本发明专利技术属于遥感图像处理技术领域，提供了一种基于五种地物分类信息的积雪被动微波混合像元分解方法。本发明专利技术根据影响积雪辐射特性的典型五种下垫面类型，通过获得观测地区中较高空间分辨率的地物分类数据，利用积雪在不同下垫面微波辐射之间差异特性，选择微波天线增益函数和采样率，建立积雪微波混合像元分解模型，采用具有约束条件的最小二乘法迭代计算求解欠定性方程组，实现积雪被动微波混合像元分解。本发明专利技术可以有效地解决积雪被动微波混合像元问题，改进积雪参数反演精度，在气候和水文研究以及积雪灾害评估等领域中具有重要应用价值。
【技术实现步骤摘要】
本专利技术属于遥感图像处理的
，具体涉及一种，可解决由于积雪微波混合像元导致积雪参数反演精度较低的问题。
技术介绍
积雪的变化与特征是气候研究、天气预报和水资源管理的重要参数(参见下面列出的参考文献I)。积雪遥感中最为常用的波段是可见光、近红外和微波，其中，可见光和近红外主要用于提取积雪覆盖范围，它们最大的弱点是不能用于反演雪深和雪水当量。微波在积雪遥感中处于不可缺少的位置，它不仅能够全天观测积雪，也能够穿透大部分积雪层， 从而探测到雪深和雪水当量信息。然而，合成孔径雷达(SAR)卫星数据受到重复访问周期较长、山区地形影响以及费用较高等多方面制约，很难应用于研究。被动微波遥感具有很高的时间分辨率，能够迅速覆盖全球而且数据资料免费，因此，它在监测全球和大陆尺度的积雪时空变化中作用尤为突出(参见下面列出的参考文献2、3)。自20世纪70年代以来，几代微波辐射计已经获取了全球积雪深度的较为可信的资料，各种成熟的积雪遥感数据产品也已经被应用于气候和水文研究以及灾害评估等领域(参见下面列出的参考文献4)。被动微波遥感反演积雪深度的基础是雪粒子在毫米波段对来自下垫面微波信号的散射大于在厘米波的散射，且对雪盖深度敏感，因此可以利用多频段被动微波遥感信息探测雪盖深度(参见下面列出的参考文献5)。被动微波遥感是提供全球尺度雪水当量研究的唯一有效途径，但是由于被动微波遥感数据的空间分辨率较低(> 10km)，其天线波束覆盖区大多为复合像元，使得积雪深度的反演精度还不能满足实际需求(参见下面列出的参考文献6) ο目前，国内外提出的被动微波混合像元分解方法多数是针对沿海区域微波混合像元的分解(参见下面列出的参考文献7、8、9)，对于足印内只含有海洋和陆地两种地表类型的情况比较适用，基本实现了陆地和水体的微波混合像元分解。然而，当天线足印内显著包含两种以上地物时，采用目前提出的被动微波混合像元分解模型均会产生较大的误差。被动微波辐射计获取的积雪亮温是代表了一定尺度的混合像元综合亮温，而不同下垫面的积雪微波辐射特性具有较大的差异，因此导致了被动微波遥感反演积雪深度的精度难以提高。为了改进积雪参数反演精度，需要针对积雪下垫面的不同分类建立积雪微波混合像元分解模型，从而解决积雪微波混合像元问题，为更多的研究和应用领域服务。与本专利技术相关的现有技术有如下参考文献I. Rees W G,2006. Remote Sensing of Snow and Ice. Boca Raton, FL :CRC Press，Taylor&Francis，1-285.2. Foster, J. L.，Hall，D. K.，Kelly, R. E. J.，2009. Seasonal snow extent and snow mass in South America using SMMR and SSM/I passive microwave data(1979-2006)Remote Sensing of Environment,113(2) :291-305.3. Evora No e I Dacruz，Tapsoba DominiqueiDe Seve Danielle，2008. Combining artificial neural network models，geostatistics, and passive microwave data for snow water equivalent retrieval and mapping. IEEE Transactions on Geoscience and Remote Sensing，46 (7) 1925-1939.4.李新，车涛.积雪被动微波遥感研究进展.冰川冻土.2007，29 (3): 487-496.5. Savoie Matthew H.，Armstrong, Richard L.，Brodzik, Mary J. , 2009. Atmospheric corrections for I mproved satellite passive microwave snow cover retrievals over the Tibet PlateauRemote Sensing of Environment，I13(12) 2661-2669.6.刘宝康，冯蜀青，杜玉娥.积雪被动微波遥感研究进展与前景展望.草业科学· 2009,26(11) :37-43.7. Tim Bellerby, Malcolm Taberner, Andrea Wilmshurst,1998. Retrieval of Land and Sea Brightness Temperatures from Mixed Coastal Pixels in Passive Microwave Data. IEEE Trans. Geosci. RemoteSensing,36(6) :1844-1851.8. Maa β Nina, Kaleschke Lars,2010. Improving passive microwave sea ice concentration algorithms for coastal areas-applications to the Baltic Sea. Tellus Series A Dynamic Meteorology and Oceanography,62 (4) :393-410.9. Gu Lingjia,Zhao Kai，Zhang Shuang，Zheng Xingming,2011. An AMSR-E Data Unmixing Method for Monitoring Flood and Waterlogging Disaster·Chinese Geographical Science. 2011，21(6) :666_675。
技术实现思路
本专利技术要解决的技术问题在于提供了一种，可以有效地解决积雪被动微波混合像元问题，改进积雪参数反演精度，在气候和水文研究以及灾害评估等领域中具有重要应用价值。本专利技术根据影响积雪辐射特性的典型五种下垫面类型，通过获得观测地区较高空间分辨率的地物分类数据，利用积雪在不同下垫面微波辐射之间差异特性，选择微波天线增益函数和釆样率，建立积雪微波混合像元分解模型，釆用具有约束条件的最小二乘法迭代计算求解欠定性方程组，实现积雪被动微波混合像元分解。本方法可以实现全球范围内积雪微波混合像元分解，通过计算来获得五种下垫面的积雪辐射亮温，提高后期积雪参数反演精度。为解决本专利技术要解决的技术问题，给出技术方案如下。一种，该方法的应用条件是冬季积雪被动微波遥感数据，其特征在于，方法包括如下过程1)确定观测地区冬季积雪情况下的五种的地物分类数据，2)确定微波天线增益函数和采样率，3)建立被动微波积雪混合像元模型，4)积雪被动微波混合像元分解模型求解；所述的确定观测地区冬季积雪情况下的五种的地物分类数据，是将已有的观测地区的地物分类数据产品重新分类为水体、草地、林地、农田和裸土五种下垫面信息，确定观测地区冬季本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：顾玲嘉，任瑞治，张爽，王昊丰，孙健，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。