文摘

本文实证模型分类冻结/解冻土壤在整个文胸d 'Henri河流域(167公里²魁北克(加拿大魁北克)附近)。这是生产开发的积雪下冻土地图使用RADARSAT-1好模式图像和现场数据在三个冬天。十二RADARSAT-1图像分析了从2003年秋季到2006年春季辨别内部和冻土的年际变化特征。回归模型为每个土壤组开发(父material-drainage-soil类型)和土地覆盖建立阈值对冻土的反向散射系数(HH极化)。耕种字段显示反向散射信号(+ 3 dB)高于未开垦的领域。总体分类精度为87%,冻土为94%,土壤解冻。对土地使用,耕种和未开垦的领域,全面准确的耕作领域获得了89%和92%的未开垦的领域。结果表明,这种新的映射方法使用RADARSAT-1图像可以提供估计土壤的表面状态(冻结/解冻)流域尺度的农业地区。

1。介绍

土壤冻结对维持农业生产是一个重要的属性。它有一个主要影响土壤水分在融雪侵蚀(1,2),导致多年生作物的冻死3]。土壤水分流失和地表径流是主要来源为运输水从农田到流。土壤沉积物影响地表水质量和经常携带磷、氨、病原体、微量元素及其他污染物从农业资源(4]。在加拿大东部,这扩散污染的程度上加剧了重要的融雪径流发生时裸露的山坡地和农业土壤受侵蚀的冷冻位于(5]。环境条件在春天可以显著影响水运。早期的积雪在潮湿的土壤可能导致更多的土壤解冻6),或浅冻土,允许更高的水渗透在春季融化从而减少径流(7,8]。晚雪积累与寒冷的空气相对干燥的土壤温度允许霜穿透更深的土壤表面以下。土壤冻结低于15厘米深度可以阻止水渗入[9)并生成风险更大的侵蚀和融雪径流春天解冻。尽管冻土的环境影响,土壤温度记录在加拿大不好;农业土地不是由气象监测站系统监控。很明显,土壤温度是一个重要的气象数据库属性需要预测冻土状态,分析农业生产的环境影响,发展最好的管理实践。

遥感提供了很有前途的技术监控近地表土壤冻结和解冻状态在广泛的地理尺度上(10]。在过去,被动微波遥感是探索。(11)使用特殊传感器微波/成像仪(SSM / I)数据来检测土壤冻结和解冻状态在无雪的土地。使用灵气7扫描的数据多通道微波辐射计亮度温度(深圳),(12)表明,冻土可以从解冻草场土壤。两个传感器提供贫困空间分辨率(10 - 50公里),然而,这限制了它们的使用只非常大的地区。卫星测量热辐射(3 - 14嗯)被广泛的用于确定土壤表面温度(13- - - - - -15),但这些在阴天条件下热传感器无法提供数据。此外,因为大部分冻土在加拿大东部被雪覆盖,需要确定冻结和解冻状态在积雪覆盖的条件下是显而易见的。与热红外或被动微波传感器不同,合成孔径雷达(SAR)系统可以提供信息关于土壤冻结动力学在高分辨率积雪下不管日夜的云层和时间。雷达信号主要取决于土壤的介电常数本身直接相关的水和冰的内容,分别是(16]。RADARSAT-1 SAR高空间分辨率(9米)传感器在c波段操作(5.3 GHz),还包括流域水平当土壤干燥和积雪几乎是透明的17]。根据(18),只有5%的信号传播扩散到30厘米的积雪深度,这对应于一个减少大约0.2 dB的背散射信号。一些具体研究雷达使用SAR传感器得出结果可能提供有用的信息在地面水分和近地表冷冻和解冻裸露的土壤状况(17,19- - - - - -21]。然而,成像冻土流域尺度上使用RADARSAT-1仍然是未知的。

