅｎｃｅｓ，２０１２，１６（２）：４２３－４４０．

［２］ＤｉｒｍｅｙｅｒＰＡ．Ｕｓｉｎｇａｇｌｏｂａｌｓｏｉｌｗｅｔｎｅｓｓｄａｔａｓｅｔｔｏｉｍｐｒｏｖｅｓｅａｓｏｎ

ａｌｃｌｉｍａｔｅｓｉｍｕｌａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｌｉｍａｔｅ，２０００，１３（１６）：２９００

－２９２２．

［３］ＧｅｏｒｇａｋａｋｏｓＫＰ，ＣａｒｐｅｎｔｅｒＴＭ．Ｐｏｔｅｎｔｉａｌｖａｌｕｅｏｆｏｐｅｒａｔｉｏｎａｌｌｙａ

ｖａｉｌａｂｌｅａｎｄｓｐａｔｉａｌｌｙｄｉｓｔｒｉｂｕｔｅｄｅｎｓｅｍｂｌｅｓｏｉｌｗａｔｅｒｅｓｔｉｍａｔｅｓｆｏｒ

ａｇｒｉｃｕｌｔｕｒｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，２００６，３２８（１）：１７７－１９１．

［４］ＤｅＷｉｔＡＪＷ，ＶａｎＤｉｅｐｅｎＣＡ．Ｃｒｏｐｍｏｄｅｌｄａｔａａｓｓｉｍｉｌａｔｉｏｎｗｉｔｈ

ｔｈｅＥｎｓｅｍｂｌｅＫａｌｍａｎｆｉｌｔｅｒｆｏｒｉｍｐｒｏｖｉｎｇｒｅｇｉｏｎａｌｃｒｏｐｙｉｅｌｄｆｏｒｅ

ｃａｓｔｓ［Ｊ］．ＡｇｒｉｃｕｌｔｕｒａｌａｎｄＦｏｒｅｓｔＭｅｔｅｏｒｏｌｏｇｙ，２００７，１４６（１）：３８－

５６．

［５］ＢｒｏｃｃａＬ，ＭｅｌｏｎｅＦ，ＭｏｒａｍａｒｃｏＴ，ｅｔａｌ．Ｉｍｐｒｏｖｉｎｇｒｕｎｏｆｆｐｒｅｄｉｃ

ｔｉｏｎｔｈｒｏｕｇｈｔｈｅａｓｓｉｍｉｌａｔｉｏｎｏｆｔｈｅＡＳＣＡＴｓｏｉｌｍｏｉｓｔｕｒｅｐｒｏｄｕｃｔ

［Ｊ］．ＨｙｄｒｏｌｏｇｙａｎｄＥａｒｔｈＳｙｓｔｅｍＳｃｉｅｎｃｅｓＤｉｓｃｕｓｓｉｏｎｓ，２０１０，７

（４）：４１１３－４１４４．

［６］崔向慧．干旱半干旱沙区人工植被与土壤水分环境相互作用关

系研究进展［Ｊ］．世界林业研究，２０１０，２３（６）：５０－５５．

［７］ＤｒａｐｅｒＣＳ，ＷａｌｋｅｒＪＰ，ＳｔｅｉｎｌｅＰＪ，ｅｔａｌ．ＡｎｅｖａｌｕａｔｉｏｎｏｆＡＭＳＲ

? ＥｄｅｒｉｖｅｄｓｏｉｌｍｏｉｓｔｕｒｅｏｖｅｒＡｕｓｔｒａｌｉａ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎ

ｖｉｒｏｎｍｅｎｔ，２００９，１１３（４）：７０３－７１０．

［８］ＧａｎＴＹ，ＮａｓｒｅｅｎＪ．Ｓｏｉｌｍｏｉｓｔｕｒｅｒｅｔｒｉｅｖａｌｆｒｏｍｃｏｍｂｉｎｅｄｕｓｅｏｆ

ｍｉｃｒｏｗａｖｅ（ＲＡＤＡＲＳＡＴ－２）ａｎｄｏｐｔｉｃａｌｒｅｍｏｔｅｓｅｎｓｉｎｇ（ＭＯＤＩＳ）

［Ａ］．ＥＧＵＧｅｎｅｒａｌＡｓｓｅｍｂｌｙＣｏｎｆｅｒｅｎｃｅＡｂｓｔｒａｃｔｓ［Ｃ］．２０１２，１４：

１７１０．

［９］杨虎，施建成．ＦＹ－３微波成像仪地表参数反演研究［Ｊ］．遥感

技术与应用，２００５，２０（１）：１９４－２０１．

［１０］李震，陈权，任鑫．Ｅｎｖｉｓａｔ－１双极化雷达数据建模及应用［Ｊ］．

遥感学报，２００６，１０（５）：７７７－７８３．

［１１］王树果，李新，韩旭军，等．利用多时相ＡＳＡＲ数据反演黑河流

域中游地表土壤水分［Ｊ］．遥感技术与应用，２００９，２４（５）：５８２

－５９０．

［１２］王军战，鲍艳松，张友静，等．多极化多角度ＡＳＡＲ数据反演裸

露和小麦地表土壤湿度［Ｊ］．农业工程学报，２０１０，２６（６）：２０５

－２１３．

［１３］余凡，赵英时．合成孔径雷达反演裸露地表土壤水分的新方法

［Ｊ］．武汉大学学报，２０１０，３５（３）：３１７－３２２．

［１４］ＨａｎｓＬｉｅｖｅｎｓ，ＮｉｋｏＥＣ，Ｖｅｒｈｏｅｓｔ．Ｓｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｓｏｉｌ

ｍｏｉｓｔｕｒｅｅｓｔｉｍａｔｉｏｎｆｒｏｍＲＡＤＡＲＳＡＴ－２ｉｍａｇｅｒｙｏｖｅｒＦｌｅｖｏｌａｎｄ，

ＴｈｅＮｅｔｈｅｒｌａｎｄｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，２０１２，４５６：４４－５６．

［１５］张强，王胜．关于干旱和半干旱区陆面水分过程的研究［Ｊ］．干

旱气象，２００７，２５（２）：１－４．

［１６］赵鸿，王润元，王鹤龄，等．半干旱雨养区苗期土壤温湿度增加

对马铃薯生物量积累的影响［Ｊ］．干旱气象，２０１３，３１（２）：２９０

－２９７．

［１７］ＭｏｒｅｎａＬＣ，ＪａｍｅｓＫＶ，ＢｅｃｋＪ．ＡｎｉｎｔｒｏｄｕｃｔｉｏｎｔｏｔｈｅＲＡＤＡＲ

ＳＡＴ－２ｍｉｓｓｉｏｎ［Ｊ］．ＣａｎａｄｉａｎＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００４，

３０（３）：２２１－２３４．

［１８］张堂堂，文军，韦志刚，等．基于ＥＮＶＩＳＡＴ／ＡＳＡＲ资料的土壤湿

度反演方法［Ｊ］．高原气象，２００８，２７（２）：２７９－２８５．

［１９］周鹏，丁建丽，王飞，等．植被覆盖地表土壤水分遥感反演［Ｊ］．

遥感学报，２０１０，１４（５）：９６６－９７３．

［２０］保铮，邢孟道，王彤．雷达成像技术［Ｍ］．北京：电子工业出版

社，２００５．３２－３５．

［２１］李震，廖静娟，张平，等．合成孔径雷达地表参数反演模型与方

法［Ｍ］．北京：科学出版社，２０１１．１６－４１．

［２２］ＪｏｈｎｓｅｎＨ，ＬａｕｋｎｅｓＬ，ＧｕｎｅｒｉｕｓｓｅｎＴ．Ｇｅｏｃｏｄｉｎｇｏｆｆａｓｔ－ｄｅｌｉｖ

ｅｒｙＥＲＳ－１ＳＡＲｉｍａｇｅｍｏｄｅｐｒｏｄｕｃｔｕｓｉｎｇＤＥＭｄａｔａ［Ｊ］．Ｉｎｔｅｒ

ｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９９５，１６（１１）：１９５７－１９６８．

［２３］ＬｅｂｅｒｌＦＷ．Ｒａｄａｒｇｒａｍｍｅｔｒｉｃｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ［Ｍ］．Ｂｏｓｔｏｎ：Ｒｅ

ｍｏｔｅＳｅｎｓｉｎｇＬｉｂｒａｒｙＡｒｔｅｃｈＨｏｕｓｅ．１９９０．１５６－１６９．

［２４］ＹｉｓｏｋＯ，ＫａｍｍａｌＳ，ＦａｗｗａｚＴ，ｅｔａｌ．ＡｎＥｍｐｉｒｉｃａｌＭｏｄｅｌａｎｄａｎ

ＩｎｖｅｒｓｉｏｎＴｅｃｈｎｉｑｕｅｆｏｒＲａｄａｒＳｃａｔｔｅｒｉｎｇｆｒｏｍＢａｒｅＳｏｉｌＳｕｒｆａｃｅ

［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９９２，

３０（２）：３７０－３８１．

［２５］鲍艳松，刘良云，王纪华，等．利用ＡＳＡＲ图像监测土壤含水量

和小麦覆盖度［Ｊ］．遥感学报，２００６，１０（２）：２６３－２７１．

［２６］任鑫．多极化、多角度ＳＡＲ土壤水分反演算法研究［Ｄ］．北京：

中国科学院研究生院（遥感应用研究所），２００４．

［２７］ＯｈＹ，ＳａｒａｂａｎｄｉＫ，ＵｌａｂｙＦＴ．Ｓｅｍｉ－ｅｍｐｉｒｉｃａｌｍｏｄｅｌｏｆｔｈｅｅｎ

ｓｅｍｂｌｅ－ａｖｅｒａｇｅｄｄｉｆｆｅｒｅｎｔｉａｌＭｕｅｌｌｅｒｍａｔｒｉｘｆｏｒｍｉｃｒｏｗａｖｅｂａｃｋ

ｓｃａｔｔｅｒｉｎｇｆｒｏｍｂａｒｅｓｏｉｌｓｕｒｆａｃｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＧｅｏ

ｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００２，４０（６）：１３４８－１３５５．

［２８］ＯｈＹ．Ｑｕａｎｔｉｔａｔｉｖｅｒｅｔｒｉｅｖａｌｏｆｓｏｉｌｍｏｉｓｔｕｒｅｃｏｎｔｅｎｔａｎｄｓｕｒｆａｃｅ

ｒｏｕｇｈｎｅｓｓｆｒｏｍｍｕｌｔｉｐｏｌａｒｉｚｅｄｒａｄａｒｏｂｓｅｒｖａｔｉｏｎｓｏｆｂａｒｅｓｏｉｌｓｕｒ

ｆａｃｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，

２００４，４２（３）：５９６－６０１．

[1]	雷俊，赵福年，张红兵，李强，牛海洋，田雨，张涛. 半干旱区不同颜色覆膜对春小麦生长和产量的影响[J]. 干旱气象, 2018, 36(4): 561-567.
[2]	石界，姚玉璧，雷俊. 基于 GIS 的定西市干旱灾害风险评估及区划[J]. 干旱气象, 2014, 32(2): 305-309.

基于 Radarsat -2sar 数据反演定西裸露地表土壤水分

Retrieval of Bare Soil Moisture Based on Radarsat － 2 SAR in Dingxi of Gansu Province

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 2

编辑推荐

Metrics