王博 郭鵬 孟春紅 王琦

摘要 地表溫度是地表與大氣熱量平衡中的關(guān)鍵參數(shù)，在氣候、生態(tài)、水文等研究領(lǐng)域發(fā)揮著重要作用。選取2019年11月—2020年10月風(fēng)云三號D星（FY-3D）微波成像儀亮溫數(shù)據(jù)，對其進(jìn)行數(shù)據(jù)重采樣和異常像元剔除等預(yù)處理，采用UMT（University of Montana land surface retrieval algorithm，蒙大拿大學(xué)地表反演算法）微波反演算法中的物理模型反演中國區(qū)域地表溫度，并利用FY-3D微波成像儀業(yè)務(wù)地表溫度產(chǎn)品以及中國地面國家交換站的166個站點(diǎn)實(shí)測數(shù)據(jù)對反演結(jié)果進(jìn)行了驗證與分析。結(jié)果表明：同F(xiàn)Y-3D微波成像儀業(yè)務(wù)地表溫度產(chǎn)品相比，UMT反演結(jié)果在保證反演精度的同時，反演的數(shù)據(jù)量得到增加;在水陸混合像元地表溫度反演結(jié)果驗證中，UMT反演結(jié)果驗證精度隨像元內(nèi)開放水體比例增大而提高，在[0.1，0.2）開放水體比例區(qū)間，UMT反演結(jié)果均方根誤差與無偏均方根誤差達(dá)到最小值，分別為4.239、4.233 ℃;當(dāng)像元內(nèi)開放水體比例較大時，UMT反演結(jié)果仍能較好地反映站點(diǎn)實(shí)測數(shù)據(jù)的時間序列變化;UMT反演結(jié)果能夠反映中國地區(qū)地表溫度的變化趨勢與分布模式，同時補(bǔ)足了FY-3D微波成像儀業(yè)務(wù)地表溫度產(chǎn)品在有較高開放水體比例像元內(nèi)的數(shù)據(jù)缺失。

關(guān)鍵詞被動微波遙感;地表溫度;FY-3D;UMT算法;開放水體比例

地表溫度（Land Surface Temperature，LST）是定量化描述地表與大氣之間物質(zhì)交換和能量平衡的重要參數(shù)，其值準(zhǔn)確與否直接關(guān)系到地-氣相互作用過程有關(guān)問題研究結(jié)果的正確性（何冬燕等，2013;吳曉娜和孫照渤，2015）。地表溫度同時也是各種地表模型、氣候變化和環(huán)境研究中的重要參數(shù)，在全球氣候、水文等領(lǐng)域具有重要的研究意義（高浩等，2018）。目前地表溫度數(shù)據(jù)的獲取有多種方式，傳統(tǒng)的地面觀測站獲取地表溫度的方式受到氣象站測量不確定性和覆蓋范圍的限制，無法滿足在大尺度方面的時空變化研究;熱紅外遙感地表溫度反演會受到云雨及大氣的不利影響，導(dǎo)致反演精度難以滿足應(yīng)用要求;微波遙感擁有全天時、全天候，穿云透霧等熱紅外遙感無法匹及的優(yōu)點(diǎn)，在地表溫度反演方面發(fā)揮著重要作用（Zeng et al.，2015;王國杰等，2018;李占杰等，2020）。

