基于雷達后向散射系數Oh模型的地形特征反演方法與流程
基于雷達后向散射系數oh模型的地形特征反演方法
技術領域
1.本發明屬于地質及水文勘測技術領域，特別涉及基于雷達后向散射系數oh模型的地形特征反演方法。
背景技術：
2.雷達散射系數又稱后向散射系數，是指入射方向目標單位截面積的雷達的反射率,表示入射方向上的散射強度的參數或目標單位面積的平均雷達散射截面。通常以分貝表示。表面散射指在介質表面產生的散射。影響表面散射的因素有介電常數和表面粗糙度。自然表面可以分解為一系列具有小尺度幾何形狀(即粗糙度)的平面元。對于這種表面小尺度的幾何形狀可以用統計學中的高度標準差(均方根高度)和表面相關長度來表示，它們分別從垂直和水平兩個方向上對粗糙度進行描述。
3.而現有的基于合成孔徑雷達測量地形特征的關鍵問題中具有地表粗糙度帶來的誤差較大的問題。
技術實現要素：
4.本發明是為了解決現有的基于合成孔徑雷達遙感反演地形特征的關鍵問題中地表粗糙度帶來的誤差較大的問題。本發明提出了基于雷達后向散射系數oh模型的地形特征反演方法。
5.本發明的技術方案包括以下步驟：
6.步驟1、分析偵察探測合成孔徑雷達vv極化后向散射系數與地表參數的相關性；
7.步驟2、分析偵察探測合成孔徑雷達vv極化后向散射系數與地表地形特征的相關性；
8.步驟3、分析偵察探測合成孔徑雷達vh極化后散射系數與地表參數的相關性；
9.步驟4、基于偵察探測合成孔徑雷達數據分析vh/vv極化后散射系數與粗糙度的相關性；
10.步驟5、引入植被度改進水云模型；
11.步驟6、對植被參數進行分析；
12.步驟7、利用oh模型反演土壤水分，得到裸土的后向散射系數。
13.作為優選的是，所述步驟1中包括：
14.步驟1.1、分析偵察探測雷達的vv極化后向散射系數與相關長度l之間的關系；
15.在oh模型中輸入參數分別只改變雷達探測地表的地形特征和均方根高度，觀察分別在不同地形特征、不同均方根高度下，偵察探測雷達vv極化后向散射系數對相關長度的響應，在研究不同探測地表地形特征ms，相關長度l與偵察探測雷達后向散射系數的關系時，設定探測地表相關長度l的取值范圍為[1cm，18cm]，步長為0.3cm，地形特征ms取值范圍為[0.01cm3/cm3，0.31cm3/cm3]，間隔為0.02cm3/cm3；
[0016]
步驟1.2、分析偵察探測雷達vv極化后向散射系數對雷達探測地表均方根高度s的響應情況；
[0017]
在oh模型中輸入參數分別只改變雷達探測地表地形特征ms和相關長度l，觀察分別在不同地形特征ms和在不同相關長度l下，偵察探測雷達vv極化后向散射系數對均方根高度s的響應，在研究不同地形特征ms，偵察探測雷達vv極化后向散射系數對均方根高度s的響應情況時，設定均方根高度s取值范圍為[0.001cm，3cm]，步長為0.05cm。
[0018]
作為優選的是，所述步驟2中包括：
[0019]
步驟2.1、分析偵察探測雷達vv極化后向散射系數與雷達探測地表地形特征ms之間的關系；
[0020]
在oh模型中輸入參數分別只改變雷達探測地表均方根高度和相關長度，觀察分別在不同均方根高度和在不同相關長度下，偵察探測雷達vv極化后向散射系數對探測地表地形特征ms的響應，在研究不同相關長度l，地形特征ms與偵察探測雷達vv極化后向散射系數的關系時，ms取值范圍為[0.01cm3/cm3，0.31cm3/cm3]，步長為0.005cm3/cm3。
[0021]
作為優選的是，所述步驟3中包括：
[0022]
步驟3.1、分析偵察探測雷達vh極化后向散射系數與雷達探測地表相關長度l之間的關系；
[0023]
