L波段多角度裸露地表土壤水分反演研究

土壤水分是气象预报、农情监测以及水文模型的重要参数之一,利用被动微波遥感技术可以有效获取土壤水分。欧空局（ESA）计划于2009年发射卫星SMOS(Soil Moisture and Ocean Salinity) ,其主要目的是监测全球范围内的土壤水分和海洋盐度变化。根据SMOS的设置情况,寻找精度较高的半经验模型以便为进一步的土壤水分反演提供简化模型。对于裸露地表,地表粗糙度、土壤介电常数等因素影响最终的微波发射率。运用Dobson半经验介电常数模型计算土壤的介电常数,将计算结果输入高级积分方程模型(AIEM)。通过AIEM模拟的数据库,利用回归关系建立了一个精度相对较高的L波段多角度半经验模型。     

一个从MODIS数据同时反演地表温度和发射率的神经网络算法

MODIS的三个热红外波段29、31、32建立了三个辐射传输方程,这三个方程包含了5个未知数(大气平均作用温度、地表温度和三个波段的发射率)。用JPL提供的大约160种地物的波谱数据对MODIS三个波段(29/31/32)发射率之间的关系和用MODTRAN4对大气透过率和大气水汽含量之间关系进行模拟分析。分析结果表明地球物理参数之间存在着大量的潜在信息。由于潜在的信息难以严格地用数学表达式来描述,因此神经网络是非常适合被用来解这种病态反演问题。利用辐射传输模型(RM)和神经网络(NN)反演分析表明神经网络能够被用来精确地同时从MODIS数据中反演地表温度和发射率。地表温度的平均反演误差在0.4°C以下;波段29/31/32发射率平均反演误差都在0.008以下。     

土壤水盐介电模型对比与分析

土壤介电常数是微波遥感反演土壤水分和盐分的基础,是微波遥感研究的主要参数之一,选用模拟精度较高的土壤水盐介电模型对提高土壤水分和盐分反演精度具有重要意义。目前,土壤介电模型无法定量描述盐分对土壤介电常数的影响。采用Dobson模型及考虑盐分影响的Dobson-S模型、GRMDM模型、HQR模型和WYR模型分别模拟了土壤温度为25℃时不同土壤质地、含水量和含盐量土样在L、C、X波段的复介电常数实部与虚部,并将模拟结果与微波网络分析仪测量值进行对比分析,得到以下结论:(1)Dobson模型和GRMDM模型可较好地实现非盐渍土介电常数实部的模拟,而低频波段虚部的模拟值小于测量值;(2)Dobson-S模型对盐渍土介电常数实部的模拟精度较高,在L、C、X 3个波段相关系数(R)均为0.97,均方根误差(RMSE)小于2.10;但对于盐渍土介电常数虚部,在土壤体积含水量不同的情况下,Dobson-S模型、HQR模型和WYR模型的模拟精度不同。研究结果对选取适当的土壤介电模型反演土壤水分和盐分具有一定的参考价值。     

基于EOS/MODIS 的云雾光学厚度和有效粒子半径反演研究

使用SBDART 辐射传输模式模拟EOS/MODIS 可见光和近ö短波红外通道的光学特性, 分析了使用这些通道进行云雾光学厚度和有效粒子半径反演的可行性, 建立了不同条件下的正演模拟辐射数据库, 在此基础上反演云雾光学厚度和有效粒子半径。敏感性研究表明, 不同波长的近/短波红外波段反射率对不同高度上的粒子敏感, 使用不同通道组合反演所得的有效粒子半径反映了云层不同高度上的粒子尺度特征。结合卫星数据和常规资料做了实例分析, 分析结果表明, 反演结果具有合理性。     

长江口及邻近海域悬浮颗粒物对叶绿素a遥感反演算法的影响分析

利用水介质光辐射传输数值模型Hydrolight,结合前人对长江口及邻近海域水体的生物—光学模型研究,模拟不同光学水体的遥感反射率,并分析遥感反射率对悬浮颗粒物(SPM)的敏感性以及SPM对4种叶绿素a(Chla)反演算法(二波段、三波段、荧光基线高度(FLH)和综合叶绿素指数(SCI)算法)的影响。结果表明:由Hydrolight模拟得到的遥感反射率与现场同步实测的遥感反射率的均方根误差小于0.01sr-1,其中可实现遥感反射率在550~725nm波段较精确的模拟。遥感反射率对SPM的敏感性随着Chla浓度的升高而降低。二波段、三波段算法适合低SPM浓度水体的Chla浓度反演,FLH算法反演Chla浓度时易受SPM的影响,而SCI算法在中、高SPM浓度水体中消除SPM的影响进而反演Chla的潜力较好。     

