检索结果-南通市图书馆

融合主被动微波遥感的高分辨率地表冻融状态识别

在线全文

学校读者我要写书评

暂无评论

冰川冻土 2023年第2期45卷 808-822页

作者：张晨晋锐中国科学院西北生态环境资源研究院黑河遥感试验研究站/甘肃省遥感重点实验室甘肃兰州730000 中国科学院大学北京100049

为细致刻画地表冻融状态及其年循环特征、长时间序列变化趋势及其与陆地生态系统的相互作用,需要进行高分辨率(1 km)的地表冻融状态识别。被动微波的低空间分辨率,无法精细描述地表冻融状态的空间变化;主动微波(合成孔径雷达)能以较高... 详细信息

为细致刻画地表冻融状态及其年循环特征、长时间序列变化趋势及其与陆地生态系统的相互作用,需要进行高分辨率(1 km)的地表冻融状态识别。被动微波的低空间分辨率,无法精细描述地表冻融状态的空间变化;主动微波(合成孔径雷达)能以较高的分辨率识别地表冻融状态,但其低时间分辨率无法准确捕捉春秋季地表冻融转换。融合主被动微波遥感信息,发展高分辨率地表冻融状态识别算法对细致刻画地表冻融状态、生产高分辨率地表冻融遥感产品具有重要意义。本文以青藏高原中部土壤温湿度观测网为研究区,采用随机森林分类算法,以升/降轨Sentinel-1σ0 VV(垂直极化后向散射)、SMAP TbV(垂直极化亮温)和辅助时空信息为输入,构建融合多源信息的高分辨率(1 km)地表冻融状态识别算法。结果表明:在降轨时,有/无主动微波信息,地表冻结期(每年1—3月)识别精度分别为100.0%/97.8%;地表融化期(每年6—10月)识别精度分别为99.1%/99.4%;地表冻融转换时期(每年4—5月)的识别精度为82.0%/74.1%;地表融冻转换时期(每年11—12月)的识别精度为95.1%/90.0%,精度有所下降。其原因是主要受到海拔、坡向及土壤质地的影响。通过对输入变量重要性排序,分析其在随机森林中的贡献可知,DOY(儒略日)、Tb_(V)、LAI(叶面积指数)、LST(地表温度)、σ_(VV)^(0)、坡向是必要的输入变量。其中σ_(VV)^(0)虽然排在第五位,但去除σ_(VV)^(0),算法在地表冻融转换时期的识别精度下降显著(春/秋季精度分别下降23.7%、9.4%),证明主动微波信息对于提高算法识别精度的重要性,因此在主动微波信息可获取时,应融合主被动微波信息进行地表冻融状态识别。高分辨率的地表冻融状态可准确划分地表的稳定冻结期、稳定融化期及冻融转换期,并反映地表冻融转换时期的空间异质性特征。

关键词：地表冻融状态主被动微波高空间分辨率随机森林分类算法信息融合

青藏高原地区主被动微波遥感联合反演土壤水分的研究

在线全文

学校读者我要写书评

暂无评论

青藏高原地区主被动微波遥感联合反演土壤水分的研究

作者：李芹首都师范大学

学位级别：硕士

土壤水分是地气相互作用、水文循环等研究的关键变量,它影响地表能量通量、径流、辐射平衡、物质迁移等。土壤水分的准确估计在农业灌溉、灾害监测等实际应用中非常重要。但是,土壤水分在空间和时间上变化非常大,建立稠密的地球表层变... 详细信息

土壤水分是地气相互作用、水文循环等研究的关键变量,它影响地表能量通量、径流、辐射平衡、物质迁移等。土壤水分的准确估计在农业灌溉、灾害监测等实际应用中非常重要。但是,土壤水分在空间和时间上变化非常大,建立稠密的地球表层变量的观测网几乎不现实。通过遥感尤其是微波遥感的方式来快速的、大范围的获取土壤水分是目前最佳的选择。微波遥感因为具有对地表的穿透性和对水分的敏感性的优势因而非常适合用来监测土壤水分。但与此同时,微波遥感信号还受到其他一些地表参数(如地表粗糙度、植被覆盖、土壤温度等)以及观测条件(如传感器、降水)的影响。因此为了更好的在实际应用中利用微波遥感手段获取土壤水分信息,还有很多问题需要去解决。研究表明,主动微波对与地表几何特征相关的地表参数(如植被结构、地表粗糙度等)比较敏感,而被动微波对土壤水分比较敏感。同时,主被动微波传感器并不总是搭载在同一平台上。因此,采取什么方案将主被动微波遥感结合起来对土壤水分进行反演成为关注的热点。本文的研究目标是利用被动辐射计AMSR-E和主动散射计Quikscat/seawinds发展针对青藏高原玛曲区的土壤水分反演方法。主要内容可以分为5部分。第一部分为引言。阐述研究背景、研究意义和国内外研究现状,提出本论文的研究内容和技术路线。第二部分为主被动微波遥感反演土壤水分的理论基础。简介与本论文研究工作相关的基础理论：主被动微波遥感的基本概念、辐射与散射模型。第三部分为卫星数据和研究区概况。介绍了研究区(即青藏高原玛曲地区)的地理位置、地形地貌、地表覆盖、降水、气候特点以及地面观测网络等,并基于此综合分析了研究区地面数据资料,以便加深对地面能提供的信息的理解;然后对选择的主被动传感器(被动辐射计AMSR-E和主动散射计Quikscat/seawinds)的进行介绍。第四部分为模型和算法分析。根据研究目的,分析以往研究中的反演方案的不足,综合考虑卫星数据和研究区的特点,主要使用模型模拟分析的手段,研究和分析适用的主被动微波模型和模型参数,然后进行主被动观测的正向模拟,接着分析各个地表参数对主被动观测的敏感性,最后总结出改良后的反演方案。这一方案的要点有：(1)结合研究区资料和植被指数经验公式估算了植被对于Ku波段后向散射系数的影响,得到了用两个极化的后向散射系数之差估算粗糙度参数的一个统计回归公式;(2)引入新近发展的Qp模型代替传统的Q/H模型,并用同一频率不同极化的亮温差来消除植被光学厚度项从而对辐射模型公式进行变形;(3)将后向散射系数反演的粗糙度输入到变形后的辐射模型公式中,利用反演算法,来反演土壤水分。此外,结合微波遥感反演原理,对两种反演算法一一LM和EnKF——进行阐述。第五部分为针对研究区的土壤水分反演及验证。在本部分,用前面提出的反演方法对研究区的土壤水分进行反演,然后与地面站点实测值进行对比、分析。第六部分为结论。总结本论文的研究成果和不足之处。本文的创新点有：1、分析以往主被动结合的不足,并引入新近发展的Qp模型代替传统Q/H模型,从而提出一种改进后的主被动微波联合反演的方案。2、研究集合卡尔曼滤波算法,尝试将其引入主被动微波遥感反演。

关键词：主被动微波 AMSR-E Quikscat/seawinds 土壤水分青藏高原l

利用主被动微波遥感结合反演土壤水分的理论模型分析

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

国土资源遥感 2011年第2期23卷 53-58页

作者：杨立娟武胜利张钟军北京师范大学信息科学与技术学院北京100875 中国气象局国家卫星气象中心北京100081 遥感科学国家重点实验室北京100875

为了更好地进行土壤水分反演,发展了一种基于热带降雨观测计划(TRMM)的主被动微波结合反演裸露地表土壤水分的算法。为了提高反演精度,同时利用TRMM搭载的测雨雷达(PR)和微波成像仪(TMI)进行观测。另外,针对PR/TMI数据,还建立了包含大... 详细信息

为了更好地进行土壤水分反演,发展了一种基于热带降雨观测计划(TRMM)的主被动微波结合反演裸露地表土壤水分的算法。为了提高反演精度,同时利用TRMM搭载的测雨雷达(PR)和微波成像仪(TMI)进行观测。另外,针对PR/TMI数据,还建立了包含大范围的土壤水分和粗糙度参数的AIEM模型数据库。通过分析AIEM模型对地表后向散射和辐射的模拟发现,地表粗糙度参数对后向散射系数和亮温均有重要的影响。最后,在AIEM模型模拟数据库的基础上,利用理论模型——几何光学模型(GO模型)和半经验模型———Qp模型,通过对地表粗糙度参数的分析,结合TRMM/PR和TMI数据,建立了一种主被动微波遥感相结合的反演裸露地表土壤水分的模型,并进一步获得了反演土壤水分的算法。

关键词：主被动微波 TRMM 土壤水分

基于水云模型的Sentinel-1A双极化反演植被覆盖区土壤水分

在线全文

学校读者我要写书评

暂无评论

水土保持研究 2019年第5期26卷 39-44页

作者：李伯祥陈晓勇徐雯婷东华理工大学测绘工程学院南昌330013 流域生态与地理环境监测国家测绘地理信息局重点实验室南昌330013 江西省数字国土重点实验室南昌330013

根据开展的景县地区玉米农田主被动微波遥感协同反演土壤水分监测试验,提出利用FY-3 B WMRI被动微波数据计算微波极化差异指数(MPDI),建立了植被层含水量反演模型,去除植被含水量对于农田土壤水分反演的影响,然后结合植被层含水量反演... 详细信息

根据开展的景县地区玉米农田主被动微波遥感协同反演土壤水分监测试验,提出利用FY-3 B WMRI被动微波数据计算微波极化差异指数(MPDI),建立了植被层含水量反演模型,去除植被含水量对于农田土壤水分反演的影响,然后结合植被层含水量反演模型和水云模型,以及Sentinel-1A主动微波数据和部分实测样点土壤体积含水量数据建立植被覆盖区农田土壤水分半经验反演模型,最后验证分析Sentinel-1A VV/VH不同极化条件下土壤水分反演模型的精度。结果表明:VV极化条件下土壤水分反演模型反演精度为R^2=0.7422,RMSE=0.0674 cm^3/cm^3,MAE=0.0305 cm^3/cm^3,MaxE为0.1196 cm^3/cm^3,MinE=0.0024 cm^3/cm^3;VH极化模型为R^2=0.1898,RMSE=0.0768 cm^3/cm^3,MAE=0.0474 cm^3/cm^3,MaxE=0.1933 cm^3/cm^3,MinE=0.0190 cm^3/cm^3。研究区VH极化模型反演值存在普遍偏低现象,VV极化模型土壤水分反演结果优于VH极化模型。VV极化方式具有更强的穿透性,受到植被层衰减作用影响较小,对土壤水分含量变化也更为敏感。建立的VV极化条件下土壤水分反演半经验模型能较好地表征研究区土壤水分空间分布情况。

关键词：主被动微波土壤水分水云模型双极化

异质环境条件下星地土壤水分差异特征量化研究

在线全文

学校读者我要写书评

暂无评论

异质环境条件下星地土壤水分差异特征量化研究

作者：黄健庭河南理工大学

学位级别：硕士

土壤水分作为陆地水循环中最活跃的部分,是陆地—大气相互作用的关键参数,被全球气候观测系统确定为一个基本气候变量。卫星遥感的快速发展为获取大尺度、长时序的土壤水分信息提供了途径。其中,微波遥感利用测量地物电磁特性反演土壤水... 详细信息

土壤水分作为陆地水循环中最活跃的部分,是陆地—大气相互作用的关键参数,被全球气候观测系统确定为一个基本气候变量。卫星遥感的快速发展为获取大尺度、长时序的土壤水分信息提供了途径。其中,微波遥感利用测量地物电磁特性反演土壤水分,具有全天时全天候、时间分辨率高、观测范围广以及对土壤水分敏感等突出优势,已成为当前获取土壤水分信息的主要手段。随着卫星土壤水分产品和反演算法的不断改进与升级,算法背景、层级属性、体系归属各不相同的土壤水分数据正在趋于多样化发展,而它们的误差特征、局限性、大尺度下的综合能力以及误差来源仍未有一个明确的评定。因此,了解各种卫星土壤水分数据的误差特征、比较它们在异质环境下的性能优劣、进行全球尺度下的综合评定以及分析数据误差来源,对于产品升级和算法改进有着重要意义。在这一研究背景下,考虑到卫星土壤水分数据与地面实测数据的直接比较(星地土壤水分差异)是反映卫星土壤水分数据精度的最有效的方法。本研究针对当前主流的七种卫星土壤水分数据(SMAP SCA-V、SMAP DCA、SMAP IB、SMOS L3、SMOS IC、ESA CCI和SMOPS),以国际土壤水分网络(ISMN)提供的地面实测土壤水分数据作为基本参照,结合各种异质环境辅助参数(植被、气候、DEM、土壤性质、土壤温度等),借助差异特征量化指标,开展异质环境条件下星地土壤水分差异特征量化研究,并利用机器学习回归方法探究星地土壤水分差异的原因。本研究的主要工作如下:(1)卫星土壤水分精度验证与质量控制影响分析。利用七个密集站网对卫星土壤水分数据进行精度验证,并在此基础上分析质量控制对星地土壤水分差异的影响。结果表明,质量控制能够有效地剔除受射频干扰的SMOS数据,在此基础上SMOS数据具有相对于质量控制前更好的性能表现;进一步证实了在进行包括SMOS数据在内的卫星数据精度验证或相互比较时,进行卫星数据质量控制得必要性。(2)异质环境条件下星地土壤水分差异影响因素量化分析。通过六个稀疏站网提供的地面实测数据,结合多种异质环境辅助参数,进行异质环境条件下星地土壤水分差异影响因素量化分析。结果表明,气候、黏土含量、植被覆盖度和土壤温度波动性对星地土壤水分差异影响较小;而植被类型、地形复杂度和土壤水分波动性对星地土壤水分差异影响较大,可以初步判断这三种因素是影响星地土壤水分差异的主要原因。(3)星地土壤水分差异原因探究。借助机器学习回归方法进行星地土壤水分差异原因探究,并以特征重要性作为比较依据。结果表明,星地土壤水分数值差异主要受到土壤水分背景条件的影响。星地土壤水分的相关性按照卫星数据的不同归结于不同的原因,其中SCA-V、DCA和SMOS L3与地面数据的相关性主要受到地形背景条件的影响;SMOS IC和SMAP IB与地面数据的相关性主要受到土壤温度背景条件的影响;ESA CCI与地面数据的相关性主要受到土壤水分背景条件的影响。

关键词：土壤水分异质环境差异特征被动微波主被动微波 ISMN