基于多角度微波辐射亮温数据反演冬小麦光学厚度

基于高级积分方程模型(Advanced Integrated Emission Model,AIEM),构建了包含宽范围土壤参数的C波段(6.925GHz)多角度裸露土壤发射率模拟数据库,利用该模拟数据分析了不同观测角度的裸露土壤发射率极化差之间的关系。在此基础上,结合ω-τ零阶辐射传输模型发展了C波段低矮植被光学厚度反演算法,并利用地基微波辐射计观测数据开展了冬小麦的光学厚度反演。结果显示,冬小麦光学厚度反演结果与实测冬小麦LAI在变化趋势上具有较好的一致性,反演算法具有一定的可行性。     

东北地区森林积雪的微波辐射亮温模拟分析

微波辐射亮温正向模拟是辐射传输模型反演积雪参数的关键步骤之一。以HUT模型为基础,针对森林冠层微波透过率这一关键的模型输入参数,在东北大小兴安岭典型森林积雪区进行了14个子区域(10km!10km)的地基遥感观测和森林参数取样观测实验,分别利用地基微波辐射计实测和森林材积量回归两种不同参数获取方法,得到实验观测区冬季森林透过率,并模拟了星载微波辐射计探测亮温(TsimuB)。通过对两种参数获取方法模拟亮温的相关性分析,说明在K波段水平极化条件下森林存在体散射效应(相关系数R2≤0.37),而Ka波段双极化和K波段垂直极化条件下,森林存在很弱或无体散射效应(相关系数R2≥0.53)。在此基础上,将TsimuB与FY3C MWRI观测的微波辐射亮温进行了差值比较,以MWRI的定标精度约以2 K为基准,提出了以偏差|Δ|≤3·"=6K为一致性判据准则。在K波段水平极化(H)与垂直极化(V)辐射计模拟的一致性为79%、82%,Ka波段的H和V为43%、50%;材积量模拟亮温的一致性是K波段H和V为57%、86%,Ka波段的H和V均为64%。结果表明:在HUT模型模拟森林积雪系统微波辐射亮度温度时,Ka波段积雪层散射引起的不确定性大于K波段森林散射引起的不确定性。通过数据分析,提出了HUT模型的适用性及东北地区森林—积雪真实性检验场的选址依据。     

风云三号微波成像仪积雪参数反演算法初步研究

选择新疆地区作为实验区,为风云三号(FY-3)微波成像仪(MWRI)发展中国区域的积雪参数半经验反演算法。使用2003年4个月的新疆地区的台站观测资料和AMSR-E 18.7 GHz,36.5GHz和89 GHz水平和垂直极化亮温作为FY-3 MWRI的模拟数据,在Chang建立的半经验模型的基础上,采用多元线性回归分析,建立一个新算法。用已有方法去除水体、降雨、湿雪、冻土的像元后,用新算法反演了新疆地区的2004年1月的积雪参数,并分别与AMSR-E雪水当量产品和台站观测值进行比较,结果表明新算法在新疆地区优于AMSR-E的反演算法。     

PROSAIL模型的参数敏感性研究

为了对植被参数反演以及模型优化提供一定的参考,采用扩展傅立叶幅度灵敏度检验法(EFAST)对PROSAIL模型的各输入参数进行全局敏感性定量化分析,筛选出对模型结果影响最大的参数。结果表明：在红光波段,总敏感指数大于0.1的参数依次为Cab,Ns,Hspot和LAI,其中Cab的总敏感性指数最大为0.489,是在红光波段范围对PROSAIL模型模拟结果影响最显著的参数。在近红外波段,总敏感指数大于0.1的参数依次为LAI\,Cm\,ALA\,Ns和Hspot,LAI是近红外波段区域对PROSAIL模型模拟结果影响最大的参数,其总敏感性指数高达0.512。     

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。     

综合孔径微波辐射计的技术发展及其应用展望

介绍了综合孔径微波辐射计成像的基本原理, 回顾了干涉式综合孔径技术在过去十余年间的发展历程, 较详细地介绍并分析了目前世界上已有或在研的综合孔径微波辐射计系统, 其中包括美国的ESTAR 及其2D2STAR , GeoSTAR 计划, 欧空局SMO S 计划上的主载荷MIRAS, 芬兰赫尔辛基技术大学的HUT 22D, 以及中科院空间中心研制的C 波段及X 波段综合孔径微波辐射计等。最后, 对干涉式综合孔径技术的应用前景作了简要介绍与展望。     

大坝施工仿真计算模型参数敏感性区间分析

模型参数是仿真计算的数据基础,而且不同的模型参数往往会导致不同的仿真结果。在考虑模型参数并非确定性的情况下。进行模型参数对仿真结果敏感性分析。以及在不影响仿真结果可行性或合理性的情况下确定模型参数的可行域,这无论对于仿真研究,还是指导决策活动都是十分重要的。     

