土壤水分微波反演方法进展和发展趋势

土壤水分是连接地表水循环和能量循环的关键参量,精确获取该参量对于理解气候变化、地表水文过程、地气间能量交换机理等具有重要意义。微波遥感由于其较为合适的探测深度和坚实的理论基础在观测地表浅层土壤水分上具有很大优势,结合反演方法可以获取空间连续的土壤水分含量,有助于更加客观认知土壤水分的时空演变机理。随着微波遥感数据的不断丰富,多种微波遥感土壤水分反演方法相继涌现,为了更好地了解其发展和趋势,本文总结了当前土壤水分微波反演常用的卫星遥感数据并分析其发展趋势,后从主动微波反演、被动微波反演和多源协同反演3个方面梳理了各类土壤水分微波反演方法的原理、发展和优缺点,最终总结出目前微波遥感土壤水分反演方法的发展趋势：即土壤水分微波反演方法的时空普适性逐渐增强、面向高时空分辨率的土壤水分微波协同反演方法快速发展以及土壤水分微波反演方法的智能化水平不断提高。     

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。     

基于普查和手机定位数据的乡镇尺度人口空间化方法研究

人口在空间上的实际分布是人口地理学研究的基础和热点问题。目前全球不同尺度的人口空间化数据产品因生产方法、数据源等有较大差异,空间化产品的一致性存在较大差异,尤其是共性需求集中的1 km数据产品。本文以京津冀地区为研究区,基于2000年乡镇尺度的人口普查数据和可开放获得的手机定位数据,利用光影投射法计算人口分布权重,结合面积权重法和指数平滑法得到京津冀地区1 km分辨率的人口空间化结果PJ2000。该产品较好地反映了京津冀人口实际分布细节特征。经精度评定,PJ2000人口空间化的总体精度为90%,人口空间化相对误差小于0.5的乡镇（街道）数约占87%,PJ2000与2000年乡镇街道人口统计数据pop2000的相关系数r高达0.95。结果证明,结合乡镇尺度人口统计数据和手机定位数据等多源数据所构建的人口空间化模型,所获1 km分辨率人口密度数据集精度得到显著提高。     

全球地表覆盖高分辨率遥感制图

全球地表覆盖分布及变化是气候变化研究、生态环境评估、地理国情监测、宏观调控分析等不可或缺的重要基础信息.国际上现有全球五套地表覆盖数据产品的空间分辨率为1 km或300 m,数据精度、分类体系、时空分辨率等均存在不足.为了满足全球变化研究与地球模式模拟的需求,应该研制具有较高时空分辨率、更符合全球变化需要、精度较好的全...     

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。     

改进的DisTrad模型在地形起伏区地表温度空间分辨率提升的应用

DisTrad（Disaggregation procedure for radiometric surface temperature）模型是常用于遥感地表温度空间分辨率提升的主要模型之一。DisTrad模型常面向空间范围有限、地形相对平坦的研究区域,且常选用植被参数（如植被指数或植被覆盖度等）作为关键参数。然而在空间范围较大、地形起伏地区,地表温度的空间变异可能无法完全通过植被参数解释。本研究选取四川盆地及毗邻地区为研究区,通过模拟数据研究DisTrad模型在地形起伏区地表温度空间分辨率提升中的适用性。数字高程模型（Digital Elevation Model,DEM）、归一化差值植被指数（Normalized Difference Vegetation Index,NDVI）等参数,采用滑动窗口逐步回归,将空间分辨率为6km的地表温度提升至空间分辨率为1km。研究结果表明,改进的模型在平原及海拔较低的高原地区提升获得的地表温度空间分辨率具有较高精度,均方根误差（Root Mean Square Error,RMSE）为0.5K左右;在地形起伏较大的地区,RMSE为4K,验证了改进的模型提升的可行性。     

复杂山区地形条件下ERA5再分析地表气温降尺度方法

高时空分辨率的气温栅格数据是多种地学模型和气候模型的重要输入。山区地形复杂,气温空间异质性强,如何获取高时空分辨率的山区地表气温数据一直是研究热点与难点。本文选择地形复杂的河北省张家口市作为试验区,基于局部薄盘样条函数对ERA5再分析日均近地表气温（2 m高度）进行空间插值,并利用随机森林算法,结合少量气象站观测气温数据、地形地表参数数据构建日均气温订正模型和气温逐时化模型,实现空间分辨率由0.1 °（约11 km）到30 m的逐时气温降尺度,最后将该模型拓展应用于其他时间与区域,检验本文发展的降尺度方法在没有站点观测数据条件下的时空移植性。结果显示,本文降尺度方法得到的高时空分辨率山区气温数据精度较高,1月均方根误差（RMSE）平均值为2.4 ℃,明显优于气象站点插值结果,且气温相对高低的空间分布更为合理、纹理更加丰富;将该方法应用到其他时间与区域的RMSE平均值分别为2.9 ℃与2.5 ℃,均小于再分析资料直接插值所产生的误差。研究结果总体表明,在气象站点较少甚至没有时,可利用本文方法通过ERA5再分析气温准确获取复杂地形条件下的山区高时空分辨率气温数据。     

