基于雷达后向散射系数Oh模型的地形特征反演方法与流程
基于雷达后向散射系数oh模型的地形特征反演方法
技术领域
1.本发明属于地质及水文勘测技术领域，特别涉及基于雷达后向散射系数oh模型的地形特征反演方法。
背景技术：
2.雷达散射系数又称后向散射系数，是指入射方向目标单位截面积的雷达的反射率,表示入射方向上的散射强度的参数或目标单位面积的平均雷达散射截面。通常以分贝表示。表面散射指在介质表面产生的散射。影响表面散射的因素有介电常数和表面粗糙度。自然表面可以分解为一系列具有小尺度几何形状(即粗糙度)的平面元。对于这种表面小尺度的几何形状可以用统计学中的高度标准差(均方根高度)和表面相关长度来表示，它们分别从垂直和水平两个方向上对粗糙度进行描述。
3.而现有的基于合成孔径雷达测量地形特征的关键问题中具有地表粗糙度带来的误差较大的问题。
技术实现要素：
4.本发明是为了解决现有的基于合成孔径雷达遥感反演地形特征的关键问题中地表粗糙度带来的误差较大的问题。本发明提出了基于雷达后向散射系数oh模型的地形特征反演方法。
5.本发明的技术方案包括以下步骤：
6.步骤1、分析侦察探测合成孔径雷达vv极化后向散射系数与地表参数的相关性；
7.步骤2、分析侦察探测合成孔径雷达vv极化后向散射系数与地表地形特征的相关性；
8.步骤3、分析侦察探测合成孔径雷达vh极化后散射系数与地表参数的相关性；
9.步骤4、基于侦察探测合成孔径雷达数据分析vh/vv极化后散射系数与粗糙度的相关性；
10.步骤5、引入植被度改进水云模型；
11.步骤6、对植被参数进行分析；
12.步骤7、利用oh模型反演土壤水分，得到裸土的后向散射系数。
13.作为优选的是，所述步骤1中包括：
14.步骤1.1、分析侦察探测雷达的vv极化后向散射系数与相关长度l之间的关系；
15.在oh模型中输入参数分别只改变雷达探测地表的地形特征和均方根高度，观察分别在不同地形特征、不同均方根高度下，侦察探测雷达vv极化后向散射系数对相关长度的响应，在研究不同探测地表地形特征ms，相关长度l与侦察探测雷达后向散射系数的关系时，设定探测地表相关长度l的取值范围为[1cm，18cm]，步长为0.3cm，地形特征ms取值范围为[0.01cm3/cm3，0.31cm3/cm3]，间隔为0.02cm3/cm3；
[0016]
步骤1.2、分析侦察探测雷达vv极化后向散射系数对雷达探测地表均方根高度s的响应情况；
[0017]
在oh模型中输入参数分别只改变雷达探测地表地形特征ms和相关长度l，观察分别在不同地形特征ms和在不同相关长度l下，侦察探测雷达vv极化后向散射系数对均方根高度s的响应，在研究不同地形特征ms，侦察探测雷达vv极化后向散射系数对均方根高度s的响应情况时，设定均方根高度s取值范围为[0.001cm，3cm]，步长为0.05cm。
[0018]
作为优选的是，所述步骤2中包括：
[0019]
步骤2.1、分析侦察探测雷达vv极化后向散射系数与雷达探测地表地形特征ms之间的关系；
[0020]
在oh模型中输入参数分别只改变雷达探测地表均方根高度和相关长度，观察分别在不同均方根高度和在不同相关长度下，侦察探测雷达vv极化后向散射系数对探测地表地形特征ms的响应，在研究不同相关长度l，地形特征ms与侦察探测雷达vv极化后向散射系数的关系时，ms取值范围为[0.01cm3/cm3，0.31cm3/cm3]，步长为0.005cm3/cm3。
[0021]
作为优选的是，所述步骤3中包括：
[0022]
步骤3.1、分析侦察探测雷达vh极化后向散射系数与雷达探测地表相关长度l之间的关系；
[0023]
