基于ART模型的MODIS积雪反照率反演研究

积雪反照率是研究局地或全球的能量收支平衡和气候变化中的重要参数,遥感反演为积雪反照率的获取提供了便利的手段。积雪反照率大小主要取决于积雪的自身物理属性(雪粒径、形状和污染物等因子)以及天气状况,遥感反演反照率大多基于双向反射模型(BRDF),积雪BRDF模型常使用积雪辐射传输模型获得。采用考虑了雪粒径、粒子形状以及污染物影响的渐进辐射传输理论(ART)模型,建立了MODIS积雪反照率反演算法,得到了MODIS 8d合成积雪反照率产品。将此算法应用于具有均一积雪地表的格陵兰岛地区,并使用GC-Net实测数据进行了验证,反演的总均方根误差(RMSE)为0.018,相关系数(r)为0.83,结果表明考虑了积雪特性的ART模型能够较好地反演积雪反照率,而且反演需要的参数较少。     

HJ-1A/B星地表反照率生成算法与检验

提出了适合环境与灾害监测预报小卫星-A、B星(简称HJ-1A/B星)CCD相机的大气订正算法,并基于不同地表特性和大气条件下的辐射传输模拟数据,建立HJ-1A/B星的窄波段向宽波段反照率转换的模型.利用多级灰阶靶标实测数据、敦煌检验场实测数据验证了大气订正算法以及转换模型的可靠性和精度,并将HJ-1A/B星影像数据计算的反照率产品与同时相的MODIS反照率产品进行对比分析.结果表明:文章提出的HJ-1A/B星CCD相机大气订正算法可有效校正大气影响;窄波段向宽波段反照率转换模型反演的反照率精度可靠;基于研究成果生成的HJ-1A/B星地表反照率与MODIS反照率产品一致性较好,满足后续遥感数据定量化模型研究的精度需要.     

东北地区MODIS亚像元积雪覆盖率反演及验证

以中巴资源卫星数据作为地面“真值”影像,根据东北地区地理环境与气候特点对Salomoson亚像元积雪覆盖率模型参数进行修正,反演东北地区MODIS像元积雪覆盖率,并用不同方案对模型的稳定性和精度进行分析。研究结果表明,经修正后的Salomoson亚像元积雪覆盖率反演模型对不同地貌--景观单元具有稳定性,其中较小的波动源于积雪物理性质差异、大气效应、积雪影像分类误差及影像配准误差。在东北平原区,NDSI值在0.52~0.65时,模型反演精度高,但反演雪盖率总体偏低,主要是由NDSI基于对波段反射率的非线性转换引起的;雪盖率高估的像元主要分布在城区外围以及农村居民点,而覆盖城区、乡、镇以及居民点之间道路的像元雪盖率误差小,其原因是人类活动频率影响像元内积雪组分与非积雪组分的光谱特性的差异程度。与MODIS雪产品进行对比分析,积雪覆盖率提供较传统雪盖制图更加丰富的信息,然而对林区冠层下积雪覆盖二者均未给出准确估计。     

MODIS卫星数据地表反照率反演的简化模式

以内蒙西部地区的MODIS遥感图像数据和地表野外同步观测的光谱数据为例,在野外数据量较少且有定标数据的条件下反演地表反照率。使用6S大气1辐射传输模型进行大气校正,并通过MODTRAN4.0模型获取各波段地表入射光通量和窄波段的地表反照率;在窄波段反照率与宽波段反照率之间存在线性关系的前提下,以各波段的入射光通量占总入射通量的比例作为反演参数,实现窄波段到宽波段的反演。反演结果证明此方法简便可行。     

