南极海冰边界AMSR-E密集度产品精度检验

根据海冰船测目视观测标准在MODIS影像上提取模拟的海冰边界,并利用相应的MODIS海冰密集度验证AMSR-E海冰密集度产品在海冰边界的精度。研究结果表明,海冰边界像素上,AMSR-E海冰密集度的平均值与15%阈值存在显著差异,且AMSR-E与MODIS海冰密集度的相关性很弱(R²≤0.2),基于ASI的海冰反演算法在夏季低估边界海冰密集度。考虑整个冰区(包括多年冰、一年冰、新冰和开阔海域)的截线分析显示,AMSR-E与MODIS海冰密集度存在较好的线性关系(夏季R²=0.82,冬季R²=0.81),AMSR-E海冰密集度在20%~30%区间的误差最大。     

利用多源数据对海冰密集度反演的算法验证

海冰密集度对全球气候变化研究有重要的意义,其反演结果的验证工作也被广泛关注,但结合多源数据反演,同时对两种算法验证的研究较少的现状,该文利用ASPeCt船测海冰密集度数据对Bootstrap算法和NASA Team(NT)算法基于SSM/I数据估算的海冰密集度精度进行验证,并与MODIS影像反演获得的海冰密集度进行对比。研究结果显示两种海冰密集度算法获得的反演结果与ASPeCt船测值偏差分别为2.26%和7.27%,均方根误差分别为11.39%和12.32%。相比之下,MODIS结果与ASPeCt船测海冰密集度比较得到偏差为3%,均方根误差为5.21%。Bootstrap算法、NT算法与ASPeCt船测值比较的偏差和均方根误差显示两种算法精度相近;由于MODIS数据分辨率与ASPeCt船测数据相近,所以其反演精度较优;但因时空分辨率的限制,各种结果都具有一定的不确定性。     

南极海冰密集度多源数据的交叉检验

通过研究交叉检验船测样点上的7种不同尺度的海冰密集度数据,发现相同时间和相同空间尺度的海冰密集度值吻合度最高,不同时间不同尺度的海冰密集度值的相关性较弱。由数据获取时间不同引起的密集度差异在高分辨率数据上体现明显。真实船测点与伪船测点之间的吻合度不高,受观测者主观因素、天气条件、影像处理质量和伪船测点提取方法的影响。虽然伪船测点方法在海冰边界研究中具有快速、大面积提取边界点的优势,但需要控制提取算法中的误差传播。     

多源数据检验南极AMSR-E海冰密集度产品精度

根据船测方法在MODIS影像上提取模拟船测海冰密集度,并与船测数据联合验证AMSR-E海冰密集度产品。结果表明,AMSR-E海冰密集度与模拟船测海冰密集度的一致性高于其与船测海冰密集度,且相同时间、相同尺度下的海冰密集度之间一致性较高,不同时间、相同尺度下的海冰密集度之间存在不同程度的差异。     

基于Bootstrap算法的FY-3/MWRI北极海冰密集度反演

海冰作为全球气候系统的重要组成部分,不仅影响着大气与海洋环流,也是气候变化的重要指示器。海冰密集度是描述极地海冰极为重要的地球物理参数之一。本文基于风云三号卫星微波成像仪(MWRI)亮温数据开展北极海冰密集度反演研究,采用线性回归和阈值法确定了动态亮温系点值,利用天气滤波器和陆地污染修正法消除了天气和陆地对海冰密集度反演的影响,计算了2019年—2020年海冰范围和海冰面积并与同类产品进行了比对。结果表明,本研究获取的北极海冰密集度产品与NSIDC发布的海冰密集度产品有较高的相关性,海冰密集度的差异在冬季小于3%,夏季小于8%。利用SAR数据进行了不同产品的结果评估,结果表明本文算法的反演结果优于NASA Team算法,在冬季精度约有1%的提升,在夏季精度约有4%左右的提升。动态亮温系点值较好地反映了海冰辐射特性的季节变化。本研究为中国自主卫星的海冰密集度产品的业务化发布奠定了基础。     

