一种基于广义散射模型的三分量分解的土壤水分反演方法

1.本发明涉及极化雷达遥感定量反演领域，尤其涉及一种基于广义散射模型的三分量分解的土壤水分反演方法。


背景技术：

2.在精准农业应用中，土壤水分不仅是土壤肥力的重要组成部分，也是影响作物生长发育的重要因素和作物干旱灾害的重要指标。因此，精确估计土壤水分在作物生长模拟和产量预测中具有重要的价值。
3.传统的土壤湿度实地测量方法耗时耗力，并且调查范围有限。主动微波遥感对散射目标的介电常数等物体特性敏感，信号具有一定的地表穿透性，能够对植被覆盖区域进行连续监测，已经成为土壤湿度反演的有效手段。现已发展出理论、经验、半经验模型，为土壤湿度反演提供了理论依据。然而实际应用表明：不同的模型的适用范围不同，普适性差；理论模型未知变量较多，参数调节过程复杂，需要地表先验知识；经验、半经验模型仅适用于特定范围的地表粗糙度、地表含水量、雷达频率或入射角。
4.基于多极化观测的极化目标分解理论的提出旨在分离粗糙地面和植被覆盖的后向散射信号。利用极化目标分解方法剔除植被体散射，提取地表散射分量，结合理论模型构建代价方程来解算土壤介电常数，为土壤湿度反演提供了新的思路。但是由于传统基于模型的三分量极化分解方法基于散射粒子服从随机取向、均匀分布的假设，难以准确的描述地表和植被散射特征，且在参数解算过程中存在欠定问题，因此直接应用于土壤湿度反演的精确度和普适性仍有待提高。


