积雪微波辐射亮温对积雪参数的敏感性分析——以多层积雪微波辐射模型为例

积雪的被动微波辐射亮温信号十分复杂,深度、温度、粒径、密度、液态水含量,以及下垫面的状况都会不同程度的影响积雪层的亮度温度。本文利用多层积雪微波辐射模型（MEMLS）分别针对各个输入参数对模拟亮温的影响进行了分析,发现粒径是敏感性最高的模型参数,湿度、深度、密度、积雪温度次之。模型模拟结果表明,当雪深小于50cm时,雪深可以近似地表示为19和37GHz的亮温差的线性函数 |当雪深大于50cm后,随着雪深的增加,亮温差增加幅度变小,趋向于饱和。在建立积雪深度反演公式时,粒径和密度会影响公式的拟合系数。把一定区域内积雪粒径和密度看作是相同的值,这可能是造成被动微波遥感反演雪深和雪水当量误差的原因之一。被动微波无法反演湿雪的雪深和雪水当量,但可以有效识别干雪和湿雪,为水文模拟以及农业灌溉提供科学的依据和信息。积雪温度对积雪辐射亮温影响较小,而且在对积雪深度进行反演时,两个频率亮温值相减,温度的影响也被降到了最低。     

东北地区森林积雪的微波辐射亮温模拟分析

微波辐射亮温正向模拟是辐射传输模型反演积雪参数的关键步骤之一。以HUT模型为基础,针对森林冠层微波透过率这一关键的模型输入参数,在东北大小兴安岭典型森林积雪区进行了14个子区域(10km!10km)的地基遥感观测和森林参数取样观测实验,分别利用地基微波辐射计实测和森林材积量回归两种不同参数获取方法,得到实验观测区冬季森林透过率,并模拟了星载微波辐射计探测亮温(TsimuB)。通过对两种参数获取方法模拟亮温的相关性分析,说明在K波段水平极化条件下森林存在体散射效应(相关系数R2≤0.37),而Ka波段双极化和K波段垂直极化条件下,森林存在很弱或无体散射效应(相关系数R2≥0.53)。在此基础上,将TsimuB与FY3C MWRI观测的微波辐射亮温进行了差值比较,以MWRI的定标精度约以2 K为基准,提出了以偏差|Δ|≤3·"=6K为一致性判据准则。在K波段水平极化(H)与垂直极化(V)辐射计模拟的一致性为79%、82%,Ka波段的H和V为43%、50%;材积量模拟亮温的一致性是K波段H和V为57%、86%,Ka波段的H和V均为64%。结果表明:在HUT模型模拟森林积雪系统微波辐射亮度温度时,Ka波段积雪层散射引起的不确定性大于K波段森林散射引起的不确定性。通过数据分析,提出了HUT模型的适用性及东北地区森林—积雪真实性检验场的选址依据。     

NASA系列雪参数反演算法在单像元内的时间序列验证与分析

NASA系列算法(Chang,NASA96和Foster算法)是被动微波遥感反演雪深、雪水当量的简单、实用的经验算法,并经过了很多学者大范围的算法验证和改进。为了进一步评价NASA系列算法在东北地区的时空适用性,于长春净月潭区域选定了一个以农田和森林为主的10km×10km被动微波遥感混合像元,在时间上连续观测整个干雪期(2014年12月至次年2月)的积雪参数和气象数据,结合FY3B卫星搭载的微波成像仪(MWRI)亮温数据,对NASA系列算法精度进行了评价分析。结果表明:对于雪深的反演,Chang算法和NASA 96算法前期反演效果较好,后期随着时间的推进高估雪深的趋势愈加明显。由于考虑了森林覆盖率的影响,NASA 96算法的反演精度更高。两种算法最大高估值分别是24.46和14.62cm,这是因为期间雪性质不断变化,尤其是雪粒径不断增大的缘故。Foster算法也严重高估了雪水当量,可能是由于积雪类型的分类系统未必适合于东北地区的积雪特征。本文的积雪连续观测数据为认识东北地区的积雪特性奠定了基础,对算法的时间序列验证与分析为雪参数反演算法的进一步改进提供了可靠依据。     

