风云卫星系列及CLDAS土壤水分产品多尺度精度验证与评价:以青藏高原那曲地区为例

对风云卫星(FY-3B、FY-3C)系列土壤水分产品和中国气象局陆面数据同化系统CLDAS-V2.0(Chinese Land Data Assimilation System Version 2.0)土壤水分产品展开精度验证与评价,旨在明确中国土壤水分产品的时空序列精度特征,以期为后续土壤水分产品精度校正与反演模型改进提供参考。验证实验在青藏高原那曲地区开展,基于那曲地区大(1°×1°)、中(0.3°×0.3°)、小(0.1°×0.1°)三个尺度观测网中观测站点0-5cm、0-10cm和10-40cm土壤水分逐日观测资料进行评价,并加入全球陆面数据同化系统GLDAS-1(Global Land Data Assimilation System Vision 1.0)Noah土壤水分产品作为对比。结果表明:(1)时序性上,CLDAS-V2.0土壤水分产品表现出良好的时空连贯性,FY系列土壤水分产品空值普遍存在,在冰冻期尤为显著。FY及CLDAS-V2.0土壤水分产品多数时间存在高估现象,在降水事件发生后和植被生长期高估尤为明显。(2)各土壤水分产品在不同尺度观测网中的统计结果一致。但相较于大中尺度稀疏测站,各产品在小尺度密集观测网的评价结果更加稳定和优异。(3)0-5cm深度,CLDAS-V2.0土壤水分产品质量整体优于FY系列土壤水分产品,FY系列土壤水分日间观测产品精度高于夜间观测产品。10-40cm深度,CLDAS-V2.0土壤水分产品精度高于GLDAS-1 Noah土壤水分产品。结果表明中国自主研制的土壤水分产品数据集质量较为稳定、可靠。

中国近20a卫星遥感土壤湿度的季节变化及其验证

分析了欧洲空间局最近基于多颗卫星微波资料研发的ECV土壤湿度产品的季节性干湿变化,并与国家气象局提供的站点资料做了对比验证。研究发现:主动与被动遥感土壤湿度的干湿季节变化在中国东部季风区有显著的不一致性。在中国东部季风区,被动遥感土壤湿度的干湿季变化和站点观测一致,均表现出夏季是干季、冬季是湿季的特征;而主动遥感的数据则存在较大的空间差异,华北地区与被动遥感数据较为一致,华南地区则呈现夏季为湿季、冬季为干季的反位相特征。两者的不一致性说明,针对欧洲空间局开发ECV土壤湿度产品的过程,融合主动遥感和被动遥感资料,研制长序列土壤湿度产品的思路在中国东部季风区不可行。

基于卫星和无人机遥感数据尺度转换的土壤盐渍化监测研究

为提高卫星遥感对土壤盐渍化的监测精度,以内蒙古河套灌区沙壕渠灌域内5块地为研究区,利用GF-1卫星遥感和无人机多光谱遥感分别获取2018年6月中旬的遥感影像数据,同步采集0~20 cm,20~40 cm深度的土壤样点,并引用洛伦兹曲线的原理以表征土壤异质性,同时引入BP神经网络(Back Propagation,BP)、支持向量机(Support Vector Machine,SVM)和极限学习机(Extreme Learning Machine,ELM)构建土壤盐渍化监测模型。采用重采样尺度转换方法,对无人机数据进行尺度上推,用尺度上推后的无人机数据修正GF-1卫星数据,对修正后的数据进行反演建模并与直接采用卫星数据建立的模型进行对比。结果表明:实验区异质性大小与变异系数大小呈正相关。无人机数据构建的机器学习算法模型精度高于卫星数据。其中20 cm深度下无人机遥感数据反演土壤含盐量的最优模型为SVM模型,决定系数(R^2)为0.875,均方根误差(RMSE)为0.132,相对分析误差(RPD)为2.773;40 cm深度下无人机遥感数据反演土壤含盐量的最优模型为BP模型R^2为0.709,RMSE为0.144,RPD为1.781;20 cm深度下GF-1卫星遥感数据反演土壤含盐量的最优模型为SVM模型,R^2为0.453,RMSE为0.245,RPD为0.055;40 cm深度下GF-1卫星遥感数据反演土壤含盐量的最优模型为BP模型R^2为0.271,RMSE为0.267,RPD为0.001。通过升尺度转换,可提高卫星遥感反演土壤盐分的模型精度,R^2可提高0.4~0.5,RMSE可减小0.061,RPD可提高1.308。可为改进卫星遥感监测土壤盐渍化方法提供参考。

基于加权算法的空-天遥感升尺度土壤含盐量监测模型

利用无人机-卫星遥感升尺度转换方法可以有效提高土壤含盐量监测精度。以内蒙古河套灌区沙壕渠灌域为研究区,4月裸土期表层土壤为研究对象,分别采用主导变异权重法、局部平均法和最邻近法将试验区无人机4波段影像(0.1 m)升尺度至与GF-1卫星(16 m)同一尺度,引入3种变量组合作为模型输入变量并利用多元线性回归模型(Multivariable linear regression,MLR)和BP神经网络模型(Back propagation neural networks,BPNN)构建不同数据源关于土壤含盐量的定量监测模型。在此基础上,采用波段比值均值法对GF-1卫星数据进行修正,实现基于卫星因子的研究区土壤盐分升尺度反演。结果表明,经统计指标评价后得出主导变异权重法在4块试验区针对4波段影像的尺度转换效果总体上优于其他2种转换方法;3种无人机-卫星遥感升尺度转换方法中,主导变异权重法监测效果最佳,局部平均法次之,最邻近法效果最差;对筛选得到的2个模型进行升尺度修正,得到验证效果最佳的监测模型为基于混合变量组的多元线性回归模型,其R^(2)_(v)为0.420,RMSEv为0.219%,比直接采用GF-1卫星数据得到的混合变量组多元线性回归模型R^(2)_(v)高0.217,RMSEv低0.013个百分点。本文研究结果可为卫星、无人机多光谱遥感一体化监测裸土期农田土壤含盐量提供参考。