在oh模型中输入参数分别只改变雷达探测地表的地形特征和均方根高度，观察分别在不同地形特征、不同均方根高度下，侦察探测雷达vh极化后向散射系数对相关长度的响应，在研究不同雷达探测地表地形特征ms，相关长度l与侦察探测雷达后向散射系数的关系时，设定相关长度l的取值范围为[1cm，18cm]，步长为0.3cm，雷达探测地表地形特征ms取值范围为[0.01cm3/cm3，0.31cm3/cm3]，间隔为0.02cm3/cm3；
[0024]
步骤3.2、分析侦察探测雷达vh极化后向散射系数对探测地表的均方根高度s的响应情况；
[0025]
在oh模型中输入参数分别只改变探测地表的地形特征ms和相关长度l，观察分别在不同探测地表地形特征ms和在不同相关长度l下，侦察探测雷达vh极化后向散射系数对均方根高度s的响应，在研究不同探测地表地形特征ms，侦察探测雷达vh极化后向散射系数对均方根高度s的响应情况时，设定均方根高度s取值范围为[0.001cm，3cm]，步长为0.05cm。
[0026]
作为优选的是，所述步骤4中包括：
[0027]
步骤4.1、分析侦察探测雷达vh/vv极化后向散射系数与雷达探测地表相关长度l之间的关系；
[0028]
在oh模型中输入参数分别只改变探测地表达的地形特征和均方根高度，观察分别在不同探测地表的地形特征、不同均方根高度下，侦察探测雷达vh/vv极化后向散射系数对相关长度的响应，研究不同探测地表地形特征ms，相关长度l与侦察探测雷达后向散射系数
的关系与步骤3.1所述的方式一致；
[0029]
步骤1.2、分析侦察探测雷达的vh/vv极化后向散射系数对探测地表的均方根高度s的响应情况；
[0030]
在oh模型中输入参数分别只改变探测地表的地形特征ms和相关长度l，观察分别在不同地形特征ms和在不同相关长度l下，侦察探测雷达vh/vv极化后向散射系数对均方根高度s的响应，研究不同地形特征ms，侦察探测雷达的vh/vv极化后向散射系数对均方根高度s的响应情况与步骤3.2所述的方式一致。
[0031]
作为优选的是，所述步骤5中，为了更好的估算出后向散射系数值，引入探测地表的植被覆盖度改进水云模型，计算出实际的后向散射系数，具体形式如式(1)所示：
[0032][0033]
其中，为总侦察探测雷达的后向散射系数；f
veg
为探测地表的像元植被覆盖度，f
veg
值在(0，1)之间，当其趋于1时，说明探测地表的植被覆盖区面积所占比例较大，反之，当其趋于0时，探测地表的裸露地表区所占面积较大；f
veg
可使用sentinel-2数据，采用像元二分模型对植被覆盖度进行计算，如式子(2)所示：
[0034]fveg
＝(ndvi-ndvi
min
)/(ndvi
max-ndvi
min
) (2)
[0035]
其中，ndvi为sentinel-2数据中计算出的归一化植被指数值；ndvi
min
为裸露地区的归一化植被指数值，理论上为0；ndvi
max
为植被覆盖区的归一化植被指数值；选择探测地区的中ndvi值累积分布概率分布为5％和95％对应的值作为ndvi
min
和ndvi
max
，将式(2)与水云模型结合得到式(3)：
[0036][0037]
作为优选的是，所述步骤6中，首先确定探测地表的不同植被类型下的a、b值，使用土壤样本采用点的后向散射系数，分别固定a、b值改变另一个参数的数值，运行经过探测地表的植被覆盖度改进后的水云模型，得到基于探测地表的不同a、b取值下的后向散射系数。
[0038]
作为优选的是，所述步骤7中，对不同极化下侦察探测雷达后向散射系数在不同情况下对探测地表参数的响应的研究，针对oh模型，对相关长度l设置范围为1～18cm，步长为3cm；均方根高度为s范围为0.4～2.2cm，步长为0.1cm；地形特征ms设置为0.01～0.31cm3/cm3，步长为0.005cm3/cm3，同时输入自由空间波数等参数，多次运行oh模型，得到由不同相关长度、不同均方根高度等条件下对应侦察探测雷达后向散射系数组成的数据库，从探测sar影像中获取像元的后向散射系数，通过查表的方法寻与去除探测地区植被覆盖影响的裸土后向散射系数之间具有最小代价函数(m)的oh模拟的裸土后向散射系数代价函数具体形式如式(4)
