被动微波土壤水分遥感产品空间降尺度研究：方法、进展及挑战

土壤水分不仅在地表水、能量以及碳循环中发挥着非常重要的作用,其时空变化也是影响和反映气候变化的关键因子。虽然被动微波遥感技术是目前监测大尺度范围土壤水分变化最为成熟的技术手段,但是其土壤水分产品空间分辨率往往较低（几十千米不等）,不能满足区域和局地尺度的应用需求。鉴于这一问题,空间降尺度逐渐成为了提高被动微波土壤水分遥感产品空间分辨率的主要方式,也是当前遥感研究领域的热点之一。本文总结与分析了近20多年来国内外被动微波土壤水分遥感产品空间降尺度研究进展,系统归纳了经验性、半经验性和基于物理机理的3大类降尺度方法,并就各方法特征进行了详细说明,概述了各方法的优势和缺点。归纳而言,虽然被动微波土壤水分遥感产品空间降尺度方法众多,但可靠的高分辨率降尺度土壤水分产品仍较少,这与被动微波土壤水分遥感产品、降尺度关系模型方法以及降尺度辅助因子等有着直接的关联。未来相关研究应重点结合多源遥感数据建立适用性强、精度高的降尺度关系模型,进而实现时空无缝的高时空分辨率降尺度土壤水分产品的生产,为推动土壤水分遥感产品在农林业管理、自然灾害监测、水文过程分析等区域应用中提供支持。     

基于CCI和MODIS数据的淮河流域地表土壤湿度降尺度方法研究

土壤湿度是控制陆地和大气间水热能量交换的一个关键参数,同时也是陆面生态系统水循环的重要组成部分。本文选用25 km分辨率的CCI(Climate Change Initiative)土壤湿度产品数据,并结合1 km分辨率的MODIS数据,构建微波土壤湿度产品数据降尺度回归算法,获取淮河流域1 km空间分辨率的土壤湿度数据。降尺度后所获取淮河流域1 km空间分辨率的土壤湿度数据总体上提高了25 km空间分辨率的CCI土壤湿度产品数据的精度.     

基于表观热惯量与温度植被指数的FY-3B土壤水分降尺度研究

为进一步研究风云三号(FY-3B)土壤水分降尺度获取高分辨率土壤水分的方法,使其更适用于农业、水文、生态等区域尺度的应用要求,以MODIS为数据源,青藏高原那曲地区为研究区,利用表观热惯量模型(apparent thermal inertia,ATI)与温度植被指数(temperature vegetation ind...     

闪电河流域农牧交错带微波遥感土壤水分产品评价

空间网格分辨率为9 km 的 SMAP(Soil Moisture Active and Passive)、0.1D(Degree)的 ASCAT(The Advanced Scatterometer)、25 km 的 FY-3B 以及25 km ESA-CCI(European Space Agency-Climat...     

融合微波遥感与模型模拟的时空无缝土壤湿度数据生成方法

遥感反演与模型模拟是获取全球土壤湿度数据的两种基本手段,遥感反演可以获得相对较高的空间分辨率,但往往存在时空缝隙;陆面模型能够模拟土壤湿度的时空连续演进,但空间分辨率往往较粗。为此,集成二者的互补优势,提出一种融合微波遥感与模型模拟的全球无缝土壤湿度数据生成方法。具体地,针对SMAP(soil moisture active passive）卫星9 km土壤湿度数据的空缺区域,引入GLDAS Noah 0.25°的模型同化数据,建立二者之间的时空融合模型,通过对模型数据的降尺度实现对遥感数据的填补,进一步基于泊松方程方法进行残差校正,进而生成高精度的9 km日尺度土壤湿度无缝数据。实验结果证明,该方法可以有效结合遥感观测的空间分辨率优势与模型模拟的时空连续优势,提供时空无缝全球土壤湿度数据,更好地满足全球尺度水循环监测与水资源管理的需求。     

用ERS风散射计数据估算土壤水分方法的研究

欧空局ERS1/2卫星上的风散射计(WSC),分辨率是50km,4天内能覆盖全球超过80%的范围,并可在多角度下对地物目标进行观测。本文研究利用该散射计数据估算土壤水分的方法。首先,利用基于ERS散射计数据建立的全球C波段雷达后向散射系数数据库,根据传统的几何光学模型(GOM),反演得到与土壤含水量密切相关的法线方向Fresnel反射率,并与两个采样点(安多和那曲)上的实测降雨量及土壤水分相对比,证明了ERS散射计数据与土壤水分的高相关性;第二步,以水云模型为基础,结合AIEM模型,发展了一种简化模型来估算土壤水分绝对值,分别利用气象站实测点数据和同时期的Basist湿度指数(BWI)进行验证,表明反演结果能较好反映土壤水分的空间分布状况。     

