基于SSM / I数据反演北方林区地表温度外文翻译资料

英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

基于SSM / I数据反演北方林区地表温度

Jouni T. Pulliainen, Member, IEEE, Jochen Grandell, and Martti T. Hallikainen, Fellow, IEEE

摘要：本文提出并分析了使用星载多通道微波辐射计的数据反演森林地区表面温度（地面空气温度）的新型反演方法。第一种技术是基于使用约束最小二乘法来反演半经验发射模型的反演方法。讨论的其他方法是经验方法、多元线性回归与极化差分公式。反演方法的有效性以及经验方法的可行性采用芬兰北部森林的SSM/I数据进行评估。结果表明，对于针叶林为主的北方森林，在无雪条件下，SSM/I的测量可以可靠地估算出表面温度。基于地面的参考值（近地表空气温度）和基于SSM/I的估算值之间，最高测试地点确定的相关系数（r）在0.97以上，相应的无偏差均方根误差小于1.3 ℃。这些值是使用SSM/I早晨的未经任何删减的数据得到的。

关键词 微波辐射测量，遥感，星载辐射计，温度测量

I引言

卫星微波的辐射测量数据在土地中的应用迄今非常有限。基本问题是微波辐射计的空间分辨率差。由于空间分辨率取决于频率，典型的空间分辨率大约15至50km，因此，土地应用的算法开发必须处理混合像素问题，也就是众多目标特征（如土地利用特征）包含在单个空间分辨率单元内。然而，对一些通常与季节性变化相关的土地应用来说，卫星微波辐射计的使用是可行的。对于北方森林地区，最突出的应用是积雪监测。关于这个课题已经发表了许多研究^[1-[3]。本文所讨论的反演表面温度是一项新的应用。基于星载微波辐射计数据反演表面温度是一个以前没有深入研究的问题。McFarlane等^[4]研究了美国中原地区近地表气温的反演。Hiltbrunner等^[5]对草原地区（瑞士中部平原）的植被物理温度进行了反演研究。Calvet^[6]等研究了亚马逊雨林的植被温度反演。Davis等^[7]研究了非洲大陆地表气温和植被/土壤水分的反演。

红外波段星载微波辐射计的可行性已经有了广泛的研究。这些研究表明，使用NOAA AVHRR红外通道能够反演地表温度，精度可达1.5至3.0℃^[8-9]。然而，红外仪器的使用有一个严重的缺点: 只有在无云条件下才能获得可行的估计。无论天气和时间如何，微波仪器都能提供可行的数据，尽管在毫米波（30 GHz以上）的频率下，天气的影响可能很大。

基于SSM/I数据反演农田、牧场和裸地地区的近地表气温，可采用线性回归公式^[4]。 总体反演精度表明，根据土壤类别，均方根误差为2-3℃（决定系数r²为0.62-0.85）。结果是采用SSM/I早晨的数据获得的，并且分析时排除了包含大量水、雪和降水的像素。基于SSM/I数据的表面温度反演实验^[5]在多个试验点进行，只使用19 GHz垂直（V）和水平（H）极化通道的数据。数据集涵盖了1990 - 1991年。这种温度反演方法通过应用地面参考温度值，采用最优化经验极化差分公式的方法。结果表明，均方根误差大约在2.6到3.5℃之间（包含所有无雪天气条件）。基于SMMR微波辐射计的温度反演结果^[6]是利用植被冠层发射率模型进行反演得到的。这项研究不包括任何对于该方法精确性的分析。非洲的地面气温反演结果是利用SMMR数据和贝叶斯迭代反演物理模型进行反演^[7]获得的。结果并没有与实际的原地温度数据进行比较，但与长期的月平均气温进行了比较。

由于目标类型是不同的，所以这些结果（美国中原^[4]、瑞士草地^[5]、亚马逊雨林^[6]、非洲^[7]）与本文中的北方森林的结果的整体可比性是有限的。在北方森林区，稀疏的森林是主要的土地利用类型。主要树种是针叶树，如云杉、杉木或松树，其物理特性随时间变化不大。地势起伏比较小。

表 I SSM / I通道及其空间分辨率^[12]

北方森林覆盖欧洲、亚洲和北美洲的极地地区，是地球上最大的植被带。本次研究的试验区位于芬兰。北方森林覆盖了芬兰的大部分地区并且分为了三个子类型：南、中、北部寒带森林。主要树种为苏格兰松和挪威云杉。各子类型的森林生物量水平和树种分布各不相同。

开发的的温度反演方法基于：给定位置的森林地区的发射率在无雪条件下大致不变。本文采用的算法包括1）一种基于物理模型的两阶段反演方法（约束最小二乘算法）^[10]，这是反演算法的进一步发展。2）线性回归方法，3）极化差分法^[5]。

