绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 3 条结果
摘要:在分析光学与微波遥感各自的应用现状及面临的挑战的基础上,从数据层、数据预处理和定量化理论与方法3个层面详细分析和总结了适用于多云雾山丘地区复杂环境的遥感定量化应用理论与方法,包括面向对象的反演策略、主被动遥感协同、时间序列建模、前向模型地形效应修正、弱敏感参数反演等。同时,结合研究团队近年在多云雾山丘地区遥感定量应用的研究实践,给出西南地区的土地连续变化监测、森林火灾风险评估、干旱监测、植被覆盖条件下的土壤水分主被动遥感反演等方面的应用实例。
[博士论文] 白晓静
信息与通信工程 电子科技大学 2017(学位年度)
摘要:土壤水分在全球和区域水文和气象过程中发挥着重要作用,被认为是地球科学研究中不可或缺的状态变量。特别是在自然环境恶劣的干旱、半干旱和高寒草原区域,土壤水分被认为是影响草原物候的最重要因素。遥感技术的快速发展使得多时空尺度的土壤水分变化监测成为可能。由于对土壤水分的高度敏感性及全天时全天候的观测能力,使得微波遥感在裸露地表和植被覆盖区域土壤水分反演中应用越来越广泛。然而地表粗糙度和植被的散射贡献会降低微波信号对土壤水分的敏感性,从而增加土壤水分反演的复杂度和难度。因此同时消除地表粗糙度和植被对土壤水分反演的影响成为构建草原地表土壤水分反演方法的关键技术。本文以青海省乌图美仁草原、四川省若尔盖草原和青海省青海湖流域为研究区域,以合成孔径雷达(synthetic aperture radar, SAR)数据、光学遥感数据和地面实测数据为重要数据源,通过耦合不同的土壤介电常数模型、地表散射模型和植被散射模型,构建适合草原地表的土壤水分反演方法。
  本研究主要内容包括:⑴采用实测地表粗糙度参数初始化地表散射模型,发展了基于高级积分方程模型(AIEM)和比值方法的草原地表土壤水分反演方法。该方法将实测地表粗糙度参数作为先验知识用于模拟裸露地表同极化后向散射系数与土壤水分之间的经验关系,同时实现对比值方程中未知系数的求解。构建的土壤水分反演方法中,AIEM模型用于模拟裸露地表的后向散射系数,比值方程用于消除植被的散射贡献,其中四个不同的植被参数包括叶面积指数(LAI)、植被含水量(VWC)、归一化植被指数(NDVI)和增强植被指数(EVI)分别用于植被散射贡献的参数化。通过在乌图美仁草原和青海湖流域的实验结果表明,该方法可以用于草原地表的土壤水分反演。同时研究发现,LAI同其它植被参数相比更适合于乌图美仁草原植被的参数化,而 LAI、NDVI和EVI都可以用于表征青海湖流域的植被散射特征。⑵充分利用SAR数据的多极化信息消除对实测地表粗糙度参数的依赖,建立土壤介电常数与观测到的同极化后向散射系数间的定量函数关系,从而实现对草原地表的土壤水分反演。该方法解决在实测地表粗糙度参数缺失的情况下如何充分利用多极化 SAR数据实现对草原地表的土壤水分反演。首先通过化简Dubois模型建立土壤介电常数与裸露地表同极化后向散射系数间的函数关系,然后分别采用比值方法和水云模型(water cloud model, WCM)实现对植被散射贡献的分离,其中植被的散射机制分别采用LAI、VWC、NDVI和EVI四个植被参数进行表征。通过实验结果表明,该方法有效地解决了地表粗糙度参数和植被对土壤水分反演的影响。从植被参数化对土壤水分反演结果影响发现,在乌图美仁草原LAI参数化植被的效果较好,而在若尔盖草原EVI效果较好。该方法不依赖于任何的地表粗糙度参数,极大地提高了土壤水分反演方法的适用性。⑶基于AIEM模型、比值方法和有效粗糙度参数构建了适合草原地表的土壤水分反演方法。该方法主要是针对在考虑地表粗糙度参数的同时且不依赖于实测地表粗糙度参数的情况下实现对草原地表的土壤水分反演。