干旱区土壤水分微波遥感反演算法综述

土壤水分是气候、水文、生态和农业系统的关键组成要素,同时也是监控土地退化和干旱的重要指标,土壤水分信息的及时获取对于规划和管理这些系统来说具有极其重要的意义.微波具有全天候、穿透性以及不受云层影响的独特物理机制使其在研究大尺度土壤水分反演时具有明显优势,已成为当前土壤水分遥感研究的主要大气窗口.在干旱区微波遥感土壤水分...     

被动微波遥感数据反演地表温度研究进展

被动微波遥感具有穿透云层( 甚至雨区) 获取地表辐射信息的能力, 在处理云的问题上, 明 显优于可见光、红外遥感, 可更好地服务于相关领域研究。由于微波信号受多种因素的影响, 目前 被动微波反演地表温度的算法还不成熟。根据建模手段和方法的不同, 从经验反演模型和物理反 演模型两方面入手, 系统回顾国内外被动微波数据反演地表温度的算法并加以评述, 指出今后应 加强尺度转换、物理机理以及多数据源结合方面的研究。     

利用MODIS可见光波段反演陆地气溶胶光学厚度

利用Herold等建立的地表反射率库及MODIS遥感影像研究城市区和非城市区典型地物在可见光红蓝波段地表反射率的比值特性。在此基础上,利用MODIS 1km分辨率遥感影像红蓝可见光波段实现了气溶胶光学厚度的反演,采用卫星过境时间前后半小时北京和香河AERONET站的气溶胶光学厚度观测平均值作为验证参考。结果显示,66.67%的反演结果处于±0.05±0.15τ的误差界限内,反演算法不受地表反射率的限制,而且只利用了可见光红蓝波段,避免缺少近红外波段数据的限制。     

基于AMSR-E被动微波遥感数据的广东省土壤水分变化监测

概述了植被覆盖地表微波辐射传输模型的原理和表示方法,指出在地表粗糙度、植被层和大气等影响相似的情况下,微波极化差异指数的变化突显土壤水分变化.利用AMSR-E星载被动微波遥感亮度温度数据,计算分析地表微波极化差异指数(MPDI)的月平均分布,以广东省为试验区,获得了2004- 2009年10月份广东省10.7 GHz通...     

一种基于AMSR-E的地表温度半经验反演模型

基于被动微波辐射传输方程,结合De Jeu建立的透过率与微波极化差异指数的通用关系式,以及Smiths建立的地表温度与大气总可降水量的经验关系,构建了一套基于AMSR-E影像的地表温度半经验反演模型,该模型无需借助其他辅助数据,便可从AMSR-E 6.9GHz和10.7GHz两个波段的亮度温度模拟得到地表温度变量。对2009年我国地表温度进行实例模拟和验证,结果显示,该地表温度模型的平均反演精度达到2.54℃（R2=0.79）,是一种简单有效的被动微波遥感地表温度模拟方法。     

701和L波段雷达测风探测资料的对比统计分析

利用蒙自探空站高空探测系统换型的对比观测资料,通过质量控制,对701雷达和L波段雷达探测数据进行筛选,按时间序列分别对雷达探测3个要素进行图形比较分析,同时应用统计学方法,对规定等压面上的风向、风速进行统计分析,根据统计结果,判定L波段探测资料离散度较小,更为准确、可靠。     

