發(fā)布時間：2020-11-15 08:43

　　 隨著計算機技術的飛速發(fā)展,地理信息的處理和分析方法越來越先進,遙感技術也越來越成熟,大范圍的地表參數(shù)研究從主要依靠人力與時間的實地勘測轉變?yōu)橐揽窟b感手段與小范圍采集相結合的方法。季節(jié)性積雪覆蓋在全球氣候變化及水文循環(huán)中扮演著重要角色,地面站點等傳統(tǒng)點觀測雖然可以代表特定區(qū)域內的地表特性,但是難以代表大范圍內的積雪情況,遙感技術的出現(xiàn),解決了大范圍觀測地表參數(shù)的問題,所以當前大范圍的積雪研究主要依靠遙感手段。積雪遙感涵蓋多個研究方向,如光學遙感積雪研究和微波遙感積雪研究等方面,并隨著衛(wèi)星技術的發(fā)展,積雪遙感技術將會更加完善。本文在總結國內外被動微波積雪研究成果的基礎上,進行了深入的探索,具體的研究工作和創(chuàng)新成果如下:(1)基于星載被動微波數(shù)據(jù)的中國東北地區(qū)雪深反演算法對比驗證研究研究綜合考慮不同下墊面類型,實現(xiàn)了AMSR2雪深反演算法和FY3BMWRI中國區(qū)域雪深反演算法在中國東北地區(qū)雪深反演結果的驗證分析。為確定兩種算法的反演準確度,將反演所得到的結果與該地區(qū)國家氣象站點所觀測到的雪深數(shù)據(jù)進行了比較。此外,比較了AMSR2雪深產(chǎn)品、風云雪深產(chǎn)品和反演的結果,并分析了反演結果與標準雪深產(chǎn)品之間的差異。實驗結果表明:對于森林下墊面,AMSR2雪深反演算法反演結果接近FY3B-MWRI中國區(qū)域雪深反演算法反演結果,均方根誤差(RMSE)分別為13.64cm和13.53cm;對于草地和農(nóng)田下墊面,FY3B-MWRI中國區(qū)域雪深反演算法的雪深反演結果明顯好于AMSR2雪深反演算法,此時RMSE分別為6.96cm和8.88cm。(2)基于自適應最小外接矩形的雪粒徑自動測量方法雪粒徑大小影響著積雪的輻射亮溫,目前雪粒徑測量主要以手動測量為主,而實際需要測量的雪粒徑數(shù)據(jù)量較大,研究在總結野外實驗測量經(jīng)驗及數(shù)據(jù)結果的基礎上,提出了基于自適應最小外接矩形的雪粒徑自動測量方法。實驗結果表明實際測量結果雪粒徑大小的平均值為3.21mm,自動測量結果雪粒徑大小的平均值為2.98mm,實驗誤差在可以接受的誤差范圍內,而且此方法大大節(jié)省了人力與時間,是一種較快捷的雪粒徑測量方法。(3)基于星載被動微波亮溫差雪深查找表的中國東北地區(qū)雪深反演算法研究通過對比分析AMSR2雪深反演算法和FY3B-MWRI中國區(qū)域雪深反演算法在中國東北地區(qū)雪深反演結果,并在統(tǒng)計分析大量野外采集的實測積雪參數(shù)數(shù)據(jù)的基礎上,使用多層積雪微波發(fā)射模型(MEMLS)模擬亮溫差與積雪深度之間的對應關系,利用所建立的亮溫差雪深查找表反演東北地區(qū)雪深。在查找表建立起來之后,使用AMSR2和FY3B-MWRI被動微波輻射計提供的亮溫差數(shù)據(jù)去搜索查找表中對應的雪深值,并與實際測量得到的雪深值以及使用半經(jīng)驗算法反演的雪深進行對比分析。結果表明本文使用MEMLS所建立的農(nóng)田雪深查找表相比其他方法能夠取得較高的反演準確度。當使用亮溫數(shù)據(jù)為FY3BMWRI數(shù)據(jù),并且當在積雪積累期、穩(wěn)定期和消融期三個時期實際雪深平均值分別為6cm、13cm和15cm時,查找表結果的均方根誤差(RMSE)分別為3.23cm、4.24cm和4.10cm,偏差(Bias)平均值分別為2cm、3cm和3cm。隨著被動微波遙感技術的不斷完善,被動微波遙感積雪研究已成為熱門研究課題,本文通過對以上內容的研究為以后中國東北地區(qū)的積雪研究提供了參考。
【學位單位】：吉林大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：P426.635;TP721.1
【部分圖文】：

增加而逐漸增強。由于散射作用增強，傳感器所接收到的輻射信號就越弱，且這種現(xiàn)象與頻率有關，所以可以根據(jù)這種原理探測積雪深度。18GHz 和 36GHz頻段的被動微波數(shù)據(jù)經(jīng)常被用來反演積雪深度，18GHz 波長較長，能夠穿透雪層從而探測到雪下的地表信息，36GHz 波長較短對雪層內結構較為敏感。雖然被動微波更適合于積雪的研究，但是微波輻射會受到如圖 2.1 所示的多種因素的影響，如氣溫、雪粒徑、積雪密度、積雪干濕程度和下墊面類型等。低頻微波頻段對地面參數(shù)較為敏感，土壤的介電常數(shù)、粗糙度特性、地形、坡度、坡向以及下墊面類型等都會對微波輻射造成影響。隨著微波頻率的不斷升高，積雪內部的體散射作用逐漸增強，而體散射對散射體內的顆粒大小、形狀等都十分敏感，所以雪粒徑大小及形態(tài)影響著高頻頻段的積雪輻射。干雪中存在很少量的水分會導致積雪亮溫的迅速變化，這是由于積雪中的水分使地表與積雪層之間產(chǎn)生了介電常數(shù)的差異，從而引起了干雪發(fā)射輻射的變化。

數(shù)據(jù)與實驗區(qū)域區(qū)域域選擇中國東北地區(qū)，該地區(qū)包括中國東北三省——黑省，經(jīng)緯度范圍從北緯 38°43′延伸到北緯 53°33′，東經(jīng) 135°05′[34]。由于緯度高，冬季寒冷漫長，冬季降定的積雪期，為積雪深度的反演提供了有利的條件。然情況的案例很少，并且多種雪深反演算法的準確度不高為主，特別是在吉林省西部有大范圍的草地覆蓋，為積地下墊面；以農(nóng)業(yè)為主要經(jīng)濟來源的東北地區(qū)，分布有且大興安嶺、小興安嶺生長著茂盛的原始森林，為森林基礎；此外還有大面積河流分布，如松花江、鴨綠江。北地區(qū)較適宜作為積雪的研究區(qū)域，圖 3.1所示為實驗研

示為 2013 年 1 月實驗區(qū)域反演雪深結果與實測雪深間的 RMSE，以及雪深產(chǎn)品結果與實測雪深間的 RMSE，其中橫坐標表示 1 月的日期，縱坐標表示不同算法或產(chǎn)品的反演雪深值與實際雪深值之間的 RMSE，單位為 cm。RMSE 的計算公式式 3.10 所示，其中，Xi和 Xj表示待計算 RMSE 的兩種數(shù)據(jù)，m 表示數(shù)據(jù)個數(shù)，這里 Xi和 Xj分別表示不同算法或產(chǎn)品的反演雪深值與氣象站點實測雪深，m 表示站點個數(shù)，實驗中 m 取 65。從圖 3.2 可以看出與 AMSR2 雪深反演算法相比，風云業(yè)務化算法與站點實測雪深真值之間的差異較小，但是在個別日期AMSR2 雪深反演算法與站點雪深真值之間的差異小，如 1 月 5 日。兩種算法的雪深產(chǎn)品與站點實測雪深真值之間的差異都比較大，但是相比之下，使用風云業(yè)務化算法發(fā)布的產(chǎn)品較 AMSR2 雪深反演算法產(chǎn)品準確度高，數(shù)據(jù)波動較小。 m2i ji, j=1(X - X )RMSE = (m = 65)m················(3.10)
【相似文獻】

相關期刊論文 前10條

1 車濤,李新;被動微波遙感估算雪水當量研究進展與展望[J];地球科學進展;2004年02期

2 郭英;沈彥俊;趙超;;主被動微波遙感在農(nóng)區(qū)土壤水分監(jiān)測中的應用初探[J];中國生態(tài)農(nóng)業(yè)學報;2011年05期

3 張立新;蔣玲梅;柴琳娜;趙少杰;趙天杰;李欣欣;;地表凍融過程被動微波遙感機理研究進展[J];地球科學進展;2011年10期

4 陳修治;蘇泳嫻;李勇;陳水森;韓留生;;基于被動微波遙感的中國干旱動態(tài)監(jiān)測[J];農(nóng)業(yè)工程學報;2013年16期

5 高峰;車濤;王介民;文軍;;被動微波遙感指數(shù)及其應用[J];遙感技術與應用;2005年06期

6 陳洪濱，許麗生;空間被動微波遙感地球大氣和陸洋面[J];大自然探索;1994年04期

7 顧玲嘉;趙凱;孫健;鄭興明;;被動微波遙感數(shù)據(jù)超分辨率增強與混合像元分解研究綜述[J];遙感技術與應用;2012年01期

8 顧玲嘉;趙凱;任瑞治;孫健;;兩種被動微波遙感混合像元分解方法比較[J];吉林大學學報(地球科學版);2013年06期

9 喬平林;張繼賢;王翠華;;基于星載被動微波遙感的地表土壤濕度反演[J];遼寧工程技術大學學報;2006年03期

10 周壯;趙少杰;蔣玲梅;;被動微波遙感土壤水分產(chǎn)品降尺度方法研究綜述[J];北京師范大學學報(自然科學版);2016年04期

相關博士學位論文 前3條

1 張衛(wèi)國;沙漠地區(qū)被動微波遙感研究——以塔克拉瑪干沙漠為例[D];中國科學院研究生院（遙感應用研究所）;2004年

2 鄭興明;東北地區(qū)土壤濕度被動微波遙感高精度反演方法研究[D];中國科學院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所);2012年

3 武黎黎;基于HUT模型森林下雪深被動微波遙感反演方法東北區(qū)本地化研究[D];中國科學院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所);2016年

相關碩士學位論文 前10條

1 范昕桐;基于星載被動微波遙感數(shù)據(jù)的中國東北地區(qū)積雪深度反演研究[D];吉林大學;2019年

2 孫廣輪;海表溫度的被動微波遙感研究[D];大連海事大學;2013年

3 衛(wèi)煒;基于主被動微波遙感聯(lián)合的土壤水分監(jiān)測研究[D];中國農(nóng)業(yè)科學院;2012年

4 李芹;青藏高原地區(qū)主被動微波遙感聯(lián)合反演土壤水分的研究[D];首都師范大學;2011年

5 劉禮楊;基于AMSR-E星載被動微波遙感的植被—溫度干旱指數(shù)模型研究[D];成都理工大學;2017年

6 趙文宇;基于被動微波遙感和MODIS產(chǎn)品的天山雪水當量降尺度研究[D];石河子大學;2016年

7 婁利嬌;被動微波遙感土壤濕度數(shù)據(jù)降尺度研究[D];中國科學院研究生院（東北地理與農(nóng)業(yè)生態(tài)研究所）;2014年

8 李曉楠;宇宙背景微波輻射及對被動微波遙感的影響[D];華中科技大學;2015年

9 李琦;被動微波遙感反演土壤水分的實驗研究[D];東北大學;2011年

10 盧新玉;基于被動微波遙感的北疆地區(qū)積雪深度反演[D];新疆師范大學;2011年

本文編號：2884570