基于相关性的热红外温度与发射率分离算法

在分析地面测量大气下行辐射和地表发射率之间关系的基础上,给出了针对热红外高光谱数据温度与发射率分离过程中地表温度优化的相关性判据,提出了基于相关性的温度与发射率分离算法（the Correlation Based Temperature Emissivity Separation Algorithm,CBTES）。该算法利用大气下行辐射和地表发射率之间的相关性优化地表温度,进而获得地表发射率。基于模拟的热红外高光谱数据,对CBTES算法的精度进行分析,结果表明CBTES算法具有较高的温度与发射率反演精度;并与光谱迭代平滑温度发射率分离算法（ISSTES）进行比较,发现CBTES算法具有和ISSTES算法相当的精度。此外,CBTES算法具有一定的抗噪性,对测量过程中大气下行辐射的变化不敏感;对于非同温像元,当其发射率定义为r-emissivity时,其辐射温度是对波数缓慢变化的,假设在比较窄的光谱区间内辐射温度近似不变,可以用CBTES算法反演非同温像元在窄光谱区间内的等效温度,在714-1250cm^-1。光谱区间内多个窄光谱区间反演的等效温度可以较好的刻画非同温像元辐射温度的变化趋势。     

改进的基于订正ALPHA差值谱的TES算法

与可见光遥感不同, 热红外传感器测得的辐射亮度值是温度和发射率的函数, 因此, 对于热红外遥感, 温度和发射率的分离是一个关键问题. 热红外地表温度反演需要考虑的另一个问题是地表反射的大气下行辐射订正, 由于该项与地表发射率紧密联系在一起, 在地表发射率未知的情况下, 该项很难消去. 研究从普朗克方程的维恩近似出发, 引入Li和Becker等提出的大气下行辐射修正项, 以此为基础, 推导出与温度无关的改进ALPHA差值谱, 并进一步提出消除维恩近似影响的修正项. 在上述工作基础上, 借鉴ALPHA导出发射率法和ASTER TES算法的优点, 提出改进的基于订正ALPHA差值谱的TES算法(ICADS TES). 由于算法采用多光谱反演技术, 并且算法中包含波段差值、比值操作, 因而可以部分消除大气、仪器噪声等的影响, 具有良好的抗干扰能力. 采用不同大气条件、下垫面类型、地表温度组合的数值模拟实验表明, 算法具有很宽的适用范围和稳定性, 反演的温度精度一般在0~1.5 K之间, 平均发射率精度在0~0.015之间. 算法反演温度产品与ASTER数据下载中心 (Earth Observing System Data Gateway, EDG)提供的地表温度产品相比, 相关性非常好, 相关系数接近1.0, 产品直方图分布基本一致. 与现有发射率温度分离算法相比, ICADS TES算法的优点是适用的温度和下垫面范围宽, 不需要诸如地表分类、发射率方向性等先验信息支持, 计算结果不受参数设置影响, 更为客观. 由于该算法不需要下垫面类型先验信息支持, 可以避免其他算法中出现的因地表误分类、混合像元等问题引起的反演误差. 与作者此前提出的基于订正ALPHA差值谱的TES算法(CADS TES)相比, 算法考虑了大气下行辐射的影响, 在大气辐射特性已知的条件下, 可以获得更好的反演结果.     

MODIS陆地气溶胶遥感反演--利用TERRA和AQUA双星MODIS数据协同反演算法

利用卫星数据遥感陆地气溶胶一直是国际上研究的难点与热点.利用新一代传感器MODIS(中分辨率成像光谱仪)数据,DDV(Dark Dense Vegetation)算法反演陆地气溶胶的分布以及性质已经取得了较好的效果.然而,该算法只适用于诸如水体、浓密植被等较低地表反射率区域,大大限制了该算法的实际应用范围,尤其是无法应用于城市等亮地表区域气溶胶的遥感反演.文中提出了基于利用TERRA和AQUA双星MODIS数据的协同反演模型算法(SYNTAM-Synergy of Terra and Aqua MODIS),用以反演陆地气溶胶的光学厚度等信息.该算法实现了地表反射率与气溶胶光学厚度的同时反演,可应用于各种地表反射率类型,包括城市等亮地表区域.通过与国际AERONET的地面观测数据对比做初步的反演验证,结果表明,该算法具有较高的精度,进一步的验证工作还在继续.     

