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23.8 GHz 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Back Propagation(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。     

FY-3B 微波成像仪海表面温度和风速统计反演算法

基于同步的TAO (Tropical Atmosphere Ocean project) 浮标实测数据和FY-3B 微波成像仪(MWRI) 亮温数据,建立了FY-3B MWRI 海表面温度SST(Sea Surface Temperature) 和海面风速SSW(Sea Surface Wind) 统计反演算法,并利用实测数据进行了检验.根据检验结果,FY-3B MWRI 全通道亮温的SST 反演模型均方根误差为0.81 ℃,相关系数为0.77; SSW 反演模型均方根误差为0.91 m/s ,相关系数为0.78 .     

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。     

全极化微波辐射计对环境参数敏感性分析

为衡量全极化微波辐射计各通道对不同环境参数的探测能力,在构建全极化微波辐射传输正演模型的基础上,采用敏感性分析的方法,在固定背景场条件下,对全极化微波辐射计不同频率、各极化通道亮温对海面风速、海面风向、海面温度、大气水汽含量和云中液态水含量等重要环境参数的敏感度进行了分析和量化计算,对正演模型仿真亮温、星载全极化微波辐射计Wind Sat实测亮温相对于真实背景场参数、NCEP分析场资料和TAO/TRITON浮标实测海面风场数据的敏感性进行了分析。分析结果验证了全极化微波辐射计对海面风场的观测能力,衡量了上述重要环境参数对星载全极化微波辐射计各通道的单独影响程度,为中国自主研制全极化微波辐射计时通道指标设计、环境参数反演通道选取及算法提供支持。     

基于AMSR-E的冬季罗斯冰架冰间湖薄冰冰厚反演

利用AMSR-E 36GHz、89 GHz亮度温度计算出的极化比(PR)与热力学冰厚比较,建立了一种针对南极罗斯冰架冰间湖的AMSR-E薄冰反演算法。热力学冰厚由用MODIS晴空下的表面温度数据、ERA-Interim气象数据,根据表面热通量平衡公式反演得到。在排除混合像元以及水汽对89 GHz数据的干扰后,分别对36、89 GHz的AMSR-E亮温极化比拟合指数模型,反演罗斯冰架冰间湖中的0~0.2 m的薄冰冰厚,均方根误差分别为0.003 5 m和0.005 3 m。     

顾及地面传感器观测数据的遥感影像地面温度反演算法

针对遥感数据对地面温度反演精度低及地面温度传感器数据为点数据的特点,构建了融合地面温度传感器实时监测数据与遥感反演地面温度数据的协同反演方法体系。以HJ-1遥感影像的地表温度反演为例,提出了四种融合策略,通过分析比较得到四种结果。四种方案的融合结果的均方根误差分别从0.884 8℃下降为0.656 2℃、0.428 8℃、0.453 5℃、0.426 1℃;相关系数分别从初始的0.619 5提高到0.634 3、0.862 9、0.850 7、0.864 8。其中,方案4在增加地面点间隔的情况下,均方根误差能够保持在0.45℃以下,相关系数在0.85以上,并采用不同影像和实测数据进行相对验证。最后探讨了不同方案的特点,得出最优的融合方案,以达到对地表温度进行实时动态监测的目的。     

利用时空神经网络模型的长江经济带气温反演

传统基于遥感的气温反演方法往往使用全局模型,从而忽略了气温分布及其时空影响异质性,特别是在较大区域尺度的研究中存在不足。针对长江经济带区域,引入时空地理加权神经网络模型,建立一种高精度的气温估计方法。通过在广义回归网络模型中建立局部模型来顾及时空异质性的影响,融合遥感数据、同化数据、站点数据,获取面域分布的近地表气温信息。采用基于站点的十折交叉验证方法对模型性能进行评估,结果表明,时空地理加权神经网络有效提高了气温估计的精度（均方根误差为1.899℃,平均绝对误差（mean absolute error,MAE）为1.310℃,相关系数为0.976）,与多元线性回归和传统的全局神经网络方法相比,MAE值分别降低了1.112℃和0.378℃。气温空间分布制图结果显示,该方法结果能很好地反映长江经济带气温空间上的差异和不同季节的特征信息,具有实际应用价值。     

应用MODIS数据反演河北省海域叶绿素a浓度

为了建立更加合理、准确的叶绿素a遥感反演模型,利用地物光谱仪测定了河北省海域水面的光谱反射率,分析了光谱反射率与实测叶绿素a浓度之间的关系.在此基础上,通过MODIS数据各波段及波段组合的反射率与实测叶绿素a浓度的相关分析,确定第1波段(B1)为最佳反演波段,建立了应用B1反演叶绿素a浓度的遥感模型,并对模型精度进行验证.结果表明:该模型相关系数为0.66,反演结果均方根误差为0.48 mg/m3,模型精度优于SeaDAS的OC3标准经验算法;该模型反演河北省海域表层水体的叶绿素a浓度有较好的效果.     

