一种FY-3C被动微波数据估算土壤湿度的方法

摘要

本发明公开了一种FY-3C被动微波数据估算土壤湿度的方法，本发明充分利用被动微波亮温数据的多极化特性，增加方程个数，同时通过综合考虑植被光学厚度和地表粗糙度对星上亮温的影响，减少未知数个数，解决了现有技术中存在的需要已知粗糙表面发射率和植被光学厚度估算土壤湿度的问题，实现了基于FY-3C卫星被动微波星上亮温数据的土壤湿度估算。

说明书

技术领域

本发明涉及一种定量遥感技术，尤其涉及一种FY-3C被动微波数据估算土 壤湿度的方法。

背景技术

地球上的水由海洋水、陆地水和大气水三部分组成，各组分的水在全球环 境变化中都具有重要的作用。其中土壤水分尽管只占到地球总水量的0.005％， 但是它对于水圈、生物圈以及大气圈之间的相互作用有着极为重要的影响，是 全球水循环运动中的一个重要的组成部分。土壤湿度是反映土壤水分状态的关 键参数，了解并获取大尺度、长时间序列的土壤湿度分布和变化状况，对于研 究和解决全球变化、农业、生态、水文、环境等方面所面临的问题有着十分重 要的意义。传统土壤湿度的观测方法只能获取有限观测点的土壤湿度数据，观 测结果仅能反映观测点周围区域的土壤湿度情况，因而空间代表性较差，且通 过传统方法获取长时间序列土壤湿度数据的成本较高。因此，无法满足当前农 业、生态、环境等方面的需求。

现有的基于微波辐射传输理论的土壤湿度估算方法存在的主要缺点为：算 法较为复杂，需要直接输入的地表状态参数(如粗糙表面发射率和植被光学厚 度)获取难度大，而且在这些地表参数的计算过程中需要更多的其它地表参数 (如植被含水量)，误差较大，导致这些土壤湿度估算方法在实际应用中受到了 很大的限制。

发明内容

本发明的目的就在于为了解决上述问题而提供一种FY-3C被动微波数据估 算土壤湿度的方法。

本发明通过以下技术方案来实现上述目的：

本发明包括以下步骤：

步骤一：FY-3C卫星MWRI传感器陆表温度L2产品数据获取及其预处理， 所述数据预处理包括以下步骤：

(1)提取8个通道(10.7GHz(HV)，18.7GHz(HV)，23.8GHz(H)， 36.5GHz(V)，89.0GHz(HV))的亮温数据(H和V分别代表水平极化和垂 直极化)，其中通道10.7GHz(HV)是用于土壤湿度估算，通道36.5GHz(V) 是用于计算土壤湿度估算中用到的地表温度，其他通道数据用于步骤2中掩膜 无效像元；

(2)根据如下公式将DN值转化为星上亮温；

公式一：Tb＝gain×DN+offset

式中，Tb为星上亮温；DN为计数值；对于FY-3C卫星MWRI传感器陆表 温度L2产品的亮温数据，所有通道的gain和offset分别为0.01和327.68；

(3)将ESD投影平面坐标转为地理坐标；

(4)对亮温数据进行裁剪得到陆地范围亮温数据；

步骤二：受降雨、冰雪、冻土影响以及大量无线电射频信号干扰的像元并 不适合土壤湿度估算，因此将其视为无效像元，并对其进行掩膜处理。掩膜像 元不进行土壤湿度估算，全部赋值为-1.0；

如下为掩膜条件，满足以下条件的像元即为无效像元：

雨：Tb89V<249K；

冰雪、冻土：Tb36V<250K且Tb36V-Tb18V<-3K；

无线电射频信号干扰：Tb10V<Tb10H或Tb18H<Tb10H-5K或Tb18V< Tb10V-5K。

步骤三：地表土壤湿度估算：

对于植被覆盖地表，星上亮温的贡献主要由以下6个方面组成：(a)土壤发 射辐射；(b)植被直接发射辐射；(c)地表对植被的反射辐射；(d)大气上行 辐射；(e)地面对大气下行辐射的反射辐射；(f)地面对宇宙背景辐射的反射辐 射；微波辐射传输方程可以表示为：

公式二：$\left(\begin{array}{c}{T}_b^p=T_s{ϵ}_s^p{\Gamma }_v{\Gamma }_a+T_v(1-{\omega }_v)(1-{\Gamma }_v){\Gamma }_a+T_v(1-{\Gamma }_s^p)(1-{\omega }_v)(1-{\Gamma }_v){\Gamma }_v{\Gamma }_a\\ +T_{b,a\uparrow }+T_{b,a\downarrow }(1-{\Gamma }_v){\Gamma }_v^2{\Gamma }_a+T_{b,c}(1-{ϵ}_s^p){\Gamma }_v^2{\Gamma }_a\end{array}\right)$

