یک الگوریتم ساده شده جدید برای بازیابی رطوبت خاک سطحی با استفاده از رادیومتر باند L

خلاصه

رطوبت خاک نقش مهمی در درک تغییرات آب و هوا و هیدرولوژی دارد، و رادیومترهای مایکروویو غیرفعال باند L به عنوان ابزارهای مؤثر برای نظارت بر رطوبت خاک تأیید شده‌اند. این مقاله یک الگوریتم ساده و جدید برای بازیابی رطوبت خاک سطح لخت با استفاده از رادیومتر باند L پیشنهاد می‌کند. این الگوریتم از دو الگوریتم فرعی تشکیل شده است: یک مدل انتشار سطحی و یک مدل بازیابی رطوبت خاک. در تجزیه و تحلیل پایگاه داده شبیه سازی شده مدل معادلات انتگرال پیشرفته (AIEM)، مدل انتشار سطح برای کاهش اثرات زبری سطح با استفاده از بازتاب سطح دو قطبی توسعه داده شد. مدل بازیابی رطوبت خاک که با استفاده از پایگاه داده شبیه سازی شده دابسون کالیبره شده است، بر اساس رابطه بین ضریب شکست واقعی تنظیم شده است.

N_{r}

و رطوبت حجمی خاک رطوبت خاک را می توان از طریق یک راه حل عددی تعیین کرد که از چندین پارامتر ورودی آزادانه در دسترس استفاده می کند: دمای روشنایی مایکروویو با قطبش دوگانه، دمای سطح و محتویات ماسه و خاک رس. نتایج تطابق خوبی با مقادیر رطوبت ورودی خاک شبیه‌سازی شده توسط مدل AIEM، با ریشه میانگین مربعات خطا (RMSEs) کمتر از 3 درصد در تمام زوایای وقوع نشان داد. سپس الگوریتم بر اساس داده‌های آزمایش‌های باند L چهار ساله انجام‌شده در سایت‌های آزمایشی مرکز تحقیقات کشاورزی بلتس‌ویل (BARC) تأیید شد و به ترتیب به RMSE‌های 4.3 و 3.4 درصد در 40 درجه و 50 درجه رسید. این نتایج نشان می دهد که الگوریتم ساده شده ارائه شده در این مقاله دقت بسیار خوبی را در بازیابی رطوبت خاک نشان می دهد. علاوه بر این،

کلید واژه ها:

باند L ; مدل معادلات انتگرال پیشرفته (AIEM) ; مدل دابسون ; رطوبت سطحی خاک ؛ زبری سطح

1. معرفی

رطوبت خاک یک پارامتر مهم در تعادل انرژی جهانی و چرخه آب است. علاوه بر این، نقش مهمی در مدیریت منابع آب، رشد پوشش گیاهی، پایش سیل و پیش‌بینی آب و هوا دارد [ 1 ، 2 ، 3]]. سنجش از دور یکی از موثرترین ابزارهای مورد استفاده در پایش رطوبت خاک به دلیل طیف وسیع مشاهدات و بسامد بالای اندازه گیری های مکرر است. در حال حاضر، سنجش از دور مایکروویو روشی موثر برای اندازه‌گیری رطوبت خاک در نظر گرفته می‌شود، زیرا می‌تواند به ابرها و پوشش گیاهی نفوذ کند و در هر شرایط آب و هوایی، به ویژه در باند L، هم در روز و هم در شب کار می‌کند. رادیومترهای مایکروویو باند L پتانسیل بالایی برای نظارت بر رطوبت خاک نشان می دهند زیرا تضعیف کمی در جو را تجربه می کنند، قابلیت نفوذ پوشش گیاهی قوی دارند و حساسیت بالایی به رطوبت خاک دارند. بنابراین، بسیاری از ماموریت های ماهواره ای از پرتو سنج های باند L برای پایش رطوبت خاک استفاده می کنند. ماموریت رطوبت خاک و شوری اقیانوس (SMOS) از یک رادیومتر باند L چند زاویه ای استفاده می کند. 1]]، در حالی که ماموریت های Soil Moisture Active and Passive (SMAP) و Aquarius هر دو دارای رادار و رادیومترهای باند L هستند [ 2 ، 4 ]. ماموریت مشاهده چرخه آب برنامه ریزی شده (WCOM) از یک رادیومتر سه فرکانسی که شامل باند L [ 5 ] است استفاده می کند.

الگوریتم های زیادی برای پرتو سنج های باند L ایجاد شده است. مدل انتشار سطحی جزء حیاتی این الگوریتم‌ها است. عمدتاً زبری سطح را بر اساس تابش سطح در نظر می گیرد. از آنجایی که اندازه‌گیری زبری سطح در مقیاس‌های بزرگ دشوار است، مدل‌های متعددی برای تخمین اثر زبری سطح، از جمله مدل‌های فیزیکی و نیمه تجربی، پیشنهاد شده‌اند. مدل های فیزیکی مانند مدل معادلات انتگرال (IEM) و مدل معادلات انتگرال پیشرفته (AIEM) [ 6] بسیار پیچیده هستند و شامل بسیاری از پارامترهای غیر قابل اندازه گیری هستند. اگرچه این مدل‌ها توضیحات مفصلی از فرآیندهای تابشی ارائه می‌دهند، پیچیدگی‌های آن‌ها کاربردهای آن‌ها را محدود می‌کند. در مقابل، مدل‌های نیمه تجربی از پارامترهای ساده‌سازی شده‌ای استفاده می‌کنند که به راحتی قابل بازیابی هستند. تقریباً تمام الگوریتم‌های مرتبط با بازیابی رطوبت خاک از مدل‌های نیمه تجربی توسعه یافته‌اند. را

H_{p}

مدل توسط Choudhury [ 7 ] پیشنهاد شد که مؤلفه غیر منسجم را در فرکانس پایین نسبتاً کوچک در نظر گرفت. این مدل معمولاً در بازیابی رطوبت خاک باند L استفاده می شود و در بسیاری از مدل های نیمه تجربی دیگر توسعه یافته است. با این حال، پارامترهای زبری سطح در آن مدل‌ها عمدتاً به صورت مقادیر ثابت با توجه به مناطق مختلف بیان می‌شوند و عدم قطعیت‌ها را به دلیل ناهمگونی سطح قوی افزایش می‌دهند. Shi [ 8 ] یک مدل پارامتری برای باند L بر اساس پایگاه داده شبیه سازی شده IEM ارائه کرد. با این حال، این مدل به اندازه کافی برای کاربردهای عملی ساده نیست. اخیراً برخی مدل‌ها با تجزیه و تحلیل بازتاب سطح دو قطبی با استفاده از پایگاه داده شبیه‌سازی‌شده AIEM ایجاد شده‌اند [ 9 ، 10 ،11 ، 12 ]. این روش‌های جدید از قطبش دوگانه برای کاهش وابستگی به پارامترهای زبری سطح استفاده می‌کنند و الگوریتم را قابل اعتمادتر می‌کنند. مدل انتشار سطحی ارائه شده در این مطالعه بر اساس این روش ها است.

