星载高光谱红外传感器反演大气痕量气体综述

利用遥感监测全球尺度上的痕量气体分布以及动态变化,对于理解对流层大气化学以及温室气体的源与汇具有重要的意义。本文首先介绍了国内外用于痕量气体探测的高光谱红外传感器的发展,由辐射传输方程出发分析了大气痕量气体遥感反演的特点,从前向模型、先验知识和最小化代价函数方案三个方面阐述了大气痕量气体遥感反演方案,最后指出了目前利用星载高光谱红外遥感数据反演大气痕量气体存在的一些问题以及可能的解决方案。     

卫星遥感大气CO2的技术与方法进展综述

综合分析了国际上卫星遥感观测大气二氧化碳（CO²）含量的主要技术与方法,讨论了现有星载大气CO²探测器（传感器）的主要理论基础、反演方法,归纳了仪器的主要性能指标、观测方式和观测目标,分析了影响CO²遥感精度的主要因素。具体研究下列3类星载CO2探测器：① 技术相对成熟的、观测要素既包含CO²也包含其他微量气体的综合性星载被动探测仪器,例如大气红外垂直探测仪(AIRS)、大气制图扫描成像吸收光谱仪(SCIAMACHY)、超高光谱红外大气探测干涉仪(IASI);② 针对大气中CO²混合比或者对流层下层CO²含量进行专门观测的星载被动探测器：极轨碳观测卫星(Orbiting Carbon Observatory,OCO)和温室气体观测卫星(Greenhouse gas Observing Satellite,GOSAT)搭载的被动红外探测器;③ ASCENDS和A\|SCOPE等国际卫星计划正在研制中的星载主动激光雷达探测器。 进一步介绍了我国在高光谱仪器研制方面具备的研究基础。最后初步分析了星载CO²探测结果的验证、资料同化方法和未来的发展趋势。     

星载NO_(2)探测发展及对流层柱浓度产品精度分析北大核心CSCD

NO_(2)作为大气中重要的痕量气体之一,是衡量大气污染状况的重要风向标。与传统地基观测相比,星载传感器能够提供大范围、长时间序列的观测资料,利用遥感卫星数据反演获取对流层NO_(2)浓度已成为近些年研究的热点之一。首先介绍了国内外星载紫外高光谱传感器的发展。然后从原理方面对国际上通用的对流层NO_(2)垂直柱浓度反演算法进行阐述。之后介绍了各官方对流层NO_(2)柱浓度产品的反演流程及产品精度,并比较了各产品DOAS算法的区别。可见,由于传感器所获取数据的时间、空间、光谱分辨率越来越高,NO_(2)柱浓度产品的反演模型及算法的选择更加合理,因此NO_(2)产品精度也更高。     

非二温室气体—HFC遥感和观测研究进展综述

近年来氢氟化碳HFC气体丰度不断增加,其温室潜能值巨大,对全球变暖产生影响的同时也间接造成臭氧层的破坏。国内外学者开展了广泛的地面原位测量来获取其全球丰度,同时遥感技术可以大范围、长时间、快速监测HFC气体的变化,成为该气体浓度反演的重要手段。对原位测量方法、示踪物比值法、卫星反演传感器发展和卫星反演方法 4个方面的内容进行阐述,结合载荷特征分析比较不同反演方法的优缺点,最后对当前反演存在的问题和未来的发展趋势进行了讨论和展望。     

基于资源一号02D高光谱卫星影像的青海湖悬浮物浓度反演研究

水体悬浮物浓度是描述水体光学特性的一个重要参数。卫星遥感具有大范围、快速、高频次动态监测的优势,有助于加强对青海湖水环境质量的监测,降低监测成本。而资源一号02D(ZY1-02D)卫星高光谱影像作为新的数据源,具有高空间分辨率、高光谱分辨率的优点,为湖泊的水质高精度监测提供了可能性。为了验证ZY1-02D高光谱相机在水质遥感监测应用中的适用性,以ZY1-02D高光谱影像为遥感数据源,同时辅助实测数据,构建青海湖悬浮物浓度反演模型,并进行精度验证,评价模型的准确性,最后将模型应用于青海湖悬浮物浓度反演。研究结果表明：青海湖悬浮浓度反演模型平均相对误差为21.1%,均方根误差为0.296 mg/L,精度较好,青海湖悬浮物浓度反演结果呈现湖心低岸边高的特征,与同期Sentinl-2和同期Landsat 8数据反演结果进行对比,反演结果保持一致,说明ZY1-02D高光谱影像能够作为悬浮物浓度遥感反演的数据源之一。     