AIEM模型用于模拟裸露地表后向散射系数,其中给定的粗糙度参数作为模型的输入参数。比值方法用于将植被的散射贡献从总后向散射系数中进行分离,其中四个植被参数 LAI、VWC、NDVI和EVI分别用于表征植被的散射贡献。通过实验结果发现,该方法可以用于草原地表土壤水分反演并且算法精度明显提高。针对比值方程中植被的参数化问题,研究结果表明 LAI适合表征乌图美仁草原的植被散射,EVI适合描述若尔盖草原的植被生长状况,而LAI、NDVI和EVI均可以表征青海湖流域的植被散射贡献。该方法考虑了地表粗糙度参数对后向散射系数的贡献,但同时有效粗糙度参数的加入消除了对地面实测数据的依赖,提高了该方法的普适性。⑷基于全极化Radarsat-2数据提取的极化特征参数以及多元线性回归方程,探索极化特征参数用于估算草原地表土壤水分的可行性。该方法考虑如何在不消除地表粗糙度参数和植被散射贡献的前提下直接采用极化特征参数实现对草原地表的土壤水分估算。本文考虑的极化特征参数包括Cloude分解参数极化熵、散射角和反熵,三个特征值参数,特征值组合参数包括单次反射特征值相对差异度、双次散射特征值相对差异度和雷达植被指数,以及 Freeman分解参数表面散射分量、二次散射分量和体散射分量。通过乌图美仁草原和若尔盖草原的实验结果发现,极化特征参数可以辅助草原地表的土壤水分反演。
[硕士论文] 白晓静
控制工程 电子科技大学 2013(学位年度)
摘要:目标分解技术是为更好地解译极化SAR(Synthetic Aperture Radar)数据发展起来的。Cloude分解是目前应用比较广泛的一种非相干目标分解方法,在图像分类、目标识别和地表参数反演等领域均有成功应用。但是,Cloude分解在提取参数时需要对每个像素单元进行特征分解,这非常耗时并且难以满足海量数据实时处理的要求。
  本文以Cloude分解为理论基础,结合ALOS(Advanced LandObserving Satellite)卫星的PALSAR(ThePhased ArraytypeL-bandSAR)极化SAR数据展开研究。首先分析基于特征矢量的目标分解方法,然后对Cloude分解参数的特性进行详细剖析,进而提出了极化熵H和散射角ˉα的快速替代参数伪熵~H和伪散射角~α,最后研究所有替代参数的非独立性,主要研究工作和成果如下:
  (1)详细分析Cloude分解特征参数极化熵H、散射角ˉα、反熵A、总能量SPAN和平均散射能量I的性质及其物理意义,为后续构建~H和~α奠定基础。由H和ˉα构成的特征空间可以划分成八个有效区域,每个区域对应一种类型的散射机制。H和A构成的特征空间提高了Cloude分解的分类能力。以Cloude分解特征值为基础衍生的其他特征参数,有助于分析自然媒质的散射特征。
  (2)在分析现有极化熵H和散射角ˉα的两组快速替代参数——Praks分解参数和安分解参数①的基础上,提出新替代参数伪熵~H和伪散射角~α。其中~H和H相关系数的平方达到0.98以上,~H和~α相关系数的平方同样达到0.98以上,~H和~α的分类能力评价指标Kappa系数达到0.8以上,替代参数~H和~α的计算效率比~H和~α大大提高了,说明从统计意义角度~H和~α可以替代H和ˉα。
  (3)建立极化熵H和散射角ˉα的三组替代参数的非独立性关系。散射多样性?H和散射分量N11,相似熵h和表面相似度q,以及伪熵~H和伪散射角~α均可以采用变量E建立二者之间的定量关系,说明替代参数之间是非独立的并且存在数据冗余。然而原Cloude分解参数H和ˉα之间并不存在类似的定量关系,这说明三组替代参数与H和ˉα的物理意义还有差别,仍需要进一步验证。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部