水体表面温度反演研究综述

水体表面温度是研究全球或区域气候变化、数值天气预报的重要参数,是控制水体与大气热量、水分交换的重要变量,对理解水体生物物理过程具有重要意义。卫星观测水表温度具有传统手段不可比拟的技术优势,同时也存在精度和质量上的限制和挑战。本文总结了观测水表温度常用的红外、微波传感器及其分辨率特征,并比较分析了各类传感器的优势、劣势和分辨率适用的时空尺度;在区别不同手段观测的水表温度基础上,分别概述了红外遥感和微波遥感反演水表温度的理论基础,以及常用的算法模型;基于水表温度反演的原理和过程,系统分析了云、水汽、气溶胶、比辐射率等不确定性因素,对反演精度的影响及解决方法,并对精度验证方法做了简单介绍;最后,对水体表面温度反演的发展趋势进行了展望,并指出多源数据的同化融合、优势互补是提升水温反演精度的重要途径。     

光学信息分解被动微波土壤湿度方法

土壤水分是一个重要生态参量,以被动微波反演土壤水分,不受天气影响,且其算法成熟.但是星载被动微波数据的空间分辨率较低,可适合大区域尺度研究.本文将1km分辨率光学数据MODIS和25km分辨率被动微波数据AMSR- E2级土壤湿度产品结合,利用NDVI-Ts特征空间,去除植被影响,结合前人提出的裸土蒸散模型,将研究区被...     

基于多源数据的青藏高原雪深重建

青藏高原地形复杂,积雪时空分布异质性较强且大部分地区积雪较薄,而被动微波遥感因其空间分辨率低以及雪深反演中的不确定性,极大地限制了其反演青藏高原雪深的精度。本文尝试将多源遥感数据以及与积雪模型（SnowModel）相结合,来重建更高质量的青藏高原雪深数据。首先,利用MODIS积雪面积比例产品,根据构建的积雪衰减曲线以及经验的融合规则对低分辨率被动微波雪深进行了降尺度;然后,结合MODIS/被动微波融合雪深数据和SnowModel对研究区进行雪深数据同化实验;最后,利用地面站实测雪深数据对MODIS/被动微波融合雪深以及同化输出雪深的精度进行了分析和对比。结果表明,基于数据同化方法得到的雪深数据更接近地面观测雪深值,通过均方根误差以及相关系数的对比,同化雪深结果优于MODIS/被动微波融合雪深结果。     

微波与光学遥感协同反演旱区地表土壤水分研究

土壤水分是水文循环中的关键因素,尤其对旱区的生态环境具有十分重要的意义。微波遥感是反演土壤水分的有效手段,而植被是影响土壤水分反演精度的重要因素。因此,对土壤水分的反演需要考虑植被的影响。本文以内蒙古乌审旗为研究区,利用Radarsat-2雷达数据与TM光学数据,对旱区稀疏植被覆盖地表土壤水分反演进行研究。利用TM数据,分别选取NDVI和NDWI指数对植被含水量进行反演,通过水云模型消除植被层对土壤后向散射系数的影响;在此基础上,根据研究区地表植被特性,提出一种基于AIEM 模型的反演土壤水分的改进算法,反演了不同粗糙度参数、不同极化（VV极化和HH极化）条件下的研究区土壤水分。反演结果与野外实测数据的对比结果表明,本文提出的基于地表植被特性的土壤水分改进算法,具有更好的适应性;土壤水分反演模式\begin{array}{c}M{v}_{\mathit{\sigma vv}\left(1\right)}^{\mathit{lh}}\end{array}（VV极化方式下采用NDVI去除植被影响的反演模式）更适合于旱区考虑稀疏植被覆盖影响的地表土壤水分的反演。     

