搜索
遥感科学国家重点实验室遥感科学国家重点实验室中国科学院遥感应用研究所·北京师范大学地址：北京市朝阳区大屯路甲20号北北京9718信箱（100101）电话：86-10-64838048传真：86-10-64838048邮箱：jshi@irsa.ac.cn网址：美国加州大学圣巴巴拉分校，地理学硕士1987-1991美国加州大学圣巴巴拉分校，地理学博士1992-1999美国加州大学圣巴巴拉分校计算地球系统科学研究所助理研究员1999-2003美国加州大学圣巴巴拉分校计算地球系统科学研究所副研究员2003-今美国加州大学圣巴巴拉分校计算地球系统科学研究所研究员基本情况-工作、教育经历2001.12-2009.3中科院遥感所特聘研究员(每年３个月）2003-2008北京师范大学客座教授（985二期首席科学家助理）2009.3-今在中科院遥感所成立遥感与地球系统模拟研究室（主任）(每年６个月）2009.12国家特聘专家（千人计划）(2010.3起每年９个月）2011.11遥感科学国家重点实验室主任基本情况-工作、教育经历已取得的科研成果文章发表情况发表论文190余篇，其中SCI收录论文80多篇和EI收录论文110余篇,在国际遥感顶级期刊发表SCI（影响因子大于2）的论文60篇，SCI总引用2450多次，其中SCI单篇引用大于100的有6篇。主要代表性学术成就主动微波积雪各种参数定量反演主动微波土壤水分定量反演被动微波积雪当量定量反演被动微波土壤水分定量反演被动微波植被遥感主动微波积雪识别能力研究各种雷达积雪识别能力研究TMMulti-fre-full-pol-SARInSARJPL/AIRSAR1989SIR-C/X-SAR1994J.Shi,J.Dozier,andH.Rott,“Snowmappinginalpineregionswithsyntheticapertureradar”,IEEETransonGeosciandRemoteSensing,32(1):152-158,1994.J.ShiandJ.Dozier,“MappingSeasonalSnowwithSIR-C/X-SARinMountainousAreas”,RemoteSensingEnvironment,59,(2):294-307,1997.发展了针对各种雷达传感器的雪识别技术系统地描述了积雪识别的机理以及各种卫星的识别能力1.单极化Ｃ波段只能识别湿雪2.全极化Ｃ波段可也不用山区校正能识别湿雪3.全极化多波段能识别干雪4.L波段干涉SAR是最佳传感器，有能力识别干雪和湿雪主动微波积雪湿度定量反演系统地描述了积雪湿度及其它因子不同极化和入射对雷达观测的影响机理，发展了针对湿雪的雷达后向散射模型以及定量反演模型smoothTotalbackscatteringJ.ShiandJ.Dozier,“InferringsnowwetnessusingSIR-CC-bandpolarimetricsyntheticapertureradar”,IEEETransactionsonGeoscienceandRemoteSensing,33(4):905-914,1995.snowwetnessin%roughsmooth23.556.588SnowfreeSnowwetnessin%主动微波雪当量定量反演EstimatedGroundmeasurementsSnowdensitySnowdepthincmGrainradiusinmmParticleradiusSnowdepthSnowdensitySIR-C/X-SAR系统地描述了积雪密度、厚度、颗粒及其它因子不同极化和入射对雷达观测的影响机理，发展了针对干雪的雷达后向散射模型以及定量反演模型1.L-band:积雪密度和下垫面粗糙度2.C+X-Bands:积雪厚度和颗粒大小J.ShiandJ.Dozier,“EstimationofSnowWaterEquivalenceUsingSIR-C/X-SAR,PartI:Inferringsnowdensityandsubsurfaceproperties”,IEEETrans.onGeosc.andRemoteSensing,38(6):2465-2474,2000.J.ShiandJ.Dozier,“EstimationofSnowWaterEquivalenceUsingSIR-C/X-SAR,PartII:Inferringsnowdepthandparticlesize”,IEEETrans.onGeosc.andRemoteSensing,38(6):2475-2488,2000.ESA新卫星计划－CoReH2OESA新卫星计划－CoReH2ODual-Pol(VV,VH)X-andKu-bandSARCoReH2O-COldREgionHydrologyHighresolutionObservatory三个在ESA’sEarthExploreProgram新卫星计划之一J.Shi,“SnowWaterEquivalenceRetrievalUsingXandKubandDual-PolarizationRadar”,ProceedingsofIGRASS’06,July31-Aug4,Denver,Colorado,2006.CLPPWorkinggroup-1999SensorconcepthasbeenproposedtoNASAVentureProgramforairbornesystemNASAESACoRe-H2O–ProposedAug.2005–SelectedFeb.2006CurrentlyinPhaseA&tobeevaluatedin2011Collaborations各种情况下雪当量（模拟数据）的反演结果提出了针对雪当量卫星设计的传感器参数以及CoReH2O定量反演算法主动微波土壤水分定量反演利用积分公式模型描述了地表粗糙度因子在不同极化和入射对雷达观测的影响、机理和特征，发展了定量反演土壤水分和地表粗糙度的技术，并通过机载和航天飞机的实验得以验证。