基于MEMLS模型的积雪深度反演方法

利用被动微波遥感反演积雪深度一直是积雪遥感领域中的研究热点。在现有的积雪深度反演算法中,NASA算法因其简洁、易于扩展的特点,成为应用最为广泛的算法。但NASA算法存在着一定不足:首先,由于NASA算法基于线性拟合得出,在应用到其他研究区域时需要对反演公式进行重新拟合,适用范围受到一定限制;其次,由于算法中引入的19GHz与37GHz的亮温差在雪深达到一定范围时会达到饱和,因此算法会低估积雪深度。本文针对现有反演算法的不足之处,结合蚁群智能算法的特点,发展了基于蚁群算法的积雪深度反演算法;此外,针对NASA算法中存在的雪深低估问题,引入了AMSR-E10.7GHz亮温数据,对算法进行了改进。利用MEMLS模型的模拟数据与AMSR-E辐射亮温数据对算法进行实验,并采用实测数据与AMSR-E雪水当量产品对算法的反演精度进行评价。结果表明,两种积雪深度反演算法均是可行的,反演精度与现有产品相比有较为明显的改进。     

神舟四号飞船微波辐射计定标和检验（Ⅱ）——微波辐射计地物参数反演及其检验

针对神舟四号飞船微波辐射计(RAD)特殊入射角、频率的特点,开发了海面和大气参数的反演算法。然后用这个算法模拟RAD不同通道的亮温。最后用发射后重新定标的亮温结合国外大洋浮标、小岛上的气象探空数据以及其他星载微波辐射计产品,对RAD反演算法进行改进,最后给出海面温度、风速和大气水汽含量的反演的结果,并且对这些结果进行了检验。     

基于被动微波遥感技术的玉米冠层叶面积指数反演

基于玉米冠层结构参数实测数据和Matrix-Doubling(MD)模型构建了玉米出苗期至抽穗期的冠层多波段、双极化微波辐射特性模拟数据库;通过对模拟数据的回归分析得到了玉米冠层在各波段的微波发射率及其与透过率之间的经验关系,并将经验关系应用于0阶微波辐射传输模型;结合土壤发射率模型构建了玉米冠层覆盖地表的微波辐射亮温参数化计算模型,并基于该参数化模型、利用玉米样地微波亮温观测试验数据,采用迭代方法进行了玉米叶面积指数(LAI)的反演.研究表明,LAI反演值与实测值的相关系数r＞0.9,说明多波段被动微波遥感数据在植被冠层LAI反演方面具有较大的应用潜力.     

HUT模型的改进及其雪深反演

基于风云-3B（FY-3B）卫星的微波成像仪（MWRI）数据对HUT模型（Helsinki university of technology snow emission model）进行验证,结果表明,无论是18.7 GHz还是36.5 GHz水平极化亮温,HUT模型模拟亮温都与MWRI亮温存在较大的偏差。因此,本文对消光系数进行了本地化改进,得到了改进的HUT模型（IMPHUT模型）。IMPHUT模型在18.7 GHz水平极化和36.5 GHz水平极化时的模拟亮温偏差分别为-0.91 K和-4.19 K,较原始的HUT模型模拟精度（偏差分别为14.03 K和-16.33 K）有很大提高。最后,利用遗传算法进行雪深反演,基于IMPHUT模型的雪深反演（偏差为-6.79 cm）优于HUT模型和Chang算法,反演与实测雪深具有较好的一致性。     

星载微波辐射计交叉定标中陆面目标辐射亮温计算模型

从被动微波辐射计在轨辐射定标的角度出发, 选取亚马逊雨林作为高温地面目标, 利用DMSPF13-SSM/I数据和NCEP数据对研究区19—89GHz辐射特性进行分析。研究发现, 利用辐射亮温稳定的热带雨林作为地面目标, 对19—89GHz的频段, 微波辐射亮温计算精度可以达到1K以内; 对于6和10GHz这样的低频通道, 撒哈拉沙漠是一个可供选择的地面目标, 根据所建立的亮温计算模型, 利用数值预报分析场NCEP数据作为输入, 其亮温计算精度在2K以内。     

利用嫦娥二号微波辐射计数据的全月亮温制图

中国嫦娥绕月卫星在世界上首次搭载了微波辐射计,用于获取不同深度月壤的微波辐射亮温,而这正是月壤厚度研究和月壤表层参数信息反演的基础。基于嫦娥二号的微波辐射计2C级数据,建立4个频率通道(3.0、7.8、19.35、37.0GHz)在不同纬度下的亮温日变化模型,并通过该模型对亮温数据进行时角校正,得到了正午时刻的全月微波亮温图。结合CCD影像和DEM数据比较的结果表明,处理后的亮温数据很好地反映了月球的地形特征及月表的反射率信息。基于高频的亮温数据对月球亮温异常区域进行了分析,发现其都是哥白尼纪的新鲜撞击坑。     

改进AMSR-E雪水当量算法研究

为了发展雪水当量物理反演算法,本文对不同散射阶模型——零阶、一阶、多次散射模型进行敏感性试验与分析,结果表明我们必须在前向理论模型和反演模型中考虑多次散射作用。本文采用的多次散射积雪辐射理论模型——双矩阵法（Matrix Doubling）求解辐射传输方程,用致密介质理论模型（DMRT）模拟积雪发射和消光特性,用AIEM模型模拟地表辐射及作为辐射传输方程的边界条件。由于该多次散射积雪辐射理论模型的复杂性,拟发展出简单且高精度的积雪辐射参数化模型,以发展雪水当量物理反演算法。因此,在包括多次散射的积雪理论模型基础上,本文通过建立针对AMSR-E传感器参数设置的积雪辐射模拟数据库,该数据库包含了各种可能的自然积雪和地表特性参数。从而在模拟数据库基础上,本文发展了针对AMSR-E的积雪参数化模型。     

基于BRDF原型反演地表反照率

先验知识在遥感反演中起到重要的作用,本文首先根据各向异性平整指数AFX和地表多角度观测数据集建立了BRDF二向性反射分布函数原型库,然后介绍了以BRDF原型作为先验知识的提取多角度数据地表反照率的原型反演算法,为验证算法的精度,将原型反演及全反演算法拟合验证数据子集得到的反照率与MODIS全反演算法拟合完整数据集得到的结果作比较。结果对比表明,观测天顶角在40°以内时,非垂直主平面的观测数据能够代表部分地表的各向异性反射特征,此时原型反演算法的最大平均绝对误差为0.036,相对精度比全反演算法高约5%—10%;当数据位于垂直主平面时,观测信息量严重不足,此时原型反演算法结果相对较稳定,而全反演算法的最大绝对误差高达0.18。 综上所述,原型反演算法能够在整个采样空间范围内对BRDF进行约束,对观测数据位置分布的依赖较小,抗噪声能力强,在反演观测信息不足的多角度数据时,结果精度优于全反演算法。     

利用最冷目标地物替代法计算Jason-2微波辐射计的年度漂移

本文研究最冷目标地物替代法计算Jason-2微波辐射计JMR年度漂移。针对Jason-2卫星微波辐射计(JMR),利用微波辐射计传输模型,建立JMR 3个通道的全球最低亮温观测值的理论计算模型,模拟其3通道全球地物观测最冷亮温;基于2008年—2012年Jason-2地球物理数据(GDR)产品中全球对地观测亮温序列和模型计算的最冷亮温,建立亮温序列的最小观测亮温统计模型,查找全球地物观测最冷亮温序列;根据地物年度变化特性,建立光谱分析模型,去除最冷亮温序列的年度谐波;去除年度谐波后,采用线性拟合的方法外推最冷亮温序列的理论最小值,并据此计算Jason-2微波辐射计仪器的年度漂移量。     

双矩阵算法的L波段多角度玉米微波辐射参数化模型

双矩阵MD(Matrix-Doubling)算法是辐射传输方程的一种数值解,考虑了植被层内的多次散射信号,具有较高的模拟精度。但受限于算法的复杂性,很难直接应用到地表参数的反演中。本文以玉米覆盖地表为研究对象,基于MD算法的模拟数据,发展了一种L波段多角度微波辐射参数化模型。基于模拟数据的对比结果表明,参数化模型具有与理论模型相当的精度,两者之间的发射率误差不超过0.004(V极化)和0.007(H极化)。同时,结合黑河流域的地面实测数据,利用本论文中发展的参数化模型模拟了纯玉米像元的辐射亮温。该模拟结果与相同像元尺度上机载L波段微波辐射计(PLMR)观测亮温之间的差异基本在10 K以内。     

Snow permittivity retrieval inversion algorithm for estimating snow wetness

The environmental satellite (ENVISAT) advanced synthetic aperture radar (ASAR) offers the opportunity for monitoring snow parameters with dual polarization and multi-incidence angle. Snow wetness is an important index for indicating snow avalanche, snowmelt runoff modelling, water supply for irrigation and hydropower stations, weather forecasts and understanding climate change. We used a first-order scattering model that includes both volume and air/snow surface scattering based on a developed inversion model to estimate snow dielectric constant, which can be further related for estimating snow wetness. Comparison with field measurement showed that the correlation coefficient for snow permittivity estimated from ASAR data was observed to be 0.8 at 95% confidence interval and model bias was observed as 2.42% by volume at 95% confidence interval. The comparison of ASAR-derived snow permittivity with ground measurements shows the average absolute error 2.5%. The snow wetness range varies from 0 to 15% by volume.     

SAR interferometric coherence analysis for snow cover mapping in the western Himalayan region

Abstract

Information of snow cover (SC) over Himalayan regions is very important for regional climatological and hydrological studies. Precise monitoring of SC in the Himalayan region is essential for water supply to hydropower stations, irrigation requirements, and flood forecasting. Microwave remote sensing has all weather, day and night earth observation capability unlike optical remote sensing. In this study, spaceborne synthetic aperture radar interferometric (InSAR) coherence analysis is used to monitor SC over Himalayan rugged terrain. The feasibility of monitoring SC using synthetic aperture radar (SAR) interferometry depends on the ability to maintain coherence over InSAR pair acquisition time interval. ERS-1/2 InSAR coherence and ENVISAT ASAR InSAR coherence images are analyzed for SC mapping. Data sets of winter and of snow free months of the Himalayan region are taken for interferogram generation. Coherence images of the available data sets show maximum decorrelation in most of the area which indicates massive snowfall in the region in the winter season and melting in the summer. Area showing coherence loss due to decorrelation is mapped as a snow-covered area. The result is validated with field observations of snow depth and it is found that standing snow is inversely related to coherence in the Himalayan region.     

基于被动微波遥感的青藏高原雪深反演及其结果评价

采用修正的张氏雪深反演算法，用ＳＳＭ／Ｉ３７ＧＨz和19GHz水平极化亮温值计算了青藏高原及其毗邻地区的积雪深度，对其精度进行了评价，并对误差来源进行了分析，结果显示，此算法能够较好地反映研究区的雪深分布，但局部地区误差较大，总体上雪深被高估，其误差主要来源于冻土，深霜层，植被以及雪层中液态水含量，雪粒的形状和粒径的变化带来的影响，SSM／I数据较低的分辨率和研究区复杂的地形使反演的雪深与观测的雪深缺少可比性，给精度的评价带来影响。     

基于MODIS雪盖数据的北疆雪深多元非线性回归克里金插值

为了提高北疆地区雪深时空分布监测的准确性,以该区域48个气象站点2006年12月—2007年1月的月平均雪深观测数据为基础,通过分析月均雪深空间自相关性及其与经纬度、高程的相关性,结合MODIS雪盖数据构建了多元非线性回归克里金插值方法,插值获得了北疆地区较高精度的雪深空间分布数据。将插值雪深数据与普通克里金插值法、考虑高程为辅助变量的协同克里金插值法的预测结果进行比较,结果表明:1相对普通克里金和协同克里金方法,多元非线性回归克里金法的12月份雪深预测精度分别提高了15.14%和9.54%,1月份的提高了4.8%和6.7%;2由于充分利用了经纬度和地形信息,多元非线性回归克里金法的雪深预测结果可提供更多细节信息;3预测结果客观地表达了雪深随经纬度和地形变化的趋势,反映了积雪深度的空间变异性;4基于不显著相关的协变量高程的协同克里金插值法预测的雪深数据精度劣于普通克里金插值法的预测结果。     

基于遥感数据的积雪信息提取:以新疆北疆为例(英文)

This paper proposes an applicable approach for snow information abstraction in northern Xinjiang Basin using MODIS data. Linear spectral mixture analysis (LSMA) was used to calculate snow cover fractions (SF) within a pixel, which was used to establish a regression function with NDSI. In addition, 80 snow depths samples were collected in the study region. The correlation between image spectra reflectance and snow depth as well as the comparison between measured snow spectra and image spectra was analyzed. An algorithm was developed for snow depth inversion on the basis of the correlation between snow depth and snow spectra in the region. The results indicated that the model of SF had a high accuracy with the mean absolute error 0.06 tested by 26 true measured values and the validation for snow depth model using another dataset with 50 sampling sites showed an RMSE of 1.63. Our study showed that MODIS data provide an alternative method for snow information abstraction through development of algorithms suitable for local application. Supported by the National Natural Science Foundation of China (No.70361001).     

A GIS-based method for defining snow zones: application to the western United States

This study maps the geographic extent of intermittent and seasonal snow cover in the western United States using thresholds of 2000–2010 average snow persistence derived from moderate resolution imaging spectroradiometer snow cover area data from 1 January to 3 July. Results show seasonal snow covers 13% of the region, and intermittent snow covers 25%. The lower elevation boundaries of intermittent and seasonal snow zones increase from north-west to south-east. Intermittent snow is primarily found where average winter land surface temperatures are above freezing, whereas seasonal snow is primarily where winter temperatures are below freezing. However, temperatures at the boundary between intermittent and seasonal snow exhibit high regional variability, with average winter seasonal snow zone temperatures above freezing in west coast mountain ranges. Snow cover extent at peak accumulation is most variable at the upper elevations of the intermittent snow zone, highlighting the sensitivity of this snow zone boundary to climate conditions.