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与FY-3C数据反演植被覆盖地表土壤水分

基于新一代的Sentinel-1SAR数据与FY-3C的MWRI数据,研究植被覆盖地表土壤湿度反演方法。为消除植被对土壤湿度反演影响,首先利用FY-3C/MWRI的微波极化差异指数MPDI,建立植被含水量反演模型;然后,结合植被含水量反演模型和水—云模型,发展一种主被动微波联合反演植被覆盖地表土壤含水量模型;最后,在江淮地区开展反演试验,利用观测的土壤湿度数据进行反演结果的精度验证。结果表明:(1)对于植被覆盖地表土壤湿度反演,由FY3C/MWRI提取的MPDI对于去除植被影响效果较好;(2)相比于VH极化哨兵1号卫星数据,VV极化数据更适用于土壤含水量的反演,能够得到更高的土壤湿度反演精度;(3)哨兵1号卫星数据能够获得较高精度的土壤含水量反演结果,试验反演的土壤湿度值与实测值相关系数为0.561 2,均方根误差为0.044cm~3/cm~3。     

基于Sentinel-1数据的黑河中游土壤水分反演

基于Sentinel-1合成孔径雷达 (SAR) 数据及相同时段的中分辨率成像光谱仪（MODIS）和Landsat 8两种归一化植被指数（NDVI）,构建变化检测模型以估算黑河中游的高分辨率土壤水分,并探讨模型中具体参数设置对估算精度的影响。结果表明：①在对后向散射系数时间序列的差值 ( \mathrm{\Delta } \sigma ) 和植被指数 ( \mathrm{V} \mathrm{I} ) 进行线性建模过程中,MODIS NDVI和Landsat 8 NDVI这两种植被产品所构建的模型在 \mathrm{\Delta } \sigma - \mathrm{V} \mathrm{I} 空间中所选取的采样点比例分别为2%和4%时,各自取得最优精度; ②以土壤水分反演为目标,使用Landsat 8 NDVI构建的变化检测模型略优于使用MODIS NDVI构建的变化检测模型,两种模型的均方根误差RMSE分别为0.040 m³/m³和0.044 m³/m³,相关系数R分别为0.86和0.83; ③对于变化检测方法的关键参数,若使用低分辨率的SMAP/Sentinel-1 L2_SM_SP土壤水分数据分别代替站点观测的土壤水分初始值和缩放因子 (即两个连续时相土壤水分变化的最大值 \mathrm{\Delta } M s_{max} ) 这两个参数,则土壤水分RMSE将分别增加0.01 m³/m³和0.04 m³/m³。即土壤水分缩放因子这一参数的误差对反演结果的影响大于土壤水分初始值误差对反演结果的影响,故采用高精度的缩放因子进行变化检测估算。研究结论对于利用新兴的Sentinel-1 SAR数据,通过变化检测算法准确获取高分辨率土壤水分信息具有实际参考价值。     

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...     

基于时序Sentinel-1A数据的农田土壤水分变化检测分析

土壤水分是作物生长的基本条件,同时也是作物长势监测、估产和旱情监测的重要参数。基于变化检测模型,利用不同时相Sentinel-1A数据估算农田土壤水分变化信息。首先利用积分方程模型(Integral Equation Model,IEM)模拟数据分析雷达后向散射系数变化与土壤水分变化之间的关系,在土壤表面粗糙度恒定的情况下,土壤湿度变化与雷达后向散射系数变化具有高度相关性,验证了变化检测模型用于估算土壤水分变化的合理性。在此基础上,利用河北邯郸研究区时序Sentinel-1ASAR数据和现场实测数据构建土壤水分变化检测模型,从而利用雷达后向散射系数变化估算土壤水分变化信息。结合现场实测数据得到,最小二乘和支持向量回归模型反演结果的均方根误差(RMSE)分别为5.1vol%和4.6vol%,决定系数(R2)分别为0.65和0.73。验证了时序Sentinel-1A数据用于监测农田土壤水分变化的实用性。     