[0039]
[0040]
有益效果在于本发明针对基于多源遥感反演土壤水分的关键问题中地表粗糙度带来的误差，先用水云模型修正后向散射系数，去除农田冬小麦覆盖的影响，得到地表土壤直接后向散射系数的贡献，再用oh模型反演土壤水分。再用水云模型去除农作物影响时，包括农作物含水量的反演、植被覆盖度的引用和模型系数的求解，最后得到裸土的后向散射系数，解决了现有的基于多源遥感反演土壤水分的关键问题中地表粗糙度带来的误差较大的问题。
附图说明
[0041]
图1为不同土壤水分时相关长度与vv极化后向散射系数关系示意图；
[0042]
图2为不同均方根高度时相关长度与vv极化后向散射系数关系示意图；
[0043]
图3为不同土壤水分时均方根高度与vv极化后向散射系数关系示意图；
[0044]
图4为不同相关长度时均方根高度与vv极化后向散射系数关系示意图；
[0045]
图5为不同相关长度时土壤水分与vv极化后向散射系数关系示意图；
[0046]
图6为不同均方根高度时土壤水分与vv极化后向散射系数关系示意图；
[0047]
图7为不同土壤水分时均方根高度与vh极化后向散射系数的关系示意图；
[0048]
图8为不同均方根高度时土壤水分与vh极化后向散射系数关系示意图；
[0049]
图9为不同均方根高度时相关长度与vh/vv极化后向散射系数关系示意图；
[0050]
图10为不同相关长度时均方根高度与vh/vv极化后向散射系数关系示意图；
[0051]
图11为不同b值后向散射系数变化折线图；
[0052]
图12为不同a值后向散射系数变化折线图；
[0053]
图13为以oh模型为主的土壤反演流程图；
[0054]
图14为去除植被影响vv后向散射系数对比；
[0055]
图15为去除植被影响vh后向散射系数对比；
[0056]
图16为vv极化去除粗糙度影响的土壤水分反演精度对比；
[0057]
图17为vh极化去除粗糙度影响的土壤水分反演精度对比；
[0058]
图18为研究区土壤水分空间分布图；
[0059]
图19为研究区融合植被指数空间分布图。
具体实施方式
[0060]
具体实施方式一：参照附图具体说明本实施方式，如图1-19所示，本实施方式所述的基于雷达后向散射系数oh模型的地形特征反演包括：包括以下步骤：
[0061]
步骤1、分析侦察探测合成孔径雷达vv极化后向散射系数与地表参数的相关性；
[0062]
步骤2、分析侦察探测合成孔径雷达vv极化后向散射系数与地表地形特征的相关性；
[0063]
步骤3、分析侦察探测合成孔径雷达vh极化后散射系数与地表参数的相关性；
[0064]
步骤4、基于侦察探测合成孔径雷达数据分析vh/vv极化后散射系数与粗糙度的相关性；
[0065]
步骤5、引入植被度改进水云模型；
[0066]
步骤6、对植被参数进行分析；
[0067]
步骤7、利用oh模型反演土壤水分，得到裸土的后向散射系数。
[0068]
具体实施方式二：参照附图具体说明本实施方式，所述步骤1中包括：
[0069]
步骤1.1、分析侦察探测雷达的vv极化后向散射系数与相关长度l之间的关系；
[0070]
在oh模型中输入参数分别只改变雷达探测地表的地形特征和均方根高度，观察分别在不同地形特征、不同均方根高度下，侦察探测雷达vv极化后向散射系数对相关长度的响应，在研究不同探测地表地形特征ms，相关长度l与侦察探测雷达后向散射系数的关系时，设定探测地表相关长度l的取值范围为[1cm，18cm]，步长为0.3cm，地形特征ms取值范围为[0.01cm3/cm3，0.31cm3/cm3]，间隔为0.02cm3/cm3；