主动传感器辨别冻土通过检测液体土壤含水量的变化。这些变化与土壤介电常数的值(22- - - - - -26]。干土的平均介电常数的值约为2 - 3,而液态水是80 (27]。土壤和空气之间的电介质的对比是低土壤干燥时(~3),因为更少的能量分散在其表面23]。土壤的介电常数与体积水含量增加比例,雷达传感器可以辨别从土壤湿干燥的土壤。在重要的冬季条件下,更大比例的土壤水分冻结导致明显降低的平均土壤介电常数;冷冻水的介电常数冰(3.2)类似的干土(28- - - - - -30.]。相反的现象发生在春季解冻时土壤中的冰融化,导致雷达横截面增加了几个分贝(31日- - - - - -34]。反射发生在相关接口,突然介质介电常数的变化,例如,在冻结/解冻地面接口。因此,可以使用雷达空间区分之间的干燥和潮湿的地区以及土壤冻结和解冻。

(即土壤属性。,structure, texture, and drainage) influence the soil water content and consequently its freezing dynamics. Each soil has its specific latent heat flux that increases with water content and which requires more heat loss to freeze [35,36]。土壤矿物比有机土壤冻结更快和更深入,因为较小的蓄水能力(37]。相同的沙土和黏土之间存在关系。

土壤水分并不是唯一影响雷达后向散射信号的属性;植被和土壤表面粗糙度也有影响38,39]。许多研究评估的影响表面粗糙度的雷达信号(23,40- - - - - -43]。例如(44)报告,表面粗糙度的影响更重要和更大的土壤含水量和(45)表明,粗糙度的影响可能被认为是在某些情况下的农业面积不变。虽然表面粗糙度指数受到许多因素的影响,如农作物、土壤管理、作物残留物、和现场定位,冬天条件前春天融化在加拿大东部更稳定指数由于缺少与其他季节相比农业活动。因此,这些更稳定的连续表面条件有利的雷达图像在冬季收购。

本研究的目的是近地表的农业土壤划分为冷冻或解冻的相对变化RADARSAT-1反向散射信号在干燥的积雪。土壤表面温度之间的线性回归模型和雷达后向散射信号开发预测表面温度,RADARSAT-1图像进行分类,得出冻土流域尺度上地图。回归模型评估从原位地面测量和遥感数据之间的相互作用获得来自12个代表胸罩d 'Henri流域内农田(167公里²冬天从2003年到2006年期间)。

2。材料和方法

2.1。研究区域

胸罩d 'Henri研究站点(167公里²)是一个subwatershed Beaurivage和Chaudiere盆地,位于魁北克市南部的圣劳伦斯河(图1)。研究区域的土壤分类和属性描述表1;他们主要属于灰壤(47.6%)、潜育土(30.5%)、有机(11.1%),和brunisol (5.7%)。排水类矿物和有机土壤范围从很好(21.9%)、中等(16.6%)、不完全(17.2%)、低(26.5%),和很差排水(15.2%)。表面纹理包括砂壤土壤土,而家庭颗粒类包括与沙质土壤,coarse-loamy fine-silty和sandy-skeletal属性(表1)。有机土壤中确定流域包括高度分解的腐殖质层(46]。土壤一般都发展了河流和河湖的存款(47]。

冷温带气候的特征是一个严重的冬季温和和半湿润气候的夏季。年平均温度为4.5°C - 6.6°C平均年降水量为1126毫米,320厘米的正常降雪。早期的积雪可能根据当地条件使土壤免受寒冷。冻结期11月中旬左右开始,持续到4月中旬。研究区最密集的畜牧生产的分水岭,它生成一个营养过剩。斜率的领域研究区范围从0%到9%,这就增加了地表径流,土壤水分流失,和运输的沉积物,磷,和其他污染物(病原体、除草剂和微量元素)从农业土地流6]。

2.2。原位测量的数据

野外观察,包括土壤温度、土壤含水量,和积雪特性,测量了在12个字段和表中描述1和2。收集现场数据进行分析与卫星同时收购。所有土壤属性多次测量同一领域的平均。因为土壤水分的影响在雷达信号在茂密的植被(森林)是弱,这些区域被淘汰的雷达图像分析。因此,土壤水分测量被认为是只裸露的土壤和植被稀疏分散(图2)。

在六种不同深度土壤温度测量(5、10、15、35岁和50厘米以下土壤表面)使用铜-康铜热电偶(类型Tω、斯坦福、康涅狄格州)。热电偶安装在秋季及其位置地理坐标。空气温度测量的便携式温度计。每个字段是采样在5温度资料,概要文件之间的最小距离是45米。数字高程模型(DEM)和详细的土壤地图是用来确定五个代表位置在每一个领域。