پس از در نظر گرفتن اثرات زبری سطح، رطوبت خاک را می توان با استفاده از سه روش اساسی محاسبه کرد: یک الگوریتم تکرار معکوس، یک الگوریتم عددی رو به جلو و یک الگوریتم تجربی. الگوریتم تکرار معکوس معمولاً در بسیاری از الگوریتم های تک کانال استفاده می شود [ 13 ]. ابتدا رطوبت خاک با توجه به مناطق مختلف به مقدار اولیه تنظیم می شود. سپس بازتاب فرنل بر اساس معادله بازتاب فرنل به صورت معکوس محاسبه می شود. در نهایت، مقدار شبیه سازی شده بر اساس مقدار مشاهده شده با استفاده از الگوریتم حداقل مربعات تا همگرایی تکرار می شود. در رادیومترهای دو کاناله و چند کاناله، الگوریتم عددی رو به جلو به طور گسترده ای مورد استفاده قرار می گیرد. رطوبت خاک با به حداقل رساندن یک تابع هزینه با استفاده از الگوریتم تکراری حداقل مربعات بازیابی می شود.14 ]. این روش در بهترین استفاده از داده های چند کاناله به خوبی عمل می کند. الگوریتم تجربی شامل چندین معادله تجربی است که روابط نامشخص پارامترها را توصیف می کند. با توجه به داده های آموزشی کافی، این الگوریتم دقت خوبی را در مناطق خاص ارائه می دهد [ 15 ، 16 ، 17 ، 18 ]. با این حال، نقاط ضعف این مدل ها هنوز کاملاً مشهود است. در الگوریتم تکرار معکوس، اجتناب از پدیده شبه همگرایی دشوار است. در مورد الگوریتم عددی رو به جلو، تابع هزینه همیشه بر اساس چندین پارامتر بازیابی شده (رطوبت خاک، عمق نوری در نادر و پارامتر زبری خاک) است [ 14] .]. همه این پارامترها در به حداقل رساندن تفاوت بین مقادیر اندازه گیری شده و شبیه سازی شده تأثیر دارند. بنابراین، الگوریتم تکراری نمی تواند توضیح دهد که کدام پارامتر مسئول تغییر اندازه گیری ماهواره در مکانیسم است [ 19 ]. محدودیت ها و مقادیر اولیه تعیین شده در تابع هزینه نیز عوامل عدم قطعیت را به الگوریتم اضافه می کنند. هم در تکرار معکوس و هم در الگوریتم عددی رو به جلو، مدل دی الکتریک خاک برای تخمین اثرات خاک اتخاذ می‌شود که داده‌های جانبی قابل‌توجهی را به ارمغان می‌آورد و عدم قطعیت‌های بیشتری را به الگوریتم وارد می‌کند. الگوریتم تجربی فاقد اهمیت فیزیکی واضح است و کاربرد آن را در مقیاس های بزرگ دشوار می کند. با توجه به محدودیت های این مدل ها، الگوریتم جدیدی در این مقاله پیشنهاد شده است.

هدف از این مطالعه توسعه یک الگوریتم جدید است که به راحتی می تواند برای بازیابی رطوبت خاک باند L استفاده شود. الگوریتم مبتنی بر فیزیکی دو الگوریتم فرعی را ترکیب می کند: یک مدل انتشار سطحی و یک مدل بازیابی رطوبت خاک. مدل انتشار سطح به اثرات زبری سطح می پردازد. این مدل بر اساس بازتاب سطح دو قطبی بدون نیاز به پارامترهای زبری سطح است. مدل بازیابی رطوبت خاک بر خواص دی الکتریک خاک متمرکز است. این مدل بازیابی از یک راه حل تحلیلی استفاده می کند که بر اساس مدل فیزیکی است و تنها به محتویات ماسه و خاک رس در طول فرآیند بازیابی نیاز دارد. پیشرفت اصلی این الگوریتم این است که پارامترهای نامشخص کمتری دارد و از نظر فیزیکی مبتنی است و وابستگی منطقه‌ای ندارد.

بقیه این مقاله به شرح زیر سازماندهی شده است. بخش 2 منطقه مورد مطالعه و مجموعه داده های میدانی مورد استفاده در این مطالعه را توصیف می کند. بخش 3 الگوریتم پیشنهادی در این مطالعه را معرفی می کند. بخش 4 نتایج تجربی و تحلیل حساسیت مدل جدید را ارائه می‌کند. نتیجه گیری مقاله در بخش 5 خلاصه شده است .

2. منطقه مطالعه و مجموعه داده ها

2.1. منطقه مطالعه

از سال 1979 تا 1982، مرکز پرواز فضایی ناسا/گودارد (GSFC) و وزارت کشاورزی ایالات متحده (USDA)/مرکز تحقیقات کشاورزی Beltsville (BARC) آزمایش‌های چهار ساله را در سایت‌های آزمایش BARC انجام دادند [20 ، 21 ، 22 ، 23 . ]. هدف از این آزمایش ها بررسی اثرات بافت خاک، ناهمواری سطح و پوشش گیاهی بر تخمین از راه دور میزان رطوبت خاک با استفاده از رادیومترهای مایکروویو [ 21] بود.]. این مطالعه در چندین سایت آزمایش کشاورزی محلی در بلتس‌ویل، مریلند، که شامل انواع خاک و پوشش گیاهی مختلف بود، انجام شد. مشاهدات رطوبت خاک، دمای خاک، زیست توده گیاهی و سایر پارامترهای خاک و تاج پوشش همزمان با اندازه‌گیری‌های مایکروویو [ 23 ] انجام شد. این داده ها از آن زمان به طور گسترده ای برای اعتبارسنجی مدل های مختلف بازیابی رطوبت خاک استفاده شده اند [ 9 ، 10 ]. در این مطالعه، محل های آزمایش سطح برهنه به عنوان منطقه مورد مطالعه انتخاب شدند.

2.2. داده های مایکروویو

داده های مایکروویو با رادیومترهای باند L (1.4 گیگاهرتز) نصب شده بر روی یک کامیون بوم به دست آمد. سنسورها رادیومترهای دیک دو قطبی بودند که انتشار امواج مایکروویو حرارتی را در زوایای فرود مختلف از 10 درجه تا 70 درجه در مراحل 10 درجه اندازه‌گیری می‌کنند. کالیبراسیون سیستم مایکروویو هر روز با استفاده از یک بازتابنده آسمان سرد و یک ماده جاذب مایکروویو (Eccosorb) تأیید شد. دقت تخمین زده شده رادیومتر باند L تقریباً 3± K [ 23 ] است.

