A global archive of land cover and soils data for use in general circulation climate models
1
1985
... 地表土壤水分是大气降水、植物含水和地下水相互转化的纽带，是植物生长和生存的决定性要素之一［1］，已成为农业、水文、气候、生态等研究领域的重要基础研究内容［2-4］.世界上三分之一的国家和地区，包括我国青藏高原的绝大部分［5］，处于干旱或半干旱地带，水分的匮乏直接制约了当地的生态环境和经济发展.因此世界各国十分关注土壤水分的研究，并为其投入颇多［6］，如2009年欧空局（ESA）发射的SMOS与2015年美国宇航局（NASA）发射的SMAP均为专注于全球土壤水分监测的卫星. ...
Applications of microwave remote sensing of soil moisture for water resources and agriculture
1
1991
... 地表土壤水分是大气降水、植物含水和地下水相互转化的纽带，是植物生长和生存的决定性要素之一［1］，已成为农业、水文、气候、生态等研究领域的重要基础研究内容［2-4］.世界上三分之一的国家和地区，包括我国青藏高原的绝大部分［5］，处于干旱或半干旱地带，水分的匮乏直接制约了当地的生态环境和经济发展.因此世界各国十分关注土壤水分的研究，并为其投入颇多［6］，如2009年欧空局（ESA）发射的SMOS与2015年美国宇航局（NASA）发射的SMAP均为专注于全球土壤水分监测的卫星. ...
A comparison of canopy evapotranspiration for maize and two perennial grasses identified as potential bioenergy crops
0
2010
Impact of soil water stress on Nigellone oil content of black cumin seeds grown in calcareous-gypsifereous soils
1
2011
... 地表土壤水分是大气降水、植物含水和地下水相互转化的纽带，是植物生长和生存的决定性要素之一［1］，已成为农业、水文、气候、生态等研究领域的重要基础研究内容［2-4］.世界上三分之一的国家和地区，包括我国青藏高原的绝大部分［5］，处于干旱或半干旱地带，水分的匮乏直接制约了当地的生态环境和经济发展.因此世界各国十分关注土壤水分的研究，并为其投入颇多［6］，如2009年欧空局（ESA）发射的SMOS与2015年美国宇航局（NASA）发射的SMAP均为专注于全球土壤水分监测的卫星. ...
Characteristic， changes and impacts of permafrost on Qinghai-Tibet Plateau
2
2019
... 地表土壤水分是大气降水、植物含水和地下水相互转化的纽带，是植物生长和生存的决定性要素之一［1］，已成为农业、水文、气候、生态等研究领域的重要基础研究内容［2-4］.世界上三分之一的国家和地区，包括我国青藏高原的绝大部分［5］，处于干旱或半干旱地带，水分的匮乏直接制约了当地的生态环境和经济发展.因此世界各国十分关注土壤水分的研究，并为其投入颇多［6］，如2009年欧空局（ESA）发射的SMOS与2015年美国宇航局（NASA）发射的SMAP均为专注于全球土壤水分监测的卫星. ...
... 分析原因，这可能与地表均质性或土壤质地对雷达后向散射系数的影响有关.90%植被盖度区（主要是高寒草甸）土壤地表土质为亚砂土、亚黏土，且地表腐殖质较厚［5］，地表均质性较好，进而减少了对雷达后向散射系数的干扰，且在此期间，降水主要以固态水形式，活动层冻结后未冻水分很小. ...
青藏高原多年冻土特征、变化及影响
2
2019
... 地表土壤水分是大气降水、植物含水和地下水相互转化的纽带，是植物生长和生存的决定性要素之一［1］，已成为农业、水文、气候、生态等研究领域的重要基础研究内容［2-4］.世界上三分之一的国家和地区，包括我国青藏高原的绝大部分［5］，处于干旱或半干旱地带，水分的匮乏直接制约了当地的生态环境和经济发展.因此世界各国十分关注土壤水分的研究，并为其投入颇多［6］，如2009年欧空局（ESA）发射的SMOS与2015年美国宇航局（NASA）发射的SMAP均为专注于全球土壤水分监测的卫星. ...
... 分析原因，这可能与地表均质性或土壤质地对雷达后向散射系数的影响有关.90%植被盖度区（主要是高寒草甸）土壤地表土质为亚砂土、亚黏土，且地表腐殖质较厚［5］，地表均质性较好，进而减少了对雷达后向散射系数的干扰，且在此期间，降水主要以固态水形式，活动层冻结后未冻水分很小. ...
Research on soil water parameters in China and abroad
1
1997
... 地表土壤水分是大气降水、植物含水和地下水相互转化的纽带，是植物生长和生存的决定性要素之一［1］，已成为农业、水文、气候、生态等研究领域的重要基础研究内容［2-4］.世界上三分之一的国家和地区，包括我国青藏高原的绝大部分［5］，处于干旱或半干旱地带，水分的匮乏直接制约了当地的生态环境和经济发展.因此世界各国十分关注土壤水分的研究，并为其投入颇多［6］，如2009年欧空局（ESA）发射的SMOS与2015年美国宇航局（NASA）发射的SMAP均为专注于全球土壤水分监测的卫星. ...
国内外土壤水分研究现状与进展
1
1997
... 地表土壤水分是大气降水、植物含水和地下水相互转化的纽带，是植物生长和生存的决定性要素之一［1］，已成为农业、水文、气候、生态等研究领域的重要基础研究内容［2-4］.世界上三分之一的国家和地区，包括我国青藏高原的绝大部分［5］，处于干旱或半干旱地带，水分的匮乏直接制约了当地的生态环境和经济发展.因此世界各国十分关注土壤水分的研究，并为其投入颇多［6］，如2009年欧空局（ESA）发射的SMOS与2015年美国宇航局（NASA）发射的SMAP均为专注于全球土壤水分监测的卫星. ...
Monitoring global land surface using Nimbus-7 37 GHz data Theory and examples
1
1989
... 自20世纪80年代，微波遥感技术开始广泛应用于区域土壤含水量监测研究［7-8］.由于土壤介电常数和土壤粗糙度影响土壤的后向散射系数，研究者根据地表电磁波传播理论，先后建立起描述后向散射系数与地表物理与几何参数之间的理论模型，为土壤含水量的反演提供了理论基础，如Kirchhoff Approximation（基尔霍夫近似），其又根据土壤的粗糙程度分为POM（物理光学模型），GOM（几何光学模型）两种［9］、SPM（小扰动）［10］、IEM（积分方程）模型［11］等.同时一些学者基于理论模型，结合陆基后向散射计的实测数据，发展出各种适用于主动微波遥感的经验、半经验模型，如Oh模型［12］，Dubois模型［13］等.这类模型大多针对裸露地表而言，除土壤纹理结构外，制约其反演精度的重要因素是地表粗糙度［14-16］，通过正确选择雷达参数或多频率、多极化、多入射角数据，可以在一定程度上降低或削弱地表粗糙度的影响；另外，当地表被植被覆盖时，其反演的土壤含水量往往会偏低，使之无法直接应用于有植被覆盖的复杂地表［17-18］.因此在植被覆盖区反演土壤含水量往往需要借助光学遥感提供的参数去除植被层对后向散射系数的影响，如MIMICS（植被微波散射模型）模型［19］，水云模型等［20］. ...
Effect of vegetation on soil moisture sensing observed from orbiting microwave radiometers
1
1985
... 自20世纪80年代，微波遥感技术开始广泛应用于区域土壤含水量监测研究［7-8］.由于土壤介电常数和土壤粗糙度影响土壤的后向散射系数，研究者根据地表电磁波传播理论，先后建立起描述后向散射系数与地表物理与几何参数之间的理论模型，为土壤含水量的反演提供了理论基础，如Kirchhoff Approximation（基尔霍夫近似），其又根据土壤的粗糙程度分为POM（物理光学模型），GOM（几何光学模型）两种［9］、SPM（小扰动）［10］、IEM（积分方程）模型［11］等.同时一些学者基于理论模型，结合陆基后向散射计的实测数据，发展出各种适用于主动微波遥感的经验、半经验模型，如Oh模型［12］，Dubois模型［13］等.这类模型大多针对裸露地表而言，除土壤纹理结构外，制约其反演精度的重要因素是地表粗糙度［14-16］，通过正确选择雷达参数或多频率、多极化、多入射角数据，可以在一定程度上降低或削弱地表粗糙度的影响；另外，当地表被植被覆盖时，其反演的土壤含水量往往会偏低，使之无法直接应用于有植被覆盖的复杂地表［17-18］.因此在植被覆盖区反演土壤含水量往往需要借助光学遥感提供的参数去除植被层对后向散射系数的影响，如MIMICS（植被微波散射模型）模型［19］，水云模型等［20］. ...
1
1982
... 自20世纪80年代，微波遥感技术开始广泛应用于区域土壤含水量监测研究［7-8］.由于土壤介电常数和土壤粗糙度影响土壤的后向散射系数，研究者根据地表电磁波传播理论，先后建立起描述后向散射系数与地表物理与几何参数之间的理论模型，为土壤含水量的反演提供了理论基础，如Kirchhoff Approximation（基尔霍夫近似），其又根据土壤的粗糙程度分为POM（物理光学模型），GOM（几何光学模型）两种［9］、SPM（小扰动）［10］、IEM（积分方程）模型［11］等.同时一些学者基于理论模型，结合陆基后向散射计的实测数据，发展出各种适用于主动微波遥感的经验、半经验模型，如Oh模型［12］，Dubois模型［13］等.这类模型大多针对裸露地表而言，除土壤纹理结构外，制约其反演精度的重要因素是地表粗糙度［14-16］，通过正确选择雷达参数或多频率、多极化、多入射角数据，可以在一定程度上降低或削弱地表粗糙度的影响；另外，当地表被植被覆盖时，其反演的土壤含水量往往会偏低，使之无法直接应用于有植被覆盖的复杂地表［17-18］.因此在植被覆盖区反演土壤含水量往往需要借助光学遥感提供的参数去除植被层对后向散射系数的影响，如MIMICS（植被微波散射模型）模型［19］，水云模型等［20］. ...
