活断层形变数据反演

本文主要讨论了利用形变数据反演断层运动位错模型参数的贝叶斯方法。利用现代大地测量方法,尤其是空间大地测量方法获得的地壳形变数据,可以用来反演活动断层的位错模型参数,并且利用反演得到的结果,确定断层运动的闭锁区。作为应用,给出了运用地表观测站观测到的速度值反演圣安德烈斯断层运动位错模型参数的结果,并且据此预测了沿圣安德烈斯断层未来最可能发生地震的断层分段。     

结合非线性贝叶斯反演算法的油田储层参数反演

基于地球物理反演算法,利用地表沉降信息快速获取油田储层状态信息,对于油田储层安全的实时监控具有重要意义。目前国内外对油田储层参数反演的研究相对较少,因此本文以典型的因石油开采引起地表沉降的辽河盘锦地区作为研究区域,以InSAR沉降监测结果作为观测数据,以Okada模型作为反演模型,首次将非线性贝叶斯反演算法引入到油田储层参数反演中。在试验过程中,发现油田地下存在不止一个油层,首次将双Okada模型引入到油田储层参数反演中。试验表明：①非线性贝叶斯反演算法不仅能够获取模型参数的最优值,同时可以对反演结果的不确定性做出解释。②与单源Okada模型相比,双Okada模型更符合该地区油田储层参数变化与地表沉降之间的映射关系,基于双Okada模型反演得到的油田储层参数更可靠。     

一种计算水体中悬浮物后向散射系数的方法

基于生物光学模型的水质参数反演分析方法是水质遥感监测算法的发展趋势.分析方法中需要以水体中悬浮物后向散射系数作为参数.水体中悬浮物后向散射系数目前主要有3种测量方法,但是这些方法要么因为仪器稀缺而无法普及,要么测量精度不高.提出了一种计算水体中的悬浮物后向散射系数的方法,该方法利用水面比较容易测量的反射率光谱和实验室内比较容易测量的水体各组分的吸收系数光谱,基于生物光学模型推导得出水体中的悬浮物后向散射系数.利用太湖梅梁湾试验区获取的数据检验了这种方法,并取得了较好的效果.这种方法的主要优势是:它基于生物光学模型,有严密的理论基础,具有较高的精度和通用性;另外,它使用的数据比较容易测量,方法容易实施,可为水质参数反演分析方法的建立奠定坚实的数据基础.     

植被生化组分的遥感反演方法研究

从反演物理模型提取植被生化组分含量的角度 ,分别在叶片和冠层水平探讨了反演生化参量的方法。在叶片水平 ,利用实验室测量光谱数据 ,较为准确地提取了水分和叶绿素含量 ,通过比较真实光谱数据与利用模型和真实参数模拟的光谱数据 ,得出如下结论 :模型能否准确描述某个参数的作用是能否真正准确反演该参数的关键。在模拟的冠层水平 ,基于多阶段反演思想 ,采用了分步反演策略 ,最终较为准确地反演了生化参数。     

面向LAI 反演的参数化SAILH 模型

建立了一种基于植被冠层辐射传输模型SAILH 的参数化模型。该模型首先对SAILH 模型中用到的9 个 中间变量的计算过程进行简化, 然后用一个明确的表达式计算光照冠层的单次散射贡献。分别用模拟数据和2008 年黑河地区星-机-地同步实验中获取的地面测量数据对该参数化模型的反演精度和效率进行了评价。评价结果表明 该参数化模型能在保证反演精度的基础上极大的提高反演效率; 利用模拟数据进行的模型稳定性评价表明, 参数 化模型的稳定性优于SAILH 模型。     

基于新型机载多角度传感器AMTIS的LAI反演

以实地测量数据为先验知识,利用AMTIS数据对顺义地区的一块小麦地进行了叶面积指数(LAI)反演实验研究,并用实地LAI数据进行了验证。通过利用实测数据作为模型参数,以及对干湿土壤分类和匹配表的调整,使反演结果和反演速度得到了提高。     

