异质性草原土壤水分的雷达和光学遥感数据协同反演研究

Information about soil moisture content is important for ecological environment in prairies because it impacts the length of the grazing season, the grass growth rate and nutrient uptake. This project focuses on retrieval of soil moisture simultaneously using radar and optical remote sensing data in heterogeneous prairie. The backscattering model fitting heterogeneous prairie is developed by separating the scattering mechanism for the shrubs, herb and bare soil. The bare soil scattering theory is used to simulate the scattering from soil, and the vegetation scattering model is used to calculate the volume scattering and tow-way attenuation from the vegetation. Combined with bare soil scattering theory and vegetation scattering model, the problem of ill-posed is minimized by establishing equations using multi-polarization radar data. The research of this project can provide the theoretical and technical basis for retrieving soil moisture using radar and optical remote sensing data. It is of great significance for monitoring drought conditions, evaluating risk and the management of the grassland.

土壤水分对草原生态环境具有十分重要的意义，其影响着放牧季节的长短，草地生长速度和植被的养分吸收。本项目针对异质性草原土壤水分的雷达和光学遥感数据协同反演的若干关键问题开展研究。一方面，针对异质性草原植被覆盖不均，多类型植被混杂的特点，深入剖析现有植被散射模型，通过分离灌木、草本植被以及裸土斑块之间的散射机理，构建适用于异质性草原的后向散射模型；同时，利用裸土散射理论模拟土壤的后向散射，利用建立的异质性植被散射模型计算植被的体散射及植被对雷达信号的双向衰减来消除植被对土壤水分反演的影响。另一方面，利用多极化雷达数据，联合裸土散射理论和植被散射模型，通过建立方程组来降低病态反演带来的不确定性问题。这些关键理论与方法的突破，将为利用雷达和光学遥感协同反演异质性草原土壤水分提供理论与方法支持，提高土壤水分反演精度，对大面积草原的旱情监测，风险评估和草原管理等具有重要的意义。

草原生态系统中，水是许多生态过程的主要决定因素，植被与水之间存在着正反馈作用。土壤水分的分布信息对于评价草原植被生长具有十分重要的意义，因为它影响着放牧季节的长短，草地生长速度和植被的养分吸收。因此，构建一套客观、动态的草原土壤水分遥感监测方法，具有重要的科学价值。.本项目针对异质性草原植被覆盖不均、多类型植被混杂的特点，开展主被动遥感协同的植被覆盖下土壤水分反演研究。取得的主要研究成果如下：（1）建立了一种基于图像处理的土壤粗糙度计算方法：采用针式廓线法，利用自制土壤表面粗糙度测量板进行外业拍照，并基于图像处理方法进行土壤表面粗糙度的测量，实现了一种简单有效的土壤粗糙度测量方法，为土壤水分反演提供了数据支撑。（2）构建了一套基于辐射传输的土壤水分反演方法：针对目前植被覆盖下土壤水分反演方法的不足，综合考虑草原植被的空间异质性，区分植被和裸土斑块之间的散射机理，构建了一套适用于大尺度异质性植被覆盖下的土壤水分反演方法。（3）提出了一种基于极化分解的土壤水分反演方法：针对土壤水分反演过程中对先验知识的依赖性问题，采用双向衰减参数与基于模型的极化分解方法去除植被的影响。利用最优土壤粗糙度参数对裸土模型进行参数化，实现了先验知识缺失时植被覆盖下土壤水分的反演。（4）提出了一种基于极化SAR数据的植被分类方法：针对植被类型对土壤水分反演的影响，基于机器学习方法，结合极化SAR最优散射参数，构建了一种基于多时相SAR数据的监督二叉树分类方法，为下一步应用植被类型信息反演土壤水分提供了辅助数据和新思路。.通过本项目的研究，取得了一系列的研究成果，共发表论文8篇，出版专著1部，在投SCI论文2篇，超额完成了原定目标。