本发明涉及一种基于高分三号数据的植被覆盖区土壤水分反演方法，面向我国首颗自主研制的C波段多极化SAR卫星，形成了一套系统完整的土壤水分反演流程，可实现植被覆盖区土壤水分高精度反演。
背景技术：
土壤水分是全球能量循环的重要组成部分，是水文学、气象学和农学等学科研究中的重要参数。传统上获取土壤水分信息是依靠站点观测，不仅费时费力，而且由于站点分布稀疏，并不能全面反映土壤水分的空间分布特征。合成孔径雷达(SAR)具有全天时全天候的观测能力，受云、雨、雪的影响较小，能够更深的穿透植被层和土壤表面。微波传感器接收到的地表反射的微波后向散射系数与地表土壤的介电特性密切相关，而土壤的介电特性主要由其含水量决定，因此基于微波遥感估算土壤水分具备很好的物理基础。
目前基于主动微波遥感实现土壤水分反演的方法主要包括统计模型(Oh和Dubois等)和物理模型(IEM和AIEM等)。统计模型是基于大量同步观测的野外实验，建立后向散射系数与地面参数采样数据(土壤水分和地表粗糙度)的经验关系。尽管统计模型在相似条件的试验区可达到较好的土壤水分反演效果，但是在其他区域的应用会受到地表参数条件的限制。物理模型则可以较好的解释自然地表与电磁波之间相互作用的机理关系，可用于模拟不同地表参数条件下的后向散射系数。然而在植被覆盖地区，由于植被本身的多重散射效应和植被冠层水分对电磁信号的散射和衰减，导致很难区分出专门由土壤水分引起的雷达回波信号。水云模型是一种半经验模型，假定各植被层为一个各项均质的散射体，忽略了植被层与地表之间的相互多次散射，已被广泛应用于植被区域后向散射的模拟。除此之外，研究表明光学遥感和微波遥感结合可有效提高土壤水分反演的精度。
当前主流的L/C/X波段卫星，如ALOS-2、Radarsat-2、Sentinel-1andTerraSAR-X,均已开发并测试了多种土壤水分反演算法。高分三号卫星作为我国首颗自主研制的C波段SAR卫星，目前针对该卫星的土壤水分反演算法较少。本发明涉及的基于高分三号数据的植被覆盖区土壤水分反演方法，可有效评估高分三号卫星土壤水分反演的能力，并实现植被覆盖区土壤水分高精度反演。
技术实现要素：
针对我国自主研制的首颗C波段SAR卫星，和植被覆盖区土壤水分反演精度较低的问题，本发明提出了一种基于高分三号数据的植被覆盖区土壤水分反演方法，可实现植被覆盖区土壤水分高精度反演。
本发明的目的通过以下技术步骤实现：
步骤1)结合河北省栾城县野外观测数据和光学遥感影像，建立12种光学植被指数(MSI、MSI2、NMDI、NDI、NDII、NDVI、NDWI、EVI、SRWI、SWIRR、SIWSI和OSAVI)与植被含水量(VWC)的拟合关系，并优选最佳光学植被指数校正植被光学厚度的影响，获得研究区植被含水量反演影像图。
步骤2)面向高分三号载荷特点并结合AIEM模型建立适用于栾城县研究区的同极化后向散射系数数据库，包含入射角、频率、表面均方根高度、表面相关长度、HH和VV极化后向散射系数值和对应的土壤水分信息。
步骤3)结合AIEM模型和栾城县野外实测数据率定水云模型中的植被参数A和B，并基于改进的水云模型计算得到校正植被光学厚度影响之后的裸土后向散射系数
步骤4)基于已建立的代价函数Z，将校正植被光学厚度影响之后的裸土后向散射系数与模拟的数据库中的后向散射系数同时在HH和VV极化双通道进行差值最小化，匹配到数据库中最邻近的后向散射系数值，并取对应的土壤水分作为该像元的土壤水分，实现植被覆盖区土壤水分反演。
进一步，所述步骤1)的具体方法为：
a)对光学遥感影像进行二步预处理工作：一是辐射定标；二是大气校正；b)根据12种光学植被指数(MSI、MSI2、NMDI、NDI、NDII、NDVI、NDWI、EVI、SRWI、SWIRR、SIWSI和OSAVI)计算植被含水量(VWC)；c)建立植被含水量(VWC)与野外实测含水量的拟合关系，并从中优选出最佳光学植被指数校正植被光学厚度的影响，生产研究区植被含水量反演结果图。
进一步，所述步骤2)的具体方法为：
a)基于高分三号载荷特点，影像的入射角和频率作为参数输入AIEM模型(其中入射角设置为20-60度，间隔为1度)；b)基于野外实测数据，将表面均方根高度设置为0.5～1.5，间隔为0.1；表面相关长度设置为15.0～20.0，间隔为1.0；土壤水分设置为0.05～0.40，间隔为0.01；c)基于设置好的参数信息，利用AIEM模型生产同极化后向散射系数数据库，包含入射角、频率、HH和VV极化的后向散射系数值、表面均方根高度、表面相关长度和土壤水分参量。
进一步，所述步骤3)的具体方法为：