[0071]
步骤1.2、分析侦察探测雷达vv极化后向散射系数对雷达探测地表均方根高度s的响应情况；
[0072]
在oh模型中输入参数分别只改变雷达探测地表地形特征ms和相关长度l，观察分别在不同地形特征ms和在不同相关长度l下，侦察探测雷达vv极化后向散射系数对均方根高度s的响应，在研究不同地形特征ms，侦察探测雷达vv极化后向散射系数对均方根高度s的响应情况时，设定均方根高度s取值范围为[0.001cm，3cm]，步长为0.05cm。结果如图3所示。
[0073]
本实施方式中，如图1-4所示，与图1不同的是，图2所展示的是不同均方根高度s时，vv极化后向散射系数对相关长度l的响应变化图，此时土壤水分ms为定值，均方根高度s取值范围为[0.01cm，0.31cm]，间隔0.02cm。从图4-1中，我们可以看到，在同一土壤水分ms下，vv极化后向散射系数随着相关长度l的增加而增大，在l大于3cm时，增加的速度相比于l小于3cm缓慢；在相同l，vv极化后向散射系数随着土壤水分ms的增加而增大，且增速趋于减少。在图4-2中可以看出，当均方根高度s分别为0.01cm、0.03cm时，vv极化后向散射系数随着相关长度l的增加而增大的速度较为缓慢，且在同一个l，两者间的随s变化幅度较大，后向散射系数变化超过1db，当s超过0.03cm时，变化在1db之内。随着s逐渐趋于0.31cm，在同一l下，随着s增加速度逐渐缓慢。在同一个均方根高度s下，且在相关长度l范围内，约变化了1db。
[0074]
图4所展示的在不同相关长度l，vv极化后向散射系数对均方根高度s的响应变化图，l取值范围为[1cm，18cm]，间隔为1cm。
[0075]
从图3中可以看出，在同一土壤水分ms，vv极化后向散射系数随着均方根高度s的增加而较快增加，随后逐渐缓慢。在同一均方根高度s下，随着ms的增加，增速呈下降趋势，且逐渐趋于平缓，随后具有减少的趋势。不同相关长度l下，对s的响应从图4可以看到，由此可以看出，在同一l下，随着s的增加先增大后减小，且随着l的增加，减少的速度减缓逐渐趋于水平状态；在均方根高度s范围内，变化
了6db左右。
[0076]
对比图1、图2、图3和图4可知，前三幅图的趋势相似，对比图1与图2，土壤水分由0.01cm3/cm3增加到0.31cm3/cm3时，相关长度l从1cm增加到18cm与均方根高度s从0.01cm增加到0.31cm的增加幅度相似，都增加了10db左右，表明了研究区的vv极化后向散射系数对土壤水分的变化较为敏感。对比图3和图4均方根高度s从0.01cm增加到0.31时，土壤水分从0.01增加到0.31的变化幅值约为12db；相关长度l从1cm增加到18cm时的变化幅值约为9db。对比图2和图4可知，对s的响应相比与对l的响应要较强烈些。
[0077]
具体实施方式三：参照附图具体说明本实施方式，所述步骤2中包括：
[0078]
步骤2.1、分析侦察探测雷达vv极化后向散射系数与雷达探测地表地形特征ms之间的关系；
[0079]
在oh模型中输入参数分别只改变雷达探测地表均方根高度和相关长度，观察分别在不同均方根高度和在不同相关长度下，侦察探测雷达vv极化后向散射系数对探测地表地形特征ms的响应，在研究不同相关长度l，地形特征ms与侦察探测雷达vv极化后向散射系数的关系时，ms取值范围为[0.01cm3/cm3，0.31cm3/cm3]，步长为0.005cm3/cm3。
[0080]
本实施方式中，如图5和图6所示，在同一相关长度l或者同一均方根高度s的下，vv极化后向散射系数随着土壤水分ms的增加而增加。两幅图的变化趋势具有相似性，在同一l或者同一s下，ms从0.01cm3/cm3增加到0.31cm3/cm3，变化了10db左右，由此再次证明了雷达后向散射系数对土壤水分的变化的敏感性；在同一土壤水分，随着s的增大而变化的幅度相比于随着l变化的幅度要大。
