基于FY-3BMWRI被动微波遥感产品的土壤水分特征分析.docx

基于FY-3BMWRI被动微波遥感产品的土壤水分特征分析 基于FY-3B/MWRI被动微波遥感产品的土壤水分特征分析本文利用FY-3B被动微波遥感产品数据，以中国（3°51′N-53°33′N，73°33′E-135°05′E）为研究范围，使用IDL和Arcgis等软件处理和分析2022-2022年该地区土壤水分资料，并选取甘肃省六个站台，对比处理得到的土壤水分数据与地面观测得到的20-20时平均降水量和平均气温，简单分析土壤水分分别与之的变化关系结果表明，全国大部分地区土壤水分值在春季、夏季呈现为上升趋势，在秋季和冬季呈现为下降趋势土壤水分值在每年7、8月份达到最大值（0.4~0.5 cm3/cm3），并且最大值区域相对集中在东北地区、江淮、黄淮流域等甘肃六站台大部分的土壤水分值在4-10月份中波动较明显，在11月至次年3月波动相对较弱，在对应的时间段中，20-20时平均降水量与之有着明显的响应，平均温度则与之有相对一致的变化趋势 关键词：土壤水分，MWRI，被动微波 第一章绪论 1.1 选题的背景 地表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，对全球陆地表面蒸散、生态系统水体循环以及碳循环起着重要作用，是气候模式、水文模型、生态系统评价和农业估产等领域的主要输入参数。

土壤水分的时空分布与动态变化，不仅对陆地-大气间热量平衡、陆面大气环流和土壤温度变化产生显著的影响，同时也对农业干旱程度起着指导作用据统计，全国平均每年农业旱灾受灾面积37500-45000亩，占农作物总播种面积的20%-25%[1]尤其近几十年来频繁发生的干旱是世界范围的重大灾害性气候问题，已直接和间接地阻碍了社会经济的发展并威胁着人类的生存大范围的土壤水分的监测是农业过程研究和环境因子评价的重要组成部分，而区域尺度甚至全球范围的土壤水环境反演又是陆地过程模式研究中必不可少的一个参量我国是具有多种典型气候分布的国家，其中西部与北部部分地区属干旱半干旱气候，干旱半干旱地区与季风区的分界线约在河西走廊[2]，因此研究土壤水分的变化，将在改善我国各地区区域及局地气候、预测区域干湿情况研究中具有重要意义 1.2 国内外进展 卫星遥感土壤湿度产品有广泛的应用前景，我国近几年许多学者利用AMSR-E土壤湿度产品已开展了一系列相关研究刘万侠[3]等人利用AMSR-E 卫星被动微波遥感数据，计算分析地表微波极化差异指数（MPDI）的月平均分布，绘制水分变化程度分布图，并于实际降水情况比较。

马媛[4]利用其反演的微波遥感AMSR-E辐射计的土壤湿度数据对新疆的季节变化和年际变化进行分析；考虑田间持水量等土壤水分要素，确定土壤墒情指数；根据土壤墒情分级标准界定新疆干旱等级，确定旱情的发生状况陈洁[5]等人则对AMSR-E土壤湿度产品在我国西北地区的精度验证，并与NCEP／NCAR在分析土壤水分做比较，分析AMSR-E土壤湿度在西北地区的可信度席家驹[6]利用试验观测数据对比分析了3种国际上比较广泛关注的高级微波扫描辐射计/地球观测系统（AMSR-E/EOS）土壤湿度产品（JAXA，NASA及VUA）的精度，并且基于青藏高原土壤湿度观 测网，制作了青藏高原地区土壤湿度时空分布图，对比了3种产品对青藏高原地区土壤湿度时空分布特征描述的准确性，分析了其适应性 基于FY-3B／MWRI数据，国内同样做了许多研究，如鲍艳松[7]等人利用高级积分方程模拟多个地标参数条件下的FY-3B／MWRI资料，并验证其建立的我国西部地区裸露地表土壤湿度反演模型陈昊、金亚秋[8]等人根据中国风云气象卫星FY-3B/MWRI与近年在轨业务运行的Aqua卫星AMSR-E的技术参数，基于晴空大气辐射传输模型的模拟，分析了技术参数入射角等对辐射亮度温度Tb （Brightness temperature）的影响，并以此对AMSR-E原始多通道Tb数据进行入射角修正。

