土壤水分是作物生长、地—气水热交换及全球水循环过程中的关键变量,对于旱情监测、水文陆面过程及气候变化的研究具有重要的意义。被动微波遥感凭借对于土壤水分的敏感性已经成为监测土壤水分的主要手段。研究中针对吉林省农田下垫面,利用土壤水分传感器网络监测数据,开展了SMAP(Soil Moisture and Active and Passive)和SMOS(Soil Moisture and Ocean Salinity)被动微波土壤水分产品的真实性检验研究,得出了以下结论:①与实测数据相比较,SMOS L3(升降轨)和SMAP L3被动微波土壤水分产品存在低估现象,伴随降雨事件会出现高于实测土壤水分的情况;两种被动微波土壤水分产品的无偏均方根误差(unRMSE)都大于0.07 m3/m3,但SMAP L3被动微波土壤水分产品数据的ubRMSE略低,为0.078 m3/m3;②由于L波段的感应深度要浅于传感器的探测深度5 cm,降雨后土壤表层的变干现象导致土壤水分的垂直不均匀性,这是SMOS和SMAP被动微波土壤水分产品低估土壤水分的原因之一;③SMOS与SMAP亮温分布范围对比结果表明:由于电磁射频干扰(RFI)的影响,RFI对于SMOS的影响更为严重,这或许是SMOS土壤水分产品的RMSE高于SMAP被动微波土壤水分产品的原因。
针对沿海牡蛎养殖模式的特点,使用WorldView-2影像为数据源,以浙江省象山港牡蛎养殖区为研究区,采用主成分分析(Principal Component Analysis,PCA)、GS(Gram-Schmidt)变换、NNDiffuse Pan Sharpening、Brovey变换、小波变换(Wavelet Transform)5种融合方法对多光谱和全色影像数据进行融合,选用均值、标准差、信息熵、平均梯度、相关系数和光谱扭曲程度6种客观评价指标,对5种融合结果进行主观定性和客观定量的评价与分析。结果表明:整体上,经PCA方法融合后的遥感影像在保持空间纹理细节信息的同时,光谱信息保持较好,是WorldView-2影像进行沿海牡蛎养殖遥感应用时最适合的融合方法;GS融合效果仅次于PCA;而NNDiffuse Pan Sharpening、Wavelet变换和Brovey变换均不适合浮筏识别与提取。