用于海洋盐度观测的主被动联合遥感器

海洋盐度是研究海洋环流、全球水循环以及气候变化的重要参数之一。L波段主被动联合遥感器可以有效精确地进行海洋盐度的观测。文章简要介绍了L波段主被动联合遥感器用于海水盐度遥感的应用机理与需求,对NASA正在研制的星载L波段主被动联合遥感器——Aquarius进行了重点描述,最后对我国星载主被动联合遥感器的研究提出了一些建议。

星载主被动联合遥感技术

辐射计与散射计是两种重要的微波遥感载荷。主被动联合遥感技术将辐射计与散射计的测量优点结合于一体,能大幅提高地物目标观测的测量精度和空间分辨率。本文简要阐述国内外的技术发展现状,重点描述主被动联合遥感系统的构成与设计要点,并对几个关键技术作简要分析,最后说明这项技术的未来应用方向。

毫米波云雷达与地基微波辐射计联合反演云微物理参数

使用地基微波辐射计与毫米波云雷达进行主被动遥感联合探测,从理论上能够更准确地反演云微物理参数。分别以2010年7月于广东阳江和2015年3月于江苏南京进行的联合观测试验所获取的数据为例,对其中的层状云、层积云个例进行联合反演微物理参数的试验和分析,获取云演变过程中微物理参数和其他环境场物理量的变化特征。结果表明:1云雷达-微波辐射计联合反演法反演的云微物理参数与基于雷达反射率因子的经验法有较好的一致性,与实测经验值相比,结果比较可靠;2在层状云发展初始阶段,凝结增长作用在云体中上部位置起主要作用,碰并作用主要导致云滴粒子的显著增长和云层垂直方向的延展;在垂直上升速度较大的层积云中,云滴粒子通过碰并作用增长;3低层湿区高度与大范围层状云系出现的高度较为一致,抬升作用和水汽通量的辐合为云的产生提供了动力和水汽条件。

航空物探遥感联合探测技术的应用研究

航空物探遥感联合探测技术是在社会科技快速发展背景下出现的一种新型监测技术手段,在基础地质调研、矿产资源和油气资源调查、海洋地质调查、 地下水勘查、工程地质环境调查等工作领域中起到了十分重要的作用。为此,文章结合航空物探遥感联合检测技术内涵,具体分析其在地下水勘查、生态地质环境调查、资源能源开发和金属勘探领域的应用,并结合社会发展需要就航空物探遥感联合探测技术的应用展望进行分析。

下垫面对WRF模式模拟黑河流域区域气候精度影响研究

利用高精度的土地覆盖、土壤质地类型和地形高度值替换了天气研究和预报模式Weather Research and Forecasting Model(WRF)中的相关数据,通过数值模式试验检验了下垫面数据对WRF模拟精度的影响。同时,通过与黑河综合遥感联合试验中7个测站观测数据的比较,以平均误差、均方根误差和相关系数为指标,分析了WRF模式下垫面数据改变对近地表气象要素的模拟精度的影响。结果表明:(1)WRF模式本身的地形高度信息在黑河流域上游地区有较大误差,造成了一定的模拟误差。而使用高精度的下垫面数据可以提高WRF模式在黑河流域上游复杂区域的模拟能力;(2)2m气温除了随地形高度递减外,还受土壤质地和土地覆盖小幅度影响,而且进行地形订正后的2m气温与2m湿度的模拟在下垫面为水体的区域对比强烈,因此为模式提供准确的水体分布信息也至关重要;(3)2m气温和湿度等要素的模拟差异值与地形高度资料的差异呈负相关,而降雨量的差异与地形高度差异呈微弱的正相关,与土壤质地差异和土地覆盖差异的相关性也比较弱。

黑河综合遥感联合试验的数据管理与共享

"黑河综合遥感联合试验"(Watershed Allied Telemetry Experimental Research,WATER)是在黑河流域开展的以水循环及与之密切联系的生态过程为主要研究对象的大型航空、卫星遥感与地面同步观测科学试验。为了对试验产出和处理后的数据进行统一的管理和共享,促进试验成果在更大范围内的应用,"黑河综合遥感联合试验"建立了数据管理系统,并在中国科学院寒区旱区环境与工程研究所和北京师范大学成立了两个数据服务点负责数据的管理和分发。"黑河综合遥感联合试验"的数据管理系统是一个以元数据为核心的数据管理和发布系统,在数据管理方面介绍了元数据、数据文档和数据实体的组织与管理,在系统功能方面介绍了数据导航和数据可视化。"黑河综合遥感联合试验"目前已发布的原始数据共3.2 TB,预处理的数据2.5 TB,以粗粒度的形式组织了265个数据集,265条元数据与数据报告一起对数据集进行说明。

黑河综合遥感联合试验自动气象站数据质量控制与产品生成

"黑河综合遥感联合试验"自动气象站(AWS)数据的质量控制(QC)分两个阶段进行:计算机自动控制阶段(QC1)和人机交互判断阶段(QC2)。QC1利用气候学界限值检查、台站极值检查、基本气象公式检查、内部一致性检查、时间一致性检查、综合决策算法,对自动气象站资料进行了自动质量控制;QC2中质量控制人员在QC1质量控制的基础上,对判断为可疑和错误的数据进行人工判断、分析错误原因、订正逻辑性错误,并给出数据的最终质量评价。上述质量控制后的自动气象站资料分两级发布,以供科研使用。最终结果表明:QC1中的质量检查可以有效地识别出观测资料中存在的明显错误;经过QC2数据逻辑错误订正后,"黑河综合遥感联合试验"AWS(Automatic Weather Station)数据总体质量较高,达到了预期的试验目标。

黑河流域生态水文观测数据库设计与优化

运用面向对象技术设计了黑河生态水文观测数据库。首先识别实体类和类间关系,然后将类和类间关系映射为表和表间关系。该设计用7个数据表存储观测站、观测点、数采仪、传感器、观测变量间的层次结构,在不修改数据库设计的情况下,能适应该层次结构的动态调整。用单一数据表存储所有观测数据,大大降低了数据操作的复杂性。用PostgreSQL的表继承机制对数据存储方式进行了优化,解决了存储容量和查询速度之间的矛盾。

机载AISA Eagle Ⅱ高光谱数据处理——以额济纳旗试验区为例

机载AISA EagleⅡ传感器为"黑河综合遥感联合试验(HiWATER)"额济纳旗试验区提供航空高光谱影像。介绍了高光谱原始数据的辐射定标、几何校正、大气校正等预处理过程。根据研究区地形差异以及数据使用目的的多样性,几何校正中可选择是否加高精度DEM产品,大气校正的选择策略可分为平坦地形无DEM的大气校正和起伏地形添加DEM大气校正。本试验数据采用加载高精度DEM的几何校正和平坦地形大气校正方法,经过预处理后的高光谱数据产品,其地理坐标与高分辨率的CCD影像对比,地理位置信息较为准确;与实测地物光谱对比,影像光谱能较好地体现地物光谱的特性,数据可用作定量遥感进一步的研究。