肖 楊， 滿浩然， 董星豐， 臧淑英， 李 苗

（1.哈爾濱師范大學(xué) 地理科學(xué)學(xué)院，黑龍江 哈爾濱 150025；2.寒區(qū)地理環(huán)境監(jiān)測與空間信息服務(wù)黑龍江省重點(diǎn)實(shí)驗(yàn)室，黑龍江 哈爾濱 150025）

0 引言

凍土一般指溫度在0 ℃及0 ℃以下并含有冰的各種巖石和土壤［1］。根據(jù)凍結(jié)持續(xù)時(shí)間可以分為短時(shí)凍土（凍結(jié)時(shí)間為數(shù)小時(shí)、數(shù)日至半月）、季節(jié)凍土（凍結(jié)時(shí)間為半月至數(shù)月）、隔年凍土（凍結(jié)時(shí)間超過一年但少于兩年）及多年凍土（連續(xù)凍結(jié)時(shí)間在2 年以上）四種類型［2］。土壤凍融發(fā)生在季節(jié)凍土、短時(shí)凍土、隔年凍土及多年凍土的活動(dòng)層上，據(jù)統(tǒng)計(jì)在北半球超過一半的近地表土壤經(jīng)歷凍融循環(huán)過程［3］。土壤凍融是近地表土壤中固態(tài)冰與液態(tài)水相變交替的過程［4］。當(dāng)溫度降低時(shí)，土壤中液態(tài)水通過放熱相變?yōu)楣虘B(tài)冰，地-氣間能量、水分交換等處于滯緩狀態(tài)；當(dāng)溫度升高時(shí)，土壤中固態(tài)冰通過吸熱相變?yōu)橐簯B(tài)水，碳循環(huán)、水文過程、微生物活動(dòng)等處于活躍狀態(tài)。地表凍融循環(huán)對全球及區(qū)域范圍內(nèi)地氣能量交換、植被生長、農(nóng)業(yè)生產(chǎn)、地表徑流、碳循環(huán)和陸地生態(tài)系統(tǒng)等均產(chǎn)生影響［5-7］；地表凍融循環(huán)是氣候變化的重要指標(biāo)，地表凍結(jié)起始時(shí)間推遲、融化結(jié)束時(shí)間提前以及凍結(jié)持續(xù)天數(shù)縮短等能夠反映全球及區(qū)域的氣候變化［8］。對凍融循環(huán)的深入研究是更好理解碳循環(huán)、陸面水文過程、植被生長周期、氣候變化的前提。

目前，判別地表凍融的方法主要可以分為基于地面臺(tái)站觀測資料［9］、數(shù)值模擬［10］和遙感方法［11］三大類，其中遙感方法又可依據(jù)探測的工作波段細(xì)化為可見光紅外遙感［12］和微波遙感［13］。上述幾種判別地表凍融的方法都存在各自的優(yōu)勢和局限性。早期地表凍融判別結(jié)果主要基于地面臺(tái)站觀測資料獲得，地面臺(tái)站觀測資料能夠準(zhǔn)確獲得觀測點(diǎn)附近的近地表土壤溫度。近地表土壤溫度變化，對土壤的物理性質(zhì)、化學(xué)變化及微生物活動(dòng)都有重要的影響，近地表土壤溫度能夠反映真實(shí)的近地表土壤凍融信息，是影響地表凍融循環(huán)天數(shù)的主要因素［14-15］。相較于其他方法，地面臺(tái)站觀測可以獲取更長時(shí)間序列的地溫資料，能夠描述我國從20世紀(jì)50 年代以來土壤凍融變化趨勢［16］。地面臺(tái)站觀測數(shù)據(jù)不僅能夠在點(diǎn)尺度上準(zhǔn)確描述近地表土壤凍融的起止時(shí)間、持續(xù)時(shí)間和凍結(jié)深度，而且還能對數(shù)值模擬和遙感方法獲得的凍融結(jié)果進(jìn)行驗(yàn)證［17-18］。但地面臺(tái)站觀測數(shù)據(jù)也具有一定的缺點(diǎn)，其空間連續(xù)性差，觀測站點(diǎn)分布不均勻，觀測站點(diǎn)數(shù)據(jù)僅能代表小范圍地域，不能反映大尺度的連續(xù)地表凍融變化特征［19］。此外，在自然條件惡劣的地區(qū)，布設(shè)觀測站點(diǎn)的難度大且其過程耗時(shí)、耗力、花費(fèi)高［20］。數(shù)值模擬方法通過陸面過程模式對土壤溫度進(jìn)行模擬來判斷地表凍融狀況，可以模擬分析現(xiàn)在和預(yù)測未來土壤凍融過程中水熱動(dòng)態(tài)遷移規(guī)律，是研究地表凍融過程和機(jī)理的重要手段［21-22］。眾多學(xué)者利用陸面模式對土壤凍融過程進(jìn)行了一系列的數(shù)值模擬研究，模擬出不同深度土層土壤的凍融變化過程中水熱動(dòng)態(tài)變化規(guī)律［23-24］。但數(shù)值模擬所需的參數(shù)自身存在一定的不確定性，且模擬結(jié)果的空間分辨率較低，對于小區(qū)域的模擬可能存在較大誤差［10］。此外，由于凍融過程本身的復(fù)雜性，缺乏可靠的氣象驅(qū)動(dòng)資料和陸面特征數(shù)據(jù)集，使該方法的應(yīng)用面臨著挑戰(zhàn)［15，18］。遙感技術(shù)具有探測范圍大、受地面條件限制少、獲取資料速度快等特點(diǎn)［25］，使得大范圍、連續(xù)、高時(shí)間分辨率的識別地表土壤凍融狀態(tài)成為可能?？梢姽饧t外遙感雖然具有較高的空間分辨率，但凍土通常發(fā)育于地下，而可見光、紅外傳感器不能穿透地表，且受云層影響嚴(yán)重、時(shí)間分辨率較低，因此利用可見光紅外遙感來判別凍融具有較大局限性。微波遙感波長較長，受日照及云層的影響相對較小，可以穿透土壤獲得地下一定深度范圍內(nèi)的信息，其中高頻波段W、K、Ka 波段的穿透深度大約為1～2 cm，低頻波段L、C、X 波段的穿透深度約為2.5～15 cm［26-28］。微波遙感對土壤凍融狀態(tài)之間的介電變化十分敏感，當(dāng)近地表土壤經(jīng)歷凍融循環(huán)時(shí)，土壤中的介電常數(shù)發(fā)生改變，致使被動(dòng)微波的亮溫值發(fā)生變化，進(jìn)而識別出近地表土壤凍融狀況［29-31］。被動(dòng)微波遙感雖然適用于地表凍融判別，但也存在一定局限性，當(dāng)前傳感器空間分辨率較低，像元內(nèi)的空間異質(zhì)性較強(qiáng)，其應(yīng)用仍然面臨著挑戰(zhàn)［32］。盡管如此，截至目前微波遙感仍是監(jiān)測全球及區(qū)域近地表土壤凍融循環(huán)的最有效手段。

