基于MODIS积雪覆盖度数据的青藏高原两套被动微波雪深产品降尺度对比研究

积雪深度(雪深)是流域水量平衡、融雪径流模拟等模型的重要输入参数,被动微波雪深遥感产品被广泛用于雪深监测。然而,由于山区积雪时空异质性强,这些空间分辨率较粗的雪深产品受到极大限制。本研究基于MODIS积雪覆盖度数据,根据经验融合规则以及积雪衰退曲线对“中国雪深长时间序列数据集”的两套雪深产品(由SMMR、SSMI和SSMI/S反演的称为Che_SSMI/S产品;由AMSR-2反演称为Che_AMSR2产品)进行空间降尺度,最终获得青藏高原500 m降尺度雪深数据(Che_SSMI/S_NSD和Che_AMSR2_NSD)。利用6景Landsat-8影像对两套降尺度雪深数据进行对比分析,结果发现两套降尺度数据与Landsat-8影像积雪空间分布吻合度均较高。与29个气象站点雪深数据相比,Che_AMSR2_NSD与实测雪深更为接近,相关系数(R)达到0.72,均方根误差(RMSE)为3.21 cm;而Che_SSMI/S_NSD精度较低(R=0.67,RMSE=4.44 cm),可能是由于采用不同传感器亮温数据的两套原始雪深产品精度不同所致。除此之外,实验表明被动微波雪深产品降尺度精度还受积雪深度、积雪期等因素的影响。当积雪深度小于10 cm且在积雪稳定期时,两套雪深产品降尺度精度均最高;当积雪深度大于30 cm且在积雪消融期时,两套雪深产品降尺度精度均最低。通过对比两套降尺度雪深产品,有助于全面地了解青藏高原雪深时空分布变化及其应用提供数据支持。

基于可见光红外与被动微波遥感的土壤水分协同反演

利用MODIS传感器的可见光、红外波段数据反演土壤水分在一定时段内的基准值,用被动微波传感器AMSR-E数据反演其变化量,提出将被动微波遥感数据与热红外遥感数据在模型级别协同反演大范围地表土壤水分的方法,这样每天可输出1 km×1 km的升、降轨土壤水分反演结果.以新疆为研究区,对上述方法进行了土壤水分协同反演实验,以地面实测数据为参考的验证结果表明,所提模型得到的土壤水分值与地面实测值之间相关性较高,均方根误差较小,优于单一传感器数据的反演结果,可更好地满足新疆土壤水分监测的需求.

我国主要积雪区AMSR-E被动微波雪深算法对比验证研究

采用高级微波扫描辐射计(AMSR-E)亮温数据,选取Chang算法、GSFC 96算法、AMSR-E SWE算法、青藏高原改进算法和Savoie算法等5种雪深反演算法,利用2010年2月10-12日3d的气象站台雪深观测数据,对比分析了5种雪深反演算法在新疆地区、青藏高原、内蒙古地区、东北地区、西北地区和华北平原的精度和适用性.结果表明:总体验证中,青藏高原改进算法3d的结果均优于其他算法,其均方根误差(RMSE)为9.16cm、9.96cm和9.63cm,平均相对误差(MRE)分别为59.77%、52.79%和48.47%.分区验证中,结果最佳的算法分别为:在新疆地区,GSFC 96算法RMSE为6.85～7.48cm;内蒙古地区,青藏高原改进算法的RMSE分别为5.9cm、6.11cm和5.46cm;东北地区,青藏高原改进算法RMSE为6.21～7.83cm;西北地区和华北平原5种算法的适用性不佳;青藏高原由于缺乏实测数据,无法得到该区验证统计结果.

