微波遥感典型地物介电常数实地测量

在微波遥感定量化研究中,要求对遥感目标的介电特性有较准确的了解.为此采用自由空间法在野外实地测量典型目标的介电常数.给出了基本原理,定标方法及在X波段对黑土,草地,和冰所测的介电常数。分析比较了测量结果。     

遥感新技术的若干进展及其应用

概述了高光谱遥感、微波遥感、激光雷达和偏振探测等遥感新技术的特点，并在此基础上，综述了这些新技术在地质、海洋、大气、农业、环境、测绘等领域的应用现状。     

分层土壤后向散射及其在深层土壤湿度探测中的应用

该文定量地分析了频率、入射角、土壤介电常数等主要因素对电磁波穿透性能的影响。计算了分层土壤后向散射系数与地表参数,介电常数,系统工作频率,极化方式,入射角的关系,并从理论上得到验证,为深层土壤湿度反演提供了一个比较合理的模型。文中结论对低频段(0.1-1GHz)合成孔径雷达系统设计及深层土壤湿度反演具有实际应用价值。     

无源微波遥感海上石油污染的研究

本文应用空气，油膜和海水组合体模型计算和分析了有效发射率随油膜厚度，工作频率和入射角变化的关系，提出了无源微波遥感海上石油污染的优选方案并成功地进行了航空微波遥感试验。     

雷达遥感与成象

前言八十年代空间电子学的主要发展方向之一是微波遥感技术,特别是微波遥感成象雷达。回顾七十年代微波遥感技术的兴起正是空间电     

裸地散射特性分析

本文详细地研究了裸地（农用耕地）的散射特性。根据实验现象提出了新的散射系数与入射角关系模型，与实验数据获得了很好的吻合性。通过分析裸地散射系数的雷达参数（入射角、极化、频率）和地面参数（粗糙度、土壤湿度）的响应特性，得到微波遥感土壤湿度时的最佳工作参数。     

AMSR-2性能改进对无线电频率干扰的有效缓解

为缓解星载微波辐射计探测资料在低频6.9 GHz波段的无线电频率干扰（radio frequency interference,RFI）,第二代先进的微波扫描辐射计（advanced microwave scanning radiometer-2,AMSR-2）在AMSR-E通道设置的基础上增加了中心频率为7.3 GHz的两个极化通道.除此之外,AMSR-2在硬件方面将天线反射器的直径由1.6 m扩大为2.0 m,并减小了各通道的波束宽度.本文基于AMSR-E 2010-10—2011-09（AMSR-E工作最后一年）和AMSR-2 2012-08—2013-07（AMSR-2工作第一年）、2016-08—2017-07（AMSR-2工作四年后）长时间序列的观测资料通过平均值标准差法识别全球陆地6.9 GHz和7.3 GHz通道的无线电频率污染.研究结果表明,AMSR-2 7.3 GHz观测资料中识别出的RFI污染像元数量上远小于AMSR-E 6.9 GHz观测资料中受污染像元个数,尤其是美国和日本地区,体现了新增通道对RFI的有效缓解.AMSR-2在硬件方面的改进增大了主波束效率,提高了空间分辨率;与AMSR-E共有的6.9 GHz通道相比,全球RFI从出现范围和强度上都有所减小.     

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。     

天山雪深反演算法验证与分析

针对被动微波遥感雪深反演算法在特殊地形条件下精度较差的问题,分析了两种雪深反演算法在新疆天山地区山地和平地在不同雪深条件下的误差。利用2014年12月15日到24日同步获得的46个山地和52个平地雪深数据、FY3B-MWRI亮温数据以及2008年MCD12Q1地面分类数据,对FY3B-MWRI业务化算法和Chang算法在新疆天山地区进行了对比分析。采用实测的不同地形和雪深数据进行了多组雪深反演,并分析山地和平地不同雪深反演误差。结果表明:1)所有样点参与反演时,Chang算法的雪深反演均方根误差为14.18cm,FY3B-MWRI业务化算法均方根误差为8.66cm,FY3B-MWRI业务化算法雪深反演效果优于Chang算法;2)对比山地和平地雪深反演结果,Chang算法的山地雪深反演均方根误差为18.31cm,平地雪深反演均方根误差为9.3cm;对于FY3B-MWRI业务化算法,山地雪深反演均方根误差为10.73cm,平地的雪深反演均方根误差为4.36cm,Chang算法和FY3B-MWRI业务化算法山地反演均方根误差是平地均方根误差的两倍左右;3)当雪深在20~30cm和大于30cm两组时,FY3B-MWRI业务化算法和Chang算法精度普遍都不高。     

SMOS与SMAP过境时段表层土壤水分的稳定性研究

SMOS和SMAP都是为获取全球土壤水分信息而设计的专题卫星,均搭载了L波段辐射计。进行二者的横向对比是构建具有一致性的全球土壤水分数据集的关键基础。虽然SMAP、SMOS名义上的过境时刻是固定的,但二者的实际过境时刻随时间和空间发生变化,它们与地面实测数据三者之间难以匹配形成时序上严格统一的样本对,从而给土壤水分反演结果的精度评定带来困难。针对这一问题,以美国大陆地区为研究区,首先对2016~2017年SMOS、SMAP土壤水分数据的时间戳进行统计,判定二者过境的交叠时段;进而利用高观测频率、大空间尺度的实测数据,研究表层土壤水分在此时段内的自然变化特征。结果显示,按照全部、无降水、有降水3种条件,在样本量分别为98.14%、99.51%和88.49%的绝大多数情况下,表层土壤水分的变化量为0.007 m3/m3、0.007 m3/m3和0.012 m3/m3, 远小于SMOS、SMAP的目标精度（0.04 m3/m3）。初步证实： ①SMOS与SMAP的土壤水分反演结果（L2数据）可进行直接比对;②过境时刻差异对验证误差的影响可不计。