黃河是我國華北地區(qū)重要的水資源,采用雷達遙感方式對其徑流進行監(jiān)測可以便捷地反映出黃河的旱澇變化趨勢,具有重要的現實意義。目前,雷達遙感徑流反演常用雷達高度計（RA）獲取水位信息用以構建水深-徑流模型,這種方法忽略了河面變化對徑流波動的影響,具有一定的局限性。該文提出一種基于多源雷達遙感技術的徑流計算模型（MRRS-RCM）,綜合應用RA測高技術與合成孔徑雷達（SAR）信息提取技術,以曼寧公式為基礎,構建MRRS-RCM模型實現徑流反演。該文選取黃河下游3個研究站點進行徑流反演實驗,結果證明MRRSRCM模型徑流反演結果的相對均方根誤差（RRMSE）達到13.969%,優(yōu)于傳統(tǒng)徑流監(jiān)測15%～20%的精度要求。 

【文章來源】：電子與信息學報. 2020,42(07)北大核心EICSCD

【文章頁數】：9 頁

【部分圖文】：

基于MRRS-RCM模型的徑流反演方法處理流程

由于A,B,C站點在同一景SAR圖像下，本文選用2018年1月—12月共28景Sentinel-1A地距多視影像產品(Ground Range Detected High,GRDH)為建模數據，以2019年1月—8月共21景SAR數據為測試數據，采用干涉幅寬(Interferometric Wide-swath,IW)成像模式，極化方式為VV極化，分辨率為5 m×20 m，幅寬為250 km。SAR數據時間信息如表3所示，數據下載地址為：https://scihub.copernicus.eu/dhus/。(3)水文數據：本文以2018年1月—12月花園口、夾河灘、高村水文站實測水位、徑流數據為建模數據，以2019年1月—8月的水文數據為模型測試的驗證數據。數據來源于水利部黃河水利委員會，數據獲取地址：http://www.yellowriver.gov.cn/。

在A,B,C站點MRRS-RCM模型建模過程中，A站點RA數據重訪周期為27 d,B和C站點RA數據重訪周期為10 d,SAR數據重訪周期為12 d。本文以準同步方式，選擇相近時間內RA和SAR數據用以建模。在A站點建模中，選用實測水位進行插值補全，降低RA數據重訪周期長的影響。如圖7所示，擬合相對水深、河寬以及實測徑流，得到A,B,C站點的河流經驗系數rep，將rep代入MRRS-RCM模型，分別得到式(13)—式(15)。

【參考文獻】：
期刊論文
[1]基于混合模糊的SAR圖像水陸分割算法[J]. 郭拯危,王樂,宋國磊.  國土資源遙感. 2018(04)
[2]基于面向對象方法的Sentinel-1A SAR在洪水監(jiān)測中的應用[J]. 湯玲英,劉雯,楊東,陳樂,蘇揚媚,徐憲立.  地球信息科學學報. 2018(03)
[3]一種合成孔徑雷達高度計定標方法[J]. 諶華,郭偉,楊雙寶,許可,徐曦煜,史靈衛(wèi),王磊.  電子與信息學報. 2017(09)
[4]一種改進的ACM算法及其在鄱陽湖水域監(jiān)測中的應用[J]. 冷英,劉忠玲,張衡,王宇,李寧.  電子與信息學報. 2017(05)
[5]Cryosat-2數據的大地水準面分辨能力研究[J]. 張勝軍,金濤勇,褚永海,孔祥雪.  武漢大學學報(信息科學版). 2016(06)

博士論文
[1]黃河流域天然年徑流變化特性分析及其預測[D]. 張少文.四川大學 2005

碩士論文
[1]基于雷達高度計的內陸水體應用研究[D]. 袁翠.中國科學院大學(中國科學院遙感與數字地球研究所) 2017



本文編號：3135016