变角度下主被动微波遥感联合降尺度方法

被动微波遥感土壤水分空间分辨率低,无法满足干旱监测、洪水预测以及灌溉管理等区域水利和农业等行业应用需求.中国在民用空间基础设施中规划论证的"陆地水资源卫星"搭载了雷达和辐射计主被动一体化微波载荷,通过主被动联合降尺度可以获取高分辨率(～5 km)的土壤水分,但其采用了一维合成孔径技术,主被动微波传感器观测的地面入射角是...     

应用高光谱遥感数据估算土壤表层水分的研究

土壤水分是土壤的重要组成部分，它在陆地表层和大气之间的物质和能量交换方面扮演着重要角色，寻求快速而准确的方法估算土壤水分具有重要意义。通常，从可见光一近红外对土壤表层水分的估计多是建立在土壤水分与反射率的关系之上的。而在土壤水分含量不高时，土壤水分的增加使土壤光谱反射率在整个波长范围内降低，尤其在760nm，970nm，1190nm，1450nm，1940nm和2950nm等水分吸收波段，而在土壤水分含量较高时，土壤水分的增加会使土壤光谱反射率在某些光谱波段升高。而土壤水分的估计往往是基于土壤水分与土壤水分吸收波段的吸收强度之间的线性关系上，虽然这些经验的方法对于估算某些土壤的表层水分含量是有效的，但这些关系应用于其它条件(如不同种类土壤、土壤湿度变化范围很大的情况)时却面临很多困难，这与土壤的光谱反射率是由土壤的组成成分(土壤水分、有机质、氧化铁和粘土矿物等)的含量和它们在土壤中的分布密切相关。微分技术处理“连续”的光谱是遥感中常用的数学方法，微分技术能部分消除低频光谱成分的影响。现在微分光谱已广泛地应用于研究植被的生物物理参数、矿物和有机质等。然而利用微分光谱对土壤水分反演的研究却鲜见报道。本文通过对实验室中多种不同类型的土壤进行光谱与土壤表层水分含量进行观测，探讨了通过土壤反射率与微分光谱对土壤表层水分的反演方法。4种类型的土壤光谱数据(反射率(R)，反射率倒数的对数(log(1／R))，反射率的一阶微分光谱(dR／dλ)，反射率倒数的对数的一阶微分光谱(d(log(1／R))／dλ))与土壤表层水分之间的关系在本文中得到分析，R与log(1／R)对于不同土壤类型与土壤表层水分都很敏感，说明通过R与log(1／R)反演土壤表层水分受土壤类型的影响很大，而dR／dλ，d(log(1／R))／dλ)对土壤类型却不敏感，对土壤表层水分较为敏感，说明dR／dλ和d(log(1／R))／dλ)对于反演不同类型土壤具有很大的潜力，微分光谱与土壤水分在某些波段具有显著的相关性。通过随机对9种土壤(各具有4个土壤水分)的数据建立反演土壤水分的模型，并其他9种土壤(各具有4个土壤水分)的数据进行验证模型，结果表明，dR／dλ和d(log(1／R))／dλ)能够显著提高R与log(1／R)对于不同土壤类型土壤表层水分的反演精度，由于吸收过程是非线性的，在四种类型的土壤光谱数据中，总体来说，d(log(1／R))／dλ)具有最好的能力预测不同类型土壤的表层水分含量。     

