利用AIEM模型的PolSAR数据土壤含水量反演探究

摘要

土壤含水量是地球水循环中重要的组成参数,对于旱情监测、气象研究及水文监测等领域有着重要的应用意义.主动微波遥感由于具有全天时全天候观测、与地表层土壤物理性质相关性较强、影像分辨率较高等特点,被广泛地应用于土壤含水量反演研究中.合成孔径雷达(SAR)作为一种典型的主动微波传感器,在此项研究中发挥着越来越积极的作用.高级积分方程模型(AIEM)是目前最常用的描述裸土表面后向散射的物理模.虽然由于各参数耦合复杂,AIEM 无法直接用于土壤含水量反演,但众多研究已经证明,利用AIEM 对地表后向散射系数进行模拟能够得到稳定且相对精确的结果.本文在研究中利用理论模型AIEM 模拟裸露地表情况下SAR 的L波段后向散射系数,利用基于组合粗糙度的多项式方法与GA优化BP神经网络的方法分别建立同极化、全极化后向散射系数与土壤含水量之间的映射关系作为反演模型.并利用SMEX03俄克拉荷马州Little Washita流域的L波段AIRSAR数据对两种基于AIEM的反演模型与传统经验模型的土壤含水量反演精度进行了验证,基于AIEM的两种模型反演精度均高于传统经验模型,其中同极化与全极化多元回归分析模型的反演精度最高,均方根误差均在4％左右,全极化GA-BP神经网络模型次之,反演均方根误差为6.56％.结果表明,在AIEM的基础上发展的两种模型对L 波段土壤含水量反演具有一定有效性.