基于神经网络算法的Sentinel-1和Sentinel-2遥感数据联合反演土壤湿度研究

以西班牙萨拉曼卡地区为研究区域,联合Sentinel-1后向散射系数和入射角信息、Sentinel-2光学数据提取的植被指数以及地面实测数据,构建了BP神经网络土壤湿度反演模型,并将该模型应用于试验区土壤湿度反演。结果表明:1)基于Sentinel-1卫星VV和VH极化雷达后向散射系数、雷达入射角和Sentinel-2植被指数数据构建的BP神经网络土壤湿度反演模型,能够实现对该地区土壤湿度高精度反演;2)在光学与微波数据联合反演植被覆盖区土壤湿度中,Sentinel-2的NDVI、NDWI1和NDWI2指数都可以用于削弱植被对土壤湿度反演的影响,但基于SWRI1波段的NDWI1能够获得更高精度的土壤湿度反演结果(RMSE为0.049 cm~3/cm~3,ubRMSE为0.048 cm~3/cm~3,Bias为0.008 cm~3/cm~3,r为0.681);3)相比于Sentinel-1 VH极化模式,Sentinel-1 VV极化模式在土壤湿度中表现出更大优势,说明Sentinel-1 VV极化模式更适用于土壤湿度反演。     

卫星反演积雪信息的研究进展

综合分析了积雪信息反演的主要遥感信息源和提取方法。在光学遥感方面，应用较广的主要是改进型甚高分辨率扫描辐射仪（AVHRR）资料和中分辨率成像光谱仪（MODIS）资料；提取积雪信息大多是根据积雪在可见光波段的高反射率和近红外波段的低反射率，并通过建立回归模型反演积雪面积和深度。由于传感器的改进，MODIS卫星资料在空间分辨率、积雪反演算法等方面明显优于AVHRR资料。光学仪器受云层和大气的影响很大，由于云和积雪在可见光和近红外波段上都具有高反射率。并且由于云层的遮挡。云下的地表信息不能被光学遥感仪器所接收到。微波遥感方面，被动微波遥感仪如微波辐射计成像仪（SSM／I）、高级微波扫描辐射计（AMSR—E）等可以全天候穿过云层进行监测，具有光学仪器所没有的优势，并通过提取地表的亮温差，建立雪深反演模型得到积雪深度。被动微波传感器存在分辨率低。无法监测浅雪区信息等问题。另外影响地表微波亮温的因素很多，这些都在一定程度上影响了反演结果的精确度。主动微波遥感仪如合成孔径雷达、微波散射计等利用积雪与其它地物的后向散射系数的不同来识别积雪，但也同样存在分辨率低等问题。最后探讨了卫星反演积雪信息中仍然存在的问题和进一步发展的方向。     

星载SAR降水反演研究简介

降水是水循环的主要组成部分之一,具有重要的气象学、气候学与水文学意义。对降水及其区域和全球分布进行精准测量,一直是一个颇具挑战的科学问题。星载微波遥感器提供的数据,可以有效减少卷云对降水反演精度的影响。经过近50年的发展,星载微波遥感器的降水反演算法也逐渐发展成熟起来。简要回顾了几代被动与主动星载微波降水测量仪器。针对实孔径低分辨率微波遥感器探测的降水场动态范围变小的问题,介绍了利用高分辨率SAR数据进行降水探测的前向物理模型以及修正的沃尔塔积分降水反演方法与基于统计的反演方法。     

基于光学遥感和微波遥感的土壤水分反演模型研究

选用2020年5月17日Sentinel-1和Landsat 8影像数据,结合田间人工测墒数据,以辽宁省朝阳市为例,分别利用植被温度指数法和光学协同微波遥感反演算法反演土壤水分,构建高精度土壤水分预报模型。结果表明：基于光学遥感的植被温度指数(TVDI)不能较好反演农田土壤水分;微波反射能够较好反馈土壤水分的空间变化,Sentinel-1雷达数据VV极化对土壤水分的拟合精度(R²=0.71)优于VH极化(R²=0.27);基于全球植被水分指数(GVMI)改进的水云模型效果最优(R²=0.80)。利用微波和光学遥感协同反演,能够反演得到高空间分辨率、高精度的农田土壤水分数据,有助于农业干旱的监测。     

