基于AMSR-E数据估测华北平原及东北地区土壤田间持水量

对田间持水量的遥感获取方法进行了探讨,基于传统的田间持水量测定方法--围框淹灌法的思路,利用AMSR-E(Advanced Microwave Scanning Radiometer,即高级微波扫描辐射计)数据高时间分辨率的特点,提出了基于AMSR-E数据估测田间持水量的方法,并采用2003~2007年的AMSR-E数据制作了我国华北平原及东北地区的田间持水量分布图。结果显示东北地区北部、河南东部、安徽北部以及江苏北部等地区的田间持水量较高;由AMSR-E数据获取的田间持水量明显小于气象站点的测定值,与实测值的相关系数R2为0.522,与实测值有显著的相关关系,表明AMSR-E数据具有正确反映田间持水量的潜力。     

基于AMSR-E与MODIS数据的新疆土壤水分协同反演与验证

针对当前遥感在大范围土壤水分估算中面临的问题,提出将被动微波遥感数据与光学/热红外遥感数据在模型中协同反演陆表土壤水分的新方法:利用MODIS的光学与热红外波段反演土壤水分的基准值;利用AMSR-E传感器的X波段反演土壤水分的日变化量,然后集成二者建立土壤水分协同反演模型。以新疆为实验区,采用在典型地区获取的365个土壤水分实测值,对该模型进行了验证与精度分析。结果表明,协同反演模型的估算结果与地面实测值之间有着更好的相关性和较小的均方根误差,明显优于单一数据源或单一模型的反演结果。     

Relationship between albacore (Thunnus alalunga) fishing grounds in the Indian Ocean and the thermal environment revealed by cloud-free microwave sea surface temperature

Using cloud-free Advanced Microwave Scanning Radiometer for the Earth Observing System (AMSR-E) sea surface temperature (SST) and daily set longline fishery data, we studied the relationship between albacore (ALB) fishing grounds and thermal conditions in the southern Indian Ocean. SST and Jensen-Shannon divergence (JSD) maps with a daily spatiotemporal resolution were related to sites with high catches per unit effort (CPUE) (>11 fish/10³ hooks). A high JSD is considered to be an index of a SST front. In winter, high CPUE occurred in the vicinity of the North Subtropical Front (Belkin and Gordon, 1996), where SST was 15-19 °C and JSD was 0.3-0.9. Histograms of the high CPUE plotted against SST and JSD indicated that 95% of the high CPUEs were in the 16-18.5 °C SST range and 97% were in the 0.4-0.9 JSD range. These ranges of SST and JSD are optimum ranges. These cloud-free SST/JSD analyses clearly demonstrate the seasonal north-south movement of the optimum SST and JSD band, which corresponds to the North Subtropical Front in the southern Indian Ocean. Monthly maps of joint probability density (JPD) with the optimum ranges of SST and JSD revealed that high CPUEs are located in the narrow bands with high JPD (>50%).     

AMSR-E遥感土壤湿度产品在青藏高原地区的适用性

卫星遥感土壤湿度产品有广泛的应用前景,但其精度已引起学术界的高度关注。针对被动微波遥感反演土壤湿度的准确性问题,该文对比分析了3种国际上比较广泛关注的高级微波扫描辐射计/地球观测系统(AMSR-E/EOS)土壤湿度产品(JAXA,NASA及VUA)。首先,利用试验观测数据评价了3种土壤湿度产品的精度,分析了不同植被覆盖和降水对被动微波遥感反演土壤湿度精度的影响。结果表明:在平坦裸露地表,被动微波遥感反演土壤湿度具有较高精度,卫星降轨数据估算土壤湿度与实测值相关系数大于0.7,均方根误差小于0.16,但在高密度植被区域误差较大,相关系数小于0.7,均方根误差最大可达到0.2。然后,分析了降水发生时刻土壤湿度产品的精度,结果表明:3种产品精度均有不同程度下降,但NASA产品的相关系数仍然能够达到0.69。在此基础上,基于青藏高原土壤湿度观测网,制作了青藏高原地区土壤湿度时空分布图,对比了3种产品对青藏高原地区土壤湿度时空分布特征描述的准确性,分析了其适应性,发现NASA与VUA产品在空间分布上符合青藏高原地区土壤湿度的空间分布特征,但在土壤湿度值的变化范围上仍均存在较大误差,在具体的应用中,可以利用实测数据对产品进行线性回归校正,以消除系统性误差。该研究可为基于AMSR-E土壤湿度产品的应用与研究提供参考。     

2002-2009年中国干旱区积雪时空分布特征

以中国干旱区为研究对象,利用MODIS和AMSR-E融合后的2002-2009年8个水文年份（8月1日至7月31日）的无云积雪产品,计算并验证了用遥感方法提取研究区积雪日数、初雪日期和终雪日期的精度,结合积雪日数制图和积雪面积统计,分析了研究区8 a来积雪时空分布特征。结果显示：① 与气象台站观测资料获取的积雪参数的对比验证表明,遥感方法提取积雪参数的精度较高,误差日数大多在20 d以内,主要表现为遥感方法积雪日数的低估,初雪日期的延后和终雪日期的提前。② 除山地冰川和永久积雪外,天山和阿尔泰山山系间的北疆地区是研究区内季节性积雪最为丰富的地区,积雪日数一般在60 d以上,不过积雪的分布不均匀,大体上从边缘山区向内部盆地中心积雪日数递减,初雪日期延后,终雪日期提前。③ 干旱区在2005年、2007年和2002年积雪面积较大,而2008年和2006年积雪面积较小。各年稳定积雪存在的地区和范围相对稳定,面积变化不大,其年际变化主要体现在积雪日数的增减上;不稳定积雪的面积一般高于稳定积雪,且年际变化较大,积雪日数大多在20 d以内。     

基于MODIS与AMSR-E数据的雪被产品合成及精度评价

摘要：利用2002年10月1日-2008年3月31日青海省Terra/MOD10A1和Aqua/MYD10A1每日雪被产品,合成了MODIS五日积雪分类图像（MOYD_5D）,结合AMSR E五日雪水当量产品（AE_5D）,利用用户自定义合成算法合成五日积雪分类图像AEMD_5D。根据气象台站的雪情数据,对比分析MOYD_5D、AE_5D和AEMD_5D这3种积雪产品的积雪分类精度（Sa）。结果表明,1）当积雪深度为1~3 cm时, MOYD_5D、AE_5D和AEMD_5D的积雪分类精度分别为17.5%、49.8%和23.2%;2）积雪深度为4~6 cm时,MOYD_5D、AE_5D和AEMD_5D的Sa分别为46.2%、55.1%和56.9%;3）雪深为7~9 cm时,MOYD_5D、AE_5D和AEMD_5D的Sa分别为58.6%、78.5%和78.6%;4）当雪深≥10 cm时,MOYD_5D、AE_5D和AEMD_5D的Sa分别为66.7%、82.2%和84.1%。合成产品AEMD_5D对积雪分类精度有所提高,对于牧区雪灾监测及评价具有重要的应用价值。     

Estimating aboveground biomass in forest and oil palm plantation in Sabah, Malaysian Borneo using ALOS PALSAR data

Conversion of tropical forests to oil palm plantations in Malaysia and Indonesia has resulted in large-scale environmental degradation, loss of biodiversity and significant carbon emissions. For both countries to participate in the United Nation’s REDD (Reduced Emission from Deforestation and Degradation) mechanism, assessment of forest carbon stocks, including the estimated loss in carbon from conversion to plantation, is needed. In this study, we use a combination of field and remote sensing data to quantify both the magnitude and the geographical distribution of carbon stock in forests and timber plantations, in Sabah, Malaysia, which has been the site of significant expansion of oil palm cultivation over the last two decades. Forest structure data from 129 ha of research and inventory plots were used at different spatial scales to discriminate forest biomass across degradation levels. Field data was integrated with ALOS PALSAR (Advanced Land-Observing Satellite Phased Array L-band Synthetic Aperture Radar) imagery to both discriminate oil palm plantation from forest stands, with an accuracy of 97.0% (κ = 0.64) and predict AGB using regression analysis of HV-polarized PALSAR data (R² = 0.63, p < .001). Direct estimation of AGB from simple regression models was sensitive to both environmental conditions and forest structure. Precipitation effect on the backscatter data changed the HV prediction of AGB significantly (R² = 0.21, p < .001), and scattering from large leaves of mature palm trees significantly impeded the use of a single HV-based model for predicting AGB in palm oil plantations. Multi-temporal SAR data and algorithms based on forest types are suggested to improve the ability of a sensor similar to ALOS PALSAR for accurately mapping and monitoring forest biomass, now that the ALOS PALSAR sensor is no longer operational.     

基于AMSR-E数据的土壤湿度监测研究

[目的]通过建立AMSR-E土壤湿度监测模型,实现土壤湿度的实时监测。[方法]利用1961～2006年广西蒸发量、逐日降雨量、日平均最高气温、日最小相对湿度、≤5mm降雨日数等气象观测数据,以及AMSR-E土壤湿度数据,通过逐步回归的统计方法,基于GIS技术进行土壤湿度实时监测研究,并对其监测结果进行验证。[结果]2005年9月23日广西土壤湿度值较低的区域主要分布在桂东北地区和桂中地区,包括桂林市、柳州市、来宾市等市大部分地区,以及贺州市、贵港市、南宁市、河池市、百色市等市的局部地区。[结论]基于地面气象观测数据的AMSR-E土壤湿度统计模型适用于土壤湿度的实时监测。     

基于MOD10A1和AMSR-E的北疆牧区积雪动态监测研究

准确监测牧区积雪覆盖范围,对有效防灾减灾和牧区畜牧业持续发展具有特别重要的意义。利用积雪产品和气象台站的观测资料,对比分析了北疆地区2002年11月1日－2005年3月31日三个积雪季的AMSR-E每日雪水当量产品及其与MOD10A1每日积雪分类产品合成的图像MODAE1的积雪识别精度。结果表明,1)AMSR-E每日雪水当量产品的积雪识别率为66.59%,总精度为69.49%;2)利用用户自定义的合成算法计算的合成图像MODAE1,结合了AMSR-E雪水当量产品不受天气影响和MOD10A1每日积雪产品较高空间分辨率的优点,积雪识别率达76.43%;3)雪深和土地覆盖对合成图像MODAE1的积雪识别率具有重要的影响。在雪深为1～40cm时,合成图像的积雪识别精度随雪深的增加而增大;在雪深为31～40cm时,积雪识别率可达90.19%;在雪深大于40cm时,积雪识别率开始下降。在牧区合成图像的积雪识别率可达77.6%,而在开阔的灌丛区积雪识别率略有下降,为72.7%。     

冷季深入对AMSR-E监测内蒙古积雪的影响

传统的积雪范围和厚度监测是通过气象台站的定时观测, 其缺点是:地面观测资料区域代表性有限和地面气象台站分布很均匀.遥感技术可以弥补传统观测的不足,中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer, MODIS)数据具有高空间分辨率、高时间分辨率,地球观测系统先进微波扫描辐射计(Advanced Microwave Scanning Radiometer-EOS, AMSR-E)数据具有不受云层影响的特点.分析冷季深入对AMSR-E影像积雪判别的影响,最终得出,在内蒙古地区随着冷季的深入,AMSR-E将MODIS影像上无雪像元和有云像元判别为有雪的比例越来越高,最高分别达34.22%和28.29%.两者同时判别为有雪像元的比例也越来越高,最高达33.66%.