技术实现要素：

5.为了解决上述问题，本发明提供了一种基于广义散射模型的三分量分解的土壤水分反演方法，主要包括以下步骤：
6.s1：获取农作物生长周期内的全极化合成孔径雷达影像，对原始影像进行预处理，得到观测相干矩阵；
7.s2：根据同极化功率比建立查找表，得到针对原始影像中单个像元的最佳snvsm体散射模型，根据该最佳snvsm体散射模型从所述观测相干矩阵中去除每个像元的体散射贡献，得到观测相干矩阵剩余项；
8.s3：基于x-bragg表面散射模型和改进的双次x-fresnel二面角散射模型，建立与观测相干矩阵剩余项的等式关系，利用非线性拟合方法解算得到植被覆盖下的土壤介电常数；
9.s4：通过介电混合模型将所述土壤介电常数转化为土壤含水量。
10.进一步地，步骤s1中，选取研究区，获取在时间维度上覆盖研究区作物生长周期的全极化合成孔径雷达影像，对原始数据进行预处理的操作包括：单视复数转换、相干矩阵提取、极化滤波、地理编码和数据裁剪，将观测散射矩阵转化为观测相干矩阵。
11.进一步地，步骤s2中，snvsm体散射模型假设散射粒子方向角的概率密度函数服从圆高斯分布，形状为水平或垂直类长圆柱体偶极子，基于粒子方向随机性τ对冠层散射建模，根据同极化功率比γ随所述方向随机性τ单调变化的关系，将τ设置为0-1，间隔为0.01，建立查找表，通过最小化观测相干矩阵同极化功率比与体散射相干矩阵同极化功率比之间的差值确定针对单个像元的最佳snvsm体散射模型：
[0012][0013]
其中，γ(t)为观测相干矩阵的同极化功率比，为snvsm体散射模型相干矩阵的同极化功率比。
[0014]
进一步地，步骤s2中，基于非负特征值约束确定体散射系数fv，进而从观测相干矩阵中去除目标的体散射贡献，公式为：
[0015]
t
remainder
＝t
observation-fv·
t
v_snvsm
[0016]
其中，t
observation
表示观测相干矩阵，t
v_snvsm
表示snvsm体散射模型相干矩阵，fv表示体散射系数，t
remainder
表示观测相干矩阵剩余项。
[0017]
进一步地，步骤s3中，考虑地面粗糙度，基于均匀分布概率密度函数，将布拉格散射模型与方位面斜率引起的去极化角进行积分构建得到x-bragg表面散射模型。
[0018]
进一步地，步骤s3中，在由水平地面和垂直植被构成的双次fresnel散射模型的基础上，将其与地表去极化角概率密度函数进行积分，获得改进的双次x-fresnel二面角散射模型。
[0019]
进一步地，基于x-bragg表面散射模型和改进的双次x-fresnel二面角散射模型建立与观测相干矩阵剩余项的等式关系：
[0020]
t
residual
＝t
remainder-fs·
t
s_x-bragg-fd·
t
d_x-fresnel
[0021]
其中，t
remainder
表示观测相干矩阵剩余项，t
s_x-bragg
表示x-bragg表面散射模型相干矩阵，fs表示表面散射系数，t
d_x-fresnel
表示x-fresnel二面角散射模型相干矩阵，fd表示二面角散射系数，t
residual
表示残差矩阵，t
s_x-bragg
和t
d_x-fresnel
公式中包含有土壤介电常数，利用非线性拟合解算方法，通过最小化残差矩阵准则得到土壤介电常数。
[0022]
进一步地，步骤s4中，通过介电混合模型将植被覆盖下的土壤介电常数转化为土壤含水量，实现土壤水分反演，介电混合模型公式为：
[0023]
sm＝-5.3 2.92ε
s-0.055ε
s2
0.0043ε
s3
[0024]
其中，sm为土壤水分，εs为土壤介电常数。
[0025]
本发明提供的技术方案带来的有益效果是：通过广义散射模型对植被下垫面和冠层散射自适应的准确建模，充分利用了相干矩阵信息，将欠定方程组转化为适定方程组进行非线性拟合解算，无需借助地面先验数据即可高效、精确地对植被覆盖下的土壤水分进行反演。
附图说明
[0026]
下面将结合附图及实施例对本发明作进一步说明，附图中：
[0027]
图1是本发明实施例中一种基于广义散射模型的三分量分解的土壤水分反演方法的流程图。
[0028]
图2是本发明实施例中研究区位置图。
[0029]
图3是本发明实施例中反演结果散点图。
具体实施方式
[0030]
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
[0031]
本发明的实施例提供了一种基于广义散射模型的三分量分解的土壤水分反演方法，用于估计农作物生长周期内植被覆盖下的土壤水分。所述三分量分解指的分别是表面散射、二面角散射、体散射。
[0032]
请参考图1，图1是本发明实施例中一种基于广义散射模型的三分量分解的土壤水分反演方法的流程图，本实施例选取加拿大安大略省一片农业区的小麦区域为研究区。在小麦整个生长期间选取七幅c波段radarsat-2全极化sar影像，在数据获取对应的日期进行实地调查，每块田测量得到32个实地采样点的真实土壤水分用于反演结果的验证。附图2显示了研究区位置和2019年5月9日的paulirgb影像，其中红色框内为小麦研究区域。具体实施步骤如下：
[0033]
步骤1：极化sar影像预处理
[0034]
选取研究区，获取在时间维度上覆盖研究区作物生长周期的全极化合成孔径雷达影像，对原始数据做单视复数转换、相干矩阵提取、极化滤波、地理编码、数据裁剪等预处理操作，将观测散射矩阵转化为观测相干矩阵。观测散射矩阵是观测值，由卫星影像直接提供。
[0035]
步骤2：从观测相干矩阵中去除体散射分量
[0036]