基于随机森林算法对青藏高原TRMM降水数据进行空间统计降尺度研究

提高气象数据空间分辨率对水文、气象和生态等领域的流域尺度研究至关重要。青藏高原气候变化在全球气候研究中占有重要的位置,并且对局域降水分布的研究在大气科学中处于基础地位。为获取青藏高原地区准确、有效、更高空间分辨率的降水数据,基于随机森林算法,引入植被和地形因子,采用热带降水测量计划卫星(Tropical Rainfall Measuring Mission,TRMM) 3B43降水数据(0. 25°×0. 25°)、NOAA-AVHRR归一化植被数(normalized difference vegetation index,NDVI)数据(8 km×8 km)、航天飞机雷达地形测绘任务(Shuttle Radar Topography Mission,SRTM)数字高程模型(digital elevation model,DEM)数据(90 m×90 m)以及经纬度信息,建立了非线性空间统计降尺度模型,最终获得8 km分辨率降水降尺度结果。另外,采用将时间序列分析和非线性回归分析融合的方法,基于2000—2012年TRMM年均降水数据和NDVI数据,建立降水量时间尺度预测模型。分析结果表明,综合考虑植被和地形因子对青藏高原地区降水空间分布的影响,基于随机森林算法建立的降尺度模型,其降尺度结果与地面站点测量值拟合系数为0. 89,高于TRMM数据与地面站点测量值的拟合系数0. 81,说明降尺度结果提高了卫星遥感降水数据的空间分辨率。另外,降水预测模型能够较好地描述青藏高原地区的年际降水变化趋势和数量级,2006—2012年的预测降水量与TRMM降水数据拟合系数均高于0. 80。     

季节偏差纠正下的遥感AOD产品降尺度BGIM算法

MODIS 3 km DT (Dark Target)卫星气溶胶光学厚度AOD (Aerosol Optical Depth)数据产品已广泛应用于大气污染监测,但受反演方法限制,该数据产品像元缺失严重、时空覆盖度低、精度偏低。相比,MODIS 10 km DT＿DB＿Combined AOD数据产品因融合DT和DB (Deep Blue)两种反演算法,一定程度上可弥补MODIS 3 km DT AOD数据产品在时空覆盖度与精度方面的缺陷,但分辨率偏低。此外,受气溶胶组分来源的季节变化与地表反射率估算的季节性误差影响,MODIS AOD数据产品精度同时也存在季节性特征。本文由此以京津冀为试验区,顾及AOD季节变化特性,开展MODIS 10 km DT＿DB＿Combined AOD数据产品偏差纠正下的地统计反演模拟BGIM(Bias-corrected Geostatistical Inverse Model)降尺度算法研究。试验同时引入AERONET地基观测数据和MODIS3 km DT AOD数据产品作为降尺度结果的绝对与相对验证标准。结果表明：季节偏差系数纠正下生成的MODIS3 ...     

基于Sentinel-1A数据的土壤水分反演

土壤水分是影响作物生长的重要因素,也是监测旱情、估算作物产量的重要参量.为及时、准确地掌握土壤水分,在利用水云模型(Water Cloud Model,WCM)对Sentinel-1 A的后向散射系数校正的基础上,联合地面土壤水分数据,采用线性回归、BP神经网络和支持向量回归三类模型进行了地表土壤水分反演实验研究.实验...     

地理要素对地表温度降尺度算法的多维响应

针对如何克服不同传感器地表温度的时空分辨率矛盾的问题,该文利用随机森林(RF)算法、BP神经网络(BP)算法和多元回归(MLR)算法,直接将原始1km分辨率的MODIS LST降尺度至250m分辨率,并评估地理要素对不同降尺度算法的多维响应。结果表明:①在不同海拔、坡度、坡向和土地利用类型中,RF算法的降尺度效果均为最佳;②在降尺度模型中考虑经纬度、地形因子等地理要素能显著提升降尺度效果;③降尺度效果随海拔升高先增后减,随坡度增加先增后降,从不同坡向看,降尺度效果分异明显,从不同土地利用类型看,林地、草地的降尺度精度最高,耕地次之,水域和建筑用地降尺度精度最低。     

基于ERS散射计数据的土壤水分反演方法

在全球能量与水循环研究中,地表土壤水分是非常关键的参数之一。ERS散射计因具有观测尺度大、重复周期短等优势而在地表土壤水分监测方面日益受到关注。采用目前最先进的理论模型AIEM(改进的积分方程模型),根据ERS散射计的参数设计模拟出一个涵盖较宽地表粗糙度和介电常数输入范围的数据库,利用这个数据库发展出一个参数化模型。该模型采用了一个综合均方根高度(RMS height)与相关长度(Correlation length)的粗糙度参数,该参数在每个入射角度下都可以用同一个函数来描述,解决了多角度数据情况下粗糙度参数的表达问题。应用新发展的参数化模型进行土壤水分的反演结果表明,该模型具有较高的精度。     

地表覆盖分类数据对区域森林叶面积指数反演的影响

以江西省吉安市为研究区,将5种全球地表覆盖分类数据(包括美国地质调查局(USGS)、马里兰大学(UMD)和波士顿大学(BU)生成的3套数据和欧洲生成的2套数据)以及由TM影像生成的区域地表覆盖分类数据,分别与MODIS1km反射率资料结合,利用基于4尺度几何光学模型的LAI反演方法生成研究区的LAI。在1km和4km两种尺度上将反演的LAI与TM资料生成的LAI进行比较,评价地表覆盖分类数据对LAI反演结果的影响。结果表明,TM和欧洲太空局的GLOBCOVER地表覆盖分类数据用于反演LAI的结果较好,在1km尺度上,反演的LAI与统计模型估算的TMLAI相关的R2分别为0.44和0.40,在4km尺度上的R2分别为0.57和0.54;其次为波士顿大学的MODIS地表覆盖分类数据,据其反演的LAI与TMLAI相关的R2在1km和4km尺度上分别为0.38和0.51;而马里兰大学的UMD和欧洲的GLC2000地表覆盖分类数据会导致反演的LAI存在较大误差,据其反演的LAI与TMLAI之间的一致性较差,在1km和4km两种尺度上平均偏低20%左右;LAI的反演结果对聚集度系数具有强的敏感性。该研究表明,为了提高区域/全球LAI反演精度,需要有高质量的地表覆盖分类数据。     

利用主被动微波遥感结合反演土壤水分的理论模型分析

为了更好地进行土壤水分反演,发展了一种基于热带降雨观测计划(TRMM)的主被动微波结合反演裸露地表土壤水分的算法.为了提高反演精度,同时利用TRMM搭载的测雨雷达(PR)和微波成像仪(TMI)进行观测.另外,针对PR/TMI数据,还建立了包含大范围的土壤水分和粗糙度参数的AIEM模型数据库.通过分析AIEM模型对地表后...     

利用双极化微波遥感数据反演土壤水分的新方法

提出了一种基于微波双极化数据的土壤水分反演经验模型,该模型引入了新的综合粗糙度参数Rs=S2/L(1/2)来描述地表粗糙状况,将两个粗糙度参数均方根高度S和相关长度L合二为一,因而模型的未知量仅为Rs与法向菲涅尔反射系数Г0。基于AIEM模型数值模拟,建立了后向散射系数与Rs、Г0的经验关系,并利用两个极化的微波数据同时反演得到粗糙度参数Rs和Г0,进而得到地表土壤水分。实测数据表明,该模型反演的土壤水分与地表实测值相关性较高(R2=0.681,RMS=0.043),在土壤水分反演方面具有较大的潜力。     

中国西部地区基于经验模型的土壤水分反演

地表土壤水分含量的时空分布信息是十分重要的,常常作为水文模型、气候模型、生态模型的输入参数,同时,也是干旱预报、农作物估产等工作的重要指标。被动微波遥感是监测土壤含水量最有效的手段之一。相比红外与可见光,它具有波长长,穿透能力强的优势。相比主动微波雷达,被动微波辐射计具有监测面积大、周期短,受粗糙度影响小,对土壤水分更为敏感,算法更为成熟的优势。目前,已研究出许多反演土壤水分的方法.本课题的主要内容是借助AMSR-E土壤水分影像数据、MODIS归一化植被指数(NDVI)影像数据和MODIS分类影像数据,利用ENVI软件进行遥感图像数据处理,运用统计分析方法建立NDVI与土壤水分的经验模型,研究中国西部地区稀疏植被覆盖区土壤水分的反演。     