MODIS陆地气溶胶遥感反演

利用卫星数据遥感陆地气溶胶一直是国际上研究的难点与热点. 利用新一代传感器MODIS(中分辨率成像光谱仪)数据, DDV(Dark Dense Vegetation)算法反演陆地气溶胶的分布以及性质已经取得了较好的效果. 然而, 该算法只适用于诸如水体、浓密植被等较低地表反射率区域, 大大限制了该算法的实际应用范围, 尤其是无法应用于城市等亮地表区域气溶胶的遥感反演. 文中提出了基于利用TERRA和AQUA双星MODIS数据的协同反演模型算法(SYNTAM-Synergy of Terra and Aqua MODIS), 用以反演陆地气溶胶的光学厚度等信息. 该算法实现了地表反射率与气溶胶光学厚度的同时反演, 可应用于各种地表反射率类型, 包括城市等亮地表区域. 通过与国际AERONET的地面观测数据对比做初步的反演验证, 结果表明, 该算法具有较高的精度, 进一步的验证工作还在继续.     

GMS 5资料反演地表温度的一个修正算法

本文研究发展利用GMS 5/VISSR每小时卫星观测资料反演地表温度的方法,首先利用时空判断法进行云检测寻找晴空像元,然后从辐射传输方程出发,由实时探空资料求取大气上行、下行辐射率及大气透过率,根据由AVHRR NDVI导出的地表比辐射率,用单时相双光谱分裂窗法反演得到地表温度.比较反演结果与54511站及其他中国基准站2000年地面0cm地表温度实测值,相对于国际上其他经验公式而言,本文算法在精度上有所提高.敏感性分析试验着重于大气衰减的影响.基于本文算法,给出了内蒙中东部地区地表温度连续4天的变化实例以及东亚部分陆地“纯晴天”地表温度图.     

作物生长模型同化MODIS反射率方法提取作物叶面积指数

叶面积指数(LAI)是监测农作物生长的重要参数. 遥感提取LAI的方法之一是通过植被冠层辐射传输模型反演, 但多数模型反演方法都没有考虑作物LAI在不同生长阶段的变化关系. 本文在模型反演的基础上引入用作物生长模型描述的LAI随生长变化的关系, 将作物生长过程中LAI地面先验信息作为约束信息, 提取最优目标参数LAI. 要点是在耦合作物生长模型和辐射传输模型中通过变分算法在作物生长不同时刻序列同化多时相遥感观测和LAI先验知识; 在同化过程中用伴随方法求解代价函数. 采用北京昌平和顺义地区MODIS数据的同化结果显示时序遥感观测能够极大改善被提取LAI的不确定性, 对比MODIS LAI产品发现提取LAI廓线符合实际的作物生长规律, 因而比MODIS LAI产品更加可靠.     

基于多角度热红外遥感的混合像元组分温度演化反演方法

研究了多年来热红外多通道遥感反演陆面温度的成果后指出, 由于通道间信息高度相关, 以及不能直接反演混合像元组分温度, 所以它的反演精度及应用价值都受到极大的限制. 在建立非同温混合像元热辐射方向性模型基础上, 指出热红外多角度遥感提供了直接反演组分温度的可能性, 但这是一个多参数的同步反演问题. 通过数值模拟和实验验证表明, 演化算法是一个行之有效的多参数同步反演方法. 热红外多角度遥感与演化反演算法结合有望实现组分温度反演精度达到1 K以内的目的.     

