先验知识在遥感反演中的作用
先验知识在遥感反演中的作用*
李小文王锦地
(中国科学院遥感应用研究所,北京100101)胡宝新A.H.Strahler
(CenterforRemoteSensing,BostonUniversity,BostonMA,02215,USA)
摘要论述遥感反演中的基本理论问题.总结遥感反演面临的主要困难,指出反
演中引入先验知识的重要性,阐述将先验知识用于遥感反演的基本原理,并给出了对
先验知识的数学描述,提出一种在有限遥感信息量条件下基于知识积累的遥感反演
的新思路.
关键词遥感反演先验知识二向性反射模型
随着多角度遥感的面世,通过二向性反射模型反演来确定地物结构参数并进而确定组分
波谱参数逐渐成为可能[1],从而使对定量遥感的期望越来越高.然而定量遥感是非常困难
的,急需从信息论的角度获得一些理论指导并在反演实践中进行大量的探索[2,3].
最近,Verstraete,Pinty和Myneni(VPM)发表了他们的研究成果[4],试图从理论上和概念上界定遥感反演提取地表信息的潜力与局限.提出了针对(特定)数据的模型反演的概念
和根据数据对参数的敏感性来分割数据与参数,独立进行子模型反演的策略.
我国从事遥感反演的科学工作者在土壤表层水分、植被生物量和其他地表参数的反演中
做过研究[5,6],不久前从实践中总结出基于数据的反演目标决策,和根据参数的不确定性与敏感性矩阵实施数据集与参数集分割的分阶段反演策略[7],及多角度与多光谱遥感信息
融合的方案[8].可惜未能作概念化与理论化的尝试.在这个意义上,VPM的理论性研究,对
总结遥感反演的经验以探索反演方法有一定的指导意义.然而,VPM指出,他们提出10个命题并非意在设立一些教条,来限制丰富的遥感实践,而
是为了引起讨论,使人们对定量反演的潜力及其局限有更深刻的理解,以求更完善的研究与应
用.我们认为VPM文章的一个主要不足之处是忽略了先验知识在从数据反演状态参数这一
过程中的应用.根据用MISR/MODIS方向采样和在BOREAS实验中所进行的反演实践[7],我们相信在EOS时代,无定解仍然是遥感反演面临的主要困难.因此,先验知识的应用,仍然
是反演的主要希望之所在.为此,我们已在反演实践中作了一些尝试.本文主要介绍先验知
识用于遥感反演的基本原理.
1997-04-25收稿,1997-08-26收修改稿*国家自然科学基金资助项目(批准号:49671059,49771058)、国家八六三高科技计划资助项目(编号:863-308-14-02(3))和美国宇航局NAS5-31369部分资助中国科学(D辑)
第28卷第1期SCIENCEINCHINA(SeriesD)1998年2月1真实系统、模型与遥感数据
地球表面结构复杂,组分多样.电磁波从太阳到地表再反射到卫星遥感器.经过大气和
地表的多次散射,构成一个非常复杂的系统.如果要精确地描述,需要无穷多个参数,这既不
可能,也无必要.但为了叙述方便,仿VPM,称这一真实系统为S.
物理模型试图抓住决定遥感器信号的少量关键因素,描述产生这一信号的机理.首先需要使这些因素参数化,然后建立模型,即遥感数据d与有限(m)个参数S取值的定量关系:
d=f(X,S),(1)
这里S是m维模型空间Sm中的1个向量,或1个点,而X是已知或可控的测量条件.改变不同的测量条件(即所谓测量维,如方向、波长、分辨率、极化等),可以得到对应同一个S向量
的M个观测数据,用向量d来表示,则d代表M维数据空间的1个点.也就是说,前向模
型.f把m维参数空间的1个点映射到m维数据空间的1个点.由于模型只是真实系统的近似,测量本身也有误差和噪声,因此,在给定的测量维,真实测
量得到的数据dobsd,而只能是
dobs=f(X,S)+x,(2)
这里x是误差项.由于误差项的存在,人们无法追求精确解,而VPM的命题3,主要要求足够大的M,使最小二乘法意义上的定解存在并能找到.VPM文章忽略了先验知识在从数据
(文中Z集合)反演状态参数(文中S)这一过程中的应用.作者虽然并未在命题中明确作出
这一限制,但在命题3及相关的讨论中,将ZS反演规定为1个求解M个独立未知S参数的过程.从而使独立观测数据量M>m成为必要,而这一条件在遥感实践中很难满足.
Tarantola[9]指出:地学中的反演问题,通常都是无定解(Underdetermined)的问题.在系
统方程组(如VPM方程组3)无解析解(Overdetermined)的情况下,最小二乘法是百余年来成熟的方法.但对无定解的方程组,最小二乘法并不合适.对未知参数不确定性的(先验)统计
描述,和如何根据新的观察值对这种统计描述进行修正,是在观测信息量不足,方程组无定解
情况下地学反演问题的正确表达.本文要强调的则是在EOS时代,足够大的M仍是难以得到的,因而必需在数据信息量
不足无定解的情况下,充分利用先验知识,寻求在特定先验知识和测量条件下的最优解.
2先验知识
在遥感的反演中,先验知识的应用是不可缺少的,即使对应用先验知识持反对态度的作
者,也不能不承认模型选择即包含着先验知识的应用.随着模型的选择,各参数的物理限制,
如叶片大小非负,反射率非负且小于1,等等先验知识也就很自然地引入到反演之中,作为参数取值的硬边界.对此人们很少异议.
既然遥感反演本质上是从有限信息量探索S的无定解过程,那么,就没有必要回避先验
知识,而应该尽量完善地利用先验知识,知之为知之,不知为不知,既不能强不知以为知,又不能佯作不知因为信息量有限,不能浪费.因此,在反演中应该理直气壮地引进和应用先验
知识.而紧接着需要解决的问题则是先验知识在反演中如何表达和利用的问题.仿照参数物理限制越界罚点的办法,李小文等用参数的平均期望和不确定性构造了参68中国科学(D辑)第28卷数的软边界,用作搜索最小均方误差的加权,有较好的效果[7],但缺乏数学上的理论证明.
Tarantola[9]指出,先验知识最好的表达,就是构造m维参数空间S上的概率密度分布函数Ps(P1,S2,Sm).通过前向模型,即(1)式,这一分布将对应M维数据空间的一个概率
密度分布函数PD(d).然而,由于模型近似误差和测量噪声的存在,对S空间任一给定点S和测量条件X,(1)式计算所得的d与实际测量所得的dobs完全一致的可能性是没有的,这种
由于模型近似和测量与环境噪声引起的误差可以用M维数据空间D上的一个概率密度来描
述:PD(dobs)=PD(dobs|d)=PD(dobs|X,S).(3)
如果对这一概率密度有所了解,就构成先验知识的第二个主要内容.
3信息量与置信度
对一个给定的离散概率分布,可以计算其信息量
I(P)=PilogPi.(4)
这里对数可以以2为底,也可以10或e为底,信息量的单位则分别称为比,贝或奈培.
可以证明,当所有Pi是等概率时,分布的信息量最小,从先验知识的角度来看,就是完全不知道变量取值的倾向性.可以称这种分布为无知分布,由于其具体取值随离散化程度变化,
常用作计算信息量的参照值.
单用信息量还不足以描述关于S取值的先验知识.比如说,给定1个骰子,并不知道其性能,只能假定掷出任一点的概率是相同的,因此对此特定骰子掷出点数的先验知识为一均匀
分布.经过艰苦的努力,假定已掷了6000次,统计结果表明每一点数各出现1000次.则该
骰子掷出点数的概率分布仍为一均匀分布.这一知识包含的信息量并未增加.但是其置信度增加了,有相当大的把握说这个骰子性能良好.从这个意义上,李小文等强调的遥感反演的
目的在于对地面目标知识的增加[2],不能单用Shannon信息量来描述.
4Bayes定理和Bayes反演
对遥感界来说Bayes定理并不陌生,在最大似然分类中有广泛的应用.定理说:由于
P(x,y)=P(x|y)P(y)=P(y|x)P(x),(5)因此
P(x|y)=P(y|x)P(x)P(y),(6)
这里P(Z)读作Z的边际概率密度,P(Z,W)读作Z与W的联合概率密度,P(Z|W)读作
给定W时Z的条件概率密度,不表示特定的函数,当x,y为离散变量时,这些概率密度应理
解为冲激函数(见(9)式).因此在给定的M+m维空间D,S上的S,d联合概率密度PD,S(d,S),Bayes定理即可用于反演:
P(S|dobs)=PD(dobs|S)Ps(S)PD(dobs).(7)
换言之,在观察值给定为M维空间向量dobs时,m维空间参数向量为S的概率密度分布(反演结果)为先验概率PS(S)乘上一个修正系数,其分母为先验概率所给出观察值的全概第1期李小文等:先验知识在遥感反演中的作用69率,分子为给定相应S值时观察值的先验概率.这里dobs的先验全概率为
PD(dobs)=
SPD(dobs|S)PS(S)dVS,(8)
这里
S和dVS分别表示m维参数空间S上的积分和多维积分元.
(7)式在非线性参数估计中常称为Bayes反推(BayessianInference),此处称之为Bayes反演.
读者可能会怀疑,在(7)式中,模型上哪里去了?这里要重申一下,模型(1)现在已由于考
虑到模型误差和测量噪声而模糊化为(3)式了,如果有理由证明或对这一误差和噪声的统计特
性无知不得已而假定这一误差是独立随机变量,用以代替(3)式中给定d=f(X,S)后的已知
统计分布,则(3)式即简化为(2)式.为了说清楚模型在(7)式中的作用,进而(愚蠢地)假定模型完美无缺,测量天衣无缝,则
(7)式退化为
P(S|dobs)=[dobs-f(X,S)]PS(S)
S[dobs-f(X,S)]PS(S)dVS=
如果在点Sdobs=f(X,S),即点S的先验概率密度,否则零所有能产生dbos=f(X,S)的点S概率密度的总和(积分),(9)
所以Bayes反演的适应性是很广泛的,它提供了把有关参数的先验知识和有关模型本身及测量误差的先验知识注入反演过程的途径,但并不硬性规定必须有这样的先验知识例如你
没有PS(S)的知识,假定1个无知分布好了;不知道误差之间有什么相关,假定它们独立好
了,这种情况就退化到最小平方误差的情况.进而,如果坚持认为模型不应该有误差,(9)式退
化到求无解或不定解方程组所有的解问题.
Bayes反演之所以有很强的适应性,在于它只根据观测数据提供的信息量,对先验知识进行修正,没有什么预先设定的数据信息量的要求,因而特别适合于通过遥感手段来积累对地观
测的知识.
这里要说明的一点是,按照Shannon的信息度量,一般说来,先验知识PS(S)的分布越
窄,信息量越大,获得观察数据以后,如果观察数据与先验知识根据模型计算值基本吻合,则修
正后的PS(S)将会更窄,信息量增加.但如果观测值与预期值相差较大,说明观测值与先验
知识或模型相抵触,这时修正后的PS(S)反而会更宽,信息量减小.但这个分布的置信度增加.
5对地观测与知识积累
李小文等指出,遥感信号无论多波段,多角度,多偏振多到什么程度,其信息量总是有限的,如果每次反演都基于对地面目标无先验知识的假定,重复反演,实质上是对信息资源的浪
华南师范大学地理科学学院环境遥感期末考试试题
一． 名词解释：
1. 独立因子：
所谓独立因子，是指“不能够从研一推理或归纳综合得到的因子”。通过对独立因子进行量纲分析，完成了无量纲因子团研究（各无量纲因子团应有明确的地理-物理意义），突破了圈层结构的限制，突破了力学中相似准则的厘米/克/秒制，提出了地理相似准则，从而使地理科学中常用的类比方法得到定量的、科学的计算。再通过数学上的方程与统计的结合，在独立因子与地理相似准则分析的基础上，对因子团进行多元非线性回归统计分析，并从统计分析中提出随时间、空间分布的地理参数，建立遥感信息模型。
2. 反演：
遥感的本质是反演。反演主要用于定量遥感，即基于模型知识的基础上，从测量到的现象推求未知的原因或参数。反演问题研究的内容主要有几个方面：在“条件适定”概念下求解不适定的问题；对于反演问题求解方法的研究；对于反演问题的解的评价。定量遥感反演问题面临的问题主要有：方向性问题，即地表反射与发射的方向性模型研究和应用；尺度效应与尺度转换。目前的陆地遥感反演主要利用的是最小二乘法原理，要求处理数据量多余未知量，但是实际情况往往相反，所以，反演本质上是病态的。面对这个问题，先验知识的引入以及注意反演策略与方法，是至关重要的，把新观测的信息量有效地用于时空多变要素的估计上，使新观测中的信息有效分配给这一复杂系统中的时空多变参数。
3. 红移：
在植被的光谱曲线中，遭胁迫的植物的叶绿素吸收边向长波方向移动的现象称为红移。叶片的光谱反射最有可能在敏感的可见光范围首先反映植被受胁迫的情况。当植被遭受胁迫和叶绿素生产量开始下降时，由于叶绿素的缺乏一般会使植物在叶绿素吸收带上的吸收减少。这样的植物具有高得多的反射，特别是在红光和绿光部分。因此，植物会变成黄色或萎黄色。可见光的反射率增加实际上与植被遭受胁迫时叶片反射率的响应完全一致。只有当足够大并造成这篇严重脱水时，红外反射率才会开始响应（即，开始红移）。“红移”出现的原因虽然很复杂，但其重要原因是由于作物成熟叶绿素a大量增加所致。红边（680~800纳米）可以作为植物受压抑的光谱指示波段区。利用“红移”也可以判断植物病虫害的情况。
多源遥感在土壤水分定量反演中应用概述
多源遥感在土壤水分定量反演中应用概述
摘要:土壤水分作为土壤的重要组成部分,对农业、水文、气象等方面具有很高的应用价值,在该领域的探索与研究一直比较活跃,遥感技术的发展为实时快速获取土壤水分信息提供了新的手段,已成为目前遥感技术应用研究的前沿领域,本文系统总结和分析了国内外土壤水分的遥感定量估测方法,并最后提出了该领域可能的发展方向,相信对从事相关工作的研究人员会有一定的参考价值。
关键词:遥感 土壤水 定量 反演
土壤水分是表示一定深度土层的土壤干湿程度的物理量,是监测土地退化和干旱的重要指标,同时也是水文学、气象学、土壤学、生态学以及农业科学等研究领域中的一个重要参数。一方面它影响地表与大气界面的水分和能量交换,其变化会引起土壤热学特性、地表光学特性的改变,从而影响气候的变化;另一方面它是植物和作物赖以生存的主要源泉,其大小决定着植物或作物根系的发育,对进行大尺度精准农业的水分调节,节水灌溉具有重要意义。
遥感技术不仅能对农作物长势进行大面积、实时、非破坏性监测,从而实现精准农业的发展对地表土壤水分信息快速、及时的掌握,还能为精准农业的发展提供动态监测和分析作物的健康状况与影响作物产量等必要的技术支持。目前获取土壤水分含量的方法主要有田间实测法、土壤水分模型法和遥感法三种。其中传统的田间实测法和土壤水分模型法,因测点稀、速度慢、范围有限,无法满足精准农业中对土壤水分信息快速获取的需求。而遥感估测土壤水分的方法原理是通过测量土壤表面发射或反射的电磁能量,研究遥感信息与土壤水分含量之间的关系,并建立相关的信息模型,从而反演出土壤水分情况,恰恰克服了前二种估测方法的实时性差、单点测量空间变异性差、不能宏观表现等缺陷,为精准农业中大面积快速获取土壤水分信息、实时准确监测提供科学依据。
1 国内外研究进展
如何快速、准确地获取区域地表土壤含水量信息是定量遥感研究的热点之一,也是目前遥感技术应用研究的前沿领域。国内外用遥感技术监测土壤水分的方法有很多,目前在该领域的研究主要集中在光学遥感(即可见光-近红外、热红外遥感)和微波遥感波段进行。主要方法有:基于可见光-近红外土壤水分光谱法、基于热红外遥感的温度法、植被指数法、基于可见光及热红外遥感的植被指数-冠层温度法、微波遥感监测土壤水分法、高光谱遥感监测土壤水分法。
中高分辨率地表反照率反演算法
中高分辨率地表反照率反演算法
毋杰;张虎;刘朋飞
【摘 要】为了在中高分辨率地表反照率遥感反演算法中体现地表反射各向异性特征,以两景Landsat-8地表反射率数据为例,利用在时空对应的MODISBRDF产品中提取的地表反射各向异性先验知识,反演得到30m空间分辨率的地表反照率产品,并将结果与朗伯假设地表反照率和地面站点实测反照率数据进行比较.结果表明:①基于朗伯假设所得地表反照率与地表实测反照率存在明显差异,这种差异会随太阳天顶角的变化而变化,最大相对差异约为4％;②基于MODIS BRDF产品提取的地表反射各向异性先验知识可以较好地改善地表反照率的反演精度,与地面实测数据具有更好的一致性.
【期刊名称】《天津师范大学学报（自然科学版）》
【年(卷),期】2017(037)002
【总页数】5页(P45-49)
【关键词】各向异性特征;地表反照率;先验知识;反演精度;两景Landsat-8数据;MODIS BRDF产品
【作 者】毋杰;张虎;刘朋飞
【作者单位】天津师范大学城市与环境科学学院,天津300387;天津师范大学城市与环境科学学院,天津300387;天津师范大学城市与环境科学学院,天津300387
【正文语种】中 文
【中图分类】P46;TP701 地表反照率是研究地表能量收支平衡和全球气候变化的重要参数之一，也是地面对太阳短波辐射反射能力的体现，其定义为地表反射入射的太阳辐射能量与入射太阳辐射能量的比值[1].地球表面对入射太阳辐射的反射是各向异性的，即反射不仅具有方向性，而且这种方向性还依赖于入射和出射的方向而异[2].反照率是方向反射率在入射和出射半球空间的积分，因此由遥感反射率数据精确反演地表反照率需要考虑地表反射的各向异性特征.目前的研究中，通常采用二项性反射函数（BRDF）描述地表反射的各向异性特性，BRDF为来自入射方向的地表辐照度的微增量与其所引起的反射方向的反射辐射亮度增量间的比值[3].
遥感原理与应用 最终总结篇
第一篇 名词解释
1、遥感技术：在遥感平台的支持下，不与探测目标接触，从远处吧目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术。
2、遥感器：遥感器又称为传感器，是接收、记录目标电磁波特性的仪器。
常见的传感器有摄影机、扫描仪、雷达、辐射计、散射计等。
3、电磁波谱：将电磁波在真空中传播的波长或频率、递增或递减依次排列为一个序谱，将此序谱称为电磁波谱。
4、黑体：对任何波长的电磁辐射都全吸收的假想的辐射体。
5、大气散射：辐射在传播过程中遇到小微粒（气体分子或悬浮微粒等）而使传播方向改变，并向各个方向散开，从而减弱了原方向的辐射强度、增加了其他方向的辐射强度的现象。
6、大气窗口：电磁波通过大气层时较少被反射、吸收和散射的，透过率较高的波段。
7、地物波谱：地物的电磁波响应特性随电磁波长改变而变化的规律，称为地表物体波谱，简称地物波谱。地物波谱特性是电磁辐射与地物相互作用的一种表现。
8、地物反射率：地物的反射能量与入射总能量的比，即ρ=(Pρ/P0 )×100%。表征物体对电磁波谱的反射能力。
9、地物反射波谱：是研究可见光至近红外波段上地物反射率随波长的变化规律。表示方法：一般采用二维几何空间内的曲线表示(地物反射波谱曲线)，横坐标表示波长，纵坐标表示反射率。
10、摄影成像：依靠光学镜头及放置在焦平面的感光记录介质（胶片or CCD）来记录物体的影像的成像方式
11、扫描成像：依靠探测元件和扫描镜对目标地物以瞬时视场为单位进行逐点、逐行取样，以得到目标地物电磁波特性信息，形成一定谱段图像的成像方式。 12、微波遥感：通过微波传感器,获取目标地物在1mm—1m光谱范围内发射或反射的电磁辐射，以此为依据，通过判读处理来识别地物的技术。
13、像点位移：中心投影的影像上，地形的起伏除引起相片比例尺变化外，还会引起平面上的点位在相片位置上的移动，这种现象称为像点位移，其位移量就是中心投影与垂直投影在统一水平面上的投影误差。
基于机器学习的短波红外通道二氧化碳卫星反演方法
基于机器学习的短波红外通道二氧化碳卫星反演方法
简介：
随着全球气候变化的深刻影响和人类对环境问题的日益关注，对大气中重要温室气体的精确监测变得至关重要。其中，二氧化碳（CO2）是最重要的温室气体之一。本文旨在讨论一个基于机器学习的短波红外通道二氧化碳卫星反演方法，以提高对大气CO2浓度的准确测量。
1. 研究背景
二氧化碳的准确监测对于了解全球变暖、气候变化以及人类活动对环境的影响具有重要意义。通过遥感技术，特别是卫星观测，可以实现对二氧化碳浓度进行大范围、连续的监测。短波红外通道是一种常用的卫星观测手段，其通过测量大气中CO2分子吸收特征的辐射来推断CO2浓度。
2. 传统反演方法的局限性
传统的短波红外通道二氧化碳卫星反演方法主要依赖于物理反演模型，这些模型基于复杂的大气光学理论和辐射传输方程。然而，这些模型往往需要大量的先验知识和参数输入，并且对光学路径的精确描述非常困难。此外，它们对大气垂直廓线和气溶胶的高度分辨率要求也较高。
3. 机器学习在反演方法中的应用 机器学习作为一种基于数据的方法，可以通过学习输入数据与输出之间的关系，进行模型训练和预测。在短波红外通道二氧化碳卫星反演方法中，机器学习可以通过建立一个CO2浓度与辐射观测之间的映射，实现准确的反演。
4. （1）数据准备：收集和整理多组卫星短波红外通道的辐射观测数据和相应的地面CO2浓度测量数据作为训练集。
（2）特征提取：从卫星辐射数据中提取与CO2浓度变化相关的特征，例如辐射峰值位置、辐射通量强度等。
（3）模型训练：使用机器学习算法，如支持向量机（SVM）、神经网络（NN）等，将提取的特征与地面CO2浓度进行训练。
（4）反演预测：使用训练好的模型，对新的卫星辐射观测数据进行预测，得到对应的CO2浓度。
5. 优势和挑战
基于机器学习的短波红外通道二氧化碳卫星反演方法具有以下优势：
（1）减少对大气垂直廓线和气溶胶分布的要求，降低反演模型的复杂度。
星载高光谱红外传感器反演大气痕量气体综述
遥感信息 绩 堪
星载高光谱红外传感器反演大气痕量气体综述
程洁①～，柳钦火①～，李小文①・②
（①中国科学院遥感应用研究所，遥感科学国家重点实验室，北京１００１０１；
②北京师范大学北京１００８７５；③中国科学院研究生院，北京１０００３９）
摘要：利用遥感监测全球尺度上的痕量气体分布以及动态变化，对于理解对流层大气化学以及温室气体的源与汇具有重
要的意义。本文首先介绍了国内外用于痕量气体探测的高光谱红外传感器的发展，由辐射传输方程出发分析了大气痕量气
体遥感反演的特点，从前向模型、先验知识和最小化代价函数方案三个方面阐述了大气痕量气体遥感反演方案，最后指出了
目前利用星载高光谱红外遥感数据反演大气痕量气体存在的一些问题以及可能的解决方案。
关键词：痕量气体；反演；遥感；病态问题
中图分类号：Ｐ２３７．９ 文献标识码：Ａ 文章编号：１０００—３１７７（２００７）９０—００９０—０８
１引言
自进入工业社会以来，人类活动排放的温室气
体日益影响着地球大气。人类活动对大气化学成分
和全球气候变暖的影响已成为人们所关注的全球性
问题。然而我们对这些气体全球循环机制和行为的
了解非常有限［川。理解对流层化学和估计由温室
气体浓度增加引起的可能的气候辐射强迫需要全球
尺度上的痕量气体测量［２】，来获取大气的组分及其
时空演变趋势信息。过去我们拥有的痕量气体含量
及时空分布信息主要来自分布于全球各地的地面环
境监测站。利用环境监测站监测大气痕量气体，具
有数据可信度高、获取容易、能够瞬时获取等优点。
但这种方法存在明显的不足：①耗时耗力，难以进行
宏观上的统筹规划。由于大气痕量气体排入空气
后，将受到排放方式、扩散模式、气象因素、地形条件
等诸多因素的影响，其时空分布是复杂多变的。为
了清楚了解其宏观上的特点必须采取加密站点的方
式，而站点的加密必将耗费大量的人力物力；②获取
的只是特定点上的数据，难以扩展到面，不能准确反
利用归一化微波差异指数和表面散射模型反演裸露地表土壤水分
第２７卷第３期 ２０１２年６月 遥感信息 ＲＥＭ０ＴＥ ＳＥＮＳＩＮＧ ＩＮＦ（）ＲＭＡＴＩＯＮ Ｖｏ１．１３，ＮＯ．３ Ｊｕｎ．，２０１２
利用归一化微波差异指数和表面散射模型
反演裸露地表土壤水分
卫炜，周清波，毛克彪
（农业部资源遥感与数字农业重点开放实验室，中国农业科学院农业资源与农业区划研究所，北京１０００８１）
摘要：在给定土壤质地和粗糙度状况条件下，用ＡＩＥＭ模型模拟ＡＭＳＲ－Ｅ的６．９２５ＧＨｚ、１０．６５ＧＨｚ和１８．７ＧＨｚ
频率下不同含水量时土壤表面发射率和土壤温度的关系，分析表明Ｖ极化的发射率受土壤温度的影响很小，其变 化主要由土壤水分的变化引起。通过计算不同频率组合Ｖ极化通道的归一化微波差异指数，并模拟与土壤水分的 关系，然后利用这一关系对塔克拉玛干沙漠中部某地的土壤水分进行反演。结果发现用１８．７ＧＨｚ和１０．６５ＧＨｚ Ｖ
极化通道组合的反演值与ＡＭＳＲ－Ｅ Ｌｅｖｅｌ ３土壤水分产品的吻合程度最好。在此基础上分别用３种常见的半经
验表面散射模型：Ｑ／Ｈ模型、Ｈｐ模型和Ｑｐ模型，通过计算上述通道组合的ＮＭＤＩ来反演研究区的土壤水分，结 果表明利用３种半经验模型得到的反演值之间差异非常小，并且与用ＡＩＥＭ模型计算ＮＭＤＩ时的反演结果吻合 较好。
关键词：归一化微波差异指数；表面散射模型；土壤水分；ＡＭＳＲ—Ｅ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００—３１７７．２０１２．０３．００１ 中图分类号：ＴＰ７９ 文献标识码：Ａ 文章编号：１０００—３１７７（２０１２）１２１—０００３—０８
Ｒｅｔｒｉｅｖａｌ ｏｆ Ｂａｒｅ Ｓｏｉｌ Ｍｏｉｓｔｕｒｅ Ｕｓｉｎｇ Ｎｏｒｍａｌｉｚｅｄ
Ｍｉｃｒｏｗａｖｅ Ｄｉｆｆｅｒｅｎｃｅ Ｉｎｄｅｘ ａｎｄ Ｓｕｒｆａｃｅ Ｅｍｉｓｓｉｏｎ Ｍｏｄｅｌ
ＷＥＩ Ｗｅｉ，ＺＨＯＵ Ｑｉｎｇ—ｂｏ，ＭＡＯ Ｋｅ－ｂｉａｏ （Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｒｅｓｏｕｒｃｅｓ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ａｎｄ Ｄｉｇｉｔａｌ Ａｇｒｉｃｕｌｔｕｒｅ，ＭＯＡ， Ｉｎｓｔｉｔｕｔｅ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｒｅｇｉｏｎａｌ Ｐｌａｎｎｉｎｇ，ＣＡＡＳ，Ｂｅｉｊｉｎｇ １０００８１）
如何使用遥感技术进行植被覆盖度评估
如何使用遥感技术进行植被覆盖度评估
遥感技术在现代科学研究中扮演着重要的角色，尤其是在植被覆盖度评估方面。植被覆盖度是指地表被植被覆盖所占比例，是地表生态系统恢复与保护的关键指标之一。本文将探讨如何利用遥感技术进行植被覆盖度评估，通过图像解译、遥感模型和验证方法三个方面的介绍，帮助读者更好地理解和应用遥感技术。
一、图像解译
图像解译是遥感技术中进行植被覆盖度评估的重要步骤之一。遥感图像可以分为光学遥感和微波遥感两大类。光学遥感主要利用能见光和红外波段的信息，而微波遥感则利用雷达的散射和辐射特性。图像解译的过程可以分为目标识别和分类两个步骤。
目标识别是根据遥感图像中的植被特征，如颜色、纹理和形状等来识别植被目标。其中，颜色通常作为最主要的判断指标，通过对光谱信息的分析，可以对不同植被区域进行识别。纹理和形状则用于进一步区分和筛选相似植被目标。通过目标识别，我们可以获取到图像中的植被目标，为后续的分类提供数据支持。
分类是根据已经识别的植被目标，将其划分到不同的植被类型或覆盖度等级中。传统的分类方法包括像元分类、物体级分类和混合像元分类等。像元分类是将遥感图像中的每个像元划分到不同的植被类别中，这种方法简单直观，但精度相对较低。物体级分类则是将连续的像元聚合成具有相同特征的对象，并将其划分到相应的类别中，这种方法能够更好地保留地物的空间信息和形态特征。混合像元分类则是将传统的像元分类和物体级分类相结合，以获取更准确的分类结果。
二、遥感模型
遥感模型可以帮助我们更好地理解和解释植被覆盖度的分布特征。常用的模型包括规则模型、统计模型和过程模型等。 规则模型是基于先验知识和经验规则构建的模型。通过提取遥感图像中的不同植被特征，并与实地采样数据进行对比，可以建立起植被覆盖度和遥感参数之间的关系。例如，NDVI（归一化植被指数）是由红外波段和红光波段计算得出的植被指数，可用于评估植被的状况。规则模型的优点是简单易懂，但灵活性和适应性有限。
卫星雷达数据反演海面风速场的方法研究
卫星雷达数据反演海面风速场的方法研究
卫星雷达是一种现代化的遥感探测技术，具有高精度、高灵敏度和高分辨率等特点，在气象和海洋科学领域中得到了广泛应用。其中，采用卫星雷达数据反演海面风速场的方法，是一项重要的研究课题。本文将从反演原理、反演算法和实践应用三个方面，介绍卫星雷达数据反演海面风速场的方法研究。
一、反演原理
卫星雷达反演海面风速场，是根据雷达测量到的散射系数和海面粗糙度之间的关系，通过反演得到海面风场的一种方法。雷达测量到的散射系数与海面粗糙度之间的关系，可由Kirchhoff近似和微波遥感理论得出。具体而言，可以假设海面粗糙度可由谷区域和高区域的分形结构来描述，其分形维数可由海面粗糙度参数或反演模型得出；而雷达散射系数则可由雷达系统的辐射特性和海面散射特性得出。因此，反演海面风速场的方法，即为寻求散射系数和海面粗糙度之间的关系式，通过该关系式反演得到海面风速场。
二、反演算法
目前，常用的反演算法包括：表观模型法、退化模型法和Bayesian反演法。
表观模型法，一般是在采用Kirchhoff近似的前提下，根据表观反射率模型，将散射系数与海面风速场关联起来。该算法通过建立反演模型，将遥感数据和测量数据转换为海面风速场的估计值。其中，采用Kirchhoff近似时，可分为扰动Kirchhoff模型和粗糙Kirchhoff模型两种。
退化模型法，是在海面粗糙度和风速场之间的非线性关系中，引入物理约束，得到可逆算法。该算法适用于较低风速区域，且对反演精度、数据质量要求较高。该算法应用范围较窄，但适用范围是可以通过改进不断扩展的。 Bayesian反演法，基于贝叶斯理论，是一种新型反演算法。该算法通过利用海面粗糙度与海面风速之间的统计关系，将非线性反演问题转化为概率计算问题，得到海面风场和海面粗糙度的联合概率分布。该算法虽然有一定的理论基础，但需要较高的计算资源和良好的先验知识，因此在实践应用中存在一定的局限性。
遥感应用分析原理与方法
《遥感应用分析原理与方法》各章问题思考
绪 论
1. 什么是遥感？
2. 广义的遥感，其数据采集形式有哪些？
3. 遥感的过程可以分为哪几个环节？
4. 为什么说所有被动遥感所利用的能源都是太阳辐射能？
5. 什么是大气窗口？
6. 电磁波与地表相互作用形式有哪些？其最主要的特点是什么？
7. 电磁辐射再次经过大气到达传感器，为什么说此次的大气效应对遥感影响较大？
8. 什么是遥感系统？如何分类？
9. 遥感数据形式有哪些？并简要说明。
10. 遥感辅助数据有哪些？它们有什么作用？
11. 遥感数据解译、分析有哪两种形式？
12. 遥感有哪些特点？
13. 我国遥感发展的关键问题是什么？如何理解？
14. 举例说明遥感技术本身的局限性以及人们认识上的局限性。
15. 解释“三高两多”：高几何分辨率、高光谱、高定位精度，多角度、多类型。
16. 遥感数据处理分方法的发展趋势有哪些？
17. 如何理解遥感的多学科性？
第1章 遥感原理
1. 什么是电磁辐射？
2. 什么是偏振？
3. 电磁辐射的度量有哪些？分别是如何定义的？它们之间关系如何？
4. 简述电磁辐射三定律的内容以及用途？
5. 太阳辐射和地球辐射的特点有哪些？
6. 大气按照热力学性质如何划分层次？每一层有什么特点？
7. 什么是大气散射？大气散射有哪几种类型？特点是什么？大气散射对遥感造成哪些影响？
8. 解释下面几种现象：蓝天，白云，夕阳如血。
9. 列举大气吸收气体和吸收波长，以及遥感常用的大气窗口。
10. 结合示意图（图1.10）描述太阳辐射与大气的相互作用。
11. 什么是大气校正？为什么要进行大气校正？为什么说进行大气校正是定量遥感尤为重要？
12. 常用的大气校正方法有哪几种？请举例说明。
13. 试介绍6S模型？
14. 电磁波与地表相互作用有哪些物理过程？