被动微波遥感观测资料干扰对地表参数反演的影响分析

以东亚陆地为研究区,利用2011年7月1—16日AMSR-E(advanced microwave scanning radiometer-earth observing system)二级亮温数据,采用一维变分反演收敛度量识别法对研究区的无线电频率干扰(radio-frequency interference,RFI)进行识别,并进一步分析了该干扰对星载被动微波数据反演地表参数的影响。研究表明,在东亚地区,AMSR-E C波段和X波段都普遍存在RFI,大多出现在工业区、科研中心、人口密集的大城市、机场和高速公路等区域;一般情况下,C波段和X波段的干扰信号分布区域基本不重合;水平和垂直极化通道都有较强的RFI存在,其时间上具有持续性,且不同极化方式下干扰信号的强度因地而异;干扰信号的强度随卫星地球方位角的变化而变化,当星载微波辐射计扫描到某一地球方位角度范围内时这些视场才会受到干扰。研究还发现,用受RFI影响的微波数据反演得到的地表参数值误差较大。因此,在采用被动微波观测数据反演地表参数之前,有必要先有效地检测和剔除RFI。     

FY-3B微波成像仪海洋数据无线电干扰识别

中国风云3号B星(FY-3B)上的微波成像仪MWRI通过5个频率(10.65 GHz,18.7 GHz,23.8 GHz,36.5 GHz和89.0 GHz)的双极化通道对地球表面进行监测。研究表明,MWRI资料的低频波段数据中存在着无线电频率干扰(RFI)现象,这些污染信号对遥感数据和反演产品质量产生极大的影响。本文尝试使用多通道回归方法和双主成分分析(DPCA)方法识别MWRI的10.65 GHz水平通道亮温海洋区域中的RFI信号。结果表明,双主成分分析法可以有效地识别出海洋上的RFI信号。微波成像仪10.65 GHz水平通道亮温数据中的RFI信号主要分布在地中海等欧洲附近海域,也存在于美国、日本、澳大利亚等近岸地区。     

被动微波遥感反演地表发射率研究进展

微波地表发射率是表征地表特征的重要参数,也是反演地表、大气参数的重要条件.相比较物理模型,其模拟计算需要若干输入参数,且相当一部分地表、植被特征参数很难从常规资料中获取,应用星载被动微波辐射计资料可以在更大空间和时间尺度范围内直接反演地表发射率.从目前常用的几种被动微波遥感反演方法(包括经验统计方法、辐射传输方程方法、指数分析方法、神经网络方法、一维变分方法等等)回顾了微波地表发射率反演的国内外研究进展及其研究中存在的问题,并对这些方法的优、缺点进行了评价.最后指出,今后应开发识别和订正直接影响卫星观测值的无线电频率干扰(RFI)算法,改善云、雨检测算法,并且加强微波波段大气辐射传输等过程的机理研究.     

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。     

FY-3B 微波成像仪海表面温度和风速统计反演算法

基于同步的TAO (Tropical Atmosphere Ocean project) 浮标实测数据和FY-3B 微波成像仪(MWRI) 亮温数据,建立了FY-3B MWRI 海表面温度SST(Sea Surface Temperature) 和海面风速SSW(Sea Surface Wind) 统计反演算法,并利用实测数据进行了检验.根据检验结果,FY-3B MWRI 全通道亮温的SST 反演模型均方根误差为0.81 ℃,相关系数为0.77; SSW 反演模型均方根误差为0.91 m/s ,相关系数为0.78 .     

