论文部分内容阅读
积雪覆盖是气象学和水文学中一个非常重要的参数。积雪的多寡不仅是影响气候变化的重要因子,也是影响干旱和半干旱地区农牧业发展的重要因素。季节性雪盖和冰川是全球水循环中的重要成分,监测季节性积雪雪覆盖的范围以及冰川的堆积和消融地带,对于理解全球水循环是十分必要的。
本论文的研究目的是改进当前针对AMSR-E传感器的雪水当量反演算法。首先使用AMSR-E亮度温度和MODIS地表温度计算得到降雪前地表混合像元的发射率。然后假设降雪前后植被和地表的发射率变化很小,通过使用微波植被指数的方法获得植被光学厚度和地表发射率,通过模拟数据库获得植被光学厚度和微波植被指数的关系。最后,使用AMSR-E亮度温度和MODIS地表温度计算降雪后的发射率,消去植被信号的影响,以获得积雪和地表的信号的总和,通过输入积雪覆盖度使用纯像元的参数化模型模拟亮温和反演积雪参数。具体如下三点:
(1)目前使用被动微波反演雪水当量的算法有很多问题,在山区植被是影响积雪参数反演的最主要的因素。本文假设整个积雪季节植被参数(结构参数和植被含水量)变化非常小,通过使用微波植被指数的方法,将森林从像元中分离出来,反演获得降雪前将植被的影响。并且通过模拟数据库发现植被的透过率与微波植被指数有很好的相关性。
(2)遥感时间序列数据(MODIS,NOAA/AVHRR,SPOT/VEGETATION等)在积雪覆盖、植被生长监测、物候信息提取、土地利用类型监测等诸多领域得到了广泛应用,是生产研究的重要数据源之一。但由于传感器、云层大气等影响,遥感时间序列数据存在着严重的噪声,应用前必须进行序列滤波重建工作。本文剔除传感器的条带,减小由于传感器观测角度等影响,然后使用带权重的三次样条插值等方法解决数据缺失问题。本文使用时间序列的方法获取研究区每天的积雪覆盖度数据,为使用参数化模型提供输入。
(3)目前所使用的星载被动微波算法中,包括为AMSR-E开发的业务化算法,大半使用的都是半经验模型。本文使用参数化模型反演得到雪水当量,获得了较好的精度。
本论文的创新表现在整个论文的技术方法上,当前的雪当量算法均采用半经验算法,是从有限的实验数据中发展而来。这些算法只在同一套数据的应用中反演效果很好,但把该算法应用于其他数据则有待进一步考证。而我们采用微波植被指数消除植被的影响,将积雪覆盖度引入反演算法中,发展了雪水当量反演算法,能避免半经验模型受实验数据局限的弱点。