SWOT宽刈幅干涉测高卫星数值模拟：以南海海平面变化监测为例

以中国南海及周边区域为例,利用ECCO2海洋模式数据模拟的SWOT观测数据评估SWOT的海平面长期观测能力。分析SWOT模拟误差表明,相位误差和横滚误差占主导,并且距离星下点越远误差越大。通过空间平滑对模拟的误差进行消除,南海地区SWOT的观测与海洋模式真值的均方根误差从4 cm降低到2 cm。对SWOT的观测和海洋模式信号进行分析发现,SWOT观测误差的空间分布基本呈南北条带状,这主要受卫星宽刈幅沿轨观测方式的影响,与海平面变化信号强度无关。进一步提取SWOT一条轨迹进行滤波和10 km×10 km网格插值,结果表明,2 km空间分辨率的地转流估计结果受噪声影响较大,而10 km分辨率结果更接近真值。     

降雨数据空间分辨率在城市流域洪峰变化分析中的影响

在气候变化和城市化背景下,城市暴雨的局部特征愈发明显,而降雨监测和预报数据空间分辨率难以满足空间分布描述要求,造成城市洪涝模拟和预测结果存在不确定性。本文选择深圳市城区的3个流域,基于118场实测降雨数据,通过逐步增大网格尺寸以达到降低降雨空间分辨率的效果,同时以流域边界作为限制,保证流域内面平均雨量不变,然后将不同空间分辨率的降雨数据分别作为城市洪涝模型的输入条件,对流域出口断面的洪水过程进行模拟计算,每场降雨得到6种不同空间分辨率下的洪峰流量。结合降雨中心、流域几何中心等空间特征参数,分析降雨空间分辨率对流域洪峰的影响。研究结果表明,针对118场实测降雨,随着降雨数据空间分辨率逐渐降低,3个流域的出口断面的洪峰变化幅度逐渐增大;如果忽略了流域内部降雨数据的空间分布差异,洪峰变化幅度和方向与降雨中心和流域几何中心的空间关系具有相关性,降雨中心在流域几何中心上游方向的距离越大,洪峰降低的幅度越大。本文基于3个城市流域得到了相似的研究结论,研究方法可为城市流域洪涝模拟提供借鉴,研究结果可为河道洪水风险评价提供参考。     

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.     

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.     

克里格法的土壤水分遥感尺度转换

 尺度效应往往会制约着定量遥感反演的精度,对地学信息进行空间尺度转换是生产实践的必然要求,而常用的尺度转换模型多利用光谱数据进行差值计算,不适合升尺度和降尺度转换。由于土壤含水量数据具有区域变化量的随机性和结构性特点,本文以15m分辨率的ASTER图像像元为基本单元,采用点克里格法完成ASTER 15m至7.5m分辨率的土壤含水量数据降尺度转换,从分维数的相似程度上来看,转换结果是合理的;并利用块状克里格法对地面实测样点数据进行点到7.5m分辨率的面数据升尺度转换,将升尺度和降尺度转换结果与实测样点均值相比较,结果表明:7.5m分辨率的实测样点土壤水均值误差在1.5782-5.019之间,块状克里格法获取的升尺度土壤含水量数据与点克里格法获取的降尺度土壤含水量数据之间误差则为1.2825-5.0481,可见克里格法考虑了点与周边的关系,所获得的土壤含水量值要优于未考虑空间异质性的土壤含水量平均值。     

多源遥感数据时空融合模型应用分析

多源遥感数据时空融合模型是解决目前遥感数据获取能力不足问题的重要方法之一,当前主要融合方法的研究,集中于平原区域,缺乏复杂条件下的多源遥感数据融合技术的应用研究。针对我国南方复杂条件,本文对比研究了多源遥感数据时空融合模型在我国南方复杂条件下的应用能力。针对LORENZO模型、LIU模型、统计回归模型、STARFM和ESTARFM 5种主流多源遥感数据时空融合模型,采用Landsat-ETM+和MODIS数据,以江苏省南京市的小块区域为实验区,利用5种模型生产融合影像,以真实Landsat-ETM+数据为模板,定性和定量评价融合效果的好坏。结果表明：除LORENZO模型外,其余4种模型获得的融合影像与真实影像之间都具有较高的相关性,相关系数均高于0.6,其中,ESTARFM模型的融合影像与真实影像间的相关性最高,融合效果最好,其次为STARFM模型,再次为LIU模型和统计模型法。在融合过程中采用距离、时间和光谱等信息越多,融合效果越好,在复杂地区的适用能力越强,融合影像更能反映地物的细节特征。     