[0081]
具体实施方式四：参照附图具体说明本实施方式，所述步骤3中包括：
[0082]
步骤3.1、分析侦察探测雷达vh极化后向散射系数与雷达探测地表相关长度l之间的关系；
[0083]
在oh模型中输入参数分别只改变雷达探测地表的地形特征和均方根高度，观察分别在不同地形特征、不同均方根高度下，侦察探测雷达vh极化后向散射系数对相关长度的响应，在研究不同雷达探测地表地形特征ms，相关长度l与侦察探测雷达后向散射系数的关系时，设定相关长度l的取值范围为[1cm，18cm]，步长为0.3cm，雷达探测地表地形特征ms取值范围为[0.01cm3/cm3，0.31cm3/cm3]，间隔为0.02cm3/cm3；
[0084]
步骤3.2、分析侦察探测雷达vh极化后向散射系数对探测地表的均方根高度s的响应情况；
[0085]
在oh模型中输入参数分别只改变探测地表的地形特征ms和相关长度l，观察分别在不同探测地表地形特征ms和在不同相关长度l下，侦察探测雷达vh极化后向散射系数对均方根高度s的响应，在研究不同探测地表地形特征ms，侦察探测雷达vh极化后向散射系数对均方根高度s的响应情况时，设定均方根高度s取值范围为[0.001cm，
3cm]，步长为0.05cm。
[0086]
本实施方式中，如图7和图8所示。与观察vv极化与地表参数时对oh模型中输入类似，由于在研究vh极化与地表参数中只涉及到了均方根高度和土壤水分，因此本小结只研究分别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与vh极化后向散射系数之间的关系。参数的输入范围可参照前文介绍，对比图7和图8可知，在同一ms下，s从0.001cm增加到3cm时，约增加了32db；在用一s下，ms从0.01cm3/cm3增加到0.31cm3/cm3时，增加了10db左右。由此可以看出在vh极化下，vh极化后向散射系数对土壤水分变化低于对均方根高度变化的敏感性，只利用vh极化后向散射系数反演土壤水分时，需要去除粗糙度对雷达波的干扰。
[0087]
具体实施方式五：参照附图具体说明本实施方式，所述步骤4中包括：
[0088]
步骤4.1、分析侦察探测雷达vh/vv极化后向散射系数与雷达探测地表相关长度l之间的关系；
[0089]
在oh模型中输入参数分别只改变探测地表达的地形特征和均方根高度，观察分别在不同探测地表的地形特征、不同均方根高度下，侦察探测雷达vh/vv极化后向散射系数对相关长度的响应，研究不同探测地表地形特征ms，相关长度l与侦察探测雷达后向散射系数的关系与步骤3.1所述的方式一致；
[0090]
步骤1.2、分析侦察探测雷达的vh/vv极化后向散射系数对探测地表的均方根高度s的响应情况；
[0091]
在oh模型中输入参数分别只改变探测地表的地形特征ms和相关长度l，观察分别在不同地形特征ms和在不同相关长度l下，侦察探测雷达vh/vv极化后向散射系数对均方根高度s的响应，研究不同地形特征ms，侦察探测雷达的vh/vv极化后向散射系数对均方根高度s的响应情况与步骤3.2所述的方式一致。
[0092]
本实施方式中，如图9和图10所示，为了模拟vh/vv极化土壤后向散射系数与地表粗糙度之间的关系，与观察vv极化与地表参数时对oh模型中输入类似，由于在研究vh/vv极化与地表参数中只涉及到了粗糙度参数，因此本小结只研究分别在不同均方根高度和不同相关长度下，相关长度和均方根高度与vh/vv极化后向散射系数之间的关系。参数的输入范围可参照前文介绍，从图9和图10可知，在同一均方根高度s下，vh/vv后向散射系数随相关长度l的增大而降低；在s的取值范围内，随着s趋于0.31，变化约2db。在同一l下，随着s的增加而增大，当l趋于3cm时，其值增加了约32db。
