目标主要目标是: - 提供有关大气音的遥感系统的一般背景 - 审查波浪互动,并提供有关大气辐射转移的背景 - 解释一种从遥感观察中提取大气概况信息的一般方法 - 审查遥感的应用 - 查看最重要的应用应用,最重要的应用是大气的声音(包括气象学和气候) - 使用数据处理 - 以数据处理的方式 - 二重奏技术(二重率)(二重奏)(二重率)(二重奏)(二重奏)(二重率)描述符:知识,理解,解释,技能,能力)在成功完成本课程后,学生应该: - 能够描述大气发声的主要原理和应用。- 了解用于大气发声的主要技术和技术。- 了解大气发声的正向和反向方法的基本。- 了解数据处理步骤和产品级别。- 管理数据档案和处理技术,以提取大气发声信息。- 能够构想简单但独立的解决方案,以进行大气发声。大气发出的程序内容原理。大气的组成,热力学和垂直结构。气体,气溶胶和水通路。原位测量。在天气预测,气候研究,组成监测,大气过程研究中的大气发音需求。大气发出的前进和反问题。电磁辐射的基本面。波 - 伴侣的相互作用机制。正向模型。辐射转移理论。发射,吸收和散射气氛。解决地面和太空遥感平台的解决方案。转发和反问题。逆方法。解决问题的解决方案。估计方法。大气发声传感器。地球观测系统基础知识。平台和轨道。微波炉和红外辐射仪。无线电掩盖和肢体响起。审查主要的遥感平台和大气探空仪。大气发声应用。气象:数据同化,天气预测的验证,天气危害。气候研究:监测基本气候变量,气候模型参数化的完善。组成监测:空气污染,绿色房屋强迫。大气过程研究:气溶胶 - 云 - 沉积相互作用。数据处理。从地面和太空式仪器中处理真实观察。大数据门户。数据处理级别。质量控制和数据分析。简单检索算法的设计和开发(回归,最佳估计)。参考文献和材料 - 教师提供的文本和幻灯片-Elachi,Van Zyl,遥感的物理和技术简介。Wiley(第二版),2006年。- Rodgers,大气发声的逆方法,世界科学,2000。- Solimini,了解地球观察。Springer,2016年。
1. 澳大利亚海洋科学研究所,阿拉弗拉帝汶研究中心,达尔文,北领地 0810,澳大利亚;2. 弗林德斯大学科学与工程学院,贝德福德公园,南澳大利亚阿德莱德 5042,澳大利亚;3. 综合海洋观测系统 (IMOS) 动物追踪设施,悉尼海洋科学研究所,莫斯曼,新南威尔士 2088,澳大利亚;4. 麦考瑞大学自然科学学院,北莱德,新南威尔士 2109,澳大利亚;5. 澳大利亚联邦科学与工业研究组织海洋与大气研究所,昆士兰生物科学区,圣卢西亚,昆士兰 4011,澳大利亚;6. 加利福尼亚大学海洋科学研究所,加利福尼亚州圣克鲁斯 95064;7. 塔斯马尼亚大学孟席斯医学研究所,塔斯马尼亚州霍巴特 7001,澳大利亚; 8. 查尔斯·达尔文大学环境与生计研究所,达尔文,北领地 0909,澳大利亚;9. CSIRO 海洋与大气,3-4 Castray Esplanade,霍巴特,塔斯马尼亚 7000,澳大利亚;10. 卡尔顿大学鱼类生态与保护生理学实验室,安大略省渥太华 K1S 5B6,加拿大;11. 詹姆斯库克大学科学与工程学院,昆士兰州汤斯维尔 4811,澳大利亚;12. 新南威尔士州初级产业部斯蒂芬斯港渔业研究所,新南威尔士州泰勒斯海滩 2315,澳大利亚;13. 昆士兰大学生物医学学院 Manta 项目,昆士兰州圣卢西亚 4072,澳大利亚;14. 詹姆斯库克大学科学与工程学院海洋数据技术中心,昆士兰州汤斯维尔 4811,澳大利亚; 15. 新南威尔士渔业部初级产业部,新南威尔士州科夫斯港 2450,澳大利亚;16. 悉尼科技大学生命科学学院鱼类生态学实验室,新南威尔士州 2007,澳大利亚;17. 布雷斯特大学、法国国家科研中心、IRD、Ifremer、UMR 6539 LEMAR,普卢扎内,法国;18. 澳大利亚海洋科学研究所,昆士兰州汤斯维尔 4810,澳大利亚;19. 弗林德斯大学科学与工程学院,南澳大利亚州阿德莱德贝德福德公园 5042,澳大利亚;20. 南澳大利亚研究与发展研究所,南澳大利亚州西海滩 5024,澳大利亚;21. 昆士兰大学生物医学科学学院,昆士兰州圣卢西亚 4072,澳大利亚; 22. 阳光海岸大学科学、技术与工程学院,莫顿湾,皮特里,昆士兰州 4502,澳大利亚;23. 阳光海岸大学科学与工程学院,马鲁奇多尔 DC,昆士兰州 4558,澳大利亚;24. 哥斯达黎加大学海洋科学和湖沼学研究中心和生物学系,哥斯达黎加圣何塞 2060-11501;25. 澳大利亚海洋科学研究所,印度洋海洋研究中心,西澳大利亚州克劳利 6009,澳大利亚;26. 佛罗里达国际大学环境研究所和生物科学系,佛罗里达州北迈阿密 33181;27. 海洋生态系统部门,新南威尔士州初级产业部,新南威尔士州赫斯基森 2540,澳大利亚;28. 悉尼海洋科学研究所,新南威尔士州莫斯曼 2088,澳大利亚;29. 新南威尔士大学生物地球与环境科学学院,新南威尔士州悉尼 2052,澳大利亚;30. 温莎大学大湖环境研究所,安大略省 N9B 9P4,加拿大;31. 塔斯马尼亚大学海洋与南极研究所渔业和水产养殖中心,塔斯马尼亚州霍巴特 7001,澳大利亚;32. 西澳大利亚大学生物科学学院,西澳大利亚州克劳利 6009,澳大利亚;33. 默多克大学野外站,西澳大利亚州珊瑚湾 6701,澳大利亚;34. 维多利亚州国家公园协会,维多利亚州卡尔顿 3053,澳大利亚; 35. 澳大利亚默多克大学 Harry Butler 研究所可持续水生生态系统中心,西澳大利亚默多克 6150,澳大利亚;36. ECOCEAN,Serpentine,