目前，被動微波遙感求解地表溫度的方法主要包括多通道算法（Njoku et al.，2003）、線性回歸模型（de Jeu and Owe，2003;Holmes et al.，2009）與基于土地覆蓋分類的多通道回歸模型（毛克彪等，2006;武勝利和楊虎，2007）。多通道算法通過多個通道的衛(wèi)星觀測，同時反演得到土壤水分及地表溫度等參數(shù)，但該算法存在計算效率低與多解的問題，極大地限制了其應(yīng)用。線性回歸模型利用37 GHz的垂直極化亮溫與地表溫度之間較好的相關(guān)性，將亮溫數(shù)據(jù)與觀測網(wǎng)實(shí)測值擬合得出亮溫與地表溫度之間的線性關(guān)系，以此來進(jìn)行地表溫度的反演。雖然線性回歸模型在一般情況下能夠獲得較高精度的反演結(jié)果，但是相關(guān)研究也指出，當(dāng)?shù)乇硗寥捞幱谶^度潮濕狀態(tài)或者當(dāng)像元內(nèi)含有較大面積開放水體時，反演誤差會有所增加（Holmes et al.，2009）。基于土地覆蓋分類的多通道回歸模型是FY-3D微波成像儀業(yè)務(wù)地表溫度產(chǎn)品的反演模型（高浩等，2018），該模型用MODIS的地表溫度產(chǎn)品和高級微波掃描輻射計（Advanced Microwave Scanning Radiometer for EOS，AMSR-E）不同通道之間的亮溫進(jìn)行回歸分析，并通過不同極化波段亮溫的差值消除大氣水氣和土壤水分變化對反演的影響，最終構(gòu)建地表溫度與各個亮溫頻率之間的回歸公式，但該模型對水陸混合像元地表溫度的反演精度仍待進(jìn)一步提高。因此，為了提高被動微波遙感地表溫度的反演精度，本文選用蒙大拿大學(xué)地表反演算法（University of Montana land surface retrieval algorithm，UMT）中提出的物理模型求解地表溫度，該算法目前已廣泛應(yīng)用于高級微波掃描輻射計系列亮溫數(shù)據(jù)的反演（Mladenova et al.，2014;Du et al.，2017）。UMT算法中求解地表溫度的主要輸入?yún)?shù)為高級微波掃描輻射計中18.7 GHz和23.8 GHz的雙頻率四極化共四通道的亮溫數(shù)據(jù)，采用迭代求解非線性方程組的方式反演地表溫度。本文將UMT算法應(yīng)用于FY-3D微波成像儀亮溫數(shù)據(jù)，得到中國陸地區(qū)域內(nèi)每日升軌、降軌時刻的地表溫度值并對反演結(jié)果進(jìn)行精度驗證與分析，以此探究UMT算法在FY-3D微波成像儀地表溫度反演方面的適應(yīng)性與精確性。

1 數(shù)據(jù)獲取與預(yù)處理

1.1 FY-3D亮溫數(shù)據(jù)

選用FY-3D微波成像儀（Microwave Radiation Imager，MWRI）2019年11月—2020年10月觀測的L1亮溫（Brightness Temperature）數(shù)據(jù)進(jìn)行地表溫度的反演。FY-3D微波成像儀L1數(shù)據(jù)通過國家衛(wèi)星氣象中心風(fēng)云衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)（http：//data.nsmc.org.cn）下載獲取。風(fēng)云三號氣象衛(wèi)星（FY-3）是我國自行研制的第二代極軌氣象衛(wèi)星，其有效載荷覆蓋了紫外、可見光、紅外、微波等頻段，其目標(biāo)是實(shí)現(xiàn)全球全天候、多光譜、三維定量探測，為數(shù)值天氣預(yù)報提供衛(wèi)星觀測數(shù)據(jù)，以及云和降水參數(shù)的探測，監(jiān)視大范圍的自然災(zāi)害和生態(tài)環(huán)境變化等。FY-3D是風(fēng)云三號系列的第四顆衛(wèi)星，于2017年11月15日發(fā)射升空，其與FY-3C形成共同組網(wǎng)，進(jìn)一步提升了大氣探測的精度，促進(jìn)了我國氣象衛(wèi)星綜合應(yīng)用水平的提升，為促進(jìn)生態(tài)文明建設(shè)、國家綜合防災(zāi)減災(zāi)和“一帶一路”建設(shè)提供重要支撐。星上微波成像儀MWRI是其中一臺重要的微波遙感儀器，在全天空地表溫度遙感中發(fā)揮重要的作用。MWRI包括五個觀測頻率波段（10.65、18.7、23.8、36.5、89 GHz），每個頻率擁有水平（H）與垂直（V）兩種極化形式，共計可接收亮溫的通道為10個。MWRI的相關(guān)參數(shù)如表1所示。

1.2 FY-3D亮溫數(shù)據(jù)預(yù)處理

由于MWRI各波段通道的對地觀測空間分辨率均不相同，需要對亮溫信號數(shù)據(jù)進(jìn)行重采樣處理，將亮溫觀測數(shù)據(jù)均重采樣成具有特定網(wǎng)格分辨率的柵格影像（宋沛林，2019）。依據(jù)FY官方產(chǎn)品選用的25 km等面積多分辨率地球網(wǎng)格模型進(jìn)行亮溫數(shù)據(jù)重采樣，該網(wǎng)格模型已被多套地表參數(shù)數(shù)據(jù)集所采用，具體使用的網(wǎng)格重采樣方法為足跡中心落入法（Drop In The Bucket Method;Brodzik et al.，2012）。

進(jìn)行地表溫度反演前對柵格影像中異常像元進(jìn)行剔除。MWRI L1亮溫數(shù)據(jù)標(biāo)記了每個觀測亮溫像元范圍內(nèi)地表類型，通過標(biāo)記對水域面積的亮溫數(shù)據(jù)進(jìn)行剔除。除剔除掉水域面積外，當(dāng)像元內(nèi)冰雪、凍土或其他特殊地類占比較高時，也認(rèn)為不符合本研究地表溫度反演的要求，并進(jìn)行相應(yīng)剔除。

