联合机载PLMR微波辐射计和MODIS产品反演黑河中游张掖绿洲土壤水分研究

土壤水分是气候、水文学研究中的重要变量,微波遥感是获取区域地表土壤水分的重要手段,而L波段更是微波土壤水分反演的最优波段。依托HiWATER黑河中游绿洲试验区的地面观测及机载PLMR微波辐射计亮温数据,利用微波辐射传输模型L-MEB,并将MODIS地表温度产品(MOD11A1)和叶面积指数产品(MYD15A2)作为模型及反演中的先验辅助信息,借助LM优化算法,通过PLMR双极化多角度的亮温观测,针对土壤水分、植被含水量(VWC)和地表粗糙度这3个主要参数,分别进行土壤水分单参数反演、土壤水分与VWC或粗糙度的双参数反演以及这3个参数的同时反演。通过对不同反演方法的比较可以得出结论,多源辅助数据及PLMR双极化、多角度信息的应用可以显著降低反演的不确定性,提高土壤水分反演精度。证明在合理的模型参数和反演策略下,SMOS的L-MEB模型和产品算法可以达到0.04 cm3/cm3的反演精度,另外无线传感器网络可以在遥感产品真实性检验中起到重要作用。     

应用极化雷达估算农作物覆盖地区土壤水分相对变化

通过应用一阶离散植被模型,结合前人研究成果及雷达极化特性提出了多时相多极化雷达后向散射消除农作物覆盖层影响的算法:①应用已知的假设关系将植被层的体散射用交叉极化的总散射代替;②分析并将垂直极化的总后向散射中贡献很小的植被-土壤多次散射忽略;③将直接地表的后向散射分解成土壤水分与地表粗糙度的函数,使用重轨数据消除了地表粗糙度和农作物覆盖层的影响,并使用多时相全极化L波段(频率为1.2GHz)机载雷达测量数据进行验证,成功的估算了地表土壤水分的相对变化。     

遥感技术在陆面过程研究中的应用进展

探讨了当前陆面过程 (LSP)研究的特点 ,指出遥感在陆面过程研究中的应用以及陆面过程国际合作实验是突出的特点 ,进而对遥感技术的陆面参数获取、地表能量通量的计算以及与 LSP模式的结合研究及进展进行了综述。根据不同特征的地表参数选择光学遥感或微波遥感已成共识 ,而综合利用不同遥感数据获取同一种地表参数也已成为研究热点 ,当前及今后发射的携载多种遥感仪器的众多遥感卫星为此项研究提供了条件 ;遥感与 LSP模式的结合研究是遥感在陆面过程研究中深入应用的一个方面 ,国际陆面过程合作实验是这项研究的重要保证。     

土壤湿度遥感估算同化研究综述

土壤湿度是影响气候的至关重要的变量之一。利用数据同化方法反演大规模高精度土壤湿度数据是目前土壤水分研究的一个重要方向。结合国内外土壤湿度遥感估算研究现状,总结了土壤水分同化算法主要应用进程,梳理了目前实现土壤水分反演且应用广泛的陆面过程模型,Noah模型、通用陆面过程模型CLM、简单生物圈模型Si B2、北方生产力模拟模型BEPS,介绍了大范围卫星土壤水分数据集,包括陆面同化系统数据集、ASCAT数据集、AMSR-E数据集及SMOS数据集,最后探讨了遥感土壤水分同化过程中存在的问题及发展方向。     

基于物理模型的被动微波遥感反演土壤水分

利用土壤水分和海洋盐度(SMOS)卫星进行土壤水分反演的算法中,对地表发射率的描述仍采用半经验Q/H模型,该模型描述地表粗糙度对有效发射率在V和H极化下影响相同.基于微波散射理论模型-高级积分方程模型(AIEM)建立了一个针对SMOS传感器的参数配置,包含各种地表粗糙度和介电特性的裸露地表辐射模拟数据库,发展了L波段多角度地表辐射参数化模型.在此基础上,利用SMOS多角度双极化特点,建立了土壤水分反演算法.该算法可以消除粗糙度对土壤水分反演的影响,同时最小化反演过程中辅助信息引入带来影响.反演算法通过美国农业部提供的L波段多角度地基辐射计数据(BARC)进行验证,在20°~50°入射角,土壤水分反演精度在4%左右.     

