集群微波遥感卫星稀疏随机分布构型成像

随着对空中/空间目标实时高分辨探测成像的需求日益增长,利用新概念集群体制的微波遥感卫星实现该需求的方式越来越受到重视。针对目前和未来一段时间,我国遥感卫星组网构型呈现的稀疏随机典型特征,本文提出一种基于压缩感知理论的高分辨目标实时成像方法。该方法依托卫星自身特点(稀疏随机构型等约束条件),在不改变目前多颗在轨运行微波遥感卫星相对集群分布状态的前提下,为实现目标的高分辨实时探测提供了一条可能的途径。     

受载煤体变形破裂微波辐射前兆规律的实验研究

对煤体在单轴压缩条件下的微波辐射效应和规律进行了实验研究.实验结果表明,受载煤体具有微波辐射效应,在煤体的变形破裂过程中伴随有6.6 GHz微波辐射信号产生,其前兆规律具有3种类型.基于电介质物理学对实验现象进行了解释.在单轴压缩实验中,煤体的亮温最大变化值为1.9～2.7K,这表明煤体的微波辐射特性明显优于红外辐射特...     

融入土壤湿度指标的青藏高原近地表土壤冻融机器学习监测算法

青藏高原作为中低纬度地区最大的高山冻土区,多年冻土和季节冻土广泛分布。高精度的地表冻融监测结果对研究该区域的水热交换、碳氮循环和土壤冻融侵蚀非常重要。本文基于4个青藏高原典型地区的土壤温湿度观测网数据,开展利用LightGBM算法和随机森林算法进行土壤冻融循环监测的研究。在构建土壤冻融监测模型的过程中,发现土壤湿度是影响冻融判别的一个关键因子。使用AMSR2亮温数据和ERA5-Land土壤湿度数据,基于两种机器学习算法判别地表冻融状态,将结果与传统冻融判别式算法进行对比分析。结果表明：相比冻融判别式算法,LightGBM算法在白天和夜间的总体判对率提高了12.09%;14.45%,随机森林算法在白天和夜间的总体判对率提高了13.23%和14.96%。近80%的错分样本分布在-4.0 ℃~4.0 ℃之间,说明2个机器学习算法能够识别出稳定的土壤冻结状态和融化状态。另外,LightGBM算法和随机森林算法得到的日冻融转换天数的平均RMSE降低了112.82和117.00;冻结天数的平均RMSE降低了47.87和53.96;融化天数的平均RMSE降低了37.10和39.80。同时,基于随机森林算法计算了2014年7月—2015年6月青藏高原冻结天数、融化天数、日冻融转换天数。得到的青藏高原冻结天数图,以中国冻土区划图为参考进行精度评价,总体分类精度为96.78%。     

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。     

海冰密集度卫星遥感反演研究进展

海冰密集度是海冰的重要参数之一,在冰区导航、海上作业、海冰模式验证和气候模型改进等方面具有重要意义。卫星遥感具有覆盖范围广、重访周期短、成本相对低等优势,已成为获取海冰密集度的主要观测手段。本文从主被动微波遥感和光学遥感的角度,回顾了现阶段海冰密集度卫星遥感反演研究进展情况,包括海冰监测传感器、海冰密集度反演算法和海冰密集度产品等。结果表明,被动微波遥感是目前获取海冰密集度的主要方式,已发展出许多成熟的业务化算法;主动微波遥感数据已成为制作冰情图的主要数据源,海冰密集度反演算法由合成孔径雷达SAR（Synthetic Aperture Radar）图像分类向深度学习算法发展;光学遥感海冰密集度算法较为成熟,但受限于云层和夜晚限制,其反演结果多用于其他海冰密集度产品的验证。受传感器硬件限制,3种观测手段各有其长处与不足。为获得高精度、高时空分辨率的海冰密集度数据,开展多源数据融合研究是解决传感器性能瓶颈的有效手段。大数据时代,基于深度学习的海冰密集度卫星遥感反演技术快速发展,需要深度融入海冰密集度卫星遥感领域知识。海冰密集度卫星遥感反演应着力于海冰预报服务,致力于提高我国的海冰预报能力。     

