ASAR和TM数据协同反演植被覆盖地表土壤水分的新方法
摘要
考虑到主动微波和被动光学遥感数据反映地表土壤水分的各自优势, 提出一种ASAR数据和TM数据协同反演植被覆盖土壤水分的半经验耦合模型. 该模型通过简化MIMICS模型, 将研究对象分为植被冠层和土壤层两部分, 模拟了冠层叶片含水量与单位体积内植被消光系数, 后向/双向散射系数的经验关系, 减少了模型的输入参数, 使模型最关键的输入参数为光学易于反演的叶面积指数<italic>LAI. LAI</italic>采用PROSAIL模型进行反演, 实现微波和光学模型的耦合, 并引入植被均方根高度(<italic>S</italic><sub>veg</sub>)来修正冠层重叠造成的雷达阴影效应, 然后对半经验模型的系数进行了参数敏感性分析, 发现在<italic>LAI</italic>较小时(<italic>LAI</italic>≤3), 模型更为适用. 最后, 选用甘肃黑河试验区的TM, ASAR数据, 利用耦合模型生成了研究区土壤水分布图, 并利用地面实测数据对该耦合模型和MIMICS模型进行比较验证. 结果表明: 通过对雷达阴影效应的校正, 该模型反演的地表土壤水分与实测值的平均相对误差<italic>E</italic><sub>r</sub>从17.6%减小到10.4%, <italic>RMS</italic>从0.055降低到0.031 g/cm<sup>3</sup>. 同时, 耦合模型的反演效果明显好于MIMICS模型单独反演的结果(<italic>E</italic><sub>r</sub>=22.7%, <italic>RMS</italic>=0.068 g/cm<sup>3</sup>); 表明在<italic>LAI</italic>较小的区域, 该主被动遥感耦合模型能有效的反演土壤水分, 取得较好的反演精度.