基于Triple-Collocation的地面观测与卫星遥感数据融合的雪深反演

针对单一被动微波遥感反演雪深的精度和空间分辨率不足的问题,提出了一种星-地多源数据融合的雪深反演方法。以北疆每日站点观测雪深、AMSR-E遥感反演雪深和SSM/I遥感反演雪深数据为研究对象,首先利用地统计方法结合地面站点观测数据估计北疆区域的雪深,然后采用Triple-Collocation方法分别估计三个雪深数据的误差方差,最后结合最小二乘原理实现星-地雪深观测数据的融合。对融合雪深与地面雪深观测数据进行验证分析,结果显示,与AMSR-E和SSM/I遥感反演雪深相比,融合的雪深与地面观测雪深的相关性更高;融合的雪深的精度有一定程度的提高。实验结果证明了多源数据融合方法的有效性。     

基于MODIS雪盖数据的北疆雪深多元非线性回归克里金插值

为了提高北疆地区雪深时空分布监测的准确性,以该区域48个气象站点2006年12月—2007年1月的月平均雪深观测数据为基础,通过分析月均雪深空间自相关性及其与经纬度、高程的相关性,结合MODIS雪盖数据构建了多元非线性回归克里金插值方法,插值获得了北疆地区较高精度的雪深空间分布数据。将插值雪深数据与普通克里金插值法、考虑高程为辅助变量的协同克里金插值法的预测结果进行比较,结果表明:1相对普通克里金和协同克里金方法,多元非线性回归克里金法的12月份雪深预测精度分别提高了15.14%和9.54%,1月份的提高了4.8%和6.7%;2由于充分利用了经纬度和地形信息,多元非线性回归克里金法的雪深预测结果可提供更多细节信息;3预测结果客观地表达了雪深随经纬度和地形变化的趋势,反映了积雪深度的空间变异性;4基于不显著相关的协变量高程的协同克里金插值法预测的雪深数据精度劣于普通克里金插值法的预测结果。     

基于DEnKF方法的考虑次网格变异性的MODIS雪盖同化

基于通用陆面模型(CoLM)和确定性集合卡尔曼滤波算法发展了一个考虑模型次网格变异性的MODIS雪盖同化方案,提高雪深模拟的估计精度。利用北疆阿勒泰地区5个气象站点2007年11月至2008年4月逐日雪深观测数据对同化结果进行了验证。结果表明,该同化方案不需要对MODIS雪盖观测数据进行扰动,能明显提高雪深模拟的精度。另外,雪深同化结果与地面观测雪深具有一致的时间变化趋势,能准确地反映积雪深度在各个不同时段的变化特性。     

利用MODIS数据进行积雪检测

积雪是一种重要的地球表层覆盖物,是气象学和水文学中一个非常重要的参数。使用遥感方法能够有效获取大范围的雪盖信息,弥补地面观测资料在空间上的不足。中等分辨率成像光谱仪(MODIS)数据具有高光谱、高空间分辨率、高时间分辨率等特征,越来越多地应用到积雪检测方面。利用MODIS雪盖数据进行雪盖制图,分析了2008年初中国南方的受灾情况,并对雪情进行了分析。结果发现利用MODIS得到的积雪边界线轮廓清晰,对积雪检测非常有效,但由于云的遮蔽可能会使MODIS积雪分布面积出现误差。     

MTSAT-2静止气象卫星中国区域雪盖监测

利用MTSAT-2静止气象卫星数据开展了中国区域的雪盖监测研究,结合MODIS雪盖产品及站点雪深观测数据对判识结果进行对比分析和验证。首先,根据MTSAT-2静止气象卫星数据特点,进行角度效应校正及多时相数据合成,以减少云对图像的影响;其次,根据多个雪盖判识因子建立中国区域雪盖判识算法;最后,对比分析2011年1月份MTSAT-2和MODIS雪盖判识结果,并使用站点观测数据进行精度验证。研究表明:(1)MTSAT-2雪盖判识受云影响比例约30%,MODIS雪盖产品受云影响比例约60%,MTSAT-2去云效果明显。(2)无云情况下,MTSAT-2雪盖判识和MODIS雪盖产品判识精度均高于92%;有云覆盖时,MTSAT-2判识精度约65%,优于MODIS雪盖产品35%的判识精度。(3)MTSAT-2静止气象卫星在保持高积雪判识精度的前提下,可以更有效减少云对雪盖判识影响,实时获取更多地表真实信息。该研究对中国区域雪盖信息准确监测、气候变化研究以及防灾减灾等具有重要意义。     

