基于CYGNSS数据的星载GNSS-R水体分布探测方法研究

利用CYGNSS（cyclone global navigation satellite system）采集的GNSS卫星反射信号,提出一种基于星载GNSS-R的水体分布探测方法。首先对CYGNSS低轨卫星星座采集的GNSS反射信号进行处理,获取地表反射率数据;再按0.01°×0.01°的空间分辨率将研究区划分为格网,剔除异常值和无效值后,利用区域均值算法重新计算各格网的反射率,并利用格网样本方差和标准差作为衡量指标,采用随机游走图像分割算法进行水体分布探测;最后利用本文提出的方法分析刚果盆地的水体分布情况,并利用MODIS数据对结果进行评估。结果表明,星载GNSS-R具有较强的水体分布探测能力,进一步拓展了GNSS-R的应用场景。     

基于广义回归神经网络的京津冀地区土壤湿度遥感逐日估算研究

土壤湿度是地表水热交换过程和水文循环中的一个关键组成部分,获取高时空分辨率的土壤湿度数据一直是当前研究的热点。SMAP（Soil Moisture Passive and Active）主被动微波土壤湿度产品的精度高,但存在着空间分辨率低和时间分辨率缺失的问题,这限制了其在区域尺度上的应用,为解决这一问题得到更高时空分辨率的土壤湿度产品,本文利用广义回归神经网络模型（GRNN）模拟了MODIS地表温度、反射率、植被指数光学/热红外遥感数据以及高程、坡度、坡向、经纬度数据与SMAP土壤湿度的关系,从而将京津冀地区SMAP L2土壤湿度产品的时间分辨率由不连续（4~20 d）提升至1 d,空间分辨率由3 km提升至1 km,并扩展其在京津冀地区的空间覆盖范围。研究发现:① GRNN模型总体验证结果表明土壤湿度估算值与SMAP原始值的相关性较高（r=0.7392）,均方根误差（RMSE）为0.0757 cm3/cm3;② 不同季节典型日期的GRNN模型估算结果精度相差较大,春季处的相关性相比其他季节最低,精度相对较高（r_春=0.6152,RMSE_春=0.0653cm3/cm3）,秋季和夏季土壤湿度估算精度较为接近（r_夏=0.6957,r_秋=0.7053,RMSE_夏=0.0754cm3/cm3,RMSE_秋=0.0694cm3/cm3）,冬季的估算精度最高（r_冬=0.8214,RMSE_冬=0.0367cm3/cm3）;③ 2016年京津冀夏秋季节的土壤湿度较其他季节要显著提高,空间分布上坝上高原区域较低,而沿海地区的土壤湿度明显较高。本研究对京津冀地区的生态水文、气候预测以及干旱监测等应用领域具有重要价值。     

基于GNSS-IR双系统组合的土壤湿度多星线性回归反演模型

提出一种GPS/BDS双系统组合的土壤湿度多星线性回归反演模型,并以GNSS接收机实测数据为例,对比分析不同GPS和BDS卫星组合反演土壤湿度的效果。实验表明：1)GPS和BDS双系统组合相对于单系统在短观测时间内可以提高有效卫星数,通过多元线性回归原理可实现双系统多卫星的有效融合,提高土壤湿度反演的精度;2)当GPS和BDS组合卫星数达到6颗以上时,反演效果趋于稳定,反演结果与土壤湿度的相关系数均优于0.90,RMSE相对于单星至少提高25.8%。     

CE-318太阳光度计及探空数据反演水汽含量与MODIS近红外水汽产品对比

大气水汽含量是遥感定量反演的重要参数。本文利用CE-318太阳光度计,反演了2014年6月至2016年5月南宁市的大气水汽含量,分析其季节变化特征,并将其与探空数据、MODIS近红外水汽产品数据进行相关性分析。结果表明：（1）南宁市大气水汽含量季节变化特征明显：夏季高达4~6 g/cm²,而冬季则只有2 g/cm²,与南宁地处亚热带地区有关。夏季该地区季风气候盛行,大气水汽含量高,冬季季风气候减弱,大气相对干燥。（2）CE-318太阳光度计反演的大气水汽含量（PW）与探空数据获取的水汽含量之间存在良好的线性相关,相关系数为0.877,平均绝对误差为0.42 g/cm²,平均相对误差为10.96%;而MODIS近红外波段反演的水汽精度较低,平均绝对误差为0.74 g/cm²,平均相对误差为18.74%。     

