雷达资料同化在安徽暴雨个例中的应用

为了研究雷达资料同化对安徽暴雨预报的作用,使用WRFV3.4模式对2012年7月12日—14日安徽的一次暴雨个例,选取Eta微物理方案和GD积云参数化方案组合,利用WRFVAR3.4三维变分同化系统进行了直接循环同化雷达径向风资料。将同化试验和控制试验模拟的降水与实况比较,结果表明,同化了雷达径向风后在一定时间范围内能明显地提高降水预报,同化雷达资料后的前12 h内降水的同化试验较控制试验有一定的改进,特别是前6 h,可以看到,在小雨、中雨及暴雨量级上,都较控制试验有明显改进,在加入雷达径向风资料同化后,降水区的风场辐合特征更为明显,风速也有一定增强,降水强度和中心更接近实际值。在同化雷达资料后的后12 h,可以发现同化试验的优势逐渐不明显。     

基于Sentinel-1和Sentinel-2数据融合的农作物分类

基于光学影像的遥感技术受云雨、昼夜影响较大,导致获取连续的作物时序生长曲线较困难,而雷达影像作为主动式成像,能够很好地克服这一缺陷。本文以陕西省渭南市大荔县某农场为研究区域,分别采用最大似然法(Maximum likelihood,ML)和支持向量机(Support vector machine,SVM)2种方法,融合Sentinel-1雷达影像和Sentinel-2光学影像,提高农作物的分类精度。研究结果表明,融合数据的农作物分类精度相比光学数据分类精度有所提高。在无云层覆盖的情况下,利用SVM方法融合Sentinel-2的红、绿、蓝、近红外4个波段数据与Sentinel-1数据,总体分类精度提高了2个百分点,Kappa系数提高了5个百分点;在有少量云层覆盖情况下,利用ML处理融合数据的分类结果精度和Kappa系数分别提高2个百分点和4个百分点,SVM方法下的分类精度提高了6个百分点,Kappa系数提高了8个百分点。     

基于雷达遥感的不同深度土壤含盐量反演模型

为及时、有效地监测盐渍化土壤含盐量,以内蒙古河套灌区沙壕渠灌域为研究区,将Sentinel-1雷达影像作为数据源,同步采集不同深度土壤含盐量数据,通过组合两组雷达后向散射系数构建多种指数,并用灰度关联（Gray correlation degree,GCD）排除共线性强的指数,采用偏最小二乘回归（Partial least squares regression,PLSR）、分位数回归（Quantile regression,QR）和支持向量机（Support vector machine regression,SVM）3种方法,构建0~10cm、10~20cm不同深度下的土壤含盐量反演模型。结果表明,在3种回归方法中,SVM回归模型的精度最高,模型建模集决定系数R2c、验证集决定系数R2p均在04以上,建模集均方根误差RMSEc、验证集均方根误差RMSEp均小于03%,分位数回归模型次之,偏最小二乘回归模型最差;在各反演深度下,0~10cm深度的反演精度均高于10~20cm深度的反演精度,其中在0~10cm深度下SVM反演模型效果优于其他模型,R2c、R2p分别为0568和0686,RMSEc、RMSEp分别为0.201%和0.151%。本研究可为雷达遥感监测裸土期土壤盐渍化提供参考。     

探地雷达测定土壤含水率研究综述

准确快速测定土壤含水率,在理论研究与实际应用中都具有重要意义。在综合分析烘干法、中子法、时域反射法和遥感4种土壤含水率测定方法的优缺点基础上,指出探地雷达是一种适合于中尺度的土壤含水率测定的技术。对探地雷达以及探地雷达测定土壤含水率的技术原理与方法进行全面介绍,并以介电常数与土壤含水率的关系模型为主,对国内外这方面的研究工作以及存在的问题进行了总结。最后指出,探地雷达测定土壤含水率是一项非常有前景的技术,但目前国内在这方面的研究工作与国外相比远远不够,今后应加强这方面的研究工作。     

内蒙古河套灌区土壤墒情信息的多极化雷达响应分析

以内蒙古河套灌区磴口县为研究区,结合Radarsat-2四极化雷达遥感数据对土壤墒情进行响应分析。研究结果表明,同极化后向散射系数同土壤墒情的响应性高于交叉极化,以同极化均值和交叉极化均值作为参量建立回归模型进而对研究区反演分析,经实测数据检验,该方法能够在一定程度上满足土壤水分监测的需要,优于传统土壤水分分类方法。     

基于FM信号的外辐射源雷达组网系统多传感器选择算法

提出一种基于调频广播（FM）信号的外辐射源雷达组网系统多传感器快速启发式算法,目的是使系统能够动态地协调各部FM信号接收机的使用,进而在资源有限的条件下达到更好的目标参数估计性能。该算法采用相干克拉美罗界（CRLB）作为代价函数,并通过贪婪快速启发式算法对优化问题进行了求解。仿真结果表明,所提算法不仅可以在系统资源有限的情况下提升目标的参数估计性能,而且可以大大减小计算量,具有很强的实用性。     

基于Sentinel-1A影像和一维CNN的中国南方生长季早期作物种类识别

作物的早期识别对粮食安全至关重要。在以往的研究中,中国南方作物早期识别面临的主要挑战包括:1)云层覆盖时间长、地块尺寸小且作物类型丰富;2)缺少高时空分辨率合成孔径雷达(synthetic aperture radar,SAR)数据。欧洲航天局Sentinel-1A(S1A)卫星提供的SAR图像具有12 d的重访周期,空间分辨率达10 m,为中国南方作物早期识别提供了新的机遇。为在作物早期识别中充分利用S1A影像的时间特征,本研究提出一维卷积神经网络(one-dimensional convolutional neural network,1D CNN)的增量训练方法:首先利用生长季内全时间序列数据来训练1D CNN的超参数,称为分类器;然后从生长季内第一次S1A影像获取开始,在每个数据获取时间点输入该点之前(包括该点)生长季内所有数据训练分类器在该点的其他参数。以中国湛江地区2017年生长季为研究实例,分别基于VV、VH和VH+VV,评估不同极化数据在该地区的作物分类效果。为验证该方法的有效性,本研究同时应用经典的随机森林(random forest,RF)模型对研究区进行试验。结果表明:1)基于VH+VV、VH和VV极化数据的分类精度依次降低,其中,基于VH+VV后向散射系数时间序列1D CNN和RF测试结果的Kappa系数最大值分别为0.924和0.916,说明S1A时间序列数据在该地区作物分类任务中有效;2)在研究区域内2017年生长季早期,基于1D CNN和RF的5种作物的F-measure均达到0.85及以上,说明本文所构建的1D CNN在该地区主要作物早期分类任务中有效。研究结果证明,针对中国南方作物早期分类,本研究提出的1D CNN训练方案可行。研究结果可为深度学习在作物早期分类任务中的应用提供参考。     

多时相遥感提取水稻种植区研究进展

水稻是我国主要的粮食作物之一,对水稻面积和空间分布的调查是水稻监测的基础,关系国家粮食安全问题.利用卫星遥感技术进行水稻面积与空间分布调查具有大范围、实时性等传统调查不具备的优势,成为近年来的热点.本文对近年来基于多时相遥感进行水稻种植区提取的方法进行梳理与总结,按照传感器类型从3个方面进行阐述——利用不同时相分辨率的光学传感器的提取方法、利用不同极化方式的合成孔径雷达的提取方法以及两者的结合使用的方法,对基于不同数据源的提取方法进行了概括和举例.最后对目前的研究进行合理的评价,指出存在的不足之处并对进一步的研究做出展望.     

基于地形的辽宁省朝阳地区强对流天气易发区分布特征研究

通过分析朝阳地区2011—2015年近100次强对流天气过程的雷达观测资料,统计出强对流天气的易发区,并结合地形对易发区的分布特征进行研究。结果表明,上游移入朝阳地区的强对流多在途经朝阳地区的行政边界沿线分布,当地新生的强对流易发区分布在朝阳境内山脉的迎风坡、山脉背风坡与沿河平原毗连地带、河流与丘陵相间分布的复杂地形区。     

昆明地区夏季冰雹云多普勒雷达定量判别指标

利用昆明市探空资料、多普勒天气雷达资料、地面观测资料,对2010—2014年昆明地区19次典型降雹天气过程进行综合分析,重点对冰雹云发展初期的雷达判识指标进行研究,对原有的冰雹云发展阶段雷达判识指标进行更新、细化、完善,总结得出基于雷达资料的人工防雹作业判识新指标,并利用2015年发生的冰雹天气过程检验了指标。结果表明,昆明防雹作业指标为组合反射率回波强度达45dBZ、强回波H_(45dBZ)中心强度跃增≥5dBZ、回波顶高≥8 km、强回波中心顶高﹥6 km。利用强回波H_(45dBZ)中心顶高﹥6 km和强中心强度跃增≥5dBZ能很好地识别冰雹云,但提前预警时间太短,预警作用有限。