SMOS与SMAP过境时段表层土壤水分的稳定性研究

SMOS和SMAP都是为获取全球土壤水分信息而设计的专题卫星,均搭载了L波段辐射计。进行二者的横向对比是构建具有一致性的全球土壤水分数据集的关键基础。虽然SMAP、SMOS名义上的过境时刻是固定的,但二者的实际过境时刻随时间和空间发生变化,它们与地面实测数据三者之间难以匹配形成时序上严格统一的样本对,从而给土壤水分反演结果的精度评定带来困难。针对这一问题,以美国大陆地区为研究区,首先对2016~2017年SMOS、SMAP土壤水分数据的时间戳进行统计,判定二者过境的交叠时段;进而利用高观测频率、大空间尺度的实测数据,研究表层土壤水分在此时段内的自然变化特征。结果显示,按照全部、无降水、有降水3种条件,在样本量分别为98.14%、99.51%和88.49%的绝大多数情况下,表层土壤水分的变化量为0.007 m3/m3、0.007 m3/m3和0.012 m3/m3, 远小于SMOS、SMAP的目标精度（0.04 m3/m3）。初步证实： ①SMOS与SMAP的土壤水分反演结果（L2数据）可进行直接比对;②过境时刻差异对验证误差的影响可不计。     

SMAP L2多尺度土壤水分数据与ISMN实测数据的差异特征研究

SMAP卫星的二级（L2）土壤水分数据是直接反演结果,能够从模型、算法、参数等多方面体现其对土壤水分反演的综合能力。在这一级别下,SMAP设计了包括L2＿SM＿P(36km)、L2＿SM＿P＿E(9 km)和L2＿SM＿SP(3 km和1 km)在内的多种尺度的土壤水分数据,能满足不同的实验和应用需求。以ISMN地面实测土壤水分数据作为对比参照,以偏差（Bias）、均方根误差（RMSE）、无偏均方根误差（ubRMSE）和相关系数（R）作为分析指标,分析了SMAP L2土壤水分数据和ISMN实测数据间的差异表现。结果显示：在不同静态条件下（气候类型、土壤性质和植被类型）,植被对差异的影响最大,土壤性质的影响最小;在不同动态条件下（土壤水分、植被光学厚度和地表温度）,植被光学厚度和土壤水分对差异影响较大,地表温度的影响较小;在4种SMAP L2土壤水分数据中,9 km数据与ISMN实测数据的差异最小,其次是36、3、1 km尺度的数据;结合静态条件和动态条件来看,36 km和9 km尺度的数据与ISMN实测数据的差异情况类似,3 km和1 km数据差异情况类似。     

基于SMOS、SMAP数据的青藏高原季风及植被生长季土壤水分长消特征研究

青藏高原地理位置特殊、环境特征显著,是地球系统作用的关键参与和决策者。利用大尺度的星载微波遥感数据开展其土壤水分研究,不仅能为理解典型地区对全球水、气、能、热交互机制的量化影响提供理论支持,还能够为证实遥感数据的可靠性提供实践依据。以SMOS(2011—2020)和SMAP(2016—2020)卫星土壤水分数据为主,以ISMN实测数据、GPCP降水数据、MOD16A2蒸散发数据、C3S地表类型数据为辅,利用土壤水分(年均值,■与时间之间的相关系数(R_xt),研究青藏高原土壤水分在季风及植被生长季(7—9月)的时空分布及长消特征;进而利用偏相关系数(R_xy,z),初步分析了土壤水分与降水和蒸散发的耦合关系。结果显示,青藏高原土壤水分在时间上呈现先减(2011—2015年)后增(2015—2018年)随后波动变化(2018—2020年)的趋势,在空间上呈现自西北向东南逐渐升高的趋势;大部分地区的土壤水分与降水的耦合表现强于蒸散发;SMOS和SMAP对青藏高原土壤水分时空特征的捕捉具有较高的一致性。     

