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。     

利用多时相ASAR数据反演黑河流域中游地表土壤水分

土壤水分是地表能、水循环过程中的重要变量之一,利用主动微波遥感,特别是合成孔径雷达（SAR）进行土壤水分的反演已经越来越受到人们的关注。地表与微波相互作用机理非常复杂,受到粗糙度的强烈影响,成为制约土壤水分准确反演的一个重要因素。利用3景时序接近的ASAR影像对黑河中游临泽草地试验区地表参数进行了多通道的反演,获得了像元尺度上的粗糙度分布状况,从而不需要借助粗糙度的地面测量辅助信息,节省了工作量。土壤水分反演取得了较为满意的结果（均方根误差< 6%）。      

C波段SAR山区积雪面积提取研究

合成孔径雷达(SAR)不仅具有穿云透雾,全天候观测地表的能力,而且可穿透地表覆盖一定深度获取地表覆盖物内部特征信息。利用2011年10景ENVISAT\|ASAR可变极化模式精细图像(ASA_APP_1P)数据,分析比较了黑河上游祁连山冰沟流域不同时段积雪SAR后向散射特性,应用同期的MODIS积雪面积产品确定研究区积雪的累积和消融背景信息。研究表明:由于融雪期积雪含水量上升,SAR图像后向散射系数相比干雪或无雪图像明显降低,经过分析认为广泛应用的-3 dB阈值会明显低估湿雪覆盖范围,-2 dB阈值更适合该地区湿雪面积参数提取。山区积雪融化过程中低海拔区域积雪融化而高海拔山区积雪仍可能为干雪,在提取湿雪像元的基础上,根据Sigmoid函数阈值获取的像元湿雪百分比及DEM信息来提取干雪像元,最终获取整个流域积雪面积信息。通过与Landsat ETM+图像积雪面积分类结果进行比较,总体精度达到78%。积雪累积和消融背景信息的分析表明:误差主要源于流域东北部与西北部低海拔区域积雪快速消融。     

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。     

多尺度卫星雪盖面积获取的对比研究

系统地开展尺度和尺度效应的研究,综合利用日益增多的不同分辨率的遥感影像数据,是地球空间信息科学发展的趋势之一。作为多尺度转换大命题中的前期工作,旨在通过试验的手段检验不同尺度产品的真实性,发现多尺度转换中潜在的各种问题,以及探索可行性的尺度转换方法,为进一步的多尺度转换研究工作提供良好的背景知识。多尺度雪盖面积的获取,包括两样区1 m分辨率野外人工子像元雪盖、两样区30 m分辨率子像元重采样雪盖、30 m Hyperion和TM卫星反演雪盖、以及MODIS 500 m分辨率的MOD10A1雪盖日产品。通过对上述不同尺度获取的雪盖面积的相互对比研究,我们发现：①1 m样区的雪盖>30 m重采样雪盖>30 m Hyperion和TM的雪盖 ;②若把1 m样区看做500 m像元的单点试验,该单点不能完全正确地表征同位置像元上的地物特征 ;③MOD10A1产品有云覆盖地区,宜采用前后雪盖合成的方法来辅助判断并恢复当日云层下的地表类型。同时,通过对各像元级尺度的雪盖面积的真实性检验,我们也发现尺度转换需关注的潜在关键问题：①精确的像元匹配 ;②重采样方式 ;③数据获取时间以及产品时间序列 ;④多传感器图像处理 ;⑤产品算法的影响 ;⑥混合像元的影响 ;⑦试验样方的大小设计 ;⑧地面同步物理参数的测量 ;⑨空间异质性的定量表达。     

基于Sentinel-1及 Landsat 8数据的黑河中游农田土壤水分估算

土壤水分是陆地表层系统中的关键变量。利用主动微波遥感,特别是合成孔径雷达(Synthetic Aperture Radar,SAR)的观测,在监测和估计表层土壤水分时空分布方面已开展了诸多研究。然而,SAR土壤水分反演仍存在诸多挑战,特别是地表粗糙度和植被的影响。因此,本文提出了一种结合主动微波和光学遥感的优化估计方案,旨在同步反演植被含水量、地表粗糙度和土壤水分。反演算法首先在水云模型的框架下对模型中的植被透过率因子(与植被含水量密切相关)采用3种不同的光学遥感指数——修正的土壤调节植被指数(Modified Soil Adjusted Vegetation Index,MSAVI)、归一化植被指数(Normalized Difference Vegetation Index,NDVI)和归一化水体指数(Normalized Difference Water Index,NDWI)进行参数化估计,用于校正植被层的散射贡献。在此基础上,构造基于SAR观测和Oh模型的代价函数,利用复型洗牌全局优化算法进行土壤水分和地表粗糙度的联合反演。采用Sentinel-1 SAR和Landsat 8多光谱数据在黑河中游开展了反演试验,并利用相应的地面观测数据对结果进行了验证。结果表明反演结果与地面观测具有良好的一致性,其中基于NDWI的植被含水量反演效果最佳,与地面观测比较,土壤水分决定系数(R 2)在0.7以上,均方根误差(RMSE)为0.073 m^ 3/m^ 3;植被含水量R 2大于0.9,RMSE为0.885 kg/m 2,表明该方法能够较准确地估计土壤水分。同时发现植被含水量的估计结果,以及植被透过率的参数化方案对土壤水分的反演精度有一定的影响,在未来的研究中需要进一步探索。