基于被动微波遥感的北疆地区积雪深度反演

论文摘要

积雪作为一种特殊的下垫面,以高反射率、低导热率以及融雪水文效应对地球能量和辐射平衡以及水循环产生重要的影响。新疆是我国三大积雪区之一,对该区的积雪进行监测,了解其时空分布特征及变化规律,对于促进该区的农牧业生产和生态环境保护都具有十分重要的意义。积雪作为冰冻圈最重要的元素之一,正受到日益广泛地关注,随着地球观测系统（EOS）时代的来临,积雪的被动微波遥感研究也已经成为积雪研究领域的热点。本论文在NASA雪深反演算法的基础上,尝试通过对北疆地区不同海拔高度分别建立雪深反演模型,以取得更加准确的拟合效果和雪深反演结果。利用北疆地区2009-2010年积雪季（12-2月）的AMSRE降轨数据19GHz与37GHz波段的水平极化亮温数据,结合北疆地区60个气象台站的实测雪深等气象数据,在分析研究区雪深反演影响因子的基础上,根据剔除不合理数据后的1865个有效样本,按照海拔高度分为两组,并对阿勒泰和塔城地区单独作回归分析,建立了北疆地区基于AMSRE亮度温度数据的雪深反演模型。对模型的精度进行了评价,当雪深在3-10cm时,模型反演的雪深值负向平均误差为-4.8cm,RMSE值为4.1cm。当雪深在11-30cm时,模型反演雪深值的平均误差仅为-0.2cm,RMSE、正向平均误差、绝对平均误差均较小。当雪深大于30cm时,模型反演的雪深值负向平均误差较小,其他各项误差还都较大。通过与实测值进行对比,模拟结果同台站观测的情况基本一致,基本上能反映北疆地区的雪深分布状况。与Chang算法比较发现,反演模型在北疆地区优于Chang算法,能够反映北疆地区积雪深度变化特征。同时,用合成方法反演了北疆地区2006年-2010年5个积雪季的平均雪深分布和最大雪深分布,平均雪深分布图及最大雪深分布图都显示北疆地区积雪主要分布于北部阿尔泰山和南部天山一带,其中,阿勒泰地区所占比重最大,而在中部的准噶尔盆地腹地、克拉玛依地区雪层较浅或无积雪。虽然研究模拟出的北疆地区雪深反演模型的精度高于Chang算法,但在局部地区的误差还较大,有待今后进一步研究。特别在建立雪深反演模型时需要对AMSRE亮温数据的筛选条件、方法等进行深入分析,结合更多通道的亮温数据,更加准确地判断每项指标的阈值,综合考虑更多方面的影响因素,发展新的雪深反演算法,为北疆地区农牧业生产和防灾减灾工作提供科学依据。

论文目录

• 中文摘要
• Abstract
• 1 绪论
• 1.1 选题背景与研究意义
• 1.2 国内外研究现状分析
• 1.2.1 被动微波遥感研究进展
• 1.2.2 被动微波遥感反演积雪参数研究进展
• 1.3 研究内容和方法
• 1.3.1 研究内容
• 1.3.2 研究技术路线
• 2 被动微波遥感监测积雪原理
• 2.1 被动微波监测积雪原理
• 2.2 被动微波遥感模型
• 2.2.1 NASA 算法
• 2.2.2 多层积雪的微波辐射传输模型（MEMLS）
• 2.2.3 HUT 模型
• 2.2.4 致密介质辐射传输理论模型
• 3 数据来源与处理
• 3.1 数据来源
• 3.1.1 遥感数据
• 3.1.2 非遥感数据
• 3.2 数据处理
• 3.2.1 HDF-EOS 简介
• 3.2.2 IDL 简介
• E 数据处理具体操作步骤'>3.2.3 AMSR_E数据处理具体操作步骤
• 3.2.4 数据筛选与雪深反演模型建立方法
• 3.2.5 研究区域提取
• E 被动微波遥感数据的积雪深度反演'>4 基于 AMSR_E被动微波遥感数据的积雪深度反演
• 4.1 背景介绍
• 4.1.1 被动微波遥感数据介绍
• 4.1.2 雪深的被动微波遥感反演算法研究
• 4.1.3 积雪反演产品的应用范围
• E 被动微波遥感数据反演北疆地区积雪深度'>4.2 利用AMSR_E被动微波遥感数据反演北疆地区积雪深度
• E 各波段与雪深相关分析'>4.2.1 AMSR_E各波段与雪深相关分析
• 4.2.2 建立雪深反演模型
• 4.2.3 识别积雪地表的被动微波遥感分类树
• E 积雪深度数学模型的验证'>4.2.4 AMSR_E积雪深度数学模型的验证
• E 雪深反演'>4.2.5 AMSR_E雪深反演
• 5 北疆积雪时空分布分析
• 5.1 研究区概况
• 5.2 北疆地区的气候与区划
• 5.3 北疆地区积雪深度时空变化分析
• 6 结论
• 6.1 结论
• 6.2 不足之处
• 参考文献
• 在读期间发表的论文
• 后记