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。     

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。     

武夷山热带降雨测量卫星降水产品降尺度研究

热带降雨测量卫星(tropical rainfall measuring missionsatellite,TRMM)虽可测得大范围降水,但其空间分辨率较低,不能满足各种模型研究。以武夷山及周边地区为研究区,基于TRMM降水数据融合多源数据,对TRMM进行降尺度,从而得到高分辨率的降水产品。对2001—2010年的TRMM3B43月降水产品进行降尺度处理,将其空间分辨率由0.25°×0.25°（约28 km×28 km）提高到1 km×1 km,并利用验证站点对降尺度结果进行精度检验。结果表明,多源数据融合的降尺度方法在中国武夷山及周边地区具有较好的适用性。降尺度结果与验证站点降水量的相关系数R均在0.9以上,平均相对误差（MRE）及均方根误差（RMSE）较降尺度前都有所减小。与气象站点实测数据相比,降尺度结果能较好地模拟降水的时空分布及局地特征,且能够反映地形降水的差异性分布。     

机载L波段微波辐射计数据反演表层土壤水分研究

土壤水分是联系地球表层物质能量交换的重要纽带,准确监测土壤水分对区域气候、生态、水文及农业生产研究意义重大。机载L波段微波辐射计提供了获取区域土壤水分"真值"的有效手段。结合黑河中游航空试验中的多源遥感及地面观测,发展了一种基于0°入射角的L波段被动微波亮温数据的单通道土壤水分反演方法,获得了研究区3景约700m空间分辨率的土壤水分反演结果。并对其反演结果进行了点尺度、面尺度和村社尺度3种不同空间尺度上的验证,结果显示:L波段被动微波遥感反演土壤水分在点尺度上的验证精度在0.035~0.055m3/m3之间;面尺度上验证精度略高于点尺度,其验证偏差在0.02m3/m3以内;反演土壤水分与村社尺度的灌溉数据,即距前次灌溉的间隔日数,在空间上负相关关系明显,二者间相关系数约为0.3。     

武夷山热带降雨测量卫星降水产品降尺度研究

热带降雨测量卫星(tropical rainfall measuring missionsatellite,TRMM)虽可测得大范围降水,但其空间分辨率较低,不能满足各种模型研究。以武夷山及周边地区为研究区,基于TRMM降水数据融合多源数据,对TRMM进行降尺度,从而得到高分辨率的降水产品。对2001—2010年的TRMM3B43月降水产品进行降尺度处理,将其空间分辨率由0.25°×0.25°(约28km×28km)提高到1km×1km,并利用验证站点对降尺度结果进行精度检验。结果表明,多源数据融合的降尺度方法在中国武夷山及周边地区具有较好的适用性。降尺度结果与验证站点降水量的相关系数R均在0.9以上,平均相对误差(MRE)及均方根误差(RMSE)较降尺度前都有所减小。与气象站点实测数据相比,降尺度结果能较好地模拟降水的时空分布及局地特征,且能够反映地形降水的差异性分布。     

结合参量统计与时空融合的土壤水分降尺度方法

土壤水分的降尺度研究为解决被动微波产品的粗分辨率问题,更好地服务于流域小尺度应用提供了技术手段。以美国俄克拉荷马州为研究区域,基于SMAP土壤水分产品和MODIS产品等多种辅助数据,在地表分类数据的支持下,结合参量统计降尺度和时空融合降尺度发展了一种土壤水分混合降尺度方法,并利用SMAP 9 km产品和站点实测数据对降尺度效果进行了评估。结果表明：混合降尺度方法可以得到细节丰富、空间覆盖完整的降尺度结果。相较于参量统计或时空融合两种单一降尺度而言,混合降尺度结果的空间分布与SMAP 9 km真实产品最为相似,并且混合降尺度结果与站点的整体时序精度最高,在不同地表分类下的时序精度也优于单一方法的降尺度结果。由此证明结合参量统计与时空融合的降尺度方法是可行的。     