基于风云三号气象卫星微波亮温资料反演东北地区土壤湿度及其对比分析

土壤湿度在陆面过程中发挥着重要作用,是联系陆地水循环和能量循环的纽带和关键环节。遥感技术可以实时地对土壤湿度进行长期、大区域动态监测,已成为监测土壤湿度的有效手段。本文基于风云三号气象卫星（FY3B）微波亮温资料,利用基于微波能量辐射传输方程的陆面参数反演模型（LPRM）反演了中国东北地区的土壤湿度（FY3B_LPRM）。把反演获得的FY3BLRPM土壤湿度与中国气象局农业气象站土壤湿度观测资料、NCEP和ERA-Interim土壤湿度再分析资料、欧洲空间局多卫星融合ECV（Essential Climate Variable）土壤湿度产品和国家卫星气象中心FY3B官方土壤湿度产品（FY3B_offical）进行了对比分析。结果表明:（1）本文反演的FY3B土壤湿度与农业气象站观测资料有较高的一致性;卫星土壤湿度整体上呈现自西向东逐渐增加的空间变化,与农业气象站观测资料较为一致;在季节变化上,两者高度相关,在大部分地区的相关系数都达到0.7以上。（2）在大兴安岭和东北三省东部等地表相对湿润的地区,FY3B_LPRM土壤湿度与NCEP、ERA-Interim和FY3B_offical土壤湿度呈现较强的负相关;再分析资料和FY3B_offical土壤湿度均无法反映该地区土壤干湿状况的季节性变化,甚至与观测资料呈反位相变化特征。FY3B_LPRM土壤湿度与欧洲空间局研发的多卫星融合ECV土壤湿度产品在绝大多数地区有较好的一致性。本文基于风云三号极轨气象卫星微波亮温反演的土壤湿度资料,可用于干旱监测、数值同化与天气预报、水文水资源等领域。     

一种基于卫星遥感与地面测站数据融合技术的雪深动态反演方法

提出了一种新的基于被动微波遥感和地面测站数据融合技术的雪深动态反演方法.这种新方法不再依赖单一的地面测站数据或卫星遥感数据,而是利用它们联合建立雪盖可信度指数,共同确定雪盖分布;然后在此基础上采用时空距离权重法设定反演系数动态参数化方案,反演雪深.这种雪深反演方法具有以下特点:针对不同时空条件下反演系数的动态差异问题,提出利用实时测站观测雪深,灵活调整雪深反演系数的解决方案,使反演系数具备随时空动态调整的能力,这是与静态反演方法最大的区别;充分利用了被动微波遥感数据时空连续性好的优势,能够在测站稀少的西部高山地区反演出空间分辨率相对较高的雪深数据,这是地面观测无法做到的.初步检验结果显示,该方法较明显地提高了中国西部高原地区和东部雪盖南缘区的反演精度,并克服了原有融合方法在中国西部雪盖面积偏小的问题,有效避免了静态反演方法在高山地区严重高估而平原地区低估雪深的问题,实现了被动微波遥感和地面观测数据的有效融合,扩大了雪深监测的有效范围     

基于风云三号卫星微波资料反演我国地表土壤湿度及其对比

土壤湿度是联系陆地水循环和能量循环的纽带,是地表最重要的水资源,也是一个重要的气象预报因子。基于风云三号卫星微波资料,采用能量辐射传输模型反演了我国逐日地表土壤湿度(FY-3B),并估算了其系统误差;然后,与中国气象局农业气象站观测资料和ERA-Interim、NCEP再分析资料进行了对比分析。研究结果表明,FY-3B土壤湿度呈由西北地区向东北和东南地区逐渐增加的空间分布特征,与农气站观测资料和两套再分析资料基本一致;其系统误差与植被覆盖度密切相关,我国西南部植被茂密的地区系统误差较大。FY-3B土壤湿度的季节性变化与农气站观测资料在全国范围有较好的一致性,总体表现为冬季土壤湿度较高,随着春季气温升高蒸散发增加,土壤湿度逐渐降低;夏天雨季来临,土壤湿度回升。然而,FY-3B土壤湿度与ERA-Interim和NCEP再分析资料在东北部分地区和长江流域以南呈很强的负相关,这主要是由于季节性干湿变化的不一致性所致;这表明,ERA-Interim和NCEP土壤湿度再分析资料在这些地区存在较大的不确定性。     

