高分五号全谱段光谱成像仪地表温度与发射率反演

地表温度在全球能量平衡和气候变化研究中具有重要意义。中国新一代高分辨率卫星高分五号卫星(GF-5)搭载的全谱段成像光谱仪有4个40 m空间分辨率的热红外波段,可以提供高空间分辨率的地表温度信息。本文提出了适用于全谱段成像光谱仪的温度与发射率分离TES(Temperature and Emissivity Separation)算法同时反演地表温度和发射率,为了提高大气校正精度,算法加入了水汽缩放WVS(Water Vapor Scaling)大气校正方法。首先利用Seebor V5.0全球大气廓线库构建模拟数据对算法精度进行了评价;然后利用张掖地区11景ASTER影像作为替代数据和同步的地面实测数据对算法精度进行了验证。模拟数据结果表明加入WVS方法后TES算法反演地表温度的RMSE由2.59 K降低到1.54 K,4个波段地表发射率的RMSE分别从0.122、0.12、0.102和0.037降低到0.042、0.04、0.028和0.026;地表验证结果表明本文算法反演的地表温度与站点实测值具有更好的一致性,平均Bias由1.08 K降低到0.47 K,RMSE由2.17 K降低到1.7 K;反演的各波段地表发射率与地面实测结果误差均小于1%。因此,本文提出的温度与发射率分离算法具有较高精度,可以利用GF-5数据获取高精度高空间分辨率的地表温度和发射率数据,服务于其他相关研究。     

植被覆盖地表土壤水分遥感反演

以地域特色突出的新疆渭干河-库车河三角洲绿洲为研究区,联合使用雷达数据和光学遥感数据,对干旱区绿洲土壤和植被水分信息进行提取。在同期光学遥感影像数据提取植被归一化差分水分指数基础上,利用"水-云模型"从雷达数据总的后向散射中去除植被影响,建立土壤后向散射系数与土壤含水量的关系,相关系数为HH极化R2=0.5227,HV极化R2=0.3277。结果表明利用C波段HH极化雷达影像数据结合光学影像数据,进行干旱半干旱地区棉花、玉米等农作物种植区地表土壤水分反演时,在中等覆盖条件下去除植被影响有较好的效果。     

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。     

土壤水分及粗糙度对比辐射率的影响

比辐射率是影响地表温度遥感反演精度的主要因素,是定量热红外遥感领域研究的核心内容,其与土壤质地、土壤成分、土壤水分和土壤粗糙度关系密切。首先通过试验方法初步研究了土壤水分和土壤粗糙度对土壤比辐射率的影响。其次采用傅里叶变换红外光谱仪观测不同水分条件下土壤比辐射率波谱。最后采用基于改变两次环境观测原理的一种主被动漫射式实时比辐射率测定装置观测不同粗糙度条件下8—14μm土壤比辐射率均值的变化。结果表明,土壤比辐射率随土壤水分的增加而增加,其中影响最显著波段范围是3.3—5.3μm,这个波段范围内波段平均比辐射率干土与湿土差异大于0.2;影响最小的波段范围是11—15μm,这个波段范围内波段平均比辐射率干土与湿土差异在0—0.015之间;在热红外波段,8—9.5μm是土壤水分对比辐射率影响最大的波段,干土与湿土比辐射率差异大于0.05;土壤比辐射率随着粗糙度的增加略有增加,干土和湿土都有此规律。     

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.     

地基雷达的微波面散射模型对比与土壤水分反演

为了探究地基合成孔径雷达(c GBSAR)后向散射信号的时空变化规律和研究雷达土壤水分反演的影响因素,在内蒙古闪电河流域的昕元牧场站进行了地基雷达观测试验,本文结合以上观测试验的地基雷达数据进行波段、入射角度、极化通道3个雷达参数以及地表粗糙度参数对雷达的后向散射系数影响的分析,然后利用以上分析结果选择地表微波面散射模型,最后利用选定的地表微波面散射模型构建人工神经网络数据集来反演地表土壤水分。结果表明:(1)在地基雷达视场内,各地表微波面散射模型的模拟结果与地基雷达实测的L波段全极化数据拟合效果最佳的是AIEM-Oh模型。(2)通过对20°—60°范围内的雷达入射角度的AIEM-Oh模型后向散射系数模拟的绝对残差分析发现,雷达入射角为25°、41°和53°时模拟结果最接近雷达实测值。(3)最后通过分析土壤水分反演结果发现,当雷达入射角度为41°时的土壤水分反演精度最高,相关系数R是0.8080,RMSE是0.0385 m~3m~3。本文的结论是雷达后向散射信号受到雷达入射角度和地表粗糙度相互作用的影响,因此通过考虑地表粗糙度来合理的选取雷达入射角能够提高土壤水分的反演精度。     

