基于L波段SMAP与多波段AMSR2的青藏高原土壤水分反演算法研究

Using passive microwave remote sensing to obtain reliable soil moisture information of the Tibetan Plateau is very crucial for understanding the influence mechanism of the Tibetan Plateau on the Asian monsoon. However, recent studies showed that the current soil moisture inversion algorithms have large errors in the Tibetan Plateau. To solve this problem, the project will carry out researches in the following three aspects: 1) Developing a new soil moisture algorithm using L-band observations based on SMAP configurations. Due to the similar impacts of vegetation optical depth and surface roughness on the surface emissivity, the new algorithm will correct the effects of these two parameters after combining them into an integrated factor; 2) Developing a new soil moisture algorithm using multi-band observations based on AMSR2 configurations. The effects of surface temperature will be corrected using optimal combination of multi-band observations from AMSR2. The effects of vegetation and surface roughness will be parameterized using the enhanced vegetation index (EVI) data and the advanced integral equation model (AIEM) respectively; 3) Evaluating the applicability of the two new algorithms in the Tibetan Plateau comprehensively by using ground measurements as well as reanalysis and remotely sensed soil moisture products. The objective of this project is to improve the estimation accuracy and temporal resolution of satellite-based soil moisture data in the Tibetan Plateau, and thus provide technical supports and basic data for the quantitative study of land-atmosphere interaction mechanism in this region.

利用被动微波遥感获取青藏高原地区可靠的土壤水分信息对于理解青藏高原在亚洲季风中的影响机制有着重要的作用。然而研究表明，现有的土壤水分算法在该地区存在较大的反演误差。针对此问题，本项目拟开展以下三方面的研究：1) 基于目前最新的SMAP卫星L波段观测特点，利用植被光学厚度和地表粗糙度共同作用于地表发射率的物理机制，将两者影响进行合并校正，发展以L波段为数据源的土壤水分算法；2) 基于AMSR2传感器多波段观测特点，进行多波段最优组合校正地表温度影响，同时利用增强植被指数EVI与高级积分方程模型AIEM参数化植被与地表粗糙度的影响，形成以多波段观测为数据源的土壤水分算法；3) 利用地表观测数据并结合再分析及卫星土壤水分产品，综合评估两套算法在青藏高原地区的适用性。目标是提高青藏高原地区卫星土壤水分的估算精度及时间分辨率，为定量研究该地区陆气交互作用机理提供技术支持和基础数据。

利用被动微波遥感获取青藏高原地区可靠的土壤水分信息对于理解青藏高原在亚洲季风中的影响机制有着重要的作用。研究表明现有的土壤水分算法在该地区存在较大的反演误差。针对此问题，本项目系统深入地开展了以下研究：1) 基于目前最新L波段SMAP卫星的传感器特点，利用植被光学厚度与地表粗糙度参数具有相似作用的特点，将两者合并为一个综合因子进行校正。同时结合青藏高原实测数据系统标定SMAP配置下的粗糙度极化混合因子。然后将标定后的极化混合因子代入辐射传输方程，反演得到地表土壤水分。最后利用青藏高原地表实测数据对新算法反演的土壤水分进行验证，并与SMAP官方土壤水分产品进行对比；2) 针对多波段AMSR2传感器特点，系统分析其不同频率和极化的亮温与实测土壤温度的相关性，找出最适合于青藏高原地区地表温度反演的频率与极化方式，发展新的温度模型校正地表温度的影响。同时，利用植被光学厚度与地表粗糙度在C波段同样存在相似作用影响的特点，将两者进行合并校正。最后利用青藏高原地表实测数据对新算法进行验证，并与JAXA AMSR2官方产品进行对比；3) 利用覆盖青藏高原地区不同地表状况的三个土壤温湿度密集观测网（玛曲、那曲和帕里）2015-2017年总计近3年实测数据系统验证分析了当前最主流的六种微波土壤水分产品包括SMAP、AMSR2 LPRM、SMOS-IC、SMOS-L3、ESA CCI及FY3C产品在青藏高原地区的有效性；4) 在全球尺度（含青藏高原）上详细地分析了现有卫星土壤水分产品的误差来源，包括地表温度、植被、地表粗糙度及地表异质性的影响。本项目发展并验证了针对SMAP与AMSR2的青藏高原地区土壤水分反演新算法，提高了青藏高原地区卫星土壤水分的估算精度及时间分辨率，为定量研究该地区陆气交互作用机理提供了重要方法和基础数据。