AMSR-E辐射计反演南大洋实时海面气温

利用中国南极第24次至第26次(2008年—2010年)考察获取的实测数据和AMSR-E辐射计亮温资料开展南大洋实时海面气温的反演研究,分析了AMSR-E的各通道亮温与海面气温的相关性,未发现与海面气温相关性较强的观测通道,相关性最高的是23.8GHz水平通道,相关系数为0.38。将实测数据与亮温资料进行数据匹配,得到有效的建模数据集,然后利用多元回归和神经网络两种方法建立海面气温实时反演模型。基于全通道多元回归建立了高纬、低纬海域AMSR-E亮温的反演模型,对反演结果利用实测数据进行验证,高纬海域反演的结果均方根差为0.96℃,相关系数为0.93;低纬海域反演结果均差差为1.29℃,相关性系数0.96。基于BackPropagation(BP)神经网络反演模型的反演结果均方根差为1.26℃,相关系数为0.98。     

利用星载微波辐射计AMSR-E数据反演海洋地球物理参数

从微波辐射传输原理出发, 通过理论模拟的亮温建立了海洋和大气参数的反演算法, 利用AMSR-E数据进行地球物理参数的反演验证, 并利用Wentz算法进行相同参数的反演, 以判断反演的效果。研究表明：在使用各种方法进行参数反演的时候, 反演结果和实际值之间存在很好的相关性, 但是都存在一个系统偏差需要修正。通过与NCEP和TAO浮标两组数据的比较发现, 同样的算法反演结果的均方根误差不同, 采用浮标数据比较的反演结果明显好于NCEP数据, 原因可能是NCEP数据存在一定的不确定性。算法反演大洋海面温度和风速的均方根误差分别为0.73K和1.21m/s。     

利用AMSR-E数据反演华北平原冬小麦单散射反照率

首先,基于冬小麦不同生育期的地面实测参数,构建了组成冬小麦冠层的、包括不同尺寸和含水量的介电散射体模拟数据库,并在此基础上建立冬小麦单散射反照率和光学厚度分别在C(6.925 GHz)和X(10.65 GHz)波段之间的依赖关系。然后,根据一阶参数化模型推导得到的微波植被指数MVIs(Microwave Vegetation Indices)的物理表达式,结合AMSR-E被动微波亮温数据,反演了华北平原地区冬小麦不同生育期的单散射反照率。与MODIS日归一化差异植被指数NDVI的对比结果显示:冬小麦单散射反照率与NDVI随时间的变化趋势大致相同,但在冬小麦的抽穗期到乳熟期,NDVI呈现饱和趋势,而单散射反照率对小麦的生长变化仍旧比较敏感,在指示冬小麦生长方面具有一定优势。     

AMSR-E/2观测辐射值反演水成物参数

基于先进的微波扫描辐射计AMSR-E/2观测的辐射值,利用-维变分算法(1D-Var)反演各类水成物(云水、雨水和云冰)的垂直廓线,并对其反演结果进行检验。以2014年8月台风"夏浪"为例,分两步对变分反演的云微物理参数进行了检验。首先,将反演的各类水成物含量补充到辐射传输模式的输入场,观测算子模拟的AMSR-2各通道亮温与实况观测相比非常接近,可以很好地模拟出台风外形、强度及螺旋结构。其次,将反演的水成物廓线与载在Cloud Sat上的云雷达CPR同时段观测的雷达反射率因子进行对比,发现反演出的云水、雨水含量大值区与毫米波云雷达观测的雷达反射率因子高值区一一对应,进一步说明1D-Var反演的水成物参数精度很高。然而,由于星载AMSR-E/2观测通道少且空间分辨率低,对尺度较小、较薄的云不敏感,同时对云层较厚的密闭云区和多层云区反演能力也有限。     

热红外遥感反演近地层气温的研究进展

近地层气温是生态环境的重要因子,是描述地表与大气能量交换与水分循环的关键变量.气象站点观测能够提供点尺度上的准确气温资料,但是大多数地球系统模型需要空间连续的参数来模拟物理过程.遥感提供了比地表气象观测数据更理想的空间异质度信息,为快速获取大尺度的气温时空信息提供了新的途径.主要介绍了目前常用的几种遥感气温估算方法,包...     