1 地表凍融監(jiān)測常用的被動(dòng)微波數(shù)據(jù)

被動(dòng)微波數(shù)據(jù)具有時(shí)間分辨率高、覆蓋范圍廣、雙極化觀測模式和提供不同頻率亮溫的優(yōu)勢，主要包括多通道微波輻射計(jì)（Scanning Multi-channel Microwave Radiometer，SMMR）、專用微波成像儀（Special Sensor Microwave/Imager，SSM/I）、專用微波成像探測器（Special Sensor Microwave Imager/Sounder，SSMIS）、高級微波掃描輻射計(jì)（Advanced Microwave Scanning Radiometer-enhanced，AMSRE）、高級微波掃描輻射計(jì)2（Advanced Microwave Scanning Radiometer-2，AMSR-2）、土壤水分與海洋鹽度衛(wèi)星（The Soil Moisture and Ocean Salinity，SMOS）、土壤水分的主動(dòng)和被動(dòng)衛(wèi)星（Soil Moisture Active and Passive，SMAP）、微波輻射成像儀（Microwave Radiation Imager，MWRI）。這些數(shù)據(jù)是監(jiān)測長時(shí)間序列和大尺度地表凍融的主要數(shù)據(jù)源［33］。常用的傳感器及其詳細(xì)參數(shù)如表1所示。

表1 被動(dòng)微波傳感器的特征參數(shù)Table 1 Characteristic parameters of passive microwave sensor

早期研究主要使用的是1978年搭載在Nimbus-7 衛(wèi)星上的SMMR 傳感器，Zuerndorfer 等［34］首次將SMMR 傳感器所獲取的37 GHz 亮溫和負(fù)亮溫譜梯度兩個(gè)指標(biāo)引入到地表凍融這個(gè)領(lǐng)域，并根據(jù)這兩個(gè)指標(biāo)分析了美國中西部和北部地區(qū)的日凍融變化情況。SMMR在1987年停止運(yùn)行，后由美國國防氣象衛(wèi)星計(jì)劃（Defense Meteorological Satellite Program，DMSP）發(fā)射的衛(wèi)星分別搭載SSM/I 傳感器和SSMIS 傳感器提供被動(dòng)微波亮溫?cái)?shù)據(jù)。F08、F10、F11、F13、F14、F15 衛(wèi)星搭載的SSM/I 傳感器分別提供 了1987—1991 年、1990—1997 年、1991—2000年、1995—2009年、1997—2008年、2000—2021年的數(shù)據(jù)。F16、F17、F18、F19 衛(wèi)星搭載的SSMIS 傳感器分別提供了2005 年至今、2008 年至今、2010 年至今、2014—2016 年的數(shù)據(jù)［35］。與SMMR 數(shù)據(jù)相比，SSM/I和SSMIS數(shù)據(jù)在空間分辨率和時(shí)間分辨率上都有所提高，頻率范圍從37 GHz 分別擴(kuò)展到85.5 GHz 和91.7 GHz，其中22.3 GHz 只具有垂直極化方式，其他頻率都具有水平和垂直雙極化方式［36］。AMSR-E 傳感器搭乘Aqua 衛(wèi)星于2002 年發(fā)射升空，AMSR-E 比SSM/I提供了更多波段，空間分辨率也有較大的提高，尤其是AMSR-E 數(shù)據(jù)的89 GHz具有高空間分辨率（4 km×6 km）。由于儀器故障，AMSR-E在2011年結(jié)束了長達(dá)9年的工作，隨后搭載在衛(wèi)星GCOM-W1 上的AMSR2 在2012 年5月發(fā)射升空。AMSR2 比AMSR-E 新增了7.3 GHz，該傳感器的技術(shù)參數(shù)和AMSR-E 基本保持一致，如相同的入射角，工作頻率，軌道傾斜角等，它繼承AMSR-E 繼續(xù)提供全球觀測數(shù)據(jù)。進(jìn)入21 世紀(jì)，我國星載被動(dòng)微波遙感技術(shù)進(jìn)步令人矚目，目前國家氣象衛(wèi)星中心陸續(xù)發(fā)射FY-3（A-D）系列并載有微波輻射成像儀MWRI 的極軌衛(wèi)星，其中FY-3A、FY-3B、FY-3C 和FY-3D 衛(wèi)星搭載的MWRI 微波輻射成像儀分別提供了2008—2010 年、2010—2019年、2013—2020 年、2019 年至今的亮溫?cái)?shù)據(jù)。其中FY-3B 的升降軌過境時(shí)間與AMSR-E/AMSR2 最相似，日變化差異最小，軌道傾角、軌道高度也最為接近，由此可以利用MWRI數(shù)據(jù)填補(bǔ)2011—2012年間AMSR-E/AMSR2 缺少的亮溫值［37-38］。2009 年11 月歐洲航天局（ESA）在俄羅斯北部發(fā)射SMOS衛(wèi)星和美國國家航空航天局（NASA）于2015 年1 月在戈達(dá)德航天飛行中心發(fā)射SMAP 衛(wèi)星都載有L 波段（1.4 GHz）的輻射計(jì)，能夠探測相對較深的土壤凍融狀態(tài)，是監(jiān)測地表凍融狀況的最佳技術(shù)之一。

