被动微波反演裸露区土壤水分综述

被动微波具有全天候、穿透性以及不受云的影响等特征,使其在反演土壤水分时具有很大的优势。通过研究发现,被动微波遥感是反演土壤水分的各种技术中最有效的方法之一。概括了主要的被动微波传感器并从被动微波遥感的原理出发,针对被动微波遥感裸露区地表随机粗糙面的模型以及土壤水分反演算法作了简要介绍。     

基于被动微波的寒旱区地表温度反演

以各频段水平极化和垂直极化发射率问的相关关系为条件,利用被动微波数据反演地表温度.算法既解决了地表温度反演过程中发射率难以确定的问题,又克服了热红外遥感受大气影响较大的缺点,其物理意义清晰,计算简便.算法以MODIS温度产品为评价标准,对36.5GHz和89 GHz反演结果进行分析.结果表明:89 GHz亮温数据反演精度高于36.5 GHz;与耕地和草场反演精度相比,裸土和山地反演精度较高.其原因在于高频数据穿透能力较低,能更好地表达地表温度.同时,低频数据相对高频更容易受到地表土壤水分变化的影响,发射率相对不够稳定,对反演结果有一定影响.     

基于物理模型的被动微波遥感反演土壤水分

利用土壤水分和海洋盐度(SMOS)卫星进行土壤水分反演的算法中,对地表发射率的描述仍采用半经验Q/H模型,该模型描述地表粗糙度对有效发射率在V和H极化下影响相同.基于微波散射理论模型-高级积分方程模型(AIEM)建立了一个针对SMOS传感器的参数配置,包含各种地表粗糙度和介电特性的裸露地表辐射模拟数据库,发展了L波段多角度地表辐射参数化模型.在此基础上,利用SMOS多角度双极化特点,建立了土壤水分反演算法.该算法可以消除粗糙度对土壤水分反演的影响,同时最小化反演过程中辅助信息引入带来影响.反演算法通过美国农业部提供的L波段多角度地基辐射计数据(BARC)进行验证,在20°~50°入射角,土壤水分反演精度在4%左右.     

被动微波遥感反演地表温度研究进展

热红外遥感技术在地表温度反演中已经获得了丰厚的果实,反演精度可达到1 K,然而,大气中云雾和尘埃对热红外遥感探测地表温度影响很大,限制了热红外遥感反演地表温度的应用.相反,被动微波遥感受大气干扰小,可穿透云层获取地表辐射信息,并具有全天候、多极化等特点,在地表温度反演中具有独特的优越性.但是微波信号也受多种因素的影响,其反演地表温度的算法目前尚不成熟,有待进一步研究.根据不同微波辐射计特征,系统讨论并评估了被动微波反演地表温度的经验模型、物理模型以及半经验模型及其发展过程,指出目前研究的难点和缺点,为今后相关研究提供参考.     

联合机载PLMR微波辐射计和MODIS产品反演黑河中游张掖绿洲土壤水分研究

土壤水分是气候、水文学研究中的重要变量,微波遥感是获取区域地表土壤水分的重要手段,而L波段更是微波土壤水分反演的最优波段。依托HiWATER黑河中游绿洲试验区的地面观测及机载PLMR微波辐射计亮温数据,利用微波辐射传输模型L-MEB,并将MODIS地表温度产品(MOD11A1)和叶面积指数产品(MYD15A2)作为模型及反演中的先验辅助信息,借助LM优化算法,通过PLMR双极化多角度的亮温观测,针对土壤水分、植被含水量(VWC)和地表粗糙度这3个主要参数,分别进行土壤水分单参数反演、土壤水分与VWC或粗糙度的双参数反演以及这3个参数的同时反演。通过对不同反演方法的比较可以得出结论,多源辅助数据及PLMR双极化、多角度信息的应用可以显著降低反演的不确定性,提高土壤水分反演精度。证明在合理的模型参数和反演策略下,SMOS的L-MEB模型和产品算法可以达到0.04 cm3/cm3的反演精度,另外无线传感器网络可以在遥感产品真实性检验中起到重要作用。     

