积雪辐射模型验证

雪水当量是气候模型与大尺度水文模型中的一个重要参数。积雪容量对全球气候变化研究、大尺度径流估算与水资源管理等方面都有很重要的意义。因此研究积雪辐射模型模拟特征及模型验证显得极为重要。本文选用的积雪辐射模型是采用考虑多次散射的双矩阵法（Matrix Doubling Formulation）作为求解辐射传输方程的方法，利用致密介质理论来考虑积雪的近场效应，辐射传输方程的边界条件和下垫面辐射计算则采用高级积分方程模型（AIEM）。文中首先分析了辐射模型对下垫面参数特性和积雪颗粒特性的敏感性，结果表明下垫面特性和积雪颗粒大小对当前人们采用的温度梯度雪水当量反演算法有着很大影响。另外，本文利用瑞士Weissfluhjoch试验区的地面实验数据，对该积雪辐射模型在宽波段高频率和大角度的辐射信号模拟能力做了验证，验证结果表明该模型模拟值与地面实测数据吻合很好，说明积雪辐射模型能很好模拟自然地表的积雪辐射信号。     

雪热力模型(SNTHERM)在冰沟流域的模拟和敏感性试验

采用基于质能平衡的积雪过程模型—雪热力模型(Snow Thermal Model, SNTHERM.89）来描述和模拟2008年中国甘肃省黑河实验冰沟流域的积雪过程与积雪特性参数,并将模型模拟的雪水当量与高级微波扫描辐射计(AMSR-E）的雪水当量产品进行了对比。模型验证结果表明,SNTHERM模型能准确模拟黑河冰沟流域的积雪变化过程和积雪特性,对积雪的演变特征作出合理的描述,表明SNTHERM在中国黑河冰沟流域有较好的适用性。对SNTHERM模型进行不同驱动气象参数和初始输入参数的敏感性分析的结果表明,积雪特性参数对辐射通量最敏感;各积雪特性参数对各自的初始输入比较敏感,密度则对初始输入的雪深、密度和颗粒大小都比较敏感,表明在需要准确模拟密度的情况下以及进行雪水当量同化工作时,初始输入的雪层深度、密度和颗粒都必须比较准确。     

双矩阵算法的L波段多角度玉米微波辐射参数化模型

双矩阵MD(Matrix-Doubling)算法是辐射传输方程的一种数值解,考虑了植被层内的多次散射信号,具有较高的模拟精度。但受限于算法的复杂性,很难直接应用到地表参数的反演中。本文以玉米覆盖地表为研究对象,基于MD算法的模拟数据,发展了一种L波段多角度微波辐射参数化模型。基于模拟数据的对比结果表明,参数化模型具有与理论模型相当的精度,两者之间的发射率误差不超过0.004(V极化)和0.007(H极化)。同时,结合黑河流域的地面实测数据,利用本论文中发展的参数化模型模拟了纯玉米像元的辐射亮温。该模拟结果与相同像元尺度上机载L波段微波辐射计(PLMR)观测亮温之间的差异基本在10 K以内。     

多频率多极化地表辐射参数化模型

发展了针对对地观测系统被动微波辐射计AMSR-E应用的裸露地表辐射模型。首先，利用1993年法国INRA地面试验数据对AIEM在宽波段高频率和大角度的辐射信号模拟能力进行评价。验证结果表明，AIEM模型模拟值与地面实测数据吻合很好，说明AIEM模型能很好模拟宽波段和大角度的辐射信号。在此基础上，用AIEM模型建立了一个针对AMSR-E传感器参数配置．包含各种地表粗糙度和介电特性的裸露地表辐射模拟数据库。利用AIEM模拟数据和地面实测数据对目前人们使用的半经验地表模型进行了比较和分析，发展了多频率多极化的地表辐射参数化模型——Qp模型。该模型中，地表粗糙度对辐射信号的影响通过粗糙度参数Qp来表示。参数Qp可简单表示为均方根高度与相关长度的比值（s／l）。从Qp模型与AIEM模型模拟的发射率比较结果来看，它们之间的绝对误差很小，不超过10^-3因而，本文发展的参数化模型可用作模拟地表辐射的前向模型，如用于估算AMSR-E传感器的亮温值，同时模型的发展有利于提高人们对辐射机制的理解和认识。     

基于MEMLS模型的积雪深度反演方法

利用被动微波遥感反演积雪深度一直是积雪遥感领域中的研究热点。在现有的积雪深度反演算法中,NASA算法因其简洁、易于扩展的特点,成为应用最为广泛的算法。但NASA算法存在着一定不足:首先,由于NASA算法基于线性拟合得出,在应用到其他研究区域时需要对反演公式进行重新拟合,适用范围受到一定限制;其次,由于算法中引入的19GHz与37GHz的亮温差在雪深达到一定范围时会达到饱和,因此算法会低估积雪深度。本文针对现有反演算法的不足之处,结合蚁群智能算法的特点,发展了基于蚁群算法的积雪深度反演算法;此外,针对NASA算法中存在的雪深低估问题,引入了AMSR-E10.7GHz亮温数据,对算法进行了改进。利用MEMLS模型的模拟数据与AMSR-E辐射亮温数据对算法进行实验,并采用实测数据与AMSR-E雪水当量产品对算法的反演精度进行评价。结果表明,两种积雪深度反演算法均是可行的,反演精度与现有产品相比有较为明显的改进。     