基于Triple Collocation方法的微波土壤水分产品不确定性分析与时空变化规律研究

土壤水分是连接地—气系统的重要状态变量,微波遥感为准确获取大面积土壤水分信息提供新的技术手段。准确解读微波土壤水分产品质量、深入了解其误差的时空分布特征是通过数据同化等方法将其融入陆面模型,从而成功应用于地球科学领域的重要先决条件。基于Triple Collocation(TC)方法检验了风云三号C星(FY-3C)、土壤水分主被动卫星(SMAP)及高级微波散射计(ASCAT)这3种常用微波土壤水分产品在中国陆域的质量,并通过Hovm?ller图评估了3套产品捕捉土壤水分时空变化的能力。结果显示:①TC方法得到的分析结论与地面实测资料的验证结果一致,整体上SMAP优于ASCAT和FY-3C,不同土地利用类型下SMAP信噪比均最高,三者的TC信噪比分别为1.668 dB、-0.316 dB和-2.182 dB,同时三者与实测值的相关系数分别为0.514、0.501和0.209;②FY-3C和ASCAT产品的精度在中国西北地区整体优于南部地区,3种产品均能较好地刻画土壤水分随纬度和经度变化的情况,3种产品展现的季节波动整体高于实测,其中FY-3C的季节波动在3种产品中最为剧烈;③FY-3C的质量比ASCAT和SMAP更易受到植被影响,但在裸土区FY-3C优于ASCAT。本研究基于TC分析提供了全国范围内3种主流微波土壤水分产品的误差和信噪比的空间分布,并通过Hovm?ller图评估了其描述土壤水分时空变化的能力。研究结论可为微波土壤水分产品的同化研究提供一定参考。     

北方典型区域遥感和模型土壤水分产品的对比及评估

多种土壤水分产品的综合评估有助于了解产品的特性与差异,对产品的算法改进及合理应用有重要意义。从空间分布,站点评估,土地覆盖类型及干湿分类等多方面对2010—2011年中国北方典型区域遥感土壤水分产品(SMOS＿L3、AMSR-E＿LPRM、ESACCI v04.5)和模型土壤水分产品(ECMWF＿ERA5、GLDAS＿Noah v2.1、GLDAS＿CLSM v2.2)进行差异性及适用性分析,并从多角度讨论了影响土壤水分产品准确性的可能原因。结果表明：(1)在年尺度上,各产品均能有效表征西部干旱区土壤水分分布情况。在季节尺度上,ESACCI和3种模型产品夏秋季土壤水分较高且空间分布相似。(2)在站点评估方面,ERA5产品整体性能最优,平均相关系数R值最高为0.582,无偏均方根误差ubRMSE最低为0.045 m³/m³。模型产品在ubRMSE和R方面均优于遥感产品,能有效刻画站点观测的动态特征,但容易出现干湿偏差。ESACCI产品在遥感产品中准确性最高。AMSR-E与观测值之间的偏差最小(-0.015 m³/m     

遥感技术在淮河流域水利建设中的应用

遥感技术是一门新兴的综合性技术。近十几年来,随着空间科学、光电技术以及计算机技术的迅速发展,遥感技术的应用范围越来越广泛和深入,已经成为人们认识世界、改造世界的有力武器。遥感技术开拓了人类在社会经济活动中的眼界,为人类在土地资源调查、环境监测以及区域开发、评价和决策中提供了一种新的高效手段。遥感技术在淮河流域水利建设中的应用虽然还仅有短短的五六年的历史,但却已显露出了巨大的应用潜力。一、在土壤侵蚀调查分类编图中的应用 1984年初,淮委接受了水电部农水司和遥感中心下达的任务,利用遥感技术调查编绘淮河流域片     

SMAP射频干扰与夜间灯光分布关系初探北大核心CSCD

文章对SMAP射频干扰和灯光分布的关系进行了初步探索。为检测和衡量人类活动对SMAP射频干扰(SMAP-RFI)造成的影响,以夜间灯光数据作为衡量人类活动强度的标准,探究RFI的强度和分布规律。结果显示:RFI源往往会伴随着夜间高灯光区出现,夜间灯光数据与RFI强度负相关系数达0.55;在个别低灯光区也观测到很强的RFI,RFI源具有辐射特性,多个RFI源在低灯光区辐射叠加产生了很强的RFI;夜间灯光数据能够识别催生RFI源因素的分布,但无法量化这些因素,不能准确识别工厂、机场、基站等,这会对RFI和夜间灯光值的关系造成影响。     