利用微波辐射计AMSR-E的京津冀地区大气水汽反演

目的 发展了微波遥感水汽反演算法,对于裸露地表,通过极化差比值形式消除地表信息对大气水汽反演的干扰;针对非裸露地表,首先反演了地表发射率并对不同波段地表发射率之间的关系进行分析,进而建立了非裸露地表上空大气水汽的反演算法。本文算法的反演结果与GPS探测结果的对比显示均方根误差为7.4mm,与MODIS大气水汽产品空间分布特征的对比也显示了两者较高的区域一致性。最后对京津冀平原地区和山地地区的水汽进行了时间序列的分析。     

合成孔径雷达图像的近岸海面风场反演

根据海面微波散射原理，给出了星载合成孔径雷达(Synthetic Aperture Radar,SAR)图像海面风场反演的方法。该方法包括SAR图像辐射定标、海面风向确定和风速计算。利用该方法由加拿大RadarsatSAR图像反演获得了中国海南省东南部近岸海区海面风场，并与预报风场作了比较。结果显示，二者相符得很好，风速的均方根误差为0.94m/s，风向的均方根误差为4.03°。     

双频共面合成孔径雷达海面风场反演

根据L/C双频共面SAR能够获取同一海域双波段电磁波后向散射系数,得到更多海洋目标特征信息的电磁散射特点,结合地球物理模型函数研究了一种新的SAR海面风场反演方法。利用L/C双频共面SAR的L和C两个波段的地球物理模型函数和后向散射系数等信息,通过地球物理模型函数联立以及构建和求解最小代价函数,直接从SAR数据本身获取海面风场信息,并借助辅助数据去除了风向的180°模糊,从而实现海面风场反演。仿真分析和海上机载同步飞行试验的研究结果表明,该方法可直接利用SAR数据本身获取精度较高的海面风速、风向;绝对辐射定标精度是决定海面风场反演精度的关键因素,海面风场反演误差随定标精度提高而减小;随着海面风速的增大,风速反演误差逐渐增大。论文提出的双频共面SAR海面风场反演方法解决了传统单波段单极化SAR海面风场反演存在的固有问题,机载同步飞行试验的海面风速和风向反演结果与调查船观测值的均方根误差分别为0.93 m/s和19.39°,可为星载SAR海面风场反演业务化和载荷研制提供支持。     

基于AMSR-E数据的中国地区微波湿度指数研究

土壤中的水分是地球生态系统的重要组成部分,在全球水循环中发挥着重要的作用。基于被动微波数据提取的湿度指数因其具有全天候、高时间分辨率和数据处理简单等优点,大大推进了大范围地区土壤湿度的重复观测。基于AMSR-E(advanced microwave scanning radiometer-earth observing system)数据提取了8种微波湿度指数,利用密云和汉中气象台站的数据,分别对各个微波湿度指数进行时间序列分析,通过比较得到与降水量相关性较好的垂直极化多时相微波湿度指数PIV,6.9和比值指数DIV,10.7;在此基础上,分析该2种微波湿度指数在密云和汉中10像元×12像元矩形区域随降水量的变化;同时,与10.7 GHz的微波极化差异指数(microwave polarization difference index,MPDI)进行比较,评价3种指数对土壤湿度的监测优劣;在全国范围内,分别对3种微波湿度指数与降水量进行相关分析,得到全国土壤湿度监测的最优指数。结果表明:PIV,6.9作为一种新的微波湿度指数效果最优,可以用于全国范围的土壤湿度监测研究。     

2004年-2013年WindSat海表面温度产品与浮标观测对比

利用美国国家浮标数据中心NDBC和热带大气海洋计划TAO浮标的海表面温度数据,对WindSat 2004年-2013年近10年的海表面温度产品进行了验证。结果表明,在美国沿岸海域,WindSat反演得到的海表面温度的平均偏差为0.10℃,标准偏差为0.59℃;在近赤道太平洋海域,反演得到的海表面温度的平均偏差为-0.15℃,标准偏差为0.33℃。WindSat海表面温度在夏季相对浮标实测值有正偏差增大和负偏差缩小的趋势,在美国东海岸以及墨西哥湾区域部分站点反演得到的海表面温度的标准偏差较大,其标准偏差超过1℃。在5-10 m/s风速段,WindSat海表面温度反演效果比较理想,平均偏差和标准偏差相对恒定。当风速大于12 m/s时,WindSat海表面温度反演的不确定性明显增加。与AMSR-E月平均海表面温度产品对比发现,夏季,WindSat SST较AMSR-E偏低;冬季,WindSat SST较AMSR-E偏高。     

AMSR-E地表温度数据重建深度学习方法

地表温度对于全球气候变化等研究具有重要意义。被动微波遥感传感器AMSR-E (Advanced Microwave Scanning Radiometer for EOS)可以获得全天候地表温度,可作为多云条件下热红外地表温度数据的补充;但轨道扫描间隙限制了该数据在全球或区域尺度上的实际应用。鉴于地表温度的高时空异质性和AMSR-E LST轨道间隙数据的特点,本文提出了一种多时相特征连接卷积神经网络地表温度双向重建模型（MTFC-CNN）,利用深度学习在处理复杂非线性问题上的优势,重建轨道间隙区域的地表温度值。将2010年中国大陆四季的AMSR-E LST数据（数据未含港澳台区域）,分为白天和夜晚,形成共8个数据子集进行实验。在模拟实验中,重建结果与原始反演地表温度值平均均方根误差在1.0 K左右,决定系数R2在0.88以上,优于传统的样条空间插值和时间线性回归方法;真实实验结果具有较好的目视效果,且与对应MODIS LST产品对比发现,重建区LST值和未重建区LST值与MODIS LST产品间具有相近的平均均方根误差和决定系数。因此,本文提出的MTFC-CNN方法能有效重建AMSR-...     

海表温度对SMOS盐度遥感反演精度的影响

利用星载微波辐射计对全球海表盐度的卫星遥感探测,其精度会受到多种环境因子的影响。采用广义加性模型GAM和偏最小二乘法PLS分析了水温对海表盐度遥感反演精度的影响,同时,利用ARGO观测数据对SMOS卫星反演的赤道太平洋和西北太平洋海表盐度进行精度检验。结果表明,水温对海表盐度反演精度具有显著影响,且Stokes矢量第一参数(总辐亮度)是海表盐度反演的最佳亮温参数。在平均水温约16℃时的均方误差约为0.9 psu,23℃水温下的均方误差约为0.7 psu,30℃水温下的均方误差约为0.4 psu,即高水温下盐度反演精度相对较高。     

Developing a temporally land cover-based look-up table (TL-LUT) method for estimating land surface temperature based on AMSR-E data over the Chinese landmass

The land surface temperature (LST) is an important parameter when studying the interface between the atmosphere and the Earth's surface. Compared to satellite thermal infrared (TIR) remote sensing, passive microwave (PMW) remote sensing is better able to overcome atmospheric influences and to estimate the LST, especially in cloudy regions. However, methods for estimating PMW LSTs at the country and continental scales are still rare. The necessity of training such methods from a temporally dynamic perspective also needs further investigations. Here, a temporally land cover based look-up table (TL-LUT) method is proposed to estimate the LSTs from AMSR-E data over the Chinese landmass. In this method, the synergies between observations from MODIS (Moderate Resolution Imaging Spectroradiometer) and AMSR-E (Advanced Microwave Scanning Radiometer for EOS), which are onboard the same Aqua satellite, are explored. Validation with the synchronous MODIS LSTs demonstrates that the TL-LUT method has better performances in retrieving LSTs with AMSR-E data than the method that uses a single brightness temperature in 36.5 GHz vertical polarization channel. The accuracy of the TL-LUT method is better than 2.7 K for forest and 3.2 K for cropland. Its accuracy varies according to land cover type, time of day, and season. When compared with the in-situ measured LSTs at four sites without urban warming in the Tibet Plateau, the standard errors of estimation between the estimated AMSR-E LST and in-situ measured LST are from 5.1 K to 6.0 K in the daytime and 3.1 K to 4.5 K in the nighttime. Further comparison with the in-situ measured air temperatures at 24 meteorological stations confirms the good performance of the TL-LUT method. The feasibility of PMW remote sensing in estimating the LST for China can complement the TIR data and can, therefore, aid in the generation of daily LST maps for the entire country. Further study of the penetration of PMW radiation would benefit the LST estimations in barren and other sparsely vegetated environments.     