应用。土壤水分含量会影响生物圈的生理生物成分,并通过表面能和水分通量将地球表面与大气联系起来。SM 是大气的水源,通过陆地的蒸散,包括植物蒸腾和裸土蒸发。此外,SM 条件可以通过控制土壤的渗透能力和将降雨分配到径流来影响陆地表面的水文模式。生态水文学侧重于植被 - 水 - 气候关系之间的联系,已发现其对 SM 动态可用性具有复杂的依赖性(Garcia-Estringana 等人2013 年;Mulebeke 等人2013 年)。所有这些过程都高度体现了 SM 的非线性行为和复杂的反馈机制。因此,SM 的量化条件是建模农业、水文气候和气象属性的重要输入。一组成分以不同的时间和空间尺度控制陆地表面 SM 的动态。因此,天气和气候的变化都受到 SM 条件的影响。Reynolds (1970) 将 SM 分为静态(例如土壤质地和地形)和动态(例如降水和植被)控制要素。对 SM 的评估取决于相关变量的状况。这些元素中的许多都是相互关联的,并且在空间和/或时间上各不相同,这使得识别 SM 模式及其驱动变量之间的关系变得复杂。2021 )。景观要素,包括地形、植被和土地利用,是 SM 的空间和时间控制要素。SM 的空间变化与地形特征(例如坡度、海拔和地形湿度指数)密切相关。因此,在以前的一些研究中,地形属性被用于通过回归、地理空间和水文建模来估计 SM 模式的参数(例如,参见 Western 等人。1999 、2004 ;Adab 等人。2020 ;Li 等人。此外,各种研究都注意到了植被覆盖(例如类型和分布)对 SM 变化的影响。此外,空间属性对植被的影响(通常从遥感图像中解释)也被用于生成 SM 模式(Mohanty 等人。2000 ;Hupet & Vanclooster 2002 )。通常,SM 的长期时间序列可以在空间上检测到与天气或水文条件。在较大的研究区域中,网络和测量 SM 的种类仍然受到限制,此外,由于过度变化和参数之间缺乏相关性,从现场测量中获得可靠的近似值是一项具有挑战性的任务。在 SM 的几个应用中,各种各样的卫星产品都有可能帮助水文学家测量大面积的 SM 状况。由于遥感器无法直接测量 SM 含量,因此需要提取可以解释测量信号和 SM 含量之间关系的基于数学的方法来解释测量信号和 SM 含量之间的关系。2021 ; Zhu 等人。2021 )。自 20 世纪 70 年代以来,已经开发出一些遥感技术,通过测量从光学到微波领域的电磁波谱特定区域来分析和绘制 SM(Musick & Pelletier 1988;Engman 1991;Wang & Qu 2009)。微波遥感技术包括 Aqua 卫星上的先进微波扫描辐射计-地球观测系统 (AMSR-E)(自 2002 年起)、土壤湿度和海洋盐度卫星(SMOS,自 2009 年起)、多频扫描微波辐射计(MSMR,自 1999 年起)和土壤湿度主动被动 (SMAP)(自 2015 年 1 月起),目前正在运行,每天在全球范围内生成卫星记录。虽然这些方法提供了许多测量大规模 SM 的技术,但它们的分辨率几乎很低(通常约为 25 公里),不再适用于小集水区或学科尺度。光学/热红外遥感记录被称为表面温度/植被指数法,可提供更高的分辨率(约 1 公里)。最近,Zhang & Zhou(2016)提出了一种新方法,可以通过光学/热遥感进行 SM 估计,该方法特别依赖于 SM 与表面反射率和温度或植被指数之间的关联。该领域的检索策略,如热惯性,强调土壤热特性或三角测年技术,表明 SM、归一化差异植被指数 (NDVI) 和给定区域的陆地表面温度 (LST) 之间的联系正在不同的应用中使用。然而,由于缺乏足够的空间数据(包括地形或低密度植被覆盖图和数据),它们的应用受到限制。用于估计 SM 的遥感植被指数(例如,NDVI、归一化差异水指数 (NDWI) 和归一化多波段干旱指数 (NMDI))是合适的替代方案;然而,SM 的分布不能通过单一参数和通过计算出特定地表坡向强度之间的参数修改来预测。人们已经做出了大量努力,通过建立遥感 LST 与植被指数之间的联系来利用卫星图像估计 SM(例如,Dari 等人。遥感图像的实际优势之一是,除了地形数据外,还可以通过图像获得具有高空间分辨率(30 米至 1 公里)的植被和 LST 参数。利用从遥感图像中提取的结构化景观因素而不是现场测量来预测 SM 状况,可以快速实时地跟踪 SM 状况。