基于BDS信噪比的潮位监测精度分析与评估

基于非洲东海岸MAYG站2020年年积日268～366的信噪比（SNR）数据开展GNSS-IR（global navigation satellite system interferometric reflectometry）监测海平面高度研究,并与Dzaoudzi验潮站的实测潮位进行对比。结果显示,BDS-GEO不适用于岸基测高;BDS-MEO的监测精度优于BDS-IGSO和GPS。     

基于GF-3和Landsat 8遥感数据的土壤水分反演研究

基于我国首颗全极化雷达卫星高分三号（GF-3）和Landsat8数据,研究浓密植被覆盖地表土壤水分反演方法。为了提高浓密植被覆盖地表土壤水分反演精度,首先利用PROSAIL模型、实测植被参数及Landsat8光学数据分析了8种植被指数与植被冠层含水量的相关性,从中优选出归一化差异水指数（NDWI₅）用于反演植被冠层含水量,并通过分析植被含水量和植被冠层含水量的关系,构建植被含水量模型;然后结合植被含水量反演模型和简化MIMICS模型校正了植被对雷达后向散射系数的影响,最后基于AIEM建立裸土后向散射系数模拟数据集,发展一种主动微波和光学数据协同反演浓密植被覆盖地表土壤水分模型,并以山东省禹城市为研究区,实现了玉米覆盖下HH、VV和HH+VV 3种模式土壤水分反演。实验结果表明： ① NDWI₅为最佳植被指数,对于去除植被影响有较好效果;② 基于此方法,利用GF-3和Landsat8卫星数据反演得到的土壤水分具有较高的精度;③ 相比HH和VV两种极化模式,HH+VV双通道模式对土壤水分反演结果更好,决定系数（R2）为0.4037,均方根误差（RMSE）为0.0667 m ³m ^-3。     

基于小波分析辅助GPS-IR反演土壤湿度研究

GPS-IR是一种基于卫星反射信号的新的遥感技术,利用SNR观测值中的卫星反射信号可实现土壤湿度的反演。针对卫星反射信号分离问题,提出一种基于小波分析的卫星反射信号分离新方法。实验表明,采用小波分析能够针对不同卫星的信噪比观测值作出相应变化,有效分离卫星直射信号,获取更加准确的卫星反射信号;采用线性回归模型能够很好地表示相对延迟相位与土壤湿度之间的相关性,通过小波分析获取的结果相对于低阶多项式结果有明显提高。     

基于Landsat-8 TIRS的大气参数快速估算方法

Landsat-8卫星设计有2个热红外波段,但由于第11波段存在定标问题,无法用于定量研究,所以基于Landsat-8的地表温度反演算法目前仍以单通道为主。单通道算法反演地表温度需先已知地表比辐射率并完成大气校正的工作。在大气校正方面,现有的算法主要以传统方法为主,即通过大气辐射传输模型或经验-半经验公式的方式获取大气参数。但是,传统的经验-半经验的方法并不建立在物理机制上,其自身存在一定局限性;而大气辐射传输模型的方法虽然精度更高,但执行效率较低,不适用于业务化的产品生产。本文针对现有大气估算方法的不足,提出了一种基于Landsat-8单通道地表温度反演的大气参数快速估算方法。在水汽范围0~6 g/cm²内,大气参数快速估算方法的精度与MODTRAN精度相当,大气透过率RMSE为0.003;大气上行辐亮度RMSE为0.0004;大气下行辐亮度RMSE为0.0004。相较于传统的大气参数估算方法,本文提出的大气参数快速估算方法,不仅可以脱离大气辐射传输模型使用,而且具有与其相当的估算精度,执行效率更高,适用性更广。     