积雪覆盖明显地改变了表观发射率（如下文所讨论的第III节等^[3]）。在芬兰,南方通常从12月中旬到4月中旬雪季盛行，北方从10月底到5月中旬^[11] 雪季盛行。雪季给温度反演算法设定了时间限制。

II研究地点和材料

研究材料包括1) 芬兰南部和北部两个实验区域的每日SSM / I数据分别填充到一个固定的2525公里的网格中。2）网格化土地利用特征（由数字土地利用图确定）。3）来自气象站的每日气温和降水信息。4）对一些小的实验地点模拟土壤温度和湿度值。4）芬兰地区每两个月的积雪覆盖面积和雪水当量。

A. SSM / I数据特点和预处理

F-11卫星上的SSM/I辐射计从最低点以一个恒定的入射角53.1°探测地球表面(圆锥扫描)。该仪器具有七个通道，频率范围从19.35 GHz到85.5 GHz。表I是仪器的主要特征。我们的数据集包含了从1993年7月到1994年6月，共12个月的时间。数据是原始扫描数据，对85GHz的两个极化频率通道，在102.4°观测弧度中采样128次，从而形成128V-极化和128H-极化轨迹。三个较低的频率(19、22和37 GHz)作其他扫描。低频率和85.5HZ通道都采样的扫描成为A类扫描，只采样85GHz通道的扫描称为B类扫描。在A类扫描中，低频通道只采样64次。

原始SSM/I数据产品给出了每个样本的测量亮度温度和地理坐标（lambda;，phi;）。这些数据被转换到芬兰国家坐标（KKJ）。转换包括使用27°中央子午线的高斯-克吕克投影（横向圆柱投影）地理坐标。由此产生的坐标是以米为单位，北坐标从赤道开始，东坐标设置在中央子午线上3500000米处。转换后，将数据内插（双线性插值）到固定网格中，以使其直接与参考数据相比较，参见图1。使用的数据集只包括早晨的时间。成像时间在当地时间上午9点之前。

B .试验区域特征

这两个试验区，在本文中称为南芬兰试验区和北芬兰试验区，如图1所示。这两个试验区纬度位于N59°30acute;到N68°40acute;之间，经度位于E19°30acute;到E31°30acute;之间，并且彼此相邻。试验区大小为500km500km，覆盖了芬兰大部分地区和波罗的海北部地区。该区域划分为固定网格单元，每个大小为25km25km。SSM / I数据插值到这个网格中。测试区代表针叶林为主的寒带森林区，包括三个子类型的寒带森林（南部，中部和北部）。试验区土地平均森林覆盖率为77%。然而，内陆湖泊和农业地区的混合像元很常见。农业区主要分布在南芬兰试验区的最南端，而湖泊群则遍布各地。

网格单元处理的参考数据包括不同土地利用类型和土壤类型的分布（其中最重要的是林地，水和农业区）。这些特点是基于以下几个方面的平均和归纳：1）一个以国家陆地卫星为基础的高分辨率数字土地利用图，2）一个数字化土壤图。数据来自芬兰环境局。原始土地利用数据还包括森林总材积的信息。基于此信息，林区平均树干材积,在南芬兰试验区为96m³/公顷（相当于总干林生物量约58吨/公顷），在北芬兰试验区为64m³/公顷（38吨/公顷）。

图1 试验区的位置。细分为25kmtimes;25km的网格，以及国家边界、海岸线和主要湖泊（阴影区）。角点坐标是在芬兰国家公制坐标系（KKJ）中给出的。进行详细数据分析的网格单元簇是用交叉标记的。每个簇位于一个气象站（暗阴影的中心网格单元）。网格单元从测试区域的左上角开始逐行编号。

C. 气象参考资料和模拟土壤温度/湿度值

主要的参考数据是由分布在两个试验区的15个气象台站在高度2米处测得的的日平均近地表空气温度。这些气象站的位置如图1所示。来自这些站的可用天气数据还包括每日最低和最高气温以及每日降水量（还有一些气象站的风况描述）。这些数据涵盖与SSM/I数据相同的时间段。近地表气温和星载辐射仪测量值间接相关。然而，测量值受植被或土壤物理温度的影响。在林地（寒带森林）的情况下，近地表气温通常相对接近森林冠层温度。在开阔地区，差异可能较大。

从1993年7月至9月的3个月的时间内，一组56个网格单元的模拟土壤温度和湿度值可用。基于模型的土壤温度数据覆盖三个子集：两个在南芬兰试验区，一个在北芬兰试验区。这些值是利用水文土壤/植被/大气相互作用模型^[13]计算出来的，它们描述了表土特性（0-10cm）。这些数据来自芬兰环境局。