卫星遥感反演土壤水分研究综述

土壤水分是影响地表过程的核心变量之一。精准地测量土壤水分及其时空分布,长期以来是定量遥感研究领域的难点问题。简要回顾基于光学、被动微波、主动微波和多传感器联合反演等卫星遥感反演土壤水分的主要反演算法、存在的难点和前沿性研究问题,介绍了应用土壤水分反演算法所形成的3种主要全球土壤水分数据集,包括欧洲气象业务卫星（ERS/MetOp）数据集、高级微波扫描辐射计（AMSR-E）数据集、土壤湿度与海洋盐分卫星（SMOS）数据集,并结合目前存在的问题探讨卫星遥感反演土壤水分研究的发展趋势。     

主动微波遥感黄河上游玛曲地区夏季土壤水分

利用ENVISAT-1/ASAR的VV极化主动微波资料,基于裸土表层微波后向散射GOM物理模型,并利用"水-云"模型处理植被层对土壤表层微波后向散射的影响,遥感估算了夏季黄河上游玛曲地区土壤水分空间分布.通过地面观测网的同步观测资料验证,卫星遥感的土壤体积水分含量和地面测值间的均方根误差RMSE<0.02 m3/m3,...     

土壤湿度观测、模拟和估算研究

总结土壤湿度的观测手段和土壤湿度数据集建立的现状,详细阐述与土壤湿度模拟有关的方程离散化求解、物理和生化过程、陆面过程模式比较和陆面模式参数优化等方面的研究进展;综述估算土壤湿度廓线的数据同化方法,仔细比较集合卡曼滤波(EnKF)和四维变分(4-D Var)2类目前流行的同化算法,并对估算土壤湿度廓线的研究工作进行全面评估;最后,对土壤湿度观测、模拟和同化中需继续努力的方向进行了思索和展望。     

土壤水分对土壤参数的敏感性及其参数优化方法研究

利用2008年1月1日至2009年9月31日黑河流域阿柔冻融观测站的气象和土壤水分数据,采用基于方差的多参数敏感性分析方法研究通用陆面模型(Common Land Model,CoLM)模拟的土壤水分对土壤质地(砂土和黏土)的敏感性,进而采用SCE-UA参数优化算法分别优化土壤质地和土壤水力参数,分析不同优化策略对土壤水分模拟结果的影响。研究结果表明,浅层土壤水分对土壤质地较为敏感,敏感性系数达到了0.45以上,并且砂土含量对土壤水分的影响更为显著;利用SCE-UA算法优化土壤质地或土壤水力参数都可以有效地提高土壤水分的模拟精度,优化土壤水力参数易产生"异参同效"现象,而优化土壤质地能够使土壤水力参数的取值范围更加合理。     

Geostatistical analysis of soil moisture measurements and remotely sensed data at different spatial scales

The European remote sensing satellite (ERS-2) synthetic aperture radar (SAR) data was used for temporal monitoring of soil moisture at Sukhothai, Thailand. Higher correlations were found between the observed soil moisture and the radar backscattering coefficient. The soil moisture distribution shows great variation in space and time due to its stochastic nature. In order to obtain a better understanding of the nature and causes of spatial variation of soil moisture, the extensive soil moisture measurements observed in Thailand and also remotely sensed ERS-2 SAR data were used for geostatistical analysis. The observed soil moisture shows seasonal variations with mean varying from 3.33 %v/v (dry season) to 33.44 %v/v (wet season). The spatial geostatistical structure also shows clear seasonal variations in the geostatistical characteristics such as range and sill. The sills vary from 1.00 (%v/v)² for the driest day to 107.57 (%v/v)² for one of the wet days. The range or the correlation lengths varies between 46.5 and 149.8 m for the wettest and driest periods. The nugget effect does not show strong seasonal pattern or trend but the dry periods usually have a smaller nugget effect than the wet periods. The spherical variogram model fits the sample variograms very well in the case of soil moisture observations while the exponential model fits those of the remotely sensed data. The ranges observed from the observed soil moisture data and remotely sensed data at the same resolution are very similar. Resolution degradation affects the geostatistical structure of the data by reducing the sills, and increasing the ranges.     

