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.     

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。     

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。     

基于被动微波遥感的地表粗糙度及土壤水分反演研究

被动微波遥感具有监测面积大、重复周期短、对土壤水分更为敏感等优点,成为反演土壤水分最有潜力的方式.论文针对地表粗糙度和植被覆盖变化对土壤水分反演过程中带来的误差和不确定性展开研究,发展更适合大区域土壤水分反演的算法.     

植被的微波散射与吸收特征

被动微波遥感中大尺度像元内植被种类多种多样并且分布不均匀,较低频率下像元尺度内的植被影响可以根据单个散射体的散射与衰减特性获得。本文讨论了任意朝向的各类植被散射体的计算问题。其中叶片和针叶的散射采用了一般化Rayleigh-Gans计算;杆的散射采用了无限长近似理论。关于各类散射体的衰减,本文比较了散射系数和吸收系数之和,与前向散射定理的结果,并对前向定理的适用性进行了讨论。     

利用主被动微波遥感结合反演土壤水分的理论模型分析

为了更好地进行土壤水分反演,发展了一种基于热带降雨观测计划(TRMM)的主被动微波结合反演裸露地表土壤水分的算法.为了提高反演精度,同时利用TRMM搭载的测雨雷达(PR)和微波成像仪(TMI)进行观测.另外,针对PR/TMI数据,还建立了包含大范围的土壤水分和粗糙度参数的AIEM模型数据库.通过分析AIEM模型对地表后...     

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.     

被动微波土壤水分反演模型研究

在分析现有地表辐射模型的基础上,分析了被动微波遥感的辐射传输方程,并且对辐射传输过程的主要因素进行了分析.最后对地面辐射进行了介绍,并针对被动微波AMSR数据提出了地表土壤水分反演的模型.     

地表温度的被动微波遥感反演研究进展

微波遥感能穿透云层,甚至可穿透一定程度的雨区,可以弥补热红外遥感的不足。发展基于被动微波遥感的地表温度反演算法可以全天候地为相关领域提供数据服务。根据前人研究,该文从方法论的角度将已有的反演方法分为统计模型法、物理模型法和神经网络算法3类,分析了每种方法的优缺点,并探讨了未来微波遥感反演地表温度的发展方向,以期为进一步研究提供参考。     

中国西部地区基于经验模型的土壤水分反演

地表土壤水分含量的时空分布信息是十分重要的,常常作为水文模型、气候模型、生态模型的输入参数,同时,也是干旱预报、农作物估产等工作的重要指标。被动微波遥感是监测土壤含水量最有效的手段之一。相比红外与可见光,它具有波长长,穿透能力强的优势。相比主动微波雷达,被动微波辐射计具有监测面积大、周期短,受粗糙度影响小,对土壤水分更为敏感,算法更为成熟的优势。目前,已研究出许多反演土壤水分的方法.本课题的主要内容是借助AMSR-E土壤水分影像数据、MODIS归一化植被指数(NDVI)影像数据和MODIS分类影像数据,利用ENVI软件进行遥感图像数据处理,运用统计分析方法建立NDVI与土壤水分的经验模型,研究中国西部地区稀疏植被覆盖区土壤水分的反演。     

用模型和车载微波辐射仪研究多频率多角度下玉米的散射和衰减特性

在使用被动微波技术反演土壤水分的过程中,为去除植被的影响,通常采用适用于低频的τ-ω模型。为准确评估较高频率下植被的散射和衰减特性,以玉米为例,采用基于光线跟踪原理的双矩阵(Matrix-Doubling)微波辐射模型,研究不同高度的作物在C(6.925GHz)、X(10.65GHz)和Ku(18.7GHz)波段下的单散射反照率和传输率。模型模拟的亮度温度跟车载微波辐射仪的野外实测数据接近。为验证模拟的玉米自身微波辐射,在玉米地上铺设了一层铝箔屏蔽地表的辐射。通过给验证后的模型输入不同的参数,建立一个亮度温度数据库,以模拟自然状态下不同高度玉米的亮度温度。然后把模型模拟的结果,跟相同环境下τ-ω模型得到的结果按最小二乘法进行匹配,从而获得不同高度的玉米在C、X和Ku波段上等效的单散射反照率和传输率。     

基于单次散射反照率的矿物高光谱稀疏解混

矿物的混合多属于致密型混合,在可见光—短波红外波段的混合呈现非线性特征,同时由于矿物混合的复杂性以及图像中完全纯净的像元可能不存在等原因,使得从图像上提取端元具有较大不确定性。本文根据矿物单次散射反照率的线性可加性,提出一种基于矿物单次散射反照率光谱库的稀疏解混算法,利用Hapke模型将矿物反射率转换成矿物单次散射反照率,构建矿物单次散射反照率光谱库,以半监督的方式通过稀疏回归的方法从光谱库中寻找最优端元组合,并估算混合像元中各端元的丰度。利用RELAB矿物混合光谱库进行算法验证,结果表明,丰度反演的平均绝对误差为3.12%;将本文方法应用于美国内华达州铜矿区的AVIRIS高光谱图像数据,所得丰度图与美国地质勘探局USGS矿物识别结果具有较好的一致性。本文算法不需要从图像提取端元,并且考虑到了矿物的非线性混合特征,能够得到较高的反演精度,在近地行星和卫星表面岩矿成分的探测等领域具有较好的应用前景。     