被动微波遥感雪深反演混合像元问题研究EI北大核心CSCD

积雪深度是反映地表积雪量变化的重要因子,是水文模型和气候模式中的重要参数之一。被动微波遥感以其穿云透雾、对雪层信息敏感等特点,被广泛应用于雪深的反演研究中。被动微波传感器的低空间分辨率(数千米至数十千米)及地表覆盖的复杂性,使星载被动微波遥感影像中的混合像元现象十分突出,严重制约了被动微波雪深遥感监测的应用和发展。目前,被动微波遥感雪深反演中的混合像元问题研究仍存在着诸多挑战:①理论支撑不足,对被动微波混合像元亮温响应特征及影响机制的研究尚不充分;②针对混合像元问题所发展的被动微波雪深反演算法,对地表异质性特征考虑不足。     

近15年新疆逐日无云积雪覆盖产品生成及精度验证

为降低云对MODIS逐日积雪覆盖产品MOD10A1和MYD10A1在新疆积雪实时监测与研究中的影响,引入交互式多传感器雪冰制图系统(interactive multi-sensor snow ice mapping system,IMS)等多源遥感数据和地面实测资料,综合时间滤波法、空间滤波法及多传感器融合法等不同的去云技术,建立基于多源数据的去云方法,生成新疆地区2002—2016年近15 a间逐日无云积雪覆盖产品数据,并利用实测资料对生成的产品数据进行精度评价及结果验证。结果表明,去云后积雪覆盖产品在新疆积雪覆盖的总体监测精度为90.61%,接近于去云前MODIS晴空积雪覆盖产品在新疆的总体监测精度(93.3%)。     

D-InSAR技术的积雪深度反演

积雪深度是大量气候、水文、农业及生态模型的重要输入变量。选用欧空局Sentinel-1主动微波数据,利用合成孔径雷达SAR(Synthetic Aperture Radar)差分干涉测量技术的二轨法,根据积雪相位与雪深之间的转换关系,反演新疆天山中段的巴音布鲁克盆地典型区的积雪雪深分布,提出了基于InSAR二轨差分的雪深估计方法,反演得到2016年12月18日的空间分辨率为13.89 m的雪深分布。研究表明:(1)对Sentinel-1数据进行正确的预处理以后,可以应用SAR差分干涉测量技术的二轨法反演区域雪深分布。但由于像对相干性和积雪状态的差异,积雪深度超过10 cm,可以获取较准确的雪深反演结果,R=0.65,反演误差的均方根误差RMSE=4.52 cm,平均相对误差为22.42%,反演雪深结果均比实测结果略偏低;而当雪深小于10 cm时,雪深反演值较实测值存在较大的误差,相对误差均高于34.52%,且反演雪深值均比实测值偏高。(2)雪深反演精度受高程及实际雪深的差异影响显著,另外雪深反演精度也受限于干涉像对相干性。结果表明,对于获取区域积雪雪深,InSAR技术较光学及被动微波遥感具有非常广阔的应用前景。     

利用多光谱卫星遥感和深度学习方法进行青藏高原积雪判识

青藏高原积雪对全球气候变化十分重要,针对已有积雪遥感判识方法中普遍采用的可见光与红外光谱数据易受复杂地形与高海拔影响,导致青藏高原地区积雪判识精度较低的问题,提出了一种基于多光谱遥感与地理信息数据特征级融合的积雪遥感判识方法:以风云三号卫星可见光与红外多光谱遥感资料与多要素地理信息作为数据源,由地面实测雪深数据与现有积雪产品交叉筛选出样本标签,构建并训练基于层叠去噪自编码器(SDAE)的特征融合与分类网络,从而有效辨识青藏高原遥感图像中的云、积雪以及无雪地表。经地面实测雪深数据验证,该方法分类精度显著高于使用相同数据源的FY-3A/MULSS积雪产品,略高于国际主流积雪产品MOD10A1与MYD10A1,并且年均云覆盖率最低。试验结果表明该方法可有效地减少云层对积雪判识的干扰,提升分类精度。     

基于MODIS数据的天山北坡经济带雪深反演研究

根据实测雪深不同的积雪反射光谱值分析雪深和积雪反射率的关系,探讨利用MOD IS数据反演雪深的可行性和反演雪深的MOD IS最佳通道。利用2004年12月至2005年3月的MOD IS数据,以天山北坡经济带为实验区,结合该区域实测雪深数据、气象台地面雪深观测记录建立雪深反演数学模型,分析雪深空间分布特征对农业开发具有重要意义。     