A model for sea backscatter intermittency at extreme grazing angles
1
1977
... 自20世纪80年代，微波遥感技术开始广泛应用于区域土壤含水量监测研究［7-8］.由于土壤介电常数和土壤粗糙度影响土壤的后向散射系数，研究者根据地表电磁波传播理论，先后建立起描述后向散射系数与地表物理与几何参数之间的理论模型，为土壤含水量的反演提供了理论基础，如Kirchhoff Approximation（基尔霍夫近似），其又根据土壤的粗糙程度分为POM（物理光学模型），GOM（几何光学模型）两种［9］、SPM（小扰动）［10］、IEM（积分方程）模型［11］等.同时一些学者基于理论模型，结合陆基后向散射计的实测数据，发展出各种适用于主动微波遥感的经验、半经验模型，如Oh模型［12］，Dubois模型［13］等.这类模型大多针对裸露地表而言，除土壤纹理结构外，制约其反演精度的重要因素是地表粗糙度［14-16］，通过正确选择雷达参数或多频率、多极化、多入射角数据，可以在一定程度上降低或削弱地表粗糙度的影响；另外，当地表被植被覆盖时，其反演的土壤含水量往往会偏低，使之无法直接应用于有植被覆盖的复杂地表［17-18］.因此在植被覆盖区反演土壤含水量往往需要借助光学遥感提供的参数去除植被层对后向散射系数的影响，如MIMICS（植被微波散射模型）模型［19］，水云模型等［20］. ...
Backscattering from a randomly rough dielectric surface
1
1992
... 自20世纪80年代，微波遥感技术开始广泛应用于区域土壤含水量监测研究［7-8］.由于土壤介电常数和土壤粗糙度影响土壤的后向散射系数，研究者根据地表电磁波传播理论，先后建立起描述后向散射系数与地表物理与几何参数之间的理论模型，为土壤含水量的反演提供了理论基础，如Kirchhoff Approximation（基尔霍夫近似），其又根据土壤的粗糙程度分为POM（物理光学模型），GOM（几何光学模型）两种［9］、SPM（小扰动）［10］、IEM（积分方程）模型［11］等.同时一些学者基于理论模型，结合陆基后向散射计的实测数据，发展出各种适用于主动微波遥感的经验、半经验模型，如Oh模型［12］，Dubois模型［13］等.这类模型大多针对裸露地表而言，除土壤纹理结构外，制约其反演精度的重要因素是地表粗糙度［14-16］，通过正确选择雷达参数或多频率、多极化、多入射角数据，可以在一定程度上降低或削弱地表粗糙度的影响；另外，当地表被植被覆盖时，其反演的土壤含水量往往会偏低，使之无法直接应用于有植被覆盖的复杂地表［17-18］.因此在植被覆盖区反演土壤含水量往往需要借助光学遥感提供的参数去除植被层对后向散射系数的影响，如MIMICS（植被微波散射模型）模型［19］，水云模型等［20］. ...
Quantitative retrieval of soil moisture content and surface roughness from multipolarized radar observations of bare soil surfaces
2
2004
... 自20世纪80年代，微波遥感技术开始广泛应用于区域土壤含水量监测研究［7-8］.由于土壤介电常数和土壤粗糙度影响土壤的后向散射系数，研究者根据地表电磁波传播理论，先后建立起描述后向散射系数与地表物理与几何参数之间的理论模型，为土壤含水量的反演提供了理论基础，如Kirchhoff Approximation（基尔霍夫近似），其又根据土壤的粗糙程度分为POM（物理光学模型），GOM（几何光学模型）两种［9］、SPM（小扰动）［10］、IEM（积分方程）模型［11］等.同时一些学者基于理论模型，结合陆基后向散射计的实测数据，发展出各种适用于主动微波遥感的经验、半经验模型，如Oh模型［12］，Dubois模型［13］等.这类模型大多针对裸露地表而言，除土壤纹理结构外，制约其反演精度的重要因素是地表粗糙度［14-16］，通过正确选择雷达参数或多频率、多极化、多入射角数据，可以在一定程度上降低或削弱地表粗糙度的影响；另外，当地表被植被覆盖时，其反演的土壤含水量往往会偏低，使之无法直接应用于有植被覆盖的复杂地表［17-18］.因此在植被覆盖区反演土壤含水量往往需要借助光学遥感提供的参数去除植被层对后向散射系数的影响，如MIMICS（植被微波散射模型）模型［19］，水云模型等［20］. ...
... Oh提出了同向极化和交叉极化的后向散射系数经验模型［12］.模型的适用的条件为：4%<<29.1%，0.13<ks<6.98，10°≤≤70°. ...
Measuring soil moisture with imaging radars
2
1995
... 自20世纪80年代，微波遥感技术开始广泛应用于区域土壤含水量监测研究［7-8］.由于土壤介电常数和土壤粗糙度影响土壤的后向散射系数，研究者根据地表电磁波传播理论，先后建立起描述后向散射系数与地表物理与几何参数之间的理论模型，为土壤含水量的反演提供了理论基础，如Kirchhoff Approximation（基尔霍夫近似），其又根据土壤的粗糙程度分为POM（物理光学模型），GOM（几何光学模型）两种［9］、SPM（小扰动）［10］、IEM（积分方程）模型［11］等.同时一些学者基于理论模型，结合陆基后向散射计的实测数据，发展出各种适用于主动微波遥感的经验、半经验模型，如Oh模型［12］，Dubois模型［13］等.这类模型大多针对裸露地表而言，除土壤纹理结构外，制约其反演精度的重要因素是地表粗糙度［14-16］，通过正确选择雷达参数或多频率、多极化、多入射角数据，可以在一定程度上降低或削弱地表粗糙度的影响；另外，当地表被植被覆盖时，其反演的土壤含水量往往会偏低，使之无法直接应用于有植被覆盖的复杂地表［17-18］.因此在植被覆盖区反演土壤含水量往往需要借助光学遥感提供的参数去除植被层对后向散射系数的影响，如MIMICS（植被微波散射模型）模型［19］，水云模型等［20］. ...
... Dubois模型是基于地面实测数据建立的经验模型.在1.5~11 GHz频率范围，30°~65°入射角范围内，Dubois模型可以较好地模拟VV与HH后向散射.但是在地表较为粗糙［ks>2.5，k为自由空间波束，s为均方根高度（cm）］，土壤水分较高时（>35%，为土壤体积含水量）Dubois模型将不再适用.由Dubois经验模型［13］： ...
Microwave backscatter dependence on surface roughness， soil moisture， and soil texture： Part I-bare soil
1
1978
... 自20世纪80年代，微波遥感技术开始广泛应用于区域土壤含水量监测研究［7-8］.由于土壤介电常数和土壤粗糙度影响土壤的后向散射系数，研究者根据地表电磁波传播理论，先后建立起描述后向散射系数与地表物理与几何参数之间的理论模型，为土壤含水量的反演提供了理论基础，如Kirchhoff Approximation（基尔霍夫近似），其又根据土壤的粗糙程度分为POM（物理光学模型），GOM（几何光学模型）两种［9］、SPM（小扰动）［10］、IEM（积分方程）模型［11］等.同时一些学者基于理论模型，结合陆基后向散射计的实测数据，发展出各种适用于主动微波遥感的经验、半经验模型，如Oh模型［12］，Dubois模型［13］等.这类模型大多针对裸露地表而言，除土壤纹理结构外，制约其反演精度的重要因素是地表粗糙度［14-16］，通过正确选择雷达参数或多频率、多极化、多入射角数据，可以在一定程度上降低或削弱地表粗糙度的影响；另外，当地表被植被覆盖时，其反演的土壤含水量往往会偏低，使之无法直接应用于有植被覆盖的复杂地表［17-18］.因此在植被覆盖区反演土壤含水量往往需要借助光学遥感提供的参数去除植被层对后向散射系数的影响，如MIMICS（植被微波散射模型）模型［19］，水云模型等［20］. ...
Retrieving of land surface parameters over the Tibetan Plateau with passive microwave remote sensing
0
2004
青藏高原地表参数的被动微波遥感反演研究
0
2004
Estimation of soil water content and wheat coverage with ASAR image
1
2006
... 自20世纪80年代，微波遥感技术开始广泛应用于区域土壤含水量监测研究［7-8］.由于土壤介电常数和土壤粗糙度影响土壤的后向散射系数，研究者根据地表电磁波传播理论，先后建立起描述后向散射系数与地表物理与几何参数之间的理论模型，为土壤含水量的反演提供了理论基础，如Kirchhoff Approximation（基尔霍夫近似），其又根据土壤的粗糙程度分为POM（物理光学模型），GOM（几何光学模型）两种［9］、SPM（小扰动）［10］、IEM（积分方程）模型［11］等.同时一些学者基于理论模型，结合陆基后向散射计的实测数据，发展出各种适用于主动微波遥感的经验、半经验模型，如Oh模型［12］，Dubois模型［13］等.这类模型大多针对裸露地表而言，除土壤纹理结构外，制约其反演精度的重要因素是地表粗糙度［14-16］，通过正确选择雷达参数或多频率、多极化、多入射角数据，可以在一定程度上降低或削弱地表粗糙度的影响；另外，当地表被植被覆盖时，其反演的土壤含水量往往会偏低，使之无法直接应用于有植被覆盖的复杂地表［17-18］.因此在植被覆盖区反演土壤含水量往往需要借助光学遥感提供的参数去除植被层对后向散射系数的影响，如MIMICS（植被微波散射模型）模型［19］，水云模型等［20］. ...
