Please wait a minute...
img

官方微信

遥感技术与应用
模型与反演     
基于时序Sentinel-1A数据的农田土壤水分变化检测分析
张祥1,2,陈报章1,赵慧3,汪磊1#br#
(1.中国矿业大学 环境与测绘学院,江苏 徐州221116;
2.国土环境与灾害监测国家测绘地理信息局重点实验室 中国矿业大学,江苏 徐州221116;
3.国家基础地理信息中心,北京100830)
 全文: PDF(5081 KB)  
摘要:
土壤水分是作物生长的基本条件,同时也是作物长势监测、估产和旱情监测的重要参数。基于变化检测模型,利用不同时相Sentinel\|1A数据估算农田土壤水分变化信息。首先利用积分方程模型(Integral Equation Model,IEM)模拟数据分析雷达后向散射系数变化与土壤水分变化之间的关系,在土壤表面粗糙度恒定的情况下,土壤湿度变化与雷达后向散射系数变化具有高度相关性,验证了变化检测模型用于估算土壤水分变化的合理性。在此基础上,利用河北邯郸研究区时序Sentinel\|1A SAR 数据和现场实测数据构建土壤水分变化检测模型,从而利用雷达后向散射系数变化估算土壤水分变化信息。结合现场实测数据得到,最小二乘和支持向量回归模型反演结果的均方根误差(RMSE)分别为5.1 vol%和4.6 vol%,决定系数(R2)分别为0.65和0.73。验证了时序Sentinel\|1A数据用于监测农田土壤水分变化的实用性。
关键词: 合成孔径雷达土壤水分多时相变化检测    
出版日期: 2017-07-20
:  TP 79  
基金资助: 国家自然科学基金项目(41271116),江苏省基础研究计划青年基金项目(BK20130174),青年科学基金项目(41401426),测绘地理信息公益性行业科研专项经费项目(201412016).
作者简介: 张祥(1987-),男,山西左云人,博士研究生,主要从事微波遥感定量反演研究。Email:zhangxiangcumt@126.com.
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  
张祥
陈报章
赵慧
汪磊

引用本文:

张祥,陈报章,赵慧,汪磊. 基于时序Sentinel-1A数据的农田土壤水分变化检测分析[J]. 遥感技术与应用, 10.11873/j.issn.1004-0323.2017.2.0338.

链接本文:

http://www.rsta.ac.cn/CN/Y2017/V32/I2/338

[1] 万玲,尤红建,程跃兵,卢晓军. 合成孔径雷达图像分割研究进展[J]. 遥感技术与应用, 2018, 33(1): 10-24.
[2] 白瑜,孟治国,赵凯. 像元尺度土壤水分监测网络及其对L波段土壤水分产品的初步验证结果[J]. 遥感技术与应用, 2018, 33(1): 78-87.
[3] 熊伟,徐永力,姚力波,崔亚奇. 基于SVM的高分辨率SAR图像舰船目标检测算法[J]. 遥感技术与应用, 2018, 33(1): 119-127.
[4] 姜爱辉,刘国林,陈富龙. 基于PALSAR-1影像的汉函谷关遗迹变化检测研究[J]. 遥感技术与应用, 2017, 32(5): 787-793.
[5] 向怡衡,张明敏,张兰慧,贺缠生,王一博,白晓. 祁连山区不同植被类型上的SMOS遥感土壤水分产品质量评估[J]. 遥感技术与应用, 2017, 32(5): 835-843.
[6] 曹永攀,黄春林,陈玮婧,张莹. 联合同化MODIS地表温度与机载L波段微波亮度温度估计土壤水分[J]. 遥感技术与应用, 2017, 32(4): 606-614.
[7] 谢亚楠,周明亮,刘志坤. 合成孔径雷达反演降雨量算法的研究进展[J]. 遥感技术与应用, 2017, 32(4): 624-633.
[8] 李海英,温卫斌,王芳,付强,肖媛. 表层穿透雷达在月球与深空探测应用中的研究进展及趋势[J]. 遥感技术与应用, 2017, 32(4): 634-642.
[9] 姜萍,刘修国,陈启浩,邵芳芳. 利用多尺度SVM-CRF模型的极化SAR图像建筑物提取[J]. 遥感技术与应用, 2017, 32(3): 475-482.
[10] 王增艳,王建,车涛. 机载L波段微波辐射计数据反演表层土壤水分研究[J]. 遥感技术与应用, 2017, 32(2): 185-194.
[11] 赵泽斌,晋 锐,田伟,亢健,苏阳. 基于SiB2模型的土壤水分降尺度指标的适用性研究[J]. 遥感技术与应用, 2017, 32(2): 195-205.
[12] 陆峥,柴琳娜,张涛,崔慧珍,李婉静. AMSR2土壤水分产品在黑河流域中上游的验证[J]. 遥感技术与应用, 2017, 32(2): 324-337.
[13] 袁春琦,徐佳,程圆娥,陈媛媛,许康. 基于协同训练与集成学习的极化SAR图像半监督分类[J]. 遥感技术与应用, 2017, 32(2): 380-385.
[14] 雷小雨,卓莉,叶涛,陶海燕,王芳. 基于时差特征与随机森林的水稻种植面积提取[J]. 遥感技术与应用, 2016, 31(6): 1140-1149.
[15] 孙景,唐丹玲,潘刚. Radarsat2全极化数据在监测南海溢油事件中的方法研究[J]. 遥感技术与应用, 2016, 31(6): 1181-1189.