基于被动微波遥感反演雪深的时间序列分析我国积雪时空变化特征

利用1978-2005年逐日中国积雪深度数据集,分析了我国积雪空间分布特征和季节时空分布特征,并运用趋势线分析方法和均方根差模拟了积雪深度和积雪日数的变化趋势及异常空间变化特征.结果表明:青藏高原东南、青藏高原西部和南部、新疆北部和东北山区为我国积雪空间分布四大高值区.近28 a来,积雪深度和积雪日数呈增加趋势,20世纪80年代青藏高原明显增加和明显减少趋势并存,90年代整体明显增加,2000-2005年整体基本不变.青藏高原中东部、新疆北部以及东北山区为积雪深度异常变化敏感区,而青藏高原西部则为积雪日数异常变化敏感区.

基于光学与被动微波遥感的青藏高原地区土壤水分反演

青藏高原地区高精度的土壤水分反演对高原能水循环、全球大气循环研究有着极大的影响.因此,获取青藏高原土壤水分时空布信息是一个迫切需要解决的问题.温度植被干旱指数(TVDI),是基于光学与热红外遥感通道数据反演土壤水分的重要方法,但在研究区域较大、地表覆盖格局差异显著时,TVDI模型反演精度会受到地表温度(Ts)等因素的影响.被动微波AMSR-E数据精确记录了像元内的土壤水分信息,但空间分辨率低.本文利用同时期的MODIS与被动微波数据,发展了针对青藏高原地区高精度土壤水分反演算法.首先,在TVDI模型中,利用修正型土壤调整植被指数(MSAVI)代替归一化植被指数(NDVI),以改进NDVI易饱和的缺点;其次,利用ASTER GDEM数据,对地形高程和纬度差异引起的地表温度变化进行了校正;然后,通过神经网络训练建立基于TVDI、被动微波以及辅助气象数据的土壤水分反演模型,并应用该模型反演了青藏高原地区三个观测网(CAMP/Tibet、玛曲和那曲)的土壤水分;最后,利用实测土壤水分数据对反演结果进行验证,结果表明该模型的精度均方根误差(RMSE)数值可达到0.031~0.041 m^3·m^(-3).本文还应用该算法反演了青藏高原连续的土壤水分的空间分布,并比较了土壤水分的变化趋势与实测降水变化趋势,结果表明二者变化量的正负关系一致.

基于被动微波遥感的青藏高原雪深反演及其结果评价

采用修正的张氏雪深反演算法 ,用SSM/I 37GHz和 19GHz水平极化亮温值计算了青藏高原及其毗邻地区的积雪深度 ,对其精度进行了评价 ,并对误差来源进行了分析。结果显示 ,此算法能够较好地反映研究区的雪深分布 ,但局部地区误差较大 ,总体上雪深被高估。其误差主要来源于冻土 ,深霜层 ,植被以及雪层中液态水含量 ,雪粒的形状和粒径的变化带来的影响。SSM/I数据较低的分辨率和研究区复杂的地形使反演的雪深与观测的雪深缺少可比性 。

TMI被动微波遥感资料用于地表洪涝特征分析试验

星载被动微波遥感资料为云天条件下地表洪涝特征分析提供了可能。微波极化比 (PR)可以有效刻画地表洪涝特征 ,宏观反映地表湿度信息。正演模拟分析结果表明地表粗糙度、地表植被覆盖状况和地表湿度对上行微波亮温有影响 ;TRMM/TMI低频微波通道微波极化比能减弱大气因素的影响 ,清晰反映地表的洪涝特征。合理确定分类阈值 ,对 1 998年长江流域洪涝区进行地表洪涝特征分析 ,可以在TMI像元尺度 ,将洪涝区分类为不同等级。洪涝区分类结果与经过天 -地校验过的机载和星载SAR资料地表洪涝分类实况对比 ,TRMM/TMI低频微波通道微波极化比 1 0GHz的PR1 0和 1 9GHz的PR1 9的分类正确率不低于 75 %。

青藏高原积雪深度和雪水当量的被动微波遥感反演

利用1993年1月份的SSM/I亮度温度数据反演了青藏高原的雪水当量,首先使用被动微波SSM/I数据19和37GHz的水平极化数据来反演雪深,根据积雪时间的函数来计算实时的雪密度,由雪的深度和密度计算出雪水当量.最后,利用SSM/I数据的19和37GHz的垂直极化亮度温度梯度对计算出的雪水当量进行回归分析,得到了利用SSM/I数据直接反演雪水当量的算法.

被动微波反演裸露区土壤水分综述

被动微波具有全天候、穿透性以及不受云的影响等特征,使其在反演土壤水分时具有很大的优势。通过研究发现,被动微波遥感是反演土壤水分的各种技术中最有效的方法之一。概括了主要的被动微波传感器并从被动微波遥感的原理出发,针对被动微波遥感裸露区地表随机粗糙面的模型以及土壤水分反演算法作了简要介绍。

被动微波遥感反演中国西部地区雪深、雪水当量算法初步研究(英文)

雪深、雪水当量是积雪研究中重要参数,其在流域水量平衡和融雪径流预报以及雪灾监测与评价中起着重要作用。Chang等(1987)以辐射传输理论和米氏散射为理论基础,假定积雪密度和颗粒大小为常数,利用实测雪深数据和SMMR的亮温数据,通过统计回归方法,建立了雪深与18GHz和37GHz水平极化的亮温梯度之间的关系,发展了SMMR半经验的反演雪深的算法。后在此基础上又发展了针对SSM/I的半经验反演雪深算法。2002年发射的装载于Aqua卫星上的AM-SR-E是新一代的被动微波辐射计,性能较以往星载被动微波辐射计有较大提高,采用了改进后的SSM/I的半经验算法作为其估算全球雪水当量的反演算法。将AMSR-E的雪水当量产品与气象台站观测的雪水当量进行比较,发现在新疆地区和青藏高原地区雪水当量的RMSE分别达到31.8mm和21mm。本研究旨在建立基于AMSR-E亮温数据,适用于中国西部地区的雪深和雪水当量反演算法。首先收集整理了2003年新疆地区的雪深、雪水当量数据和AMSR-E亮温数据,去除错误样本,利用统计回归的方法,建立了新疆的反演雪深、雪水当量的半经验算法,算法中加入积雪覆盖度参数,较以往的算法有所改进,与气象台站观测数据比较,结果也表明新疆地区建立的经验算法较AMSR-E的雪水当量算法有较大改进,RMSE为15.7mm。但青藏高原地区因海拔高,地形复杂,大部分地区积雪较浅,空间分布不均和冻土存在等诸多因素运用同样的方法建立反演算法,结果不甚理想,以后的研究将重点消除这些干扰因素。

被动微波遥感土壤水分产品降尺度方法研究综述

利用被动微波遥感反演土壤水分是当前监测土壤含水量最有效的手段之一.但是受限于较低的空间分辨率,被动微波遥感土壤水分产品一般只适用于大尺度研究.为了满足科学研究中对不同分辨率土壤水分产品的需求,对土壤水分降尺度的相关研究成为当前遥感领域的一个研究热点.本文就目前国内外土壤水分降尺度方法进行详细介绍,并比较和评价多元统计回归法、基于物理模型的方法、权重分解、数据同化及空间插值等方法的优缺点及适用条件.最后指出目前土壤水分降尺度方法存在的问题,并提出今后降尺度方法的发展方向.

