构建了基于通用陆面模型(CoLM,Common Land Model)、微波辐射传输模型LMEB(L band Microwave Emission of the Biosphere)和集合平滑算法(EnKS,Ensemble Kalman Smoother)的土壤水分数据同化框架,用于联合同化MODIS地表温度和机载L波段被动微波亮温数据。以2012年HiWATER试验期间中游大满超级站为实验站点,分析了3种LAI数据产品对土壤温度模拟结果的影响,进而分析了联合同化地表温度和微波亮度温度对土壤水分估计结果的影响。研究结果表明:3种LAI数据对土壤温度模拟结果的影响显著,MODIS LAI产品在该研究区显著低估,导致土壤温度模拟结果高估4~6 K;同化亮度温度、同化地表温度以及联合同化两者均可以改进土壤水分的估计精度,联合同化地表温度和亮度温度对于土壤水分的改进最为显著,土壤水分同化结果的RMSE减少31%~53%。
研究利用神经网络方法处理微波散射计数据,反演海面风场。重点研究海洋二号(HY-2)卫星微波散射计数据反演,特别是中高风速条件下的风场反演。其中风速的反演基于后向传播(Back Propagation,BP)神经网络;多解风向的反演基于混合密度(Mixture Density Network,MDN)神经网络,求解过程中的核函数采用高斯分布;网络训练的目标风场采用欧洲中期天气预报中心(European Centre for Medium\|range Weather Foresting,ECMWF)模式风场。通过与ECMWF风场的比较,利用神经网络方法反演的风场可以满足HY\|2微波散射计风场反演的精度要求。同时通过与国家卫星海洋应用中心发布的HY\|2微波散射计L2B级风场产品相比较,表明该方法反演的风场更接近ECMWF模式风场。
高分(GF)系列卫星的相继发射为国产高分辨率遥感数据的应用创造了新的机遇。为探索GF数据在中小尺度农作物遥感监测领域中的可行性和建立相适应的技术体系,以扬州市为例,运用决策树模型和面向对象分类方法,研究GF\|1卫星的宽视场(wide field of view,WFV)数据在农作物种植信息提取中的可行性,并探索提高其提取精度的处理方法。结果表明:分区处理可以降低作物空间分布对种植区提取的不利影响;冬小麦总体精度为97%,Kappa系数为0.93;油菜总体精度为96%,Kappa系数为0.84。综上所述,国产GF\|1 WFV影像可以应用于农作物种植信息的提取,并为粮区农作物种植空间调整和优化管理提供重要参考和决策支持。