论文部分内容阅读
本文在分析研究已有地表土壤水分和组分温度遥感定量反演方法的基础上，充分利用和发挥新一代静止气象卫星数据多光谱高时间分辨率的特点，基于数值模拟和静止气象卫星对地观测数据开展地表土壤水分和组分温度遥感反演方法研究。
首先在地表土壤水分反演方面，本文分别对裸土和植被覆盖两种条件下的地表土壤水分反演方法进行了分析和研究。针对裸土情况，本文在地表温度晴天无云条件下日周期变化满足白天正弦夜晚指数变化特征的基础上，提出了八个地表温度时间变化参量，通过NOAH陆面过程模型数值模拟，模拟生成不同大气条件、不同土壤类型和不同土壤水分含量条件下地表温度、土壤水分和辐射通量等参数的日周期变化过程，并通过日周期变化特征提取地表温度时间变化参量，采用GEM-SA敏感性分析软件系统分析了各参量与各种环境因子之间的相互作用规律。分析结果得出白天上午单位短波净辐射能量引起的地表温度变化(TN)和白天最高温度发生时间(td)与地表土壤水分有很强的相关关系，并在此基础上，建立了裸土条件下反演地表土壤水分线性模型。同时结合地面观测实验数据，对线性模型结构做了进一步的优化和改进，从而减小模型对观测误差的敏感性，并针对线性模型系数的变化规律，提出了地表土壤水分混合线性模型，模型中只有常数项随大气强迫数据发生变化，系数项保持不变，实测数据验证结果证明利用混合线性模型在常数项已知的前提下能够有效反演地表土壤水分的高低。针对植被覆盖情况，由于植被对地表温度作用具有复杂性特点，本文分别从两个方面对植被覆盖条件下地表土壤水分反演方法进行了阐述:第一方面，基于地表温度-植被指数三角空间，提出了地表温度白天上午变化斜率与植被指数三角空间，并构建了地表温度变化斜率植被干旱指数(TRDVI)的概念。通过与AMSR-E微波土壤水分数据和地面站点前期降水指数对比发现，TRVDI能在一定程度上体现地表土壤水分的空间分布和时间变化特征;第二方面，本文采用小尺度土壤-植被-大气传输模型系统分析了植被覆盖条件下地表温度与各植被参数和土壤水分之间的相互作用关系，结果表明植被类型差异同样对地表温度有较大影响，是不可忽视的一个因素。在此基础上，本文采用模拟数据提出并建立了地表土壤水分与植被类型、地表温度等参数之间BP神经网络模型，模型训练结果指出，该神经网络模型针对单独一天模拟数据地表土壤水分的反演精度在0.01m3/m3以下，反映该方法是一条能够实现精确反演地表土壤水分的途径。
考虑到地表组分温度的有效反演能够有助于地表土壤水分的精确反演，本文同时开展了地表组分温度反演方法研究工作。依据混合像元温度的基本理论，本文利用静止气象卫星数据高时间分辨率以及地表温度在晴天无云条件下变化规律的特点，在假设地表只有植被和土壤两组分的前提下，提出非线性拟合方法反演地表组分温度的方法，并同时对基于最大后验准则及马尔可夫链方法反演地表组分温度方法进行了一定的改进。由于缺乏有效的地面验证数据，本研究主要通过模拟地表混合像元数据来对各方法进行分析验证。反演结果发现，在已知植被覆盖度的前提下，非线性拟合方法在满足邻近像元植被覆盖度差异大于0.02时，地表组分温度的反演精度基本控制在1K以内，但随着植被覆盖度的误差引入，反演精度将明显地降低;而第二种方法虽然在原理上与前者有较大的差异且能有效抑制混合像元温度误差对组分温度估算的影响，但是该方法对各时刻组分温度初值仍然有较大的依赖性，因此同样表现出对邻近像元植被覆盖度的变化范围较为敏感。在邻近像元植被覆盖有一定差异的前提下，两种方法都不失为地表组分温度较好的反演方法。