高光谱热红外星上辐亮度图像模拟及初步应用

基于卫星数据的热红外图像模拟可以为热红外大气校正、地表温度和发射率反演和前期验证提供数据支撑,同时也可以为热红外传感器的波段设置和优化提供参考。热红外图像模拟是进行热红外定量遥感研究的有效手段。本研究利用Terra星上搭载的ASTER（Advanced Spaceborne Thermal Emission and Reflection Radiometer）遥感数据所反演得到的地表温度和发射率产品,基于高光谱辐射传输模型,模拟8—14 μm（714—1250 cm^-1）,波谱分辨率为0.25 cm^-1的星上TOA（Top of Atmosphere）高光谱热红外成像模拟数据。在此基础上,结合高光谱热红外图像数据的特点,实现了温度和发射率分离算法,以及对比了不同的基于图像的大气校正算法。结果显示,本文提出的热红外图像模拟方法可行,能够为评价不同的大气校正、温度和发射率分离算法提供有效的数据支撑。     

高光谱红外传感器在轨光谱定标

高光谱红外传感器高精度在轨光谱定标是红外遥感定量反演及应用的重要前提。本文针对大气红外探测仪AIRS（Atmospheric Infrared Sounder）的观测数据,分析传感器等效入瞳亮温与大气透过率光谱中的吸收线特征,基于NODD和包络线去除的光谱归一化处理,融合多种光谱匹配算法构建非线性代价函数,提出了一种无需地表实测数据支持的高光谱红外传感器光谱定标方法。与JPL官方定标结果相比,中心频率定标精度优于0.0154 cm^-1,中心频率及半峰全宽的偏移量分别在±0.02 cm^-1及±0.1 cm^-1以内,相对偏移量分别在0.2%—1.9%与0.5%—12.0%。最后,本文详细分析了大气上行辐射、下垫面类型及空间采样点数量对定标算法的影响。     

基于FY-3B/MWRI数据的裸土区土壤湿度反演

使用高级积分方程模型,模拟多个地表参数条件下的风云三号B星微波成像仪(FY-3B/MWRI)资料。基于模拟数据,分析地表微波辐射特性,利用粗糙地表发射率Qp模型,建立我国西部地区裸露地表土壤湿度反演模型。将该模型用于我国西部地区4个日期(2011年10月8日、10月18日、10月28日和11月8日)的土壤湿度反演,并将反演结果用实测数据进行交叉验证。结果表明:反演土壤湿度与实测土壤湿度的决策系数R2为0.604,均方根误差为0.030 5 cm3/cm3,反演模型具有较高的反演精度。     

粗糙度对被动微波遥感反演土壤水分影响的试验研究

土壤水分是气象预报、农情监测及水文模型的重要参数之一,利用被动微波遥感技术可以有效获取土壤水分。本文分析被动微波遥感反演土壤水分的国内外研究现状,在前人相关理论与方法的研究基础之上,基于土壤的微波辐射特性,通过双波段(C、Ku)微波辐射计对不同水分、不同表面粗糙度的土壤微波辐射特性进行了试验研究,分析土壤湿度与微波发射率、土壤粗糙度与微波遥感指数之间的定量关系,并建立了土壤湿度与微波发射率、粗糙度与微波遥感指数间的经验模型。     

联合星载高光谱影像和堆栈集成学习回归算法的红树林冠层叶绿素含量遥感反演

红树林是世界上生产力最高、价值最高的湿地生态系统之一。冠层叶绿素含量CCC（Canopy Chlorophyll Content）作为红树林重要的生物物理参量,是估算其生产力和评价其健康状况的重要指标。本文利用珠海一号高光谱卫星（OHS）影像与Sentinel-2A多光谱数据计算传统植被指数与组合植被指数并构建了高维数据集,综合利用正态分布检验、最大相关系数法与变量重要性评价进行数据降维和变量优选;分别基于单一线性回归算法、机器学习回归算法和堆栈集成学习回归算法构建了红树林CCC遥感反演模型,探明北部湾红树林CCC的最佳遥感反演模型,验证OHS高光谱影像与Sentinel-2A数据反演红树林CCC的精度差异,评估SNAP-SL2P算法反演红树林CCC的适用性。研究结果表明：（1）通过数据降维和变量选择处理,从高维度OHS数据集选取了8个特征变量,其中RSI_（12,17）、DSI_（12,18）和NDSI_（6,12）组合植被指数对红树林CCC反演精度的贡献率较高;（2）联合OHS数据和最优堆栈GBRT集成学习回归模型（Score=0.999,RMSE=0.963 μg/cm²）的训练精度优于最优RF机器学习回归模型（RMSE降低了7.531 μg/cm²）,明显优于最优Lasso线性回归模型（RMSE降低了19.383 μg/cm²）;（3）在最优堆栈集成学习回归模型下,OHS数据反演红树林CCC的精度（R²=0.761,RMSE=16.738 μg/cm²）高于Sentinel-2A影像（R²=0.615,RMSE=20.701 μg/cm²）;（4）联合OHS和Sentinel-2A数据的最优堆栈集成学习回归模型反演红树林CCC的精度都明显优于SNAP-SL2P算法（R²=0.356,RMSE=49.419 μg/cm²）。研究结果论证了正态分布检验、最大相关系数法和基于XGBoost的特征选择方法有效降低了高维数据集的维度,并得到了最优特征变量;OHS数据的最优堆栈GBRT集成学习回归模型训练精度最高,是估算红树林CCC的最优反演模型;OHS和Sentinel-2A数据都能有效反演红树林CCC（R²均大于0.61）,而OHS数据的估算精度更高（R²大于0.75）;SNAP-SL2P算法不能有效反演红树林CCC（R²小于0.4）,且对红树林CCC数值存在系统性低估。     