a)将高分三号雷达影像进行三步预处理工作：一是辐射定标；二是滤波；三是地理编码，获得高分三号影像HH和VV极化后向散射系数值，并作为水云模型中的参量值；b)将AIEM模型模拟的裸土后向散射系数作为水云模型中的参量值；c)将步骤1)计算得到的植被含水量VWC作为水云模型中的参量mveg值；d)基于水云模型通过最小二乘法计算得到植被参数A和B；e)基于改进的水云模型计算高分三号卫星影像校正植被光学厚度影响之后的裸土后向散射系数
进一步，所述步骤4)的具体方法为：
a)基于新建立的代价函数Z，将校正植被光学厚度影响之后的裸土后向散射系数与模拟的数据库中的后向散射系数同时在HH和VV两个通道进行差值最小化，匹配到数据库中最邻近的后向散射系数值；b)取对应的土壤水分作为该像元的土壤水分，实现植被覆盖区土壤水分反演。代价函数Z公式如下：
其中是高分三号卫星影像基于改进的水云模型校正植被光学厚度影响之后的裸土后向散射，是模拟的裸土后向散射。
附图说明
图1为各植被指数与野外实测植被含水量的拟合关系图；
图2为研究区植被含水量反演结果图；
图3为基于高分三号雷达影像的总后向散射系数值与基于改进的水云模型计算得到的裸土后向散射系数值
图4为同时使用高分三号雷达影像HH和VV极化双通道的土壤水分反演结果图；
具体实施方式
下面结合附图对本发明“一种基于高分三号数据的植被覆盖区土壤水分反演方法”作进一步阐述说明。
(一)优选最佳光学植被指数实现研究区植被含水量反演
基于12种光学植被指数(MSI、MSI2、NMDI、NDI、NDII、NDVI、NDWI、EVI、SRWI、SWIRR、SIWSI和OSAVI)，分别建立其与野外实测植被含水量数据的拟合关系(图1)，并根据拟合优度R2值优选适用于研究区的最佳光学植被指数，实现研究区植被含水量反演(图2)。各植被指数的计算公式如下所示：
(其中针对Landsat 8OLI光学遥感数据，ρred是第4波段，ρblue是第2波段，ρnir是第5波段，ρswir1是第6波段，ρswir2是第7波段)
(二)同极化后向散射系数数据库
Fung等于1992年提出了以电磁波辐射传输方程为基础的积分方程模型。高级积分方程模型AIEM(Advanced IEM)是IEM的改进模型，能描述从较光滑表面到粗糙表面的散射特征，能模拟更宽输入参数范围的地表辐射特征。因此AIEM模型被用来模拟高分三号卫星参数配置下的裸土后向散射系数数据库。其中Dobson介电常数模型被用来描述土壤介电特性和土壤水分的关系。AIEM模型可被概括描述如下：
其中f为频率，θ为入射角，PP代表极化方式，SM代表土壤水分，S为表面均方根高度，l为表面相关长度，ACF为采用的指数自相关函数。
基于高分三号载荷特点，影像的入射角和频率作为参数输入AIEM模型(其中入射角设置为20-60度，间隔为1度)；基于野外实测数据，将表面均方根高度设置为0.5～1.5，间隔为0.1；表面相关长度设置为15.0～20.0，间隔为1.0；土壤水分设置为0.05～0.40，间隔为0.01；基于设置好的参数信息，利用AIEM模型生产同极化后向散射系数数据库，包含入射角、频率、HH和VV极化的后向散射系数值、表面均方根高度、表面相关长度和土壤水分参量。
(三)裸土后向散射系数计算
Attema于1978年提出水云模型，该模型假定各植被层为一个各向均质散射体，忽略了植被层与地表之间的相互多次散射。水云模型的表达式如下所示：
其中是总后向散射，是植被后向散射，是裸土后向散射，θ为入射角、mveg为植被含水量(VWC)，A和B为植被参数。
将高分三号雷达影像进行三步预处理工作：一是辐射定标；二是滤波；三是地理编码，获得高分三号影像HH和VV极化后向散射系数值，并作为水云模型中的参量值；将AIEM模型模拟的裸土后向散射系数作为水云模型中的参量值；将步骤1)计算得到的植被含水量VWC作为水云模型中的参量mveg值；基于水云模型通过最小二乘法计算得到植被参数A和B；基于改进的水云模型计算高分三号卫星影像校正植被光学厚度影响之后的裸土后向散射系数(图3)。
(三)基于高分三号数据的植被覆盖区土壤水分反演
步骤(二)中模拟的适用于研究区的同极化后向散射系数数据库包含HH和VV极化后向散射系数以及对应的土壤水分，本发明基于新建立的代价函数Z实现了HH和VV极化双通道数据同时进行差值最小化，匹配到与输入的高分三号卫星数据最邻近的后向散射系数，然后取对应的土壤水分作为该像元的土壤水分，实现了植被覆盖区土壤水分反演(图4)。
代价函数Z的计算公式如下：
其中是高分三号卫星影像基于改进的水云模型校正植被光学厚度影响之后的裸土后向散射，是模拟的裸土后向散射。