Sentinel-1和Sentinel-2协同反演地表土壤水分

土壤水分是水文循环、生态环境、气候变化等研究中的关键参数,获取高分辨率长时间序列的土壤水分信息对农业管理、作物生长监测等具有重要的意义,同时也是研究的难点。基于时间序列(2019年至2020年)的Sentinel-1雷达数据和Sentinel-2光学数据,构建了地表土壤水分的雷达与光学数据协同反演模型,即裸土条件下地表土壤水分的变化检测方法,并利用归一化植被指数对植被影响进行校正,实现了青藏高原多年冻土区(五道梁)100 m空间分辨率的土壤水分反演。与地面实际观测的土壤水分进行对比验证,结果表明土壤水分反演结果与地面实测数据的相关系数介于0.672与0.941之间,无偏均方根误差介于0.031 m³/m³与0.073 m³/m³之间,土壤水分变化与区域降水事件和特征密切相关,验证了本文提出的考虑植被物候的变化检测方法在地势平坦、植被稀疏的青藏高原地区具有极高的适用性。     

基于Sentinel-1及 Landsat 8数据的黑河中游农田土壤水分估算

土壤水分是陆地表层系统中的关键变量。利用主动微波遥感,特别是合成孔径雷达(Synthetic Aperture Radar,SAR)的观测,在监测和估计表层土壤水分时空分布方面已开展了诸多研究。然而,SAR土壤水分反演仍存在诸多挑战,特别是地表粗糙度和植被的影响。因此,本文提出了一种结合主动微波和光学遥感的优化估计方案,旨在同步反演植被含水量、地表粗糙度和土壤水分。反演算法首先在水云模型的框架下对模型中的植被透过率因子(与植被含水量密切相关)采用3种不同的光学遥感指数——修正的土壤调节植被指数(Modified Soil Adjusted Vegetation Index,MSAVI)、归一化植被指数(Normalized Difference Vegetation Index,NDVI)和归一化水体指数(Normalized Difference Water Index,NDWI)进行参数化估计,用于校正植被层的散射贡献。在此基础上,构造基于SAR观测和Oh模型的代价函数,利用复型洗牌全局优化算法进行土壤水分和地表粗糙度的联合反演。采用Sentinel-1 SAR和Landsat 8多光谱数据在黑河中游开展了反演试验,并利用相应的地面观测数据对结果进行了验证。结果表明反演结果与地面观测具有良好的一致性,其中基于NDWI的植被含水量反演效果最佳,与地面观测比较,土壤水分决定系数(R 2)在0.7以上,均方根误差(RMSE)为0.073 m^ 3/m^ 3;植被含水量R 2大于0.9,RMSE为0.885 kg/m 2,表明该方法能够较准确地估计土壤水分。同时发现植被含水量的估计结果,以及植被透过率的参数化方案对土壤水分的反演精度有一定的影响,在未来的研究中需要进一步探索。     

基于Sentinel-1雷达数据的青藏高原地区土壤水分反演研究

土壤水分是地—气能量交换和全球水循环的重要参数之一,也是水文、气象、农业等研究中的关键参数。高空间分辨率的土壤水分在探讨区域水文过程、生态环境保护及农业水资源管理等方面具有重要意义。基于Sentinel-1雷达数据发展了青藏高原地区高空间分辨率土壤水分反演算法,并获取了区域尺度空间分辨率为20 m的土壤水分。该算法首先基于地面数据、Sentinel-1雷达数据和MODIS归一化植被指数对水云模型进行了参数优化,其次利用优化后的水云模型构建了模拟数据库,利用人工神经网络算法对模拟数据进行训练,构建了基于神经网络的土壤水分反演算法。为了检验该算法,利用Sentinel-1雷达数据反演了青藏高原站点区域土壤水分值,并使用站点实测土壤水分数据对其进行了验证。结果表明：土壤水分反演值与站点实测值有良好的一致性,其相关系数为0.784—0.82,均方根误差为0.052 m³/m³—0.064 m³/m³。土壤水分反演值在时间序列上能够捕捉到土壤水分实测值的变化趋势。该研究可为青藏高原地区高空间分辨率的土壤水分监...     

基于ASTER数据黑河中游植被含水量反演研究

植被含水量是影响植物生长的主要限制因子之一,也是衡量植被生理状态和形态结构的重要参数。应用遥感技术定量估测植被含水量,对于农业旱情监测、作物产量估计和科学研究具有重要意义。基于2012年黑河生态水文遥感试验期间获得的6景ASTER遥感数据和同步观测的研究区生物量观测数据集,选取NDVI、RVI、SAVI和MSAVI 4种植被指数分别与单位面积内植被含水量的关系进行比较分析,建立了不同植被指数的植被含水量反演模型,并对反演结果进行了验证。研究结果表明:4种植被指数均与实测的植被含水量有较高的相关性(R20.846),利用MSAVI反演的植被含水量精度略优于其他3种指数,其均方根误差(RMSE)在0.794kg/m2内。模型较为可靠,可以为大范围获取植被含水量信息提供有效方法。     

