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.     

青藏高原地表温度的比较分析

利用青藏高原改则、甘孜、拉萨和那曲气象站的地面水银温度计观测的地面0 cm温度和地面向上、大气向下长波辐射观测资料,计算和比较分析了地面水银表温度与地表辐射温度的差异.分析表明,由于地面水银温度计接触式测温方法的局限性,使得气象台站观测场地的地面水银表温度存在较大的误差：在裸露地表,夏季白天的正偏差可达4℃以上,夜间的负偏差在-2℃左右;在稠密植被地表,白天正偏差最高可达16℃以上,夜间的负偏差可达-3℃.由于偏差的不均衡性和离散性,即使对地面水银表温度作简单平均或积分平均处理,其代表性仍然很差.在对地表温度准确性要求较高的定量化研究与应用中,应避免直接采用地面水银表温度资料,即使由于资料缺乏而以其代之,也应对其采取适当的订正补偿等处理措施.随着科学研究对地表温度准确性的更高要求,推广使用地表辐射测温的观测方法是必要的.     

基于FY-3B/MWRI数据的青藏高原地区地表发射率反演

以青藏高原地区为研究区域,利用FY-3B/MWRI(Microwave Radiation Imager)一级亮温数据和NCEP(the National Centers for Environmental Prediction) FNL(Final)全球业务分析资料,通过简化的微波辐射传输方程反演了晴空大气条件下的地表微波发射率.进而根据IGBP(International Geosphere-Biosphere Program)陆表覆盖分类数据,进一步分析了青藏高原地区微波地表发射率的频谱和空间分布特征,并分析了反演误差的来源.结果表明:青藏高原地区微波地表发射率的空间分布、频谱特征都与地表覆盖类型分布特征高度吻合,呈现出西北部地表发射率极化差异大,东南部极化异差小的分布特征.本研究中地表发射率的反演误差主要来自降水像元判别方案、再分析资料的时空匹配.还需要进一步研究定量误差,以期提高反演精度,进而建立长时间序列的地表发射率数据库,为青藏高原地球物理参数的遥感反演提供数据支持.     

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.     

一个针对被动微波AMSR-E数据反演地表温度的物理统计算法

用MODIS的地表温度产品和AMSR-E不同通道之间的亮度温度回归分析表明用89GHzV 做地表温度反演主通道的精度最高. 用AIEM模型模拟表明, 土壤粗糙度和土壤水分变化引起土壤辐射率变化可以通过不同极化波段的差值得到有效的消除, 从而克服了被动微波反演地表温度中辐射率不稳定的困难. 通过回归系数分析表明, 不同的地表覆盖类型的辐射机制是不同的. 要精确地反演地表温度, 至少对地表分成三种覆盖类型, 即水覆盖的地表、雪覆盖的地表以及非雪和水覆盖的地表. 以MODIS地表温度产品作为评价标准, 物理统计方法的平均精度在2~3℃.     

GMS 5资料反演地表温度的一个修正算法

本文研究发展利用GMS 5/VISSR每小时卫星观测资料反演地表温度的方法,首先利用时空判断法进行云检测寻找晴空像元,然后从辐射传输方程出发,由实时探空资料求取大气上行、下行辐射率及大气透过率,根据由AVHRR NDVI导出的地表比辐射率,用单时相双光谱分裂窗法反演得到地表温度.比较反演结果与54511站及其他中国基准站2000年地面0cm地表温度实测值,相对于国际上其他经验公式而言,本文算法在精度上有所提高.敏感性分析试验着重于大气衰减的影响.基于本文算法,给出了内蒙中东部地区地表温度连续4天的变化实例以及东亚部分陆地“纯晴天”地表温度图.     

利用ENVISAT/AATSR资料反演黄土高原陇东地区地表温度

由于ENVISAT/AATSR资料不同角度热辐射亮度值之间存在较高的相关性从而导致较大误差的产生,本文尝试避开这种误差源,只选取天底观测数据对黄土高原陇东地区整层大气水汽含量及地表温度进行反演.与MODIS整层大气水汽含量产品对比验证表明,本文结果与MODIS产品有一定差异,但是可以直接用于大气透过率的估算.结合野外观测数据对地表温度反演结果的检验表明,最大绝对误差为4.0 ℃,平均相对误差为5.0％,因此,该算法在黄土高原陇东地区应用比较成功.     

新型Landsat 8卫星影像的反射率和地表温度反演

Landsat 8卫星自2013年2月发射以来,其影像的定标参数经过了不断调整和完善,针对Landsat 8开发的各种算法也相继问世.本文采用最新的参数、算法和引入COST算法建立的大气校正模型,对Landsat 8多光谱和热红外波段进行了处理,反演出它们的反射率和地表温度,并与同日的Landsat 7数据和实测地表温度数据进行了对比.结果表明,现有Landsat 8多光谱数据的定标参数和大气顶部反射率反演算法已有很高的精度,本文引入COST算法建立的Landsat 8大气校正模型也与Landsat 7的COST模型所获得的结果几乎相同,相关系数可高达0.99.但是现有针对Landsat 8提出的地表温度反演算法仍不理想,已提出的劈窗算法误差都较大.鉴于TIRS 11热红外波段的定标参数仍不理想,因此在现阶段建议采用单通道算法单独反演TIRS 10波段来求算地表温度,但要注意根据大气水汽含量的情况选用正确的大气参数计算公式.     

应用静止卫星热红外遥感亮温资料反演地表温度的方法研究

双通道多时相反演方法在提取地表温度场时可把地表温度与地表发射率分离计算,是利用静止卫星热红外遥感资料研究地表温度场变化的一种有效方法。该方法计算简单,易于实现海量资料处理,基本满足红外遥感资料在地震预报中的应用要求。     

基于SCLSTM模型的MODIS地表温度产品重建方法

MODIS(Moderate-resolution Imaging Spectroradiometer,中分辨率成像光谱仪)LST(Land Surface Temperature,地表温度)产品在大气物质和能量交换、气候变化研究及地震前兆热异常探测等方面具有重要价值。然而,由于云的遮挡导致MODIS LST数据产品中存在大量空值,限制了其广泛应用。为此,文中提出了一种基于混合模型的地表温度重建方法——SCLSTM(即SSA-CLSTM)。与传统方法相比,该方法无需建立复杂的回归关系模型。此外,由于CNN(Convolutional Neural Network,卷积神经网络)能够充分提取一维时间序列数据的局部特征,而LSTM(Long Short-Term Me mory,长短期记忆)能够充分学习数据的长时间序列特征,因此将CNN和LSTM结合能够更加充分地学习数据的潜在特征。首先,使用SSA(Singular Spectrum Analysis,奇异谱分析)模型提取出地表温度时间序列中的趋势值用于填补缺值像元,实现地表温度的初步重建。然后,再利用SCLSTM(即1DCNN-3层堆叠...     

青藏高原植被变化与地表热源及中国降水关系的初步分析

利用设在青藏高原的5个自动气象站（AWS）近地层梯度观测资料、归一化植被指数（GIMMS NDVI）和中国624个台站月降水资料,初步分析了青藏高原植被变化与地表热源及中国降水的关系．结果表明：青藏高原植被与地表热源之间存在明显的正相关关系．高原西部感热与NDVI的正相关关系较高原东部显著,而高原东部地表潜热与NDVI的正相关关系则好于高原西部．植被改善后,各季节地表热源以增加为主,尤其夏季,热源增量最大;冬、春季感热对地表热源增量贡献较大,潜热贡献相对较小;夏、秋季感热与潜热对地表热源增量贡献同等重要．青藏高原植被与中国夏季降水相关系数从南到北,呈“＋-＋”带状分布．植被变化引起的高原地表加热异常可能是影响中国夏季降水的重要因子之一．     

利用NOAA/AVHRR数据获取地表特征参数的方法研究

地表特征参数的正确与否直接影响到区域陆面蒸散量估算精度,因此在区域非均匀陆面蒸散研究中,地表特征参数的获取方法是一个值得探讨的问题．与传统的方法相比,卫星遥感技术在求取地表特征参数时有其独特的优势．NOAA气象卫星AVHRR资料以其时间分辨率高、覆盖面广、价格低廉等优点广泛应用于非均匀陆面蒸散研究和应用中．本文建立了NOAA／AVHRR计算地表特征参数的参数化模型,选取中国东北松嫩平原西部地区2000年7月8日的AVHRR资料,试算了研究区地表温度、地表发射率、地表反照率、NDVI等主要地表特征参数,并且参照2000年研究区土地利用数据对各参数的空间分布特征及合理性进行了分析。     

青藏高原中东部过去2485年以来温度变化的树轮记录

通过青藏高原东北部现生活树与墓葬古木相衔接, 利用树轮宽度重建了这一地区过去2485 a以来的年均温度变化序列. 这个温度序列所揭示的气候历史表明序列中有4个时期的温度高于或接近1970~2000 AD的平均温度. 348~413 AD出现过一次快速的由寒冷到温暖的气候突变事件, 文中称之为“东晋事件”. 计算表明, 高原中东部长时间尺度温度变化不仅反映了中国中北地区, 同时也响应了北半球的温度变化. 在过去2485 a里, 中国绝大部分朝代的灭亡都与该温度序列的低温时期相对应. 此外, 与中国其他地区的温度记录相比较, 高原中东部在1950年代之后升温幅度更高一些.     

基于HJ-1B卫星的玉树M_S7.1地震地表温度异常识别

基于中国HJ-1B卫星热红外数据,对2010年玉树M_S7.1地震区进行地表温度(LST)研究。研究结果显示,2010年4月初LST异常值最初出现在毗邻震中的西南部,并且主要沿属于应力增强区的扎那曲-着晓断裂和杂多-上拉秀断裂分布;之后异常幅度逐渐增强,异常区域逐渐扩大至震中区域,但主要高值异常区依然位于震中西南部且沿着断裂带分布,显示出地表升温异常与断裂构造的相关性;在地表温度变化的过程中,4月14日发生了玉树M_S7.1地震,然后异常现象逐渐减弱,4月26日异常区域的LST值明显低于18日的数值并逐渐消散,5月中下旬该区域LST值恢复至正常状态;地震前后的LST异常呈出现-扩散集中-衰减-消失的变化过程。同时,以相同方法和标度计算了2009年同区域、同时段的LST值作为背景信息,进一步印证了2010年4月14日青海玉树M_S7.1地震LST临震异常的可靠性。     

地表温度映震异常与植被覆盖度间的相关性

基于乌兰浩特地震台监测区域的遥感影像,使用最大似然分类算法对影像进行6种地表物的分类,采用辐射传输方程算法进行地表温度的定量反演,根据影像提取的植被覆盖度,总结研究区域地表温度异常、植被覆盖度与地震间的相关性。     

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.     

基于地面LIDAR玉树地震地表破裂的三维建模分析

2010年4月14日的玉树MS7.1地震造成沿甘孜-玉树断裂的一系列NW向地表破裂.利用Trimble GX 3D地面激光三维扫描仪获取了玉树地震断裂SE段禅古寺附近的典型地震地表破裂的精细点云数据.在对点云数据进行校正、分割、滤波等预处理基础上,分析了地震地表破裂不同表面建模方式的原理和方法,选取了无投影的不规则三角网建模方式对该处地表破裂进行三维建模实验,结合精配准高清晰现场纹理照片,制作了地震地表破裂的三维图像;并从模型的多个角度选取剖面进行地震地表破裂精细三维量测分析,得到该处地表破裂的平均垂直位移为74cm,水平位移为10cm.在此基础上进一步分析了玉树地震断裂的性质及其破裂特点.     

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 m³·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.

     

遥感与实测地表温度的对比分析及在地震研究中的意义

伴随着空间观测技术的发展,卫星热红外遥感在地震领域受到越来越多的关注,同时存在许多基础性工作亟待完善.本文以由卫星遥感影像与实际测量两种不同方法获取的地表温度为基础,选取2006年3月~2008年2月近2年的数据,进行遥感与实测地表温度之间的对比研究.分析结果表明遥感与实测地表温度之间:夜间差值比白天要小,白天的相关性比夜间相关性差;无论是白天还是夜间,长周期信号相关性比短周期要好,对于几十天以上的变化,两者相关程度均极高.意味着分析地表温度的长周期变化时,选用白天或者夜间数据产品没有实质性区别.通过本文分析,初步明确了遥感地表温度与实测地表温度之间的相关性,有助于选取合适的遥感资料开展地震研究.     

植被指数-地表温度构成的特征空间研究

植被指数和地表温度是描述陆表过程的重要参数, 综合通过遥感手段得到的植被指数和地表温度信息, 来分析地表的各种植被覆盖、水分含量等变化过程, 有助于更好地认知和评价陆表变化过程, 是目前遥感和陆表过程研究中比较前沿的一个方向. 文中试图解释清楚归一化植被指数(NDVI)和地表温度(Ts)的各种存在关系及其相互转换过程, 尤其是根据NDVI和LAI、地表蒸散的关系, 利用LAI-Ts构成的三角形特征空间, 解释NDVI达到饱和以后的情况, 以便更有效地进行应用.