被动微波遥感反演雪水当量不确定性因素分析

雪水当量定义为积雪融化后液态水的高度,是描述季节性积雪储量的关键参数。星载被动微波遥感适用于长时间序列、全球尺度的雪水当量监测。但目前的微波辐射传输模型大多忽略或简化了自然界垂直分层结构中的土壤、植被和大气等要素对积雪辐射亮温的影响,特别是植被参数（例如透过率、覆盖度、单次散射反照率）引起的微波亮温变化仍然不清晰。本研究通过构建土壤—积雪—森林—大气微波辐射模型,重点开展被动微波遥感反演雪水当量的不确定性机理研究。通过模型敏感性分析发现：(1)冠层透过率是森林参数中影响微波亮温最敏感的因子,其次是森林覆盖度,而单次散射反照率影响最小;(2)微波亮温随着森林覆盖度的增加而升高,但随着冠层透过率和雪粒径参数的增加而降低,即三者之间存在“抵偿效应”。通过构建的模型模拟数据库和卫星观测对风云三号B星（FY-3B）和The Advanced Microwave Scanning Radiometer 2(AMSR2)雪水当量反演算法进行亮温噪声测试发现：(1)亮温噪声对AMSR2雪水当量反演算法影响较大,特别是在森林像元尤为严重,与算法中表征积雪参数演化的极化因子和森林下雪深校正方法不确定性有关...     

被动微波遥感监测土壤冻融界限的研究综述

主要介绍了被动微波遥感数据在研究土壤冻融状态方面的国内外研究进展。目前常用的而且比较成熟的冻融界限判别指标是37GHz亮度温度及负亮温谱梯度,重点对这两个冻融边界判别指标的发展进行了详细讨论,并对冻融判别和积雪判别的关系及其相互影响进行了分析和讨论。发展可靠实用的微波遥感土壤冻融状态的判别算法,以提供区域和全球尺度上的土壤状态信息,对水文学、气象学以及农业科学、工程地质研究与应用都有重要意义。     

微波遥感监测土壤水分的研究初探

在GPS定位的基础上，同步测量土攘水分、土壤后向散射系数，和同步获取的X波段、HH机化SAR图像进行了土攘水分监N.]的徽波遥感试验研究。结果表明，X波段SAR图像的灰度与表层土壤(0~10cm)水分有较好的相关性，35OHH极化的土峨后向散射系数与SAR图像灰度和土攘水分也有较好的相关性，由SAR图像及土攘的后向散射系数估算的土峨水分精度相近，相对误差均为12%左右，因而利用X波段、HH极化的机载SAR图像监浏土壤水分是可行的。雷达图像的穿透力一般在10cm以内，因此探讨了由表层土壤水分推求剖面土壤水分的可能性，并提出以土攘水分计法在浏童精度和速度上改进传统土壤水分测量的方法。     

被动微波遥感土壤水分反演研究综述

由于微波具有全天候、穿透性以及不受云的影响等特征,使其在遥感研究全球变化中具有越来越大的优势。在微波传感器技术发展的过程中,人们通过研究发现被动微波遥感是反演土壤水分的各种技术中最有效的方法之一,而植被覆盖地区的土壤水分反演是反演算法中的难点。简略地介绍针对裸地的Q/P模型和针对植被的τ-ω模型,以及主要土壤水分反演算法。     

反演策略对SMOS土壤水分反演算法的影响研究

为降低SMOS土壤水分反演算法的复杂度、提高土壤水分反演精度,对SMOS土壤水分反演策略进行调整：将多参数反演改为单参数反演以简化观测与模拟亮温的代价函数,以固定步长（0.001 m3/m3）代替不定步长从而避免复杂的矩阵运算,将围绕土壤水分先验值的少量局部搜索调整为全土壤水分区间（0~0.05 m³/m³）的密集全局搜索。利用美国USCRN 44个站点实测土壤水分分别与SMOS官方反演的土壤水分和SMOS调整算法反演的土壤水分进行对比分析。结果表明：与SMOS相比,算法调整后土壤水分的平均绝对偏差MAD、均方根误差RMSE和无偏均方根误差ubRMSE分别降低了0.012、0.018和0.020 m3/m3。     