不同尺度的土壤含水量主被动微波联合反演方法研究

土壤含水量是水文、农业和气象等领域的关键参数,而微波遥感是目前监测土壤含水量最有效的手段之一。本文利用主动微波与被动微波数据,结合其他多源遥感数据,运用随机森林算法分别在主动微波数据分辨率尺度和被动微波数据分辨率尺度下完成主被动微波数据的土壤含水量联合反演。首先对被动微波尺度的地表覆盖类型与归一化植被指数(NDVI)参数进行空间分辨率优化,再利用回归ReliefF方法对两种尺度所用的输入变量的重要性进行评估,并对输入变量进行优选,最后对比主被动微波数据土壤含水量联合反演和单独利用主动/被动微波数据进行反演的精度,分析主被动微波联合反演方法的有效性。结果表明：在主动微波尺度,主被动微波联合反演的精度相比单独利用主动微波数据反演的精度有所提升,相关系数r由0.691升至0.744,RMSE由0.084 8 cm³/cm³降至0.079 6 cm³/cm³;在被动微波尺度,主被动微波联合反演的精度反而比单独利用被动微波数据反演的精度更低,相关系数r由0.944变为0.939,RMSE由0.043 5 cm...     

基于被动微波遥感反演雪深的时间序列分析我国积雪时空变化特征

利用1978-2005年逐日中国积雪深度数据集,分析了我国积雪空间分布特征和季节时空分布特征,并运用趋势线分析方法和均方根差模拟了积雪深度和积雪日数的变化趋势及异常空间变化特征.结果表明:青藏高原东南、青藏高原西部和南部、新疆北部和东北山区为我国积雪空间分布四大高值区.近28 a来,积雪深度和积雪日数呈增加趋势,20世纪80年代青藏高原明显增加和明显减少趋势并存,90年代整体明显增加,2000-2005年整体基本不变.青藏高原中东部、新疆北部以及东北山区为积雪深度异常变化敏感区,而青藏高原西部则为积雪日数异常变化敏感区.     

我国主要积雪区AMSR-E被动微波雪深算法对比验证研究

采用高级微波扫描辐射计(AMSR-E)亮温数据, 选取Chang算法、GSFC 96算法、AMSR-E SWE 算法、青藏高原改进算法和Savoie算法等5种雪深反演算法, 利用2010年2月10-12日3 d的气象站台雪深观测数据, 对比分析了5种雪深反演算法在新疆地区、青藏高原、内蒙古地区、东北地区、西北地区和华北平原的精度和适用性. 结果表明:总体验证中, 青藏高原改进算法3 d的结果均优于其他算法, 其均方根误差(RMSE)为9.16 cm、9.96 cm和9.63 cm, 平均相对误差(MRE)分别为59.77%、52.79%和48.47%. 分区验证中, 结果最佳的算法分别为:在新疆地区, GSFC 96算法RMSE为6.85~7.48 cm;内蒙古地区, 青藏高原改进算法的RMSE分别为5.9 cm、6.11 cm和5.46 cm;东北地区, 青藏高原改进算法RMSE为6.21~7.83 cm;西北地区和华北平原5种算法的适用性不佳;青藏高原由于缺乏实测数据, 无法得到该区验证统计结果.     

机载雷达和辐射计数据反演植被覆盖区土壤水分的初步研究

用土壤水分试验(SMEX02)中获取的机载雷达和辐射计(PALS)数据进行反演土壤水分的研究。首先利用PALS数据中雷达和辐射计对土壤水分最敏感的波段,进行主被动结合的多元线性回归反演土壤水分。结果表明,这种方法并不能有效地提高反演精度;然后,改进了一个新提出的适用于大尺度星载C波段辐射计数据的土壤水分获取方法,提高其运算效率,并将该算法应用到PALS数据,一方面验证了该方法在机载高分辨率数据和非C波段下的适用性,另一方面对该方法进行了定量化评价。     

