风云三号卫星微波遥感土壤水分产品在山东地区的适用性分析

风云卫星微波遥感土壤湿度产品在农业应用中，尤其是在作物监测和干旱预警中发挥着重要作用，对其产品可靠性的评估至关重要。本研究以中国气象局的自动土壤水分观测站土壤湿度数据为参考，系统分析了山东地区2018年FY-3B和FY-3C卫星反演2级土壤湿度产品的质量及其时空分布，并与SMAP和SMOS卫星反演3级土壤湿度产品进行对比。使用EASE-Grid投影方法的转换方程进行空间匹配，将卫星的格点转换成经纬度后，自动站对应的卫星观测结果由其周围4个观测格点结果加权平均得到。对自动站数据去除异常值后，将卫星过境时刻数据与自动站小时数据进行时间匹配。结果表明，在山东地区FY-3B、FY-3C和SMAP与自动站观测数据时间一致性较好，均方根误差（RMSE）约0.09m³·m⁻³，相关系数（R）大于0.3。SMAP无偏均方根误差（ubRMSE）可以达到0.05m³·m⁻³，说明其去除系统误差之后有较高的应用价值，而SMOS在山东地区的适用性不如SMAP。同时，FY-3B、FY-3C和自动站的相关性和误差有明显的季节变化，FY-3B和FY-3C往往高估5、8和9月的土壤湿度，与冬小麦和夏季玉米的成熟期对应，而在其余时间会低估，这可能是因为风云卫星使用的X波段探测深度较浅，其结果受表层植被的影响较大；而SMAP和SMOS使用的L波段探测较深，其结果受表层植被影响较小。该发现说明，未来风云卫星土壤湿度的反演算法可以通过优化植被的影响来获得更精确的反演结果。     

TRMM降水数据在洞庭湖流域的精度评估和应用

高分辨率卫星降雨产品的出现为降水观测提供了良好的前景。然而这些产品在使用前需要经过全面的精度评估。评估了TRMM (Tropical Rainfall Measuring Mission)3B43V7降水数据在洞庭湖流域的精度和适应性。基于洞庭湖流域1998—2011年TRMM降水数据和27个气象站点的实测降水数据,采用相关系数、均方根误差和均方误差技能分数等指标在月和季尺度下评估其在流域内精度,揭示各指标的空间分布特征。结果表明:(1)在月尺度上,TRMM数据与实测数据拟合良好,相关系数为0.89,但TRMM数据在流域大部分地区高估降水。(2)在季尺度上,TRMM数据精度较月尺度有所提升,相关系数达到0.94,并且可靠性更高。(3)两种数据在流域降水时空分布上表现出一致性,在春夏两季为湿润多雨期,秋冬季节降水则相对匮乏。流域内降水分布不均匀,整体呈从东南向西北减少趋势。     

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。     

基于被动微波遥感的中国干旱动态监测

目前用于中国干旱监测的遥感方法大多是可见光和热红外指数法,受云雨、植被和地形的影响较大,不能满足中国南方地区干旱监测的需求。该研究基于被动微波辐射传输方程,首先构建了基于AMSR-E（advanced microwave scanning radiometer-EOS）数据的地表温度反演模型,R2=0.79,RMSE（root mean square error）为2.54℃,实现了中国地表温度的被动微波遥感监测。然后,拟合了不同下垫面归一化植被指数（normalized difference vegetation index,NDVI）与微波极化差异指数（microwave polarization difference index,MPDI）的关系。在此基础上改进了植被供水指数（vegetation supply water index,VSWI）,构建了基于AMSR-E数据的被动微波遥感气象干旱指数,并以中国2009年的旱情为例进行实例验证。研究表明,该干旱指数与AMSR-E L3土壤湿度数据有着显著的负相关关系（R2=0.75）,且能基本表征2009年中国实际的气象干旱状况。     

基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证

土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持向量回归(support vector regression,SVR)和广义神经网络(generalized regression neural Network,GRNN)模型对土壤水分进行定量反演,以减小植被影响,提高反演精度。结果表明:通过水云模型去除植被影响后的Oh模型反演精度有所提高。加入不同植被指数的SVR和GRNN模型的反演效果总体优于Oh模型,基于SVR模型的多特征参数组合(双极化雷达后向散射系数、海拔高度、局部入射角、修改型土壤调整植被指数)反演效果最优,其测试集相关系数和均方根误差分别达到了0.903和0.015 cm~3/cm~3,为利用多源遥感数据反演农田地表土壤水分提供了参考。     

