卫星遥感土壤水分产品订正方法及反演算法研究

发布时间：2020-09-17 17:24

　　遥感手段能够从空间对地表进行大尺度、长周期的观测。从遥感光谱波段使用上,土壤水分的遥感监测研究可分为光学遥感和微波遥感两大类。光学遥感空间分辨率高,但该波段穿透力有限,受云等天气现象影响较大,不能进行全天候观测。微波遥感能够穿透云雾,可对土壤水分进行全天时、全天候地观测,但其空间分辨率较低,且受地表粗糙度影响较大。由于缺少真实的观测数据检验,土壤水分产品的准确度尚存在很多不确定性,直接影响产品的应用。在使用不同土壤水分产品前对产品质量进行评估是非常关键的。由于遥感反演土壤水分产品精度存在不确定性,对土壤水分产品进行科学的质量订正十分必要。为了获取准确的土壤水分信息,本文对五种土壤水分产品SMAP、FY-3C、ERA-Interim、NCEP R-1和NCEP R-2进行评估。基于真实性检验结果,利用FY-3C微波成像仪(MWRI)的土壤水分数据,使用变分订正方法对土壤水分产品进行订正,并对订正效果进行评估。土壤水分空间变化较大,基于光学遥感空间分辨率高的优势,本文使用近红外(NIR)和红光(RED)波段的辐射获得的二维光谱空间分布,提出了基于光学遥感数据的植被垂直干旱指数(VPDI)法。本文主要工作和成果有:对五种土壤水分产品SMAP、FY-3C、ERA-Interim、NCEP R-1和NCEP R-2进行评估,使用的地面站点数据是2016年青藏高原的外场观测试验数据。在青藏高原地区SMAP土壤水分产品相对于其他产品而言,与实测值偏差最小且相关系数最高;在植被覆盖情况下,低植被覆盖时卫星反演土壤水分质量较好,而在高植被覆盖时,再分析资料提供的土壤水分数据与实测数据偏差较小;卫星产品在青藏高原地区可以更好地反映季节变化,而再分析资料提供的土壤水分季节变化不明显。选取青藏高原地区土壤水分FY-3C微波成像仪(MWRI)的土壤水分数据为试验数据,使用变分订正方法对FY-3C微波成像仪(MWRI)的土壤水分数据进行试验并对订正结果进行检验。结果表明:订正后可以极大提高产品的精度。为了进一步对订正方法进行检验,选取了山东省农业气象站土壤水分数据对FY-3C土壤水分订正前、后产品进行评估,结果显示订正后FY-3C土壤水分产品与地面站土壤水分间偏差减小、相关性明显提高。2016年3-4月山东省干旱过程订正前、后FY-3C土壤水分变化情况进行对比,订正后FY-3C土壤水分更准确地反映出此次干旱过程,利用变分订正方法可以有效地提高土壤水分产品的精度,并更好地反映干旱过程的特征。使用近红外(NIR)和红光(RED)波段的辐射获得的二维光谱空间分布,将植被和土壤光谱分离,提出了一种新的在植被覆盖情况下的干旱监测方法,即基于光学遥感数据的植被垂直干旱指数(VPDI)法。本文使用Himawari-8数据分别计算了青藏高原VPDI和PDI值,并使用那曲地区地面站实际观测数据对VPDI和PDI进行对比验证分析。结果显示:VPDI与PDI相比较,VPDI在高植被覆盖时改进显著;随着植被覆盖的增加,PDI与地面站土壤水分数据相关逐渐变差,VPDI与地面站土壤水分相关系数始终较高。VPDI克服了PDI在植被覆盖影响下随植被覆盖增加而引起的失真现象,VPDI与地面站土壤水分相关较好,可以用于不同植被覆盖条件下的实时动态干旱遥感监测。
【学位单位】：中国气象科学研究院
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP79;S152.7
【部分图文】：

站点,实验站,土壤水分

感土壤水分产品订正及反演算法研究数据准备在本章中，选用的土壤水分实验站点位于西藏那曲地区，那曲占地面积不足 6 万千米，位于青藏高原的中心区域，5-8 月相对温暖，是草原的黄金季节。5-8 月这间降雨量较多，约占全年的 70%。绿色植物的生长期每年约一百天。本章选用的实验站为“多级多尺度”自动化观测场，使用目前最先进的观测仪器，仪器经严定，并针对高寒区进行针对性处理，用以实现土壤水分与土壤温度的连续观测，数据通过无线数据传输系统远程传输至数据处理中心。每个站点布设 5 个深度3cm、5 cm、10 cm、20 cm）的土壤温湿度观测，时间分辨率为 10min。本章选取地区 29 个有效实验站点 5-8 月 2-3cm 土壤水分数据进行研究。图 3.1 是站点的情况。

时间序列,土壤水分,地面站,产品

19图 3.2 地面站土壤水分数据和五种土壤水分产品的比较:(a)SMAP，(b)FY-3C，(c)ERA-Interim，(d)NCEP R-1，(e)NCEP R-2为了了解五种土壤水分产品与地面站土壤水分值在时间尺度上是否一致，将站点覆盖区域五种产品和地面站数据平均值的时间序列进行比较（图 3.3）。五种产品土壤水分均大于地面站土壤水分。卫星反演得到的土壤水分和地面站土壤水分对比，其误差在 5-8 月呈先升高后降低的趋势，误差在 7 月最大，然而再分析资料提供的土壤水分和地面站土壤水分误差在 5-8 月呈现先降低后升高的趋势，误差在 5 月最大。5月 SMAP 升降轨土壤水分产品 RMSE 分别为 0.0407cm3/cm3和 0.0213cm3/cm3，BIAS分别为 0.0242cm3/cm3和 0.0027cm3/cm3，R 分别为 0.8372 和 0.9037，为五种土壤水分

土壤水分,升轨,实验站,产品

卫星遥感土壤水分产品订正及反演算法研究产品中误差最小相关性最好的，SMAP 降轨数据比 SMAP 升轨数据好。6 月 SMAP 土壤水分产品误差升高，然而对比五种产品 SMAP 土壤水分产品仍然误差最小、相关性最好。7-8 月 ERA-Interim 土壤水分产品 RMSE分别为 0.0226cm3/cm3和 0.0621cm3/cm3，R 分别为 0.8322 和 0.9243，BIAS 分别为 0.0206cm3/cm3和 0.0532cm3/cm3，为五种土壤水分产品中最好的。6-8 月是植被生长最旺盛时期，植被覆盖会对土壤水分反演造成影响，在植被覆盖率较高的季节，卫星反演的土壤水分产品和地面站数据的误差较大，SMAP 和 FY-3C在 6-8 月土壤水分值明显高于地面站实测数据。同样在 6-8 月再分析资料的数据表现较好。我们可以从这些分析结果中得出土壤水分反演受植被覆盖率影响相对较大。在植被覆盖率较高月份，卫星反演得到的土壤水分会有较大误差。而通过同化系统得到的再分析资料在植被覆盖率较高的季节其数据质量相对较高。由于再分析资料和卫星资料表现对植被的敏感性不同，因此在今后的研究中可以考虑两种资料的融合，对于卫星产品在植被覆盖率较高的季节或区域误差较大，可以考虑融合再分析资料，以减小这种误差。

【相似文献】