基于深蓝算法的Sentinel-2数据气溶胶光学厚度反演

中高分辨率气溶胶信息对于高精度地表反射率反演以及城市空气环境质量监测具有重大意义,但在城市及稀疏植被等高亮地表区域,气溶胶光学厚度(AOD)的高精度反演一直是定量遥感领域的难点之一。以北京城市区和包头沙漠区为例,利用MODIS地表反射率产品构建先验知识约束条件,基于深蓝算法实现了13景Sentinel-2高亮地表的AOD反演。为验证算法精度,将反演结果与全球气溶胶自动观测网(AERONET)站点实测值、Sentinel-2官方插件Sen2Cor处理结果、Landsat-8反演值作对比。结果表明:①采用深蓝算法反演的AOD值与AERONET实测值具有显著的相关性(R^2>0.9,RMSE=0.056);②无论是沙漠高亮区还是植被较少的城市高亮区,Sen2Cor插件反演的AOD值整景均为固定值,无空间分布,不符合实际情况;③Sentinel-2深蓝算法反演结果与准同步过境的Landsat-8反演的AOD产品在空间分布上具有高度一致性,较好地反映了人类活动特征。相比于目前官方产品,深蓝算法适合Sentinel-2数据高亮区域的气溶胶反演,在绝对精度和空间分布趋势方面均具有明显优势。     

基于Sentinel-1A数据的天津地区PS-InSAR地面沉降监测与分析

为有效预防地面沉降带来的灾害,利用2015年4月~2018年2月天津地区的24景Sentinel-1A数据,进行了永久散射体干涉测量处理,并使用高精度轨道数据和TanDEM-X DEM修正残差相位,提取了3 a的地面沉降结果,结合土地利用类型、水文、地质和交通等数据,分析了多处沉降地区的特征和形成原因,最后和小基线集方法的监测结果进行对比分析。结果表明:近3 a来天津城区沉降治理效果显著,平均沉降速率在8 mm/a以内,郊区沉降仍然严重,沉降速率在50~70 mm/a,沉降最为严重的区域为武清区王庆坨镇,3 a累计沉降量超过200 mm,并且有和其他沉降漏斗连成片的趋势。地面沉降发生的区域与地下水漏斗形成的区域基本一致,且两种方法得到的累积形变量差值95%在5 mm以内,说明本研究结果可以为天津市地质灾害防治提供数据支撑和决策依据。     

升降轨SAR数据融合的地震形变场观测

鉴于D-InSAR方法在雷达视线方向上存在模糊现象而无法得到地表三维方向形变量的问题,利用升降轨雷达视线方向形变量和限定方程联合求解地震三维形变量的方法。该方法首先对干涉纹图特征进行分析,然后基于发震断层走滑分量较小的特点,将断层走向形变值假定为零作为限定方程,从而实现三维形变场的解算。以拉奎拉Mw6.3地震为例,实验结果与野外调查结果相一致,验证了该方法的有效性。     

基于HJ-1B卫星数据的南京市地表温度反演研究

地表温度(LST)是全球变化的过程参数,应用HJ-1B-RS热红外数据,采用辐射传输法(RTE)、覃志豪单窗算法(Qins’)和普适性单通道算法(JM&S)对南京市地表温度进行反演。结果表明:3种算法均能较好地反映南京地区的地表温度趋势。RTE反演精度最高,与MODIS地温产品的差值多集中在2.1 K左右;Qins’的反演结果略低,温差多集中在3.87 K左右;而JM&S的结果明显偏低,温差多集中在5.96 K左右。结合土地利用类型图对地表温度进行分析,RTE温度结果中,温度最高的建设用地与温度最低的水体的温度相差4.1 K;Qins’温度结果中建设用地与水体的温度相差4.38 K;JM&S温度结果中建设用地与水体的温度相差2.15 K。RTE和Qins’更能体现不同土地利用类型之间的温度差异及对城市热岛的贡献。     

