一种基于被动微波遥感的多年冻土监测与分类方法
阅读说明：本技术 一种基于被动微波遥感的多年冻土监测与分类方法 (Permafrost monitoring and classifying method based on passive microwave remote sensing ) 是由 张万昌 高会然 于 2021-06-24 设计创作，主要内容包括：本发明提出一种基于被动微波遥感的多年冻土监测与分类方法,包括如下步骤：步骤1、利用判别算法获取近地表土壤冻结状态；步骤2、基于步骤1获取的近地表土壤冻结状态,建立基于近地表土壤冻结状态的冻结指数方法；步骤3、通过气象站点数据,建立基于地表土壤冻融状态的冻结指数与年平均气温之间的关系模型,获得多年冻土分类的冻结指数阈值,结合多年冻土热学稳定性分区理论进行监测与分类。(The invention provides a permafrost monitoring and classifying method based on passive microwave remote sensing, which comprises the following steps: step 1, obtaining a near-surface soil frozen state by using a discrimination algorithm; step 2, establishing a freezing index method based on the near-surface soil freezing state obtained in the step 1; and 3, establishing a relation model between the freezing index based on the freeze-thaw state of the earth surface soil and the annual average air temperature through meteorological station data, obtaining a freezing index threshold value of the classification of the perennial frozen soil, and monitoring and classifying by combining a thermal stability zoning theory of the perennial frozen soil.)
技术领域
本发明涉及遥感监测领域，特别是涉及一种多年冻土遥感监测与分类方法。
背景技术
多年冻土是冰冻圈圈层内的重要组成因素，其形成与发展是由多种地理、地质和气象等要素影响和决定的。由于多年冻土面积广泛，发育环境恶劣等特点，难以通过对冻土特征进行地面采样调查获得其空间分布。随着观测数据的积累与技术手段的进步，一些利用现有观测数据集(例如地表温度，植被覆盖等)进行冻土分布估算方法或模型被提出。寒冷气候条件是多年冻土形成与发育的基本要素。高纬度多年冻土南界以及高海拔多年冻土的冻土下界与-1～-2℃年平均气温等值线基本一致。根据多年冻土与气候的发展关系，针对不同区域的多年冻土热学稳定性分区理论被相继提出，为多年冻土分布监测与研究提供了重要的理论基础。
地球观测系统科学计划(Earth Observing System,EOS)把冻土遥感列为重要研究目标之一，遥感在冻土研究中的应用潜力日益受到重视。早期利用遥感技术监测多年冻土的研究多采用可见光多光谱卫星传感器，比较常见的包括Landsat、MODIS(ModerateResolution Imaging Spectroradiometer)、ASTER(Advanced Space-borne ThermalEmission and Reflection Radiometer)以及SPOT等。