2.3. داده های میدانی

این آزمایش چهار ساله در سایت های آزمایش BARC انجام شد. در سال‌های 1979 و 1980، مزرعه‌ای با خاک لوم شنی در Elinsboro انتخاب شد. دو سایت آزمایشی جدید در سال‌های 1981 و 1982 انتخاب شدند: یکی در ادمونستون و دیگری در مزرعه جنوبی. در سال 1982، سه سایت انتخاب شد: دو سایت قبلی به اضافه یک سایت در گیش. داده های صحرایی از سطوح لخت اندازه گیری شد و شامل چگالی ظاهری خاک، رطوبت خاک و دمای خاک بود. اندازه‌گیری‌های دقیق چگالی ظاهری و بافت خاک چندین بار در هر محل آزمایش در طول آزمایش‌ها انجام شد [ 23 ]. توضيحات تفصيلي تمام سايت هاي سطح برهنه در جدول 1 فهرست شده است. رطوبت خاک در عمق های 0-0.5 سانتی متر، 0-2.5 سانتی متر، 2.5-5 سانتی متر و 5-10 سانتی متر اندازه گیری شد. پروفیل دمای خاک در چهار عمق 1.25 سانتی متر، 2.5 سانتی متر، 7.5 سانتی متر و 15 سانتی متر نمونه برداری شد. داده‌های رطوبت و دما خاک در محل به طور همزمان از اندازه‌گیری‌های رادیومتر مایکروویو در یک میدان مشخص به‌دست آمد [ 20 ].

3. روش شناسی

3.1. مدل انتشار سطحی

مدل انتشار سطحی، رابطه بین بازتاب سطح موثر و بازتاب فرنل را با پارامترسازی اثرات مختلف از زبری سطح توصیف می‌کند. با توجه به اینکه جزء غیر منسجم در فرکانس های پایین ناچیز است،

H_{p}

مدل توسعه داده شد. این مدل به طور گسترده در الگوریتم های مختلف رادیومتر باند L استفاده شده است [ 14 ]. با این حال، پارامترهای زبری سطح در این مدل به طور تجربی با توجه به مناطق مختلف اختصاص داده شده است. این مقادیر نامشخص خطاهای قابل توجهی را در سطوح ناهمگن ایجاد می کند. اخیراً، چن [ 9 ] یک مدل انتشار سطحی ساده شده با توجه به پایگاه داده شبیه سازی شده AIEM توسعه داده است:

R p = A 1 (s / l) B 1 r C 1 p

(1)

R q = A 2 (s / l) B 2 r C 2 p

(2)

X (θ, p) = e + f \times θ + g \times θ 2 + h \times θ 3

(3)

جایی که $R_{p}$ و $R_{q}$ بازتاب های موثر هستند. $r_{p}$ و $r_{q}$ بازتاب های فرنل هستند. $θ$ زاویه بروز است. $s$ ارتفاع ریشه میانگین مربع (RMS) است. $l$ طول همبستگی است. و ضرایب $A$ ، $B$ ، و $C$ فقط به قطبش و زاویه تابش وابسته هستند، که می توان از رابطه (3) با استفاده از پایگاه داده شبیه سازی شده AIEM در مطالعه قبلی به دست آورد.

این مدل نسبت را انتخاب می کند

s / l

به عنوان پارامتر زبری سطح بر اساس

H_{p}

مدل. پارامتر

C

برای اصلاح حساسیت انتشار سطحی به رطوبت خاک استفاده می شود [ 9 ]. با اينكه

s

l

نمی توان به راحتی از سطح اندازه گیری کرد، این شکل از مدل پارامترهای زبری سطح را در قطبش V- و H یکی می کند، که تا حدی اثرات زبری سطح را از طریق قطبش دوگانه حذف می کند. با حذف متغیر زبری سطح

s / l

از معادلات (1) و (2)، رابطه بین بازتاب موثر و بازتاب فرنل را می توان به سادگی به دست آورد:

آر پ آر ب 1 ب 2 q = آ 1 آ ب 1 ب 2 2 \times r سی 1 پ r سی 2 \cdot ب 1 ب 2 q

(4)

در حالی که تنها چهار پارامتر در این معادله وجود دارد، حل آن به صورت مستقیم آسان نیست. سمت چپ معادله (4) شامل بازتاب موثر است

R_{p}

R_{q}

، که می تواند از دمای روشنایی دو قطبی محاسبه شود. بازتاب های فرنل

r_{p}

r_{q}

دو کمیت مجهولی هستند که این معادله را نادیده می‌گیرند.

در سال‌های اخیر، با توجه به داده‌های شبیه‌سازی‌شده، ثابت شده است که رابطه بین بازتاب‌پذیری‌های فرنل در قطبش دوگانه یک تابع توان است. هونگ یک مشتق تقریبی را از طریق یک سری تیلور ارائه کرد که توسط مطالعات حساسیت و استخراج تحلیلی تأیید شد [ 24 ]:

r پ = r آ q

(5)

A = 1 / cos 2 θ

(6)

تقریب هنگ در کاربردهای مختلف سنجش از دور اعمال شده است [ 25 ، 26 ، 27 ]. در این تحقیق می توان رابطه (4) را با این رابطه تقریبی ساده کرد. با وارد کردن معادلات (5) و (6) در معادله (4)،

r_{p}

را می توان جایگزین کرد

r_{q}

. سپس معادله (4) را می توان به صورت زیر بیان کرد:

آر پ آر ب 1 ب 2 q = آ 1 آ ب 1 ب 2 2 \times r (A\cdot_سی 1 - سی 2 \times ب 1 ب 2) q

(7)

هفت ضریب را می توان در سه ضریب جدید ترکیب کرد و یک رابطه واضح بین بازتاب موثر دو قطبی و بازتاب فرنل ایجاد کرد.

r_{q}

آر پ آر آ q = b \times r ج q

(8)

روابط بین ضرایب در معادلات (7) و (8) به شرح زیر است:

a = ب 1 / ب 2

(9)

b = آ 1 / (آ ب 1 / ب 2 2)

(10)

c = A \times سی 1 - (سی 2 \times ب 1) / ب 2

(11)

جایی که $a$ ، $b$ ، و $c$ می توان از تجزیه و تحلیل رگرسیون با توجه به پایگاه داده شبیه سازی شده AIEM تعیین کرد.

3.2. مدل بازیابی رطوبت خاک

برای سطوح خالی، معادله انتقال تابش را می توان به صورت زیر ساده کرد:

تی ب ص = (1 - آر پ) تی ه

(12)

تی B q = (1 - آر q) تی ه

(13)

جایی که $T B_{p}$ و $T B_{q}$ درجه حرارت روشنایی مایکروویو قطبش دوگانه و $T_{e}$ دمای سطح موثر است که می تواند از مدل های نیمه تجربی استخراج شود یا با دمای سطح جایگزین شود.