时域反射仪(TDR)调查也安装在5厘米以下的土壤表面测量介电常数(48]。土壤水分测量使用热带病研究和培训特别规划技术。一个自动气象站监测网络中安装在一个代表字段。每小时的平均气温,雪高度,风向都被记录下来。雪时被认为是干燥空气温度低于0°C晚前SAR图像采集。

土壤类型和土地使用的影响(耕种和未开垦的)在雷达信号评价相对于土系列分类根据(49]。由此产生的土壤分类是基于土壤属性,强调各种土壤排水指标。的Beaurivage砂壤土土属于moderate-to-rapid土壤渗透性类(5 - 15厘米的人力资源⁻¹),而其他土壤moderate-to-slow渗透率(hr 0.5 - -1.5厘米⁻¹)。从合成孔径雷达(SAR)的测量仪器对土壤水分敏感,它是假设每个土壤类型的排水类研究流域内影响雷达后向散射信号。此外,土壤分类系列层面主要是基于土壤排水和土壤持水量、两个属性高度与土壤含水量和土壤介电常数有关。

2.3。SAR数据收购

十二RADARSAT-1 SAR图像期间获得三个冬季,从2003年秋季到2006年春季。图像集中在46°29′N和71°14′w . RADARSAT-1原定获得C波段(5.3 GHz频率对应的波长5.6厘米)HH极化SAR图像提升轨道在细模式(F1F),这与入射角度变化从36.9°到40.1°。它已经表明,发病率低角度(20°-30°)降低土壤表面粗糙度的影响(23,43,50- - - - - -52]。然而,在这项研究中,尽管其发病率高角,RADARSAT-1的细光束模式被选为其精细的空间分辨率(9 m×9米)提供了一个优势为映射冻土领域规模。此外,粗糙度在收购所有图像保持不变。

PCI Geomatica OrthoEngine程序(V9.1.5)用于几何纠正每个RADARSAT-1映像注册(权力)后向散射强度值在32位真正的通道。数学建模是基于摄影测量方法(53),输出图像的像素间距重新取样使用双线性技术9米。

面具被应用到各个领域允许提取的意思是,最小,最大,图像强度值的标准偏差。雷达数据强度值被转换为反向散射系数(dB)使用(1)和(2)允许定量比较的冷冻和解冻的土地价值在现场

的强度(功率)是哪里

在哪里是输出反向散射系数行吗,像素,输入图像值行吗,像素,从第一个成员获得补偿的SAR定标抵消段(),扩大获得扩展表值像素,是当地的入射角。

为了地图冻土流域尺度,只有图像,提出了干燥的积雪条件保留(表3)。拍摄的图像无论气温高于冰点是丢弃由于潮湿的积雪。反向散射行为改变湿雪覆盖,导致低对入射角的反向散射系数值θ> 20°。湿雪条件下较低的值时,由于积雪衰减增加了其表面相对光滑(54,55]。RADARSAT-1图像过滤平滑和去除噪声,降低了散斑的影响。为了实现这一任务,5×5高斯滤波器应用于所有12 RADARSAT-1图片(56]。

三个基本假设线性回归模型被验证之前使用的数据:(1)残差正态分布,(2)剩余的意思是等于零,和(3)残差没有autocorrelated

3所示。结果与讨论

土地利用的影响,空气温度,积雪厚度霜深度研究的12字段选择监控和验证。在下面几节中,图像的后向散射系数与地面数据测量(积雪厚度、土壤水分和土壤冻结深度)考虑到土壤类型。这些关系是为未开垦的开发和耕种字段(图2),在两个冬天(2003年11月到2004年4月和2004年11月到2005年4月),然后应用到第三个冬天(2006年1月至4月)。

3.1。积雪和土壤温度

天气记录为2004年、2005年和2006年冬季季节呈现在图3。一般来说,日平均温度低于0°C 11月和12月积雪发起。然而,平均气温不保持持续低于0°C在冬季图3(一个)。最低气温记录−27.5°C 1月25日,2004年,27°C−1月13日,2005年,2006年2月26日和−17°C。每天在不同的月平均积雪达到最大每年(图3 (b))。