结合被动微波和光学遥感的“超级寒潮”广东 地表温度特征及其对马铃薯生长的影响

利用被动微波可穿透云层的优势,基于GCOM-W1/AMSR2（Global Change Observation Mission-Water/ Advanced Microwave Scanning Radiometer 2）星载被动微波传感器的多通道亮度温度数据,反演了2016年1月下旬“超级寒潮”过程的广东省每日地表温度,分析了寒潮过程中广东省地表温度的时空变化特征。结果表明：在寒潮前后,广东省地表温度呈现出明显的先下降而后上升的趋势,寒潮过程带来的地表最低温度在广东北部大部分地区达到了277 K（4℃）,西南大部分地区为280~282 K（7~9℃）,其余大部分地区278~279 K（5~6℃）;降温幅度在广东南部地区达到了8~12 K（8~12℃）,北部大部分地区为5~7 K（5~7℃）。此外,利用归一化植被指数（NDVI）对植被生长的指示作用,基于HJ-1 A/B卫星的CCD传感器的多通道反射率数据,计算了近3年冬季广东省典型马铃薯种植区域马铃薯叶片的NDVI值,结果表明：马铃薯叶片的NDVI值在此次寒潮过程后出现了明显的下降,大部分地区（55.4%）马铃薯NDVI降低了0.1~0.2,部分地区（17.2%）马铃薯NDVI下降了0.2~0.3;进一步对比此次“超级寒潮”后同时段的前2年数据,发现寒潮后马铃薯叶片NDVI相对于正常年份也低了0.2,表明马铃薯叶片NDVI下降的主要原因是寒潮带来的低温,而不只是马铃薯的正常老化现象。NDVI的降低表明大部分地区马铃薯生长受到了抑制,马铃薯生长状况的这一变化也通过现场调查得到了证实。     

基于卫星遥感和再分析数据的青藏高原土壤湿度数据评估

土壤水是地表与大气在水热交换方面的关键纽带,是关键水循环要素,更是地表产汇流过程的关键控制因子。青藏高原是地球第三极,也是亚洲水塔,探讨青藏高原土壤水变化对于探讨青藏高原热力学特征变化及其对东亚乃至全球气候变化的影响具有重要意义,而获取高精度长序列大尺度土壤水数据集则是其关键。本文利用青藏高原100个土壤水站点观测数据,从多空间尺度（0.25°×0.25°,0.5°×0.5°,1°×1°）、多时间段（冻结和融化期）等角度,采用多评价指标（R、RMSE、Bias）,对多套遥感反演和同化数据（ECV、ERA-Interim、MERRA、Noah）进行全面评估。结果表明：① 除ERA外,其他数据均能反映青藏高原土壤水变化,且与降水量变化一致。而在那曲地区,遥感反演和同化数据均明显低估实测土壤水含量。从空间分布来看,MERRA和Noah与植被指数最为一致,可很好地反映土壤水空间变化特征;② 青藏高原大部分地区土壤水变化主要受降水影响,其中青藏高原西部边缘与喜马拉雅地区土壤水变化则受冰雪融水和降水的共同影响;③ 除阿里地区外,大部分遥感反演和同化数据在融化期与实测土壤水相关性高于冻结期,其中在那曲地区,遥感反演和同化数据均高估冻结期土壤含水量,却低估融化期土壤含水量。另外,遥感反演和同化数据对中大空间尺度土壤水的估计要好于对小空间尺度土壤水的估计。本研究为青藏高原土壤水研究的数据集选择提供重要理论依据。     

河流水情要素遥感研究进展

河流是促进地貌形成和演化的重要因素,也是地球上最重要的淡水资源之一。河流的水体范围、水位/水深、流量、水质和冰情等水情要素在水资源动态监测和水文生态环境保护等研究中具有至关重要的作用。通过水文站观测河流可获得站点上的水情信息,但该方式在财力、物力方面均耗费巨大。同时,对于日益增长的河流水情信息需求,迫切需要一种能够快捷、准确补充河流实测数据的方法。遥感凭借全方位、多时相的对地观测能力极大地提升了河流水情信息获取的效率,已广泛应用于多尺度水情监测、无资料流域水文模拟等多个方面,取得了丰硕的研究成果。因此,有必要对近年来遥感应用于河流水情要素反演所取得的进展进行归纳、总结和展望,以期进一步促进遥感数据和方法在该领域的应用。论文以“河流水情要素遥感”为主题,系统归纳了河流水体遥感提取的常用传感器及方法、水位/水深遥感反演方法、河道流量遥感估算、河流水质及河冰遥感监测的研究进展,详细归纳了利用光学/微波遥感等不同类型的遥感手段获取河流水体范围、水位、水深的优势与不足,总结得出了河流水情要素遥感研究的数据、方法及应用方面的主要结论：① 新型遥感数据在河流水情要素监测中的应用愈加广泛,在空间分辨率、时间分辨率或光谱分辨率等方面不断突破,进一步丰富了河流水情要素研究的数据来源;② 多数中低空间分辨率光学影像依旧面临混合像元影响水体提取精度的问题,合成孔径雷达影像也存在数据处理算法开发难度大的问题,细小河流及非开阔水体的提取方法仍需探索;③ 大数据和云计算技术的发展为实现大尺度、长时序的河流水情要素高时空分辨率遥感监测提供了高效手段。     

