TMI被动微波遥感资料用于地表洪涝特征分析试验

星载被动微波遥感资料为云天条件下地表洪涝特征分析提供了可能。微波极化比 (PR)可以有效刻画地表洪涝特征 ,宏观反映地表湿度信息。正演模拟分析结果表明地表粗糙度、地表植被覆盖状况和地表湿度对上行微波亮温有影响 ;TRMM/TMI低频微波通道微波极化比能减弱大气因素的影响 ,清晰反映地表的洪涝特征。合理确定分类阈值 ,对 1 998年长江流域洪涝区进行地表洪涝特征分析 ,可以在TMI像元尺度 ,将洪涝区分类为不同等级。洪涝区分类结果与经过天 -地校验过的机载和星载SAR资料地表洪涝分类实况对比 ,TRMM/TMI低频微波通道微波极化比 1 0GHz的PR1 0和 1 9GHz的PR1 9的分类正确率不低于 75 %。     

利用双极化微波遥感数据反演土壤水分的新方法

提出了一种基于微波双极化数据的土壤水分反演经验模型,该模型引入了新的综合粗糙度参数Rs=S2/L(1/2)来描述地表粗糙状况,将两个粗糙度参数均方根高度S和相关长度L合二为一,因而模型的未知量仅为Rs与法向菲涅尔反射系数Г0。基于AIEM模型数值模拟,建立了后向散射系数与Rs、Г0的经验关系,并利用两个极化的微波数据同时反演得到粗糙度参数Rs和Г0,进而得到地表土壤水分。实测数据表明,该模型反演的土壤水分与地表实测值相关性较高(R2=0.681,RMS=0.043),在土壤水分反演方面具有较大的潜力。     

利用ANFIS方法反演裸土区土壤水分含量

为了更好地进行土壤水分反演,发展了一种基于ALOS/PALSAR数据、利用自适应神经模糊推理系统(adaptive neuro fuzzy inference system,ANFIS)反演土壤水分的方法.首先,根据研究区实际情况,利用AIEM和Oh模型模拟了试验区裸土区的后向散射特性,建立了后向散射系数与地表粗糙度之间的关系;然后,考虑到研究区地表粗糙度几乎没有变化这一情况,设定了地表粗糙度对后向散射系数的影响为常量;在此基础上,分别利用ANFIS,BP神经网络、多元线性回归和多元非线性回归方法构建了裸土区土壤水分的反演模型,并利用野外实测数据对模型进行了验证.研究结果表明,采用ANFIS方法构建的模型反演精度最高,其均方根误差为0.030,相对误差为14.5％.因此,可以利用ANFIS方法反演裸土区的土壤水分含量,其反演结果具有较高的精度.     

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。     

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。     

基于ERS散射计数据的土壤水分反演方法

在全球能量与水循环研究中,地表土壤水分是非常关键的参数之一。ERS散射计因具有观测尺度大、重复周期短等优势而在地表土壤水分监测方面日益受到关注。采用目前最先进的理论模型AIEM(改进的积分方程模型),根据ERS散射计的参数设计模拟出一个涵盖较宽地表粗糙度和介电常数输入范围的数据库,利用这个数据库发展出一个参数化模型。该模型采用了一个综合均方根高度(RMS height)与相关长度(Correlation length)的粗糙度参数,该参数在每个入射角度下都可以用同一个函数来描述,解决了多角度数据情况下粗糙度参数的表达问题。应用新发展的参数化模型进行土壤水分的反演结果表明,该模型具有较高的精度。     