利用ASAR图像监测土壤含水量和小麦覆盖度
1
2006
... 自20世纪80年代，微波遥感技术开始广泛应用于区域土壤含水量监测研究［7-8］.由于土壤介电常数和土壤粗糙度影响土壤的后向散射系数，研究者根据地表电磁波传播理论，先后建立起描述后向散射系数与地表物理与几何参数之间的理论模型，为土壤含水量的反演提供了理论基础，如Kirchhoff Approximation（基尔霍夫近似），其又根据土壤的粗糙程度分为POM（物理光学模型），GOM（几何光学模型）两种［9］、SPM（小扰动）［10］、IEM（积分方程）模型［11］等.同时一些学者基于理论模型，结合陆基后向散射计的实测数据，发展出各种适用于主动微波遥感的经验、半经验模型，如Oh模型［12］，Dubois模型［13］等.这类模型大多针对裸露地表而言，除土壤纹理结构外，制约其反演精度的重要因素是地表粗糙度［14-16］，通过正确选择雷达参数或多频率、多极化、多入射角数据，可以在一定程度上降低或削弱地表粗糙度的影响；另外，当地表被植被覆盖时，其反演的土壤含水量往往会偏低，使之无法直接应用于有植被覆盖的复杂地表［17-18］.因此在植被覆盖区反演土壤含水量往往需要借助光学遥感提供的参数去除植被层对后向散射系数的影响，如MIMICS（植被微波散射模型）模型［19］，水云模型等［20］. ...
The SIR-B observations of microwave backscatter dependence on soil moisture， surface roughness， and vegetation covers
1
1986
... 自20世纪80年代，微波遥感技术开始广泛应用于区域土壤含水量监测研究［7-8］.由于土壤介电常数和土壤粗糙度影响土壤的后向散射系数，研究者根据地表电磁波传播理论，先后建立起描述后向散射系数与地表物理与几何参数之间的理论模型，为土壤含水量的反演提供了理论基础，如Kirchhoff Approximation（基尔霍夫近似），其又根据土壤的粗糙程度分为POM（物理光学模型），GOM（几何光学模型）两种［9］、SPM（小扰动）［10］、IEM（积分方程）模型［11］等.同时一些学者基于理论模型，结合陆基后向散射计的实测数据，发展出各种适用于主动微波遥感的经验、半经验模型，如Oh模型［12］，Dubois模型［13］等.这类模型大多针对裸露地表而言，除土壤纹理结构外，制约其反演精度的重要因素是地表粗糙度［14-16］，通过正确选择雷达参数或多频率、多极化、多入射角数据，可以在一定程度上降低或削弱地表粗糙度的影响；另外，当地表被植被覆盖时，其反演的土壤含水量往往会偏低，使之无法直接应用于有植被覆盖的复杂地表［17-18］.因此在植被覆盖区反演土壤含水量往往需要借助光学遥感提供的参数去除植被层对后向散射系数的影响，如MIMICS（植被微波散射模型）模型［19］，水云模型等［20］. ...
Retrieval methods of soil water content in vegetation covering areas based on multi-source remote sensing data
1
2010
... 自20世纪80年代，微波遥感技术开始广泛应用于区域土壤含水量监测研究［7-8］.由于土壤介电常数和土壤粗糙度影响土壤的后向散射系数，研究者根据地表电磁波传播理论，先后建立起描述后向散射系数与地表物理与几何参数之间的理论模型，为土壤含水量的反演提供了理论基础，如Kirchhoff Approximation（基尔霍夫近似），其又根据土壤的粗糙程度分为POM（物理光学模型），GOM（几何光学模型）两种［9］、SPM（小扰动）［10］、IEM（积分方程）模型［11］等.同时一些学者基于理论模型，结合陆基后向散射计的实测数据，发展出各种适用于主动微波遥感的经验、半经验模型，如Oh模型［12］，Dubois模型［13］等.这类模型大多针对裸露地表而言，除土壤纹理结构外，制约其反演精度的重要因素是地表粗糙度［14-16］，通过正确选择雷达参数或多频率、多极化、多入射角数据，可以在一定程度上降低或削弱地表粗糙度的影响；另外，当地表被植被覆盖时，其反演的土壤含水量往往会偏低，使之无法直接应用于有植被覆盖的复杂地表［17-18］.因此在植被覆盖区反演土壤含水量往往需要借助光学遥感提供的参数去除植被层对后向散射系数的影响，如MIMICS（植被微波散射模型）模型［19］，水云模型等［20］. ...
植被覆盖地表土壤水分遥感反演
1
2010
... 自20世纪80年代，微波遥感技术开始广泛应用于区域土壤含水量监测研究［7-8］.由于土壤介电常数和土壤粗糙度影响土壤的后向散射系数，研究者根据地表电磁波传播理论，先后建立起描述后向散射系数与地表物理与几何参数之间的理论模型，为土壤含水量的反演提供了理论基础，如Kirchhoff Approximation（基尔霍夫近似），其又根据土壤的粗糙程度分为POM（物理光学模型），GOM（几何光学模型）两种［9］、SPM（小扰动）［10］、IEM（积分方程）模型［11］等.同时一些学者基于理论模型，结合陆基后向散射计的实测数据，发展出各种适用于主动微波遥感的经验、半经验模型，如Oh模型［12］，Dubois模型［13］等.这类模型大多针对裸露地表而言，除土壤纹理结构外，制约其反演精度的重要因素是地表粗糙度［14-16］，通过正确选择雷达参数或多频率、多极化、多入射角数据，可以在一定程度上降低或削弱地表粗糙度的影响；另外，当地表被植被覆盖时，其反演的土壤含水量往往会偏低，使之无法直接应用于有植被覆盖的复杂地表［17-18］.因此在植被覆盖区反演土壤含水量往往需要借助光学遥感提供的参数去除植被层对后向散射系数的影响，如MIMICS（植被微波散射模型）模型［19］，水云模型等［20］. ...
Michigan microwave canopy scattering model
1
1990
... 自20世纪80年代，微波遥感技术开始广泛应用于区域土壤含水量监测研究［7-8］.由于土壤介电常数和土壤粗糙度影响土壤的后向散射系数，研究者根据地表电磁波传播理论，先后建立起描述后向散射系数与地表物理与几何参数之间的理论模型，为土壤含水量的反演提供了理论基础，如Kirchhoff Approximation（基尔霍夫近似），其又根据土壤的粗糙程度分为POM（物理光学模型），GOM（几何光学模型）两种［9］、SPM（小扰动）［10］、IEM（积分方程）模型［11］等.同时一些学者基于理论模型，结合陆基后向散射计的实测数据，发展出各种适用于主动微波遥感的经验、半经验模型，如Oh模型［12］，Dubois模型［13］等.这类模型大多针对裸露地表而言，除土壤纹理结构外，制约其反演精度的重要因素是地表粗糙度［14-16］，通过正确选择雷达参数或多频率、多极化、多入射角数据，可以在一定程度上降低或削弱地表粗糙度的影响；另外，当地表被植被覆盖时，其反演的土壤含水量往往会偏低，使之无法直接应用于有植被覆盖的复杂地表［17-18］.因此在植被覆盖区反演土壤含水量往往需要借助光学遥感提供的参数去除植被层对后向散射系数的影响，如MIMICS（植被微波散射模型）模型［19］，水云模型等［20］. ...
Microwave backscatter dependence on surface roughness， soil moisture， and soil texture： Part II-vegetation-covered soil
1
1979
... 自20世纪80年代，微波遥感技术开始广泛应用于区域土壤含水量监测研究［7-8］.由于土壤介电常数和土壤粗糙度影响土壤的后向散射系数，研究者根据地表电磁波传播理论，先后建立起描述后向散射系数与地表物理与几何参数之间的理论模型，为土壤含水量的反演提供了理论基础，如Kirchhoff Approximation（基尔霍夫近似），其又根据土壤的粗糙程度分为POM（物理光学模型），GOM（几何光学模型）两种［9］、SPM（小扰动）［10］、IEM（积分方程）模型［11］等.同时一些学者基于理论模型，结合陆基后向散射计的实测数据，发展出各种适用于主动微波遥感的经验、半经验模型，如Oh模型［12］，Dubois模型［13］等.这类模型大多针对裸露地表而言，除土壤纹理结构外，制约其反演精度的重要因素是地表粗糙度［14-16］，通过正确选择雷达参数或多频率、多极化、多入射角数据，可以在一定程度上降低或削弱地表粗糙度的影响；另外，当地表被植被覆盖时，其反演的土壤含水量往往会偏低，使之无法直接应用于有植被覆盖的复杂地表［17-18］.因此在植被覆盖区反演土壤含水量往往需要借助光学遥感提供的参数去除植被层对后向散射系数的影响，如MIMICS（植被微波散射模型）模型［19］，水云模型等［20］. ...
Measuring soil moisture with imaging radars
1
1995
... 但总体而言，相较于传统的点尺度物理观测、面尺度的光学或被动微波遥感数据土壤含水量反演方法，主动微波遥感技术，特别是合成孔径雷达（SAR）技术，以其宏观、高效、全天候、高分辨率和穿透性强等特点已经被广泛地应用于农业、水文和生态等领域［21-25］. ...
Soil moisture retrieval during a corn growth cycle using L-band （1.6 GHz） radar observations
0
2008
Mapping near-surface soil moisture on regional scale using ERS-2 SAR data
0
2003
Monitoring and analysis of surface deformation in the permafrost area of Wudaoliang on the Tibetan Plateau based on Sentinel-1 data
0
2019
基于Sentinel-1数据对青藏高原五道梁多年冻土区地面形变的监测与分析
0
2019
Application of the differential interferometric synthetic aperture radar （D-InSAR） technology to monitor the ground surface deformation in permafrost regions
2
2020
... 但总体而言，相较于传统的点尺度物理观测、面尺度的光学或被动微波遥感数据土壤含水量反演方法，主动微波遥感技术，特别是合成孔径雷达（SAR）技术，以其宏观、高效、全天候、高分辨率和穿透性强等特点已经被广泛地应用于农业、水文和生态等领域［21-25］. ...
... 活动层与大气的水汽交换主要在土壤表层以升华等形式进行，水汽交换量很小［26］，而植被层又具有保温作用［25］，从而使高植被覆盖区土壤含水量保持较好的稳定性.但低植被覆盖区砾石较多且分布不均，或裸土地表景观破碎化较大（图6），而对雷达后向散射系数影响较大，进而使反演的多年冻土活动层土壤含水量波动性较大.沙化地表由于主要是细砂、粉砂组成，均质性较好，故沙化地表土壤含水量在此期间也保持了较好的稳定性. ...
合成孔径雷达差分干涉测量（D-InSAR）技术在多年冻土区地表变形监测中的应用
2
2020
... 但总体而言，相较于传统的点尺度物理观测、面尺度的光学或被动微波遥感数据土壤含水量反演方法，主动微波遥感技术，特别是合成孔径雷达（SAR）技术，以其宏观、高效、全天候、高分辨率和穿透性强等特点已经被广泛地应用于农业、水文和生态等领域［21-25］. ...
... 活动层与大气的水汽交换主要在土壤表层以升华等形式进行，水汽交换量很小［26］，而植被层又具有保温作用［25］，从而使高植被覆盖区土壤含水量保持较好的稳定性.但低植被覆盖区砾石较多且分布不均，或裸土地表景观破碎化较大（图6），而对雷达后向散射系数影响较大，进而使反演的多年冻土活动层土壤含水量波动性较大.沙化地表由于主要是细砂、粉砂组成，均质性较好，故沙化地表土壤含水量在此期间也保持了较好的稳定性. ...
Characteristics of hydro-thermal coupling during soil freezing-thawing process in seasonally frozen soil regions on the Tibetan Plateau
4
2020
... 北麓河流域位于青藏高原腹地多年冻土区，陆面生态系统以高寒植被为主.已有的研究结果表明，青藏高原土壤冻融对土壤水热变化影响较大［26］，冻结过程有利于土壤维持其水分，而土壤含水量反过来又影响土壤冻融过程及热量分布［27］，进而影响植被的发育程度［28］.在北麓河左冒西孔曲小流域内的定点观测结果表明，土壤冻融过程、土壤含水量和植被生长呈现出复杂的关系［27］.多年冻土活动层开始冻结和消融时间随着植被盖度的减少不断提前，且随着植被盖度减小，活动层含水量变化速率增大，植被起到抑制土壤含水量变化速率的作用［29］.李元寿等［30］的研究结果进一步表明，北麓河左冒西孔曲小流域内多年冻土活动层浅层土壤冻结和融化对植被覆盖度的响应程度较强，接近深层土壤冻结和融化对植被覆盖度的响应程度降低，且伴随草地退化、植被覆盖度降低，土壤含水量对植被覆盖响应越加强烈，植被覆盖度越高，土壤含水量响应越是滞后且土壤含水量变化越加平缓.Wang等［31］在忽略植被作用的前提下，利用2014—2016年TerraSAR-X多角度时间序列数据去除地表粗糙度的影响，基于双组分土壤含水量检索模型完成了北麓河流域内小范围（<100 km2）土壤含水量反演，但文中没有对年内土壤含水量变化情况进行进一步分析.北麓河多年冻土区活动层冻融过程中，植被覆盖和土壤含水量的响应仍有待于进一步深入研究. ...
... 北麓河地区5月中旬开始进入夏季融化期［26］，且6月中旬以后，北麓河地区的降水类型主要以降雨为主［30］，因此，降雨和升温导致的活动层融化是6月土壤含水量激增的重要原因；夏季土壤含水量的波动变化则主要是由于降雨量变化造成的；而9月—11月的土壤含水量下降则是由于降水减少且主要为固态降水造成. ...
... 活动层与大气的水汽交换主要在土壤表层以升华等形式进行，水汽交换量很小［26］，而植被层又具有保温作用［25］，从而使高植被覆盖区土壤含水量保持较好的稳定性.但低植被覆盖区砾石较多且分布不均，或裸土地表景观破碎化较大（图6），而对雷达后向散射系数影响较大，进而使反演的多年冻土活动层土壤含水量波动性较大.沙化地表由于主要是细砂、粉砂组成，均质性较好，故沙化地表土壤含水量在此期间也保持了较好的稳定性. ...
... 90%植被盖度的典型区土壤含水量从4月9日开始稳步缓慢增加至5月3日，推测该时间段内土壤升温较慢［26］.考虑到卫星重访周期，该区多年冻土活动层消融时间应在4月9日之后，这与沱沱河埋深4 cm活动层消融时间为4月15日的野外观测结果［27］吻合（沱沱河距北麓河直线距离<90 km），进一步验证了本文观测结果的准确性.同理，根据雷达反演的土壤含水量年内曲线，推测该区冻结期应在10月18日后. ...
青藏高原季节冻土区土壤冻融过程水热耦合特征
4
2020
... 北麓河流域位于青藏高原腹地多年冻土区，陆面生态系统以高寒植被为主.已有的研究结果表明，青藏高原土壤冻融对土壤水热变化影响较大［26］，冻结过程有利于土壤维持其水分，而土壤含水量反过来又影响土壤冻融过程及热量分布［27］，进而影响植被的发育程度［28］.在北麓河左冒西孔曲小流域内的定点观测结果表明，土壤冻融过程、土壤含水量和植被生长呈现出复杂的关系［27］.多年冻土活动层开始冻结和消融时间随着植被盖度的减少不断提前，且随着植被盖度减小，活动层含水量变化速率增大，植被起到抑制土壤含水量变化速率的作用［29］.李元寿等［30］的研究结果进一步表明，北麓河左冒西孔曲小流域内多年冻土活动层浅层土壤冻结和融化对植被覆盖度的响应程度较强，接近深层土壤冻结和融化对植被覆盖度的响应程度降低，且伴随草地退化、植被覆盖度降低，土壤含水量对植被覆盖响应越加强烈，植被覆盖度越高，土壤含水量响应越是滞后且土壤含水量变化越加平缓.Wang等［31］在忽略植被作用的前提下，利用2014—2016年TerraSAR-X多角度时间序列数据去除地表粗糙度的影响，基于双组分土壤含水量检索模型完成了北麓河流域内小范围（<100 km2）土壤含水量反演，但文中没有对年内土壤含水量变化情况进行进一步分析.北麓河多年冻土区活动层冻融过程中，植被覆盖和土壤含水量的响应仍有待于进一步深入研究. ...
... 北麓河地区5月中旬开始进入夏季融化期［26］，且6月中旬以后，北麓河地区的降水类型主要以降雨为主［30］，因此，降雨和升温导致的活动层融化是6月土壤含水量激增的重要原因；夏季土壤含水量的波动变化则主要是由于降雨量变化造成的；而9月—11月的土壤含水量下降则是由于降水减少且主要为固态降水造成. ...
... 活动层与大气的水汽交换主要在土壤表层以升华等形式进行，水汽交换量很小［26］，而植被层又具有保温作用［25］，从而使高植被覆盖区土壤含水量保持较好的稳定性.但低植被覆盖区砾石较多且分布不均，或裸土地表景观破碎化较大（图6），而对雷达后向散射系数影响较大，进而使反演的多年冻土活动层土壤含水量波动性较大.沙化地表由于主要是细砂、粉砂组成，均质性较好，故沙化地表土壤含水量在此期间也保持了较好的稳定性. ...
... 90%植被盖度的典型区土壤含水量从4月9日开始稳步缓慢增加至5月3日，推测该时间段内土壤升温较慢［26］.考虑到卫星重访周期，该区多年冻土活动层消融时间应在4月9日之后，这与沱沱河埋深4 cm活动层消融时间为4月15日的野外观测结果［27］吻合（沱沱河距北麓河直线距离<90 km），进一步验证了本文观测结果的准确性.同理，根据雷达反演的土壤含水量年内曲线，推测该区冻结期应在10月18日后. ...