简化的纽曼体散射模型(simplified neumann volume scattering model，snvsm)假设散射粒子方向角的概率密度函数服从圆高斯分布，形状为水平或垂直类长圆柱体偶极子，基于粒子方向随机性τ对冠层散射建模，对应的极化相干矩阵为：
[0037][0038][0039]
其中和分别表示水平和垂直偶极子体散射。
[0040]
同极化功率比γ与水平和垂直偶极子体散射对应的τ分别为单调递减和单调递增关系，并且随着τ趋于1，γ逐渐趋向于0。因此可以根据同极化功率比γ来确定体散射类型，当γ＞0时，为水平偶极子体散射；当γ＜0时，为垂直偶极子体散射。γ的计算公式为：
[0041]
γ＝〈|s
hh
|2》/《|s
vv
|2》
[0042]
其中，γ为同极化功率比，s
hh
为水平极化后向散射系数，s
vv
为垂直极化后向散射系数。
[0043]
根据同极化功率比γ与方向随机性τ单调变化的关系，将τ设置为0-1，间隔为0.01，建立查找表，通过最小化观测相干矩阵同极化功率比与体散射相干矩阵同极化功率比之间的差值确定针对单个像元的最佳snvsm体散射模型，即：
[0044][0045]
其中，γ(t)为观测相干矩阵的同极化功率比，为snvsm体散射模型相干矩阵的同极化功率比。
[0046]
为了防止高估体散射而导致负功率情况，通过基于非负特征值约束确定体散射系数fv，进而从观测相干矩阵中去除目标的体散射贡献：
[0047]
t
remainder
＝t
observation-fv·
t
v_snvsm
[0048]
其中，t
observation
表示观测相干矩阵，t
v_snvsm
表示snvsm体散射模型相干矩阵，fv表示体散射系数，t
remainder
表示观测相干矩阵剩余项。
[0049]
上述步骤s2从相干矩阵去除体散射得到相干矩阵剩余项，而之后的步骤s3将观测相干矩阵剩余项分解为表面散射和二面角散射。具体操作如下：
[0050]
步骤3：从观测相干矩阵剩余项中解算土壤介电常数
[0051]
去除体散射分量后，基于x-bragg表面散射模型和改进的双次x-fresnel二面角散射模型建立与观测相干矩阵剩余项的等式关系：
[0052]
t
residual
＝t
remainder-fs·
t
s_x-bragg-fd·
t
d_x-fresnel
[0053]
其中，t
remainder
表示观测相干矩阵剩余项，t
s_x-bragg
表示x-bragg表面散射模型相干矩阵，fs表示表面散射系数，t
d_x-fresnel
表示x-fresnel二面角散射模型相干矩阵，fd表示二面角散射系数，t
residual
表示残差矩阵。模型可得4个方程，包括6个未知参数，分别为表面(fs)和二面角(fd)散射系数、土壤介电常数(εs)、植被介电常数(ε
t
)、地表去极化角(δ)，同极化相位差
[0054]
假设植被覆盖均匀同质，则二面角散射项中的同极化相位差为零。地表去极化角可以利用基于观测数据的圆极化相关系数γ
rrll
近似估计：
[0055][0056]
其中，δ为地表去极化角，s
rr
为右旋圆极化后向散射系数，s
ll
为左旋圆极化后向散射系数。
[0057]
改进的布拉格(x-bragg)表面散射模型考虑了地面粗糙度，基于均匀分布概率密度函数通过将布拉格(bragg)散射模型与方位面斜率引起的去极化角进行积分构建得到，x-bragg表面散射模型对应的相干矩阵为：
[0058][0059][0060][0061][0062]
其中，r
hh
、r
vv
为水平和垂直极化的布拉格反射系数，δ为地表去极化角，θ为入射角，εs为土壤介电常数，sinc()表示函数。
[0063]
双次菲涅尔(fresnel)散射模型描述了由水平地面和垂直茎秆构建的二面角散射情况，对应的相干矩阵为：
[0064][0065][0066][0067][0068][0069][0070]
其中，r
hs
、r
vs
分别为地面土壤的水平和垂直fresnel散射系数；r
ht
、r
vt
分别为植被茎秆的水平和垂直fresnel散射系数；εs、ε
t
分别为土壤介电常数和茎秆介电常数；为极化相位差；θ为入射角，i表示虚数。
[0071]
根据x-bragg表面散射模型引入去极化角的思想，在双次fresnel散射模型的基础上，将其与地表去极化角概率密度函数进行积分，获得改进的双次菲涅尔(x-fresnel)二面
角散射模型，改进的双次x-fresnel二面角散射模型对应的相干矩阵为：
[0072][0073]
其中：
[0074][0075][0076][0077][0078]
利用非线性拟合解算方法，通过最小化残差矩阵准则即得到土壤介电常数。
[0079]
步骤4：土壤水分反演
[0080]
通过介电混合模型将植被覆盖下的土壤介电常数转化为土壤含水量，实现土壤水分反演。介电混合模型公式为：
[0081]
sm＝-5.3 2.92ε
s-0.055ε
s2
0.0043ε
s3
[0082]
其中，sm为土壤水分，εs为土壤介电常数。
[0083]
将反演结果与实验区中小麦生长周期内七个时期共224个实测采样点的真实土壤水分比较，附图3为土壤水分实测结果和模型反演结果的散点图。每个时期反演结果的均方根误差均在7％以下，且总体均方根误差达到5.75％，实现了对植被覆盖下的土壤水分高效、精确地反演。
[0084]
本发明的有益效果是：通过广义散射模型对植被下垫面和冠层散射自适应的准确建模，充分利用了相干矩阵信息，将欠定方程组转化为适定方程组进行非线性拟合解算，无需借助地面先验数据即可高效、精确地对植被覆盖下的土壤水分进行反演。
[0085]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。