基于MODIS积雪覆盖度数据的青藏高原两套被动微波雪深产品降尺度对比研究

积雪深度(雪深)是流域水量平衡、融雪径流模拟等模型的重要输入参数,被动微波雪深遥感产品被广泛用于雪深监测。然而,由于山区积雪时空异质性强,这些空间分辨率较粗的雪深产品受到极大限制。本研究基于MODIS积雪覆盖度数据,根据经验融合规则以及积雪衰退曲线对“中国雪深长时间序列数据集”的两套雪深产品(由SMMR、SSMI和SSMI/S反演的称为Che＿SSMI/S产品;由AMSR-2反演称为Che＿AMSR2产品)进行空间降尺度,最终获得青藏高原500 m降尺度雪深数据(Che＿SSMI/S＿NSD和Che＿AMSR2＿NSD)。利用6景Landsat-8影像对两套降尺度雪深数据进行对比分析,结果发现两套降尺度数据与Landsat-8影像积雪空间分布吻合度均较高。与29个气象站点雪深数据相比,Che＿AMSR2＿NSD与实测雪深更为接近,相关系数(R)达到0.72,均方根误差(RMSE)为3.21 cm;而Che＿SSMI/S＿NSD精度较低(R=0.67,RMSE=4.44 cm),可能是由于采用不同传感器亮温数据的两套原始雪深产品精度不同所致。除此之外,实验表明被动微波雪深产品降尺度精度还...     

基于Worldview-3与Sentinel-1 SAR数据的草原矿区复垦植被生物量反演方法研究

利用多源遥感数据定量反演矿区复垦植被生物量是高效、动态、大面积监测土地复垦和生态恢复效果的必要手段之一。本文以内蒙古草原露天煤矿为研究区,联合遥感光学与雷达数据各自的优势,探索基于Worldview-3(WV-3)与Sentinel-1 SAR数据的矿区复垦植被生物量反演方法,选择主成分-小波变换(W-PCA)算法对WV-3与Sentinel-1 SAR数据进行融合,揭示波段反射率、植被指数、后向散射系数及纹理特征等参数与生物量之间的相关关系,建立多变量的生物量反演模型,并分析不同生物量模型的空间不确定性。结果表明:(1)通过W-PCA算法得到融合后的图像,信息熵的提高反映了融合图像与光学WV-3图像相比具有更多的细节信息,平均梯度的提高反映了融合图像与Sentinel-1 SAR图像相比具有更高的清晰度和更丰富的纹理信息。融合后的第8波段相关系数最高、光谱扭曲度最低、光谱保真度最高。(2)通过相关性分析,发现增强型植被指数(EVI)、归一化植被指数(NDVI)、VH极化、VH均值纹理以及融合后第8波段与生物量显著正相关。WV-3的NDVI与Sentinel-1的VH_ME建模精度(R²=0.834 0,RMSE=16.464 6 g/m²,Ac=81.52%)最高,融合后的第8波段验证精度(R²=0.798 3,RMSE=22.828 3 g/m²,Ac=74.64%)最高。(3)基于不同模型的残差不确定性分析,Sentinel-1 SAR数据变量建立的模型估测结果更容易出现高估及饱和现象,两者联合变量建立的模型可实现优势互补,利用融合数据建立的模型明显改善生物量小于40 g/m²时的高估计现象以及生物量大于100 g/m²时的两者饱和现象,其不确定性降低2.42~9.68 g/m²。因此,利用光学和雷达遥感融合能够有效提高复垦植被生物量的估算精度,为草原矿区复垦植被精细监测提供有效的数据支持。     

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。     

多源遥感数据反演土壤水分方法

基于ASAR-APP影像数据和光学影像数据,根据水云模型研究了小麦覆盖下地表土壤含水量的反演方法。利用TM和MODIS影像构建的植被生物、物理参数与实测小麦含水量进行回归分析,发现TM影像提取的归一化水分指数(NDWI)反演精度较好,相关系数达到0.87。根据这一关系,结合水云模型并联立裸露地表土壤湿度反演模型,建立了基于多源遥感数据的土壤含水量反演模型和参数统一求解方案。反演结果表明:该方案可得到理想的土壤水分反演精度,并可控制参数估计的误差。反演土壤含水量和准同步实测数据的相关系数为0.9,均方根误差为3.83%。在此基础上,分析了模型参数的敏感性,并制作了研究区土壤缺水量分布图。     

