一个计算微波地表发射率的半经验模型外文翻译资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

一个计算微波地表发射率的半经验模型

Sarah Ringerud, Christian D. Kummerow, and Christa D. Peters-Lidar

摘要：为了更好地模拟微波地表发射率，本文发展了一种半经验方法，并且在美国南部大平原对该方法进行了测试。首先，利用物理模型计算10GHZ的发射率，其中要考虑底层的土壤和植被层的辐射贡献，各介质层的介电效应和粗糙度的影响。降雨之后，地表水会对土壤和覆水植被的发射率造成影响，因此我们需对计算出的结果进行调整。本文采用了晴空条件下由AMSR-E反演得到的五年发射率数据集来计算得到一组稳健的通道间协方差。利用这组协方差和模拟的10GHZ的发射率，能够得到AMSR-E各个通道的发射率值，然后可以用这些发射率值计算大气层顶（TOA)的亮温Tbs。将计算得到的Tbs与AMSR-E观测到值进行对比，结果显示二者相关性达0.85~0.93，偏差一般小于1K，最大的偏差出现在AMSR-E的最高频率处。这样的模型系统在进行类似地表上的大气反演所需的发射率的计算过程中很容易实现。

关键词：发射率；地表；被动微波遥感

Ⅰ引言

地表上大气的被动微波遥感是一个复杂而困难的问题。在辐射性的冷洋面上，暖的水汽、云和降水会与冷洋面形成对比，这种对比是物理反演方案所必须的。在陆地上，表面发射率比海洋上大，这使得对比会有所减小。因此，为了区分来自大气的辐射信号，我们必须将对表面发射和相关频率的动力机制的理解的准确性提高到更高的水平。

地表发射率无法直接测量，但是能够从发射测量中反演得到，比如星载辐射计得到的发射测量。窗体顶端

窗体顶端

微波地表发射率不是直接测量的，但是可以从诸如那些来自星载辐射计的发射测量中获取。在频谱的微波部分，可以应用Rayleigh-Jeans近似，并且Planck辐射被认为与温度成线性比例。下面的关系式用于观测反射面上的亮温Tb，它是发射率反演的基础。

（1）

其中，是表面发射率，是表面温度，是z高度处大气层的温度，是大气层光学厚度，是TOA高度，是入射角的余弦值。等式右边第一部分表示的是地表贡献的TOA Tb，其在传输路径上会被大气所衰减；第二、三部分分别表示被地表反射的大气下行辐射和大气上行辐射的贡献。植被覆盖地表既不是纯的镜面散射，也不是纯的朗伯散射，而是两种的结合。Mauml;tzler^[1]和Prigent等^[2]先前的研究表明，在53°入射角下，镜面假设影响不大，因此这可在此用来简化辐射传输。如果假设表面温度和大气的光学厚度是已知的，则可以使用观测到的亮温Tb来计算发射率。因此，反演需要一些对大气及其光学厚度的先验信息，以便去除大气的影响，并且分离出表面发射信号和精确的地表温度Tsfc。通常在晴朗的天气状况下进行全球的反演。精确反演地表发射率要求准确地估计地表温度。但准确估计地表温度却是一个问题，尤其是在沙漠地区，对频率依赖的穿透深度是高度可变的，精确的地表温度并不容易得到^[3]。

地表发射率的物理建模需要知道地表参数，包括地面温度、土壤类型/质地和湿度，植被的类型、粗糙度、含水量，截获的水或者露滴，再通过辐射传输模型计算这些介质层及其交界面的辐射。还必须考虑会随着频率的变化而变化的散射和发射。翁等^[4]描述了这样一个模型，其利用一个三层的介质及它的交界面和二流辐射传输方案，该模型LandEM被业务用于通用辐射传输模型，最近几次发射率比较研究也采用了该模型^[5,6]。另一个业务化使用的地方是欧洲中期天气预报中心发展的通用微波发射模型CEME。Holmes等^[7]描述了该模型，并以模块化格式编写，这允许用户针对个例交换出最佳的参数化和模拟方案，例如提供了三种适用各种频率范围的半经验（SE）土壤介电混合模型。两种建模方案都是半经验的，都与最初用于低频L波段（有更深的穿透深度）土壤湿度反演模拟的参数化有关^[7]。

最近关于比较来自反演算法和物理模型的发射率的研究工作显示出二者之间有很大的差别^[5,6]。特别的，与反演值相比，模拟的发射率相当缺乏动态变化性，二者间最大的差别出现在窗区通道最高频率处^[6]。为了使用被动微波遥感观测开展物理反演，必须理解发射率的这种变化性，因为它能提供用于如云和降水等大气成分反演的背景辐射场。

