Validation and application of soil moisture active passive sea surface salinity observation over the Changjiang River Estuary

Using sea surface salinity(SSS)observation from the soil moisture active passive(SMAP)mission,we analyzed the spatial distribution and seasonal variation of SSS around Changjiang River(Yangtze River)Estuary for the period of September 2015 to August 2018.First,we found that the SSS from SMAP is more accurate than soil moisture and ocean salinity(SMOS)mission observation when comparing with the in situ observations.Then,the SSS signature of the Changjiang River freshwater was analyzed using SMAP data and the river discharge data from the Datong hydrological station.The results show that the SSS around the Changjiang River Estuary is significantly lower than that of the open ocean,and shows significant seasonal variation.The minimum value of SSS appears in July and maximum SSS in December.The root mean square difference of daily SSS between SMAP observation and in situ observation is around 3 in both summer and winter,which is much lower than the annual range of SSS variation.In summer,the diffusion direction of the Changjiang River freshwater depicted by SSS from SMAP is consistent with the path of freshwater from in situ observation,suggesting that SMAP observation may be used in coastal seas in monitoring the diffusion and advection of freshwater discharge.

Using multi-satellite microwave remote sensing observations for retrieval of daily surface soil moisture across China

The objective of this study was to retrieve daily composite soil moisture by jointly using brightness temperature observations from multiple operating satellites for near real-time application with better coverage and higher accuracy.Our approach was to first apply the single-channel brightness radiometric algorithm to estimate soil moisture from the respective brightness temperature observations of the SMAP,SMOS,AMSR2,FY3B,and FY3C satellites on the same day and then produce a daily composite dataset by averaging the individual satellite-retrieved soil moisture.We further evaluated our product,the official soil moisture products of the five satellites,and the ensemble mean (i.e.,arithmetic mean) of the five official satellite soil moisture products against ground observations from two networks in Central Tibet and Anhui Province,China.The results show that our product outperforms the individual released products of the five satellites and their ensemble means in the two validation areas.The root mean square error (RMSE ) values of our product were 0.06 and 0.09 m3/m3 in Central Tibet and Anhui Province,respectively.Relative to the ensemble mean of the five satellite products,our product improves the accuracy by 9.1% and 57.7% in Central Tibet and Anhui Province,respectively.This demonstrates that jointly using brightness temperature observations from multiple satellites to retrieve soil moisture not only improves the spatial coverage of daily observations but also produces better daily composite products.

Advances in Research on Soil Moisture by Microwave Remote Sensing in China

Soil moisture is an important factor in global hydrologic circulation and plays a significant role in the research of hydrology, climatology, and agriculture. Microwave remote sensing is less limited by climate and time, and can measure in large scale. With these characteristics, this technique becomes an effective tool to measure soil moisture. Since the 1980s, Chinese researchers have investigated the soil moisture using microwave instruments. The active re- mote sensors are characteristic of high spatial resolution, thus with launch of a series of satellites, active microwave remote sensing of soil moisture will be emphasized. The passive microwave remote sensing of soil moisture has a long research history, and its retrieval algorithms were developed well, so it is an important tool to retrieve large scale moisture information from satellite data in the future.

An improved algorithm for retrieving thin sea ice thickness in the Arctic Ocean from SMOS and SMAP L-band radiometer data

The aim of this study was to develop an improved thin sea ice thickness(SIT)retrieval algorithm in the Arctic Ocean from the Soil Moisture Ocean Salinity and Soil Moisture Active Passive L-band radiometer data.This SIT retrieval algorithm was trained using the simulated SIT from the cumulative freezing degree days model during the freeze-up period over five carefully selected regions in the Beaufort,Chukchi,East Siberian,Laptev and Kara seas and utilized the microwave polarization ratio(PR)at incidence angle of 40°.The improvements of the proposed retrieval algorithm include the correction for the sea ice concentration impact,reliable reference SIT data over different representative regions of the Arctic Ocean and the utilization of microwave polarization ratio that is independent of ice temperature.The relationship between the SIT and PR was found to be almost stable across the five selected regions.The SIT retrievals were then compared to other two existing algorithms(i.e.,UH_SIT from the University of Hamburg and UB_SIT from the University of Bremen)and validated against independent SIT data obtained from moored upward looking sonars(ULS)and airborne electromagnetic(EM)induction sensors.The results suggest that the proposed algorithm could achieve comparable accuracies to UH_SIT and UB_SIT with root mean square error(RMSE)being about 0.20 m when validating using ULS SIT data and outperformed the UH_SIT and UB_SIT with RMSE being about 0.21 m when validatng using EM SIT data.The proposed algorithm can be used for thin sea ice thickness(<1.0 m)estimation in the Arctic Ocean and requires less auxiliary data in the SIT retrieval procedure which makes its implementation more practical.