积雪属性非均匀性对被动微波遥感积雪的影响

积雪属性的非均匀性在水平方向上表现为像元内积雪未完全覆盖和雪深分布的不均匀,在垂直方向上表现为积雪剖面上粒径和密度的不一致导致的积雪分层现象。这些积雪属性的非均匀性对被动微波遥感反演雪深或雪水当量带来很大的不确定性,并且给反演结果的验证带来不确定性。通过野外积雪的微波辐射特性观测、遥感积雪产品对比分析、积雪辐射传输模型模拟对这些问题进行阐述和探讨,为今后积雪微波遥感反演算法发展和结果验证提供参考。     

林下枯枝落叶层双频段微波辐射衰减特性研究与分析

林下枯枝落叶层会衰减来自土壤的微波辐射信号,降低微波辐射亮温对地表参数变化的敏感性,从而影响林下地表参数的反演精度。为了定量研究枯枝落叶层的衰减特性,基于τ-ω模型,通过严格的理论推导证明了利用不同厚度下的枯枝落叶层亮温计算衰减系数的可行性,并基于该理论方法设计可控实验,获取了双频段(18.7GHz和36.5GHz)上不同厚度、不同重量含水量的枯枝落叶层亮温值,然后定量分析了枯枝落叶层的衰减系数随重量含水量的变化过程,同时根据计算的消光系数,分析了不同厚度、不同重量含水量下的枯枝落叶层透过率。结果表明:较干燥的枯枝落叶层的衰减系数较小,透过率较高,但是随着含水量增大,衰减系数会出现急剧的增加,从而造成透过率骤减;高频波段的衰减系数变化更加迅速,由枯枝落叶层引起的衰减作用更加明显;单次散射反照率ω随重量含水量的变化趋势为先升高后降低。该研究有利于理解森林系统中微波辐射传输过程,纠正森林区微波辐射亮温,提高森林下地表参数遥感反演精度。     

华北积雪冻融循环微波辐射特征研究

积雪冻融循环监测是陆表水文过程和冰雪自然灾害研究的重要方面。被动微波遥感由于具有对水分敏感、高时间分辨率的特点,尤其适合大尺度的积雪冻融监测及相关参数的反演。该研究于2012年11月6日~27日在河北怀来遥感综合实验站使用车载多频率微波辐射计TMMR观测了积雪冻融循环微波辐射特征。研究发现,36.5GHz的观测亮温对积雪的冻融循环最敏感,18.7GHz次之,融化和冻结的时亮温差别可分别约达80K和60K;HUT单层和多层积雪微波辐射模型对18.7GHz和36.5GHz的模拟亮温能够基本反映冻融循环过程中的亮温变化;多层模型更适合模拟冻融循环的过程,18.7GHz和36.5GHz在V极化的相关系数均为0.97;冻融循环研究中,冰壳、冰层粒径的观测、雪湿度的观测和湿雪介电常数模型仍有待进一步改善。     

利用积雪衰减曲线分析山区雪水当量时空分布

鉴于近年来关于雪水当量的研究成果大部分基于物理模型进行估算,这些雪水当量数据的空间分辨率较低,且需要大量野外实测的积雪属性数据来作为输入模型的初始变量。在对中小流域雪水当量时空分布特征的估算,特别是地形因子较为复杂的山区,基于物理模型估算雪水当量以及被动微波遥感影像反演的雪水当量都不能满足需求。该文以黑河上游祁连山八宝河流域和冰沟小流域作为研究区域,利用2011年3景小流域ENVISAT-ASAR数据,获得流域积雪面积与雪水当量产品,结合DEM数据,拟合出研究区域的积雪衰减曲线。利用积雪衰减曲线,在祁连山黑河上游八宝河子流域,获取2008年逐日366天MODIS积雪面积比例产品MOD10A1数据,通过估算云下反照率的方法将逐日积雪面积比例产品进行去云处理,结合DEM数据得到像元地形因子,计算八宝河流域每个像元逐日雪水当量值,得到流域2008年雪水当量情况,分析流域内雪水当量分布规律以及流域内雪水当量年内时空变化。     