城市地表温度空间降尺度研究—以北京市为例

地表温度LST（Land Surface Temperature）是城市热环境研究的重要参数之一,城市下垫面极为复杂,LST空间差异性较高。高空间分辨率LST对精细化城市热环境监测和缓解具有重要意义。目前大部分城市遥感LST降尺度研究仍以二维角度为主,缺乏建筑三维结构的考虑。本研究同时考虑地表二维和三维指标,构建基于随机森林方法的降尺度模型,开展MODIS 1 km LST降尺度研究（100 m）,并探讨二维和三维建筑形态对LST影响的空间尺度效应。另外,为了弥补随机森林模型缺乏物理基础的不足,参考热辐射传输方程,将方程中传感器接收的辐亮度和与大气透过率相关的大气可降水量,加入降尺度模型构建中。为了更好利用真实观测的MODIS 1 km LST验证降尺度结果,故将MODIS LST和所有指标因子升尺度至5 km,开展5 km LST降尺度至1 km研究,进一步研究探讨大气顶层辐亮度和大气可降水量对LST降尺度的影响。研究结果表明：（1）随机森林模型中增加辐亮度和大气可降水量前后,通过将5 km LST降尺度后1 km LST与原始MODIS 1 km LST相比,RMSE和R²分别由3.1 K和0.5提高至0.38 K和0.94。（2）当随机森林模型中增加建筑形态指标后,模型的袋外分数OOB_score由0.46提高至0.49,模拟的100 m LST与ASTER LST产品比较,R²有所降低,可能的原因是ASTER 和MODIS LST的反演方法和传感器不同,造成两者在100 m尺度下的对比性差一些。但是当驱动因子中增加MOD02和MOD05后,RMSE和R²由2.4 K和0.29提高至1.2 K和0.68,进一步说明MOD02和MOD05在1 km LST降至100 m过程中,起到至关重要作用。（3）在1 km和100 m尺度下,增加建筑形态后,模型OOB_score均有提高,并且建筑形态指标的重要性有所不同,在100 m尺度下独立建筑形态的影响程度有所增加。综上,MODIS LST在城市地区降尺度研究中需要考虑大气顶层辐亮度、大气可降水量和建筑形态的影响,并且不同的建筑形态对LST的重要性存在空间尺度效应。     

时序双极化SAR开采沉陷区土壤水分估计

开采沉陷地质灾害诱发矿区生态环境恶化的关键因子是土壤水分变化。研究提出了一种利用Sentinel-1A双极化SAR和OLI地表反射率数据联合反演土壤含水量的方法,即基于归一化水体指数(NDWI)反演植被含水量;采用Water-Cloud Model(WCM)模型消除植被对Sentinel-1A后向散射系数产生的影响,将其转化为裸土区的后向散射系数;利用基于AIEM模型和Oh模型建立的经验模型反演研究区地表参数,并用OLI光学反演结果进行验证;最后比较了开采沉陷区内外土壤水分含量。研究表明:(1)与基于OLI的土壤水分监测指数(SMMI)的土壤水分含量反演结果相比,两种极化方式中VH极化反演的水分结果具有更好的一致性,且两种极化方式反演结果也表明荒漠化草原区比黄土丘陵沟壑区反演效果更好,说明地形对后向散射的影响不可忽略。(2)在2016年内72期数据中,VH极化反演结果对比区土壤水分含量大于沉陷区的有41期,所占比例为57%;VV极化反演结果对比区土壤水分含量大于沉陷区的有36期,所占比例为50%,且不同矿区内的沉陷区受到的影响不同。说明开采沉陷造成的地表粗糙度的增加会对地表土壤水分产生负面影响,但不同矿区之间又有差异。     

结合像元分解和STARFM模型的遥感数据融合

高空间、时间分辨率遥感数据在监测地表快速变化方面具有重要的作用。然而,对于特定传感器获取的遥感影像在空间分辨率和时间分辨率上存在不可调和的矛盾,遥感数据时空融合技术是解决这一矛盾的有效方法。本文利用像元分解降尺方法(Downscaling mixed pixel)和STARFM模型(Spatial and Temporal Adaptive Reflectance Fusion Model)相结合的CDSTARFM算法(Combination of Downscaling Mixed Pixel Algorithm and Spatial and Temporal Adaptive Reflectance Fusion Model)进行遥感数据融合。首先,利用像元分解降尺度方法对参与融合的MODIS数据进行分解降尺度处理;其次,利用分解降尺度的MODIS数据替代STARFM模型中直接重采样的MODIS数据进行数据融合;最后以Landsat 8和MODIS遥感影像数据对该方法进行了实验。结果表明:(1)CDSTARFM算法比STARFM和像元分解降尺度算法具有更高的融合精度;(2)CDSTARFM能够在较小的窗口下获得更高的融合精度,在相同的窗口下其融合精度也高于STARFM;(3)CDSTARFM融合的影像更接近真实影像,消除了像元分解降尺度影像中的"图斑"和STARFM模型融合影像中的"MODIS像元边界"。