基于海冰密集度遥感数据的波弗特海海冰时空变化研究

采用美国冰雪数据中心(NSIDC)的日尺度与月尺度海冰密集度数据,将海冰密集度为15%作为阈值确定海冰外缘线位置,提取波弗特海海域的海冰外缘线,计算波弗特海的海冰密集度、海冰范围与海冰面积,然后通过海冰范围与海冰外缘线的年际变化与季节变化来分析波弗特海海冰外缘线退缩的时空变化特征与趋势。实验结果表明,1978—2015年波弗特海的海冰密集度、海冰范围与海冰面积整体变化趋势一致,减少趋势显著。37年来,海冰密集度平均每年减少约0.3%,海冰范围平均每年减少3 235 km2,海冰面积平均每年减少5 084 km2。海冰密集度在1979—1996年无明显减少趋势,1996—2015年减少趋势明显。波弗特海海冰范围一般在9月达到最小值,在11月至次年5月维持在最大值(全冰覆盖状态);海冰面积一般在9月达到最小值,在12月或者1月达到最大值。海冰范围最小值出现时间有延迟的趋势,全冰覆盖状态具有起始时间越来越晚、终止时间越来越早、持续时间越来越短的趋势,平均持续天数为212 d。     

多源遥感数据协同的我国草原积雪范围全天候实时监测

草原积雪信息的获取对于确定草原雪灾的影响范围与灾情等级等具有重要意义。基于光学遥感与微波遥感应用于草原积雪监测的各自优缺点,提出了将光学MODIS数据与被动微波AMSR-E数据有效协同进行我国草原积雪实时监测的业务流程,阐述了相关算法和实现步骤;进而结合农业部要求,对我国雪灾最严重的省区之一——内蒙古草原2007年12月1日至2008年1月20日期间的雪灾状况进行了全天候实时监测,取得了实际监测效果,成功地获取了总计达到51天的连续监测数据,揭示出了监测时段期内蒙古草原积雪发生的时空状况。所提出多源遥感数据在我国草原积雪监测中协同应用算法及其技术路线实现了对草原积雪的全天候实时监测,可应用于我国草原积雪监测的业务化运行,可提升我国雪灾减灾应急基于先进遥感手段的应用水平和监测精度,积极服务于国家雪灾应急减灾的迫切现实需求。     

Evaluating effects of Dielectric Models on the surface soil moisture retrieval in the Qinghai-Tibet Plateau