基于TM6数据的成都市地表温度反演

本利用Landsat5的TM6热红外数据，利用实时的地表温度对不同温度演算算法进行了回归检验，根据统计的原理对各种方法做出评价，并优先了一种方法进行成都市地面温度场的分布分析。本也就同一大气条件下的地温和气温之间的关系作了分析，认为用卫星影像的DN值代替气温研究热岛效应是不合适的。     

基于SAR数据的干旱区冲积扇地表粗糙度反演

干旱区冲积扇的表面特征是研究古气候、古环境变化的重要途径,冲积扇扇面粗糙度是反映冲积扇演化的重要指示。合成孔径雷达(SAR)已成为冲积扇扇面特征参数提取的有力工具。然而,现有的地表粗糙度反演模型在干旱区难以得到较好的反演结果。利用Radarsat-2极化数据,开展了疏勒河冲积扇地表粗糙度反演研究,在OH模型的基础上,提出了更加适合干旱区地表粗糙度反演的新方法。经过实测数据的验证,新方法能够解决原有模型在干旱区粗糙度反演结果偏大的问题,并取得了较好的反演结果。该模型的提出为干旱区冲积扇表面参数提取提供了可靠的工具。     

陆地资源卫星数据地表温度反演

针对目前陆地资源卫星(Landsat-8)地表温度反演过程中,地表比辐射率估计和敏感度分析中存在的不足,对这两方面进行改进,提出了一种基于Landsat-8数据的地表温度反演算法。该文主要从劈窗算法的推导、参数的估计、敏感度分析等方面进行研究。对于大气透过率的计算,首先用与其有相邻过境时间的MODIS数据反演大气水汽含量,然后通过中分辨率的大气传输模型(Moderate Resolution Atmospheric Transmission,MODTRAN)模拟大气水汽含量与透过率的关系,最后得到大气透过率。对于发射率的计算,通过分类和ASTER提供的光谱库获得。将大气辐射传输方程模拟的地表温度与此劈窗算法反演的地表温度做比较,结果表明平均精度达到0.82K。最后研究了大气水汽含量对地表温度的影响。结果显示,当大气水汽含量误差为0.1g/cm2,其对温度反演精度的影响最大不超过0.3K;当大气水汽含量的反演误差较大的时候,其对温度反演精度的影响较大。     

基于Sentinel-3A的北部湾海域叶绿素a浓度遥感反演研究

以北部湾为研究对象,基于Sentinel-3A卫星搭载的OCLI水色传感器,探索了叶绿素浓度的遥感反演方法。通过利用实测光谱数据对北部湾海域进行了分区,结合实测的叶绿素a浓度和Sentinel-3A遥感数据尝试不同的反演因子,包括波段比值、波段差值和波段差比,构建了叶绿素a浓度的遥感反演模型。研究结果表明：(1)北部湾海域的遥感反射率曲线呈现明显的分区的特征,结合光谱特征将北部湾海域分为近岸水体、过渡水体和离岸水体;(2)不同水体类型适用不同的反演因子构建模型,其中R_rs(764.375)/R_rs(681.25)用于近岸水体,[1/R_rs(620)-1/R_rs(708.75)]/R_rs(753.75)用于过渡水体,R_rs(708.75)-R_rs(764.375)用于离岸水体,均取得了较好的拟合效果,相应的R2值分别为0.67、0.80和0.8;(3)分区的方法有效的提高了遥感反演北部湾叶绿素浓度模型的适用性和精度。研究基于Sentin...     

Sentinel-1A TS-DInSAR津冀核心经济区广域地表沉降监测与分析

津冀地区位于华北平原,严重的地下水开采导致地表沉降十分显著,开展广域沉降监测具有重要的现实意义。以2016年2月至2018年11月获取的59幅Sentinel-1A SAR影像为数据源,采用相干点目标分析(IPTA)方法对该区域开展沉降监测,采用大量水准数据验证监测结果精度,基于验证后结果对研究区域沉降时空分布特点进行详细分析和解释。与水准数据对比,Sentinel-1A IPTA监测结果均方根误差(RSME)为±2.70 mm·a^-1。分析表明：研究区域内存在严重的不均匀地表沉降,最大沉降速率高达218.31 mm·a^-1。同时研究进一步表明Sentinel-1A时序差分干涉应用于广域地表沉降监测具有较高的精度水平和较好的应用潜力。     

基于多源遥感数据协同反演森林地表土壤水分研究

土壤水分在土壤监测中是一项重要的指标,对于农业生产、生态环境以及水资源管理有着重要的影响.随着遥感建模与反演理论的不断成熟,其逐渐成为分析土壤指标的重要技术与手段.因此,利用光学影像与雷达影像数据,以大兴安岭地区漠河市为研究区域,分别建立以Landsat 8为数据源的土壤水分反演模型和由Landsat 8影像数据与GF...     

利用MODIS数据反演地表温度的研究

地表温度(LST)是气象、水文、生态等研究中一个重要的参数,目前国内的研究大多使用NOAA/AVHRR数据来获取地表温度,应用MODIS数据获取LST基本上还是空白。MODISLST反演算法精度较高但是计算复杂,在很大程度上限制了其应用。采用简单的统计方法和神经网络方法,得出了内蒙古东北地区的LST计算公式。该公式计算简单而且精度很高,完全能够满足一般的研究需要。     

COSMO-SkyMed数据在常州市地表形变监测中的应用

小基线集合成孔径雷达干涉测量技术(SBAS-InSAR)已成功应用于城市地表形变监测,并表现出极大的潜力和优势。X波段高分辨率雷达卫星在地表微小形变探测方面较C波段和L波段更为敏感。选取覆盖常州地区COSMO-SkyMed高分辨率SAR影像,采用SBAS-InSAR方法获得了地表形变时间序列,对比水准观测数据,分析了干涉测量结果的精度,根据历史地下水位监测数据,分析了地下水水位变化对地表形变的影响。结果表明:干涉测量结果与水准观测数据具有很好的一致性,沉降区域主要发生在武进区,最大沉降量超过-40mm,主城区出现了轻微的回弹现象,回弹达到+5mm;地下水水位持续上升与地面沉降减缓、地面回弹趋势一致,地下水水位变化仍然是常州市地表形变的主要影响因素。     

FY3A/MERSI地表温度反演

MERSI是我国第二代极轨气象卫星上的重要传感器,可获取高空间分辨率和高时间分辨率的对地观测影像。为使Jimènez-Mu珘nozSobrino算法更适用于FY3A/MERSI传感器通道特性,更新了大气函数的估算系数,并引入观测角度因子,以获取更为精确像元间更为平滑的地表温度。用MODTRAN4模拟验证该算法精度,得引入角度因子后反演精度显著提升,所有角度下平均误差为-0.6±2.2K。用实测的敦煌戈壁地表温度和MODIS地表温度产品评价MERSI反演结果,显示MERSI地表温度的空间分布准确,结果精度也较高。与实测温度对比,平均误差为1.74K,均方根误差小于1.9K。研究区域与MODIS地表温度间差异平均为2.6307K。虽然会受云检测精度和观测亮温偏高的影响,由MERSI反演的高精度地表温度在相关科研和业务方面仍然具有极好的应用前景。     

基于TM和LISS 3数据的地表反射率反演比较研究

为定量比较TM和LISS 3数据的反射率反演结果差异,以北京市2005年5月6日的TM数据和2005年5月2日的LISS 3数据为信息源分别进行了地表反射率反演,首先对图像进行了基于图像特征的大气校正,然后对地表反射率进行了反演,并对反演结果进行了比较。结果表明各波段的rmsd值分别为0.030、0.071、0.072和0.078。各个类别的rmsd值分别为0.008、0.087、0.066、0.079和0.056。