改进的浓密植被法反演Landsat-8 OLI气溶胶光学厚度

针对利用传统浓密植被法难以准确确定地表反射率的不足,分析了Landsat-8 OLI影像红蓝波段的地表反射率与归一化植被指数、散射角对短波红外波段(2.1μm)地表反射率的关系。分析表明,红、蓝波段与短波红外波段(2.1μm)地表反射率之间的比例关系随归一化植被指数和散射角的改变而不同,据此提出构建用于确定红、蓝波段地表反射率的关系模型,用于实现气溶胶光学厚度的反演。选取美国中东部云覆盖较小的地区进行气溶胶反演,使用AERONET站点数据进行反演结果的验证。结果表明,使用该模型得到反演结果与AERONET站点的实测值具有很好的一致性,拟合结果较好;大约70%的数据位于误差线内,反演结果满足精度要求。     

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。     

利用风云卫星MERSI数据反演叶面积指数的研究

风云三号A星上搭载的中分辨率成像光谱仪(Medium Resolution Imaging Spectrometer)MERSI从2008年5月底开始对地球观测,其中5个波段250m分辨率的数据包含了丰富的植被信息,在全球同类传感器数据中独具特色,在其基础上反演的陆表植被数据产品目前还不多见。利用2013年生长季在河北固城观测获取的冬小麦光谱数据,结合MERSI 250m数据计算的NDVI值,建立二者NDVI之间的线性转换模型Y=1.1458 X+0.1916;同时利用地物光谱NDVI与实测叶面积指数构建了NDVI-LAI指数模型Y=0.0899e4.459 X;然后,利用MERSI 250m数据反演出华北太行山前平原区冬小麦的叶面积指数,经与大田观测的叶面积指数以及同期MODIS的叶面积指数产品对比验证,结果表明:反演的MERSI-LAI与实际观测叶面积指数接近且具有很好的线性关系,其空间分布与MODIS的叶面积指数相近,但MODIS-LAI数值明显偏小。     

基于TES算法的地表温度反演应用研究

温度比辐射率分离算法（TES）是针对高光谱分辨率的热红外测量数据,利用地物热红外光谱的一些共性特点作为先验知识或者约束条件,从一次观测中同时反演温度和光谱发射率的方法。利用这类方法反演地表温度时主要需要较多的光谱波段和较高的信噪此。本研究以长白山火山区为例,首次将温度比辐射率分离算法应用于该区的地表温度反演,通过NEM,RAT和MMD这三种TES方法的迭代逼近,基于ASTEPR多波段热红外数据反演了长白山地区的地表温度。反演结果显示：望天鹅火山区为低地表温度集中分布区;而长白山火山区却表现为高海拔低温背景下的高地表温度集中分布,经过对地表覆盖状况的实地调查发现,该区裸露的大量浮岩是引起这种地表温度异常的主要原因之一。     

海表面盐度卫星微波遥感研究进展

海表面盐度SSS(Sea Surface Salinity)是研究大洋环流和海洋对全球气候影响的重要参量、是决定海水基本性质的重要因素之一。卫星微波遥感可以满足盐度研究过程中大范围、连续观测的需要,国际上统一的认识是选择频率为1.413 GHz的L波段作为盐度遥感的首选波段。目前,国外发展的海面盐度微波遥感反演算法主要有两种:基于海表发射率估算海表盐度的算法和基于贝叶斯定理提出的反演算法。影响盐度反演精度的因素主要有太空辐射、电离层法拉第旋转、大气、海面粗糙度等。其中,海面粗糙度对盐度反演影响很大,海面粗糙度处理模型可以分为3大类:理论算法(间接发射率模型、直接发射率模型)、经验算法、半经验半理论算法(Hollinger 半经验模型、WISE半经验模型、Gabarró模型)。SMOS卫星和Aquarius/SAC\|D卫星的成功发射,将海表面盐度遥感的反演精度控制在0.2 psu以内,通过改进反演算法,有望得到更高的反演精度。     

Thermal infrared inverse model for component temperatures of mixed pixels

Multiangular remote sensing data can be used to retrieve land surface component temperatures, which will have a broad application in the future. For higher resolution pixels of satellite radiometers, the component temperatures may be separated adequately by some methods. However, for coarse resolution pixels that contain a mixture of vegetation and bare soil, the component temperatures may not be retrieved robustly by traditional inversion methods. In this study, a thermal model-based algorithm was developed for mixed pixels. A simulation method was implemented to assess the performance of the algorithm. The method consisted of extensive radiative transfer simulations under a wide variety of Leaf Area Index (LAI) values in the vegetation part of directional thermal infrared (TIR) radiation, vegetation and soil emissivity, vegetation and soil temperatures, bare soil area ratio and downwelling longwave atmospheric radiation. The results indicate that the inversion error of the component temperatures does not exceed 0.5° when LAI values are less than 6.0. A field experiment was also conducted to assess the accuracy of the model. The experimental results indicate that even if the differences between the nadir and off-nadir radiative temperatures over a mixed pixel are small, the model can still determine the component temperatures accurately. A sensitivity analysis shows that an accuracy of less than 10% for LAI in the vegetation part and the bare soil area ratio is required to achieve a precision of 1 K for the component temperatures derived. An error of 1 K in the radiometric temperature leads to an error of 1 K in the component temperatures retrieved.     

