FY-3B 微波成像仪海表面温度和风速统计反演算法

基于同步的TAO (Tropical Atmosphere Ocean project) 浮标实测数据和FY-3B 微波成像仪(MWRI) 亮温数据,建立了FY-3B MWRI 海表面温度SST(Sea Surface Temperature) 和海面风速SSW(Sea Surface Wind) 统计反演算法,并利用实测数据进行了检验.根据检验结果,FY-3B MWRI 全通道亮温的SST 反演模型均方根误差为0.81 ℃,相关系数为0.77; SSW 反演模型均方根误差为0.91 m/s ,相关系数为0.78 .     

FY-3B/MWRI与GCOM-W1/AMSR-2亮温数据在北极地区的交叉定标

为了使搭载在风云三号B星上的微波成像仪MWRI（Microwave Radiation Imager）与搭载在GCOM-W1(Global Change Observation Mission 1st-Water)卫星上的AMSR-2（Advanced Microwave Scanning Radiometer 2）的数据可以衔接使用，并为以后FY-3B/MWRI北极地区遥感参数反演研究提供基础，以GCOM-W1/AMSR-2数据为对比数据，北极海洋区域为研究区域，对两传感器对应的10个通道的升、降轨亮温数据进行交叉定标。首先，对MWRI和AMSR-2各通道逐月在研究区域进行偏差分析；其次，对MWRI和AMSR-2各通道逐月在海冰区域和开阔水域进行偏差分析；最后，对MWRI和AMSR-2各通道逐月在研究区域进行交叉定标，并对定标结果进行评价。研究结果表明：（1）MWRI各通道亮温数据小于AMSR-2，且相同频率下，垂直极化各通道逐月平均偏差的绝对值大于水平极化各通道，升、降轨数据在各通道的差异较小，逐月平均偏差的差值小于1 K；（2）在海冰区域，升、降轨各通道逐月平均偏差相差小于1 K，在开阔水域则介于0—1.5 K；（3）通过进行线性回归分析，MWRI和AMSR-2各通道相关系数大于0.99，具有强相关性，并得到升、降轨各通道各月份交叉定标的斜率和截距；（4）定标后MWRI的亮温值与AMSR-2的亮温值一致性较好，说明交叉定标的效果较好。     

FY-3B微波成像仪海洋数据无线电干扰识别

中国风云3号B星(FY-3B)上的微波成像仪MWRI通过5个频率(10.65 GHz,18.7 GHz,23.8 GHz,36.5 GHz和89.0 GHz)的双极化通道对地球表面进行监测。研究表明,MWRI资料的低频波段数据中存在着无线电频率干扰(RFI)现象,这些污染信号对遥感数据和反演产品质量产生极大的影响。本文尝试使用多通道回归方法和双主成分分析(DPCA)方法识别MWRI的10.65 GHz水平通道亮温海洋区域中的RFI信号。结果表明,双主成分分析法可以有效地识别出海洋上的RFI信号。微波成像仪10.65 GHz水平通道亮温数据中的RFI信号主要分布在地中海等欧洲附近海域,也存在于美国、日本、澳大利亚等近岸地区。     