基于SMAP卫星雷达资料的海冰密集度反演技术研究

SMAP是美国于2015年初发射的一颗卫星,搭载了L波段的雷达。它采用圆锥扫描方式,具有固定的入射角、较大的幅宽和千米级的分辨率,在海冰监测方面具有独特的优势。本文利用SMAP卫星雷达资料分别与德国Bremen大学海冰密集度产品和美国国家冰雪数据中心(NSIDC)海冰密集度产品建立3.125km和25km匹配数据集,分析了L波段雷达后向散射系数、极化比和归一化极化差与海冰密集度之间相关性,建立基于人工神经网络的海冰密集度反演算法。为了验证SMAP卫星雷达资料反演海冰密集度的精度,本文选择德国Bremen大学和美国冰雪数据中心发布的海冰密集度产品分别与SMAP海冰密集度产品进行对比分析,SMAP海冰密集度与Bremen海冰密集度的偏差为0.07、均方根误差为0.14;与NSIDC海冰密集度的偏差为0.04、均方根误差为0.18,这表明SMAP海冰密集度产品与现有业务化海冰密集度产品具有很好的一致性。

融合CYGNSS和SMAP卫星数据监测飓风强度

为提高海洋飓风强度的观测频次和测量准确度,对综合利用热带气旋全球导航卫星系统(CYGNSS)和土壤湿度主动[KG-*5]-[KG-*5]被动探测(SMAP)卫星数据监测飓风强度进行了研究.首先,介绍了卫星数据特征;然后,以佛罗伦萨飓风为例,提出了融合这两种卫星数据监测海洋飓风强度的方法,其中包括卫星数据预处理、基于像素级影像融合方法的高风速区域提取和飓风强度测量;最后,将融合两种卫星数据测得的10场飓风的强度与美国国家飓风中心(NHC)提供的飓风最大风速值进行对比分析,并采用平均绝对误差、均方根偏差和相关系数3个指标评价这两种风速测量结果之间的差异.结果表明:与仅利用SMAP卫星数据相比,本文方法能以更高的频次监测飓风强度,可获得更加完整的飓风高风速区域;与美国国家飓风中心提供的飓风最大风速值相比,本文方法监测飓风强度结果的平均绝对误差变动范围为3.9~10.2 m/s,均方根偏差变动范围为4.6~12.5 m/s,相关系数变动范围为0.5707~0.9152,验证了提出的海洋飓风强度监测方法的有效性.

基于SMAP卫星雷达资料的海冰检测技术

利用SMAP卫星雷达资料与美国国家冰雪数据中心(NSIDC)发布的近实时逐日极区网格化海冰密集度数据建立匹配数据集,分析了海冰和海水的L波段雷达后向散射特性差异,建立了基于线性判别分析算法的海冰检测算法。选择Sentinel-1A SAR极地地区的海冰影像对SMAP卫星雷达资料海冰检测产品进行实验验证,结果显示二者的海冰边缘线一致,说明SMAP海冰检测算法具有较高的精度。利用SMAP卫星雷达资料制作了北极和南极地区海冰覆盖图,计算了海冰覆盖面积,通过与美国国家冰雪数据中心(NSIDC)海冰覆盖面积比较发现,SMAP检测的北极地区海冰面积略大于NSIDC,相对偏差为3.3%,SMAP检测的南极地区海冰面积略小于NSIDC,相对偏差为1.8%,表明二者的覆盖面积基本一致,证实了SMAP海冰检测算法的精度。

