李锐教授团队在卫星被动微波对地遥感研究取得最新进展

近日，李锐教授团队和国内外同行合作在星载被动微波对地遥感的关键地表参数的反演方面的研究工作取得新进展，相关工作以“Satellite Retrieval ofMicrowave Land Surface Emissivity under Clear and Cloudy Skies in China UsingObservations from AMSR-E and MODIS” 为题发表在国际知名遥感期刊《Remote Sensing》（IF=4.848）。

星载被动微波遥感方式作为重要的对地遥感手段被广泛的应用于大气中降水和水汽的反演，陆地生态系统的水文特征，碳水通量的遥感等。相较于光学遥感，被动微波受到大气的干扰较小，并且能够穿透浓密的植被冠层，对于植被含水量信号不易饱和。更重要的是，其优秀的穿云能力为全天气条件下的对地遥感提供了强有力的解决方案。该研究工作聚焦在微波地表比辐射率（MLSE）这一基础地表微波特性参数的反演上，结合多源卫星的观测数据和微波辐射传输模拟，发展出了一套适用于全球和多平台（卫星），全天气，多分辨率的MLSE 反演算法和相关数据集。该算法和数据集是首次利用实时的卫星云观测进行的有云条件下的MLSE反演，具有较高的时效性和时空连续性，为“碳中和”背景下陆地生态系统的碳水通量遥感等相关研究提供了基础数据支持。

文章以基于AMSR-E观测的中国区域的MLSE反演为切入点对该反演算法进行了详尽的阐释，其综合使用了MODIS的云参数反演产品，ERA的再分析产品和MWRT辐射传输模式（图1）。该工作对于算法的主要输入量（如地表温度，2m温度，近地表湿度，降水等）做了一系列的基于站点观测的验证，并且对于亮温、地表温度、近地表温湿度、云水等输入量引入的误差进行了敏感性试验。结果表明，算法所采用的输入量误差在可接受范围内，并且天顶亮温和地表温度是最大的误差来源。

图1.MLSE反演算法示意图

为了验证这套产品的准确性，该研究将其与另外两套基于AMSR-E的晴空MLSE数据集(Norouziet al., 2011; Moncet et al., 2011) 进行了比较。结果表明（图2），该反演产品和Norouzi 以及Moncet的产品在空间相关性上分别达到了0.95和0.94，RMSE分别小于0.027(2.7%)和0.021 (2.1%)。季节性上，在基于8个ChinaFlux站点的季节变化研究中，该MLSE产品表现出了和同类产品较高的一致性，并且能够反映不同类型站点季节变特征的主导因素。此外该产品还表现出了和相关植被光学厚度（VOD）数据集在全天气条件下的较高的相关性。综上，该MLSE产品具有和国际类似数据集相当的准确性，并且是首次在大范围，全天气条件下的反演产品，在多种陆地生态系统碳水活动指标的估算方面具有极高的应用价值。

图2.不同分辨率下，MLSE产品和Norouzi以及Moncet产品的比较（以18.7GHz为例）

该研究受到国家自然科学基金重点项目、国家重点研发计划课题、国家自然科学基金贝尔蒙特论坛国际合作项目等重大项目的资助。该研究第一作者为大气专业博士生胡继恒，通讯作者为李锐教授，合作者来自国家卫星气象中心、纽约大学、吉林省气象科学研究所等国内外研究机构。

文章链接https://doi.org/10.3390/rs13193980

参考文献

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