基于SBAS/PS-InSAR技术的滑坡遥感监测对比研究

以2015~2019年12景ALOS-2 PALSAR2影像和2018~2019年38景Sentinel-1A影像为主要数据源,利用PS-InSAR和SBAS-InSAR技术提取西藏江达县波罗乡白格滑坡点的形变信息,并对处理结果进行交叉验证。研究得到以下结论:1)PS-InSAR技术条件下,ALOS-2数据和Sentinel-1A数据的平均形变速率范围为-68.9~37.9 mm/a和-64.5~24.2 mm/a;SBAS-InSAR技术条件下,ALOS-2数据和Sentinel-1A数据的平均形变速率范围为-84.2~-40.0 mm/a和-84.0~-13.0 mm/a。2)对2种数据结果中提取的4个特征点进行时序分析和定量分析显示,2种InSAR技术结果变化趋势较为一致,验证了两者在滑坡监测中的可靠性和准确性。

基于通用分裂窗算法和Landsat-8数据的地表温度反演研究

基于通用分裂窗算法和Landsat-8数据开展地表温度(Land Surface Temperature,LST)反演研究。首先,使用MODTRAN和SeeBor V5数据库开展辐射传输模拟,建立LST与Landsat-8热红外传感器(Thermal InfraRed Sensor,TIRS)第10(10.9μm)和11波段(12.0μm)观测亮温、地表比辐射率(Land Surface Emissivities,LSEs)、观测角度和总可降水量(Total Precipitable Water,TPW)之间的关系。其次,对模拟数据进行分组,用多元线性回归求解算法系数,并进行敏感性分析。然后,从经过交叉辐射定标的晴空Landsat-8数据反演得到LST,其中LSEs从Landsat-8陆地成像仪(Operational Land Imager,OLI)数据估算,TPW从欧洲中尺度天气预报中心再分析数据提取。最后,用Terra卫星中分辨率成像光谱仪的LST/比辐射率产品(MOD11_L2 V5)对反演结果进行验证。该算法能够较精确地从Landsat-8数据反演LST,主要误差源自LSEs和TPW的不确定性,对LSEs和TPW纠正前后的误差分别为-0.64±0.81K和0.10±0.68K。