SMAP卫星辐射计在中国近海及沿岸的RFI特征分析

射频干扰RFI(Radio-Frequency Interference)的校正和抑制一直是微波遥感研究领域的重要问题之一。本文基于SMAP卫星2015年5月1日至5日L波段辐射计亮温数据对中国近海及沿岸的射频干扰进行了特征分析。研究发现RFI分布不均匀,主要集中在城市群及其周边地区;通过对比辐射计天线接收的亮温数据与射频干扰校正和抑制后的数据,发现研究区域主要的射频干扰(95%)的平均值为1.4 K,整体射频干扰平均值为2.5 K,标准差为6.5;研究区域中不同波段和极化的数据受到射频干扰影响较为相似,受射频干扰影响最大的是升轨的垂直极化数据,受影响最小的是升轨的水平极化数据。

Validation and correction of sea surface salinity retrieval from SMAP

In this study, sea surface salinity(SSS) Level 3(L3) daily product derived from soil moisture active passive(SMAP)during the year 2016, was validated and compared with SSS daily products derived from soil Moisture and ocean salinity(SMOS) and in-situ measurements. Generally, the root mean square error(RMSE) of the daily SSS products is larger along the coastal areas and at high latitudes and is smaller in the tropical regions and open oceans. Comparisons between the two types of daily satellite SSS product revealed that the RMSE was higher in the daily SMOS product than in the SMAP, whereas the bias of the daily SMOS was observed to be less than that of the SMAP when compared with Argo floats data. In addition, the latitude-dependent bias and RMSE of the SMAP SSS were found to be primarily influenced by the precipitation and the sea surface temperature(SST). Then, a regression analysis method which has adopted the precipitation and SST data was used to correct the larger bias of the daily SMAP product. It was confirmed that the corrected daily SMAP product could be used for assimilation in high-resolution forecast models, due to the fact that it was demonstrated to be unbiased and much closer to the in-situ measurements than the original uncorrected SMAP product.

SMAP卫星土壤水分产品对比研究与误差分析

基于站点的传统土壤水分测量方法耗时耗力,土壤水分主动被动监测任务(SMAP)利用微波遥感提供高效及时的土壤水分产品。为了对比研究微波遥感产品的优劣势,对比分析现有的4种SMAP土壤水分产品,并利用实测数据检验不同产品的土壤水分反演精度。实验结果表明:SMAP主动产品精度较低;被动、主被动产品与地面实测结果具有良好的一致性,精度较高;增强被动产品精度最高。此外,还对土壤水分产品的误差来源进行了讨论,从而促进其在陆地水、能量和碳循环中的应用。

基于遗传BP神经网络的主被动遥感协同反演土壤水分

提出了一种基于遗传神经网络算法的主被动遥感协同反演地表土壤水分的方法.首先,建立一个BP神经网络,并采用遗传算法对BP网络的节点权值进行了优化.然后分别将TM数据(TM3,TM4,TM6)、不同极化和极化比的(VV,VH,VH/VV)ASAR数据作为神经网络的输入,土壤水分含量作为网络的输出,用部分实测数据对网络进行训练并反演得到研究区土壤水分布图.最后,利用地面实测数据分别对遗传神经网络优化算法的有效性和主被动遥感协同反演的效果进行了验证,结果表明,新优化算法是有效可行的,且TM和ASAR协同反演的结果比两者单独反演的结果明显要好,体现了主被动遥感协同反演土壤水分的优势与潜力.

利用主被动微波遥感结合反演土壤水分的理论模型分析

为了更好地进行土壤水分反演,发展了一种基于热带降雨观测计划(TRMM)的主被动微波结合反演裸露地表土壤水分的算法。为了提高反演精度,同时利用TRMM搭载的测雨雷达(PR)和微波成像仪(TMI)进行观测。另外,针对PR/TMI数据,还建立了包含大范围的土壤水分和粗糙度参数的AIEM模型数据库。通过分析AIEM模型对地表后向散射和辐射的模拟发现,地表粗糙度参数对后向散射系数和亮温均有重要的影响。最后,在AIEM模型模拟数据库的基础上,利用理论模型——几何光学模型(GO模型)和半经验模型———Qp模型,通过对地表粗糙度参数的分析,结合TRMM/PR和TMI数据,建立了一种主被动微波遥感相结合的反演裸露地表土壤水分的模型,并进一步获得了反演土壤水分的算法。