高分五号热红外传感器多通道SST反演

2018-05高分五号（GF-5）卫星发射升空,其上搭载的全谱段成像仪在热红外8—13 μm谱段范围内具有4个温度反演通道（B09,B10,B11,B12）,空间分辨率设计优于40 m,在国内民用传感器领域实现了由单通道向多通道、中空间分辨率向高空间分辨率的跨越式突破,使得GF-5卫星热红外数据在地表热环境遥感领域具有极其重要应用价值。本研究基于GF-5的4个热红外通道的通道响应函数,利用全球742条TIGR（Thermodynamic Initial Guess Retrieval）探空廓线数据,进行不同观测角度、水汽含量和海表发射率条件下的MODTRAN4.0（Moderate resolution atmospheric Transmittance and Radiance code4.0)辐射传输过程模拟,基于模拟结果分别对两通道、三通道和四通道劈窗算法海表温度SST（ Sea Surface Temperature）反演系数进行修订,并分析观测角度、水汽含量和海表发射率对不同通道组合的精度影响,并通过GF-5卫星实际反演的SST结果进行验证。GF-5全谱段成像仪SST反演两通道劈窗算法组合共有6种,即B09-B10、B09-B11、B09-B12、B10-B11、B10-B12、B11-B12;三通道劈窗算法组合共有4种,即B09-B10-B11、B09-B10-B12、B09-B11-B12、B10-B11-B12;四通道劈窗算法组合1种,即B09-B10-B11-B12。通过对不同通道组合形式研究发现,水汽含量对SST反演精度有较大的影响,且温度反演的精度随着水汽含量的增加而降低;其次是观测角度,SST反演精度随着观测天顶角的增大而降低;最后是发射率的影响,两通道、三通道和四通道劈窗算法SST反演精度随着发射率的变化总体在0.1 K以内变化。最后以大亚湾核电站周围海域为验证区,用GF-5热红外遥感影像进行SST的反演并做误差分析,结果表明B09-B10通道SST反演实际误差为0.57 K,反演精度较高,实际误差与理论模拟误差相差0.24 K,差异的来源主要包括辐射定标和传感器噪声等要素影响,其他通道形式反演精度有待于传感器响应稳定后进一步验证。     

A simple retrieval method of land surface temperature from AMSR-E passive microwave data—A case study over Southern China during the strong snow disaster of 2008

The analysis of the passive microwave radiance transfer equation certifies that there is a linear relationship between satellite-generated brightness temperatures (BT) and in situ observation temperature and that land surface temperature (LST) is largely influenced by vegetation cover conditions. Microwave polarization difference index (MPDI) is an effective indicator for characterizing the land surface vegetation cover density. Based on the analysis of LST models from AMSR-E BT with 6.9 GHz MPDI intervals at 0.04, 0.02 and 0.01, respectively, this paper developed a simplified LST regression model with MPDI-based five land cover types, combining observation temperatures from 86 meteorological observation stations. The study shows that smaller MPDI intervals can obtain higher accuracy of AMSR-E LST simulation, and that the combination of HDF Explorer and ArcGIS software was useful for automatically processing the pixel latitude, longitude and BT information from the AMSR-E HDF imagery files. The RMSE of the five LST simulation algorithms is between 1.47 and 1.92 °C, with an average LST retrieval error of 0.91–1.30 °C. Besides, only 7 polarization bands and 5 land surface types are required by the proposed simplified model. The new LST simulation models appears to be more effective for producing LST compared to past most studies, of which the accuracy used to be more than 2 °C. This study is one of the rare applications that combine the meteorological observation temperature with MPDI to produce the LST regression analysis algorithms with less RMSE from AMSR-E data. The results can be referred to similar areas of the world for LST retrieval or land surface process research, in particular under extreme bad weather conditions.     

北太平洋中尺度涡海表温度和叶绿素浓度特征分析

本文利用AVISO卫星高度计资料识别并追踪了北太平洋2007年—2012年的中尺度涡,并利用OSTIA的海表温度SST(Sea Surface Temperature)资料与MODIS的叶绿素a浓度(Chl-a)资料,研究了北太平洋2007年—2012年中尺度涡SST和Chl-a浓度的时空分布特征,并分析北太平洋典型中尺度涡SST与Chl-a浓度的变化特征,主要结论如下:本文共识别出992个中尺度涡,其中442个气旋涡,550个反气旋涡。中尺度涡SST时空分布特征为:气旋涡温度强度(ICE)月变化特征比反气旋涡温度强度(IAE)更强。ICE年际变化显著,IAE则不明显。温度强度较强的气旋涡和反气旋涡集中分布在黑潮延伸区。中尺度涡Chl-a浓度时空分布特征如下:气旋涡和反气旋涡Chl-a浓度月变化特征明显,且二者的变化趋势一致;年际变化则均不明显。Chl-a浓度值高的中尺度涡主要分布在高纬海域。中尺度涡SST与海洋动力参数(振幅、涡度和涡动能(EKE))的相互关系为:反气旋涡SST与振幅的相关性亦正亦负,且在空间上均匀分布。气旋涡SST与振幅的负相关系数主要分布在黑潮延伸区。正相关性强的反气旋涡多于气旋涡。反气旋涡SST与涡度的相关性亦正亦负,气旋涡SST与涡度呈负相关。反气旋涡SST与EKE的相关性亦正亦负;气旋涡的相关性为正。中尺度涡Chl-a浓度与海洋动力参数的相互关系为:反气旋涡Chl-a浓度与振幅的相关性为正,且在空间上均匀分布;气旋涡在黑潮延伸区与阿拉斯加湾呈正相关。反气旋涡和气旋涡Chl-a浓度与涡度均呈正相关。反气旋涡Chl-a浓度与EKE呈正相关;气旋涡Chl-a浓度与EKE相关性亦正亦负。     

Digitizing the thermal and hydrological parameters of land surface in subtropical China using AMSR-E brightness temperatures

ABSTRACT

Digitizing the land surface temperature (T_s) and surface soil moisture (m_v) is essential for developing the intelligent Digital Earth. Here, we developed a two parameter physical-based passive microwave remote sensing model for jointly retrieving T_s and m_v using the dual-polarized T_b of Aqua satellite advanced microwave scanning radiometer (AMSR-E) C-band (6.9 GHz) based on the simplified radiative transfer equation. Validation using in situ T_s and m_v in southern China showed the average root mean square errors (RMSE) of T_s and m_v retrievals reach 2.42 K (R² = 0.61, n = 351) and 0.025 g cm^?3 (R² = 0.68, n = 663), respectively. The results were also validated using global in situ T_s (n = 2362) and m_v (n = 1657) of International Soil Moisture Network. The corresponding RMSE are 3.44 k (R² = 0.86) and 0.039 g cm^?3 (R² = 0.83), respectively. The monthly variations of model-derived Ts and mv are highly consistent with those of the Moderate Resolution Imaging Spectroradiometer T_s (R² = 0.57; RMSE = 2.91 k) and ECV_SM m_v (R² = 0.51; RMSE = 0.045 g cm^?3), respectively. Overall, this paper indicates an effective way to jointly modeling T_s and m_v using passive microwave remote sensing.     

2000年以来长江河口海表温度变化MODIS分析

通过优化劈窗算法,建立适合长江口水域的海表温度反演模型,利用2000年至2012年的Terra-MODIS LIB晴空数据进行海表温度反演,得到长江口13年海表温度数据集,分析长江流域进入河口的水沙变化后河口水域海表温度的年际变化和季节性变化。结果表明:长江口海表温度主要受太阳辐射影响,温度场的空间分布由口内至外海呈现阶梯性变化。受海域潮流上溯和径流下泄的影响,口内口外的海表温度表现出不同的季节性变化特征:冬季,口外高口内低;夏季,则口外低,口内高。伴随着冬季流域进入河口的径流量增加,长江口口外海域的冬季海表温度也出现下降趋势。     

单窗算法结合Landsat8热红外数据反演地表温度

Landsat热红外系列数据一直是地表温度反演重要的遥感数据源,目前用于地表温度反演的单窗算法主要针对Landsat TM/ETM+第6波段数据(TM 6)建立的,Landsat 8热红外传感器(TIRS)与TM 6相比有很多变化,因而其单窗算法也需要改进。本文以Landsat 8 TIRS第10波段(TIRS 10)为数据源,提出了针对TIRS 10的单窗算法(TIRS10_SC),并对研究区地表温度进行反演研究,确定了研究区不同类型地表的温度值。研究结果表明:(1)TIRS10_SC算法可以较好地应用于Landsat 8数据的地表温度反演,平均反演误差为0.83℃,相关系数为0.805,反演温度与模拟数据和实测数据都具有较好的一致性;(2)通过对单窗算法中的地表发射率、大气水汽含量和大气平均作用温度等参数敏感性分析发现,TIRS10 SC算法能够获得较为可靠的反演结果;同时,TIRS10 SC算法对大气水汽含量和地表发射率敏感性较高,对大气平均作用温度敏感性稍弱。该算法对于利用Landsat 8 TIRS数据快速反演地表温度具有应用价值。