在2004年的冬天,这是观察到当空气温度低于−10°C,近地表土壤层冻结。第一个土壤类型冻结是Neubois壤土(5和6),而有机土壤(场11)是最后结果(没有显示)。积雪开始于12月22日经过厚度约38厘米。期间冻结之前,最多达到66厘米的积雪场2 2月29日,2004年。因为字段2耕种,弗罗斯特渗透到深层土壤中比在未开垦的领域(30厘米)1(11厘米),覆盖着干草。2005年的冬天少降水和积雪(20厘米),而空气温度是类似于2004年的冬天。这个条件加速霜渗透地面,达到深度可达50厘米。积雪的变化(10 - 66厘米)与土壤表面温度的变化。土壤表面温度维持在0°C在很长一段时间。一般来说,积雪发挥了重要作用,保持土壤表面的热量,即使在空气温度低于−10°C。 Thaw started in mid-March (Figure3 (c))。

2006年的冬天是温暖的。今年3月,发病的融雪,肤浅的解冻地面表面很快就饱和了。流发生陆路因为地面有限的存储容量(图3 (c))。

3.2。后向散射系数和地面土壤测量

图4演示了反向散射系数之间的关系(σ°)和数据获得的土壤温度在2004年,2005年和2006年。由于开发模型的空间分辨率是约9米,雷达信号的意思是值与平均值相比地面土壤温度和土壤水分(图5)来自相同的抽样单元。假定表面粗糙度是同质为每个类(耕种和未开垦的)。因此,回归直线拟合所有分属于每个类(耕种和未开垦的)(图4)。耕作和未开垦的类,确定系数()为0.52,这被认为是令人满意的。有一个类似的关系σ°表层土壤温度和土壤温度低于0°C,这与增加表层土壤温度逐渐变得较弱。土壤温度低于0°C时,没有显著差异σ°耕作的土壤温度的关系和未开垦的领域。然而,当土壤温度高于0°C,可以区分两个关系中σ°的耕种田地高于未开垦的领域。这可以解释为背散射信号的高灵敏度土壤粗糙度时土壤水分增加。考虑到观测的范围从这项研究−7°C - 7°C,土壤水分会降低土壤冻结时,因此土壤是干燥的(23,33]。因此,雷达信号会穿透土壤对土壤粗糙度的影响很小。然而,当土壤温度的增加,土壤含水量也会增加,因此,背散射信号可以显著影响领域增加和表面状况(耕种或未开垦的)。这就解释了耕种的反向散射系数的增加字段。

提出了图5,之间的回归分析也执行σ°和土壤水分,另外两个排水组(好;中等至排水性良好的土壤:贫穷;排水不良的土壤),根据各土地利用类(耕种和未开垦的领域)。确定系数()之间的σ0.38°和地表土壤水分是耕种土壤排水良好的0.34,未开垦的领域。排水不良的土壤值是0.29耕种和未开垦的领域(图0.255)。这些相关系数低于之前报道(57,58]。经验之间的关系σ°和近地表含水量相当分散,随土地利用的关系(耕作/未开垦的)。一个可能的原因缺乏之间的良好关系σ°和近地表土壤含水量是显示不同土壤介电性能和土壤含水量之间的关系。这是由于不同的粒度分布影响分区之间的绑定和自由水(59]。观察到的差异背后的另一个原因是定向的影响SAR的行返回信号增加当行方向几乎是垂直于SAR天线,至于字段1,2,12(图1)。这种效应使返回的信号更强的与其他领域相比。的准确性提出了估算土壤水分关系被认为是令人满意的,因为地图和测量误差是常见的在这种类型的分析。尽管大型雷达和体积含水率的变化数据,之间的正相关关系σ°和土壤体积含水量表明背散射雷达信号与土壤湿度有关。通常,反向散射系数被发现从8−−16分贝的体积土壤含水量从42%到12%不等。耕种田地的平均值σ°是相对较高(−10 dB)而未开垦的领域(−12 dB)0.37。