The role of soil moisture-energy distribution and melting-freezing processes on seasonal shift in Tibetan Plateau
3
2002
... 北麓河流域位于青藏高原腹地多年冻土区，陆面生态系统以高寒植被为主.已有的研究结果表明，青藏高原土壤冻融对土壤水热变化影响较大［26］，冻结过程有利于土壤维持其水分，而土壤含水量反过来又影响土壤冻融过程及热量分布［27］，进而影响植被的发育程度［28］.在北麓河左冒西孔曲小流域内的定点观测结果表明，土壤冻融过程、土壤含水量和植被生长呈现出复杂的关系［27］.多年冻土活动层开始冻结和消融时间随着植被盖度的减少不断提前，且随着植被盖度减小，活动层含水量变化速率增大，植被起到抑制土壤含水量变化速率的作用［29］.李元寿等［30］的研究结果进一步表明，北麓河左冒西孔曲小流域内多年冻土活动层浅层土壤冻结和融化对植被覆盖度的响应程度较强，接近深层土壤冻结和融化对植被覆盖度的响应程度降低，且伴随草地退化、植被覆盖度降低，土壤含水量对植被覆盖响应越加强烈，植被覆盖度越高，土壤含水量响应越是滞后且土壤含水量变化越加平缓.Wang等［31］在忽略植被作用的前提下，利用2014—2016年TerraSAR-X多角度时间序列数据去除地表粗糙度的影响，基于双组分土壤含水量检索模型完成了北麓河流域内小范围（<100 km2）土壤含水量反演，但文中没有对年内土壤含水量变化情况进行进一步分析.北麓河多年冻土区活动层冻融过程中，植被覆盖和土壤含水量的响应仍有待于进一步深入研究. ...
... ［27］.多年冻土活动层开始冻结和消融时间随着植被盖度的减少不断提前，且随着植被盖度减小，活动层含水量变化速率增大，植被起到抑制土壤含水量变化速率的作用［29］.李元寿等［30］的研究结果进一步表明，北麓河左冒西孔曲小流域内多年冻土活动层浅层土壤冻结和融化对植被覆盖度的响应程度较强，接近深层土壤冻结和融化对植被覆盖度的响应程度降低，且伴随草地退化、植被覆盖度降低，土壤含水量对植被覆盖响应越加强烈，植被覆盖度越高，土壤含水量响应越是滞后且土壤含水量变化越加平缓.Wang等［31］在忽略植被作用的前提下，利用2014—2016年TerraSAR-X多角度时间序列数据去除地表粗糙度的影响，基于双组分土壤含水量检索模型完成了北麓河流域内小范围（<100 km2）土壤含水量反演，但文中没有对年内土壤含水量变化情况进行进一步分析.北麓河多年冻土区活动层冻融过程中，植被覆盖和土壤含水量的响应仍有待于进一步深入研究. ...
... 90%植被盖度的典型区土壤含水量从4月9日开始稳步缓慢增加至5月3日，推测该时间段内土壤升温较慢［26］.考虑到卫星重访周期，该区多年冻土活动层消融时间应在4月9日之后，这与沱沱河埋深4 cm活动层消融时间为4月15日的野外观测结果［27］吻合（沱沱河距北麓河直线距离<90 km），进一步验证了本文观测结果的准确性.同理，根据雷达反演的土壤含水量年内曲线，推测该区冻结期应在10月18日后. ...
青藏高原土壤水热分布特征及冻融过程在季节转换中的作用
3
2002
... 北麓河流域位于青藏高原腹地多年冻土区，陆面生态系统以高寒植被为主.已有的研究结果表明，青藏高原土壤冻融对土壤水热变化影响较大［26］，冻结过程有利于土壤维持其水分，而土壤含水量反过来又影响土壤冻融过程及热量分布［27］，进而影响植被的发育程度［28］.在北麓河左冒西孔曲小流域内的定点观测结果表明，土壤冻融过程、土壤含水量和植被生长呈现出复杂的关系［27］.多年冻土活动层开始冻结和消融时间随着植被盖度的减少不断提前，且随着植被盖度减小，活动层含水量变化速率增大，植被起到抑制土壤含水量变化速率的作用［29］.李元寿等［30］的研究结果进一步表明，北麓河左冒西孔曲小流域内多年冻土活动层浅层土壤冻结和融化对植被覆盖度的响应程度较强，接近深层土壤冻结和融化对植被覆盖度的响应程度降低，且伴随草地退化、植被覆盖度降低，土壤含水量对植被覆盖响应越加强烈，植被覆盖度越高，土壤含水量响应越是滞后且土壤含水量变化越加平缓.Wang等［31］在忽略植被作用的前提下，利用2014—2016年TerraSAR-X多角度时间序列数据去除地表粗糙度的影响，基于双组分土壤含水量检索模型完成了北麓河流域内小范围（<100 km2）土壤含水量反演，但文中没有对年内土壤含水量变化情况进行进一步分析.北麓河多年冻土区活动层冻融过程中，植被覆盖和土壤含水量的响应仍有待于进一步深入研究. ...
... ［27］.多年冻土活动层开始冻结和消融时间随着植被盖度的减少不断提前，且随着植被盖度减小，活动层含水量变化速率增大，植被起到抑制土壤含水量变化速率的作用［29］.李元寿等［30］的研究结果进一步表明，北麓河左冒西孔曲小流域内多年冻土活动层浅层土壤冻结和融化对植被覆盖度的响应程度较强，接近深层土壤冻结和融化对植被覆盖度的响应程度降低，且伴随草地退化、植被覆盖度降低，土壤含水量对植被覆盖响应越加强烈，植被覆盖度越高，土壤含水量响应越是滞后且土壤含水量变化越加平缓.Wang等［31］在忽略植被作用的前提下，利用2014—2016年TerraSAR-X多角度时间序列数据去除地表粗糙度的影响，基于双组分土壤含水量检索模型完成了北麓河流域内小范围（<100 km2）土壤含水量反演，但文中没有对年内土壤含水量变化情况进行进一步分析.北麓河多年冻土区活动层冻融过程中，植被覆盖和土壤含水量的响应仍有待于进一步深入研究. ...
... 90%植被盖度的典型区土壤含水量从4月9日开始稳步缓慢增加至5月3日，推测该时间段内土壤升温较慢［26］.考虑到卫星重访周期，该区多年冻土活动层消融时间应在4月9日之后，这与沱沱河埋深4 cm活动层消融时间为4月15日的野外观测结果［27］吻合（沱沱河距北麓河直线距离<90 km），进一步验证了本文观测结果的准确性.同理，根据雷达反演的土壤含水量年内曲线，推测该区冻结期应在10月18日后. ...
Relationship between frozen soil together with its water-heat process and ecological environment in the Tibetan Plateau
1
2003
... 北麓河流域位于青藏高原腹地多年冻土区，陆面生态系统以高寒植被为主.已有的研究结果表明，青藏高原土壤冻融对土壤水热变化影响较大［26］，冻结过程有利于土壤维持其水分，而土壤含水量反过来又影响土壤冻融过程及热量分布［27］，进而影响植被的发育程度［28］.在北麓河左冒西孔曲小流域内的定点观测结果表明，土壤冻融过程、土壤含水量和植被生长呈现出复杂的关系［27］.多年冻土活动层开始冻结和消融时间随着植被盖度的减少不断提前，且随着植被盖度减小，活动层含水量变化速率增大，植被起到抑制土壤含水量变化速率的作用［29］.李元寿等［30］的研究结果进一步表明，北麓河左冒西孔曲小流域内多年冻土活动层浅层土壤冻结和融化对植被覆盖度的响应程度较强，接近深层土壤冻结和融化对植被覆盖度的响应程度降低，且伴随草地退化、植被覆盖度降低，土壤含水量对植被覆盖响应越加强烈，植被覆盖度越高，土壤含水量响应越是滞后且土壤含水量变化越加平缓.Wang等［31］在忽略植被作用的前提下，利用2014—2016年TerraSAR-X多角度时间序列数据去除地表粗糙度的影响，基于双组分土壤含水量检索模型完成了北麓河流域内小范围（<100 km2）土壤含水量反演，但文中没有对年内土壤含水量变化情况进行进一步分析.北麓河多年冻土区活动层冻融过程中，植被覆盖和土壤含水量的响应仍有待于进一步深入研究. ...
青藏高原冻土及水热过程与寒区生态环境的关系
1
2003
... 北麓河流域位于青藏高原腹地多年冻土区，陆面生态系统以高寒植被为主.已有的研究结果表明，青藏高原土壤冻融对土壤水热变化影响较大［26］，冻结过程有利于土壤维持其水分，而土壤含水量反过来又影响土壤冻融过程及热量分布［27］，进而影响植被的发育程度［28］.在北麓河左冒西孔曲小流域内的定点观测结果表明，土壤冻融过程、土壤含水量和植被生长呈现出复杂的关系［27］.多年冻土活动层开始冻结和消融时间随着植被盖度的减少不断提前，且随着植被盖度减小，活动层含水量变化速率增大，植被起到抑制土壤含水量变化速率的作用［29］.李元寿等［30］的研究结果进一步表明，北麓河左冒西孔曲小流域内多年冻土活动层浅层土壤冻结和融化对植被覆盖度的响应程度较强，接近深层土壤冻结和融化对植被覆盖度的响应程度降低，且伴随草地退化、植被覆盖度降低，土壤含水量对植被覆盖响应越加强烈，植被覆盖度越高，土壤含水量响应越是滞后且土壤含水量变化越加平缓.Wang等［31］在忽略植被作用的前提下，利用2014—2016年TerraSAR-X多角度时间序列数据去除地表粗糙度的影响，基于双组分土壤含水量检索模型完成了北麓河流域内小范围（<100 km2）土壤含水量反演，但文中没有对年内土壤含水量变化情况进行进一步分析.北麓河多年冻土区活动层冻融过程中，植被覆盖和土壤含水量的响应仍有待于进一步深入研究. ...
