吳 瑩，王振會(huì)

(1.南京信息工程大學(xué)氣象災(zāi)害省部共建教育部重點(diǎn)實(shí)驗(yàn)室，南京 210044;2.南京信息工程大學(xué)大氣物理學(xué)院，南京 210044)

被動(dòng)微波遙感反演地表發(fā)射率研究進(jìn)展

吳 瑩1，2，王振會(huì)1，2

(1.南京信息工程大學(xué)氣象災(zāi)害省部共建教育部重點(diǎn)實(shí)驗(yàn)室，南京 210044;2.南京信息工程大學(xué)大氣物理學(xué)院，南京 210044)

微波地表發(fā)射率是表征地表特征的重要參數(shù)，也是反演地表、大氣參數(shù)的重要條件。相比較物理模型，其模擬計(jì)算需要若干輸入?yún)?shù)，且相當(dāng)一部分地表、植被特征參數(shù)很難從常規(guī)資料中獲取，應(yīng)用星載被動(dòng)微波輻射計(jì)資料可以在更大空間和時(shí)間尺度范圍內(nèi)直接反演地表發(fā)射率。從目前常用的幾種被動(dòng)微波遙感反演方法(包括經(jīng)驗(yàn)統(tǒng)計(jì)方法、輻射傳輸方程方法、指數(shù)分析方法、神經(jīng)網(wǎng)絡(luò)方法、一維變分方法等等)回顧了微波地表發(fā)射率反演的國(guó)內(nèi)外研究進(jìn)展及其研究中存在的問(wèn)題，并對(duì)這些方法的優(yōu)、缺點(diǎn)進(jìn)行了評(píng)價(jià)。最后指出，今后應(yīng)開(kāi)發(fā)識(shí)別和訂正直接影響衛(wèi)星觀測(cè)值的無(wú)線電頻率干擾(RFI)算法，改善云、雨檢測(cè)算法，并且加強(qiáng)微波波段大氣輻射傳輸?shù)冗^(guò)程的機(jī)理研究。

被動(dòng)微波遙感;地表發(fā)射率;反演方法

0 引言

地表發(fā)射率定義為在相同溫度下地表發(fā)出的熱輻射與黑體輻射能量之比，反映了地表的熱輻射能力。微波地表發(fā)射率是表征地表特性的重要參數(shù)，不僅是實(shí)現(xiàn)微波輻射資料直接同化的重要參數(shù)，也是衛(wèi)星微波反演地表、大氣參數(shù)的重要條件［1－2］。由于地表發(fā)射率的不確定性，衛(wèi)星資料所包含的大氣溫、濕信息難以更好地提取并應(yīng)用于數(shù)值天氣預(yù)報(bào)。對(duì)于陸地表面，只能在有限的地表?xiàng)l件下導(dǎo)出微波發(fā)射率模型［3］。對(duì)于發(fā)射率模型不夠準(zhǔn)確的地表，可以根據(jù)衛(wèi)星資料直接估算。衛(wèi)星遙感最突出的優(yōu)勢(shì)在于，能夠提供大范圍且空間上連續(xù)的地表和大氣信息。國(guó)內(nèi)外很多學(xué)者對(duì)地表發(fā)射率的微波反演做了大量研究，提出了一系列反演方法。提高地表發(fā)射率微波反演的精度，對(duì)確定地表參數(shù)(如土壤水分［4－10］、植被含水量［11］、地表溫度［12－19］和冰雪覆蓋等［20－23］)、完善陸面同化過(guò)程及云和降水的微波反演等方面都具有非常重要的意義。

本文回顧了目前應(yīng)用被動(dòng)微波遙感反演地表發(fā)射率的研究進(jìn)程，綜合概括了微波地表發(fā)射率反演方法取得的成果，對(duì)已有研究中存在的問(wèn)題進(jìn)行了分析和討論，并對(duì)反演研究的進(jìn)一步發(fā)展進(jìn)行了展望。

1 地表發(fā)射率的微波遙感反演方法

隨著星載被動(dòng)微波遙感儀器從SMMR，SSM/I，SSM/T，MSU，AMSU發(fā)展到 TMI和 AMSR －E，陸面地表發(fā)射率的微波反演算法也在不斷改進(jìn)。微波地表發(fā)射率反演算法總體可以歸納為:經(jīng)驗(yàn)統(tǒng)計(jì)方法、輻射傳輸方程方法、指數(shù)分析方法、神經(jīng)網(wǎng)絡(luò)方法和一維變分方法等5種。

1.1 經(jīng)驗(yàn)統(tǒng)計(jì)方法

經(jīng)驗(yàn)統(tǒng)計(jì)方法是基于地表發(fā)射率和衛(wèi)星觀測(cè)亮溫之間的強(qiáng)相關(guān)性，通過(guò)統(tǒng)計(jì)方法來(lái)建立衛(wèi)星觀測(cè)亮溫與對(duì)應(yīng)像元地表發(fā)射率之間的經(jīng)驗(yàn)方程，并將該方程應(yīng)用于整個(gè)研究區(qū)域，從而推算出地表發(fā)射率。簡(jiǎn)單的經(jīng)驗(yàn)統(tǒng)計(jì)方法是將衛(wèi)星觀測(cè)亮溫作為影響地表發(fā)射率的唯一因子，直接建立地表發(fā)射率與衛(wèi)星觀測(cè)亮溫之間的回歸方程。

Grody針對(duì)MSU氧氣吸收帶上相關(guān)通道的探測(cè)資料，提出了適用于 50.30，53.74，54.96 和 57.97 GHz通道地表微波發(fā)射率的統(tǒng)計(jì)反演算法［24］，即