現(xiàn)有傳感器中涵蓋的探測波段，按頻率由高至低的次序?yàn)閃、Ka、K、X、C 和L 波段。其中W、Ka、K 波段為高頻波段，主要用于獲取土壤表層凍融信息。W 波段對降水的識別有顯著優(yōu)勢，可用于區(qū)分與降水具有相似散射特性的凍土，但在識別凍融狀態(tài)時(shí)受氧氣和水汽影響較大，使用前需進(jìn)行大氣校正。Ka 和K 波段與地表溫度均有相關(guān)性，Ka 波段能最好地體現(xiàn)土壤凍融溫度的變化特征；此外K，Ka 波段還可有效獲取雪深和雪水當(dāng)量［39-40］。X、C、L 波段為低頻波段，可用于探測深層土壤信息，識別區(qū)域的土壤水分和凍融狀況。L 波段的探測深度最大，能夠較為準(zhǔn)確的判別干雪與植被下土壤凍融狀況，但其亮溫值受射頻干擾的影響較為嚴(yán)重，常用閾值法去除射頻干擾的影響。此外，在X、C 波段中也存在此問題［41-42］。以上這些傳感器所包含波段將為凍融循環(huán)判別提供更加有力的支持［43］。

2 地表凍融判別算法的研究進(jìn)展

2.1 被動(dòng)微波遙感監(jiān)測地表凍融狀態(tài)的原理

被動(dòng)微波遙感使用探測儀器接收并記錄地球表面物體自身發(fā)射或反射的電磁波信息。地表物體的微波輻射特性與地物的介電特性密切相關(guān)，當(dāng)近地表土壤凍結(jié)時(shí)，土壤中的大部分水轉(zhuǎn)換為固態(tài)冰，土壤的物理溫度降低、介電常數(shù)減少，導(dǎo)致土壤微波發(fā)射率增加；當(dāng)近地表土壤融化時(shí)，土壤中大部分固態(tài)冰轉(zhuǎn)化成水，土壤物理溫度升高、土壤介電常數(shù)增加，導(dǎo)致土壤微波發(fā)射率減小。將土壤假設(shè)為均勻半空間的自由散射體，那么微波傳感器所接收到的地表微波輻射亮溫Tb可以近似表示為［34］：

式中：Tb為微波輻射亮溫；e為比輻射率；Teff為土壤有效溫度。

式（1）表明地表的溫度和比輻射率決定著凍土的亮溫。凍土一般具有較低的物理溫度和較高的發(fā)射率。微波傳感器所接收到的地表微波輻射亮溫隨著土壤含水量發(fā)生變化。在同樣降溫的狀態(tài)下，對于較為干燥或者含水量比較少的土壤，土壤的比輻射率沒有顯著的變化，則亮溫值降低；對于較為濕潤或者含水量比較多的土壤，土壤的比輻射率發(fā)生顯著的升高，因而亮溫值增加。土壤凍結(jié)導(dǎo)致的輻射亮度變化可能是正的，也可能是負(fù)的，這取決于土壤含水量。因此僅僅利用含水量的不同而獲得的亮溫?cái)?shù)據(jù)來判別土壤是否凍融，會(huì)存在較大的不確定性［34-44］。為了降低這種不確定性，研究人員進(jìn)行了多次實(shí)驗(yàn)和計(jì)算［45-46］，發(fā)現(xiàn)可以結(jié)合土壤凍融過程中引起的其他微波輻射變化特征來識別地表凍融狀態(tài)。在微波高頻波段由凍土的體散射效應(yīng)引起的衰減比低頻波段強(qiáng)，凍土的體散射效應(yīng)顯著降低了高頻波段的微波輻射，使得高頻波段亮溫低于低頻亮溫，凍土呈現(xiàn)負(fù)亮溫譜梯度，但是在融土中正好相反［47］。隨著土壤的凍結(jié)，微波低頻波段的亮溫比高頻波段的亮溫增加得快，使得各通道間的亮溫差值變?。?8］。以上研究結(jié)論為基于被動(dòng)微波遙感發(fā)展判別地表土壤凍融狀態(tài)的算法提供了依據(jù)。

2.2 被動(dòng)微波遙感監(jiān)測地表凍融狀態(tài)的算法

國內(nèi)外學(xué)者依據(jù)土壤凍融過程中微波輻射差異性和研究區(qū)地表特點(diǎn)來發(fā)展監(jiān)測地表凍融狀態(tài)的算法。比較常見的判別地表凍融狀態(tài)的算法主要包括雙指標(biāo)算法、決策樹算法、凍融判別式算法、季節(jié)閾值算法、基于L 波段相對凍結(jié)因子閾值判別算法五種。常用的監(jiān)測地表凍融狀態(tài)的算法及主要指標(biāo)如表2所示。