基于AMSR2被动微波积雪参量高精度反演方法研究

以新疆为研究区域建立了被动微波遥感积雪深度高精度反演模型,采用高空间和时间分辨率AM SR2被动微波遥感数据(2012年11月-2015年3月逐日数据),结合研究区域海拔高度、坡度、坡向、沙漠,荒漠和地表粗糙度等地形、地貌特征,考虑冰川、水体、林地等地表覆盖类型和不同季节的新雪、干雪和湿雪等积雪属性的微波辐射特征,以决策树阈值法为基础,通过采集样本分类建立起多种雪深判识阈值,在此基础上建立AMSR2高精度积雪深度反演综合模型,分类分析不稳定积雪和冰川信息,从而实现雪深在60 cm以内的积雪深度AMSR2反演的主要原理、思路及方法,并对模型的反演结果跟台站实测或者野外观测积雪值以时间和空间角度进行检验.结果表明:该综合模型能够定量判识研究区域复杂地形地貌条件下的1~60 cm积雪厚度,检验的复相关系数为0.74~0.88,均方根误差为2.92~6.14 cm,平均绝对偏差指数为3~4 cm,雪深误差5 cm的精度为91%~94%,雪深误差2.5cm的精度为81%~87%.     

利用反射GPS信号遥感土壤湿度

在水文、气候、农业等问题的研究中,土壤湿度信息十分重要。近年来,利用GPS系统进行遥感的新方法,已经越来越多地引起研究者们的关注。特别是GPS卫星广播的L1（1.57542GHz）频率信号,是土壤湿度遥感的最佳频率。反射GPS信号功率是土壤介电常数的函数,而土壤介电常数又和土壤湿度有关。根据这一原理,美国国家航空与航天局于2002年进行了基于地表面反射GPS信号的遥感土壤湿度实验。结果证明反射GPS信号对土壤湿度特性十分敏感,由于植被的影响对反射率进行了修正,并用此方法模型与其它方法进行了比较。在利用GPS遥感土壤湿度方面,研制高增益天线,更好的修正信号波动的影响,发展更加完善的遥感土壤湿度方法等是今后在此项研究中所要解决的问题。     

土壤湿度遥感估算同化研究综述

土壤湿度是影响气候的至关重要的变量之一。利用数据同化方法反演大规模高精度土壤湿度数据是目前土壤水分研究的一个重要方向。结合国内外土壤湿度遥感估算研究现状,总结了土壤水分同化算法主要应用进程,梳理了目前实现土壤水分反演且应用广泛的陆面过程模型,Noah模型、通用陆面过程模型CLM、简单生物圈模型Si B2、北方生产力模拟模型BEPS,介绍了大范围卫星土壤水分数据集,包括陆面同化系统数据集、ASCAT数据集、AMSR-E数据集及SMOS数据集,最后探讨了遥感土壤水分同化过程中存在的问题及发展方向。     

黑河流域临泽盐碱化草地网格尺度多层土壤水分时空稳定性分析

定量分析半干旱环境下盐碱化草地类型土壤水分的时间稳定性,是开展土壤水分尺度时空转换的前提,同时也是水文研究的重要组成部分。基于"黑河遥感—地面同步试验"干旱水文试验区临泽草地加密观测区16个土壤水分剖面的逐日持续观测数据,利用平均相对偏差及相关系数方法,对网格尺度上多层土壤水分的时间稳定性进行了分析。初步表明:①在土壤水分监测点布设上,在相对长的时期内,能代表网络水平上平均土壤水分最优观测的点是存在的,最优观测点位置的选择需要先密后稀,并根据事先的加密观测结果进行稳定性分析,保留平均相对偏差接近于0且其标准差最小的点开展长期观测。②在90 m×90 m的网格尺度上,土壤水分的空间结构在40 cm深度以上各层的时间稳定性是类似的,但稳定程度不同,表层最不稳定。在40 cm以下基本上趋于稳定,空间异质性降低。③研究区所在环境下网格尺度土壤水分空间分布在时间上强烈相关,观测刚开始的几天与其它时期的相关性比较低,在平稳期相关性较好,不稳定性主要由降水或灌溉事件引起。同时,由于环境的复杂性及观测的误差,这种特殊类型土壤水分的时间稳定特征还需要进一步研究。     