基于高斯曲线拟合-FFT方法的南海风场反演

海面风场是海洋学的基本参量,获取海面风场对了解海洋的物理过程以及海洋与大气之间的相互作用至关重要。宽阔的海域面积及复杂的海面状况通常使南海海面上的风场信息很难被及时获取。ENVISAT ASAR是一种全天候全天时监测海面的微波雷达传感器,可实时获取海面风场数据。本文基于已有ASAR数据对南海海面风场进行反演实验,首先将结合高斯曲线拟合的FFT风向反演方法应用于南海风向反演,并参考Cross-Calibrated Multi-Platform （CCMP）风场数据去除180o方向模糊获得海面风向。然后,将高斯曲线拟合-FFT风向与传统的峰值-FFT风向进行对比,最后将准确率较高的高斯曲线拟合-FFT风向分别输入CMOD4模型和CMOD5模型获得海面风速大小。实验结果与CCMP参考数据的比较结果表明,在风条纹不明显的情况下,利用结合高斯曲线的FFT风向反演方法和CMOD4模型风速反演方法可有效地进行南海海面风场反演。该成果对利用SAR数据实时获取南海大面积海面风场信息,尤其是观测点缺乏海域的风场信息,具有重要的指导意义。     

地震勘探全波形反演的应用与发展分析

本文首先对20世纪80年代发展起来的全波形反演应用及其在勘探地球物理领域的发展进行了分析;其次,面对定量化、精细化的地震勘探要求,提出了将地震勘探全波形反演与其他数据处理环节或处理技术相结合的研究设想,并展望了全波形反演的发展趋势;最后,论述了全波形反演研究中地震波场数值模拟、反演初始速度模型获取、目标函数形式选择、寻优算法启用及各向异性介质中的应用等关键问题,并总结了通过Laplace域的全波形反演获取反演初始速度模型、结合射线追踪并充分发挥并行计算之于波动方程方法来模拟地震波场的巨大优势,及灵活选用反演目标函数形式和寻优算法更新速度模型参数来加快全波形反演方法的实用化进程。     

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MODIS和AMSR-E反演京津冀地区大气水汽含量及比较

为了长时间、大范围获取水汽数值,利用2005~2008年光学遥感的MODIS近红外、红外水汽产品,以及微波遥感AMSR-E数据,2种方法反演水汽。微波AMSR-E亮温数据采用Merritt N.Deeter(2007)亮温极化差方法,选取18.7GHz和23.8GHz 2个波段,得到AMSR-E升轨、降轨大气水汽数值。以京津冀地区为研究区域,通过地统计相关性分析、时间序列分析、年际间变化分析,可知2种方法4种资料反演的大气水汽数值的R2都达到0.95,时间分布符合中国雨带移动规律,空间分布不均。MODIS数据反演值比AMSR-E值要低,得到2种方法反演水汽的各自优缺点。     

叶面积指数遥感反演研究进展与展望

叶面积指数表征叶片的疏密程度和冠层结构特征,体现植被光合、呼吸和蒸腾作用等生物物理过程的能力,是描述土壤-植被-大气之间物质和能量交换的关键参数。目前多种卫星传感器观测生成了多个区域和全球的叶面积指数标准产品。本文综述了基于光学遥感数据的叶面积指数反演进展:首先,介绍了叶面积指数的定义和在生态系统模拟中的作用;然后,阐述了基于光学遥感反演叶面积指数的基本原理;在此基础上,论述了基于植被指数经验关系和基于物理模型的两种主要遥感反演算法,讨论了2种算法的优点和存在的问题,并总结了现有的主要全球数据产品及其特点,论述了产品检验的方法和需要注意的问题;最后,总结了当前叶面积指数反演中存在的问题,并展望了其发展趋势和研究方向。     

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。     

Advances in Research on Soil Moisture by Microwave Remote Sensing in China

Soil moisture is an important factor in global hydrologic circulation and plays a significant role in the research of hydrology, climatology, and agriculture. Microwave remote sensing is less limited by climate and time, and can measure in large scale. With these characteristics, this technique becomes an effective tool to measure soil moisture. Since the 1980s, Chinese researchers have investigated the soil moisture using microwave instruments. The active re- mote sensors are characteristic of high spatial resolution, thus with launch of a series of satellites, active microwave remote sensing of soil moisture will be emphasized. The passive microwave remote sensing of soil moisture has a long research history, and its retrieval algorithms were developed well, so it is an important tool to retrieve large scale moisture information from satellite data in the future.     