基于反射峰面积的水体叶绿素遥感反演模拟研究

叶绿素浓度是水体富营养化状态的重要指标,也是水色遥感反演的水质参数之一。水体中叶绿素浓度的遥感反演主要是建立实测光谱和实测水质参数二者之间的关系模型,利用遥感影像进行叶绿素浓度的信息提取。传统的叶绿素浓度遥感反演受区域性和季节性的影响,反演精度不高,而且反演模型不具普适性,需对叶绿素光谱特征进行分析,建立高精度的反演模型。本文采用Hydrolight数据模拟了不同叶绿素浓度(1~200 µg·L^-1)的水体在可见光近红外的反射波谱曲线,通过分析叶绿素的光谱特征选取了特征波段或波段组合,并建立了叶绿素浓度反演模型。研究表明,除反射峰波长模型外,反射峰面积模型、三波段模型、红光线高度模型等均能较好地反演叶绿素浓度。在不同叶绿素反演模型中,除红光线模型外,最优的是反射峰面积模型,其决定系数为0.9689,反演误差为25.25 µg·L^-1;其次是三波段模型,其决定系数为0.9637,反演误差为10.66 µg·L^-1。究其原因,三波段模型考虑了水体中非色素悬浮物、黄色物质及水体后向散射对叶绿素浓度反演造成的影响;反射峰面积模型除此之外还综合考虑了叶绿素散射效率的影响。     

基于SVR的旱区稀疏植被覆盖下土壤水分遥感反演

中国西北半干旱区降水稀少、蒸散强烈,土壤水分作为重要的生态因子,影响着土壤-大气界面的能量平衡。支持向量回归模型具有估算精度高、可处理非线性问题、泛化能力强等优点,近年来被应用于土壤水分反演研究中,但已有模型极少考虑地表粗糙度因素的影响,导致反演精度受到一定限制。因此,本文以内蒙古乌审旗为研究区,采用水云模型去除地表稀疏植被覆盖的影响,提取全极化Radarsat-2 SAR影像裸土后向散射系数（ {\sigma }_{\mathrm{soil}}^0 ）,并利用AIEM模型和Oh模型建立后向散射系数数据库,采用LUT法模拟地表有效粗糙度参数,构建基于支持向量回归的土壤水分反演模型,并系统地对比分析了不同极化方式的后向散射系数作为数据源的土壤水分反演结果。研究结果表明：不考虑粗糙度参数的单数据源作为模型参数时,同极化数据反演结果比交叉极化具有更高的反演精度;当模型参数为考虑粗糙度的多源数据时,不同极化数据的反演精度均有所提高,其中数据源为 {\sigma }_{\mathit{vv}}^0 和粗糙度参数时,反演结果最好（R ²=0.917,MAE=3.980%,RMSE=5.187%）。研究结果可为旱区稀疏植被覆盖地表土壤水分的遥感监测提供技术支持。     

不同电离层格网产品的精度分析

利用全球部分IGS站实测数据,精确提取测站天顶方向的总电子含量,以此作为评估基准,对国内外5家分析中心和2家综合中心（IGS,international GNSS service和iGMAS,international GNSS monitoring & assessment system）的全球电离层格网（global ionosphere maps,GIM）产品在全球范围内的符合精度进行评估。结果表明,不同机构不同类型的GIM产品精度在不同范围的符合精度略有不同。     

全球36 km格网土壤水分逐日估算

土壤水分是陆面生态系统和能量循环的核心变量之一,利用微波遥感技术获得的土壤水分产品的时间分辨率一般是2-3 d,因此精确地获得具有较高时间分辨率的土壤水分成了人们关注的焦点。本文尝试将SMAP (the Soil Moisture Passive and Active）土壤水分和MODIS光学数据相结合,利用广义回归神经网络进行全球36 km土壤水分的估算,提升SMAP土壤水分的时间分辨率。结果显示,广义回归神经网络估算土壤水分与SMAP保持了高相关性(r = 0.7528),但其却保留了较高的误差 (rmse = 0.0914 m³/m³)。尽管如此,估算的土壤水分能够很好地保持SMAP土壤水分的整体空间变化,并且提升了土壤水分的时间分辨率（1 d）。此处,本文研究了SMAP土壤水分与MODIS光学数据之间的关系,这对今后利用机器学习进行SMAP土壤水分降尺度研究提供了重要的参考价值。     