利用SAR影像与多光谱数据反演广域土壤湿度

针对基于主动微波遥感途径开展广域土壤湿度反演的过程中,对植被和土壤粗糙度影响难以进行有效估算的问题,该研究联合多极化雷达和原始多光谱数据源,提出一种改进的卷积神经网络(Improved Convolutional Neural Network,ICNN)方法。该方法采用不同尺寸的卷积核对原始变量进行一维卷积运算,自适应提取能反映测区土壤湿度时空差异的高级特征维;同时,去除了传统卷积神经网络结构中的池化层,保证提取的特征信息完整。试验结果表明,在边长超过100 km的四川盆地研究区域内,模型预测值与样本数据相关系数达到0.934,预测值偏差服从均值趋近于0的正态分布,均方根误差为1.45%,误差分布范围小于6.3%,结果具有较高的可靠性。该方法可为精准农业、旱涝灾害等领域的广域监测研究提供一定的支撑。     

中高分辨率遥感协同反演冬小麦覆盖度

为了开展高精度、高时空分辨率的植被覆盖度(fraction vegetation cover,FVC)监测,该文以华北地区冬小麦地为研究对象,采用4期高分一号卫星多光谱(GF1-PMS)、多光谱宽幅(GF1-WFV)与环境一号卫星多光谱(HJ1-CCD)3种传感器同期影像数据集,基于像元二分法模型,研究多源中高分辨率遥感影像协同估算FVC方法.以基于高空间分辨率GF1-PMS影像反演的FVC作为检验数据,对单源直接获取法、多源全生育期法、多源分期法3种反演模型进行了分析比较.研究结果表明:HJ1-CCD、GF1-WFV数据与GF1-PMS数据的FVC直接反演结果具有较高的一致性,但在冬小麦的初期生长阶段,受卫星观测角度效应的影响,GF1-WFV与HJ1-CCD的FVC结果偏高,偏差随冬小麦的成熟封垄而逐渐减弱;多源分期法的时空反演得到的FVC精度最高,GF1-WFV的决定系数为0.984,均方根误差为0.030;HJ1-CCD的决定系数为0.978,均方根误差为0.034;而在缺少GF1-PMS匹配数据时,可通过多源全生育期法提高GF1-WFV与HJ1-CCD数据的反演精度,GF1-WFV的决定系数为0.964,均方根误差为0.044;HJ1-CCD的决定系数为0.950,均方根误差为0.052.通过多传感器的联合反演获取时间序列的高精度的FVC数据,可为研究植被生长状况及生态环境动态变化提供数据基础.     

AMSR2缺失数据重建及其土壤湿度反演精度评价

新型传感器土壤湿度产品在水分循环、农业管理等领域应用之前,需要评价其在不同区域的反演精度与数据质量。该文针对目前全球空间分辨率最高的AMSR2(advanced microwave scanning radiometer 2)3级微波土壤湿度产品,实现了缺失数据重建及其反演精度评价目的。论文研究引入离散余弦函数表达的惩罚最小二乘回归(discrete cosine transformation-partial least square,DCT-PLS)方法,重建因卫星轨道等原因造成的缺失与异常值,以构建时空分布连续的土壤湿度数据;进而以山西省为例,采用1 km分辨率的MODIS光学波段数据对AMSR2微波产品进行降尺度处理,通过实测土壤湿度、温度植被干旱指数(temperature vegetation dryness index,TVDI)验证评价这2种不同尺度的微波土壤湿度数据质量。结果表明:DCT-PLS方法能够充分利用三维时空信息对缺失数据进行重建,重建后土壤湿度具有较高质量;10、1 km 2种尺度的土壤湿度与实测土壤湿度在空间分布上较为吻合,2个示例日期中降尺度土壤湿度与TVDI之间的相关性提高了0.352、0.4264,能够更为准确地反映土壤湿度空间分布细节;通过实测数据、TVDI指数的校验,降尺度前后的AMSR2土壤湿度数据表现出了较高的质量与可靠性。     

