北疆地区不同雪粒径光谱特征观测及反演研究

雪粒径反演是冰冻圈遥感的重要研究内容之一。本研究通过设计不同雪粒径观测方案,在我国北疆地区利用SVC HR-1024野外便携式光谱仪观测了不同雪粒径的光谱特征;同时利用可拍照显微镜测量了雪粒径的大小和形状,并通过DSPP方法计算其等效粒径;最后,基于渐进式积雪辐射传输模型(ART)对反演波段和积雪形状因子进行优化,反演并验证雪粒径。研究表明DSPP方法获取积雪等效粒径是可行的,但由于同层积雪中样本选择存在较大差异,在样本选择方面需要进一步改进;近红外波段还是区分雪粒径的有效波段,在研究区积雪是干雪的条件下,基于ART优化反演波段和积雪形状因子优化方法反演雪粒径是可行的,根据试验获取在该地区雪粒径反演最佳波段为1.20 μm,最佳积雪形状因子b值为3.62。     

积雪与气溶胶粒子混合的光谱反照率模拟研究

积雪中的黑碳气溶胶粒子会导致积雪光谱反射率显著下降,进而引起的气候辐射变化会推迟或提前积雪融化时间,严重影响了干旱区地表径流特征、区域水循环过程,由此引起的干旱区生态水文问题也越来越受到关注。2018年1月在新疆北疆地区开展积雪中气溶胶粒子观测实验,借助ASD地物光谱仪、Snow Folk积雪特性仪与HR-1024外场分光辐射度计等仪器获取原始积雪光谱数据与其他积雪参数,应用Snow,Ice,and Aerosol Radiation model(SNICAR)模型模拟了不同雪粒径下、不同太阳天顶角、不同Black Carbon(BC)浓度下的积雪光谱反照率变化状况,讨论了BC、雪粒径在不同光谱范围内敏感性,结果表明:太阳天顶角对雪面光谱反照率的影响在近红外波段比其他波段表现得更明显,在积雪光谱曲线中太阳天顶角从0°变化到80°,可见光波段600 nm处光谱反照率升高了0.045,近红外波段1000,1200和1300 nm处光谱反照率分别升高了0.16,0.225和0.249;在天顶角为60°时,雪粒径从100μm增大到800μm,对应的光谱反照率减少量最大可达到0.15,且100~300μm范围内的雪粒径比400~800μm范围内的引起光谱反照率的下降量明显增大,雪粒径的增大能使吸光性颗粒物的光吸收效应增强;随着BC浓度的增加,积雪反照率会显著下降,且不同浓度的BC对积雪的反照率的差值不同,随着BC浓度的增加,反照率的差值量越来越小。不同的BC浓度在近红外波段对光谱反照率影响较小,影响较大的范围主要集中可见光波段,在光谱800和1100 nm处,5μg·g-1的BC浓度使光谱反照率减小了0.13和0.04,5μg·g-1的BC可使350与550 nm处的光谱反照率减小0.25与0.23;比较不同粒径下,BC浓度对积雪光谱宽波段反照率的减少情况可发现,在BC存在的情况下,雪粒径的增加会增大BC的光吸收效应,且浓度越高,吸收增加的越多;从光谱指数角度表明BC在可见光波段350~740 nm比较敏感,相关系数较高;雪粒径在近红外波段1100~1500 nm比较敏感,尤其在1000与1300 nm左右,BC与雪粒径在积雪光谱曲线中的敏感波段相关性都较高,R 2高达0.9以上;最后将模型模拟的积雪反照率与实测数据进行验证对比,R 2为0.738,模拟效果较好,可为干旱区积雪光谱反照率的研究奠定数据基础。     

一种基于光谱库的雪粒径及形状参数反演新方法

雪粒径的形状因素对积雪的反射光谱曲线影响较大,如何有效地刻画雪粒径的形状参数成为研究的热点。渐进辐射传输模型被广泛地应用于雪粒径反演,其对雪粒径形状的描述只采用了2个值(3.62对应于片状雪粒径,4.53为球形雪粒径),较难描述积雪的形状参数,同时为了反演积雪的雪粒径,这两个形状参数必须被提前固定,这大大降低了雪粒径的反演精度,为此提出了一种基于光谱库的雪粒径及形状参数反演算法(LUTMA)。首先利用渐进辐射传输模型建立不同粒径,不同形状参数的光谱库,然后采用光谱角指标进行匹配,最终获取积雪的粒径与形状参数。实验表明,基于光谱库的雪粒径及形状参数反演新方法与实测数据较为吻合。     

融雪期积雪深度高光谱反演方法研究

积雪在干旱区的水分平衡中发挥着极为重要的作用,积雪深度的监测主要依靠地面站点观测和遥感反演等技术,高光谱遥感为快速、大面积监测积雪的物理特性提供了可能。通过对融雪期不同厚度积雪表面的反射光谱以及积雪深度数据的观测,进而对二者进行相关性分析;采用相关性较高同时也是特征吸收谷的波段数据建立单波段雪深回归模型;采用呈显著相关的波段进行逐步回归,选用贡献率最高的波段作为神经网络模型的输入变量进行积雪深度的反演研究。结果表明：在天山北坡中段的军塘湖流域地区,1 022,1 241和1 492 nm附近是积雪的特征吸收谷;相比单波段反演雪深模型的估算精度(R2=0.53),BP神经网络模型具有更高的雪深反演水平,当隐含层节点数为4时,R2为0.86,RMSE为0.67,表明神经网络模型可以显著提高高光谱数据反演积雪深度的能力。     

积雪性质与积雪表面双向偏振反射之间关系研究

积雪性质的变化会影响积雪的反射,从而遥感技术中可以利用反射信息的变化来确定积雪性质。由于反射过程中会产生偏振信息,在研究可见光近红外波段(350～2 500 nm)不同粒径大小积雪表面多角度反射特性的基础上,同时分析了粒径以及由干雪变成湿雪对积雪表面偏振反射特性的影响。通过野外测量结果表明,粒径大小对积雪表面偏振反射的影响在近红外波段1 500 nm附近比较明显,表现为在前向散射方向,随着粒径的增加对应的偏振度变大;这是由于在该波段附近,积雪对光的吸收很强,随着粒径的增加,吸收会变大,探测器获取的光大部分为单次散射光,而单次散射光是引起偏振信息的主要来源;在研究过程中发现从干雪变成湿雪这一过程会使偏振信息增加,这是由于湿雪表面水膜的存在,将相邻的雪粒粘连在一起,相当于使积雪粒径变大,但是这种影响主要体现在近红外波段。综上所述,将多角度偏振信息与反射信息结合可以为反演积雪性质提供可靠的方法与理论基础。     

基于定量遥感反演的内陆水体藻类监测

叶绿素作为衡量湖泊富营养化的重要指标,利用遥感技术对其进行实时动态监测具有重要意义。以太湖为例,通过对水体实测光谱和水质采样数据的分析,建立了光谱反射率比值与叶绿素a浓度的回归模型。结果显示,700 nm附近波段与625 nm附近波段所构建的比值模型R2最高,710 nm以后波段与其他可见光波段所构建的比值模型的R2会随可见光波长的增大而逐渐下降。在高光谱遥感估算模型的基础上,应用同步MODIS卫星遥感数据进行了太湖叶绿素a浓度的空间分布反演,并基于MODIS绿度指数建立了太湖藻华水体信息提取模型,从叶绿素a浓度估算和藻华信息提取两个方面实现了太湖藻类空间分布特征的定量反演,为太湖等大型内陆水体藻类的实时定量遥感监测提供了新的研究思路。     

基于两种辐射传输模型的雪粒径与反照率反演

提出一种渐近辐射传输(ART)理论与离散纵标辐射传输法(DISORT)相结合的方法,用于反演雪光谱反照率。基于雪粒形状的二级科赫分形假设,利用不同卫星数据与ART理论的三种粒径反演方法反演研究区域的雪粒径,反演的雪粒径大小不同,但平均值均在50μm左右。基于雪粒球形假设,根据反演的雪粒径,基于DISORT模型计算波段为0.3～5.0μm的雪光谱反照率,同时基于ART理论计算波段为0.3～1.5μm的雪的黑空与白空光谱反照率。由两种辐射传输模型计算的0.3～1.5μm的雪光谱反照率差异较小,表明雪粒形状假设合理,利用两种辐射传输模型相结合的方法能够计算太阳光谱的雪反照率。考虑到研究区域内黑碳等吸光性杂质的影响,修正了DISORT模型计算的雪光谱反照率。研究区域靠近国境边缘的西伯利亚地区时,吸光性杂质对于雪光谱反照率影响很小;研究区域为东北工业地区时,吸光性杂质会明显降低可见光波段的雪光谱反照率。     

牧草品质的高光谱遥感监测模型研究

粗蛋白、粗纤维、粗脂肪是评价牧草品质和饲用价值的重要指标。针对目前已有的牧草品质检测方法存在费时费力、容易产生化学废物等问题,提出了一种利用牧草冠层高光谱数据来实现牧草品质实时、无损监测的方法。通过ASD FieldSpec 3地物光谱仪采集了青海湖环湖地区19种天然牧草的冠层光谱反射率,并采样分析了牧草品质参数——粗蛋白、粗脂肪和粗纤维的相对含量(%)。光谱经去噪处理后,分别选择原始光谱、一阶导数、波段比值以及小波系数与牧草品质参数进行相关性分析。结果表明：在所有高光谱参量中,牧草品质参数含量与424,1 668,918 nm波段处的光谱一阶反射率以及低尺度(scale=2,4)的Morlet,Coiflets和Gassian小波系数之间的相关性较强。在此基础上,运用单变量线性、指数和多项函数分别建立牧草品质的高光谱遥感估算模型,分析结果显示,以Coiflets小波系数(scale=4,wavelength=1 209 nm)为自变量的二次多项式模型、以1 668 nm波段光谱一阶导数为自变量的二次多项式模型、以918 nm波段光谱一阶导数为自变量的指数模型分别为估算牧草粗蛋白、粗脂肪、粗纤维含量的最佳回归模型,模型检验均达到了极显著水平(0.762≥R2≥0.646),说明在冠层尺度利用高光谱技术结合光谱一阶导数或小波分析的方法来估测牧草品质参数是可行的,它将为牧草品质遥感监测提供依据。     

光谱异同性和多尺度卫星雪盖差异分析——以MODIS和HJ-1B为例

为了探索不同类型遥感传感器对地物反射光谱响应的异同和卫星遥感监测雪盖空间尺度的差异,收集了2007年—2013年冬春季川西北米亚罗地区、青海省祁连山区和新疆北疆地区各种积雪、植被和裸土反射光谱数据,经中分辨率成像光谱仪MODIS和环境与灾害监测预报小卫星HJ-1B传感器响应函数完成地基光谱到传感器可见光、近红外及短波红外通道反射率的转换。分析了新旧融雪、不同雪深及不同积雪覆盖下的反射光谱特征及不同传感器对地物反射光谱响应的异同性,并结合同期同区域影像分析了MODIS和HJ-1B积雪监测空间尺度的效果差异。结果表明,可见光波段范围内,各传感器对新雪和污雪反射光谱响应一致性很高;对裸土和矮株植被反射光谱响应程度较为一致;对其他类型积雪反射光谱响应程度有所不同,尤其是消融积雪和冻结积雪,反射光谱响应性差异很大;全雪覆盖下,深度不同的积雪NDSI值域相对稳定,不同传感器NDSI具有很好的趋势一致性;MODIS和HJ1B NDSI法监测积雪空间尺度差异明显,很好的解释了混合像元存在的成因。     

基于卫星波段的马铃薯植株氮素含量估测

植株氮素浓度是反应作物氮素营养状况的关键指标,对作物的产量与品质具有重要的影响。作物大面积氮素营养的实时监测不仅对区域上氮肥投入提供决策,而且还对区域上氮素循环的估算提供依据。传统的地面传感器虽然有较高的精度,但很难在区域尺度上大面积获取数据,且目前存在的高光谱卫星影像如MODIS,Hyperion的空间分辨率普遍不高。随着卫星遥感的发展,近些年来高空间分辨率的多通道卫星逐渐发射升空,这些高分辨率的卫星遥感数据将对大尺度上植被生理生化指标反演提供可能。该研究从2014年-2016年在内蒙古阴山北麓武川县进行了三年不同氮水平的马铃薯田间试验,借助地面马铃薯冠层高光谱实测数据,模拟近几年发射的具有红边波段的多通道卫星WorldView-2和VENμS不同宽度波段,并构建多种光谱指数,建立光谱指数与马铃薯地上部植株氮素浓度的估测模型,进行马铃薯关键生育期冠层氮素营养的实时监测。结果表明,波段宽度和波段位置的选择决定着光谱指数对氮素浓度的响应程度,基于红边波段的光谱指数具有更高的灵敏性。生育时期显著影响光谱指数对马铃薯地上部氮素浓度的估测能力,苗期土壤背景对光谱反射率具有显著干扰,马铃薯块茎形成期后植株氮素浓度的预测效果最佳。基于WorldView-2和VENμS卫星红光、红边和近红外特定波段构成的融合光谱指数NDRE/NDVI相对其他指数来说在马铃薯植株氮素浓度估测上更具优势,与不同生育时期马铃薯植株氮素浓度都具有较高的相关性,相关系数r在0.63～0.81之间。其中,生殖生长期基于VENμS卫星红光、红边和近红外通道构成的融合光谱指数VENμS-NDRE/NDVI与马铃薯植株氮素浓度相关性最高（r=0.81）,模型验证结果的决定系数为0.56,且验证误差较小,RMSE和RE%分别为0.38%,10.45%,模型估测值与实测值的验证斜率最接近1,为0.82;WorldView-2-NDRE/NDVI与马铃薯植株氮素浓度也具有较高的相关性（r=0.74）,模型验证结果的决定系数为0.49,验证误差RMSE和RE%分别为0.41%和11.12%,模型估测值与实测值的验证斜率为0.78。多通道卫星模拟的结果证明,基于红边宽波段的融合光谱指数能用来进行马铃薯植株氮浓度的监测。     

不同积雪深度与面积对积雪覆盖遥感反演的影响

针对利用多源遥感数据进行积雪覆盖监测的需要,在分析不同深度与面积的积雪实测光谱基础上,探讨了在利用NDSI方法进行积雪覆盖遥感监测时,不同积雪深度对其的影响,并以HJ-1B卫星以及MODIS卫星为例,研究了不同积雪面积对遥感积雪反演的影响。结果表明,积雪深度几乎对遥感积雪覆盖监测的结果没有影响,而在积雪面积方面,受所使用的遥感影像空间分辨率的制约,对遥感积雪监测的结果有一定影响。     

基于实测光谱分析的HJ-1B数据浅层雪深反演

积雪的重要性是不言而喻的同时积雪所带来的危害也受到越来越多的重视.目前,积雪深度遥感监测研究主要集中在微波遥感,少量的利用光学遥感进行的积雪深度研究也主要是利用气象卫星数据以及MODIS数据等.我国自主发射的环境与灾害监测小卫星无论是在光谱分辨率还是在空间分辨率上,都与气象卫星数据以及MODIS数据有较大区别,对利用H...     

Estimation of surface snow properties using combined millimeter-wave backscatter and near-infrared reflectance measurements

Knowledge of surficial snow properties such as grain size, surface roughness, and free-water content provides clues to the metamorphic state of snow on the ground, which in turn yields information on weathering processes and climatic activity. Remote sensing techniques using combined concurrent measurements of near-infrared passive reflectance and millimeter-wave radar backscatter show promise in estimating the above snow parameters. Near-infrared reflectance is strongly dependent on snow grain size and free-water content, while millimeter-wave backscatter is primarily dependent on free-water content and, to some extent, on the surface roughness. A neural-network based inversion algorithm has been developed that optimally combines near-infrared and millimeter-wave measurements for accurate estimation of the relevant snow properties. The algorithm uses reflectances at wavelengths of 1160 nm, 1260 nm and 1360 nm, as well as co-polarized and cross-polarized backscatter at a frequency of 95 GHz. The inversion algorithm has been tested using simulated data, and is seen to perform well under noise-free conditions. Under noise-added conditions, a signal-to-noise ratio of 32 dB or greater ensures acceptable errors in snow parameter estimation.     

积雪污染物含量高光谱遥感监测研究

积雪中的污染物含量可以用来反映区域和全球范围内人类活动对环境的污染,但是迄今为止,对大范围或人类活动难以到达的地区进行积雪污染物含量时空监测的研究尚不多见.文章通过模拟大气沉降实验,应用光谱学技术分析了不同污染物含量对积雪反射光谱的影响,而后分别利用构建特征指数法、主成分分析法、BP神经网络以及RBF神经网络模型对积雪污染物含量预测,表明神经网络模型结合高光谱遥感数据方法能够较为准确地估算积雪污染物含量.     

Spectral reflectance characteristics of different snow and snow-covered land surface objects and mixed spectrum fitting

The field spectroradiometer was used to measure spectra of different snow and snow-covered land surface objects in Beijing area.The result showed that for a pure snow spectrum,the snow reflectance peaks appeared from visible to 800 nm band locations;there was an obvious absorption valley of snow spectrum near 1 030 nm wavelength.Compared with fresh snow,the reflection peaks of the old snow and melting snow showed different degrees of decline in the ranges of 300～1 300,1 700～1 800 and 2 200～2 300 nm,the lowe...     

The effects of grain size on bidirectional polarized reflectance factor measurements of snow

The linear polarization of light reflected from snow surfaces was measured by an instrument composed of a semi-automatic goniometer and an ASD spectroradiometer under a direct lamp to determine its potential to detect differences in grain size. The Stokes parameters were computed for all snow samples. The results confirmed that the degree of polarization increased in bright bands and decreased in dark bands with an increase in grain size. The trend was more obvious in the near-infrared bands and in the forward direction. As the snow grain size varied the contribution of Q parameter to the degree of polarization was more than the U parameter, which was slight. Our results confirmed that the degree of polarization may be useful to distinguish the snow grain size. All above measurements were carried out in the laboratory where the atmospheric contribution was ignored.