式中:ε1為窗區(qū)通道的地表微波發(fā)射率;ai(i=0，1，2)是不同地方的天頂角系數(shù);θ是觀測(cè)點(diǎn)的衛(wèi)星天頂角;TB50和 TB53分別為50.30 GHz和53.74 GHz通道的亮溫。此算法利用低頻通道微波亮溫的組合反演窗區(qū)通道地表微波發(fā)射率，方程中的系數(shù)與觀測(cè)角度有關(guān)。窗區(qū)通道地表的微波發(fā)射率反演結(jié)果基本介于0.8～0.95之間，較低的微波發(fā)射率值往往與像元中降水和云的影響有關(guān)。結(jié)果表明:頻率越低，反演結(jié)果越好。

美國(guó)NOAA國(guó)家環(huán)境衛(wèi)星信息服務(wù)中心(NESDIS)發(fā)布的全球AMSU－A地表微波發(fā)射率業(yè)務(wù)產(chǎn)品是通過(guò)AMSU－A通道1，2和3微波亮溫的多項(xiàng)式組合統(tǒng)計(jì)反演得到通道3的地表微波發(fā)射率。統(tǒng)計(jì)反演方程［25］為

式中:ε2為AMSU－A通道3的地表微波發(fā)射率;bi為回歸系數(shù)，i=0，1，… ，6;TBm為 m 通道的亮溫，m 代表通道序號(hào)，m=1，2，3。

1.2 輻射傳輸方程方法

除了以衛(wèi)星觀測(cè)亮溫作為唯一自變量的簡(jiǎn)單經(jīng)驗(yàn)方程之外，根據(jù)輻射傳輸方程用衛(wèi)星資料反演地表發(fā)射率的方法也被廣泛采用。由于陸面上云和降水大氣的復(fù)雜多變性，一般選擇無(wú)云晴空條件計(jì)算地表微波發(fā)射率。

早期SMMR窗區(qū)低頻率通道上晴空大氣透過(guò)率約為0.88，Wilke和 McFarland忽略云的影響，近似認(rèn)為大氣透過(guò)率等于1，得出最為直接和簡(jiǎn)單的地表發(fā)射率計(jì)算方法，即直接用微波亮溫比地表溫度就可得到地表發(fā)射率［26］，即

式中:ε3，P為P(水平或垂直)極化時(shí)的地表發(fā)射率;TBP為P(水平或垂直)極化時(shí)的衛(wèi)星觀測(cè)亮溫;Ts為地表溫度。

Pan等［27］在利用SSM/I亮溫?cái)?shù)據(jù)反演中國(guó)區(qū)域的地表微波發(fā)射率過(guò)程中也采用了這種方法，忽略了大氣影響，認(rèn)為SSM/I低頻信號(hào)代表了地表信息，指出微波發(fā)射率跟地表類型密切相關(guān)。毛克彪等［17］認(rèn)為微波受云和大氣影響較小，針對(duì)AMSR－E微波資料，也采用這種方法計(jì)算了陸面微波發(fā)射率。

然而，對(duì)于高頻(如85.5 GHz)，即使在晴空條件下，較強(qiáng)的水汽吸收也使得該頻率處的大氣透過(guò)率小于1，因而該方法不能很好地估計(jì)較高頻率的微波發(fā)射率。所以，考慮到大氣衰減，需要進(jìn)行大氣校正，以減小大氣對(duì)地表微波發(fā)射率反演精度的影響。

在沒(méi)有云和降水的條件下，對(duì)于平行平面非散射大氣，使用Rayleigh－Jeans近似，根據(jù)輻射傳輸方程，用衛(wèi)星亮溫值TBP導(dǎo)出的發(fā)射率為

其中，

式中:ε4，P為P(水平或垂直)極化時(shí)的地表發(fā)射率;Tu和Td分別為向上和向下的大氣輻射;Γ為大氣透過(guò)率;Ts為地表溫度;C為宇宙背景輻射溫度(約2.7 K); μ=cos θ，θ是觀測(cè)點(diǎn)的衛(wèi)星天頂角; τ(z0，z1)為從z0高度到z1高度的大氣光學(xué)厚度;τ(z，h)為從z高度到h高度的大氣光學(xué)厚度;T(z)為z高度的大氣溫度;α(z)為z高度的大氣吸收影響因子。式(4)迄今已廣泛應(yīng)用于微波反演地表發(fā)射率［25，28－40］。

此算法被Felde和Pickle［28］應(yīng)用到由SSM/T－2的91 GHz和150 GHz數(shù)據(jù)直接反演大氣濕度廓線的研究中，但其用近地面氣溫代替地表溫度做近似處理。Jones和 Vonder Haar［29］在利用 SSM/I資料反演陸地上空云中液態(tài)水含量時(shí)，從GOES衛(wèi)星的紅外和可見(jiàn)光數(shù)據(jù)獲取有云/無(wú)云閾值進(jìn)行云檢測(cè)，晴空區(qū)利用實(shí)際探空資料對(duì)紅外和微波通道進(jìn)行大氣修正，同時(shí)利用紅外通道的遙感信息確定地表溫度，并進(jìn)一步借助微波輻射傳輸模式反演美國(guó)中部地區(qū)的發(fā)射率。Prigent等［30］1997年利用SSM/I資料并結(jié)合幾乎同步的國(guó)際衛(wèi)星云氣候?qū)W項(xiàng)目(international satellite cloud climatology project，ISCCP) 資料提供的晴空數(shù)據(jù)和地表溫度，去除了大氣、云、雨水等影響，以及結(jié)合TIROS業(yè)務(wù)垂直探測(cè)器(TIROS operational vertical sounder，TOVS)反演的大氣溫、濕廓線，計(jì)算了歐洲大部分地區(qū)的地表微波發(fā)射率，并且分析了在不同地表?xiàng)l件下的變化特征。Prigent等［31］2006年又利用SSM/I數(shù)據(jù)建立了10 a的全球發(fā)射率數(shù)據(jù)庫(kù)，分析了月平均發(fā)射率及極化差的變動(dòng)，以及發(fā)射率對(duì)植被、土壤水分、水體、積雪的敏感性。Ruston和 Vonder Haar［32］利用 SSM/I 資料反演了美國(guó)夏季地表微波發(fā)射率，分析了地表溫度(LST)是發(fā)射率估計(jì)中的主要誤差因子。

