青藏高原地区近地表冻融状态判别算法研究

发布时间：2021-07-03 16:03

　　青藏高原地区以其独特的气候水文特征被称为"亚洲水塔",这一地区广泛分布的冻土及其冻融过程对地表非绝热加热与水文过程具有重要影响。然而,恶劣和复杂的地理环境为这一区域的地表冻融过程本地观测和遥感监测均带来极大挑战。本文利用AMSR-2传感器遥感数据开展青藏高原地区的近地表冻融判别算法研究,包括判别式算法和季节性阈值算法,并使用4个青藏高原典型地区的土壤温湿度密集观测网数据对算法进行区域适应性优化。研究特别针对季节性阈值算法进行了两点改进:首先考虑到地表发射率的变化对于冻融相态的转变指示更为直接,故采用6.9 GHz水平（H）极化的准发射率替换季节性阈值算法中的原有冻结因子;其次使用一种新的数据归一化方法:标准差归一化方法,用以替代原有的离差归一化方法,并通过阈值设定对判别精度的影响分析改进后的优势。结果证明,冻融判别式算法在升轨时期的整体精度最具优势,其优势在于能够减少夏季地表发射率复杂变化导致的误判,基于标准差归一化方法的季节性阈值算法在降轨时期的整体精度具有优势。通过对不同典型区域的冻融土辐射特征和判别精度的分析,发现地表发射率的变幅（初始液态含水量）大小是影响所有冻融判别算法精度的... 

【文章来源】：遥感学报. 2020,24(07)北大核心EICSCD

【文章页数】：13 页

【部分图文】：

青藏高原地区4个土壤温湿度密集观测站网分布情况

式中，c是将分数D与边界值y0组合得到的常数，故可定义FTI=0为冻融状态判别边界值，当FTI大于0时，可判定该像元为冻结像元，当FTI小于0时，可判定该像元为融化像元（式（8））。由于C,X波段亮温值受到射频干扰（RFI）的影响较大，因此采用常用的简单阈值法以去除RFI的影响，一般认为亮温值大于320 K即可判定受到RFI干扰，故将AMSR-2数据中大于320 K的数据剔除。考虑到季节性冻融循环在该区域所存在的空间异质性，本文对实测站点的温度数据即费歇判别式中分类明确的样本进行均值处理用以来反应该区域整体状况，且实测均温大于0时判定为融化，标记其状态变量为0，均温小于0时判定为冻结，标记其状态变量为1，将其与卫星数据36.5 GHz垂直（V）极化亮温，6.9 GHz水平（H）极化准发射率这两个分类指标组成一个数据组，数据预处理操作完成后，将各观测网数据组作为输入变量进行线性判别分析LDA(Linear Discriminant Analysis），得到两个介于升降轨的差异分别建立的不同轨道冻融判别公式。

两种季节性阈值方法所求得用于判别冻融状态的季节比例系数整体变化趋势差异不大，其主要区别在于映射到y轴上的投影值的离散程度及范围不同，标准差归一化方法是将符合正态分布的数据处理成均值为0的一组数据，其可以有效地将判别精度峰值保持在0.6左右且精度较为稳定（图2）；离差归一化方法是将数据值映射到0—1范围内，但若其最大最小值参数值选取非绝对峰值，则会出现跳出此范围的情况，因故经过对单一地区阈值的极端调整可以将两种算法达到相同的精度峰值，也从侧面反映出阈值稳定性对于判别的关键作用。两种季节阈值算法共同存在的问题在于夏季融土的误判情况（图4(b）图5(b））。图4 基于离差归一化季节阈值算法在升轨（13:30）时期判别结果时间序列图

【参考文献】：
期刊论文
[1]根河地区冻融监测和降尺度算法的验证分析[J]. 王健,蒋玲梅,寇晓康,崔慧珍,杨建卫.  遥感学报. 2019(06)
[2]寒区复杂地表冻融状态判别式算法改进[J]. 胡文星,柴琳娜,赵少杰,赵天杰.  遥感技术与应用. 2017(03)
[3]利用AMSR2和MODIS数据的土壤冻融相变水量降尺度方法[J]. 叶勤玉,柴琳娜,蒋玲梅,赵天杰.  遥感学报. 2014(06)
[4]微波遥感地表参数反演进展[J]. 施建成,杜阳,杜今阳,蒋玲梅,柴琳娜,毛克彪,徐鹏,倪文俭,熊川,刘强,刘晨洲,郭鹏,崔倩,李云青,陈晶,王安琪,罗禾佳,王殷辉.  中国科学:地球科学. 2012(06)
[5]地表冻融过程被动微波遥感机理研究进展[J]. 张立新,蒋玲梅,柴琳娜,赵少杰,赵天杰,李欣欣.  地球科学进展. 2011(10)
[6]用被动微波AMSR数据反演地表温度及发射率的方法研究[J]. 毛克彪,施建成,李召良,覃志豪,贾媛媛.  国土资源遥感. 2005(03)



本文编号：3262901