微波粗尺度测量和两种基于长期T-V散点图驱动的高分辨率指数协同应用于细尺度土壤水分估算( The synergistic use of microwave coarse-scale measurements and two adopted high-resolution indices driven from long-term T-V scatter plot for fine-scale soil moisture estimation )

F Mohseni M Mokhtarzade

为了从遥感技术中反演土壤水分含量(SMC),本文提出并评价了一种改进的方法，该方法克服了温度-植被（T-V）散点图法的三个最基本的局限性：（1）在相应的散点图及其干湿边缘形成不当的情况下，T-V散点图法的精度低，(2)T-V指数图在不同天的不相容性，(3)不能从T-V指数中获得SMC的绝对值。研究包括三个主要步骤。第一步，利用全球8个原位SMC网络的测量数据，从先进微波扫描辐射计2号、土壤水分和海洋盐度、土壤水分主动被动三个方面选择最合适、最准确的微波遥感任务。从RMSE和相关系数（均方根差(RMSE)=0.3-0.12m/m，R=0.53-0.93)两个方面说明了SMAP产品的优越性。第二步，建立了1年的T-V散点图，提取了两个土壤湿度指标，即年土壤湿度指数(ASMIHR)和日土壤湿度指数(DSMIHR)。ASMIHR是从每年的干湿边缘驱动的，并引入了一个新的概念，称为“共湿线”，以获得DSMIHR。在该方法的第三步，采用基于物理和理论尺度变化的分解作为降尺度算法，利用ASMIHR与粗尺度SMAP像素之间的关系来识别微波数据相对于SMC指数的偏导数参数。在研究区域内的四个SMAP粗尺度像素上，得到了相应的参数，平均相关系数为0.7。这一步之后，集成DSMIHR和SMAP产品，以提供中等空间分辨率下的绝对SMC值。在2016年马尼托巴省土壤水分主被动验证试验的农业现场对所提出的方法进行了评价。该方法的绝对SMC值的最终结果与现场测量结果一致(R=0.66，无偏RMSE=0.06m/m)。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate