基于简化参数方法的蒙古干旱区土壤湿度被动微波遥感

卫星被动微波遥感土壤湿度,是准确分析大空间尺度上陆表水分变化信息的有效手段.美国航天局(NASA)发布的基于AMSR-E观测亮温资料的全球土壤湿度反演产品,在蒙古干旱区的实际精度并不令人满意.本文基于对地表微波辐射传输中地表粗糙度和植被层影响的简化处理方法,采用AMSR-E的6.9 GHz,10.7 GHz和18.7 GHz之V极化亮温资料,应用多频率反演算法,并以国际能量和水循环协同观测计划(The Coordinated Energy and Water Cycle Observations Project)即CEOP实验在蒙古国东部荒漠地区的地面实验资料作为先验知识,获取被动微波遥感模型的优化参数,以期获得蒙古干旱区精度更高的土壤湿度遥感估算结果.分析表明,本文方法反演的白天和夜间土壤湿度结果与地面验证值之间的均方根误差(RMSE)接近0.030 cm³/cm³, 证明所用方法在不需要其他辅助资料或参数帮助下,可较精确地反演干旱区表层土壤湿度信息,能够全天候、动态监测大空间尺度的土壤湿度变化,可为干旱区气候变化研究及陆面过程模拟和数据同化研究提供高精度的表层土壤湿度初始场资料.     

基于FY-3B/MWRI数据的青藏高原地区积雪深度反演

以青藏高原地区(25°N—40°N,70°E—105°E)为研究区域,基于积雪深度与微波辐射计18.7 GHz水平极化通道和36.5 GHz水平极化通道的亮温差(Tb_(18H)-Tb_(36H))具有良好的线性相关性,得出了适用于FY-3B/MWRI(Microwave Radiation Imager)亮温数据反演青藏高原地区雪深的新算法.利用FY-3B/MWRI一级亮温数据,通过新的半经验算法反演了青藏高原地区的积雪深度,进而运用AMSR2(the Advanced Microwave Scanning Radiometer 2)的二级雪深产品验证了反演结果.结果表明:针对青藏高原地区,新算法相对于全球积雪深度算法具有更小的平均相对误差以及更小的均方根误差,在该研究区域具有更好的适用性.今后可以结合该地区的地表类型分类,对积雪深度反演算法进行更加细致化的拟合,以期提高反演精度,为青藏高原地球物理参数的遥感反演提供支持.     

利用风云三号微波成像仪资料遥感“桑达”台风降雨云结构

本文利用搭载于我国风云三号B星上的微波成像仪(MWRI)观测亮温数据,结合戈达德廓线反演算法,对1102号"桑达"台风地面雨强和降雨云结构进行反演试验.利用AMSR-E业务降水产品对地面雨强反演结果进行了检验,结果表明,MWRI和AMSR-E反演的地面雨强在空间分布上非常吻合,相关性达76%,均方根误差约2.8 mm/h,二者的观测亮温及地面雨强反演结果具有较好的一致性.提取洋面台风雨区的平均水凝物廓线,其垂直结构显示,雨水和可降冰含量丰富,随高度变化明显,且具有明显峰值高度,云水和云冰含量则较少,且随高度变化不明显;当降水增强时,雨水和可降冰各层含量稳定增加,且峰值高度基本保持不变,云水和云冰含量则增幅不稳,且峰值高度有所改变.地面雨强随距台风中心距离的变化阐释了台风的螺旋结构及降水特点,距台风中心距离0.3°和0.6°附近分别出现了地面雨强峰值和次峰值,且66%的降水集中在距台风中心距离1°的空间范围内.MWRI提供的台风地面雨强和降雨云垂直信息具有较高的可信度,对于我们监测台风降水、分析台风降水结构的时空演变特征以及数值预报模式应用等具有重要的参考价值.     

一个改进的简单雪盖-大气-土壤传输模式

本文基于Sun等1999年发展的一个简单雪盖-大气-土壤传输模式（SAST）,改进了其雪盖的分层,提出了新的模式数值求解方法.改进后的新模型使用温度和雪层内的冰质量作为预报变量,在雪层处于冻结和融化状态时,有效地求解雪层温度分布和冻融过程,减少迭代次数,节省计算时间并提高其计算精度.新模型采用7层分层方法来代替旧SAST模型3层分层方法,在厚雪情况下3层分层方法过于简单.通过与5个前苏联站点观测数据的比较,新模式的模拟结果与大部分站点的观测值符合得较好.而当雪层较厚时,7层分层的模拟情况要好于3层分层.在Khabarovsk站,雪被强风吹走造成的差异以及土壤性质的差异,可能对模拟值与观测值的差别造成重要影响.在Tulun站,模拟结果的差异主要出现在雪盖厚度上,而对雪水当量的模拟情况与观测值实际吻合得很好.在对雪盖的生命期和积雪完全融化时间的模拟上面,从春季雪盖融化的趋势来看,新模式消融期和消融结束时间的模拟和实际观测符合得较好,并且7层分层结果要好于3层分层.在运算效率方面,新的3层模型比旧SAST模型运行时间要缩短20%.而由于7层分层方案有更多层来处理,它运行的速度与旧SAST相同,但更准确.考虑强风及改进雪面反照率参数化方案将是今后改进本雪盖模式的主要方向.     

Improvement of snow depth retrieval for FY3B-MWRI in China

The primary objective of this work is to develop an operational snow depth retrieval algorithm for the FengYun3B Microwave Radiation Imager(FY3B-MWRI)in China.Based on 7-year(2002–2009)observations of brightness temperature by the Advanced Microwave Scanning Radiometer-EOS(AMSR-E)and snow depth from Chinese meteorological stations,we develop a semi-empirical snow depth retrieval algorithm.When its land cover fraction is larger than 85%,we regard a pixel as pure at the satellite passive microwave remote-sensing scale.A 1-km resolution land use/land cover(LULC)map from the Data Center for Resources and Environmental Sciences,Chinese Academy of Sciences,is used to determine fractions of four main land cover types(grass,farmland,bare soil,and forest).Land cover sensitivity snow depth retrieval algorithms are initially developed using AMSR-E brightness temperature data.Each grid-cell snow depth was estimated as the sum of snow depths from each land cover algorithm weighted by percentages of land cover types within each grid cell.Through evaluation of this algorithm using station measurements from 2006,the root mean square error(RMSE)of snow depth retrieval is about 5.6 cm.In forest regions,snow depth is underestimated relative to ground observation,because stem volume and canopy closure are ignored in current algorithms.In addition,comparison between snow cover derived from AMSR-E and FY3B-MWRI with Moderate-resolution Imaging Spectroradiometer(MODIS)snow cover products(MYD10C1)in January 2010 showed that algorithm accuracy in snow cover monitoring can reach 84%.Finally,we compared snow water equivalence(SWE)derived using FY3B-MWRI with AMSR-E SWE products in the Northern Hemisphere.The results show that AMSR-E overestimated SWE in China,which agrees with other validations.     

青藏高原表层土壤湿度遥感反演及其空间分布和多年变化趋势分析

青藏高原地区高精度的长时间序列的土壤水分数据对亚洲季风和全球大气循环研究有着极大的影响,但目前青藏高原地区地面站点稀少,已严重影响青藏高原气候变化研究．本文基于双通道土壤水分反演算法和AMSR-E卫星数据反演青藏高原地区2003—2010年表层土壤水分,并分析青藏高原地区土壤水分空间分布的季节性变化及多年变化趋势的空间分布．与地面站点土壤水分比较,新算法反演的土壤水分产品精度在地面站点区域,优于AMSR-E官方产品．通过对青藏高原年平均土壤水分空间分布和月平均土壤水分空间分布的季节性变化进行分析,结果表明二者与青藏高原降雨分布和水汽输送路径一致．基于此产品对青藏地区的多年土壤水分变化趋势空间分布进行了分析,通过与同一时期青藏高原气象站点的降水量数据的变化趋势比较,发现土壤水分变化趋势和降水量的变化趋势在空间分布上比较吻合．     

基于AMSR-E的微波波段地表发射率反演——以青藏高原为例

青藏高原以其独特的特征在气候变化中起着重要的作用,而地表发射率对地表参数和大气参数的准确反演也非常重要,因此本文发展了青藏高原微波波段地表发射率的反演算法.首先通过辐射传输方程对地表发射率的反演算法进行了推导,并利用被动微波一维大气辐射模拟器的模拟数据对算法进行了验证,结果显示了较高的精度.接着结合微波辐射计AMSR-E的亮温数据和MODIS提供的大气廓线数据,利用本文发展的算法反演了青藏高原微波波段的地表发射率.最后,分析了青藏高原地表发射率的时空分布特征:从空间特征上分析,反演结果的空间分布符合青藏高原地表覆盖类型的变化,植被湖泊等可以在反演结果中很明显的显现;从时间特征上分析,在一个月的时间尺度上,发射率随时间变化并不明显,每天的变化值在0.01之内.另外通过对青藏高原裸露地表发射率的时间序列研究发现,地表发射率对降雨有非常敏感的响应.反演结果的合理性表明本文的算法具有可行性,可以利用该算法反演青藏高原的地表发射率并建立长时间序列的地表发射率数据库,为青藏高原其他地球系统参数的遥感反演提供基础,为青藏高原的相关地学研究提供数据支持.     

博斯腾湖流域积雪变化及影响因素

积雪是西北干旱地区河流的主要补给源,是绿洲的生命线.积雪的时空变化是全球变化的区域响应敏感因子之一,同时也是影响西北干旱地区地表水资源变化的主要因子之一.本研究利用MODIS雪盖产品、地表温度、SSM/I雪深、DEM等数据,通过GIS空间分析及地统计分析功能,系统分析了博斯腾湖流域雪盖、雪深的时空变化规律及其与影响因素之间的关系.研究表明,研究区雪深和雪盖多年月平均值从8月份到1月份达到最大值,到7月份降到最低值.但月最大雪深却出现在3月份.雪盖、雪深与地温相关系数分别达到-0.878、-0.853,与分布高程均值相关系数分别达到-0.626和-0.791.雪深最大值受海拔影响有明显的陡坎效应.从12月到8月份随着时间的推移雪的深度在降低,陡坎向高海拔方向移动.9-11月份雪深在加深,陡坎向低海拔方向移动.同一高程段雪深的变幅反应坡向对雪深的影响,变幅越宽坡向影响越大.并且变幅也有先从低海拔到高海拔移动,然后再回到低海拔的特点.本研究对了解该研究区积雪特性的研究有很大作用,可为在该地区开展融雪径流模拟等研究提供重要的参考信息.     

基于FY-3C微波成像仪的沙漠地表发射率反演

地表发射率是地表的固有属性,也是反演地表信息和大气温湿度廓线的重要参数.为了获取准确且具有具体物理含义的沙漠地区微波地表发射率,首先选取塔克拉玛干沙漠部分地区为反演区域,根据二元函数泰勒定理,推导了该地区的微波地表发射率与地表温度、地表湿度的线性、非线性函数关系.其次,利用最优控制原理,结合FY-3C微波成像仪的观测亮温资料与辐射传输模式(CRTM)模拟亮温数据,构建了沙漠地区微波地表发射率的线性与非线性反演模型.通过对比发现,利用线性和非线性反演模型得到的地表发射率不仅提高了反演区域亮温的模拟精度,而且模拟亮温的变化趋势也与观测更吻合.最后,对地表发射率的线性和非线性反演模型进行了不同时间与空间上的独立性检验,结果表明:除了反演区域外,在整个塔克拉玛干沙漠地区,两种模型反演的地表发射率仍比原地表发射率模拟亮温更接近观测.总的来说,线性和非线性反演模型对沙漠地区的微波地表发射率反演均具有一定的有效性和普适性,且非线性反演模型优于线性反演模型.     

基于光学与被动微波遥感的青藏高原地区土壤水分反演

青藏高原地区高精度的土壤水分反演对高原能水循环、全球大气循环研究有着极大的影响.因此,获取青藏高原土壤水分时空布信息是一个迫切需要解决的问题.温度植被干旱指数(TVDI),是基于光学与热红外遥感通道数据反演土壤水分的重要方法,但在研究区域较大、地表覆盖格局差异显著时,TVDI模型反演精度会受到地表温度(Ts)等因素的影响.被动微波AMSR-E数据精确记录了像元内的土壤水分信息,但空间分辨率低.本文利用同时期的MODIS与被动微波数据,发展了针对青藏高原地区高精度土壤水分反演算法.首先,在TVDI模型中,利用修正型土壤调整植被指数(MSAVI)代替归一化植被指数(NDVI),以改进NDVI易饱和的缺点;其次,利用ASTER GDEM数据,对地形高程和纬度差异引起的地表温度变化进行了校正;然后,通过神经网络训练建立基于TVDI、被动微波以及辅助气象数据的土壤水分反演模型,并应用该模型反演了青藏高原地区三个观测网(CAMP/Tibet、玛曲和那曲)的土壤水分;最后,利用实测土壤水分数据对反演结果进行验证,结果表明该模型的精度均方根误差(RMSE)数值可达到0.031~0.041 m~3·m~(-3).本文还应用该算法反演了青藏高原连续的土壤水分的空间分布,并比较了土壤水分的变化趋势与实测降水变化趋势,结果表明二者变化量的正负关系一致.     

基于GLONASS-MR技术的雪深探测研究

积雪不仅作为一种关键的淡水存储方式,也是全球气候系统的重要组成部分之一.目前,基于大地测量型接收机的GNSS-MR(Global Navigation Satellite System Multipath Reflectometry)技术遥测地表特征参数的研究已广泛开展.然而,先前大多的研究利用GPS (Global Positioning System)卫星探测积雪深度并获取了良好的结果,但是其仍存在观测数据单一、反演精度偏低等问题.为增加GNSS-MR技术所使用的数据源且GLONASS卫星数量接近GPS系统,本文提出了基于GNSS-MR算法,采用GLONASS卫星L1和L2载波低卫星高度角(小于25°)的信噪比数据测量了加拿大YEL2跟踪站2015年7月至2016年6月的逐日雪深.该反演值分别与GPS的结果和实测雪深对比,从多路径反射信号与雪深变化量的关系、反演精度以及相关性等多方面进行详细分析,验证了基于GLONASS卫星信号反演地表雪深的适用性和可靠性.结果显示:利用GLONASS卫星信噪比数据的反演雪深与实测雪深间具有高一致性.其中,GPS和GLONASS卫星L1载波的反演雪深无明显差异,两者的RMSE皆在4 cm左右;而GLONASS卫星L2-RMSE为2.6 cm,相关系数达到0.98,其雪深反演的效果明显优于前两种方法.因此,该结果表明采用GLONASS卫星反射信号探测地表雪深能进一步扩展GNSS-MR技术的应用.     

基于AMSR2数据的青藏高原地表温度反演

将青藏高原大致分为北部、西部和东部三个部分,利用2017年7月的AMSR2(Advanced Microwave Scanning Radiometer 2,即先进的微波扫描辐射计2)的一级亮温数据,结合NCEP(the National Centers for Environmental Prediction,即美国国家环境预报中心)FNL(Final)全球地表温度产品以及FY-3B(风云三号B星)上的MWRI(Microwave Radiation Imager,即微波成像仪)数据中的地表覆盖类型数据,通过AMSR2单通道亮温数据和NCEP/FNL表面温度产品得到了研究区域地表温度反演的经验算法,进而得到多通道反演算法.并且,对比了两种反演结果,并比较了对地表覆盖进行分类前后的多通道反演结果.结果表明:多通道反演结果和NCEP/FNL产品的相关系数远大于单通道反演结果,多通道反演结果的均方根误差比单通道反演结果小1～2 K;对地表覆盖进行分类后的多通道反演精度比不分类时的反演精度略高;降轨的反演结果普遍比升轨的反演效果好.     

COSMIC数据验证FY-3 MWTS通道4的观测结果

利用无线电掩星探测在平流层具有较高精度和稳定性的优势,本文采用COSMIC资料验证我国风云3号(FY-3)系列卫星上微波温度探测仪(MWTS)通道4表征的平流层低层测量结果.两年的FY-3A/3B上MWTS通道4观测亮温与掩星数据模拟的亮温相比较分析表明:两颗卫星平台上MWTS通道4观测亮温都偏高,尤其在热带地区和极区夏季;FY3A/3B上MWTS通道4亮温偏差的月均值变化趋势较为一致,两个年份的变化趋势也较为一致.MWTS通道4表征的平流层低层观测亮温在不同纬度带呈现不同偏差分布特征:热带地区明显系统偏高2~4 K,中纬度地区偏高1 K;而高纬度地区则出现随季节显著变化的偏差,尤其在南极地区季节差异达到5 K,这种依赖于环境温度出现的较大亮温偏差不完全是频率偏移引起.热带地区观测与模拟亮温差异显著,并且热带地区样本对于全球总体亮温偏差影响程度达到20%,这表明COSMIC数据在热带地区的验证结果需谨慎使用.     

AMSR-E低频亮温数据空间分辨率提高以及不同波段亮温数据组合应用时分辨率匹配的算法

和光学遥感相比,被动微波遥感以微波特有的性质获得了越来越广泛的应用,但是同时也面临着很多问题.其中,几十公里量级的低空间分辨率,以及多波段组合应用时,各个波段不同空间分辨率的数据如何进行分辨率匹配,是两个亟待解决的问题.本文利用Backus-Gilbert方法,以AMSR-E的亮温数据为研究对象,尝试解决这两个问题.首先,对Backus-Gilbert方法进行了理论推导,然后利用模拟数据分别在分辨率提高和不同波段分辨率匹配问题上进行参数选取,选取了最优参数以后,利用AMSR-E数据进行实例计算.以墨西哥湾和亚马逊河流域为例进行了分辨率提高的应用和验证.结果显示,经过处理以后,和原始数据相比,增添了很多细节,而且这些细节和可见光图像以及AMSR-E高分辨的高频图像是一致的.关于分辨率匹配,以Shi等最近提出的微波指数为例,计算了用普通的重采样进行分辨率匹配的微波指数以及用Backus-Gilbert方法进行分辨率匹配的微波指数.对比分析表明新算法的结果比原始结果更具有可信性.     

利用全极化微波辐射计资料反演台风境内海面风场

作为一种新兴的被动遥感技术,全极化微波辐射计不仅可以提供海面风速产品,还可以提供海面风向产品.以往利用全极化微波辐射计观测亮温进行海面风场反演仅在晴空条件下进行,本文通过对观测亮温结合台风区域海面风场的分布特征进行分析,验证了全极化微波辐射计具有在台风等恶劣天气条件下进行海面风场观测的能力.基于敏感性分析实验,确定使用6.8 GHz和10.7 GHz等低频通道组合可进行台风区域内海面风场反演.其中,海面风速反演使用基于统计的多元线性回归算法,同时对海面温度、大气水汽含量、云中液态水含量及降水强度等物理量进行反演计算,为海面风向反演做准备.海面风向反演使用物理统计法进行,借鉴散射计风向反演使用的最大似然估计法.通过在全极化辐射传输前向模型中加入降水对大气透过率的影响、设计第三和第四Stokes通道亮温环境影响修正函数,在实现台风区域内海面风向反演的同时减小了反演误差.通过对“云娜”台风境内海面风场进行数值计算,验证了本文反演算法的可行性,并对反演误差的空间分布特征进行了分析.将2004年各台风过程的海面风场反演结果与散射计风场产品进行对比,海面风速和海面风向反演的均方根误差分别为1.64 m·s^-1和18.02°.     

二氧化碳柱浓度的卫星反演试验及地基验证

基于最优估计理论,采用LBLRTM和VLIDORT辐射传输模式以及包含Line Mixing效应的aer_v_3.2数据库,构建了一套短波红外高光谱卫星反演XCO2的算法.利用该算法试验了Line Mixing效应对卫星反演结果的影响,对GOSAT卫星观测光谱数据进行了系统性试验反演,并利用选取的TCCON站点一年中的匹配观测资料进行了地面验证,同时与GOSAT卫星官方L2B产品进行了比对.试验表明,忽略Line Mixing将系统性低估约0.25%的CO2柱浓度.在气溶胶光学厚度小于0.3的大气条件下,本文反演算法反演结果与GOSAT官方数据产品精度接近,与地基观测值相差小于1%,而高浓度气溶胶背景下卫星反演CO2浓度的有效方法仍有待于突破.     

基于区域ATOVS数据同化的2008中国南方低温雨雪冰冻灾害的暴雪监测研究

2008年1月中国南方地区遭受了严重的低温雨雪冰冻灾害, 地面常规观测、地面雷达观测等气象监测手段因受冰雪灾害的影响, 未能提供全面及时的雪情信息. 为了补充雪情数据, 国家卫星气象中心采用区域ATOVS卫星遥感数据和NCEP预报数据, 利用与美国NCAR合作开发的WRF三维变分预报/同化系统(其中陆面子过程选用NOAH方案), 建立了基于区域ATOVS数据同化的2008中国南方低温雨雪冰冻灾害的暴雪监测系统, 提供了暴雪灾害时段内每6 h一次的雪水当量演化分布数据. 本文系统阐述了基于区域ATOVS数据同化的2008中国南方特大暴雪灾害监测方案, 并对比分析了同化前、后模拟结果与观测资料的吻合度. 研究表明: 同化后的分析场能更好地反映此次强降雪过程的天气特征, 雪深的计算精度较同化前有明显改进, 从而验证了基于区域ATOVS数据同化的雪情监测方案的可行性. 该研究不仅为暴雪天气灾害应急服务提供了及时准确的雪情空间分布和演变信息, 也为区域ATOVS数据的应用开辟了新途径.     

定量遥感反演作物蒸腾和土壤水分利用率的区域分异

首先讨论了在农业生态站建立的行之有效的、以遥感数据为主体的作物蒸腾二层模型.重点阐明了以多时相辐射温度和热惯量信息为基础的作物地表混合像元（视场）温度的分解模型,在遥感反演过程中提出了一些在模型和算法方面的优化和改进:提出了一个区域比辐射率估算的算法、提出了运用地表温度的静态反馈算法和扩展生态台站的空气温度到区域的算法.并在LUCC分类技术的支持下,提出了以地面粗糙度和辐射温度为参数的地面2m高的气温和风速的空间扩展算法.最后应用 NOAA-AVHRR和地面同步观测及其定标,按像元逐点运算,反演了华北地区农田作物蒸腾和水分利用率的区域分布.揭示了春天华北地区水资源在农业上的利用效率,为采取有效的节水措施提供了科学依据.     

MODIS陆地气溶胶遥感反演--利用TERRA和AQUA双星MODIS数据协同反演算法

利用卫星数据遥感陆地气溶胶一直是国际上研究的难点与热点.利用新一代传感器MODIS(中分辨率成像光谱仪)数据,DDV(Dark Dense Vegetation)算法反演陆地气溶胶的分布以及性质已经取得了较好的效果.然而,该算法只适用于诸如水体、浓密植被等较低地表反射率区域,大大限制了该算法的实际应用范围,尤其是无法应用于城市等亮地表区域气溶胶的遥感反演.文中提出了基于利用TERRA和AQUA双星MODIS数据的协同反演模型算法(SYNTAM-Synergy of Terra and Aqua MODIS),用以反演陆地气溶胶的光学厚度等信息.该算法实现了地表反射率与气溶胶光学厚度的同时反演,可应用于各种地表反射率类型,包括城市等亮地表区域.通过与国际AERONET的地面观测数据对比做初步的反演验证,结果表明,该算法具有较高的精度,进一步的验证工作还在继续.     

MODIS陆地气溶胶遥感反演

利用卫星数据遥感陆地气溶胶一直是国际上研究的难点与热点. 利用新一代传感器MODIS(中分辨率成像光谱仪)数据, DDV(Dark Dense Vegetation)算法反演陆地气溶胶的分布以及性质已经取得了较好的效果. 然而, 该算法只适用于诸如水体、浓密植被等较低地表反射率区域, 大大限制了该算法的实际应用范围, 尤其是无法应用于城市等亮地表区域气溶胶的遥感反演. 文中提出了基于利用TERRA和AQUA双星MODIS数据的协同反演模型算法(SYNTAM-Synergy of Terra and Aqua MODIS), 用以反演陆地气溶胶的光学厚度等信息. 该算法实现了地表反射率与气溶胶光学厚度的同时反演, 可应用于各种地表反射率类型, 包括城市等亮地表区域. 通过与国际AERONET的地面观测数据对比做初步的反演验证, 结果表明, 该算法具有较高的精度, 进一步的验证工作还在继续.