中国东北地区被动微波遥感积雪混合像元分解方法及其有效性验证研究

被动微波遥感数据较低的空间分辨率是导致积雪深度反演精度降低的主要原因。目前，基于地物分类的微波混合像元分解方法主要是解决沿海地区两类地物（陆地和水体）混合像元分解问题，由于积雪亮温受下垫面类型影响较大，积雪微波混合像元分解方法需要根据其下垫面的类型解决多类地物混合像元分解问题。本研究以中国东北地区为研究区域，通过获得的较高空间分辨率的地物分类数据，利用积雪在不同下垫面微波亮温之间差异特性，建立积雪微波混合像元分解模型，实现AMSR-E 积雪微波混合像元分解，预期使其18.7 GHz和36.5 GHz两个频段数据的空间分辨率达到5 km。利用MEMLS 模型对提高空间分辨率的AMSR-E数据进行积雪深度反演，并以MODIS 雪盖产品的积雪覆盖面积和野外样地测试的雪深数据作为参考, 对AMSR-E数据的积雪深度反演结果进行评价，验证积雪微波混合像元分解方法的有效性。

星载被动微波遥感数据的空间分辨率较低，混合像元问题是影响被动微波反演雪深和雪水当量精度的重要因素。本研究主要围绕建立积雪被动微波混合像元分解模型展开，通过理论仿真和积雪野外观测实验，验证积雪被动微波混合像元分解方法的有效性。. 研究期间取得的重要结果包括：. （1）通过对国内外超分辨率增强和混合像元分解方法研究和评价，展望被动微波遥感数据混合像元分解方法的研究前景，为本项目的研究提供重要的理论基础。. （2）授权国家发明专利：基于五种地物分类信息的积雪被动微波混合像元分解方法。提供了一种基于五种地物（水体、草地、林地、农田和裸土）分类信息的积雪被动微波混合像元分解方法，可以有效地解决积雪被动微波混合像元问题。. （3）申请国家发明专利：基于比例信息的林地被动微波混合像元分解方法。实现林地被动微波混合像元分解，获得针叶林和阔叶林的组分亮温，提供观测地区更为准确的林地信号，有助于森林的微波传输特性和林地相关参数反演研究。. （4）提出基于地物分类信息的被动微波混合像元分解方法，通过模拟具有不同组分亮温分布的观测地区，将其与具有代表性的Bellerby提出的被动微波混合像元分解方法进行对比研究，分析两种分解方法的适用范围及影响其求解精度的主要因素。. （5）建立针对中国东北地区的雪深半经验统计反演算法，通过结合地面实测数据和MODIS积雪覆盖数据作为参考，对MWRI数据的积雪深度反演结果进行验证，结果表明针对观测期间的中国东北地区，本文所提出的积雪深度反演均方根误差约为3 cm。. （6）结合2012-2013年中国东北地区农田和林地实测雪深数据，将被动微波数据和混合像元分解后的数据应用到常用的三种积雪深度反演算法中。实验结果表明，与使用原数据进行雪深反演结果相比，采用被动微波混合像元分解后的数据进行农田雪深反演的精度提高了17%，林地雪深反演的精度提高了10%；与MODIS 雪盖产品相比,使用混合像元分解后的FY3B-MWRI 数据能获取更多的积雪雪盖信息，总体精度达到86%。. （7）对于特殊下垫面如吉林省西部盐碱地地区的特性进行研究；对于遥感数据的尺度上推和尺度下推算法展开相应研究。. 项目研究结果可以提供中国东北地区积雪被动微波组分亮温数据和分布位置，改进积雪参数反演精度，为融雪径流模拟与预报、积雪水资源利用与管理提供重要科学依据。