多传感器联合之主动、被动微波联合都有哪些

主被动微波联系反演土壤水分主要有3种方法：①利用主动和被动微波数据与土壤水分等地表参数的关系，分别构建前向模型反演土壤水分；②利用主动微波数据获取地表粗糙度或植被参数，然后将获取的参数代入被动模型中进行土壤水分反演；③利用数学方法对主被动数据进行结合的反演土壤水分。开展主动、被动微波联合反演，所使用的非同源遥感数据既可以来自同一搭载平台的不同传感器，也可来自不同的搭载平台。来自同一搭载平台的不同传感器数据，容易获得同一地区、同一观测时间的非同源数据，有利于协同反演。

由于微波发射或接收频率、极化方式以及入射角等参数的原因，来自相同搭载平台的微波数据并不一定适合所有情况的土壤水分反演，有时需要来自不同搭载平台的主动和被动微波数据。Zribi等（2003）结合ERS卫星的多角度、高时间分辨率的风散射计（WSC）和高空间分辨率的SAR数据，反演低植被覆盖地表的土壤水分，把WSC后向散射信号看做植被和裸土后向散射信号的加权平均值，对植被散射部分通过SAR数据定量反演，然后从WSC散射信号中去除植被散射部分，并通过IEM模型反演土壤水分，其结果与地表实测数据高度相关（R2>0.8），均方根误差小于4%。Das等（2011）利用机载的被动与主动L波段系统（airborme Passive and Active Lband System，PALS）联合反演了土壤水分，反演结果的均方根误差为0.015~0.02 cm³/cm³。对于有植被覆盖的地表，O'Neill等（1996）利用L波段雷达数据，利用植被散射模型，计算了植被的透射率和散射系数；在此基础上，利用L波段PBMR和ESTAR微波辐射计的被动微波数据，反演了玉米地的土壤水分，反演结果的平均绝对误差为0.02 cm³/cm³。