FY-3B/MWRI和Aqua/AMSR-E海冰密集度比较及印证

本文对2011-07-01—2011-09-30风云三号B星(FY-3B)搭载的微波成像仪MWRI(Microwave Radiometer Imager)和Aqua卫星搭载的微波扫描辐射计AMSR-E(Advanced Microwave Scanning Radiometer for Earth Observing System)观测数据获取的海冰密集度产品进行比较及印证。首先,逐日比较FY-3B/MWRI和Aqua/AMSR-E区域平均海冰密集度;其次,逐月比较FY-3B/MWRI和Aqua/AMSR-E月平均海冰密集度;最后,使用Aqua卫星搭载的中等分辨率成像光谱辐射计MODIS数据进行印证。MWRI和AMSR-E比较结果为(1)MWRI与AMSR-E逐日区域平均海冰密集度变化趋势一致,MWRI海冰密集度均高于AMSR-E,7—9月MWRI与AMSR-E逐日平均偏差月平均值分别为8.55%、7.67%、2.58%,逐日标准差月平均值分别为12.16%、12.08%、10.43%,二者差异逐月减小。(2)MWRI与AMSR-E月平均海冰密集度差呈现逐月递减趋势,7—9月MWRI与AMSR-E逐月平均偏差分别为7.37%、6.53%、1.51%,逐月标准差分别为4.61%、4.36%、3.64%,MWRI与AMSR-E差异逐月减小的原因是二者在密集度较低的边缘区域差异较大,而夏季随着边缘区域海冰的融化,二者差异逐渐减小。MWRI和AMSRE海冰密集度与MODIS印证结果为:(1)密集度小于95%情况下,MWRI与AMSR-E海冰密集度均比MODIS偏高,AMSR-E更接近MODIS,MWRI高估,误差较大。(2)密集度大于等于95%情况下,MWRI与AMSR-E海冰密集度均比MODIS偏低,AMSR-E偏低更多,MWRI结果更好。     

FY-3B/MWRI北极海冰密集度ASI算法反演研究

近年来,由于“北极放大”的气候效应,使得北极海冰变化受到了越来越多的关注。而作为海冰被动微波遥感的主要参数,海冰密集度SIC (Sea Ice Concentration)能够表征海冰的主要状态,可用于指导极区走航以及进行不同尺度的海冰变化研究。通过该参数还可以计算出海冰面积、海冰范围等信息,对极区冰情预测以及气候变化研究具有重要意义。本研究探讨了如何利用FY-3B/MWRI (FY-3B/MicroWave Radiometer Imager)较高分辨率通道数据来反演北极地区海冰密集度。基于ASI (ARTIST (Arctic Radiation and Turbulence Interaction STudy) Sea Ice)算法,本研究通过改进算法系点值的方法反演了北极地区海冰密集度,并将反演结果与MWRI海冰密集度产品进行了对比。首先利用Aqua/MODIS (Moderate Resolution Imaging Spectroradiometer)反射率数据获得的海冰密集度对二者进行了验证。结果表明,本研究选用的新系点值ASI算法在全部数据集范围内的平均偏差与MWRI海...     

北极遥感海冰密集度数据的比较和评估

本文利用2012年夏季中国第五次北极科学考察期间雪龙船在北极东北航道走航观测的海冰密集度数据(OBS-SIC),初步评估了7种基于被动微波遥感的海冰密集度产品(PM-SIC)。7种PM-SIC因传感器和反演方法不同,分辨率差异较大(4—25 km)。在海盆尺度的海冰范围反演上7种PM-SIC基本相同,但对小范围浮冰区的反演差异较大。与MODIS可见光图像对比发现,MASAM数据(4 km)对局部小区域海冰刻画较好,是研究近岸区域或海峡岛屿海冰覆盖范围或面积时的首选产品;7种PM-SIC纬向平均后对比分析显示,不同PM-SIC对网格内是否存在海冰的判断基本一致,但对网格内海冰所占的比例(密集度)判断差异较大。结合OBS-SIC按航线、区域、密集度大小3种不同情况对7种PM-SIC进行分类定量评估,结果表明基于AMSR2传感器的AMSR2/ASI和AMSR2/Bootstrap数据与OBS-SIC偏差较小,平均偏差约±1%,均方根偏差仅11%和12%;而SSMIS/NT数据的偏差最大,平均偏差约–15%,均方根偏差为21%,其严重低估了网格内的海冰密集度值;因此具有更高分辨率的AMSR2/ASI数据(6.25 km)是关注海冰密集度大小时的首选产品。     