一般来说，存在多年冻土分布的区域，年均气温通常小于0℃，同时地表也有季节性冻土分布，即多年冻土的活动层。多年冻土活动层与永冻层之间可直接进行物质交换与能量传递，多年冻土永冻层的热稳定性同样影响着活动层的空间分布、冻结深度等。因此，在某种程度上，多年冻土活动层的冻融时空特征反映了多年冻土永冻层的时空分布状态。自上世纪70年代以来，国内外学者利用被动微波遥感技术进行了全球范围内的季节性冻土时空监测研究，发展了一系列基于被动微波遥感数据的地表冻融状态判别算法，并取得了显著的成果。在这些研究的基础上，Park等(2016)首次进行了利用基于被动微波遥感手段获得的地表冻融状态来预测多年冻土分布的研究。研究认为地表冻结天数连续两年大于融化天数，则被归类为多年冻土。
多年冻土通常发育于地表之下，在基于光学遥感的多年冻土监测方法中，利用可见光、红外传感器进行监测具有较大局限性：
1)可见光遥感卫星本身回访周期较长，易受到云层的影响；
2)局部地区多年冻土的研究难以推广应用等；
3)虽然多年冻土的发育与时空演变受到海拔、维度、地形、气候条件等影响，可通过多年冻土分布特征与各个环境变量的相关关系进行多年冻土制图等，但多年冻土的复杂物理构造、土壤环境及空间异质性，对利用光学传感器进行多年冻土监测的研究带来极大的不确定性。
在基于被动微波遥感的多年冻土监测方法中，现有方法利用地表冻融状态来预测多年冻土分布。分类结果显示多年冻土分类与多年冻土分类图大致一致，但在部分区域由于零星分布、不连续等多类型多年冻土的存在，冻土分区存在较大的差异。该方法作为基于被动微波遥感进行多年冻土监测的尝试性研究，没有较完善的理论依据，难以推广应用。
发明内容
为了解决上述技术问题，本发明提出一种基于被动微波遥感的多年冻土监测与分类方法，首先，利用改进的双指标(DIA)算法获取近地表土壤冻结状态，经地面观测数据进行精度验证后，根据近地表土壤冻结状态数据的特点，进行冻结指数方法的改进，建立基于近地表土壤冻结状态的冻结指数方法。然后，对冻结指数与年平均气温进行相关性分析，根据多年冻土热学稳定性分区理论，进行冻土类型分类，最终得到多类型多年冻土的空间分布。
本发明的技术方案为：一种基于被动微波遥感的多年冻土监测与分类方法，包括如下步骤：
步骤1、利用判别算法获取近地表土壤冻结状态；
步骤2、基于步骤1获取的近地表土壤冻结状态，建立基于近地表土壤冻结状态的冻结指数方法；
步骤3、通过气象站点数据，建立基于地表土壤冻融状态的冻结指数与年平均气温之间的关系模型，获得多年冻土分类的冻结指数阈值，结合多年冻土热学稳定性分区理论进行监测与分类。
进一步的，所述步骤1、利用判别算法获取近地表土壤冻结状态，基于改进的被动微波遥感的双指标DIA算法作为应用最广泛的地表土壤冻融遥感判别算法，改进的被动微波遥感的双指标DIA算法需要三个参数：37GHz垂直极化亮温Tb37v、19-37GHz负亮温谱梯度SG和土壤水分局部方差LVSM来判别地表冻融状态，其核心算法为式(1)和式(2)
Tb37v≤P37 (1)
其中，Tb37v为36.5GHz垂直极化亮温，单位为K，表示18.7GHz与36.5GHz间的负亮温谱梯度，单位为K/GHz，P37和PSG分别表示两个指标Tb37v和的阈值；PSG取值为0；当地表土壤状态同时满足式(1)和式(2)的条件时，地表土壤被判断为冻结土壤，否则被判断为融化土壤。
进一步的，所述步骤2建立基于近地表土壤冻结状态的冻结指数Fi方法，表示为如式(4)：
式(4)中，Df 1/2和Dt 1/2分别为一年内土壤冻结与融化的天数；由此获得逐年序列冻结指数空间分布，该信息是表征多年冻土空间分布和气候敏感性的指标，通过与多年冻土分类方法相结合，获得具有不同连续性的多类型多年冻土分布。
进一步的，所述步骤3、结合多年冻土热学稳定性分区理论进行监测与分类，具体如下，以年平均气温为分带的主要依据，将多年冻土划成四个分带或类型：
1)年平均气温-5.0℃等温线以北的地方为连续多年冻土带；
2)-5.0至-3.0℃等温线之间的范围为不连续多年冻土带；
3)-3.0℃等温线与多年冻土南界0℃等温线之间为岛状多年冻土带；
4)南界线以南地区为季节性冻土带；
然后，通过气象站点数据，建立基于地表土壤冻融状态的冻结指数与年平均气温之间的关系模型，获得多年冻土分类的冻结指数阈值；将冻结指数与年平均气温之间的关系模型表示为式(5)。