起初,减少σ°(3 dB)指出在12月2日,2003年1月19日,2004年为所有字段(数据未显示)土壤冻结时(空气温度=−11°C)。反向散射系数下降了3 dB Mawcook,砂壤土土在未开垦的领域1。耕种字段2(相同土壤类型),弗罗斯特的反向散射系数下降了2 dB深度从8增加到50厘米。胸罩的减少反向散射系数d 'Henri分水岭与降低土壤表面温度低于0°C,并取决于土壤类型。2004年11月2日,一个强大的后向散射系数,约−5 dB,记录;这种提高可能解释为增加土壤含水量(大约40%)和放大由于表面粗糙度。传播能量的一部分从土壤表面到传感器时更大的土壤太湿,因为强大的介质水和空气之间的差。同样的现象发生在2月6日,2005年,当增加反向散射系数还指出(例如,σ°=−5 dB)在大多数字段除了字段1,2,9日和14(结果未显示)。在这种情况下,空气温度记录在2°C卫星传递;积雪是介于0和9厘米,而霜深度约为50厘米。这增加了背散射信号与解冻而是无关与土壤表面水分的增加。

3.3。冻土映射算法

线性回归在这项研究是用于识别不同的后向散射系数值(σ°),可以用来区分冻结和解冻字段不同的土壤条件。三类土壤被认为是为每个系列,如下:耕作的冻土,未开垦的冻土,无土壤。阈值确定是否一个字段被冻结的预测σ°值对应于零回归模型的温度(即每个土壤组。母体材料,土系相似,家庭particlesize和排水条件)。因此,土壤条件(冻)被确定通过应用预测σ°阈值为每个描述土壤地图。

在这时间的研究,我们认为,土壤表面粗糙度随时间是恒定为每个土地利用类型(未开垦的与耕种字段)在同一冬季,因为表面不需要耕地自然也不修改之前春季融雪[60]。在这种假设下,可以考虑到每个字段,反向散射系数(σ°)与土壤表面水分状态(31日]。在本节中,回归分析在土壤温度在5厘米之间σ°,考虑土壤系列。

12在研究领域的平均水平σ°是提取并绘制与原位测量土壤温度(图6)。不同的简单线性回归模型进行了不同土壤类型以及耕种和未开垦的土壤。图6表明,σ°增加土壤温度增加,表明之间的正相关关系σ°和土壤温度。研究了不同下的土壤类型值:0.80 Mawcook,砂壤土(字段1和2),0.74 Beaurivage,砂壤土(字段7和12),0.85 Neubois,壤土(5和6),0.55的弗吉尼亚州伍德布里奇的壤土(9和10),0.35 Le胸罩壤土(字段3和4),0.94,有机土壤(场11)。确定系数较低(= 0.20)决定了胸罩,壤土,特别是在收获后的玉米田(字段4)。这一结果可以解释为雷达信号之间的相互作用和干玉米渣和秸秆收获后剩下的领域。这些茎和残渣的水分含量可能不同的整个领域在秋季,这会增加的不确定性估计后向散射值。随着土壤表面温度低于0°C,减少σ°下降了3到5 dB取决于土壤类型。同时,读者应该注意到,对于每一个土壤类型类,σ°耕种的字段(字段2,4,6,10,11,12)总是更大,至少2 dB,比σ°的未开垦的领域。当土壤冻结,类似干土壤的介电常数。在这种情况下,信号穿透土壤,对土壤表面粗糙度不敏感。然而,当积雪下的土壤解冻,土壤含水量的增加,和对土壤表面粗糙度信号变得更加敏感。

图中给出的回归方程6识别雷达后向散射系数阈值,用于区分土壤冻结和解冻。这些阈值代表的反向散射值对应于土壤温度低于0°C(表7)。几个地图的近地表冻土壤条件(土壤冻结和解冻)创建的胸罩d 'Henri分水岭是冬季2003 - 2004,2004 - 2005,2005 - 2006(图7)。

应该强调,虽然本研究中所开发的模型应用到胸罩d 'Henri使用可用的数据来演示模型的实用性,然而,应该获得更多的数据来更新开发模型。

3.4。冻土地图来自分类算法

本文中所开发的分类算法应用于文胸d 'Henri分水岭(167公里²)确定冻结和解冻所有农田土壤分布在整个流域。可视化结果,颜色范围是用于显示近地表土壤冻结/解冻。未开垦的冻土在黄色,橙色耕种冻土,用绿色土壤解冻。一个白色的面具应用覆盖的森林面积排除在研究(图7)。在冻土分布有明显的年际变化之间冬季在胸罩d 'Henri分水岭。冻土覆盖大面积2004(85%)和2005年(74%),但只有35%的覆盖面积在2006(表8)。

