好文推荐丨梅雨江南 土壤水分我先知
遥感人的成长家园
官网
黄梅时节家家雨 青草池塘处处蛙
这是诗人笔下绵绵云雨中的江南美景
可是对于光学遥感卫星 多云多雨真是愁煞人
主题词
地表土壤水分，地表温度插值，被动微波，降尺度，地理加权回归，长江淮河流域，MODIS，多云雨天气，大面积地区
被动微波遥感土壤水分的空间降尺度问题一直是遥感学科重点关注的科学问题。高空间分辨率的土壤水分遥感影像可以帮助人类更好地认识地球陆面过程的变化规律，对于促进地质、水文、生态、气候等多个学科的发展均具有十分重要的意义。
基于光学和被动微波遥感结合的降尺度方法是常用的土壤水分降尺度方法之一。然而，光学遥感数据易受云雨天气干扰的特点使得这类降尺度方法很难在云雨天气较多的地区得到推广。此外，当前已有的研究多选择相对小范围的地区进行降尺度研究，因而此类降尺度方法在大面积范围地区的适用性依然有待研究。
基于此，浙江大学农业遥感与信息技术研究所宋沛林、黄敬峰等人近期发表的文章《An improved surface soil moisture downscaling approach over cloudy areas based on geographically weighted regression》提出了一种适用于多云雨天气大面积地区的被动微波遥感土壤水分空间降尺度方法。
论文标题
An improved surface soil moisture downscaling approach over cloudy areas based on geographically weighted regression
发表期刊
Agricultural and Forest Meteorology
论文全文链接
https://www.sciencedirect.com/science/article/pii/S0168192319301935?dgcid=coauthor
研究背景
利用光学遥感数据对被动微波土壤水分数据集进行降尺度处理是获得高空间分辨率土壤水分数据集的常用方法。然而，由于光学遥感数据易受云雨天气影响，该类方法很难在常年多云雨天气的地区获得满足空间全覆盖的降尺度土壤水分影像。针对这一现状，本研究以云雨天气较为频繁的长江淮河流域中下游地区为研究区（图1），旨在探索一种适用于多云雨天气地区的被动微波土壤水分降尺度算法。
图1 研究区域
研究方法
该算法基于“地表温度（LST）—植被指数（VI）”三角特征空间理论，利用MODIS 1km分辨率的逐日LST数据集和16日合成VI数据集对25km分辨率的AMSR-2被动微波地表土壤水分数据集进行空间降尺度运算。
对MODIS双星分别获得的16日合成VI基础数据集进一步处理可以获得对研究区接近全覆盖的8日合成VI数据集。
对于在云雨天气下像元缺失相对严重的逐日LST数据集，本研究在前人研究的基础上开发了一种相对高效的LST插值方法，使用该方法获得从2012年9月到2013年9月的对研究区接近全覆盖的逐日LST影像数据集，并使用气象站实测温度数据对插值LST数据进行精度验证。
引入地理加权回归方法（GWR）来改进传统的“通用三角特征UTF（Universal Triangle Feature）”土壤水分空间降尺度方法。
将使用研究区内65个土壤水分自动站提供的对应各个像元时空范围的近地表（0-10cm）实测土壤水分数据集来对降尺度土壤水分数据进行精度验证。
图2 技术路线图
结果与讨论
研究结果表明，通过插值方法得到的LST数据具有较小的均方根误差值（在1.5-3.5K之间）；在此基础之上，通过改进GWR方法得到的降尺度土壤水分数据的精度要明显高于通过传统UTF方法降尺度得到的土壤水分数据，前者的空间分布特征与原始25km分辨率的AMSR2土壤水分空间分布特征的一致性要好于后者（图3中被红圈标出的区域）。