式中，p代表不同极化，包括水平极化(H)和垂直极化(V)；T_b为星上亮温， 可从卫星数据中直接获取；T_s和T_v分别为土壤和植被温度，本发明假定T_s＝T_v； T_b,a↑，T_b,a↓，T_b,c分别为大气上行、下行和宇宙背景辐射的亮温，这三个参数值较 小，其变化对方程影响较小，可以赋值为常数，且与微波频率和极化无关，即 T_b,a↑＝6.0K，T_b,a↓＝8.7K，T_b,c＝2.725K；Γ_v和Γ_a分别为植被层和大气层的透过率， Γ_v＝exp(-τ_v)，Γ_a＝exp(-τ_a)，τ_v是植被光学厚度，τ_a是大气光学厚度，在FY-3C卫 星MWRI传感器的观测角53°度下,τ_a为0.014；ε_s为土壤粗糙表面发射率；ω_v为植被单次散射反照率，在10.7GHz频率处，ω_v＝0.07，与极化无关；

在公式二中，星上亮温T_b可从卫星数据中直接获得；右边三个未知数T_s，ε_s和τ_v，粗糙地表发射率ε_s的获取首先需要根据菲涅尔方程计算光滑地表发射率 ε_smooth，然后再加入地表粗糙度对地表发射率的影响，该过程计算复杂，需要多 个描述地表粗糙度的参数，误差较大。鉴于此，将地表粗糙度对星上亮温的影 响与植被光学厚度τ_v对星上亮温的影响合二为一，这样微波辐射传输方程中的 植被光学厚度τ_v由新的变量τ'_v代替，该变量包含了植被和地表粗糙度对星上亮 温的综合影响，同时，方程中的粗糙地表发射率ε_s由光滑地表发射率ε_smooth代替， 微波辐射传输模型可以表示为：

公式三：$\left(\begin{array}{c}{T_b}^H=T_s{ϵ}_{smooth}^H{\Gamma }_v^{\prime }{\Gamma }_a+T_s(1-{\omega }_v)(1-{\Gamma }_v^{\prime }){\Gamma }_a+T_s(1-{ϵ}_{smooth}^H)(1-{\omega }_v)(1-{\Gamma }_v^{\prime }){\Gamma }_v^{\prime }{\Gamma }_a\\ +T_{b,a\uparrow }+T_{b,a\downarrow }(1-{\Gamma }_v^{\prime }){\Gamma }_v^{\prime 2}{\Gamma }_a+T_{b,c}(1-{ϵ}_{smooth}^H){\Gamma }_v^{\prime 2}{\Gamma }_a\end{array}\right)$

$\left(\begin{array}{c}{T_b}^V=T_s{ϵ}_{smooth}^V{\Gamma }_v^{\prime }{\Gamma }_a+T_s(1-{\omega }_v)(1-{\Gamma }_v^{\prime }){\Gamma }_a+T_s(1-{ϵ}_{smooth}^V)(1-{\omega }_v)(1-{\Gamma }_v^{\prime }){\Gamma }_v^{\prime }{\Gamma }_a\\ +T_{b,a\uparrow }+T_{b,a\downarrow }(1-{\Gamma }_v^{\prime }){\Gamma }_v^{\prime 2}{\Gamma }_a+T_{b,c}(1-{ϵ}_{smooth}^V){\Gamma }_v^{\prime 2}{\Gamma }_a\end{array}\right)$

式中，Γ'_v＝exp(-τ'_v)；

在公式三中两个极化的星上亮温T_b^H和T_b^V可从卫星数据中直接获得；右边三个 未知数T_s，ε_smooth和τ'_v；

光滑表面发射率ε_smooth的计算：

建立介电常数ε与土壤湿度m_v的关系

公式四：$ϵ=(a_0+a_{1}S+a_{2}C)+(b_0+b_{1}S+b_{2}C)m_v+(c_0+c_{1}S+c_{2}C)m_v^2$

在10.7GHz频率处a₀＝2.502，a₁＝-0.003，a₂＝-0.003，b₀＝10.101，b₁＝0.221，b₂＝-0.004， c₀＝77.482，c₁＝-0.061，c₂＝-0.135，S为沙土含量，C为黏土含量。

根据菲涅尔方程计算光滑地表反射率

公式五：

式中，u是FY-3C卫星MWRI传感器地面入射角53°；H,V为两个极化。

因此，光滑表面发射率可以表示为：

公式六：$\left(\begin{array}{cc}{ϵ}_{smooth}^H=1-R_{OH}& {ϵ}_{smooth}^V=1-R_{OV}\end{array}\right)$