基于随机森林算法的青藏高原AMSR2被动微波雪深反演

青藏高原因其复杂的地形地势和和积雪分布使得多种雪深算法未达到理想的精度。基于新一代被动微波数据AMSR2（Advanced Microwave Scanning Radiometer 2）, 应用随机森林算法（Random Forest, RF）将亮温（Brightness Temperature, BT）和亮温差（Brightness Temperature Difference, BTD）作为参数输入, 并将高程和纬度参数引入雪深反演模型中, 经过模拟退火算法进行有效反演因子筛选, 构建了基于随机森林算法的青藏高原雪深反演模型。结果表明： 与AMSR2全球雪深产品相比, 随机森林算法的拟合优度（R²）由0.41提升至0.60, 均方根误差（Root Mean Square Error, RMSE）由7.36 cm降至4.88 cm, 偏差（BIAS）由3.24 cm减小至-0.16 cm, 随机森林雪深反演模型在青藏高原的精度更高; 青藏高原平均海拔超过4 000 m, 当海拔大于青藏高原平均海拔时, 随机森林算法的反演效果最差, 但RMSE仅为3.78 cm, BIAS仅为-0.09 cm; 高原南部（25° ~ 30° N）因其复杂的地势和相对较少的气象站点使得反演效果较差, RMSE为5.94 cm, BIAS为-0.39 cm; 青藏高原的主要土地覆盖类型为草地, 随机森林算法在草地的RMSE约为3 cm, BIAS接近0 cm。     

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。     

冻土遥感研究进展——可见光、红外及主动微波卫星遥感方法

多年冻土和季节冻土分别占北半球裸露地表的24%和55%。近地表土壤冻融的范围、冻结起始日期、持续时间及冻融深度对寒季/寒区的植被生长、大气与土壤间能量、水分及温室气体交换都具有极其重要的影响。卫星遥感结合地面观测资料研究局地到区域尺度的季节冻土和多年冻土已取得诸多成果。综述了近几十年来卫星遥感技术在冻土研究中的应用。监测多年冻土和地表冻融循环通常需要综合利用可见光、红外、被动微波及主动微波(包括合成孔径雷达SAR和散射计)遥感数据,任何单一波段的传感器都无法满足研究需求。SAR图像能提供空间分辨率较高的寒季/寒区近地表土壤冻融状态的起始日期、持续时间和区域演变等信息,但目前在轨SAR的重访周期相对于春秋季的土壤冻融循环变化过长;星载被动微波传感器具有多通道观测且重访周期较高,但空间分辨率很低的特点;光学和热红外传感器的时空分辨率介于SAR和被动微波遥感之间,但应用于冻土研究时需要具备多年冻土分布和冻融深度与环境因子相关关系的先验信息。总体而言,微波遥感是探测无雪覆盖近地表土壤冻融循环的有效技术手段,而利用热红外传感器反演的地表温度研究土壤冻融过程具有极大潜力。应用卫星遥感反演的积雪范围、雪深、融雪、地表类型、...     

基于GF-2影像的武汉市九峰山国家森林公园地上碳储量估算

探究国产高分辨率数据在森林碳储量估算研究中的潜力,为构建森林碳储量估算模型提供新思路。选取武汉市九峰山国家森林公园为研究对象,以GF-2遥感影像为数据源,结合地面实测信息,对研究区森林地上碳储量进行估算,共提取6个植被指数、4个波段值、8种纹理特征,筛选出9个与实测碳储量相关的遥感变量,运用线性与非线性方程对单个高相关变量和多个相关变量进行建模,选出最优模型,为进一步提高预测精度,将模型代入4种纹理窗口(3×3、5×5、7×7、9×9)。结果表明：通过遥感图像提取的植被指数之间,具有较强的共线性,单变量建立的模型精度低于多变量模型;利用均方根误差RMSE与决定系数R²对4个窗口下模型的预测精度进行评价,模型在5×5窗口下预测效果最好(R²=0.73,RMSE=0.5),3×3窗口下预测效果最差(R²=0.64,RMSE=0.8),将所有估测模型进行比较,在纹理窗口下模型精度提高了0.11。利用5×5窗口下构建的多变量模型对研究区碳储量进行估算,九峰山国家森林公园碳储总量为1.06×10⁴ t,总体平...     

基于生物地理优化的人工神经网络模型预测软土的固结系数

软土固结系数C_v是岩土工程结构设计中的重要参数,测试固结系数需要花费大量的时间和成本。基于生物地理学优化算法(biogeographical optimization algorithm,BBO)来改进人工神经网络(artificial neural network,ANN)模型,使用生物地理优化的人工神经网络(ANN-BBO)模型对软土固结系数进行计算。基于连淮高速公路改扩建项目的路基软土数据对计算模型进行了训练和测试。通过相关系数矩阵和主成分分析对软土的11个物理力学参数进行了统计分析,确定了7个参数作为计算模型的输入参数,并对计算模型进行了训练和测试;模型通过相关系数、均方根误差和方差比进行检验,并对误差进行了统计分析;采用蒙特卡罗模拟对计算模型的鲁棒性进行了分析。结果表明：ANN-BBO模型可以用于估计软土的固结系数,相关系数R²=0.947 1,均方根误差RMSE=0.165 7×10^-3 cm²/s,方差比VAF=94.54%;ANN-BBO模型预测精度明显优于ANN模型;ANN-BBO...     

冕宁牦牛坪稀土矿区土壤重金属污染光谱测定与特征分析

本研究采集冕宁牦牛坪稀土矿区34个样本点的土壤与高光谱数据,利用化学方法实测土壤重金属含量,计算各重金属之间皮尔森相关系数,建立Fe元素与各金属元素(Pb、Zn、Cd、Mn、Cu、As)估算模型;针对高光谱数据,进行光谱一阶微分、二阶微分、倒数对数、均方根变换、包络线去除、光谱深度计算等处理,获取特征波段,采用交叉有效性检验原则选择恰当的主成分个数,应用偏最小二乘法建立光谱一阶微分同Fe元素关系模型,最后通过计算建模样本与检验样本的相关系数及RMSE值判定各金属含量模型精度。旨在探索利用高光谱遥感技术反演土壤重金属含量的可行性,为应用高光谱遥感技术进行环境污染监测、信息提取和定量反演提供借鉴。     

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。     

MODIS地表温度产品在青藏高原连续多年冻土区的适用性分析

利用自动气象站观测的长波辐射计算得到的地表温度对MODIS地表温度(LST)产品在青藏高原中部连续多年冻土区的精度进行验证, 并利用具有较高空间分辨率的Landsat 5 TM和Landsat 7 ETM+反演的地表温度与MODIS LST产品进行了对比分析. 结果表明: 白天MODIS LST产品的平均绝对误差(MAE)和均方根误差(RMSE)分别约为3.42~4.41 ℃和4.41~5.29 ℃, 夜晚MODIS产品MAE和RMSE分别为2.15~2.90 ℃和3.05~3.78 ℃, 精度高于白天; MODIS LST与TM、ETM+反演的地表温度一致性较好, 相关系数分别达到0.85和0.95. 说明MODIS LST产品在连续多年冻土区的适用性较高, 是研究多年冻土地表热状况的一个非常好的数据源. 而且, 不同空间尺度的遥感数据之间一致性较好, 可考虑将多源遥感数据应用于多年冻土热状况监测研究.     

基于LSTM的青藏高原冻土区典型小流域径流模拟及预测

冻土覆盖率高的小流域的径流形成受温度因素控制明显,普通水文模型不适用,而常规冻土水文模型因需要较多的气象观测要素而难以应用。考虑冻土流域产流机制,利用青藏高原腹地风火山小流域2017—2018年逐日降水、气温、径流观测数据,以降水、气温为输入,径流为输出,基于长短期记忆神经网络（LSTM）建立了适用于小流域尺度的冻土水文模型,并利用2019年观测数据进行验证。模型得益于LSTM特殊的细胞状态和门结构能够学习、反映活动层冻融过程和土壤含水量变化,具有一定的冻土水文学意义,能很好地模拟冻土区径流过程。模型训练期R²、NSE均为0.93,RMSE为0.63 m³·s^-1,验证期R²、NSE分别为0.81、0.77,RMSE为0.69 m³·s^-1。同时,为了验证模型可靠性,将模型应用于邻近的沱沱河流域,模型训练期（1990—2009年）R²、NSE均为0.73,验证期（2010—2019年）R²、NSE分别为0.66、0.64,模拟结果较好。考虑到未来气候变化,通过模型对风火山流域径流进行了预测：降水每增加10%,年径流增加约12%;气温每升高0.5 ℃,年径流增加约1%;春季融化期、秋季冻结期径流增幅明显,而由于蒸发加剧、活动层加深,径流在8月出现了减少。模型经训练后依靠降水、气温作为输入能较好地模拟、预测青藏高原冻土区小流域径流,为缺少土壤温度、水分等观测数据的冻土小流域径流研究提供了一种简单有效并具有一定物理意义的方法。     

地面核磁共振正则化反演方法研究

不同的模型约束对基于正则化反演技术的地面核磁共振测深数据反演影响很大。利用理论数据讨论了平坦模型和光滑模型约束及与之相关的正则化参数对反演结果的影响规律。模拟表明,无论是高信噪比数据,还是低信噪比数据,反演的含水量在小正则化参数时,对模型约束的依赖性不大,主要受正则化参数影响。大正则化参数时反演分辨率低,而小正则化参数在保证数据拟合精度提高的同时,增加了模型的分辨率,能获得更可靠的含水量分布。     

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.      

