基于AMSR-E和SMOS数据的土壤水分反演算法研究

Soil moisture is an important variable in hydrological, meteorological and climatic research. Therefore, how to effectively obtain the high accuracy soil moisture product becomes an important research topic. Although there are many soil moisture products from different kinds of satellite sensors currently, but their soil moisture inversion algorithm relied too much on experience parameters or auxiliary data when acquiring some important parameters or setting them improperly. For example, surface roughness often calculated based on experience relationship established from field experiment or set to constant, neglecting the spatial variation of surface roughness. Meanwhile, the accuracy of current soil moisture product cannot satisfy the application requirement. This project trying to combine the benefit of multi-frequency AMSR-E data and multi-angle SMOS data to reduce the reliance on auxiliary data when correcting the influence of surface roughness over different land cover around the globe. Then, a high-precision soil moisture inversion algorithm for different land cover. The results obtained from this project could provide theoretical support for choosing proper soil moisture inversion algorithm over different land cover and for the soil moisture inversion algorithm development of China’s new development WCOM (Water Cycle Observation Mission) satellite.

土壤水分是水文、气象和气候研究中的重要参数。因此，如何有效地得到高精度的土壤水分监测产品成为当前研究最为关注的问题。目前，虽然有多种来自不同类型卫星传感器的土壤水分产品，但已有的土壤水分反演算法中获取一些重要参数时过多地依赖于经验参数或辅助数据，或者设置不合理。如在地表粗糙度的校正中现有算法经常依赖于实验数据得到的经验关系或者忽视地表粗糙度的空间异质性而将其设定为常数。同时，现有土壤水分产品的精度无法满足实际应用需求。本项目结合多频率的AMSR-E和多角度的SMOS传感器数据特点，突破当前算法过多的依赖于辅助数据，从空间尺度上校正粗糙度对辐射亮温带来的影响，发展针对不同地表类型的高精度土壤水分反演的算法。该结果可以为不同下垫面土壤水分算法的选择提供理论指导，并为我国新研制的WCOM(Water Cycle Observation Mission)卫星的土壤水分算法研制提供理论基础。

如何有效的得到高时间、空间分辨率的土壤水分监测产品成为当前研究最为关注的问题。被动微波遥感具有监测面积大、重复周期短、对土壤水分更为敏感等优点，因此成为反演土壤水分最有潜力的方式。本项目针对土壤水分反演的理论和方法展开研究，结合多频率的AMSR-E和多角度的SMOS传感器的数据特点，解决地表粗糙度对辐射亮温带来的误差，分别发展针对多角度(SMOS)和多频率数据(SMOS、AMSR-E)的土壤水分反演算法，并分析不同算法所适应的下垫面环境，发展更适合大区域土壤水分反演的算法，以期提高被动微波遥感对土壤水分获取的能力。本文的研究内容主要包括：.（1）发展了针对SMOS卫星数据的多角度土壤水分算法：该算法充分利用SMOS数据多角度和多极化特点，通过将地表粗糙度和植被光学厚度看作一个整体TR，利用多个角度的双极化亮温数据同时迭代反演参数TR和土壤水分，避免了使用其他辅助数据校正地表粗糙度和植被影响时带来的误差。分别利用模拟数据库和实测数据对算法进行验证，结果表明该算法适用于植被覆盖τ_nad≤1.0的情况，同时算法在4个入射角 (22.5°,32.5°,42.5°,52.5°)组合下得到的结果最好。利用美国SCAN观测网三种低矮植被覆盖类型（草地，农田，草地森林混合区）11个站点实测数据对该算法进行验证，结果显示该多角度算法在三种下垫面类型下的反演精度能够满足应用需求。.（2）基于SMOS和AMSR-E多频率数据发展了多频率土壤水分算法。融合SMOS不同入射角下L波段的亮温数据与AMSR-E C波段亮温数据展开研究。利用模拟数据库分析得到该多频率算法仅适用于低矮植被覆盖（τ_nad≤0.6）。同时利用SCAN观测网数据对算法进行验证表明该算法能实现较高精度的土壤水分反演。.（3）基于以上结论，本项目利用SMOS和AMSR-2数据，结合SRP-multi-frequency算法，得到2013-2015三年的全球土壤水分产品。