基于被动微波遥感的地表粗糙度及土壤水分反演研究

王 舒

国家气象信息中心，北京 100081

被动微波遥感具有监测面积大、重复周期短、对土壤水分更为敏感等优点，成为反演土壤水分最有潜力的方式。论文针对地表粗糙度和植被覆盖变化对土壤水分反演过程中带来的误差和不确定性展开研究，发展更适合大区域土壤水分反演的算法。主要研究内容如下：

(1) 全球地表粗糙度反演算法研究。首先利用AMSR-E C波段的亮温数据研究全球尺度上地表粗糙度的反演，其次通过将地表粗糙度和植被的影响看作一个整体，然后利用NDVI分离植被的影响，最后反演得到全球地表粗糙度，并形成简单的地表粗糙度参数计算方法(simply roughness parameter，SRP)。结果表明，反演得到的全球Hr空间分布清晰，并且与下垫面类型相关。在低矮植被覆盖区域的结果与地表粗糙度效应的空间分布较为吻合。该结果不仅能有效地得到全球地表粗糙度的分布，同时还能为高精度土壤水分反演提供保证。

(2) 构建长时间序列L波段植被光学厚度产品反演方法。首先，针对如何构建长时间序列的植被光学厚度产品提出了利用C波段植被光学厚度产品对L波段产品进行估算。然后，利用SRP算法反演C波段的植被光学厚度。结果表明，使用SRP算法得到的植被光学厚度产品与植被生长周期的季节性变化较为吻合。最后，以SMOS L波段的植被光学厚度产品为基础，分析C波段植被光学厚度估算L波段植被光学厚度的能力。结果显示，C波段植被光学厚度与L波段植被光学厚度有较好的相关性，可通过C波段的植被光学厚度产品构建L波段长时间序列的植被光学厚度产品，为微波植被指数监测全球植被变化提供了可行性。

(3) 发展了针对SMOS卫星数据的SRP多角度土壤水分算法(SRP-multi-angle)。通过将地表粗糙度和植被光学厚度看作一个整体，利用多个角度的双极化亮温数据同时迭代反演参数和土壤水分。首先，利用模拟数据库，表明利用SRP-multi-angle算法得到的土壤水分精度较高。其次，基于SRP-multi-angle算法分析不同入射角组合对反演结果的影响，结果显示该算法在4个入射角组合下得到的结果最好。在植被影响的分析中发现该算法适用于τ≤1.0时的情形。最后，选择美国SCAN观测网3种低矮植被覆盖类型(草地、农田、草地森林混合区)11个站点实测数据对该算法进行验证，研究结果表明SRP-multi-angle算法在3种下垫面类型下的反演精度能够满足应用需求。

(4) 基于SMOS和AMSR-E多频率数据发展了SRP多频率土壤水分算法(SRP-multi-frequency)。融合SMOS不同入射角下L波段与AMSR-E C波段亮温数据展开研究。首先，利用模拟数据表明SRP-multi-frequency算法受到植被的影响比较严重，算法仅适用于低矮植被覆盖(τ≤0.6)。然后，利用SRP-multi-frequency算法对3种地表类型下实测站点进行土壤水分反演，并使用得到的AMSR-E C波段地表粗糙度数据进行校正。结果表明，获取的地表粗糙度数据能够很好地消除粗糙地表的影响，并且利用L和C波段融合后的SRP-multi-frequency算法能实现较高精度的土壤水分反演。

论文围绕被动微波遥感土壤水分反演的方法展开研究，重点解决土壤水分反演过程中地表粗糙度和植被光学厚度带来的影响，并针对不同卫星传感器的特点，提出了各自土壤水分的反演算法，以期实现高精度土壤水分的获取。