基于被动微波遥感技术的玉米冠层叶面积指数反演

基于玉米冠层结构参数实测数据和Matrix-Doubling(MD)模型构建了玉米出苗期至抽穗期的冠层多波段、双极化微波辐射特性模拟数据库;通过对模拟数据的回归分析得到了玉米冠层在各波段的微波发射率及其与透过率之间的经验关系,并将经验关系应用于0阶微波辐射传输模型;结合土壤发射率模型构建了玉米冠层覆盖地表的微波辐射亮温参数化计算模型,并基于该参数化模型、利用玉米样地微波亮温观测试验数据,采用迭代方法进行了玉米叶面积指数(LAI)的反演.研究表明,LAI反演值与实测值的相关系数r＞0.9,说明多波段被动微波遥感数据在植被冠层LAI反演方面具有较大的应用潜力.     

用双矩阵法和积分方程模型估算地表的亮度温度

提出了一种估计覆盖植被的地表亮度温度模型。模型中的植被看作是不同大小和朝向的离散散射体如叶、茎、杆构成。植被层内的体散射以及植被与地表之间的多次散射采用了双矩阵法(M atrix Doub ling)计算,地表辐射采用了积分方程模型(Integral Equation M ethod)。较高频率上的模拟结果显示植被的辐射是主要的,植被对地表辐射的衰减作用较明显。模拟的亮度温度跟SGP99机载C波段以及AMSR-E的X和Ku波段实测数据相比接近一致。     

AIEM模型在积雪散射模拟中的应用

 介绍一种基于一阶辐射传输的积雪散射模型。该模型考虑了积雪覆盖地表微波散射的3种回波分量： 雪层表面散射、下垫面散射以及雪层体散射。对于其中2个面散射分量，文章中应用一种新的面散射模型——AIEM取代原有的IEM模型进行处理。最后，使用Michigan大学的实测数据对改进后模型的模拟结果进行验证，并与改进前的模拟结果进行了对比。     

用多阶Mueller矩阵解对非均匀地表植被生物量和土壤湿度的迭代反演

根据一层随机非球形粒子矢量辐射传输方程的一阶与高阶Mueller矩阵解的数值模拟及其差异 ,提出了在一些参数已知的条件下 ,用水平与垂直同极化和交叉极化的后向散射测量反演植被覆盖下地表湿度和植被散射元单位面积占空比的迭代方法。利用模拟测量数据以及机载合成孔径雷达 (AirSAR)实测数据 ,对不同土壤湿度和单位面积占空比的情况进行了反演试验     

被动微波遥感积雪参数反演方法进展

雪深(snow depth,SD)和雪水当量(snow water equivalent,SWE)是气候水文研究中的重要参数,在雪灾监测中尤为重要。首先,简要介绍了被动微波遥感SD和SWE反演算法的物理基础——积雪微波辐射传输模型,分析了不同微波频段、不同特点的积雪微波辐射和散射特性。然后,根据前人的研究从数学角度将反演算法分为线性亮温梯度法和基于先验知识法,总结了2类算法的优势和局限性:线性亮温梯度法相对简单、速度快,一般只适用于特定的研究区;先验知识法需要获取研究区的样本数据,并反复训练才能达到较好的精度,但对样本的独立性及其均值差异显著性的要求较高。最后,重点介绍了我国风云三号微波成像仪(FY-3 MWRI)的全球SD和SWE反演算法和针对中国区域的改进算法,并对未来的研究热点进行了展望。     

Improved Understanding of Soil Surface Roughness Parameterization for L-Band Passive Microwave Soil Moisture Retrieval

Surface roughness parameterization plays an important role in soil moisture retrieval from passive microwave observations. This letter investigates the parameterization of surface roughness in the retrieval algorithm adopted by the Soil Moisture and Ocean Salinity mission, making use of experimental airborne and ground data from the National Airborne Field Experiment held in Australia in 2005. The surface roughness parameter is retrieved from high-resolution (60 m) airborne data in different soil moisture conditions, using the ground soil moisture as input of the model. The effect of surface roughness on the emitted signal is found to change with the soil moisture conditions with a law different from that proposed in previous studies. The magnitude of this change is found to be related to soil textural properties: in clay soils, the effect of surface roughness is higher in intermediate wetness conditions (0.2–0.3 v/v) and decreases on both the dry and wet ends. Consequently, this letter calls for a rethink of surface roughness parameterization in microwave emission modeling.      

