非均质平原农区SMOS土壤水分反演算法优化研究

Soil moisture is essential for agriculture production, as the world’s first L band passive microwave satellite, SMOS opens up a brand new way to rapidly access soil moisture information in wide areas of agriculture lands. However, validation studies pointed out that its retrieval algorithm showed a weak regional applicability and unsatisfied retrieval accuracy. One of the reasons lead to this situation is thought to be the large number of needed auxiliary information is directly taken from existing data products with global scales. To solve this problem, considering China’s urgent demand of high-precision soil moisture information and focusing on heterogeneous plain agriculture regions, this project tries to effectively incorporate regional agricultural and meteorological routine observations and fine-scale remote sensing data into the SMOS retrieval system, through studies on identification of typical land cover types and their temporal-spatial variation patterns, spatial representation of point-sourced observations and their interpolation methods, to obtain information on land cover, temperature and priori soil moisture that having superiority in temporal-spatial scales and accuracy, then they are intended to be used to optimize SMOS algorithm in related sections such as retrieval parts determination, radiation model parameter adjustments and iterative retrieval calculations. This optimization aims to enhance the applicability of SMOS algorithm in China farming regions, and further to provide theoretical and technical support to improve soil moisture retrieval accuracy, make helpful exploration to perfect microwave radiation mechanism research.

土壤水分对于农业生产至关重要，作为全球首颗L波段被动微波土壤水分专题卫星，SMOS为快速获取大范围农区土壤水分开辟了全新途径。但验证研究表明，其土壤水分反演算法不具有地区适用性、反演精度尚不理想，而其所需的大量辅助信息直接取自全球尺度的既有数据产品被视为导致此状况的主要原因之一。针对这一问题，本项目立足我国农业生产对高精土壤水分信息的迫切需求，重点面向非均质平原农区，尝试将地区性农业、气象常规观测资料和精细尺度遥感数据纳入到SMOS算法体系中来，通过对农区典型地类辨识及时空变异规律研究、点源实测数据空间代表性及加密方法研究，获取时空尺度与准确性更具优势的地表覆被、温度和先验土壤水分辅助信息，围绕反演主体判定、辐射模型参数调整、迭代反演等相关环节实现对SMOS算法体系的优化，旨在增强其对我国农区的应用能力，为进一步提高土壤水分反演精度提供理论与技术支持，为完善微波辐射机理研究做出有益探索。

SMOS（Soil Moisture and Ocean Salinity）为快速获取大范围农区土壤水分开辟了全新的途径，但其对土壤水分的反演精度仍不理想。针对这一问题，本项目重点面向非均质平原农区，尝试将地区性农业、气象常规观测资料和精细尺度遥感数据纳入到SMOS算法体系中来，通过对农区典型地类辨识及时空变异规律研究、点源实测数据空间代表性及加密方法研究，获取时空尺度与准确性更具优势的地表覆被、温度和先验土壤水分辅助信息，围绕反演主体判定、辐射模型参数调整、迭代反演等相关环节实现对SMOS算法体系的优化。.经过三年的研究，本项目已取得的成果主要有：①Mironov 介电常数模拟与验证，研究发现Mironov介电常数模型可表征出与土壤水分的规律性量化关系，但对土壤温度不敏感，因此，对此参数的建模还需改进；SMOS对Mironov介电常数的模拟呈现出东西部差异且与地表覆被类型有一定的空间相似性；②在Holmes模型的基础上引入动态土壤温度层，建立改进的土壤等效温度模型，对高于3K的亮温模拟误差抑制效果显著；③对降水进行特征归类，证实其对土壤水分反演存在一定的误差影响，且针对不同地类此误差表现不同；④研究发现5cm和10cm土壤水分具有较高相关性，利用线性模型即可实现可靠的层间双向模拟，且在卫星过境时段内5cm土壤水分的自然变化幅度很小；因探测层深和观测时刻不一致所导致的验证误差或可不计；⑤实现了亮温至土壤水分的正、反演双向联通，证实土壤水分、土壤温度等地区性实测资料替代作为外部辅助信息可行、有效；⑥尝试将SMOS土壤水分数据用于监测干旱/半干旱地区的蝗虫灾害，证实方法可行、结果可信。.总体上，本项目从微波辐射机理的角度、以土壤水分反演误差为导向，通过对介电常数、等效温度、降水等关键参量和环境条件的影响研究，初步实现了基于地区性实测资料的SMOS土壤水分反演算法优化，为进一步提高土壤水分反演精度提供了理论基础与技术支持、为完善微波辐射机理研究做出了有益尝试。