基于TM影像数据的五日生化需氧量浓度估计

湖泊的水体污染往往伴随着富营养化现象,水体中叶绿素a、透明度、全磷、全氮、化学需氧量及五日生化需氧量等水质参数的相关性很强.前人的研究成果表明,由于存在事实上的强相关性,可以直接建立全磷、全氮的遥感反演模型.基于这样的技术思想,洪泽湖水体内的五日生化需氧量与全磷、全氮有较强的相关性,本研究应用TM遥感影像数据直接建立了五日生化需氧量的半经验估算模型.该模型简便易用,是建立水质参数反演模型的成功尝试.     

应用MODIS数据反演河北省海域叶绿素a浓度

为了建立更加合理、准确的叶绿素a遥感反演模型,利用地物光谱仪测定了河北省海域水面的光谱反射率,分析了光谱反射率与实测叶绿素a浓度之间的关系.在此基础上,通过MODIS数据各波段及波段组合的反射率与实测叶绿素a浓度的相关分析,确定第1波段(B1)为最佳反演波段,建立了应用B1反演叶绿素a浓度的遥感模型,并对模型精度进行验证.结果表明:该模型相关系数为0.66,反演结果均方根误差为0.48 mg/m3,模型精度优于SeaDAS的OC3标准经验算法;该模型反演河北省海域表层水体的叶绿素a浓度有较好的效果.     

基于CHRIS数据的三峡坝区水体叶绿素浓度遥感监测

本文探讨利用新一代微卫星遥感数据CHRIS/PROBA定量反演三峡坝区叶绿素(Chl)浓度的方法。首先对CHRIS/PROBA高光谱影像进行去条带、几何校正、辐射校正、大气校正等预处理,得到水体像元的遥感反射率;然后结合三峡坝区水质,分析了悬浮物对叶绿素浓度反演的影响,采用半经验回归方法建立了叶绿素浓度反演算法;最后在对算法验证的基础上,将模型应用到经过一系列预处理的影像中,得到三峡坝区叶绿素浓度的遥感反演结果,并对反演结果进行了分析。分析表明,CHRIS/PROBA影像在三峡坝区水质的遥感监测中是可用的,且反演结果精度较高。     

用分析模型方法反演水体叶绿素的浓度

水体叶绿素浓度是水质评价的一个重要指标。建立水体光学传输的分析模型，进而用分析模型反演水体叶绿素浓度，对于提高遥感反演水质参数的精度和实用性具有重要意义。作者于2004年6月初对太湖18个点位进行了同步水体波谱实测和水体取样分析。由这18个点位的实测数据，利用Gordon模型建立了R（0^-）的模拟模型，并进而用优化函数的方法反演水体叶绿素浓度。反演值与实测值的相关系数达到0．99，当叶绿素浓度高于30mg／m^3时，反演的相对误差小于20％。进而用该模型反演2005年7月太湖7个点位的叶绿素浓度，反演值与实测值的相关系数为0．94，其中，有6个点位的反演值相对误差小于60％。     

基于带模型的叶绿素a浓度反演精度评估

为了评估遥感反演叶绿素a浓度的精度,以2004年8月19日太湖38个水质样本数据和同步Hyperion卫星遥感影像数据为基础,借鉴四波段半分析算法,结合空间数据不确定性原理,构建了基于四波段半分析算法的“带模型”.通过研究与探讨可知,当叶绿素a浓度为10～20 μg/L和50～100 μg/L时,叶绿素a浓度的反演误差...     

结合光吸收的近海水体硅藻浓度反演模型构建

浮游植物种群结构对了解海洋碳循环，生物多样性等研究具有重要意义。针对某种浮游植物种群生物量的研究，可以掌握浮游植物种群结构变化特征。本研究基于航次实测色素数据，利用CHEMTAX方法获取近海水体硅藻浓度信息，分析实测硅藻浓度数据的空间分布状态。对高斯模型中心波长和半波宽参数进行优化，结合高斯模型分解获取的高斯峰值，分析其与硅藻浓度之间的相关关系，并遴选相关系数较高的高斯峰值。利用不同数学函数，开展高斯峰值与硅藻浓度之间的关系模型构建研究，并结合精度指标（决定系数R2，中值误差ME）判定各数学函数模型的硅藻浓度反演精度，以提出最优的反演模型。研究结果表明：（1）实测硅藻浓度整体上呈现出近岸高，离岸低的空间分布特征，高值区域主要分布在渤海湾及长江口附近；（2）硅藻浓度反演模型精度较高，通过留一交叉验证法对模型进行验证，决定系数为0.79，中值误差为49%,p值小于0.001，该模型为后续开展卫星遥感反演硅藻浓度的工作奠定了基础。     