FY-3B/MWRI和Aqua/AMSR-E海冰密集度比较及印证

本文对2011-07-01—2011-09-30风云三号B星(FY-3B)搭载的微波成像仪MWRI(Microwave Radiometer Imager)和Aqua卫星搭载的微波扫描辐射计AMSR-E(Advanced Microwave Scanning Radiometer for Earth Observing System)观测数据获取的海冰密集度产品进行比较及印证。首先,逐日比较FY-3B/MWRI和Aqua/AMSR-E区域平均海冰密集度;其次,逐月比较FY-3B/MWRI和Aqua/AMSR-E月平均海冰密集度;最后,使用Aqua卫星搭载的中等分辨率成像光谱辐射计MODIS数据进行印证。MWRI和AMSR-E比较结果为(1)MWRI与AMSR-E逐日区域平均海冰密集度变化趋势一致,MWRI海冰密集度均高于AMSR-E,7—9月MWRI与AMSR-E逐日平均偏差月平均值分别为8.55%、7.67%、2.58%,逐日标准差月平均值分别为12.16%、12.08%、10.43%,二者差异逐月减小。(2)MWRI与AMSR-E月平均海冰密集度差呈现逐月递减趋势,7—9月MWRI与AMSR-E逐月平均偏差分别为7.37%、6.53%、1.51%,逐月标准差分别为4.61%、4.36%、3.64%,MWRI与AMSR-E差异逐月减小的原因是二者在密集度较低的边缘区域差异较大,而夏季随着边缘区域海冰的融化,二者差异逐渐减小。MWRI和AMSRE海冰密集度与MODIS印证结果为:(1)密集度小于95%情况下,MWRI与AMSR-E海冰密集度均比MODIS偏高,AMSR-E更接近MODIS,MWRI高估,误差较大。(2)密集度大于等于95%情况下,MWRI与AMSR-E海冰密集度均比MODIS偏低,AMSR-E偏低更多,MWRI结果更好。     

FY-3B微波成像仪资料的地理定位误差与订正

风云3号B星(FY-3B)上的微波成像仪(MWRI)通过10.65 GHz,18.7 GHz,23.8GHz,36.5 GHz和189.0 GHz5个频率的双极化通道对地球表面进行监测。自卫星发射至今,MWRI资料的地理定位误差还未进行深入研究。为了提高FY-3B MWRI L1级数据地理定位精度,基于海、陆响应的升、降轨亮温差理论NDM(Node Differential Method),通过卫星位置和速度矢量建立卫星姿态模型、采用非线性最优化方法估计卫星姿态偏差,进而对MWRI 89 GHz通道的地理定位误差进行分析与订正。结果表明,2015年1—9月份俯仰、滚动和偏航角度的平均偏差分别为-0.220°,0.068°和0.062°,对应沿轨误差大约3—4 km,跨轨误差小于1 km。定位误差订正后,地中海、澳大利亚区域海岸线附近的升降轨亮温差明显减小;观测亮温在红海和南美洲东南部区域的分布和海岸线更加吻合,定位精度得到明显提高。     

FY-3D/MWRI L1B亮温LST反演与降尺度研究

基于2020年2月1日FY-3C VIRR LST和FY-3D MWRI L1B亮温数据,以18°～54°N,73°～135°E的区域为样例区,利用统计回归模型和层次贝叶斯融合模型,分别进行FY-3D MWRI L1B LST反演和降尺度研究,构建了基于FY-3D单频率水平和垂直极化亮温的LST二元线性回归反演模型及基于FY-3D反演LST和FY-3C VIRR LST的层次贝叶斯融合降尺度模型,并以MYD11A1 day LST为参考数据进行了验证。结果表明:反演统计模型,对于FY-3D降轨数据,平均偏差-1.28 K,误差标准差8.85 K,均方根误差8.85 K,对于FY-3D升轨数据,平均偏差-0.81 K,误差标准差6.74 K,均方根误差6.78 K;层次贝叶斯融合降尺度模型,对于FY-3D降轨数据,平均偏差0.50 K,误差标准差5.45 K,均方根误差5.41 K,对于FY-3D升轨数据,平均偏差0.25 K,误差标准差5.54 K,均方根误差5.54 K,精度满足需求,可以为被动微波LST反演与降尺度提供思路。     

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。     

验潮与GPS联合监测南极中山站附近海冰厚度变化

基于力学平衡原理,提出了一种联合验潮与GPS测量极区海冰厚度的新方法。由海冰上的GPS观测可得到海冰上表面高,验潮可提供海水面高,联合两种观测数据可计算得到海冰干弦高度,再结合海冰表面积雪厚度与冰雪密度数据,由力学平衡原理可构建海冰厚度的计算模型。根据这一原理,通过中国第28次南极科考队在中山站附近海冰上的实验,监测到了2012年9月22日至11月9日的海冰厚度变化。与钻孔实测冰厚相比,其总体精度达到了cm级,最大差异为8.9cm,差异的均方根为5.4cm。     

FY-3C微波成像仪海面温度产品算法及精度检验

海洋表面温度(SST)是海洋学和气候学一个十分重要的物理因子,而卫星被动微波遥感能够穿透云层,实现全天候、大范围观测,因此利用中国FY-3C微波成像仪(MWRI)反演SST具有重要意义。FY-3C MWRI SST产品采用统计算法,首先利用MWRI降水和海冰产品剔除含降水和海冰的像元,之后选择时空间隔0.2 h和0.2°离海岸100 km以外的FY-3C MWRI观测亮温与浮标观测值进行匹配,再将全球在空间上分为4个纬度带,时间上分为12个月,并分升轨和降轨,分别建立浮标海温观测结果和MWRI亮温之间的统计关系,实现对SST的估算。将|估算海温-30年月平均海温|≥2.5 K的像元标识为51,发现这些像元基本分布在陆地边缘地区及大风速地区,剔除标识为51的像元后的精度验证结果表明:与全球浮标资料相比,FY-3C MWRI SST轨道产品升轨精度为–0.02±1.22 K,降轨精度为–0.15±1.28 K;与全球分析场日平均海温OISST相比,FY-3C MWRI SST日产品升轨精度为0.00±1.03 K,降轨精度为–0.09±1.08 K。微波辐射计的性能及其定位定标精度、上游卫星产品(降水检测和海冰检测)的精度、陆地的干扰及高风速对微波信号的影响均会造成SST估算误差,如何改进算法中风速大于12 m/s时的估算精度是下一步的工作重点。     

基于被动微波遥感数据的冰间水道提取及验证

采用Aqua卫星搭载的微波扫描辐射计AMSR 2以及FY-3D卫星搭载的微波成像仪MWRI 89 GHz单通道被动微波亮温数据,利用空间滤波增强冰间水道的线状特征,结合系点线性插值的方法提取波弗特海和弗拉姆海峡的冰间水道,最后对提取结果形态学特征进行研究,并分析海冰密集度和冰间水道的关系,结果表明被动微波对尺度较大的冰间水道具有较好的提取效果.在形态学特征上,被动微波亮温数据具有提取宽度大于1/3像元分辨率的冰间水道的可能性,但提取水道总面积略小于热红外遥感提取结果.通过LSD算法得到的冰间水道长度被动微波数据源整体上是MODIS数据的2倍.利用最小外接矩形统计从AMSR 2、MWRI提取出来的冰间水道其宽度分布均服从幂律分布的规律.冰间水道面积占比与海冰密集度呈现负相关的关系.     

基于多源数据的南极海冰变化研究

南极海冰范围变化与大气、海洋等环境变化直接相关,对人类的实践活动有重要的影响。而计算机和对地观测技术的发展,使得遥感技术已经成为研究南极海冰变化最重要的方式之一。本文通过对多源遥感数据进行交叉定标,获取连续15年的南极长时序被动微波遥感亮温数据。在此基础上,通过BST算法反演了海冰密集度,分析了南极海冰范围的变化情况,从而为更好地认识南极海冰变化与全球气候环境变化的关系提供依据和参考。     

基于AMSR-E的冬季罗斯冰架冰间湖薄冰冰厚反演

利用AMSR-E 36GHz、89 GHz亮度温度计算出的极化比(PR)与热力学冰厚比较,建立了一种针对南极罗斯冰架冰间湖的AMSR-E薄冰反演算法。热力学冰厚由用MODIS晴空下的表面温度数据、ERA-Interim气象数据,根据表面热通量平衡公式反演得到。在排除混合像元以及水汽对89 GHz数据的干扰后,分别对36、89 GHz的AMSR-E亮温极化比拟合指数模型,反演罗斯冰架冰间湖中的0~0.2 m的薄冰冰厚,均方根误差分别为0.003 5 m和0.005 3 m。     

