10.65GHz微波地表发射率的线性反演模型研究

论文摘要

随着风云系列卫星的发展和卫星气象遥感理论、方法的成熟,星载遥感器在数值天气预报、气候监测预报、热带气旋监测等方面发挥着越来越不可替代的作用,它接收的辐射主要包括大气辐射、云辐射以及地表辐射。地表辐射主要受地表发射率的影响,地表发射率的重要性、复杂性和可变性,使得它的反演计算成为国内外研究的热点和难点。全文是以构建地表发射率算法模型来提高它的反演精度展开的。文章共分为七章,第一章总结了不同地表类型的发射率变化特征及反演方法,详细描述了各种反演方法的应用和局限性,并对目前微波地表发射率反演过程中存在的误差以及发射率主要的应用进行了阐述;第二章介绍了辐射传输模式（CRTM）前向模块模拟亮温的过程以及卫星资料、模式输入资料的基本信息。第三章以塔克拉玛干沙漠为研究区域,利用多元函数的泰勒定理,推导了该地区的微波地表发射率关于影响因子的函数关系,根据大气辐射传输原理和最优控制理论,建立了关于FY-3C微波成像仪的10.65GHz观测亮温资料与CRTM模式模拟亮温数据的代价函数,并利用牛顿法使得代价函数极小化,得到地表发射率与影响因子之间的函数关系。在第四章中,首先考虑了地表温度、地表湿度两个影响因子,根据第三章的原理及算法,构建了2个因子地表发射率的线性反演模型。第五章中,为了更深入地研究地表发射率与其影响因子之间的关系,在2个因子线性反演模型的基础上加入地表下0.07m和0.28m土壤湿度作为新的影响因子,构建了4个因子地表发射率的线性反演模型,并在该区域开展了地表发射率反演试验。结果表明,CRTM模式的模拟亮温对地表发射率的变化很敏感;相比较而言,用这两种线性反演模型计算得到的地表发射率下的模拟亮温较原模式的模拟亮温更加接近于观测值,原模式与观测的平均误差为3.059K,而2个因子与4个因子反演模型亮温模拟值的误差仅为0.913K和0.729K,利用反演模型得到的地表发射率不仅提高了亮温的模拟精度,而且模拟亮温的变化趋势也与观测更吻合。进一步地,对两种地表发射率的线性反演模型进行了不同时间与空间上的独立性检验,发现利用这两种模型计算的地表发射率的模拟亮温较原地表发射率仍有明显改进,因此这两种反演模型对沙漠地区的微波地表发射率的反演均具有一定的有效性和普适性。地表发射率随季节的变化而变化,为了检验第四、五章中建立的2个因子和4个因子的地表发射率线性反演模型在4个季节中的效果,在第六章中分别选取了2014年1月、4月、7月和10月的数据资料,增加了试验的样本量,对沙漠地表发射率进行了季节性的研究。对比发现,由建立的2个因子、4个因子反演模型得到的地表发射率下的模拟亮温与观测亮温的平均偏差均小于2K,改进到原模式与观测平均偏差的60%以下,提高了地表发射率反演的精度,改进了沙漠地区亮温的模拟,且4个因子的反演模型的改进程度高于2个因子的反演模型且具有更高的计算效率。通过对模型的不同时间和不同地点的独立性检验表明2个因子和4个因子的地表发射率线性反演模型在四个季节中均适用,且4个因子的反演模型优于2个因子的反演模型。最后一章对全文进行了总结,包括地表发射率的重要性以及文中建立的地表发射率的线性反演模型的稳定性和适用性的比较和分析,并且从影响因子和算法两方面对未来的工作进行了展望。

论文目录

文章来源

类型: 硕士论文

作者: 郑婷文

导师: 官元红

关键词: 微波地表发射率,模式,最优化原理,牛顿法,线性反演模型

来源: 南京信息工程大学

年度: 2019

分类: 基础科学

专业: 气象学

单位: 南京信息工程大学

分类号: P407.7

DOI: 10.27248/d.cnki.gnjqc.2019.000393

总页数: 72

文件大小: 5096K

下载量: 13

相关论文文献

• [1].场地效应研究的传递台站线性反演法——以芦山地震为例[J]. 地球物理学报 2017(01)
• [2].应用特征光谱线性反演模型快速提取矿物的光谱预处理研究[J]. 光谱学与光谱分析 2011(05)
• [3].应用于低温流体两相流测量的修正电容层析成像线性反演算法[J]. 化工学报 2019(09)
• [4].利用接收函数研究重庆及周边地区地壳结构[J]. 矿产与地质 2018(05)
• [5].基于模拟退火地震反演技术——以X油田某区为例[J]. 数学的实践与认识 2014(05)
• [6].矿物组分快速定量提取模型及其应用[J]. 光谱学与光谱分析 2010(05)
• [7].激发极化法测深曲线反演方法及对比分析[J]. 物探与化探 2012(06)
• [8].激发极化测深数据反演方法及应用[J]. 地质科技情报 2015(03)
• [9].瑞雷波在滑动面探测中的应用效果讨论[J]. 福州大学学报(自然科学版) 2014(02)
• [10].大地电磁线性反演算法比较[J]. 地球物理学进展 2014(06)
• [11].背景速度和波阻抗的同步反演[J]. 油气地球物理 2013(03)
• [12].结合序贯指示模拟的贝叶斯高斯混合线性反演[J]. 地球物理学报 2019(12)
• [13].基于Kelvin黏声介质的最小二乘品质因子线性反演[J]. 石油物探 2015(06)
• [14].利用集集地震余震记录分析场地地震动反应[J]. 中国科学院研究生院学报 2009(03)
• [15].基于三次样条的大地测量半线性反演方法[J]. 测绘科学 2008(01)
• [16].青藏高原东缘S波速度结构及其意义[J]. 地震工程学报 2013(04)
• [17].基于人工地震测深数据建立地壳一维速度结构[J]. 大地测量与地球动力学 2015(02)
• [18].升降轨InSAR数据约束下的2007年阿里地震反演分析[J]. 测绘学报 2015(06)
• [19].基于高精度地层倾角线性反演的地震全体积拉平方法[J]. 地球物理学报 2013(03)
• [20].基于不等式约束的三维电阻率探测混合反演方法[J]. 地球物理学报 2017(02)
• [21].微波辐射计海面温度的数据质量控制[J]. 海洋预报 2017(01)
• [22].常用波阻抗反演方法概述[J]. 内蒙古石油化工 2010(08)
• [23].磁法约束线性反演在福建大田—漳平地区的应用[J]. 世界地质 2011(01)

标签：微波地表发射率论文;  模式论文;  最优化原理论文;  牛顿法论文;  线性反演模型论文;