陆面数据同化系统的研究综述

大气、海洋数据同化系统的完善和发展,促进了陆面数据同化系统的研究。本世纪初,随着北美(全球)陆面数据同化系统的建立,利用卫星、雷达数据同化地表土壤水分、地表温度、能量通量等工作正逐步展开。与此同时,陆面数据同化的研究也已经成为当前陆面过程和水文过程研究的热点。以北美(全球)陆面数据同化系统、欧洲陆面数据同化系统、中国西部陆面数据同化系统为例,对当前陆面数据同化系统的基本框架作了详细介绍;并指出了当前陆面数据同化系统发展中有待解决的若干问题。     

陆面数据同化系统及其在全球变化研究中的应用

陆面数据同化的研究起源于20世纪末,发展比较迅速。本文从当前发展比较成熟的陆面数据同化系统、同化方法以及陆面数据同化在全球变化研究中的应用三方面做了综述。比较成熟的陆面数据同化系统主要是美国(全球)和欧洲的陆面数据同化系统,加拿大、韩国和我国的数据同化系统最近才有所发展;数据同化方法主要以基于统计估计理论和以基于变分的两大类方法为主流,近年来人工神经网络和粒子滤波技术有所发展;在生态水文学、碳循环和作物估产的应用研究中,陆面数据同化方法已经发挥了重要作用。     

被动微波遥感反演土壤水分进展研究

在地球系统中, 地表土壤水分是陆地和大气能量交换过程中的重要因子, 并对陆地表面蒸散、水的运移、碳循环有很强的控制作用, 大面积监测土壤水分在水文、气象和农业科学领域具有较大的应用潜力。被动微波遥感是监测土壤含水量最有效的手段之一, 相比红外与可见光, 它具有波长长, 穿透能力强的优势, 相比主动微波雷达, 被动微波辐射计具有监测面积大、周期短, 受粗糙度影响小, 对土壤水分更为敏感, 算法更为成熟的优势。然而微波辐射计观测到的亮温除了受土壤水分影响外, 还要考虑如植被覆盖、土壤温度、雪覆盖以及地形、地表粗糙度、土壤纹理和大气效应以及地表的异质性等其它因子的影响。目前, 已研究出许多使用被动微波辐射计反演土壤水分的方法,这些方法大部分是围绕着土壤湿度与亮温温度之间的关系进行, 同时也考虑其它各种不同因子对 地表微波辐射的影响。从介绍被动微波反演地表参数的原理入手, 重点介绍被动遥感反演土壤水分当前的算法进展、研究趋势等。     

多源微波遥感融合大尺度区域土壤水分数据集研究进展综述

【目的】土壤水分是连接陆气水循环的重要媒介和载体。获取大尺度区域、长时间序列、高精度的土壤水分数据是环境遥感领域长期关注的难点和热点问题。【方法】本文简述了包括必要气候变量土壤水分（Essential Climate Variable Soil Moisture, ECV SM）数据、土壤水分产品系统（Soil Moisture Products System, SMOPS）数据、土壤水分主动被动（Soil Moisture Active Passive, SMAP）数据、遥感地表土壤水分（Remote-sensing-based Surface Soil Moisture, RSSSM）数据、神经网络土壤水分（Neural Network soil moisture, NNsm）数据、高分辨率中国区域土壤水分数据在内的6种国内外典型多源微波遥感融合土壤水分数据集的发展历程、研制方法和精度水平。【结果】通过分析数据产品的适用性,发现不同的微波遥感融合土壤水分产品各具特色,适用场景也有所区分。【结论】如何充分利用现有海量微波遥感、光学遥感、站点观测数据,设计高性能土壤水分模拟融合算法,实...     

微波遥感监测土壤水分的研究初探

在GPS定位的基础上，同步测量土攘水分、土壤后向散射系数，和同步获取的X波段、HH机化SAR图像进行了土攘水分监N.]的徽波遥感试验研究。结果表明，X波段SAR图像的灰度与表层土壤(0~10cm)水分有较好的相关性，35OHH极化的土峨后向散射系数与SAR图像灰度和土攘水分也有较好的相关性，由SAR图像及土攘的后向散射系数估算的土峨水分精度相近，相对误差均为12%左右，因而利用X波段、HH极化的机载SAR图像监浏土壤水分是可行的。雷达图像的穿透力一般在10cm以内，因此探讨了由表层土壤水分推求剖面土壤水分的可能性，并提出以土攘水分计法在浏童精度和速度上改进传统土壤水分测量的方法。     