一个用神经网络优化的针对ASTER数据反演地表温度和发射率的多波段算法

提出了针对ASTER数据同时反演地表温度和发射率的多波段算法。即利用ASTER数据的第11~14热红外波段建立热辐射传输方程，并同时对相应波段的发射率建立近似线性方程，得到6个方程6个未知数，从而形成了针对ASTER数据的同时反演地表温度和发射率的多通道算法。利用3种方法求解方程： ①先分类，然后进行数学计算； ②利用最小二乘法； ③利用神经网络方法。利用辐射传输模型MODTRAN 4模拟数据进行反演及验证分析，结果表明，神经网络能够提高算法的精度和实用性，反演的地表温度平均误差为0.5 ℃，反演的发射率平均误差分别在0.007(11、12波段)和0.006(13、14波段)以下。     

基于GPS-IR的归一化植被指数反演

针对利用GPS接收机在接收L 波段信号时对周围植被水分含量较为敏感的特性,使用GPS反射信号的变化,进行测站归一化植被指数(NDVI)反演. 利用2个GPS参考站近5年的连续观测数据计算的归一化微波反射指数(NMRI),构建了反演NDVI的一元线性模型. NMRI整体变化趋势与同时间段内中分辨率成像光谱仪(MODIS) NDVI趋势表现一致,其反演结果相关系数R分别为0.626 53、0.625 73,均方根误差(RMSE)分别为0.051 29和0.055 08,进而使用BP神经网络模型反演相关系数分别提高了2%、6%. 表明GPS干涉反射测量(GPS-IR)反演区域NDVI结果具有较高可靠性. 该研究为获取精确位置、实时连续、高分辨率的 NDVI 提供了一定的理论支撑.      

Himawari 8 AHI数据地表温度反演的实用劈窗算法

地表温度是水文、气象、气候和环境等研究领域中的关键参数,利用热红外遥感可快速获取区域和全球高精度的地表温度数据。Himawari 8号是日本发射的新一代地球静止轨道气象卫星,星上搭载AHI(Advanced Himawari Imager)成像仪,具有更高的时空分辨率。利用AHI第14(11.2μm)和15(12.35μm)通道星上亮温数据,提出反演地表温度的实用劈窗算法,其中输入的发射率数据利用ASTER GED(Global Emissivity Dataset)v4计算得到。劈窗算法的系数由观测角度和大气水汽含量分区决定,其中大气水汽含量由两个劈窗通道直接估算得到。利用黑河流域生态—水文过程综合遥感观测联合试验(Hi WATER)4个站点的实测数据和中国7个湖泊中心点的MODIS地表温度产品对反演结果进行验证,结果表明,算法的均方根误差(RMSE)在3 K以内,达到目前常用遥感地表温度产品的精度。同时与利用MOD11C3 C6产品估算的发射率和温度反演结果进行对比分析,发现ASTER GED反演的结果具有更高的精度,适合用来生产高精度的地表温度产品。     

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。     

AMSR微波遥感数据进行土壤湿度的计算机反演

为了有效解决大尺度区域土壤水分时、空间变化监测的问题,在总结了被动微波遥感反演土壤湿度规律的基础上,基于先进的AMSR星载被动微波遥感数据,提出了利用双谱模型计算土壤表面发射率的计算机算法。首先需要由双站散射系数计算反射率和发射率,然后应用人工神经网络反演土壤湿度,实现了在随机粗糙面状况下基于被动微波遥感的土壤表面水分反演,并在实验区进行了成功的应用。     

农田垄行结构对被动微波遥感土壤壤湿度反演的影响

根据离散方法建模垄行结构农田表面微波发射率,与地基多频率微波辐射计实测发射率比较发现：二者之间的平均绝对偏差小于0.01 ,证实了利用离散化方法建模农田表面微波发射率的可行性.在给定条件下不同观测方位角农田表面微波发射率与平坦表面的发射率差值在0.02 与0.05 之间,这说明农田结构微波辐射具有各向异性,行结构对发射率的影响在农田电磁波辐射建模过程中不可忽略.本文分析了不同土壤湿度条件下农田垄行结构可能引起的土壤湿度反演误差,结果表明,土壤湿度变化范围是0.02—0.5 cm³/cm³,垄行结构引起的土壤湿度反演误差为0—0.1 cm³/cm³, 此误差超过了土壤湿度反演的容限值,因此在进行农田参数的遥感提取过程中不可忽略周期性垄行结构对表面发射率的影响.     

应用微波遥感数据的东北地区地表温度反演

针对无源微波遥感时间分辨率高可以克服云层影响获取地表温度的问题,该文应用AMSR-E微波亮度温度数据,分别选取了基于发射率估计的单通道反演法和多通道线性拟合法反演东北地区地表温度。在原有方法的基础上提出算法改进:对单通道反演法按照植被生长周期在生长季与非生长季分别建立发射率估计方程,探究各微波通道在每种地表覆被类型的反演能力并组合反演精度最高的通道,将微波极化差异指数作为表征发射率参数加入多通道拟合方程。结果显示,获取的地表温度剔除水体和冰雪无效像元后可用性达到100%,改进后的单通道反演法均方根误差由3.58~4.6降低至2.0~3.1,在75%的区域的误差小于2 K;多通道拟合法的最终均方根误差为2.6~3.5,同样有较高精度且只使用微波亮温数据就能获取地表温度。     