基于渐进辐射传输模型的雪粒径与积雪覆盖面积反演算法

渐进辐射传输模型(Asymptotic Radiative Transfer,ART)广泛应用于雪粒径反演,但是ART模型忽略了像元混合的影响。在本文中,ART模型被应用于混合像元分解之中,考虑积雪粒径变化的影响,提出了两种混合像元分解算法,用以同时获取雪粒径和积雪面积。第一种算法是采用均方根误差指标获取每个像元的最优雪粒径,使用全约束线性分解算法(FCLS)反演积雪面积。另一种算法使用通用梯度下降算法(GRG)获取每个像元的最优粒径,仍然采用全约束线性分解算法获取积雪面积。为了提高模型的运行效率,单波段ART算法用来获取影像的雪粒径,将之作为两种算法的先验知识。同时,MODSCAG模型反演的结果也被用于进行交叉对比,实验结果表明,两种算法比MODSCAG模型的反演结果更为精确。     

基于积雪调查数据的东北地区被动微波积雪遥感产品精度验证与分析

积雪遥感数据产品可以提供积雪的时空分布信息,是积雪监测的重要数据源。对现有的不同遥感产品进行精度验证和对比分析,明确其适用范围,有利于积雪数据产品的进一步发展和应用。为验证积雪产品在东北地区的适用性,以中国积雪特性及分布调查项目为依托,精心设计野外实验,观测了东北地区25 km典型样方和积雪线路调查数据,验证了在阔叶林和农田两种下垫面下,FY-3B雪深产品、AMSR-2雪深产品、GlobSnow雪水当量产品在东北地区的反演精度。结果表明：GlobSnow雪水当量产品精度最高,不区分下垫面的情况下,最大偏差和均方根误差分别为10.87 cm和12.53 cm。考虑下垫面的影响,GlobSnow雪水当量产品和FY-3B雪深产品在两种下垫面下的雪深反演精度差别很小,偏差和均方根误差的差值小于2.11 cm和3.46 cm,AMSR-2积雪产品在两种下垫面下反演精度差别很大,两种下垫面下偏差和均方根误差的差值大于9.94 cm和7.19 cm。对于3种积雪产品,下垫面为农田的雪深反演精度均高于下垫面为阔叶林的反演精度。     

基于积雪调查数据的东北地区被动微波积雪遥感产品精度验证与分析

积雪遥感数据产品可以提供积雪的时空分布信息,是积雪监测的重要数据源。对现有的不同遥感产品进行精度验证和对比分析,明确其适用范围,有利于积雪数据产品的进一步发展和应用。为验证积雪产品在东北地区的适用性,以中国积雪特性及分布调查项目为依托,精心设计野外实验,观测了东北地区25 km典型样方和积雪线路调查数据,验证了在阔叶林和农田两种下垫面下,FY-3B雪深产品、AMSR-2雪深产品、GlobSnow雪水当量产品在东北地区的反演精度。结果表明:GlobSnow雪水当量产品精度最高,不区分下垫面的情况下,最大偏差和均方根误差分别为10.87 cm和12.53 cm。考虑下垫面的影响,GlobSnow雪水当量产品和FY-3B雪深产品在两种下垫面下的雪深反演精度差别很小,偏差和均方根误差的差值小于2.11 cm和3.46 cm,AMSR-2积雪产品在两种下垫面下反演精度差别很大,两种下垫面下偏差和均方根误差的差值大于9.94 cm和7.19 cm。对于3种积雪产品,下垫面为农田的雪深反演精度均高于下垫面为阔叶林的反演精度。     

基于积雪调查数据的东北地区被动微波积雪遥感产品精度验证与分析

积雪遥感数据产品可以提供积雪的时空分布信息，是积雪监测的重要数据源。对现有的不同遥感产品进行精度验证和对比分析，明确其适用范围，有利于积雪数据产品的进一步发展和应用。为验证积雪产品在东北地区的适用性，以中国积雪特性及分布调查项目为依托，精心设计野外实验，观测了东北地区25 km典型样方和积雪线路调查数据，验证了在阔叶林和农田两种下垫面下，FY-3B雪深产品、AMSR-2雪深产品、GlobSnow雪水当量产品在东北地区的反演精度。结果表明：GlobSnow雪水当量产品精度最高，不区分下垫面的情况下，最大偏差和均方根误差分别为10.87 cm和12.53 cm。考虑下垫面的影响，GlobSnow雪水当量产品和FY-3B雪深产品在两种下垫面下的雪深反演精度差别很小，偏差和均方根误差的差值小于2.11 cm和3.46 cm，AMSR-2积雪产品在两种下垫面下反演精度差别很大，两种下垫面下偏差和均方根误差的差值大于9.94 cm和7.19 cm。对于3种积雪产品，下垫面为农田的雪深反演精度均高于下垫面为阔叶林的反演精度。     