在oh模型中輸入參數分別只改變雷達探測地表的地形特征和均方根高度，觀察分別在不同地形特征、不同均方根高度下，偵察探測雷達vh極化后向散射系數對相關長度的響應，在研究不同雷達探測地表地形特征ms，相關長度l與偵察探測雷達后向散射系數的關系時，設定相關長度l的取值范圍為[1cm，18cm]，步長為0.3cm，雷達探測地表地形特征ms取值范圍為[0.01cm3/cm3，0.31cm3/cm3]，間隔為0.02cm3/cm3；
[0024]
步驟3.2、分析偵察探測雷達vh極化后向散射系數對探測地表的均方根高度s的響應情況；
[0025]
在oh模型中輸入參數分別只改變探測地表的地形特征ms和相關長度l，觀察分別在不同探測地表地形特征ms和在不同相關長度l下，偵察探測雷達vh極化后向散射系數對均方根高度s的響應，在研究不同探測地表地形特征ms，偵察探測雷達vh極化后向散射系數對均方根高度s的響應情況時，設定均方根高度s取值范圍為[0.001cm，3cm]，步長為0.05cm。
[0026]
作為優選的是，所述步驟4中包括：
[0027]
步驟4.1、分析偵察探測雷達vh/vv極化后向散射系數與雷達探測地表相關長度l之間的關系；
[0028]
在oh模型中輸入參數分別只改變探測地表達的地形特征和均方根高度，觀察分別在不同探測地表的地形特征、不同均方根高度下，偵察探測雷達vh/vv極化后向散射系數對相關長度的響應，研究不同探測地表地形特征ms，相關長度l與偵察探測雷達后向散射系數
的關系與步驟3.1所述的方式一致；
[0029]
步驟1.2、分析偵察探測雷達的vh/vv極化后向散射系數對探測地表的均方根高度s的響應情況；
[0030]
在oh模型中輸入參數分別只改變探測地表的地形特征ms和相關長度l，觀察分別在不同地形特征ms和在不同相關長度l下，偵察探測雷達vh/vv極化后向散射系數對均方根高度s的響應，研究不同地形特征ms，偵察探測雷達的vh/vv極化后向散射系數對均方根高度s的響應情況與步驟3.2所述的方式一致。
[0031]
作為優選的是，所述步驟5中，為了更好的估算出后向散射系數值，引入探測地表的植被覆蓋度改進水云模型，計算出實際的后向散射系數，具體形式如式(1)所示：
[0032][0033]
其中，為總偵察探測雷達的后向散射系數；f
veg
為探測地表的像元植被覆蓋度，f
veg
值在(0，1)之間，當其趨于1時，說明探測地表的植被覆蓋區面積所占比例較大，反之，當其趨于0時，探測地表的裸露地表區所占面積較大；f
veg
可使用sentinel-2數據，采用像元二分模型對植被覆蓋度進行計算，如式子(2)所示：
[0034]fveg
＝(ndvi-ndvi
min
)/(ndvi
max-ndvi
min
) (2)
[0035]
其中，ndvi為sentinel-2數據中計算出的歸一化植被指數值；ndvi
min
為裸露地區的歸一化植被指數值，理論上為0；ndvi
max
為植被覆蓋區的歸一化植被指數值；選擇探測地區的中ndvi值累積分布概率分布為5％和95％對應的值作為ndvi
min
和ndvi
max
，將式(2)與水云模型結合得到式(3)：
[0036][0037]
作為優選的是，所述步驟6中，首先確定探測地表的不同植被類型下的a、b值，使用土壤樣本采用點的后向散射系數，分別固定a、b值改變另一個參數的數值，運行經過探測地表的植被覆蓋度改進后的水云模型，得到基于探測地表的不同a、b取值下的后向散射系數。
[0038]
作為優選的是，所述步驟7中，對不同極化下偵察探測雷達后向散射系數在不同情況下對探測地表參數的響應的研究，針對oh模型，對相關長度l設置范圍為1～18cm，步長為3cm；均方根高度為s范圍為0.4～2.2cm，步長為0.1cm；地形特征ms設置為0.01～0.31cm3/cm3，步長為0.005cm3/cm3，同時輸入自由空間波數等參數，多次運行oh模型，得到由不同相關長度、不同均方根高度等條件下對應偵察探測雷達后向散射系數組成的數據庫，從探測sar影像中獲取像元的后向散射系數，通過查表的方法尋與去除探測地區植被覆蓋影響的裸土后向散射系數之間具有最小代價函數(m)的oh模擬的裸土后向散射系數代價函數具體形式如式(4)