根据如下公式进行地表温度估算：

公式七：$T_s=a\times T_b^{v36.5GHz}+b$

式中，T_s为地表温度，为通道36.5GHz(V)的星上亮温，a＝0.893，b＝44.8；

综上，根据公式三通道10.7GHz(HV)可以建立两个方程，两个方程中只 有两个未知数土壤湿度m_v和τ'_v，因此可以根据最小二乘拟合法求解土壤湿度。

本发明的有益效果在于：

本发明是一种FY-3C被动微波数据估算土壤湿度的方法，与现有技术相比， 本发明通过被动微波遥感技术来监测区域、全球尺度的土壤湿度时空分布和变 化规律，可以有效地提高水文和气象模型等的预报精度，为农业生产和灾害防 控提供实时、准确、可靠的数据支持，对全球变化、农业、生态、水文、环境 等领域的研究和工作具有十分重要的实用价值。

具体实施方式

下面对本发明作进一步说明：

本发明包括以下步骤：

步骤一：FY-3C卫星MWRI传感器陆表温度L2产品数据获取及其预处理， 所述数据预处理包括以下步骤：

(1)提取8个通道(10.7GHz(HV)，18.7GHz(HV)，23.8GHz(H)， 36.5GHz(V)，89.0GHz(HV))的亮温数据(H和V分别代表水平极化和垂 直极化)，其中通道10.7GHz(HV)是用于土壤湿度估算，通道36.5GHz(V) 是用于计算土壤湿度估算中用到的地表温度，其他通道数据用于步骤2中掩膜 无效像元；

(2)根据如下公式将DN值转化为星上亮温；

公式一：Tb＝gain×DN+offset

式中，Tb为星上亮温；DN为计数值；对于FY-3C卫星MWRI传感器陆表 温度L2产品的亮温数据，所有通道的gain和offset分别为0.01和327.68；

(3)将ESD投影平面坐标转为地理坐标；

(4)对亮温数据进行裁剪得到陆地范围亮温数据；

步骤二：受降雨、冰雪、冻土影响以及大量无线电射频信号干扰的像元并 不适合土壤湿度估算，因此将其视为无效像元，并对其进行掩膜处理。掩膜像 元不进行土壤湿度估算，全部赋值为-1.0；

如下为掩膜条件，满足以下条件的像元即为无效像元：

雨：Tb89V<249K；

冰雪、冻土：Tb36V<250K且Tb36V-Tb18V<-3K；

无线电射频信号干扰：Tb10V<Tb10H或Tb18H<Tb10H-5K或Tb18V< Tb10V-5K。

步骤三：地表土壤湿度估算：

对于植被覆盖地表，星上亮温的贡献主要由以下6个方面组成：(a)土壤发 射辐射；(b)植被直接发射辐射；(c)地表对植被的反射辐射；(d)大气上行 辐射；(e)地面对大气下行辐射的反射辐射；(f)地面对宇宙背景辐射的反射辐 射；微波辐射传输方程可以表示为：

公式二：$\left(\begin{array}{c}{T}_b^p=T_s{ϵ}_s^p{\Gamma }_v{\Gamma }_a+T_v(1-{\omega }_v)(1-{\Gamma }_v){\Gamma }_a+T_v(1-{\Gamma }_s^p)(1-{\omega }_v)(1-{\Gamma }_v){\Gamma }_v{\Gamma }_a\\ +T_{b,a\uparrow }+T_{b,a\downarrow }(1-{\Gamma }_v){\Gamma }_v^2{\Gamma }_a+T_{b,c}(1-{ϵ}_s^p){\Gamma }_v^2{\Gamma }_a\end{array}\right)$

式中，p代表不同极化，包括水平极化(H)和垂直极化(V)；T_b为星上亮温， 可从卫星数据中直接获取；T_s和T_v分别为土壤和植被温度，本发明假定T_s＝T_v； T_b,a↑，T_b,a↓，T_b,c分别为大气上行、下行和宇宙背景辐射的亮温，这三个参数值较 小，其变化对方程影响较小，可以赋值为常数，且与微波频率和极化无关，即 T_b,a↑＝6.0K，T_b,a↓＝8.7K，T_b,c＝2.725K；Γ_v和Γ_a分别为植被层和大气层的透过率， Γ_v＝exp(-τ_v)，Γ_a＝exp(-τ_a)，τ_v是植被光学厚度，τ_a是大气光学厚度，在FY-3C卫 星MWRI传感器的观测角53°度下,τ_a为0.014；ε_s为土壤粗糙表面发射率；ω_v为植被单次散射反照率，在10.7GHz频率处，ω_v＝0.07，与极化无关；