ترکیب معادلات (12) و (13) در معادله (8)، بازتاب فرنل

r_{q}

را می توان به صورت زیر بیان کرد:

r q = (( تی ه - تی ب ص ) تی a - 1 ه b \times ( تی ه - تی B q ) آ) 1 / ج

(14)

شکل دیگری از معادله بازتاب فرنل توسط لیو [ 28 ] پیشنهاد شد. در این معادله قسمت واقعی دی الکتریک خاک

ε

با ضریب شکست واقعی تنظیم شده جایگزین می شود

N_{r}

. ضریب شکست واقعی تعدیل شده دارای معنای فیزیکی مشابه دی الکتریک خاک است که به خواص خاک نیز بستگی دارد. بنابراین، این شکل از معادله بازتاب فرنل را می توان برای بازیابی رطوبت خاک اعمال کرد. شکل کامل معادله به صورت زیر نوشته می شود:

r q = ∣ ∣ ∣ ∣ ∣ cos θ - ن 2 r - گناه 2 θ - - - - - - - - - \sqrt cos θ + ن 2 r - گناه 2 θ - - - - - - - - - \sqrt ∣ ∣ ∣ ∣ ∣ 2

(15)

نr=2–√2{n2r–n2من+گناه2θ +[(n2r–n2من–گناه2θ )2+ 4n2rn2من]1/2 _ _}1/2 _ _ن�=22{��2–�من2+گناه2�+[(��2–�من2–گناه2�)2+4��2�من2]1/2}1/2

(16)

جایی که $N_{r}$ ضریب شکست واقعی و ضریب شکست تنظیم شده است $n = n_{r} - i n_{i}$ . $n_{r}$ . اینجا، $n_{i}$ به ترتیب قسمت های واقعی و موهومی ضریب شکست هستند که می توان از ثابت دی الکتریک پیچیده بدست آورد:

{ε “ = n 2 r - n 2 من ε ” “ = 2 n r n من

(17)

⎧ ⎩ ⎨ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ n r = ( ε “ ) 2 + ( ε ” “ ) 2 \sqrt + ε “ 2 - - - - - - - - - - - \sqrt n من = ( ε “ ) 2 + ( ε ” “ ) 2 \sqrt - ε “ 2 - - - - - - - - - - - \sqrt

(18)

جایی که $ε^{'}$ و $ε^{''}$ به ترتیب اجزای واقعی و خیالی ثابت دی الکتریک مختلط هستند.

حل تحلیلی معادله (15) برای یک ماده غیر جاذب توسط Sohn [ 29] ارائه شد. ] ارائه شد. در این مطالعه، شکل مشابهی از محلول به محیط های جاذب تعمیم داده می شود.

با گرفتن جذر معادله (15)،

r_{q}^{1 / 2}

را می توان به صورت زیر نوشت:

r 1 2 q = ∣ ∣ ∣ ∣ ∣ 1- _ ن 2 r ( cos θ + ن 2 r - گناه 2 θ - - - - - - - - - \sqrt ) 2 ∣ ∣ ∣ ∣ ∣

(19)

جایی که $N_{r} = \sin θ_{i} / \sin θ_{t}$ ، $θ_{i}$ زاویه بروز است و $θ_{t}$ زاویه شکست است. طبق فرآیند انتقال تابشی، موج از طریق هوا به خاک یا آب نفوذ می کند. هوا در مقایسه با خاک و آب از نظر نوری محیطی رقیق‌تر است. بر اساس قانون اسنل، $N_{r} > 1$ . با حذف قدر مطلق، سمت راست معادله (19) را می توان به صورت زیر ساده کرد:

r 1/2__q = ن 2 r - 1 ( cos θ + ن 2 r - گناه 2 θ - - - - - - - - - \sqrt ) 2

(20)

پس از گرفتن جذر دو طرف معادله (20)، می توان آن را به شکل زیر بازنویسی کرد:

ن 2 r - گناه 2 θ - - - - - - - - - \sqrt = ( ن 2 r - 1 ) 1/2 _ _ r 1/4 _ _ q - cos θ

(21)

با گرفتن مربع های دو طرف رابطه (21) رابطه (22) بدست می آید:

ن 2 r - گناه 2 θ = ( ن 2 r - 1 ) r 1/2 _ _ q - 2 cos θ ( ن 2 r - 1 ) 1/2 _ _ r 1/4 _ _ q + cos 2 θ

(22)

موارد مشابه را می توان به صورت زیر ادغام کرد:

(ن 2 r - 1) (r 1/2 _ _ q - 1 r 1/2 _ _ q) = - 2 cos θ ( ن 2 r - 1 ) 1/2 _ _ r 1/4 _ _ q

(23)

با گرفتن مربع دو طرف رابطه (23) معادله (24) به دست می آید:

(ن 2 r - 1) 2 ( r 1/2 _ _ q - 1 ) 2 r q = 4 cos 2 θ ( ن 2 r - 1 ) r 1/2 _ _ q

(24)

ترتیب معادله (24) معادله (25) را به دست می دهد:

(ن 2 r - 1) ⎡ ⎣ ⎢ ⎢ ( r 1/2 _ _ q - 1 ) r q 2 (ن 2 r - 1) - 4 cos 2 θ r 1/2 _ _ q ⎤ ⎦ ⎥ ⎥ = 0

(25)

جمله دوم سمت چپ صفر است زیرا

N_{r} > 1

. بنابراین، معادله (25) را می توان به صورت زیر بازنویسی کرد:

( r 1/2 _ _ q - 1 ) r q 2 (ن 2 r - 1) - 4 cos 2 θ r 1/2 _ _ q = 0

(26)

پس از ساده سازی، ضریب شکست واقعی تنظیم شده است

N_{r}

را می توان به صورت زیر بیان کرد:

ن r = 1 + 4 r 1 / 2 q cos 2 θ ( r 1 / 2 q - 1 ) ------------⎷

(27)

در این مطالعه، رابطه بین ضریب شکست واقعی تعدیل شده و رطوبت خاک پیشنهاد شده است. شکل مدل شبیه به مدل ثابت دی الکتریک هالیکاینن [ 30 ] است که به شرح زیر است:

ε' = (a 0 + a 1 S + a 2 C) + (b 0 + b 1 S + b 2 C) m v + (c 0 + c 1 S + c 2 C) m 2 v

(28)

جایی که $S$ و $C$ به ترتیب درصد محتوای ماسه و خاک رس هستند، $ε^{'}$ بخش واقعی ثابت دی الکتریک مختلط است و $m_{v}$ رطوبت حجمی خاک است.

مدل جدید بازیابی رطوبت خاک با جایگزینی سمت چپ مدل هالیکاینن توسعه یافته است.

ε^{'}

به ضریب شکست واقعی تعدیل شده

N_{r}

N r = (a 0 + a 1 S + a 2 C) + (b 0 + b 1 S + b 2 C) m v + (c 0 + c 1 S + c 2 C) m 2 v

(29)

ضرایب این مدل (

a_{0}

a_{1}

a_{2}

b_{0}

b_{1}

b_{2}

c_{0}

c_{1}

، و

c_{2}

) را می توان از طریق تحلیل رگرسیون با توجه به پایگاه داده شبیه سازی شده ثابت دی الکتریک تعیین کرد.