基于深度学习的海表温度遥感反演模型

针对传统的海温反演模型参数拟合过程复杂且在不同海域适应性较差等问题,为进一步提高海表温度反演精度,简化反演过程,以渤海海域为研究区域,选取该海域晴空下的MODIS遥感影像并结合实测浮标数据,利用深层神经网络建立海表温度的遥感反演模型。对反演结果进行精度分析,分析结果表明模型精度较为良好,反演值与实测值决定系数为0.978,标准差为1.28℃,平均绝对误差为0.98℃,证明了基于深度学习的海表温度遥感反演的可行性。     

基于Landsat 8与实测数据的水质参数反演研究

目前遥感技术已成为监测水质参数的重要手段,精度更高的水质参数反演模型是当前水质监测的重点。但由于水环境的复杂性、遥感数据的局限性等多重原因,水质参数遥感反演精度有限,且多集中于水色水质参数反演。为了得到精度更高的水质参数反演模型,以天津市海河下游段为研究区,对Landsat 8 OLI遥感影像进行大气校正、辐射定标等预处理,通过实验室理化分析测定水体的总磷、氮氨、总氮浓度及电导率,建立实测水质参数与Landsat 8 OLI遥感影像数据的统计回归模型及神经网络模型,采用决定系数(R~2)、平均绝对误差(MAE)、均方根误差(RMSE)进行精度检验,神经网络模型反演结果 R~2均大于0.85,MAE分别为0.019、0.09、0.242、0.411,RMSE分别为0.024、0.118、0.286、0.562,反演精度较好。结果表明:基于神经网络建立的水质参数反演模型精度较高。     

渭河定量遥感水质反演中的大气校正作用研究

以渭河陕西段为研究对象,在获取了渭河陕西段实地监测数据和相应时间段的SPOT-5遥感影像数据基础上采用黑暗像元法(DOS)、大气辐射传输模型法等7种大气校正方法对SPOT-5遥感影像进行大气校正。结合校正后的遥感数据,使用多元线性回归、支持向量机(SVM)、及BP神经网络3种方法对渭河进行定量遥感水质反演。实验结果表明,通过遥感影像对渭河进行定量水质反演是可行的,大气校正在一定程度上提高了定量遥感水质的精度。对于SPOT-5遥感影像的大气校正,采取对遥感数据辐射定标后消除各波段最暗像元的方法可以达到较好的效果。     

半干旱区土壤热通量遥感估算模型的适应性对比分析

提出了一种基于地表温度的土壤热通量遥感估算模型,结合另外两种应用比较广泛的遥感估算模型,分别是Moran(1989)提出的基于归一化植被指数NDVI、净辐射通量的模型和Bastiaanssen(1998)的基于NDVI、地表反照率、地表温度、净辐射通量的模型,利用MODIS遥感数据对这3种土壤热通量的模型进行了试验分析。参照半干旱区退化草地和农田地面站点实测的土壤热通量数据,3种遥感模型的试验结果表明:提出的基于MO-DIS地表温度的模型得到的土壤热通量精度最高;Bastiaanssen(1998)模型也能得到精度相当的土壤热通量,特别是它得到的可利用能量精度最高;Moran(1989)模型反演的土壤热通量误差最大。     