利用多时相ASAR数据反演黑河流域中游地表土壤水分

土壤水分是地表能、水循环过程中的重要变量之一,利用主动微波遥感,特别是合成孔径雷达（SAR）进行土壤水分的反演已经越来越受到人们的关注。地表与微波相互作用机理非常复杂,受到粗糙度的强烈影响,成为制约土壤水分准确反演的一个重要因素。利用3景时序接近的ASAR影像对黑河中游临泽草地试验区地表参数进行了多通道的反演,获得了像元尺度上的粗糙度分布状况,从而不需要借助粗糙度的地面测量辅助信息,节省了工作量。土壤水分反演取得了较为满意的结果（均方根误差< 6%）。      

基于Sentinel-1 SAR数据巢湖流域洪水时空动态变化监测研究

洪涝灾害危害巨大,对区域人民生命财产和经济发展造成重大威胁,回溯区域洪水事件,甄别洪水风险区,判断洪水时空特征,并给出规划建议非常重要。以巢湖流域为试验区,基于Sentinel-1合成孔径雷达（SAR）影像,构建了谱间关系与阈值分割相结合的洪水淹没识别方法,应用于Google Earth Engine平台上,获得了2015～2020年巢湖流域洪水时空格局,结合土地利用数据,分析了洪水对巢湖流域农田和以建设用地代表的居民点的影响。结果表明：(1)该方法精度相比单波段阈值和简单指数法提升了3%～7%,能够快速应用遥感数据提取历年流域洪水淹没范围;(2)2015～2020年间,监测到两次特大洪水和一次小规模洪水,淹没范围集中在杭埠河、裕溪河、兆河等河流区域;(3)农田占据受淹面积的86.47%～95.35%,建设用地占据4.47%～5.36%,受到洪水影响的居民点主要为基层村庄及乡镇。研究表明了SAR卫星数据在监测巢湖流域洪水有良好的适用性,有助于掌握洪水对农田和乡村居民点的破坏程度,对于未来制定相关规划战略,加强流域乡村洪水控制保障人员与粮食安全十分关键。     

ASAR GM后散时间序列数据估算黑河上游地表土壤水分

利用2008~2011年的ENVISAT/ASAR全球监测模式(GM)数据,采用时间序列变化检测算法,估算地表相对土壤水分,并利用Van Genuchten方法将相对土壤水分转换为绝对土壤水分,最终获得研究区内的土壤体积含水量。利用阿柔冻融观测站2008~2011年10cm土壤水分数据验证,均方根误差为0.11cm3/cm3;利用八宝河流域无线传感器网络的36个WATERNET节点2013~2014年的4cm体积含水量月均值进行空间分布的间接比较检验,估算月均值的均方根误差在0.03~0.11cm3/cm3的节点有19个,在0.11~0.16cm3/cm3的节点有15个,大于0.16cm3/cm3的有2个。另外考虑遥感数据和算法(暂未考虑土壤容重、土壤残余含水量的不确定性)对估算结果的影响,体积含水量最大估计误差范围为0.03~0.12cm3/cm3,研究区内91.77%的像元小于0.06cm3/cm3。     

基于多频被动微波遥感的土壤水分反演—以黑河上游为例

土壤水分是陆地生态系统中最重要的组成部分,如何有效地得到高精度的土壤水分产品成为当前研究最为关注的问题。被动微波遥感具有监测面积大、重访周期短、对土壤水分敏感等优点,成为反演土壤水分最有潜力的方式。基于SMOS（Soil Moisture and Ocean Salinity）和AMSR2（The Advanced Microwave Scanning Radiometer-2）数据,通过研究L波段与C波段融合亮度温度在土壤水分反演中的潜力,发展多频率土壤水分反演算法,并对黑河上游4个像元开展土壤水分反演研究。结果表明：①利用L/C组合亮温反演结果与实测数据较为吻合,长时间内变化趋势一致,相关系数为0.841,均方根误差为0.063 m³/m³。②通过与SMOS和AMSR2官方土壤水分产品比较发现,AMSR2土壤水分产品存在明显的低估,SMOS土壤水分产品缺失值较多,无法得到较为完整的土壤水分时间序列;利用L/C多频率组合反演得到的结果明显优于官方土壤水分产品。融合L与C波段亮温数据,可有效提高反演土壤水分精度,实现高精度土壤水分的获取。     

基于Sentinel-1和MODIS数据反演农田地表土壤水分—以REMEDHUS地区为例

土壤水分是陆地生态系统和水循环的重要状态变量,在植被生长监测、农作物产量评估等研究中均发挥着重要作用。为了消除植被散射的影响,进而实现农田地表土壤水分的高精度反演,以时间序列Sentinel-1影像及MODIS产品为实验数据,基于高级积分方程模型和比值植被模型的耦合模型,通过采用不同光学植被参数和VH交叉极化后向散射系数,分别对农田植被散射贡献进行表征,消除植被散射的影响,进而实现土壤水分的高精度反演。结果表明：当利用VH极化进行参数化植被散射贡献时,标定的耦合模型,虽然可消除对光学植被参数的依赖并较好地模拟Sentinel-1卫星观测,但土壤水分反演结果效果欠理想,相关系数R最大仅为0.54;与VH极化相比,利用光学植被参数表征植被散射贡献时,土壤水分整体反演效果较理想,R最大达到0.79,但光学植被参数反演结果在不同站点存在显著的空间差异性,R介于0.07~0.79之间。因此,在未来研究中可尝试将雷达数据与光学数据协同反演,以期在消除植被散射影响的基础上,实现植被覆盖区域土壤水分的高精度反演及动态变化监测。     