图3 四个不同日期(春夏秋冬)的25km分辨率AMSR2土壤水分数据空间分布图和在对应日期分别使用UTF和GWR方法降尺度得到的1km分辨率土壤水分空间分布图的对比
此外，对于基于改进GWR方法得到的降尺度土壤水分数据集，利用插值LST进行降尺度得到的土壤水分子数据集和利用MODIS实际观测并反演的LST进行降尺度得到的土壤水分子数据集进行区分并分别进行独立的精度验证。验证结果显示，利用插值LST数据进行降尺度最终得到的土壤水分数据集的均方根误差仅略高于利用真实观测MODIS光学数据集进行降尺度处理的结果（二者的平均均方根误差的差值绝对值小于0.02 cm3/cm3，图4）。
图4 (a)升轨和(b)降轨模式下分别使用卫星观测的晴空MODIS LST数据（红色点）和云覆盖条件下插值LST数据（绿色点）作为输入数据进行降尺度得到的1km分辨率土壤水分数据集与对应近地表站点实测土壤水分数据集进行对比的散点分布图
结 论
(1) 本研究提出的LST插值方法可以在多云雨地区获得具有较高精度且接近空间全覆盖的1km分辨率逐日LST遥感影像；
(2) 通过改进GWR方法得到的降尺度土壤水分数据的精度要明显高于通过传统UTF方法降尺度得到的土壤水分数据；
(3) 对于改进的GWR土壤水分降尺度方法而言，使用结论(1)中得到的插值LST数据集作为降尺度模型输入数据得到的土壤水分降尺度结果与使用实际晴空观测的MODIS LST作为输入数据集得到的土壤水分降尺度结果的精度基本相同；
(4) 为多云雨天气地区的大尺度、空间全覆盖、高空间分辨率土壤水分数据集的获取提供了一种有效的方法。随着未来被动微波数据自身观测精度的提升和反演算法的改进，使用该方法获取更高精度的降尺度土壤水分数据集也将成为可能。
更多细节
详见论文
原文链接：
第一作者
宋沛林，浙江大学博士研究生，研究方向：被动微波地表参数反演，被动微波土壤水分空间降尺度。
E-mail: foreverspl@zju.edu.cn
通信作者
黄敬峰，浙江大学教授，博士生导师，现任浙江省农业遥感与信息技术重点研究实验室主任，主持和参加国家自然科学基金等科研课题六十余项。获国家科技进步二等奖2项，省部级科技进步二等奖8项等。已在权威学术刊物发表论文300余篇，其中被SCI和EI收录96篇。
团队介绍
黄敬峰教授带领王福民副教授以及博士研究生和硕士研究生20余人，研究领域包括植被高光谱遥感、灾害遥感、环境与资源遥感等。
相关论文推荐
彭学峰,万玮,李飞,陈秀万.2017.GNSS-R土壤水分遥感的适宜性分析.遥感学报,21(3):341-350
田静,米素娟,何洪林,张仁华,马英,董雪.2016.土壤水分及粗糙度对比辐射率的影响.遥感学报,20(4):561-569
马红章,张临晶,孙林,柳钦火.2014.光学与微波数据协同反演农田区土壤水分.遥感学报,18(3):673-685
李欣欣,张立新,蒋玲梅,赵少杰.2012.山区地形效应对微波辐射特征与土壤水分反演的影响—以青藏高原地区为例.遥感学报,16(4):850-867
周鹏,丁建丽,王飞,古丽加玛丽吾不力,张治广.2010.植被覆盖地表土壤水分遥感反演.遥感学报,14(5):966-981
1
END
1
编辑：悠悠
指导/审核：梧桐君
声明
欢迎转载、转发本号原创内容，转载信息请与本号联系授权，标注原作者和信息来源为《遥感学报》。
本号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。如涉及作品内容、版权和其他问题，请在20日内与本号联系，我们将在第一时间处理。《遥感学报》拥有最终解释权。
QQ加群
《遥感学报》为关注论文写作和发表的亲们，搭建了专属QQ交流群，欢迎加入。进群需备注“单位+姓名+研究领域”，谢谢!
QQ：535215261
投稿网站：www.jors.cn
最新成果丨年度会议
热点研究丨招生招聘
电话：010-58887052
邮箱：jrs@radi.ac.cn
求鼓励，点在看呦
欢迎新朋老友常来常往，聊聊看看~~~