基于MEMLS模型的积雪深度反演方法

利用被动微波遥感反演积雪深度一直是积雪遥感领域中的研究热点。在现有的积雪深度反演算法中,NASA算法因其简洁、易于扩展的特点,成为应用最为广泛的算法。但NASA算法存在着一定不足:首先,由于NASA算法基于线性拟合得出,在应用到其他研究区域时需要对反演公式进行重新拟合,适用范围受到一定限制;其次,由于算法中引入的19GHz与37GHz的亮温差在雪深达到一定范围时会达到饱和,因此算法会低估积雪深度。本文针对现有反演算法的不足之处,结合蚁群智能算法的特点,发展了基于蚁群算法的积雪深度反演算法;此外,针对NASA算法中存在的雪深低估问题,引入了AMSR-E10.7GHz亮温数据,对算法进行了改进。利用MEMLS模型的模拟数据与AMSR-E辐射亮温数据对算法进行实验,并采用实测数据与AMSR-E雪水当量产品对算法的反演精度进行评价。结果表明,两种积雪深度反演算法均是可行的,反演精度与现有产品相比有较为明显的改进。     

亮温拟合模型在南海海表盐度反演中的应用

由于当前SMOS反演算法中的正演模型并不完善,SMOS反演盐度在南海的精度非常低。基于此,利用SMOS卫星L2数据的海水表面盐度反演软件L2OS输出原始反演盐度所模拟的亮温和代入HYCOM盐度数据所模拟的亮温建立回归模型,同时反演南海海域的盐度,并与HYCOM、实测数据进行比较。结果表明,使用该方法建立的新模型能有效减小SMOS在南海特定时间反演盐度的误差。     

FY-3D星微波湿温探测仪通道响应函数的影响分析

微波湿温探测仪（MWHTS）的通道响应函数（SRF）一般被认为近似于矩形函数，然而从实际SRF的测试数据来看，MWHTS各个频段不同通道的SRF存在一定的带内波动。本文利用大气辐射传输模拟器（ARTS）模拟了MWHTS中118 GHz各通道不同场景的亮温谱，并输入至前期建立的MWHTS系统仿真模型中，通过定标得到了仪器的输出亮温，进而评估实测SRF对亮温测量及其反演的大气温度廓线的影响，并利用卫星实测数据进行了对比验证。结果表明，亮温偏差与实际SRF的带内波动呈现线性正相关的关系，当带内波动大于3 dB时，亮温偏差可以达到0.2—0.5 K。SRF的带内波动会造成大气温度廓线反演误差，特别是在高度为1.8 km时，误差最大可以达到0.8—0.9 K，该仿真结果与卫星实测数据结果一致。因此在使用数据同化方法对数值天气预报（NWP）进行模拟时，需要特别注意具有较大SRF带内波动的通道所引起的亮温偏差，这对于未来卫星数据的应用具有重要的研究价值。     

神舟四号飞船微波辐射计定标和检验（Ⅱ）——微波辐射计地物参数反演及其检验

针对神舟四号飞船微波辐射计(RAD)特殊入射角、频率的特点,开发了海面和大气参数的反演算法。然后用这个算法模拟RAD不同通道的亮温。最后用发射后重新定标的亮温结合国外大洋浮标、小岛上的气象探空数据以及其他星载微波辐射计产品,对RAD反演算法进行改进,最后给出海面温度、风速和大气水汽含量的反演的结果,并且对这些结果进行了检验。     

“凤凰”台风期间海面风、浪的高频地波雷达OSMAR071遥感

介绍了OSMAR071高频地波雷达系统“凤凰”台风期间海面风、浪遥测结果。文中给出高频地波雷达OSMAR071 风、浪反演算法：利用SBM模型结合多波束采样法反演风向;利用改进的Barrick模型进行有效波高的反演;利用SMB关系式进行风速反演。将雷达定点观测结果与浮标数据进行对比,表现出很好的一致性,其中有效波高相关系数为0.72,均方根误差为0.48 m,风向相关系数为0.97,均方根误差为27.7°,风速的相关系数为0.6,均方根误差为 3.5 m/s。文中还对影响探测精度的因素进行了分析。     

基于Landsat8与MODIS的亮温融合-反演策略

针对目前高空间和高时间分辨率覆盖全球观测的卫星亮度温度影像数据缺失问题,该文以中分辨率成像光谱仪(MODIS)和Landsat 8卫星数据为例,提出了两种不同融合策略生成亮度温度,并评估其融合效果:先融合-后反演和先反演-后融合,从而将MODIS亮温数据降尺度到Landsat 8空间分辨率。该实验过程采用时空自适应反射率融合模型(STARFM),并将预测生成的亮温数据与预测时刻Landsat8亮温数据进行对比分析,计算相关系数、结构相似性和均方根误差(RMSE)等指标。结果得出以STARFM为核心算法的两种融合策略均可较好地应用于生成高时间高空间分辨率的亮度温度,且先融合-后反演的策略相对于先反演-后融合的策略有更高的融合精度。     