基于人工神经网络和AMSR2多频微波亮温的北疆地区雪深反演

被动微波遥感数据是进行积雪深度反演的重要资料,不同频率微波信号对积雪响应不同。利用人工神经网络(Artificial Neural Network,ANN)方法结合新疆北部地区积雪观测资料建立AMSR2(Advanced Microwave Scanning Radiometer 2)微波亮温(Brightness Temperature,TB)、地理位置、地形因子与雪深的隐含关系,以实现通过亮温、地理位置、地形因子估算北疆地区积雪深度,并分析微波极化方式、位置以及地形的不同组合方式对雪深反演效果的影响。实验结果表明:水平极化对雪深反演的影响大于垂直极化,纬度对雪深的影响大于经度,地表粗糙度和坡向对雪深的影响大于高程和坡度,并且位置和地形因子对雪深影响作用相当。最终通过4种优选模型的误差空间分布对比发现,综合亮温、经纬度、坡度、坡向的ANN输入模型能够较好的反映北疆地区积雪分布状况,训练集的站点平均误差在-7~6cm之间,该组合模型作为神经网络的输入能够较为合理地获取北疆地区雪深模拟值。     

被动微波遥感反演土壤水分进展研究

在地球系统中, 地表土壤水分是陆地和大气能量交换过程中的重要因子, 并对陆地表面蒸散、水的运移、碳循环有很强的控制作用, 大面积监测土壤水分在水文、气象和农业科学领域具有较大的应用潜力。被动微波遥感是监测土壤含水量最有效的手段之一, 相比红外与可见光, 它具有波长长, 穿透能力强的优势, 相比主动微波雷达, 被动微波辐射计具有监测面积大、周期短, 受粗糙度影响小, 对土壤水分更为敏感, 算法更为成熟的优势。然而微波辐射计观测到的亮温除了受土壤水分影响外, 还要考虑如植被覆盖、土壤温度、雪覆盖以及地形、地表粗糙度、土壤纹理和大气效应以及地表的异质性等其它因子的影响。目前, 已研究出许多使用被动微波辐射计反演土壤水分的方法,这些方法大部分是围绕着土壤湿度与亮温温度之间的关系进行, 同时也考虑其它各种不同因子对 地表微波辐射的影响。从介绍被动微波反演地表参数的原理入手, 重点介绍被动遥感反演土壤水分当前的算法进展、研究趋势等。     

植被微波散射模型研究综述

精确的植被微波散射模型是理解微波遥感观测、发展遥感反演算法、提高植被参数和土壤含水量反演精度的基础和关键。针对其在微波观测模拟和反演中的重要性,该文对近几十年研究人员建立的系列植被微波模型,包括植被微波散射经验模型、理论模型和半经验模型进行了回顾,着重分析了基于电磁散射理论和辐射传输方程的理论模型的研究进展,对各模型的优缺点以及应用局限性进行了总结比较。最后,探讨了未来植被微波散射模型可以改进的方向。     

用微波辐射资料确定加拿大草原区的雪水当量

加拿大与美国进行融雪径流研究的目的是对利用被动微波资料制作区域雪盖图的实用性进行评价。机载伽玛射线和地面雪测量能够为机载和卫星(雨云—7SMMR)被动微波测量系统的改进提供雪水当量值的“地面实况”。机载测量系统适合于干雪;用37GHz的垂直偏振亮温度资料进行统计分析可达到对雪水当量值的最佳估计。用没有树木覆盖地区的SMMR资料验证了机载测量系统,雪水当量的分布与伽玛射线以及地面测量得到的结果具有很好的一致性,可以清楚地识别湿雪,但却得不到雪水当量(SWE)值。研究表明,对于区域雪盖分析,被动遥感资料是很有用的。     

