RS学习笔记＜三＞

主要是几篇论文的阅读分析：

1、基于改进水云模型和Radarsat-2数据的农田土壤含水量反演  2016 杨贵军 农工学报

KEYS:

 a、使用了雷达植被指数（RVI，radar vegetation index）替换水云模型中的Mveg参数，

RVI:描述了作物冠层结构特征，其与生物量、叶面积指数（LAI）具有高度相关关系。

b、对采集到的土壤含水量数据进行了样本统计，以三线表的形式（主要有土壤类型、范围、标准差、均值、变异系数、数量）变异系数指的是比较两组数据的离散程度大小。

c、对R2数据的处理：辐射定标→滤波→几何校正（30m dem）→配准→提取后向散射系数

d、通过SVM算法进行区域冬小麦种植区域的分类，以ANN反演了LAI

e、RVI=8*σhv/2*σhv+σhh+σvv

2、基于Radaarsat-2与Landsat8协同反演植被覆盖地表土壤水分的一种新方法   赵昕 2016 红外与毫米波学报

KEYS:

a、采样：依据卫星日期同步采集样区内的样本数据。采集了大约40块样地，每地采集了5株植被并取平均值

b、后向散射系数的范围：hh、vv：-20~-5→-25~-10，hv、vh：-25~-10→-35~-15

c、植被含水量的反演:植被叶片水分含量影响着其对短波红外与中红外波段的吸收，通常用植被水分指数法（VI）或者辐射模型法（RTM）进行估算；

本文用了MSI2来估算：

MSI2=Rswir2/Rnir

swir2为l8的第七波段，nir为第五波段；

由于地表植被的覆盖度不同，需要计算单位植被覆盖度情况下植被覆盖度对地表温度的影响，然后建立了组合水分植被指数：MSI2*▲Ts/NDVI，后者部分主要是计算蒸散发的影响。

d、水云模型中植被参数A、B一般为经验参数，但在不同的研究区应略有不同，可通过先验知识以及采集到的数据，通过最小二乘法进行计算得到区域的参数。

e、结果的对比：主要是四个极化在模型处理前后的对比，以及处理前后的四个极化与土壤水分的分析。

3、*（不那么重要）基于worldview2影像杉木叶面积指数与植被指数相关性研究 2013 陈利 中国农学通报

KEYS:

通过卫星数据计算六种植被指数NDVI、SAVI、SARVI、ARVI、RVI、MSAVI，将采集得到的LAI数据分为两组（建模集和验证集），通过建模集对LAI与这六个参数进行相关性、线性、非线性（二次、三次、指数等）分析，然后以程度较好的方程进行估计，与验证集进行比对分析。