Bytheway 和 Kummerow^[8]的研究表明，微波发射率不独立于频率。作者指出，在特定地区，各窗区通道频率间可建立稳健的协方差关系。使用大气红外探测器的水汽廓线和地表温度，可由（1）式反演得到晴空中的10.65 GHz水平极化发射率，将10.65GHZ水平极化发射率反演值作为线性拟合到协方差关系中的发射率的函数，并映射到其他通道。作者发现这些关系在美国南部大平原上能很好的工作，但是在沙漠地表类型上该关系不适用，这是由土壤湿度廓线的复杂性和沙漠土壤质地上更可变的穿透深度共同造成的^[3,9]。

全球表面发射率的计算和研究，要求必须能够使用容易获得的可用先验数据来准确地计算发射率。发射率取决于表面的电介质和粗糙度特性。表面粗糙度的定量描述很困难，在没有可用的输入数据的情况下，在物理发射率模型中需要粗糙度高度和标准偏差的假设^[4]。微波系统中地表发射率的准确模拟所需的几个参数是相对静态的（土壤类型，植被类型等），假设这些参数是已知的，可以在驱动动态变化的表面参数的情况下测试发射率方法，即植被，土壤水分和表面温度。在这样一个模型中露水和截获的水可能也需要考虑。 Lin和Minnis ^[10]认为，在SGP地区，发射率的大部分变化可归因于昼夜循环，这可能是清晨露水导致的。 Moncet等^[3]使用大量质量控制的反演的发射率数据，在全球范围内的农田也观察到这种影响。这里必须强调正确的表面温度值的重要性，且在这样的调查中不能被排除其为误差来源。

本文提出一种用于模拟微波地表发射率的半物理方法，能够为水汽、云和降水的物理反演计算背景辐射。其主要基于CMEM和LandEM模型，选择物理模型和参数化的组合，在某种程度上优化10GHZ频率的精度。然后根据由五年发射率数据集计算得到的协方差值，利用10GHZ的地表发射率计算其他窗区通道的值。为了达到验证的目的，将发射率值与大气信息相结合，以便计算TOA的亮度温度值，然后将其直接与卫星观测值进行比较。期望的结果是一个基于几个表面动力参数的相对简单的方案。具体的模拟方法和数据源将在第二部分中详细描述。

这种多光谱表面发射率模型的应用或许很广泛。当在晴空条件下进行全球发射率的反演，可以使用半物理模型来计算任何大气条件下的瞬时发射率。在陆面上，该模型能够很容易地利用在大气特性的微波频率物理反演中，如降水，云和水汽。模拟的发射率可以用作地表发射成分的来源，用于前向模拟大气。该模型也可以使用迭代方案或最佳估计来反演地表属性本身。也可用于建模和数据同化中，因为这里描述的方案需要仅对单个频率运行物理模型，从而减少建模系统内的计算时间。

Ⅱ输入地表参数数据集

窗体顶端

本文提出的发射率模型的基础是用于计算10 GHz 水平极化发射率的半物理模型。该模型基于前面部分介绍的LandEM和CMEM模型的方法和步骤，由于其在物理模拟框架中使用经验化参数，因此被称为半物理。该模型将地表作为一种由土壤，植被和空气组成的三层介质。该发射率模型通过NASA Goddardrsquo;s Land Information System进行输入，如Kumar等人^[11]所述，这是一个用于运行陆面模型（LSMs）的模块化平台，具有各种用户定义的输入。目前的研究使用了国家环境预测中心的Community Noah LSM 3.2版本^[12]。驱动数据来自North American Land Data Assimilation System project phase 2（NLDAS-2）^[13]。叶面积指数（LAI）也是模型的输入，这是由可见光光谱反射率导出的8天产品^[14]。

在耦合LSM和发射率模型之前，需要考虑输入的表面参数及其兼容性。土壤水分对于表面介电特性的计算非常重要。土壤水分不仅是可用水的函数，而且也是决定土壤水力传导的物质属性的函数。湿土的介电常数使用Dobson等人^[15]的模型计算。对于本文所述的分析，采用the U.S. Department of Agriculture编制的静态State Soil Geographic Database（STATSGO）和1km分辨率的沙土，粘土和淤泥的百分比来确定土壤类型。在模型中，基于土壤类型进行假设，这与决定土壤的水力特性的颗粒尺度和密度有关。这种类型的静态数据库以及关于土壤特性的这些假设的使用显然会成为受土壤质地影响的介电特性和土壤水分值的误差来源，它们本身对土壤性质也非常敏感。Noah模型的标准输出包括10cm厚的表面层。窗区通道（10-89 GHz）的微波穿透深度取决于许多因素，包括入射角，频率，土壤湿度，温度和土壤类型。高级微波扫描辐射计 - 地球观测系统（AMSR-E）频率的这些深度的范围在10 GHz的干燥条件下大约为几厘米，在较高频率下降至毫米级^[16]。尽管考虑到影响渗透深度的所有可能的变量是不可行的，但是将10cm表面层作为发射率模型的输入进行改进是可取的，特别是由于地表降水和其它因素引起的动态变化将在薄的表面层被放大。