基于土壤微波辐射布儒斯特角反演土壤含水率

在利用被动微波遥感技术进行裸露地表土壤含水率(Soil Moisture Content,SMC)的反演中,土壤粗糙度是制约反演精度的最关键因素。该研究利用改进的积分方程模型(Advanced Integral Equation Model,AIEM)进行地表多角度微波发射率的模拟,探索地表微波辐射多角度信息用于提高地表SMC反演精度的可行性。基于不同SMC和不同粗糙度地表多角度V极化发射率数据的变化趋势提取土壤介质布儒斯特角,结果表明,土壤布儒斯特角对SMC具有较高的敏感性,C波段(6.6 GHz)不同含水率土壤的布儒斯特角分布在60°～80°范围内。基于AIEM模拟数据的分析发现,土壤布儒斯特角正切值与SMC具有较好的线性关系,线性拟合决定系数为0.94,均方根误差为0.027cm~3/cm~3,并得到了基于布儒斯特角的裸露地表SMC反演算法。基于模拟数据的算法验证结果表明,算法的SMC预测值与理论值的决定系数为0.95,均方根误差为0.024 cm~3/cm~3。算法在不同土壤粗糙度自相关函数下均表现出稳健的特性,SMC预测精度最大均方根误差为0.027 cm~3/cm~3,最小为0.023cm~3/cm~3。基于布儒斯特角的SMC反演算法利用的是多角度土壤发射率的相对变化而非其绝对数值,该研究为SMC的多角度被动微波遥感提供了一种不同的研究思路。     

基于微波遥感的土壤水分反演估算研究进展

土壤水分是地表和大气水热过程交换的重要纽带，对于农业生产、生态规划、水资源管理等具有十分重要的意义。微波遥感具有基本不受天气条件影响，具有较好探测植被覆盖下的土壤信息和土壤水分变化趋势等优势，成为目前遥感精确反演土壤水分的热点。本文整理了现有全球尺度的基于微波遥感的土壤水分产品；分析比较了土壤水分反演中主动微波遥感、被动微波遥感、主被动微波协同技术的原理、特点、适用范围和关键技术进展：主动微波遥感和被动微波遥感的 优势分别在于高空间分辨率和高时间分辨率，高空间分辨率可以很好捕捉地表细微的空间信息特征，但囿于土壤水分与后向散射系数之间的复杂关系，特别是植被、地表粗糙度等对雷达后向散射系数的干扰，使得反演土壤水分的精度不高，因而根据现实情况选取不同散射模型以及利用多源数据协同是目前改善精度的研究热点。而高时间分辨率可以实现全球及大尺度下的土壤水分监测，但是很难满足小尺度或者小区域范围的实际研究需求，为了能使实测数据在空间上得以较好匹配，提出多种降尺度方法。结合以上两种微波遥感方式的优劣，依托更为丰富的数据源、相对成熟的观测技术来对两者进行融合以提取更多的水分信息，以提升反演精度或者获得长时间序列数据。在目前的方法中，土壤水分反演在小尺度下表现出良好的性能，但在全球尺度上会出现数据缺失、适用性不强、反演精度不高以及反演过程过于复杂等诸多问题，可以借助多种观测方式（多极化、多角度、多波段）、多时相重复观测、在原有模型上引入新的算法以及数据同化等方面着手进行改进，同时全球卫星导航系统（Global Navigation Satellite System, GNSS） 中长期稳定、高时空分辨率的L波段微波信号在陆面遥感领域的快速发展也为我国北斗卫星导航系统（BeiDou Navigation Satellite System, BDS）的发展提供了借鉴，展现出在土壤水分反演方面的巨大潜力。     

CCI多传感器组合土壤水分产品在青藏高原不同地区的适用性

青藏高原的土壤水分通过对水循环和对生态系统的作用,对区域乃至全球气候的变化起着重要的影响.由于该地区缺失长期和大规模土壤水分的现场观测,遥感产品成为地球系统模型的有用数据集.其中,欧洲航天局(European Space Agency,ESA)发布的气候变化倡议(Climate Change Initiative,CC...     