基于GF-1卫星数据的水库叶绿素a浓度联合反演研究

探明不同区域及不同营养状况下水库叶绿素a的共同敏感波段,基于G F-1号卫星16 m分辨率的多光谱WFV传感器影像构建叶绿素a浓度普适性反演模型.文中以湖南省3种不同营养状况的水库为研究对象,在实测高光谱及GF-1/WFV影像预处理基础上,对比实测高光谱数据与GF-1/WFV影像数据,采用相关性分析筛选叶绿素a敏感波段,基于GF-1/WFV影像数据构建叶绿素a浓度一元回归联合反演模型,生成浓度等级图.研究表明,相关性分析下叶绿素a的敏感波段区间为550～620 nm,波段区间对应影像中的绿波段(520～590 nm),模型反演精度较优,满足水库叶绿素a浓度监测精度要求,可为发展基于遥感影像大面积反演不同污染程度水质叶绿素a浓度提供基础支持.     

基于季节分异的太湖叶绿素浓度反演模型研究

叶绿素浓度反演算法主要有经验方法、半经验/分析方法和分析方法,其中半经验/分析方法应用最为广泛。但是反演的模型以及模型中的参数和反演精度都随着水体中叶绿素浓度的变化而改变。不同的季节水体中叶绿素浓度不同,水体反射光谱曲线特征和与叶绿素浓度相关性较高的敏感波段也不一致,使得各季节选用的反演模型和模型中的参数也存在一定的差异。本文在对2005年1—10月份叶绿素a（Chla）浓度季节差异进行分析的基础上,对4—10月份同步测量的水体光谱数据分春、夏、秋三个季节进行分析,分季节建立叶绿素浓度反演模型,并对它们进行比较,旨在为各季节选择最佳的反演模型。研究结果表明：春季和秋季选用波段比值算法反演精度较高,其中对数模型,线性模型和一元二次模型都有较高的相关性;夏季选用微分算法较好,该算法所建立的三种模型均具有较高的相关性。     

秋冬季节珠三角典型区域气溶胶浓度垂直分布的激光雷达反演

气溶胶与全球热辐射平衡、水循环、人类健康密不可分,其观测精度直接影响天气预测、气候建模以及对人类健康影响评估的精度,激光雷达能监测气溶胶的垂直分布,对污染气溶胶的扩散趋势、污染源反演、气候预测等均有重要意义。本文基于激光在大气中的辐射传输过程,根据米散射激光雷达的工作原理,使用雷达的多个系统参数计算雷达常数,建立激光雷达气溶胶质量浓度反演模型,从地面向上在晴空条件下进行了珠三角地区典型区域的秋冬季节气溶胶垂直观测的实验,计算气溶胶质量浓度的垂直廓线,反演气溶胶的垂直分布情况。验证与分析结果表明:(1)激光雷达反演结果显示,白天的反演结果中噪声大大减少,表明反演算法能够有效减弱太阳光的影响。(2)相比于传统方法,使用雷达常数而非边界值的反演结果波动较小,更符合实际,能够有效避免高空噪声的影响。(3)高层大气在晴朗静稳天气状况下较为干净,气溶胶基本分布在低空区域,质量浓度随高度基本呈负指数分布。     

CatBoost模型在水深反演中的应用

在多光谱遥感水深反演研究中,由于影响反演精度的因素较多,传统的水深反演模型具有一定局限性。机器学习算法在解决非线性高复杂问题上较有优势,将其应用在某些特定区域水深反演可提高反演精度。本文利用Sentinel-2多光谱遥感影像和LiDAR测深数据,以瓦胡岛为研究区域,构建CatBoost水深反演模型,与传统水深反演模型及Boosting中的XGBoost和LightGBM模型的反演精度进行比较。试验结果表明,经过参数优化后的CatBoost水深反演模型的决定系数、均方根误差、平均绝对误差和平均相对误差分别为96.19%、1.09 m、0.77 m和9.61%,准确性最高,效果更佳。     