垂直干旱指数在高寒农区春旱监测中的应用研究

青海省东部农业区“十年九旱”,“春旱年年有”,对农业生产的影响非常严重,但该地区至今缺乏有效的春季干旱遥感监测方法。使用环境减灾卫星CCD数据提取青海省东部农业区农业气象观测站的垂直干旱指数(PDI),拟合其与不同深度土壤水分的关系模型,各模型的无偏相关系数均在0.7以上;其中PDI与0~20 cm土壤相对湿度关系模型(y=-489.00x+188.78)的拟合效果最好(无偏相关系数为0.7985)。该模型反演的湟源农业气象观测站固定观测地段的土壤水分时间变化序列与人工测量值的时间变化序列,在趋势变化上较为一致。2013年西宁农区的春季干旱监测中,该模型监测结果显示:发生干旱的地区主要出现在大通河谷地和湟水谷地,湟源农区的土壤旱情在整个西宁农区的土壤旱情发展中最为严重,监测结果与实际旱情分布地区一致。     

Comparative Analysis of Soil Water and Salt Dielectric Model

The soil dielectric constant，the basis of the microwave remote sensing inversion of soil water and salt，is one of the main parameters of microwave remote sensing research.It is very important to select the high precision soil water and salt dielectric model to improve the precision of soil water and salt inversion.However，the existing soil water and salt model still can’t quantitatively describe the effect of salt factor on soil permittivity.This paper simulates the complex permittivity of different texture，water content and salinity wet soil by Dobson model，Dobson\|S model，GRMDM model，HQR model and WYR model at L，Cand X bands when soil temperature equal 25 ℃.Comparison and analysis the simulation values with measured values by microwave vector network analyzer.The results show：(1)Dobson model and GRMDM model can accurately simulate the real part of dielectric constant of non\|saline soil，while the stimulated values of imaginary part is less than the measured values;(2)Dobson\|S model can well simulate the real part of the dielectric constant of saline soil，at L，C\nd Xbands the correlation coefficient R equal 0.97，the RMSE is less than 2.10.But for the imaginary part of the dielectric constant of saline soil，the Dobson\|S model，HQR model and WYR model with different simulation accuracy，when soil water content different.This study would benefit the choice of a suitable soil dielectric model for soil moisture and salinity retrieval.     

基于AMSR-E的全球陆表被动微波发射率数据集

地表微波发射率表征了地物向外发射微波辐射的能力,星载被动微波发射率估算可在宏观、大尺度上对陆表微波辐射进行整体表达,是被动微波地表参数定量反演中重要基础数据,也是在大尺度上获取陆表微波辐射特征的一种途径。本数据集利用搭载在Aqua卫星上的高级微波扫描辐射计(AMSR-E)和中分辨率成像光谱仪(MODIS)的同步观测特点,采用MODIS的地表温度和大气水汽产品数据作为输入,基于考虑大气影响的发射率估算模型,生产了全球晴空条件下AMSR-E传感器运行期间(2002年6月~2011年10月)的陆表多通道双极化微波瞬时发射率。通过产品低频无线电信号影响、数据间比对、分布统计、不同地表覆盖条件的发射率特征、频率依赖和相关性研究等开展验证性分析,结果表明:瞬时发射率的动态大、细节表达丰富,月内日变化标准差在0.02以内,其时空变化、频率依赖和相关性等符合微波理论分析和自然物理过程理解。此套数据集还包括AMSR-E全生命周期的全球陆表逐日、侯、旬、半月及月产品,可用于开展星载被动微波遥感模拟、陆面模型以及陆表温度、积雪、大气降水/水汽/可降水量等反演研究。     

Evaluating NDVI-based emissivities of MODIS bands 31 and 32 using emissivities derived by Day/Night LST algorithm