地表温度映震异常与植被覆盖度间的相关性

基于乌兰浩特地震台监测区域的遥感影像，使用最大似然分类算法对影像进行6种地表物的分类，采用辐射传输方程算法进行地表温度的定量反演，根据影像提取的植被覆盖度，总结研究区域地表温度异常、植被覆盖度与地震间的相关性。     

陆面组分温度的综合反演研究

以行播冬小麦为例, 深入研究了陆面目标组分温度的反演方法. 结果表明:行播作物结构模式的选择能够显著地影响组分温度的反演精度, 适当选择行播作物的结构模式对提高反演稳定性有重要意义. 认为矩阵求逆反演与迭代反演相结合是一种较为稳健的、适于陆面目标的组分温度反演方法. 模拟试验和野外地面实验验证结果都显示, 利用综合反演方法可以显著提高土壤光照面和植被顶层温度的反演精度, 并明显增强组分温度反演的稳定性. 采用的多角度多波段热红外遥感大气效应纠正只需要两个基本参数:大气透过率和大气上行辐射亮度. 如果它们能与地表组分温度协同反演, 则可实现真正意义上的精确大气纠正. 通过对ATSRII数据的反演实验, 基本上证实这一方法的可行性.     

尺度转换规律与同步反演作物播种面积和叶面积指数

遥感作物估产是保证粮食安全的重要手段.然而中国田块破碎程度较高,在中低分辨率遥感图像上混合像元所占比例很高,混合像元信息分解问题成为中国实施遥感作物估产必须克服的首要难题.本文基于尺度转换规律,针对混合像元,提出了一个同步反演作物播种面积和叶面积指数的新方法.为解决作物的二向性反射及滤除土壤背景干扰的问题,采用了准确、简便的作物冠层反射率模型,利用高光谱优选波段的二阶微分方法很好地滤除了方向性和背景的干扰.选择甘肃省张掖市盈科灌区为试验区,区内主要作物为小麦和玉米,以2008年7月15日的Hyperion/EO-130m分辨率的高光谱数据为基础,通过将反射率值取平均的方法获得分辨率分别为180和1080m的图像,构成多尺度遥感图像系列,通过尺度转换规律反演计算了1080m分辨率图像上每个像元的播种面积和平均叶面积指数.用2008年8月10日的SPOT-510m分辨率多波段图像的分类结果作为近似真值,验证了播种面积的反演结果,结果表明以这一方法获得的农田空间分布规律与验证值一致,反演误差近似正态分布,误差在?0.1～0.1之间;并用地面实测的85个LAI-2000测量点配合手持GPS定位对平均LAI的反演结果进行了验证,反演平均LAI的标准差为0.34,结果表明这一方法具有较高的可信度.     

一种可操作的区域尺度地表通量定量遥感二层模型的物理基础

以修正的二层模型耦合机制,提出了PCACA算法以及理论定位算法,结合干点和湿点定标场的参数测定值,推算到4个极端的混合像元真实温度.提高了干线和湿线的定位的可靠性.并且提出了二层分层能量切割算法,算法简捷明了,具有物理基础.摆脱了难以逐个像元获取的通量阻力网参数.对平流的影响提出了新的思考.又以PCACA算法分解了混合像元的反照率.联合二层分层能量切割算法,分解了混合像元的净辐射通量.克服了传统以Beer定律分解净辐射通量的不确定性.通过反演结果的验证分析,方法是可行的也是易于操作的.在论述上述算法可操作性的同时也客观地指出了不确定性.     

以微分热惯量为基础的地表蒸发全遥感信息模型及在甘肃沙坡头地区的验证

首先综合回顾了目前采用的地表通量遥感方法和途径.分析了现有遥感思路中不能摆脱非遥感参数的现实和困扰. 在实践的基础上, 建立了以微分热惯量为基础的地表蒸发全遥感信息模型. 其思路的关键是以微分热惯量提取土壤水分可供率而独立于土壤质地、类型等局地参数; 以土壤水分可供率推算波文比而摆脱气温、风速等非遥感参数. 并以净辐射通量和表观热惯量对土壤热通量进行参数化. 实现了以全遥感信息反演裸地蒸发(潜热通量)的目标. 应用接近最高和最低地表温度出现时刻的两幅NOAA- AVHRR 5个波段的影像图和地面同步观测数据, 作出了我国西北沙坡头地区的土壤蒸发的区域分布影像图. 同时以同步观测的地表蒸发值对影像图对应点的输出值进行了对比, 验证了本思路和模型的可行性, 并且讨论了本模型扩展到浓密植被区所能造成的误差和进一步改进途径.     

