被动微波土壤水分反演中消除植被影响的方法研究

针对被动微波反演土壤水分中,ω-τ模型忽略植被内部多次散射的局限,将光线跟踪原理的双矩阵(Matrix Doubling)算法应用到植被覆盖地区的地表辐射以及植被与地表之间多次散射问题.这种方法可以有效地弥补ω-τ模型的缺陷,但需要的参数较多且形式复杂,很难被直接应用到模拟计算和土壤水分反演中.针对这些问题,本文将基于双矩阵(Matrix Doubling)的算法进行简化,分别考虑植被内仅存在一次散射、两次散射、三次散射以及多次散射的情况.将散射矩阵和传输矩阵表达式简化,利用野外楸树林实验得到的植被参数进行模拟.结果显示当仅考虑两次散射时模拟结果与原始模型的差别已经很小.     

一种寒冷环境下分析幼林对地表微波辐射信号影响的方法

通过拓展冻土介电常数模型、寒冷环境植被介电常数模型,将Matrix-Doubling算法发展为适用于寒冷环境的幼林微波辐射模型。然后利用该模型模拟寒冷环境下幼林在Ku(18.7 GHz)、Ka(36.5 GHz)波段上的亮度温度并与车载微波辐射计获得的实测亮度温度对比,进行模型验证。最后,用发展后的Matrix\|Doubling模型模拟的结果和相同环境下ω-τ模型的结果进行匹配,反演出幼林在Ku、Ka波段上的等效单散射反照率和光学厚度,为用微波遥感监测地表冻融过程中去除植被对地表微波辐射的影响提供了一种有效方法。
     

用离散的植被模型分析地物的微波辐射

在研究被动微波辐射过程中，覆盖的植被层通常看作是一层均匀的连续介质，用简单的半经验模型来表征植被层的传输和辐射特性。本使用一种离散的基于辐射传输理论的植被模型，这种模型基于物理散射机制，能更加真实地描述组成植被的散射个体如叶、茎、枝等对辐射的影响。模拟结果跟实际的PBMR数据相比，可以得到比较好的一致性。     

高分一号光学遥感数据自适应云区识别

光学卫星遥感数据在获取过程中易受云层干扰,云区识别是光学遥感数据应用及分析的一个基础但重要的步骤,高效的云区识别技术对节省数据收集成本和提高数据利用效率具有较强的现实意义.同态滤波算法是经典的基于单幅影像的云区识别方法之一,该算法具有计算快速方便、云区检测精度较高的优点,然而识别的云区范围极大程度取决于同态滤波器截止频率的位置.同态滤波截止频率通常采用经验值,显然经验截止频率无法适应批量遥感数据的自动处理需求.针对以上问题,本文通过建立输入影像频谱能量与截止频率的关系,结合白度指数(Whiteness Index)和形态学算子,实现对国产高分辨率光学卫星高分一号(GF-1)遥感数据的批量云区识别处理.与传统同态滤波方法相比,该算法能根据影像频谱能量自适应判定同态滤波时采用的截止频率,具有更强的适用性.通过对98景GF-1多光谱数据进行随机点人工目视标记精度检验,精度检验结果表明该算法对云区有较好的检测效果,总体识别精度达93. 81%.该算法对GF-1遥感数据能进行批量化云区检测,获得高精度的云区掩膜结果,并有效降低高反射率地物造成的误识率.     

车载多频率微波辐射计与观测数据应用

地基微波辐射计是被动微波遥感研究中进行地面实验的核心仪器。了解辐射计的观测原理以及实验方法对实验的设计和数据的分析具有重要意义。2007年遥感科学国家重点实验室购置了车载多频率微波辐射计,自仪器投入使用以来,获取了多种典型地表的微波辐射测量数据。基于车载多波段微波辐射计开展的地面观测实验为被动微波遥感地表参数反演算法的发展、辐射传输模型的验证等研究提供了重要的数据支持。详细介绍了车载多频率微波辐射计的配置、观测原理和定标方法,并结合地面实验,介绍了利用车载多频率微波辐射计进行实验的方法及数据的处理与应用。该研究对地基微波辐射计观测实验的设计与实施以及对辐射计数据的分析和使用有重要的参考价值。