摘要
土壤水分是农业、土壤学、环境学等领域的重要参数，被动微波遥感已成为大范围持续监测土壤水分的最有效手段之一。青藏高原被称为地球的第三极，是世界上海拔最高、面积最大的高原，对全球气候产生重要影响，同时青藏高原也是对气候变化最为敏感的地区之一。目前，青藏高原地区土壤水分微波遥感反演的精度偏低，且存在算法普适性不强的问题。因此，本文选用搭载在GCOM-W1卫星上的AMSR2传感器提供的亮度温度数据，基于改进的Qp(无粗糙度参数)算法进行青藏高原地区的土壤水分反演，并利用玛曲和帕里观测网的实测数据以及现有的两种AMSR2土壤水分产品对反演结果进行验证评价。论文的主要研究内容及结论如下： (1)改进了Qp算法中的地表温度模型 针对利用Qp算法中的单通道方法反演青藏高原地区地表温度存在精度较低的问题，采用基于K波段双频、双极化的四通道地表温度模型进行青藏高原2016～2018年的地表温度反演与验证。利用那曲、玛曲两个气象站0cm以及那曲、帕里两个观测网5cm的实测地表温度的验证结果均证明基于四通道温度模型反演结果具有更高的精度。那曲气象站平均偏差为-3.951℃，比原模型的平均偏差减少8.205℃，均方根误差为6.032℃，比原模型的均方根误差减少4.190℃。玛曲气象站的相关性达0.87，平均偏差为-0.049℃，比原模型减少1.352℃。那曲观测网在降轨时刻的相关性高达0.91，平均偏差为4.103℃，比原模型偏差减少6.322℃，均方根误差为5.527℃。帕里观测网相关性高达0.96，平均偏差最小为-4.754℃，无偏均方根误差最低为1.656℃。改进的地表温度模型对青藏高原地区的地温估算精度具有良好的提升。 (2)基于Qp改进算法反演青藏高原地区土壤水分 利用改进后的地表温度反演模型并引入时间分辨率为10天的植被指数平均数据集改进Qp土壤水分算法，利用改进前后的Qp算法反演青藏高原地区土壤水分。结果表明，与原始Qp算法相比，Qp改进算法的反演结果更接近于真实值。从时间序列对比来看，具有更高的吻合度，那曲观测网的相关系数高达0.83，升轨时刻的平均偏差、均方根误差、无偏均方根误差均有一定的减小；帕里观测网的相关性达到0.75，平均偏差最小为-0.037m3/m3，均方根误差为0.050m3/m3。验证结果表明Qp改进算法在青藏高原地区反演的整体精度优于原Qp算法。 (3)Qp改进算法土壤水分反演结果的验证与评价 为进一步验证Qp改进算法在青藏高原地区土壤水分反演的适用性，利用Qp改进算法反演的结果与现有的JAXAAMSR2和LPRMAMSR2土壤水分产品进行对比分析。结果表明，Qp改进算法的土壤水分反演结果与JAXA和LPRM两种产品在青藏高原地区相比具有更高的相关系数，高达0.83，平均偏差最低为-0.007m3/m3；JAXA和LPRM两种产品的均方根误差均大于0.084m3/m3，Qp改进算法反演结果的均方根误差低于0.084m3/m3，最小值为0.050m3/m3。因此Qp改进算法反演与同类产品相比具有一定的优势。 综上，引入K波段双极化的四通道温度反演模型和10天植被指数平均数据集改进的Qp算法在青藏高原地区的土壤水分反演精度明显提高，适用性更强。
NETL