FY-3C/MWHTS资料反演陆地晴空大气温湿廓线

针对风云三号C星微波湿温探测仪(FY-3C/MWHTS)的陆地晴空观测资料,建立了一维变分反演系统,对大气的温湿廓线进行反演。为了更好地描述温湿廓线的相关性,同时减小温度和湿度在反演过程中相互之间的误差传递,提出了使用背景协方差矩阵的联合矩阵和单独矩阵进行组合反演的方法。对于MWHTS模拟亮温和观测亮温之间的偏差,使用逐扫描点的统计回归方法进行校正。选择中国部分陆地区域的晴空观测亮温进行温湿廓线的反演,并利用欧洲中期天气预报中心(ECMWF)再分析数据、美国国家环境预报中心(NCEP)分析数据以及无线电探空观测(RAOB)数据对反演结果进行验证,温湿廓线的反演结果与ECMWF再分析数据验证的最大均方根误差分别是2.59 K和11.87%,与NCEP分析数据验证的最大均方根误差分别是1.88 K和21.50%,与RAOB数据验证的最大均方根误差分别是3.43 K和25.48%,验证结果表明了反演结果的可靠性。另外与国外同类载荷AMSU观测亮温的物理方法和统计方法反演精度进行了对比,结果表明:MWHTS具有较强的湿度廓线以及高空温度廓线的探测能力,且针对MWHTS的观测亮温建立的一维变分反演系统具有较高的反演精度。与NCEP 6小时预报廓线的验证结果表明:反演的湿度廓线可以提高预报廓线的精度。     

风能方向性参量遥感反演

目前可遥感反演的海上风能参量主要为平均风速和平均风功率密度,缺乏对风能方向性参量的反演。本文建立了以风向频率、风能密度方向分布为核心的风能方向性参量体系及相应的反演方法,使用2007年—2016年ASCAT星载散射计观测数据进行了反演实验,并利用海上现场观测数据对反演结果进行比较验证,通过理论分析和模拟实验对反演方法的数据量需求和误差传递进行了分析。结果表明,90%的反演结果通过了所有的同一性检验,验证了其有效性和准确性;风向频率和风能密度方向分布准确反演所需的最小数据量分别为350条和800条;遥感反演的风速风向数据的误差使得最终反演的风能方向性参量趋于离散,真实的风能方向分布越集中,对其影响越敏感。     

简化VVP反演算法在台风风场反演中的应用

多普勒雷达资料的体积速度处理VVP(Volume Velocity Processing)风场反演方法可反演风场的3维结构,但由于算法的系数矩阵病态问题易导致反演风场产生误差。本文针对VVP算法中反演参数的性质,进行了简化算法的模拟检验和误差分析。选取量级最大的3个主要参量进行反演,引入随机的观测误差,通过改变模拟风速确定了反演算法的适用范围。对比结果发现,简化算法的反演结果对观测误差并不敏感,而且从低仰角到高仰角的均方根误差基本不变,当风速较大时,反演的精度会更准确。对0608"桑美"台风的风场反演表明,该算法较真实地反演出了台风中心及眼区外围的风场,并与Rankine台风模型相符。研究表明,简化VVP算法可清晰地揭示台风内部水平风场的3维结构,可以应用于台风等灾害性天气的风场反演与分析。     

近地表大气逆温条件下的地表温度遥感反演与验证

为了减少近地表大气逆温对地表温度遥感反演精度的影响,提出在晴空的地表温度"通用劈窗算法"模型中增加一个温度改正项来实现。在建立该误差改正项时,利用正常条件下的通用劈窗算法系数和具有不同逆温强度的逆温廓线,并结合大气辐射传输模型MODTRAN计算,得到近地表大气逆温条件下的地表温度反演误差,并在分析了该误差值与相应的逆温强度的关系后,发现该温度改正项可以表示为近地表大气逆温强度的二次项函数。为了进一步提高地表温度的反演精度,将地表温度和大气水汽含量进行分组,分别针对每个分组来确定温度改正项方程的系数。模拟结果表明,在逆温强度为1.7 K/100m时,该温度改正项可以使地表温度的反演精度提高0.44 K。利用内蒙古海拉尔试验站的实测数据对地表温度反演结果进行了验证,在近地表大气存在逆温的条件下,该方法能提高地表温度的遥感反演精度0.47K。但是,由于本文提出的方法需要已知大气温度廓线来计算大气逆温强度,因此在实际应用中该方法受到了一定的限制。     

温度与气压反演结果的分析

介绍低轨卫星计划的发展情况及温度和气压的反演过程,讨论和分析CHAMP掩星数据采用不同上边界高度反演的温度值。结果表明:上边界高度值越大,反演的温度阔线精度越高;上边界高度值越小,模型误差对温度和气压反演精度影响越大。     