Influence of vegetation coverage on water and heat processes of the active layer in permafrost regions of the Tibetan Plateau
2
2009
... 北麓河流域位于青藏高原腹地多年冻土区，陆面生态系统以高寒植被为主.已有的研究结果表明，青藏高原土壤冻融对土壤水热变化影响较大［26］，冻结过程有利于土壤维持其水分，而土壤含水量反过来又影响土壤冻融过程及热量分布［27］，进而影响植被的发育程度［28］.在北麓河左冒西孔曲小流域内的定点观测结果表明，土壤冻融过程、土壤含水量和植被生长呈现出复杂的关系［27］.多年冻土活动层开始冻结和消融时间随着植被盖度的减少不断提前，且随着植被盖度减小，活动层含水量变化速率增大，植被起到抑制土壤含水量变化速率的作用［29］.李元寿等［30］的研究结果进一步表明，北麓河左冒西孔曲小流域内多年冻土活动层浅层土壤冻结和融化对植被覆盖度的响应程度较强，接近深层土壤冻结和融化对植被覆盖度的响应程度降低，且伴随草地退化、植被覆盖度降低，土壤含水量对植被覆盖响应越加强烈，植被覆盖度越高，土壤含水量响应越是滞后且土壤含水量变化越加平缓.Wang等［31］在忽略植被作用的前提下，利用2014—2016年TerraSAR-X多角度时间序列数据去除地表粗糙度的影响，基于双组分土壤含水量检索模型完成了北麓河流域内小范围（<100 km2）土壤含水量反演，但文中没有对年内土壤含水量变化情况进行进一步分析.北麓河多年冻土区活动层冻融过程中，植被覆盖和土壤含水量的响应仍有待于进一步深入研究. ...
... （5）总体上看，植被覆盖对活动层冻融过程具有明显的迟滞作用，即植被覆盖度越高，活动层冻结和消融时间越滞后，这与刘光生等［29］和李元寿等［30］的研究结论一致. ...
青藏高原多年冻土区植被盖度变化对活动层水热过程的影响
2
2009
... 北麓河流域位于青藏高原腹地多年冻土区，陆面生态系统以高寒植被为主.已有的研究结果表明，青藏高原土壤冻融对土壤水热变化影响较大［26］，冻结过程有利于土壤维持其水分，而土壤含水量反过来又影响土壤冻融过程及热量分布［27］，进而影响植被的发育程度［28］.在北麓河左冒西孔曲小流域内的定点观测结果表明，土壤冻融过程、土壤含水量和植被生长呈现出复杂的关系［27］.多年冻土活动层开始冻结和消融时间随着植被盖度的减少不断提前，且随着植被盖度减小，活动层含水量变化速率增大，植被起到抑制土壤含水量变化速率的作用［29］.李元寿等［30］的研究结果进一步表明，北麓河左冒西孔曲小流域内多年冻土活动层浅层土壤冻结和融化对植被覆盖度的响应程度较强，接近深层土壤冻结和融化对植被覆盖度的响应程度降低，且伴随草地退化、植被覆盖度降低，土壤含水量对植被覆盖响应越加强烈，植被覆盖度越高，土壤含水量响应越是滞后且土壤含水量变化越加平缓.Wang等［31］在忽略植被作用的前提下，利用2014—2016年TerraSAR-X多角度时间序列数据去除地表粗糙度的影响，基于双组分土壤含水量检索模型完成了北麓河流域内小范围（<100 km2）土壤含水量反演，但文中没有对年内土壤含水量变化情况进行进一步分析.北麓河多年冻土区活动层冻融过程中，植被覆盖和土壤含水量的响应仍有待于进一步深入研究. ...
... （5）总体上看，植被覆盖对活动层冻融过程具有明显的迟滞作用，即植被覆盖度越高，活动层冻结和消融时间越滞后，这与刘光生等［29］和李元寿等［30］的研究结论一致. ...
Response of soil moisture in the permafrost active layer to the change of alpine meadow coverage on the Tibetan Plateau
3
2010
... 北麓河流域位于青藏高原腹地多年冻土区，陆面生态系统以高寒植被为主.已有的研究结果表明，青藏高原土壤冻融对土壤水热变化影响较大［26］，冻结过程有利于土壤维持其水分，而土壤含水量反过来又影响土壤冻融过程及热量分布［27］，进而影响植被的发育程度［28］.在北麓河左冒西孔曲小流域内的定点观测结果表明，土壤冻融过程、土壤含水量和植被生长呈现出复杂的关系［27］.多年冻土活动层开始冻结和消融时间随着植被盖度的减少不断提前，且随着植被盖度减小，活动层含水量变化速率增大，植被起到抑制土壤含水量变化速率的作用［29］.李元寿等［30］的研究结果进一步表明，北麓河左冒西孔曲小流域内多年冻土活动层浅层土壤冻结和融化对植被覆盖度的响应程度较强，接近深层土壤冻结和融化对植被覆盖度的响应程度降低，且伴随草地退化、植被覆盖度降低，土壤含水量对植被覆盖响应越加强烈，植被覆盖度越高，土壤含水量响应越是滞后且土壤含水量变化越加平缓.Wang等［31］在忽略植被作用的前提下，利用2014—2016年TerraSAR-X多角度时间序列数据去除地表粗糙度的影响，基于双组分土壤含水量检索模型完成了北麓河流域内小范围（<100 km2）土壤含水量反演，但文中没有对年内土壤含水量变化情况进行进一步分析.北麓河多年冻土区活动层冻融过程中，植被覆盖和土壤含水量的响应仍有待于进一步深入研究. ...
... 北麓河地区5月中旬开始进入夏季融化期［26］，且6月中旬以后，北麓河地区的降水类型主要以降雨为主［30］，因此，降雨和升温导致的活动层融化是6月土壤含水量激增的重要原因；夏季土壤含水量的波动变化则主要是由于降雨量变化造成的；而9月—11月的土壤含水量下降则是由于降水减少且主要为固态降水造成. ...
... （5）总体上看，植被覆盖对活动层冻融过程具有明显的迟滞作用，即植被覆盖度越高，活动层冻结和消融时间越滞后，这与刘光生等［29］和李元寿等［30］的研究结论一致. ...
青藏高原多年冻土活动层土壤水分对高寒草甸覆盖变化的响应
3
2010
... 北麓河流域位于青藏高原腹地多年冻土区，陆面生态系统以高寒植被为主.已有的研究结果表明，青藏高原土壤冻融对土壤水热变化影响较大［26］，冻结过程有利于土壤维持其水分，而土壤含水量反过来又影响土壤冻融过程及热量分布［27］，进而影响植被的发育程度［28］.在北麓河左冒西孔曲小流域内的定点观测结果表明，土壤冻融过程、土壤含水量和植被生长呈现出复杂的关系［27］.多年冻土活动层开始冻结和消融时间随着植被盖度的减少不断提前，且随着植被盖度减小，活动层含水量变化速率增大，植被起到抑制土壤含水量变化速率的作用［29］.李元寿等［30］的研究结果进一步表明，北麓河左冒西孔曲小流域内多年冻土活动层浅层土壤冻结和融化对植被覆盖度的响应程度较强，接近深层土壤冻结和融化对植被覆盖度的响应程度降低，且伴随草地退化、植被覆盖度降低，土壤含水量对植被覆盖响应越加强烈，植被覆盖度越高，土壤含水量响应越是滞后且土壤含水量变化越加平缓.Wang等［31］在忽略植被作用的前提下，利用2014—2016年TerraSAR-X多角度时间序列数据去除地表粗糙度的影响，基于双组分土壤含水量检索模型完成了北麓河流域内小范围（<100 km2）土壤含水量反演，但文中没有对年内土壤含水量变化情况进行进一步分析.北麓河多年冻土区活动层冻融过程中，植被覆盖和土壤含水量的响应仍有待于进一步深入研究. ...
... 北麓河地区5月中旬开始进入夏季融化期［26］，且6月中旬以后，北麓河地区的降水类型主要以降雨为主［30］，因此，降雨和升温导致的活动层融化是6月土壤含水量激增的重要原因；夏季土壤含水量的波动变化则主要是由于降雨量变化造成的；而9月—11月的土壤含水量下降则是由于降水减少且主要为固态降水造成. ...
... （5）总体上看，植被覆盖对活动层冻融过程具有明显的迟滞作用，即植被覆盖度越高，活动层冻结和消融时间越滞后，这与刘光生等［29］和李元寿等［30］的研究结论一致. ...