多源卫星融合的广东海域海面风场特征

针对大部分风场时空融合算法复杂、执行效率低、业务推广难的问题,基于HY-2A和MetOp-B海面风场数据提出一种快速可行的时间空间插值融合算法,并将融合产品用于广东附近海域海面风场特征的研究。算法通过时间匹配和空间插值,获取了空间分辨率为0.25°×0.25°、数据时间差控制在30分钟以内的融合风场。浮标观测数据验证结果表明,该方法有效地弥补2种卫星数据的覆盖盲区,融合风速和风向均具有较好的精度。在此基础上,本文利用融合风场成功捕捉1622号台风“海马”,掌握该台风当日对全广东附近海域海面风场的影响;分析2016年10月研究区域的上、下旬及整个月份的风场分布特征和变化规律,为海洋预报、区域海洋动力环境研究以及海洋防灾减灾策略的制定等提供数据支撑。     

多尺度特征融合的多源异构遥感数据水体提取

针对现有遥感测绘水体提取方法在多源异构遥感数据的信息融合与深层特征提取方面存在的不足,提出了一种基于多尺度特征融合的多源异构遥感数据水体提取方法。首先,设计了一种基于多源异构遥感数据输入的网络模型结构解决多源异构遥感数据的多尺度特征融合问题;随后,提出了一种基于改进残差网络的高维卷积单元,对异构遥感数据进行深层特征提取,同时,构建了基于哨兵一号和哨兵二号卫星的全球水体大规模多源异构遥感数据库。对比实验结果表明,以人工遥感影像标注的水体区域分布真值为精度评价基准,所提出的多尺度特征融合算法的水体提取结果,准确率达到了90.12%,相比现有深度学习领域主流的U-Net图像分割模型方法,准确率提高了3.73%以上,有效提升了多源异构遥感数据的大范围水体提取准确性。     

祁连山区不同植被类型上的SMOS遥感土壤水分产品质量评估

为了分析SMOS遥感土壤水分产品在祁连山区的真实性和可靠性,利用祁连山区内布设于7种主要植被类型上的34个实测站点的实测土壤水分数据对其进行质量评估。首先挑选与实测值相对应的SMOS数据,进而依次计算每个站点上遥感产品与实测值的相关系数R、Bias和均方根误差RMSE,从而得到SMOS数据在不同植被类型上不同尺度(年和季节)的反演精度。结果表明:SMOS遥感土壤水分产品在研究区内是可信的,但低估了研究区土壤水分值,且未能达到产品预期目标0.04m~3/m~3。SMOS产品对于植被辐射反演效果好于土壤辐射反演,导致其在植被覆盖度越高的区域与实测值的拟合程度越高。SMOS产品在湿润条件下性能优于干旱条件,在变异性小的地区性能优于变异性大的地区。在季节尺度上,SMOS遥感产品与实测值拟合程度在夏、秋两季远好于春季。     

一种单时相高分辨率遥感影像时空融合算法

受制于传感器本身材料及卫星轨道参数,空间分辨率和时间分辨率是卫星遥感传感器固有的性能指标且难以兼备,使得高空间分辨率卫星的多时相数据合成问题至今仍是制约其广泛应用的关键问题之一。由于可有效综合空间-光谱-时间维的影像信息,多源遥感影像时空融合技术在近十年间得到迅速发展并已成为解决多时相数据合成问题的有力手段,其中基于学习的时空融合策略在合成精度上具有显著优势且应用潜力较高,但因其对字典训练过程的依赖程度较高而在融合过程中存在一定的不确定性。为提高基于学习的时空融合策略的预测精度、运算效率及鲁棒性,通过综合基于辐射归化的大气校正方法、基于误差约束的数据标准化转换机制、自适应多层递进融合策略以及高效的稀疏求解函数库,设计了一种适用于单时相高分辨率遥感影像的时空融合框架,并以国产高分二号卫星与Landsat-8卫星遥感影像为实验数据对该方法进行充分的对比性分析。实验结果表明,该融合框架不仅提升了运算效率,还在影像保真度、纹理特征描述以及光谱一致性等方面比当前的单数据对融合方法具有更好的重构质量。     

Downscaling of passive microwave soil moisture retrievals based on spectral analysis

