基于多频被动微波遥感的土壤水分反演——以黑河上游为例
发布时间：2022-01-06 06:53
土壤水分是陆地生态系统中最重要的组成部分,如何有效地得到高精度的土壤水分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、重访周期短、对土壤水分敏感等优点,成为反演土壤水分最有潜力的方式。基于SMOS（Soil Moisture and Ocean Salinity）和AMSR2（The Advanced Microwave Scanning Radiometer-2）数据,通过研究L波段与C波段融合亮度温度在土壤水分反演中的潜力,发展多频率土壤水分反演算法,并对黑河上游4个像元开展土壤水分反演研究。结果表明:①利用L/C组合亮温反演结果与实测数据较为吻合,长时间内变化趋势一致,相关系数为0.841,均方根误差为0.063 m3/m3。②通过与SMOS和AMSR2官方土壤水分产品比较发现,AMSR2土壤水分产品存在明显的低估,SMOS土壤水分产品缺失值较多,无法得到较为完整的土壤水分时间序列;利用L/C多频率组合反演得到的结果明显优于官方土壤水分产品。融合L与C波段亮温数据,可有效提高反演土壤水分精度,实现高精度土壤水分的获取。
【文章来源】：遥感技术与应用. 2020,35(06)北大核心CSCD
【文章页数】：12 页
【部分图文】：
研究区概况及像元站点分布情况
图1 研究区概况及像元站点分布情况人类活动所形成的低频无线电信号会被相近频率的星载微波辐射计接收，对其观测数据造成无线电干扰（Radio Frequency Interference,RFI），从而给卫星接收到的微波辐射带来较大的误差[26-27]。本文根据De Nijs等[27]提出的AMSR2无线电剔除方法，利用7.3 GHz和10.65 GHz亮温数据的皮尔逊相关系数值来判断C波段受到较强和中等程度的RFI干扰，并进行剔除。针对L波段的RFI剔除，本文利用SMOS L3级RFI质量控制产品（RFI＿Prob）进行判断，当像元的RFI＿Prob>30%认为数据受到RFI严重，剔除该像元数据[28]。
图5(c)～(d）为WATERNET-pixel 2像元的反演结果。L/C波段组合能很好的反演获取到该像元土壤水分的值，其相关系数为0.80,RMSE和ub RMES均为0.04 m3/m3。AMSR2土壤水分产品与实测数相差较大（R=0.23,RMSE=0.20 m3/m3,ub RMSE=0.05 m3/m3），无法真实的得到该像元土壤水分，同样产品偏差较大。SMOS土壤水分产品得到的结果较好，相关性达到0.58，均方根误差为0.09m3/m3，无偏差均方根误差为0.08 m3/m3，偏差较小。从图5(d）中可以看出，L/C波段组合结果和SMOS产品在2014年8～9月得到的反演结果高于实测数据。同样，AMSR2土壤水分值低于0.1m3/m3。与实测值差距较大。图5(e)～(f）分别表示WATERNET-pixel 3和WATERNET-pixel 4的反演结果，其得到的相关系数在0.7以上，得到的均方根误差为0.07 m3/m3，而无偏差均方根误差为0.04 m3/m3和0.05 m3/m3。AMSR2和SMOS土壤水分产品误差高于0.2 m3/m3,AMSR2产品偏差大，得到ub RMES仅为RMSE的1/4,SMOS产品在WATERNET-pixel 4的偏差较大，可能是造成均方根误差较大的原因。从右侧的时间序列图中发现，两个像元内L/C波段组合与实测土壤水分的变化趋势一致，但反演值低于实测数据。AMSR2土壤水分产品变化趋势与实测数据相似，但产品存在明显的低估。
【参考文献】：
期刊论文
[1]基于AMSR2多频亮温的黑河流域中上游土壤水分估算研究[J]. 陆峥,韩孟磊,卢麾,彭雪婷,蒙莎莎,刘进,杨晓帆. 遥感技术与应用. 2020(01)