1.3 FY-3D MWRI 業(yè)務(wù)地表溫度產(chǎn)品

選用2019年11月—2020年10月的FY3D MWRI地表溫度日產(chǎn)品對反演結(jié)果進(jìn)行精度驗證對比，該數(shù)據(jù)從風(fēng)云衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)（http：//data.nsmc.org.cn/）下載獲取。產(chǎn)品包含MWRI各通道亮度溫度日平均投影結(jié)果以及全球地表溫度日平均升軌、降軌投影結(jié)果，主要用于全球氣候變化與環(huán)境變化監(jiān)測等方面。產(chǎn)品的空間分辨率為25 km×25 km，投影采用25 km等面積多分辨率地球網(wǎng)格模型。

1.4 地面自動觀測站數(shù)據(jù)

選用2019年11月—2020年10月中國地面國際交換站氣候資料日值數(shù)據(jù)集（V3.0）中的0 cm地表溫度對反演結(jié)果進(jìn)行精度驗證。該數(shù)據(jù)從中國氣象數(shù)據(jù)網(wǎng)（http：//data.cma.cn/）下載獲取，166個地面自動觀測站點(diǎn)的空間分布如圖1所示。自動站觀測儀器為鉑電阻地面溫度傳感器，其原理為鉑電阻的電阻值會隨溫度升高而增大，數(shù)據(jù)單位為℃，分辨率為0.1，誤差為±0.2。由于觀測站實(shí)測地表溫度值和大尺度的微波遙感地表溫度反演值之間存在空間尺度不匹配問題，因此本研究將某一像元內(nèi)的觀測站實(shí)測值等效于該像元的平均地表溫度值進(jìn)行反演精度驗證。

2 研究方法

2.1 UMT反演算法

UMT算法最早由Jones et al.（2010）針對AMSR-E傳感器提出，后又經(jīng)Du et al.（2015，2016）不斷完善與改進(jìn)。針對AMSR系列輻射計，該算法著重考慮了三個重要參數(shù)對地表溫度反演的影響，即沿著觀測路徑上的總垂直大氣水含量（V）、像元內(nèi)開放水體（河湖、濕地和灌溉或降水后的飽和土壤等）比例（fw）和植被透過率（tc）。算法基本公式如（1）所示：

其中：Tb為輸入亮溫數(shù)據(jù);p、f分別為極化和頻率;Ts表示地表平均有效溫度，即最終需要反演得到的地表溫度值;e（p，f）為地表有效發(fā)射率;δ為大氣溫度與地表溫度比值常數(shù)。

ta（f）表示對應(yīng)頻率的大氣透射率，可有效校正大氣水含量對反演精度的影響，如公式（2）所示：

其中：式中θ表示入射角;Ao為氧氣吸收項常數(shù)，該常數(shù)含量穩(wěn)定且?guī)缀醪浑S環(huán)境條件發(fā)生變化;Av為大氣水氣吸收項，可看作大氣水含量V的線性函數(shù)，即Av=av·V，av為水氣吸收項常數(shù)。

公式（1）中地表有效發(fā)射率e（p，f）由像元中的開放水體發(fā)射率ew（p，f）和陸地表面發(fā)射率el（p，f）所組成，兩項發(fā)射率通過像元開放水體比例fw進(jìn)行連接，如公式（3）所示：

式（3）充分考慮到像元內(nèi)開放水體與陸地表面發(fā)射率的差異以及開放水體比例fw對于亮溫觀測的影響，式中當(dāng)亮溫頻率確定時，開放水體發(fā)射率ew（p，f）可被設(shè)為常數(shù)，陸地表面發(fā)射率el（p，f）還要受到地表植被冠層的削減（式4）：

其中：eos（p，f）為裸露地表發(fā)射率，它是只受頻率與極化方式控制的常數(shù)，tc為微波輻射的植被透過率，ω為植被單次散射反照率，也被設(shè)為常數(shù)。

通過上述描述可知，公式（1—4）可被認(rèn)為是含有四個未知參數(shù)（Ts、V、fw、tc）的多元非線性方程組，方程組中相關(guān)參數(shù)的具體信息詳見（Jones et al.，2010）。結(jié)合著微波大氣水含量指數(shù)（MAWVI）、頻率指數(shù)（FI）和極化比指數(shù)（P）以及18.7 GHz和23.8 GHz的雙頻率四極化共四通道的輸入亮溫數(shù)據(jù)可對方程組的未知參數(shù)進(jìn)行迭代求解。同時注意到由于Ts是各個方程的共有參數(shù)，運(yùn)算時可以首先被抵消，先對其他三個未知參數(shù)進(jìn)行迭代求解，得到三個參數(shù)最后帶入18.7 GHz水平極化的方程下解得最終的地表溫度Ts。

