地表溫度的被動(dòng)微波遙感反演研究進(jìn)展

周芳成，宋小寧，李召良

(1.中國(guó)科學(xué)院大學(xué)資源與環(huán)境學(xué)院，北京 100049;2.中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100081;3.法國(guó)斯特拉斯堡大學(xué)ICube實(shí)驗(yàn)室，斯特拉斯堡 67412)

0 引言

地表溫度(land surface temperature，LST)是地表能量平衡中一個(gè)重要的參數(shù)，影響著土壤和植被的蒸散作用、作物產(chǎn)能、區(qū)域水熱交換和土壤微生物生化指標(biāo)等眾多領(lǐng)域;LST也廣泛應(yīng)用在檢測(cè)森林火災(zāi)、判別地?zé)嵛恢?、尋找石油和鈾礦等方面。遙感是快速獲取大區(qū)域地表溫度的最有效方法，基于熱紅外遙感的地表溫度反演算法經(jīng)過(guò)多年的發(fā)展已經(jīng)趨于成熟，并已達(dá)到較高的精度[1-9]。但是熱紅外遙感受大氣中水汽影響較大，不能穿透云層，無(wú)法全天候監(jiān)測(cè);而微波遙感穿透力強(qiáng)，能夠彌補(bǔ)熱紅外的不足，發(fā)展基于被動(dòng)微波遙感的地表溫度反演算法已成為研究熱點(diǎn)。被動(dòng)微波遙感具有高時(shí)間分辨率且能迅速覆蓋全球，為全球尺度的地表溫度空間異質(zhì)性及變化趨勢(shì)的研究提供方便。

目前常用的星載微波輻射計(jì)主要有掃描式多通道微波輻射計(jì)(scanning multichannel microwave radiometer，SMMR)、微波輻射計(jì)特別傳感器(special sensor microwave imager，SSM/I)、高級(jí)微波掃描輻射計(jì)(advanced microwave scanning radiometer-EOS，AMSR-E)。相關(guān)研究已較多，但是與熱紅外遙感相比，微波遙感反演地表溫度尚處于起步階段，仍然面臨著對(duì)微波穿透深度考慮不足、低頻微波的無(wú)線電頻干擾、地表溫度與比輻射率的分離等諸多問(wèn)題。本文通過(guò)梳理當(dāng)前基于被動(dòng)微波遙感的地表溫度反演算法，將其大致分為統(tǒng)計(jì)模型法、物理模型法和神經(jīng)網(wǎng)絡(luò)算法3類(lèi)，并分析各種方法的優(yōu)缺點(diǎn)，確定下一步研究的切入點(diǎn)，為推動(dòng)地表溫度的被動(dòng)微波遙感反演研究提供參考。

1 統(tǒng)計(jì)模型法

當(dāng)微波輻射計(jì)的天線主波束指向目標(biāo)時(shí)，天線接收到目標(biāo)輻射、散射和傳播介質(zhì)輻射等能量，天線接收的信號(hào)經(jīng)放大、濾波、檢波和再放大后，以電壓形式輸出。對(duì)微波輻射計(jì)的輸出電壓進(jìn)行溫度絕對(duì)定標(biāo)，即可建立輸出電壓與天線溫度的關(guān)系，天線溫度經(jīng)過(guò)偏移校正和非線性校正等處理即可得到極化亮溫?cái)?shù)據(jù)。由此可知，微波輻射計(jì)獲得的亮溫?cái)?shù)據(jù)與目標(biāo)輻射之間有較好的相關(guān)關(guān)系，而目標(biāo)輻射又主要受溫度的影響，因此可以通過(guò)回歸分析直接建立微波亮溫?cái)?shù)據(jù)與真實(shí)地表溫度之間的相關(guān)關(guān)系。

