近日，中國科學技術大學地球和空間科學學院李銳教授團隊和國內外同行合作在星載被動微波對地遙感的關鍵地表參數的反演方面的研究工作取得新進展，相關工作以“Satellite Retrieval of Microwave Land Surface Emissivity under Clear and Cloudy Skies in China Using Observations from AMSR-E and MODIS” 為題發表在國際知名遙感期刊《Remote Sensing》（IF=4.848）。

星載被動微波遙感方式作為重要的對地遙感手段被廣泛的應用于大氣中降水和水汽的反演，陸地生態系統的水文特征，碳水通量的遙感等。相較于光學遙感，被動微波受到大氣的干擾較小，并且能夠穿透濃密的植被冠層，對于植被含水量信號不易飽和。更重要的是，其優秀的穿云能力為全天氣條件下的對地遙感提供了強有力的解決方案。該研究工作聚焦在微波地表比輻射率（MLSE）這一基礎地表微波特性參數的反演上，結合多源衛星的觀測數據和微波輻射傳輸模擬，發展出了一套適用于全球和多平臺（衛星），全天氣，多分辨率的MLSE 反演算法和相關數據集。該算法和數據集是首次利用實時的衛星云觀測進行的有云條件下的MLSE反演，具有較高的時效性和時空連續性，為“碳中和”背景下陸地生態系統的碳水通量遙感等相關研究提供了基礎數據支持。

文章以基于AMSR-E觀測的中國區域的MLSE反演為切入點對該反演算法進行了詳盡的闡釋，其綜合使用了MODIS的云參數反演產品，ERA的再分析產品和MWRT輻射傳輸模式（圖1）。該工作對于算法的主要輸入量（如地表溫度，2m溫度，近地表濕度，降水等）做了一系列的基于站點觀測的驗證，并且對于亮溫、地表溫度、近地表溫濕度、云水等輸入量引入的誤差進行了敏感性試驗。結果表明，算法所采用的輸入量誤差在可接受范圍內，并且天頂亮溫和地表溫度是最大的誤差來源。

圖1. MLSE反演算法示意圖

為了驗證這套產品的準確性，該研究將其與另外兩套基于AMSR-E的晴空MLSE數據集(Norouzi et al., 2011; Moncet et al., 2011) 進行了比較。結果表明（圖2），該反演產品和Norouzi 以及Moncet的產品在空間相關性上分別達到了0.95和0.94，RMSE分別小于0.027(2.7%)和0.021 (2.1%)。 季節性上，在基于8個ChinaFlux站點的季節變化研究中，該MLSE產品表現出了和同類產品較高的一致性，并且能夠反映不同類型站點季節變特征的主導因素。此外該產品還表現出了和相關植被光學厚度（VOD）數據集在全天氣條件下的較高的相關性。綜上，該MLSE產品具有和國際類似數據集相當的準確性，并且是首次在大范圍，全天氣條件下的反演產品，在多種陸地生態系統碳水活動指標的估算方面具有極高的應用價值。

圖2. 不同分辨率下，MLSE產品和Norouzi以及Moncet產品的比較（以18.7GHz為例）

該研究受到國家自然科學基金重點項目、國家重點研發計劃課題、國家自然科學基金貝爾蒙特論壇國際合作項目等重大項目的資助。該研究第一作者為大氣專業博士生胡繼恒，通訊作者為李銳教授，合作者來自國家衛星氣象中心、紐約大學、吉林省氣象科學研究所等國內外研究機構。

文章鏈接https://doi.org/10.3390/rs13193980

參考文獻

Hu J, Fu Y, Zhang P, Min Q, Gao Z, Wu S, Li R. Satellite Retrieval of Microwave Land Surface Emissivity under Clear and Cloudy Skies in China Using Observations from AMSR-E and MODIS. Remote Sensing. 2021; 13(19):3980. https://doi.org/10.3390/rs13193980