新疆典型盐渍土微波介电特性响应分析与建模

土壤盐渍化对区域经济和生态可持续发展产生负面影响。微波介电常数是微波遥感探测土壤的关键因素,然而介电常数与盐分的关系仍不清晰。为分析盐分类型及含盐量对土壤介电常数的影响,在0.3~20.0 GHz频率下,测量了新疆典型的2种盐渍土类型（硫酸盐-氯化物型： \mathrm{N} {\mathrm{a}}_2 \mathrm{S} {\mathrm{O}}_4 - \mathrm{N} \mathrm{a} \mathrm{C} \mathrm{l};氯化物-硫酸盐型： \mathrm{N} \mathrm{a} \mathrm{C} \mathrm{l} - \mathrm{N} {\mathrm{a}}_2 \mathrm{S} {\mathrm{O}}_4）的介电常数,探讨含水量、含盐量、盐分类型及质地对土壤介电特性的影响。结果表明：（1） 含盐量对湿润土壤、干燥粉壤土的复介电常数实部（ \epsilon \mathrm{\text{'}}）和虚部（ \epsilon ″）均产生影响。（2） 对于同等级的2种湿润盐渍土在0.3 GHz频率下,整体上 \epsilon {″}_{\mathrm{N}{\mathrm{a}}_2\mathrm{S}{\mathrm{O}}_4-\mathrm{N}\mathrm{a}\mathrm{C}\mathrm{l}}> \epsilon {″}_{\mathrm{N}\mathrm{a}\mathrm{C}\mathrm{l}-\mathrm{N}{\mathrm{a}}_2\mathrm{S}{\mathrm{O}}_4}。（3） 虚部的电模量（ M ″）与含盐量的关系更紧密,且0.3~5.0 GHz是重要的频率范围。研究结果可为复杂下垫面下土壤盐渍化的微波遥感监测提供科学支持。     

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.     

基于简化参数方法的蒙古干旱区土壤湿度被动微波遥感

卫星被动微波遥感土壤湿度,是准确分析大空间尺度上陆表水分变化信息的有效手段.美国航天局(NASA)发布的基于AMSR-E观测亮温资料的全球土壤湿度反演产品,在蒙古干旱区的实际精度并不令人满意.本文基于对地表微波辐射传输中地表粗糙度和植被层影响的简化处理方法,采用AMSR-E的6.9 GHz,10.7 GHz和18.7 GHz之V极化亮温资料,应用多频率反演算法,并以国际能量和水循环协同观测计划(The Coordinated Energy and Water Cycle Observations Project)即CEOP实验在蒙古国东部荒漠地区的地面实验资料作为先验知识,获取被动微波遥感模型的优化参数,以期获得蒙古干旱区精度更高的土壤湿度遥感估算结果.分析表明,本文方法反演的白天和夜间土壤湿度结果与地面验证值之间的均方根误差(RMSE)接近0.030 cm³/cm³, 证明所用方法在不需要其他辅助资料或参数帮助下,可较精确地反演干旱区表层土壤湿度信息,能够全天候、动态监测大空间尺度的土壤湿度变化,可为干旱区气候变化研究及陆面过程模拟和数据同化研究提供高精度的表层土壤湿度初始场资料.     

同化站点观测和SSM／I亮温改善冻土活动层状态变量的模拟精度

以考虑了土壤冻融过程的一维水-热-盐分耦合模型SHAW为冻土活动层数据同化系统的动力学约束框架,通过集合卡尔曼滤波算法同化土壤水分和温度的站点观测数据以及被动微波辐射计SSM／I19GHz亮温观测数据,以改善冻土活动层水热状态变量的估计精度,实现模型模拟和观测信息的融合。冬季活动层冻结,同化的关键变量为土壤温度;而夏季同化的关键变量为土壤水分。通过单点同化试验表明,该同化系统能显著改善土壤表层水分和温度的估计精度;同时,在同化过程中给定合理的模型误差协方差项,可将表层优化后的信息迅速传递给深层土壤,达到改善整个土壤廓线状态变量估计的目的。同化结果表明,相对于SHAW模拟结果,同化4cm土壤温度观测后,各层土壤温度RMSE平均减小0.96℃,而同化4cm土壤水分观测数据后,各层土壤水分RMSE平均减小0.020m^3·m^-3;同化SSM／I 19GHz亮温后,各层土壤温度RMSE平均减小0.76℃,各层土壤水分RMSE平均减小0.018m^3·m^-3。     

变角度下主被动微波遥感联合降尺度方法

被动微波遥感土壤水分空间分辨率低,无法满足干旱监测、洪水预测以及灌溉管理等区域水利和农业等行业应用需求。中国在民用空间基础设施中规划论证的"陆地水资源卫星"搭载了雷达和辐射计主被动一体化微波载荷,通过主被动联合降尺度可以获取高分辨率(～5 km)的土壤水分,但其采用了一维合成孔径技术,主被动微波传感器观测的地面入射角是变化的,这给土壤水分反演及降尺度带来诸多挑战。本文从主被动微波遥感的物理机理和谱分析两种角度出发,利用闪电河流域的航空飞行试验数据,分析研究了基于主被动微波观测时间序列回归分析和基于谱分析的降尺度算法在辐射计和雷达入射角不同时的适用性。结果表明,在辐射计入射角度22.5°—27.5°时,基于主被动微波观测时间序列回归分析方法在27.5°时降尺度的结果最好,V极化和H极化的RMSE分别为7.57 K和7.46 K。基于谱分析方法在辐射计入射角度为22.5°和25°时得到的降尺度结果较好,V极化和H极化的最小RMSE分别为7.13 K和6.61 K,比基于主被动微波观测时间序列回归分析方法分别降低了0.44 K和0.85 K。基于主被动时间序列观测回归分析的降尺度方法,依赖于主被动微波观测的时间序列观测,当时序观测较短时,可能会因为回归分析的不稳定对降尺度结果造成较大的影响,而基于谱分析的降尺度方法则不需要依赖于长时间的时序观测。