土壤湿度和土壤温度模拟中的参数敏感性分析和优化

使用一种复杂洗牌算法 (SCE-UA, Shuffled Complex Evolution Algorithm) 对Noah陆面模式中的参数进行敏感性分析和优化,其中水文参数采取直接优化和优化土壤成份的形式,侧重于研究两种水文参数给出方法对土壤湿度和土壤温度模拟的敏感性。结果表明:将土壤湿度和土壤温度作为判据,模式中水文参数敏感性最高,水文参数对土壤湿度的敏感性要高于对土壤温度的敏感性。表层土壤湿度作为判据对土壤水文参数优化后,可以改善土壤湿度和土壤温度的模拟,加入深层土壤湿度同时作为判据后,优化使土壤温度的模拟变差。当土壤成份作为优化的参数,表层和深层土壤湿度作为判据,优化能够同时改善土壤湿度和土壤温度的模拟。单独使用土壤温度作为判据不能达到优化水文参数的目的。将土壤成份作为优化的参数后,土壤湿度和土壤温度的多判据优化效果最好,且减少不敏感参数的个数后对优化结果的影响总体不大。基于以上结果,将土壤成份作为优化水文参数的方法能够更好的考虑不同水文参数之间的约束关系,优化后的水文参数具有很好的一致性,优化效果较直接优化水文参数更好。     

土壤湿度——一个跨季度降水预测中的重要因子及其应用探讨

阐述了土壤湿度对短期气候变化的重要作用,结合我国的业务现状提出亟需将这一因子应用于跨季度降水预测。通过将一个土壤湿度反演模型引入IAP跨季度气候预测系统,探讨了土壤湿度应用于季节降水预测的可行性及其效果。初步的个例分析表明:前期土壤湿度的异常分布对降水变化有较显著的影响,继续改进土壤湿度反演模型可望获得更好的降水预测效果。同时,提出的基于常规气象观测进行反演以获得大范围土壤湿度分布的办法在当前业务预测中具有很强的可操作性。     

利用TRMM/TMI资料反演青藏高原中部土壤湿度

用辐射传输理论提出的地表微波辐射极化指数PI的定义,分别指出了PI对土壤湿度、地面粗糙度、植被层和大气层的影响。用热带降水测量(TRMM—Tropical Rainfall Measuring Mission)卫星上携带的微波辐射仪(TMI—TRMM Microwave Imager)的1B11的6年亮温数据,统计得到青藏高原中部地区PI值月平均分布。并用归一化距平,反演得到了该区域年、季以及干湿季土壤湿度变化的空间图像。结果表明,PI距平分布图可以很好地表征土壤湿度的变化,从而为大尺度评估高原土壤湿度变化提供了理论依据。另外,在同一时间段内,在已知区域平均PI值与平均土壤湿度的条件下,用归一化距平的方法可以定量反演该区域的土壤湿度。     

应用先进微波探测器AMSU资料遥感反演春季陆地表层湿度

利用先进微波探测器(AMSU)正演快速微波辐射传输模型,完成了AMSU 窗区通道亮温与地表温湿特征的相关性分析,根据模拟计算结果改进了现有业务上反演地表微波辐射率的统计分析方法,得到适用于我国非冻土积雪覆盖地区地表微波辐射率反演的指数分析模型;进一步通过地表微波辐射传输模型迭代反演得到土壤体积含水量信息.2001年相互匹配的AMSU资料和地面农业气象观测站地表相对湿度观测结果的对比分析表明二者间具有一定的相关性.利用2002年3月和2003年3月的AMSU资料,反演了我国陆地区域地表湿度;连续两年春季地表湿度反演结果的对比分析表明,与2002年春季相比,2003年我国北方沙尘暴发生源区地表湿度反演值普遍偏高,潮湿的下垫面特征与沙尘暴发生频次的减少之间有一定的对应关系.试验结果表明,利用AMSU遥感资料可以获取大范围陆地表层湿度信息,进行区域尺度陆地表层湿度特征的动态分析,为我国沙尘暴监测分析提供陆地表层湿度基础信息.     