基于HJ-1A CCD1数据的台湾相思树叶面积指数反演

基于HJ-1A CCD1环境卫星数据,以福建沿海地区普遍分布的台湾相思树为研究对象,利用回归分析法(NDVI、OSAVI、EVI、HJVI)和PROSAIL辐射传输模型,构建台湾相思树LAI反演模型。同时,利用同步野外地面实测数据,将模型估算LAI值与实测LAI值进行对比。结果表明：(1)相比归一化植被指数NDVI、优化土壤调节指数OSAVI和增强型植被指数EVI 3种常用植被指数,引入修正大气、土壤背景影响的蓝、绿波段的环境植被指数HJVI来反演相思树LAI具有更高的精度(R²=0.7344,RMSE=0.1421);(2)本研究所选4种植被指数构建的最优反演模型均为非线性模型,其中,环境植被指数HJVI反演LAI最优模型为幂函数模型,表明相思树LAI与植被指数之间呈非线性变化;(3)PROSAIL辐射传输模型法比回归分析法反演相思树LAI的精度有较大提高(R²=0.7903,RMSE=0.1303),可见PROSAIL模型法构建反演模型能更好地反演相思树LAI。     

多极化SAR数据反演额济纳冲积扇地表参数

本文采用遗传算法和后向散射模型相结合的方法,探讨了多极化SAR(Synthetic Aperture Radar)数据反演冲积扇地表参数(地表粗糙度和土壤湿度)的可行性.通过理论模拟和实地地表测量对比,表明该方法在反演冲积扇地表参数方面是切实可行的.该方法可以根据获取数据情况不同,灵活调整反演的代价函数式,并且用于反演的SAR图像必须大于(或等于)两景,数据越多,反演结果越精确.在此基础上,利用ENVISAT ASAR数据和ALOS PALSAR数据,对内蒙古额济纳冲积扇的地表参数进行了反演计算.结果表明,额济纳冲积扇地面相对比较平坦,粗糙度参数变化较小,大部分地区均方根高度小于1.0cm.黑河沿岸地区粗糙度参数较大,而远离黑河的戈壁滩地表粗糙度较小.该地区的土壤湿度反演结果表明,该地区属于极端干旱区域,大部分地区土壤体积含水量低于10%.     

北天山流动重力测网场源分辨能力

利用球面六面体单元网络模型建立不同分辨率的重力异常扰动模型检测板,基于北天山地区实际地表流动重力测点分布,进行设定场源异常体的等效源反演恢复,进而评估北天山流动重力测网场源分辨能力。结果表明,在假设地下10 km处存在密度差为±1×10^-3 g/cm³的场源异常体情况下,北天山重力测网具备0.75°×0.75°及以上场源异常体识别能力;测网中大部分地区具备0.5°×0.5°场源异常体识别能力;测点分布较密集的少部分地区具备0.25°×0.25°场源异常体识别能力。最后,综合考虑北天山测网现有网形、地形、交通条件等因素,给出测网最佳优化方案。     

联合GRACE卫星轨道及距离变率数据反演地球重力场方法研究

基于动力学法,研究联合GRACE卫星精密轨道及距离变率数据反演地球重力场的方法,该方法可对重力位系数及卫星初始状态误差同时进行有效校正。通过对各观测值模拟不同的随机误差,研究了不同精度观测值联合反演所能达到的精度,以及用相同精度的观测值进行联合反演时不同采样率对反演结果的影响,模拟计算结果表明：联合反演模式下,当距离变率精度为1 μm/s,卫星位置精度为2~3 cm,速度精度为0.1~0.5 mm/s时,加速度计精度为(1.0×10 ^-10~1.0×10^-9 m/s ²比较适合;将距离变率精度由1 um/s提高到0.1 um/s时,反演精度可获得相应提高;在观测值精度一定的情况下,联合反演算法宜采用5 s采样率。     

细粒子气溶胶光学厚度和谱分布偏振的反演

 细粒子气溶胶物理和光学参数定量卫星遥感反演一直是环境和气候领域研究人员关注的重要课题。气溶胶参数卫星业务遥感产品主要是反演气溶胶光学厚度,它体现大气中气溶胶总含量的信息,而获取气溶胶谱分布函数有助于进一步了解气溶胶物理特性,并提高气溶胶其他参数的遥感探测精度。目前,陆地气溶胶卫星反演面临两个关键问题:一是气溶胶模式;二是地表反射贡献的去除,偏振遥感在这两方面有其独有的优势。本文以多角度偏振方法,采用RT3辐射传输模型建立矢量查找表,利用法国PARASOL探测器一级数据反演了京津唐地区的细粒子气溶胶光学厚度和谱分布参数,并使用AERONET地基观测数据对反演结果进行验证,结果表明:偏振方法能较高精度地实现细粒子气溶胶光学厚度反演,而谱分布的反演还需进一步改进。     