基于地基微波辐射观测的土壤水分反演算法评估

当前常用的被动微波土壤水分反演算法有水平极化单通道算法、垂直极化单通道算法、双通道算法、微波极化差比值算法和扩展双通道算法,5种反演算法具有不同的差异,对这些反演算法进行系统的评估和分析将有助于反演算法的改进和星载高精度土壤水分产品的发布。为了避免直接采用卫星产品验证时的尺度匹配、空间异质性等问题,基于地基L波段微波辐射观测以及配套的土壤和植被参数测量数据,对这5种反演算法进行了实现、对比和分析,得出以下结论：①单通道算法具有最佳的反演性能,水平极化单通道算法反演结果具有最高的相关性(相关性系数R=0.83),垂直极化单通道算法反演结果具有最小的反演误差(均方根误差RMSE=0.028 m³/m³,偏差BIAS= -0.011 m³/m³),但单通道算法需要精确的植被含水量输入;②其余3种算法能脱离植被辅助数据的使用,性能略差但也能满足星载微波传感器的探测指标要求(小于等于0.04 m³/m³);其中,扩展双通道算法和微波极化差比值算法的土壤水分反演结果比双通道算法略差,但本例中扩展双通道算法在植被含水量反演方面更具优势。     

自动土壤水分观测仪的实验室检测方法

随着我国气象高质量发展,气象观测和检定已向自动化全面推进,自动气象站已配备自动土壤水分观测设备,以减小人工观测误差,实现自动测量土壤水分含量,配备的传感器为FDR型自动土壤水分传感器。为保障气象观测数据的准确性,自动土壤水分传感器需每2年进行1次实验室检测,通过检测结果得出仪器性能,判定是否能继续投入使用。通过论述基本原理、主要参数及检测流程,明确自动土壤水分的检测要求,对在标准条件下的自动土壤水分观测仪器进行标定,确保投入使用的仪器观测所得数据可信。     

基于SMAP亮温数据反演青藏高原玛曲区域土壤未冻水

未冻水和冰共同存在于冻土中,两者的相互转化即冻融变化深刻影响寒区地表水分循环和能量收支。被动微波遥感技术是土壤水分监测的主要手段,但目前大多应用于非冻结土壤的水分反演,对负温环境下冻结土壤中未冻水的反演研究较少。基于SMAP卫星升轨和降轨时刻的亮温观测数据和经改进后适用于青藏高原地区的零阶微波辐射模型,利用单通道算法（SCA）和双通道算法（DCA）,对青藏高原东部黄河源区玛曲区域季节冻土中的未冻水含量进行反演。结果表明：基于SMAP不同过境时刻亮温观测及不同算法的土壤未冻水反演结果均较同步地反映了研究区实测值的动态变化特征（相关系数R均大于0.9）。其中,基于SMAP降轨时刻亮温观测的反演结果在冻融交替的过渡季节存在明显低估,而基于升轨时刻亮温观测得到的反演结果精度更高。基于垂直极化亮温观测的单通道（SCA-V）和DCA算法得到的升轨时刻的反演值与实测值的无偏均方根误差（ubRMSE）分别为0.035 m³m^-3和0.039 m³m^-3,均达到SMAP任务的设计要求（即ubRMSE≤0.04 m³m^-3）,其中SCA-V对该研究区土壤未冻水的反演精度最高。与SMAP标准产品相比,基于SCA-V算法反演得到的暖季土壤水分精度更高。此外,该算法能成功反演得到冻结期土壤未冻水的动态变化,因此更适用于青藏高原地区冻融土壤条件下的水分反演。     

荷兰农业水土资源利用研究与遥感技术的应用-赴荷兰访问考察团

根据中荷两国学者互访协议,中国科学院沙漠所派我们两人在1985年10月10日至11月6日对荷兰进行了为期四周的考察访问。在荷期间,我们受到荷方学者热情友好的接待,首后访问了国际农业中心(IAC—     

