论文部分内容阅读
植被和地表土壤水分是全球生态系统、气候变化和水循环研究的关键变量。精确的地表土壤水分估算可以提高气候预报精度，有助于干旱预测和洪水预警，为农作物估产和农业管理提供支持。传统的站点观测无法满足大尺度的监测需求。 被动微波遥感可以提供全天时、全天候的观测，其时间分辨率高，而空间分辨率（几十公里）又与大尺度的水文、气象模型相一致。因此，它是快速进行全球植被和地表土壤水分监测的有效手段。近几十年来，被动微波遥感发展迅速，陆续有微波辐射计发射升空。SMOS(Soil Moisture and Ocean Salinity)卫星于2009年11月发射升空，它是首颗专为监测全球土壤水分和海水盐分的对地卫星。它搭载的L波段的微波辐射计，利用干涉测量的原理，对地球进行多角度观测。L波段波长长，可以穿透更深的植被，而且L波段对地表土壤水分更加敏感，被认为是地表土壤水分监测的最具潜力的技术。多角度观测也为反演多个地表参数提供了可能。SMOS地表参数反演算法需要大量的地表校正参数和辅助数据，使用的裸土反射率模型不能有效去除地表粗糙度影响，且长时间序列观测数据没有被有效利用。本文的目的即为针对上述问题，充分利用SMOS多角度观测数据反演植被光学厚度和地表土壤水分。本文的研究内容主要包括以下三个方面: 1、考虑到植被的极化特性，提出直接由H极化多角度亮温数据反演植被光学厚度的方法。该方法的理论基础是去除土壤信号，将植被信号从多角度观测中分离出来。通过分析AIEM模拟数据，相邻观测角（相差10°）的裸土发射率呈线性关系。利用这种线性关系消除亮温数据中的土壤信号，发展出仅与植被参数、温度有关的单极化多角度微波植被指数。通过H极化多个观测角组合的亮温数据，反演得到植被光学厚度。这个方法的最大优势是:利用了土壤的多角度辐射特征，并且不需要地表校正参数或光学遥感等辅助数据，直接通过H极化亮温数据反演植被光学厚度。利用SMOS亮温数据，反演得到全球植被光学厚度，其空间分布与全球地表覆盖类型对应。与地上生物量对比，证明植被光学厚度与地上生物量之间具有很高的相关性，且在森林地区不易饱和;与光学NDVI相比，植被光学厚度的变化存在一些差异，这反映出微波遥感与光学遥感对不同的植被特性敏感。 2、发展出新的裸土反射率参数化模型。基于AIEM模拟数据，提出新的地表粗糙度参数Sr，该参数考虑了地表均方根高度、相关长度和表面相关函数对地表反射率的影响。利用这个地表粗糙度参数，提出新的裸土反射率参数化模型，模拟地表的多角度辐射特征。基于SMOS亮温数据，利用新的植被校正和地表粗糙度校正方法，反演得到全球地表土壤水分，空间分布合理。通过与土壤水分观测网络的实验数据对比，证明该反演算法具有较高的精度，达到SMOS的精度要求。 3、基于经验模式分解(EMD)方法优化地表土壤水分产品精度。基于长时间序列的SMOS卫星观测数据，利用经验模式分解(EMD)这一新型的信号处理方法，挖掘观测数据中不同地物的时间变化信息，将土壤信号的时间信息融合进土壤水分产品中，优化土壤水分产品的精度。