风云三号微波成像仪积雪参数反演算法初步研究

选择新疆地区作为实验区,为风云三号(FY-3)微波成像仪(MWRI)发展中国区域的积雪参数半经验反演算法。使用2003年4个月的新疆地区的台站观测资料和AMSR-E 18.7 GHz,36.5GHz和89 GHz水平和垂直极化亮温作为FY-3 MWRI的模拟数据,在Chang建立的半经验模型的基础上,采用多元线性回归分析,建立一个新算法。用已有方法去除水体、降雨、湿雪、冻土的像元后,用新算法反演了新疆地区的2004年1月的积雪参数,并分别与AMSR-E雪水当量产品和台站观测值进行比较,结果表明新算法在新疆地区优于AMSR-E的反演算法。     

一种一维综合孔径微波辐射计的定标方法

综合孔径微波辐射计是被动微波遥感发展的新方向。综合孔径技术利用了以小口径天线阵列合成大的观测口径的技术，解决了在较低频率时天线物理口径要足够大才能得到期望的空间分辨率的严重缺陷。土壤湿度和海水盐度是影响全球气候和水气循环的重要因素。这些参数一般是在L波段范围观测得到，综合孔径辐射计就是减少天线孔径和重量，并最终可以观测反演出这两个参数的一项新兴技术。综合孔径辐射计不同于全功率辐射计，它测量的是视场亮温分布对于天线阵中不同基线长度的可视度函数分量。它的系统主体是稀疏天线阵和多通道相关接收机。在实际应用中，要得到土壤湿度等参数的反演，较高的系统亮温分辨率以及亮温与测量量之间的准确对应是至关重要的，这即是定标工作要完成的任务。定标直接影响微波辐射图解译和判读的准确度，是实现定量化微波遥感的前提。针对一雏综合孔径辐射计系统，给出了一种定标方案。其中分析了天线阵以及多通道相关接收机部分的定标，由得到的矩阵形式的空间频率响应信息推出了亮温图像的反演公式。     

基于ART模型的MODIS积雪反照率反演研究

积雪反照率是研究局地或全球的能量收支平衡和气候变化中的重要参数,遥感反演为积雪反照率的获取提供了便利的手段。积雪反照率大小主要取决于积雪的自身物理属性(雪粒径、形状和污染物等因子)以及天气状况,遥感反演反照率大多基于双向反射模型(BRDF),积雪BRDF模型常使用积雪辐射传输模型获得。采用考虑了雪粒径、粒子形状以及污染物影响的渐进辐射传输理论(ART)模型,建立了MODIS积雪反照率反演算法,得到了MODIS 8d合成积雪反照率产品。将此算法应用于具有均一积雪地表的格陵兰岛地区,并使用GC-Net实测数据进行了验证,反演的总均方根误差(RMSE)为0.018,相关系数(r)为0.83,结果表明考虑了积雪特性的ART模型能够较好地反演积雪反照率,而且反演需要的参数较少。     

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10 cm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。     

色林错、纳木错湖区被动微波雪深反演算法评估

被动微波雪深反演算法是当前大范围获取青藏高原地表雪深信息的重要途径,但由于缺乏地面雪深观测资料,导致对算法在高原中西部区域的表现认识不足。为了评估当前被动微波雪深反演算法在青藏高原色林错、纳木错地区的适用性,利用AMSR2亮温数据和地面站点雪深数据,以相关系数、偏差和均方根误差作为评价指标,评估了Chang2算法、Che算法、SPD算法、AMSR2算法和Jiang算法等5种算法。结果显示,Jiang算法综合表现最好,在纳木错站R值最高为0.68;Che算法对浅雪反演效果较好,其在班戈站Bias为-0.66 cm;Chang2算法对纳木错站、色林错站深雪反演效果较好,在两地R值分别为0.63、0.50;SPD算法的反演效果最不理想,对雪深高估明显,其中浅雪高估近20 cm;AMSR2算法在区域间的表现差异较大,在纳木错站的反演结果比色林错站、班戈站好。除SPD算法外,其余算法均低估了研究区雪深,与以往研究结果一致。     