[2]AMSR2土壤水分产品在黑河流域中上游的验证[J]. 陆峥,柴琳娜,张涛,崔慧珍,李婉静. 遥感技术与应用. 2017(02)
[3]基于回归克里格的生态水文无线传感器网络布局优化[J]. 葛咏,王江浩,王劲峰,晋锐,胡茂桂. 地球科学进展. 2012(09)
[4]黑河流域生态—水文过程综合遥感观测联合试验总体设计[J]. 李新,刘绍民,马明国,肖青,柳钦火,晋锐,车涛,王维真,祁元,李弘毅,朱高峰,郭建文,冉有华,闻建光,王树果. 地球科学进展. 2012(05)
本文编号：3571965
【文章来源】：遥感技术与应用. 2020,35(06)北大核心CSCD
【文章页数】：12 页
【部分图文】：
研究区概况及像元站点分布情况
图1 研究区概况及像元站点分布情况人类活动所形成的低频无线电信号会被相近频率的星载微波辐射计接收，对其观测数据造成无线电干扰（Radio Frequency Interference,RFI），从而给卫星接收到的微波辐射带来较大的误差[26-27]。本文根据De Nijs等[27]提出的AMSR2无线电剔除方法，利用7.3 GHz和10.65 GHz亮温数据的皮尔逊相关系数值来判断C波段受到较强和中等程度的RFI干扰，并进行剔除。针对L波段的RFI剔除，本文利用SMOS L3级RFI质量控制产品（RFI＿Prob）进行判断，当像元的RFI＿Prob>30%认为数据受到RFI严重，剔除该像元数据[28]。
图5(c)～(d）为WATERNET-pixel 2像元的反演结果。L/C波段组合能很好的反演获取到该像元土壤水分的值，其相关系数为0.80,RMSE和ub RMES均为0.04 m3/m3。AMSR2土壤水分产品与实测数相差较大（R=0.23,RMSE=0.20 m3/m3,ub RMSE=0.05 m3/m3），无法真实的得到该像元土壤水分，同样产品偏差较大。SMOS土壤水分产品得到的结果较好，相关性达到0.58，均方根误差为0.09m3/m3，无偏差均方根误差为0.08 m3/m3，偏差较小。从图5(d）中可以看出，L/C波段组合结果和SMOS产品在2014年8～9月得到的反演结果高于实测数据。同样，AMSR2土壤水分值低于0.1m3/m3。与实测值差距较大。图5(e)～(f）分别表示WATERNET-pixel 3和WATERNET-pixel 4的反演结果，其得到的相关系数在0.7以上，得到的均方根误差为0.07 m3/m3，而无偏差均方根误差为0.04 m3/m3和0.05 m3/m3。AMSR2和SMOS土壤水分产品误差高于0.2 m3/m3,AMSR2产品偏差大，得到ub RMES仅为RMSE的1/4,SMOS产品在WATERNET-pixel 4的偏差较大，可能是造成均方根误差较大的原因。从右侧的时间序列图中发现，两个像元内L/C波段组合与实测土壤水分的变化趋势一致，但反演值低于实测数据。AMSR2土壤水分产品变化趋势与实测数据相似，但产品存在明显的低估。
【参考文献】：
期刊论文
[1]基于AMSR2多频亮温的黑河流域中上游土壤水分估算研究[J]. 陆峥,韩孟磊,卢麾,彭雪婷,蒙莎莎,刘进,杨晓帆. 遥感技术与应用. 2020(01)
[2]AMSR2土壤水分产品在黑河流域中上游的验证[J]. 陆峥,柴琳娜,张涛,崔慧珍,李婉静. 遥感技术与应用. 2017(02)
[3]基于回归克里格的生态水文无线传感器网络布局优化[J]. 葛咏,王江浩,王劲峰,晋锐,胡茂桂. 地球科学进展. 2012(09)
[4]黑河流域生态—水文过程综合遥感观测联合试验总体设计[J]. 李新,刘绍民,马明国,肖青,柳钦火,晋锐,车涛,王维真,祁元,李弘毅,朱高峰,郭建文,冉有华,闻建光,王树果. 地球科学进展. 2012(05)
本文编号：3571965
本文链接：https://www.wllwen.com/kejilunwen/nykj/3571965.html