FY-3C VIRR大气可降水产品生成和检验

风云三号C星(FY-3C)可见光红外扫描辐射计(VIRR)两个红外分裂窗通道数据生成的晴空大气可降水(TPW)产品已投入业务使用。本文介绍了该产品的生成方法,并从产品精度和稳定性两个方面评价产品质量。与MODIS Terra TPW的月平均数据对比,FY-3C VIRR TPW能正确反应大气可降水的全球分布。与2015年3月—4月的全球探空数据对比,FY-3C VIRR TPW均方根误差为5.36 mm,相对误差在水汽值大于30 mm时在20%以内,并且夜间产品精度优于白天。相比于MODIS红外TPW产品与探空数据的误差,FY-3C TPW精度略好。计算2015年1月至2016年7月FY-3C VIRR TPW产品相对探空数据的月均方根误差,19个月均方根误差的标准差是0.54 mm,小于同期MODIS Terra TPW均方根误差的标准差,说明FY-3C VIRR TPW产品在检验时期内更稳定。FY-3C VIRR TPW产品精度较高且质量稳定,具备广泛应用能力。     

双极化SAR数据反演裸露地表土壤水分

为了较高精度地获取大范围地表土壤水分,提出一种基于双极化合成孔径雷达数据的裸露地表土壤水分反演模型即非线性方程组,通过改进的粒子群算法求解非线性方程组从而得到土壤水分。首先通过AIEM模型数值模拟和回归分析,得到一种新的组合粗糙度,然后模拟分析得到土壤水分与雷达后向散射系数的关系,从而建立雷达后向散射系数与组合粗糙度、土壤水分的经验关系。利用ASAR C波段双极化雷达数据,基于经验关系和改进的粒子群算法即可实现土壤水分的反演。经过黑河流域实测土壤水分数据对模型进行验证,反演结果与实测数据具备良好的相关性(R~2=0.778 6)。与以往同一区域研究成果比较,文中的方法反演精度有所提高,更适用于裸露地表土壤水分反演。     

近岸水体表层悬浮泥沙平均粒径遥感反演

悬浮泥沙的粒径分布特征不仅体现了悬浮颗粒态物质的存在状态,而且可以指示水动力及再悬浮作用的过程和强度,因此研究悬浮泥沙粒径分布特征具有重要意义。利用Mie理论建立悬浮泥沙平均粒径反演模型,结果表明,悬浮泥沙后向散射系数与其平均粒径的三次方线性关系明显,4个波段(412nm、443nm、555nm、667nm)拟合方程决定系数均在0.93以上,拟合误差最小值为16.6322%(412nm),最大值为20.3143%(667nm)。利用QAA算法从MODIS影像上反演研究区域悬浮泥沙后向散射系数,并结合反演的悬浮泥沙浓度推算研究区域表层悬浮泥沙的平均粒径。对比发现,近岸高悬浮泥沙区域的反演结果与实测数据吻合较好,相关研究可以为深入开展陆海相互作用、海洋生态系统演变和海洋参与全球碳循环等研究提供重要数据支持。     

An Effective Model to Retrieve Soil Moisture from L- and C-Band SAR Data

This study investigated an appropriate method for soil moisture retrieval from radar images and coincident ground measurements acquired over bare soil and sparsely vegetated regions. The adopted approach based on a single scattering integral equation method (IEM) was developed to establish the relationship between backscatter coefficient and surface soil parameters including volumetric soil moisture content and surface roughness. The performance of IEM in 0–7.6 cm is better than that in 0–20 cm. Moreover, IEM can simulate correctly the backscatter coefficients only for the root mean square (RMS) height s < 1.5 cm at C-band and s < 2.5 cm at L-band by using an exponential correlation function and for s > 1.5 cm at C-band and s > 2.5 cm at L-band by using Gaussian function. However, due to the difficulties involved in the parameterization of soil surface roughness, the estimated accuracy is not satisfactory for the inversion of IEM. This paper used a combined roughness parameter and Fresnel reflection coefficient to develop an empirical model. Simulations were performed to support experimental results and to highlight soil moisture content and surface roughness effects in different polarizations. Results showed that a good agreement was found between the IEM simulations and the SAR measurements over a wide range of soil moisture and surface roughness characteristics. The model had a significant operational advantage in soil moisture retrieval. The correlation coefficients were 77.03 % at L-band and 81.45 % at C-band with the RMSEs of 0.515 and 0.4996 dB, respectively. Additionally, this work offered insight into the required application accuracy of soil moisture retrieval at a large area of arid regions.     

稳健估计下转换参数系数矩阵定向改正的整体最小二乘

不同空间坐标系在进行坐标转换过程中,利用整体最小二乘(TLS)构建高斯-马尔科夫(Gauss-Markov)模型求解布尔莎-沃尔夫(Bursa-Wolf)七参数模型时,存在已知控制点含有粗差、模型系数阵固定常数参与残差改正的问题。通过对系数矩阵中含误差参数进行改正,并结合稳健估计的方法,对TLS进行迭代定权,解决了已知控制点粗差会对参数计算精度产生影响的问题,同时使得系数矩阵中非常数项得到精确的残差改正。本文通过实验数据证明,此方法可行并且解算精度更优。