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。     

FY-3B微波成像仪资料的地理定位误差与订正

风云3号B星(FY-3B)上的微波成像仪(MWRI)通过10.65 GHz,18.7 GHz,23.8GHz,36.5 GHz和189.0 GHz5个频率的双极化通道对地球表面进行监测。自卫星发射至今,MWRI资料的地理定位误差还未进行深入研究。为了提高FY-3B MWRI L1级数据地理定位精度,基于海、陆响应的升、降轨亮温差理论NDM(Node Differential Method),通过卫星位置和速度矢量建立卫星姿态模型、采用非线性最优化方法估计卫星姿态偏差,进而对MWRI 89 GHz通道的地理定位误差进行分析与订正。结果表明,2015年1—9月份俯仰、滚动和偏航角度的平均偏差分别为-0.220°,0.068°和0.062°,对应沿轨误差大约3—4 km,跨轨误差小于1 km。定位误差订正后,地中海、澳大利亚区域海岸线附近的升降轨亮温差明显减小;观测亮温在红海和南美洲东南部区域的分布和海岸线更加吻合,定位精度得到明显提高。     

积雪陆表微波观测资料干扰识别方法对比分析

地面无线电干扰对星载微波辐射计资料的影响日益凸显,很大程度上降低了微波反演地表参数的精度。以常年积雪覆盖的南极大陆为研究区域,利用2011年7月1—7日先进微波扫描辐射计(advanced microwave scanning radiometer-earth observing system,AMSR-E)观测资料,采用频谱差法、标准化的主成分分析法(normalized principal component analysis,NPCA)和双主成分分析法(double principal component analysis,DPCA)对研究区域的无线电频率干扰(radio-frequency interference,RFI)进行识别和对比分析。研究发现,对于有积雪覆盖的陆地表面,频谱差法不能准确地检测出RFI信号,NPCA在有冰雪覆盖的海岸线附近会出现误判,而DPCA更适用于所有海冰或积雪覆盖地区的RFI识别,且AMSR-E低频通道较强的RFI信号大多分布在观测站附近。总体而言,水平极化比垂直极化时的RFI信号强,而在部分地区,10. 65 GHz通道的RFI信号在垂直极化方式时较水平极化方式强。     

FY-3C/MWHTS资料反演陆地晴空大气温湿廓线

针对风云三号C星微波湿温探测仪(FY-3C/MWHTS)的陆地晴空观测资料,建立了一维变分反演系统,对大气的温湿廓线进行反演。为了更好地描述温湿廓线的相关性,同时减小温度和湿度在反演过程中相互之间的误差传递,提出了使用背景协方差矩阵的联合矩阵和单独矩阵进行组合反演的方法。对于MWHTS模拟亮温和观测亮温之间的偏差,使用逐扫描点的统计回归方法进行校正。选择中国部分陆地区域的晴空观测亮温进行温湿廓线的反演,并利用欧洲中期天气预报中心(ECMWF)再分析数据、美国国家环境预报中心(NCEP)分析数据以及无线电探空观测(RAOB)数据对反演结果进行验证,温湿廓线的反演结果与ECMWF再分析数据验证的最大均方根误差分别是2.59 K和11.87%,与NCEP分析数据验证的最大均方根误差分别是1.88 K和21.50%,与RAOB数据验证的最大均方根误差分别是3.43 K和25.48%,验证结果表明了反演结果的可靠性。另外与国外同类载荷AMSU观测亮温的物理方法和统计方法反演精度进行了对比,结果表明:MWHTS具有较强的湿度廓线以及高空温度廓线的探测能力,且针对MWHTS的观测亮温建立的一维变分反演系统具有较高的反演精度。与NCEP 6小时预报廓线的验证结果表明:反演的湿度廓线可以提高预报廓线的精度。     