航天成像光谱仪CHRIS在内陆水质监测中的应用

欧空局2001年10月22日成功发射的PROBA卫星上搭载了紧密型高分辨率成像光谱仪（CHRIS），它可以提供高光谱分辨率、高空间分辨率和多角度的遥感数据，它代表了新一代的地球观测数据源。CHRIS有5种工作模式，其中模式2是专门为水体研究而设计的，它在400～1 050 nm的可见光至近红外有18个波段，每个波段数据的空间分辨率是17 m。CHRIS数据的高光谱分辨率、高空间分辨率和多时相覆盖的特点为内陆水质监测提供了有利条件。为了验证CHRIS在内陆水质监测中的具体应用，在太湖梅梁湾开展了水面综合试验，在梅梁湾均匀分布的14个水面采样点分别测量了水面光谱和水质参数。利用这些数据，同时结合CHRIS数据的光谱特征，建立了叶绿素浓度反演半经验模型，应用于CHRIS图像反演了太湖梅梁湾的叶绿素浓度分布图，并取得了较好的结果。最后指出CHRIS数据不但在内陆水质监测中具有巨大潜力，而且CHRIS遥感器是今后内陆水质监测卫星遥感器的典范。     

太阳跟踪器的设计及其在环境监测中的应用

针对传统傅里叶变换红外光谱遥测方法在环境监测中的不足,提出了利用太阳作为光源的太阳掩星法傅里叶变换红外光谱(SOF-FTIR)技术,详细介绍了太阳跟踪器的原理、实现方法以及光电位置敏感探测器(PSD)在其中的应用,并给出装置相关技术参数.实际外场实验表明:太阳跟踪器性能稳定,操作简单,具有良好的应用前景.     

GOSAT卫星温室气体浓度反演误差的分析与评价

GOSAT(Greenhouse gases Observation SATellite)卫星是日本于2009年1月23日发射的世界上第一颗专门用于温室气体观测的卫星.本文在分析GOSAT温室气体浓度反演算法误差特征的基础上,评价了GOS-AT卫星大气CO2浓度反演误差的时空变化规律,并进一步针对影响反演算法精度主要园子之一的地表反照率,讨论分析了地表反照率与误差之间的关系.结果表明:反演总体误差空间上南半球低于北半球,在纬度带上显示了一定的季节变化特征;中国区域的误差比同纬度区域高1ppm以上,且具有冬高夏低的季节变化.     

温室气体观测卫星GOSAT及产品

为了深入了解国际上新一代温室气体观测卫星及其产品,详细介绍了GOSAT卫星发射背景、卫星平台、传感器设置、地面系统及数据产品特点。GOSAT卫星采用干涉分光技术,结合多种观测方式,可以获得高精度、高时空分辨率的温室气体浓度及廓线资料,其卫星设计及数据应用思路,为我国发展温室气体探测卫星提供了重要参考价值。     

GOSAT卫星温室气体浓度反演误差的分析与评价

GOSAT(Greenhouse gases Observation SATellite)卫星是日本于2009年1月23日发射的世界上第一颗专门用于温室气体观测的卫星。本文在分析GOSAT温室气体浓度反演算法误差特征的基础上,评价了GOSAT卫星大气CO2浓度反演误差的时空变化规律,并进一步针对影响反演算法精度主要因子之一的地表反照率,讨论分析了地表反照率与误差之间的关系。结果表明：反演总体误差空间上南半球低于北半球,在纬度带上显示了一定的季节变化特征;中国区域的误差比同纬度区域高1ppm以上,且具有冬高夏低的季节变化。     

基于同质区域分割的高光谱图像混合噪声估计

降低高光谱（Hyperspectral, HS）图像中的噪声以提高图像质量一直是遥感图像处理领域的研究热点,而HS图像带有的混合光电噪声却难于准确估计,为此提出一种基于同性质区域（Homogeneous Region, HR）分割的HS图像混合噪声估计方法。首先结合HS图像的空间和光谱特性进行HR分割,然后在HR内通过多元线性回归（Multiple Linear Regression, MLR）方法去除区域相关性从而得到混合噪声,最后引进比例因子对混合噪声的内部参数进行估计。通过在仿真HS数据和真实AVIRIS数据上进行实验表明,该方法能够有效地进行HR分割,且对混合噪声的估计结果要优于其它传统噪声估计方法。     

