一种近似用于高发射率城市地表热红外等效发射率的方向性变异核驱动模型及其不确定性分析

地表热红外发射率（8~14μm）的方向性变异为遥感地表温度的反演及应用引入了不确定性,这种问题在城市地表显得尤为突出.发展了一种近似用于高发射率城市地表热红外等效发射率的方向性变异（Urban Surface Emissivity Anisotropy,USEA）核驱动模型,并分析了具体应用时的不确定性,其中USEA用非垂直观测的发射率与垂直观测时的发射率之比定量表示.模型有两个基本假设：（1）白天,USEA具有热点效应,热点位置与太阳位置接近;（2）夜晚,USEA无明显热点效应,且主要与观测天顶角相关.该核驱动模型由各向同性核、多次散射核、以及温差核组成,其中各向同性核为常数1,多次散射核描述了USEA与观测天顶角的关系,温差核描述了USEA的热点效应.基于计算机模拟数据的模型评价结果表明,核驱动模型可以表达USEA的时空变化,但城市地表热惯量会导致模型的适用性降低.该核驱动模型在MODIS等传感器的方向性比辐射率数据上,具有一定的应用潜力.

深度学习作物分类模型空间泛化能力分析

大数据驱动训练的深度学习模型是当今农作物分类的最新方法。当前研究仍然主要关注该模型方法的创新性,其在特定时间、特定地区的作物分类模型的泛化能力分析经常被忽略。因此,提高遥感分类模型在大尺度空间范围的有效迁移能力是遥感技术支撑地球系统科学研究和社会应用的关键。本研究通过设计实验分析了模型架构、作物物候特征、农区地块尺度、数据类型等因素对作物分类模型泛化能力的影响。结果表明:一方面当训练区和测试区地块大小发生明显变化时,MultiResUNet相对于SegNet,DeepLab V3+和U-Net具有更好的泛化性能。然而,单纯依靠MultiResUNet的泛化能力依然无法完全克服地块空间形态的变化对模型迁移的不利影响,为获得更高精度的华北玉米分布信息,需要优先使用与华北地区农业景观更相似的东北作物分布数据产品进行深度学习模型训练;另一方面,相对于TOA (Top of Atmosphere)数据,采用SR (Surface Reflectance)数据更有利于模型在跨洲际尺度进行空间迁移,因此,在大尺度作物制图研究中,应优先考虑使用SR数据。综上,本研究从一定程度上验证了影响农作物分类模型迁移性能的内在因素,可为大尺度作物制图提供科学依据。

长三角城市群表面城市热岛日内逐时变化规律

表面城市热岛多时间尺度变化的遥感研究已取得了阶段性进展。然而,受限于热红外遥感模型与数据的不足,目前典型城市群表面城市热岛的日内逐时变化规律仍不清楚。以MODIS(Moderate-resolution Imaging Spectrometer)遥感影像为主要数据源,结合地表温度日内变化INA08模型,率先模拟并分析了长三角城市群在夏、冬两季的表面城市热岛空间格局与热岛强度的逐时变化特征。结果表明:在夏季,日内所有城市整体而言均呈现热岛效应,但由于城市植被或水体的降温作用,白天至上半夜(08:00~21:00)部分城市存在相对"冷点",而这些"冷点"在21:00之后基本消失。此季节内城市热岛强度与地表温度日内逐时变化规律相似,两者均在上午迅速上升,并于12:00~14:00到达峰值,而后逐渐下降,并持续至次日日出前。在冬季,多数城市在白天出现了"城市冷岛",但"冷岛"多在午后至傍晚(14:00~17:00)消失,此后所有城市均恢复为"热岛"。此季节内城市热岛强度与地表温度日内逐时变化规律区别较大,且以农田和森林为背景计算的城市热岛强度的逐时变化趋势存在明显差异,前者在日内到达峰值的时间(约18:00)显著晚于后者(约13:30)。