关于地表反照率遥感反演的几个问题

分析了地表反照率对陆面辐射能收支以及区域和全球气候的影响,强调了地表反照率是遥感反演陆面参数时的第一重要参数,地表反照率或多波段遥感中不同谱段的地表反射率的准确反演常常是准确估算其它陆面参数如植被和土地利用/土地覆盖等状况的先决条件。在对当前关于反照率的概念及容易混淆的术语进行阐述和说明的基础上,简述了遥感反演地表反照率的步骤和主要难点的解决方法,进而对常用陆面过程模式计算地表反照率的过程作了分析,并将其结果与MODIS有关产品进行了比较,强调了遥感与陆面过程模式和气候模式的结合。     

基于随机森林的高分辨率 PM2.5 遥感反演 ——以广东省为例

细颗粒物(PM2.5)监测是大气污染治理的重要手段,受限于地面观测点的数量,从遥感反演 PM2.5 是常规地面观测的有效补充,是当前的研究热点。通常遥感反演 PM2.5 的思路是先反演大气气溶胶光学厚度,然后基于统计关系由大气气溶胶光学厚度反演 PM2.5。该方法容易造成误差传递,从而 导致反演模型的不稳定。该文提出了一种基于随机森林算法(一种机器学习算法)的 PM2.5 遥感反演方法,直接建立中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)影像与地 面实测 PM2.5 的关系,可以避免传统反演 PM2.5 时先反演大气气溶胶光学厚度带来的误差,最终得到精度更高的 PM2.5 反演结果。该方法先用随机森林算法对 MODIS 影像和经过克里金插值后的地面监测站PM2.5 数据进行训练和测试;然后,根据测试的均方根误差从多个模型中选取最优(均方根误差最小)的模型;最后,将此模型用于整幅 MODIS 影像,得到整个区域的 PM2.5 反演结果。实验选取了广东省 四个季节多幅 MODIS 影像数据进行验证,并通过决定系数和均方根误差两个表现指标进行对比和分析,验证了所提算法的优越性。     

基于中国通量网的MODIS短波反照率验证与分析

遥感地表反照率产品的验证与分析是将其应用于环境研究的基础。采用中国通量网的地表实测短波反照率数据对MODIS反照率产品进行对比和分析,针对选取的8个地面站点,提取了2004年的MODIS反照率产品并进行验证。这些站点的植被覆盖情况涵盖了草地、森林和农业用地。结果显示MODIS在多数情况下能提供准确的地表反照率产品。针对各个站点的误差、均方根误差、相关系数分析都显示了这个结果,总体反演误差在0.002左右。较大的误差出现在有冰雪影响的时候,排除受积雪影响的数据,总体均方根误差可达0.028。分析了引起误差的原因并提出了改进意见。     

基于资源一号02D高光谱卫星影像的青海湖悬浮物浓度反演研究

水体悬浮物浓度是描述水体光学特性的一个重要参数。卫星遥感具有大范围、快速、高频次动态监测的优势,有助于加强对青海湖水环境质量的监测,降低监测成本。而资源一号02D(ZY1-02D)卫星高光谱影像作为新的数据源,具有高空间分辨率、高光谱分辨率的优点,为湖泊的水质高精度监测提供了可能性。为了验证ZY1-02D高光谱相机在水质遥感监测应用中的适用性,以ZY1-02D高光谱影像为遥感数据源,同时辅助实测数据,构建青海湖悬浮物浓度反演模型,并进行精度验证,评价模型的准确性,最后将模型应用于青海湖悬浮物浓度反演。研究结果表明：青海湖悬浮浓度反演模型平均相对误差为21.1%,均方根误差为0.296 mg/L,精度较好,青海湖悬浮物浓度反演结果呈现湖心低岸边高的特征,与同期Sentinl-2和同期Landsat 8数据反演结果进行对比,反演结果保持一致,说明ZY1-02D高光谱影像能够作为悬浮物浓度遥感反演的数据源之一。     