FY-3B/MWRI和Aqua/AMSR-E海冰密集度比较及印证

本文对2011-07-01—2011-09-30风云三号B星(FY-3B)搭载的微波成像仪MWRI(Microwave Radiometer Imager)和Aqua卫星搭载的微波扫描辐射计AMSR-E(Advanced Microwave Scanning Radiometer for Earth Observing System)观测数据获取的海冰密集度产品进行比较及印证。首先,逐日比较FY-3B/MWRI和Aqua/AMSR-E区域平均海冰密集度;其次,逐月比较FY-3B/MWRI和Aqua/AMSR-E月平均海冰密集度;最后,使用Aqua卫星搭载的中等分辨率成像光谱辐射计MODIS数据进行印证。MWRI和AMSR-E比较结果为(1)MWRI与AMSR-E逐日区域平均海冰密集度变化趋势一致,MWRI海冰密集度均高于AMSR-E,7—9月MWRI与AMSR-E逐日平均偏差月平均值分别为8.55%、7.67%、2.58%,逐日标准差月平均值分别为12.16%、12.08%、10.43%,二者差异逐月减小。(2)MWRI与AMSR-E月平均海冰密集度差呈现逐月递减趋势,7—9月MWRI与AMSR-E逐月平均偏差分别为7.37%、6.53%、1.51%,逐月标准差分别为4.61%、4.36%、3.64%,MWRI与AMSR-E差异逐月减小的原因是二者在密集度较低的边缘区域差异较大,而夏季随着边缘区域海冰的融化,二者差异逐渐减小。MWRI和AMSRE海冰密集度与MODIS印证结果为:(1)密集度小于95%情况下,MWRI与AMSR-E海冰密集度均比MODIS偏高,AMSR-E更接近MODIS,MWRI高估,误差较大。(2)密集度大于等于95%情况下,MWRI与AMSR-E海冰密集度均比MODIS偏低,AMSR-E偏低更多,MWRI结果更好。     

基于卫星遥感影像的南昌市城市热岛效应研究

分析了城市热岛效应研究的关键技术，采用了地表发射率对亮度温度进行订正的方法，尽可能地消除地表覆盖等对地表温度反演的影响，利用1989和2000年的LandsatTM／ETM＋数据，实现了南昌市城区及其周边区域的城市热岛效应的评价。     

HJ-1卫星数据估算地表能量平衡

利用遥感数据估算和监测地表能量平衡的研究和应用一直以来都是学术探索的前沿和焦点,目前针对国际主流卫星数据(如MODIS,Landsat TM等)的算法研究有很多,且在不同的尺度上发展了一系列遥感技术和应用方法。本文以环境一号卫星(HJ-1)数据为主要数据源,研究和分析了地表能量平衡遥感估算方法。在下行短波和长波辐射,以及地表净辐射估算的基础上,重点研究了地表显热和潜热通量(蒸散)的估算方法,针对辐射温度代替空气动力学温度所引起的误差校正,对比分析了基于KB-1系数的热力学粗糙度长度,以及附加阻抗两种方法。使用2010年HJ-1B数据反演得到海河流域地表能量平衡各分量瞬时值,利用3个地面站点的测量数据对反演结果进行验证和误差分析。结果表明下行短波辐射的反演误差是地表净辐射反演误差的主要来源,地表温度的反演精度以及地表粗糙度的模拟精度是影响显热通量反演精度的主要因素。利用两种方法估算的显热通量趋势基本一致,但KB-1系数法的反演结果一般低于附加阻抗法。在下垫面较为复杂的区域,模型结果误差较大,需要更加精细的模型以刻画地表非均匀性的影响。     

HJ-1B热红外LST反演及利用偏微分对其误差精度分析

针对HJ-1B热红外波段特点,采用修正型QKB算法,反演广州市2013-01-14的地表温度(land surface temperature,LST)。建立偏微分方程得出,当辐射率误差为0.01时,引起的LST误差约为0.6K,LST误差与大气透过率成反比,与大气透过率误差成正比,0.1的透过率误差引起LST误差约1K。大气水汽含量w误差与LST误差成线性关系,当大气水汽含量误差为0.1g/cm2时,引起LST误差约为0.2K。LST反演误差与近地表气温误差和大气平均作用温度误差均成正比,1K的近地表气温误差引起LST反演误差约1K。总的来说,LST反演误差与区间比值和大气平均作用温度误差和近地表气温误差相关。用算法反演出来的广州市地表温度与MOD11_L2温度产品具有较强的空间一致性,温度差值曲线呈正态分布,主要集中在-0.9~0.9℃区域,选取广州市6个观测点,得出修正型QKB算法和实测地温平均值相差约为0.31K,MOD11_L2与实测地温的温度平均值相差0.65K,误差均小于1K。通过对修正型QKB算法偏微分方程的推导,可对HJ-1B/IRS中的LST反演进行更细致和精确的分析,为其他针对环境卫星热红外波段类似反演LST的算法提供一定的借鉴,也为后续提高LST反演精度提供科学依据。     

