GNSS-R信号反演土壤水分研究分析

由于GNSS-R信号具有全天候、穿透性以及不受云的影响,且对土壤水分非常敏感等特性,使其在遥感研究全球变化中具有独特的优势。简要评述了利用GPS地面反射信号在土壤水分反演研究领域的进展,然后侧重分析介绍了GPS反射信号土壤水分反演原理,前向模型分析反演土壤水分的关键技术,并指出目前存在的问题和发展方向。     

一个从MODIS数据同时反演地表温度和发射率的神经网络算法

MODIS的三个热红外波段29、31、32建立了三个辐射传输方程,这三个方程包含了5个未知数(大气平均作用温度、地表温度和三个波段的发射率)。用JPL提供的大约160种地物的波谱数据对MODIS三个波段(29/31/32)发射率之间的关系和用MODTRAN4对大气透过率和大气水汽含量之间关系进行模拟分析。分析结果表明地球物理参数之间存在着大量的潜在信息。由于潜在的信息难以严格地用数学表达式来描述,因此神经网络是非常适合被用来解这种病态反演问题。利用辐射传输模型(RM)和神经网络(NN)反演分析表明神经网络能够被用来精确地同时从MODIS数据中反演地表温度和发射率。地表温度的平均反演误差在0.4°C以下;波段29/31/32发射率平均反演误差都在0.008以下。     

利用归一化微波差异指数和表面散射模型反演裸露地表土壤水分

在给定土壤质地和粗糙度状况条件下,用AIEM模型模拟AMSR-E的6.925GHz、10.65GHz和18.7GHz频率下不同含水量时土壤表面发射率和土壤温度的关系,分析表明V极化的发射率受土壤温度的影响很小,其变化主要由土壤水分的变化引起。通过计算不同频率组合V极化通道的归一化微波差异指数,并模拟与土壤水分的关系,然后利用这一关系对塔克拉玛干沙漠中部某地的土壤水分进行反演。结果发现用18.7GHz和10.65GHz V极化通道组合的反演值与AMSR-E Level 3土壤水分产品的吻合程度最好。在此基础上分别用3种常见的半经验表面散射模型:Q/H模型、Hp模型和Qp模型,通过计算上述通道组合的NMDI来反演研究区的土壤水分,结果表明利用3种半经验模型得到的反演值之间差异非常小,并且与用AIEM模型计算NMDI时的反演结果吻合较好。     

用MODIS影像反演环渤海地区的大气水汽含量

主要介绍通过遥感影像来反演大气水汽的算法，两通道比值法和三通道比值法。并用环渤海地区的MODIS影像对该地区的水汽进行了反演。     

基于AIEM和实地观测数据对GNSS-R反演土壤水分的研究

介绍了用GPS反射信号反演土壤水分的原理及反演研究的进展,并用改进的积分方程模型(AIEM)和实地观测数据对利用GPS反射信号反演土壤水分的方法进行了分析,分析结果表明,由于单个频率的雷达信号受地表粗糙度、角度和地表类型(裸地和植被类型)的影响比较大,很难提出一个实用的通用物理算法.利用美国2002年土壤水分实验(SMEX02)实测数据对上述的反演算法进行了分析,分析结果表明,采用经验统计算法对单个站点观测比较实用,平均相关系数达到0 85以上.整个分析表明,利用GPS前向散射信号与噪声之比反演土壤水分在单个站点能够取得比较高的精度.     

一个基于SOFM网络模型的遥感图像分类方法

遥感图像分类一直是遥感研究方面的一个热点问题,也是遥感图像数据挖掘方面的一个重要方面。针对传统神经网络分类的弱点,先根据土地利用图对典型地物的像元值进行取样,然后用监督分类对纯净像元进行提取,最后利用自组织神经网络对剩余混合像元进行分类,从而避免了对纯净像元的误分,而且克服了传统神经网络的不足。利用SOFM网络模型对民乐县的遥感影像进行了分类并和传统的神经网络分类以及对应的土地利用图做了比较,用SOFM网络模型有效地提高了分类精度。为了保证分类精度,对地形和大气做了精校正。     

用MODIS影像和劈窗算法反演山东半岛的地表温度

简要介绍了劈窗算法，并对Planck方程进行了线性简化，从而简化了劈窗算法的方程计算.针对MODIS的波段设置特点，先用近红外波段反演大气水汽含量，然后根据LOWTRAN模拟大气水汽含量与透过率的关系，这样可以根据反演得到的水汽计算31和32波段的透过率．最后运用劈窗算法反演山东半岛地区的地表温度(LST)，结果比较合理．     

空间数据挖掘技术方法及应用

着重阐述了通用的空间数据挖掘体系结构,空间数据的关联特性,几种主要的空间数据挖掘方法。最后对一实例进行了应用分析。     

基于空间数据仓库的空间数据挖掘研究

分析了空间数据仓库的特点和体系结构，在空间数据仓库的基础上提出了一种空间数据挖掘的模型结构，介绍了一些常用空间数据挖掘算法，并展望了其广阔的应用前景。     

一个从ASTER数据中反演地表温度的劈窗算法

根据EOS/Terra多传感器的特点,提出了一个适合于ASTER数据的劈窗算法,该算法包括两个必要的参数大气透过率和比辐射率。大气透过率是通过利用MODIS的3个近红外波段反演大气水汽含量并根据大气水汽含量与热红外波段的统计关系计算得到。由于MODIS和ASTER是在同一颗星上,这种大气透过率估计方法保证了地表温度反演过程中所需大气参数的同步获取。对于比辐射率则是通过分类和JPL提高的光谱库获得。最后用大气模拟校正法对算法进行了验证,在比辐射率已知的情况下,当使用大气模型模拟得到的大气透过率时,对Planck函数优化简化后的平均精度为0.56℃;当大气透过率是从大气水汽含量计算得到时,优化平均精度为0.58℃,表明该算法可行。