معادله درجه دوم با یک مجهول در معادله (29) دو راه حل دارد که یکی از آنها رطوبت خاک است. تنها داده های کمکی مورد نیاز این مدل درصد محتوای شن و رس است که می تواند از تحقیقات میدانی به دست آید. سپس می توان رطوبت خاک را با استفاده از مدل دی الکتریک خاک از طریق یک کمیت ناشناخته محاسبه کرد

N_{r}

. پس از ساده سازی، رطوبت حجمی خاک را می توان به صورت زیر بیان کرد. طرح انتگرال این روش در شکل 1 نشان داده شده است :

m v = - ( b 0 + b 1 S + b 2 C ) + ( b 0 + b 1 S + b 2 C ) 2 - 4 ( c 0 + c 1 S + c 2 C ) ( a 0 + a 1 S + a 2 C - N r ) ------------------------------------------------\sqrt 2 ( c 0 + c 1 S + c 2 C )

(30)

4. نتایج و بحث

4.1. تخمین رطوبت خاک با داده های شبیه سازی شده

برای کالیبره کردن ضرایب مدل انتشار سطحی (معادله (8))، ما یک پایگاه داده انتشار سطحی شبیه‌سازی شده تحت پارامترهای حسگر فرکانس SMOS، از جمله 1.41 گیگاهرتز و قطبش V و H، با استفاده از مدل AIEM تولید کردیم. این پایگاه داده طیف وسیعی از زوایای فرود، رطوبت حجمی خاک و پارامترهای زبری، از جمله ارتفاع RMS، طول همبستگی و توابع همبستگی را پوشش می دهد. پارامترهای دقیق مورد استفاده در پایگاه داده شبیه سازی شده در جدول 2 خلاصه شده است خلاصه شده است .

سه ضریب (

a

b

، و

c

) در زوایای فرود مختلف در معادله (8) در جدول 3 آورده شده است . شکل 2 بازتاب فرنل را مقایسه می کند

r_{q}

با استفاده از مدل AIEM با مدل های تخمین زده شده با استفاده از معادله (6) به عنوان تابعی از زوایای فرود از 5 درجه تا 60 درجه محاسبه شده است. ریشه میانگین مربعات خطا (RMSEs) در زوایای بروز بزرگ، به ویژه در 45 درجه، کمتر است. این تمایل ناشی از سبک مدل ساده شده و تقریب شیب برای زبری است. پارامتر

s / l

استفاده شده در معادلات (1) و (2) زبری سطح را در زوایای فرود بزرگ، به ویژه در 45 درجه، بهتر تخمین می زند. در زوایای کوچک، هر دو قطبش H و V دقت پایینی دارند. هنگامی که زاویه تابش بیشتر از 50 درجه باشد، قطبش H خطاهای قابل توجهی ایجاد می کند [ 9 ]. مدل ساده شده بر اساس این فرضیه است که مقادیر مشابهی به دست آورد. به طور کلی، خطای مدل انتشار سطحی جدید در تمام زوایای بروز کوچکتر از 0.02 است، که به وضوح نشان می دهد که این مدل انتشار ساده شده می تواند جایگزین مدل AIEM در طیف گسترده ای از شرایط سطحی بدون خطاهای قابل توجه شود.

برای تأیید مدل جدید بازیابی رطوبت خاک (معادله (30))، یک پایگاه داده شبیه سازی شده ثابت دی الکتریک تولید شد. مطالعات اخیر نشان داده است که پنج مدل متداول دی الکتریک خاک در شرایط مختلف برتری های متفاوتی دارند. مدل دابسون دقت خوبی از خود نشان می دهد و در بسیاری از الگوریتم های بازیابی رطوبت خاک استفاده شده است [ 31 ، 32 ]. از این رو مدل دابسون به عنوان مدل استاندارد در این پژوهش انتخاب شد. پایگاه داده شبیه سازی شده ثابت دی الکتریک حاوی بیش از 1.3 میلیون گروه از داده های بافت خاک، از جمله طیف وسیعی از رطوبت حجمی خاک، چگالی ظاهری، دمای خاک و درصد محتوای شن و خاک بود. پارامترهای دقیق مورد استفاده در پایگاه داده شبیه سازی شده در جدول 4 آمده است . سپس از این پایگاه داده برای واسنجی ضرایب مدل بازیابی رطوبت خاک در رابطه (29) استفاده شد. نتایج در جدول 5 فهرست شده است .

مقایسه بین رطوبت خاک برآورد شده با استفاده از مدل ثابت دی الکتریک جدید توسعه یافته و رطوبت ورودی خاک محاسبه شده با استفاده از مدل دابسون در شکل 3 نشان داده شده است . RMSE کلی رطوبت حجمی خاک 0.014 است که دقت بسیار خوبی را نشان می دهد. نتیجه نشان می دهد که رابطه بین ضریب شکست واقعی تعدیل شده وجود دارد

N_{r}

و رطوبت حجمی خاک تطابق خوبی را نشان می دهد. ضریب شکست واقعی تنظیم شده

N_{r}

اثرات مشابه ثابت دی الکتریک خاک را نشان می دهد

ε

. هر دو می توانند خواص دی الکتریک خاک را منعکس کنند. بنابراین، ضریب شکست واقعی تعدیل شده می تواند جایگزین خواص دی الکتریک خاک در بازیابی رطوبت خاک شود. تنها دو ورودی پارامتر خاک و برخی از پارامترهای تجربی در مدل جدید توسعه‌یافته دخیل هستند که حجم کار و عدم قطعیت‌های مرتبط با اندازه‌گیری‌های درجا را کاهش می‌دهند. انحراف اندک در رطوبت خاک به دلیل ساده شدن جرم ظاهری و دمای خاک است. به طور کلی مدل ساده است و نسبت به شبیه سازی های مدل دابسون دارای خطای ناچیز است.

شکل 4 مقایسه ای بین رطوبت خاک برآورد شده با استفاده از مدل جدید توسعه یافته و رطوبت ورودی خاک محاسبه شده با استفاده از مدل AIEM را نشان می دهد. RMSE کلی در تمام زوایای بروز از 5 درجه تا 60 درجه کمتر از 0.03 است. دقت مدل جدید توسعه‌یافته در زوایای بزرگ بهتر است و همان تمایل مدل انتشار سطح قبلی را نشان می‌دهد. این نتایج به وضوح نشان می‌دهد که مدل جدید توسعه‌یافته دارای دقت بالایی در ارتباط با بازیابی رطوبت خاک، بدون استفاده از پارامترهای زبری سطح است.

4.2. تجزیه و تحلیل میزان حساسیت

با توجه به خطاهای اجتناب ناپذیر در اندازه گیری ها و مدل ها، تحلیل حساسیت برای ارزیابی عملکرد این مدل انجام شد. پارامترهای ورودی دمای روشنایی مایکروویو و دمای سطح از پایگاه داده شبیه سازی شده AIEM بودند. برای رادیومتر باند L، عدم قطعیت رادیومتری 0.8 تا 3 K برای SMOS [ 1 ] است، در حالی که SMAP تازه راه اندازی شده 1.3 K [ 2 ] است. حداکثر خطای طیف‌سنج تصویربرداری با وضوح متوسط (MODIS) در بازیابی دمای سطح بین 2 تا 3 کلوین است. 33]. بنابراین، سطوح مختلف نویز توزیع شده گاوسی به طور تصادفی به پایگاه داده شبیه سازی شده در این مطالعه اضافه شد. محدوده نویز اختصاص داده شده به دمای روشنایی و دمای سطح از 1 K تا 5 K است.