基于简化参数方法的蒙古干旱区土壤湿度被动微波遥感

卫星被动微波遥感土壤湿度,是准确分析大空间尺度上陆表水分变化信息的有效手段.美国航天局(NASA)发布的基于AMSR-E观测亮温资料的全球土壤湿度反演产品,在蒙古干旱区的实际精度并不令人满意.本文基于对地表微波辐射传输中地表粗糙度和植被层影响的简化处理方法,采用AMSR-E的6.9GHz,10.7GHz和18.7GHz之V极化亮温资料,应用多频率反演算法,并以国际能量和水循环协同观测计划(The CoordinatedEnergy and Water Cycle Observations Project)即CEOP实验在蒙古国东部荒漠地区的地面实验资料作为先验知识,获取被动微波遥感模型的优化参数,以期获得蒙古干旱区精度更高的土壤湿度遥感估算结果.分析表明,本文方法反演的白天和夜间土壤湿度结果与地面验证值之间的均方根误差(RMSE)接近0.030cm3/cm3,证明所用方法在不需要其他辅助资料或参数帮助下,可较精确地反演干旱区表层土壤湿度信息,能够全天候、动态监测大空间尺度的土壤湿度变化,可为干旱区气候变化研究及陆面过程模拟和数据同化研究提供高精度的表层土壤湿度初始场资料.

利用被动微波遥感数据反演我国积雪深度及其精度评价

考虑到我国西部地区使用SSM/I全球算法将高估积雪深度,故以东经105°为界将我国分为东部和西部。在西部地区采用修正后的雪深算法,东部地区沿用全球算法。对散射系数较高,容易和积雪相混淆的降雨、寒漠和冻土地表类型,通过积雪分类树进行剔除,进而发展了一套适用于全国积雪深度的业务化反演方案。最后利用MODIS积雪产品对冬季90天的结果进行了精度评价,总体精度平均达到86.4%,最高精度达到95.5%,Kappa系数均值为65.5%,最大值达到86.2%。

被动微波遥感在青藏高原积雪业务监测中的初步应用

积雪范围、积雪深度和雪水当量等参数的遥感监测与反演对气候模式的建立以及积雪灾害的评估具有重要意义。被动微波遥感在这些参数的反演方面具有明显优势,但目前尚未应用到青藏高原地区的积雪遥感业务监测上来。2001年10月至2002年4月,利用SSM/I数据对青藏高原地区的积雪范围和积雪深度进行了实时监测,为西藏、青海遥感应用部门提供逐日的雪深分布图。对这次监测的总效果进行了分析和评价,并对发生在青海省内一次较大的降雪过程进行了遥感分析,结果表明:SSM/I反演的积雪范围变化趋势与MODIS结果总体上较为一致;SSM/I的雪深监测结果为当地遥感部门对大于10cm的雪深做出正确判断提供了重要信息,是对雪灾定位的重要信息源。

干涉式被动微波成像技术

近年来,大气、海洋和陆地土壤水分遥感的应用对被动微波遥感器的空间分辨率提出了越来越高的要求。但是传统的微波辐射成像技术在分辨率达到一定高度时,由于波束在每个分辨像元的驻留时间越来越短,以致对辐射亮温的测量分辨率产生了影响,这就使得采用传统扫描成像技术来提高空间分辨率的技术路径成为不可能。文章较为详细地综述了近年来发展起来的一种新的微波辐射成像技术——干涉式被动微波成像技术(或称为综合孔径微波辐射成像技术)。在阐述其原理时,采用了新颖的切入点,从被观测目标的空间频谱特征和如何对其进行采样入手,试图从另一个角度揭示干涉式辐射成像技术的基本原理,并使其更加系统化。在介绍实际的成像系统时,将重点放在二维成像系统上,其中时钟扫描成像方式和伪极网格图像反演方法是作者最新的研究成果。

青藏高原积雪被动微波遥感资料与台站观测资料的对比分析

积雪资料的可靠程度在反映积雪变化、预估后期气候变化时非常重要,利用青藏高原74个气象台站资料与被动微波遥感资料进行对比分析.结果表明:两种积雪资料在高原南部边缘、高原东部唐古拉山与念青唐古拉山东部均表现为高值区,在柴达木盆地、高原腹地及沿雅鲁藏布江一线表现为一致的少雪区,在青海南部和藏东南地区差异较大.遥感资料的积雪深度和积雪日数变化敏感区与台站观测资料存在差异.在积雪的显著季节性特征及气候尺度上的年际变化特征方面,遥感资料与台站资料具有很好的一致性,但遥感资料在刻画积雪季节内波动特征方面欠佳,且年平均积雪深度和积雪日数遥感数据偏大.对AMSR-E逐日积雪资料进行评价发现,高原腹地总精度大于高原边缘地区,海拔3 000m以下的反演精度较高,雪深在9～10cm时的反演精度较高.