D．积雪信息

积雪参考数据包括积雪覆盖地图和积雪覆盖地图所基于的当地原位测量值。芬兰环境局每月生成两次积雪地图，代表了区域雪水当量值。

III SSM/I得到的亮度温度和发射率

利用南、北芬兰试验区的插值数据来研究SSM/I得到的土地的亮度温度和发射率。调查包括对以下几点的分析：1）恒定目标特性的影响，如土地利用类别和森林生物量，2）环境参数变化的影响，如土壤水分和物理温度。

结果表明，在春季和夏季，SSM/I亮度温度对森林生物量（材积）的变化都不敏感。然而，土地利用类别对亮度温度有相当大的影响。一个可能的解释是，材积（或生物量）变化的范围小于分析的25km25km网格单元（而土地利用变化可能较大）。SSM/I数据不支持发射率和生物量之间的相关性调查。

表II南芬兰试验区的三个网格单元的SSM/I亮度温度与物理温度（高度2m处的空气温度）的相关性

SSM / I的亮度温度与不同的环境参数的比较表明，物理温度是主要的影响因素。这点是明显的，尤其是夏季/秋季数据（无雪条件），如表II所示。表II给出了1993年7、8、9月三个网格单元的夏/秋季亮度温度与物理温度之间的相关性。分析中使用的参考温度是日平均地面温度，并不是实际在成像时的目标物物理温度。表II表明，19、22、37GHz通道与物理温度的相关性非常高。对于85.5 GHz通道，相关性显著降低，可能是由于大气扰动。结果还表明，森林覆盖率越高，亮温与物理温度的相关性越大。表II中给出的相关性是使用早晨的SSM/I数据得出的。对于全天的SSM/I数据，相关性略有偏差。

其他变化的物理参数的影响可以从图2中观察到。图2中包含日表观发射率和显示物理温度与SSM/I亮温关系的散点图。表观发射率在此处定义为大气未校正的目标发射率：

（1）

此处： ： SSM/I通道i亮度温度

： 地面物理温度，以K为单位（高度2m处的空气温度）

图2描绘了南芬兰试验区#249像素的SSM/I 37GHz通道垂直极化（见表II）的数据对物理温度的响应。结果仅描述此通道，其他通道也类似（除了85.5 GHz通道的相关性明显降低）。结果表明，1）与物理温度的相关性高,2）与天气相关特性的相关性是最低的，如土壤水分和降水。这一结果也得到了事实的支持：已发现了降水和模拟土壤水分与亮度温度（表观反射率）之间的可以忽略不计的相关性。因此，陆地表面的发射率似乎是近似恒定的。这一观察结果促进了第四节讨论的温度反演方法的发展。即使发射率在任何像素下都是恒定的，但从一个位置到另一个位置，它似乎变化很大。图3与图2显示了同样的结果。图3为南芬兰试验区的总共32像素的结果。图2和3表明地表发射率从一个像素到另一个像素的变化主要是由于土地覆被的差异。

与图2（b）类似，图4表示在单个网格单元中的表观发射率，但图四的时间周期是整整一年。这些结果清楚地表明积雪的主要影响。由于积雪出现在第100天左右，发射率开始下降。在整个降雪期间的表观发射率仍然很低，并且因降雪量和积雪物理性质的变化而变化。

图2 （a）37GHz垂直极化的亮度温度与温度的函数，1993年7、8、9月。给出了使用插值SSM / I数据的单个像素的结果。显示了晚上/早上的时间（从早上0点到早上9点）的结果。参考气温是2米高度处的平均日气温。对于早上的结果，SSM / I的结果与物理温度的相关性有点低。（b）同一像素下，37GHz垂直极化的表观发射率与时间的函数。

图3 （a）南芬兰试验区的32个像素的37GHz垂直极化的亮度温度与温度的函数，1993年7、8、9月。（b）32像素数据集，37GHz V-极化表观发射率与时间的函数。

IV表面温度反演算法

本节介绍了温度反演方法和算法测试的结果。开发和测试的方法有1）半经验模型为基础的反演技术，2）统计多元线性回归方法，3）经验极化差分法^[5]。

使用15个气象站的空气温度参考数据对温度估计方法的准确性进行了分析。在2米的高度测得的全年的日平均、最高和最低温度均可用。比较所使用的SSM/I数据来自气象站周围的48个网格单元。由于温度反演方法不适用于积雪覆盖的地面，选取1993年7月至9月和1994年6月的一共121个日期用于分析。另外，一些

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27110]，资料为PDF文档或Word文档，PDF文档可免费转换为Word