The retrieval of soil moisture from passive microwave remote-sensing data is presently one of the most effective methods for monitoring soil moisture. However, the spatial resolution of passive microwave soil moisture products is generally low; thus, existing soil moisture products should be downscaled in order to obtain more accurate soil moisture data. In this study, we explore the theoretical feasibility of applying the spectral downscaling method to the soil moisture in order to generate high spatial resolution soil moisture based on both Moderate Resolution Imaging Spectroradiometer and Fengyun-3B (FY3B) data. We analyse the spectral characteristics of soil moisture images covering the east-central of the Tibetan Plateau which have different spatial resolutions. The spectral analysis reveals that the spectral downscaling method is reliable in theory for downscaling soil moisture. So, we developed one spectral downscaling method for deriving the high spatial resolution (1 km) soil moister data from the FY3B data (25 km). Our results were compared with the ground truth measurements from 15 selected experimental days in 16 different sites. The average coefficient of determination (R²) of the spectral downscaling increased nearly doubled than that of the original FY3B soil moisture product. The spectral downscaled soil moister data were successfully applied to examine the water exchange between the land and atmosphere in the study regions. The spectral downscaling approach could be an efficient and effective method to improve the spatial resolution of current microwave soil moisture images.     

Random weighting estimation for fusion of multi-dimensional position data

This paper adopts the concept of random weighting estimation to multi-sensor data fusion. It presents a new random weighting estimation methodology for optimal fusion of multi-dimensional position data. A multi-sensor observation model is constructed for multi-dimensional position. Based on this observation model, a random weighting estimation algorithm is developed for estimation of position data from single sensors. Using the random weighting estimations from each single sensor, an optimization theory is established for optimal fusion of multi-sensor position data. Experimental results demonstrate that the proposed methodology can effectively fuse multi-sensor dimensional position data, and the fusion accuracy is much higher than that of the Kalman fusion method.     

Impact of surface heterogeneity on surface soil moisture retrievals from passive microwave data at the regional scale: The Upper Danube case

Water and energy fluxes at the interface between the land surface and atmosphere are strongly depending on the surface soil moisture content which is highly variable in space and time. The sensitivity of active and passive microwave remote sensing data to surface soil moisture content has been investigated in numerous studies. Recent satellite borne mission concepts, as e.g. the SMOS mission, are dedicated to provide global soil moisture information with a temporal frequency of 1-3 days to capture it's high temporal dynamics. Passive satellite microwave sensors have spatial resolutions in the order of tens of kilometres. The retrieved soil moisture fields from that sensors therefore represent surface information which is integrated over large areas. It has been shown that the heterogeneity within an image pixel might have considerable impact on the accuracy of soil moisture retrievals from passive microwave data.The paper investigates the impact of land surface heterogeneity on soil moisture retrievals from L-band passive microwave data at different spatial scales between 1 km and 40 km. The impact of sensor noise and quality of ancillary information is explicitly considered. A synthetic study is conducted where brightness temperature observations are generated using simulated land surface conditions. Soil moisture information is retrieved from these simulated observations using an iterative approach based on multiangular observations of brightness temperature. The soil moisture retrieval uncertainties resulting from the heterogeneity within the image pixels as well as the uncertainties in the a priori knowledge of surface temperature data and due to sensor noise, is investigated at different spatial scales. The investigations are made for a heterogeneous hydrological catchment in Southern Germany (Upper Danube) which is dedicated to serve as a calibration and validation site for the SMOS mission.     

基于SPOT-VGT可见光/短波红外波段数据对AMSR-E土壤湿度的降尺度研究

基于SPOT-VGT数据,由短波红外、红和蓝波段反射率计算了表征地表土壤湿度的可见光—短波红外干旱指数(VSDI),通过对1km空间分辨率的VSDI影像进行空间升尺度处理,采用多种函数建立了25km空间分辨率AMSR-E土壤湿度数据与VSDI指数的关系,发现二者关系最符合S型曲线模型,拟合残差在空间上呈现随机分布的特征。基于S曲线函数关系下的1km预测土壤湿度和残差值,对AMSR-E土壤湿度进行降尺度模拟,得到1km空间分辨率的土壤湿度。将原始AMSR-E土壤湿度和实测数据对降尺度结果分别比较验证后,表明基于该方法获得的土壤湿度模拟精度较高。     

Hyperspectral image classification using a spectral–spatial random walker method

This article proposes a spectral–spatial method for classification of hyperspectral images (HSIs) by modifying traditional random walker (RW). The proposed method consists of suggesting two main modifications. First, to construct a spatial edge weighting function, low-frequency edge weighting function is proposed. In this function, the detail weights are removed. Second, to enhance the classification accuracy, a fusion of spectral and spatial Laplacian matrix in RW is suggested. This fusion can improve the classification performances compared to traditional RW using only spatial Laplacian matrix. In comparison with some of the state-of-the-art RW and spectral–spatial classifier methods, the experimental results of the proposed method (spectral–spatial RW) show that the proposed method significantly increases the classification accuracy of HSI.     

Spatial Downscaling Land Surface Temperature based on Copula

A Copula is used to construct a bivariate distribution describing the relation between coarse\|scale and fine\|scale rainfall or soil moisture.This distribution is then used to downscale rainfall or soil moisture.In order to explore the feasibility of spatial downscaling Land Surface Temperature (LST)based on Copula,we implemented LST downscaling based on Copula and ASTER LST and MODIS LST products at Yingke oasis\|desert area in the middle streams of the Heihe River Basin.The downscaled LST was calibrated by the ground observations from HiWATER\|MUSOEXE experiment.The results show that the downscaling method based on Copula is able to achieve the LST downscaling in general,but the method can’t obtain the fine\|scale LST correctly at the interface between oasis and desert.The accuracy of LST obtained from thermal infrared satellite image was improved significantly by the method.The MAE and RMSE in LST are reduced from 2.99 K,and 3.89 K to 1.5 1K,and 2.36 K,respectively.     

AMSR-E卫星反演土壤湿度与ECWMF,NECP再分析土壤湿度比较分析

土壤湿度是气象学、气候学研究领域的重要环境因子和过程参数。AMSR-E可提供全球范围的较长时序的卫星反演土壤湿度产品,将ECWMF和NECP再分析资料与AMSR-E土壤湿度产品进行时空比较,在评价三者一致性的同时对AMSR-E土壤湿度进行检验,并进一步使用站点观测资料(土壤湿度、降水量)对中国区域的AMSR-E、ECWMF以及NECP土壤湿度进行检验。结果表明：全球及中国区域AMSR-E、ECWMF与NECP土壤湿度空间分布特征一致性较好,但与ECWMF、NCEP相比AMSR-E土壤湿度在数值上明显偏小,尤其当AMSR-E土壤湿度数值较小时,与另两者的差距较大;三者土壤湿度均与降水量有较好的对应关系,比较而言,ECWMF和NECP土壤湿度与降水量的对应关系更好;与站点土壤湿度相比,ECWMF和NECP土壤湿度偏大,AMSR-E土壤湿度偏小,全国范围内2009年159个站点统计结果显示:ECWMF、NECP与站点的均方根误差(0.107、0.124)小于AMSR-E的均方根误差(0.127)。     

改进灰狼算法在土壤墒情监测预测系统中的应用

针对现有的固定端传感器土壤墒情监测预测系统架设成本高、传感器易损坏、预测精度较低等问题,设计并实现了基于非固定无线传感器组网与改进灰狼算法优化神经网络的土壤墒情监测预测系统。系统使用非固定即插即用式传感器蓝牙组网收集墒情数据,使用高精度多源定位接入融合方法进行广域室外高精度定位。在算法方面,针对灰狼算法在迭代中后期易陷入局部最优等问题,提出一种基于末尾探索者策略的改进灰狼算法。首先,根据种群个体适应度值排名,在原有算法个体类型中增加探索者类型。然后,将种群搜索分为三个时期：活跃探索期、周期探索期和种群回归期。最后,在每个时期使用特有的位置更新策略进行探索者位置调整,使得算法在探索初期更具随机性,在探索中后期依然保持一定的解空间搜索能力,从而增强算法的局部最优回避能力。使用标准函数进行算法性能测试,并将该算法应用于优化土壤墒情神经网络预测模型问题,使用某市2号试验田的数据进行实验。实验结果表明,所提算法与直接神经网络预测模型相比,相对误差下降约4个百分点;与传统灰狼算法、粒子群优化（PSO）算法优化模型比较,相对误差下降约1至2个百分点。所提算法拥有更小的误差,更好的局部最优回避能力,能有效提高墒情的预测质量。