一种基于ASAR数据的干旱监测方法

被引:2
作者
彭少坤
谈超
欧阳世偲
高伟
机构
[1] 不详
[2] 中国地质大学(武汉)信息工程学院
[3] 不详
关键词
ENVISAT-ASAR; 干旱监测; 垂直干旱指数; 土壤含水量;
D O I
10.13448/j.cnki.jalre.2013.10.025
中图分类号
P426.616 [降水引起的灾害]; P407 [大气遥感];
学科分类号
1404 ;
摘要
快速而准确的获取干旱信息对于抗旱救灾具有非常重要的指导意义。基于ENVISAT-ASAR数据对甘肃省黑河流域低植被覆盖区域干旱情况进行监测,利用基于改进型积分方程模型(AIEM)所得出的半经验模型准确的获取土壤的含水量信息。实验结果表明VV/VH极化数据与土壤含水量之间存在着较好的相关性,监测结果与成熟的光学监测方法垂直干旱指数(PDI)监测结果基本吻合,轻度干旱地区的监测结果相似度达到了92.8%,对于中度干旱和正常地区的监测分别达到了58.8%和66.4%,总体达到了90.7%,表明SAR数据在旱情监测中具有较大潜力。
引用
收藏
页码:65 / 69
页数:5
相关论文
共 9 条
[1]   FY-3A/MERSI数据在中国北方干旱监测中的应用 [J].
朱琳 ;
刘健 ;
张晔萍 ;
王萌 .
遥感学报, 2010, 14 (05) :1004-1016
[2]   黑河流域土壤含水量遥感反演及不同地类土壤水分效应分析 [J].
赵军 ;
任皓晨 ;
赵传燕 ;
张勃 ;
孟宝 .
干旱区资源与环境 , 2009, (08) :139-144
[3]   黑河中游地区区域蒸散量的时间变化规律及其影响因素 [J].
金晓媚 ;
梁继运 .
干旱区资源与环境 , 2009, (03) :88-92
[4]   利用ASAR图像监测土壤含水量和小麦覆盖度 [J].
鲍艳松 ;
刘良云 ;
王纪华 ;
李小文 ;
李翔 ;
宋小宇 ;
竞霞 .
遥感学报, 2006, (02) :263-271
[5]   ENVISAT的ASAR数据产品介绍 [J].
马龙 ;
陈文波 ;
戴模 .
国土资源遥感, 2005, (01) :70-71
[6]   基于植被指数和土地表面温度的干旱监测模型 [J].
王鹏新 ;
龚健雅 ;
李小文 ;
王锦地 .
地球科学进展, 2003, (04) :527-533
[7]  
基于IEM的多波段、多极化SAR土壤水分反演算法研究[D]. 李森.中国农业科学院. 2007
[8]   Likelihood parameter estimation for calibrating a soil moisture model using radar bakscatter [J].
Nearing, Grey S. ;
Moran, M. Susan ;
Thorp, Kelly R. ;
Collins, Chandra D. Holifield ;
Slack, Donald C. .
REMOTE SENSING OF ENVIRONMENT, 2010, 114 (11) :2564-2574
[9]   A SIMPLE-MODEL FOR RETRIEVING BARE SOIL-MOISTURE FROM RADAR-SCATTERING COEFFICIENTS [J].
CHEN, KS ;
YEN, SK ;
HUANG, WP .
REMOTE SENSING OF ENVIRONMENT, 1995, 54 (02) :121-126