植被覆盖农田土壤水分的光学和多波段SAR协同反演研究

The high-efficiency and high precision acquisition of soil moisture under crop coverage has been an important research direction in Agronomy and remote sensing science. But at the high vegetation coverage conditions, especially during the key periods of crop growth (such as jointing, heading and grain filling stage), the accuracy of the inversion algorithms are not high enough and the universality of the algorithms are poor. It is difficult to meet the demands of remote sensing application service in wisdom agriculture era. In order to solve this problem, this project will use multi band radar data and optical data to carry out the soil moisture inversion under the condition of high vegetation coverage. First, high precision crop leaf area index and vegetation water content parameters are obtained based on multi source remote sensing data and optical radiation transmission model. After that, the double bounce scattering mechanism is added into the traditional water-cloud model to get the improved water-cloud model. Then, we use the orientation angle shift operation, the generalized dihedral scattering model considering the attenuation effect and the generalized volume scattering model, to establish a more accurate parameterized polarization decomposition model for vegetation field scene. With the new water-cloud model coupling improved polarization decomposition method, to construct the adaptive high precision inversion method for maize covered soil moisture, provide a reliable theoretical basis and practical method for the scientific monitoring of crop growth.

作物覆盖下的农田土壤水分的高效高精度获取一直是农学和遥感科学中的重要的研究方向。但高植被覆盖条件下，特别是在作物的关键生长发育期（如拔节期、抽穗开花期、灌浆期），目前反演算法的精度还是不够高，算法的普适性也较差，难以满足智慧农业时代的遥感应用服务需求。针对这一瓶颈问题，本项目将利用多波段雷达数据和光学数据开展高植被覆盖条件下的农田土壤水分反演。首先基于多源遥感数据和光学辐射传输模型获得高精度的作物叶面积指数和植被含水量参数。之后，将二次散射机制引入传统水云模型，发展一种改进的水云模型。引入去定向操作，提出广义的考虑衰减效应的二面角散射模型，引入广义的体散射模型，以建立更为准确的参数化的植被覆盖农田场景的极化分解模型。发展改进的水云模型与极化分解信息的耦合架构，从而构建自适应的玉米覆盖农田土壤水分高精度反演方法，为科学监测作物长势提供可靠的理论依据和可行的实践方法。

作物覆盖下的农田土壤水分的高效高精度获取一直是农学和遥感科学中的关键的重要的研究方向。但高植被覆盖条件下的土壤水分反演，特别是在作物的关键生长发育期目前反演算法的精度还是不够高，算法的普适性也较差，难以满足智慧农业时代的遥感应用服务需求。针对这一亟需解决的瓶颈问题，本项目结合现有研究数据、方法和应用层面存在的问题，以多波段全极化雷达为核心数据源，辅以同步的多光谱光学遥感数据，充分挖掘多波段雷达极化信息在植被参数和植被覆盖农田土壤水分反演中的应用潜力，分析极化 SAR 数据和光学数据在植被参数反演中的优劣。首先基于多源遥感数据和光学数据获得高精度的作物叶面积指数和植被含水量等参数。在此基础上，结合改进的水云模型和改进的极化分解技术，构建基于多源遥感数据进行高植被覆盖区域农田土壤水分反演的有机耦合框架。建立以多源多极化雷达数据为核心数据源的农田土壤水分反演方法。.项目实施以来，我们已经获取了多景全极化 SAR数据。通过一系列技术攻关，完成了植被覆盖地表下农田土壤水分的反演和信息提取研究，完成了基于雷达遥感数据的农作物高精度分类研究，完成了农作物植被参数定量提取研究并构建了高精度的农田土壤水分反演模型，完成了基于单景雷达数据的植被覆盖下农田土壤水分的反演和基于哨兵时间序列数据的大范围长时间序列农田土壤水分的反演实验。此外，基于“微波特性测量与仿真成像科学实验平台”在可控环境下针对典型农业地物目标和场景的微波特性（介电特性、散射特性、极化特性）的开展了大量全要素（宽频域、单极化/双极化/全极化、多入射角、多方位角、单站/双站）高精度测量与仿真成像，有力地保障了本研究工作对植被、土壤等地物目标的雷达响应特征开展的相关科学研究。依托本项目的研究，已发表有项目标注的SCI论文2篇。