Monitoring permafrost soil moisture with multi-temporal TERRASAR-X data in northern Tibet
1
2016
... 北麓河流域位于青藏高原腹地多年冻土区，陆面生态系统以高寒植被为主.已有的研究结果表明，青藏高原土壤冻融对土壤水热变化影响较大［26］，冻结过程有利于土壤维持其水分，而土壤含水量反过来又影响土壤冻融过程及热量分布［27］，进而影响植被的发育程度［28］.在北麓河左冒西孔曲小流域内的定点观测结果表明，土壤冻融过程、土壤含水量和植被生长呈现出复杂的关系［27］.多年冻土活动层开始冻结和消融时间随着植被盖度的减少不断提前，且随着植被盖度减小，活动层含水量变化速率增大，植被起到抑制土壤含水量变化速率的作用［29］.李元寿等［30］的研究结果进一步表明，北麓河左冒西孔曲小流域内多年冻土活动层浅层土壤冻结和融化对植被覆盖度的响应程度较强，接近深层土壤冻结和融化对植被覆盖度的响应程度降低，且伴随草地退化、植被覆盖度降低，土壤含水量对植被覆盖响应越加强烈，植被覆盖度越高，土壤含水量响应越是滞后且土壤含水量变化越加平缓.Wang等［31］在忽略植被作用的前提下，利用2014—2016年TerraSAR-X多角度时间序列数据去除地表粗糙度的影响，基于双组分土壤含水量检索模型完成了北麓河流域内小范围（<100 km2）土壤含水量反演，但文中没有对年内土壤含水量变化情况进行进一步分析.北麓河多年冻土区活动层冻融过程中，植被覆盖和土壤含水量的响应仍有待于进一步深入研究. ...
Synergic use of sentinel-1 and sentinel-2 images for operational soil moisture mapping at high spatial resolution over agricultural areas
1
2017
... 2014年4月3日，ESA哥白尼计划（Global Monitoring for Environment and Security）中的地球观测卫星Sentinel-1A卫星发射升空，并于2017年4月对外共享数据，为主动微波反演土壤含水量提供了新的数据支持.针对Sentinel-1A数据源，El Hajj等［32］结合IEM与水云模型建立带有噪声干扰的模拟C波段SAR数据库，并利用其进行神经网络的训练与验证.文中尝试多种神经网络的输入数据组合，充分研究了土壤含水量与C波段SAR数据和植被指数的相关性.结果表明单独使用VV极化或协同使用VV与VH极化反演土壤含水量均能取得较好的效果；Bao等［33］基于水云模型发展出一种土壤含水量与雷达后向散射系数和植被指数关系的半经验模型，并通过在英国与西班牙地区的实测数据进行拟合来获得模型所需的参数.结果表明该模型可应用于复杂的植被覆盖地表. ...
Surface soil moisture retrievals over partially vegetated areas from the synergy of Sentinel-1 and Landsat 8 data using a modified water-cloud model
1
2018
... 2014年4月3日，ESA哥白尼计划（Global Monitoring for Environment and Security）中的地球观测卫星Sentinel-1A卫星发射升空，并于2017年4月对外共享数据，为主动微波反演土壤含水量提供了新的数据支持.针对Sentinel-1A数据源，El Hajj等［32］结合IEM与水云模型建立带有噪声干扰的模拟C波段SAR数据库，并利用其进行神经网络的训练与验证.文中尝试多种神经网络的输入数据组合，充分研究了土壤含水量与C波段SAR数据和植被指数的相关性.结果表明单独使用VV极化或协同使用VV与VH极化反演土壤含水量均能取得较好的效果；Bao等［33］基于水云模型发展出一种土壤含水量与雷达后向散射系数和植被指数关系的半经验模型，并通过在英国与西班牙地区的实测数据进行拟合来获得模型所需的参数.结果表明该模型可应用于复杂的植被覆盖地表. ...
The impact of thermokarst lake formation on soil environment of alpine meadow in permafrost regions in the Beiluhe basin of the Tibetan Plateau
2
2011
... 北麓河流域位于青藏高原腹地长江源区，地理位置如图1所示，坐标范围为：92°54′~92°56′ E，34°48′~35°00′ N.研究区海拔为4 510~4 680 m，多年冻土极为发育，活动层厚度一般为2~3 m，地表土层以细粒土（黏土、亚砂土）为主，局部分布少量粗颗粒土（角砾土、碎石土）［34］，属青藏高原可可西里区冲、洪积高平原地貌［35］. ...
... 研究区植被生长发育情况较好，主要的植被类型为高寒草甸，主要植物种为矮嵩草、短穗兔儿草、藏嵩草等.在高寒荒漠区间或分布着火绒草、垫状点地梅等.该地区属于亚寒带半干旱气候，年均降水量在290～300 mm之间，集中在6—8月，占全年80%以上；年最高气温为19.2 ℃，最低气温为-27.9 ℃，年均气温为-5.0~-3.8 ℃［35］，土壤冻结期为9月—次年4月［34］. ...
长江源北麓河流域多年冻土区热融湖塘形成对高寒草甸土壤环境的影响
2
2011
... 北麓河流域位于青藏高原腹地长江源区，地理位置如图1所示，坐标范围为：92°54′~92°56′ E，34°48′~35°00′ N.研究区海拔为4 510~4 680 m，多年冻土极为发育，活动层厚度一般为2~3 m，地表土层以细粒土（黏土、亚砂土）为主，局部分布少量粗颗粒土（角砾土、碎石土）［34］，属青藏高原可可西里区冲、洪积高平原地貌［35］. ...
... 研究区植被生长发育情况较好，主要的植被类型为高寒草甸，主要植物种为矮嵩草、短穗兔儿草、藏嵩草等.在高寒荒漠区间或分布着火绒草、垫状点地梅等.该地区属于亚寒带半干旱气候，年均降水量在290～300 mm之间，集中在6—8月，占全年80%以上；年最高气温为19.2 ℃，最低气温为-27.9 ℃，年均气温为-5.0~-3.8 ℃［35］，土壤冻结期为9月—次年4月［34］. ...
Observations and comparative analysis of the precipitation in the Beiluhe region， Tibetan Plateau
2
2013
... 北麓河流域位于青藏高原腹地长江源区，地理位置如图1所示，坐标范围为：92°54′~92°56′ E，34°48′~35°00′ N.研究区海拔为4 510~4 680 m，多年冻土极为发育，活动层厚度一般为2~3 m，地表土层以细粒土（黏土、亚砂土）为主，局部分布少量粗颗粒土（角砾土、碎石土）［34］，属青藏高原可可西里区冲、洪积高平原地貌［35］. ...
... 研究区植被生长发育情况较好，主要的植被类型为高寒草甸，主要植物种为矮嵩草、短穗兔儿草、藏嵩草等.在高寒荒漠区间或分布着火绒草、垫状点地梅等.该地区属于亚寒带半干旱气候，年均降水量在290～300 mm之间，集中在6—8月，占全年80%以上；年最高气温为19.2 ℃，最低气温为-27.9 ℃，年均气温为-5.0~-3.8 ℃［35］，土壤冻结期为9月—次年4月［34］. ...
青藏高原北麓河地区降水量观测与对比分析
2
2013
... 北麓河流域位于青藏高原腹地长江源区，地理位置如图1所示，坐标范围为：92°54′~92°56′ E，34°48′~35°00′ N.研究区海拔为4 510~4 680 m，多年冻土极为发育，活动层厚度一般为2~3 m，地表土层以细粒土（黏土、亚砂土）为主，局部分布少量粗颗粒土（角砾土、碎石土）［34］，属青藏高原可可西里区冲、洪积高平原地貌［35］. ...
... 研究区植被生长发育情况较好，主要的植被类型为高寒草甸，主要植物种为矮嵩草、短穗兔儿草、藏嵩草等.在高寒荒漠区间或分布着火绒草、垫状点地梅等.该地区属于亚寒带半干旱气候，年均降水量在290～300 mm之间，集中在6—8月，占全年80%以上；年最高气温为19.2 ℃，最低气温为-27.9 ℃，年均气温为-5.0~-3.8 ℃［35］，土壤冻结期为9月—次年4月［34］. ...
Interferometric processing of sentinel-1 TOPS data
1
2016
... Sentinel-1A卫星处于高度为693 km的太阳同步轨道，轨道倾角为98.18°，轨道周期约为96分钟，重访周期为12天.Sentinel-1A卫星载有C波段合成孔径雷达（SAR），使用TOPSAR的扫描方式，可较好的解决ScanSAR幅度不匀调制的问题，保证了扫描区内的影像质量均匀［36］.其中心频率为5.405 GHz，极化方式为VV+VH与HH+HV，入射角度为20°~45°，辐射分辨率为1 dB·（3σ）-1，最大噪声等效散射系数（Noise Equivalent Sigma Zero）为-22 dB.包括4种工作模式：条带模式（Strip Map Mode， SM），超宽幅模式（Extra Wide Swath， EW），宽幅干涉模式（Interferometric Wide Swath， IW）和波模式（WaveMode， WV）［37］. ...
Sentinel-1 user handbook
1
2013
... Sentinel-1A卫星处于高度为693 km的太阳同步轨道，轨道倾角为98.18°，轨道周期约为96分钟，重访周期为12天.Sentinel-1A卫星载有C波段合成孔径雷达（SAR），使用TOPSAR的扫描方式，可较好的解决ScanSAR幅度不匀调制的问题，保证了扫描区内的影像质量均匀［36］.其中心频率为5.405 GHz，极化方式为VV+VH与HH+HV，入射角度为20°~45°，辐射分辨率为1 dB·（3σ）-1，最大噪声等效散射系数（Noise Equivalent Sigma Zero）为-22 dB.包括4种工作模式：条带模式（Strip Map Mode， SM），超宽幅模式（Extra Wide Swath， EW），宽幅干涉模式（Interferometric Wide Swath， IW）和波模式（WaveMode， WV）［37］. ...