Hong等［33］在淮河流域能量和水循環(huán)實(shí)驗(yàn)(HUBEX)中，也利用此方法計(jì)算了壽縣地區(qū)的TRMM/TMI微波頻率的地表發(fā)射率，發(fā)現(xiàn)地表微波發(fā)射率隨地表狀況的變化存在敏感性，且變化是合理的。此項(xiàng)工作中，設(shè)定地表溫度等于地表空氣溫度，并且僅計(jì)算了壽縣的地表發(fā)射率，而在HUBEX區(qū)域上的地表發(fā)射率的計(jì)算需要更多觀測(cè)資料。何文英和陳洪濱［34］利用 TRMM衛(wèi)星上同步掃描的VIRS與TMI資料，采用微波輻射傳輸模式反演了中國(guó)江淮、黃淮地區(qū)地表發(fā)射率，然后結(jié)合MODIS提供的地表類型數(shù)據(jù)，分析了江淮、黃淮地區(qū)不同地表微波比輻射率的時(shí)空變化特征。

Karbou等［35］利用AMSU數(shù)據(jù)計(jì)算了地表發(fā)射率，分析了沙漠、草地、森林等不同地表類型在不同觀測(cè)角和頻率下的表現(xiàn)。初步結(jié)果表明，利用可靠的地表發(fā)射率數(shù)據(jù)有助于獲得更精確的大氣反演參數(shù)。Qiu等［36］利用AMSR－E的亮溫?cái)?shù)據(jù)，MODIS地表溫度數(shù)據(jù)及溫、濕廓線數(shù)據(jù)計(jì)算了2006年8月12～25日晴空條件下的全球瞬時(shí)微波發(fā)射率，與Fatima Karbou同期的計(jì)算數(shù)據(jù)比較，發(fā)現(xiàn)兩者比較吻合，且能提供更詳細(xì)的信息。張勇攀等［37］基于 Qiu［36］算法，考察了2003年6～8，12月及2004年1～2月冬、夏季節(jié)的AMSR－E在晴空條件下微波發(fā)射率隨頻率和時(shí)間變化的規(guī)律，結(jié)合IGBP(international geosphere－biosphere program)分類標(biāo)準(zhǔn)及覆蓋度數(shù)據(jù)，分析了不同地表類型的發(fā)射率特征及其在不同波段、不同極化條件下隨季節(jié)變化的規(guī)律。Norouzi等［38］用AMSR－E被動(dòng)微波數(shù)據(jù)建立了全球地表發(fā)射率產(chǎn)品，研究被動(dòng)微波和熱力學(xué)溫度的穿透深度之間的差異對(duì)地表發(fā)射率反演的影響。Bytheway和Kummerow［39］反演了2006年 AMSR－E各個(gè)通道(除了6.925 GHz)的全球地表發(fā)射率，比較Jones和Vonder Haar［40］用 SSM/I資料反演的結(jié)果，發(fā)現(xiàn)有很好的一致性，并且確定了不同微波窗區(qū)頻率的發(fā)射率的協(xié)方差，并用這協(xié)方差來(lái)估算可能會(huì)引起降雨的觀測(cè)亮溫。

1.3 指數(shù)分析方法

如果已知大氣溫、濕狀況和地表溫度，利用輻射傳輸方程可以計(jì)算得到地表微波發(fā)射率。但一般應(yīng)用時(shí)大氣和地表狀況參數(shù)都是未知的，因此需要嘗試構(gòu)造一個(gè)對(duì)地表微波發(fā)射率敏感，而對(duì)地表溫度和大氣參數(shù)不敏感或相對(duì)不敏感的參數(shù)，建立這樣的參數(shù)與地表微波發(fā)射率之間的統(tǒng)計(jì)關(guān)系。

利用被動(dòng)微波遙感資料提取地表特征，針對(duì)不同的應(yīng)用目的，定義多種形式的特征指數(shù)，如:土壤濕度指數(shù)(soil wetness index，SWI)是高、低頻亮溫的組合，可以減弱大氣的影響;極化比(polarization ratio，PR)能抑制地表溫度的影響;微波植被指數(shù)(microwave vegetation index，MVI)對(duì)地表植被覆蓋有類似于歸一化植被指數(shù)(NDVI)的響應(yīng)。

Morland等［41］利用衛(wèi)星可見(jiàn)光波段遙感觀測(cè)得到的NDVI和地表濕度指數(shù)等信息來(lái)估算非洲薩赫勒(African Sahel)半干旱地區(qū)的地表微波發(fā)射率，即

式中:ε5是地表發(fā)射率;a，b和c是經(jīng)驗(yàn)系數(shù);N代表NDVI。結(jié)果顯示:在干潔大氣條件下，反演結(jié)果與地面觀測(cè)結(jié)果之間有很好的一致性;在前期沒(méi)有降水、大氣較干燥的情況下，|反演誤差|＜0.02;但當(dāng)大氣比較濕潤(rùn)，前期有降水事件發(fā)生時(shí)，反演結(jié)果與地面觀測(cè)結(jié)果的一致性就稍差。

