当前位置 >>  首页 >> 动态新闻 >> 科研动态

科研动态

“大区域全天候多源遥感土壤水分监测关键技术与应用”项目获地理信息科技进步奖一等奖

发布时间:2019-07-30

  7月25日,2019年度地理信息科技进步奖表彰及颁奖仪式在珠海举行。中国科学院空天信息研究院遥感卫星应用国家工程实验室申报的“大区域全天候多源遥感土壤水分监测关键技术与应用”项目获地理信息科技进步奖一等奖。空天信息研究院研究员孟庆岩为第一完成人,张琳琳等为主要完成人。

  该项目由孟庆岩研究团队与中国水利水电科学研究院团队联合完成,取得大区域全天候多源遥感土壤水分定量反演等8项关键技术成果,研制了大区域全天候土壤水分多源遥感监测系统。项目共发表论文52篇(SCI 21篇,EI 11篇),授权发明专利4项,实审专利4项,软件著作权5项。成果在农业、水利等行业和安徽、黑龙江、河北等省份应用。

  高分三号卫星是我国自主研发的首颗C波段全极化SAR卫星,具备12种观测模式,空间分辨率1-500米,幅宽10-650千米,可为土壤水分反演提供有效数据源。孟庆岩研究团队重点研究了高分三号卫星在土壤水分反演方面的应用潜力,在基于AIEM模型的双极化通道土壤水分反演研究、基于人工神经网络的土壤水分反演研究等方面取得重要成果。

颁奖现场

 

基于AIEM模型的双极化通道土壤水分反演研究

  针对基于单极化通道数据反演土壤水分存在的信息局限性问题,利用AIEM模型建立同极化后向散射系数模拟数据库,基于代价函数实现HH和VV极化双通道数据同时反演土壤水分的方法,可增加用于土壤水分反演的后向散射信息数据量,从而有效提高了土壤水分反演精度。

图1. 基于AIEM模型的双极化通道土壤水分反演流程

图2. 基于水云模型去除植被影响之后的裸露地表后向散射分布

图3. 基于高分三号卫星反演的土壤水分

 

基于人工神经网络的土壤水分反演研究

  针对地表参数与后向散射系数之间复杂的非线性关系问题,为最大限度地减少土壤水分等地表参数反演的不确定性,基于AIEM模型构建人工神经网络训练数据集,通过构建的人工神经网络结构实现面向高分三号卫星的土壤水分反演,可有效解决从后向散射系数数据中获取地表参数的非线性映射问题。

图4. 构建的人工神经网络结构

图5. 基于人工神经网络算法反演的土壤水分

团队相关论文信息:

  1. Zhang Linlin, Meng Qingyan, Yao Sun, et al. Soil Moisture Retrieval from the Chinese GF-3 Satellite and Optical Data over Agricultural Fields [J]. Sensors, 2018, 18(8), 1-17.

  2. Meng Qingyan, Zhang Linlin, Xie Qiuxia, et al. Combined Use of GF-3 and Landsat-8 Satellite Data for SoilMoisture Retrieval over Agricultural Areas Using Artificial Neural Network [J]. Advances in Meteorology. 2018,2018:1-11.

  3. Xie Qiuxia, Meng Qingyan, Zhang Linlin, et al. A soil moisture retrieval method based on typical polarization decomposition techniques for a maize field from full-polarization Radarsat-2 data [J]. Remote Sensing, 2017, 9(2), 168.

  4. Xie Qiuxia , Meng Qingyan , Zhang Linlin , et al. Combining of the H/A/Alpha and Freeman–DurdenPolarization Decomposition Methods for Soil Moisture Retrieval from Full-Polarization Radarsat-2 Data [J]. Advances in Meteorology, 2018, 2018:1-17.

  5. Meng Qingyan, Xie Qiuxia, Wang Chunmei, et al. A fusion approach of the improved Dubois model and best canopy water retrieval models to retrieve soil moisture through all maize growth stages from Radarsat-2 and Landsat-8 data [J]. Environmental Earth Science, 2016, 75, 1377.

附件: