基于AMSR-E的微波波段地表发射率反演——以青藏高原为例

青藏高原以其独特的特征在气候变化中起着重要的作用,而地表发射率对地表参数和大气参数的准确反演也非常重要,因此本文发展了青藏高原微波波段地表发射率的反演算法.首先通过辐射传输方程对地表发射率的反演算法进行了推导,并利用被动微波一维大气辐射模拟器的模拟数据对算法进行了验证,结果显示了较高的精度.接着结合微波辐射计AMSR-E的亮温数据和MODIS提供的大气廓线数据,利用本文发展的算法反演了青藏高原微波波段的地表发射率.最后,分析了青藏高原地表发射率的时空分布特征:从空间特征上分析,反演结果的空间分布符合青藏高原地表覆盖类型的变化,植被湖泊等可以在反演结果中很明显的显现;从时间特征上分析,在一个月的时间尺度上,发射率随时间变化并不明显,每天的变化值在0.01之内.另外通过对青藏高原裸露地表发射率的时间序列研究发现,地表发射率对降雨有非常敏感的响应.反演结果的合理性表明本文的算法具有可行性,可以利用该算法反演青藏高原的地表发射率并建立长时间序列的地表发射率数据库,为青藏高原其他地球系统参数的遥感反演提供基础,为青藏高原的相关地学研究提供数据支持.     

基于光学与被动微波遥感的青藏高原地区土壤水分反演

青藏高原地区高精度的土壤水分反演对高原能水循环、全球大气循环研究有着极大的影响.因此,获取青藏高原土壤水分时空布信息是一个迫切需要解决的问题.温度植被干旱指数(TVDI),是基于光学与热红外遥感通道数据反演土壤水分的重要方法,但在研究区域较大、地表覆盖格局差异显著时,TVDI模型反演精度会受到地表温度(Ts)等因素的影响.被动微波AMSR-E数据精确记录了像元内的土壤水分信息,但空间分辨率低.本文利用同时期的MODIS与被动微波数据,发展了针对青藏高原地区高精度土壤水分反演算法.首先,在TVDI模型中,利用修正型土壤调整植被指数(MSAVI)代替归一化植被指数(NDVI),以改进NDVI易饱和的缺点;其次,利用ASTER GDEM数据,对地形高程和纬度差异引起的地表温度变化进行了校正;然后,通过神经网络训练建立基于TVDI、被动微波以及辅助气象数据的土壤水分反演模型,并应用该模型反演了青藏高原地区三个观测网(CAMP/Tibet、玛曲和那曲)的土壤水分;最后,利用实测土壤水分数据对反演结果进行验证,结果表明该模型的精度均方根误差(RMSE)数值可达到0.031~0.041 m~3·m~(-3).本文还应用该算法反演了青藏高原连续的土壤水分的空间分布,并比较了土壤水分的变化趋势与实测降水变化趋势,结果表明二者变化量的正负关系一致.     

基于环境一号卫星高光谱遥感数据的巢湖水体叶绿素a浓度反演

三波段模型是基于生物光学模型构建的叶绿素a浓度反演半分析模型,是目前反演内陆富营养化浑浊水体叶绿素a浓度效果较好的方法.本文通过星地同步实验,分析巢湖水体各组分光谱特征,分别基于地面实测数据与环境一号卫星高光谱遥感数据建立三波段模型反演巢湖水体叶绿素a浓度.结果表明,由于特征波段在不同数据源的位置不同,导致了两个模型波段选择及反演精度的差异.因此,只有在充分考虑遥感数据的光谱特征的条件下,分析遥感信息理论和实际图幅影像有效结合在一起的地物信息,才能进一步优化三波段模型的波段选择,实现遥感数据定量反演水体叶绿素a浓度的目标.     

星载微波资料频率干扰信号识别研究综述

较可见光和红外遥感而言,微波遥感不易受大气影响,具有全天时、全天候的监测能力以及对云、雨、大气较强的穿透能力,并且微波传感器对于植被特性的变化、地表土壤水分和积雪参数十分敏感,微波数据已被广泛应用于地表参数的监测和反演应用之中.然而,用于反演地表参数的低频微波观测资料均不同程度地受到地面无线电频率的干扰(Radio Frequency Interference,RFI).这些干扰往往是由地面主动微波传感器的发射信号或陆面反射辐射信号产生的,很容易覆盖地表产生的相对较弱的自然热发射辐射信号,使得星载被动微波传感器接收的信息不能真实地反映地表状况.如果不能准确地将其识别和剔除,往往导致较大的反演误差,降低遥感数据反演产品的质量,从而显著降低现有以及将来的被动微波资料的利用率.本文从目前常用的干扰识别方法,包括谱差法、平均值和标准差法、多通道回归法、主分量分析法和一维变分反演收敛度量识别法等等,回顾了识别星载微波辐射计数据中RFI信号的研究进程及其研究中存在的问题,并对这些方法的优、缺点分别进行了评价,阐述了存在的问题.最后对星载微波资料RFI识别的研究做出展望,指出今后应进一步完善RFI信号的识别方法,开发RFI信号的订正算法,将其应用到卫星遥感数据的产品反演与同化过程中,并获取可靠的陆面、洋面RFI源分布和分类信息,更好地评估多种识别方法的可靠性、准确性和适用性.     

一个针对被动微波AMSR-E数据反演地表温度的物理统计算法

用MODIS的地表温度产品和AMSR-E不同通道之间的亮度温度回归分析表明用89GHzV 做地表温度反演主通道的精度最高. 用AIEM模型模拟表明, 土壤粗糙度和土壤水分变化引起土壤辐射率变化可以通过不同极化波段的差值得到有效的消除, 从而克服了被动微波反演地表温度中辐射率不稳定的困难. 通过回归系数分析表明, 不同的地表覆盖类型的辐射机制是不同的. 要精确地反演地表温度, 至少对地表分成三种覆盖类型, 即水覆盖的地表、雪覆盖的地表以及非雪和水覆盖的地表. 以MODIS地表温度产品作为评价标准, 物理统计方法的平均精度在2~3℃.     

MODIS陆地气溶胶遥感反演--利用TERRA和AQUA双星MODIS数据协同反演算法

利用卫星数据遥感陆地气溶胶一直是国际上研究的难点与热点.利用新一代传感器MODIS(中分辨率成像光谱仪)数据,DDV(Dark Dense Vegetation)算法反演陆地气溶胶的分布以及性质已经取得了较好的效果.然而,该算法只适用于诸如水体、浓密植被等较低地表反射率区域,大大限制了该算法的实际应用范围,尤其是无法应用于城市等亮地表区域气溶胶的遥感反演.文中提出了基于利用TERRA和AQUA双星MODIS数据的协同反演模型算法(SYNTAM-Synergy of Terra and Aqua MODIS),用以反演陆地气溶胶的光学厚度等信息.该算法实现了地表反射率与气溶胶光学厚度的同时反演,可应用于各种地表反射率类型,包括城市等亮地表区域.通过与国际AERONET的地面观测数据对比做初步的反演验证,结果表明,该算法具有较高的精度,进一步的验证工作还在继续.     

基于FY-3B/MWRI数据的青藏高原地区地表发射率反演

以青藏高原地区为研究区域,利用FY-3B/MWRI(Microwave Radiation Imager)一级亮温数据和NCEP(the National Centers for Environmental Prediction) FNL(Final)全球业务分析资料,通过简化的微波辐射传输方程反演了晴空大气条件下的地表微波发射率.进而根据IGBP(International Geosphere-Biosphere Program)陆表覆盖分类数据,进一步分析了青藏高原地区微波地表发射率的频谱和空间分布特征,并分析了反演误差的来源.结果表明:青藏高原地区微波地表发射率的空间分布、频谱特征都与地表覆盖类型分布特征高度吻合,呈现出西北部地表发射率极化差异大,东南部极化异差小的分布特征.本研究中地表发射率的反演误差主要来自降水像元判别方案、再分析资料的时空匹配.还需要进一步研究定量误差,以期提高反演精度,进而建立长时间序列的地表发射率数据库,为青藏高原地球物理参数的遥感反演提供数据支持.     

MODIS陆地气溶胶遥感反演

利用卫星数据遥感陆地气溶胶一直是国际上研究的难点与热点. 利用新一代传感器MODIS(中分辨率成像光谱仪)数据, DDV(Dark Dense Vegetation)算法反演陆地气溶胶的分布以及性质已经取得了较好的效果. 然而, 该算法只适用于诸如水体、浓密植被等较低地表反射率区域, 大大限制了该算法的实际应用范围, 尤其是无法应用于城市等亮地表区域气溶胶的遥感反演. 文中提出了基于利用TERRA和AQUA双星MODIS数据的协同反演模型算法(SYNTAM-Synergy of Terra and Aqua MODIS), 用以反演陆地气溶胶的光学厚度等信息. 该算法实现了地表反射率与气溶胶光学厚度的同时反演, 可应用于各种地表反射率类型, 包括城市等亮地表区域. 通过与国际AERONET的地面观测数据对比做初步的反演验证, 结果表明, 该算法具有较高的精度, 进一步的验证工作还在继续.     

基于AMSR2数据的青藏高原地表温度反演

将青藏高原大致分为北部、西部和东部三个部分,利用2017年7月的AMSR2(Advanced Microwave Scanning Radiometer 2,即先进的微波扫描辐射计2)的一级亮温数据,结合NCEP(the National Centers for Environmental Prediction,即美国国家环境预报中心)FNL(Final)全球地表温度产品以及FY-3B(风云三号B星)上的MWRI(Microwave Radiation Imager,即微波成像仪)数据中的地表覆盖类型数据,通过AMSR2单通道亮温数据和NCEP/FNL表面温度产品得到了研究区域地表温度反演的经验算法,进而得到多通道反演算法.并且,对比了两种反演结果,并比较了对地表覆盖进行分类前后的多通道反演结果.结果表明:多通道反演结果和NCEP/FNL产品的相关系数远大于单通道反演结果,多通道反演结果的均方根误差比单通道反演结果小1～2 K;对地表覆盖进行分类后的多通道反演精度比不分类时的反演精度略高;降轨的反演结果普遍比升轨的反演效果好.     

ASAR和TM数据协同反演植被覆盖地表土壤水分的新方法

考虑到主动微波和被动光学遥感数据反映地表土壤水分的各自优势,提出一种ASAR数据和TM数据协同反演植被覆盖土壤水分的半经验耦合模型.该模型通过简化MIMICS模型,将研究对象分为植被冠层和土壤层两部分,模拟了冠层叶片含水量与单位体积内植被消光系数,后向/双向散射系数的经验关系,减少了模型的输入参数,使模型最关键的输入参数为光学易于反演的叶面积指数LAI.LAI采用PROSAIL模型进行反演,实现微波和光学模型的耦合,并引入植被均方根高度（Sveg）来修正冠层重叠造成的雷达阴影效应,然后对半经验模型的系数进行了参数敏感性分析,发现在LAI较小时（LAI≤3）,模型更为适用.最后,选用甘肃黑河试验区的TM,ASAR数据,利用耦合模型生成了研究区土壤水分布图,并利用地面实测数据对该耦合模型和MIMICS模型进行比较验证.结果表明：通过对雷达阴影效应的校正,该模型反演的地表土壤水分与实测值的平均相对误差Er从17.6%减小到10.4%,RMS从0.055降低到0.031g/cm3.同时,耦合模型的反演效果明显好于MIMICS模型单独反演的结果（Er=22.7%,RMS=0.068g/cm3）;表明在LAI较小的区域,该主被动遥感耦合模型能有效的反演土壤水分,取得较好的反演精度.     

高光谱遥感数据的改正暗目标大气校正方法研究

高光谱遥感数据常用的大气校正方法均侧重于去除水汽及其他吸收气体的影响, 主要研究了从高光谱影像同时去除气溶胶与水汽影响的方法. 由于高光谱遥感数据波段众多, 常规暗目标方法一直难以适用于高光谱遥感数据的大气校正. 通过选取小麦作为新的暗目标对象, 着重讨论了使用多波段线性回归与插值的方法对常规暗目标方法进行改正使之充分利用高光谱的众多波段特性, 从而把改进的暗目标方法扩展应用于高光谱遥感数据的大气校正. 为了同时去除大气中水汽的影响, 大气校正全过程采用了循环迭代的算法. 以山东济宁地区EO-1卫星搭载的Hyperion高光谱数据为应用实例, 通过使用MODTRAN建立的查找表直接从影像估算出气溶胶与水汽含量, 实现了对该数据的大气校正. 大气校正的结果表明, 改正暗目标大气校正算法可以有效地对高光谱遥感数据进行大气校正.     

BRD和DOAS SO_2总量遥感反演算法的比对

大气中SO_2是一种对城市大气环境变化和全球辐射能量平衡有着重要影响的痕量气体.BRD(Band Residual Difference Algorithm)和DOAS(Differential Optical Absorption Spectroscopy)算法是两种主要的SO_2总量遥感反演算法,分别被用于美国和欧洲不同卫星载荷数据的SO_2反演.然而,目前缺少两种算法在相同观测条件下SO_2反演的精度比较及不确定性分析、在物理数学反演机制上的差异追因.因此,本文基于相同的仿真模拟数据和卫星紫外辐射观测数据,反演获得不同大气状况下的BRD和DOAS SO_2总量并进行精度比较验证.从算法反演通道、O_3吸收、气溶胶、地表反射率和观测角度影响等方面,讨论分析BRD和DOAS反演结果差异及反演误差的原因.结果表明,在低浓度SO_2情况下,BRD反演SO_2总量更接近于正演输入SO_2总量,DOAS反演结果存在高估,但相对于BRD算法,DOAS算法长时间序列卫星反演结果更能表现出SO_2的季节变化特征;在高浓度SO_2情况下,BRD(310.8~314.4nm)和DOAS(315~327nm)反演结果的绝对值差异明显且存在低估,BRD(310.8~314.4nm)SO_2反演值及反演精度都低于DOAS(315~327nm)反演结果.基于高光谱分辨率大气辐射传输模型SCIATRAN的反演不确定性分析结果显示,反演通道选择、紫外O_3吸收、气溶胶、地表反射率和观测角度对SO_2总量反演精度的影响较大.本研究对于SO_2卫星遥感反演算法的改进及SO_2反演产品的应用具有重要的科学意义,也可促进中国未来大气成分SO_2卫星遥感产品的研发.     

改进的基于订正ALPHA差值谱的TES算法

与可见光遥感不同, 热红外传感器测得的辐射亮度值是温度和发射率的函数, 因此, 对于热红外遥感, 温度和发射率的分离是一个关键问题. 热红外地表温度反演需要考虑的另一个问题是地表反射的大气下行辐射订正, 由于该项与地表发射率紧密联系在一起, 在地表发射率未知的情况下, 该项很难消去. 研究从普朗克方程的维恩近似出发, 引入Li和Becker等提出的大气下行辐射修正项, 以此为基础, 推导出与温度无关的改进ALPHA差值谱, 并进一步提出消除维恩近似影响的修正项. 在上述工作基础上, 借鉴ALPHA导出发射率法和ASTER TES算法的优点, 提出改进的基于订正ALPHA差值谱的TES算法(ICADS TES). 由于算法采用多光谱反演技术, 并且算法中包含波段差值、比值操作, 因而可以部分消除大气、仪器噪声等的影响, 具有良好的抗干扰能力. 采用不同大气条件、下垫面类型、地表温度组合的数值模拟实验表明, 算法具有很宽的适用范围和稳定性, 反演的温度精度一般在0~1.5 K之间, 平均发射率精度在0~0.015之间. 算法反演温度产品与ASTER数据下载中心 (Earth Observing System Data Gateway, EDG)提供的地表温度产品相比, 相关性非常好, 相关系数接近1.0, 产品直方图分布基本一致. 与现有发射率温度分离算法相比, ICADS TES算法的优点是适用的温度和下垫面范围宽, 不需要诸如地表分类、发射率方向性等先验信息支持, 计算结果不受参数设置影响, 更为客观. 由于该算法不需要下垫面类型先验信息支持, 可以避免其他算法中出现的因地表误分类、混合像元等问题引起的反演误差. 与作者此前提出的基于订正ALPHA差值谱的TES算法(CADS TES)相比, 算法考虑了大气下行辐射的影响, 在大气辐射特性已知的条件下, 可以获得更好的反演结果.     

AMSR-E低频亮温数据空间分辨率提高以及不同波段亮温数据组合应用时分辨率匹配的算法

和光学遥感相比,被动微波遥感以微波特有的性质获得了越来越广泛的应用,但是同时也面临着很多问题.其中,几十公里量级的低空间分辨率,以及多波段组合应用时,各个波段不同空间分辨率的数据如何进行分辨率匹配,是两个亟待解决的问题.本文利用Backus-Gilbert方法,以AMSR-E的亮温数据为研究对象,尝试解决这两个问题.首先,对Backus-Gilbert方法进行了理论推导,然后利用模拟数据分别在分辨率提高和不同波段分辨率匹配问题上进行参数选取,选取了最优参数以后,利用AMSR-E数据进行实例计算.以墨西哥湾和亚马逊河流域为例进行了分辨率提高的应用和验证.结果显示,经过处理以后,和原始数据相比,增添了很多细节,而且这些细节和可见光图像以及AMSR-E高分辨的高频图像是一致的.关于分辨率匹配,以Shi等最近提出的微波指数为例,计算了用普通的重采样进行分辨率匹配的微波指数以及用Backus-Gilbert方法进行分辨率匹配的微波指数.对比分析表明新算法的结果比原始结果更具有可信性.     