潘廣東等［42］利用SSM/I多通道、多時(shí)相亮溫?cái)?shù)據(jù)開(kāi)展了中國(guó)陸地覆蓋特征的季節(jié)變化研究，提出了歸一化極化指數(shù)(NDPI)的概念。由于低頻數(shù)據(jù)對(duì)地表水分、植被反映較好，特別計(jì)算了SSM/I在19 GHz的NDPI，分析了中國(guó)陸地區(qū)域不同地表覆蓋微波輻射的季節(jié)變化特征。研究結(jié)果表明，不同的陸地覆蓋類型有其特征的NDPI值，NDPI隨季節(jié)而變化，植被、水分是引起NDPI變化的主要因子。

谷松巖等［43］用AMSU－A資料微波反演了中國(guó)陸地區(qū)域地表發(fā)射率，通過(guò)輻射傳輸正演模擬，提出了AMSU－A窗區(qū)通道微波反演地表發(fā)射率的指數(shù)分析方法，即對(duì)地表溫度有一定抑制作用的通道2和通道3亮溫歸一化組合形式的指數(shù)AI(AMSU－A brightness temperature index)，計(jì)算公式為

式中TB2和TB3分別為AMSU－A通道2和通道3的亮溫。以AI=0.3為分界點(diǎn)，分別建立AI與AMSU－A通道3微波地表發(fā)射率間的線性統(tǒng)計(jì)關(guān)系，得到根據(jù)AI統(tǒng)計(jì)計(jì)算AMSU－A通道3的地表微波發(fā)射率ε6的公式為

AI在有效抑制地表溫度影響的同時(shí)，提高了與地表微波發(fā)射率的相關(guān)性，進(jìn)而利用模擬數(shù)據(jù)對(duì)比了指數(shù)分析方法和以往通道亮溫組合方法。結(jié)果表明，對(duì)于地表比較干燥的地區(qū)，指數(shù)分析的反演結(jié)果略優(yōu)于通道亮溫組合的反演結(jié)果。

1.4 神經(jīng)網(wǎng)絡(luò)方法

神經(jīng)網(wǎng)絡(luò)方法是利用大量相互聯(lián)系的神經(jīng)元來(lái)逼近任意復(fù)雜的非線性關(guān)系，不需要已知地表發(fā)射率與地表溫度、亮度溫度、地表特性等因素的相互作用機(jī)理，只通過(guò)訓(xùn)練數(shù)據(jù)直接建立地表發(fā)射率和輸入?yún)?shù)之間的關(guān)系。

Aires等［44］用第一次猜測(cè)發(fā)展了神經(jīng)網(wǎng)絡(luò)反演法，利用SSM/I觀測(cè)資料反演了陸面19 GHz至85 GHz的地表溫度、水汽含量、云中液態(tài)水路徑和地表微波發(fā)射率。其反演精度對(duì)于全球范圍內(nèi)所有通道的地表發(fā)射率在晴空(或有云)條件下，均方根誤差分別小于0.008(或0.010)，較準(zhǔn)確地反演了植被和干旱地區(qū)之間的梯度，以及像亞馬遜或剛果河的具體水文結(jié)構(gòu)。Aires等同時(shí)反演了白天的陸面地表發(fā)射率，取得了均方根誤差較低的好結(jié)果。這種可能性已使得分析土壤濕度或露水沉積對(duì)后降雨事件的影響成為一個(gè)有意義的研究課題。

1.5 一維變分方法

變分法，通常就是尋找一個(gè)大氣狀態(tài)，使得所定義的代價(jià)函數(shù)(cost function)J(x)［45－46］達(dá)到極小值。Lorenc［47－48］在貝葉斯原理基礎(chǔ)上，假定觀測(cè)場(chǎng)與背景場(chǎng)誤差均服從高斯誤差分布，然后通過(guò)對(duì)代價(jià)函數(shù)的最小化，得到最小誤差的分析場(chǎng)。

這個(gè)代價(jià)函數(shù)J(x)一般可以寫成

式中:x是要被反演的長(zhǎng)度為N的狀態(tài)向量;x0表示背景場(chǎng)向量;向量y0是長(zhǎng)度為M的觀測(cè)值;B是階數(shù)為N×N的背景場(chǎng)誤差協(xié)方差矩陣，N是分析場(chǎng)的自由度數(shù)目;O是階數(shù)為M×M的觀測(cè)場(chǎng)誤差協(xié)方差矩陣，M是觀測(cè)數(shù)目;H為前向算子，代表模式空間向觀測(cè)空間的一種映射。當(dāng)y0與x為相同類型的物理變量時(shí)，前向算子可簡(jiǎn)化為一個(gè)簡(jiǎn)單的插值算子，否則認(rèn)為y0和x具有不同的物理屬性，這時(shí)觀測(cè)量為分析變量的一些泛函信息;算子H為模式空間向觀測(cè)空間的具有某種復(fù)雜結(jié)構(gòu)的映射算子，如對(duì)衛(wèi)星反演發(fā)射率來(lái)說(shuō)，解這個(gè)方程的前提就是有一個(gè)正向模式，即為輻射傳輸模式，并且可以毫無(wú)偏差地模擬輻射，在矩陣 O中的統(tǒng)計(jì)結(jié)果較好。

代價(jià)函數(shù)J(x)的最小化是對(duì)x求導(dǎo)后為零得到，這個(gè)最小值也是變分反演的偏差。

Ruston等［49］用一維變分法反演了AMSU－A/B以及高分辨率紅外輻射探測(cè)儀的地表發(fā)射率。其算法同時(shí)提供了紅外和微波發(fā)射率的反演，且加大了發(fā)射率和地表溫度信號(hào)的分離。對(duì)地表敏感的通道，其發(fā)射率的初步估計(jì)是由物理和經(jīng)驗(yàn)微波發(fā)射率模型相結(jié)合而獲得。結(jié)果表明:在紅外波段，對(duì)無(wú)雪、有植被覆蓋的地表發(fā)射率初步估計(jì)≤1%;在微波波段，對(duì)所有無(wú)雪區(qū)域的發(fā)射率初步估計(jì)≤4%，絕大多數(shù)≤2%。有雪覆蓋和海冰區(qū)的發(fā)射率仍需要進(jìn)一步研究。