Based on the measurement of L-band ground-based microwave radiometer(ELBARA-III type)in the Qinghai-Tibet Plateau and theτ-ωradiative transfer model,this research evaluated the effects of four soil dielectric models,i.e.,Wang-Schmugge,Mironov,Dobson,and Four-phase,on the L-band microwave brightness temperature simulation and soil moisture retrieval.The results show that with the same vegetation and roughness parameterization scheme,the four soil dielectric models display obvious differences in microwave brightness temperature simulation.When the soil moisture is less than 0.23 m3/m3,the simulated microwave brightness temperature in Wang-Schmugge model is significantly different from that of the other three models,with maximum differences of horizontal polarization and vertical polarization reaching 8.0 K and 4.4 K,respectively;when the soil moisture is greater than 0.23 m3/m3,the simulated microwave brightness temperature of Four-phase significantly exceeds that of the other three models;when the soil moisture is saturated,maximum differences in simulated microwave brightness temperature with horizontal polarization and vertical polarization are 6.1 K and 4.8 K respectively,and the four soil dielectric models are more variable in the microwave brightness temperature simulation with horizontal polarization than that with vertical polarization.As for the soil moisture retrieval based on the four dielectric models,the comparison study shows that,under the condition of horizontal polarization,Wang-Schmugge model can reduce the degree of retrieved soil moisture underestimating the observed soil moisture more effectively than other parameterization schemes,while under the condition of vertical polarization,the Mironov model can reduce the degree of retrieved soil moisture overestimating the observed soil moisture.Finally,based on the Wang-Schmugge model and FengYun-3C observation data,the spatial distribution of soil moisture in the study area is retrieved.     

土壤星地传感技术现状与发展趋势

土壤作为自然地理学的重要研究对象之一,是联系大气、水、生物等其它地理要素的重要枢纽,其信息的快速准确获取研究对现代地理学的发展具有重要意义。本文重点介绍卫星、航空、无人机和地面不同平台搭载的不同类型传感器的探测原理;总结国内外基于星地传感技术的土壤信息快速获取方法及其在土壤属性预测和制图中的应用;阐述现代土壤信息获取在土壤地理学中的应用情况;展望当前土壤星地传感器技术的发展趋势。     

基于改进植被指数土壤水分遥感反演

以渭-库绿洲为例,基于Landsat8 OLI遥感数据,考虑到短波红外特征与土壤水分有很好的关联,将短波红外波段引入可见光-近红外波段构成的传统植被指数中,旨在建立新的植被指数监测土壤水分。基于改进前后共8种植被指数,通过灰色关联分析（GRA）筛选出3种高关联度植被指数,再用偏最小二乘回归（PLSR）进行建模,然后用该模型对研究区土壤水分反演,并对其空间分布格局进一步分析。结果显示：（1）在传统植被指数的基础上引入信息量较大的短波红外,可大幅度降低植被指数间的VIF,消除其多重共线性。（2）通过GRA分析可知,改进后的植被指数与土壤水分之间的关联度均要高于传统植被指数。（3）通过GRA分析筛选出3种高关联度植被指数建立得到精度较高,稳定性较好的PLSR模型,并反演研究区土壤水分分布状况,土壤水分总体上至西向东,由北到南降低,然而土壤水分最小值主要分布在绿洲—荒漠交错带,使得交错带成为“生态裂谷”。研究表明：将短波红外波段引入到可见光-近红外植被指数中,建立的新植被指数可获得较好的土壤水分空间分布反演结果。     

Machine learning predictions of passive microwave brightness temperature over snow-covered land using the special sensor microwave imager (SSM/I)

Abstract

Two different forms of machine learning – an artificial neural network (ANN) and a support vector machine (SVM) – are used to estimate passive microwave (PMW) brightness temperatures (Tb) as observed by the special sensor microwave imager (SSM/I) satellite sensor over snow- covered land in North America. Both techniques reasonably reproduce unbiased estimates of SSM/I observations at 19.35 and 37.0 GHz for both vertically- and horizontally-polarized channels. When compared against SSM/I observations not used during training, domain-averaged statistics from 1 September 1987 to 1 September 2002 yielded a root mean squared error (RMSE) of less than 9 K for all frequency and polarization combinations examined in this study. Even though both ML techniques reasonably reproduced SSM/I Tb observations, the SVM outperformed the ANN because the SVM: (1) better captured the high-frequency (i.e. day-to-day) temporal characteristics in the Tb observations across the majority of the study domain, (2) better reproduced the spatial variability as a function of snow classification, and (3) yielded greater sensitivity to snow-related input variables during the estimation of PMW Tb. These findings reinforce previous research of SVM-based estimation of PMW Tb employing observations from the advanced microwave scanning radiometer.     

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。