风云静止卫星双星立体观测云顶高度反演初步研究

推导出利用风云静止卫星双星视云坐标计算云下点坐标和云顶高度的理论算法,对静止双星865E/104.5E和86.5E/112E两种组合观测条件下视云位移分布特征以及视云位移与云高关系进行分析计算,在此基础上,提出一种可以实现全区域高精度立体云高反演的非线性视云位移云高反演模型。结果显示,观测数据空间分辨率0.01°条件下,两种双星组合云高分辨率平均值分别为1.28 km和0.93 km,表明86.5E/112E组合反演精度优于86.5E/104.5E组合。最后,利用FY2D和FY2F双星数据在西北太平洋进行立体云高反演实验,并将反演结果与Cloudsat卫星微波雷达云高测量数据进行对比分析。     

基于MODIS数据的气溶胶光学厚度反演

气溶胶在大气污染事件中扮演重要角色。光学厚度作为大气气溶胶的一个重要光学属性,常作为其他相关科学研究的重要参数。本文以ENVI5.0为平台,利用经典的暗像元算法,对2011年8月5日北京地区的MODIS卫星遥感影像数据进行了气溶胶光学厚度(AOD)反演,并对其空间分布进行了分析,为环境监测部门提供了大气污染治理依据。     

太湖悬浮物浓度的MODIS数据定量反演提取

本文利用250m分辨率的MODIS数据和准实时的地面采样数据,运用线性回归方法反演了太湖的悬浮物浓度,结果表明悬浮物浓度与第1波段相关性最好,PEARSON相关系数为0.31,在所有的波段组合中,其中以与波段M1+M2组合的相关性最好,呈典型正相关。并以此为基础建立了太湖的悬浮物浓度反演模型,这对于利用高时间分辨率的遥感源数据,研究太湖悬浮物浓度的时空变化规律具有重要意义。     

基于MODIS数据云相态反演的人工增雪效果评估

针对人工增雪效果评估获取物理证据的迫切性与特殊性,选取2006年11月22-24日新疆阿克苏地区暴雪过程的EOS/MODIS卫星数据,应用"三光谱云相态反演法"对该地云团的变化过程进行了研究,可以看出反演结果与实际情况完全相符。同时针对此次暴雪发生前进行的飞机人工增雪作业,探讨了用反演结果进行效果评估的可行性,证明反演结果可清晰的展示人工增雪后云团从混合云到冰云的发展过程。结果表明:"三光谱云相态反演法"具有理论和实际应用的优势。MODIS数据云相态识别技术可以用于人工增雪效果评估。     

基于摄影测量的ASTER影像云顶高度解算模型与实验

云顶高度是天气预报、天气监测的重要因子,准确的云顶高度对提高天气分析和数值预报的质量,具有重要的科学意义。立体几何法是公认云顶高度解算精度较高的方法,目前,普遍采用卫星-球心-投影云-真云的平面和球面三角几何关系,以及影像匹配技术解算云顶高度,由于采用了理想椭球体和重投影技术,以及对云移动考虑不足,因此误差较大。本文将数字摄影测量理论与遥感技术相结合,首次将摄影测量共线方程用于云顶高度解算。本文利用ASTER影像,依据相关系数法解求云迹风,并将其引入到摄影测量共线方程中,建立了ASTER影像的云顶高度解算模型,进行了未考虑和考虑风速的云顶高度解算,通过地面点计算,本文解算误差为2个像元（30 m）左右,经与MISR云顶高度产品对比分析,认为该模型解算的考虑风速的云顶高度精度优于MISR解算结果。     

四川草原MODIS数据的产草量估算

四川草原是我国5大牧区之一,其可利用的天然草地占全省草原总面积的85%,准确掌握草原产草量信息对草原管理和当地经济发展具有重要意义。本研究利用2011年7月MODIS不同分辨率(250m、500m、1km)NDVI、EVI产品和同期地面调查数据(共181个采样点),对四川草原4种主要草地类型(即高寒草甸草地、高寒灌木草地、高寒沼泽草地和山地疏林草地)产草量鲜重分类型建立估产模型。研究发现,NDVI对该地区4种主要草地类型产草量的拟合效果普遍优于EVI;相对于500m和1km的遥感数据,250m的遥感数据拟合效果较好;分草地类型建立模型的效果优于对全体样本建立模型;该地区除高寒沼泽草地用幂函数模型拟合效果较好外,其余均用指数模型进行建模效果较好;对该地区各草地类型建立的最优估产模型,精度均在70%以上,回归判定系数R2在0.75以上;利用最优模型对2011年四川省草原进行估产,总体估产精度约为90%。     