表2 地表凍融狀態(tài)的算法Table 2 Algorithm of surface freeze-thaw state

2.2.1 雙指標(biāo)算法

雙指標(biāo)算法理論基礎(chǔ)由England［69］在1974 年提出，他指出凍土和融土的介電常數(shù)具有顯著的差異，凍土的體散射作用導(dǎo)致凍結(jié)土壤在微波波段的有效發(fā)射深度比融土深，使得凍土和融土發(fā)射的微波信號明顯不同。Zuerndorfer 等［34，49］基于SMMR微波數(shù)據(jù)提出雙指標(biāo)算法，認(rèn)為37 GHz垂直極化亮溫和10.7～37 GHz的負(fù)亮溫譜梯度可以作為判別地表凍融的指標(biāo)，其中37 GHz垂直極化亮溫對水分含量變化不敏感，能夠反映地表溫度變化情況，凍土在體散射作用下使得10.7～37 GHz的亮溫譜梯度為負(fù)值，基于站點(diǎn)驗(yàn)證數(shù)據(jù)統(tǒng)計(jì)分析確定37 GHz垂直極化亮溫和負(fù)亮溫譜梯度在地表凍融狀態(tài)下的閾值，即能判別地表凍融狀態(tài)。此方法一經(jīng)提出，便在全球不同區(qū)域得到廣泛應(yīng)用，但由于不同學(xué)者使用的被動(dòng)微波數(shù)據(jù)和研究區(qū)域存在差異，在具體應(yīng)用時(shí)都在原方法的基礎(chǔ)上進(jìn)行調(diào)整和優(yōu)化，并取得了可靠的結(jié)果。如Judge 等［50］使用SSM/I 數(shù)據(jù)的37 GHz 垂直極化亮溫和19 GHz、37 GHz 的負(fù)亮溫譜梯度作為判別土壤凍融的依據(jù)，識別了北美大草原凍融狀態(tài)。為了進(jìn)一步驗(yàn)證Judge 提出算法的適用性，Zhang 等［51］使用該算法對美國中部大平原近地表土壤凍融狀態(tài)進(jìn)行分類，發(fā)現(xiàn)雙指標(biāo)算法不適用于積雪覆蓋的地區(qū)，這是因?yàn)榉e雪和凍結(jié)地表具有類似的體散射特性。同樣基于SSM/I 數(shù)據(jù)，Han等［52］考慮一天內(nèi)地表凍融狀態(tài)可能會(huì)發(fā)生變化，針對SSM/I 升軌和降軌數(shù)據(jù)，分別采用不同的判別閾值，從而判斷中國北方及蒙古國地區(qū)一日之內(nèi)土壤凍融循環(huán)特征。雙指標(biāo)算法在研究區(qū)應(yīng)用時(shí)，整個(gè)研究區(qū)通常采用相同的閾值，為了提高判別精度，有研究針對不同地表類型對該算法指標(biāo)的閾值分別進(jìn)行了修訂［53］。負(fù)亮溫譜梯度是以上研究使用的指標(biāo)之一，但通過對地基實(shí)驗(yàn)數(shù)據(jù)分析發(fā)現(xiàn)凍土的負(fù)亮溫譜梯度不是一直表現(xiàn)為負(fù)值。在此基礎(chǔ)上，Han等［54］根據(jù)土壤在凍結(jié)時(shí)，微波低頻的亮溫比高頻亮溫增加得快，高低頻之間的亮溫差值變小的原理，提出了將AMSR-E 數(shù)據(jù)的各個(gè)波段的水平極化亮溫標(biāo)準(zhǔn)偏差值SDI 作為判別土壤凍融的指標(biāo)，同時(shí)采取36.5 GHz垂直極化亮溫反映地表溫度，從而發(fā)展了雙指標(biāo)算法。

2.2.2 決策樹算法

Jin 等［55］考慮到雙指標(biāo)算法中負(fù)亮溫譜梯度不能把與凍土具有類似散射特性的沙漠、降水等區(qū)分開，他們分析了沙漠、積雪、凍結(jié)地表和融化地表的輻射亮溫特征，提出了用散射指數(shù)（scattering index，SI）區(qū)分強(qiáng)散射體、弱散射體和非散射體，用19 GHz極化差來識別沙漠，用85 GHz 垂直極化亮溫和22 GHz 垂直極化亮溫識別散射較強(qiáng)的降雨，用37 GHz垂直極化亮溫來判別地表熱狀況，最終建立了一種判別土壤凍融狀態(tài)的決策樹算法?；谠撍惴ㄅ袆e了中國境內(nèi)地表凍融狀態(tài)，利用國際協(xié)同加強(qiáng)觀測期（CEOP）在青藏高原地區(qū)獲取的4 cm 地溫?cái)?shù)據(jù)驗(yàn)證該算法判別結(jié)果，該算法判別精度達(dá)87%。

2.2.3 凍融判別式算法

趙天杰等［56，70］則結(jié)合積雪輻射模型、凍土介電模型和面散射模型，建立了針對寒區(qū)復(fù)雜地表環(huán)境的凍融判別模型。經(jīng)過模型模擬分析選擇AMSR-E數(shù)據(jù)的36.5 GHz垂直極化亮溫指示地表溫度變化，選擇低頻波段（6.29 GHz、10.65 GHz、18.7 GHz）的水平極化亮溫與36.5 GHz 垂直極化亮溫的比值作為衡量地表發(fā)射率的變化，通過Fisher 線性判別方法來構(gòu)建判別地表凍融狀態(tài)的方程。并使用實(shí)測數(shù)據(jù)對該判別方程進(jìn)行優(yōu)化，得到了高精度的判別地表凍融的凍融判別式算法。該方法在不同區(qū)域進(jìn)行使用，如Chai 等［8］引入全國756 個(gè)氣象站的地表溫度數(shù)據(jù)對該算法進(jìn)行評估，結(jié)果表明凍融判別式算法總體分類精度很高，但是凍融判別式算法對凍結(jié)土壤的識別精度低于融化土壤。對此，胡文星等［57］將該算法對凍土的識別度低歸因于凍土介電模型的精度所限，引入趙少杰［71］提出的凍土介電模型對趙天杰等［56］提出的凍融判別方法進(jìn)行改進(jìn)，改進(jìn)后的算法精度有所提升。為了進(jìn)一步提高該算法的土壤凍融分類精度，越來越多的土壤因素被考慮，Kou等［58］針對凍結(jié)土壤中的有機(jī)質(zhì)會(huì)對微波輻射產(chǎn)生影響，從而將此影響考慮在土壤介電模型內(nèi)，并對趙天杰提出的凍融判別式算法進(jìn)行改進(jìn)，經(jīng)過驗(yàn)證該算法總體判別精度比趙天杰提出的凍融判別式算法高。以上研究都沒有考慮升降軌數(shù)據(jù)對土壤判別精度的影響，基于此，Wang 等［59］依據(jù)升降軌差異并利用中國、美國、芬蘭、加拿大地區(qū)AMSR-E 亮溫?cái)?shù)據(jù)和5 cm 的土壤溫度對趙天杰提出的凍融判別式算法的系數(shù)進(jìn)行調(diào)整，總體精度達(dá)到了90%。