[0093]
具体实施方式六：参照附图具体说明本实施方式，所述步骤5中，为了更好的估算出后向散射系数值，引入探测地表的植被覆盖度改进水云模型，计算出实际的后向散射系数，具体形式如式(1)所示：
[0094][0095]
其中，为总侦察探测雷达的后向散射系数；f
veg
为探测地表的像元植被覆盖
度，f
veg
值在(0，1)之间，当其趋于1时，说明探测地表的植被覆盖区面积所占比例较大，反之，当其趋于0时，探测地表的裸露地表区所占面积较大；f
veg
可使用sentinel-2数据，采用像元二分模型对植被覆盖度进行计算，如式子(2)所示：
[0096]fveg
＝(ndvi-ndvi
min
)/(ndvi
max-ndvi
min
) (2)
[0097]
其中，ndvi为sentinel-2数据中计算出的归一化植被指数值；ndvi
min
为裸露地区的归一化植被指数值，理论上为0；ndvi
max
为植被覆盖区的归一化植被指数值；选择探测地区的中ndvi值累积分布概率分布为5％和95％对应的值作为ndvi
min
和ndvi
max
，将式(2)与水云模型结合得到式(3)：
[0098][0099]
具体实施方式七：参照附图具体说明本实施方式，首先确定探测地表的不同植被类型下的a、b值，使用土壤样本采用点的后向散射系数，分别固定a、b值改变另一个参数的数值，运行经过探测地表的植被覆盖度改进后的水云模型，得到基于探测地表的不同a、b取值下的后向散射系数。
[0100]
本实施方式中，据引入植被覆盖度改进的水云模型可知，需要获得与作物有关的经验常数a和b值，部分研究者通过成本消耗大的实地测量方式获得植被的后向散射系数进行求解；也有部分研究者使用bindlish
[55]
通过实验获得不同植被类型下的经验值，如表格4-1所示。在实际情况中，植被类型具有多样性，较为统一的经验值对土壤水分反演值造成偏差，本文根据bindlish所提供的经验值和实测土壤水分结合，采用精度最优理论，获得不同极化下最佳a、b值。
[0101]
表4-1不同植被类型下的a、b值
[0102][0103]
从表4-1可以看出，这种输入对雷达影像的精细分类要求高，在实际地物中会出现多种像元出现在同一像元的情况，这时使用固定的参数会使得水分反演误差增大。使用土壤样本采用点的后向散射系数，分别固定a、b值改变另一个参数的数值，运行经过植被覆盖度改进后的水云模型，得到不同a、b取值下的后向散射系数，将其绘制如图11、12所示的折线图。
[0104]
对比图11和图12可知，当a取定值、b取不同的值时，vv极化的雷达后向散射系数变化约为2db相比于当b取定值、a取不同值的vv极化后向散射系数变化幅度大，且变化的a值相比于变化的b值级数较大(a的数值差为10-4
量级，b的数值差为10-2
量级)。由此可以看出a的取值对结果的影响不大，故本文选取a值为0.0018输入改进的水云模型中。本发明提出基于最优化理论的思想简化植被参数的输入，相比于使用统一a、b参数，可以提高模拟土壤后
向散射系数的准确性，更加精确的描述了植被对雷达后向散射系数的衰减程度。使用实测土壤水分与反演土壤水分的均方根误差和平均绝对误差作为评判标准，得出适合研究区的b值。经过计算，不同极化的a、b值如表4-2所示：
[0105]
表4-2不同极化下的a、b值
[0106][0107][0108]
