基于极化分解的冬小麦全生育期土壤水分反演算法研究

Soil moisture is one of the important indexes of water stress and plays a critical role in drought monitoring. This project focuses on the retrieval of soil moisture information at the whole growth and development period of wheat. The main data used in this study are fully-polarimetric microwave scattering data. Based on the polarization decomposition technique, the soil moisture retrieval methods with fully-polarimetric active microwave remote sensing data are studied. The study area covers Zhuozhou of Hebei province and Xiaotangshang of Beijing in northern China. Firstly, a high-order hybrid weighted scattering model is developed based on the current low-order MIMICS model by introducing weighted indexes for different wheat growth period. Secondly,by using Freeman decomposition technique on fully-polarimetric scattering data, a relationship is founded between the terms of scattering model and the terms of decomposition technique.The arithmetical relationship of different scattering terms is found to remove the influence of soil surface roughness and crops scattering, and then a retrieval model for soil moisture information at the whole growth and development period of wheat is proposed． Finally, the methods will be validated with the aid of the ground measured data. The innovation is to develop weighted hybrid scattering model for the whole wheat growing season and to use polarization decomposition technique to improve soil moisture inversion precision. The research will provide theoretical foundation for the optimistic inversion of soil moisture.

土壤水分是研究作物水分胁迫的一个重要指标，对旱情监测具有十分重要的意义。本研究以河北涿州和北京小汤山为研究区域，以冬小麦全生育期土壤水分微波遥感反演为目标，利用地基多入射角、全极化微波散射数据，基于极化分解技术，研究全极化主动微波遥感技术的土壤水分反演方法。首先，以一阶MIMICS模型为基础，引入加权系数校正不同生育期冠层后向散射影响，建立高阶混合加权后向散射模型。其次，利用Freeman极化分解技术对全极化散射数据进行处理，分析各散射项间对应关系，建立不同散射项间关系模型以校正冠层和土壤粗糙度对土壤水分反演的影响，建立冬小麦全生育期土壤水分反演模型。最后，借助地面实验数据进行算法验证和精度评价。本项目的创新是建立冬小麦全生育期加权混合散射模型，利用全极化微波数据借助极化分解技术以提高土壤水分反演精度。研究结果将为土壤水分最佳反演提供理论依据。

土壤水分作为地表水存储的重要组成部分，直接影响着陆地和大气间的物质和能量交换，成为水文、气象、农业和生态环境等领域的研究热点之一。监测农田土壤含水量的动态变化对旱情监测与精细农业等有着重要的意义。微波信号由于其数据的极化特征、后向散射强度及相位特性对土壤水分的敏感性而成为高空间分辨率土壤水分监测中最有效的方法之一，然而不同覆盖地表对其信号的影响非常巨大。因此，本研究选择河北涿州和北京小汤山为研究区域，利用地基多入射角、全极化微波散射数据，借助极化分解技术和微波散射模型，形成基于全极化主动微波遥感技术的土壤水分反演方法，主要研究内容：（1）为去除土壤粗糙度对微波后向散射系数的影响，尝试基于神经网络与决策树、结合色彩运算和混沌粒子群滤波等多种方法，采用参考白板法，提出了简化图像获取和全自动图像处理的粗糙度获取方法，计算获得土壤粗糙度。实验表明，所用方法均能有效降低对拍摄环境的要求、快速高效地计算土壤粗糙度，所提取的土壤轮廓线高度误差控制在 0.5cm以下，所得均方根高度的误差在5%以内，相关长度的计算误差在1%以内，满足了土壤粗糙度实时在线测算的要求。（2）基于研究区大量地面调查数据和全极化微波散射数据，建立了不同冬小麦覆盖状况下微波散射模型，研究了后向散射与土壤水分、冬小麦结构参数之间的关系，为利用多极化微波散射数据进行土壤水分信息获取奠定了基础。（3）利用极化分解方法，对全极化微波散射数据进行了分解处理，同时进行了水分反演，同时尝试把算法用于准同步的卫星遥感数据Radarsat2获取了更大范围的土壤水分信息，并与地面数据相互验证。研究表明，极化分解的方法能充分利用微波复数据信息，获得不同冬小麦生育期的土壤水分反演信息。本研究提高了冬小麦全生育期土壤水分反演的精度与效率，对推动微波遥感土壤水分监测具有重要意义，在旱情监测、农业生产方面有较好的应用前景。