极区海冰密集度AMSR-E数据反演算法的试验与验证

海冰密集度是极区海冰监测的重要参数,目前分辨率最高的微波海冰密集度产品为德国Bremen大学发布的针对AMSR-E 89 GHz频段数据利用ASI算法反演的网格数据。为实现中国极区遥感产品从无到有的战略步骤,本文针对AMSR-E 89GHz频段微波数据的ASI算法,进行了插值算法、系点值和天气滤波器一系列试验。针对北极海区,着重对影响反演结果的主要参数——纯冰和纯水的亮温极化差异阈值,即系点值(P₁和P₀)进行了2009年全年的统计分析。研究表明,2009年北极纯冰和纯水的代表区域P₁和P₀年平均值分别为10.0 K和46.67 K;2 K以上的系点值差异引起的海冰密集度差别较为显著;同样的系点值差异在不同极化差异P取值范围对海冰密集度的影响也不同。通过统计确定的系点值推算并修正了海冰密集度反演公式,对2009年全年北极海冰密集度进行了反演,并与Bremen大学产品进行了比较。继而对白令海和楚科奇海12个晴空下MODIS可见光样本数据进行反演,以验证AMSR-E冰密集度反演结果,并对误差原因进行了分析。本研究反演结果与MODIS样本比对的误差略小于Bremen大学的反演产品,空间平均误差为3.84%,空间平均绝对误差10.83%。     

利用CryoSat-2测高数据研究南极威德尔海海冰出水高度时空变化

为了提高南极海冰出水高度的估算精度,以威德尔海为例,基于CryoSat-2卫星测高数据,联合冰桥计划(IceBridge)机载测高数据和科考船走航观测数据,获取应用最低点高程法反演海冰出水高度的最佳估计参数,进而估算并分析了2011—2017年,每年5月—10月威德尔海海冰出水高度的时空变化。结果表明,最佳的出水高度估算方案为采用0.8倍标准差剔除高度计观测值粗差后,选择沿轨10 km数据段并取最小5%的样本点平均值作为局地海面高估算海冰出水高度;近7年来南极威德尔海月均海冰出水高度总体呈现略微变薄的趋势,变化范围在17.9~27.4 cm之间;威德尔海海冰出水高度的分布呈现东薄西厚的特征,较大值主要分布在西威德尔海以及南极半岛东部海域。上述结论可为进一步研究南极海冰厚度变化对气候变化的响应提供参考。     

中分辨率成像光谱仪的海冰密集度遥感反演

海冰信息在船舶运输、天气预报和全球气候预测等领域都起着重要作用。一直以来微波遥感是卫星监测海冰密集度的主要手段,目前基于可见光遥感的中分辨率海冰密集度产品还较少,其中只有NOAA发布了相关业务化产品,但其所采用的算法对低密集度海冰反演准确性仍存在提升空间。本文在Liu提出的算法基础上进行改进,提出了最邻近像素法确定纯冰典型反射率的改进算法,使用MODIS数据作为数据源计算海冰密集度,并使用30 m空间分辨率的Landsat 8 OLI数据作为验证数据进行对比验证。结果表明改进算法可以提高低密集度海冰的反演准确性,改善Liu算法存在过高估计的不足,在海冰密集度0—50%的情况下,Liu算法的平均偏差为13%,标准偏差为38%,改进算法的平均偏差为5%,标准偏差为32%;在海冰密集度0—100%的情况下,Liu算法的平均偏差为4%,标准偏差为32%,改进算法的平均偏差为-3%,标准偏差为28%。针对冰水过渡、碎冰覆盖等低密集度海冰区域,改进算法准确性更高。     