遥感热惯量反演表层土壤水的方法研究

提出了一种新的遥感热惯量模型, 并用其来反演表层土壤水. 此遥感热惯量模型只涉及到地表最高温度, 不需要求算地表温差值; 同时模型考虑到植被因素对土壤热惯量的影响, 在植被覆盖区使用了双层模型中的土壤热平衡方程, 使热惯量模型的应用范围由裸土和植被覆盖较少的区域扩展到植被覆盖较多的地区; 此外, 将地表显热通量和地表潜热通量引入到热惯量模型中, 提高了对表层土壤水的反演精度. 通过此热惯量模型反演了内蒙中西部西蒙地区的表层土壤水, 并与表观热惯量反演的土壤水进行了对比, 结果表明了此方法的优越性.     

遥感区域地表植被二氧化碳通量的机理及其应用

提出了一个计算二氧化碳通量的遥感模型和根据遥感数据和辅助的微气象参 数估算区域分布的算法．在中国科学院禹城综合试验站利用光谱仪、红外测温仪、波文 比和涡度相关测试系统,在冬小麦生长期进行了连续的野外观测．二氧化碳通量和地 面模拟遥感数据２种信息流同时获取．从而建立了遥感模型,开展了与卫星的地面同步 观测．利用ＮＯＡＡ－ＡＶＨＲＲ数据和地面辅助数据,作出了华北地区白天的二氧化碳通 量区域分异影像图．根据此图地表植被二氧化碳的汇可以一目了然．     

定量遥感产品真实性检验的基础与方法

首先论述了定量遥感产品真值和均匀度的相对性, 在现实条件下, 提出了特征精度和特征均匀度的定义, 并且根据我们的试验给出了反照率、叶面积指数和表面温度的特征精度和特征均匀度. 其次, 指出定量遥感产品、海岸线测量和曲面面积测量的无标度现象的差异和相似性, 提出了定量遥感产品的信息分形维算法. 以叶面积指数为例, 当信息分形维为2.16时, 用相同反演模型在相同6 km面积的同类植被上, 30 m像元尺度遥感数据反演的叶面积指数为6 km像元尺度反演值的2.86倍. 最后提出了一种可操作的验证方法—“一检两恰”和当地毯式扫描难以实现时可以运用的一种多点观测法.     

基于FY-3B/MWRI数据的青藏高原地区地表发射率反演

以青藏高原地区为研究区域,利用FY-3B/MWRI(Microwave Radiation Imager)一级亮温数据和NCEP(the National Centers for Environmental Prediction) FNL(Final)全球业务分析资料,通过简化的微波辐射传输方程反演了晴空大气条件下的地表微波发射率.进而根据IGBP(International Geosphere-Biosphere Program)陆表覆盖分类数据,进一步分析了青藏高原地区微波地表发射率的频谱和空间分布特征,并分析了反演误差的来源.结果表明:青藏高原地区微波地表发射率的空间分布、频谱特征都与地表覆盖类型分布特征高度吻合,呈现出西北部地表发射率极化差异大,东南部极化异差小的分布特征.本研究中地表发射率的反演误差主要来自降水像元判别方案、再分析资料的时空匹配.还需要进一步研究定量误差,以期提高反演精度,进而建立长时间序列的地表发射率数据库,为青藏高原地球物理参数的遥感反演提供数据支持.     

基于光学与被动微波遥感的青藏高原地区土壤水分反演

青藏高原地区高精度的土壤水分反演对高原能水循环、全球大气循环研究有着极大的影响.因此,获取青藏高原土壤水分时空布信息是一个迫切需要解决的问题.温度植被干旱指数(TVDI),是基于光学与热红外遥感通道数据反演土壤水分的重要方法,但在研究区域较大、地表覆盖格局差异显著时,TVDI模型反演精度会受到地表温度(Ts)等因素的影响.被动微波AMSR-E数据精确记录了像元内的土壤水分信息,但空间分辨率低.本文利用同时期的MODIS与被动微波数据,发展了针对青藏高原地区高精度土壤水分反演算法.首先,在TVDI模型中,利用修正型土壤调整植被指数(MSAVI)代替归一化植被指数(NDVI),以改进NDVI易饱和的缺点;其次,利用ASTER GDEM数据,对地形高程和纬度差异引起的地表温度变化进行了校正;然后,通过神经网络训练建立基于TVDI、被动微波以及辅助气象数据的土壤水分反演模型,并应用该模型反演了青藏高原地区三个观测网(CAMP/Tibet、玛曲和那曲)的土壤水分;最后,利用实测土壤水分数据对反演结果进行验证,结果表明该模型的精度均方根误差(RMSE)数值可达到0.031~0.041 m~3·m~(-3).本文还应用该算法反演了青藏高原连续的土壤水分的空间分布,并比较了土壤水分的变化趋势与实测降水变化趋势,结果表明二者变化量的正负关系一致.     