2 評(píng)價(jià)

在地表微波發(fā)射率的反演工作中，現(xiàn)有的經(jīng)驗(yàn)統(tǒng)計(jì)方法、輻射傳輸方程方法、指數(shù)分析方法、神經(jīng)網(wǎng)絡(luò)方法及一維變分方法都得到了普遍認(rèn)可和應(yīng)用，各有其長(zhǎng)處和局限性。

經(jīng)驗(yàn)統(tǒng)計(jì)方法是估算地表微波發(fā)射率的一種最為簡(jiǎn)捷的方法，一般來(lái)說(shuō)，采用回歸分析法進(jìn)行二次或三次多項(xiàng)式的擬合。結(jié)果與輸入?yún)?shù)需要有較好的相關(guān)性，通常不涉及機(jī)理過(guò)程，對(duì)參數(shù)要求較少，算法簡(jiǎn)單、計(jì)算速度快，可得到較穩(wěn)定的結(jié)果;但推導(dǎo)出的關(guān)系僅僅對(duì)具有確定關(guān)系式時(shí)所采用的數(shù)據(jù)及統(tǒng)計(jì)性質(zhì)相同的統(tǒng)計(jì)數(shù)據(jù)才有效，對(duì)極端情況的反演能力較差，且不能有效地處理非線性問(wèn)題。此外，回歸方程不具備明確的物理意義，受到地域和季節(jié)變化的影響，只適用于特定區(qū)域，普適性較差。

輻射傳輸方程法以輻射傳輸理論為基礎(chǔ)，物理意義明確。其解決問(wèn)題的過(guò)程明確，有利于解釋地表發(fā)射率計(jì)算的內(nèi)在機(jī)理，但是物理過(guò)程復(fù)雜，所需參數(shù)過(guò)多，而且有些參數(shù)(如地表溫度、大氣廓線等)在某些區(qū)域無(wú)法通過(guò)常規(guī)方法獲得，只能依賴同化等手段獲取，并且計(jì)算量大，耗時(shí)較多。

指數(shù)分析方法只需要由被動(dòng)微波遙感資料提取地表特征，針對(duì)不同的應(yīng)用目的定義相應(yīng)的特征指數(shù)就可以估算地表發(fā)射率，不需要大氣和地表狀況參數(shù)，對(duì)輸入?yún)?shù)要求較小。但不同特征指數(shù)的適用范圍受到限制，如飽和歸一化植被指數(shù)的選取大多依賴經(jīng)驗(yàn)，易受個(gè)人主觀影響;歸一化極化指數(shù)主要隨地物類型變化，影響因素較多，主要包括含水量、地表類型、地表粗糙度、溫度及大氣;AI指數(shù)分析法不適用于凍土、積雪、沙漠和水體等區(qū)域。

神經(jīng)網(wǎng)絡(luò)方法具有分布并行處理、非線性映射、自適應(yīng)學(xué)習(xí)和容錯(cuò)等特性。其最大優(yōu)點(diǎn)是理論上它可以逼近任意復(fù)雜的非線形關(guān)系，不需要專門設(shè)計(jì)特別復(fù)雜的反演算法，并且不依賴于物理正向模型，因而可以省去許多直接分析物理模型的工作;但其解決問(wèn)題的過(guò)程不明確，不利于解釋地表發(fā)射率估算的內(nèi)在機(jī)理。利用神經(jīng)網(wǎng)絡(luò)反演時(shí)，其存在的主要問(wèn)題是采樣數(shù)據(jù)點(diǎn)少，這大大限制了訓(xùn)練樣本的選擇。在反演過(guò)程中，第一次猜測(cè)提供了發(fā)射率頻譜關(guān)系，然而，如果沒(méi)有對(duì)第一次猜測(cè)的估計(jì)，神經(jīng)網(wǎng)絡(luò)技術(shù)的效果就不會(huì)太好。

一維變分方法可以有效降低模式預(yù)報(bào)場(chǎng)的均方根誤差，在正向模式足夠線性時(shí)，同化衛(wèi)星反演數(shù)據(jù)就可得到很好的效果，且方法簡(jiǎn)單，計(jì)算量小。但其反演的前提是需要有完善的正向模式，且這個(gè)正向模式在觀測(cè)場(chǎng)誤差協(xié)方差矩陣中統(tǒng)計(jì)效果較好。

3 結(jié)語(yǔ)與展望

本文對(duì)被動(dòng)微波遙感反演地表發(fā)射率的研究進(jìn)行了回顧和總結(jié)。當(dāng)前，陸面地表發(fā)射率微波反演從理論研究到應(yīng)用都已取得了相當(dāng)可觀的成果。各種反演方法均有其所長(zhǎng)，但也有各自的局限性。為了提高地表發(fā)射率的微波反演精度和實(shí)用性，筆者認(rèn)為今后應(yīng)該在以下幾個(gè)方面作進(jìn)一步研究:

1)開(kāi)發(fā)識(shí)別和訂正無(wú)線電頻率干擾(RFI)的算法。近年來(lái)，由于無(wú)線電頻譜的科學(xué)和商業(yè)用戶之間的沖突加劇，RFI已成為微波輻射計(jì)的一個(gè)嚴(yán)重問(wèn)題。RFI在某特定頻率能顯著增加亮度溫度并產(chǎn)生負(fù)的頻譜梯度，直接影響到發(fā)射率的反演精度。如果能正確識(shí)別、剔除或訂正RFI，將會(huì)改善RFI污染使發(fā)射率反演精度顯著降低的狀況。

2)改善云、雨檢測(cè)算法。雨水、云中液態(tài)水和大氣中冰粒子的存在使亮溫發(fā)生很大變化，特別是當(dāng)頻率高于10 GHz時(shí)，會(huì)在很大程度上影響微波地表發(fā)射率的估算精度。為了使衛(wèi)星測(cè)量值反演的地表發(fā)射率更準(zhǔn)確，需要檢測(cè)被大雨和冰粒子的散射效應(yīng)改變的衛(wèi)星觀測(cè)值。如何更好地去除云、雨的影響是應(yīng)用微波遙感反演地表發(fā)射率首要解決的問(wèn)題之一。

3)加強(qiáng)微波波段大氣輻射傳輸?shù)冗^(guò)程的機(jī)理研究，深入理解地表發(fā)射率與衛(wèi)星觀測(cè)亮溫、衛(wèi)星觀測(cè)天頂角、大氣上行和下行輻射、大氣透過(guò)率、大氣溫－濕廓線、地表植被覆蓋以及地表土壤特性等因素之間的關(guān)聯(lián)性。由于不同的大氣輻射傳輸模式對(duì)輻射傳輸過(guò)程的計(jì)算存在一定差異，可以選取一些具有典型地表特征的區(qū)域進(jìn)行星載、地基相結(jié)合的觀測(cè)試驗(yàn)，驗(yàn)證現(xiàn)有的各種大氣輻射傳輸模式在不同大氣、地表?xiàng)l件下的適用性與準(zhǔn)確性。

［1］Felde G W，Pickle J D.Retrieval of 91 and 150GHz Earth Surface Emissivities［J］.J Geophys Res，1995，100(D10):20855 －20866.

［2］Jun L，Wolf W W，Menzel W P，et al.Global Soundings of the Atmosphere from ATOVS Measurements:The Algorithm and Validation［J］.J Appl Meteor，2000，39(8):1248 －1268.

［3］Weng F Z，Yan B H，Grody N C.A Microwave Land Emissivity Model［J］.J Geophys Res，2001，106(D17):20115 －20123.

［4］Jackson T J.Measuring Surface Soil Moisture Using Passive Microwave Remote Sensing［J］.Hydro Proc，1993，7(2):139 －152.

［5］Jackson T J，Le Vine D M，Swift C T，et al.Large Area Mapping of Soil Moisture Using the ESTAR Passive Microwave Radiometer in Washita’92［J］.Remote Sens Environ，1995，54(1):27 －37.

［6］Jackson T J，Le Vine D M，Hsu A Y，et al.Soil Moisture Mapping at Regional Scales Using Microwave Radiometry:The Southern Great Plains Hydrology Experiment［J］.IEEE Trans Geosci Remote Sens，1999，37(5):2136 －2151.

［7］Njoku E G，Jackson T J，Lakshmi V，et al.Soil Moisture Retrieval from AMSR － E［J］.IEEE Trans Geosci Remote Sens，2003，41(2):215－229.

［8］Pellerin T，Wigneron J P，Calvet J C，et al.Global Soil Moisture Retrieval from a Synthetic L－band Brightness Temperature Data Set［J］.J Geophys Res，2003，108(D12):4364，doi:10.1029/2002JD003086.

［9］Shi J C，Chen K S，Li Q，et al.A Parameterized Surface Reflectivity Model and Estimation of Bare－surface Soil Moisture with L－band Radiometer［J］.IEEE Trans Geosci Remote Sens，2002，40(12):2674－2686.

［10］Wigneron J P，Calvet J C，Pellarin T，et al.Retrieving Near－ surface Soil Moisture from Microwave Radiometric Observations:Current Status and Future Plans［J］.Remote Sens Environ，2003，85(4):489－506.

［11］Calvet J C，Wigneron J P，Mougin E，et al.Plant Water Content and Temperature of the Amazon Forest from Satellite Microwave Radiometry［J］.IEEE Trans Geosci Remote Sens，1994，32(2):397 －408.

［12］Dash P，G?ttsche F M，Olesen F S，et al.Land Surface Temperature and Emissivity Estimation from Passive Sensor Data:Theory and Practice － current Trends［J］.Inter J Remote Sens，2002，23(13):2563－2594.

［13］Fily M，Royer A，Go?ta K，et al.A Simple Retrieval Method for Land Surface Temperature and Fraction of Water Surface Determination from Satellite Microwave Brightness Temperatures in Subarctic Areas［J］.Remote Sens Environ，2003，85:328 － 338.

［14］Prigent C，Aires F，Rossow W B.Land Surface Skin Temperatures from a Combined Analysis of Microwave and Infrared Satellite Observations for an All－ weather Evaluation of the Differences Between Air And Skin Temperatures［J］.J Geophys Res，2003，108(D10):4310，doi:10.1029/2002JD002301.

［15］Pulliainen J T，Grandell J，Hallikainen M T.Retrieval of Surface Temperature in Boreal Forest Zone from SSM/I Data［J］.IEEE Trans Geosci Remote Sens，1997，35(5):1188 －1200.

［16］Weng F Z，Grody N C.Physical Retrieval of Land Surface Temper－ature Using the Special Sensor Microwave Imager［J］.J Geophys Res，1998，103(D8):8839 －8848.

［17］毛克彪，施建成，李召良，等.用被動(dòng)微波AMSR數(shù)據(jù)反演地表溫度及發(fā)射率的方法研究［J］.國(guó)土資源遙感，2005(3):14－18.Mao K B，Shi J C，Li Z L，et al.The Land Surface Temperature and Emissivity Retrieved from the AMSR Passive Microwave Data［J］.Remote Sensing for Land and Resources，2005(3):14 － 18(in Chinese with English Abstract).

［18］毛克彪，施建成，李召良，等.一個(gè)針對(duì)被動(dòng)微波AMSR－E數(shù)據(jù)反演地表溫度的物理統(tǒng)計(jì)算法［J］.中國(guó)科學(xué)D輯:地球科學(xué)，2006，36(12):1170 －1176.Mao K B，Shi J C，Li Z L，et al.A Physical Statistic Algorithm for the Land Surface Temperature from the AMSR － E Passive Microwave Data［J］.Science in China(Series D:Earth Sciences)，2006，36(12):1170－1176(in Chinese with English Abstract).

［19］宮曉蕙，金亞秋.“嫦娥一號(hào)”微波輻射計(jì)觀測(cè)月球虹灣地區(qū)表面物理溫度晝夜時(shí)間分布［J］.科學(xué)通報(bào)，2011，56(23):1877－1886.Gong X H，Jin Y Q.Diurnal Distribution of the Physical Temperature at Sinus Iridum Area Retrieved from Observations of CE －1 Microwave Radiometer［J］.Chinese Sci Bull，2011，56(23):1877 －1886(in Chinese with English Abstract).

［20］Hewison T J，English S J.Airborne Retrievals of Snow and Ice Surface Emissivity at Millimeter Wavelengths［J］.IEEE Trans Geosci Remote Sens，1999，37(4):1871 －1879.

［21］Kelly G，Bauer P.The Use of AMSU － A Surface Channels to Obtain Surface Emissivity over Land，Snow and Ice for Numerical Weather Prediction［C］//Proc 11th Internation TOVS Study Conference.Budapest，Hungary，2000:167 －179.

［22］Kelly R E，Chang A T，Tsang L，et al.A Prototype AMSR － E Global Snow Area and Snow Depth Algorithm［J］.IEEE Trans Geosci Remote Sens，2003，41(2):230 －242.

［23］車 濤，李 新，晉 銳.利用被動(dòng)微波遙感低頻亮溫?cái)?shù)據(jù)監(jiān)測(cè)青海湖封凍與解凍期［J］.科學(xué)通報(bào)，2009，54(6):787 －791.Che T，Li X，Jin R.Monitoring the Frozen Duration of Qinghai Lake Using Satellite Passive Microwave Remote Sensing Low Frequency Data［J］.Chinese Sci Bull，2009，54(6):787 － 791(in Chinese with English Abstract).

［24］Grody N C.Severe Storm Observations Using the Microwave Sounding Unit［J］.J Climate App Meteor，1983，22(2):609 －625.

［25］(NOAA)Satellite－earth Observing Laboratory，Digital Earth Emissivity Information System(DEEIS)［EB/OL］.http://www.eol.ucar.edu/projects/gapp/dm/satellite/noaa_list.html.

［26］Wilke G D，McFarland M J.Correlations Between Nimbus－ 7 Scanning Multichannel Microwave Radiometer Data and an Antecedent Precipitation Index［J］.J Climate App Meteor，1986，25(2):227－238.

［27］Pan G D，Wang C，Wang H M，et al.Microwave Emissivity Retrieval from SSM/I Data over Land in China［C］//Proceedings of IEEE International Geoscience and Remote Sensing Symposium.Honolulu，HI:IEEE，2000:923 － 925.doi:10.1109/IGARSS.2000.861745.

［28］Felde G W，Pickle J D.Retrieval of 91 and 150 GHz Earth Surface Emissivities［J］.J Geophys Res，1995，100(D10):20855 －20866.

［29］Jones A S，Vonder T H.Passive Microwave Remote Sensing of Cloud Liquid Water over Land Regions［J］.J Geophys Res，1990，95(D10):16673－16683.

［30］Prigent C，Rossow W B，Matthews E.Microwave Land Surface Emissivities Estimated from SSM/I Observations［J］.J Geophys Res，1997，102(D18):21867 －21890.

［31］Prigent C，Aires F，Rossow W B.Land Surface Microwave Emissivities over the Globe for a Decade［J］.Bull Am Meteor Soc，2006，87(11):1573－1584.

［32］Ruston B C，Vonder Haar T H.Characterization of Summertime Microwave Emissivities from the Special Sensor Microwave Imager over the Conterminous United States［J］.J Geophys Res，2004，109D19103.doi:10.1029/2004JD004890.

［33］Hong G，Heygester G，Qunzi K，et al.Retrieval of Microwave Surface Emissivities at TMI Frequencies in Shouxian［J］.Adv Atmos Sci，2003，20(2):253 －259.

［34］何文英，陳洪濱.中國(guó)江淮、黃淮地區(qū)陸面微波比輻射率的變化特征［J］.遙感技術(shù)與應(yīng)用，2009，24(3):297 －303.He W Y，Cheng H B.The Characteristics of Microwave Emissivity over Land of Chinese Jianghuai－ Huanghuai Region［J］.Remote Sensing Technology and Application，2009，24(3):297 － 303(in Chinese with English Abstract).

［35］Karbou F，Prigent C，Eymard L，et al.Microwave Land Emissivity Calculations Using AMSU Measurements［J］.IEEE Trans Geosci Remote Sens，2005，43(5):948 －959.

［36］Qiu Y B，Shi J C，Hallikainen M T，et al.The AMSR － E Instantaneous Emissivity Estimation and Its Correlation，F(xiàn)requency Dependency Analysis over Different Land Covers［C］//Proceedings of IEEE International Geoscience and Remote Sensing Symposium.Boston，MA:IEEE，2008:749 － 752.doi:10.1109/IGARSS.2008.4779102.

