利用被动微波遥感提高土壤湿度分辨率0001

第第页利用被动微波遥感提高土壤湿度分辨率0001利用被动微波遥感提高土壤湿度辨别率

微波遥感亮度温度等数据中获得近地表土壤水分的方法。这些方法的主要依靠于以下两点：〔1〕微波遥感数据和土壤水

分含量的物理联系较强〔特别是低频波段，如L波段〕；〔2〕

不同传感器获得的观测值的空间/时间辨别率不同。微波数据

比热红外数据与土壤湿度的关系更径直[1]。

虽然微波数据对土壤湿度的敏感性很高，但受成像原理、

被动微波遥感器件的限制，其空间辨别率较低，约为几十公里〔SMOSMIRAS数据为40km,AMSR-E数据为25km,FY数

据为25km〕,为了使被动微波土壤湿度数据能更广泛的应用于各种需要高空间辨别率土壤湿度的学科，提高空间辨别率就成为急迫解决的问题之一。

国内外已经进展了许多提高被动遥感辨别率的方法。这

里主要介绍仪器改进方法和数据结合改进方法。

1仪器法尺寸天线是监测表面土壤湿度辐射计在空间开展的重

要因素，针对真实孔径辐射计，主要通过加大天线的尺度得到较高的空间辨别率。即使在低地球轨道上，21cm长波条件下，到达10km空间辨别率也需要20m*20m数量级的天

线，这样的天线在实际状况下是不可能实现的。

在高辨别率对地微波遥感中，综合孔径辐射计作为一新

型微波遥感仪器，避开了传统全功率辐射计大口径天线设计及机械扫描带来的困难，成为国际上的讨论热点。

2数据结合法

2.1主被动微波数据相结合

Chauhan[2]在1997就提出了用主被动数据相结合的方

法计算有植被掩盖的土壤湿度。Narayan等[3]的被动反演使

用了迭代算法，不能很好地反映物理量之间的相互影响关系，并且需要输入大量的帮助数据。黄兴忠等提出利用基尔霍夫标量近似下的双尺度模型，利用互易性原理得到热发射率，从而将主被动遥感数据结合起来估算土壤湿度，真实值和估算值之差0.04vol/vol[4]。赵天杰等[5]通过建立相关模型，反

演土壤水分，地面同步测量数据的验证结果说明，该方法充分发挥了主被动微波数据各自的优势，同时避开了主被动协同过程中的尺度问题，为流域尺度的土壤水分监测提供了种新的有效途径。

虽然主被动结合计算得到得效果较好，但是主动微波数

据一般都比较昂贵，在大面积和大的时间尺度上应用仍旧有

定的困难。

2.2光学数据与被动微波数据相结合

Chauhan[6]在2022年提出利用近红外数据、可见光将被

动微波数据的辨别率提高；这种方法运用的参数较多，且只适用于特定的区域。Merlin[7]中利用植被掩盖度、土壤蒸散率和泰勒开展式的线性成分将SMOS土壤湿度数据〔40km〕和MODIS数据〔1km〕结合，得到了10km辨别率的土壤湿

度〔反演得到的土壤湿度与真实值的均方根误差为

1.7vol/vol%，相关系数为0.84〕。Merlin［8］在此基础上，运用三种

植被掩盖度、三种土壤蒸散率和四种降尺度关系共种组合算法，得到

36了4km辨别率的土壤湿度，结果发觉：混合二维导数的降尺度方法

和指数模型的土壤蒸散量相结合的方法反演得到的土壤湿度与真实值的均方根误差为

0.012VOI/VOI%，相关系数为0.90。王安琪等［9］在北京市延庆

县运用相同的降尺度方法将被动微波土壤湿度25km的辨别

率提高为1km，结果说明反演得到的土壤水分含量与TVDI的趋势全都。

3总结与建议

1〕目前，虽然综合孔径辐射计是提高被动微波遥感

土壤湿度的主要方法，但此技术在短期内仍不能解决；

2〕光学数据和微波数据相结合得到的土壤湿度数据

虽然没有主被动结合数据得到的精确度高，但是光学数据和微波数据都是可以免费猎取的，这使得这种方法在大面积大时间尺度上应用更为便利；

3〕学者们已经将被动微波遥感的辨别率从25km提高

到10km、4km、1km，其辨别率是否能无限提高，这是一个值得继续讨论的问题。

moisturefromspace：wherearewe？[J].Hydrogeology

[2]ChauhanNS.Soilmoistureestimationundera

vegetationcover：Combinedactivepassivemicrowaveremotesensingapproach[J].InternationalJournalofRemote

Sensing，

1997，18〔5〕：1079-1097.

[3]NarayanU，LakshmiV，JacksonTJ.High-resolution

changeestimationofsoilmoistureusingL-bandradiometerandradaobservationsmadeduringtheSME*02e*periments[J].

IEEETransactionsonGeoscienceandRemoteSensin，g2022，44〔6〕：1545-155.

[4]黄兴忠，金亚秋.利用主被动遥感数据估算土壤湿度和

粗糙度的新方法[J].电波科学学报，1996,11(1):27-32.

[5]赵天杰，张立新，蒋玲梅.利用主被动微波数据联合反

演土壤水分[J].地球科学进展，2022,24(7):769-775.

[6]Chauhan，N.S.，Miller，S.，Ardanuy，P..

Spacebornesoilmoistureestimationathighresolution：Amicrowave?Coptical/IRsynergisticapproach[J].International

JournalofRemoteSensing，2022，24〔22〕：4599-4622.

[7]MerlinO，WalkerJP，ChehbouniAetal.Towards

deterministicdownscalingofSMOSsoilmoistureusingMODISderivedsoilevaporativeefficiency[J].RemoteSensingof

Environment，2022，112：3935-3946.

[8]MerlinO，BitarA，WalkerJ，etal.Animproved

algorithmfordisaggregatingmicrowave-derivedsoilmoisturebasedonred，near-infraredandthermal-in-frareddata[J].

Remote