热红外核驱动模型在垄行植被热辐射方向性特征拟合中的精度分析

垄行种植是果园及农作物的常见种植结构,其冠层比连续和离散植被冠层具有更强的热辐射各向异性,开展垄行植被冠层的热辐射方向性校正对干旱监测等应用具有重要意义。热红外核驱动模型是热辐射方向性校正的基础,但现有核驱动模型在垄行植被冠层中的拟合精度未被讨论过。本文以在法国波尔多获取的两组不同朝向葡萄园冠层航空实测方向性特征为基础,对比分析了现有8个模型的拟合精度（含隶属可见光近红外核驱动建模扩展框架的Ross-Li、LSF-Li模型及隶属热红外核驱动建模通用框架的Vinnikov、RL、Vinnikov-RL、Vinnikov-Chen、LSF-RL、LSF-Chen模型）,结果表明现有模型均无法拟合出垄行植被的行效应特征,精度整体较低（RMSE高达2 K,R²低于0.7）且各个模型之间的拟合能力差异小,现有热红外核驱动模型均不适用于垄行植被冠层,有待在核驱动建模通用框架下发展可刻画垄行特征的新核。     

光学与微波植被指数协同反演农作物叶面积指数的可行性分析

光学遥感是目前反演植被叶面积指数LAI（Leaf Area Index）的主要手段,但是当叶面积指数较大时存在光学遥感信息饱和、反演精度显著降低的问题。叶面积指数和平均叶倾角对光学、微波波段范围内反射和散射特性都有重要影响,主要表现在植被结构参数的变化可以引起冠层孔隙率和消光截面大小的改变。本文以典型农作物玉米为例,通过构建统一的PROSAIL和MIMICS模型输入参数,生成一套玉米全生长期光学二向反射率和全极化微波后向散射系数模拟库和冠层参数库。通过对模拟数据与LAI敏感性和相关性分析得出：（1）光学植被指数MNDVI_{(800 nm,2000 nm)},在LAI为0—3时敏感,基于MNDVI与LAI的回归模型可以估算LAI变化 0.4的情况,RMSE是0.33,R²是0.958。（2）微波植被指数SAR_{SRVI(1.4 GHz HH,9.6 GHz HV)},在LAI为3—6时敏感,基于SAR_SRVI与LAI的回归模型可以估算LAI变化1的情况,RMSE为0.22,R²是0.9839。研究表明,采用分段敏感的植被指数,协同光学和微波遥感反演玉米全生长期叶面积指数是可行的。     

全球海洋次表层温度异常遥感反演的季节时空变化特征

卫星遥感反演海洋内部多时相、大尺度热力结构信息对于了解海洋内部复杂、多维的动力过程有重要意义。本文采用随机森林回归模型，利用卫星遥感观测的海表参量（海表高度异常（SSHA）、海表温度异常（SSTA）、海表盐度异常（SSSA）和海表风场异常（SSWA）），反演不同季节、不同深度层位（1000 m深度以上）的海洋次表层温度异常（STA），并用Argo实测数据作精度验证，采用均方根误差（RMSE）、归一化均方根误差（NRMSE）以及决定系数（R²）评价模型在全球及洋盆尺度上的反演精度。结果显示，全球海洋16个深度层位的平均R²在春、夏、秋、冬四季分别为0.53、0.60、0.54、0.66，NRMSE分别为0.051、0.031、0.043、0.044。随着季节的变化，模型反演性能有所波动。模型在印度洋的反演效果最佳，不同季节、不同深度层位上的平均R²和RMSE分别为0.71和0.18 ℃，而大西洋的反演精度最低，平均R²和RMSE分别为0.46和0.25 ℃。研究表明随机森林模型适用于全球不同季节的STA遥感反演，且在不同洋盆上均有较好的反演效果；不同季节上，上层STA有明显变化信号，空间异质性显著，但300 m以深，STA信号较弱且基本不随季节变化。本研究可为长时序、大尺度海洋内部参量信息遥感反演与重建提供依据，有助于进一步发展深海遥感方法。     

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.     