CE-318太阳光度计及探空数据反演水汽含量与MODIS近红外水汽产品对比

大气水汽含量是遥感定量反演的重要参数。本文利用CE-318太阳光度计,反演了2014年6月至2016年5月南宁市的大气水汽含量,分析其季节变化特征,并将其与探空数据、MODIS近红外水汽产品数据进行相关性分析。结果表明：（1）南宁市大气水汽含量季节变化特征明显：夏季高达4~6 g/cm²,而冬季则只有2 g/cm²,与南宁地处亚热带地区有关。夏季该地区季风气候盛行,大气水汽含量高,冬季季风气候减弱,大气相对干燥。（2）CE-318太阳光度计反演的大气水汽含量（PW）与探空数据获取的水汽含量之间存在良好的线性相关,相关系数为0.877,平均绝对误差为0.42 g/cm²,平均相对误差为10.96%;而MODIS近红外波段反演的水汽精度较低,平均绝对误差为0.74 g/cm²,平均相对误差为18.74%。     

利用MODIS数据反演沙漠化地区地表温度的简化模式——以陕西北部地区为例

利用MODIS数据可见光波段、近红外波段和中红外波段,获得提取地表温度所需要的2个基本参数:地表比辐射率和大气透过率;然后对热红外波段b31、b32运用劈窗算法提取出陕北地区地表温度;并利用两种不同经验公式参数得出的结果与相应位置气象观测站观测的卫星过境时刻的地表气温进行比较.结果表明,劈窗算法简化模式能获得较准确的地表温度,符合陕北地区的实际地表状况,印证了应用该简化模式可以在大范围内快速实时监测地表温度.     

基于MODIS和AMSR-E反演京津冀地区大气水汽含量及比较

为了长时间、大范围获取水汽数值,利用2005~2008年光学遥感的MODIS近红外、红外水汽产品,以及微波遥感AMSR-E数据,2种方法反演水汽。微波AMSR-E亮温数据采用Merritt N.Deeter(2007)亮温极化差方法,选取18.7GHz和23.8GHz 2个波段,得到AMSR-E升轨、降轨大气水汽数值。以京津冀地区为研究区域,通过地统计相关性分析、时间序列分析、年际间变化分析,可知2种方法4种资料反演的大气水汽数值的R2都达到0.95,时间分布符合中国雨带移动规律,空间分布不均。MODIS数据反演值比AMSR-E值要低,得到2种方法反演水汽的各自优缺点。     

华东地区MODIS与OMI气溶胶光学厚度数据融合

气溶胶光学厚度（AOD）表征气溶胶对光的衰减作用,体现大气混浊度或大气中气溶胶总含量,其卫星产品是研究近年来不断恶化的大气环境与空气质量的良好数据源。AOD卫星产品种类较多,但数据存在较大的不确定性;气溶胶全球监测网（AERONET）的地基数据精度高,但空间覆盖度较差。泛克里金法（UK）能在数据融合过程中更多地考虑描述对象的空间相关性,并且简单易行、结果可靠。因此,本文采用该方法,结合二次多项式波段插值法和回归分析方法,在AERONET AOD数据的基础上,对2008年11月华东地区臭氧监测仪（OMI）和中分辨率成像光谱仪（MODIS）的AOD产品进行了融合。结果表明：二次多项式的AOD波段插值方法,能提供比Angstrom波长指数法更为精准的AOD插值结果;AOD融合产品的空间分辨率高于OMI AOD,覆盖率大于OMIAOD和MODIS AOD,且其精度优于这2种AOD卫星产品;融合产品图显示,2008年11月,华东地区的AOD总体呈现南低北高的趋势,高值区主要分布在长江三角洲部分地区、安徽东北部、苏鲁交界处,以及山东西部;低值区主要为江苏以南大部。相比于前人研究,本文证实了AERONET AOD站点数据少、融合的数据源（卫星AOD产品）过境时间不一致的情况下,UK方法仍然有效。本文提出的融合系统,可为相关研究提供空间覆盖更全、精度更高的AOD数据。     