基于HJ-1A/B CCD地表反照率估算方法比较与验证

高空间分辨率地表反照率数据集对天气预报和气候变化研究具有重要意义。环境减灾小卫星(HJ-1A/B)上搭载的CCD传感器,可以提供大幅宽、短重访周期的30 m空间分辨率对地观测数据,适用于生成高空间分辨率的地表反照率数据集。但是,目前对基于HJ-1A/B CCD数据地表反照率估算方法的图像精细度和估算精度还缺乏系统性的评价和比较验证。因此从图像精细度和估算精度2个方面,评价了基于HJ-1A/B CCD数据的2种地表反照率估算方法:基于地表反射率的直接反演算法(direct estimation algorithm-surface reflectance,DEA-SUR)和基于MODIS核系数(MODIS kernel coefficients,MKC)的估算方法。在图像精细度评价中,采用目视判读和清晰度指数方法进行定性和定量评价,发现相比于MODIS反照率产品,DEA-SUR和MKC这2种估算方法获得的结果图像精细度均有明显提高,其中DEA-SUR方法显著改善了MKC方法存在的马赛克现象;在估算精度验证中,基于US-MMS、长岭、盈科和纳木错4个站点进行了验证和比较分析,结果表明,DEA-SUR和MKC算法估算精度相当,在无积雪覆盖时DEA-SUR和MKC算法的估算均方根误差为0. 015～0. 041,在积雪覆盖地表估算误差显著增大。     

基于GF-1WFV数据的16 m分辨率反照率产品算法与验证

地表反照率在陆面气候和生物圈模型中起着至关重要的作用。为了更好地满足多领域研究的要求,拓宽定量遥感参数的应用,许多研究学者及团队正在利用不同的算法开发高分辨率地表反照率产品。本文提出的算法基于中国高分一号卫星WFV传感器数据和500 m分辨率的GLASS反照率产品生成高空间分辨率的反照率产品。算法思路首先用直接反演算法反演GF-1 WFV数据得到16 m分辨率初级反照率产品,再将500 m分辨率的GLASS反照率产品与16 m分辨率初级产品的纹理信息进行降尺度融合,最终得到16 m分辨率的融合反照率产品。以2016年—2017年黑河实验区的8个站点的地面观测值对算法结果进行验证,实测数据与反演融合数据的时间序列图表明融合后的16 m分辨率反照率与实测值一致性较好;同时,通过2016年—2017年所有站点散点图分析,融合反照率均方根误差为0.02439,初级反照率则为0.05135,融合反照率比初级反照率更接近实测值。16 m分辨率反照率产品在平均值与500 m分辨率的GLASS反照率产品一致的前提下丰富了空间纹理信息,能够更好地支持在区域尺度研究人类活动对环境的影响。     

地面和机载多角度观测数据的反照率反演及对MODIS反照率产品的初步验证

MODIS的反照率产品采用半经验的二向性反射核驱动模型算法(AMBRALS),对16天累积观测的多角度遥感数据进行反演。产品的应用需要相关研究的地面观测数据进行验证。主要研究基于地面气象台站用反照率表观测的反照率数据、地面和机载多角度遥感数据通过AMBRALS算法反演得到的反照率,与MODIS相应的地面反照率产品做比较的降尺度验证方法,并提供对MODIS反照率产品的初步验证结果。     

融合卫星遥感与地面测站的区域PM2.5反演

融合卫星遥感与地面站点的互补优势,进行了华中地区PM2.5的反演研究.基于MODIS LIB数据,结合暗像元法和亮目标法,利用6S大气传输模型反演获得分辨率为1 km的气溶胶光学厚度(AOD);基于M估计理论,将遥感反演的AOD与PM2.5站点数据进行稳健回归分析,并根据回归模型实现大尺度空间连续的PM2.5反演;最后,利用留一交叉验证法,对反演精度进行了验证.结果表明,反演的1 km AOD和MODIS现有的AOD产品相比,与PM2.5站点数据的相关系数从0.683提高到0.883,生成的PM2.5平均绝对误差从23.495 μg/m3降低到11.705 μg/m工3.     

地面站点叶面积指数观测的空间代表性评价——以CERN站网观测为例

在叶面积指数LAI(Leaf Area Index)产品真实性检验中,地面站点的多时相连续观测LAI数据是重要的验证数据来源。当站点观测范围与产品像元尺度不一致时,站点观测LAI直接用于产品验证可能为验证结果带来误差。因此,在验证之前需要分析站点观测对像元尺度的空间代表性,选择空间代表性好的观测来验证产品,从而减小尺度效应带来的验证误差。以往的研究只是简单的定性说明研究区域,并直接用站点测量数据对产品进行验证,缺少一套系统的站点观测在产品像元尺度内空间代表性评价的方法体系。本文提出了站点LAI观测的空间代表性评价方法,建立了评价指标DVTP(Dominant Vegetation Type Percent)、RSSE(Relative Spatial Sampling Error)和CS(Coefficient of Sill),构建了空间代表性评价分级体系。以中国生态系统研究网络CERN(Chinese Ecosystem Research Network)农田站和森林站LAI观测为例,对站点观测在1 km产品像元尺度内空间代表性进行评价,并分析评价前后站点观测对MODIS LAI产品验证精度的影响。结果显示,本文提出的方法能够有效地对不同站点LAI观测在产品像元尺度内空间代表性进行质量分级,且年际间的站点观测空间代表性较为一致。评价方法能够去掉在特定产品像元尺度下空间代表性不好的观测数据,一定程度上提高验证数据集对产品验证精度的可靠性。     