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。     

光学与微波数据协同反演农田区土壤水分

光学和微波协同遥感反演对于提高农田土壤水分遥感反演精度十分重要。本文采用SMEX02数据集,研究了L波段土壤发射率与地表土壤水分之间的关系,分析了地面植被覆盖对L波段土壤发射率与地表水分之关系的影响规律,推导了以L波段土壤发射率和归一化植被指数NDVI为自变量的土壤水分反演模型。研究表明:L波段土壤发射率与地表土壤水分之间的相关性随NDVI的增加而下降。验证结果表明,本文算法相对常规经验算法,土壤水分反演精度明显提高,H极化条件下,土壤水分的反演精度RMSE由0.0553提高到0.0407,相关系数R2由0.70提高到0.81;V极化条件下,反演精度RMSE由0.0452提高到0.0348,相关系数R2由0.79提高到0.86。     

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。     

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。     

用被动微波AMSR数据反演地表温度及发射率的方法研究

 针对对地观测卫星多传感器的特点，提出了借助MODIS地表温度产品从被动微波数据中反演地表温度的方法。即利用MODIS地表温度产品和AMSR不同通道之间的亮度温度，建立地表温度的反演方程。该方法克服了以往需要测量同步数据的困难，为不同传感器之间的参数反演相互校正和综合利用多传感器的数据提供实际应用和理论依据。文中以MODIS地表温度产品作为评价标准，对方法进行检验，其平均误差为2~3℃。另外，微波的发射率是土壤水分反演的关键参数，在对微波地表温度反演的基础上，进一步对发射率进行了研究。     

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。     

植被层对被动微波遥感土壤水分反演影响的研究

在很多对土壤水分被动微波遥感的研究中 ,为简单起见 ,覆盖的植被层使用了一种简单的模型来表征其散射和衰减特性。本文中使用了一种基于辐射传输理论的离散模型来研究植被的发射率、传输率。这种方法可以更加真实地刻划组成植被的散射个体如叶、茎、树枝、树干等对这两个参数的影响 ,因而能更准确地描述植被对下垫面的影响。为了减少土壤水分反演算法中未知量的数目 ,该文给出了这两个参数的模拟结果分别在AMSR E三种不同频率下的简单关系。     

Remote detection of bare soil moisture using a surface-temperature-based soil evaporation transfer coefficient

An approach for estimating soil moisture is presented and tested by using surface-temperature-based soil evaporation transfer coefficient (h_a), a coefficient recently proposed through the equation h_a = (T_s − T_a)/(T_sd − T_a), where T_s, T_sd, and T_a are land surface temperature (LST), reference soil (dry soil without evaporation) surface temperature, and air temperature respectively. Our analysis and controllable experiment indicated that h_a closely related to soil moisture, and therefore, a relationship between field soil moisture and h_a could be developed for soil moisture estimation. Field experiments were carried out to test the relationship between h_a and soil moisture. Time series Aqua-MODIS images were acquired between 11 Sep. 2006 and 1 Nov. 2007. Then, MODIS derived h_a and simultaneous measured soil moisture for different soil depths were used to establish the relations between the two variables. Results showed that there was a logarithmic relationship between soil moisture and h_a (P < 0.01). These logarithmic models were further validated by introducing another ground-truth data gathered from 46 meteorological stations in Hebei Province. Good agreement was observed between the measured and estimated soil moisture with RMSE of 0.0374 cm³/cm³ and 0.0503 cm³/cm³ for surface energy balance method at two soil depths (10 cm and 20 cm), with RMSE of 0.0467 cm³/cm³ and 0.0581 cm³/cm³ for maximum temperature method at two soil depths. For vegetated surfaces, the ratio of h_a and NDVI suggested to be considered. The proposed approach has a great potential for soil moisture and drought evaluation by remote sensing.     

微波兰被动遥感相关特性的数值模拟和实验对比

本文采用一层具有粗糙界面的连续随机介质模型，计算双站散射系数和后向散射系数，由互易性定理计算热发射率。数值模拟了植被在整个生长过程中后向散射和热发射的变化，以及它们的相关特征。理论结果与几种植被的主被动遥感实验数据作了比较和讨论，阐明了微波主被动遥感的一些相关的数值特征。     

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.