机载雷达和辐射计数据反演植被覆盖区土壤水分的初步研究

用土壤水分试验(SMEX02)中获取的机载雷达和辐射计(PALS)数据进行反演土壤水分的研究。首先利用PALS数据中雷达和辐射计对土壤水分最敏感的波段,进行主被动结合的多元线性回归反演土壤水分。结果表明,这种方法并不能有效地提高反演精度;然后,改进了一个新提出的适用于大尺度星载C波段辐射计数据的土壤水分获取方法,提高其运算效率,并将该算法应用到PALS数据,一方面验证了该方法在机载高分辨率数据和非C波段下的适用性,另一方面对该方法进行了定量化评价。     

柴达木盆地土壤湿度的遥感反演及对蒸散发的影响

土壤水分是地下水-土壤水-大气水循环系统的核心与纽带,蒸散是该系统的重要驱动力。从区域尺度上研究土壤含水量的分布特征及土壤含水量对蒸散的影响对干旱区的生态环境保护具有重要意义。基于MODIS数据和GLDAS数据,应用表观热惯量法对GLDAS地表0~10 cm土壤湿度数据降尺度处理,估算柴达木盆地平原区2014年间6—9月的月均土壤湿度,并结合归一化植被指数(NDVI)和实测土壤湿度数据对反演结果进行验证;利用地表能量平衡系统(SEBS)模型对平原区9个子流域的日均蒸散量进行计算,分析了土壤湿度与日均蒸散量之间的关系。结果表明：反演得到的表观热惯量(ATI)与GLDAS地表0~10 cm土壤含水量数据相关性较好,决定系数R2整体在07以上;利用ATI对GLDAS数据降尺度处理,得到的土壤含水量与NDVI和实测土壤湿度的决定系数R2分别为0954和0791,因此使用ATI法对GLDAS土壤含水量数据降尺度反演柴达木盆地平原区土壤湿度是可靠的。平原区日蒸散量与土壤湿度呈明显的正相关关系,决定系数R2整体在096以上,在影响蒸散的各考虑因素中,土壤湿度对蒸散的影响远大于其他因素。     

利用主被动微波数据联合反演土壤水分

在黑河中游干旱区水文试验的基础上,以临泽站为研究区域,探讨主被动微波数据联合反演土壤水分的方法。针对ALOS/PALSAR数据,使用AIEM理论模型计算地表的同极化后向散射系数,Oh半经验模型描述交叉极化散射特征,通过对大量后向散射模拟数据的分析,建立裸露地表粗糙度计算模型;利用模拟数据分析地表辐射亮温随土壤水分和粗糙度的变化规律,在此基础上构建NN模型结合粗糙度计算结果和辐射计飞行数据反演研究区域的土壤水分。地面同步测量数据的验证结果表明,该方法充分发挥了主被动微波数据各自的优势,同时避免了主被动协同过程中的尺度问题,为流域尺度的土壤水分监测提供了一种新的有效途径。     

基于星载GNSS-R获取川藏交通廊道沿线地表土壤湿度

地表土壤湿度影响着陆-气能量交换和水循环,是泥石流、冻土冻融等灾害的重要因子,获取川藏交通廊道沿线地区土壤湿度有助于研究铁路沿线气候变化和冰冻圈灾害风险.基于CYGNSS(cyclone global navigation satellite system)星载GNSS-R(global navigation satellite system reflectometry)信号,结合土地覆盖分类、归一化差分植被指数NDVI(normalized differential vegetation index)和粗糙度等地表土壤湿度影响因子,利用人工神经网络方法建立了地表土壤湿度多参数反演模型,生成了2018—2019年连续两年的川藏交通廊道沿线地区36 km空间分辨率的地表土壤湿度日产品.经土壤水分主被动探测卫星数据检验,生成的地表土壤湿度相关系数R为0.8,均方根误差RMSE(root mean square error)为0.032 cm3/cm3,偏差Bias为0.014 cm3/cm3,可为川藏交通廊道沿线气候变化和地表灾害研究提供高连续性和可靠性的数据.      