شکل 5 دقت مدل بازیابی رطوبت خاک را در سطوح مختلف نویز نشان می دهد. مدل جدید توسعه یافته به نویز در زوایای بروز متفاوت پاسخ متفاوتی می دهد. زوایای بزرگ نتایج بهتری را به همراه دارد و روند مشابهی را با آنچه در شکل 2 و شکل 3 نشان داده شده است نشان می دهد . شکل 5 a نشان می دهد که زوایای فرود کم، به ویژه آنهایی که در 5 درجه، 10 درجه و 15 درجه هستند، در هنگام ایجاد نویز عملکرد ضعیفی از خود نشان می دهند. برخی از این مقادیر بیش از 10 درصد هستند که در صورت عدم کیفیت داده های ورودی، عدم اطمینان زیادی ایجاد می کند. شکل 5b نشان می دهد که از آنجایی که زوایای فرود بزرگ از 20 درجه تا 60 درجه متفاوت است، تقریباً همه RMSE ها زیر 5٪ هستند. تاثیرگذارترین زاویه 45 درجه است که کمترین RMSE را در هر سطح نویز نشان می دهد. برای برآورده کردن آستانه دقت 0.04 متر مکعب ^بر متر ^مکعب ، که هدف محصولات رطوبت خاک SMOS و SMAP است، خطای اندازه‌گیری باید کمتر از 5 K باشد و زاویه برخورد انتخابی باید از 35 درجه تا 60 درجه باشد. .

4.3. اعتبارسنجی رطوبت خاک با داده های درجا

برای تأیید و آزمایش بیشتر مدل بازیابی رطوبت خاک توسعه‌یافته در این مطالعه، از مجموعه داده‌های تجربی چهار ساله BARC از سال 1979 تا 1982 استفاده شد که شامل هر دو قطبش V و H بود. با توجه به توزیع ناهمگن دمای خاک و رطوبت خاک در جهت عمودی، داده های اعتبارسنجی بر اساس مقادیر میانگین کالیبره می شوند. دمای خاک بر اساس مقادیر متوسط در اعماق 0-2.5 سانتی متر و 2.5-5 سانتی متر انتخاب شد و رطوبت خاک با میانگین اندازه گیری رطوبت خاک از اعماق 2.5 سانتی متر و 7.5 سانتی متر به دست آمد که مطابق با اعماق نفوذ مربوط به باند L. شکل 6اندازه‌گیری‌های حجمی رطوبت خاک را با اندازه‌گیری‌های تخمین زده شده با استفاده از مدل جدید توسعه‌یافته مقایسه می‌کند. RMSE رطوبت حجمی خاک به ترتیب 7.0، 5.4، 4.3 و 3.4 درصد در زوایای 20 درجه، 30 درجه، 40 درجه و 50 درجه است. به طور خاص، دقت در 40 درجه و 50 درجه به طور کامل الزامات ماموریت های SMOS و SMAP را برآورده می کند، که نشان می دهد مدل جدید توسعه یافته قابل اعتماد است و می تواند به طور موثر برای بازیابی رطوبت خاک اعمال شود.

5. نتیجه گیری ها

رادیومتری باند L پتانسیل بالایی در پایش رطوبت خاک نشان می دهد. مدل سازی دقیق در باند L می تواند به طور قابل توجهی بازیابی رطوبت خاک را بهبود بخشد. در این مطالعه، ما یک الگوریتم جدید برای بازیابی رطوبت خاک باند L ایجاد کردیم که دو الگوریتم فرعی را ترکیب می‌کند. ابتدا، یک مدل انتشار سطح جدید برای ارزیابی اثرات زبری سطح پیشنهاد شد. این مدل اثرات زبری سطح را با استفاده از بازتاب سطح دو قطبی کاهش می دهد. ضرایب در این مدل با استفاده از پایگاه داده شبیه سازی شده AIEM کالیبره شده است که به طور دقیق در طیف گسترده ای از شرایط سطح ثابت شده است. روش جدید می تواند به طور مستقیم و بدون پارامترهای تجربی مورد استفاده قرار گیرد. سپس این مدل برای بازیابی رطوبت خاک سطحی با استفاده از مدل بازیابی رطوبت خاک اعمال شد.

N_{r}

و رطوبت حجمی خاک ضریب شکست واقعی تنظیم شده

N_{r}

که از نظر فیزیکی از معادله بازتاب فرنل استنتاج می شود، معنای فیزیکی مشابه دی الکتریک خاک را نشان می دهد.

ε

. به طور کلی، الگوریتم ارائه شده در این مقاله در مقایسه با روش های قبلی دارای مزایای بسیاری است. این مدل از روش حل تحلیلی استفاده می کند که پایداری و کارایی بیشتری را نشان می دهد. اشتقاق دقیق بر اساس مدل‌های فیزیکی است که الگوریتم را قابل اعتمادتر می‌کند. این الگوریتم به تعداد کمی از ورودی داده های خاک کمکی نیاز دارد که آن را در مقایسه با روش های قبلی کاربردی تر می کند. تنها پارامترهای ورودی الگوریتم پیشنهادی، دمای روشنایی مایکروویو با پلاریزاسیون دوگانه، دمای سطح، و محتویات ماسه و خاک رس است. به هیچ پارامتر زبری سطحی نیاز ندارد. در مقایسه با مقادیر رطوبت ورودی خاک شبیه‌سازی شده توسط مدل AIEM، رطوبت خاک برآورد شده با استفاده از این مدل دقت بسیار خوبی را با RMSEهای زیر 3 درصد در همه زوایای وقوع نشان داد. مدل پیشنهادی در زوایای بروز بالاتر، به ویژه در 40 درجه، 45 درجه و 50 درجه به خوبی عمل کرد. تجزیه و تحلیل حساسیت نشان داد که 45 درجه بهترین زاویه تابش برای این مدل است. اعتبار داده های اندازه گیری شده بر اساس آزمایش چهار ساله انجام شده در بلتسویل، مریلند بود. نتایج به ویژه برای زوایای فرود 20 درجه، 30 درجه، 40 درجه و 50 درجه خوب بود. خطا تقریباً 4٪ در زوایای فرود 40 درجه و 50 درجه بود که الزامات مأموریت SMOS و SMAP را برآورده می کند. نتایج نشان می‌دهد که مدل پیشنهادی در این مقاله پتانسیل عالی برای بازیابی رطوبت خاک را نشان می‌دهد و برای پرتوسنج‌های باند L با زاویه برخورد بزرگ مانند SMAP مناسب است. اگرچه دقت کلی کافی بود، اما تمام داده‌های تایید شده بر اساس سطوح برهنه بودند.