SSM/I资料反演大范围地表湿度试验

利用SSM/ I遥感数据, 结合2002年汛期“973”外场观测资料及T106资料, 借助微波辐射传输正演模型, 通过物理反演原理提取SSM/ I低频19 GHz通道像元平均地表微波比辐射率, 然后利用地表微波辐射模型, 估算SSM/ I像元的地表湿度信息。以2002年8月中旬发生在长江流域的暴雨天气过程为例, 将反演得到的地表湿度信息与地面观测到的降水信息进行对比分析, 并与地面的洪涝特征进行对比分析, 得到了与地面降水观测结果较为一致的对比结果。     

A statistical retrieval algorithm for root zone soil moisture

An algorithm for the estimation of root zone soil moisture is presented. Global fields of the soil moisture within the uppermost metre of soil are derived with a temporal resolution of 10 days. For calibration, long-term soil moisture observations from the former Soviet Union are used. The variance of the measurements is largely dominated by the spatial variability of the long-term mean soil moisture, while the temporal variability gives comparatively small contribution. Consequently, the algorithm is organised into two steps. The first step concentrates on the retrieval of the spatial variance of the long-term means, which comprises more than 85% of the total soil moisture variability. A major part of the spatial variance can be explained by four easily available fields: the climatological precipitation, land use, soil texture, and terrain slope. The second step of the algorithm is dedicated to the local temporal variability. This part of variability is recovered by using passive microwave data from scanning multichannel microwave radiometre (SMMR) supported by monthly averaged fields of air temperature and precipitation. The 6-GHz channel of SMMR is shown to be severely disturbed by radio frequency interference, so that information from the 10-GHz channel is used instead. The algorithm provides reasonable soil moisture fields which is confirmed by a comparison with independent measurements from Illinois.     

Estimating the Soil Moisture Profile by Assimilating Near-Surface Observations with the Ensemble Kalman Filter （EnKF）

The paper investigates the ability to retrieve the true soil moisture profile by assimilating near-surface soil moisture into a soil moisture model with an ensemble Kalman filter （EnKF） assimilation scheme, including the effect of ensemble size, update interval and nonlinearities in the profile retrieval, the required time for full retrieval of the soil moisture profiles, and the possible influence of the depth of the soil moisture observation. These questions are addressed by a desktop study using synthetic data. The ＂true＂ soil moisture profiles are generated from the soil moisture model under the boundary condition of 0.5 cm d^-1 evaporation. To test the assimilation schemes, the model is initialized with a poor initial guess of the soil moisture profile, and different ensemble sizes are tested showing that an ensemble of 40 members is enough to represent the covariance of the model forecasts. Also compared are the results with those from the direct insertion assimilation scheme, showing that the EnKF is superior to the direct insertion assimilation scheme, for hourly observations, with retrieval of the soil moisture profile being achieved in 16 h as compared to 12 days or more. For daily observations, the true soil moisture profile is achieved in about 15 days with the EnKF, but it is impossible to approximate the true moisture within 18 days by using direct insertion. It is also found that observation depth does not have a significant effect on profile retrieval time for the EnKF. The nonlinearities have some negative influence on the optimal estimates of soil moisture profile but not very seriously.     

AMSR-E土壤湿度产品在锡林浩特草地样区的精度验证

AMSR-E土壤湿度产品已逐渐应用于气象,农业等各个领域,对土壤湿度的研究,特别是干旱半干旱地区,有着重要的科研和现实意义.为了验证AMSR-E土壤湿度产品在锡林浩特草地的适用性,利用锡林浩特草地野外实验,在3 km×3km范围内,与同经纬度地面9个点的2 cm土壤体积含水量数据作产品精度验证.通过与降水量的比较,验证了AMSR-E土壤湿度产品的可靠性,通过与地面实测值的比较,验证结果表明,AMSR-E反演的平均土壤体积含水量与地面实测平均土壤体积含水量分别为13.3%和11.8%,两者土壤体积含水量的RMSE为3.7%.     