基于Sentinel-1数据的黑河中游土壤水分反演

基于Sentinel-1合成孔径雷达 (SAR) 数据及相同时段的中分辨率成像光谱仪（MODIS）和Landsat 8两种归一化植被指数（NDVI）,构建变化检测模型以估算黑河中游的高分辨率土壤水分,并探讨模型中具体参数设置对估算精度的影响。结果表明：①在对后向散射系数时间序列的差值 ( \mathrm{\Delta } \sigma ) 和植被指数 ( \mathrm{V} \mathrm{I} ) 进行线性建模过程中,MODIS NDVI和Landsat 8 NDVI这两种植被产品所构建的模型在 \mathrm{\Delta } \sigma - \mathrm{V} \mathrm{I} 空间中所选取的采样点比例分别为2%和4%时,各自取得最优精度; ②以土壤水分反演为目标,使用Landsat 8 NDVI构建的变化检测模型略优于使用MODIS NDVI构建的变化检测模型,两种模型的均方根误差RMSE分别为0.040 m³/m³和0.044 m³/m³,相关系数R分别为0.86和0.83; ③对于变化检测方法的关键参数,若使用低分辨率的SMAP/Sentinel-1 L2_SM_SP土壤水分数据分别代替站点观测的土壤水分初始值和缩放因子 (即两个连续时相土壤水分变化的最大值 \mathrm{\Delta } M s_{max} ) 这两个参数,则土壤水分RMSE将分别增加0.01 m³/m³和0.04 m³/m³。即土壤水分缩放因子这一参数的误差对反演结果的影响大于土壤水分初始值误差对反演结果的影响,故采用高精度的缩放因子进行变化检测估算。研究结论对于利用新兴的Sentinel-1 SAR数据,通过变化检测算法准确获取高分辨率土壤水分信息具有实际参考价值。     

Sentinel-1 based Soil Moisture Estimation in Middle Reaches of Heihe River Basin

In this study, a change detection model, constructed using the Sentinel-1 Synthetic Aperture Radar (SAR) data and the simultaneous Normalized Difference Vegetation Index (NDVI) products from the Moderate Resolution Imaging Spectroradiometer (MODIS) and Landsat 8 sensors, is applied to estimate soil moisture in middle reaches of the Heihe River Basin, and the effects of two key parameters on retrieval accuracy are comprehensively investigated. The results show that: (1) when constructing the empirical relationship between backscattering coefficient difference ( \mathrm{\Delta } \sigma ) and Vegetation Index (VI) required by change detection model, the optimal sampling ratios in the ( \mathrm{\Delta } \sigma - V I ) space are approximately 2% and 4% for MODIS NDVI and Landsat 8 NDVI, respectively; (2) the Landsat 8 NDVI-based change detection model slightly outperforms the MODIS NDVI-based model in soil moisture retrieval accuracy, with Root Mean Square Error(RMSE) of 0.040 m³/m³ and 0.044 m³/m³respectively; (3) for the key parameters of the change detection method, replacing the ground-based initial soil moisture and scaling factor (maximum soil moisture difference between two adjacent dates \mathrm{\Delta } M s_{max} ) by the low-resolution SMAP/Sentinel-1 L2_SM_SP data will increase the RMSE by 0.01 m³/m³ and 0.04 m³/m³ respectively. Comparing to the parameter of initial soil moisture, the error in soil moisture scaling factor will lead to more significant degradation in the performance of the change detection method, thus it is recommended to use the high precision scaling factor for soil moisture estimation. This study confirms the promising potential of Sentinel-1 data for retrieving high-resolution soil moisture via change detection method and provides practical insight into its application.     

Pixel-scalesoil Moisture Monitoring Network and Its Preliminary Validation of L-band Soil Moisture Products

Soil moisture is a key variable in the process of crop growth,ground-air water heat exchange and global water cycle,which plays an important role in drought monitoring,hydrological land surface processes and climate change.Passive microwave remote sensing has become the main means of monitoring soil moisture with the sensitivity to soil moisture.In this study,the authenticity test of SMAP（Soil Moisture and Active and Passive） and SMOS（Soil Moisture and Ocean Salinity）passive microwave soil moisture products using the soil moisture sensor network monitoring data carried out against the underlying surface of farmlands in Jilin Province was carried out.The following conclusions were obtained：（1）Compared with the in situ measured data,SMOS L3(ascending and descending overpasses) and SMAP L3 passive microwave soil moisture products generally underestimated the ground data,but With the occurrence of rainfall events,there will be the phenomenon which is the value of soil moisture products is higher than the in situ data; although the unbiased root mean square error (unRMSE) of the two soil moisture products was greater than 0.07 m3/m3,the unRMSE of SMAP passive microwave soil moisture product data which was 0.078 m3/m3 was slightly lower;（2）Since the depth of induction of the L-band is lighter than the depth of detection of the sensor(5cm),and the dryness of the soil surface after rainfall causes the vertical inhomogeneity of soil moisture,which is one of the reasons why SMOS and SMAP passive microwave soil moisture products underestimate soil moisture; （3）SMOS has a higher value than the range of SMAP brightness temperature,which may be caused by radio frequency interference (RFI),which makes the error of soil moisture Retrieval and affects the validation accuracy.The comparison of bright temperature distribution of SMOS and SMAP shows that the effect of RFI on SMOS is more serious due to the influence of electromagnetic radio frequency interference (RFI),which may be the reason why the RMSE of soil moisture product of SMOS is higher than that of passive microwave soil moisture product of SMAP.     

