地表粗糙度影响下的GNSS-R土壤湿度反演仿真分析

基于双天线全球导航卫星系统反射技术（global navigation satellite system reflectometry,GNSS-R）,建立了两个修正地表粗糙度影响的土壤湿度反演模型——解析模型和人工神经网络模型,并以GPS L1 C/A码为例建立了GNSS-R土壤湿度仿真平台,仿真分析了地表粗糙度对两个模型反演精确度的影响。结果表明,当地表均方根高度大于0.010 m时,必须对解析模型进行粗糙度修正。粗糙度影响修正结果显示,小粗糙度情况下修正的解析模型取得了良好的结果,但对于大粗糙度有一定局限性。在均方根高度大于0.025 m时,进行土壤粗糙度修正前,人工神经网络模型精度比解析模型提高了36.83%~72.36%。进行修正后,人工神经网络模型的精度比解析模型提高了42.86%~54.40%。人工神经网络模型在修正前后取得了相近的精度,无修正的人工神经网络模型精度比有修正的解析模型精度仍提高了35.83%~53.48%。     

利用窗口GPS多径干涉相位反演土壤湿度

利用GPS信噪比（signal-to-noise ratio,SNR）观测值监测土壤湿度的精度直接受多径干涉相位与土壤湿度间的关系模型影响。传统方法基于线性模型,通过增加样本数量、排除特例提高普适性,但未合理考虑坡度、植被及天气等因素。基于上述因素短期变化可忽略的假设,引入时间窗口,采用自相关分析确定窗口长度,利用窗口内样本动态线性回归构建预测和插值模型反演土壤湿度。实验结果表明,引入窗口后,预测、插值误差分别下降17.4%和54.6%,相关系数上升16.2%和32.9%。插值模型利用了待估时刻之后的观测量,精度更高;预测模型精度略低,但更适于实时应用。同时,残差极大值与土壤湿度的上升之间显著相关。预测残差较土壤湿度具有极大值更小、时刻略微提前的时域特征。     

黄河源区多、少雪年土壤冻融特征分析

利用2011年10月至2017年12月黄河源区鄂陵湖野外观测数据,对比分析多雪年与少雪年土壤冻结与消融时间、土壤温湿度、地表能量分量的变化特征。结果表明:多雪年地表反照率偏高,净辐射偏低,地表感热输送偏低,土壤由热“源”转为热“汇”的时间晚于少雪年。积雪可减少土壤吸收辐射能量,减少地表感热通量,在土壤完全冻结期与消融期增大地表潜热通量,在完全冻结期,减少土壤向大气的热输送,在消融期,减少大气向土壤的热输送。积雪在冻结期有降温作用,使得多雪年土壤较早发生冻结,且同一时期土壤温度偏低;在完全冻结期有保温作用,使得土壤温度偏高;在消融期有保温(“凉”)作用,使得消融较晚,且同一时期土壤温度偏低。在整个积雪年内,多雪年浅层土壤湿度高于少雪年,积雪对浅层土壤有保湿作用。积雪使土壤开始冻结时间有所提前,开始消融的时间有所滞后,可延长该年土壤完全冻结持续天数。     

利用反射GPS信号遥感土壤湿度

在水文、气候、农业等问题的研究中,土壤湿度信息十分重要。近年来,利用GPS系统进行遥感的新方法,已经越来越多地引起研究者们的关注。特别是GPS卫星广播的L1（1.57542GHz）频率信号,是土壤湿度遥感的最佳频率。反射GPS信号功率是土壤介电常数的函数,而土壤介电常数又和土壤湿度有关。根据这一原理,美国国家航空与航天局于2002年进行了基于地表面反射GPS信号的遥感土壤湿度实验。结果证明反射GPS信号对土壤湿度特性十分敏感,由于植被的影响对反射率进行了修正,并用此方法模型与其它方法进行了比较。在利用GPS遥感土壤湿度方面,研制高增益天线,更好的修正信号波动的影响,发展更加完善的遥感土壤湿度方法等是今后在此项研究中所要解决的问题。     

前期土壤湿度、海表面温度对中国夏季极端气温的预测能力评估

基于中国587站日最高、最低气温观测资料、月平均的ERA_interim土壤湿度（Soil Moisture,SM）再分析资料及扩展重建的海表面温度（Sea Surface Temperature,SST）资料（ERSST）,对极端气温指数进行了定义,利用变形的典型相关分析和集合典型相关分析方法（Ensemble Canonical Correlation,ECC）,分析了1979-2009年我国夏季极端气温与前期（春、前冬）SM、SST间的线性联系,建立了中国夏季极端气温预测模型,并对独立样本检验的效果进行了评估。结果表明：1）与中国夏季极端气温联系密切的前期SST异常的空间分布为类PDO（Pacific Decadal Oscillation）型,前期土壤湿度异常的区域为华南、青藏高原、东北和西北地区。2）交叉检验结果表明基于前冬预测因子的极端气温预测模型技巧高于春季,基于SM的极端气温预测模型技巧高于SST。3）独立样本检验表明基于前期SM、SST的ECC模型对中国东部夏季极端气温有一定的预测能力。因此,可以在夏季极端气温的预测业务中考虑前期SM、SST的影响。     