1.1 單通道回歸分析

Holmes等[10]利用37 GHz的垂直極化亮溫?cái)?shù)據(jù)建立了簡(jiǎn)單的地表溫度反演模型，在全球尺度的驗(yàn)證時(shí)發(fā)現(xiàn)在高植被地區(qū)的偏差可以小于1 K，而在低植被區(qū)精度稍差。毛克彪等[11]將同步的MODIS地表溫度產(chǎn)品作為AMSR-E對(duì)應(yīng)的地面實(shí)測(cè)數(shù)據(jù)，將MODIS溫度產(chǎn)品和AMSR-E的6種頻率的V極化亮溫分別進(jìn)行回歸分析，發(fā)現(xiàn)隨著頻率的升高，相關(guān)性越來(lái)越好(表1)。原因在于高頻通道的輻射主要來(lái)自較淺的地表發(fā)射層，與熱紅外探測(cè)的溫度更加接近;而低頻通道由于具有較好的穿透性，其發(fā)射層可能是一定深度土壤，得到的亮溫是體積亮溫而非表面亮溫，因此存在較大誤差。

表1 MODIS溫度產(chǎn)品和AMSR－E亮溫的關(guān)系[11]Tab.1 Relationship of MODIS LSTs and AMSR－E brightness temperature data[11]

1.2 多通道回歸分析

McFarland等[12]首先剔除了研究區(qū)內(nèi)水體和雪等像元點(diǎn)，將SSM/I所有7個(gè)通道亮溫?cái)?shù)據(jù)與研究區(qū)內(nèi)百葉箱最低空氣溫度(代表地表溫度)進(jìn)行多元回歸分析，建立了以SSM/I 37 GHz垂直極化亮溫為主因子、利用其他通道進(jìn)行水汽影響校正的4通道地表溫度反演算法，即

式中:Cn為回歸系數(shù)(n=1，2，3，4);TxV和 TxH分別代表頻率為x GHz的V和H極化亮溫(x=19，22，37，85)，K。

對(duì)美國(guó)中部平原3種下墊面條件(農(nóng)作物、濕潤(rùn)的土壤以及干土)的地表溫度進(jìn)行反演，所得結(jié)果與百葉箱溫度較為一致，其均方根誤差(root mean square error，RMSE)值為 2.0 ～ 2.6。Holliger[13]基于McFarland算法的基本原理，使用包括不同季節(jié)和夜間的數(shù)據(jù)參與回歸分析，發(fā)展了SSM/I每日地表溫度產(chǎn)品的算法。毛克彪等[14]針對(duì)AMSR-E傳感器的頻率特點(diǎn)將式(1)中V和H的極化亮溫分別改為 T36.5V，T23.8V，T18.7H和 T89V，應(yīng)用到中國(guó)東北(森林)、非洲北部(荒漠)和中國(guó)西藏(冰雪)地區(qū)，并且用同期的MODIS地表溫度產(chǎn)品作為真實(shí)值進(jìn)行驗(yàn)證，取得了較滿(mǎn)意的結(jié)果。

1.3 基于地表覆被分類(lèi)的多通道回歸分析

武勝利等[15]利用MODIS的陸表分類(lèi)產(chǎn)品(MOD12)將陸表分成16類(lèi)，假設(shè)每種類(lèi)型地表在各個(gè)被動(dòng)微波通道具有一致的比輻射率;陳修治等[16]以廣東省為研究對(duì)象，依據(jù)微波極化差異指數(shù)、歸一化植被指數(shù)和比值植被指數(shù)等3種植被指數(shù)，將廣東省地表植被覆被情況分為裸地、草地、灌木、針葉林和闊葉林等5種類(lèi)型。在地表覆被分類(lèi)的基礎(chǔ)上，分別建立了不同覆被類(lèi)型的地表溫度反演模型，取得了較好的精度。

