基于微波和可见光遥感的冬小麦土壤墒情反演

土壤墒情是水文学、气象学及农业科学研究领域中的一个重要指标参数,对气候、农业、旱情监测都具有极为重要的意义。以河南省广利灌区冬小麦为研究对象,以水云模型为基础,利用Landsat-8和Sentinel-1 A数据计算双层衰减因子、植被和土壤的后向散射系数。采用RBF神经网络拟合土壤的后向散射系数与土壤含水量的关系,通过实测监测点对反演的结果进行精度验证,结果表明:相关系数的平方为0.754 5,均方根误差为0.022,结果良好,可为灌区冬小麦土壤墒情的评估提供参考。     

天山雪深反演算法验证与分析

针对被动微波遥感雪深反演算法在特殊地形条件下精度较差的问题,分析了两种雪深反演算法在新疆天山地区山地和平地在不同雪深条件下的误差。利用2014年12月15日到24日同步获得的46个山地和52个平地雪深数据、FY3B-MWRI亮温数据以及2008年MCD12Q1地面分类数据,对FY3B-MWRI业务化算法和Chang算法在新疆天山地区进行了对比分析。采用实测的不同地形和雪深数据进行了多组雪深反演,并分析山地和平地不同雪深反演误差。结果表明:1)所有样点参与反演时,Chang算法的雪深反演均方根误差为14.18cm,FY3B-MWRI业务化算法均方根误差为8.66cm,FY3B-MWRI业务化算法雪深反演效果优于Chang算法;2)对比山地和平地雪深反演结果,Chang算法的山地雪深反演均方根误差为18.31cm,平地雪深反演均方根误差为9.3cm;对于FY3B-MWRI业务化算法,山地雪深反演均方根误差为10.73cm,平地的雪深反演均方根误差为4.36cm,Chang算法和FY3B-MWRI业务化算法山地反演均方根误差是平地均方根误差的两倍左右;3)当雪深在20~30cm和大于30cm两组时,FY3B-MWRI业务化算法和Chang算法精度普遍都不高。     

利用AMSR-E遥感数据反演地表温度——以2008年广东省春季寒害为例

基于2008年1月25日至2008年2月5日期间的AMSR-E/Aqua L2A微波亮度温度数据,以广东省为研究对象,依据微波极化差异指数（MPDI）、归一化植被指数（NDVI）和比率植被指数（RVI）等3种植被指数,将广东省地表植被覆盖情况分为裸地、草地、灌木林、针叶林和阔叶林等5种类型,利用逐步回归分析方法,建立了基于不同植被覆盖类型的微波亮度温度与地面气象温度多元回归模型。同步地面气象温度数据验证表明,本文建立的基于地表植被覆盖分类的多波段地表温度反演模型,地表温度反演精度基本可达到3.0℃,其中有大约86%的地区地表温度反演精度可以控制在2.5℃以内,为广东省作物寒害预测提供了微波遥感技术支持。     

基于偏差校正和三重组合分析的主、被动微波土壤湿度数据融合

为了提高微波遥感土壤湿度产品在中国地区的精度,将多种主、被动微波土壤湿度产品进行融合。选取中国陆面数据同化系统(CLDAS)表层土壤湿度数据为参考进行偏差校正,通过对模型数据和主、被动微波遥感土壤湿度数据(ASCAT-A/B,AMSR2,SMOS微波土壤湿度产品)进行皮尔逊相关性分析和三重组合(triple collocation,TC)分析,计算主、被动微波土壤湿度数据的误差,在此基础上计算权重并采用加权平均方法实现微波遥感土壤湿度数据的融合。融合后的土壤湿度数据与ESA-CCI土壤湿度融合产品的平均相关系数为0. 62,前者比后者平均偏小0. 023m~3/m~3;与ERA-Interim土壤湿度再分析数据相比具有良好的相关性;与实测土壤湿度数据相比,融合数据的精度优于ESA-CCI融合产品和CLDAS表层土壤湿度产品,具有更高的相关系数,较低的平均偏差和均方根误差。     

青藏高原L波段微波辐射观测与土壤水分反演研究进展

土壤水分是地气间水热交换的重要变量,影响着地表感热潜热划分、水分收支和植被蒸腾等过程,青藏高原土壤水分的研究对于改进高原水分循环和能量平衡的模拟研究具有重要意义。随着SMOS、SMAP等卫星的发射,L波段被动微波遥感技术成为大尺度监测土壤水分的主要手段。分别从L波段星—机—地观测与微波辐射模拟、区域尺度土壤水分观测、卫星产品评估与土壤水分反演算法发展等方面系统回顾和总结了近年来L波段被动微波遥感及其土壤水分反演算法、产品在青藏高原的主要应用与研究进展。在此基础上,归纳了当前高原L波段被动微波辐射模拟与土壤水分反演存在的问题,主要包括缺乏高原尺度的微波辐射模拟评估和改进的卫星土壤水分产品、土壤冻结时期的水分监测产品依然缺失等问题。针对存在的问题,进一步提出了相关建议与展望,建议今后的研究应加强高原尺度的微波辐射模拟评估与土壤水分产品改进工作,并积极拓展土壤水分产品在高原水分循环和能量平衡模拟、植被生长与干旱监测的应用研究。     

《空间微波遥感数据验证理论与方法》出版

国家重点基础研究计划项目“复杂自然环境时空定量信息的获取与融合处理的理论与应用(2001CB309400)”项目专著《空间微波遥感数据验证理论与方法》已由科学出版社出版。作者金亚秋。本书介绍了作者十年来特别在空间微波遥感数据验证的理论与方法的一些研究成果,提供该领域的研究人员与研究生了解我国在微波遥感信息理论与方法上的研究进展,为在国际微波遥感科学问题的前沿研究中占有一席之地,发展我们自主创新的基础理论与应用方法,为满足我国在有关微波遥感信息重大与关键问题上的日益增长的需求服务。本书第一章介绍空间微波主动与被动…     

SMOS与SMAP过境时段表层土壤水分的稳定性研究

SMOS和SMAP都是为获取全球土壤水分信息而设计的专题卫星,均搭载了L波段辐射计。进行二者的横向对比是构建具有一致性的全球土壤水分数据集的关键基础。虽然SMAP、SMOS名义上的过境时刻是固定的,但二者的实际过境时刻随时间和空间发生变化,它们与地面实测数据三者之间难以匹配形成时序上严格统一的样本对,从而给土壤水分反演结果的精度评定带来困难。针对这一问题,以美国大陆地区为研究区,首先对2016~2017年SMOS、SMAP土壤水分数据的时间戳进行统计,判定二者过境的交叠时段;进而利用高观测频率、大空间尺度的实测数据,研究表层土壤水分在此时段内的自然变化特征。结果显示,按照全部、无降水、有降水3种条件,在样本量分别为98.14%、99.51%和88.49%的绝大多数情况下,表层土壤水分的变化量为0.007 m3/m3、0.007 m3/m3和0.012 m3/m3, 远小于SMOS、SMAP的目标精度（0.04 m3/m3）。初步证实： ①SMOS与SMAP的土壤水分反演结果（L2数据）可进行直接比对;②过境时刻差异对验证误差的影响可不计。     

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。     

第四届微波遥感技术研讨会

<正>目的2015年是"十二五"收官之年,也是"十三五"规划之年。经过全面跟踪模仿到部分创新的几个发展阶段,我国微波遥感技术的发展开始走向根据国家重大需求和全球变化、地球科学与空间探测等前沿科学研究的需要,自主提出新的微波遥感探测与成像的理论和方法、自主研究和发展新型微波遥感器及应用技术的新阶段。为了总结和交流发展成果,提出和规划未来的发展方向,为十三五规划提供支持,中国空间科     

空间波法测地物介电常数的反演方法

空间波法适合于测量大面积目标的介电常数,所以是测量地物微波介电特性的一种较好的方法。这种方法从测量数据反演复介电常数要用菲涅尔公式,如果测量数据包含相位信息,则反演是简单的;但是如果测量数据只是幅度,则反演过程需要求解一个二次非线性方程组,以往都采用近似的数字迭代求解,迭代过程对初值和测量数据本身都太敏感,解的存在性、唯一性和稳定性难以判定。本文给出了严格的解析反演法,并证明了解的唯一性和反演结果