[发明专利]流域尺度土壤湿度遥感数据同化方法

权利要求书

1.一种流域尺度土壤湿度遥感数据同化方法，其步骤为：

A)数据准备；

B)土壤湿度反演；

C)分布式水文模型同化平台构建；

D)流域尺度土壤湿度同化。

2.根据权利要求1所述的流域尺度土壤湿度遥感数据同化方法，其特征在于步骤A)中，所述数据准备包括水文、气象数据，DEM数据，植被、土壤参数库，流域土地利用/覆被和土壤类型下垫面参数数据，卫星影像数据以及逐日径流和土壤湿度实测数据。

3.根据权利要求2所述的流域尺度土壤湿度遥感数据同化方法，其特征在于步骤B)中使用MODIS遥感和主动微波ASAR遥感构建同化的观测算子。

4.根据权利要求3所述的流域尺度土壤湿度遥感数据同化方法，MODIS遥感使用的温度植被干旱指数TVDI由以下公式给出：

LST为地表温度；LST_min为相同NDVI值的最小地表温度，对应的是LST-NDVI特征空间的湿边；LST_max为相同NDVI值的最大地表温度，对应的是LST-NDVI特征空间的干边。

5.根据权利要求3或4所述的流域尺度土壤湿度遥感数据同化方法，ASAR遥感反演需要的使用以下方法和公式：

ASAR数据预处理

辐射校正

对于ENVISAT ASAR数据，影像DN值和后向散射系数之间的关系式如下

其中σ⁰是线性单位的雷达后向散射系数，值域在0～1之间，k是外部校正参数，可以从ASAR影像的头文件中得到，θ是空间分布的入射角；分析数据时常用以分贝为单位的σ⁰，因此需要对上式得到以线性单位表示的σ⁰进行对数转换，

σ⁰(dB)＝10[log(σ⁰)] 

几何校正

需要对获取的属于一级产品的ASAR影像进行几何校正，这主要分为两个步骤，首先是几何粗校正，其次是与数字高程DEM影像数据匹配的几何精确校正；

ESA的雷达处理影像工具NEST软件提供了ASAR影像的几何校正功能，在利用该工具对ASAR数据进行粗校正之后，进一步通过与DEM的比对，以DEM为基准影像，进行图像对图像的精确校准，如此循环后将所有的ASAR数据统一的精确订正到DEM的坐标系下；

光斑滤波

光斑噪声在图像上看起来类似于椒盐状分布，使图像的可解译性变差；有效的降低噪声对于计算雷达影像的后向散射系数十分关键，目前去除噪声的方法主要有多视方法和空间滤波方法；

详细的ASAR数据湿度估算方法如下：

散射系数归一化

IEM辐射传输模型的数值模拟试验也验证了这一关系的存在，地表后向散射与入射角关系可以用下式表达，

σ⁰＝pθ+q

此处，θ表示入射角，p、q是与土地覆盖有关的经验参数，具体数值可由Loew etal.中查到；尽管每一景ASAR WS模式影像的入射角各不相同，同一景影像中的不同区域入射角变化范围也较大，可通过下面公式，将所有影像的后向散射系数归一化至参考的入射角θ₀，此处θ₀为ERS的入射角度值23度，具体的归一化方法如下，

其中，σ⁰为图像原始后向散射系数， 为归一化后的图像后向散射系数；

反演参数

中利用上一步归一化后处理得到的ASAR后向散射，结合下式可以得到土壤的介电常数，最终反演得到表层的土壤湿度值，

∈_r＝a+bσ⁰+c(σ⁰)²

其中∈_r为介电常数，a、b、c为经验参数，与土地覆盖类型相关，介电模型 

∈_r＝(a₀+a₁S+a₂C)+(b₀+b₁S+b₂C)m_v+(c₀+c₁S+c₂C)m_v²

其中，m_v是需要计算的体积含水量，S和C是土壤的砂粒和粘粒的重量百分比，即土壤质地参数，可以由我们建立的流域土壤物理参数库得到，a_i，b_i和c_i是模型的经验常数，已由文献给出；

基于上述模型，利用获取的流域土壤介电常数图像和已有的土壤质地参数，通过迭代计算方法(误差阈值为0.01)逐栅格推求得到最终的ASAR遥感数据的表层土壤湿度估算结果。