基于分布式水文模拟的流域土壤水分时间稳定性分析

针对大范围地面土壤水监测会耗费大量人力物力等问题,为了获取密度较高同时又准确可靠的流域土壤水数据用于时间稳定性分析,寻找可以反映流域土壤水平均状况的代表性点,利用分布式水文土壤植被模型(DHSVM)模拟淮河黄泥庄水文站以上小流域293个采样网格上、中、下三层土壤含水量数据。结果显示:垂向方向上,黄泥庄流域土壤水分时间稳定性随深度递减;流域上层和中层具备时间稳定性特征的代表性点具有较高的一致性,易发生于流域主要土壤和植被类型覆盖区域,在此区域布设测点观测土壤水,可以更准确快速地捕获代表黄泥庄流域上层和中层平均土壤水分特征;采样点7、17和215可作为上、中层土壤的流域平均土壤水代表性点,利用它们预测流域土壤水平均值,可降低观测成本。研究成果可为流域土壤水监测方案设计提供参考。

探地雷达在监测地表土壤水分中的研究进展

探地雷达(ground penetrating radar,GPR)作为监测中小尺度或田块尺度地表土壤含水量的一种极有潜力的技术,在近几年来得到了快速的发展。在介绍探地雷达测量地表土壤含水量基本原理的基础上,总结探地雷达在地表土壤含水量监测中的应用进展,主要包括反射波法、地面波法和地表反射系数法。同时,结合国内外最新的研究成果,分析每种方法的特点,讨论每种方法的测量精度以及测量的代表深度。最后,对探地雷达在地表土壤含水量监测方面的应用进行展望。

基于GF-1WFV数据的16 m分辨率反照率产品算法与验证

地表反照率在陆面气候和生物圈模型中起着至关重要的作用。为了更好地满足多领域研究的要求,拓宽定量遥感参数的应用,许多研究学者及团队正在利用不同的算法开发高分辨率地表反照率产品。本文提出的算法基于中国高分一号卫星WFV传感器数据和500 m分辨率的GLASS反照率产品生成高空间分辨率的反照率产品。算法思路首先用直接反演算法反演GF-1 WFV数据得到16 m分辨率初级反照率产品,再将500 m分辨率的GLASS反照率产品与16 m分辨率初级产品的纹理信息进行降尺度融合,最终得到16 m分辨率的融合反照率产品。以2016年—2017年黑河实验区的8个站点的地面观测值对算法结果进行验证,实测数据与反演融合数据的时间序列图表明融合后的16 m分辨率反照率与实测值一致性较好;同时,通过2016年—2017年所有站点散点图分析,融合反照率均方根误差为0.02439,初级反照率则为0.05135,融合反照率比初级反照率更接近实测值。16 m分辨率反照率产品在平均值与500 m分辨率的GLASS反照率产品一致的前提下丰富了空间纹理信息,能够更好地支持在区域尺度研究人类活动对环境的影响。

京津冀及周边地区PM_(2.5)时空变化特征遥感监测分析

为分析京津冀及周边地区的PM_(2.5)时空变化特征,先利用MODIS数据反演1 km分辨率的AOT产品,采用地理加权回归模型实现京津冀及周边地区2016~2017年逐日PM_(2.5)浓度的遥感反演,并在此基础上对多种时间尺度PM_(2.5)浓度合成结果进行验证分析,最后从不同时间尺度对2016年和2017年PM_(2.5)时空变化特征进行了对比分析.结果表明本研究反演的日均、月均和年均这3种时间尺度的PM_(2.5)浓度结果总体上效果较为理想,时间尺度越大,遥感估算的PM_(2.5)效果越好,年均PM_(2.5)结果相对精度达80%以上,并且2016年和2017年同一时间尺度的PM_(2.5)遥感结果精度较为接近.京津冀及周边地区PM_(2.5)分布总体均呈现"冬季>秋季≈春季>夏季"和"南高北低"的季节变化和空间分布趋势.与2016年相比,2017年京津冀及周边地区PM_(2.5)浓度平均下降约9.2%,且高值区范围明显减小,PM_(2.5)浓度高值一般发生在11月和12月,而低值则一般发生在8月.2017年与2016年PM_(2.5)浓度时空变化与2017年的大气污染综合治理攻坚行动巡查和空气质量专项督查活动密切相关,这也能间接说明大气污染减排的成效.

4．2天基明．测

卫星是全球观测的基本工具，但是其应用，有一部分要依赖于中尺度地基观测来定标。卫星提供激烈风暴演化的关键信息，遥感探测和水气图像用于解释激烈风暴环境。卫星还提供陆地特征信息，例如植被和土壤墒情，二者被证实对于风暴生成和对流天气预报非常重要。