[0039]
[0040]
有益效果在于本發明針對基于多源遙感反演土壤水分的關鍵問題中地表粗糙度帶來的誤差，先用水云模型修正后向散射系數，去除農田冬小麥覆蓋的影響，得到地表土壤直接后向散射系數的貢獻，再用oh模型反演土壤水分。再用水云模型去除農作物影響時，包括農作物含水量的反演、植被覆蓋度的引用和模型系數的求解，最后得到裸土的后向散射系數，解決了現有的基于多源遙感反演土壤水分的關鍵問題中地表粗糙度帶來的誤差較大的問題。
附圖說明
[0041]
圖1為不同土壤水分時相關長度與vv極化后向散射系數關系示意圖；
[0042]
圖2為不同均方根高度時相關長度與vv極化后向散射系數關系示意圖；
[0043]
圖3為不同土壤水分時均方根高度與vv極化后向散射系數關系示意圖；
[0044]
圖4為不同相關長度時均方根高度與vv極化后向散射系數關系示意圖；
[0045]
圖5為不同相關長度時土壤水分與vv極化后向散射系數關系示意圖；
[0046]
圖6為不同均方根高度時土壤水分與vv極化后向散射系數關系示意圖；
[0047]
圖7為不同土壤水分時均方根高度與vh極化后向散射系數的關系示意圖；
[0048]
圖8為不同均方根高度時土壤水分與vh極化后向散射系數關系示意圖；
[0049]
圖9為不同均方根高度時相關長度與vh/vv極化后向散射系數關系示意圖；
[0050]
圖10為不同相關長度時均方根高度與vh/vv極化后向散射系數關系示意圖；
[0051]
圖11為不同b值后向散射系數變化折線圖；
[0052]
圖12為不同a值后向散射系數變化折線圖；
[0053]
圖13為以oh模型為主的土壤反演流程圖；
[0054]
圖14為去除植被影響vv后向散射系數對比；
[0055]
圖15為去除植被影響vh后向散射系數對比；
[0056]
圖16為vv極化去除粗糙度影響的土壤水分反演精度對比；
[0057]
圖17為vh極化去除粗糙度影響的土壤水分反演精度對比；
[0058]
圖18為研究區土壤水分空間分布圖；
[0059]
圖19為研究區融合植被指數空間分布圖。
具體實施方式
[0060]
具體實施方式一：參照附圖具體說明本實施方式，如圖1-19所示，本實施方式所述的基于雷達后向散射系數oh模型的地形特征反演包括：包括以下步驟：
[0061]
步驟1、分析偵察探測合成孔徑雷達vv極化后向散射系數與地表參數的相關性；
[0062]
步驟2、分析偵察探測合成孔徑雷達vv極化后向散射系數與地表地形特征的相關性；
[0063]
步驟3、分析偵察探測合成孔徑雷達vh極化后散射系數與地表參數的相關性；
[0064]
步驟4、基于偵察探測合成孔徑雷達數據分析vh/vv極化后散射系數與粗糙度的相關性；
[0065]
步驟5、引入植被度改進水云模型；
[0066]
步驟6、對植被參數進行分析；
[0067]
步驟7、利用oh模型反演土壤水分，得到裸土的后向散射系數。
[0068]
具體實施方式二：參照附圖具體說明本實施方式，所述步驟1中包括：
[0069]
步驟1.1、分析偵察探測雷達的vv極化后向散射系數與相關長度l之間的關系；
[0070]
在oh模型中輸入參數分別只改變雷達探測地表的地形特征和均方根高度，觀察分別在不同地形特征、不同均方根高度下，偵察探測雷達vv極化后向散射系數對相關長度的響應，在研究不同探測地表地形特征ms，相關長度l與偵察探測雷達后向散射系數的關系時，設定探測地表相關長度l的取值范圍為[1cm，18cm]，步長為0.3cm，地形特征ms取值范圍為[0.01cm3/cm3，0.31cm3/cm3]，間隔為0.02cm3/cm3；