WorldView-2影像在南海岛礁浅海水深反演中的应用

针对南海岛礁浅海水域遥感探测研究较少且常用的中、低空间分辨率遥感影像难以满足该区域浅海水深高精度探测的问题,利用高空间分辨率WorldView-2多光谱影像和现场实测数据,对南海北岛岛礁浅海水域进行了水深反演研究。通过对WorldView-2和实测数据进行相关性分析,选择出相关性较高的数据构建了单因子、双因子、多因子线性回归模型和BP神经网络模型,利用实测数据对各个模型进行了测试与比较。结果显示,各个模型反演值与实测值的相关系数均在0.9以上,均方根误差约等于1.0,其中BP网络模型的相关系数最高,具有较高精度。研究表明,利用WorldView-2数据反演中国南海岛礁周边浅海水深的方法有效可行。     

被动微波遥感在青藏高原积雪业务监测中的初步应用

积雪范围、积雪深度和雪水当量等参数的遥感监测与反演对气候模式的建立以及积雪灾害的评估具有重要意义。被动微波遥感在这些参数的反演方面具有明显优势,但目前尚未应用到青藏高原地区的积雪遥感业务监测上来。2001年10月至2002年4月,利用SSM/I数据对青藏高原地区的积雪范围和积雪深度进行了实时监测,为西藏、青海遥感应用部门提供逐日的雪深分布图。对这次监测的总效果进行了分析和评价,并对发生在青海省内一次较大的降雪过程进行了遥感分析,结果表明:SSM/I反演的积雪范围变化趋势与MODIS结果总体上较为一致;SSM/I的雪深监测结果为当地遥感部门对大于10 cm的雪深做出正确判断提供了重要信息,是对雪灾定位的重要信息源。     

基于TVDI的大范围干旱区土壤水分遥感反演模型研究

温度植被干旱指数TVDI(Temperature Vegetation Dryness Index)是一种基于光学与热红外遥感通道数据进行植被覆盖区域表层土壤水分反演的方法。当研究区域较大、地表覆盖格局差异显著时,利用TVDI模型来反演陆表土壤水分,精度通常较低。对Sandholt的TVDI土壤水分反演模型进行了改进:利用云掩膜校正和多天平均温度合成来减少云的影响;同时对研究区域地形起伏、覆盖类型差异的影响进行了消除;对TVDI模型干边的模拟方法进行了改进。最后,使用铝盒采样等方法利用新疆地区观测得到的地面数据来拟合改进后的模型参数,并对2009年5月和8月的土壤水分进行了反演实验。与实测数据的比较分析表明,该模型能基本满足大区域土壤水分反演的要求,改进后的模型对新疆地区的土壤水分估算精度有较显著的提高。     

黑河综合遥感联合试验研究进展:水文与生态参量遥感反演与估算

介绍了“黑河综合遥感联合试验”在水文和生态变量与参数反演、估算和模型应用方面取得的进展。在水文变量遥感方面,利用车载双偏振多普勒雷达在黑河上游和中游分别开展了高精度降水观测,获取了后向散射系数和极化信息与降水强度之间的定量关系。在综合利用多源观测信息,改进和发展蒸散发估算模型方面取得了实质性的进展。发展了利用K和Ka波段机载微波辐射计数据反演山区积雪深度的方法。针对SAR观测数据反演土壤水分中地表粗糙度的显著干扰,发展了消除粗糙度影响的反演方法。在生态过程遥感参量估算方面,提出了一种基于机载激光雷达和高分辨率光学影像的高精度地物信息分类方法。发展了从高光谱航空遥感提取植被自然光照下的荧光,并与NDVI结合的C3/C4植被分类方法。发展和改进了使用多角度、多光谱观测反演叶面积指数的方法,挖掘了激光雷达在植被垂直结构探测上的潜力,探索了叶面积指数遥感中的尺度转换规律。发展了利用高光谱数据中的荧光信息反演光能利用率的新方法;建立了考虑土壤反射率、冠层结构等因素的光合作用有效辐射比率反演模型;改进了利用遥感估计生态系统生产力的模型。发展了利用高光谱遥感数据提取叶绿素含量和叶绿素荧光强度的方法。