最低土壤温度记录在5厘米−7°C的未开垦的Beaurivage土壤2月6日,2005;最大13°C在1厘米耕种有机土壤4月21日,2004年。土壤温度显示强大的变异在地表附近(以下气温的变化),但不同在更大的深度。在冻土解冻含水率增加深度和土壤温度,增加更明显,发病后融雪时土壤温度迅速增加(图3)。

一般来说,寒冷的11月开始,逐渐向流域取决于土壤类型,积雪,空气温度。土壤温度逐渐降低冷冻方面的进展。11月当空气温度降低,土壤温度降低整个解冻很均匀土壤剖面,并冻结在0°C等温线后突然遇到。冻结的进步很明显反映了土壤的异质性。在一个给定的负温度,不冻的水的数量差异与土壤类型和土壤细纹理更大。此外,有机土壤的有机质含量越大(场11)减少他们的土壤热容和土壤导热系数(61年]。此外,他们保留了更多的水和潜在的水的导热性大于空气。

这个结果可以被理解为一个复杂的热力和水力导率之间的互动,这两个与减少解冻含水量降低。也与大量的潜热释放土壤含水量高。土壤含水量较低(Beaurivage壤质砂土(14)领域)可能会因为早些时候开始冻结潜热的释放较少。冰冻地区的地图表明,分布在流域相关土壤类型分布和年际变化的空气温度和积雪。冻结的检测能力开始对土地利用(即似乎敏感。,耕种和未开垦的领域)。2004年11月2日,冻结已经发生,特别是在耕种田地,因为表面是直接暴露于空气温度低,由于低积雪和因为耕作推广良好的排水,从而加速了通过多孔土壤传热。

当胸罩的近地表冻扩展d 'Henri分水岭比较在这三个冬季(2003 - 2004 - 2005 - 2006),它们之间的主要区别是积雪深度;这是第三个冬季(期间大量~45厘米),但30厘米的第一个冬天,只有17厘米的第二个冬天。这些结果表明,季节性积雪在寒冷季节的存在在地上热状况有显著影响。在季节性冻土地区,积雪可以大大减少季节冻结深度。事实上,积雪具有绝缘作用,保持表层土壤在凝固点附近(62年,63年]。因此,冻土在季节性积雪可能最终融化冬天虽然积雪发生前可能已被冻结。

3.5。分类算法的验证

实证验证算法是基于土壤温度数据的前5厘米土层的六RADARSAT-1照片获得了2006年1月到5月之间。使用12培训/验证领域的第三个冬季,混淆矩阵计算比较结果从土壤分类的算法与原位土壤冻结温度。委员会的分析包括检查和显示错误和遗漏和总体分类精度。从这些百分比,性能测量称为Kappa计算。Kappa系数(κ)是用来表示整个分类协议(64年]。Kappa值范围从−1比1;零值表明,分类器的效果等于机会协议,和值为- 1指示一个完全有效的分类没有贡献从协议的机会。任何负面的值表示一个贫穷的分类中,机会协议比分类效果更重要。因此,Kappa值0.75或更高版本表明这是一个十分优秀的分类性能好(65年]。

表4包含完整的列联表作为证据的所有六个SAR图像分类结果。总体分类精度为90% (κ在胸罩d = 0.81) 'Henri分水岭。根据分类结果,冻土平均分类精度为87%。分类精度最高的94%土壤解冻了,只有两个字段不正确的分类,同时为冻土五个字段不正确分类。很明显,土壤属性测量领域更适合识别近地表冰冻和解冻状态。在下一步中,分类结果与土地利用相比,也就是说,耕种和未开垦的领域(表5)。个人类准确率最低的89% (κ= 0.78)获得耕种田地。这个结果可以解释为高在课堂变化造成更大的多样性耕作实践和方向设置发生冻结,这将增加反向散射信号。

表6介绍了为每个RADARSAT-1图像分类结果。最好的分类精度(100%)是实现所有字段解冻时(2005年3月)。2006年3月,两个6冻结字段被归类为解冻。得到的分类精度等于75%。