[0071]
步驟1.2、分析偵察探測雷達vv極化后向散射系數對雷達探測地表均方根高度s的響應情況；
[0072]
在oh模型中輸入參數分別只改變雷達探測地表地形特征ms和相關長度l，觀察分別在不同地形特征ms和在不同相關長度l下，偵察探測雷達vv極化后向散射系數對均方根高度s的響應，在研究不同地形特征ms，偵察探測雷達vv極化后向散射系數對均方根高度s的響應情況時，設定均方根高度s取值范圍為[0.001cm，3cm]，步長為0.05cm。結果如圖3所示。
[0073]
本實施方式中，如圖1-4所示，與圖1不同的是，圖2所展示的是不同均方根高度s時，vv極化后向散射系數對相關長度l的響應變化圖，此時土壤水分ms為定值，均方根高度s取值范圍為[0.01cm，0.31cm]，間隔0.02cm。從圖4-1中，我們可以看到，在同一土壤水分ms下，vv極化后向散射系數隨著相關長度l的增加而增大，在l大于3cm時，增加的速度相比于l小于3cm緩慢；在相同l，vv極化后向散射系數隨著土壤水分ms的增加而增大，且增速趨于減少。在圖4-2中可以看出，當均方根高度s分別為0.01cm、0.03cm時，vv極化后向散射系數隨著相關長度l的增加而增大的速度較為緩慢，且在同一個l，兩者間的隨s變化幅度較大，后向散射系數變化超過1db，當s超過0.03cm時，變化在1db之內。隨著s逐漸趨于0.31cm，在同一l下，隨著s增加速度逐漸緩慢。在同一個均方根高度s下，且在相關長度l范圍內，約變化了1db。
[0074]
圖4所展示的在不同相關長度l，vv極化后向散射系數對均方根高度s的響應變化圖，l取值范圍為[1cm，18cm]，間隔為1cm。
[0075]
從圖3中可以看出，在同一土壤水分ms，vv極化后向散射系數隨著均方根高度s的增加而較快增加，隨后逐漸緩慢。在同一均方根高度s下，隨著ms的增加，增速呈下降趨勢，且逐漸趨于平緩，隨后具有減少的趨勢。不同相關長度l下，對s的響應從圖4可以看到，由此可以看出，在同一l下，隨著s的增加先增大后減小，且隨著l的增加，減少的速度減緩逐漸趨于水平狀態；在均方根高度s范圍內，變化
了6db左右。
[0076]
對比圖1、圖2、圖3和圖4可知，前三幅圖的趨勢相似，對比圖1與圖2，土壤水分由0.01cm3/cm3增加到0.31cm3/cm3時，相關長度l從1cm增加到18cm與均方根高度s從0.01cm增加到0.31cm的增加幅度相似，都增加了10db左右，表明了研究區的vv極化后向散射系數對土壤水分的變化較為敏感。對比圖3和圖4均方根高度s從0.01cm增加到0.31時，土壤水分從0.01增加到0.31的變化幅值約為12db；相關長度l從1cm增加到18cm時的變化幅值約為9db。對比圖2和圖4可知，對s的響應相比與對l的響應要較強烈些。
[0077]
具體實施方式三：參照附圖具體說明本實施方式，所述步驟2中包括：
[0078]
步驟2.1、分析偵察探測雷達vv極化后向散射系數與雷達探測地表地形特征ms之間的關系；
[0079]
在oh模型中輸入參數分別只改變雷達探測地表均方根高度和相關長度，觀察分別在不同均方根高度和在不同相關長度下，偵察探測雷達vv極化后向散射系數對探測地表地形特征ms的響應，在研究不同相關長度l，地形特征ms與偵察探測雷達vv極化后向散射系數的關系時，ms取值范圍為[0.01cm3/cm3，0.31cm3/cm3]，步長為0.005cm3/cm3。
[0080]
本實施方式中，如圖5和圖6所示，在同一相關長度l或者同一均方根高度s的下，vv極化后向散射系數隨著土壤水分ms的增加而增加。兩幅圖的變化趨勢具有相似性，在同一l或者同一s下，ms從0.01cm3/cm3增加到0.31cm3/cm3，變化了10db左右，由此再次證明了雷達后向散射系數對土壤水分的變化的敏感性；在同一土壤水分，隨著s的增大而變化的幅度相比于隨著l變化的幅度要大。
