基于AMSR-E的微波波段地表发射率反演——以青藏高原为例

青藏高原以其独特的特征在气候变化中起着重要的作用,而地表发射率对地表参数和大气参数的准确反演也非常重要,因此本文发展了青藏高原微波波段地表发射率的反演算法.首先通过辐射传输方程对地表发射率的反演算法进行了推导,并利用被动微波一维大气辐射模拟器的模拟数据对算法进行了验证,结果显示了较高的精度.接着结合微波辐射计AMSR-E的亮温数据和MODIS提供的大气廓线数据,利用本文发展的算法反演了青藏高原微波波段的地表发射率.最后,分析了青藏高原地表发射率的时空分布特征:从空间特征上分析,反演结果的空间分布符合青藏高原地表覆盖类型的变化,植被湖泊等可以在反演结果中很明显的显现;从时间特征上分析,在一个月的时间尺度上,发射率随时间变化并不明显,每天的变化值在0.01之内.另外通过对青藏高原裸露地表发射率的时间序列研究发现,地表发射率对降雨有非常敏感的响应.反演结果的合理性表明本文的算法具有可行性,可以利用该算法反演青藏高原的地表发射率并建立长时间序列的地表发射率数据库,为青藏高原其他地球系统参数的遥感反演提供基础,为青藏高原的相关地学研究提供数据支持.     

青藏高原表层土壤湿度遥感反演及其空间分布和多年变化趋势分析

青藏高原地区高精度的长时间序列的土壤水分数据对亚洲季风和全球大气循环研究有着极大的影响,但目前青藏高原地区地面站点稀少,已严重影响青藏高原气候变化研究．本文基于双通道土壤水分反演算法和AMSR-E卫星数据反演青藏高原地区2003—2010年表层土壤水分,并分析青藏高原地区土壤水分空间分布的季节性变化及多年变化趋势的空间分布．与地面站点土壤水分比较,新算法反演的土壤水分产品精度在地面站点区域,优于AMSR-E官方产品．通过对青藏高原年平均土壤水分空间分布和月平均土壤水分空间分布的季节性变化进行分析,结果表明二者与青藏高原降雨分布和水汽输送路径一致．基于此产品对青藏地区的多年土壤水分变化趋势空间分布进行了分析,通过与同一时期青藏高原气象站点的降水量数据的变化趋势比较,发现土壤水分变化趋势和降水量的变化趋势在空间分布上比较吻合．     

滦河流域碳、水循环和能量平衡遥感综合试验总体设计

始于20世纪80年代的系列大型遥感试验开始系统研究地表物质和能量交换过程,对遥感与地球系统科学研究的结合起到重要作用,但是尚无综合利用多源遥感数据解决碳、水、能量循环问题的有效方案.遥感科学国家重点实验室于滦河上游地区组织开展基础性、多学科、多尺度的"碳、水循环和能量平衡遥感综合试验".本次试验面向地球系统科学对遥感观...     

植被的微波散射与吸收特征

被动微波遥感中大尺度像元内植被种类多种多样并且分布不均匀，较低频率下像元尺度内的植被影响可以根据单个散射体的散射与衰减特性获得。本文讨论了任意朝向的各类植被散射体的计算问题。其中叶片和针叶的散射采用了一般化Rayleigh-Gans计算；杆的散射采用了无限长近似理论。关于各类散射体的衰减，本文比较了散射系数和吸收系数之和，与前向散射定理的结果，并对前向定理的适用性进行了讨论。     

基于AVHRR/2 10 d合成数据的青藏高原亚像元雪填图

为了满足水文和气象模型对长时段积雪面积数据的需求,基于第二代甚高分辨率辐射计（second series of advanced very high resolution radiometer,AVHRR/2）的10 d合成数据提出了一种青藏高原地区AVHRR/2数据亚像元雪填图算法,将中分辨率遥感数据亚像元级积雪面积数据集延伸至30 a时间跨度。本文算法以多端元线性光谱混合分析模型为基础,以归一化植被指数、第一波段、第二波段等作为选取端元的指标,直接从AVHRR/2图像中自动选取所需雪端元与非雪端元。基于TM数据对该算法的AVHRR/2数据亚像元雪填图结果进行验证,其均方根误差接近0.1,在青藏高原山区具有较高的精度。     

高光谱遥感积雪制图算法及验证

雪盖面积是高山地区和季节雪盖区水文和气象模型的重要输入因子。机载和星载遥感数据提取的雪盖面积是融雪径流模型的重要组成部分。对应不同传感器件的光谱特征，多种分类方法被相继提出。但是，缺乏相对独立的验证手段来评价各种分类方法，其主要原因是缺乏地面真实状态。针对该现状，本研究利用高光谱图像的细分光谱特征，建立高光谱影像及其对应“地面真相”的像对数据库来发展和验证积雪制图算法，并展示MODIS积雪制图算法验证和ASTER混合像元分解雪盖制图算法研究的应用实例。     

利用AMSR-E数据反演华北平原冬小麦单散射反照率

首先,基于冬小麦不同生育期的地面实测参数,构建了组成冬小麦冠层的、包括不同尺寸和含水量的介电散射体模拟数据库,并在此基础上建立冬小麦单散射反照率和光学厚度分别在C(6.925 GHz)和X(10.65 GHz)波段之间的依赖关系。然后,根据一阶参数化模型推导得到的微波植被指数MVIs(Microwave Vegetation Indices)的物理表达式,结合AMSR-E被动微波亮温数据,反演了华北平原地区冬小麦不同生育期的单散射反照率。与MODIS日归一化差异植被指数NDVI的对比结果显示:冬小麦单散射反照率与NDVI随时间的变化趋势大致相同,但在冬小麦的抽穗期到乳熟期,NDVI呈现饱和趋势,而单散射反照率对小麦的生长变化仍旧比较敏感,在指示冬小麦生长方面具有一定优势。     

湖泊亚像元填图算法研究

湖泊面积变化监测具有重要的科学和社会意义,使用中低分辨率卫星遥感数据进行大面积的湖泊面积变化监测有很多优势,但易受混合像元的影响。本文根据湖泊水体的遥感特性,发展了使用中低分辨率卫星遥感数据的混合像元分解算法,应用线性多端元混合像元分解技术,自动、快速地得到在每个像元中湖泊所占的面积百分比;在上述分类结果的基础上,基于地物的空间依存现象,建立空间吸引力的概念,用循环迭代的方法实现超过遥感影像自身分辨率的湖泊亚像元填图。在针对青藏高原不同季节不同地区的Modis影像的实践中,显示混合像元分解算法可以提供较高精度的软分类结果;使用迭代方法进行亚像元填图是简单高效的,具有很大的应用潜力。     

应用极化雷达估算农作物覆盖地区土壤水分相对变化

通过应用一阶离散植被模型,结合前人研究成果及雷达极化特性提出了多时相多极化雷达后向散射消除农作物覆盖层影响的算法:①应用已知的假设关系将植被层的体散射用交叉极化的总散射代替;②分析并将垂直极化的总后向散射中贡献很小的植被-土壤多次散射忽略;③将直接地表的后向散射分解成土壤水分与地表粗糙度的函数,使用重轨数据消除了地表粗糙度和农作物覆盖层的影响,并使用多时相全极化L波段(频率为1.2GHz)机载雷达测量数据进行验证,成功的估算了地表土壤水分的相对变化。     

GF-5 DPC数据的云检测方法研究

高分五号（GF-5）号卫星所搭载的大气多角度偏振探测仪（DPC）能够对地球进行多波段,多角度和的连续观测,其数据对研究全球大气云分布及云辐射反馈作用提供新的视角。本文通法国多角度偏振载荷POLDER（POLarization and Directionality of the Earth’s Reflectances）云检测算法为参考,结合DPC多波段反射率、偏振反射率、表观压强等信息开发了一个适用于DPC的云检测算法。算法主要分为3个部分：首先是阈值方法对云像元进行检测,同时引入表观压强对不同高度的云（如卷云、层积云等）进行进一步的条件约束,然后利用865 nm波段偏振反射率对海表反射的太阳耀斑区进行识别,修正了反射率阈值识别云像元时受到的太阳耀斑干扰。为了验证算法的准确性,利用2018-10-01的MODIS的MOD06云掩码产品与本文云检测算法结果进行定性分析,从目视判读结果可以看出本文云检测结果与MOD06产品具有较高的吻合度;随后又利用2018-10-01—04的CALIPSO-VFM数据与本文云检测结果和MYDO6云掩码产品进行定量分析,分别计算了中低纬度区域（60°N—60°S）的云/晴空像元命中率和云/晴空像元错误预报率,计算结果显示算法云命中率均值相较MYD06云掩码产品高出13.501%的前提下云错误预报率仅高出3.561%,可表明该算法在全球中低纬度区域有着良好的云检测效果。本文提出的云检测算法,可为后续DPC的云参数、水汽、气溶胶等研究提供重要数据支撑。