總體來(lái)看，統(tǒng)計(jì)模型是通過(guò)分析大量數(shù)據(jù)，利用較簡(jiǎn)練的回歸模型表征亮溫與地表溫度之間的內(nèi)在關(guān)系，具有一定的物理意義;而且該方法適合于多數(shù)地表覆被類(lèi)型，使用靈活;方法簡(jiǎn)單易懂，可以作為一種快速獲取地表溫度的途徑。但是各通道系數(shù)的確定只通過(guò)回歸算法求出，缺乏物理依據(jù)，不同時(shí)間、不同地區(qū)的系數(shù)可能不同，每次應(yīng)用都需要重新確定參數(shù)，降低了應(yīng)用效率;并且模型的精度很大程度上依賴(lài)數(shù)據(jù)本身的質(zhì)量，具有較大的不確定性。

2 物理模型法

2.1 微波輻射傳輸方程

地球系統(tǒng)的能量守恒是遙感探測(cè)地表參數(shù)的理論基礎(chǔ)。根據(jù)普朗克輻射定律，黑體在所有方向上均勻輻射，其譜亮度為

其在微波波段的近似式是瑞利—瓊斯定律，如hf/kT遠(yuǎn)遠(yuǎn)小于1，式(2)可簡(jiǎn)化為

式中:Bf(T)是譜亮度，W·m-2·sr-1·Hz-1;f是頻率，Hz;T是絕對(duì)溫度，K;λ為波長(zhǎng)，m;h是普朗克常數(shù)6.63 ×10-34;k 是波爾茲曼常數(shù) 1.38 ×10-23J·K-1;c是光速。

裸土情況下，地表溫度反演的微波輻射傳輸方程通常由3部分組成:①大氣上行輻射;②經(jīng)大氣衰減的表面輻射;③經(jīng)表面反射和大氣衰減的大氣下行和宇宙輻射。模型表示為

將式(3)代入(4)得

式中:TB指頻率為f Hz的亮溫值，K;Ts為地表溫度，K;Ta為平均空氣溫度，K;Tsky為宇宙背景輻射亮溫，K;Bf(Ts)為地表輻射，W·m-·2sr-·1Hz-1;Bf()和 Bf)分別指大氣下行輻射和大氣上行輻射，W·m-·2sr-·1Hz-1;τf(θ)指頻率為f的大氣透過(guò)率;ef指地表比輻射率，無(wú)量綱。

對(duì)于土壤-植被表面，通常將植被看作粗糙土壤上的一種單散射層，在大氣頂部觀測(cè)得到的輻射由5部分組成:①大氣上行輻射;②經(jīng)植被和大氣衰減的土壤表面輻射;③經(jīng)大氣衰減的植被上行輻射;④經(jīng)表面反射并被植被和大氣衰減的植被下行輻射;⑤經(jīng)林冠和大氣衰減的表面反射的大氣下行和宇宙輻射。輻射傳輸方程為

將式(3)代入(6)得

式中:Bf(Tc)是植被輻射，W·m-2·sr-1·Hz-1;w是植被單向散射反照率;τc(θ)是植被透過(guò)率，無(wú)量綱。

通過(guò)式(5)(7)可以看出，地表溫度與大氣、植被、亮溫和比輻射率有關(guān)。對(duì)于大多數(shù)氣象條件，若頻率低于10 GHz，可以不考慮散射效應(yīng)[17];當(dāng)波長(zhǎng)足夠長(zhǎng)時(shí)，地面微波輻射可以穿透植被層進(jìn)入到微波輻射計(jì)，因此，公式中主要的未知數(shù)僅剩下比輻射率。與熱紅外不同，微波比輻射率隨土壤含水量的不同變化較大[18]，這使得熱紅外反演地表溫度中對(duì)比輻射率的假設(shè)不能被完全照搬到微波中，因此方程中未知數(shù)的個(gè)數(shù)大于方程數(shù)，即使增加通道，但問(wèn)題依然存在，屬于典型的病態(tài)反演問(wèn)題。針對(duì)這一問(wèn)題，學(xué)者們提出了多種解決辦法。

