被动微波遥感雪深反演混合像元问题研究

刘晓敬

1. 四川农业大学，四川 成都 611130; 2. 北京师范大学，北京 100875

积雪深度是反映地表积雪量变化的重要因子，是水文模型和气候模式中的重要参数之一。被动微波遥感以其穿云透雾、对雪层信息敏感等特点，被广泛应用于雪深的反演研究中。被动微波传感器的低空间分辨率(数千米至数十千米)及地表覆盖的复杂性，使星载被动微波遥感影像中的混合像元现象十分突出，严重制约了被动微波雪深遥感监测的应用和发展。目前，被动微波遥感雪深反演中的混合像元问题研究仍存在着诸多挑战：①理论支撑不足，对被动微波混合像元亮温响应特征及影响机制的研究尚不充分；②针对混合像元问题所发展的被动微波雪深反演算法，对地表异质性特征考虑不足。论文围绕上述问题开展研究工作，主要研究内容和结果如下：

(1) 基于复杂地表微波辐射模型的积雪混合像元亮温敏感性分析。在现有复杂地表微波辐射模型的基础上，使用bicontinuous-VRT模型优化积雪模块，利用优化后的复杂地表微波辐射模型，分别模拟积雪、土壤、植被以及由三者组成的混合像元的微波亮温，采用标准秩回归分析法，对影响积雪覆盖像元亮温的地表参数展开敏感性分析研究。分析结果表明：对于由积雪、土壤、植被三类地物构成的混合像元，积雪覆盖度对混合像元亮温及亮温差的影响突出，超过了雪粒径、雪深等积雪参数对亮温的影响；模拟使用的低阶模型低估了植被效应，因此植被覆盖度对混合像元亮温的影响并不明显。

(2) 发展了考虑地表温度空间异质性的混合像元亮温分解方法。通过混合像元分解方法获取混合像元组分亮温来进行雪深反演，是改善被动微波混合像元雪深反演精度的一种有效方法。已有研究中对地表水平空间异质性考虑不足，忽略了地表温度空间异质性对解混过程的影响，针对该问题发展了一种考虑地表温度空间分布特征的被动微波亮温解混算法，利用可控的仿真模拟试验和FY-3B/MWRI卫星亮温观测对算法进行评估，评价结果显示，该算法有效地提高了亮温解混精度，由解混亮温得到的雪深反演精度也得到了提高。

(3) 发展了考虑积雪水平空间异质性的被动微波雪深反演算法。利用具有较高空间分辨率、空间连续的SNODAS积雪数据集获取微波亚像元雪深空间分布，采用逐像元稳健逐步回归方法构建被动微波像元尺度雪深反演算法。对算法的评估结果显示该重建算法与雪深验证数据间具有很好的一致性，反演精度显著优于现有Chang算法和Kelly算法。