Comparative analysis of microwave brightness temperature data in Northeast China using AMSR-E and MWRI products

With such significant advantages as all-day observation, penetrability and all-weather coverage, passive microwave remote sensing technique has been widely applied in the research of global environmental change. As the satellite-based passive microwave remote sensor, the Advanced Microwave Scanning Radiometer-Earth Observing System (AMSR-E) loaded on NASA’s (National Aeronautics and Space Administration of USA) Aqua satellite has been popularly used in the field of microwave observation. The Microwave Radiation Imager (MWRI) loaded on the Chinese FengYun-3A (FY-3A) satellite is an AMSR-E-like conical scanning microwave sensor, but there are few reports about MWRI data. This paper firstly proposed an optimal spatial position matching algorithm from rough to exact for the position matching between AMSR-E and MWRI data, then taking Northeast China as an example, comparatively analyzed the microwave brightness temperature data derived from AMSR-E and MWRI. The results show that when the antenna footprints of the two sensors are filled with either full water, or full land, or mixed land and water with approximate proportion, the errors of brightness temperature between AMSR-E and MWRI are usually in the range from −10 K to +10 K. In general, the residual values of brightness temperature between the two microwave sensors with the same spatial resolution are in the range of ±3 K. Because the spatial resolution of AMSR-E is three times as high as that of MWRI, the results indicate that the quality of MWRI data is better. The research can provide useful information for the MWRI data application and microwave unmixing method in the future.     

EXPERIMENTAL STUDY ON SOIL MOISTURE USING DUAL-FREQUENCY MICROWAVE RADIOMETER

1INTRODUCTIONSoil is the basis of human's living. Soil moisture plays asignificant role in studying the matter and energy ex-changes in global hydrology sphere. The evaporation ofsoil moisture has an influence on the water vapor cycle.Meanwhile soil moisture is also one of the firsthandmeasurable parameters in crop yield estimation and wa-ter resources management (JACKSON et al., 1993). Theinfluence of the interaction of land and atmosphere onsoil moisture can bring about anomalous cli…     

水稻土有机碳密度的空间预测分析——以浙江省长兴县为例

准确预测未采样区域SOC密度,是研究SOC演变趋势和探索土壤固碳作用对缓解全球气候变化的基础。采用泛克里格法(Universal Kriging,UK)和土壤类型法(pedological professional knowledge-based method,PKB),分别对长兴县水稻土有机碳密度进行了预测,其中,UK直接以长兴水稻土剖面资料为源数据、PKB以长兴水稻土剖面数据和长兴1∶5万数字土壤图为源数据进行预测。根据平均绝对误差(MAE)及均方根误差(RMSE)大小,评价了两种方法在县域尺度土壤有机碳密度空间预测效果。结果表明:UK的MAE(31.2)、RMSE(52.5)均大于PKB的MAE(24.7)、RMSE(43.1),说明PKB法的预测效果较好,UK法相对较差。研究表明,对土壤类型、土壤母质,以及剖面点位置等信息的综合考虑能使PKB法更好地表达土壤属性的空间特征,也更适于县域尺度土壤有机碳密度的空间预测。     

S波段雷达数据反演土壤水分的模拟分析和验证

中国自主研制的环境减灾卫星星座（HJ）中包含多颗光学和雷达小卫星,这些小卫星计划于2007年底陆续升空。其中,载有S波段合成孔径雷达（SAR）的HJ-1C星,预计于2008年发射,该卫星设置有S波段（3.2GHz）,采用VV极化方式,入射角变化范围是25°～47°。本文根据该雷达卫星的系统参数,利用AIEM模型的模拟数据反演土壤水分的变化。首先,对传统单极化SAR数据反演土壤水分的方法（基于简单散射模型）在S波段的适用性进行了分析（共检验了四个波段数据,分别是Ku波段、C波段、S波段和L波段）,结果表明该方法可应用于S波段,且应用效果比C波段好;然后,对以往研究中该方法可采用的不同水分参数形式进行了比较分析,结果表明,以垂直极化幅度作为土壤水分参数效果最好;最后,利用模拟数据对该方法进行验证,结果在两次数据入射角差为5°时,近80%数据的误差在5%以内。