CYGNSS/SMAP数据融合半经验模型的土壤湿度反演

摘要

星载GNSS反射信号(GNSS-R)的土壤湿度反演易受陆地多变环境因素影响,目前,对于星载GNSS-R土壤湿度反演中误差分析及反演模型外推性能分析较少。综合多种误差修正模型,包括GNSS卫星发射功率误差、植被和地表粗糙度对反射信号强度的衰减,通过修正提高陆地点反射率的准确性,建立了反射率-土壤湿度的CYGNSS/SMAP数据融合的反演半经验模型。实现了一年高精度外推反演,反演偏差为-0.0037 cm^(3)/cm^(3),均方根误差(RMSE)为0.0264 cm^(3)/cm^(3),相关系数为0.9636。提出了分季节的外推模型,提高了低含水量季节的外推精度。实验区域的经度为90°E~130°E,纬度为20°N~38°N,利用2019年10月至2020年9月的CYGNSS/SMAP数据进行训练,外推2020年10月至2021年9月的土壤湿度。经误差模型修正反射率后,模型的反演偏差提升6.80%,均方根误差提升3.30%。针对实验区域内冬、春季土壤含水量较低时反演精度差的问题,提出了同季节外推的分季节训练模型,相对一年数据量的训练模型,冬季反演的均方根误差提升21.58%,春季提升21.05%。将2021年6月1—10日的反演结果与CLDAS地面实测土壤湿度进行对比,反演偏差为0.0058 cm^(3)/cm^(3),均方根误差为0.0854 cm^(3)/cm^(3),具有较好的准确性。研究证明了使用反射率误差修正模型及反射率-土壤湿度半经验模型反演土壤湿度的有效性,对推广星载GNSS-R土壤湿度反演业务化应用具有积极意义。