典型地物波谱库的数据体系与波谱模拟

本文讨论典型地物波谱知识库的数据体系与地物波谱模拟的相关问题 ,并给出波谱知识库支持的农业定量遥感应用示例。波谱知识库的数据体系强调波谱参数与环境参数的配套 ,波谱数据测量是在相关规范的支持下完成的 ,质量控制贯穿于数据采集的全过程。波谱模拟通过遥感物理模型完成 ,模拟波谱计算包括地表参数的时间、空间扩展与遥感物理模型运算。最后以作物生长模型结合植被组分光谱模型和冠层遥感模型为核心 ,构造了定量遥感的农业示例。     

Retrieval of Land-surface Temperature from AMSR2 Data Using a Deep Dynamic Learning Neural Network

It is more difficult to retrieve land surface temperature(LST) from passive microwave remote sensing data than from thermal remote sensing data, because the emissivities in the passive microwave band can change more easily than those in the thermal infrared band. Thus, it is very difficult to build a stable relationship. Passive microwave band emissivities are greatly influenced by the soil moisture, which varies with time. This makes it difficult to develop a general physical algorithm. This paper proposes a method to utilize multiple-satellite, sensors and resolution coupled with a deep dynamic learning neural network to retrieve the land surface temperature from images acquired by the Advanced Microwave Scanning Radiometer 2(AMSR2), a sensor that is similar to the Advanced Microwave Scanning Radiometer Earth Observing System(AMSR-E). The AMSR-E and MODIS sensors are located aboard the Aqua satellite. The MODIS LST product is used as the ground truth data to overcome the difficulties in obtaining large scale land surface temperature data. The mean and standard deviation of the retrieval error are approximately 1.4° and 1.9° when five frequencies(ten channels, 10.7, 18.7, 23.8, 36.5, 89 V/H GHz) are used. This method can effectively eliminate the influences of the soil moisture, roughness, atmosphere and various other factors. An analysis of the application of this method to the retrieval of land surface temperature from AMSR2 data indicates that the method is feasible. The accuracy is approximately 1.8° through a comparison between the retrieval results with ground measurement data from meteorological stations.     

高光谱遥感技术及其水利应用进展

面向新时期水利行业“补短板”和“强监管”的应用需求,遥感的前沿技术高光谱遥感凭借较高的光谱分辨率和图谱合一等优势,在水生态、水环境等水利行业的应用中发挥了重要作用,同时在水灾害、水资源等层面中也存在着一定的应用潜力。本文介绍了高光谱遥感的成像原理,回顾了成像光谱仪的发展,列举了目前国内外典型的高光谱载荷。重点介绍了高光谱遥感在水利行业的应用进展,包括水华及水生植物监测、水华和水草精确区分、叶绿素浓度反演、悬浮物浓度和泥沙含量定量估算等具体工作。指出高光谱遥感在实时大范围洪涝灾害应急监测、陆表水文参数定量反演等工作存在一定的发展潜力。最后对高光谱遥感在水利行业的应用存在的瓶颈问题进行总结分析并提出展望：多平台高光谱水利要素立体监测与集成技术研发;水利典型地物要素标准波谱数据库构建;水利高光谱遥感信息智能挖掘的理论方法研究。为拓宽高光谱遥感在水利应用中的研究提供参考。     