在公式二中，星上亮温T_b可从卫星数据中直接获得；右边三个未知数T_s，ε_s和τ_v，粗糙地表发射率ε_s的获取首先需要根据菲涅尔方程计算光滑地表发射率 ε_smooth，然后再加入地表粗糙度对地表发射率的影响，该过程计算复杂，需要多 个描述地表粗糙度的参数，误差较大。鉴于此，将地表粗糙度对星上亮温的影 响与植被光学厚度τ_v对星上亮温的影响合二为一，这样微波辐射传输方程中的 植被光学厚度τ_v由新的变量τ'_v代替，该变量包含了植被和地表粗糙度对星上亮 温的综合影响，同时，方程中的粗糙地表发射率ε_s由光滑地表发射率ε_smooth代替， 微波辐射传输模型可以表示为：

公式三：$\left(\begin{array}{c}{T_b}^H=T_s{ϵ}_{smooth}^H{\Gamma }_v^{\prime }{\Gamma }_a+T_s(1-{\omega }_v)(1-{\Gamma }_v^{\prime }){\Gamma }_a+T_s(1-{ϵ}_{smooth}^H)(1-{\omega }_v)(1-{\Gamma }_v^{\prime }){\Gamma }_v^{\prime }{\Gamma }_a\\ +T_{b,a\uparrow }+T_{b,a\downarrow }(1-{\Gamma }_v^{\prime }){\Gamma }_v^{\prime 2}{\Gamma }_a+T_{b,c}(1-{ϵ}_{smooth}^H){\Gamma }_v^{\prime 2}{\Gamma }_a\\ {T_b}^V=T_s{ϵ}_{smooth}^V{\Gamma }_v^{\prime }{\Gamma }_a+T_s(1-{\omega }_v)(1-{\Gamma }_v^{\prime }){\Gamma }_a+T_s(1-{ϵ}_{smooth}^V)(1-{\omega }_v)(1-{\Gamma }_v^{\prime }){\Gamma }_v^{\prime }{\Gamma }_a\\ +T_{b,a\uparrow }+T_{b,a\downarrow }(1-{\Gamma }_v^{\prime }){\Gamma }_v^{\prime 2}{\Gamma }_a+T_{b,c}(1-{ϵ}_{smooth}^V){\Gamma }_v^{\prime 2}{\Gamma }_a\end{array}\right)$

式中，Γ'_v＝exp(-τ'_v)；

在公式三中两个极化的星上亮温T_b^H和T_b^V可从卫星数据中直接获得；右边三个 未知数T_s，ε_smooth和τ'_v；

光滑表面发射率ε_smooth的计算：

建立介电常数ε与土壤湿度m_v的关系

公式四：$ϵ=(a_0+a_{1}S+a_{2}C)+(b_0+b_{1}S+b_{2}C)m_v+(c_0+c_{1}S+c_{2}C)m_v^2$

在10.7GHz频率处a₀＝2.502，a₁＝-0.003，a₂＝-0.003，b₀＝10.101，b₁＝0.221，b₂＝-0.004， c₀＝77.482，c₁＝-0.061，c₂＝-0.135，S为沙土含量，C为黏土含量。

根据菲涅尔方程计算光滑地表反射率

公式五：

式中，u是FY-3C卫星MWRI传感器地面入射角53°；H,V为两个极化。

因此，光滑表面发射率可以表示为：

公式六：$\left(\begin{array}{cc}{ϵ}_{smooth}^H=1-R_{OH}& {ϵ}_{smooth}^V=1-R_{OV}\end{array}\right)$

根据如下公式进行地表温度估算：

公式七：$T_s=a\times T_b^{v36.5GHz}+b$

式中，T_s为地表温度，为通道36.5GHz(V)的星上亮温，a＝0.893，b＝44.8；

综上，根据公式三通道10.7GHz(HV)可以建立两个方程，两个方程中只 有两个未知数土壤湿度m_v和τ'_v，因此可以根据最小二乘拟合法求解土壤湿度。

本发明充分利用被动微波亮温数据的多极化特性，增加方程个数，同时通过 综合考虑植被光学厚度和地表粗糙度对星上亮温的影响，减少未知数个数，解 决了现有技术中存在的需要已知粗糙表面发射率和植被光学厚度估算土壤湿度 的问题，实现了基于FY-3C卫星被动微波星上亮温数据的土壤湿度估算。

本发明不需要计算植被光学厚度和粗糙表面发射率。本发明将植被光学厚 度和地表粗糙度合为一个地表参数，在方程中作为一个未知数。降低了土壤湿 度估算对地表参数的依赖性，同时也消除了地表参数计算误差对土壤湿度估算 的影响。

以上显示和描述了本发明的基本原理和主要特征及本发明的优点。本行业 的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中 描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明 还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本 发明要求保护范围由所附的权利要求书及其等效物界定。