SAR遥感数据监测土地利用变化的研究

本文研究利用SAR穿透能力强的优势,解决传统光学遥感数据缺失区造成年度土地变更遥感监测出现盲区的问题。研究结果表明采用距离-多普勒(RD)定位模型法进行几何纠正,可以解决SAR侧视成像造成的几何畸变大的问题,增强提取效果和发现土地变化信息;SAR影像的识别能力和精度可满足土地变更遥感监测要求,可用于光学遥感数据缺失区年度土地变更遥感监测。     

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。     

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。     

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.     

FY-3卫星监测四川芦山地震前后热异常

利用中国FY-3气象卫星资料,通过分析多种仪器的亮温数据,对2013年四川芦山MS7.0级地震进行了再研究。结果表明：中国FY-3卫星星载多探测仪器,可用于立体监测地震多发区域,红外和微波亮温震区异常明显,能部分解释大地震前热红外异常的多种观点,说明FY-3卫星对地震预测具有一定的实用性和参考作用。     

利用微波遥感土壤水分产品监测东北地区春涝范围和程度

地表土壤水分是判断农田涝害的直接数据源,以欧洲太空局1978~2010 年微波遥感土壤水分产品、2013 年SMOS MIRAS L3 级土壤水分产品和气象站点的月降水数据为基础,结合土壤水分距平指数和土壤水分异常指数,分析2013 年东北地区春涝影响范围和严重程度。结果表明:① 东北地区以黑龙江省受涝面积最大,约11 万km²,约占黑龙江省总面积的1/4;② 比较多年的月降水数据与涝灾程度,发现冬春季节强降水是引发春涝的主要原因之一;③ 春涝的严重程度与高程呈现负相关关系,涝灾区域多集中在高程500 m以下。     

农田垄行结构对被动微波遥感土壤壤湿度反演的影响

根据离散方法建模垄行结构农田表面微波发射率,与地基多频率微波辐射计实测发射率比较发现：二者之间的平均绝对偏差小于0.01 ,证实了利用离散化方法建模农田表面微波发射率的可行性.在给定条件下不同观测方位角农田表面微波发射率与平坦表面的发射率差值在0.02 与0.05 之间,这说明农田结构微波辐射具有各向异性,行结构对发射率的影响在农田电磁波辐射建模过程中不可忽略.本文分析了不同土壤湿度条件下农田垄行结构可能引起的土壤湿度反演误差,结果表明,土壤湿度变化范围是0.02—0.5 cm³/cm³,垄行结构引起的土壤湿度反演误差为0—0.1 cm³/cm³, 此误差超过了土壤湿度反演的容限值,因此在进行农田参数的遥感提取过程中不可忽略周期性垄行结构对表面发射率的影响.     

冻土遥感研究进展:被动微波遥感

多年冻土和季节冻土分别占北半球裸露地表的24%和55%.近地表土壤冻融的范围、冻结起始日期、持续时间及冻融深度对寒季/寒区植物生长、大气与土壤间能量、水分及温室气体交换都具有极其重要的影响.自20世纪70年代以来,应用卫星遥感结合地面观测资料研究局地到区域尺度的季节冻土和多年冻土已取得诸多成果,而遥感在冻土研究中的最直接应用是利用微波探测近地表土壤冻融状态.相对于主动sAR,星载被动微波传感器具有多通道观测且重访周期较高,空间分辨率很低的特点.重点评述了近几十年来被动微波辐射计在冻土研究中的算法发展及其应用前景,主要包括双指标算法、时间序列变化检测算法及判别树算法3类,其核心均是基于冻土的低温特征和"体散射变暗"效应.发展可靠实用的微波遥感土壤冻融状态判别算法,提供区域和全球尺度上的土壤冻融状态信息,对水文学、气象学以及农业科学、工程地质研究与应用都具有重要意义.     

基于MODIS积雪覆盖度数据的青藏高原两套被动微波雪深产品降尺度对比研究

积雪深度(雪深)是流域水量平衡、融雪径流模拟等模型的重要输入参数,被动微波雪深遥感产品被广泛用于雪深监测。然而,由于山区积雪时空异质性强,这些空间分辨率较粗的雪深产品受到极大限制。本研究基于MODIS积雪覆盖度数据,根据经验融合规则以及积雪衰退曲线对“中国雪深长时间序列数据集”的两套雪深产品(由SMMR、SSMI和SSMI/S反演的称为Che＿SSMI/S产品;由AMSR-2反演称为Che＿AMSR2产品)进行空间降尺度,最终获得青藏高原500 m降尺度雪深数据(Che＿SSMI/S＿NSD和Che＿AMSR2＿NSD)。利用6景Landsat-8影像对两套降尺度雪深数据进行对比分析,结果发现两套降尺度数据与Landsat-8影像积雪空间分布吻合度均较高。与29个气象站点雪深数据相比,Che＿AMSR2＿NSD与实测雪深更为接近,相关系数(R)达到0.72,均方根误差(RMSE)为3.21 cm;而Che＿SSMI/S＿NSD精度较低(R=0.67,RMSE=4.44 cm),可能是由于采用不同传感器亮温数据的两套原始雪深产品精度不同所致。除此之外,实验表明被动微波雪深产品降尺度精度还...     

阿尔山地区积雪深度微波遥感反演算法的改进与验证

利用阿尔山地区多年实测雪深数据评估3种微波遥感雪深数据,即星载微波成像仪AMSR-E（Advanced Microwave Scanning Radiometer for EOS）和AMSR-2（Advanced Microwave Scanning Radiometer 2）的积雪产品、国内学者建立的中国雪深数据集,在该地区的适用状况,并建立新的雪深反演算法。1981～2014年的中国雪深数据集和阿尔山站点实测雪深统计的积雪日数和最大积雪深度具有较好的一致性,尤其是在2000年以后。AMSR-E和AMSR2雪深数据年变化与实测雪深变化趋势一致,与实测雪深数据相关系数超过0.60,不过具体雪深数据变化幅度远高于实测数据,致使两者之间的均方根误差高达13.0 cm。中国雪深数据集在阿尔山地区与实测雪深相关系数超过0.65,两者之间均方根误差为6.3 cm。结合星载微波观测亮温与实测雪深建立适合阿尔山地区的雪深反演算法,验证分析显示反演结果与实测雪深相关系数为0.77,两者的均方根误差减小为4.7 cm,优于本文评估的3种微波遥感雪深数据。