基于AMSR-2蒙古高原土壤水分反演及 对气象因子响应分析

土壤水分是地表水文过程研究的一个重要参数,是众多环境因子综合作用的结果,科学判定土壤水分对环境因子的响应特性,对在蒙古高原地区开展干旱监测预警,调整农业生产结构,改善区域生态环境具有重要意义。本研究基于AMSR-2观测亮温、SPOT-NDVI数据,利用微波辐射传输模型及粗糙地表发射率Qp模型,构建适合蒙古高原的土壤水分反演方程,同时将模型应用于2013年蒙古高原植被生长期土壤水分反演。在此基础上,结合TRMM 3B43降雨量及气象站点气温数据,探讨了蒙古高原土壤水分对气象因子及植被的响应特性。结果表明:1)构建的蒙古高原表层土壤水分反演模型精度较高,土壤水分反演值与实测值的判定系数为0.680 6,均方根误差(RMSE)达0.031 6 cm3·cm-3,反演结果明显优于JAXA提供的AMSR-2土壤水分产品数据(RMSE=0.044 1 cm3·cm-3)。2)TRMM 3B43降雨数据与实测降雨量线性拟合,其判定系数为0.859 8,直线拟合斜率K=0.941 5,在数值上较站点实测值略微偏低,表明TRMM 3B43数据精度较高,在蒙古高原具有很好的适用性。3)蒙古高原植被生长期土壤水分、植被指数及降水量在空间格局上均表现出由北向南、由东北向西南逐渐减少的趋势。干旱区,土壤水分对气温变化最敏感,二者表现出显著正相关关系,其次为降水和植被;半干旱区,植被是影响土壤水分的关键因子,而气温与降水对土壤水分影响呈现出季节性变化;半湿润区3个因子对土壤水分的影响程度表现为植被降水气温。总之,利用土壤水分对气象因子和植被的响应特性,可以采取适当措施降低蒙古高原灾害发生风险,为区域生态环境建设提供科学依据。     

风云卫星系列及CLDAS土壤水分产品多尺度精度验证与评价：以青藏高原那曲地区为例

对风云卫星（FY-3B、FY-3C）系列土壤水分产品和中国气象局陆面数据同化系统CLDAS-V2.0（Chinese Land Data Assimilation System Version 2.0）土壤水分产品展开精度验证与评价,旨在明确中国土壤水分产品的时空序列精度特征,以期为后续土壤水分产品精度校正与反演模型改进提供参考。验证实验在青藏高原那曲地区开展,基于那曲地区大（1°×1°）、中（0.3°×0.3°）、小（0.1°×0.1°）三个尺度观测网中观测站点0-5cm、0-10cm和10-40cm土壤水分逐日观测资料进行评价,并加入全球陆面数据同化系统GLDAS-1（Global Land Data Assimilation System Vision 1.0）Noah土壤水分产品作为对比。结果表明：（1）时序性上,CLDAS-V2.0土壤水分产品表现出良好的时空连贯性,FY系列土壤水分产品空值普遍存在,在冰冻期尤为显著。FY及CLDAS-V2.0土壤水分产品多数时间存在高估现象,在降水事件发生后和植被生长期高估尤为明显。（2）各土壤水分产品在不同尺度观测网中的统计结果一致。但相较于大中尺度稀疏测站,各产品在小尺度密集观测网的评价结果更加稳定和优异。（3）0-5cm深度,CLDAS-V2.0土壤水分产品质量整体优于FY系列土壤水分产品,FY系列土壤水分日间观测产品精度高于夜间观测产品。10-40cm深度,CLDAS-V2.0土壤水分产品精度高于GLDAS-1 Noah土壤水分产品。结果表明中国自主研制的土壤水分产品数据集质量较为稳定、可靠。     

光学与微波遥感协同反演藏北表层土壤水分研究

表层土壤水分是定量干旱监测的重要参量,对干旱区生态环境具有十分重要的意义。在采用归一化植被指数阈值法划分地表覆盖类型的基础上,利用MODIS数据选择适用的光学遥感算法估算土壤水分基准值,以及利用风云三号B星搭载的微波成像仪(Fengyun-3B/MicrowareRadiationImagery,FY3B/MWRI)数据采用微波遥感算法反演土壤水分日变化量,最后构建藏北表层土壤水分协同反演的遥感模型并应用于区域土壤水分的估算。结果表明:光学遥感与微波遥感协同反演的土壤水分含量与实测数据呈显著相关,决定系数达到0.89,均方根误差为0.97,协同反演模型具有较高的反演精度,并且协同反演的结果优于单一遥感源的反演结果。该模型可以较好地适用于藏北地区表层土壤水分的动态监测。     

基于实测高光谱指数与HSI影像指数的土壤含水量监测

为了探索土壤含水量与高光谱植被指数的内在关系,实现土壤含水量的快速且准确监测,以ASD光谱仪测定的研究区植被高光谱数据和环境卫星HSI高光谱影像数据为基础数据计算得到26种光谱植被指数,通过灰度关联分析法(grey relational analysis)对不同深度(0~10,10~30,30~50 cm)土壤含水量与实测光谱指数和影像光谱指数进行分析和筛选,确定了与土壤含水量相关性较高的5个光谱植被指数,采用多元线性回归法(multiple linear regression)分别构建了基于实测数据和影像数据的高光谱植被指数土壤含水量反演模型,并用实测高光谱植被指数模型对HSI影像植被指数模型进行校正。结果表明:2种土壤含水量反演模型对0~10 cm层的土壤含水量均有较高的拟合度,判定系数(R2)均高于0.589,并具有较好的稳定性;实测高光谱植被指数模型精度优于HSI影像植被指数模型,判定系数(R2)分别为0.668和0.589;经过校正的HSI影像土壤含水量反演模型精度有了较大的提高,判定系数(R2)从0.589提升到0.711,均方根误差(RMSE)为0.0014。该研究方法进行土壤含水量监测是可行的,为进一步提高土壤含水量定量遥感监测提供一定参考。     

Soil moisture variability along transects over a well-developed gully in the Loess Plateau,China

Knowledge of soil moisture distributions in gullies, which are highly variable spatially and temporally, is important for both restoring vegetation and controlling erosion in them, but little attention has been paid to this spatio-temporal variability to date. Therefore, we examined soil moisture profiles and their variability along three transects traversing sidewalls of a well-developed gully with steep slopes in a hilly area of the Chinese Loess Plateau. We took intensive measurements at 20-cm intervals from 0 to 160 cm depth, using a portable time domain reflectometer, from September 3 to October 20 2009 and from April 5 to July 20 2010. The results indicate that the mean, standard deviation and coefficient of variation of moisture content vary with time, their responses to precipitation vary at different depths, and moisture content is most variable when mean values are moderate (15–20%). Revised fitting functions developed and introduced by Famiglietti et al. (2008) captured with confidence the relationship between spatial variability (SD and CV) and spatial mean of moisture content (RMSE ranging from 0.0015 to 0.0293). Soil moisture clearly varied along the transects, the vertical distribution of soil moisture differed in different seasons, and correlation analysis showed that soil texture influenced the variability of surface soil moisture more strongly than terrain attributes (except during distinct rainfall events, when this pattern reversed). The results presented here should improve understanding of spatio-temporal variations in soil moisture profiles in well-developed gullies in the Loess Plateau, and potentially elsewhere.     

青藏高原土壤侵蚀研究进展

青藏高原地貌类型多样,气候复杂,存在冻融、风力、水力和重力等多种侵蚀营力。在气候变化和高原人口增长的背景下,青藏高原的土壤侵蚀不断加剧。然而,相比我国其他区域,青藏高原的土壤侵蚀研究相对薄弱。通过梳理文献,对青藏高原的冻融侵蚀、风力侵蚀、水力侵蚀和重力侵蚀的研究现状进行了整理与分析,研究发现:冻融侵蚀的定义存在分歧,地质侵蚀和土壤侵蚀的概念存在混淆,与土壤侵蚀相关的基础研究缺乏。未来青藏高原研究应加强土壤侵蚀监测等基础工作,关注温度变化对土壤侵蚀的影响,重视土壤侵蚀防治工作,为保障我国生态屏障安全提供决策依据。