论文部分内容阅读
土壤水分是联系地球表层物质能量交换的重要纽带,在全球水循环、能量平衡及气候系统中意义重大,也是开展区域生态、水文、农业及早情灾害等研究的重要参数指标。被动微波遥感是目前星载、大范围、动态土壤水分监测的主要手段。当前随着微波传感器技术发展与大型航空及地面土壤水分观测试验的开展,被动微波遥感在正向微波辐射传输模型发展、土壤水分反演算法改进、长时间序列土壤水分产品制备等方面均取得了长足进展。但是,受卫星传感器观测空间分辨率限制,当前被动微波遥感土壤水分研究在反演算法发展、模型参数标定、产品的真实性检验方面仍存在以下问题: 1.已有的土壤水分反演算法大多以半经验的微波辐射传输模型为基础,直接将基于航空或地面观测试验获得的模型参数标定结果应用于卫星粗分辨率的亮温观测数据时,会为卫星土壤水分反演结果带来较大误差。目前,对这部分来源误差的分析还缺乏足够的量化。 2.土壤水分时空异质性十分强烈,卫星被动微波遥感数据空间分辨率较低,而基于地面站点的实测数据在空间上代表范围较小。由于观测尺度不匹配,已有土壤水分产品在真实性验证方面仍然存在较大困难。 本研究选择黑河流域为研究区,以量化和降低被动微波遥感土壤水分反演中参数不确定性,卫星遥感土壤水分产品的真实性验证和误差来源量化分析为研究目标,进行了以下几个方面的研究: (1)微波辐射传输模型参数的敏感性量化分析 采用一种基于方差的定量全局敏感性分析方法——扩展傅里叶振幅敏感性分析算法(extended Fourier Amplitude Sensitivity Test,eFAST),对L波段生物圈微波发射模型（L-band Microwave Emission of the Biosphere,L-MEB）中参数的敏感性大小进行量化,探讨了模型的主要敏感因子及其变化;并对不同土壤水分条件下的待标定参数的敏感性进行对比,探讨参数标定结果的可靠性。结果表明:(1)L-MEB模型中,土壤水分、地表粗糙度、植被光学厚度和地表温度敏感性最高,并且随入射角度增加,H极化亮温对与粗糙度有关的参数和植被光学厚度参数敏感性更高,V极化亮温对地表温度参数敏感性更高;(2)随地表粗糙度或植被光学厚度增加,L-MEB模型中地表温度的敏感性大幅上升,强调了利用L-MEB模型进行等参数反演时,地表温度参数的重要性;(3)待标定参数中,仅地表粗糙度参数敏感性较高,其他参数敏感性较低,表明采用当前优化迭代算法无法获得满意的参数标定结果;(4)获得了与传统敏感性分析不同的参数敏感性分析结果,即V极化亮温对土壤水分变化更加敏感,对未来卫星土壤水分反演方法发展及数据选择具有指导意义。 (2)联合航空及地面多源观测数据的被动微波遥感土壤水分反演算法发展与验证 以生态-水文过程综合遥感观测联合(Heihe Watershed Allied Telemetry Experimental Research,HiWTER)试验提供的多源航空及地面观测数据为基础,首先,以极化L波段多角度微波辐射计(Polarimetric L-band Multi-beam Radiometer,PLMR)的多角度亮温观测数据为基础,提出了一种基于天顶角亮度温度的单通道土壤水分反演策略,以减少反演过程中因入射角度造成的参数标定误差,获得了研究区6月30日、7月10日和8月2日共3景、高空间分辨率的土壤水分反演结果。其次,通过采用航空同步多尺度地面土壤水分观测数据,对土壤水分反演结果进行了验证。结果显示,反演结果在点尺度上验证的均方根误差（Root Mean Square Error,RMSE）在0.035-0.055m3/m3之间,田间尺度上验证的RMSE略高于点尺度,反演偏差(Bias)低于0.02m3/m3,村社尺度上,反演土壤水分在空间上的准确性较高,与村社距前次灌溉间隔日数间呈明显的负相关关系,相关系数（Correlation Coefficents,R）在0.3左右。时间上,三个反演结果分别对应于研究区玉米生长的前中后三个时期,航空被动微波遥感土壤水分反演精度逐渐下降。 (3)卫星遥感土壤水分产品在黑河流域复杂下垫面条件下的精度验证与评估 基于黑河流域多尺度水文气象观测网及无线传感器观测网络获得的长时间序列土壤温湿度观测数据和中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer,MODIS)提供的逐月归一化植被指数(Normalized Difference Vegetation Index,NDVI)数据,对黑河流域复杂下垫面条件下,三种最新卫星传感器(AMSR2、SMOS和SMAP)6种被动微波遥感土壤水分产品(LPRM-C1、LPRM-C2、LPRM-X、JAXA、SMOS和SMAP)的进行了详细的精度验证和误差来源分析。首先,对六种卫星产品的精度验证表明:(1)在地表较为均质的下游荒漠地区,6种土壤水分产品均取得了较高的验证精度,其无偏均方根误差(unbiased RMSE,ubRMSE)均在0.04m3/m3以内,并且除LPRM-X产品外,其余产品均表现出一定的高估趋势。(2)对于植被覆盖地表,三种LPRM产品均表现出显著的高估趋势,并且C波段高估偏差明显高于X波段,其X波段产品在上游草地地区和中游绿洲区的ubRMSE值分别在0.15m3/m3和0.1m3/m3左右;C和X波段LPRM产品与实测土壤水分间R值大致在0.3至0.6之间,且C波段产品R值略高于X波段。(3)SMAP、SMOS和JAXA-X产品均表现为低估趋势;其中SMAP产品精度最高,其在上游草地地区和中游绿洲区的ubRMSE精度均在0.06m3/m3左右,草地地区R最高可达0.6;JAXA-X产品次之,其ubRMSE精度分别为0.08/0.05m3/m3（草地/绿洲）,但是其产品值与与实测土壤水分间相关性较低,R约为0.3;SMOS产品精度略低于JAXA-X产品,ubRMSE精度分别为0.1/0.06m3/m3（草地/绿洲）,而R值略高,在0.4左右（升轨时刻）。其次,对产品验证结果的误差分析结果显示:(1)LPRM白天（AMSR2升轨）时刻产品中输入地表温度平均高估偏差约6.73K,是造成白天时刻LPRM产品验证精度较低的主要原因;JAXA产品在反演算法中采用统一的地表温度设置(293K),可能是造成JAXA产品在植被区整体低估的主要原因。(2)LPRM产品中植被光学厚度反演结果与MODIS NDVI间相关性较高,R均值在0.5左右,表明LPRM算法在模拟或消除植被覆盖影响方面具有一定优势。(3)研究区SMOS白天时刻（降轨）产品中RFI影响较高,是造成降轨时刻SMOS产品精度下降的主要原因。SMAP产品反演算法中,排除了地表温度和植被覆盖影响后,地表粗糙度参数的简化设置可能是算法中最主要的误差来源。