Fi＝a·ln(k-Tam)+b (5)
式中，a，b和k为常数，Tam为年平均气温，k值根据年最大年均气温Tam,max确定，k-Tam,max≥1；由此，获得不同年平均气温阈值下，对应的冻结指数阈值。
附图说明
图1基于被动微波遥感的多年冻土监测与分类方法流程图；
图2多年冻土分布和分类结果与现有多年冻土区划图的对比；
图3(a)1997年环北极多年冻土分类图；
图3(b)2003年北半球多年冻土分布图；
图3(c)2010年北半球多年冻土分布图；
图3(d)2017年北半球多年冻土分布图；
图4为图3的图例说明。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅为本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
根据本发明的实施例，如图1所示，本发明的一种基于被动微波遥感的多年冻土监测与分类方法流程图，包括如下步骤：
步骤1、利用判别算法获取近地表土壤冻结状态；
步骤2、基于步骤1获取的近地表土壤冻结状态，建立基于近地表土壤冻结状态的冻结指数方法；
步骤3、通过气象站点数据，建立基于地表土壤冻融状态的冻结指数与年平均气温之间的关系模型，获得多年冻土分类的冻结指数阈值，结合多年冻土热学稳定性分区理论进行监测与分类。
首先，利用改进的双指标(DIA)算法获取近地表土壤冻结状态，经地面观测数据进行精度验证后，根据近地表土壤冻结状态数据的特点，进行冻结指数方法的改进，建立基于近地表土壤冻结状态的冻结指数方法。然后，对冻结指数与年平均气温进行相关性分析，根据多年冻土热学稳定性分区理论，进行冻土类型分类，最终得到多类型多年冻土的空间分布。
根据本发明的一个实施例，所述步骤1、利用判别算法获取近地表土壤冻结状态；具体的，所述的步骤1中，基于被动微波遥感的双指标(DIA)算法作为应用最广泛的地表土壤冻融遥感判别算法，改进的DIA算法需要三个参数：37GHz垂直极化亮温(Tb37v)、19-37GHz负亮温谱梯度(SG)和土壤水分局部方差(LVSM)来判别地表冻融状态，其核心算法可以归纳为式(1)和式(2)。
Tb37v≤P37 (1)
其中，Tb37v为36.5GHz垂直极化亮温(K)，表示18.7GHz与36.5GHz间的负亮温谱梯度(K/GHz)，P37和PSG分别表示两个指标Tb37v和的阈值。通常情况下，PSG取值为0。当地表土壤状态同时满足式(1)和式(2)的条件时，地表土壤可以被判断为冻结土壤，否则被判断为融化土壤。根据本发明的一个实施例，所述步骤2、建立基于近地表土壤冻结状态的冻结指数方法；
为了研究多年冻土对气候变化的敏感性，并估计在全球变暖背景下多年冻土分布变化，Nelson和Outcalt提出一个简单的基于气象观测数据统计的“冻结指数”(Frostindex，Fi)方法，可以用来描述小空间尺度上的多年冻土连续性分布，该方法被广泛应用于多年冻土研究中。原始的冻结指数被定义为：
式(3)中，DDF+ 1/2和DDT1/2分别为日均温度低于0℃或高于0℃的温度之和，下标“+”表示当该指数计算涉及到冬季雪深、雪密度和雪盖热传导特性时，由于雪盖对气温造成一定影响，因此通过负指数表达式进行调节，以降低这种影响。基于气象统计的冻结指数方法是以地面观测数据为基础，适用于小尺度多年冻土连续性分布研究，很难应用于大尺度离散空间网格的研究。因此，本发明在冻结指数方法的基础上，融合利用被动微波遥感数据判别获得的地表土壤冻融状态信息，创新性的提出基于地表土壤冻融状态的冻结指数方法，方法表示如式(4)：
式(4)中，Df 1/2和Dt 1/2分别为一年内土壤冻结与融化的天数。由此获得逐年序列冻结指数空间分布，该信息是表征多年冻土空间分布和气候敏感性的指标。通过与多年冻土分类方法相结合，可以获得具有不同连续性的多类型多年冻土分布。
根据本发明的一个实施例，所述步骤3、结合多年冻土热学稳定性分区理论进行监测与分类。具体如下，由于中国东北地区地貌及山脉走向的影响，多年冻土纬度地带性受到一定干扰。因此，该区冻土的形成、分布、发育既有纬度地带性又有区域性规律，这是该区冻土分区的思想基础和理论根据。