机载雷达和辐射计数据反演植被覆盖区土壤水分的初步研究

用土壤水分试验(SMEX02)中获取的机载雷达和辐射计(PALS)数据进行反演土壤水分的研究。首先利用PALS数据中雷达和辐射计对土壤水分最敏感的波段,进行主被动结合的多元线性回归反演土壤水分。结果表明,这种方法并不能有效地提高反演精度;然后,改进了一个新提出的适用于大尺度星载C波段辐射计数据的土壤水分获取方法,提高其运算效率,并将该算法应用到PALS数据,一方面验证了该方法在机载高分辨率数据和非C波段下的适用性,另一方面对该方法进行了定量化评价。

主/被动微波遥感数据融合的土壤湿度产品的CDF改进研究

土壤水分是控制陆地和大气间水热能量交换的关键因子之一,在地球生态系统中起着重要的作用。定量化获取土壤水分信息对农业生产、应对全球变化、保护生态环境等众多领域都有着重要意义。目前,获取精度较高的大区域土壤湿度信息依然是研究的热点和难点问题。气候变化倡议项目（climate change initiative,CCI）土壤湿度数据集是由多种主、被动微波数据融合的大尺度土壤湿度数据集,对其在中国区域的数据质量改进具有较高的实际应用价值。研究利用累积概率分布函数（cumulative distribution function,CDF）匹配方法对CCI土壤湿度产品进行改进。选择有较多实测数据的河北、山西、天津等部分区域,获得2009-2010年每月三旬（共72旬）的土壤湿度插值数据,以此为基础利用CDF进行重调整,建立逐像元的CCI土壤湿度数据的改进模型;然后利用站点实测数据进行该方法的有效性验证。结果表明,CDF调整前的偏差、均方根偏差和平均相对误差分别集中在0.05-0.09、0.05-0.1、0.20-0.45,调整后分别降低在0-0.04、0-0.05、0-0.2范围。可见,CDF调整后的误差明显减小,调整后的CCI土壤湿度的精度得到了明显的提高。

L波段主被动微波协同反演裸土土壤水分

土壤水分是进行干旱监测、土壤侵蚀、农作物产量预测以及地表温度研究的重要参量,利用主被动微波协同的方法提高土壤水分的反演精度是定量遥感发展所面临的重要任务。本文基于土壤L波段微波散射辐射模拟数据集,通过对比分析主被动微波数据对土壤水分含量和粗糙度2个参数的敏感性,提出了基于L波段主被动协同的裸土土壤水分反演算法,算法充分利用了被动微波地表发射率对土壤水分较为敏感,而主动微波后向散射系数对地表粗糙度较为敏感的特点。首先由地表垂直极化发射率和VV极化后向散射系数协同提取地表粗糙度信息,再由被动微波双极化数据结合地表粗糙度信息来估算土壤水分信息。利用SMAPVEX12实验数据集中部分稀疏植被采样点的观测数据对算法进行验证,验证结果显示,土壤水分反演结果与地面实测数据相关性为0.6637,RMSE为0.0607 cm3/cm3。该文反演算法模型系数直接由模拟数据集计算得到,克服了常规经验算法的发展对地表实测数据的依赖性,减小了算法在实际应用中的局限性。

星载卫星导航反射信号与土壤湿度的时空相关性分析

近年来使用GNSS(global navigation satellite system)反射信号反演土壤湿度已成为研究热点,使用星载反射计数据反演土壤湿度是一种有潜力的新兴技术。以TDS-1(technology demonstrate satellite-1)卫星接收的数据为例,首先推导出反射信号功率 P r与土壤湿度 M v间的理论关系,然后将SMAP(soil moisture active passive)卫星获得的 M v作为标准值,在空间上选择两条轨迹的 P r与 M v进行皮尔森相关处理,得到两条轨迹上的相关系数分别为0.55和0.60。之后对 P r和 M v分别进行相应的平滑预处理去除噪声,得到相关系数都增加为0.71,即 P r与土壤湿度强相关。取春夏秋冬四个季节的数据,计算 P r与 M v的相关系数为0.78,二者也表现为强相关。实验结果表明:星载(GNSS-reflections,GNSS-R)接收机得到的 P r与 M v有很强的相关性,具有估计土壤湿度的潜力。

