论文部分内容阅读
土壤湿度一直以来都是人们关注研究的地表物理量,它是全球地表水循环的一个指标,是农业、气象、水文研究领域中的重点,是描述地表情况的一个重要参数,准确观测大面积范围的土壤湿度对农业、水文以及气象等领域意义重大。在现有的土壤湿度探测方法中,微波遥感可以实现大面积、非接触、实时连续的土壤湿度探测,而其中的全球导航卫星系统反射信号(Global Navigation Satellite System Reflection,GNSS-R)技术,作为微波遥感技术的一个重要分支,被广泛应用于各个领域的遥感监测。由于陆地表面反射条件复杂以及各种影响因素对信号具有衰减作用,导致GNSS-R土壤湿度探测技术仍处于研究探索阶段,且主要集中于地基以及机载观测模式研究,难以进行大范围的地表土壤湿度探测,因而实现星载GNSS-R土壤湿度探测也是当下待以解决的难题。本论文针对上述现状展开研究,对GNSS-R遥感应用的发展能够起到一定的推进作用。本论文从GNSS反射信号特性基础理论研究出发,对机载/星载GNSS-R两种不同观测平台下的土壤湿度反演模型开展了相关研究。针对传统的双天线GNSS-R反演模型进行研究,考虑机载平台反演过程中存在的影响因素并给出修正方法,最终得到适用于机载GNSS-R土壤湿度的反演模型。同时研究分析了利用星载GNSS-R观测数据反演土壤湿度的可行性,提出了时延多普勒图(Delay Doppler Map,DDM)信噪比(signal-to-noise ratio,SNR)与土壤湿度的相关性模型。最后利用2002年机载土壤湿度探测实验(Soil Moisture Experiment 2002,SMEX02)数据及星载TDS-1(United Kingdom Techdemosat-1Satellite,UK TDS-1)数据对上述模型进行了验证。实验结果表明,在机载观测模式下:无降雨状态下土壤湿度反演结果与实测土壤湿度变化趋势较为吻合,反演误差控制在0.05 m~3/m~3内,两者相关系数R=0.76,均方根误差(Root Mean Squared Error,RMSE)为0.0185 m~3/m~3,两者呈现出强相关性;在降雨状态下修正前、后反射率反演出的土壤湿度结果与实测值之间均具有较大的偏差,但修正后的土壤湿度反演结果与实测值的相关系数有了较大的提高:未修正前R=0.2,RMSE=0.023 m~3/m~3;修正后R=0.6,RMSE=0.019 m~3/m~3,这表明修正方法具有一定的有效性,然而降雨状态下仍存在较大反演误差,因而后续反演过程中应舍弃降雨状态下的数据。在星载观测模式下:针对反演过程中星载DDM数据存在有效信息难以辨别提取的问题,提出了一种DDM波形分类方法,并验证了该方法的有效性,给出了分类后适合于星载土壤湿度反演的DDM数据类型,即规整波形数据;后续处理得到两块研究区域的修正后DDM SNR均值与土壤水分和海洋盐度卫星(Soil Moisture and Ocean Salinity,SMOS)土壤湿度数据间的相关系数分别为R=0.69和R=0.75。两块研究区域均具有较高的相关系数,表明利用星载GNSS-R DDM数据进行土壤湿度反演具有一定可行性。