基于AMSR2多频亮温的黑河流域中上游土壤水分估算研究

以黑河流域中上游为研究区,初步探究了利用AMSR2卫星的多频亮度温度数据估算土壤水分的方法。基于土壤水分和土壤发射率的统计关系,通过黑河流域上游的4个像元2013年7月至2014年6月内的实测土壤水分和土壤温度数据,采用了“四像元交叉拟合法”获得了统计系数,并用此方法估算出了黑河流域中上游的土壤水分。采用2014年7月至2014年10月内估算的土壤水分,连同与AMSR2的4个常用的土壤水分产品和GLDAS土壤水分产品在时间序列上,与八宝河流域WSN土壤水分地面观测展开了对比验证,结果表明估算土壤水分精度明显高于上述5种产品。同时借助高程和土地覆被辅助数据,与GLDAS土壤水分在空间格局上进行了比较,发现估算土壤水分时空分布特征更加合理。该方法可为流域尺度的土壤水分反演与监测提供了一种简而易行的思想方法和可行之路。     

激光遥感近期发展趋向

激光遥感就是用激光束作为光谱探头来探测大气成分。在过去的十五年中,这种激光雷达技术已被证明是一种测量大气中几种重要化学成分的有效探测方法,现在,它不但对我们了解大气起着重要的作用,而且正在     

ASAR GM后散时间序列数据估算黑河上游地表土壤水分

利用2008~2011年的ENVISAT/ASAR全球监测模式(GM)数据,采用时间序列变化检测算法,估算地表相对土壤水分,并利用Van Genuchten方法将相对土壤水分转换为绝对土壤水分,最终获得研究区内的土壤体积含水量。利用阿柔冻融观测站2008~2011年10cm土壤水分数据验证,均方根误差为0.11cm3/cm3;利用八宝河流域无线传感器网络的36个WATERNET节点2013~2014年的4cm体积含水量月均值进行空间分布的间接比较检验,估算月均值的均方根误差在0.03~0.11cm3/cm3的节点有19个,在0.11~0.16cm3/cm3的节点有15个,大于0.16cm3/cm3的有2个。另外考虑遥感数据和算法(暂未考虑土壤容重、土壤残余含水量的不确定性)对估算结果的影响,体积含水量最大估计误差范围为0.03~0.12cm3/cm3,研究区内91.77%的像元小于0.06cm3/cm3。     

Error Characteristics of Microwave Soil Moisture Products based on Triple Collocation and Its Spatial-temporal Pattern

Soil moisture is an important state variable connecting the land surface-atmosphere system, and its information can be efficiently acquired by the new technique of microwave remote sensing. Accurate interpretation of the microwave soil moisture products qualities and in-depth understanding of their temporal and spatial distributions are important prerequisites for their successful application in earth science through data assimilation. In this study, three microwave soil moisture products, FengYun-3C(FY-3C), Soil Moisture Active Passive (SMAP) and Advanced Scatterometer(ASCAT), were evaluated over China based on the triple collocation (TC) method. The abilities of three products to obtain temporal and spatial variations of soil moisture were illustrated by Hovm?ller diagram. The results show that: (1) SMAP generally outperforms ASCAT and FY-3C, with highest TC-based signal-to-noise ratio(SNR) under different land use types. The TC-based SNRs are 1.668dB, -0.316dB and -2.182dB for SMAP, ASCAT and FY-3C respectively; and their correlation coefficients with ground observations are 0.514, 0.501 and 0.209, respectively. (2) The accuracies of FY-3C and ASCAT in Northwest China are overall higher than those in the southern China. All three products can capture the latitudinal and longitudinal gradients of soil moisture, whereas their seasonal fluctuations are higher than those of in-situ measurements. Among three products, FY-3C shows highest spatial gradient and strongest seasonal fluctuations. (3) FY-3C product performance is more susceptible to vegetation coverage than ASCAT and SMAP, but it outperforms ASCAT in barren areas. The results of our study could provide useful insights for assimilating microwave soil moisture products into land surface models to improve hydrological prediction.