王 舒

國家氣象信息中心，北京 100081

被動微波遙感具有監(jiān)測面積大、重復(fù)周期短、對土壤水分更為敏感等優(yōu)點，成為反演土壤水分最有潛力的方式。論文針對地表粗糙度和植被覆蓋變化對土壤水分反演過程中帶來的誤差和不確定性展開研究，發(fā)展更適合大區(qū)域土壤水分反演的算法。主要研究內(nèi)容如下：

(1) 全球地表粗糙度反演算法研究。首先利用AMSR-E C波段的亮溫數(shù)據(jù)研究全球尺度上地表粗糙度的反演，其次通過將地表粗糙度和植被的影響看作一個整體，然后利用NDVI分離植被的影響，最后反演得到全球地表粗糙度，并形成簡單的地表粗糙度參數(shù)計算方法(simply roughness parameter，SRP)。結(jié)果表明，反演得到的全球Hr空間分布清晰，并且與下墊面類型相關(guān)。在低矮植被覆蓋區(qū)域的結(jié)果與地表粗糙度效應(yīng)的空間分布較為吻合。該結(jié)果不僅能有效地得到全球地表粗糙度的分布，同時還能為高精度土壤水分反演提供保證。

(2) 構(gòu)建長時間序列L波段植被光學(xué)厚度產(chǎn)品反演方法。首先，針對如何構(gòu)建長時間序列的植被光學(xué)厚度產(chǎn)品提出了利用C波段植被光學(xué)厚度產(chǎn)品對L波段產(chǎn)品進行估算。然后，利用SRP算法反演C波段的植被光學(xué)厚度。結(jié)果表明，使用SRP算法得到的植被光學(xué)厚度產(chǎn)品與植被生長周期的季節(jié)性變化較為吻合。最后，以SMOS L波段的植被光學(xué)厚度產(chǎn)品為基礎(chǔ)，分析C波段植被光學(xué)厚度估算L波段植被光學(xué)厚度的能力。結(jié)果顯示，C波段植被光學(xué)厚度與L波段植被光學(xué)厚度有較好的相關(guān)性，可通過C波段的植被光學(xué)厚度產(chǎn)品構(gòu)建L波段長時間序列的植被光學(xué)厚度產(chǎn)品，為微波植被指數(shù)監(jiān)測全球植被變化提供了可行性。

(3) 發(fā)展了針對SMOS衛(wèi)星數(shù)據(jù)的SRP多角度土壤水分算法(SRP-multi-angle)。通過將地表粗糙度和植被光學(xué)厚度看作一個整體，利用多個角度的雙極化亮溫數(shù)據(jù)同時迭代反演參數(shù)和土壤水分。首先，利用模擬數(shù)據(jù)庫，表明利用SRP-multi-angle算法得到的土壤水分精度較高。其次，基于SRP-multi-angle算法分析不同入射角組合對反演結(jié)果的影響，結(jié)果顯示該算法在4個入射角組合下得到的結(jié)果最好。在植被影響的分析中發(fā)現(xiàn)該算法適用于τ≤1.0時的情形。最后，選擇美國SCAN觀測網(wǎng)3種低矮植被覆蓋類型(草地、農(nóng)田、草地森林混合區(qū))11個站點實測數(shù)據(jù)對該算法進行驗證，研究結(jié)果表明SRP-multi-angle算法在3種下墊面類型下的反演精度能夠滿足應(yīng)用需求。

(4) 基于SMOS和AMSR-E多頻率數(shù)據(jù)發(fā)展了SRP多頻率土壤水分算法(SRP-multi-frequency)。融合SMOS不同入射角下L波段與AMSR-E C波段亮溫數(shù)據(jù)展開研究。首先，利用模擬數(shù)據(jù)表明SRP-multi-frequency算法受到植被的影響比較嚴(yán)重，算法僅適用于低矮植被覆蓋(τ≤0.6)。然后，利用SRP-multi-frequency算法對3種地表類型下實測站點進行土壤水分反演，并使用得到的AMSR-E C波段地表粗糙度數(shù)據(jù)進行校正。結(jié)果表明，獲取的地表粗糙度數(shù)據(jù)能夠很好地消除粗糙地表的影響，并且利用L和C波段融合后的SRP-multi-frequency算法能實現(xiàn)較高精度的土壤水分反演。

論文圍繞被動微波遙感土壤水分反演的方法展開研究，重點解決土壤水分反演過程中地表粗糙度和植被光學(xué)厚度帶來的影響，并針對不同衛(wèi)星傳感器的特點，提出了各自土壤水分的反演算法，以期實現(xiàn)高精度土壤水分的獲取。