论文部分内容阅读
土壤水分是区域和全球水循环过程中最为活跃的部分,是影响水文过程、生物生态过程、生物地球化学过程的关键变量,在众多的陆表参数中备受关注。然而,如何有效地进行大尺度和长时间的土壤水分观测是相关研究必须面临的首要问题,同时区域气候的复杂性,地表植被覆盖类型的多样化使得土壤水分的分布呈现较强的空间异质性和动态变化性,这为土壤水分的观测带来诸多不便,以至于传统的地面测量手段根本无法满足日益增长的应用需求。 微波遥感提供了测量地物电磁特性的技术,具有全天时、全天候的特点,并对云雾、雨雪、植被及干燥地物有一定的穿透能力,利用干燥土壤和液态水分在介电特性上的巨大差异,其在土壤水分的监测中具有无可比拟的优势。被动微波遥感技术同时具备空间覆盖范围广,时间分辨率高的特点,尤其对表层土壤水分变化甚为敏感,逐渐成为大尺度土壤水分观测中的主要手段。自1973年美国空间站“太空实验室”首次尝试利用星载微波传感器进行地表观测以来,土壤水分卫星反演技术从无到有逐渐发展,相关应用研究逐渐丰富起来。21世纪以后,各个国家及航天机构进入竞争态势,合成孔径、主被动联合等新型技术相继出现。土壤水分微波遥感正由高频观测向低频观测、由单一角度向多种角度、由真实孔径向合成孔径、由单纯被动微波向着主被动微波联合的方向发展。新型传感器的发展对于提高土壤水分的监测能力提供了有效的平台,但同时也为相关的土壤水分反演算法提出了新的要求,这需要反演算法具有更强的兼容能力和更快的运算速度,以高效地处理来自不同层次的微波遥感信息。 本研究即在上述背景下产生,其目的在于进一步研究多频率多角度下地表微波辐射过程机理,重点解决土壤水分反演过程中复杂地表环境条件特别是植被覆盖变化所引起的反演误差和不确定性,完善或者发展新型的大尺度土壤水分反演算法,以提高被动微波对于陆地水循环过程的监测能力。本文的主要研究内容概括如下: (1)针对AMSR-E多波段卫星传感器,建立考虑复杂地表环境条件的多频率微波辐射模型,分析不同土壤含水量、植被和积雪覆盖条件下地表冻融过程对微波辐射信号的影响。在使用Tb36.5V指示地表温度变化的基础上,创新性地构建“准发射率”概念,用以衡量地表冻融过程中微波辐射特征的变化,通过融合地面观测与模型模拟数据,使用费歇判别分析的方法建立地表冻融状态的判别式算法。在对地表冻融状态进行判别之后,仅在融土区域进行地表土壤水分的反演。地表温度效应的校正采用多频段微波数据的线性回归方法,并加入MPDI指数以校正植被和水分变化造成的影响。植被影响的去除采用新近发展的微波植被指数MVIs,利用零阶辐射传输方程以及植被光学厚度与植被含水量、波长之间的经验关系,首次建立了微波植被指数与植被含水量、植被光学透过率之间的数学物理关系,达到了简单有效地消除植被影响的目的。地表粗糙度的校正使用参数化的高级积分方程模型,利用粗糙度在不同极化上的作用方向不同消除粗糙度的影响,最终得到地表土壤水分,形成基于物理过程的统计反演方法(PBSM)。该算法具有较强的理论依据,极大地提高了微波辐射对于土壤水分变化的敏感性。 (2)针对SMOS/SMAP卫星传感器,将采用合成孔径技术的SMOS多角度观测,模拟生成单一角度的SMAP辐射计观测,并加入多种辅助信息形成SMOS/SMAP数据集,用于本部分的研究分析。首先,利用美国小流域密集观测网络数据对SMOS土壤水分产品进行验证,发现SMOS产品在高植被覆盖地区容易出现较大反演误差,其反演的植被光学厚度缺少应有的季节变化特征。针对这一问题,本研究基于十年的MODIS/NDVI观测资料,在严格质量控制的基础上,通过一系列平均、插值等操作,计算得到多年气候平均的NDVl数据集,其不仅去除了受云雨、阴影、降雪等因素影响的质量损害数据,而且大大降低了土壤水分反演算法中处理大量实时数据的需求。该MODIS/NDVI气候平均数据集已经成为美国SMAP卫星计划的主要辅助数据之一。在此基础之上,根据不同地表类型建立的转换方程计算植被含水量,对植被影响进行校正,计算效果优于原有的SMOS算法。同时利用能够适应较大粗糙度范围的AIEM面散射模型,按照合理的模型输入条件,生成规则的模拟数据集,并以此分析粗糙度对不同极化的平面发射率的影响,建立简单快速的参数化模型,替代原有单通道算法中的经验模型。由此发展的增强型单通道土壤水分反演算法适用于各种L波段卫星传感器,反演结果更加符合地面实际观测。 (3)针对Aquarius主被动联合传感器,将SMOS多角度观测模拟生成三波束的独立观测,并严格按照过境时间与Aquaruis辐射计数据进行对比。在确认Aquarius辐射计亮温拥有更高的测量精度和稳定性之后,使用增强型的单通道算法进行Aquarius土壤水分反演,其中地表温度的估计使用天气预报模式NCEP的输出。虽然地表土壤水分并不是Aquarius卫星计划的主要目标产品,但仍然展现了较高的反演性能,其在东非地区的土壤水分变化趋势同当地牛羚的迁徙模式十分吻合。另外,考虑到被动微波数据对地表水分变化比较敏感,而主动微波数据对植被覆盖变化则更为敏感,本研究尝试利用雷达植被指数RVI进行植被含水量估算,提出了主被动微波数据联合反演土壤水分算法的基本框架。利用MODIS/NDVI气候平均数据集,在不同区域和全球尺度上分析RVI对植被变化的季节响应特征,发现RVI与植被含水量有很好的统计相关关系,可以借此消除植被覆盖在水分反演中的影响。本文提出的主被动联合方法也为SMAP土壤水分算法提供了可以参考的原型。 总之,本研究针对不同卫星传感器的数据特点,形成了一系列具有特色的辐射模型、反演方法和数据产品。