基于半分析模型的波段最优化组合反演混浊太湖水体叶绿素a

内陆水体叶绿素a浓度定量反演是水质遥感的热点与难点.本文基于对内陆水体叶绿素a、悬浮物、溶解有机物与水分子的光谱特征分析,从半分析生物光学模型出发,利用太湖实测的水面 ASD 高光谱遥感数据三波段组合,进行迭代优化,得到与叶绿素浓度密切相关而受悬浮物与黄色物质影响小的最优波段组合模型,反演精度较高,其决定系数和均方根误差分别为 0.8358、3.816mg/m3,该方法可以有效地反演高浓度悬浮物主导光学特性的水体叶绿素a浓度.     

利用全极化微波辐射计资料反演台风境内海面风场

作为一种新兴的被动遥感技术,全极化微波辐射计不仅可以提供海面风速产品,还可以提供海面风向产品.以往利用全极化微波辐射计观测亮温进行海面风场反演仅在晴空条件下进行,本文通过对观测亮温结合台风区域海面风场的分布特征进行分析,验证了全极化微波辐射计具有在台风等恶劣天气条件下进行海面风场观测的能力.基于敏感性分析实验,确定使用6.8 GHz和10.7 GHz等低频通道组合可进行台风区域内海面风场反演.其中,海面风速反演使用基于统计的多元线性回归算法,同时对海面温度、大气水汽含量、云中液态水含量及降水强度等物理量进行反演计算,为海面风向反演做准备.海面风向反演使用物理统计法进行,借鉴散射计风向反演使用的最大似然估计法.通过在全极化辐射传输前向模型中加入降水对大气透过率的影响、设计第三和第四Stokes通道亮温环境影响修正函数,在实现台风区域内海面风向反演的同时减小了反演误差.通过对“云娜”台风境内海面风场进行数值计算,验证了本文反演算法的可行性,并对反演误差的空间分布特征进行了分析.将2004年各台风过程的海面风场反演结果与散射计风场产品进行对比,海面风速和海面风向反演的均方根误差分别为1.64 m·s^-1和18.02°.     

卫星遥感微波地表发射率研究综述

在大气参数反演、卫星资料同化及微波降雨算法等研究领域均需要全球尺度上较为精确的微波地表发射率数据的支持,而微波地表发射率目前难以精确的获取.鉴于此,本文介绍了三种主要的微波地表发射率估算方法,并从卫星遥感的角度阐述当前微波地表发射率的估算、应用现状及存在的问题,最后对微波地表发射率的研究做出展望.     

地表温度映震异常与植被覆盖度间的相关性

基于乌兰浩特地震台监测区域的遥感影像，使用最大似然分类算法对影像进行6种地表物的分类，采用辐射传输方程算法进行地表温度的定量反演，根据影像提取的植被覆盖度，总结研究区域地表温度异常、植被覆盖度与地震间的相关性。     

利用ENVISAT/AATSR资料反演黄土高原陇东地区地表温度

由于ENVISAT/AATSR资料不同角度热辐射亮度值之间存在较高的相关性从而导致较大误差的产生,本文尝试避开这种误差源,只选取天底观测数据对黄土高原陇东地区整层大气水汽含量及地表温度进行反演.与MODIS整层大气水汽含量产品对比验证表明,本文结果与MODIS产品有一定差异,但是可以直接用于大气透过率的估算.结合野外观测数据对地表温度反演结果的检验表明,最大绝对误差为4.0 ℃,平均相对误差为5.0％,因此,该算法在黄土高原陇东地区应用比较成功.     

新型Landsat8卫星影像的反射率和地表温度反演

Landsat 8卫星自2013年2月发射以来,其影像的定标参数经过了不断调整和完善,针对Landsat 8开发的各种算法也相继问世.本文采用最新的参数、算法和引入COST算法建立的大气校正模型,对Landsat 8多光谱和热红外波段进行了处理,反演出它们的反射率和地表温度,并与同日的Landsat 7数据和实测地表温度数据进行了对比.结果表明,现有Landsat 8多光谱数据的定标参数和大气顶部反射率反演算法已有很高的精度,本文引入COST算法建立的Landsat 8大气校正模型也与Landsat 7的COST模型所获得的结果几乎相同,相关系数可高达0.99.但是现有针对Landsat 8提出的地表温度反演算法仍不理想,已提出的劈窗算法误差都较大.鉴于TIRS 11热红外波段的定标参数仍不理想,因此在现阶段建议采用单通道算法单独反演TIRS 10波段来求算地表温度,但要注意根据大气水汽含量的情况选用正确的大气参数计算公式.