欧洲陆面数据同化系统组成,系统设计和原理简介

随着技术的进步,地球系统科学的发展,地——气系统的复杂性的进一步研究,对地表物理场精度的需求越来越高。而观测和模拟作为获得地表数据的两种基本手段,由于其各自的局限性,其精度已经不能满足进一步研究的需求,在这样的背景下,陆面数据同化系统逐步发展起来。本文主要介绍了世界主要的陆面数据同化系统之一——欧洲陆面数据同化系统。此系统采用的强迫数据是根据欧洲的实际情况由欧洲中心自行生产的一套数据,同时在欧洲不同的机构它们采用了不同的陆面过程作为欧洲陆面数据同化系统的核心,它们还将卡尔曼滤波和变分方法结合生产了一套独特的同化方法。并对此系统进行了验证和实例应用。     

基于Triple-Collocation方法的微波遥感土壤水分产品不确定性分析及数据融合

微波遥感可以获取大范围的地表土壤水分信息,以及由此得到全球尺度的土壤水分产品。但由于传感器观测配置和反演方法等诸多因素的影响,使得不同的土壤水分产品在精度和可靠性方面存在差异。基于Triple-Collocation（TC）方法,在青藏高原那曲地区的0.25°×0.25°和1.0°×1.0°两个空间尺度上对AMSR2、SMAP和SMOS 3种土壤水分遥感产品进行不确定性分析,开展基于随机误差的数据融合算法研究。研究结果表明:不同遥感产品间的随机误差在空间分布上存在显著的不一致性,使得应用传统的算术平均方法进行数据融合不具有普适性。基于此不确定性,对3种产品配赋相应的权重进行融合,相比于3种土壤水分原始数据集,融合产品不仅具有更丰富的数据量,也会对数据精度有所改善。当遥感产品间的随机误差接近时,等权重和优化权重的融合结果非常接近;当遥感产品间的随机误差差异较大时,基于不确定性的数据融合方法相比等权重方法可以明显的提高融合数据的精度。     

基于Triple-Collocation方法的微波遥感土壤水分产品不确定性分析及数据融合

微波遥感可以获取大范围的地表土壤水分信息，以及由此得到全球尺度的土壤水分产品。但由于传感器观测配置和反演方法等诸多因素的影响，使得不同的土壤水分产品在精度和可靠性方面存在差异。基于Triple-Collocation（TC）方法，在青藏高原那曲地区的0.25°×0.25°和1.0°×1.0°两个空间尺度上对AMSR2、SMAP和SMOS 3种土壤水分遥感产品进行不确定性分析，开展基于随机误差的数据融合算法研究。研究结果表明:不同遥感产品间的随机误差在空间分布上存在显著的不一致性，使得应用传统的算术平均方法进行数据融合不具有普适性。基于此不确定性，对3种产品配赋相应的权重进行融合，相比于3种土壤水分原始数据集，融合产品不仅具有更丰富的数据量，也会对数据精度有所改善。当遥感产品间的随机误差接近时，等权重和优化权重的融合结果非常接近；当遥感产品间的随机误差差异较大时，基于不确定性的数据融合方法相比等权重方法可以明显的提高融合数据的精度。     

MODIS数据陆面温度反演研究

陆面温度(LST,landsurfacetemperature)是研究地表和大气之间物质交换和能量交换的重要参数。基于推广的分裂窗算法,运用MODIS数据,在青海湖地区(200km*200km)进行了陆面温度反演研究。在实验区,推广的分裂窗算法传感器高度角大于40°,将原分裂窗的区间进行了细化,与分裂窗方法相比,传感器高度角在40°～50°,大气柱水汽含量小于1.5cm时,反演精度较高,小于1K;与分裂窗方法类似,该方法对比辐射率和传感器仪器质量的误差不甚敏感。     

高性能计算环境下陆面建模系统的关键技术

为了从多角度精确评估陆面特征,改善陆面过程模型的模拟性能,并为研究者提供一套完整的从数据处理到模拟分析的陆面建模系统.采用多种脚本语言和模型数据融合方法来构建陆面建模系统.此建模系统集成观测数据、陆面过程模型、高性能计算、数据处理和分析方法,以及可视化等技术手段.在此系统内针对两种不同的陆面过程模型进行了应用示范,证明了不同脚本语言的建模系统在目前高性能计算环境中的应用潜力,以及不同可视化方案在陆面建模系统的作用.     

