基于多源遥感数据的陆地上空高时空分辨率大气水汽反演研究

It is of great significance to obtain accurate water vapor dataset. Currently, wate vapor measurements are made from a varity of sources, however, each of the datasets has significant limitations due to the complex surface land cover. In this project, long term water vapor data with high time and space resolution will be built based on multiple source data including radiosonde data, GPS data and remote sensing data. Starting from the most advanced algorithm, making full use of the free remote sensing data, the algorithm for retrieving water vapor based on multiple source remote sensing data is built. The characteristics of water vapor spatial and time distribution will also be analyzed. The comprehensive and accurate water vapor developed in this project will supply a better understanding of water vapor's role in the earth's climate system.

水汽数据的精确获取，具有重要的意义。但是陆地表面地形地貌的复杂多变，使得目前基于多种观测技术的不同类型水汽资料具有不同的优缺点。本项目以定量遥感理论为基础，目前国际上最先进的算法为出发点，结合多源卫星和地面观测，充分利用目前可用的免费或价格非常低的卫星数据，对不同观测类型的资料进行校订和比对，发展基于多源遥感数据的水汽反演算法，建立我国境内长时间序列高时空分辨的陆地表面大气水汽数据库，并对水汽的分布及其变化特征进行分析，从而为更好的理解水循环过程及其对天气和气候变化的影响提供参考依据。

水汽数据的精确获取，具有重要的意义。但是陆地表面地形地貌的复杂多变，使得目前基于多种观测技术的不同类型水汽资料具有不同的优缺点。本项目以定量遥感理论为基础，目前国际上最先进的算法为出发点，结合多源卫星和地面观测，充分利用目前可用的免费或价格非常低的卫星数据，对不同观测类型的资料进行校订和比对，发展基于多源遥感数据的水汽反演算法，所开展的研究内容具体如下：. 首先解决有云条件下水汽反演的问题。在本项目中开发了基于微波辐射计水汽的两种反演算法：. （1）经验算法：基于地表的物理辐射模型，我们建立了对水汽敏感的微波指数，通过对微波指数和晴空条件下的水汽进行回归得到了基于物理的统计回归水汽反演模型，再将有云覆盖区域的微波指数代入到反演模型，从而获得有云覆盖条件下的水汽结果。. （2）物理算法：对于裸露地表，通过极化差比值形式消除地表信息对大气水汽反演的干扰；针对非裸露地表，首先反演了地表发射率并对不同波段地表发射率之间的关系进行分析，进而建立了非裸露地表上空大气水汽的反演算法。. 其次发展了热红外波段的水汽反演算法。一方面发展了热红外分裂窗水汽反演算法，一方面开发了热红外波段投影寻踪水汽反演算法。. （1）本项目尝试使用红外分裂窗通道，通过建立改进的方差协方差比值分裂窗方法进行水汽反演。水汽反演结果首先与地基 GPS 大气水汽观测值进行了比较，均方根误差为5.76mm; 其次和 MODIS 卫星水汽反演结果进行了面状对比，二者显示出了高度的区域一致性。. （2）通过变量选取实验和结果对比实验，选取出最适宜的模型输入变量及变量组合，建立了投影寻踪模型水汽反演方法。反演结果与 MODIS 热红外水汽产品数据相比，具有更高的精度，且弥补了近红外夜间无法工作的缺陷，更具有业务化推广的潜力。