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。     

SMOS卫星海表面亮温数据与海表面盐度数据的相关性研究

海表面亮温是反演海表面盐度的关键。从不同海表面亮温参数与海表面盐度的关系入手,利用2014年7月8日西北太平洋区域SMOS(Soil Moisture and Ocean Salinity)卫星L1C数据和Argo实测盐度数据,使用数据拟合、显著性检验、偏相关分析和广义相加模型等方法,分析了海表面盐度SSS(Sea Surface Salinity)与SMOS卫星不同极化方式和不同入射角亮温参数的相互关系,并得到以下结论:水平极化亮温、垂直极化亮温、第一斯托克斯参数和第二斯托克斯参数4种亮温参数与入射角具有较强的相关性,水平极化亮温、第一斯托克斯参数与海表面盐度相关性较好,其中12.5°第一斯托克斯参数为反演海表面盐度的最佳亮温参数。     

基于微波遥感的海表面盐度探测机制研究进展

海表面盐度是气候学和海洋学的重要参数,利用海水盐度在L波段的辐射特性实现海表面盐度探测已经是国际上公认的有效手段。该文回顾了现有基于微波遥感的海表面盐度探测体制的研究进展,包括双波段探测体制、L波段被动探测体制、L波段主被动联合探测体制,着重介绍了机载L/S双波段,土壤温度观测卫星和宝瓶座应用科学卫星(Aquarius)的亮温校正技术,反演算法以及两颗盐度卫星的定标技术。此外,还介绍了一种基于GNSS反射信号(GNSS-R)技术的新型海表面盐度探测体制。最后,对基于微波遥感的不同海表面盐度探测体制的特点进行了总结比较,提出了未来海表盐度遥感可以改进的方向。     

基于星载微波辐射计的海面风场对海表盐度反演影响研究

为了研究海面风场对海表盐度反演结果的影响,需要构建准确的海面风场影响下的海表亮温模型。将不同海面粗糙度模型计算的结果与Aquarius盐度计卫星产品中的海面粗糙度数据进行了比较,结果表明双尺度模型结合海面泡沫模型的计算结果与Aquarius卫星产品粗糙度数据一致性最好。基于此构建了海面风场影响下的海面亮温仿真模型以及双极化通道的盐度反演模型,研究了海面风场对L波段海面微波辐射特性的影响以及风场资料误差对盐度反演精度的影响。仿真结果表明,2m/s的风速误差对盐度反演结果的影响较大。在低温和大风速条件下达到1psu以上,尚不能满足目前盐度遥感的精度要求。20°的风向误差对在中小入射角条件下对盐度反演结果影响较小,对盐度遥感的月平均要求影响不大。     

巴拉望岛附近海域盐度遥感反演

针对利用光学遥感卫星进行近岸海域海表盐度的高精度反演需求,基于多元统计回归分析思想构建研究区海洋盐度反演模型,以巴拉望岛附近海域为研究区,分别以MERIS卫星和MODIS卫星影像为基础数据,对该海域的海表盐度进行反演,并利用实测Argo数据对反演结果进行精度评定和对比分析,剖析了研究区海水盐度的时空分布规律。结果表明:1)MERIS和MODIS 2种数据反演误差分别为-2.94%和1.86%,反演模型的相关系数R~2达到0.79,表明2种数据反演结果的精度较高,模型适用性较强;2)相比之下,MODIS数据反演效果优于MERIS数据;3)研究区域的海表盐度发生着季节性的变化,并且呈现出自西向东逐渐增加的趋势,这种现象可能与研究区气候、温度变化以及所处地理位置有内在联系。     

L波段海水辐射率模型综述

全球海洋盐度的分布和变化对于海洋生态系统和海洋气候系统都是非常重要的参数。盐度的被动微波辐射遥感虽然在L波段灵敏度最高,但是其在L波段的灵敏度低于其它许多变量,因此对盐度反演模型精度要求很高。通过介电常数模型、海表粗糙表面波谱模型和电磁散射模型的融合,并经过实验数据的比较,可以获得描述海表辐射率的理论模型表达式。概述了目前常见的L波段描述海表辐射率的理论模型和几种半经验模型,利用不同的组合模型Two-scale与Durden &Vesecky x 2结合、SSA与Elfouhaily结合和利用亮温依靠速度的Hollinger和Camps等人的半经验线性模型以及Gabarro等人的半经验模型,归纳了Gabarro等人利用WISE试验数据和EuroSTARRS数据反演盐度的结果,并依据盐度反演的质量对这些模型进行了评估。     