基于AMSR-E土壤湿度产品的LIS同化试验

由陆面信息系统 (Land Information System, 简称LIS) 通过NOAH陆面过程模型使用集合卡尔曼滤波开展AMSR-E (Advanced Microwave Scanning Radiometer-Earth Observing System) 土壤湿度同化试验,得到2003年中国区域垂直深度为4层、水平空间分辨率为0.25°×0.25°的土壤湿度试验数据。使用农业气象观测站土壤相对湿度和国家生态系统野外科学观测研究站土壤体积含水量对试验结果进行检验,结果表明:同化过程整体上提高了陆面模型的模拟精度,草地生态系统模拟精度高于作物和森林生态系统;有效的同化过程依赖于AMSR-E土壤湿度的准确性;模拟出的土壤湿度空间分布特征与实际相符。同化试验得到的时空相对连续且精度相对准确的土壤湿度数据是气候变化和干旱监测的重要数据基础。     

CLM4.5模式对青藏高原土壤湿度的数值模拟及评估

本文利用1981～2016年的CRUNCEP资料（0.5°×0.5°）作为大气驱动数据,驱动CLM4.5（Community Land Model version 4.5）模式模拟了青藏高原地区1981～2016 年的土壤湿度时空变化。将模拟数据与台站观测资料、再分析资料（ERA-Interim和GLDAS-CLM）和微波遥感FY-3B/MWRI土壤湿度资料对比验证,表明了CLM4.5模拟资料可以合理再现青藏高原地区土壤湿度的空间分布和长期变化趋势。而且基于多种卫星遥感资料建立的较高分辨率（0.1°×0.1°）的青藏高原地表数据更加细致地刻画了土壤湿度的空间变化。对比结果表明:CLM4.5模拟土壤湿度与各个台站观测的时空变化一致,各层土壤湿度的模拟和观测均显著相关,且对浅层的模拟优于深层,但模拟结果比台站观测系统性偏大。模拟与再分析资料和微波遥感资料土壤湿度的空间分布具有一致性,均表现为从青藏高原的西北部向东南部逐渐增加的分布特点,三江源湿地和高原东南部为土壤湿度的高值区,柴达木盆地和新疆塔里木盆地的沙漠地区为低值区,土壤湿度由浅层向深层增加。土壤湿度的长期变化趋势基本表现为“变干—变湿”相间的带状分布,不同层次的土壤湿度变化趋势基本一致。模拟资料也合理地再现了夏季土壤湿度逐月的变化:高原西南地区的土壤湿度明显大范围增加,北部的柴达木盆地的干旱范围也明显的向北收缩,高原南部外围土壤湿度也明显增加,CLM4.5模拟土壤湿度比再分析资料和微波遥感资料更加细致地描述了夏季逐月土壤湿度空间分布及其变化特征。     

TRMM卫星微波成像仪分级产品及其反演降水算法

文章叙述了获取定量降水信息的意义，简要介绍了对热带测雨卫星TRMM(Tropical Rainfall Measurement Mission)的仪器、美国国家宇航局提供的微波成像仪TMI(TRMM Microwave Imager)分级产品。对比了物理方法和经验方法反演降水的特点，并对一些经验方法以及倾斜对流系统对反演降水的影响、动态聚类分析、神经网络反演方法的研究成果进行了介绍。     

Quantitative estimation of skin soil moisture with the Special Sensor Microwave/Imager

A physically based retrieval scheme is described toinfer near surface moisture content of bare soilpatches from time series of the Special SensorMicrowave/Imager (SSM/I) Polarisation DifferenceTemperature (PDT) at 19.35 GHz. The PDT is modelled asa function of soil moisture using Fresnel's relationsfor specular reflection at the air-soil boundary,together with a dielectric mixing model for themoisture-dependent soil dielectric constant. Theproblem of the specification of parameters describingatmospheric and soil roughness effects is avoided byconsidering temporal variations of the PDT. Theretrieval method is applied to the FIFE site for atwo-week period in summer, during which heavy rainfalloccurred on a dry upper soil. Although differences insensing depths made a rigorous validation impossible,remotely sensed soil moisture showed a high degree ofconsistency with ground measurements. An erroranalysis shows that the method is capable of providingan accuracy of approximately 20% of moisture contentat field capacity. Finally, it is demonstrated thatthe method is relatively insensitive to soil texturalcharacteristics when moisture content is scaled withfield capacity.