地表土壤水分是控制水循环、碳循环以及陆地与大气之间能量交换的关键变量。目前,L波段的被动微波观测被认为是获取表层土壤水分信息的最佳波段。但是,被动微波空间分辨率低,不足以满足水文模型、天气预报、农业规划和水资源管理等应用...地表土壤水分是控制水循环、碳循环以及陆地与大气之间能量交换的关键变量。目前,L波段的被动微波观测被认为是获取表层土壤水分信息的最佳波段。但是,被动微波空间分辨率低,不足以满足水文模型、天气预报、农业规划和水资源管理等应用的需求。被动微波遥感的直接观测值是亮度温度(Brightness Temperature,TB),因此获取高分辨率的亮度温度是获取高分辨率土壤水分的基础。针对这一问题,本研究以时间序列回归(Time Series Regression,TSR)方法为基础,引入微波植被指数(Microwave Vegetation Index,MVI)削弱植被信息对降尺度模型的影响,利用先进微波扫描辐射计(Advanced Microwave Scanning Radiometer-2,AMSR-2)的X波段高分辨率亮温信息来提高土壤湿度主被动计划(Soil Moisture Active and Passive,SMAP)L波段亮温的空间分辨率。通过使用青藏高原L波段地基微波辐射计观测数据对降尺度结果进行验证,结果表明:TSR-MVI降尺度亮温在精度上能与SMAP原始数据保持一致,在垂直极化下的均方根误差(RMSE)最小为9.864 K,相关系数(R)最大为0.861;空间细节方面,基于TSR-MVI方法的降尺度结果优于Backus-Gilbert最优插值的结果,信息量更大,图像的清晰度更高。该方法能够对L波段SMAP亮温进行降尺度,其结果优于BG产品。展开更多
文摘地表土壤水分是控制水循环、碳循环以及陆地与大气之间能量交换的关键变量。目前,L波段的被动微波观测被认为是获取表层土壤水分信息的最佳波段。但是,被动微波空间分辨率低,不足以满足水文模型、天气预报、农业规划和水资源管理等应用的需求。被动微波遥感的直接观测值是亮度温度(Brightness Temperature,TB),因此获取高分辨率的亮度温度是获取高分辨率土壤水分的基础。针对这一问题,本研究以时间序列回归(Time Series Regression,TSR)方法为基础,引入微波植被指数(Microwave Vegetation Index,MVI)削弱植被信息对降尺度模型的影响,利用先进微波扫描辐射计(Advanced Microwave Scanning Radiometer-2,AMSR-2)的X波段高分辨率亮温信息来提高土壤湿度主被动计划(Soil Moisture Active and Passive,SMAP)L波段亮温的空间分辨率。通过使用青藏高原L波段地基微波辐射计观测数据对降尺度结果进行验证,结果表明:TSR-MVI降尺度亮温在精度上能与SMAP原始数据保持一致,在垂直极化下的均方根误差(RMSE)最小为9.864 K,相关系数(R)最大为0.861;空间细节方面,基于TSR-MVI方法的降尺度结果优于Backus-Gilbert最优插值的结果,信息量更大,图像的清晰度更高。该方法能够对L波段SMAP亮温进行降尺度,其结果优于BG产品。