根据郭东信等学者提出的中国东北地区多年冻土热学稳定性分区方法，首先是冻土纬度地带性得到充分表现，同时又能使区域性规律有明显反映。由于多年冻土层的地带性特征是以气候因素的分布为基础的，因此气候因素在很大程度上决定和控制着冻土的纬度地带性规律。东北地区多年冻土的实际分布状况及主要特征与年平均气温有密切关系，并与某些气温等值线大致吻合。基于这一点，以年平均气温为分带的主要依据，将多年冻土划成四个分带(或类型)：
1)年平均气温-5.0℃等温线以北的地方为连续多年冻土带；
2)-5.0至-3.0℃等温线之间的范围为不连续多年冻土带；
3)-3.0℃等温线与多年冻土南界(0℃等温线)之间为岛状多年冻土带；
4)南界线以南地区为季节性冻土带。
然后，通过气象站点数据，建立基于地表土壤冻融状态的冻结指数与年平均气温之间的关系模型，获得多年冻土分类的冻结指数阈值。根据冻结指数计算公式的特点，我们发现年平均气温的自然对数与冻结指数存在良好的线性关系，为了简化冻结指数与年平均气温的相关关系，将冻结指数与年平均气温之间的关系模型表示为式(5)。
Fi＝a·ln(k-Tam)+b (5)
式中，a，b和k为常数，Tam为年平均气温，k值可根据年最大年均气温(Tam,max)确定，k-Tam,max≥1。由此，可以获得不同年平均气温阈值下，对应的冻结指数阈值。
多年冻土本身具有较强的热稳定性，因此多年冻土的空间分布在时间序列上具有一定的稳定性和渐变特点。但是，基于地表土壤冻融状态的冻结指数由于受气象影响相对较大，具有一定的突变性。因此，预测当前年份多年冻土空间分布时需要考虑前一年冻土空间分布状况，以此来描述多年冻土时空分布的区域性规律。考虑到上述多年冻土分布与变化特点，本发明采用修正的冻结指数(Fi+)表示多年冻土的空间连续性，计算方法如式(6)。
式中，Fi+ t表示当前年份的修正冻结指数。α为权重系数(0<α<1)。
根据本发明的一个具体应用实施例，利用本发明的方法在我国东北地区进行方法应用和验证，首先，将2003年多年冻土分类结果与2000年多年冻土分类图相比，本发明方法得到的多年冻土分布结果有较好的分类精度。由于连续多年冻土的退化，在2006年多年冻土区划图的分类系统中，将连续多年冻土与不连续多年冻土归为一类，空间连续性的范围有所改变，与本方法使用的多年冻土分类系统有所差异。因此，2006年多年冻土分类精度通过2006年多年冻土分类图的多年冻土总面积统计进行验证。2003年和2006年的验证统计结果见表1。结果显示，2003年和2006年多年冻土总体分类误差为2.97％和1.37％。但是，由于研究区多年冻土退化，多年冻土面积持续缩小，因此2003年多年冻土实际分类误差应小于2.97％。
表1不同类型多年冻土面积统计结果
图2展示了本方法得到的2003年和2006年的多年冻土分布与分类结果分别与现有的2000年和2006年多年冻土区划图进行的比较，可以直观的发现分布差异。由于现有多年冻土区划图的综合性特征，本方法获得的多年冻土分布与分类结果与多年冻土区划图的差异主要表现在类别划分的边界上。但是其总体分布状态是比较一致的，特别是研究区多年冻土的南缘。值得注意的是，2006年的多年冻土区划图中，研究区的西部边角的多年冻土已经消失，这在本结果中也有所体现。
在北半球30°N～90°N区域，应用本发明构建的多年冻土监测方法和参数，进行多年冻土监测与分类。结合1997年环北极多年冻土分类图，可探讨本发明的方法有效性。结果如图3所示，图2a-d依次为1997年环北极多年冻土分类图，2003年、2010年和2017年北半球多年冻土分布图。
图3(a)、(b)、(c)、(d)为1997年环北极多年冻土分类图以及2003年、2010年和2017年北半球多年冻土分布图。
图4位图3中的图例说明。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，且应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。