基于现场观测数据的卫星雷达高度计海面风速和有效波高真实性检验方法研究

卫星遥感产品定量化应用前需通过真实性检验。卫星雷达高度计可观测海面风速大小和有效波高等海洋动力环境参数,而对其进行真实性检验存在不同的时空匹配方法。使用3种不同的时空匹配方法,利用美国国家浮标数据中心(NDBC)现场观测数据对2011年的Jason2海面风速和有效波高产品进行了检验。Jason2海面风速大小和有效波高的均方根误差分别为1.28 m/s和0.28 m,同时结果表明:采用卫星高度计海面风速大小(有效波高)和同步的现场观测数据在一定时间(1 h)和空间(50 km)限制条件下进行对比检验,可以得到合理的高度计海面风速大小和有效波高精度评价结果。 Jason2卫星高度计海面风速大小和有效波高的精度与探测海域有关,其精度在墨西哥湾与西大西洋海域相对较高。     

黄东海二类水体三要素浓度反演的神经网络模型

根据 2 0 0 3年春季黄东海水色联合试验中获取的高质量现场数据 ,建立了由遥感反射率反演三要素浓度的神经网络 (NN)模型 ,并将NN模型与经验统计算法的结果进行了比较。提出了两种NN算法 ,一种是同时反演三要素浓度 ,另一种是一个NN模型只反演一种成分。三要素浓度同时反演的NN模型精度不及经验统计算法 ,平均相对误差分别为叶绿素 4 4.4 % ,总悬浮物 4 0 .5 % ,黄色物质 4 8.8%。独立反演叶绿素和总悬浮物浓度的NN模型精度稍高于经验统计算法 ,平均相对误差分别为叶绿素 32 .5 % ,总悬浮物2 9.4 %。NN模型的不同输入波段组合可反映出黄、东海水色三要素对不同光谱波段的灵敏度。误差敏感性分析表明 ,单独反演总悬浮物和黄色物质浓度的NN模型对输入信号的± 5 %波动不敏感 ,误差变化与统计算法相当。单独反演叶绿素浓度的NN模型对输入信号± 5 %波动的一种情况较为敏感。本文提出的NN模型是在可信的现场数据集训练下得到的可初步应用的结果。     

基于均衡化曲线的条带消除研究

采用多元并扫方式获取遥感数据的成像光谱仪,由于各探测器的响应存在一定的差异,因而不可避免的产生条带,这对于多数的航天和航空传感器来说是一个普遍存在的现象。对于一定范围的单一均匀地表目标而言,其反射特性是基本一致的,因此如果各个探测器之间不存在响应差异,那么其输出值也应该是基本一致的。基于此思想,以MODIS数据为例,运用基于均衡化曲线的补偿方法来消除其条带,最后的结果证明该方法是有效的。