多源微波遥感融合大尺度区域土壤水分数据集研究进展综述

【目的】土壤水分是连接陆气水循环的重要媒介和载体。获取大尺度区域、长时间序列、高精度的土壤水分数据是环境遥感领域长期关注的难点和热点问题。【方法】本文简述了包括必要气候变量土壤水分（Essential Climate Variable Soil Moisture, ECV SM）数据、土壤水分产品系统（Soil Moisture Products System, SMOPS）数据、土壤水分主动被动（Soil Moisture Active Passive, SMAP）数据、遥感地表土壤水分（Remote-sensing-based Surface Soil Moisture, RSSSM）数据、神经网络土壤水分（Neural Network soil moisture, NNsm）数据、高分辨率中国区域土壤水分数据在内的6种国内外典型多源微波遥感融合土壤水分数据集的发展历程、研制方法和精度水平。【结果】通过分析数据产品的适用性,发现不同的微波遥感融合土壤水分产品各具特色,适用场景也有所区分。【结论】如何充分利用现有海量微波遥感、光学遥感、站点观测数据,设计高性能土壤水分模拟融合算法,实...     

被动微波遥感指数及其应用

分别概述了微波极化指数、散射指数以及土壤湿度指数等被动微波遥感指数的发展及其应用。37GHz的微波极化差指数△T37（△T37=TB37V—TB37H）和极化比指数（MPDI=C＊（TB37V—TB37H）／（TB37V＋TB37H））被认为是监测植被状况的微波植被指数，利用GAME—Tibet1998IOP数据计算和分析了青藏高原中部5个试验站点6～9月的平均△T37值和MPDI值的变化情况。结果表明：ANDUO和MS3608的平均值在15K左右，表现出裸土的微波辐射特征；总体上5个站点的MPDI随时间的变化不大，也即在1998年6～9月间，各个站点的植被状况变化不大；而站间的差别比较大，也即各个站点的植被状况有较大的差别；ANDUO的MPDI表现出规律性的变化，即在6至9月的变化中，8月份的MPDI最小，对应植被最好的月份；对研究区的MPDI和相应时间的MSAVI（可见／近红外数据得到的修改型土壤调整植被指数）的空间分布图进行了比较，二者基本吻合。     

基于微波遥感和陆面模型的流域土壤水分研究

土壤水分是陆地水文的重要因子。微波遥感是测量土壤水分的一种重要方法。本文总结了基于微波遥感和陆面模型的土壤水分监测方法,包括被动微波法、主动微波法、主被动微波结合法、陆面模型模拟法和数据同化法五种。被动微波对表面土壤水分敏感,但其空间分辨率低;主动微波具有较好的分辨率但运作费用也较高;主被动微波结合则能够充分利用各自的优势。陆面模型在研究中也有重要作用,通过模型模拟能够得到根区土壤水分。而将观测值同化到模型的数据同化法,则能极大的提高土壤水分估计的能力。通过比较,指出数据同化是最有前景的研究领域。     

地形坡面对被动微波遥感影响的试验研究

地表起伏所形成的倾斜表面,特别是在山区,受地形坡度和坡向变化的影响,地表的微波辐射特征较之平坦地表发生明显变化。基于地基微波辐射地形试验,模拟星载被动微波辐射计AMSR\|E的观测参数,通过建立地形坡面的地貌微缩景观进行观测,探索地表斜坡对被动微波辐射特征的影响,用AIEM模型 和 Fresnel 方程分别模拟裸土地形坡面的微波辐射特征。结果表明,倾斜坡面对被动微波辐射的亮度温度产生了10~15 K的偏差,由坡度形成的本地入射角改变了地表的有效发射率,并随坡向的变化发生微波极化旋转。经试验数据和模型模拟结果对比,认为AIEM 在考虑了表面粗糙度影响时可以较好地模拟地形坡面的被动微波辐射特征。     

基于多角度微波辐射亮温数据反演冬小麦光学厚度

基于高级积分方程模型(Advanced Integrated Emission Model,AIEM),构建了包含宽范围土壤参数的C波段(6.925GHz)多角度裸露土壤发射率模拟数据库,利用该模拟数据分析了不同观测角度的裸露土壤发射率极化差之间的关系。在此基础上,结合ω-τ零阶辐射传输模型发展了C波段低矮植被光学厚度反演算法,并利用地基微波辐射计观测数据开展了冬小麦的光学厚度反演。结果显示,冬小麦光学厚度反演结果与实测冬小麦LAI在变化趋势上具有较好的一致性,反演算法具有一定的可行性。     

微波遥感土壤湿度研究进展

发展实用的微波遥感土壤湿度卫星反演算法,以提供区域尺度上的土壤湿度信息,对水文学、气象学以及农业科学研究与应用至关重要。简要分析了主动微波遥感土壤湿度的研究进展情况,重点对被动微波遥感土壤湿度的原理、算法发展及研究趋势进行了详细论述。主动微波具有卫星数据空间分辨率高的特点,随着携载主动微波器的一系列卫星的发射,主动微波遥感土壤湿度将受到重视。被动微波遥感研究历史长、反演算法特别是卫星遥感算比较成熟,是今后区域尺度乃至全球尺度监测土壤湿度的重要手段。     

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。     

Recently Research Progresses in Detecting Surface Soil Freeze-thaw Cycles with Passive Microwave Remote Sensing

Surface soil freeze-thaw processes affect the energy and water exchange between the land surface and the atmosphere,hydrological cycle process and ecological system activity.It is obviously important to study the spatial distribution and temporal dynamics of surface soil freeze-thaw cycle,frozen depth,transition water content by the remote sensing technology,and their influences on and feedback with climate change.With the implementation of the SMOS and SMAP satellite projects,the L-band,with lower frequency,deeper penetration depth and stronger dielectric sensitivity,can be used to not only monitor the surface freeze-thaw cycles,but also to estimate the soil frozen depth,frozen velocity and phas-|change water content.Compared with the widely used C,X,Ku and Ka bands,L-band has a wider application potential.As a supplement,this paper reviewed soil freeze-thaw cycle with passive microwave remote sensing,including observation principle and advantage of L band,newly improved and developed algorithms,passive radiometers and so on,particularly focusing on the development and potential of the L-band.     

国地球资源遥感卫星的工作状况和研制动态

In order to reduce the complexity of SMOS official soil moisture retrieval algorithm and improve the accuracy of soil moisture retrievals, a new retrieval strategy on SMOS soil moisture retrieval algorithm was developed. In the new retrieval strategy on SMOS soil moisture retrieval algorithm, the fixed step size (0.001 m3/m3) was used to replace the flexible step size obtained by the SMOS matrix operation. The multi-parameter was changed to a single-parameter in the cost function. The data from 44 USCRN sites in the United States were compared with the soil moisture retrieved from SMOS official algorithm as well as the adjustment of SMOS algorithm. The results show that compared with the SMOS official algorithm, the average absolute deviation, root mean square error,and unbiased root mean square error of the adjustment of SMOS algorithm are reduced by 0.012 m3/m3, 0.018 m3/m3,and 0.020 m3/m3,respectively.     

基于Triple-Collocation方法的微波遥感土壤水分产品不确定性分析及数据融合

微波遥感可以获取大范围的地表土壤水分信息，以及由此得到全球尺度的土壤水分产品。但由于传感器观测配置和反演方法等诸多因素的影响，使得不同的土壤水分产品在精度和可靠性方面存在差异。基于Triple-Collocation（TC）方法，在青藏高原那曲地区的0.25°×0.25°和1.0°×1.0°两个空间尺度上对AMSR2、SMAP和SMOS 3种土壤水分遥感产品进行不确定性分析，开展基于随机误差的数据融合算法研究。研究结果表明:不同遥感产品间的随机误差在空间分布上存在显著的不一致性，使得应用传统的算术平均方法进行数据融合不具有普适性。基于此不确定性，对3种产品配赋相应的权重进行融合，相比于3种土壤水分原始数据集，融合产品不仅具有更丰富的数据量，也会对数据精度有所改善。当遥感产品间的随机误差接近时，等权重和优化权重的融合结果非常接近；当遥感产品间的随机误差差异较大时，基于不确定性的数据融合方法相比等权重方法可以明显的提高融合数据的精度。