基于贝叶斯融合的土壤含水量估计

提出了一种基于贝叶斯融合的土壤含水量估计方法。该方法首先利用散射计与辐射计协同试验数据分别测量后向散射系数和亮温,并利用主被动模型提取农作物下垫面土壤含水量;然后利用贝叶斯融合算法将主被动反演结果进行融合,在农作物完整生长期,融合后土壤含水量与真实值相比,平均平方误差(MSE)小于3.56、平均绝对差值(MAD)小于1.36、平均相对误差(MRE)小于13.92%,同时分级贝叶斯与经典贝叶斯同真实土壤含水量的决定系数为0.77和0.60,证明基于贝叶斯理论的融合算法能够在整个生长期土壤含水量估计优于单一传感器。

星载GNSS-R土壤湿度反演中开放水域的影响

通过星载全球导航卫星系统-反射测量(GNSS-R)技术可以获取高时空分辨率的土壤湿度(SM)信息,但开放水域会影响反演结果的精度。针对此问题,提出一种开放水域剔除的改进方法。校正其模拟功率得出反射率,结合掩膜数据精确剔除开放水域。为验证改进方法的可行性,处理了2个开放水域比较密集的试验区内为期一年的飓风全球导航卫星系统(CYGNSS)1级数据。反演结果与主被动土壤湿度(SMAP)3级土壤湿度产品进行对比分析,其均方根误差为0.0521 cm^(3)/cm^(3),相关性为0.654。与开放水域剔除前的结果相比分别提升6.2%和9%;与CYGNSS官方发布的产品相比分别提升32%和24%。反演结果可以作为SMAP的SM补充,提供高时间分辨率的SM值。

CCI土壤湿度产品在中国区的降尺度与融合研究

以欧洲航天局主/被动微波遥感融合的土壤湿度产品数据为主要数据源,结合地表参数、亮度温度、土壤质地、地形、降雨等辅助数据,提出基于移动窗口的线性、非线性联合的土壤湿度降尺度模型,对中国区域2003年1—12月的CCI土壤湿度产品数据进行降尺度,提高CCI土壤湿度数据的空间分辨率,使其更适用于农业、水文模拟等精细尺度的应用要求。为了克服CCI数据冬季缺失较多的情况,利用第3代再分析资料ERA-Interim表层土壤湿度的降尺度和重采样结果与之进行融合,生成空间覆盖完整的2003—2013年中国区月1 km土壤湿度数据集,并利用站点实测数据集对其进行了验证。结果表明,依据主/被动微波融合CCI、ERA-Interim再分析土壤湿度数据以及辅助数据的基于移动窗口和线性非线性集成的中国区地表土壤湿度降尺度和融合方法,提高了CCI土壤湿度数据集的空间分辨率和空间覆盖,同时还一定程度上提高了土壤湿度的估算精度。

基于水云模型的Sentinel-1A双极化反演植被覆盖区土壤水分

根据开展的景县地区玉米农田主被动微波遥感协同反演土壤水分监测试验,提出利用FY-3 B WMRI被动微波数据计算微波极化差异指数(MPDI),建立了植被层含水量反演模型,去除植被含水量对于农田土壤水分反演的影响,然后结合植被层含水量反演模型和水云模型,以及Sentinel-1A主动微波数据和部分实测样点土壤体积含水量数据建立植被覆盖区农田土壤水分半经验反演模型,最后验证分析Sentinel-1A VV/VH不同极化条件下土壤水分反演模型的精度。结果表明:VV极化条件下土壤水分反演模型反演精度为R^2=0.7422,RMSE=0.0674 cm^3/cm^3,MAE=0.0305 cm^3/cm^3,MaxE为0.1196 cm^3/cm^3,MinE=0.0024 cm^3/cm^3;VH极化模型为R^2=0.1898,RMSE=0.0768 cm^3/cm^3,MAE=0.0474 cm^3/cm^3,MaxE=0.1933 cm^3/cm^3,MinE=0.0190 cm^3/cm^3。研究区VH极化模型反演值存在普遍偏低现象,VV极化模型土壤水分反演结果优于VH极化模型。VV极化方式具有更强的穿透性,受到植被层衰减作用影响较小,对土壤水分含量变化也更为敏感。建立的VV极化条件下土壤水分反演半经验模型能较好地表征研究区土壤水分空间分布情况。