2.2 數(shù)據(jù)精度評估

選用均方根誤差（RMSE）、無偏均方根誤差（RMSE-ub）、相關(guān)系數(shù)（R）和平均偏差（Bias）等精度驗證指標(biāo)（Entekhabi et al.，2010;Cui et al.，2018）對UMT反演結(jié)果進(jìn)行精度驗證與評估，相關(guān)指標(biāo)公式如（5—8）所示：

其中：E<>表示線性平均算子;t為觀測日期;Ts-satellite（t）為在t時間下的算法反演地表溫度;Ts-in-situ（t）為對應(yīng)時間的實(shí)測地表溫度;σsatellite與σin-situ分別表示反演結(jié)果與實(shí)測值之間的標(biāo)準(zhǔn)偏差。

3 結(jié)果驗證與分析

3.1 站點(diǎn)實(shí)測升降軌時刻值與最值相關(guān)性分析

FY-3D衛(wèi)星升、降軌時刻分別為每日的14：00和02：00（北京時，下同），因此本文選用閃電河（115.89°E，42.03°N）2019年1—12月、那曲（91.78°E，31.69°N）以及帕里（89.26°E，27.9°N）地區(qū)2019年1—9月的逐小時實(shí)測數(shù)據(jù)進(jìn)行每日升、降軌時刻與最高、最低值時刻地表溫度間的相關(guān)性分析（圖2）。從圖2可以看出，三處站點(diǎn)每日升、降軌時刻與最高、最低值時刻地表溫度值之間擁有極高的相關(guān)性。閃電河站點(diǎn)的相關(guān)性最高，實(shí)測升、降軌時刻值同最值的相關(guān)系數(shù)分別高達(dá)0.996、0.999。那曲與帕里由于處在青藏高原地帶，日溫差較大，因此相關(guān)性略有降低，但那曲實(shí)測升、降軌時刻值同最值的相關(guān)系數(shù)仍高達(dá)0.992、0.980;帕里實(shí)測升、降軌時刻值同最值的相關(guān)系數(shù)高達(dá)0.992、0.993。因此，下邊分別用對應(yīng)時刻的觀測值和每天的最高最低地表溫度對衛(wèi)星反演值進(jìn)行驗證，看是否能得到一致的結(jié)果。

由于FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品在那曲與帕里點(diǎn)位數(shù)據(jù)缺失，因此本文在那曲與帕里站點(diǎn)僅對UMT反演結(jié)果進(jìn)行分析，若反演值同實(shí)測升降軌值與最值之間存在較高的一致性，即表明可用每日最值代替對應(yīng)時刻觀測值進(jìn)行精度驗證。對那曲與帕里站點(diǎn)的UMT反演結(jié)果同實(shí)測升降軌時刻值、最值進(jìn)行精度對比驗證（表2）。從表2可以看出，UMT反演結(jié)果同實(shí)測最值與實(shí)測升降軌時刻地溫值的精度驗證結(jié)果相近，相關(guān)系數(shù)變化均小于0.05，無偏均方根誤差變化在0.5 ℃以內(nèi)。對閃電河站點(diǎn)的UMT反演結(jié)果與FY-3D MWRI 業(yè)務(wù)地表溫度產(chǎn)品同實(shí)測升降軌時刻值、最值進(jìn)行精度對比驗證（表3）。從表3可以看出，UMT反演結(jié)果與FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品同實(shí)測最高、最低地溫值的精度驗證結(jié)果與實(shí)測升、降軌時刻地溫值的精度驗證結(jié)果極其相近，相關(guān)系數(shù)變化均小于0.01，均方根誤差與無偏均方根誤差變化均在0.2 ℃以內(nèi)，因此采用每日最高和最低觀測值代替對應(yīng)升降軌時刻的觀測值對精度驗證結(jié)果的影響極其有限。因此本文利用每日實(shí)測最高、最低值對兩種衛(wèi)星觀測反演結(jié)果進(jìn)行精度驗證與分析。

3.2 利用氣象站實(shí)測值的總體精度驗證

Jones et al.（2010）的研究表明，AMSR-E升、降軌時刻反演得到的地表溫度分別與一天中地表實(shí)測值的最高、最低值相近。FY-3D衛(wèi)星升、降軌時間同AMSR-E相近，因此本文采用每日實(shí)測的最高、最低地表溫度值對衛(wèi)星反演結(jié)果進(jìn)行驗證。同時由于冬季地面有積雪時，地面觀測站中鉑電阻地面溫度傳感器觀測的地表溫度為雪下溫度，會造成觀測地表溫度值偏高，從而不利于精度驗證。因此，本文中采用大于0 ℃的每日實(shí)測最高、最低地表溫度值分別對UMT算法升、降軌反演結(jié)果、FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品進(jìn)行精度驗證。

總體精度驗證結(jié)果如表4所示，N表示參與驗證的數(shù)據(jù)量。根據(jù)表4中結(jié)果顯示，兩種產(chǎn)品的精度驗證可信度較高，其中降軌數(shù)據(jù)明顯優(yōu)于升軌。升軌數(shù)據(jù)方面，UMT反演結(jié)果與FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品精度驗證結(jié)果較差，原因是FY-3D的升軌過境時間接近當(dāng)?shù)貢r正午，而正午時刻淺層土壤豎直剖面內(nèi)的溫度場并不穩(wěn)定，所以升軌時所觀測的地表亮溫信號的穩(wěn)定性會受影響（Draper et al.，2009）。降軌數(shù)據(jù)上，UMT反演結(jié)果與FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品精度驗證的均方根誤差與無偏均方根誤差均在5 ℃附近，相關(guān)系數(shù)在0.7附近，偏差均小于2，總體上表明反演精度較高。數(shù)據(jù)量方面，F(xiàn)Y-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品由于在高地形以及開放水體比例較高像元內(nèi)存在大量數(shù)據(jù)缺失，參與驗證的數(shù)據(jù)量遠(yuǎn)低于UMT反演結(jié)果。

密度散點(diǎn)分布如圖3所示，圖中黑線為參考線（y=x）。從圖3中可知，UMT反演結(jié)果在升軌上普遍低于實(shí)測值，數(shù)據(jù)點(diǎn)普遍偏向參考線的右下方。實(shí)測值達(dá)到70 ℃左右時，UMT反演結(jié)果只有少數(shù)值能到50 ℃，絕大部分反演值在40 ℃以下，因此導(dǎo)致反演值與實(shí)測值之間存在較大誤差與偏差，數(shù)據(jù)量增加使得誤差不斷累積，最終得出表3中較大的誤差與偏差值;降軌方面數(shù)據(jù)點(diǎn)基本分布在參考線的附近，且數(shù)據(jù)空間分布上相較于升軌更密集，最終驗證精度大幅度優(yōu)于升軌數(shù)據(jù)。FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品升、降軌數(shù)據(jù)分布與UMT反演結(jié)果類似，但其數(shù)據(jù)的離散程度略低于UMT反演結(jié)果?？傮w上，UMT反演結(jié)果與FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品同實(shí)測值之間均有著較好的相關(guān)性。相比FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品，UMT反演結(jié)果在保證了較高的驗證精度的同時，反演得到的數(shù)據(jù)量顯著增加。

3.3 UMT反演結(jié)果與FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品精度對比

MWRI亮溫數(shù)據(jù)標(biāo)記了每個觀測亮溫像元范圍內(nèi)地表類型，但在部分標(biāo)記為陸地地表類型的像元內(nèi)仍會有不同比例的開放水體（河湖、濕地和灌溉或降水后的飽和土壤等）影響反演精度。UMT算法在反演地表溫度時考慮到地表像元內(nèi)開放水體比例fw信息，盡可能地減小了像元內(nèi)水體比例的變動對反演結(jié)果精度的影響，這是UMT算法反演地表溫度的重要改進(jìn)。為了驗證像元開放水體比例大小對地表溫度反演的影響，本文根據(jù)反演得到的開放水體比例值fw的分布情況將所有像元劃分到[0，0.01）、[0.01，0.05）、[0.05，0.1）、[0.1，0.2）四個開放水體比例子區(qū)間內(nèi)。由于升軌時刻淺層土壤豎直剖面內(nèi)溫度場不穩(wěn)定導(dǎo)致反演結(jié)果精度較差，因此本節(jié)采用反演精度較高的每日降軌數(shù)據(jù)進(jìn)行精度驗證。在精度驗證過程中保證UMT反演結(jié)果與FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品參與驗證的數(shù)據(jù)量一致，最終精度驗證結(jié)果如表5所示，表中N為數(shù)據(jù)的樣本量。結(jié)果表明，在所有區(qū)間內(nèi)，UMT反演結(jié)果驗證的均方根誤差與無偏均方根誤差均小于6 ℃，相關(guān)系數(shù)為0.5～0.7。對于UMT反演結(jié)果，當(dāng)fw<0.05時其均方根誤差值與無偏均方根誤差值與FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品相當(dāng)，但隨著fw值的增加，UMT反演結(jié)果的誤差值減小，精度逐漸優(yōu)于FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品，在[0.1，0.2）內(nèi)均方根誤差與無偏均方根誤差達(dá)到最小，分別為4.239、4.233 ℃。偏差方面UMT反演結(jié)果的偏差絕對值均小于1，優(yōu)于FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品，總體上偏差向正方向偏離，這與表4中總體驗證的結(jié)果相符。散點(diǎn)密度對比如圖4所示。圖4中顯示當(dāng)開放水比例區(qū)間范圍值逐漸增大時，UMT反演結(jié)果和實(shí)測值之間仍具有較高程度的穩(wěn)定性，而FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品與實(shí)測值之間的相關(guān)程度逐漸變差，在[0.05，0.1）區(qū)間范圍內(nèi)相關(guān)性最低，為0.508。

UMT算法由于考慮到像元內(nèi)開放水體比例對亮溫觀測的影響，使得地表溫度的反演精度得到提高。一般情況下水體表面的發(fā)射率要明顯低于陸地表面，當(dāng)像元內(nèi)摻雜了大面積的開放水體表面的信號時，傳感器接收到的亮溫信號會明顯低于純陸地表面。線性回歸模型是由37 GHz的垂直極化亮溫和純陸地表面地表溫度實(shí)測值擬合而成，得到的反演公式不適應(yīng)于水面;多通道回歸模型對地表溫度反演公式的構(gòu)建僅限于單一地表類型占90%以上的陸地表面，在含開放水體像元內(nèi)的反演精度仍待進(jìn)一步提高。而UMT算法中考慮到水體表面與陸地表面發(fā)射率的差異以及像元開放水體比例fw對于亮溫觀測的影響（公式3），通過fw將水體發(fā)射率與陸表發(fā)射率相聯(lián)系，得出水陸混合像元的地表有效發(fā)射率，從而有效提高地表溫度的反演精度。

3.4 UMT反演結(jié)果與FY-3D MWRI地表溫度產(chǎn)品時間序列對比分析

從四個開放水體比例區(qū)間內(nèi)分別選擇了一個典型站點(diǎn)（桂林，110.18°E、25.19°N;景德鎮(zhèn)，117.12°E、29.18°N;徐州，117.1°E、34.17°N;南京，118.54°E、31.56°N）作為代表，四個站點(diǎn)海拔均在200 m以下。

將站點(diǎn)對應(yīng)像元的UMT反演結(jié)果與FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品降軌數(shù)據(jù)進(jìn)行時間序列對比分析，結(jié)果如圖5所示。根據(jù)圖5顯示，對于選取的四個像元，UMT反演結(jié)果與FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品時間序列的變化趨勢基本一致。而隨著像元內(nèi)開放水體比例逐漸增大，F(xiàn)Y-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品數(shù)據(jù)值逐漸缺失，但UMT反演結(jié)果仍能夠保證精度的同時有充足的反演數(shù)據(jù)量。

3.5 基于UMT算法的中國區(qū)域地表溫度空間分布

將得到的每日升軌與降軌地表溫度反演結(jié)果按月進(jìn)行合成得到月平均地表溫度，并將反演結(jié)果同F(xiàn)Y-3D MWRI 業(yè)務(wù)地表溫度月產(chǎn)品進(jìn)行對比顯示。圖6展示了中國區(qū)域2020年1月和7月的升、降軌地表溫度，單位為℃。從圖6可以看出UMT反演結(jié)果符合地表溫度的空間分布，自低緯度向高緯度地表溫度值逐漸降低。地形地勢方面，典型的例如青藏高原地區(qū)的低溫與其周邊低地較高的地表溫度之間表現(xiàn)出明顯的溫度梯度差異。UMT反演結(jié)果與FY-3D MWRI 業(yè)務(wù)地表溫度產(chǎn)品有相似的時空分布，但與FY-3D MWRI 業(yè)務(wù)地表溫度產(chǎn)品在高地形與積雪區(qū)域反演數(shù)據(jù)缺失的情況不同，UMT反演結(jié)果在這些區(qū)域仍有足量的地表溫度值。另一方面，UMT反演結(jié)果補(bǔ)足了FY-3D MWRI 業(yè)務(wù)地表溫度產(chǎn)品在開放水體比例較高像元反演上的缺失，如長江中下游流域與青藏高原內(nèi)缺失的像元反演值。

4 討論與結(jié)論

基于FY-3D MWRI亮溫數(shù)據(jù)，運(yùn)用UMT算法對地表溫度的反演進(jìn)行改進(jìn)，并利用FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品、中國區(qū)域內(nèi)地面站點(diǎn)實(shí)測地表溫度值進(jìn)行精度驗證與分析，著重研究了像元內(nèi)開放水體比例大小對反演結(jié)果精度的影響，最終得出以下結(jié)論：

1）UMT反演結(jié)果同實(shí)測值相比總體上精度驗證的可信度較高，降軌的驗證精度優(yōu)于升軌，反演結(jié)果普遍存在低估現(xiàn)象。同F(xiàn)Y-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品相比，UMT反演結(jié)果在保證反演精度的同時反演得到的數(shù)據(jù)量顯著增加。

2）針對像元內(nèi)開放水體比例（fw）大小對反演結(jié)果精度的影響進(jìn)行驗證。結(jié)果表明：當(dāng)fw值在[0，0.05）區(qū)間范圍內(nèi)，UMT反演結(jié)果與FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品驗證精度相當(dāng);當(dāng)fw值在[0.05，0.2）區(qū)間范圍內(nèi)，UMT反演結(jié)果相較于FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品的驗證精度明顯提高。由于UMT算法考慮了水體與陸表發(fā)射率的差異以及水體占比fw對于亮溫觀測的影響，從而有效減小了像元內(nèi)開放水體對地表溫度反演的影響。根據(jù)時間序列對比分析，隨著像元fw值逐漸變大，F(xiàn)Y-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品值逐漸缺失，但UMT反演結(jié)果仍有充足的高擬合度的數(shù)據(jù)量。

3）UMT算法反演得到的結(jié)果能夠較好的反映地表溫度的空間分布與變化趨勢。自低緯度向高緯度地表溫度值逐漸降低，符合溫度分布的規(guī)律;青藏高原與周邊低地區(qū)域的溫度差異則表明反演結(jié)果有較好的梯度差異。與FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品在高地形與積雪區(qū)域數(shù)據(jù)缺失不同，UMT反演結(jié)果有充足的數(shù)據(jù)量。同時UMT反演結(jié)果補(bǔ)足了FY-3D MWRI業(yè)務(wù)地表溫度產(chǎn)品在開放水體比例較高像元反演上的缺失，如長江中下游流域與青藏高原內(nèi)缺失的像元反演值。

通過驗證與分析表明UMT算法對FY-3D MWRI 亮溫數(shù)據(jù)尤其是水陸混合像元亮溫數(shù)據(jù)的反演有著較好的適應(yīng)性與精確性，對于地表溫度反演的研究具有一定的意義，也為土壤水分等相關(guān)地表參數(shù)的反演提供了參考。

參考文獻(xiàn)（References）

Brodzik m j，Billingsley b，Haran t，et al.，2012.EASE-grid 2.0：incremental but significant improvements for earth-gridded data sets[J].ISPRS Int J Geo Inf（1）：32.doi：10.3390/ijgi1010032.（in Chinese）.

Cui C Y，Xu J，Zeng J Y，et al.，2017.Soil moisture mapping from satellites：an intercomparison of SMAP，SMOS，F(xiàn)Y3B，AMSR2，and ESA CCI over two dense network regions at different spatial scales[J].Remote Sens，10（2）：33.doi：10.3390/rs10010033.

de Jeu R A M，Owe M，2003.Further validation of a new methodology for surface moisture and vegetation optical depth retrieval[J].Int J Remote Sens，24（22）：4559-4578.doi：10.1080/0143116031000095934.

Draper C S，Walker J P，Steinle P J，et al.，2009.An evaluation of AMSR-E derived soil moisture over Australia[J].Remote Sens Environ，113（4）：703-710.doi：10.1016/j.rse.2008.11.011.

Du J Y，Kimball J S，Jones L A，2015.Satellite microwave retrieval of total precipitable water vapor and surface air temperature over land from AMSR2[J].IEEE Trans Geosci Remote Sens，53（5）：2520-2531.doi：10.1109/TGRS.2014.2361344.

Du J Y，Kimball J S，Jones L A，2016.Passive microwave remote sensing of soil moisture based on dynamic vegetation scattering properties for AMSR-E[J].IEEE Trans Geosci Remote Sens，54（1）：597-608.doi：10.1109/TGRS.2015.2462758.

Du J Y，Kimball J S，Jones L A，et al.，2017.A global satellite environmental data record derived from AMSR-E and AMSR2 microwave Earth observations[J].Earth Syst Sci Data，9（2）：791-808.doi：10.5194/essd-9-791-2017.

Entekhabi D，Reichle R H，Koster R D，et al.，2010.Performance metrics for soil moisture retrievals and application requirements[J].J Hydrometeorol，11（3）：832-840.doi：10.1175/2010jhm1223.1.

高浩，徐榕焓，武勝利，2018.風(fēng)云三號C星微波全球地表溫度產(chǎn)品精度評估[J].氣象與環(huán)境科學(xué)，41（4）：1-8. Gao H，Xu R H，Wu S L，2018.Accuracy evaluation of the FengYun-3C global land surface temperature products retrieval from microwave radiation imager[J].Meteorol Environ Sci，41（4）：1-8.doi：10.16765/j.cnki.1673-7148.2018.04.001.（in Chinese）.

何冬燕，田紅，鄧偉濤，2013.三種再分析地表溫度資料在青藏高原區(qū)域的適用性分析[J].大氣科學(xué)學(xué)報，36（4）：458-465. He D Y，Tian H，Deng W T，2013.Applicability analysis of three reanalysis surface temperature data over the Tibetan Plateau[J].Trans Atmos Sci，36（4）：458-465.doi：10.13878/j.cnki.dqkxxb.2013.04.009.（in Chinese）.

Holmes T R H，de Jeu R A M，Owe M，et al.，2009.Land surface temperature from Ka band （37 GHz） passive microwave observations[J].J Geophys Res：Atmos，114（D4）：D04113.doi：10.1029/2008JD010257.

Jones L A，F(xiàn)erguson C R，Kimball J S，et al.，2010.Satellite microwave remote sensing of daily land surface air temperature minima and maxima from AMSR-E[J].IEEE J Sel Top Appl Earth Obs Remote Sens，3（1）：111-123.doi：10.1109/JSTARS.2010.2041530.

李占杰，陳基培，劉艷民，等，2020.土壤水分遙感反演研究進(jìn)展[J].北京師范大學(xué)學(xué)報（自然科學(xué)版），56（3）：474-481. Li Z J，Chen J P，Liu Y M，et al.，2020.Soil moisture retrieval from remote sensing[J].J Beijing Norm Univ Nat Sci，56（3）：474-481.（in Chinese）.

毛克彪，施建成，李召良，等，2006.一個針對被動微波AMSR-E數(shù)據(jù)反演地表溫度的物理統(tǒng)計算法[J].中國科學(xué) D輯：地球科學(xué)，36（12）：1170-1176. Mao K B，Shi J C，Li Z L，et al.，2006.A physical statistical algorithm for retrieving surface temperature from passive microwave AMSR-E data [J].Sci China Ser D：Earth Sci，36（12）：1170-1176.（in Chinese）.

Mladenova I E，Jackson T J，Njoku E，et al.，2014.Remote monitoring of soil moisture using passive microwave-based techniques：theoretical basis and overview of selected algorithms for AMSR-E[J].Remote Sens Environ，144：197-213.doi：10.1016/j.rse.2014.01.013.

Njoku E G，Jackson T J，Lakshmi V，et al.，2003.Soil moisture retrieval from AMSR-E[J].IEEE Trans Geosci Remote Sens，41（2）：215-229.doi：10.1109/TGRS.2002.808243.

宋沛林，2019.基于AMSR被動微波輻射計的地表土壤含水量估算方法改進(jìn)及應(yīng)用研究[D].杭州：浙江大學(xué). Song P L，2019.Improved surface soil moisture estimation methods and their applications based on AMSR radiometers[D].Hangzhou：Zhejiang University.（in Chinese）.

王國杰，薛峰，齊道日娜，等，2018.基于風(fēng)云三號衛(wèi)星微波資料反演我國地表土壤濕度及其對比[J].大氣科學(xué)學(xué)報，41（1）：113-125. WANG G J，XUE F，CHYI Dori，et al.，2018.Soil moisture retrievals from FY-3B satellite microwave brightness and comparative analyses over China[J].Trans Atmos Sci，41（1）：113-125.doi：10.13878/j.cnki.dqkxxb.20150901003.（in Chinese）.

武勝利，楊虎，2007.AMSR-E亮溫數(shù)據(jù)與MODIS陸表分類產(chǎn)品結(jié)合反演全球陸表溫度[J].遙感技術(shù)與應(yīng)用，22（2）：234-237. Wu S L，Yang H，2007.Global land surface temperature retrieval with AMSR-E brightness temperature and MODIS land cover type products[J].Remote Sens Technol Appl，22（2）：234-237.doi：10.3969/j.issn.1004-0323.2007.02.022.（in Chinese）.

吳曉娜，孫照渤，2015.歐亞大陸夏季地表溫度的氣候特征及與大氣環(huán)流的聯(lián)系[J].大氣科學(xué)學(xué)報，38（2）：195-204. Wu X N，Sun Z B，2015.Climatic features of summer land surface temperature in Eurasian continent and its relationship with atmospheric circulation[J].Trans Atmos Sci，38（2）：195-204.doi：10.13878/j.cnki.dqkxxb.20130525001.（in Chinese）.

Zeng J Y，Li Z，Chen Q，et al.，2015.Method for soil moisture and surface temperature estimation in the Tibetan Plateau using spaceborne radiometer observations[J].IEEE Geosci Remote Sens Lett，12（1）：97-101.doi：10.1109/LGRS.2014.2326890.

（責(zé)任編輯：袁東敏）