土壤湿度微波遥感中的植被散射模型进展

植被是影响土壤湿度微波遥感的主要因子之一,土壤湿度微波遥感的主要任务是建立含有地表土壤信息的植被散射模型。植被散射模型的建立可以加深我们对植被和土壤散射机理的理解,定量分析微波后向散射系数对于各散射因子的敏感性,进一步达到从微波信息中反演土壤湿度的目的。植被散射模型可以分为经验模型、理论模型和半经验模型,各种模型都具有自身的优势和局限性。经验模型的建立比较简单,但一般只适用于特定的研究条件;理论模型是建立在一定的理论基础之上,对于散射因子的考虑相对详尽,但一般模型比较复杂,反演相对困难;半经验模型是前两者的折中,它以植被的宏观物理参量为模型参数,模型的建立和反演比理论模型要简单,但同时也具有一定的理论依据,适用性也较经验模型广。     

一种基于雪粒径演化过程的积雪亮温模拟新方法

本研究采用HUT模型、DMRT模型和MEMLS模型模拟积雪雪粒子与不同波段（18.7 GHz和36.5 GHz）微波相互作用（吸收和消光）,并用于辐射传输模型。而雪粒径的获取一直是一个难点,本研究由Jordan91雪粒径演化模型演化得到雪粒径,并将其作为辐射传输模型的输入参数,基于像元内实测数据进行混合像元18.7和36.5 GHz水平极化亮温模拟。结果表明：采用HUT模型、DMRT模型和MEMLS模型的消光系数在18.7 GHz时模拟亮温的偏差分别为-3.6、-1.8和-0.7 K,在36.5 GHz时分别为4.0、10.4和14.4 K。对于18.7 GHz水平极化和36.5 GHz水平极化,基于有效雪粒径的亮温模拟与基于雪粒径演化过程的亮温模拟精度呈现出很好的线性关系。因此,基于雪粒径演化过程的方法是一种合适的获取辐射传输模型中雪粒径参数的方法。     

小波离散点插值处理在综合孔径微波辐射计中的应用

土壤湿度和海水盐度是影响全球气候和水体循环的重要因素,但是对土壤湿度和海水盐度的测量都需要较低的微波测量频率,这时天线孔径和空间分辨率的矛盾就更加突出,而应用综合孔径微波辐射计就是在减小天线孔径和重量的前提下提高空间分辨率的一项新兴的被动微波遥感技术。综合孔径微波辐射计测量的是视场范围内亮温分布对于天线阵中不同基线的干涉天线单元之间的可见度函数分量,根据测得的可见度函数可以反演得到亮温图像。在综合孔径微波辐射计设计中,天线阵列设计和成像反演算法是两项关键技术。提出一种基于小波变换的离散点插值方法,它对二维综合孔径微波辐射计的Fourier成像反演算法进行了修正处理。     

基于多频被动微波遥感的土壤水分反演—以黑河上游为例

土壤水分是陆地生态系统中最重要的组成部分,如何有效地得到高精度的土壤水分产品成为当前研究最为关注的问题。被动微波遥感具有监测面积大、重访周期短、对土壤水分敏感等优点,成为反演土壤水分最有潜力的方式。基于SMOS（Soil Moisture and Ocean Salinity）和AMSR2（The Advanced Microwave Scanning Radiometer-2）数据,通过研究L波段与C波段融合亮度温度在土壤水分反演中的潜力,发展多频率土壤水分反演算法,并对黑河上游4个像元开展土壤水分反演研究。结果表明：①利用L/C组合亮温反演结果与实测数据较为吻合,长时间内变化趋势一致,相关系数为0.841,均方根误差为0.063 m³/m³。②通过与SMOS和AMSR2官方土壤水分产品比较发现,AMSR2土壤水分产品存在明显的低估,SMOS土壤水分产品缺失值较多,无法得到较为完整的土壤水分时间序列;利用L/C多频率组合反演得到的结果明显优于官方土壤水分产品。融合L与C波段亮温数据,可有效提高反演土壤水分精度,实现高精度土壤水分的获取。