基于高分三号全极化数据的关键积雪参数反演研究
文献类型：学位论文
| 作者 | 杨亦尘 |
| 答辩日期 | 2023-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 房世峰 |
| 关键词 | 高分三号 关键积雪参数 随机森林 雷达积雪指数 EQeau 模型 |
| 学位名称 | 硕士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 研究积雪参数对于了解气候变化、水资源利用以及人民生活都具有重要意义。主动微波遥感具有不受天气、云、阴影等外界环境影响的优点，同时空间分辨率可与光学遥感相近，适用于流域尺度高精度积雪参数反演工作，缺点是时间分辨率低。全球气候观测系统（GCOS）给出的星载积雪产品在水文和气象应用研究的最低时间分辨率要求是1 至5 天，而目前主要应用的主动微波卫星由于轨道设计的原因，重访周期大多在5 天以上。因此，有必要寻求新的遥感数据源，开展高时间分辨率的积雪参数反演及积雪产品研究。高分系列卫星是我国国家高分辨率对地观测系统重大专项天基系统的重要成果，系列卫星参数均处于世界领先水平。尤其是高分三号，除了保留主动微波高空间分辨率等优点，时间分辨率也提升到了1 天，满足水文和气象等应用研究对于星载积雪产品的空间、时间分辨率要求。但是迄今为止，鲜有基于高分三号遥感数据的积雪参数反演及积雪产品研究。故此，基于先进的高分三号遥感卫星数据源，开展高精度积雪参数反演研究，不仅有助于促进高分系列卫星遥感数据的应用发展，而且可以为流域水文及气象模型模拟提供重要输入参数，对区域水资源管理及防灾减灾等具有重要意义。因此，本文拟通过高分三号卫星，在克兰河流域中游选择典型研究区，结合同步积雪参数观测数据，开展高分三号高精度关键积雪参数反演研究。关键积雪参数是了解区域积雪分布及与积雪含水量直接相关的积雪参数，包括积雪面积与关键积雪物理参数（雪水当量、雪深与雪密度）。本研究通过引入随机森林模型、多元回归模型与EQeau 模型，完成对以上关键积雪参数的反演研究。主要工作内容及研究结论包括： （1）基于随机森林与多元回归的积雪面积反演积雪面积作为了解积雪分布与积雪数量的最直接参数，是开展积雪物理参数研究的前提与基础。使用遥感技术反演积雪面积的方法主要有两类，一是利用分类器如机器学习分类器，识别地物种类并完成积雪识别；二是利用积雪指数，设定阈值，区分积雪与非积雪。为充分探究高分三号在积雪面积反演中的应用潜力，本研究分别引入随机森林模型与多元回归模型，开展积雪面积识别研究。一是使用随机森林模型，完成积雪识别。高分三号全极化数据可通过极化分解获取不同的极化散射信息，可通过地物在极化散射信息中的差异实现积雪面积的提取。在使用多种极化特征进行积雪面积反演时，过多的输入变量可能会产生信息冗余甚至影响精度，过少的变量输入可能无法充分反演积雪信息。因此，需要采用多套极化分解方法充分提取极化特征，使用随机森林模型实现极化特征的筛选，完成积雪面积的识别。本文首先采用Pauli 分解等六种极化分解方法，提取高分三号不同极化方式的后向散射信息组成积雪识别特征集合，合计提取共25个特征。之后利用机器学习中的随机森林方法实现特征集合的筛选与积雪面积的识别。经过参数筛选之后的随机森林积雪识别模型精度得到了提升，总体精度达到了91.7%。 二是使用多元回归模型，建立雷达积雪指数GFSI，完成积雪的筛选。利用遥感手段实现地物分类常用的方法之一为遥感指数，在积雪面积识别中常用的遥感指数为归一化积雪指数NDSI。而在微波遥感中，建立雷达积雪指数反演积雪面积的研究还需探讨。本研究拟通过建立光学遥感卫星哨兵二号与高分三号同时期、同地区的影像，建立回归关系，探究使用高分三号特征代替哨兵二号波段光谱特征建立高分三号积雪指数。本文采用线性回归、岭回归与逐步回归方法，探究研究区高分三号极化特征与哨兵二号波段光谱特征的相关性，使用相关性高的极化特征代替波段光谱特征。研究结果发现，使用逐步回归可建立研究区内部分极化特征与光谱特征的回归关系，且具备显著性。使用极化特征的积雪指数在研究区内积雪面积反演精度为89.3%，满足应用要求。 （2）基于参数优化半经验模型的关键积雪物理参数反演关键积雪物理参数是反映积雪含水量的最直接参数，包括雪水当量、雪密度与雪深。本研究引入半经验模型EQeau 模型，开展关键积雪物理参数反演研究。EQeau 模型是C 波段SAR 反演雪水当量的模型，该模型使用积雪密度与积雪热阻计算雪水当量。原始模型的方法获取积雪密度与积雪热阻的精度较差，也导致模型整体精度较差。为实现高分三号数据与EQeau 模型的耦合与优化，本研究开展了模型结构调整与参数获取方法优化。 首先是积雪热阻获取方法的优化。EQeau 模型获取积雪热阻的方法在于建立观测点积雪热阻与雷达数据秋冬后向散射系数比的回归关系，并利用雷达秋冬后向散射系数比反求积雪热阻。该步骤忽略了地表环境、卫星参数等外部条件对于回归的影响。为定性表达外部因素对拟合的影响，本研究引入地类分类方法，细化拟合过程，提高拟合精度，秋冬后向散射系数比与积雪热阻的拟合精度由62 %提升至75%以上。 然后是积雪密度获取方法的优化。EQeau 模型获取积雪密度的方法为空间插值法。该方法依赖于观测点数据，无法体现区域积雪密度空间分异。本研究引入S3H 分解，利用求取的散射分量、积雪介电常数与积雪密度的关系，反演积雪密度，积雪密度的RMSE 由0.014g/cm3 减小至0.005g/cm3。结果表明，优化后的EQeau 模型反演雪水当量与雪深的结果精度得到了较大的提高。雪水当量MRE 值由原始模型的27.4%减小至10.3%，雪深MRE 值由原始模型的27.90%减小至10.04%。同时，反演得到的关键积雪物理参数的空间分异也更加贴合研究区积雪参数情况。综上所述，论文基于高分三号全极化影像与实测积雪参数，开展了关键积雪参数研究。结果表明，随机森林的降维效果可提高高分三号多元特征积雪面积识别精度，利用多元回归模型建立雷达积雪指数GFSI 的方法也取得不错的反演结果。随机森林模型在研究区北部草地、南部裸地取得了更好的积雪面积反演结果，雷达积雪指数GFSI 的积雪面积反演结果则在研究区中部耕地表现更好。优化后的EQeau 模型与原始模型相比，反演得到的各项关键积雪物理参数精度均有较大提高。本项研究为高分三号数据在积雪参数反演及积雪产品研制方面进行了方法探索，也为高分三号与SAR 卫星数据在寒旱区冰雪水文及气象等应用研究方面提供了重要参考。 |
| 语种 | 中文 |
| 页码 | 114 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/199737]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 杨亦尘. 基于高分三号全极化数据的关键积雪参数反演研究[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2023. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。