[0081]
具體實施方式四：參照附圖具體說明本實施方式，所述步驟3中包括：
[0082]
步驟3.1、分析偵察探測雷達vh極化后向散射系數與雷達探測地表相關長度l之間的關系；
[0083]
在oh模型中輸入參數分別只改變雷達探測地表的地形特征和均方根高度，觀察分別在不同地形特征、不同均方根高度下，偵察探測雷達vh極化后向散射系數對相關長度的響應，在研究不同雷達探測地表地形特征ms，相關長度l與偵察探測雷達后向散射系數的關系時，設定相關長度l的取值范圍為[1cm，18cm]，步長為0.3cm，雷達探測地表地形特征ms取值范圍為[0.01cm3/cm3，0.31cm3/cm3]，間隔為0.02cm3/cm3；
[0084]
步驟3.2、分析偵察探測雷達vh極化后向散射系數對探測地表的均方根高度s的響應情況；
[0085]
在oh模型中輸入參數分別只改變探測地表的地形特征ms和相關長度l，觀察分別在不同探測地表地形特征ms和在不同相關長度l下，偵察探測雷達vh極化后向散射系數對均方根高度s的響應，在研究不同探測地表地形特征ms，偵察探測雷達vh極化后向散射系數對均方根高度s的響應情況時，設定均方根高度s取值范圍為[0.001cm，
3cm]，步長為0.05cm。
[0086]
本實施方式中，如圖7和圖8所示。與觀察vv極化與地表參數時對oh模型中輸入類似，由于在研究vh極化與地表參數中只涉及到了均方根高度和土壤水分，因此本小結只研究分別在不同土壤水分和不同均方根高度下，均方根高度和土壤水分與vh極化后向散射系數之間的關系。參數的輸入范圍可參照前文介紹，對比圖7和圖8可知，在同一ms下，s從0.001cm增加到3cm時，約增加了32db；在用一s下，ms從0.01cm3/cm3增加到0.31cm3/cm3時，增加了10db左右。由此可以看出在vh極化下，vh極化后向散射系數對土壤水分變化低于對均方根高度變化的敏感性，只利用vh極化后向散射系數反演土壤水分時，需要去除粗糙度對雷達波的干擾。
[0087]
具體實施方式五：參照附圖具體說明本實施方式，所述步驟4中包括：
[0088]
步驟4.1、分析偵察探測雷達vh/vv極化后向散射系數與雷達探測地表相關長度l之間的關系；
[0089]
在oh模型中輸入參數分別只改變探測地表達的地形特征和均方根高度，觀察分別在不同探測地表的地形特征、不同均方根高度下，偵察探測雷達vh/vv極化后向散射系數對相關長度的響應，研究不同探測地表地形特征ms，相關長度l與偵察探測雷達后向散射系數的關系與步驟3.1所述的方式一致；
[0090]
步驟1.2、分析偵察探測雷達的vh/vv極化后向散射系數對探測地表的均方根高度s的響應情況；
[0091]
在oh模型中輸入參數分別只改變探測地表的地形特征ms和相關長度l，觀察分別在不同地形特征ms和在不同相關長度l下，偵察探測雷達vh/vv極化后向散射系數對均方根高度s的響應，研究不同地形特征ms，偵察探測雷達的vh/vv極化后向散射系數對均方根高度s的響應情況與步驟3.2所述的方式一致。
[0092]
本實施方式中，如圖9和圖10所示，為了模擬vh/vv極化土壤后向散射系數與地表粗糙度之間的關系，與觀察vv極化與地表參數時對oh模型中輸入類似，由于在研究vh/vv極化與地表參數中只涉及到了粗糙度參數，因此本小結只研究分別在不同均方根高度和不同相關長度下，相關長度和均方根高度與vh/vv極化后向散射系數之間的關系。參數的輸入范圍可參照前文介紹，從圖9和圖10可知，在同一均方根高度s下，vh/vv后向散射系數隨相關長度l的增大而降低；在s的取值范圍內，隨著s趨于0.31，變化約2db。在同一l下，隨著s的增加而增大，當l趨于3cm時，其值增加了約32db。