用高分一号数据提取玉米面积及精度分析

由于受到时间分辨率的影响，长期以来国内遥感技术在面积监测、作物长势监测等方面受到限制。针对此问题，该文利用“高分一号”卫星高空间和高时间分辨率的特点，应用其宽幅16m分辨率数据，结合Landsat 8和RapidEye数据，采用支持向量机（SVM）和光谱角法（SAM）在许昌进行农作物（玉米）的识别和面积提取及其精度分析。结果表明，“高分一号”4个宽幅传感器的影像应用精度差别较大，其中WFV3数据的作物识别与种植面积提取精度最高，高于Landsat 8，与RapidEye接近；而WFV1和WFV4数据的应用效果较差，不太适用于试验区内复杂的秋季作物类型的识别。总体上讲，SVM分类器的分类精度和Kappa系数都要好于SAM分类器，相比之下SVM更适合于农作物的识别和种植面积提取。     

基于风云三号卫星微波成像仪观测的全球海气界面潜热通量遥感

海气界面潜热通量是衡量海气间能量和水汽交换的重要指标.热通量卫星遥感产品具有覆盖面广、时效性高的优势,但也存在观测非同步、潜热通量精度较低的问题.由于近表面空气比湿度是潜热通量卫星遥感的重要误差源,基于风云三号卫星微波成像仪观测数据,研究对空气比湿度反演算法进行了改进,改进后的算法与现场实测数据相比,反演精度有明显的提...     

Remote sensing ‘ground-based automatic UV / visible spectrometer’ for the study of atmospheric trace gases

An advance remote sensing instrument, the ‘ground-based automatic UV / visible spectrometer’, has been developed indigenously at Pune (18° 31′ N, 73° 55′ E) to cover the spectra (462–498 nm) of zenith sky scattered light. A spectrometry technique is used to find out the vertical column density (VCD) of many atmospheric trace gases, such as NO₂, O₃, H₂O and O₄. The VCDs of these gases are extracted from observed spectra by comparing the magnitude of the differential optical depth (DOD) of each species in the 462–498 nm spectral range. Slant column densities (SCDs) of each species are found to increase with solar zenith angle (SZA), due to the approaching higher path length of sunlight. The VCDs of O₃ and NO₂ derived by the UV / visible spectrometer are compared with the ozone monitoring instrument (OMI) Aura satellite and ground-based Brewer spectrometer data. The compared VCD values are found to be close to satellite and ground-based measurements.     

TM遥感影像的地形辐射校正研究

从地面所接收到的太阳直接辐射、天空散射辐射和临近地形反射附加的辐射三个方面分析计算地面每个像元的太阳总辐射,并在此基础上建立地表真实反射率恢复模型,实现对地形的辐射校正。在算法实现上,采用交互式数据语言（Interactive Data Language,IDL）,结合6S大气校正模型和数字高程模型（DEM）进行编程实现。利用北京山区的TM遥感影像所做的实验表明该方法能有效地消除卫星影像中地形的影响,为影像的后续处理提供更真实的信息。     

基于数据机理的植被叶面积指数遥感反演研究

定量获取地表植被高精度时序及空间覆盖的叶面积指数（Leaf Area Index, LAI）是生态监测及农业生产应用的重要研究内容。通过使用Moderate Resolution Imaging Spectroradiometer（MODIS）植被冠层多角度观测MOD09GA数据及叶面积指数MOD15A2数据,发展了一种参数化的叶面积指数遥感反演方法并完成了必要的检验分析。研究使用基于辐射传输理论的RossThick LiSparse Reciprocal（RTLSR）核驱动模型及Scattering by Arbitrarily Inclined Leaves with Hotspot（SAILH）模型进行植被冠层辐射特征的提取,使用Anisotropic Index （ANIX）异质性指数作为指示植被冠层二向反射分布Bidirectional Reflectance Distribution Function（BRDF）的辅助特征信息,发展了基于数据机理（Data-Based Mechanistic, DBM）的植被叶面积指数建模和估算方法。通过必要的林地、农作物、草地植被实验区反演及数值分析可得知：①时间序列多角度遥感观测数据结合数据机理的叶面积指数估算方法,可实现模型参数的时序动态更新,改进叶面积指数估算结果的时序完整性及精度。②异质性指数可以用做指示植被冠层二向反射分布特征信息,可降低因观测数据几何条件差异所导致的反演结果不确定情况,同时能够补充植被时序生长过程表现的植被结构变化等动态特征。经研究实践,可将算法应用于时空尺度的叶面积指数估算,并能够为生态、农业应用提供植被的高精度遥感监测指标。     