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。     

基于EFAST方法的SEBS模型参数全局敏感性分析

应用高效、稳健的EFAST方法,以黑河流域盈科绿洲站为例,从3个方面对SEBS模型的参数敏感性进行了分析:分别以感热通量(H)、潜热通量(λE)、蒸发比(fr)作为SEBS模型的输出结果,分析其对12个输入参数的敏感性;利用气象数据驱动模型,分析H、λE和fr对6个地表特征参数的敏感性;分析了参数取值范围对敏感性分析结果的影响。研究结果表明:H、λE与fr都对参考高度处的气温和风速、地表温度以及植被特征参数的敏感性较高。参数间相互作用对H、λE的间接影响很小,而对fr的影响较大。当气象输入参数确定时,6个地表参数中地表温度对模型输出的直接贡献最大,其主敏感度指数接近0.6。参数采样范围不同时,模型输入参数的敏感性表现不同。     

基于FY-MWRI的中国西部被动微波积雪判识算法北大核心CSCD

积雪是冰冻圈中分布最广泛的要素,在气候变化以及水文循环中扮演着重要角色。微波遥感因其全天时全天候工作、具有一定穿透性等优势,成为积雪监测的重要手段。利用FY-3C卫星同步观测获取的微波成像仪(MWRI)被动微波亮度温度数据、融合可见光红外扫描仪(VIRR)与中等分辨率成像光谱仪(MERSI)数据得到的积雪产品,结合MODIS地表分类数据、地表温度数据,发展了基于国产卫星数据的被动微波积雪判识算法。首先提取无云覆盖的不同地表类型被动微波数据像元样本,然后对各地表类型的微波特征进行分析,利用空间聚类的方法,得到TB19V-TB19H、TB19V-TB37V、TB22V、TB22V-TB89V、(TB22V-TB89V)—(TB19V-TB37V)这五类可以较好地区分积雪和其他类似积雪地表的指标。最后应用MODIS积雪产品为参考对该积雪判识算法进行精度评价,该算法在中国西部积雪判识总体精度为87.1%,漏判率为4.6%,误判率为23.3%;Grody算法判识总体精度为78.6%,漏判率为9.8%,误判率为30.7%,该算法判识精度高于Grody算法;通过Kappa系数分析比较,该算法积雪判识结果的Kappa系数值为47.3%,高于Grody算法判识结果的Kappa系数值39.9%,表明该算法积雪判识结果与MODIS积雪产品判识结果一致性更好。     

星载微波辐射计对玉树地震岩石破裂辐射异常的初步检测

实验发现岩石挤压破裂会在特定微波频段辐射能量增强。根据星载微波辐射计AMSR\|E 2003年至2010年4月中上旬8 a的辐射亮度温度(T^_b)数据,提出辐射异常指数RAI,检测地震岩石挤压破裂产生的微波能量辐射异常。利用大气辐射传输模型,分析地表物理温度和大气水汽含量等变化对于检测RAI的影响。对2010年4月12日(2010年4月14日玉树地震发生前两日)的T_b数据作RAI分析,RAI异常的检测区域与地震主断裂带分布有明显的空间相关性。     

利用AMSR-E遥感数据反演地表温度——以2008年广东省春季寒害为例

基于2008年1月25日至2008年2月5日期间的AMSR-E/Aqua L2A微波亮度温度数据,以广东省为研究对象,依据微波极化差异指数（MPDI）、归一化植被指数（NDVI）和比率植被指数（RVI）等3种植被指数,将广东省地表植被覆盖情况分为裸地、草地、灌木林、针叶林和阔叶林等5种类型,利用逐步回归分析方法,建立了基于不同植被覆盖类型的微波亮度温度与地面气象温度多元回归模型。同步地面气象温度数据验证表明,本文建立的基于地表植被覆盖分类的多波段地表温度反演模型,地表温度反演精度基本可达到3.0℃,其中有大约86%的地区地表温度反演精度可以控制在2.5℃以内,为广东省作物寒害预测提供了微波遥感技术支持。     

基于三维真实场景的落叶松林参数敏感性分析

森林冠层结构对太阳辐射能量有重要的影响,而双向反射率因子（BRF）在植被冠层反射研究中对冠层的生物物理特性起重要作用。本文在针叶树简化实验和落叶松模拟的基础上,分析了 BRF对落叶松及其环境参数的敏感性：叶面积指数(LAI)、太阳位置、地面背景和天空光比例。研究结果表明冠层的空间结构分布、地面背景的类型对BRF有很大的影响。     