中国东部土壤温度、湿度变化的长期趋势及其与气候背景的联系

利用1971-2000年中国722站逐月的土壤温度资料和1981-1998年178站逐旬的土壤湿度观测资料,分析了中国东部土壤温度、湿度变化的长期趋势及其与气温、降水变化的关系.结果表明:①我国东部土壤温度的变化在年际一年代际时间尺度上存在明显的区域性差异,其中东北地区表现为持续上升型,而西北东部一华北、江淮和西南一华南地区均为先降后升型;②1970-2000年代,土壤温度的变化在东北以及西北东部一华北地区有显著的上升趋势,而在江淮和西南一华南地区,总体而言变化趋势不显著.此外,1980-1990年代,各区域土壤湿度的变化趋势均不显著;③在年际一年代际尺度上,各区域土壤温度和气温的变化具有显著的正相关关系,而土壤湿度与土壤温度的变化普遍呈负相关关系,其中尤以西北东部-华北地区最为显著.而在较长的时间尺度上,土壤湿度与降水的变化仍然存在较好的正相关关系.     

卫星遥感反演土壤水分研究综述

土壤水分是影响地表过程的核心变量之一。精准地测量土壤水分及其时空分布,长期以来是定量遥感研究领域的难点问题。简要回顾基于光学、被动微波、主动微波和多传感器联合反演等卫星遥感反演土壤水分的主要反演算法、存在的难点和前沿性研究问题,介绍了应用土壤水分反演算法所形成的3种主要全球土壤水分数据集,包括欧洲气象业务卫星（ERS/MetOp）数据集、高级微波扫描辐射计（AMSR-E）数据集、土壤湿度与海洋盐分卫星（SMOS）数据集,并结合目前存在的问题探讨卫星遥感反演土壤水分研究的发展趋势。     

土壤水分对土壤参数的敏感性及其参数优化方法研究

利用2008年1月1日至2009年9月31日黑河流域阿柔冻融观测站的气象和土壤水分数据,采用基于方差的多参数敏感性分析方法研究通用陆面模型(Common Land Model,CoLM)模拟的土壤水分对土壤质地(砂土和黏土)的敏感性,进而采用SCE-UA参数优化算法分别优化土壤质地和土壤水力参数,分析不同优化策略对土壤水分模拟结果的影响。研究结果表明,浅层土壤水分对土壤质地较为敏感,敏感性系数达到了0.45以上,并且砂土含量对土壤水分的影响更为显著;利用SCE-UA算法优化土壤质地或土壤水力参数都可以有效地提高土壤水分的模拟精度,优化土壤水力参数易产生"异参同效"现象,而优化土壤质地能够使土壤水力参数的取值范围更加合理。     

Soil Moisture Parameterization and Its Influences in Weather and Climate Simulation: A Review

The soil hydrological process in land surface models and its influences on weather and climate simulation have got much attention by scholars both at home and abroad. First, this paper traced the definition and determination of soil moisture, and then reviewed its parameterization in different models, including soil-water characteristic curves for different soil types and numerical methods for solving soil moisture equations. Moreover, methods of soil hydrological parameter determination and uncertainties within land surface models were specified. Also, the importance of methods in parameter sensitivity analysis and optimization was emphasized, and the new datasets of soil hydraulic parameters would play a very important role in the improvement of the land surface model and soil moisture simulation. Finally, the research progress of feedback mechanism between soil moisture and precipitation was summarized. Spatial and temporal distribution of soil moisture and its abnormal would cause a positive feedback, and on the contrary, the meso-scale characteristics of soil moisture distribution had a negative feedback. By summarizing the progresses of the uncertainties and problems in soil moisture simulation, the influences of soil moisture on simulating weather and climate were pointed out.     

模式时间关联误差对集合平方根滤波估算土壤湿度的影响

为了定量评估模式时间关联误差对NOAH陆面模式同化表层土壤湿度观测估算土壤湿度廓线的影响,采用集合平方根滤波(En SRF)与状态增广相结合的技术,开展同时更新状态变量和订正模式偏差的观测系统模拟试验,结果表明:同化时若不对存在较大系统性偏差的模式时间关联误差进行处理,En SRF就不能有效估算土壤湿度廓线,而采用状态增广和En SRF相结合的技术,可以在更新土壤湿度时同步订正模式偏差,土壤湿度估算精度明显提高。敏感性试验进一步表明:模式偏差大小、同化时间间隔和观测误差会以不同方式对同化结果造成影响。