基于机器学习和大数据平台的陆地生态系统碳收支遥感监测

陆地生态系统碳收支是全球碳循环研究的重要指标,也是气候变化的重要参数。针对该指标估测的不确定性,基于陆地生态系统通量观测研究网络的实测碳通量数据及遥感卫星观测数据产品,利用机器学习方法进行建模研究。研究选用随机森林算法自动从高质量的星—地训练数据集中学习特征、挖掘数据中的隐含信息以及时序间依赖关系的差异,建立了基于随机森林算法的碳收支参数GPP（Gross Primary Production）、NEP （Net Ecosystem Production）估算模型,并选择标准指标利用验证数据集对模型进行了客观评价。结果分析表明：与MODIS GPP产品相比,该方法在估算精度上有了提高,其中落叶阔叶林预测结果最优,决策系数为R²为0.82,均方根误差为1.93 gCm^-2 d^-1,在其他植被类型上也明显优于传统光能利用率模型产品,更接近于地面通量观测数据。基于相同方法建立的NEP模型也得到了较好的估测结果,落叶阔叶林预测模型的输出结果与通量塔获得的NEP相关关系R²为0.70,RMSE=1.75 g C m^-2 d^-1。GPP和NEP模型精度差异也表明,在进行机器学习建模时,训练数据集自变量的选择仍然需要机理模型支持。为进行陆地生态系统碳收支大范围快速估算,本研究进行了陆地生态系统碳收支遥感监测平台的搭建,该平台以GEE （Google Earth Engine）大数据平台作为数据存储与计算后端,Django和Nginx作为Web服务框架,OpenLayers和jQuery作为前端框架,从而实现了碳收支参数长时间序列大范围的快速计算、结果实时显示等功能。基于该平台和模型获取的2002—2016年全球（60°N—60°S）逐年GPP结果表明,全球平均GPP存在明显的空间差异,显著增加的区域主要集中在亚洲东部地区及北美洲森林地区等。研究表明,基于机器学习和大数据平台进行碳收支参数遥感监测,能够快速提供与地面真实观测较为一致的陆地生态系统区域和全球尺度碳收支遥感监测结果,该流程在一定程度避免了生理过程模型复杂的参数设置,减少了区域和全球大尺度碳收支监测的不确定性。     

Changes in surface reflectance from wildfires on the Australian continent measured by MODIS

Atmospherically corrected Moderate Resolution Imaging Spectroradiometer (MODIS) data have been used to measure the changes in surface reflectance induced by fires. To account for observation geometry effects a kernel driven bi-directional reflectance factor model was applied. Whereas the blue, green, red and shortwave infrared bands show no consistent behaviour, the near-infrared bands almost always show a strong reduction in reflectance. An angular dependence of the change in reflectance was not found in this study. Different bio-geographical regions exhibit different spectral reflectance changes due to the different types of fuel being burnt (green/living versus dry/dead vegetation). This difference is also reflected in the seasonality of the green, red, near-infrared and shortwave infrared bands for the tropics. The conclusion of this study is that the near-infrared bands are the most suitable bands for an automatic burnt area mapping algorithm using optical, reflective remote sensing data. The results also suggest that satellite remote sensing might be able provide additional information about burning conditions which are strongly affecting greenhouse gas emissions.     

基于弯曲刃边的中低分辨率遥感影像MTF计算方法

MTF（调制传递函数）是反映卫星成像系统性能的重要参数。由于不易从遥感影像中获得理想的直线刃边地物靶标,监测中低分辨率在轨卫星MTF是一个困难的任务。在讨论了刃边法计算MTF的基础上,本文采用了多项式拟合弯曲刃边,Fermi函数逼近边缘扩展函数,模拟退火方法计算函数系数,和多次最小二乘方法减少拟合误差等技术。设计实现了基于弯曲刃边计算遥感影像MTF的方法;为中低分辨率卫星MTF在轨监测提供了有效的技术手段。     

基于深度神经网络联合AMSR2和MODIS数据估算全球蒸散发研究

地表蒸散发（ET）是水循环和能量循环的关键组成部分,具有极其重要的应用价值。研究旨在发展一种可靠且高效的深度神经网络（DNN）模型,基于MODIS可见光数据、微波AMSR2亮度温度和数字高程DEM,实现全天候全球高分辨率每日ET的估算。利用FLUXNET和AmeriFlux通量网6种代表性土地覆盖类型的148个站点观测数据来训练和验证DNN模型,结果表明：DNN模型可以有效建立卫星数据（MODIS、AMSR2数据）与ET之间的关系;6种地类的ET估算结果验证的平均绝对误差（MAE）为0.16—0.63 mm/d,均方根误差（RMSE）为0.27—0.89 mm/d,除裸地的决定系数（R²）为0.37以外,其他地类的R²均>0.7。通过对比模型估算的ET与MOD16A2和GLEAM的ET产品,结果表明3种产品的ET空间分布特征相似,ET值非常接近,估算得到的全球2020年日均ET为0—4 mm/d。