为湖南省相关部门制定政策措施提供精准数据参考,基于风云三系列卫星B(FY-3B)微波辐射成像仪土壤湿度数据结合湖南省47个自动土壤水分站10 cm土壤体积含水量数据,采用数理统计法对湖南省卫星遥感反演土壤湿度数据的精度进行评价。结果表...为湖南省相关部门制定政策措施提供精准数据参考,基于风云三系列卫星B(FY-3B)微波辐射成像仪土壤湿度数据结合湖南省47个自动土壤水分站10 cm土壤体积含水量数据,采用数理统计法对湖南省卫星遥感反演土壤湿度数据的精度进行评价。结果表明:湖南省FY-3B遥感土壤湿度数据较实测土壤湿度数据平均偏干0.066 m 3/m 3,均方根误差(RMSE)、无偏均方根误差(ubRMSE)和平均相对误差(MRE)分别为0.164 m 3/m 3、0.099 m 3/m 3和50.9%,升轨数据和降轨数据精度大致相当。土壤湿度数据平均偏差呈北部偏湿南部偏干的空间分布特征,数据精度东部地区总体高于西部地区,其中东北部地区精度最高。由于夏季降水、晴热高温、季节性干旱及植被覆盖等因素影响,土壤湿度数据在7—9月偏差最小,RMSE在3月达峰值后逐步降至7月的全年最低值,ubRMSE在7—8月达最高值,MRE最低值出现在10—11月,且各评价指标在7—8月波动最为明显。展开更多
文摘FY-3B卫星VIRR仪器的向外长波辐射(outgoing long-wave radiation,OLR)产品处理采用与NOAA/AVHRR相同的算法模型,即用窗区通道亮温-通量等效亮度温度的回归关系式计算OLR,但两星的OLR业务产品与目前国际质量最好的云和地球辐射能量系统(cloud and earth’s radiant energy system,CERES)仪器观测OLR产品相比,存在约10 W·m^(-2)的系统负偏差。FY-3B的原因在于OLR反演模式建立过程中红外辐射传输计算软件的精度不够。鉴于此,本文采用美国21世纪开发的逐线辐射传输模型计算软件(LBLRTM),模拟计算了全球2521条大气廓线的大气顶辐射率光谱,在此基础上计算了每条廓线的OLR和FY-3B/VIRR窗区通道亮温,应用最小二乘法统计回归模拟数据,重新建立了由FY-3B/VIRR窗区通道亮温计算OLR的回归关系式及系数。模式应用于FY-3BL1级数据,处理2016年1,3,7和10月的FY-3B逐日全球OLR资料,该资料与AQUA-TERRA卫星的CERES仪器OLR观测产品相比,得到日平均OLR:RMSE=9~15 W·m^(-2),R=0.9834,Bias=-0.3W·m^(-2);月平均OLR:RMSE=4~7W·m^(-2),R=0.9915,Bias=-0.3W·m^(-2),表明改进的模式能处理出无系统偏差的、精度基本与CERES观测相当的OLR产品,尽管单通道反演算法有着固有的模式回归误差。
文摘为湖南省相关部门制定政策措施提供精准数据参考,基于风云三系列卫星B(FY-3B)微波辐射成像仪土壤湿度数据结合湖南省47个自动土壤水分站10 cm土壤体积含水量数据,采用数理统计法对湖南省卫星遥感反演土壤湿度数据的精度进行评价。结果表明:湖南省FY-3B遥感土壤湿度数据较实测土壤湿度数据平均偏干0.066 m 3/m 3,均方根误差(RMSE)、无偏均方根误差(ubRMSE)和平均相对误差(MRE)分别为0.164 m 3/m 3、0.099 m 3/m 3和50.9%,升轨数据和降轨数据精度大致相当。土壤湿度数据平均偏差呈北部偏湿南部偏干的空间分布特征,数据精度东部地区总体高于西部地区,其中东北部地区精度最高。由于夏季降水、晴热高温、季节性干旱及植被覆盖等因素影响,土壤湿度数据在7—9月偏差最小,RMSE在3月达峰值后逐步降至7月的全年最低值,ubRMSE在7—8月达最高值,MRE最低值出现在10—11月,且各评价指标在7—8月波动最为明显。