2.2 基于比輻射率求解的反演方法

Gao等[19]假設(shè)地表溫度與亮溫和比輻射率呈簡(jiǎn)單的線性關(guān)系，通過(guò)陸表微波比輻射率模型(land surface microwave emissivity model，LSMEM)模擬了亞馬遜高植被區(qū)和低植被區(qū)比輻射率和極化比的關(guān)系(極化比被定義為同頻率下的水平亮溫與垂直亮溫之比)。研究發(fā)現(xiàn)，對(duì)高植被區(qū)，18.7 GHz的比輻射率是18.7 GHz極化比的二次函數(shù)(式8);對(duì)低植被區(qū)，18.7 GHz的比輻射率是 6.9 GHz和 18.7 GHz極化比的二元函數(shù)(式9)，即

式中:e18，f和 e18，nf分別為高、低植被區(qū) 18.7 GHz 的比輻射率;PR6和PR18分別為6.9 GHz和18.7 GHz的極化比，無(wú)量綱?？上扔墒?8)(9)求出比輻射率，再根據(jù)假設(shè)，結(jié)合亮溫求出地表溫度。

除了上述方法，學(xué)者們還嘗試構(gòu)建一些對(duì)比輻射率敏感而對(duì)地表溫度和大氣不敏感的指數(shù)來(lái)建立與比輻射率的經(jīng)驗(yàn)關(guān)系，求解比輻射率并進(jìn)一步求解地表溫度，如歸一化植被指數(shù)[20]、歸一化極化指數(shù)[21]、組合亮溫指數(shù)[22]等。

該溫度反演方法是通過(guò)直接求解比輻射率來(lái)解決病態(tài)反演的問(wèn)題，對(duì)地表溫度、大氣情況的依賴(lài)性小，所需數(shù)據(jù)簡(jiǎn)單易得，能取得較好的精度;但是對(duì)比輻射率的求解仍是一種經(jīng)驗(yàn)回歸方法，仍存在物理機(jī)制不強(qiáng)的缺憾。

2.3 基于比輻射率不變假設(shè)的反演算法

2.3.1 基于兩鄰近通道的反演算法

Weng等[23]假定 SSM/I的2 個(gè)鄰近通道(19.35 GHz，22.23 GHz)V極化的比輻射率相等，2個(gè)通道亮溫的差異主要來(lái)自大氣的影響。在式(5)的基礎(chǔ)上假定大氣上行和下行輻射相等，并忽略宇宙輻射的影響，引入總可降水量這一新參數(shù)，通過(guò)比值的形式建立了反演地表溫度的非線性方程，即

可使用牛頓迭代方法進(jìn)行求解，式中:W為總可降水量;A 為依賴(lài)于頻率的常數(shù)，A19=0.047，A22=0.136;β(W)與2個(gè)頻率的大氣透過(guò)率有關(guān);TxV代表頻率為x GHz的 V極化亮溫(x=19，22)，K。

該溫度反演方法通過(guò)2個(gè)鄰近通道消除比輻射率的影響，不需要地表分類(lèi)。但是微波與熱紅外不同，不同頻率間比輻射率差異較大(圖1)。

圖1 比輻射率日變化曲線[24]Fig.1 Curve of diurnal variation of emissivity[24]

根據(jù)文獻(xiàn)[25]，0.006～0.012 的比輻射率誤差將導(dǎo)致大約3 K的地表溫度波動(dòng)，因此該方法關(guān)于相鄰?fù)ǖ辣容椛渎氏嗟鹊那疤峒僭O(shè)可能會(huì)帶來(lái)較大的誤差。

2.3.2 基于多時(shí)相的反演算法

Pulliainen等[26]假定同一點(diǎn)的比輻射率不隨時(shí)間變化，利用長(zhǎng)時(shí)期多時(shí)相的SSM/I數(shù)據(jù)，采用最大似然法估算表面平均比輻射率，并用最小二乘迭代法求得平均比輻射率;將大氣看作是已知平均值和標(biāo)準(zhǔn)差的一種自由參數(shù)或者Gaussian隨機(jī)變量，采用強(qiáng)迫最小二乘迭代法估算地表溫度Ts，即