基于LTDR AVHRR和MODIS观测的全球长时间序列叶面积指数遥感反演

叶面积指数是描述土壤-植被-大气之间物质和能量交换的关键参数,获取大区域长时间序列叶面积指数有助于研究气候变化条件下植被的响应及反馈。本文利用MODIS观测和经过重新处理的地表长时间数据集（Land Long Term Data Record）LTDR AVHRR数据,生成了全球1981-2012年叶面积指数数据。算法通过建立二者之间像元级关系,利用高质量MODIS观测约束历史AVHRR数据的反演,这有助于减小2种存在显著差别传感器反演结果的不一致性,也有助于提高AVHRR反演质量。首先算法利用高质量MODIS地表反射率反演2000-2012年叶面积指数,然后利用多年每8 d的LTDR AVHRR地表反射率数据计算简单比植被指数（Simple Ratio,SR）,利用SR平均值和MODIS LAI平均值建立像元级AVHRR SR-MODIS LAI关系。在此基础上,实现1981-1999年AVHRR LAI反演,最终得到全球1981-2012年叶面积指数数据。本算法反演的AVHRR和MODIS LAI与全球植被的空间分布吻合,能表征主要生物群系类型的季节变化特征,2个数据集一致性较好,并且与NASA MODIS LAI标准产品（MOD15A2）的空间分布和季节变化曲线吻合较好。     

华北平原秸秆焚烧火点的MODIS影像识别监测

本文利用Terra/MODIS 1B级数据,基于火点像元亮温特征及其与背景亮温的偏差来提取华北平原秸秆焚烧火点信息。文中采用MODIS 1B 500m分辨率下的第1、4、3波段反射率产品进行RGB合成,基于GIS平台叠加火点信息和地理基础数据生成华北平原5省2市秸秆焚烧火点分布图。本文结合火点分布图对研究区2007年6月17日和18日的火点数目进行了统计:结果表明,河南、河北地区的火点较多,山东、河南等境内火点数目分布区域有较大扩展。通过遥感监测秸秆焚烧信息,可为环境监测部门提供环境监测数据;同时能提高秸秆焚烧预警和日常监控能力,兴利保护生态环境。     

基于中分辨率成像光谱仪数据的洋面云检测新方法的研究

提出了一种利用中分辨率成像光谱仪热红外窗区通道数据进行云、晴空分离的新方法。该云检测算法从热红外窗区通道亮温出发,并结合水汽廓线,运用水汽规度法计算规度因子的值,利用规度因子的数值状态实现分离云和晴空,从而达到云检测的目的。经过大量的实验,并将结果与中分辨率成像光谱仪官方云检测产品作对比分析,结果表明准确率为91％,算法具有可行性。     

基于中分辨率成像光谱仪数据的洋面云检测新方法的研究

提出了一种利用中分辨率成像光谱仪热红外窗区通道数据进行云、晴空分离的新方法。该云检测算法从热红外窗区通道亮温出发,并结合水汽廓线,运用水汽规度法计算规度因子的值,利用规度因子的数值状态实现分离云和晴空,从而达到云检测的目的。经过大量的实验,并将结果与中分辨率成像光谱仪官方云检测产品作对比分析,结果表明准确率为91％,算法具有可行性。     

叶面积指数遥感反演研究进展与展望

叶面积指数表征叶片的疏密程度和冠层结构特征,体现植被光合、呼吸和蒸腾作用等生物物理过程的能力,是描述土壤-植被-大气之间物质和能量交换的关键参数。目前多种卫星传感器观测生成了多个区域和全球的叶面积指数标准产品。本文综述了基于光学遥感数据的叶面积指数反演进展:首先,介绍了叶面积指数的定义和在生态系统模拟中的作用;然后,阐述了基于光学遥感反演叶面积指数的基本原理;在此基础上,论述了基于植被指数经验关系和基于物理模型的两种主要遥感反演算法,讨论了2种算法的优点和存在的问题,并总结了现有的主要全球数据产品及其特点,论述了产品检验的方法和需要注意的问题;最后,总结了当前叶面积指数反演中存在的问题,并展望了其发展趋势和研究方向。     

