專利名稱：基于ASAR和Hyperion數(shù)據(jù)反演植被覆蓋下土壤水分的方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及遙感測(cè)量土壤含水量技術(shù)領(lǐng)域,特別涉及一種基于ASAR和Hyperion數(shù)據(jù)的植被覆蓋下土壤水分協(xié)同反演方法及系統(tǒng)。
背景技術(shù)：
土壤水分是大氣降水、植物體內(nèi)水、地表水和地下水相互轉(zhuǎn)化的紐帶，是水文、農(nóng)業(yè)、氣候、生態(tài)等領(lǐng)域研究的一個(gè)關(guān)鍵性參數(shù)因子。因此，實(shí)現(xiàn)準(zhǔn)確、快速的獲取大區(qū)域地表土壤水分的監(jiān)測(cè)具有重要意義。相對(duì)于傳統(tǒng)測(cè)量土壤水分的監(jiān)測(cè)手段，遙感技術(shù)能夠提供地表的多源多維多時(shí)相信息，具有大面積、宏觀、實(shí)時(shí)和動(dòng)態(tài)等優(yōu)勢(shì)，為土壤含水量測(cè)量開(kāi)辟了新的途徑。遙感反演土壤水分的方法很多。光學(xué)遙感方面主要有植被指數(shù)法、植被-溫度指數(shù)法、蒸散模型等。這些模型方法是通過(guò)地物反射輻射特征變化來(lái)模擬地表覆蓋類型、地表溫度、地表蒸散發(fā)與土壤含水量之間的關(guān)系來(lái)獲取土壤水分，是一種間接的經(jīng)驗(yàn)或者半經(jīng)驗(yàn)?zāi)Ｊ?，但光學(xué)遙感獲取影像受到天氣條件的限制，大大的降低了其準(zhǔn)確性和可靠性。微波遙感方面主要是基爾霍夫模型，MIMICS模型，水云模型等微波散射模型，其基本原理是通過(guò)土壤介電常數(shù)建立地表后向散射系數(shù)與土壤水分之間的聯(lián)系，物理意義明確，但常受到地表粗糙度，植被的干擾。可見(jiàn)，光學(xué)遙感和微波遙感模型土壤水分反演機(jī)理完全不同，兩者各有優(yōu)勢(shì)與不足，單純依靠一種數(shù)據(jù)源進(jìn)行土壤水分的反演限制了這些模型在實(shí)際應(yīng)用中的可操作性。光學(xué)遙感中高光譜遙感是前沿，采用圖譜合一的技術(shù)在獲取地表空間圖像的同時(shí)，得到每個(gè)地物連續(xù)豐富的光譜信息，Hyperion是第一個(gè)星載民用成像光譜儀，具有很高的光譜分辨率和空間分辨率，其連續(xù)的反射率光譜曲線可以表達(dá)地物細(xì)微的變化。微波遙感中主動(dòng)微波遙感相較于被動(dòng)微波遙感具有高空間分辨率的優(yōu)點(diǎn)，ASAR是Envisat-1上搭載的最大設(shè)別，具有多極化、可變觀測(cè)角度和寬幅成像的特征，在土壤水分檢測(cè)中展現(xiàn)了巨大的潛力。

發(fā)明內(nèi)容
(一 )所要解決的技術(shù)問(wèn)題本發(fā)明提供一種基于ASAR和Hyperion數(shù)據(jù)反演植被覆蓋下土壤含水量的方法及系統(tǒng)，解決了只依靠一種遙感數(shù)據(jù)源進(jìn)行土壤水分的反演導(dǎo)致測(cè)量準(zhǔn)確性、可靠性低，易受干擾的問(wèn)題。( 二)技術(shù)方案本發(fā)明提供了一種基于ASAR和Hyperion數(shù)據(jù)反演植被覆蓋下土壤含水量的方法，該方法包括:S1、獲取實(shí)驗(yàn)區(qū)的Hyperion高光譜圖像數(shù)據(jù)，并提取實(shí)驗(yàn)區(qū)中的植被區(qū)域；S2、構(gòu)建基于比值指數(shù)及經(jīng)驗(yàn)系數(shù)的植被含水量模型:
權(quán)利要求
1.一種基于ASAR和Hyperion數(shù)據(jù)反演植被覆蓋下土壤水分的方法，其特征在于，該方法包括: 51、獲取實(shí)驗(yàn)區(qū)的Hyperion高光譜圖像數(shù)據(jù)，提取實(shí)驗(yàn)區(qū)中的植被區(qū)域； 52、構(gòu)建基于比值指數(shù)及經(jīng)驗(yàn)系數(shù)的植被含水量模型:
2.如權(quán)利要求1所述的方法，其特征在于，所述步驟SI包括:利用Hyperion高光譜圖像數(shù)據(jù)的第32、33、48、49波段構(gòu)建歸一化植被指數(shù)，實(shí)驗(yàn)區(qū)中歸一化植被指數(shù)大于0.2的區(qū)域，判斷為植被區(qū)域。
3.如權(quán)利要求1所述的方法，其特征在于，所述步驟S2包括:利用Hyperion高光譜圖像數(shù)據(jù)的第48、49、130、131波段來(lái)構(gòu)建植被水分比值指數(shù)，引入經(jīng)驗(yàn)系數(shù)％和Idci構(gòu)建植被含水量模型。
4.如權(quán)利要求1所述的方法，其特征在于，所述步驟S4包括:利用高光譜數(shù)據(jù)的四個(gè)角點(diǎn)坐標(biāo)匹配出所需的ASAR雷達(dá)數(shù)據(jù)。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述地表為農(nóng)田地表。
6.基于ASAR和Hyperion數(shù)據(jù)反演植被覆蓋下土壤水分的系統(tǒng)，其特征在于，該系統(tǒng)包括: 植被區(qū)域提取模塊，用于利用高光譜圖像數(shù)據(jù)提取實(shí)驗(yàn)區(qū)中的植被區(qū)域； 植被含水量模型構(gòu)建模塊，用于構(gòu)建植被含水量模型；所述植被含水量模型構(gòu)建模塊還包括回歸計(jì)算模塊，用于從數(shù)據(jù)庫(kù)中提取相應(yīng)數(shù)據(jù)，通過(guò)回歸計(jì)算獲得經(jīng)驗(yàn)系數(shù)％和Idci的值； 雷達(dá)數(shù)據(jù)匹配模塊，用于匹配高光譜圖像數(shù)據(jù)所需的微波雷達(dá)數(shù)據(jù)； 土壤含水量計(jì)算模塊，用于基于ASAR雷達(dá)數(shù)據(jù)和半經(jīng)驗(yàn)的水云模型反演計(jì)算植被覆蓋下土壤含水量； 數(shù)據(jù)庫(kù)模塊，用于存儲(chǔ)遙感測(cè)得的數(shù)據(jù)，并提供數(shù)據(jù)給相應(yīng)模塊。
7.如權(quán)利要求6所述系統(tǒng)，其特征在于，所述數(shù)據(jù)模塊包括: 先驗(yàn)知識(shí)庫(kù)，用于存儲(chǔ)區(qū)域?qū)崪y(cè)的植被含水量以及含有近紅外和短波紅外的遙感數(shù)據(jù)； 高光譜數(shù)據(jù)庫(kù)，用于存儲(chǔ)Hyperion高光譜圖像數(shù)據(jù)； 雷達(dá)數(shù)據(jù)庫(kù)，用于存儲(chǔ) ASAR雷達(dá)數(shù)據(jù)。
全文摘要
本發(fā)明提供基于ASAR和Hyperion數(shù)據(jù)反演植被覆蓋下土壤水分的方法及系統(tǒng)，具體包括獲取實(shí)驗(yàn)區(qū)的Hyperion高光譜圖像數(shù)據(jù)，提取實(shí)驗(yàn)區(qū)中的植被區(qū)域；構(gòu)建基于比值指數(shù)及經(jīng)驗(yàn)系數(shù)的植被含水量模型；結(jié)合地面實(shí)測(cè)的植被含水量及Hyperion數(shù)據(jù)計(jì)算的植被比值指數(shù)，進(jìn)行回歸計(jì)算，獲得所述經(jīng)驗(yàn)系數(shù)值；匹配高光譜數(shù)據(jù)所需的ASAR雷達(dá)數(shù)據(jù)；將匹配后的高光譜數(shù)據(jù)、ASAR雷達(dá)數(shù)據(jù)和所述植被含水量模型、經(jīng)驗(yàn)系數(shù)值輸入水云模型，反演計(jì)算獲得植被覆蓋下土壤含水量。本發(fā)明的方法及系統(tǒng)既有明確的物理基礎(chǔ)，又具有輸入?yún)?shù)少、簡(jiǎn)單、靈活、易于操作等優(yōu)點(diǎn)，使植被覆蓋下土壤含水量測(cè)量更為準(zhǔn)確。
文檔編號(hào)G01N21/35GK103196862SQ20131005896
公開(kāi)日2013年7月10日 申請(qǐng)日期2013年2月25日 優(yōu)先權(quán)日2013年2月25日
發(fā)明者姚云軍, 程潔, 劉素紅, 張曉通, 張楠楠 申請(qǐng)人:北京師范大學(xué)