Qualitative and quantitative analysis of snow parameters using passive microwave remote sensing

Snow cover is an important variable for climatic and hydrologic models due to its effect on surface albedo, energy, and mass balance. Satellite observations successfully provide a global and comprehensive hemispheric-scale record of the short-term, as well as inter-seasonal variations in snow cover. Passive microwave sensors provide an excellent method to monitor temporal and spatial variations in large-scale snow cover parameters, overcoming problems of cloud cover. Using microwave remote sensing data, snow parameters (snow surface temperature, snow water equivalence, scattering index, emissivity, snow depth) have been retrieved to integrate with the snow cover simulation model developed by SASE for avalanche risk assessment on regional basis. Multispectral and multitemporal brightness temperature data obtained from the Special Sensor Microwave Imager (SSM/I), flown onboard the DMSP satellites, for the period November 2000 to April 2001 and from November 2001 to February 2002 have been analysed. A comparative data set on snow measurements and meteorological observations of a region covering large area of Pir-Panjal and the Greater Himalayan range, available on near real time basis from SASE field observatories were also used. Model calculations were carried out to study the effects of atmospheric transmission on the microwave radiation emitted from the snow covered and snow free ground and atmosphere. The sensitivity of combinations of the SSM/I channels at 19, 37 and 85 GHz, in both horizontal and vertical polarizations, in respect to snow depth, surface temperature of the snowpack have been carried out. Decision rule based algorithms are developed to identify snow cover and non-snow area.     

海面微波散射与风生波短波谱

从海面微波散射的物理机制出发 ,在短波平衡范围条件下 ,讨论了风生波短波谱形式 ,通过对不同波段的微波散射数据分析 ,建立起能适应相当宽微波波段 ( 0 .42 8— 34.4GHz)的海面微波散射模型。文中对若干个波段的微波散射系数进行了试算 ,并与实测资料进行了比较 ,结果是令人满意的     

Snow Depth Inversion Using the Localized HUT Model Based on FY-3B MWRI Data in the Farmland of Heilongjiang Province,China

Snow depth parameter inversion in the farmland using passive microwave remote sensing is of great significance to the agricultural production in Northeast China. Firstly, the Helsinki University of Technology (HUT) snow emission model was validated in the farmland based on microwave radiation imager (MWRI) onboard FengYun-3B satellite (FY-3B). The results showed that there was a big difference between the brightness temperature of HUT model simulation and MWRI for 18.7 GHz horizontal polarization (18.7 H) and 36.5 GHz horizontal polarization (36.5 H). To improve HUT model, the empirical parameter in the model was localized. Then the localized HUT (LHUT) model was built, where the extinction coefficient was calculated by the new extinction coefficient formula. Next, LHUT model was validated based on MWRI data and compared with HUT model. The results showed that LHUT underestimates slightly the brightness temperature with 0.91 and 4.19 K for 18.7 and 36.5 H respectively, and LHUT is superior to HUT model. Finally, the genetic algorithm (GA) was used to invert snow depth based on LHUT. The results showed that snow depth was underestimated with 6.79 cm based on LHUT. The inverted snow depth based on LHUT model is in better agreement with the measured snow depth.     

HUT模型的改进及其雪深反演

基于风云-3B（FY-3B）卫星的微波成像仪（MWRI）数据对HUT模型（Helsinki university of technology snow emission model）进行验证,结果表明,无论是18.7 GHz还是36.5 GHz水平极化亮温,HUT模型模拟亮温都与MWRI亮温存在较大的偏差。因此,本文对消光系数进行了本地化改进,得到了改进的HUT模型（IMPHUT模型）。IMPHUT模型在18.7 GHz水平极化和36.5 GHz水平极化时的模拟亮温偏差分别为-0.91 K和-4.19 K,较原始的HUT模型模拟精度（偏差分别为14.03 K和-16.33 K）有很大提高。最后,利用遗传算法进行雪深反演,基于IMPHUT模型的雪深反演（偏差为-6.79 cm）优于HUT模型和Chang算法,反演与实测雪深具有较好的一致性。     

北极一年海冰表面积雪深度遥感反演与时序分析

北极海冰表面的积雪深度是重要的地球物理变量, 是研究物质与能量平衡、计算海冰厚度的重要参数。为减小不同被动微波传感器观测数据的系统误差, 对国防气象卫星计划(Defense Meteorological Satellite Program, DMSP)F17-SSMIS与F13-SSM/I重叠期亮度温度数据进行交叉定标, 建立4个频段48个月尺度定标模型, 并与传统年尺度定标模型进行比较和优选, 在此基础上估算并分析2003-2014年北极一年海冰表面积雪深度变化。结果表明:19H、19V、22V、37V频段1~5月的月尺度模型决定系数高于传统年尺度拟合模型; 2003-2014年, 北极一年海冰表面积雪深度总体呈现下降趋势, 同时积雪深度存在明显的周期性变化, 每年7月积雪深度最小, 9月最大; 东西伯利亚海、拉普捷夫海和巴伦支海海冰表面积雪深度呈现减少的趋势。