FY-3D/MWRI L1B亮温LST反演与降尺度研究

基于2020年2月1日FY-3C VIRR LST和FY-3D MWRI L1B亮温数据,以18°～54°N,73°～135°E的区域为样例区,利用统计回归模型和层次贝叶斯融合模型,分别进行FY-3D MWRI L1B LST反演和降尺度研究,构建了基于FY-3D单频率水平和垂直极化亮温的LST二元线性回归反演模型及基于FY-3D反演LST和FY-3C VIRR LST的层次贝叶斯融合降尺度模型,并以MYD11A1 day LST为参考数据进行了验证。结果表明:反演统计模型,对于FY-3D降轨数据,平均偏差-1.28 K,误差标准差8.85 K,均方根误差8.85 K,对于FY-3D升轨数据,平均偏差-0.81 K,误差标准差6.74 K,均方根误差6.78 K;层次贝叶斯融合降尺度模型,对于FY-3D降轨数据,平均偏差0.50 K,误差标准差5.45 K,均方根误差5.41 K,对于FY-3D升轨数据,平均偏差0.25 K,误差标准差5.54 K,均方根误差5.54 K,精度满足需求,可以为被动微波LST反演与降尺度提供思路。     

风云三号C星微波成像仪升降轨偏差问题分析及订正

风云三号(FY-3)的微波成像仪(MWRI)能够全天候获取全球大气水汽含量、云雨参数及海面温度等的空间分布,并可为数值天气预报提供初始场信息进而提高天气预报的准确性。但FY-3C MWRI O-B(O是卫星观测亮温,B是数值天气预报模式模拟亮温)偏差结果存在较大升降轨差异,严重制约了遥感信息的正确提取以及在数值天气预报模式中的业务同化应用。本文通过分析定标方程各参数:定标黑体物理温度、热反射镜背瓣亮温、热反射镜物理温度、冷空反射镜物理温度、接收通道温度、黑体观测计数值、冷空观测计数值、定标斜率、定标截距,并对定标方程各项进行敏感性分析,找出了引起MWRI升降轨偏差的主要原因是热反射镜的发射率异常增大引起的。经过不断调整MWRI的热反射镜发射率,使升轨O-B与降轨O-B的概率分布逐渐重合,初步估算了热反射镜发射率。本文的订正方法可指导未来仪器的发展,并为直接同化MWRI辐射数据提供了条件。     

基于FY-2C数据的地表温度反演验证——以黄河源区玛曲为例

地表温度是气候、水文和生态等研究领域的基本参数,在地表水量和能量平衡的研究和应用中发挥着十分重要的作用。强烈的异质性是地表温度反演精度不高的主要原因之一。该文以黄河源区玛曲为研究区,评估FY-2C数据的地表温度反演精度,为将来温度反演算法和产品的进一步发展提供依据。首先,以与FY-2C相同空间分辨率的MODIS地表温度产品(MOD11B1)为地表温度真值,对反演的地表温度进行了验证;然后,利用研究区内20个采样点的土壤温度(5 cm)实测数据对反演结果进行验证。结果表明,FY-2C地表温度与MODIS温度产品具有较好的相关性,相关系数在0.72~0.95之间,均方根误差在0.44~3.87 K之间,平均均方根误差为1.90 K;反演结果和实测数据的相关系数为0.69。     