极区海冰密集度AMSR-E数据反演算法的试验与验证

海冰密集度是极区海冰监测的重要参数,目前分辨率最高的微波海冰密集度产品为德国Bremen大学发布的针对AMSR-E 89 GHz频段数据利用ASI算法反演的网格数据。为实现中国极区遥感产品从无到有的战略步骤,本文针对AMSR-E 89GHz频段微波数据的ASI算法,进行了插值算法、系点值和天气滤波器一系列试验。针对北极海区,着重对影响反演结果的主要参数——纯冰和纯水的亮温极化差异阈值,即系点值(P₁和P₀)进行了2009年全年的统计分析。研究表明,2009年北极纯冰和纯水的代表区域P₁和P₀年平均值分别为10.0 K和46.67 K;2 K以上的系点值差异引起的海冰密集度差别较为显著;同样的系点值差异在不同极化差异P取值范围对海冰密集度的影响也不同。通过统计确定的系点值推算并修正了海冰密集度反演公式,对2009年全年北极海冰密集度进行了反演,并与Bremen大学产品进行了比较。继而对白令海和楚科奇海12个晴空下MODIS可见光样本数据进行反演,以验证AMSR-E冰密集度反演结果,并对误差原因进行了分析。本研究反演结果与MODIS样本比对的误差略小于Bremen大学的反演产品,空间平均误差为3.84%,空间平均绝对误差10.83%。     

2000—2015年北极夏季反照率变化及其与海冰密集度的关系

作为影响极区热平衡的关键因素,北极反照率会对北极气候与环境变化产生重要影响。采用CLARA-A2-SAL(The CM SAF Cloud,Albedo and Radiation)反照率产品分析2000—2015年北极夏季反照率月尺度和年尺度的时空变化,并探索北极反照率与海冰密集度的关系。结果表明,近15年间北极夏季反照率降幅达到12.20%,8月反照率下降趋势最显著,每10年减少0.040;随着海冰的融化,北极夏季反照率发生由高到低的变化;北极中央密集冰区与周边海域的反照率变化呈现出显著的空间差异性;北极反照率与海冰密集度呈稳定的正相关。研究北极反照率的时空变化及其影响因素可为解释海冰变化成因、预测北极海冰变化趋势提供参考。     

水体叶绿素a浓度遥感反演方法研究进展

针对水体叶绿素a浓度反演问题,从反演所需的遥感数据源、主要研究区、主要研究单位以及反演模型4个方面,系统介绍了叶绿素a浓度遥感反演的发展现状,分析了现有水体叶绿素a遥感反演方法的优缺点,提出了目前存在的问题,并对水体叶绿素a浓度反演研究进行了展望。     

三种国际主流的北极卫星遥感冰速产品评估和分析

冰速是海冰的重要参数,但是受资料长度限制,对卫星遥感冰速产品进行系统比较和评估的研究还较少。利用2009年—2017年国际北极浮标计划（IABP）浮标冰速数据,较系统地评估了不同时间间隔的遥感反演冰速产品在北冰洋内区和弗拉姆海峡附近海区的表现。结果显示,对北冰洋内区而言,1 d间隔的美国国家雪冰数据中心（NSIDC）遥感冰速冬季误差整体大于夏季,冬季高估了波弗特海南部海冰向西的运动,低估了从喀拉海流向格陵兰岛北部的穿极流。对于5种2 d间隔冰速产品而言,产品精度不完全取决于源数据空间分辨率的高低,反演算法的改进和数据融合均能提高冰速的精度,均方根误差大小的顺序是OSISAF-Merged <OSISAF-AMSR <Ifremer-AMSR <OSISAF-SSM < OSISAF-ASCAT。对于4种使用相同反演算法的3 d间隔的冰速产品,产品的均方根误差取决于源数据分辨率,空间分辨率最高的Ifremer-AMSR冰速均方根误差最小。比较不同种类、不同时间间隔冰速的月平均均方根误差后可知,采用3 d间隔反演的冰速由于能够忽略更多短时间尺度海冰运动,其冰速均方根误差低于2 d间隔的冰速。在弗拉姆海峡,除Ifremer-AMSR外,其余冰速产品均具有较大的经向偏差和均方根误差。在冰速较快弗拉姆海峡,冰速产品均方根误差取决于源数据的分辨率。     