J.Shi,J.Wang,A.Hsu,P.O‘Neill,andE.T.Engman,“EstimationofbaresurfacesoilmoistureandsurfaceroughnessparametersusingL-bandSARimagedata”,IEEETrans.onGeosc.andRemoteSensing,35(5):1254-1266,1997vegetation4%8-1232-3616-2024-2836%SCI引用127次，是目前雷达土壤水分三个主要反演算法之一L-bandSIR-C/X-SARDerivedSoilMoistureNASA主被动土壤水分卫星计划NASASMAP卫星计划:科学目标：土壤水分和融冻过程，2014年发射,多极化L波段辐射计(1.4GHz40km)and雷达(1.26GHz1-3km),采用６米共用天线技术,入射角度40º,重访周期3天。1999-工作组成员,Co-I，主要负责1)雷达、2)辐射计、和3)主被动联合的地表土壤水分定量反演算法。包括单次观测和时间序列观测条件的反演利用地表和机载实验：地表土壤水分算法的地表验证J.Shi,,K.S.Chen,Q.Li,T.J.Jackson,P.E.O’Neill,andL.Tsang,“AparameterizedSurfaceReflectivityModelandEstimationofBareSurfaceSoilMoisturewithL-bandRadiometer”,IEEETransactionsonGeoscienceandRemoteSensing,40(12):2674-2686,Dec.2002.J.Shi,Kun-ShanChen,LeungTsang,ThomasJackson,EniNjoku,JakobJ.vanZyl,PeggyO'Neill,DaraEntekhabi,JoelJohnson,MahtaMoghaddam,DerivingSoilMoisturewiththecombinedL-bandRadarandRadiometerMeasurementsProceedingsofIGARSS’10,ISBN:978-1-4244-9566-5,pp.812-815,Honolulu,July25-30,2010等共８篇文章30º40º60º雷达辐射计雷达＋辐射计SoilMoistureActiveandPassive(SMAP)遥感科学国家重点实验室遥感科学国家重点实验室中国科学院遥感应用研究所·北京师范大学被动微波在土壤水分监测的研究进展被动微波在土壤水分监测的研究进展施建成中国科学院遥感应用研究所2012-6-11改进地球科学研究的观测系统发展科学驱动下的观测系统水循环的重要性水循环与地球系统科学•地球系统中的最重要的循环系统•影响气候敏感性关键反馈是水汽和云辐射过程•陆地水文过程影响气候•能量和水循环的特征（如降雨分布和强度）变化是气候变化最直接的指示器水循环研究是水资源、气候变化、和天气等预报的基础和关键过程。水循环系统研究能量和水循环的重要性国家重大需求关键科学问题1.能量及水循环的特征是如何变化及引起的原因？2.这些变化在全球和区域尺度上是否可预测？3.重大灾害的预警预报能力人类对水资源的增长需求极端事件:洪水与干旱土壤水分的研究意义土壤水分是水循环的重要参数•物理特性:是地表蒸散发的主要因子•边界状态:天气与气候建模（50km）•应用：水文、农业、洪水预报15IntergovernmentalPanelonClimateChange(IPCC)AR4气候模式分区预报比较:Lietal.,(2007):EvaluationofIPCCAR4soilmoisturesimulationsforthesecondhalfofthetwentiethcentury,JournalofGeophysicalResearch,112.模式均预报温度上升只是幅度不同气候变化及水资源影响温度变化[ºC]土壤水分的相对变化[%]0-1231-2-30-12341-2-3-45-56-6模式预报的地表湿度与今天相比的相对变化有很大差模式预测及卫星观测比较AMSR12-kmSWEfrom12-kmFootprintsModeled/AssimilatedSWE(NSA)00.010.10.512.551015255075100200SWE(cm)模式需求与目前观测系统的局限性1.地面的观测方法基于点位测量,地表参数的观测点分布稀少2.站点观测得到的数据与预测模式的尺度不一致3.需要时空分布信息←遥感1.模型中的格点代表不同地球生物及物理过程...2.代表该尺度上的“平均”状况能量和水循环过程在很小区域范围内变化很大目前方法:基于点源的参数化方案有很大不确定性土壤湿度的大尺度变异性RegionalSitesRangeandOneStandardDeviation0510152025303540456/25/20026/26/20026/27/20026/28/20026/29/20026/30/20027/1/20027/2/20027/3/20027/4/20027/5/20027/6/20027/7/20027/8/20027/9/20027/10/20027/11/20027/12/2002DateVolumetricSoilMoistu