[0093]
具體實施方式六：參照附圖具體說明本實施方式，所述步驟5中，為了更好的估算出后向散射系數值，引入探測地表的植被覆蓋度改進水云模型，計算出實際的后向散射系數，具體形式如式(1)所示：
[0094][0095]
其中，為總偵察探測雷達的后向散射系數；f
veg
為探測地表的像元植被覆蓋
度，f
veg
值在(0，1)之間，當其趨于1時，說明探測地表的植被覆蓋區面積所占比例較大，反之，當其趨于0時，探測地表的裸露地表區所占面積較大；f
veg
可使用sentinel-2數據，采用像元二分模型對植被覆蓋度進行計算，如式子(2)所示：
[0096]fveg
＝(ndvi-ndvi
min
)/(ndvi
max-ndvi
min
) (2)
[0097]
其中，ndvi為sentinel-2數據中計算出的歸一化植被指數值；ndvi
min
為裸露地區的歸一化植被指數值，理論上為0；ndvi
max
為植被覆蓋區的歸一化植被指數值；選擇探測地區的中ndvi值累積分布概率分布為5％和95％對應的值作為ndvi
min
和ndvi
max
，將式(2)與水云模型結合得到式(3)：
[0098][0099]
具體實施方式七：參照附圖具體說明本實施方式，首先確定探測地表的不同植被類型下的a、b值，使用土壤樣本采用點的后向散射系數，分別固定a、b值改變另一個參數的數值，運行經過探測地表的植被覆蓋度改進后的水云模型，得到基于探測地表的不同a、b取值下的后向散射系數。
[0100]
本實施方式中，據引入植被覆蓋度改進的水云模型可知，需要獲得與作物有關的經驗常數a和b值，部分研究者通過成本消耗大的實地測量方式獲得植被的后向散射系數進行求解；也有部分研究者使用bindlish
[55]
通過實驗獲得不同植被類型下的經驗值，如表格4-1所示。在實際情況中，植被類型具有多樣性，較為統一的經驗值對土壤水分反演值造成偏差，本文根據bindlish所提供的經驗值和實測土壤水分結合，采用精度最優理論，獲得不同極化下最佳a、b值。
[0101]
表4-1不同植被類型下的a、b值
[0102][0103]
從表4-1可以看出，這種輸入對雷達影像的精細分類要求高，在實際地物中會出現多種像元出現在同一像元的情況，這時使用固定的參數會使得水分反演誤差增大。使用土壤樣本采用點的后向散射系數，分別固定a、b值改變另一個參數的數值，運行經過植被覆蓋度改進后的水云模型，得到不同a、b取值下的后向散射系數，將其繪制如圖11、12所示的折線圖。
[0104]
對比圖11和圖12可知，當a取定值、b取不同的值時，vv極化的雷達后向散射系數變化約為2db相比于當b取定值、a取不同值的vv極化后向散射系數變化幅度大，且變化的a值相比于變化的b值級數較大(a的數值差為10-4
量級，b的數值差為10-2
量級)。由此可以看出a的取值對結果的影響不大，故本文選取a值為0.0018輸入改進的水云模型中。本發明提出基于最優化理論的思想簡化植被參數的輸入，相比于使用統一a、b參數，可以提高模擬土壤后
向散射系數的準確性，更加精確的描述了植被對雷達后向散射系數的衰減程度。使用實測土壤水分與反演土壤水分的均方根誤差和平均絕對誤差作為評判標準，得出適合研究區的b值。經過計算，不同極化的a、b值如表4-2所示：
[0105]
表4-2不同極化下的a、b值
[0106][0107][0108]
