东篱科研大数据发现系统（DRDS）

位置：成果数据库 > 期刊 > 期刊详情页

针对被动微波AMSR-E数据的土壤水分反演算法

ISSN号：1002-0470
期刊名称：《高技术通讯》
时间：0
分类：P642.22[天文地球—工程地质学;天文地球—地质矿产勘探;天文地球—地质学]
作者机构：[1]农业部旱作节水农业重点开放实验室／农业部资源遥感与数字农业重点开放实验室／中国农业科学院农业资源与农业区划研究所,北京100081, [2]兰州大学半干旱气候变化教育部重点实验室,兰州730000, [3]首都师范大学资源环境与旅游学院,北京100048, [4]中国农业大学信息与电气工程学院,北京100083, [5]北京师范大学地理学与遥感科学学院,北京100875, [6]遥感科学国家重点实验室,北京100101
相关基金：国家自然科学基金（40930101）,973计划（2007CB714403）,兰州大学半干旱气候变化教育部重点实验室开放基金和中央级公益性科研院所基本科研业务费专项资金（IARRP901-40＆2010-31）资助项目.

作者：毛克彪[1,2,6], 胡德勇[3], 黄健熙[4], 张武[2], 张立新[5,6], 邹金秋[1], 唐华俊[1]

关键词：亮度温度, 发射率, 土壤水分, AMSR-E数据, brightness temperature, emissivity, soil moisture, AMSR-E data

中文摘要：

提出了一种针对被动微波AMSR-E数据的土壤水分反演算法。用改进的积分方程模型（AIEM）模拟表明：在给定的粗糙度条件下，土壤水分和发射率之间有很好的线性关系；18．7GHz与10．7GHz的垂直极化（V）微波指数与土壤水分有很好的关系，而且部分消除了土壤粗糙度的影响，相关系数的平方（R—square）是0．98。因此，建立标准化的微波指数与土壤水分之间的关系是可行的。算法敏感性分析表明，当有降雨时此算法比较敏感。相对于全国农业遥感地面监测东北网点县实测数据，算法平均误差大约是21．5％。此算法低估了土壤水分，用实测数据对反演结果做进一步修正后的误差为7．4％。用AMSR．E数据对2009年2月1日中国主要陆地表面进行了实际反演分析，结果表明反演结果符合实际土壤水分的分布情况，表明算法可行。

英文摘要：

This paper proposes an algorithm for retrieving soil moisture by brightness temperature from the data of the advanced microwave scanning radiometer for earth observation systems （AMSR-E）. According to the simulation analysis of the AMSR-E passive microwave data using the advanced integrated equation model（AIEM）, there is a good linear relationship between emissivity and soil moisture under a given roughness, and the normalized difference between the emissivities of 18.7GHz and 10.7GHz can partly eliminate the influence of roughness, with the R-Square being about 0.98. Thus, establishing the normalized relation between microwave index and soil moisture is feasible. The proposed method avoids the parameter of land surface temperature which is the key parameter for the computation of emissivity. The sensitivity analysis for atmosphere, the main factor for the method, indicates that the method is very good for clear days but is not very well for mining days. The valuation of the algorithm by the ground measurement data shows that the retrieval error of soil moisture is about 21.5% relative to the experimental data. After making a regression revision, the retrieval error of soil moisture is below 7.4%. Finally, the retrieval of the soil moisture from the AMSR-E data for the land of China shows that the distribution trend of soil moisture is consistent with the real world.

同期刊论文项目