利用AMSR-E微波辐射计对地表粗糙度参数的一种新标定方法

在利用微波辐射计进行对地观测的过程中,陆地表面特性参数（如土壤水分、土壤粗糙度和植被冠层）是土壤微波辐射的重要影响因素。地表粗糙度的标定对于利用微波辐射计数据反演地表参数而言是十分重要的工作。地表粗糙度参数（h和Q）随着观测频率而变化。通常的标定方法是,假设h的空间分布是变化的,Q在全球均一地分布,则在沙漠地区首先采取h=0的近似,再对Q进行标定。但是事实上,h和Q在全球的分布都是变化着的,这与地面环境状况有关。以AMSR—E数据为例,在对MPD1分析的基础上,推导给出了简单的、基于理论模型的参数厂。厂可以直接由观测亮温值计算得到,它是一个与土壤水分无关,仅与植被层含水量7．0,和土壤粗糙度σ有关的参量,因此它可以用于地表粗糙度的标定和对植被层含水量、植被生长／变化的估计。本文选择干旱季节里的北非地区,在没有对h采取任何假设的前提下,利用参数厂实现了对地表粗糙度参数h和σ的标定,并与原有标定方法的结果做了比较分析。     

A new calibration of the effective scattering albedo and soil roughness parameters in the SMOS SM retrieval algorithm

This study focuses on the calibration of the effective vegetation scattering albedo (ω) and surface soil roughness parameters (H_R, and N_Rp, p = H,V) in the Soil Moisture (SM) retrieval from L-band passive microwave observations using the L-band Microwave Emission of the Biosphere (L-MEB) model. In the current Soil Moisture and Ocean Salinity (SMOS) Level 2 (L2), v620, and Level 3 (L3), v300, SM retrieval algorithms, low vegetated areas are parameterized by ω = 0 and H_R = 0.1, whereas values of ω = 0.06 − 0.08 and H_R = 0.3 are used for forests. Several parameterizations of the vegetation and soil roughness parameters (ω, H_R and N_Rp, p = H,V) were tested in this study, treating SMOS SM retrievals as homogeneous over each pixel instead of retrieving SM over a representative fraction of the pixel, as implemented in the operational SMOS L2 and L3 algorithms. Globally-constant values of ω = 0.10, H_R = 0.4 and N_Rp = −1 (p = H,V) were found to yield SM retrievals that compared best with in situ SM data measured at many sites worldwide from the International Soil Moisture Network (ISMN). The calibration was repeated for collections of in situ sites classified in different land cover categories based on the International Geosphere-Biosphere Programme (IGBP) scheme. Depending on the IGBP land cover class, values of ω and H_R varied, respectively, in the range 0.08–0.12 and 0.1–0.5. A validation exercise based on in situ measurements confirmed that using either a global or an IGBP-based calibration, there was an improvement in the accuracy of the SM retrievals compared to the SMOS L3 SM product considering all statistical metrics (R = 0.61, bias = −0.019 m³ m⁻³, ubRMSE = 0.062 m³ m⁻³ for the IGBP-based calibration; against R = 0.54, bias = −0.034 m³ m⁻³ and ubRMSE = 0.070 m³ m⁻³ for the SMOS L3 SM product). This result is a key step in the calibration of the roughness and vegetation parameters in the operational SMOS retrieval algorithm. The approach presented here is the core of a new forthcoming SMOS optimized SM product.     

MISR宽波段反照率反演及其与大气关系研究

以星载多角度传感器MISR为数据源反演宽波段反照率;根据入射辐射情况的不同(即是否考虑大气影响),将反照率分为理论反照率(Inherentalbedo)和实际反照率(Apparentalbedo)分别进行计算,并建立它们与大气状况的函数关系式,检验结果表明,该函数关系可靠。     

MPDI在微波辐射计植被覆盖区土壤水分反演中的应用

大尺度上的土壤水分变化监测对于建立全球的水循环模型意义重大,是实现气候变化预测和洪涝监测的基础。星载辐射计为实现大尺度上土壤水分的监测提供了监测途径。但是在星载辐射计观测时,地表植被层的吸收和散射作用会对土壤向上的微波辐射产生衰减影响,这种影响在反演土壤水分的过程中必须予以计算和消除。原有的反演算法中,在计算这部分影响的时候,需要大量的关于地表植被状况的辅助数据,而这些即时的辅助数据往往不易获得。以AMSR—E数据为例,研究证明了微波极化差异指数（MPDI）能够反映地表植被覆盖状况。以中国华北、华东地区为实验区,选择2004年4月8日的AMSR—E亮温数据和MODIS数据为样本数据,建立起MPDI与NDVI之间的负指数关系方程。基于对NDVI的认识,得到植被覆盖度高、中、低三种状况所对应的MPDI域值,以此域值为依据对中等植被覆盖度地区作出自动判断,并用MPDI计算植被层不透明度。     

棉花和大豆等效散射反照率估算

本文以棉花和大豆为例,基于车载多频率微波辐射计的观测数据,利用最小二乘原理实现对两种典型农作物等效散射反照率的估算,研究了植被层等效散射反照率随观测角度、频率以及植被浓密程度的变化规律,对不同覆盖度情况下植被层的等效散射反照率进行了定性的分析。这一研究结果在以零阶模型为基础进行地表参数反演时,对于植被层等效散射反照率的确定具有重要的理论参考价值。     

比辐射率封闭法测定技术及误差分析

黑体筒封闭法测定比辐射率的方法大大简化了比辐射率的测量及计算过程;针对这种方法,分析了目标物体、环境的出射辐照度的波动对比辐射率精确测定的影响,讨论了不同辐射计滤光波段对计算的影响;并根据大量的实验给出冷热环境温差的优化值。最后给出了对比辐射率精确测定具有指导意义的３个结论。