2.2.4 季節(jié)閾值算法

季節(jié)閾值算法是依據(jù)被動(dòng)微波信號在不同季節(jié)的特點(diǎn)對土壤凍融狀態(tài)進(jìn)行判別，分別采用土壤完全凍結(jié)和融化的被動(dòng)微波信號作為凍結(jié)和融化狀態(tài)下的參考值。然后通過計(jì)算此刻土壤的微波輻射與凍結(jié)時(shí)微波輻射參考值的差、土壤凍結(jié)與融化時(shí)微波輻射參考值的差，將兩個(gè)差值的比值作為季節(jié)比例系數(shù)。然后利用實(shí)測數(shù)據(jù)或半經(jīng)驗(yàn)數(shù)據(jù)選取閾值作為土壤凍融的界限，將季節(jié)比例系數(shù)與閾值進(jìn)行比較來判斷此刻土壤凍融狀態(tài)［72］。Kim等［60］應(yīng)用該方法和SSM/I 數(shù)據(jù)的37 GHz 垂直極化亮溫，并結(jié)合全球氣溫場再分析資料確定了閾值，分析了全球近地表土壤凍融變化情況。

2.2.5 基于L波段相對凍結(jié)因子閾值判別算法

早期，Schwank等［61］和Rautiainen 等［62］基于地基微波輻射計(jì)ELBARA 觀測的L 波段亮溫?cái)?shù)據(jù)在蘇黎世東北部草原和北方草原進(jìn)行凍融實(shí)驗(yàn)，一致認(rèn)為L 波段對土壤凍融的敏感性，尤其是L 波段垂直極化的亮溫?cái)?shù)據(jù)在判別土壤凍融方面具有潛力。隨后Rautiainen 等［63］根據(jù)地基微波輻射計(jì)ELBARA-Π 觀測的L波段亮溫?cái)?shù)據(jù)建立相對凍結(jié)因子閾值判別算法判別地表凍融狀態(tài)，具體公式如下：

式中：t為時(shí)間；FFrel(t)為t時(shí)刻相對凍結(jié)因子指數(shù)；FFx（t）為t時(shí)刻基于L波段亮溫?cái)?shù)據(jù)得到的凍結(jié)因子；FFwinter_x和FFsummer_x分別為凍結(jié)和融化狀態(tài)所對應(yīng)的凍結(jié)因子。

隨著載有L 波段SMOS 和SMAP 相繼升空，很多學(xué)者依據(jù)Rautiainen 等［63］提出的相對凍結(jié)因子閾值判別算法，以及基于陸基微波輻射計(jì)觀測的L 波段亮溫?cái)?shù)據(jù)提出7 種不同指標(biāo)，并將這7 種指標(biāo)分別代入式（2）得到相對凍結(jié)因子指數(shù)，通過站點(diǎn)數(shù)據(jù)或半經(jīng)驗(yàn)、經(jīng)驗(yàn)數(shù)據(jù)選取閾值作為土壤凍融的界限，通過對比凍結(jié)因子指數(shù)和閾值來判斷土壤凍融特征。這7種指標(biāo)如式（3）～（9）所示：

式中：FFratio為雙極化歸一化指數(shù)；FFdiff為雙極化差指數(shù)；FFHpol為水平極化指數(shù)；FFVpol為垂直極化指數(shù)；FFSTI為標(biāo)準(zhǔn)差異凍融指數(shù)；FFcombH為水平極化下亮溫加權(quán)極化差指數(shù)；FFcombV為垂直極化下亮溫加權(quán)極化差指數(shù)。此外，Rautiainen 等［63］還指出利用這七種指標(biāo)得到的相對凍結(jié)因子指數(shù)與凍結(jié)深度之間呈現(xiàn)指標(biāo)關(guān)系?；诖?，Roy 等［73］使用FFratio指標(biāo)發(fā)現(xiàn)探測深度在2.5 cm 時(shí)L波段亮溫與地溫具有較 好的一致性。Escorihuelae 等［74］和Zheng等［75］的研究也表明，無論在凍結(jié)還是融化狀態(tài)下，L波段的有效探測深度為2.5 cm。

Roy 等［64］在加拿大地區(qū)采用SMOS 的L 波段亮溫?cái)?shù)據(jù)，分別采用FFdiff、FFratio、FFcombH、FFcombV這四種反映土壤微波輻射凍結(jié)因子判別地表凍融狀態(tài)，采用迭代法在0～1 之間以0.01 為增量確定最優(yōu)閾值，結(jié)果表明采用FFratio這一指標(biāo)判別精度最高。Rautiainen 等［65］利用SMOS 的L 波段亮溫?cái)?shù)據(jù)研究了芬蘭地區(qū)的秋季地表凍融狀況，并通過選取FFratio、FFVpol這兩個(gè)反映土壤的微波輻射凍結(jié)因子分別計(jì)算相對凍結(jié)因子，并與芬蘭環(huán)境研究所土壤凍結(jié)網(wǎng)絡(luò)提供土壤凍結(jié)深度據(jù)進(jìn)行對比分析，將地表土壤劃分為三種狀態(tài)：融化（凍結(jié)因子指數(shù)＜0.5）、部分凍結(jié)（0.5≤凍結(jié)因子指數(shù)≤0.8）、凍結(jié)（凍結(jié)因子指數(shù)＞0.8），通過在芬蘭、北美洲和西伯利亞等地驗(yàn)證取得較好結(jié)果。Derksen 等［66］和Simon等［67］利用SMAP 衛(wèi)星攜帶L 波段亮溫采用FFratio計(jì)算相對凍結(jié)因子指數(shù)，并使用閾值0.5 作為地表凍融界限，根據(jù)相對凍結(jié)因子指數(shù)和閾值來識別全球和美國地表凍融狀態(tài)。