利用SARA结合高分一号数据反演气溶胶光学厚度

简化的气溶胶反演算法(simplified aerosol retrieval algorithm, SARA)摆脱了传统气溶胶光学厚度(aerosol optical depth, AOD)反演算法对查找表的依赖,在暗地表区域和亮地表区域均有较好的反演效果。由于中分辨率成像光谱仪(moderate resolution imaging spectroradiometer, MODIS)数据得到的AOD空间分辨率不足,因此在SARA的基础上结合更高空间分辨率的高分一号(GF-1)宽视场(wide field of view, WFV)数据开展了AOD反演研究。精度验证结果表明,反演结果与地基观测值具有较高的一致性,相关系数为0.962,均方根误差为0.073,平均绝对误差为0.051,预期误差为88.6%;反演结果与同期的MODIS气溶胶产品相比,空间上分布较为一致,且具有较高的空间覆盖度、分辨率和精度。针对高分数据的算法适用性研究表明,GF-1 WFV相机的观测几何和辐射定标误差引起的反演误差较小,绝对误差均在0.04以内,相对误差均在10%以内。     

SVM辅助的GPS SNR雪深时间序列反演

研究了GPS干涉反射技术GPS-IR(GPS-Interferometric Reflectometry);在利用GPS卫星SNR信号进行积雪深度探测的基础上构建了支持向量机SVM(Support Vector Machine)辅助的GPS SNR雪深时间序列反演模型;对积雪深度进行时间序列预报和与传统GPS-IR积雪探测模型进行精度对比分析。实验结果显示,相比传统GPS-IR雪深反演模型,SVM辅助的GPS SNR雪深时间序列反演模型的雪深预报结果的精度更高,也更符合实测雪深的变化趋势,可为地面积雪雪深反演提供新方法。     

基于被动微波遥感的青藏高原雪深反演及其结果评价

采用修正的张氏雪深反演算法，用ＳＳＭ／Ｉ３７ＧＨz和19GHz水平极化亮温值计算了青藏高原及其毗邻地区的积雪深度，对其精度进行了评价，并对误差来源进行了分析，结果显示，此算法能够较好地反映研究区的雪深分布，但局部地区误差较大，总体上雪深被高估，其误差主要来源于冻土，深霜层，植被以及雪层中液态水含量，雪粒的形状和粒径的变化带来的影响，SSM／I数据较低的分辨率和研究区复杂的地形使反演的雪深与观测的雪深缺少可比性，给精度的评价带来影响。     

暗目标法的Himawari-8静止卫星数据气溶胶反演

Himawari-8(H8)是由日本气象厅发射的新一代静止气象卫星,可实现10 min/次的高频次对地观测,搭载的AHI(Advanced Himawari Imager)传感器设置有与MODIS暗目标气溶胶反演算法所需的类似波段。本文参考暗目标算法构建了针对该卫星传感器的陆地气溶胶反演算法:首先,通过基于地基站点观测数据的精确大气校正,统计得到短波红外与可见光波段的地表反射率比值关系,将此作为先验知识用于地—气解耦时的反射率估计;然后,初步假设大陆型气溶胶类型,利用辐射传输模型建立查找表;最后,通过模拟与卫星观测的表观反射率误差最小实现气溶胶光学厚度反演解算。选取2016年5月覆盖京津冀地区的观测数据进行测试,将反演结果与对应时间的MODIS气溶胶光学厚度产品进行对比验证,空间分布趋势一致、相关性较高,相关系数R达到0.852;通过与地基观测网AERONET站点实测数据对比验证,所有站点的相关系数R~2均大于0.88,精度较高。利用反演的高时间分辨率产品,分析了京津冀地区的大气空间分布和日变化情况,结果表明:采用暗目标法对H8静止卫星陆地气溶胶光学厚度反演具有一定的潜力和可行性,能反映气溶胶的高时间变化信息,有望成为大气环境污染变化监测新的重要手段。     

MODIS数据在积雪检测中的应用

积雪作为影响环境的一个因素,是非常重要的。自1999年Terra卫星升空以来,MODIS数据在环境监测的各个方面得到了广泛的应用。由于MODIS数据的高光谱、高空间分辨率、高时间分辨率等特征,越来越多地应用到积雪监测方面。本文就MODIS数据的积雪检测算法进行了探讨,对森林中雪的检测以及云和雪的区分进行了大量的研究。结果显示：MODIS数据对积雪检测非常有效。