基于大气温度和水汽含量改进HJ-1B地表温度反演

为了提高地面气象站稀少地区地表温度遥感反演的精度,本文基于多源遥感数据的优势,首先利用MODIS影像获取研究区像元尺度上平均大气水汽含量;然后利用同时相的HJ-1B影像估算区域地表比辐射率,再采用温度-植被指数法获取近地表大气温度;最后将以上3个参数输入单窗体算法,改进其地表温度反演的精度。研究结果表明,改进单窗体算法反演地表温度与地面实测温度的偏差小于1 K,为地面气象站点稀少的植被覆盖区域提供了一种可行的精确遥感反演地表温度方法。     

大气水分含量的空间异质性及其对地表温度反演的影响

大气水分含量是影响单波段热红外地表温度反演的关键因素之一。研究大气水分含量空间异质性对地表温度反演的影响误差有助于单波段热红外数据的合理应用。以MODIS MOD 05_L2产品为数据源,探讨区域大气水分含量的空间异质性及其对Landsat地表温度反演的影响。在推导大气水分含量对地表温度反演误差模型的基础上,针对Landsat5热红外波段,结合不同区域的大气水分含量分布状况,对大气水分含量的空间异质性可能引起的地表温度反演误差进行了模拟计算与对比分析。结果显示,大气水分含量空间异质性对地表温度反演的影响与大气水分含量及其异质性程度有关:当大气水分含量的空间异质性相对较大时,误差值和误差范围都比较大,达到0.5~2℃,相对误差为2%~20%;当大气水分含量空间分布较均匀时,误差值和误差范围为0.1~0.2℃,相对误差为0.5%~2%。可见,对于空间异质性程度较大的区域,区域面上大气参数的获得对地表温度的准确反演具有重要意义。     

利用FY-3B MWRI遥感数据反演南极海冰表面积雪厚度

海冰表面积雪厚度是冰冻圈和全球气候系统的重要组成部分,在海洋、海冰和大气的能量传输中起着关键的作用。针对目前缺乏南极海冰表面积雪厚度国产卫星遥感数据产品的问题,本文探索应用FY-3B MWRI被动微波亮温数据开展南极海冰表面积雪厚度的遥感反演研究。结果表明基于2016年FY-3B MWRI 18.7 GHz、36.5 GHz垂直极化亮温及海冰密集度数据,采用Comiso03模型反演的积雪厚度结果较Markus98更好,与AWI2016年部署在威德尔海的浮标(2016S31、2016S37、2016S40)观测的积雪厚度同日同像元对比的偏差为-1.72 cm。FY-3B MWRI反演的2016年南极海冰表面积雪厚度与美国雪冰数据中心发布的GCOM-W1 AMSR-2积雪厚度产品整体上具有较好的一致性(时空平均偏差为-0.11 cm、相关系数为0.90),积累期和稳定期(4—10月)两者差异较小(时空平均偏差为-0.81 cm,相关系数为0.93),消融期(11月—次年3月)差异较大(时空平均偏差为2.76 cm,相关系数为0.85),差异主要分布在威德尔海北部和东南极冰边缘区。开展FY-...     

面向城区和山区的ERA5再分析地表温度降尺度

地表温度是陆面过程动态模拟、区域和全球变化分析等研究领域的重要参数,如何获得高时空分辨率地表温度数据一直是研究热点问题。选择河北省张家口市城郊区、山区两个区域作为试验研究区,在ERA5 0.1°分辨率地表温度订正基础上,构建随机森林降尺度模型以实现多层级分辨率的地表温度降尺度,并与Landsat 8 TIRS反演地表温度进行对比分析,以探讨再分析地表温度在不同分辨率、不同下垫面类型上的降尺度效果。结果表明：不同分辨率的降尺度结果都能够准确表达地表温度相对高低的空间分布特征,纹理精度显著提高,但降尺度误差随着空间分辨率提高而逐渐增大,城郊区和山区的降尺度均方根误差变化范围分别为1.16—1.79 ℃、1.61—2.49 ℃,地表温度高值与低值区域分别存在着低估和高估现象;随机森林降尺度模型中的参数重要性随尺度变化不大,总体表现为两个区域中植被指数NDVI的重要性都比较大,而海拔高度在山区区域对降尺度模型的影响更大。