积雪被动微波遥感研究进展

积雪是冰冻圈中最活跃的要素之一,被动微波遥感具有高时间分辨率且能够迅速覆盖全球,在积雪时空变化监测中作用突出.总结分析了积雪被动微波遥感的主要模型,并对其方法、特点和适用性进行了较详细评述,重点介绍了NASA算法在雪深和雪水当量反演中的应用、反演结果的不确定性以及对它的改进.讨论新兴的积雪数据同化方法,介绍了同化被动微波观测以改进雪深和雪水当量反演精度的研究案例.评述了我国积雪被动微波遥感的进展,并且对未来可能的研究方向做出展望.

基于被动微波的寒旱区地表温度反演

以各频段水平极化和垂直极化发射率间的相关关系为条件,利用被动微波数据反演地表温度.算法既解决了地表温度反演过程中发射率难以确定的问题,又克服了热红外遥感受大气影响较大的缺点,其物理意义清晰,计算简便.算法以MODIS温度产品为评价标准,对36.5 GHz和89 GHz反演结果进行分析.结果表明:89 GHz亮温数据反演精度高于36.5 GHz;与耕地和草场反演精度相比,裸土和山地反演精度较高.其原因在于高频数据穿透能力较低,能更好地表达地表温度.同时,低频数据相对高频更容易受到地表土壤水分变化的影响,发射率相对不够稳定,对反演结果有一定影响.

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模型对地表后向散射和辐射的模拟发现,地表粗糙度参数对后向散射系数和亮温均有重要的影响。最后,在AIEM模型模拟数据库的基础上,利用理论模型——几何光学模型(GO模型)和半经验模型———Qp模型,通过对地表粗糙度参数的分析,结合TRMM/PR和TMI数据,建立了一种主被动微波遥感相结合的反演裸露地表土壤水分的模型,并进一步获得了反演土壤水分的算法。

大气对星载被动微波影响分析研究

被动微波遥感具有全天候工作的能力,但是在不同的大气状态下被动微波遥感受大气的影响不同。为了研究大气对高级微波扫描辐射计AMSR-E(advanced microwave scanning radiometer-earth observing system)入瞳亮温的影响,分别采用晴空和典型层云大气数据作为微波辐射传输模型的输入,进行大气微波辐射信号的模拟工作并分析大气的影响。结果表明晴空下大气水汽是引起大气辐射的主要因素,晴空条件下大气对典型被动微波传感器低频的(<18.7GHz)透过率大于0.98,在整个辐射传输过程中可以忽略不计。36.5和89GHz的大气透过率在晴空下分别为0.896和0.756,在用微波高频通道进行陆表参数反演时需进行大气水汽影响的校正;云覆盖条件或者阴天情况下云中液态水是引起大气辐射的主要因素,典型层云覆盖下大气的透过率在10.7,18.7和36.5GHz分别为0.942,0.828和0.605。与晴空相比,由层云中液态水引起的大气下行辐射的增量在36.5GHz最大达到75.365K。表明在云覆盖时大气影响的校正过程中云层的影响是校正重点。最后利用大气探空数据计算了内蒙古海拉尔地区2013年夏季7月份的大气透过率,结果显示C、X波段的大气透过率接近1,89GHz受水汽影响较大,其地球表层大气透过率不超过0.7。在内蒙古海拉尔地区,夏季大气透过率具有较为稳定的值,但是随着局部水汽的变化具有0.1左右的波动。