1979年—2019年兴凯湖湖冰物候变化的被动微波遥感监测

季节性冻结与消融的湖冰是气候变化的重要指示器。本文以兴凯湖为例,基于1979年—2019年的被动微波遥感数据获取了兴凯湖的冻融日期,用2000年—2019年的中等分辨率成像光谱仪MODIS(Moderate-resolution Imaging Spectroradiometer)数据进行了验证,并用气候数据分析了湖冰物候变化的原因。结果表明被动微波与MODIS遥感数据在湖冰物候提取方面具有较好的一致性,也即MODIS的验证结果表明用低频被动微波亮度温度数据获取湖冰物候的方法是可行的,结果也是可靠的。平均而言,兴凯湖湖冰每年11-13左右开始冻结,11-23左右完全冻结,湖冰冻结持续时间9.80 d;次年04-23左右湖冰开始消融,04-30左右湖冰完全消融,消融持续时间8.03 d;湖冰完全封冻时间150.50 d,湖冰覆盖时间168.03 d。过去41 a,兴凯湖开始冻结日期没有明显变化,完全冻结日期平均推后了0.19 d/a,开始消融日期和完全消融日期分别提前了0.16 d/a和0.13 d/a,湖泊完全封冻时间和湖冰覆盖时间分别缩短了12.71 d和2.87 d。湖冰冻结日期推后与风速增大密切相关,消融日期提前和湖冰持续时间缩短与气温升高显著相关。     

随机森林回归模型的悬浮泥沙浓度遥感估算

三峡工程蓄水以来,清水下泄,坝下游河段发生了长时间、长距离的沿程冲刷,河流悬浮泥沙浓度发生改变,给沿岸生态系统带来了不利影响。随机森林算法灵活、稳健,已被广泛应用于各类生态环境变量的回归预测分析,但其在水体悬浮泥沙浓度估算方面的能力尚未得到充分认识。基于泥沙站点监测数据和MODIS卫星遥感反射率数据,通过构建随机森林非参数回归预测模型,对三峡工程坝下游宜昌至城陵矶河段在建坝前后14年间(2002年—2015年)各月的悬浮泥沙浓度进行遥感估算。研究表明:(1)基于随机森林的悬浮泥沙浓度估算模型表现较好,模型预测值与实测值间相关性好、预测精度高,优于其他模型(线性回归、支持向量机、人工神经网络模型)。(2)在参与模型构建的MODIS波段变量中,红波段被认为是最重要的预测变量,但不能单独使用它进行预测,悬浮泥沙遥感预测需要多变量共同参与。(3)将悬浮泥沙数据按季节分类所构建的随机森林模型,其平均误差为0.46 mg/L,平均相对均方根误差为12.33%,估算效果最优,能够满足较高精度下悬浮泥沙浓度估算的需求。综上,可以考虑以季节为划分依据,用随机森林回归模型估算悬浮泥沙浓度,并用于后期坝下游河道悬浮泥沙浓度时空反演。     

青藏高原纳木错湖冰物候变化遥感监测与模拟

湖冰物候是反映区域气候变化的直观指标.由于青藏高原湖冰物候的地面观测不足,遥感与模拟成为动态监测湖冰物候变化并揭示其变化机理的重要途径.本文以纳木错为例,通过不同遥感方法获取了纳木错2000年-2015年湖冰物候的动态变化.在此基础上,将遥感与物理基础清晰的湖泊过程模型相结合,重建了纳木错1963年-2018年的湖冰物...     

Estimating dissolved organic carbon concentration in turbid coastal waters using optical remote sensing observations

Dissolved Organic Carbon (DOC) is an important component in the global carbon cycle. It also plays an important role in influencing the coastal ocean biogeochemical (BGC) cycles and light environment. Studies focussing on DOC dynamics in coastal waters are data constrained due to the high costs associated with in situ water sampling campaigns. Satellite optical remote sensing has the potential to provide continuous, cost-effective DOC estimates. In this study we used a bio-optics dataset collected in turbid coastal waters of Moreton Bay (MB), Australia, during 2011 to develop a remote sensing algorithm to estimate DOC. This dataset includes data from flood and non-flood conditions. In MB, DOC concentration varied over a wide range (20–520 μM C) and had a good correlation (R² = 0.78) with absorption due to coloured dissolved organic matter (CDOM) and remote sensing reflectance. Using this data set we developed an empirical algorithm to derive DOC concentrations from the ratio of R_rs(412)/R_rs(488) and tested it with independent datasets. In this study, we demonstrate the ability to estimate DOC using remotely sensed optical observations in turbid coastal waters.     

基于MODIS遥感数据的水体提取算法研究

针对MODIS遥感数据采用多波段普间关系算法提取水体容易与阴影混淆,产生提取不精确的问题。作者将对多波段普间关系水体提取算法进行研究,并以鄱阳湖为实验对象,使用改进后的多波段普间关系算法对水体进行提取。实现提升水体提取精度的目标。