基于多源遥感数据陆面大气水汽反演的物理统计算法研究

大气水汽对全球以及区域气候变化有着极其重要的影响,因而精确的获取水汽数据一直是非常重要的研究课题.单一传感器的遥感水汽反演算法有一定的局限,本文致力于发展一个基于多源遥感数据的水汽反演物理统计算法,该算法还能有效解决有云情况下的水汽反演.通过将晴空条件下近红外水汽反演结果与基于微波23.8 GHz的水汽敏感波段的组合指数进行回归,再将有云覆盖区域的微波指数代入到回归反演模型,从而获得有云覆盖条件下的水汽结果,实现有云条件下的水汽反演,对基于光学波段的水汽反演结果进行补充.不同的地表覆盖会对裸土表面的微波辐射有不同的影响作用,本文的算法还利用地表覆盖数据有效消除了这一影响,针对不同的地表覆盖,分别进行回归模型的建立.最后将该算法反演的结果与地基GPS的水汽监测数据进行对比,有云条件下的均方根误差为8 mm,且利用本算法可以较好的对光学数据进行补充,具有良好的空间一致性.     

HJ-1B/IRS热红外数据反演太湖水温的方法比较

太湖是我国典型的富营养化湖泊,水温是影响太湖藻类生长的重要环境因子之一,我国环境减灾卫星HJ-1B搭载的红外多光谱相机IRS对太湖水温动态遥感监测具有较大的性能优势.利用6景过境太湖的IRS热红外遥感影像,分别采用单通道普适性算法、辐射传输模型法和单窗算法反演太湖水温,并与实测水温和同期的TERRA/MODIS温度产品进行对比.结果表明,普适性单通道算法反演水温偏高,而辐射传输模型法和单窗算法则偏低;3种算法反演水温的均方根误差在1.001 K以内,单窗算法反演精度最高,其次是辐射传输模型法,再次为普适性单通道算法,而同期MODIS温度产品的均方根误差为1.507 K.3种算法从IRS热红外数据反演的水温直方图均呈正峰态、尖峰状态分布,反演结果能真实地反映太湖水温的空间分布特征.本研究对只有单个热红外通道的卫星传感器开展内陆水体水温遥感监测具有一定的参考意义.     

基于AMSR-E的微波波段地表发射率反演——以青藏高原为例

青藏高原以其独特的特征在气候变化中起着重要的作用,而地表发射率对地表参数和大气参数的准确反演也非常重要,因此本文发展了青藏高原微波波段地表发射率的反演算法.首先通过辐射传输方程对地表发射率的反演算法进行了推导,并利用被动微波一维大气辐射模拟器的模拟数据对算法进行了验证,结果显示了较高的精度.接着结合微波辐射计AMSR-E的亮温数据和MODIS提供的大气廓线数据,利用本文发展的算法反演了青藏高原微波波段的地表发射率.最后,分析了青藏高原地表发射率的时空分布特征:从空间特征上分析,反演结果的空间分布符合青藏高原地表覆盖类型的变化,植被湖泊等可以在反演结果中很明显的显现;从时间特征上分析,在一个月的时间尺度上,发射率随时间变化并不明显,每天的变化值在0.01之内.另外通过对青藏高原裸露地表发射率的时间序列研究发现,地表发射率对降雨有非常敏感的响应.反演结果的合理性表明本文的算法具有可行性,可以利用该算法反演青藏高原的地表发射率并建立长时间序列的地表发射率数据库,为青藏高原其他地球系统参数的遥感反演提供基础,为青藏高原的相关地学研究提供数据支持.