太湖水质参数MODIS的遥感定量提取方法

本文利用MODIS数据的可见光、近红外波段和准实时的地面采样数据,分别利用线性回归模型和神经网络模型反演了太湖的叶绿素a和悬浮物浓度.结果表明,利用MODIS数据的波段组合(M2/M8)和(M2/M9)可估算太湖的叶绿素a浓度;而MODIS数据的波段组合(M12/M17)、(M13/M17)及MODIS(M4)波段能定量估算太湖的悬浮物浓度,但估算精度仍不能满足实际需要.因此,构建了一个以MODIS可见光及近红外波段为输入,以太湖水质参数为输出的2层BP神经网络模型反演太湖的水质参数,大大提高了反演精度.     

Semi-Empirical Algorithm for Wind Speed Retrieval from Gaofen-3 Quad-Polarization Strip Mode SAR Data

Synthetic aperture radar(SAR)is a suitable tool to obtain reliable wind retrievals with high spatial resolution.The geophysical model function(GMF),which is widely employed for wind speed retrieval from SAR data,describes the relationship between the SAR normalized radar cross-section(NRCS)at the copolarization channel(vertical-vertical and horizontal-horizontal)and a wind vector.SAR-measured NRCS at cross-polarization channels(horizontal-vertical and vertical-horizontal)correlates with wind speed.In this study,a semi-empirical algorithm is presented to retrieve wind speed from the noisy Chinese Gaofen-3(GF-3)SAR data with noise-equivalent sigma zero correction using an empirical function.GF-3 SAR can acquire data in a quad-polarization strip mode,which includes cross-polarization channels.The semi-empirical algorithm is tuned using acquisitions collocated with winds from the European Center for Medium-Range Weather Forecasts.In particular,the proposed algorithm includes the dependences of wind speed and incidence angle on cross-polarized NRCS.The accuracy of SAR-derived wind speed is around 2.10ms−1 root mean square error,which is validated against measurements from the Advanced Scatterometer onboard the Metop-A/B and the buoys from the National Data Buoy Center of the National Oceanic and Atmospheric Administration.The results obtained by the proposed algorithm considering the incidence angle in a GMF are relatively more accurate than those achieved by other algorithms.This work provides an alternative method to generate operational wind products for GF-3 SAR without relying on ancillary data for wind direction.     

Retrieval of Land-surface Temperature from AMSR2 Data Using a Deep Dynamic Learning Neural Network

It is more difficult to retrieve land surface temperature(LST) from passive microwave remote sensing data than from thermal remote sensing data, because the emissivities in the passive microwave band can change more easily than those in the thermal infrared band. Thus, it is very difficult to build a stable relationship. Passive microwave band emissivities are greatly influenced by the soil moisture, which varies with time. This makes it difficult to develop a general physical algorithm. This paper proposes a method to utilize multiple-satellite, sensors and resolution coupled with a deep dynamic learning neural network to retrieve the land surface temperature from images acquired by the Advanced Microwave Scanning Radiometer 2(AMSR2), a sensor that is similar to the Advanced Microwave Scanning Radiometer Earth Observing System(AMSR-E). The AMSR-E and MODIS sensors are located aboard the Aqua satellite. The MODIS LST product is used as the ground truth data to overcome the difficulties in obtaining large scale land surface temperature data. The mean and standard deviation of the retrieval error are approximately 1.4° and 1.9° when five frequencies(ten channels, 10.7, 18.7, 23.8, 36.5, 89 V/H GHz) are used. This method can effectively eliminate the influences of the soil moisture, roughness, atmosphere and various other factors. An analysis of the application of this method to the retrieval of land surface temperature from AMSR2 data indicates that the method is feasible. The accuracy is approximately 1.8° through a comparison between the retrieval results with ground measurement data from meteorological stations.