集成大气层顶不同时空分辨率遥感数据的多参数综合反演

Satellite earth observation technology is the only feasible way for natural and environmental monitoring at regional and global scales. The high quality, temporally continuous remote sensing parameter products with different spatial resolutions are the urgent needs from climate change research, ecological environment monitoring, crop yield estimation and many other areas. However, the currently available remote sensing parameter products can only offer a medium or low spatial resolution; there are very few parameter products with high spatial resolutions. These remote sensing parameter products are also not spatially and temporally continuous since there are frequent coverage gaps due to instrument problems and persistent cloud cover, and they are inaccurate for some vegetation types. This project intends to develop a method for assimilating top of atmosphere satellite observations with different temporal and spatial resolutions to retrieve multiple remote sensing parameters. Multi-scale information transfer models between remote sensing parameters with different spatial resolutions will be constructed by taking into account the statistical constraints and inherent physical relations between these parameters. And dynamic models will be developed to describe the temporal variation of remote sensing parameters at pixel scales. Then, the multi-scale information transfer models and the dynamic models will be coupled to develop a data assimilation method which will integrate top of atmosphere satellite observations with different temporal and spatial resolutions to generate high quality, temporally continuous remote sensing parameter products with different spatial resolutions.

遥感对地观测技术是实现区域及全球尺度各种自然和环境问题动态监测的唯一手段。从卫星遥感数据中提取各种生物物理和生物化学参数并生成高质量的时间连续的不同空间分辨率遥感参数产品，已经成为气候变化研究、生态环境监测、作物估产等诸多领域的迫切需求。但目前发布的遥感参数产品多集中于中低空间分辨率，高空间分辨率遥感参数产品非常缺乏，而且这些产品空间上不完整，时间上不连续，精度有待进一步提高。本项目拟开展同化大气层顶不同时空分辨率卫星观测数据同时反演多种遥感参数的方法。分析不同空间分辨率遥感参数之间的物理关联机制，构建不同空间分辨率遥感参数之间的多尺度信息传递模型。分析遥感参数时间序列变化规律，建立像元尺度上遥感参数的动态模型。发展耦合多尺度信息传递模型和动态模型的多源遥感数据同化方法，集成不同时空分辨率的卫星观测数据同时反演多种遥感参数，探索生产高质量的时间连续的不同空间分辨率遥感参数产品的新途径。

本项目发展了大气层顶不同时空分辨率卫星观测数据的同化方法，同时反演多种遥感参数。.项目对构建考虑地形效应的地表-大气辐射传输耦合模型进行了探索，发展了考虑地形效应的冠层辐射传输模型，并同时对大气效应和地形效应进行建模，构建了考虑地形效应的地表-大气辐射传输模型耦合框架，同时模拟地表辐射通量和大气层顶辐射通量，并利用基于真实场景构建的三维光线追踪模型（DART）对这些模型的准确度进行了评估。.基于本项目构建的地表-大气辐射传输耦合模型，发展了考虑地形效应，利用极轨卫星数据的多参数综合反演方法，从Landsat卫星观测中同时反演叶面积指数、气溶胶光学厚度、地表反射率、地表反照率、光合有效辐射吸收比、光合有效辐射和短波下行辐射等多种遥感参数；利用机器学习方法发展了地表-大气辐射传输耦合模型的仿真模型，利用机器学习仿真模型替代复杂的辐射传输模型实现了多参数综合反演算法的加速。发展了利用静止卫星数据综合反演多种遥感参数的方法，实现了利用单时相静止卫星数据的多参数综合反演以及利用时间序列静止卫星数据的多参数综合反演。.项目组发展了集成不同时空分辨率卫星数据的多参数综合反演方法，基于集合多尺度树尺度转换模型，从多源卫星观测数据中同时估算不同空间分辨率的多种地表参数，实现了利用时间序列的多源地表反射率数据，反演得到多个分辨率下时间连续的叶面积指数。进而实现了利用不同传感器的大气层顶反射率数据，同时估算不同空间分辨率的LAI、光合有效辐射、光合有效辐射吸收率、地表反照率等多种参数。.项目研究成果为不同时空分辨率遥感参数产品的研发奠定了坚实基础。