高时间分辨率遥感在土壤质地空间变化识别中的应用

在土壤信息推测研究中,遥感技术通常被作为辅助手段,用来提供地形和植被数据,并利用它们与土壤之间的关系推导土壤空间信息。然而,在平原等地形平缓的农业区,易于观测的地形和植被等环境因素,通常与土壤的协同程度较低,不能有效用于推测土壤质地等属性的空间变化。对于这类地区,如何寻找新的易于获取的变量,以准确地揭示土壤属性的空间变化,是需要解决的问题。本文提出了利用高时间分辨率遥感捕捉这类地区土壤质地空间变化的方法。采用光谱-时间响应线对多时相的光谱数据进行组织表达,使用光谱信息散度定量刻画不同光谱-时间响应线之间的差异。结果显示,在相同的地形和植被条件下,土壤质地相同的区域,其地表动态反馈模式明显相似;土壤质地不同的区域,其反馈模式也明显不同;土壤质地越相似,反馈模式也呈相似趋势。这表明,高时间分辨率遥感获取的地表动态反馈能够有效地指示土壤质地的空间差异。本文的工作表明了高时间分辨率遥感在土壤空间变化识别方面的应用潜力。     

融合土地覆盖和土壤水分产品的近地表空气温度空间化方法

空气温度是评价人居环境的重要指标,与人类的生产生活息息相关;其观测对于水文、环境、生态和气候变化等方面的研究具有重要意义。传统的大范围空气温度观测数据一般通过气象站点获取,但由于气象观测站点空间分布离散稀疏的特点,所获取的数据不能精确描述空间连续的空气温度变化情况。因此,实现基于遥感数据的近地表空气温度精准估算具有重要的现实意义。本研究基于精细的地表覆盖类型、空间连续的土壤水分、地表温度（LST）数据,并结合其他辅助数据,构建了近地表空气温度空间化模型,并对近地表空气温度影响因子进行评估,发现地表覆盖类型对近地表空气温度的影响最大,土壤水分为最活跃的影响因素,经验证,模型精度较高,R²接近0.85,RMSE为0.5℃。本研究获取的精确空间连续的近地表空气温度信息,能够充分表达其空间异质性,为农业气象灾害灾变过程监测、农作物生长过程模拟、区域气候变化分析等研究提供良好的近地表空气温度数据支撑。     

A method for surface roughness parameter estimation in passive microwave remote sensing

Surface roughness parameter is an important factor and obstacle for retrieving soil moisture in passive microwave remote sensing.Two statistical parameters,root mean square (RMS) height (s) and correlation length (l),are designed for describing the roughness of a randomly rough surface.The roughness parameter measured by traditional way is independence of frequency,soil moisture and soil heterogeneity and just the ″geometric″ roughness of random surface.This ″geometric″ roughness can not fully explain the scattered thermal radiation by the earth's surface.The relationship between ″geometric″ roughness and integrated roughness (contain both ″geometric″ roughness and ″dielectric″ roughness) is linked by empirical coefficient.In view of this problem,this paper presents a method for estimating integrated surface roughness from radiometer sampling data at different frequencies,which mainly based on the flourier relationship between power spectral density distribution and spatial autocorrelation function.We can obtain integrated surface roughness at different frequencies by this method.Besides "geometric" roughness,this integrated surface roughness not only contains "dielectric" roughness but also includes frequency dependence.Combined with Q/H model the polarization coupling coefficient can also be obtained for both H and V polarization.Meanwhile,the simulated numerical results show that radiometer with a sensitivity of 0.1 K can distinguish the different surface roughness and the change of roughness with frequency for the same rough surface.This confirms the feasibility of radiometer sampling method for estimating the surface roughness theoretically.This method overcomes the problem of ″dielectric″ roughness measurement to some extent and can achieve the integrated surface roughness within a microwave pixel which can serve soil moisture inversion better than the ″geometric″ roughness.     

近20年来福州市土地利用时空变化的遥感分析

以1986、1996和2006年三期Landsat TM影像为基本数据源,采用最大似然法分类,并以同期高分辨率的SPOT5影像进行分类后处理,最后分类后变化检测法监测了福州市1986~2006年的土地利用变化及其转移模式。结果表明,福州市近20年间土地利用发生了较大的变化,城乡建筑用地处于快速增长阶段,而耕地数量却在不断下降。经济发展、人口增长、政府决策等因素是福州市土地利用发生变化的主要驱动力。