A refined gamma MAP SAR speckle filter with improved geometrical adaptivity
1
1995
... 本文使用的SAR数据为IW模式的Level-1级地距多视GRD产品.极化方式为VV+VH，空间分辨率为5 m×20 m，幅宽为240 km，重访周期12天，成像时间为2018年1月3日—2018年12月29日，共29景.为抑制SAR影像斑点噪声，利用GammaMAP［38］滤波对影像进行去噪处理，滤波窗口大小为3×3；再使用SARspace软件进行辐射定标，地理编码，重采样与裁剪，最终获得研究区空间分辨率为10 m的后向散射系数影像. ...
The method of vegetation fraction estimation by remote sensing
1
2003
... 此外，采用Landsat-8卫星上搭载的陆地成像仪（OLI）数据反演植被覆盖度，以消除植被冠层散射对土壤含水量反演结果的影响.Landsat-8 OLI数据包括9个波段，波长范围为0.43~12.51 μm，重访周期为16天（成像时间与Sentinel-1A最近影像最多相差8天），空间分辨率为30 m，包括一个15 m的全色波段.所使用的L1TP产品已经经过系统辐射校正、几何校正和地形校正，因此只需要进行辐射定标，将原始DN值转换为大气外层表面反射率，之后利用ENVI软件提供的FLAASH大气校正模块消除大气影响，并重采样为10 m分辨率的影像与Sentinel-1A影像对应.使用Landsat-8红光（band4）和近红外（band5）波段计算得到归一化植被指数（NDVI）并应用像元二分模型反演植被覆盖度［39］.此外，考虑到没有实测叶面积指数（LAI）数据，无法由NDVI通过线性回归求解LAI，以及采用其它经验模型由于应用区域不同会引入新的误差等问题，本文在前述植被覆盖度反演的基础上，借鉴陈丽等［40］的研究方法，采用多次散射过程冠层模型求解迭代的方法来逐步逼近精确的LAI数值，以作为后续水云模型的输入参数之一. ...
植被覆盖度的遥感估算方法研究
1
2003
... 此外，采用Landsat-8卫星上搭载的陆地成像仪（OLI）数据反演植被覆盖度，以消除植被冠层散射对土壤含水量反演结果的影响.Landsat-8 OLI数据包括9个波段，波长范围为0.43~12.51 μm，重访周期为16天（成像时间与Sentinel-1A最近影像最多相差8天），空间分辨率为30 m，包括一个15 m的全色波段.所使用的L1TP产品已经经过系统辐射校正、几何校正和地形校正，因此只需要进行辐射定标，将原始DN值转换为大气外层表面反射率，之后利用ENVI软件提供的FLAASH大气校正模块消除大气影响，并重采样为10 m分辨率的影像与Sentinel-1A影像对应.使用Landsat-8红光（band4）和近红外（band5）波段计算得到归一化植被指数（NDVI）并应用像元二分模型反演植被覆盖度［39］.此外，考虑到没有实测叶面积指数（LAI）数据，无法由NDVI通过线性回归求解LAI，以及采用其它经验模型由于应用区域不同会引入新的误差等问题，本文在前述植被覆盖度反演的基础上，借鉴陈丽等［40］的研究方法，采用多次散射过程冠层模型求解迭代的方法来逐步逼近精确的LAI数值，以作为后续水云模型的输入参数之一. ...
Reversion of leaf area index in forest based on linear mixture model
1
2013
... 此外，采用Landsat-8卫星上搭载的陆地成像仪（OLI）数据反演植被覆盖度，以消除植被冠层散射对土壤含水量反演结果的影响.Landsat-8 OLI数据包括9个波段，波长范围为0.43~12.51 μm，重访周期为16天（成像时间与Sentinel-1A最近影像最多相差8天），空间分辨率为30 m，包括一个15 m的全色波段.所使用的L1TP产品已经经过系统辐射校正、几何校正和地形校正，因此只需要进行辐射定标，将原始DN值转换为大气外层表面反射率，之后利用ENVI软件提供的FLAASH大气校正模块消除大气影响，并重采样为10 m分辨率的影像与Sentinel-1A影像对应.使用Landsat-8红光（band4）和近红外（band5）波段计算得到归一化植被指数（NDVI）并应用像元二分模型反演植被覆盖度［39］.此外，考虑到没有实测叶面积指数（LAI）数据，无法由NDVI通过线性回归求解LAI，以及采用其它经验模型由于应用区域不同会引入新的误差等问题，本文在前述植被覆盖度反演的基础上，借鉴陈丽等［40］的研究方法，采用多次散射过程冠层模型求解迭代的方法来逐步逼近精确的LAI数值，以作为后续水云模型的输入参数之一. ...
基于混合像元分解模型的森林叶面积指数反演
1
2013
... 此外，采用Landsat-8卫星上搭载的陆地成像仪（OLI）数据反演植被覆盖度，以消除植被冠层散射对土壤含水量反演结果的影响.Landsat-8 OLI数据包括9个波段，波长范围为0.43~12.51 μm，重访周期为16天（成像时间与Sentinel-1A最近影像最多相差8天），空间分辨率为30 m，包括一个15 m的全色波段.所使用的L1TP产品已经经过系统辐射校正、几何校正和地形校正，因此只需要进行辐射定标，将原始DN值转换为大气外层表面反射率，之后利用ENVI软件提供的FLAASH大气校正模块消除大气影响，并重采样为10 m分辨率的影像与Sentinel-1A影像对应.使用Landsat-8红光（band4）和近红外（band5）波段计算得到归一化植被指数（NDVI）并应用像元二分模型反演植被覆盖度［39］.此外，考虑到没有实测叶面积指数（LAI）数据，无法由NDVI通过线性回归求解LAI，以及采用其它经验模型由于应用区域不同会引入新的误差等问题，本文在前述植被覆盖度反演的基础上，借鉴陈丽等［40］的研究方法，采用多次散射过程冠层模型求解迭代的方法来逐步逼近精确的LAI数值，以作为后续水云模型的输入参数之一. ...
Estimation of soil and crop parameters for wheat from airborne radar backscattering data in C and X bands
1
1994
... 水云模型是一种适用于低矮植被的半经验后向散射模型，已被证明在C、X波段和20°~40°入射角的范围内模拟精度较好［41］.本文在考虑单次散射的前提下，将给定像元（像元后向散射系数为植被和裸土混合，即混合像元）的植被覆盖度引入水云模型以进行改进，使混合像元内总后向散射系数分解为植被覆盖区地表贡献和无植被覆盖地表裸土地表贡献，则雷达后向散射分量可以写成： ...
Estimating surface soil moisture and leaf area index of a wheat canopy using a dual-frequency （C and X bands） scatter meter
2
1993
... 式中：为给定混合像元总后向散射系数，上标pp为极化方式（本文为同向极化VV或交叉极化VH）；f为植被覆盖度.为更好描述冠层的散射特性，Prevot等［42］建议使用叶面积指数LAI代替植被含水量，则为植被冠层（水云层）后向散射系数，为双向植被透射率或衰减因子，分别由下式［42-43］给出： ...
... ［42-43］给出： ...
Herbaceous biomass retrieval in habitats of complex composition： A model merging SAR images with unmixed Landsat TM data
1
2003
... 式中：为给定混合像元总后向散射系数，上标pp为极化方式（本文为同向极化VV或交叉极化VH）；f为植被覆盖度.为更好描述冠层的散射特性，Prevot等［42］建议使用叶面积指数LAI代替植被含水量，则为植被冠层（水云层）后向散射系数，为双向植被透射率或衰减因子，分别由下式［42-43］给出： ...
Parameterization of vegetation backscatter in radar-based， soil moisture estimation
1
2001
... 式中：a，b为经验系数，因研究区内土壤种类较多，难以获取空间分辨率足够高的土壤类型数据，因此采用Bindlish等［44］的研究成果，分别取a，b为all-land类型0.0012和0.091；为雷达入射角. ...
A new empirical model to retrieve soil moisture and roughness from C-band radar data
1
2003
... 依照式（2）、（3）、（4），利用Sentinel-1A影像处理得到的VV，VH极化后向散射系数值以及与其时间最接近的Landsat-8影像处理得到的植被覆盖度和叶面积指数，计算得到土壤表层的后向散射系数值.由此，土壤含水量的反演转化为去除植被覆盖影响后土壤表层后向散射系数刻画的问题，可以使用针对裸露地表反演土壤含水量的模型代替水云模型中的土壤表层后向散射系数函数.目前常用的经验、半经验模型有Dubois模型，Oh模型，Zribi模型等［45］.本文在前述考虑单次散射和混合像元求得的裸土地表或植被下垫面后向散射系数的基础上，综合Dubois模型和Oh模型，进行土壤含水量的反演. ...
Electromagnetic determination of soil water content： Measurements in coaxial transmission lines
1
1980
... 则可去除地表粗糙度的影响，式（7）中，为土壤体积含水量.进一步结合TOPP公式［46］： ...
Retrieval of surface reflectance from hyperspectral data using a look-up table approach
1
1997
... 本文利用查找表法［47］解决式（9）反演问题.对于某一像元，利用式（4）去除植被影响后，根据，与的关系模型对进行正向模拟（为真实值，范围设定为0.01~0.99 cm3·cm-3），从而建立起查找表.并利用与的平方误差代价函数S查找结果，即使S最小化时相对应的最优解作为最终的反演结果.S表达如下： ...
甘公网安备 62010202000676号