中国西部地区基于经验模型的土壤水分反演

地表土壤水分含量的时空分布信息是十分重要的,常常作为水文模型、气候模型、生态模型的输入参数,同时,也是干旱预报、农作物估产等工作的重要指标。被动微波遥感是监测土壤含水量最有效的手段之一。相比红外与可见光,它具有波长长,穿透能力强的优势。相比主动微波雷达,被动微波辐射计具有监测面积大、周期短,受粗糙度影响小,对土壤水分更为敏感,算法更为成熟的优势。目前,已研究出许多反演土壤水分的方法.本课题的主要内容是借助AMSR-E土壤水分影像数据、MODIS归一化植被指数(NDVI)影像数据和MODIS分类影像数据,利用ENVI软件进行遥感图像数据处理,运用统计分析方法建立NDVI与土壤水分的经验模型,研究中国西部地区稀疏植被覆盖区土壤水分的反演。     

目标分解技术在植被覆盖条件下土壤水分计算中的应用

目标分解技术利用协方差距阵的特征值和特征矢量，将极化雷达后向散射测量值分解为单向散射，双向散射和交叉极化散射三个分量，并建立了植被覆盖地表的一阶物理离散散射模型。通过分解的各分量与该模型的比较，建立重轨极化雷达测量数据估算土壤水分的方法，采用Washita‘92实验区多时相全极化L波段JPL/AIRSAR图像雷达测量数据，利用分解的散射测量值，我们评估了在同一入射角，单频（L波段），多路条件下，分解理论在进行土壤水分估计时减少植被影响的能力。结果表明利用目标分解理论和重轨极化雷达数据可以估算植被覆盖区域土壤水分的变化情况。     

土壤湿度微波遥感监测研究进展

土壤湿度是农业生产的重要影响因子,获取土壤湿度信息以制定人工干预调节措施是稳固生产的重要保证,实时、有效地监测土壤墒情显得尤为重要。利用遥感数据反演土壤湿度有多种方法,微波遥感法被认为是目前最佳的监测方法。本文总结了被动、主动微波土壤湿度遥感监测的主要模型、方法及其优缺点和适用范围,分析了雷达遥感监测土壤湿度的最优参数选取等,展望了微波遥感监测土壤湿度的应用前景,以期为土壤湿度微波遥感监测研究提供参考和借鉴。     

山区地形效应对微波辐射特征与土壤水分反演的影响—以青藏高原地区为例

采用星载微波辐射计AMSR-E的低频C波段(6.925GHz),改进了山区微波辐射传输方程,以中国青藏高原地区为例,研究山区可能产生的多种地形效应对微波辐射特征以及土壤水分反演的影响。结果表明,地形效应使得垂直极化亮温最多衰减达到16K,水平极化的亮温最大增强了18K,土壤水分在地形的影响下将被高估超过最大允许误差4%。最后,利用地形效应模拟模型计算的山区地表有效发射率,为山区土壤水分的反演提出了可行的地形校正方法。     

联合热红外与微波的作物辐射方向性模型研究

热红外遥感提供地表表层辐射信息为主,被动微波遥感可更好地提供植被和土壤背景垂直结构的辐射信息。结合热红外与被动微波遥感的优势协同反演植被和土壤组分温度是提高组分温度反演精度的一种思路。本文在对热红外辐射传输模型和微波辐射模型进行比较的基础上,构建均匀作物的统一场景,将统一场景的参数分为直接参数和间接参数。基于统一场景,修改微波辐射模型的场景结构及叶倾角分布,并增加组分温度参数以计算辐射亮温,最终构建热红外与微波辐射联合模拟模型(UEasmmes模型)。针对均匀玉米作物,利用UEasmmes模型进行联合模拟,分析了组分温度、组分发射率、叶面积指数LAI及叶倾角分布LAD对热红外与微波的方向性亮温DBT的敏感性响应差异。分析结果表明:协同热红外与被动微波遥感反演植被和土壤组分温度是可行的,但对于如何克服组分发射率、LAI及LAD对植被有效发射率的影响而导致的微波辐射亮温变化以及实现热红外表皮温度与微波等效温度之间的转化仍是需要深入研究和探讨的问题。     

Earth observations during space shuttle mission STS‐34: 18–23 October 1989

Abstract

Although high‐resolution microwave synthetic aperture radar (SAR) sensors possess all‐weather capability for mapping soil moisture from spaceborne platforms, continuous temporal and spatial monitoring of this important hydrological parameter has been relatively limited. However, the recent launch of operational SAR sensors aboard various satellites have made possible synoptic soil moisture monitoring a reality. Such systems operate over a wide range of frequencies, look angles, and polarization combinations, and thus show synergistic advantages when combined for estimating soil moisture patterns. Two soil moisture inversion algorithms have been developed using as inputs radar backscattering data at L, S, and C bands in the microwave frequency range. These models have been tested using radar image simulation with speckle added. It is observed that the neural network algorithm yields superior results in mapping actual soil moisture patterns over the linear statistical inversion technique, although both models show comparable errors in soil moisture estimation. We infer that using statistical estimation errors alone for comparison purposes may lead to erroneous conclusions regarding the advantages of one soil moisture inversion algorithm over another.