［37］張勇攀，蔣玲梅，邱玉寶，等.不同地物類型微波發(fā)射率特征分析［J］.光譜學(xué)與光譜分析，2010，30(6):1446 －1451.Zhang Y P，Jiang L M，Qiu Y B，et al.Study of the Microwave Emissivity Characteristics over Different Land Cover Types［J］.Spectroscopy and Spectral Analysis，2010，30(6):1446 －1451(in Chinese with English Abstract).

［38］Norouzi H，Temimi M，Khanbilvardi R.Global Microwave Land Surface Emissivity Retrieval at the AMSR －E Microwave Frequencies［C］//Proceedings of the 11th Specialist Meeting on Microwave Radiometry and Remote Sensing of the Environment(Micro－Rad).Washington，DC:IEEE，2010:90 － 95.doi:10.1109/MICRORAD.2010.5559582.

［39］Bytheway J L，Kummerow C D.A Physically Based Screen for Precipitation over Complex Surfaces Using Passive Microwave Observations［J］.IEEE Trans Geosci Remote Sens，2010，48(1):299 －313.

［40］Jones A S，Vonder Haar T H.Retrieval of Microwave Surface Emittance over Land Using Coincident Microwave and Infrared Satellite Measurements［J］.J Geophys Res，1997，102(D12):13609 －13626.

［41］Morland J C，Grimes D I F，Hewison T J.Satellite Observations of the Microwave Emissivity of a Semi－ arid Land Surface［J］.Remote Sens Environ，2001，77(2):149 －164.

［42］潘廣東，王 超，張衛(wèi)國(guó)，等.SSM/I微波輻射計(jì)數(shù)據(jù)中國(guó)陸地覆蓋特征季節(jié)變化分析［J］.遙感學(xué)報(bào)，2003，7(6):498 －503.Pan G D，Wang C，Zhang W G，et al.Analysis of Seasonal Change of Land Cover Characteristics with SSM/I Data in China［J］.Journal of Remote Sensing，2003，7(6):498 － 503(in Chinese with English Abstract).

［43］谷松巖，邱 紅，張文建.先進(jìn)微波探測(cè)器資料反演地表微波輻射率試驗(yàn)［J］.電波科學(xué)學(xué)報(bào)，2004，19(4):452 －457.Gu S Y，Qiu H，Zhang W J.Retrieval of Land Surface Microwave Emissivity by Using Satellite － borne AMSU Data［J］.Chinese Journal of Radio Science，2004，19(4):452 －457(in Chinese with English Abstract).

［44］Aires F，Prigent C，Rossow W B，et al.A New Neural Network Approach Including First Guess for Retrieval of Atmospheric Water Vapor，Cloud Liquid Water Path，Surface Temperature，and Emissivities over Land from Satellite Microwave Observations［J］.J Geophys Res，2001，106(D14):14887 －14907.

［45］Daley R，Barker E.NAVDAS Source Book 2001:NRL Atmospheric Variational Data Assimilation System［M］.Washington，DC:Naval Res Lab，2001:NRL/PU/7530 －01 －441.

［46］Eyre J R，Kelly G A，NcNally A P，et al.Assimilation of TOVS Radiance Information Through One－dimensional Variational Analysis［J］.Q J R Meteor Soc，1993，119(514):1427 － 1463.

［47］Lorenc A C.Analysis Methods for Numerical Weather Prediction［J］.Q J R Meteor Soc，1986，112(474):1177 －1194.

［48］Lorenc A C.Optimal Nonlinear Objective Analysis［J］.Q J R Meteor Soc，1988，114(479):205 －240.

［49］Ruston B，Weng F Z，Yan B H.Use of a One－dimensional Variational Retrieval to Diagnose Estimates of Infrared and Microwave Surface Emissivity over Land for ATOVS Sounding Instruments［J］.IEEE Trans Geosci Remote Sens，2008，46(2):393 －402.

Advances in the Study of Land Surface Emissivity Retrieval from Passive Microwave Remote Sensing

WU Ying1，2，WANG Zhen － hui1，2
(1.Key Laboratory of Meteorological Disaster of Ministry of Education，Nanjing University of Information Science and Technology，Nanjing 210044，China;2.School of Atmospheric Physics，Nanjing University of Information Science and Technology，Nanjing 210044，China)

The microwave land surface emissivity(MLSE)is a very important parameter for describing the characteristics of the lands，and it is also a key factor for retrieving the parameters of land and atmosphere.Space－borne passive microwave radiometers provide direct retrieved land surface emissivity spectra with larger temporal and spatial scales compared with physical modeling simulation in that the physical modeling simulation needs plenty of parameters，but quite a few of these parameters，such as parameters of land surface and vegetation，are not available from traditional measurements.This paper systematically reviews MLSE retrieving algorithms for passive microwave remote sensing data，which include statistical approach，atmospheric radiation transfer model approach，index analysis approach，neural network approach and one － dimensionally variational analysis approach.The main advantages and limitations of these five methods are also discussed.Finally，the development tendencies of estimating MLSE by remote sensing are pointed out，such as developing algorithms of Radio Frequency Interference(RFI)detection and correction，improving algorithms of detection of clouds and rainaffected radiances，and intensive research on microwave atmospheric radiation transfer process.

passive microwave remote sensing;land surface emissivity;retrieving approach

TP 79;TP 722.6

A

1001－070X(2012)04－0001－07

2012－02－03;

2012－05－22

國(guó)家自然科學(xué)基金項(xiàng)目(編號(hào):41175035，40975019和40875016)和南京信息工程大學(xué)?？蒲袉?dòng)項(xiàng)目(編號(hào):20100372)共同資助。

10.6046/gtzyyg.2012.04.01

吳 瑩(1980－)，女，講師，博士，主要從事大氣探測(cè)與大氣遙感方面的研究。E－mail:wuying_nuist@163.com。

(責(zé)任編輯:邢 宇)