具体实施方式八：参照附图具体说明本实施方式，所述步骤7中，对不同极化下侦察探测雷达后向散射系数在不同情况下对探测地表参数的响应的研究，针对oh模型，对相关长度l设置范围为1～18cm，步长为3cm；均方根高度为s范围为0.4～2.2cm，步长为0.1cm；地形特征ms设置为0.01～0.31cm3/cm3，步长为0.005cm3/cm3，同时输入自由空间波数等参数，多次运行oh模型，得到由不同相关长度、不同均方根高度等条件下对应侦察探测雷达后向散射系数组成的数据库，从探测sar影像中获取像元的后向散射系数，通过查表的方法寻与去除探测地区植被覆盖影响的裸土后向散射系数之间具有最小代价函数(m)的oh模拟的裸土后向散射系数代价函数具体形式如式(4)
[0109][0110]
本实施方式中，基于oh模型反演土壤墒情主要是先通过oh模型模拟粗糙度、后向散射系数和土壤水分之间的非线性关系，构建不同地表粗糙度和土壤水分下的雷达后向散射系数的查表。这种方法脱离了实测粗糙度数据的输入，对反演结果的实时性影响甚微。利用oh模型中地表粗糙度、土壤水分与雷达后向散射系数之间的关系，能够消除粗糙度对雷达波的干扰，在oh模型中，当均方根高度、相关长度取某定值时，相关长度、均方根高度和后向散射系数的相关性较大，这时使用oh模型所模拟的雷达后向散射系数与真实值最为接近。在建立lut表时，需要确定地表参数的取值范围和步长，然后在oh模型中输入雷达入射角、波长等参数，模拟得到不同地表参数下的后向散射系数，存放于数据库中，从而建立lut表表。最后，通过输入像元的后向散射系数或去除过植被覆盖度下的后向散射系数，通过查代价函数在取值最小时对应的土壤水分作为反演的土壤水分值。
[0111]
具体反演流程大致可分为模型改进部分、反演土壤水分与精度评价三部分。首先获取预处理后的雷达入射角、后向散射系数与植被指数等参数，与第三章节不同的是，本章引入植被覆盖度输入水云模型更好的表征植被信息；其次构建代价函数，再求解代价函数最小值，最后反演土壤水分；最后对反演结果与实测结果使用第三章节介绍的三个指标进行评价，并获得研究区空间分布图。
[0112]
实验结果如图14-19所示，通过前面研究，已经获得所需输入的植被参数，与雷达入射角及sar影像的总后向散射系数等数据作为改进水云模型的输入，然后运行模型，即可
获得土壤对后向散射系数的贡献。做出50个vv极化和vh极化采样点在去除植被贡献前后的后向散射系数的变化图如14、15所示。对比图14和图15可以看出，去除植被对后向散射系数的贡献后，其值有一定的减少，减少的数值大小与植被覆盖度、植被类型、sar总后向散射系数等有关，其中，vv极化减少了2db左右，vh极化减少了5db左右。对比vv极化和vh极化数值变化大小，再次可以看出vh极化受植被因素影响较大。
[0113]
本文采用matlab，使用去除冬小麦覆盖影响前后的两种极化的sar影像，通过lut表估算研究区的土壤水分。绘出土壤水分实测值与反演值精度对比图，如图16、17所示。从图16、17中不难看出，vv极化数据反演土壤水分精度优于vh极化，r2相差了0.2578；rmse相差了0.0031；mae相差了0.003。同时也说明了交叉极化vh在反演土壤水分应用中弱于同极化vv数据。
[0114]
采用去除植被影像后的vv极化的sar数据基于lut表法，反演研究区的土壤水分，以2020年3月22日为例，结果如图18-19所示；对比图18和图19可知，该地区整体土壤水分属于偏低水平，符合冬小麦过冬后土壤较为干旱的实际情况；中间部分植被指数数值偏高，侧面表明了该区域的植被含水量较高，与实际冬小麦分布区域较为一致。
[0115]
本发明首先分析了vv极化和vh极化后向散射系数与粗糙度有关参数、土壤水分之间的相关性，并确定构建查表时的参数步长，将引入植被覆盖度改进的水云模型与oh模型结合反演土壤墒情，并对去除农作物覆盖前后雷达后向散射系数进行了对比。土壤水分反演部分包括地表参数对雷达后向散射系数之间的相关性分析、查表的构建及代价函数的计算，最后获得研究区的土壤水分空间分布图，并利用采样点的实测数据与反演结果使用r2、rmse和mae对反演结果进行评价。