以上基于L波段相對凍結(jié)因子閾值判別算法大多是以FFratio指標(biāo)來判別地表凍融，認(rèn)為該指標(biāo)具有代表性。而席家駒等［68］基于SMAP 衛(wèi)星攜帶的L波段的亮溫?cái)?shù)據(jù)和地溫?cái)?shù)據(jù)監(jiān)測青藏高原地表凍融狀況時(shí)，其中凍結(jié)因子選用FFratio、FFVpol、FFSTI和FFcombV四種指標(biāo)來計(jì)算相對凍結(jié)因子指數(shù)，并在0～1 之間分別選取這四種指標(biāo)對應(yīng)算法的最佳閾值，結(jié)果顯示廣泛使用的FFratio指標(biāo)對地表凍融的分類精度僅為75%，F(xiàn)FVpol凍結(jié)因子在青藏高原凍土區(qū)判別精度可達(dá)到92%。這表明廣泛采用的FFratio指標(biāo)并不適用判別青藏高原地表凍融狀況。

2.2.6 算法的對比與分析

以上各類判別地表凍融算法的對比如表3 所示，不同算法因其原理、所需波段數(shù)據(jù)等差別而各有特點(diǎn)。雙指標(biāo)算法較為簡單，便于理解，已在全球諸多區(qū)域得到應(yīng)用，但該方法在應(yīng)用時(shí)僅適用沒有積雪覆蓋的地表。決策數(shù)算法選取多種指標(biāo)判別地表凍融狀態(tài)，并剔除與凍土具有類似散射作用，如沙漠、降水等強(qiáng)散射體的影響，但該方法中37 GHz 垂直極化亮溫的判別閾值是根據(jù)青藏高原4 cm 地溫?cái)?shù)據(jù)統(tǒng)計(jì)分析得到的，而青藏高原年平均氣溫較低，導(dǎo)致該方法在其他地區(qū)應(yīng)用會(huì)明顯低估土壤凍結(jié)時(shí)間，因此，該方法適用于與青藏高原具有類似氣候特征的研究區(qū)域［76］，此外決策樹算法使用過程也較為復(fù)雜，缺少對該算法的不斷改進(jìn)和運(yùn)用，限制其發(fā)展。凍融判別式算法簡單易實(shí)現(xiàn)，使用的凍融判別式方程屬于半經(jīng)驗(yàn)方程，該方程僅需亮溫?cái)?shù)據(jù)即可實(shí)現(xiàn)判別地表凍融狀況，不需要任何實(shí)測數(shù)據(jù)來確定閾值，但該算法忽略了不同氣候類型和地形等條件下土壤凍融時(shí)的地表輻射和溫度特征，在具體應(yīng)用時(shí)，所使用的凍融判別式方程系數(shù)要與訓(xùn)練數(shù)據(jù)集具有相似的地表?xiàng)l件，才會(huì)取得更好的判別結(jié)果，因此在該算法應(yīng)用于其他區(qū)域之前進(jìn)行參數(shù)校準(zhǔn)，才能更準(zhǔn)確判別地表凍融狀態(tài)［8，76］。此外，凍融判別式算法所采用的介電常數(shù)模型與真實(shí)的介電常數(shù)機(jī)制有一定的差距，會(huì)導(dǎo)致誤差的產(chǎn)生。季節(jié)閾值算法和基于L波段相對凍結(jié)因子閾值判別算法只需要利用單頻亮溫?cái)?shù)據(jù)就可以判別土壤凍融狀態(tài)，在識別大規(guī)模、長時(shí)間地表凍融變化的方面具有優(yōu)勢，但需要完整凍融周期才能確定土壤完全凍結(jié)和融化狀態(tài)下的參考值。這兩種算法的不同之處在于前者是基于垂直極化亮溫區(qū)分凍融狀態(tài)，后者是基于L 波段水平和垂直極化之間的亮溫變化來推導(dǎo)介電信息判別凍融狀態(tài)。其中基于L波段相對凍結(jié)因子閾值判別算法可以較為準(zhǔn)確的探測干雪和植被下土壤凍融狀況，但該算法使用的L 波段探測深度較深，對表層土壤凍融的識別不敏感。此外，它受土壤水分影響較大，在干旱地區(qū)進(jìn)行凍融判別時(shí)具有較大誤差［77］。限于地表環(huán)境復(fù)雜多變，雙指標(biāo)算法、決策樹算法、季節(jié)閾值算法和基于L波段相對凍結(jié)因子閾值判別算法的閾值選取具有一定難度；凍融判別式算法的方程系數(shù)需要結(jié)合地面實(shí)測數(shù)據(jù)和模型模擬數(shù)據(jù)進(jìn)行修改。綜合來看，這五類判別地表凍融的方法都各有優(yōu)點(diǎn)與缺點(diǎn)，需要根據(jù)研究區(qū)的地形、氣候、季節(jié)和地物類型等特點(diǎn)選取最合適的研究方法。

表3 判別地表凍融狀態(tài)算法對比Table 3 Comparison of algorithms for discriminating surface freeze-thaw state

3 基于不同算法和被動(dòng)微波數(shù)據(jù)的凍融產(chǎn)品

國內(nèi)外學(xué)者基于被動(dòng)微波數(shù)據(jù)利用雙指標(biāo)算法、決策樹算法、凍融判別式算法、季節(jié)閾值算法和基于L波段相對凍結(jié)因子閾值判別算法在不同空間尺度上共享了多個(gè)長時(shí)序的凍融產(chǎn)品。表4展示了利用不同算法和被動(dòng)微波數(shù)據(jù)發(fā)布凍融產(chǎn)品的基本信息。凍融產(chǎn)品可用于分析凍土的年際變化、季節(jié)變化、發(fā)生范圍以及凍結(jié)天數(shù)等指標(biāo)的時(shí)空分布和變化趨勢，為冰凍圈、生態(tài)、水文、氣候等變化分析提供數(shù)據(jù)基礎(chǔ)。因此，評估凍融產(chǎn)品的準(zhǔn)確性和適用性至關(guān)重要。

表4 各算法凍融產(chǎn)品的基本信息Table 4 Essential information of freeze-thaw products with different algorithms

Jin等［53，55，78］根據(jù)雙指標(biāo)算法和決策數(shù)算法分別制備中國區(qū)域的凍融產(chǎn)品時(shí)間跨度為1978—2015年和1987—2009年，并對這兩種方法制備的凍融產(chǎn)品進(jìn)行了分析，兩種產(chǎn)品的在中國境內(nèi)均呈現(xiàn)土壤融化時(shí)間提前、凍結(jié)時(shí)間延后的特點(diǎn)，且兩種產(chǎn)品整體精度都在80%以上?；诩竟?jié)閾值算法的凍融產(chǎn)品記錄著全球時(shí)間跨度最長的凍融分類記錄，時(shí)間從1979 年擴(kuò)展至2020 年，Kim 等［79-80］對該算法的凍融產(chǎn)品在全球進(jìn)行研究，結(jié)果表明降軌和升軌精度分別為90.3%和84.3%，并且發(fā)現(xiàn)全球凍土區(qū)植物生長季延長。SMAP 凍融產(chǎn)品是基于L 波段相對凍結(jié)因子閾值判別算法產(chǎn)生，其中空間分辨率為36 km 的SMAP 凍融產(chǎn)品使用的是最接近原始亮溫?cái)?shù)據(jù)，而9 km 空間分辨率的SMAP 凍融產(chǎn)品將亮溫?cái)?shù)據(jù)進(jìn)行最優(yōu)插值獲取，利用5 000 個(gè)全球氣象站的地溫?cái)?shù)據(jù)，對空間分辨率為36 km、9 km 的SMAP凍融產(chǎn)品進(jìn)行評估，結(jié)果顯示：36 km 空間分辨率的SMAP 凍融產(chǎn)品的降軌和升軌精度分別為78%和90%，而9 km 空間分辨率的SMAP 凍融產(chǎn)品精度略低于36 km的SMAP凍融產(chǎn)品精度［81-82］。Hu等［83］在全球范圍內(nèi)對基于凍融判別式算法、分辨率為25 km 的凍融產(chǎn)品進(jìn)行驗(yàn)證，該凍融產(chǎn)品的降軌和升軌的精度分別為79%和85%。此外，得出全球7.7%的地表溫度出現(xiàn)明顯的變暖趨勢。以上凍融產(chǎn)品所用亮溫?cái)?shù)據(jù)分辨率都較粗，為了進(jìn)一步提高凍融產(chǎn)品的精度。Hu等［84］利用凍融判別式算法，及2013—2014 年的MODIS 數(shù)據(jù)和AMSR2 亮溫?cái)?shù)據(jù)，生成空間分辨率為5 km 的凍融狀態(tài)圖，并在中國進(jìn)行評估取得了較好的結(jié)果。在此基礎(chǔ)上此，通過利用AMSR-E、AMSR2和MODIS 數(shù)據(jù)，制備全球凍融數(shù)據(jù)產(chǎn)品時(shí)間跨度為2002—2018 年［85］。以上凍融產(chǎn)品都是在不同地區(qū)、不同時(shí)間范圍進(jìn)行驗(yàn)證評估的，為了進(jìn)一步對比不同凍融產(chǎn)品在同一地區(qū)的優(yōu)劣，邵婉婉等［86］基于雙指標(biāo)算法、決策數(shù)算法和季節(jié)閾值算法發(fā)布的三種凍融產(chǎn)品對1978—2008 年中國近地表土壤凍融狀況進(jìn)行對比分析，并利用0 cm 站點(diǎn)數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果表明季節(jié)閾值算法凍融產(chǎn)品歷年的凍結(jié)時(shí)間與站點(diǎn)數(shù)據(jù)最為接近，而雙指標(biāo)算法凍融數(shù)據(jù)產(chǎn)品整體上都高估了土壤凍結(jié)時(shí)間，決策數(shù)算法凍融產(chǎn)品低估了土壤凍結(jié)時(shí)間。Wang 等［77］對基于季節(jié)閾值算法發(fā)布的凍融產(chǎn)品和基于L 波段相對凍結(jié)因子閾值判別算法產(chǎn)生的SMAP 凍融產(chǎn)品在中國地區(qū)的效果進(jìn)行評估，結(jié)果發(fā)現(xiàn)基于季節(jié)閾值算法的凍融產(chǎn)品，受氣候因素的影響較小，且與0 cm 地表土壤相關(guān)性較好，而SMAP 凍融產(chǎn)品受干旱氣候影響明顯，且該凍融產(chǎn)品可以較好地指示5 cm 土壤凍融狀態(tài)，此外該凍融產(chǎn)品受積雪影響較少。

總而言之，這些凍融產(chǎn)品所用的數(shù)據(jù)涵蓋了SMMR、SSM/I、AMSR-E 和AMSR2 等類型，雖然所共享的凍融產(chǎn)品使用的算法、數(shù)據(jù)來源、時(shí)間范圍以及產(chǎn)品性能不同，但是大體上呈現(xiàn)出凍結(jié)時(shí)間推遲、解凍時(shí)間提前以及凍結(jié)天數(shù)縮短的趨勢。

