摘要
为细致刻画地表冻融状态及其年循环特征、长时间序列变化趋势及其与陆地生态系统的相互作用,需要进行高分辨率(1 km)的地表冻融状态识别.被动微波的低空间分辨率,无法精细描述地表冻融状态的空间变化;主动微波(合成孔径雷达)能以较高的分辨率识别地表冻融状态,但其低时间分辨率无法准确捕捉春秋季地表冻融转换.融合主被动微波遥感信息,发展高分辨率地表冻融状态识别算法对细致刻画地表冻融状态、生产高分辨率地表冻融遥感产品具有重要意义.本文以青藏高原中部土壤温湿度观测网为研究区,采用随机森林分类算法,以升/降轨Sentinel-1 σ0VV(垂直极化后向散射)、SMAP TbV(垂直极化亮温)和辅助时空信息为输入,构建融合多源信息的高分辨率(1 km)地表冻融状态识别算法.结果表明:在降轨时,有/无主动微波信息,地表冻结期(每年1-3月)识别精度分别为100.0%/97.8%;地表融化期(每年6-10月)识别精度分别为99.1%/99.4%;地表冻融转换时期(每年4-5月)的识别精度为82.0%/74.1%;地表融冻转换时期(每年11-12月)的识别精度为95.1%/90.0%,精度有所下降.其原因是主要受到海拔、坡向及土壤质地的影响.通过对输入变量重要性排序,分析其在随机森林中的贡献可知,DOY(儒略日)、TbV、LAI(叶面积指数)、LST(地表温度)、σ0VV、坡向是必要的输入变量.其中σ0VV虽然排在第五位,但去除σ0VV,算法在地表冻融转换时期的识别精度下降显著(春/秋季精度分别下降23.7%、9.4%),证明主动微波信息对于提高算法识别精度的重要性,因此在主动微波信息可获取时,应融合主被动微波信息进行地表冻融状态识别.高分辨率的地表冻融状态可准确划分地表的稳定冻结期、稳定融化期及冻融转换期,并反映地表冻融转换时期的空间异质性特征.
基金项目
中国科学院战略性先导科技专项地球大数据科学工程"时空三极环境"项目(A类)(XDA19070104)
国家自然科学基金(42071347)
国家自然科学基金(42201441)
NETL
NSTL
维普
万方数据