MODIS数据反演地表温度的参数敏感性分析

在利用MODIS卫星遥感数据进行地表温度反演过程中，有两个基本参数需要确定，即地表比辐射率和大气透过率，尽管采用了比较合理的参数估计方法，但仍会有一些不可避免的因素导致误差的产生。为了进一步研究可能的参数误差对地表温度反演精度的影响，我们对该算法的两个参数进行敏感性分析。结果表明，当31、32两个波段的参数估计都有中等误差时，可能的地表温度误差对大气透过率和地表比辐射率都不敏感，所引起的地表温度误差大约为0．6～0．8℃，算法能够得到较高精度的地表温度反演结果。     

提高森林覆盖区积雪提取精度的方法研究——以玛纳斯河流域为例

森林覆盖区积雪的提取精度很低,由于植被冠层的遮挡,冠层下的积雪很难被提取出来。基于Landsat 8OLI数据,针对玛纳斯河流域下游有大面积森林覆盖的特点,通过传统的积雪指数法,结合NDVI数据的积雪指数法和面向对象图像特征法分别提取积雪面积。结果表明:1传统的NDSI和S3积雪指数法无法较好地提取出森林覆盖下的积雪,提取精度分别为85.23%和87.54%。这两种方法适用于空间尺度较大、植被覆盖面积较大的区域,并不适合所选研究区;2结合NDVI数据后的NDSI、S3积雪指数模型能大大提高森林覆盖下的积雪面积,提取精度分别达到91.47%和90.60%。在影像空间分辨率较高,流域尺度较小,林区覆盖较多的情况下可采用此方法提取积雪;3随着海拔的升高,地形阴影影响逐渐增大,NDVI辅助积雪指数方法提取林区覆盖下积雪面积逐渐减小。因此采用光谱、纹理和空间信息结合的面向对象图像特征方法提取积雪,能够较好地识别出受地形影响下的雪像元,精度达到89.75%,可以满足实际应用的需求。     

干旱区地表L波段微波辐射特性分析穿透深度的影响

利用２０１２年黑河中游HiWATER实验区戈壁和大满超级站的土壤水分和温度廓线数据,基于LＧMEB微波辐射传输模型,分析了L波段微波穿透深度随土壤水分的变化.在此基础上,分析了不同深度土壤水分和温度作为LＧMEB模型输入,对L波段微波发射率和亮度温度的影响.研究结果表明:L波段微波穿透深度随土壤水分、温度的变化,呈现明显的差异,在本研究区L波段微波穿透深度在４~２２cm 之间;在土壤水分较高的超级站,计算的L波段亮度温度与０~４cm土壤层的亮度温度更为接近,而在土壤水分较低的戈壁站,计算的L波段亮度温度与０~４０cm土壤层的亮度温度更为接近.因此,在利用L波段微波数据反演土壤水分时,应考虑穿透深度的影响,以提高反演精度.     

融合FY-3C号和FY-4A号卫星数据的积雪面积变化研究—以祁连山区为例

祁连山区积雪类型丰富、判识复杂,是中国积雪研究的典型区域。因此,精确地监测祁连山区积雪面积变化及其时空演变,对祁连山区生态环境和社会经济发展等具有重要意义。FY-3C MULSS利用多阈值积雪指数模型提供全球日积雪覆盖产品,FY-4A AGRI传感器每15~60 min提供一景覆盖全球的多光谱影像。基于FY-4A AGRI高时间分辨率的特征,构建适合于FY-4A号数据的动态多阈值多时相云隙间积雪识别方法,很大程度上减小了云对光学数据识别积雪造成的影响,并结合FY-3C MULSS积雪覆盖日产品较高空间分辨率的优势,融合得到去除云后的FY3C4积雪覆盖数据。利用Landsat 8 OLI卫星数据对融合后的积雪数据进行对比验证,结果表明融合FY-3C和FY-4A后的数据能更好地判识祁连山区的积雪覆盖情况。以MODIS MOD10A2积雪产品为真实值,随机检验了2018年3月~2019年3月融合后数据的积雪判识精度,发现无云情况下方法的总体精度可达到85.25%。进一步研究发现祁连山区积雪面积在海拔、气候和坡向等因素的影响下时空分布极不均匀,总体呈现出冬春季节大于夏秋季节,以及东部积雪面积大于西部积雪面积的特征。     

机场出租车“待客-返程”决策支持模型——以南京禄口国际机场为例

针对机场出租车“待客-返程”决策模式,基于机会成本视角构建一种决策支持模型。综合考虑影响出租车司机决策的相关因素,构建旅客搭乘出租车的意愿函数和出租车司机机会成本的线性对数回归模型;定义“选择决策因子”,建立“待客-返程”决策支持模型,分析研究不同季节、时段的最优解;用南京禄口国际机场的数据进行模型训练,得到该机场出租车司机决策方案;采用敏感性分析法定量分析模型对决策因子的依赖性,以验证模型性能。实验结果表明,该模型决策方案可靠,对决策因子变化敏感,能有效提高机场的客流集散效率。