基于MODIS数据的黑河流域土壤热惯量反演研究

热惯量法在土壤水分反演中有着广泛的应用。以MODIS数据为基础,选用真实热惯量模型,反演得到了黑河流域的土壤热惯量,为进一步研究流域土壤水分提供可靠的方法和数据。利用地面实测数据对模型参数及反演结果进行了验证,并分析了地表昼夜最大温差、地表反照率及土壤热惯量的季节性变化规律,同时对比了真实热惯量模型与表观热惯量模型反演结果与土壤水分的相关性。结果表明：地表温差、地表反照率及土壤热惯量都具有明显的季节性变化特征;真实热惯量模型相对于表观热惯量模型更有利于土壤水分的反演,且具有广泛的适用性。     

Sentinel-1 based Soil Moisture Estimation in Middle Reaches of Heihe River Basin

In this study, a change detection model, constructed using the Sentinel-1 Synthetic Aperture Radar (SAR) data and the simultaneous Normalized Difference Vegetation Index (NDVI) products from the Moderate Resolution Imaging Spectroradiometer (MODIS) and Landsat 8 sensors, is applied to estimate soil moisture in middle reaches of the Heihe River Basin, and the effects of two key parameters on retrieval accuracy are comprehensively investigated. The results show that: (1) when constructing the empirical relationship between backscattering coefficient difference ( \mathrm{\Delta } \sigma ) and Vegetation Index (VI) required by change detection model, the optimal sampling ratios in the ( \mathrm{\Delta } \sigma - V I ) space are approximately 2% and 4% for MODIS NDVI and Landsat 8 NDVI, respectively; (2) the Landsat 8 NDVI-based change detection model slightly outperforms the MODIS NDVI-based model in soil moisture retrieval accuracy, with Root Mean Square Error(RMSE) of 0.040 m³/m³ and 0.044 m³/m³respectively; (3) for the key parameters of the change detection method, replacing the ground-based initial soil moisture and scaling factor (maximum soil moisture difference between two adjacent dates \mathrm{\Delta } M s_{max} ) by the low-resolution SMAP/Sentinel-1 L2_SM_SP data will increase the RMSE by 0.01 m³/m³ and 0.04 m³/m³ respectively. Comparing to the parameter of initial soil moisture, the error in soil moisture scaling factor will lead to more significant degradation in the performance of the change detection method, thus it is recommended to use the high precision scaling factor for soil moisture estimation. This study confirms the promising potential of Sentinel-1 data for retrieving high-resolution soil moisture via change detection method and provides practical insight into its application.     

空间遥感现状及未来发展

从第三十五届国际宇航联合会的空同遥感专业小组会议上可以看出,目前空间遥感的现状及未来发展前景。今后空间遥感将从具有单一遥感能力向具有综合遥感能力方面发展,不仅能对陆地,而且对海     

激光遥感近期发展趋向

激光遥感就是用激光束作为光谱探头来探测大气成分。在过去的十五年中,这种激光雷达技术已被证明是一种测量大气中几种重要化学成分的有效探测方法,现在,它不但对我们了解大气起着重要的作用,而且正在     

基于AMSR2多频亮温的黑河流域中上游土壤水分估算研究

以黑河流域中上游为研究区,初步探究了利用AMSR2卫星的多频亮度温度数据估算土壤水分的方法。基于土壤水分和土壤发射率的统计关系,通过黑河流域上游的4个像元2013年7月至2014年6月内的实测土壤水分和土壤温度数据,采用了“四像元交叉拟合法”获得了统计系数,并用此方法估算出了黑河流域中上游的土壤水分。采用2014年7月至2014年10月内估算的土壤水分,连同与AMSR2的4个常用的土壤水分产品和GLDAS土壤水分产品在时间序列上,与八宝河流域WSN土壤水分地面观测展开了对比验证,结果表明估算土壤水分精度明显高于上述5种产品。同时借助高程和土地覆被辅助数据,与GLDAS土壤水分在空间格局上进行了比较,发现估算土壤水分时空分布特征更加合理。该方法可为流域尺度的土壤水分反演与监测提供了一种简而易行的思想方法和可行之路。     

SMAP土壤水分产品在淮河流域的适用性评估

选取淮河流域为研究区域,利用2016年6月至2019年5月流域内的313个土壤水分观测站0～10 cm土壤体积含水量数据,使用多种指标分析SMAP卫星(Soil Moisture Active Passive)9 km分辨率土壤水分产品(L2_SM_P_E)精度的空间和时间(年、月、日尺度)特征,并讨论植被、土壤、地形...