时序双极化SAR开采沉陷区土壤水分估计

开采沉陷地质灾害诱发矿区生态环境恶化的关键因子是土壤水分变化。研究提出了一种利用Sentinel-1A双极化SAR和OLI地表反射率数据联合反演土壤含水量的方法,即基于归一化水体指数(NDWI)反演植被含水量;采用Water-Cloud Model(WCM)模型消除植被对Sentinel-1A后向散射系数产生的影响,将其转化为裸土区的后向散射系数;利用基于AIEM模型和Oh模型建立的经验模型反演研究区地表参数,并用OLI光学反演结果进行验证;最后比较了开采沉陷区内外土壤水分含量。研究表明:(1)与基于OLI的土壤水分监测指数(SMMI)的土壤水分含量反演结果相比,两种极化方式中VH极化反演的水分结果具有更好的一致性,且两种极化方式反演结果也表明荒漠化草原区比黄土丘陵沟壑区反演效果更好,说明地形对后向散射的影响不可忽略。(2)在2016年内72期数据中,VH极化反演结果对比区土壤水分含量大于沉陷区的有41期,所占比例为57%;VV极化反演结果对比区土壤水分含量大于沉陷区的有36期,所占比例为50%,且不同矿区内的沉陷区受到的影响不同。说明开采沉陷造成的地表粗糙度的增加会对地表土壤水分产生负面影响,但不同矿区之间又有差异。     

TRMM/VIRS热红外通道陆地大气可降水汽总量分裂窗反演

大气水汽对全球以及区域气候变化有重要的影响,精确获取水汽数据是非常重要的研究方向。TRMM(热带降雨观测计划)卫星上搭载的VIRS传感器(可见光/红外扫描仪)在降雨观测中应用广泛,但是目前很少有研究将其用于水汽反演。本文尝试使用VIRS的两个红外分裂窗通道(10.8μm和12μm),通过建立改进的方差协方差比值分裂窗方法进行水汽反演。首先对TRMM/VIRS数据和方差协方差比值法进行了介绍,接着针对VIRS数据特点,利用MODTRAN辐射传输模式和探空大气廓线数据模拟回归了大气透过率和水汽的定量关系,最后利用VIRS遥感数据开展了水汽反演试验。由于红外波段分裂窗水汽反演算法只适合于晴空条件下,因此在云雨识别的时候,为了保证时空一致性,采用TRMM提供的基于微波成像仪TMI的云中液态水信息来对晴空与否进行判断。水汽反演结果首先与地基GPS大气水汽观测值进行了比较,均方根误差为5.76 mm;其次和MODIS卫星水汽反演结果进行了面状对比,二者显示出了高度的区域一致性。验证结果表明,TRMM/VIRS的水汽反演结果精度较高,具有进行业务化推广的潜力,丰富了水汽数据的来源,同时也对利用风云系列卫星传感器数据进行热红外通道的水汽反演具有借鉴意义。     

利用TRMM／TMI资料提取地表层湿度信息试验

模拟分析了地表层湿度反演过程中地表及大气各种因素(卫星扫描角、地表粗糙度、地表植被覆盖和大气)对反演结果的影响情况;应用正演模拟技术得到了利用TMI低频10GHz通道微波极化比反演地表层湿度信息时,斜率和截距随像元植被覆盖度可调的反演方程;确定了反演方程中斜率、截距系数随像元植被覆盖度变化的对数关系和线性关系;反演技术中综合应用了多种途径获取到的被动微波像元中动态的植被覆盖信息;尝试了将这些因子用于地表层湿度反演的可行性;对于反演结果,研究工作中利用地表HUBEX外场观测资料进行了对比分析,得到了空间分布特征和时间演变趋势比较一致的对比分析结果。     

3维成像微波高度计风速反演

随着航天技术的发展和新型微波载荷的发射(如3维成像高度计),越来越多的小入射角海洋观测雷达将投入运行,如何有效地利用这些小入射角的后向散射数据成为研究的热点课题。利用TRMM(Tropical Rainfall Measuring Mission)的PR(Precipitation Radar)后向散射系数NRCS(Normalized Radar Cross Section)数据对小入射角情况下的海面风速反演方法和风速反演精度进行研究,并对风速反演性能进行统计分析。基于无雨条件下的PR海面后向散射数据,建立小入射角情况下的风速反演算法和经验的GMF模型。风速反演结果分别与浮标、ASCAT进行交叉比对。结果表明:反演风速的偏差小于0.28 m/s,标准差小于1.51 m/s;在中等风速条件下,反演风速的偏差和标准差均小于低风速条件和高风速条件;0°—8°入射角范围内的风速反演精度明显优于8°—12°入射角范围的风速反演精度。