渭河定量遥感水质反演中的大气校正作用研究

以渭河陕西段为研究对象,在获取了渭河陕西段实地监测数据和相应时间段的SPOT-5遥感影像数据基础上采用黑暗像元法(DOS)、大气辐射传输模型法等7种大气校正方法对SPOT-5遥感影像进行大气校正。结合校正后的遥感数据,使用多元线性回归、支持向量机(SVM)、及BP神经网络3种方法对渭河进行定量遥感水质反演。实验结果表明,通过遥感影像对渭河进行定量水质反演是可行的,大气校正在一定程度上提高了定量遥感水质的精度。对于SPOT-5遥感影像的大气校正,采取对遥感数据辐射定标后消除各波段最暗像元的方法可以达到较好的效果。     

海面粗糙度引起的SMOS卫星亮温增益研究

海表面亮温是决定海表面盐度反演精度的关键因素。针对海表面粗糙度对海表面亮温增益的影响问题,修正了SMOS(Soil Moisture and Ocean Salinity)卫星亮温粗糙度模型。从SMOS卫星半经验半理论模型入手,利用2014年7月8日西北太平洋区域SMOS卫星L1C数据、L2级盐度产品数据、HY-2A(海洋二号)卫星SWH(有效波高)、U10(海面10m处风矢量)数据、Argo实测海表面盐度和海表面温度数据,使用非线性拟合、P检验和BP神经网络模型等方法,对平静海面亮温和海面粗糙度引起的亮温增益模型进行了算法修正。通过与Argo实测海表面盐度对比,评价了模型修正效果。模型修正后的水平极化亮温和垂直极化亮温反演出的海表面盐度的相对误差分别为0.005和0.004,优于模型修正前。     

单窗算法在福建毗邻海域海表温度反演的适用性分析

基于2013~2014年春夏秋冬4个时相的HJ-1B热红外遥感影像,采用覃志豪单窗算法反演海表温度。利用实测海表温度数据作为反演结果的对比验证,结果表明:平均绝对误差为0.86℃,相关系数R~2为0.971 5。并对水汽含量和大气温度的不确定性,对反演结果产生不同程度的影响进行分析,结果表明水汽含量误差范围在-2~0g/cm~2之间,气温变化量在-2℃~2℃之间,所产生的海表温度误差在5%以内,依然可以达到较高的反演精度;冬季水汽含量的敏感性比夏季高,而大气温度在夏季的敏感性却比冬季高。因此,单窗算法在福建毗邻海域海表温度反演具有较好的适用性,对福建毗邻海域的海洋环境监测具有重要意义。     

基于深度学习的海表温度遥感反演模型

针对传统的海温反演模型参数拟合过程复杂且在不同海域适应性较差等问题,为进一步提高海表温度反演精度,简化反演过程,以渤海海域为研究区域,选取该海域晴空下的MODIS遥感影像并结合实测浮标数据,利用深层神经网络建立海表温度的遥感反演模型。对反演结果进行精度分析,分析结果表明模型精度较为良好,反演值与实测值决定系数为0.978,标准差为1.28℃,平均绝对误差为0.98℃,证明了基于深度学习的海表温度遥感反演的可行性。     

SMAP Satellite Sea Surface Brightness Temperature Simulation and Sea Surface Salinity Retrieval

Sea surface salinity remote sensing is one of the important contents of the remote sensing research of the ocean. For the influence of the sea surface salinity remote sensing caused by the atmospheric, according to the theory of atmospheric radiation transfer, the atmospheric radiation effects were simulated and corrected, and then the sea surface salinity was inverted by the neural network model. The result showed that the atmospheric radiation effect was serious, and it needed to be corrected. When the precision of atmospheric temperature and pressure of the earth surface was 2 ℃ and 10 hPa, the atmospheric influence could be removed. The difference in the number of the training sample sets would have a certain impact on the accuracy of neural network inversion. The salinity retrieval relative error of the SMAP satellite was small, and the residual error was basically concentrated within 0.6, but the error was larger in the region where the salinity value is lower than 34.4‰.     

Mono-window Algorithm Applicability in Fujian Sea and Its Surrounding Areas Sea Surface Temperature Retrieval

On the basis of four quarters HJ\|1b thermal infrared remote sensing images during 2013~2014,each of the spring,summer,autumn and winter,mono\|window algorithm was adopted to retrieve Sea Surface Temperature(SST).To verify the feasibility and accuracy of this algorithm,the derived results were compared with the measured SST data,show that the average absolute error is 0.86 ℃ and the correlation coefficient R² is 0.971 5.The different levels influence on derived results caused by the uncertainty of water vapor and atmospheric temperature is analyzed,indicate that if the water vapor error ranges between -2~0 g/cm²and the temperature variation is between -2 ℃~2 ℃,the sea surface temperature error will be within 5%,the high retrieving accuracy can still be achieved;The sensitivity of the water vapor in winter shows higher than in summer,while the sensitivity of atmospheric temperature demonstrates lower than in summer.Therefore,mono\|window algorithm is good applicable in the SST retrieval in Fujian sea and its surrounding areas,which is of great significance to Fujian environmental monitoring.     

基于PMDB数据集的海表温度反演误差统计分析

红外辐射计在测量海表温度时,大气水汽含量是影响遥感反演精度的主要因素之一。利用1988年1月~2009年11月60°N~60°S的SST和水汽月平均资料及AVHRR准同步实测数据集PMDB,分析了海表温度及其卫星反演误差和海面水汽含量的相关关系。结果表明：海表温度和水汽含量的纬度带月均值具有明显的季节变化特征。纬度越高,遥感SST偏离实测SST越小;在中低纬海域,PFSST算法通常低估了海表温度,而高纬度海域则高估了海表温度;SST误差的气候态月均值在中高纬海域具有较好的季节分布特征,与水汽、SST的季节变化相关性较高。     

Sea surface effects on the sea surface temperature estimation by remote sensing

By using a sea surface temperature profiler buoy, the behaviour of the vertical temperature profile near the sea surface was observed in Mutsu Bay. In the daytime under calm and strong sunshine condition, there occurred a large temperature difference between the uppermost sea surface and the 1 m depth. The difference disappeared when the wind began to blow with a speed greater than 4ms^?1. Besides the atmospheric effects the inhomogeneity of the vertical temperature distribution near the sea surface must be another major error factor in the sea surface temperature estimation by satellite remote sensing.     

水色水温遥感产品真实性检验误差分析

真实性检验是利用现场观测数据或其他高质量遥感产品来获取待检验遥感产品精度的技术,是遥感产品制作及其应用的前提。通过分析均方根误差、平均绝对误差和平均相对误差等多种遥感产品精度评价统计量的适用性,确定了一套水色、水温遥感产品真实性检验流程。以中分辨率成像光谱仪(MODIS)海表温度(SST)遥感产品的真实性检验实例展示了文中确定的水色水温遥感产品真实性检验流程的可行性。分析结果表明待检验产品的分布规律(样本均值和标准偏差)对检验结果的统计量会产生一定的影响,平均值对平均相对误差的影响呈现高相关性。     

卫星遥感海面风场的进展

空间技术的发展使得卫星遥感成为获取海面风速信息的重要手段。对卫星微波遥感海面风场的各种传感器的性能、特点等作了较全面地评述,并指出了卫星微波遥感信息的复合分析和数值同化将是获取海面风场的两个主要方法。     

三维海面计算机仿真

为海洋微波遥感器提供预研阶段的海面仿真数据,本文首先从经验的涌浪谱和风浪谱出发,利用傅立叶变换仿真了三维海面。结果表明,用这种方法可以模拟真实的海面。     

基于自编码神经网络的航空物探遥感数据分类方法研究

航空物探遥感数据的采集过程中受到电磁波辐射等外界因素的影响,导致航空物探遥感数据分类准确率较低,为此提出基于自编码神经网络的航空物探遥感数据分类方法;根据航空物探对象的基本特征,设置遥感数据的分类标准;通过辐射校正、几何纠正、噪声消除等步骤,完成航空物探遥感数据的预处理;构建自编码神经网络,利用自编码神经网络算法,从光谱、形状、纹理等方面提取遥感数据特征,通过特征匹配确定航空物探遥感数据的所属类型;通过分类性能测试实验得出结论：所提方法的全局遥感数据分类成功率和错误率的平均值分别为99.8%和0.6%,局部遥感数据分类的成功率和错误率的平均值分别为99.8%和0.3%,即所提方法在分类性能方面具有明显优势。