基于辐射校准后的FY-3BM/MWRI各通道Tb特征，用极化与散射特征指数，对2022年长江流域两湖地区的连续发生的干旱、降雨、水涝灾害等进行了评估与分析，表明FY-3B MWRI可以有效地监测旱涝灾害但国内此方面研究多专注于反演模型的建立以及对比AMSR-E被动遥感产品的精度验证，而缺乏对已有反演数据产品应用及探索本文基于FY-3B／MWRI反演数据产品资料分析我国2022-2022年土壤水分时空变化特征，以期为FY-3B／MWRI产品广泛应用在我国大部分区域的大气、生态、水文等过程响应研究，以及对社会、经济的可持续发展提供技术支持 1.3 理论依据 传统的土壤水分测量方法能够精确测量单点的土壤水分，但不能满足大尺度、动态监测土壤水分的要求随着微波遥感技术的发展与完善，已经研发了基于卫星可见光遥感、热红外遥感和微波遥感的土壤水分检测方法，使得大尺度、动态监测土壤水分成为可能可见光和热红外遥感的监测方法利用土壤温度和地表植被指数与土壤水分的关系间接估算土壤水分，没有考虑遥感资料与土壤水分的物理过程，其反演结果已受到植被覆盖状况的影响微波遥感能够直接捕获土壤的介电性质，而土壤介电性质很大程度上取决于土壤水分从干燥土壤到饱和土壤，其介电常数的实部变化范为4～80.因此，利用微波遥感的观测资料反演土壤水分有坚实的物理基础。

另外，卫星微波遥感具有全天候的观测能力，能够实现多频率多极化的观测方式，并对植被层和表层土壤有一定的穿透能力综合上述原因，微波遥感被认为是目前及未来探测土壤水分最有潜力的工具和手段[5] 目前有两种基本的微波遥感检测土壤湿度方法：一个是采用成像雷达的主动微波方法，一个是基于微波辐射计的被动微波方法[9]主动微波遥感土壤湿度以应用X波段侧视雷达为主，主要是后向发射系数法因为含水量的多少直接影响 土壤的介电常数，使雷达回波对土壤湿度反映极为敏感，即不同含水量土壤的微波后向散射系数不同，通过建立二者的关系，可达到监测土壤水分的目的被动微波遥感法与主动微波遥感原理相同，它是通过微波辐射计获得土壤亮度温度，然后依据物理模型反演土壤水分在被动微波传感器技术发展的过程中，人们通过研究发现，被动微波遥感在反演土壤水分的各种技术中成为最有效的方法之一[10]与主动微波遥感相比，被动微波遥感土壤湿度研究开展得较早，其算法种类多，也更成熟 我国是具有多种典型气候分布的国家，其中西部与北部部分地区属干旱半干旱气候，干旱半干旱地区与季风区的分界线约在河西走廊[2]本研究对FY-3B被动微波遥感数据日土壤湿度产品进行处理，获得我国的土壤湿度数据，在此基础对该地区土壤湿度时空变化特征进行研究，并分析与地面气象观测数据的相关关系，为土壤水分的研究和风云卫星的应用提供支持。