航天飞机极化干涉雷达数据反演地表植被参数

利用基于极化干涉测量的基本原理和相干散射模型。提出了基于模拟加温-退火算法的极化干涉雷达数据地表植被参数的反演算法，首先，对极化干涉测量的基本原理和一个考虑了地表和植被散射的二层相干散射模型进行了阐述。接着，对模拟退火算法的基本理论和基于模拟加温-退火算法的地表植被参数反演模型进行了论述，最后，利用和田地区1994年10月9日和10日的航天飞机SIR-CL波段单视散射短阵复数据进行了地表植被参数反演的计算，将反演结果与实测数据比较，表明该反演算法能以较好的精度获取地表植被的高度。     

基于InSAR形变的辽河油田曙光采油厂储层参数反演

对油田储层参数及开采量进行反演,可以及时掌握油田的储层状态及开采量变化,有效监控储层的健康和安全。目前国内对于油田储层参数反演的研究较少。以辽河油田最大的采油厂——曙光采油厂为研究对象,采用2007年1月—2010年9月的21景L波段ALOS/PALSAR数据,使用StaMPS (stanford method for persistent scatterers)技术提取该区域的形变结果,并以此为观测量,分别使用Mogi模型和椭球模型对储层参数进行反演和分析,并与经典的Okada模型的反演结果进行对比。结果表明:①曙光采油厂沉降显著,监测周期内最大沉降速率高达-189. 6 mm/a,最大累积沉降量约为750 mm,沉降面积约为28 km~2;②与Okada模型和Mogi模型相比,椭球模型反演的储层深度精度最高,且模拟的形变结果与观测形变结果最吻合,说明椭球模型的反演结果更可靠,更适用于该油田储层参数的反演。本研究可为InSAR油田沉降监测及储层参数反演提供科学参考。     

一种基于F-J线性-非线性模型解的迭代最小二乘方法

基于贝叶斯理论的线性与非线性模型反演方法（Fukuda-Johnson,F-J）已广泛应用于地球物理模型的线性-非线性参数反演。但F-J方法的反演结果可能受马尔可夫链蒙特卡洛采样（Markov chain Monte Carlo,MCMC）经验参数选择的影响,而反复调试合适的经验参数需耗费大量计算时间。对线性与非线性模型进行线性化后,也可以利用迭代最小二乘方法反演,但该方法难以选择合适的初始值。为提高参数反演计算效率和避免参数初值选择影响,提出了一种以F-J方法模型解为初始值的迭代最小二乘方法。该方法只需计算一次F-J方法模型解和有限次最小二乘迭代,既提高了F-J方法的反演效率,又能获得迭代最小二乘全局最优解。针对模拟数据实验和实际数据算例,分别采用F-J方法、随机生成初始值的迭代最小二乘方法和以F-J方法结果为初值的迭代最小二乘方法进行参数反演。结果表明,直接使用F-J方法时,MCMC采样参数会影响反演结果;直接进行迭代最小二乘反演时,初始值选取不当会导致迭代无法收敛到正确的结果;以F-J方法的结果作为迭代最小二乘方法的初始值进行反演,可以充分发挥F-J方法的全局最优性和迭代最小二乘方法计算量小、稳定性好的优势。     

Bootstrap方法在遥感线性BRDF模型反演中的应用

在遥感反演中,通常假设反演参数和模型误差的先验分布服从正态分布,这个假设通常不太符合实际。为此,本文提出由Bootstrap方法估计反演参数和模型误差的先验分布的方案。同时对先验数据按照地物分类,统计假设检验表明将先验知识分类的合理性。最后,以RossThick-LiTransit核组合的线性核驱动BRDF模型为例,用NOAA-AVHRR观测数据对使用Bootstrap方法的反演算法进行试验,并与正态假设下的Tikhonov正则化反演和Bayes反演结果比较,说明对先验知识分类和使用Bootstrap方法的遥感反演方法能明显减小参数反演结果的不确定性,提高其可信度。