(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210843401.8 (22)申请日 2022.07.18 (71)申请人 中国科学院地理科 学与资源研究所 地址 100101 北京市朝阳区大屯路甲1 1号 申请人 中科山东东营地理研究院 (72)发明人 王俊栋　杨婷　孙志刚　 (74)专利代理 机构 北京合创致信专利代理有限 公司 16127 专利代理师 刘素霞 (51)Int.Cl. G01N 33/24(2006.01) G01D 21/02(2006.01) (54)发明名称 一种基于CYGNSS卫星数据的土壤盐分反演 方法和系统 (57)摘要 本申请涉及根据所测试的材料性质而改变 入射光的系统技术领域， 提供了一种基于CYGNSS 卫星数据的土壤 盐分反演方法和系统。 该方法包 括： 根据ICESat ‑2卫星数据， 计算目标区域中不 同土地类型下的地表粗糙度， 根据所述地表粗糙 度参数和预先获取的植被光学厚度， 对所述 CYGNSS卫星数据中的NBRCS数据进行校正， 得到 所述目标区域的不同入射角的第一菲涅尔反射 率； 对第一菲涅尔反射率进行入射角归一化处 理， 得到目标区域的第二菲涅尔反射率； 对第二 菲涅尔反射率进行格网化处理， 得到目标区域中 每个格网的第三菲涅尔反射率； 根据第三菲涅尔 反射率， 构建土壤盐分反演模型； 以基于土壤盐 分反演模型对目标区域的土 壤盐分进行反演。 权利要求书3页 说明书10页 附图3页 CN 115308386 A 2022.11.08 CN 115308386 A 1.一种基于 CYGNSS卫星数据的土壤盐分反演方法， 其特 征在于， 包括： 根据ICESat ‑2卫星数据， 基于预先获取的SMAP卫星数据中的土地分类信息， 计算目标 区域中不同土地类型 下的地表粗 糙度MSS； 基于几何光学模型， 根据所述地表粗糙度参数MSS和预先获取的植被光学厚度VOD， 对 所述CYGNSS卫星 数据中的归一化双基雷达横截面数据进 行校正， 得到所述目标区域的不同 入射角的第一菲涅尔反射 率； 对所述第一菲涅尔反射率进行入射角归一化处理， 得到所述目标区域的第 二菲涅尔反 射率； 对所述第二菲涅尔反射率进行格网化处理， 得到所述目标区域中每个格网的第 三菲涅 尔反射率； 根据第三菲涅尔反射率、 预先获取的土壤水分数据、 预先获取的地表温度数据和预先 获取的土壤性状参数， 基于梯度提升随机树算法， 构建土壤盐分反演模型； 以基于土壤盐分 反演模型对目标区域的土壤盐分进行反演； 其中， 所述土壤性状参数为所述目标区域的土壤复介电常数的影响因子集合中除所述 土壤水分数据、 所述地表温度数据之外， 所述 目标区域的土壤复介电常数 的其它影响因子 集合。 2.根据权利 要求1所述的基于CYGNSS卫星数据的土壤盐分反演方法， 其特征在于， 所述 根据ICESat ‑2卫星数据， 基于预先获取的SMAP卫星数据中的土地分类信息， 计算目标区域 中不同土地类型 下的地表粗 糙度MSS， 具体为： 按照公式： 计算所述目标区域中不同土地类型 下的地表粗 糙度MSS； 式中： s为根据所述ICESat ‑2卫星数据中每个光子的地表高度信息计算得到的地表均 方根高度， 用于表征所述目标区域中不同土地类型下的地表垂直粗糙度； l为根据所述 ICESat‑2卫星数据中每个光子地表高度信息， 通过高斯相关函数计算得到的地表相关长 度； 用于表征 所述目标区域中不同土地类型 下的地表水平粗 糙度。 3.