微波遥感土壤湿度研究进展

发展实用的微波遥感土壤湿度卫星反演算法,以提供区域尺度上的土壤湿度信息,对水文学、气象学以及农业科学研究与应用至关重要。简要分析了主动微波遥感土壤湿度的研究进展情况,重点对被动微波遥感土壤湿度的原理、算法发展及研究趋势进行了详细论述。主动微波具有卫星数据空间分辨率高的特点,随着携载主动微波器的一系列卫星的发射,主动微波遥感土壤湿度将受到重视。被动微波遥感研究历史长、反演算法特别是卫星遥感算比较成熟,是今后区域尺度乃至全球尺度监测土壤湿度的重要手段。     

基于分段Morlet小波变换的植被物候遥感识别方法

本文中作者提出分段Morlet小波变换的方法从遥感数据中识别出地表物候.地表物候是人类了解地球生态系统的必要参数,也是动植物保护、农耕等活动的重要依据.研究发现已有的方法存在物候识别不准确、去除噪声效果差等缺陷,而Morlet小波在周期识别、去除噪声方面表现非常好,因此本文使用Morlet小波变换的方法处理青海湖流域2003-2014年的NDVI数据,发现该方法存在变换后的曲线与原NDVI数据不贴合或物候周期偏移的情况.因此作者提出进一步的改进方法：分段Morlet小波变换,原理是根据NDVI最大值将每个NDVI周期划分成两段,对左右两段分别进行Morlet小波变换并自动选取合适的参数,使物候识别更加合理、准确.作者通过分段Morlet小波变换和最大斜率法提取青海湖流域LSP参数,分析LSP参数的时间变化、空间变化、特别年份等,揭示了青海湖流域物候变化的特点,同时证明基于分段Morlet小波变换的植被物候遥感识别方法在准确性与高效性上都有所提高.     

Morlet 小波在地表物候遥感识别中尺度的选取与应用

地表物候是人类了解地球生态系统的必要参数,也是动植物保护、农耕等活动的重要依据。使用遥感数据进行地表物候提取为大尺度的地表物候变化监测提供了一种有效途径。研究发现目前应用最广泛的非对称性高斯函数拟合法和双 Logistic 函数拟合法存在一定的缺陷,尤其是在提取 NDVI 峰值谷值和物候周期不明显区域 (如干旱地区、沙地) 的物候参数时存在严重的误差,而 morlet 小波在分析地表年际变化的周期特征方面表现良好。本文使用 morlet 小波对青海湖流域 2003-2014 年的 MODIS 数据进行分析,得到地表物候在该时间段内的年度变化与趋势,进行不同区域、不同时间的差异性分析,发现青海湖流域的地表物候期整体都略有提前,但生长季的长度呈延长趋势,认为青海湖流域的地表物候整体上响应全球变暖的趋势。中部地区的生长季长度大于高海拔、高纬度区域和沙地区域,认为青海湖流域的中部地区是最适合动植物生长、活动的范围。     

土壤湿度微波遥感中的植被散射模型进展

植被是影响土壤湿度微波遥感的主要因子之一,土壤湿度微波遥感的主要任务是建立含有地表土壤信息的植被散射模型。植被散射模型的建立可以加深我们对植被和土壤散射机理的理解,定量分析微波后向散射系数对于各散射因子的敏感性,进一步达到从微波信息中反演土壤湿度的目的。植被散射模型可以分为经验模型、理论模型和半经验模型,各种模型都具有自身的优势和局限性。经验模型的建立比较简单,但一般只适用于特定的研究条件;理论模型是建立在一定的理论基础之上,对于散射因子的考虑相对详尽,但一般模型比较复杂,反演相对困难;半经验模型是前两者的折中,它以植被的宏观物理参量为模型参数,模型的建立和反演比理论模型要简单,但同时也具有一定的理论依据,适用性也较经验模型广。     

基于多源数据的土地盐碱化遥感快速监测

通过分析干旱区土地盐碱化环境的地表景观特征和遥感信息特征，基于SPOT、ASTER多平台多波段遥感数据和DEM、土壤样品分析数据等多源数据，采用光谱角度制图（SAM）的遥感图像分类方法对实验区土地盐碱化程度进行了分级制图。该方法对常规数据的依赖性较小，适于西部干旱地区的土地盐碱化快速监测和评估。     

荷兰农业水土资源利用研究与遥感技术的应用-赴荷兰访问考察团

根据中荷两国学者互访协议,中国科学院沙漠所派我们两人在1985年10月10日至11月6日对荷兰进行了为期四周的考察访问。在荷期间,我们受到荷方学者热情友好的接待,首后访问了国际农业中心(IAC—