窗体顶端

随后，使用包括2厘米顶层的交替地下分层方案运行Noah LSM。将所得土壤湿度值与运行标准10厘米顶层得到的土壤水分值和来自俄克拉荷马州西部Agricultural Research Service（ARS）Micronet观测网络的5厘米土壤湿度测量值进行比较。 2006年1月1日至2008年12月31日期间，ARS Micronet内所有35个可观测站点，包括LittleWashita和Fort Cobb盆地的观测站均已纳入本分析。虽然所有站点都位于俄克拉何马州西部地区，但土壤类型多样化，砂的分数变化范围为0.17至0.79，粘土为0.06至0.15。Fig. 1显示了三年全部Micronet观察结果和每个双向分辨率下的Noah模型的土壤湿度直方图。这里需要注意的是点测量和1km网格框的模拟值之间的比较，以及三个不同垂直厚度的比较。因此，虽然绝对值比较不一定有用，但通过观察差异和相似之处可以获得一些更深的认识。在比较中最引人注目的是观察数据中土壤湿度值显著降低。2-cm厚度的Noah值能够稍微接近这些干值，因为浅表面能够在较浅的层中更快地干燥，但一般来说，模拟土壤湿度值是相似的，这与使用的方案无关。与在该位置观察到的数据相比，两个模型运行中存在的大的偏差，同时模拟值的直方图出现较高峰值，这表明无法匹配Micronet观察值的全部动态范围。

窗体顶端

Fig. 2显示了2007年在Fort Cobb Watershed内的单站（F102）的土壤水分时间序列，其来自于ARS 5cm观测值和2和5cm层运行的Noah模型输出。在这个单站环境中，湿度偏差也是明显的。特别是降水的反应（土壤湿度值的正向棘波）的模拟值非常不同。与观测结果相比，降水后干燥速度较慢，没有像测量值那样低。对于2cm数据这尤其是个问题，因为预期中薄表面层的降水反应（润湿和干燥）将会加速。模式在模型土壤水分中明显存在并且是正确的，但幅度似乎是偏离的。

出现在西俄克拉荷马州这一地区的土壤湿度的大偏差引人关注，并且值得进一步调查。Little Washita Watershed在数十年中已被用于许多实地调查和验证研究中^[17]。土壤水分点观测与较大轨迹观测间的比较是一个难题，由于水平尺度会有差异会导致模型网格框内可能存在不均匀性，模型中的体积湿度深度与测量探头的实际感光范围之间也有差异^[18]。然而，本文的重点不在于LSM的保真度，而是正确的发射率的模拟。除了不精确的比较之外，不正确的输入数据也可能导致体积土壤水分值的不一致，如降雨，土壤质地，模型中不正确的土壤水力物理量或其他模型问题。由于微波穿透深度的表示在物理上更加正确，并且观察到的动态范围稍大，所以选择2厘米LSM输出作为发射率模型的输入基础。在能够改进模型和输入数据之前，由于缺乏最近的降水资料，介电混合模型中使用的土壤湿度值会基于与纯经验方案匹配的直方图进行调整。

窗体顶端

用于计算发射率的正确温度也是类似的问题，因为它也是深度的函数。在这种情况下，根据频率和表面特性，正确的温度可能低于土壤表面2毫米或在植被冠层。再次，实时地得出正确的温度是不可行的，因此从随时可用的数据集中确定温度的最佳选择是可取的。在这里使用的三层物理发射率模型中，需要两个温度值。一个用于计算土壤的发射，另一个温度用于其上含有任何植被和空气的层。Fig. 3显示了上述土壤水分讨论中使用的三种来源的顶层土壤温度的直方图比较。三种分层厚度下的土壤温度直方图非常相似。2 cm厚度的温度在分布的高低端都显示出更宽的动态范围，如预期一样最接近更快速变化的空气界面最浅的层。这在Fig. 4显示的2007年的时间序列比较中也是显而易见的。由于增加的动态变化性和想要与土壤湿度分层保持一致，2 cm数据将被用作土壤介电模型的输入。

窗体顶端

用于计算发射率的正确温度也面临类似的问题，因为它也是深度

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27317]，资料为PDF文档或Word文档，PDF文档可免费转换为Word