FY-3C/MWHTS资料反演陆地晴空大气温湿廓线

针对风云三号C星微波湿温探测仪(FY-3C/MWHTS)的陆地晴空观测资料,建立了一维变分反演系统,对大气的温湿廓线进行反演。为了更好地描述温湿廓线的相关性,同时减小温度和湿度在反演过程中相互之间的误差传递,提出了使用背景协方差矩阵的联合矩阵和单独矩阵进行组合反演的方法。对于MWHTS模拟亮温和观测亮温之间的偏差,使用逐扫描点的统计回归方法进行校正。选择中国部分陆地区域的晴空观测亮温进行温湿廓线的反演,并利用欧洲中期天气预报中心(ECMWF)再分析数据、美国国家环境预报中心(NCEP)分析数据以及无线电探空观测(RAOB)数据对反演结果进行验证,温湿廓线的反演结果与ECMWF再分析数据验证的最大均方根误差分别是2.59 K和11.87%,与NCEP分析数据验证的最大均方根误差分别是1.88 K和21.50%,与RAOB数据验证的最大均方根误差分别是3.43 K和25.48%,验证结果表明了反演结果的可靠性。另外与国外同类载荷AMSU观测亮温的物理方法和统计方法反演精度进行了对比,结果表明:MWHTS具有较强的湿度廓线以及高空温度廓线的探测能力,且针对MWHTS的观测亮温建立的一维变分反演系统具有较高的反演精度。与NCEP 6小时预报廓线的验证结果表明:反演的湿度廓线可以提高预报廓线的精度。     

应用微波遥感数据的东北地区地表温度反演

针对无源微波遥感时间分辨率高可以克服云层影响获取地表温度的问题,该文应用AMSR-E微波亮度温度数据,分别选取了基于发射率估计的单通道反演法和多通道线性拟合法反演东北地区地表温度。在原有方法的基础上提出算法改进:对单通道反演法按照植被生长周期在生长季与非生长季分别建立发射率估计方程,探究各微波通道在每种地表覆被类型的反演能力并组合反演精度最高的通道,将微波极化差异指数作为表征发射率参数加入多通道拟合方程。结果显示,获取的地表温度剔除水体和冰雪无效像元后可用性达到100%,改进后的单通道反演法均方根误差由3.58~4.6降低至2.0~3.1,在75%的区域的误差小于2 K;多通道拟合法的最终均方根误差为2.6~3.5,同样有较高精度且只使用微波亮温数据就能获取地表温度。     

利用BDS数据反演大气可降水量及其精度分析

随着GAMIT软件版本的不断更新,对BDS数据基线解算已成为可能。本文提出了一种基于GAMIT软件的BDS大气可降水量反演方法,并对利用探空数据计算得到的大气可降水量与GPS数据反演结果进行精度验证。结果表明,通过BDS反演得到的大气可降水量与探空数据计算结果之间的平均相对误差、均方根误差均小于2 mm,相关系数大于0.98;与GPS反演结果之间的平均相对误差、均方根误差均小于3 mm,相关系数大于0.96。BDS反演结果精度较高,基本能够满足气象需要。     

海底底质分类支持下的WorldView-3多光谱影像浅海海域水深反演

近几十年来,基于遥感影像进行水深反演一直是国内外学者研究的热点。本文使用WorldView-3高分辨率卫星影像,结合卫星测高数据,以中国海南岛附近的蜈支洲岛及其附近海域为主要研究区域,在进行数据预处理、底质分类之后,分别通过多元线性回归模型、Stumpf对数比值模型和BP神经网络集中对岛屿周围0～20 m水域的水深进行反演和结果分析。结果证明,对这3种模型而言,在进行底质分类之后精度都会明显提升。其中,BP神经网络反演水深精度最高(均方根误差范围为0.2～0.7 m),多元线性回归模型次之(均方根误差范围为0.3～0.8 m),对数比值模型精度最低(均方根误差范围为0.6～1.1 m)。     

SZ-4飞船多模态传感器辐射模态数据处理与质量评价研究

研究了飞船多模态传感器中辐射模态1B产品数据的处理以及生成全球亮温图的方法,对辐射模态数据与SSM/I和AMSR-E星载微波辐射计对应通道进行了星星比对分析,建立了对应通道之间的线性关系。结果表明,飞船辐射模态亮温与SSM/I及AMSR-E的测量值在绝对幅度上相差较大,但却高度的线性相关,这在一定程度上说明了SZ-4辐射模态各通道亮温对地表微波辐射响应的能力。     

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.