具體實施方式八：參照附圖具體說明本實施方式，所述步驟7中，對不同極化下偵察探測雷達后向散射系數在不同情況下對探測地表參數的響應的研究，針對oh模型，對相關長度l設置范圍為1～18cm，步長為3cm；均方根高度為s范圍為0.4～2.2cm，步長為0.1cm；地形特征ms設置為0.01～0.31cm3/cm3，步長為0.005cm3/cm3，同時輸入自由空間波數等參數，多次運行oh模型，得到由不同相關長度、不同均方根高度等條件下對應偵察探測雷達后向散射系數組成的數據庫，從探測sar影像中獲取像元的后向散射系數，通過查表的方法尋與去除探測地區植被覆蓋影響的裸土后向散射系數之間具有最小代價函數(m)的oh模擬的裸土后向散射系數代價函數具體形式如式(4)
[0109][0110]
本實施方式中，基于oh模型反演土壤墑情主要是先通過oh模型模擬粗糙度、后向散射系數和土壤水分之間的非線性關系，構建不同地表粗糙度和土壤水分下的雷達后向散射系數的查表。這種方法脫離了實測粗糙度數據的輸入，對反演結果的實時性影響甚微。利用oh模型中地表粗糙度、土壤水分與雷達后向散射系數之間的關系，能夠消除粗糙度對雷達波的干擾，在oh模型中，當均方根高度、相關長度取某定值時，相關長度、均方根高度和后向散射系數的相關性較大，這時使用oh模型所模擬的雷達后向散射系數與真實值最為接近。在建立lut表時，需要確定地表參數的取值范圍和步長，然后在oh模型中輸入雷達入射角、波長等參數，模擬得到不同地表參數下的后向散射系數，存放于數據庫中，從而建立lut表表。最后，通過輸入像元的后向散射系數或去除過植被覆蓋度下的后向散射系數，通過查代價函數在取值最小時對應的土壤水分作為反演的土壤水分值。
[0111]
具體反演流程大致可分為模型改進部分、反演土壤水分與精度評價三部分。首先獲取預處理后的雷達入射角、后向散射系數與植被指數等參數，與第三章節不同的是，本章引入植被覆蓋度輸入水云模型更好的表征植被信息；其次構建代價函數，再求解代價函數最小值，最后反演土壤水分；最后對反演結果與實測結果使用第三章節介紹的三個指標進行評價，并獲得研究區空間分布圖。
[0112]
實驗結果如圖14-19所示，通過前面研究，已經獲得所需輸入的植被參數，與雷達入射角及sar影像的總后向散射系數等數據作為改進水云模型的輸入，然后運行模型，即可
獲得土壤對后向散射系數的貢獻。做出50個vv極化和vh極化采樣點在去除植被貢獻前后的后向散射系數的變化圖如14、15所示。對比圖14和圖15可以看出，去除植被對后向散射系數的貢獻后，其值有一定的減少，減少的數值大小與植被覆蓋度、植被類型、sar總后向散射系數等有關，其中，vv極化減少了2db左右，vh極化減少了5db左右。對比vv極化和vh極化數值變化大小，再次可以看出vh極化受植被因素影響較大。
[0113]
本文采用matlab，使用去除冬小麥覆蓋影響前后的兩種極化的sar影像，通過lut表估算研究區的土壤水分。繪出土壤水分實測值與反演值精度對比圖，如圖16、17所示。從圖16、17中不難看出，vv極化數據反演土壤水分精度優于vh極化，r2相差了0.2578；rmse相差了0.0031；mae相差了0.003。同時也說明了交叉極化vh在反演土壤水分應用中弱于同極化vv數據。
[0114]
采用去除植被影像后的vv極化的sar數據基于lut表法，反演研究區的土壤水分，以2020年3月22日為例，結果如圖18-19所示；對比圖18和圖19可知，該地區整體土壤水分屬于偏低水平，符合冬小麥過冬后土壤較為干旱的實際情況；中間部分植被指數數值偏高，側面表明了該區域的植被含水量較高，與實際冬小麥分布區域較為一致。
[0115]
本發明首先分析了vv極化和vh極化后向散射系數與粗糙度有關參數、土壤水分之間的相關性，并確定構建查表時的參數步長，將引入植被覆蓋度改進的水云模型與oh模型結合反演土壤墑情，并對去除農作物覆蓋前后雷達后向散射系數進行了對比。土壤水分反演部分包括地表參數對雷達后向散射系數之間的相關性分析、查表的構建及代價函數的計算，最后獲得研究區的土壤水分空間分布圖，并利用采樣點的實測數據與反演結果使用r2、rmse和mae對反演結果進行評價。