基于深度置信网络的GNSS-IR土壤湿度反演

基于大地测量型GNSS接收机获取的反射信号反演土壤湿度是GNSS领域的研究热点。为克服常规线性回归和BP神经网络算法等的缺陷,本文提出了一种基于深度置信网络的GNSS-IR土壤湿度反演方法。试验结果表明,基于该方法得到的决定系数、土壤湿度平均绝对误差和均方根误差分别为0.909 8、0.017、0.021,与线性回归和BP神经网络算法相比,与实测数据吻合度更高,可有效提高土壤湿度反演精度,证明了方法的有效性和可靠性。     

随机森林算法在全球干旱评估中的应用

干旱是发生频率最高,造成社会、经济损失和生态破坏最严重、最广泛的自然灾害之一,因此对干旱进行可靠、有效的评估十分重要.本文以月平均降水、月平均温度、月最高温度、月最低温度、土壤湿度、蒸散发、NDVI、叶绿素荧光等作为解释变量,以基于SPI的干旱等级作为目标变量,采用随机森林算法,以2007-2012年的数据作为训练数据...     

UHV/VHF波段SAR对次地表层土壤湿度探测与反演

首先采用一层非球形粒子植被模型,计算各波段矢量辐射传输方程Mueller矩阵一阶散射解,对比微扰法所得各波段地表粗糙面直接后向散射解,结果证明L波段植被层的散射对观测结果仍有影响,与下垫土壤粗糙表面的散射不易分离.因此,宜采用更低频率的UHF和VHF波段,对地表和次地表层能有较大的渗透深度,并可忽略植被层影响.接着,运用矢量辐射传输的3层土壤全极化Mueller矩阵解,计算UHF/VHF波段分层土壤的散射与传输,分析该两波段探测深度的差异,证实UHF波段可探测大致10-60cm深处的土壤湿度,而VHF波段探测深度能更大一些.根据第3层中土壤体湿度变化0.1时能否引起土壤表面观测的后向散射系数变化0.1dB这一判据,分析VHF波段反演第3层土壤体湿度的必要条件,证实当第2层的体湿度较小时(<0.25)才能反演层3的体温度.基于UHF/VHF两波段探测深度的差异,耗散土壤层的贡献有不同的权重,先后采用UHF和VHF,迭代法实现3层土壤湿度廓线反演.误差分析表明,该方法是有意义的.     

青藏高原蒸散年际变化及其对西风和季风环流的响应

在评估4种蒸散格点资料(GLDAS, GLEAM, MERRA-2, CRET)在青藏高原适用性的基础上,以精度最高的CRET (R²为0.83,RMSE为14.76 mm)及同期气象环境数据,在年际尺度上分析了青藏高原蒸散变化特征及其受大尺度西风和季风环流的影响.结果表明,青藏高原年平均蒸散为414.2±18.32 mm,具有明显的年际变率和变化趋势,且区域(西风区、季风区和过渡区)间差异明显.蒸散年际变化与西风和季风环流强弱的年际变化密切相关,且季风和西风对蒸散的影响存在显著的区域差异.西风和季风通过调节局地气候环境因子影响蒸散：土壤湿度、归一化植被指数(NDVI)和风速三个局地气候环境要素是青藏高原蒸散主要调控因子,蒸散与土壤湿度和NDVI呈显著正相关,与风速在高原西部呈显著负相关、在高原东部呈显著正相关;研究WYI(Webster-Yang Index)和WI(Westerly Index)与影响蒸散的主导气候环境因子的关系发现,WYI与土壤湿度和NDVI呈显著正相关,且WYI与NDVI的相关系数在高原中部和南部较大,使得WYI对蒸散影响在中部分过渡区和南...     

长江口南汇湿地植被的光谱吸收特征研究

植被的光谱吸收特征与植被生长状况密切相关,同时也受土壤湿度等外界因素影响。本文以长江口南汇湿地典型植被芦苇、互花米草和海三棱藨草为研究对象,在计算其光谱特征参数的基础上,分析了这3种植被的光谱吸收特征形变PSDI值。最后结合实测的土壤湿度,分析了3种植被的PSDI值和土壤湿度的相关性。研究结果发现:互花米草的PSDI值最大,海三棱藨草的PSDI值最小,芦苇介于两者之间,表明互花米草受外界的环境影响较大;互花米草的PSDI值与土壤湿度的相关性最大,芦苇的PSDI值与土壤湿度的相关性最小,海三棱藨草介于两者之间,表明互花米草适应湿地环境能力较强。