根据权利 要求1所述的基于CYGNSS卫星数据的土壤盐分反演方法， 其特征在于， 所述 基于几何光学模型， 根据所述地表粗糙度参数MSS和预先获取的植被光学厚度VOD， 对所述 CYGNSS卫星 数据中的归一化双基雷达横截面数据进 行校正， 得到所述目标区域的不同入射 角的第一菲涅尔反射 率， 具体为： 基于将所述CYGNSS卫星数据中的点位置， 对所述CYGNSS卫星数据和预先获取的SMAP卫 星数据进行融合， 得到融合数据； 基于所述融合数据， 根据所述CYGNSS卫星数据中的归一化双基雷达横截面数据， 按照 公式： 计算得到所述目标区域的不同入射角的第一菲涅尔反射 率Гrl；权　利　要　求　书 1/3 页 2 CN 115308386 A 2式中： σ0为所述CYGNSS卫星数据中的归一化双基雷达横截面数据； θ为所述CYGNSS卫星 数据的入射角； τ 为所述预 先获取的植被光学厚度VOD； MS S表示所述 地表粗糙度参数。 4.根据权利 要求1所述的基于CYGNSS卫星数据的土壤盐分反演方法， 其特征在于， 所述 对所述第一菲涅尔反射率进行入射角归一化处理， 得到所述目标区域的第二菲涅尔反射 率， 具体为： 基于预设的修 正函数， 按照公式： Γrl( ε,0)＝Γrl( ε, θ )/f( θ ) 计算得到所述目标区域的第二菲涅尔反射 率； 式中： Гrl( ε， 0)为所述第二菲涅尔反射率， 即将所述目标区域中所述CYGNSS卫星数据 的入射角归一化处理为0 °后得到的菲涅尔反射率； Гrl( ε， θ )表示所述CYGNSS卫星数据的入 射角为θ时所述目标区域的第一菲涅尔反射率； f( θ )为预设的所述修正函数； ε表示所述目 标区域的土壤复介电常数； θ 为所述目标区域中所述C YGNSS卫星数据的入射角。 5.根据权利 要求1所述的基于CYGNSS卫星数据的土壤盐分反演方法， 其特征在于， 所述 对所述第二 菲涅尔反射率进行格网化处理， 得到所述目标区域中每个格网的第三 菲涅尔反 射率， 具体为： 基于预设的格网大小， 将所述目标区域划分为多个 格网； 对所述第二菲涅尔反射率进行格网化处理， 得到所述目标区域中每个格网的第 三菲涅 尔反射率。 6.根据权利 要求1所述的基于CYGNSS卫星数据的土壤盐分反演方法， 其特征在于， 所述 根据第三菲涅尔反射率、 预先获取 的土壤水分数据、 预先获取的地表温度数据和预先获取 的土壤性状参数， 基于梯度提升随机树算法， 构建土壤盐分反演模型； 以基于土壤盐分反演 模型对所述目标区域的土壤盐分进行反演， 具体为： 以所述根据第三菲涅尔反射率、 预先获取的土壤水分数据、 预先获取的地表温度数据 和预先获取的土壤性状参数为梯度提升随机树算法的自变量， 所述目标区域的土壤电导率 为因变量， 构建所述土壤盐分反演模型； 以所述目标区域中所述多个格网作为样本集， 对所述土壤盐分反演模型进行训练， 得 到训练完成的所述土壤盐分反演模型； 基于训练完成的所述土壤盐分反演模型， 对所述目标区域的土壤盐分进行反演。 7.根据权利 要求6所述的基于CYGNSS卫星数据的土壤盐分反演方法， 其特征在于， 所述 以所述目标区域中所述多个格网作为样本集， 对所述土壤盐分反演模型进行训练， 得到训 练完成的所述土壤盐分反演模型， 包括： 所述以所述目标区域中所述多个格网作为样本集， 并按预设比例对所述样本集进行划 分， 得到所述土壤盐分反演模型的训练集和验证集； 基于所述土壤盐分反演模型的训练集和验证集， 对所述土壤盐分反演模型进行训练， 得到训练完成的所述土壤盐分反演模型。 8.根据权利 要求6所述的基于CYGNSS卫星数据的土壤盐分反演方法， 其特征在于， 所述 基于训练完成的所述土壤盐分反演模型， 对所述目标区域的土壤盐分进行反演， 包括： 基于训练完成的所述土壤盐分反演模型， 确定所述目标区域中每个格网的土壤电导 率；权　利　要　求　书 2/3 页 3 CN 115308386 A 3