منابع

کر، YH; والدتوفل، پ. ویگنرون، جی پی. دلوارت، اس. کابوت، اف. بوتین، جی. Escorihuela، MJ; فونت، ج. رئول، ن. گروهیر، سی. و همکاران ماموریت SMOS: ابزار جدید برای نظارت بر عناصر کلیدی چرخه آب جهانی. IEEE Proc. 2010 ، 98 ، 666-687. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
انتخابی، د. Njoku، EG; اونیل، پی. Kellogg، KH; کلاغ، WT; ادلشتاین، WN; انتین، جی کی. گودمن، SD; جکسون، تی جی؛ جانسون، جی. و همکاران ماموریت غیرفعال رطوبت خاک (SMAP). IEEE Proc. 2010 ، 98 ، 704-716. [ Google Scholar ] [ CrossRef ]
قره چلو، س. تطیشی، ر. شارما، RC; جانسون، BA نقشه‌برداری رطوبت خاک در یک منطقه خشک با استفاده از رویکرد نمونه‌برداری واحد زمین (LUA) و تکنیک‌های درونیابی زمین‌آماری. ISPRS Int. Geo-Inf. 2016 . [ Google Scholar ] [ CrossRef ]
لو واین، DA; لاگرلوف، GSE; کلمب، FR؛ یوه، SH; Pellerano، FA Aquarius: ابزاری برای نظارت بر شوری سطح دریا از فضا. IEEE Trans. Geosci. Remote Sens. 2007 ، 45 ، 2040-2050. [ Google Scholar ] [ CrossRef ]
شی، جی سی. دونگ، XL; ژائو، تی جی؛ Du، JY; جیانگ، ال.ام. دو، ی. لیو، اچ. وانگ، ZZ; جی، دی بی; شیونگ، سی. و همکاران Wcom: سناریوی علمی و اهداف یک ماموریت مشاهده چرخه آب جهانی در مجموعه مقالات سمپوزیوم بین المللی زمین شناسی و سنجش از دور IEEE 2014، شهر کبک، QC، کانادا، 13 تا 18 ژوئیه 2014. IEEE: نیویورک، نیویورک، ایالات متحده آمریکا، 2014؛ صص 3646–3649. [ Google Scholar ]
چن، KS; وو، تی دی; تسانگ، ال. لی، کیو. شی، جی سی. Fung, AK انتشار سطوح ناهموار با روش معادلات انتگرال با مقایسه با شبیه‌سازی روش گشتاور سه‌بعدی محاسبه شد. IEEE Trans. Geosci. Remote Sens. 2003 ، 41 ، 90-101. [ Google Scholar ] [ CrossRef ]
Choudhury، BJ; اشموگ، تی جی; چانگ، آ. نیوتن، RW اثر زبری سطح بر انتشار امواج مایکروویو از خاک. جی. ژئوفیس. Res.-Oceans Atmos. 1979 ، 84 ، 5699-5706. [ Google Scholar ] [ CrossRef ]
شی، جی سی. چن، KS; لی، کیو. جکسون، تی جی؛ اونیل، پی. Tsang، L. مدل بازتابی سطحی پارامتری و تخمین رطوبت خاک سطح برهنه با رادیومتر باند L. IEEE Trans. Geosci. Remote Sens. 2002 , 40 , 2674–2686. [ Google Scholar ]
چن، ال. شی، جی سی. ویگنرون، جی پی. چن، KS یک مدل انتشار سطحی پارامتری در باند L برای بازیابی رطوبت خاک. IEEE Geosci. سنسور از راه دور Lett. 2010 ، 7 ، 127-130. [ Google Scholar ] [ CrossRef ]
گوا، پی. شی، جی سی. لیو، کیو. Du, JY یک الگوریتم جدید برای بازیابی رطوبت خاک با رادیومتر باند L. IEEE J. Sel. بالا. Appl. زمین Obs. Remote Sens. 2013 ، 6 ، 1147-1155. [ Google Scholar ] [ CrossRef ]
جیا، YY; تانگ، BH; ژانگ، XY; Li، ZL تخمین دمای سطح زمین و انتشار از داده های AMSR-E. در مجموعه مقالات IGARSS: 2007 Ieee International Geoscience and Remote Sensing Symposium، جلد 1-12: Sensing and Understanding Our Planet، بارسلون، اسپانیا، 23-28 ژوئیه 2007. IEEE: نیویورک، نیویورک، ایالات متحده آمریکا، 2007; صفحات 1849-1852. [ Google Scholar ]
لیو، ZL; وو، اچ. تانگ، BH; کیو، اس. Li، ZL یک رابطه تجربی از انتشار مایکروویو خاک برهنه بین قطبش عمودی و افقی در 10.65 گیگاهرتز. IEEE Geosci. سنسور از راه دور Lett. 2014 ، 11 ، 1479-1483. [ Google Scholar ]
جکسون، تی جی اندازه گیری رطوبت سطح خاک با استفاده از سنجش از دور مایکروویو غیرفعال. هیدرول. روند. 1993 ، 7 ، 139-152. [ Google Scholar ] [ CrossRef ]
ویگنرون، جی پی. کر، ی. والدتوفل، پ. صالح، ک. Escorihuela، MJ; ریشوم، پی. فرازولی، پ. د روسنای، پی. گارنی، آر. Calvet, JC; و همکاران مدل انتشار مایکروویو باند L از بیوسفر (L-MEB): توصیف و کالیبراسیون در برابر مجموعه داده‌های تجربی در مزارع زراعی سنسور از راه دور محیط. 2007 ، 107 ، 639-655. [ Google Scholar ] [ CrossRef ]
Oneill، PE مایکروویو سنجش از راه دور رطوبت خاک – مقایسه نتایج از سکوهای مختلف کامیون و هواپیما. بین المللی J. Remote Sens. 1985 ، 6 ، 1125-1134. [ Google Scholar ] [ CrossRef ]
Wang, JR اثر پوشش گیاهی بر سنجش رطوبت خاک مشاهده شده از پرتو سنج های مایکروویو در مدار. سنسور از راه دور محیط. 1985 ، 17 ، 141-151. [ Google Scholar ] [ CrossRef ]
اشموگه، تی. Oneill، PE; Wang, JR مایکروویو غیرفعال تحقیق رطوبت خاک. IEEE Trans. Geosci. Remote Sens. 1986 , 24 , 12-22. [ Google Scholar ] [ CrossRef ]
الیاری، ع. ویگنرون، جی پی. کر، ی. د ژو، آر. رودریگز-فرناندز، ن. ون در شالی، آر. البیطار، ع. میالون، ا. ریشوم، پی. دولمان، ا. و همکاران آزمایش معادلات رگرسیون برای استخراج مجموعه داده‌های بلندمدت رطوبت خاک از مشاهدات مایکروویو غیرفعال. سنسور از راه دور محیط. 2016 ، 180 ، 453-464. [ Google Scholar ] [ CrossRef ]
شی، جی سی. دو، ی. Du، JY; جیانگ، ال.ام. چای، LN; مائو، KB; خو، پی. Ni، WJ; شیونگ، سی. لیو، کیو. و همکاران پیشرفت در سنجش از دور مایکروویو پارامترهای سطح زمین. علمی چین-علم زمین. 2012 ، 55 ، 1052-1078. [ Google Scholar ] [ CrossRef ]
وانگ، جی. شیو، جی. انگمن، ای. مک مورتری، جی. Lawless، IP; اشموگ، تی جی; جکسون، تی جی؛ گولد، دبلیو. فوکس، جی. کالون، سی. و همکاران اندازه گیری رطوبت خاک از راه دور توسط رادیومترهای مایکروویو در محل آزمایش BARC . ناسا، فناوری ناسا یادداشت: Greenbelt، MD، ایالات متحده آمریکا، 1980.
وانگ، جی. اونیل، پی. انگمن، ای. مک مورتری، جی. Lawless، IP; اشموگ، تی جی; جکسون، تی جی؛ گولد، دبلیو. فوکس، جی. Glazer, W. اندازه گیری از راه دور رطوبت خاک توسط رادیومترهای مایکروویو در سایت آزمایش BARC II . ناسا، فناوری ناسا یادداشت: Greenbelt، MD، ایالات متحده آمریکا، 1982.
وانگ، جی. جکسون، تی جی؛ انگمن، ای. گولد، دبلیو. فوکس، جی. گلیزر، دبلیو. اونیل، پی. اشموگ، تی جی; McMurtrey, J. مایکروویو رادیومتر آزمایش سنجش رطوبت خاک در محل آزمایش BARC در تابستان 1981 ; ناسا، فناوری ناسا یادداشت: Greenbelt، MD، ایالات متحده آمریکا، 1984.
اونیل، پی. جکسون، تی جی؛ بلانچارد، بی. ون دن هوک، آر. گولد، دبلیو. وانگ، جی. گلیزر، دبلیو. McMurtrey, J. خواص هیدرولیک خاک در سنجش مایکروویو غیرفعال رطوبت خاک: گزارش داده‌ها برای آزمایش‌های صحرایی 1982 . ناسا، فناوری ناسا یادداشت: Greenbelt، MD، ایالات متحده آمریکا، 1983.
Hong, S. بازیابی ضریب شکست روی سطوح عینی برای کاربردهای سنجش از دور. J. Appl. Remote Sens. 2009 , 3 , 033560. [ Google Scholar ] [ CrossRef ]
هونگ، اس. تشخیص زبری در مقیاس کوچک و ضریب شکست یخ دریا در سنجش از دور مایکروویو ماهواره ای غیرفعال. سنسور از راه دور محیط. 2010 ، 114 ، 1136-1140. [ Google Scholar ] [ CrossRef ]
Hong, S. بازیابی جهانی زبری در مقیاس کوچک بر روی سطوح زمین در فرکانس مایکروویو. جی هیدرول. 2010 ، 389 ، 121-126. [ Google Scholar ] [ CrossRef ]
Hong، S. زبری سطح و نسبت قطبش در سنجش از دور مایکروویو. بین المللی J. Remote Sens. 2010 , 31 , 2709-2716. [ Google Scholar ] [ CrossRef ]
لیو، KN مقدمه ای بر تشعشعات اتمسفر ، ویرایش دوم. انتشارات آکادمیک: نیویورک، نیویورک، ایالات متحده آمریکا، 2002. [ Google Scholar ]
Sohn، BJ; لی، SM رابطه تحلیلی بین بازتاب های قطبی شده روی سطح چشمی. بین المللی J. Remote Sens. 2013 ، 34 ، 2368-2374. [ Google Scholar ] [ CrossRef ]
هالیکاینن، ام تی; اولابی، اف تی. دابسون، ام سی؛ Elrayes، MA; Wu، LK رفتار دی الکتریک مایکروویو خاک مرطوب. 1. تجربی-مدل ها و تجربی-مشاهدات. IEEE Trans. Geosci. Remote Sens. 1985 ، 23 ، 25-34. [ Google Scholar ] [ CrossRef ]
Njoku، EG; چان، SK اثرات پوشش گیاهی و زبری سطح بر مشاهدات زمین AMSR-E. سنسور از راه دور محیط. 2006 ، 100 ، 190-199. [ Google Scholar ] [ CrossRef ]
جونز، MO; جونز، لس آنجلس; کیمبال، جی اس. مک دونالد، KC ماهواره سنجش از راه دور مایکروویو غیرفعال برای نظارت بر فنولوژی سطح زمین جهانی. سنسور از راه دور محیط. 2011 ، 115 ، 1102-1114. [ Google Scholar ] [ CrossRef ]
عدالت، CO; ورموت، ای. Townshend، JRG; دفریز، ر. روی، DP; هال، DK; سالومونسون، وی وی. Privette، JL; ریگز، جی. Strahler، A. و همکاران طیف‌سنج تصویربرداری با وضوح متوسط (MODIS): سنجش از راه دور زمین برای تحقیقات تغییرات جهانی. IEEE Trans. Geosci. Remote Sens. 1998 , 36 , 1228-1249. [ Google Scholar ] [ CrossRef ]