中国大陆地区ERA5下行短波辐射数据适用性评估与对比

ERA5地表下行太阳短波辐射数据是欧洲中期天气预报中心（ECMWF）最新的,具有高时空分辨率的再分析产品,该短波辐射产品可作为陆面模式大气强迫数据之一,并在区域气候评估、农业以及太阳能资源等方面具有重要应用。本文利用中国区域2011—2018年经过质控的91个国家级地面辐射站点观测数据,对其在中国大陆地区的适用性进行多时空尺度的评估,并与ERA-Interim、CFSR、MERRA2共3套全球大气再分析产品和1套CERES卫星反演SYN1deg的产品进行了比较。结果表明：① 在月均值尺度上,与其他再分析产品比较,ERA5产品与站点数据的Corr最高（0.939）,RMSE最小（28.309 W/m²）,Bias（15.4 W/m²）略大于ERA-Interim产品（13.2 W/m²）;CERES卫星反演产品与站点数据的Corr为0.955,RMSE为20.042 W/m²,Bias为5.3 W/m²;② 5套产品的辐射值均高于地面观测数据,存在高估现象,总体上,ERA5产品在中国大陆地区的整体精度高于其他再分析产品,但与CERES卫星反演产品还存在一定差距,日均值比较结论亦具有相似规律。③ 分区评估结果表明在再分析产品中,ERA5产品在4个区域与观测数据都有更好的一致性,但5套产品均在南部区域表现不佳。并且与东北和北部区域相比,ERA5产品和CERES卫星反演产品在西部区域和观测数据相比的RMSE和Bias也相对偏大。     

北斗电离层模型精度分析

北斗电离层模型包括基本导航的BDSKlob模型、BDGIM模型及广域差分格网电离层模型,本文详细分析2种基本导航的电离层模型因相邻模型参数更新引起的延迟跳变,基于CODE格网电离层模型对比2种电离层模型随空间和时间的变化情况,分析不同电离层模型在不同时段不同纬度的改正精度及定位精度,并利用2018年数据对北斗格网点电离层信息的服务范围和服务精度进行评估。结果表明,相比于BDSKlob模型,BDGIM模型与CODE格网电离层模型更接近,且分布均匀,相邻2组模型参数更新的延迟跳变小于1 ns。BDGIM模型在北半球的改正精度优于南半球,在中国区域及全球范围的改正率分别达到75%及60%以上,明显优于BDSKlob模型,且BDGIM模型相比于BDSKlob模型的定位精度最多可提升45%。北斗格网电离层的有效区域基本覆盖中国范围,电离层延迟误差优于2.08 TECu,改正比例大于80%。     

基于相关分析和自适应遗传算法的盐渍化建模变量和参数优选

机器学习结合遥感等其他数据反演土壤盐分含量（Soil Salt Content, SSC）较少关注对模型精度影响较大的建模特征变量和模型参数的优选。本文基于自适应遗传算法（Adaptive Genetic Algorithm, AGA）同步优选建模特征变量和模型参数的支持向量回归（Support Vector Regression, SVR）算法反演三工河流域2016年SSC,并分析其在不同土地利用类型的分布特征。建模特征变量和模型参数的同步优选及实验设计如下：首先基于Landsat 8 OLI和SRTM高程数据提取7类共40个盐渍化相关因子,经相关分析初步筛选出候选特征变量,分别代入AGA、遗传算法（Genetic Algorithm, GA）和格网搜索算法（Grid Search, GS）同步优选SVR的建模特征变量和模型参数,并建立盐渍化监测模型（AGA-SVR、GA-SVR、GS-SVR）。结果表明：① AGA-SVR精度最优,GA-SVR次之,GS-SVR最差,相较于GS-SVR,AGA-SVR的R²/RMSE提高了44.65%;② 三工河流域非、轻度、中度、重度盐渍地和盐土的面积占比分别为42.83%、11.02%、15.88%、9.22%、21.05%;③ 草地和未利用地主要以非盐渍地和盐土为主,耕地和林地中非盐渍地分布比例均为最大;不同土地利用类型的SSC均值和标准差均呈现未利用地>草地>耕地>林地的规律。本研究的建模特征变量和模型参数的优选方法可在一定程度上提高盐渍化监测的精度。关键词：盐渍化;遗传算法;机器学习;特征优选;参数优化;土壤盐分含量;土地利用;相关分析