Surface emissivity estimation is a significant factor for the land surface temperature estimation from remotely sensed data. For fully vegetated surfaces, the emissivity estimation is performed in a simple manner since the emissivity is relatively uniform. However, for arid land with sparse vegetation, the estimation is more complicated since the emissivity of the exposed soil and rock is highly variable. In this study, mean and difference emissivity for bands 31 and 32 of MODIS sensor have been derived based on NDVI values. First, the NDVI thresholds have been determined to separate bare soil, partially vegetated soil and fully vegetated land. Then regression relations have been derived to estimate mean and difference emissivity of the bare soil samples and partially vegetated surfaces. A constant emissivity is also used for fully vegetated area. Along with the correlations, standard deviations of the regression relations have been examined for a set of representative soil types. Standard deviations smaller than 0.003 in mean emissivity and smaller than 0.004 in difference emissivity are resulted in regression linear relations. Evaluation of the NDVI derived regression relations has been performed using the results of MODIS Day/Night Land Surface Temperature (LST) algorithm on a pair of MODIS images. Using around 45,500 pixels with different soil and land cover types, emissivity of each pixel in bands 31 and 32 have been estimated. The calculated emissivities have been compared with emissivities calculated by MODIS Day/Night LST algorithm. Biases and standard deviations of NDVI-based relations show relatively high agreement for mean and difference emissivity relations with Day/Night method results. It may be concluded that the proposed algorithm can be used as a rather simple alternative to complex emissivity estimation algorithms.     

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.     

基于多时相TM影像的冬小麦面积变化监测

利用北京1992年、2000年、2004年、2009年的多时相Landsat TM5影像数据,结合实际调查数据,分析了近20年来北京冬小麦种植面积的变化趋势及演变特征。采用决策树、PCA、缨帽变换等手段对地物进行分类,利用多时相影像,NDVI组合阈值提取小麦种植区面积。研究结果表明:北京地区1992年、2000年、2004年、2009年冬小麦种植面积分别为:113671ha,84322ha,40410ha,61529ha。北京冬小麦种植面积呈现为明显的先减少后增加的趋势。从1992年到2009年共减少52143ha。其中,从1992年到2000年冬小麦种植面积减少了29349ha,减少的面积中城区扩张占用和转变为裸地的最多,分别为39.7%和42.8%,另外有13.3%变为设施用地,3%成为水体(鱼塘和水田);从2000年到2004年冬小麦种植面积共减少43921ha,减少的面积中转变为裸地和城区扩张占用的最多,分别为39.8%和33.1%;从2004年到2009年冬小麦种植面积共增加了21119ha,其中裸地转变为小麦种植区面积最大。     

Cover: Remote sensing based detection of defensive minefields

Crop surface temperature (CST) is an important parameter to monitor crop status. Satellite data in thermal region provide an opportunity to estimate CST over large regions at frequent intervals. In the present study, various split‐window algorithms are employed to estimate CST over rice areas in irrigation projects of Krishna basin, South India using multi‐resolution MODIS satellite data. NDVI is used to approximate the mean pixel emissivity, by taking known values for emissivity and NDVI for pure vegetation and bare soil pixels. Diurnal ground measurements are made to evaluate satellite‐derived CST. CST values obtained using the Sobrino method have been found to be closer to the ground‐measured values compared with other algorithms, as it takes into account view angle, atmospheric transmittance, and water vapour corrections. It has been observed that the error in estimating CST is comparatively lower for well‐grown crops.     

基于QAA算法的昆承湖固有光学量反演模型

基于2010年4月在昆承湖采集的野外实验数据,建立了适用于昆承湖的QAA固有光学量反演模型。结果表明:该模型可以得到较高精度的反演结果。所有验证点在411~700nm波段范围内,反演总吸收系数和实测总吸收系数的决定系数R2都高于0.984,平均相对误差ε都低于14.5%。在440、488和532nm 3个波段处,总吸收系数反演值和实测值决定系数R2分别为0.655、0.742和0.826,平均相对误差ε分别为6.5%、3.6%和3.4%,精度较高。反演后向散射系数与和参考后向散射系数在440、488和532nm处均具有较好的相关性,且532nm处反演后向散射系数与实测总悬浮物浓度决定系数为0.624,呈正相关,反演后向散射系数具有一定的可信度。该模型能够为昆承湖固有光学量的反演提供一条有效途径。     

Surface Emissivity Image Simulationfor Atmospheric Absorption Bands based on Spectral Mixing

A simulation method based on spectral mixing is proposed for surface emissivity image generation in atmospheric absorption bands,in order to provide surface input data for the corresponding end to end image simulation.First,endmember selection is conducted on data source to acquire image endmember spectra.Then,substitute endmembers are selected from surface measured spectra by spectral matching with image endmembers,and used for abundance inversion.Finally,using emissivity spectra of substitute endmember in the absorption bands and abundance maps,emissivity images are simulated based on linear spectral mixing model.In the simulation experiment,Landsat8 OLI images were used as data source,and JHU and USGS spectral library data were assumed to be ground spectra of the test case.Since actual emissivity images in absorption bands are unavailable,accuracy analysis is conducted by comparing OLI reflectance images with its simulations generated by the proposed method.Total RSMEs of simulated OLI images are 0.045 and 0.049,respectively;which shows the image simulation method is feasible and can produce images with high accuracy.