基于Triple-Collocation方法的微波遥感土壤水分产品不确定性分析及数据融合
发布时间：2021-04-16 10:17
微波遥感可以获取大范围的地表土壤水分信息,以及由此得到全球尺度的土壤水分产品。但由于传感器观测配置和反演方法等诸多因素的影响,使得不同的土壤水分产品在精度和可靠性方面存在差异。基于Triple-Collocation（TC）方法,在青藏高原那曲地区的0.25°×0.25°和1.0°×1.0°两个空间尺度上对AMSR2、SMAP和SMOS 3种土壤水分遥感产品进行不确定性分析,开展基于随机误差的数据融合算法研究。研究结果表明:不同遥感产品间的随机误差在空间分布上存在显著的不一致性,使得应用传统的算术平均方法进行数据融合不具有普适性。基于此不确定性,对3种产品配赋相应的权重进行融合,相比于3种土壤水分原始数据集,融合产品不仅具有更丰富的数据量,也会对数据精度有所改善。当遥感产品间的随机误差接近时,等权重和优化权重的融合结果非常接近;当遥感产品间的随机误差差异较大时,基于不确定性的数据融合方法相比等权重方法可以明显的提高融合数据的精度。
【文章来源】：遥感技术与应用. 2019,34(06)北大核心CSCD
【文章页数】：8 页
【部分图文】：
1.0°×1.0°尺度的融合结果比较
SMAP于2015年1月31日发射，搭载了L波段（1.26 GHz）的合成孔径雷达和L波段（1.41 GHz）的微波辐射计，其目标为提供全球尺度的高时空分辨率的地表土壤水分和冻融循环产品。本文采用了SMAP 36 km的辐射计土壤水分产品，依据面积权重的方法，将其重采样为25 km，以与SMOS和AMSR2产品保持一致，并将升轨和降轨数据合成为逐日产品。此外，研究中还获取了研究区的地面土壤水分观测数据，由图1所示的多尺度的观测网络提供。该网络共包含56个土壤水分站点，服务于青藏高原土壤水分和冻融循环监测[25]。本研究采用表层（0～5 cm）土壤水分观测，采用等权重平均的方法将多个地面观测上推为像元尺度，做为“真值”参考来验证各土壤水分及融合后的产品。该数据来源于国际土壤水分网络（International Soil Moisture Network,ISMN)(https：//ismn.geo.tuwien.ac.at/）。
采用TC方法（公式4）对青藏高原那曲地区的三种土壤水分产品进行逐像元的不确定性评价。如图2所示，在1.0°×1.0°的验证区，整体上AMSR2＿LPRM产品的不确定性最高，SMAP产品的不确定性最低。AMSR2＿LPRM、SMAP和SMOS 3种产品在空间范围内的平均不确定性分别为0.052、0.035和0.043 cm3/cm3；但从不确定性的空间分布来看，SMAP像元间的不确定性差异最大，其次是AMS2＿LPRM产品。在0.25°×0.25°的验证区域内，3种产品的不确定性较为接近，分别为0.052、0.049和0.047 cm3/cm3，理论上该区域的融合结果会与算数平均的结果较为接近，但当融合区域内部的误差分布存在较大差异时，传统的算数平均融合结果的可信度将难以确定。4.2 优化权重值的确定
【参考文献】：
期刊论文
[1]遥感数据产品真实性检验不确定性分析研究进展[J]. 吴小丹,肖青,闻建光,刘强,彭菁菁,李小文. 遥感学报. 2014(05)
[2]定量遥感产品真实性检验的基础与方法[J]. 张仁华,田静,李召良,苏红波,陈少辉. 中国科学:地球科学. 2010(02)
本文编号：3141244
【文章来源】：遥感技术与应用. 2019,34(06)北大核心CSCD
【文章页数】：8 页
【部分图文】：
1.0°×1.0°尺度的融合结果比较
SMAP于2015年1月31日发射，搭载了L波段（1.26 GHz）的合成孔径雷达和L波段（1.41 GHz）的微波辐射计，其目标为提供全球尺度的高时空分辨率的地表土壤水分和冻融循环产品。本文采用了SMAP 36 km的辐射计土壤水分产品，依据面积权重的方法，将其重采样为25 km，以与SMOS和AMSR2产品保持一致，并将升轨和降轨数据合成为逐日产品。此外，研究中还获取了研究区的地面土壤水分观测数据，由图1所示的多尺度的观测网络提供。该网络共包含56个土壤水分站点，服务于青藏高原土壤水分和冻融循环监测[25]。本研究采用表层（0～5 cm）土壤水分观测，采用等权重平均的方法将多个地面观测上推为像元尺度，做为“真值”参考来验证各土壤水分及融合后的产品。该数据来源于国际土壤水分网络（International Soil Moisture Network,ISMN)(https：//ismn.geo.tuwien.ac.at/）。
采用TC方法（公式4）对青藏高原那曲地区的三种土壤水分产品进行逐像元的不确定性评价。如图2所示，在1.0°×1.0°的验证区，整体上AMSR2＿LPRM产品的不确定性最高，SMAP产品的不确定性最低。AMSR2＿LPRM、SMAP和SMOS 3种产品在空间范围内的平均不确定性分别为0.052、0.035和0.043 cm3/cm3；但从不确定性的空间分布来看，SMAP像元间的不确定性差异最大，其次是AMS2＿LPRM产品。在0.25°×0.25°的验证区域内，3种产品的不确定性较为接近，分别为0.052、0.049和0.047 cm3/cm3，理论上该区域的融合结果会与算数平均的结果较为接近，但当融合区域内部的误差分布存在较大差异时，传统的算数平均融合结果的可信度将难以确定。4.2 优化权重值的确定
【参考文献】：
期刊论文
[1]遥感数据产品真实性检验不确定性分析研究进展[J]. 吴小丹,肖青,闻建光,刘强,彭菁菁,李小文. 遥感学报. 2014(05)
[2]定量遥感产品真实性检验的基础与方法[J]. 张仁华,田静,李召良,苏红波,陈少辉. 中国科学:地球科学. 2010(02)
本文编号：3141244
本文链接：https://www.wllwen.com/nykjlw/nyxlw/3141244.html
