【本文關(guān)鍵詞】土壤水分殖侵，雷達(dá)后向散射彰檬，L波段，植被類型乔询，植被含水量樟插，查找表
【內(nèi)容簡介】提出了一個(gè)基于植被類型的L波段雷達(dá)后向散射物理模型，使用查找表方法進(jìn)行土壤水分反演
【原文鏈接】網(wǎng)頁|PDF
前向散射建模
特點(diǎn)
- 在13種IGBP地表分類+4種主要作物類型（小麥竿刁、玉米黄锤、水稻、大豆）一共17種地表類型的基礎(chǔ)上食拜，只用植被水含量一個(gè)參數(shù)來表示植被層
- 利用變形Born近似（DBA）對植被-土壤體系的雷達(dá)后向散射進(jìn)行建模鸵熟，將總的后向散射分為土壤、植被负甸、土壤-植被三分量流强。
模型參數(shù)
原始方程要求裸土復(fù)介電常數(shù)痹届，RMS高度
，相關(guān)長度
打月，植被光學(xué)厚度
队腐，植被水含量
由于SMAP有三個(gè)觀測通道（HH，VV奏篙，HV）柴淘，需要把原方程中的變量減少到三個(gè)或以下（否則將變?yōu)榍范ǚ匠蹋?/p>
基于植被類型，用（1）植被水含量來表示植被層對后向散射的影響秘通。
用相關(guān)函數(shù)為各向同性指數(shù)函數(shù)的平穩(wěn)高斯隨機(jī)過程（stationary Gaussian random process）來描述（2）土壤層的粗糙度悠就，和
為其參數(shù)。為減少參數(shù)充易，進(jìn)一步假定
為常數(shù)（本文取值為10）
另一個(gè)參數(shù)是（3）土壤介電常數(shù)梗脾，這里只取了實(shí)部，因?yàn)樘摬颗c實(shí)部比例是一定的盹靴。
數(shù)據(jù)集（作者命名為數(shù)據(jù)立方體炸茧，Datacubes）建立
分裸土、木質(zhì)植被稿静、非木質(zhì)植被三類進(jìn)行討論梭冠。
由于三維數(shù)值Maxwell模型（Numerical Maxwell model for three dimensions，NMM3-D）計(jì)算量很大改备，首先只建立了6介電常數(shù)6均方根高度6（控漠？此處不確定）VWC的查找表，然后再將其插值為280280280的最終查找表悬钳。
不足
- 受實(shí)驗(yàn)數(shù)據(jù)限制盐捷，考慮的植被類型還不夠多樣
- 次表面介電常數(shù)鄰域不連續(xù)
- 使用各向同性近似描述土壤粗糙度，忽略了壟行結(jié)構(gòu)
應(yīng)用于土壤水分反演
個(gè)不同時(shí)刻的觀測
方程（個(gè)）
-
個(gè)同極化后向散射系數(shù)
-
個(gè)
輸入值
未知量（個(gè)）
- 一個(gè)均方根高度
（認(rèn)為在這段時(shí)間內(nèi)地表粗糙度不發(fā)生變化）
-
- 一個(gè)模型殘差項(xiàng)
這是一個(gè)超定方程默勾，可以通過最小二乘形式的代價(jià)函數(shù)來進(jìn)行求解碉渡。
精度評價(jià)
主要的誤差來源：
- 雷達(dá)觀測誤差：由于沒有實(shí)際的SMAP數(shù)據(jù)，可以通過Monte-Carlo方法進(jìn)行模擬
- 數(shù)據(jù)集建模誤差：主要是用VWC代替其他植被參數(shù)造成的誤差
- 介電模型誤差：
左右
- 空間異質(zhì)性