重要的是要注意一些限制在应用该方法。首先,冻土的映射主要是意识到在冬季积雪的存在。当雪是湿的,背散射信号无法穿透的积雪,因此,我们不能对土壤表面状态有可靠的信息。因此,SAR雷达图像应该收购在干燥或refrozen积雪。其次,该方法假定粗糙度参数时不变。虽然这可能是一个合理的假设在同一个赛季,众所周知,在农业领域的粗糙度会随时间减少由于风化和雨水侵蚀。然后,它将需要有一个年度土地利用地图。最后,农业领域有一个周期行结构,影响表面反向散射值。

4所示。结论和未来的角度

在这项研究中,开发了一个分类算法分类下的近地表土壤农业积雪作为冷冻或解冻使用RADARSAT-1图像。开发的算法是基于线性回归分析。回归模型进行不同的土壤类型和土地用途来确定土壤冻结阈值。这个阈值被确定通过建立反向散射系数和土壤温度测量之间的关系在5厘米以下土壤表面。回归模型的确定系数获得0.2和0.96之间变化。

发达算法验证通过实地测量使用k指数。结果表明,有很好的关联image-derived表层土壤状态(冻结/解冻)和土壤温度测量领域。Kappa指数表明,精度在75%到100%之间变化。优秀的未开垦的农田均获得准确值。融雪的主要差异与后期相关联,特别是在3月,当冻结和解冻的边缘是不稳定的。

土地利用研究领域是分层分为两类(耕种和未开垦的领域)。发现耕种田地的反向散射系数是大于未开垦的领域。这些结果可能表明表面粗糙度,主要引起的土壤耕作,扮演重要的角色。雷达信号可能是对多个反射的近地表岩石碎片穿透几厘米低于地面时,除了散射由于表面粗糙度。

重要的观测是监测土壤温度的年际变化根据大气状况和土壤属性,以及表面状态的监测。

的条件模型开发,应用和验证最适合应用在农业地区植被稀疏,积雪是干燥,冬季不改变表面粗糙度。在这项研究中,我们考虑到土壤表面粗糙度不变或略有改变在冬季期间,由于没有进行农业活动。然而,土壤表面粗糙度可以改变每年由于土地利用变化。这个并不影响算法开发,因为土地使用分层意识到之前应用分类算法。

值得注意的是,对于土壤温度高于那些观察到在这项研究中,土壤含水量可能会降低(土壤可能是干),它允许后向散射信号进入土壤的渗透;这将降低后向散射系数。然而,冻结和解冻土壤之间分类主要是基于一个小范围的土壤温度在0°C。

本研究中所开发的新方法可能被认为是第一步分类土壤表面冻结/解冻状态。显然,额外验证应该为其他类似的分水岭。另一个问题涉及土壤表面的状态下湿雪。这个弱点是一个限制因素,因为雷达回波一定不能归因于从液态土壤含水量的影响。进一步的研究应该把精力集中在土壤冻结/解冻状态的检索可能包括颞表面改性的影响。扩大与其他流域模型的适用性,需要额外的验证工作。特别是,未来的研究应该调查模型的应用更广泛的土壤类型和水分条件。此外,该方法在本研究开发的申请monopolarization c波段雷达图像及其对多极化的适用性和其他雷达频率需要确定。Multipolarisations SAR传感器如RADARSAT-2(2008年5月以来操作)可以提供输入不同的散射机制的分类方案。当数据获得在偏振模式中,SAR信号的振幅和相位信息被保留; the use of this information provides input for classification algorithms. Hence, it will be possible to extract information on land use directly from images, which may make it possible to systematically update land cover maps and monitor land conditions.

确认

这项研究是由加拿大和加拿大农业及农业食品部共同投资加拿大航天局通过政府相关的行动计划(控制)。作者欣然承认博士Karem Chokmani,伊夫附近,Stephane Savary薇罗尼卡比尤利,和丽莎玛丽从INRS-ETE Paquet, Nadia Goussard,马里奥•Deschenes和安德烈·马丁从AAFC agri-environmental顾问的俱乐部de受精de la Beauce他们的专业知识和技术援助。