论文部分内容阅读
表层土壤水分是水文学和气象学研究中的关键变量之一,它控制着降雨向地表的下渗产流和地表的蒸散发过程,影响着地表和大气之间的水和能量交换.最终影响到全球的天气系统.2009年发射的SMOS卫星,其微波辐射计基于L波段,对植被穿透性大,且采用合成孔径技术成像,能够进行多角度观测,对土壤水分敏感,实验证明它己成为研究土壤水分的新手段.本文即利用SMOS的L3亮温数据,发展了一种反演土壤水分的新方法,利用较少的辅助数据,验证结果表明其对土壤水分的变化具有很高的敏感性.以往的土壤水分算法多采用b参数或者光学植被指数NDVI、LAI,建立其与植被光学厚度τ的经验统计关系,以达到消除植被影响的目的.这种方法严重依赖辅助数据,并且NDVI与微波信号在空间和时间上不匹配,而b参数是与植被结构有关的参数,所以,这些方法适用于特定时间和地点.本文在辐射传输方程零阶模型即τ-ω模型的基础上,发展了利用微波极化比值指数MPR计算植被光学厚度τ,而不需要其它辅助的植被信息,大大提高了土壤反演算法的适用性.具体的反演流程为:一,提取SMOS L3的多角度亮温数据,选择其在42.5度下的亮温值,并计算微波极化比值指数MPR.选用这个温度主要是考虑到42.5度是SMAP数据的入射角度,便于今后与SMAP数据联合比较分析.二,根据联合国粮农组织(Fao)获取的土壤质地信息,将裸露土壤发射率e表示为土壤水分和粗糙度参数的函数.三,利用微波极化差指数MPDT计算植被光学厚度τ.四,忽略植被冠层温度与土壤温度的差异,使用欧洲中期天气预报中心ECMWF数据作为植被冠层和土壤的有效物理温度.五、将地表有效温度、光学厚度以及土壤发射率带入到仅含一个未知参数即土壤水分的τ-ω模型,模拟地表亮温值.最后,设置土壤水分的取值范围,构建代价函数Cost Function (CF)比较模拟亮温值和卫星观测的差异,通过迭代计算,将差异最小情况下的土壤水分输入值作为最终的反演结果.为验证土壤水分反演结果,选取地处青、甘、川三省交界的玛曲地区作为研究区域,获得了该地区2011年土壤水分实测数据,作为验证数据.最后结果显示,该反演算法得到的土壤水分与实测数据基本一致,并具有高度相关性.该方法为计算全球土壤水分提供了一个新思路,并可以移植于未来发展的SMAP数据.