AMSR-E辐射计反演南大洋实时海面气温

利用中国南极第24次至第26次(2008年-2010年)考察获取的实测数据和AMSR-E辐射计亮温资料开展南大洋实时海面气温的反演研究, 分析了AMSR-E的各通道亮温与海面气温的相关性, 未发现与海面气温相关性较强的观测通道, 相关性最高的是23.8 GHz 水平通道, 相关系数为0.38。将实测数据与亮温资料进行数据匹配, 得到有效的建模数据集, 然后利用多元回归和神经网络两种方法建立海面气温实时反演模型。基于全通道多元回归建立了高纬、低纬海域AMSR-E亮温的反演模型, 对反演结果利用实测数据进行验证, 高纬海域反演的结果均方根差为0.96 ℃, 相关系数为0.93;低纬海域反演结果均差差为1.29 ℃, 相关性系数0.96。基于Back Propagation(BP)神经网络反演模型的反演结果均方根差为1.26 ℃, 相关系数为0.98。     

基于Bootstrap算法的FY-3/MWRI北极海冰密集度反演

海冰作为全球气候系统的重要组成部分,不仅影响着大气与海洋环流,也是气候变化的重要指示器。海冰密集度是描述极地海冰极为重要的地球物理参数之一。本文基于风云三号卫星微波成像仪(MWRI)亮温数据开展北极海冰密集度反演研究,采用线性回归和阈值法确定了动态亮温系点值,利用天气滤波器和陆地污染修正法消除了天气和陆地对海冰密集度反演的影响,计算了2019年—2020年海冰范围和海冰面积并与同类产品进行了比对。结果表明,本研究获取的北极海冰密集度产品与NSIDC发布的海冰密集度产品有较高的相关性,海冰密集度的差异在冬季小于3%,夏季小于8%。利用SAR数据进行了不同产品的结果评估,结果表明本文算法的反演结果优于NASA Team算法,在冬季精度约有1%的提升,在夏季精度约有4%左右的提升。动态亮温系点值较好地反映了海冰辐射特性的季节变化。本研究为中国自主卫星的海冰密集度产品的业务化发布奠定了基础。     

基于FY-3B/MWRI数据的裸土区土壤湿度反演

使用高级积分方程模型,模拟多个地表参数条件下的风云三号B星微波成像仪(FY-3B/MWRI)资料。基于模拟数据,分析地表微波辐射特性,利用粗糙地表发射率Qp模型,建立我国西部地区裸露地表土壤湿度反演模型。将该模型用于我国西部地区4个日期(2011年10月8日、10月18日、10月28日和11月8日)的土壤湿度反演,并将反演结果用实测数据进行交叉验证。结果表明:反演土壤湿度与实测土壤湿度的决策系数R2为0.604,均方根误差为0.030 5 cm3/cm3,反演模型具有较高的反演精度。     

AMSR-E辐射计反演南大洋实时海面气温

利用中国南极第24次至第26次(2008年—2010年)考察获取的实测数据和AMSR-E辐射计亮温资料开展南大洋实时海面气温的反演研究,分析了AMSR-E的各通道亮温与海面气温的相关性,未发现与海面气温相关性较强的观测通道,相关性最高的是23.8GHz水平通道,相关系数为0.38。将实测数据与亮温资料进行数据匹配,得到有效的建模数据集,然后利用多元回归和神经网络两种方法建立海面气温实时反演模型。基于全通道多元回归建立了高纬、低纬海域AMSR-E亮温的反演模型,对反演结果利用实测数据进行验证,高纬海域反演的结果均方根差为0.96℃,相关系数为0.93;低纬海域反演结果均差差为1.29℃,相关性系数0.96。基于BackPropagation(BP)神经网络反演模型的反演结果均方根差为1.26℃,相关系数为0.98。     

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。