شکل 1. طرحی برای توسعه روش شناسی الگوریتم ساده شده جدید.

شکل 2. مقایسه بین

r_{q}

با استفاده از مدل جدید توسعه یافته و بازتاب فرنل برآورد شده است

r_{q}

با استفاده از مدل معادلات انتگرال پیشرفته (AIEM) محاسبه شده است.

شکل 3. مقایسه بین رطوبت خاک برآورد شده با استفاده از مدل جدید بازیابی رطوبت خاک و رطوبت ورودی خاک محاسبه شده با استفاده از مدل دابسون.

شکل 4. مقایسه رطوبت خاک برآورد شده با استفاده از مدل جدید توسعه یافته و رطوبت ورودی خاک محاسبه شده با استفاده از مدل AIEM.

شکل 5. پاسخ خطاهای میانگین مربعات ریشه بازیابی رطوبت خاک (RMSEs) به خطا در دمای روشنایی و دمای سطح با زوایای فرود ( a ) از 5 درجه تا 60 درجه و ( b ) از 20 درجه تا 60 درجه.

شکل 6. مقایسه رطوبت خاک برآورد شده با استفاده از مدل جدید توسعه یافته و رطوبت خاک در محل از مرکز تحقیقات کشاورزی بلتس ویل (BARC) از سال 1979 تا 1982 در زوایای فرود (a) 20 درجه. ( ب ) 30 درجه؛ ( ج ) 40 درجه؛ و ( د ) 50 درجه.

جدول 1. توضیحات مرکز تحقیقات کشاورزی Beltsville (BARC) در آزمایش چهار ساله.

جدول 2. پارامترهای زبری سطح و رطوبت خاک مورد استفاده در پایگاه داده شبیه سازی شده مدل معادلات انتگرال پیشرفته (AIEM).

جدول 3. ضرایب مدل انتشار سطحی در زوایای بروز مختلف.

جدول 4. پارامترهای خاک مورد استفاده در پایگاه داده شبیه سازی شده ثابت دی الکتریک دابسون.

جدول 5. ضرایب مدل بازیابی رطوبت خاک.

© 2016 توسط نویسندگان؛ دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC-BY) (http://creativecommons.org/licenses/by/4.0/) توزیع شده است.

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب