Register Login 切换中文
Models and Methods | Views : 1574 Downloads: 524 CSCD: 0
  • Export

  • Share

  • Collection

  • Album

    • A semi-empirical microwave transmissivity model for forest canopies during the snow season

    • This study has made significant progress in the field of satellite remote sensing. The research team proposed a method for extracting the microwave transmittance of adjacent pixel canopies based on the tau omega model of vegetation radiative transfer, and successfully applied it to satellite scale. Research has found that the forest canopy has an uncertain impact on passive microwave remote sensing snow depth inversion, but through forest radiation correction, the accuracy of snow depth inversion can be effectively improved. The semi empirical estimation model for forest transmittance established by the team has been validated, and the correlation between the inverted transmittance and the reference value is higher than 0.7, with a low root mean square error (RMSE). In addition, the study also found that after forest radiation correction, the correlation coefficient between high and low frequency brightness temperature difference and snow depth was significantly improved. This study not only provides a new solution for satellite remote sensing to invert snow depth, but also provides more accurate reference and support for snow depth monitoring in forest areas.
    • YANG Jianwei

      1 ,

      JIANG Lingmei

      1 ,

      WU Shengli

      23 ,

      LUAN Yinghong

      4 ,

      PAN Jinmei

      5 ,

      SHI Jiancheng

      5
    • Vol. 28, Issue 4, Pages: 981-994(2024)   

      Published: 07 April 2024

    • DOI: 10.11834/jrs.20221748     

    Scan for full text

  • Quote

    PDF

  • Yang J W,Jiang L M,Wu S L,Luan Y H,Pan J M and Shi J C. 2024. A semi-empirical microwave transmissivity model for forest canopies during the snow season. National Remote Sensing Bulletin, 28(4):981-994 DOI: 10.11834/jrs.20221748.
  •  
  •  

    1 引言

    雪深反演算法在森林区面临的挑战,包括森林冠层对雪深反演的影响以及森林结构对辐射校正的影响。随后介绍了冠层微波透过率模型在植被辐射传输模型中的作用,并列举了多种模型的发展和应用。接着讨论了如何在卫星遥感尺度建立普适性强的透过率模型以提高林区雪深反演精度,并提出了一种基于相邻像元的冠层微波透过率估算方法。该方法通过联立相邻像元的辐射传输方程解算冠层微波透过率,并建立了森林透过率与生物量的半经验模型。最终,总结了该方法对于探索透过率模型在星载遥感尺度应用和提高林区雪深反演精度的重要性。

    2 研究区与数据

    研究区包括黑龙江、辽宁、吉林和内蒙古自治区的东部区域,以及该地区的主要地物类型,包括森林、农田和草地等。此外,该章节还介绍了用于发展和验证算法的地面观测数据和卫星观测数据,包括数据来源、数据类型、空间分辨率和数据处理方法等。

    3 研究思路与方法

    通过空间搜索森林和非森林相邻像元,联立两个相邻像元的微波辐射传输方程,推算森林像元的冠层微波透过率,最后借助森林生物量建立适用于星载遥感尺度的冠层微波透过率半经验模型。该方法基于辐射传输理论推算微波透过率,确定了冠层微波透过率的方法,并通过半经验模型模拟亮温进行验证。最终使用相关系数、均方根误差、无偏的均方根误差、平均绝对误差和平均偏差评估了微波辐射模型、冠层透过率半经验模型和雪深反演算法的不确定性。

    4 结果与分析

    半经验模型的发展和卫星观测对比、森林辐射校正对雪深反演精度的影响、以及森林辐射校正前后雪深反演算法的表现。具体内容包括:

    1. 描述了冠层微波透过率半经验模型的发展和验证过程,包括箱型图和散点图的分析,以及模型拟合函数的提出。该模型适用于稀疏和中等密集程度的森林覆盖情况。

    2. 对比了微波辐射模型模拟值和AMSR2观测亮温,并分析了考虑森林影响后的效果。结果显示,考虑森林影响的模型模拟值偏差明显降低,且V极化的模拟效果要明显优于H极化。

    3. 讨论了森林辐射校正对雪深反演精度的影响,包括森林辐射校正前后亮温差与雪深的相关性、经验性雪深反演算法的表现等。结果显示,经过森林辐射校正后的亮温差与雪深的相关性显著提高,且反演算法能够在一定程度上体现深雪。

    4. 介绍了半经验模型在卫星像元尺度上的交叉验证方法,并展示了模型反演的透过率与参考透过率的相关性和误差统计。

    总之,森林冠层微波透过率半经验模型的发展、卫星观测对比、森林辐射校正对雪深反演精度的影响以及雪深反演算法的表现。

    5 讨论

    森林像元雪深差异对森林冠层微波透过率的不确定性影响。通过敏感性分析,发现相邻像元雪深差异对高频透过率影响较大,但引起的透过率差异仍然较小。此外,还讨论了未冻水、树种和积雪微观参数演化对冠层透过率的影响,并指出了未来的研究重点。

    6 结论

    基于植被τ-ω模型提出的相邻像元冠层微波透过率提取方法,并基于森林生物量发展了冠层微波透过率半经验模型。该模型在森林辐射校正和雪深反演中的作用得到了说明和评估。主要结论包括:该模型模拟亮温更接近卫星观测,透过率半经验模型在两个频段的均方根误差降低,经过森林辐射校正后的亮温差与雪深的相关性提高,以及森林辐射校正使得雪深反演算法误差降低。该章节的贡献在于提出了冠层微波透过率半经验模型,为卫星遥感尺度的森林辐射校正提供了参考和支撑。

    * The above content is automatically generated by AI and is for reference only. This website does not assume any commercial or legal responsibility for the consequences arising from the use of the following content on this website.

    Alert me when the article has been cited
    Submit

    Related Author

    Jiancheng Shi 中国科学院国家空间科学中心
    Jinmei Pan 遥感科学国家重点实验室, 中国科学院空天信息创新研究院
    Yinghong Luan 上海航天电子技术研究所
    Shengli Wu 中国气象局空间天气重点开放实验室/国家卫星气象中心(国家空间天气监测预警中心);许健民气象卫星创新中心
    Lingmei Jiang 北京师范大学/中国科学院空天信息创新研究院遥感科学国家重点实验室,北京师范大学地理科学学部
    Jianwei Yang 北京师范大学/中国科学院空天信息创新研究院遥感科学国家重点实验室,北京师范大学地理科学学部
    ZHENG Zhaojun 中国气象局国家卫星气象中心
    YUE Shanna 中国科学院西北生态环境资源研究院 甘肃省遥感重点实验室 中国科学院黑河遥感试验研究站;中国科学院大学

    Related Institution

    State Key Laboratory of Remote Sensing Science, Jointly Sponsored by Beijing Normal University and Aerospace Information Research Institute of Chinese Academy of Sciences, Faculty of Geographical Science, Beijing Normal University
    Key Laboratory of Space Weather, National Satellite Meteorological Center (National Center for Space Weather), China Meteorological Administration
    State Key Laboratory of Remote Sensing Science, Jointly Sponsored by the Aerospace Information Research Institute of Chinese Academy of Sciences and Beijing Normal University
    Heihe Remote Sensing Experimental Research Station, Key Laboratory of Remote Sensing of Gansu Province, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences
    University of Chinese Academy of Sciences
    0