国家青藏高原数据中心作为科研论文关联数据仓储发布了南京大学居为民教授团队和中国科学院空天信息创新研究院赵天杰、施建成研究员团队联合研发的“AMSR-E/AMSR2土壤水分与植被光学厚度逐日产品（多通道协同反演算法，2002-2022）”，用户可开放获取。其关联论文“A twenty-year dataset of soil moisture and vegetation optical depth from AMSR-E/2 measurements using the multi-channel collaborative algorithm”发表于Remote Sensing of Environment。
土壤水分是陆—气相互作用中的关键气候变量之一，被动微波遥感是探测全球土壤水分时空分布的核心手段。然而，全球约有80%的陆地表面被不同类型和程度的植被覆盖，微波与土壤—植被间的相互作用十分复杂并且高度耦合，从而导致土壤水分的高精度反演成为学界公认的遥感难题。传统的反演方法往往将植被视为干扰因子，并且过度依赖先验知识（或经验关系）力图消除植被影响，忽略了植被微波辐射特性的通道依赖性。这不仅导致土壤水分反演的不确定性很大，而且也限制了被动微波遥感对于植被特性的表征能力，因此亟需发展新的遥感反演算法。
针对上述问题，赵天杰等人（Zhao et al., 2021）提出了具有自主知识产权的多通道协同反演算法（multi-channel collaborative algorithm, MCCA）。该算法巧妙地构建了土壤—植被参数间的自约束理论关系，推导和建立了任意微波通道亮温之间的解析关系，并将其应用于求解辐射传输方程。MCCA算法实现了土壤—植被复合信号的解耦分离，无需依赖先验知识，同时能够将衡量植被衰减特性的植被光学厚度细分到不同微波通道。这克服了传统单/双/多通道算法对于先验知识的强依赖和通道使用的局限性，为研发长时间序列、物理一致的土壤水分产品提供了新的途径。
近日，南京大学博士研究生胡路与法国生物圈空间研究中心Nemesio Rodriguez-Fernandez研究员、法国农业科学院Jean-Pierre Wigneron研究员、美国农业部Michael Cosh研究员、清华大学阳坤教授和卢麾研究员等人（Hu et al., 2023）成功将MCCA算法应用于交叉定标之后的AMSR-E/AMSR2 传感器亮温数据（2002年至今），使用完整年的亮温数据进行预反演并率定了植被光学厚度的频率依赖性，解决了困扰学界已久的多频率微波观测的植被效应校正难题，实现了20年以上的长时序土壤水分高精度反演。该团队通过全球25个密集土壤水分观测网络的验证，表明MCCA土壤水分产品的无偏均方根误差为0.073 m3/m3，偏差仅为0.007 m3/m3，相关性达到0.709，显著优于JAXA发布的官方产品、ESA发布的CCI-passive以及NASA发布的LPRM-C/X产品，甚至超越了该团队之前发布的神经网络ANN算法产品。
图1. MCCA_AMSR土壤水分空间分布 (2022年示例)
图2. 基于国际土壤水分观测网络（25个密集站点）的验证与对比
此外，MCCA算法的另一个重要创新之处在于它率先实现了不同微波通道的植被光学厚度同步反演，而植被光学厚度是微波辐射传输方程中用于描述植被衰减特性的物理量，已被证实在生态学领域的植被水力、碳储量、植被物候等方面具有广泛的应用前景。通过与地上生物量（AGB）和光学植被指数NDVI的时空相关性分析，MCCA植被光学厚度产品相比国际上已发布的LPRM-C/X和VODCA产品表现更佳。该产品首次合理地呈现了植被光学厚度随频率增加而增加（微波穿透性减弱）的物理变化规律，为遥感解析土壤—植被—大气连续体的水分传输过程提供了重要契机。
图3. 不同微波通道（C/X/Ku三波段双极化）的MCCA_AMSR植被光学厚度空间分布 (2022年示例)
图4. MCCA_AMSR植被光学厚度在不同植被类型下的通道差异性规律
该数据集的完成得到了国家重点研发计划项目“高分辨率极区冰冻圈主被动微波探测技术”（2021YFB3900104）、国家自然科学基金项目（42141005）、第二次青藏高原综合科学考察研究（2019QZKK0206）的共同资助。
论文信息：
1. Hu, L., Zhao, T.J., Ju, W.M., Peng, Z.Q., Shi, J.C., Rodríguez-Fernández, N.J., Wigneron, J.P., Cosh, M.H., Yang, K., Lu, H., & Yao, P.P. (2023). A twenty-year dataset of soil moisture and vegetation optical depth from AMSR-E/2 measurements using the multi-channel collaborative algorithm. Remote Sensing of Environment, 292, 113595. https://doi.org/10.1016/j.rse.2023.113595.
2. Zhao, T.J., Shi, J.C., Entekhabi, D., Jackson, T. J., Hu, L., Peng, Z., Yao, P.P., Li, S.N., & Kang, C.S. (2021). Retrievals of soil moisture and vegetation optical depth using a multi-channel collaborative algorithm.Remote Sensing of Environment, 257, 112321. https://doi.org/10.1016/j.rse.2021.112321.
数据信息：
胡路, 赵天杰, 居为民, 彭志晴, 姚盼盼, 施建成. (2022). AMSR-E/AMSR2土壤水分与植被光学厚度逐日产品（多通道协同反演算法，2002-2022）.
国家青藏高原科学数据中心.
https://doi.org/10.11888/Terre.tpdc.272907. https://cstr.cn/18406.11.Terre.tpdc.272907.
END
本文转载自微信公众号国家青藏高原科学数据中心订阅号
转自：“科研圈内人”微信公众号
如有侵权，请联系本站删除！