第二章正文 2.1 研究区域概况 气象干旱是降水与蒸发不平衡而形成的持续的水分短缺的现象，主要表现在降水量不足因此，降水量的时空分布在一定程度上决定了干旱的时空分布中国位于亚洲东部、太平洋西岸的中纬度地区，背靠世界上最大的大陆――欧亚大陆，面临世界最大的大洋――太平洋，南北延伸约5500km，东西跨越约5200km，巨大的海陆热力差异形成了夏季降水充沛、冬季寒冷干燥的东亚季风气候年际之间季风的不稳定性是造成中国干旱频发的主要原因之一 根据理念旱灾受灾面积统计，1951-2022年中国平均干旱受灾面积（农业减产10％以上）、成灾面积（农业减产30％以上）分别为4247.1万hm2、1883.1万hm2，分别占自然灾害57.0％和54％，与洪涝的受、成灾面积所占比例24.8％和29.5％相比，远远高出洪涝对农业产生的危害所以，干旱是中国对农业危害最大的自然灾害由于中国幅员辽阔，气候、地形等因素的影响，各地以及各季节旱灾分布存在很大差异[11] 由于干旱形成的复杂性及其影响的深远性，准确、定量化地监测干旱的出现、结束，持续时间、覆盖范围、强度以及评价干旱的影响十分困难。

土壤湿度的监测是度量干旱的最客观因素，在全球大部分地区缺乏土壤干湿状况监测的历史记录情况下，卫星遥感土壤湿度反演产品的应用十分重要 2.2 FY-38卫星微波辐射计（MWRI）及土壤湿度产品 2.2.1 风云三号卫星微波辐射计（MWRI） FY-3B（“风云三号”B星）于2022年11月5日发射，是我国第二代气象卫星，同时也是第一颗极轨气象卫星下午星，它和“风云三号”A星组成上下午双星同时在轨运行的格局FY-3B以三轴稳定方式对地观测，搭载了11种观测仪器，微波成像仪MWRI是最重要的传感器之一微波成像仪的主要任务是通过接收来自地球表面和大气的水平及垂直两个极化的电磁辐射信息，反演全球降水、云和大气中水汽含量、地表植被、土壤湿度、海温、海冰、雪覆盖及海面油污等信息微波成像仪主要有5个频率，分别为10.65、18.7、23.8、36.5和 89GHz，每个频率都有水平极化和垂直极化两个通道[12]FY-3B微波成像仪的主要性能指标见下表： 表2.1FY-3B微波成像仪（MWRI）主要技术指标 频率（GHz）10.65 18.7 23.8 36.5 89 极化方式V.H V.H V.H V.H V.H 带宽（MHz）180 200 400 900 2×2300 灵敏度（K）0.5 0.5 0.8 0.5 1 定标精度1K2K2K2K2K IFOV（km）51×85 30×50 27×45 18×30 9×15 轨道类型近极地太阳同步轨道 量化等级12bit 扫描方式圆锥扫描 幅宽（km）1400 天线视角45±0.1° 扫描周期 1.7±0.1s 2.2.2 土壤湿度反演产品算法介绍 本文采用的土壤湿度反演产品是来源于风云卫星遥感数据服务网（ /portalsite/default.aspx）。

该产品是基于刘强、杜今阳等[13]人在《青藏高原表层土壤湿度遥感反演及其空间分布和多年变化趋势分析》一文中基于双通道土壤水分反演算法对FY-3B微波成像仪MWRI （Microwave Radiation Imager）亮温资料的反演结果 基于Q p模型发展的双通道反演算法（Shi等,2022；Shi等,2022）Q p模型是Shi等人于2022年基于高级积分模型（AIEM）,针对AMSR-E传感器参数发展的地表发射率模型,适用于较高的频率和较宽的地表粗糙度范围Q p模型表示为公式（1）： （1） 式中,e p是粗糙地表发射率,下标p表示极化（V表示垂直极化,H表示水平极化）；tp表示菲涅尔透射率；t q表示另外一个极化的菲涅尔透过率；Q p表示某种极化条件下的粗糙度参数 两种极化下的Q p模型，分别用公式（2）和公式（3）表示： （2） （3） Shi等人通过研究发现同一频率下的两个极化的值,Q v和Q h呈现很好的线性关系,见Shi等（2022）文章里的图6Q v与Q h的线性关系表示为 （4） 式中,f表示频率,系数a,b与频率有关,a和b值可以通过AIEM模拟的数据拟合得到。

分别重新调整公式（2）、（3）把Q v和Q h都放到公式的左边,把调整后的公式（2）、（3）代入到公式（5）中,便得到没有Q v和Q h符号的公式（5）。