4 結(jié)論

本文總結(jié)了被動(dòng)微波遙感數(shù)據(jù)的類型和所含波段的特點(diǎn)；闡述了被動(dòng)微波數(shù)據(jù)用于凍融監(jiān)測的原理及方法；梳理了基于不同算法和被動(dòng)微波數(shù)據(jù)的凍融產(chǎn)品；被動(dòng)微波遙感在地表凍融監(jiān)測中主要存在的問題和發(fā)展趨勢總結(jié)如下：

（1）從獲取的被動(dòng)微波數(shù)據(jù)上看，被動(dòng)微波傳感器由于受地球形狀及其運(yùn)行軌道的影響，被動(dòng)微波數(shù)據(jù)存在著部分區(qū)域缺失現(xiàn)象。為了減少被動(dòng)微波亮溫?cái)?shù)據(jù)的缺失對監(jiān)測凍融循環(huán)產(chǎn)生影響，需要對缺失數(shù)據(jù)進(jìn)行填補(bǔ)，從而覆蓋整個(gè)研究區(qū)域。當(dāng)前主要的方法是通過編程取前后兩天被動(dòng)微波數(shù)據(jù)平均值填補(bǔ)亮溫?cái)?shù)據(jù)的缺失值［87］。或者利用兩景不同時(shí)間的影像建立統(tǒng)計(jì)函數(shù)來進(jìn)行缺失補(bǔ)齊［88］。怎樣建立更加合理的數(shù)據(jù)的補(bǔ)齊方法將是未來一個(gè)研究重點(diǎn)。此外被動(dòng)微波數(shù)據(jù)空間分辨率較低，像元內(nèi)存在混合因子，現(xiàn)有的發(fā)展趨勢則是在利用被動(dòng)微波數(shù)據(jù)的基礎(chǔ)上，聯(lián)合多個(gè)數(shù)據(jù)產(chǎn)品，如地溫、主動(dòng)微波數(shù)據(jù)等數(shù)據(jù)進(jìn)行降尺度，或者對像元內(nèi)的地表凍融狀態(tài)進(jìn)行概率判別，以更好地描述地表凍融狀態(tài)［88-92］。

（2）從現(xiàn)有判別地表凍融的算法上看，雙指標(biāo)算法、決策樹算法、凍融判別式算法、季節(jié)閾值算法這四類算法都不能準(zhǔn)確判別積雪覆蓋下土壤凍融狀態(tài)，積雪與凍土具有類似的微波輻射特性，在已有的研究中一般認(rèn)為積雪覆蓋的地表被判別為是凍結(jié)狀態(tài)，而由于積雪具有隔熱保溫作用，延緩?fù)寥纼鼋Y(jié)的效果，致使初冬季節(jié)積雪覆蓋下的融化地表被誤判為凍結(jié)狀態(tài)［93］。Bateni 等［94］提出利用18.7 GHz、36.5 GHz 頻率的地基被動(dòng)微波觀測數(shù)據(jù)和L 波段（1.4 GHz）、Ku 波段（15.5 GHz）的主動(dòng)觀測數(shù)據(jù)提出的數(shù)據(jù)同化方法能夠識別點(diǎn)尺度范圍內(nèi)積雪覆蓋下地表凍融狀況。目前這方面研究較少，未來研究中應(yīng)側(cè)重利用星載被動(dòng)微波和主動(dòng)微波將該方法應(yīng)用于大規(guī)模領(lǐng)域，此外結(jié)合積雪輻射模型和凍土介電模型，進(jìn)一步研究積雪類型、深度和密度等條件對地表微波輻射產(chǎn)生的影響，針對積雪覆蓋的地表對算法進(jìn)行優(yōu)化有可能提高現(xiàn)有的凍融判別算法的精度。此外，L 波段可以探測積雪下的地表凍融狀態(tài)，可使用基于L 波段相對凍結(jié)因子閾值判別算法針對常年有積雪覆蓋地區(qū)進(jìn)行探測?；蛘呶磥砭C合研發(fā)一套針對不同地表環(huán)境的凍融算法，新算法應(yīng)在機(jī)理模型基礎(chǔ)上融合地表覆被類型、氣候類型、高程、積雪等要素，對地表凍融狀態(tài)進(jìn)行細(xì)化分析，使算法不僅局限于判別地表凍融的二值狀態(tài)，還能夠評價(jià)單位像元內(nèi)凍融的比例、凍融相變水量、凍結(jié)深度、凍結(jié)速率等。

（3）隨著凍融產(chǎn)品的制備與應(yīng)用，以及被動(dòng)微波數(shù)據(jù)的積累，為長期生態(tài)變化研究提供基礎(chǔ)數(shù)據(jù)。目前，時(shí)間序列最長的凍融產(chǎn)品（1979—2020年）是通過季節(jié)閾值算法而制備的，研究人員繼續(xù)根據(jù)該算法將獲取的最新亮溫?cái)?shù)據(jù)用于延長凍融產(chǎn)品時(shí)間序列?；贚波段相對凍結(jié)因子閾值判別算法的凍融產(chǎn)品隨著SMAP 衛(wèi)星的運(yùn)行，該凍融產(chǎn)品持續(xù)進(jìn)行更新，但該凍融產(chǎn)品時(shí)間跨度較短（2015 年至今），在未來研究中可結(jié)合SMOS 衛(wèi)星提供的L 波段數(shù)據(jù)擴(kuò)展該算法凍融產(chǎn)品的時(shí)間跨度，此外其他三種算法的凍融產(chǎn)品時(shí)間跨度也可隨亮溫?cái)?shù)據(jù)的更新繼續(xù)擴(kuò)展凍融產(chǎn)品的時(shí)間序列。

致謝：感謝哈爾濱師范大學(xué)研究生學(xué)術(shù)論壇的支持；感謝粵港澳大灣區(qū)地理科學(xué)數(shù)據(jù)中心提供相關(guān)數(shù)據(jù)；感謝國家青藏高原科學(xué)數(shù)據(jù)中心、美國國家冰雪數(shù)據(jù)中心提供凍融數(shù)據(jù)產(chǎn)品。