东北典型黑土区有机碳遥感定量反演研究

利用多元逐步回归分析法,结合Landsat8 OLI遥感数据对该地区土壤有机碳进行定量反演.试验采集了164个土壤样品,通过3倍标准差准则对样品进行奇异点去除及数据集划分,其中120个样品作为训练集,44个样品作为验证集,建立土壤有机碳的多元逐步回归预测模型.结果表明：有机碳与Landsat8各波段反射率均显著相关;黑土有机碳光谱预测最优模型以倒数为自变量模型最优,决定系数R²=0.180,均方根误差RMSE=0.558,海伦地区适于C_org含量遥感反演,预测模型稳定性好,可以用于揭示黑土典型区C_org含量的空间分布特征.同时认为在不对土壤进行地面光谱测试的情况下,直接采用化学分析数据与遥感卫星相关联的方法预测模型拟合度有限,光谱对有机碳可解释性较低.     

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。     

青藏高原积雪深度和雪水当量的被动微波遥感反演

利用1993年1月份的SSM/I亮度温度数据反演了青藏高原的雪水当量,首先使用被动微波SSM/I数据19和37GHz的水平极化数据来反演雪深,根据积雪时间的函数来计算实时的雪密度,由雪的深度和密度计算出雪水当量.最后,利用SSM/I数据的19和37GHz的垂直极化亮度温度梯度对计算出的雪水当量进行回归分析,得到了利用SSM/I数据直接反演雪水当量的算法.     

基于光谱-环境随机森林回归模型的MODIS积雪面积比例反演研究

积雪面积比例（Fractional Snow Cover, FSC）数据能在亚像元尺度上定量的描述像元内积雪覆盖的程度,相比二值积雪面积数据可以更加精确地估计积雪覆盖的面积。基于机器学习的随机森林回归模型可以表示高维的非线性关系,可显著提高MODIS FSC的反演精度。采用随机森林回归模型结合光谱、环境信息构建了一个新的回归模型——光谱-环境随机森林回归（Spectral Environment Random Forest Regressor, SE-RFR）模型,用于MODIS数据反演中国区域的FSC。利用中国典型积雪区内由Landsat 8地表反射率数据获取的FSC数据作为参考值,对SE-RFR模型的反演精度进行评估。研究表明,利用“SE-RFR”获取的FSC数据RMSE、MAE分别为0.160、0.104,精度较高。此外,根据SE-RFR模型与未加入环境信息的随机森林回归（S-RFR）模型比较结果可知,加入环境信息的随机森林回归模型提高了FSC反演的精度,特别是在受环境信息影响较大的青藏高原地区,RMSE从0.200降低到0.181。最后,将SE-RFR模型与目前使用广泛的MODIS FSC反演模型FSC_NDSI、MODSCAG和SSEmod进行了比较,结果表明SE-RFR模型的RMSE与FSC_NDSI、MODSCAG和SSEmod模型的RMSE相比,平均RMSE分别提高了12.0%、8.3%和5.5%。总体来说,SE-RFR模型可以准确地提取MODIS FSC,对于区域乃至全球FSC产品制备具有广泛的应用前景。     

冻土遥感研究进展:被动微波遥感

多年冻土和季节冻土分别占北半球裸露地表的24%和55%.近地表土壤冻融的范围、冻结起始日期、持续时间及冻融深度对寒季/寒区植物生长、大气与土壤间能量、水分及温室气体交换都具有极其重要的影响.自20世纪70年代以来,应用卫星遥感结合地面观测资料研究局地到区域尺度的季节冻土和多年冻土已取得诸多成果,而遥感在冻土研究中的最直接应用是利用微波探测近地表土壤冻融状态.相对于主动sAR,星载被动微波传感器具有多通道观测且重访周期较高,空间分辨率很低的特点.重点评述了近几十年来被动微波辐射计在冻土研究中的算法发展及其应用前景,主要包括双指标算法、时间序列变化检测算法及判别树算法3类,其核心均是基于冻土的低温特征和"体散射变暗"效应.发展可靠实用的微波遥感土壤冻融状态判别算法,提供区域和全球尺度上的土壤冻融状态信息,对水文学、气象学以及农业科学、工程地质研究与应用都具有重要意义.