Comparison of two inverse analysis techniques for learning deep excavation response

Performance observation is a necessary part of the design and construction process in geotechnical engineering. For deep urban excavations, empirical and numerical methods are used to predict potential deformations and their impacts on surrounding structures. Two inverse analysis approaches are described and compared for an excavation project in downtown Chicago. The first approach is a parameter optimization approach based on genetic algorithm (GA). GA is a stochastic global search technique for optimizing an objective function with linear or non-linear constraints. The second approach, self-learning simulations (SelfSim), is an inverse analysis technique that combines finite element method, continuously evolving material models, and field measurements. The optimization based on genetic algorithm approach identifies material properties of an existing soil model, and SelfSim approach extracts the underlying soil behavior unconstrained by a specific assumption on soil constitutive behavior. The two inverse analysis approaches capture well lateral wall deflections and maximum surface settlements. The GA optimization approach tends to overpredict surface settlements at some distance from the excavation as it is constrained by a specific form of the material constitutive model (i.e. hardening soil model); while the surface settlements computed using SelfSim approach match the observed ones due to its ability to learn small strain non-linearity of soil implied in the measured settlements.     

热带人工林SAR散射组成及对遥感估测叶面积指数的影响

基于RADARSAT SAR数据,利用MIMICS（ Michigan Microwave Canopy Scattering）模型模拟森林组分（冠层、树干层、地表）雷达后向散射,模拟研究表明在稀疏的人工林地区,地表层与森林冠层的直接散射是影响森林总的后向散射中最重要的两个因素。在同样的地表条件与森林环境假设下,阔叶林的模拟结果与影像的一致性要优于针叶林,针叶林由于受到地形起伏的影响,难以利用模型模拟森林的散射情况。同时,研究发现,利用森林郁闭度可以定量的表示森林冠层直接散射与总散射的相关关系,因而在一定的条件下得到冠层直接散射。最后,对该方法进行了简单的验证。、     

Soil Moisture Parameterization and Its Influences in Weather and Climate Simulation: A Review

The soil hydrological process in land surface models and its influences on weather and climate simulation have got much attention by scholars both at home and abroad. First, this paper traced the definition and determination of soil moisture, and then reviewed its parameterization in different models, including soil-water characteristic curves for different soil types and numerical methods for solving soil moisture equations. Moreover, methods of soil hydrological parameter determination and uncertainties within land surface models were specified. Also, the importance of methods in parameter sensitivity analysis and optimization was emphasized, and the new datasets of soil hydraulic parameters would play a very important role in the improvement of the land surface model and soil moisture simulation. Finally, the research progress of feedback mechanism between soil moisture and precipitation was summarized. Spatial and temporal distribution of soil moisture and its abnormal would cause a positive feedback, and on the contrary, the meso-scale characteristics of soil moisture distribution had a negative feedback. By summarizing the progresses of the uncertainties and problems in soil moisture simulation, the influences of soil moisture on simulating weather and climate were pointed out.     

Remote sensing of soil moisture: implications for groundwater recharge

Remote sensing provides information on the land surface. Therefore, linkages must be established if these data are to be used in groundwater and recharge analyses. Keys to this process are the use of remote sensing techniques that provide information on soil moisture and water-balance models that tie these observations to the recharge. Microwave remote sensing techniques are used to map the spatial domain of surface soil moisture and to monitor its temporal dynamics, information that cannot be measured using other techniques. The physical basis of this approach is presented with examples of how microwave remote sensing is utilized in groundwater recharge and related studies. Electronic Publication     

海河流域不同下垫面土壤水分动态模拟研究

针对海河流域不同的下垫面类型,选取密云(果园林地)、大兴(城郊农田)、馆陶(平原农田)3个观测站,建立垂直方向上以含水率θ为因变量、含根系吸水项的非饱和土壤水分运动数值计算模型。该模型以一维Richards方程为基础(以下简称RE模型),采用实测的降水和蒸散数据作为模型的上边界条件,运用全隐式有限差分法,分别对不同生长期内的土壤水分进行数值模拟,得到时间序列的土壤水分廓线,并分别采用成熟软件HYDRUS-1D的模拟结果和各观测站实测土壤水分对RE模型进行交叉验证和直接验证。结果表明RE模型能够很好地模拟海河流域不同下垫面土壤水分动态变化过程,3个站模拟结果与实测土壤水分数据的均方根误差(RMSE)分别为0.03127,0.0359和0.0409 cm3/cm3。与HYDRUS-1D软件模拟结果(其与观测值的RMSE分别为0.03759,0.0647和0.0467 cm3/cm3)相比,RE模型模拟的土壤水分具有更高的精度,也显示出RE模型的可靠性。探讨3个站土壤水分的时空变异规律及其影响因子并以大兴站为例,通过优化RE模型参数,探讨犁底层对土壤水分模拟结果的影响,进一步改善RE模型的模拟精度。