式中:min為最小二乘法中取最小值;σi為獲取的SSM/I通道i的亮溫標(biāo)準(zhǔn)差(由SSM/I的靈敏性特征決定);λ為常數(shù)值γ的標(biāo)準(zhǔn)偏差;γ^為γ的平均值;Tbi為SSM/I通道i觀測(cè)亮溫，K;TBi為輻射傳輸模型模擬通道i亮溫值，K。該方法適用于無(wú)雪條件，水體或農(nóng)業(yè)用地比例的增加會(huì)使誤差增大。

Xiang等[27]假定同一頻率的比輻射率在1 d之內(nèi)不發(fā)生變化，使用多通道每天2次(升軌和降軌)的SSM/I亮溫?cái)?shù)據(jù)和大氣的溫濕度廓線數(shù)據(jù)作為輸入，發(fā)展了一種不依賴(lài)地表介電的反演地表溫度和比輻射率的方法，分別設(shè)置地表溫度和比輻射率的允許范圍分別為280～340 K 和0.70～1.00，并采用最小二乘Levenberg-Marquardt迭代算法對(duì)非線性方程求解。

該溫度反演方法通過(guò)假設(shè)比輻射率不隨時(shí)間變化來(lái)解決未知數(shù)大于方程個(gè)數(shù)的問(wèn)題，但是根據(jù)前人的研究證明，通常地表溫度最高時(shí)比輻射率也最高，地表溫度低時(shí)比輻射率也較低，因此該前提假設(shè)并不符合實(shí)際[28-32]，會(huì)帶來(lái)較大的誤差。

2.4 基于極化比輻射率關(guān)系的反演算法

Fily等[30]通過(guò)SSM/I數(shù)據(jù)獲得的全球陸地比輻射率發(fā)現(xiàn)19 GHz和37 GHz的垂直和水平極化比輻射率呈非常顯著的線性相關(guān)關(guān)系，設(shè)eH=aeV+b，并且忽略宇宙輻射，由式(5)得出簡(jiǎn)化的地表溫度的反演算法，即

式中:T19H和T37H分別是19 GHz和37 GHz通道的水平或者垂直極化的亮溫，K;a和b為比輻射率線性方程中的斜率和截距，無(wú)量綱;τ為大氣透過(guò)率;Tau和Tad分別為大氣上行與下行輻射亮溫，K。

該溫度反演方法通常使用物理模型擬合出不同頻率的垂直(V)和水平(H)極化比輻射率的相關(guān)關(guān)系，然后可通過(guò)輻射模型中的大氣模塊估算 Tau，Tad，τ等大氣參數(shù)，適用于無(wú)冰雪、無(wú)冰凍地面。該算法簡(jiǎn)單易行，誤差主要來(lái)源于比輻射率線性關(guān)系的擬合和大氣校正帶來(lái)的誤差。

3 神經(jīng)網(wǎng)絡(luò)算法

神經(jīng)網(wǎng)絡(luò)算法不需要針對(duì)具體的問(wèn)題推導(dǎo)計(jì)算規(guī)則，而只需要利用有代表性的訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練學(xué)習(xí)[31]，可以并行地求解非線性問(wèn)題而不受方程自身的約束，因此被認(rèn)為是解決病態(tài)反演問(wèn)題的有效方法。很多學(xué)者將其應(yīng)用到地表溫度的被動(dòng)微波反演中:Zurk等[32]利用多層感知器(multilayer perceptron，MLP)神經(jīng)網(wǎng)絡(luò)方法，先在合理范圍內(nèi)改變土壤含水量、植被含水量和土壤溫度等，生成地表溫度范圍，再用后向傳播算法反演地表溫度，精度達(dá)到2 K;毛克彪等[31]利用神經(jīng)網(wǎng)絡(luò)算法，通過(guò)AMSR-E的多通道亮溫?cái)?shù)據(jù)反演地表溫度，并發(fā)現(xiàn)當(dāng)使用5個(gè)頻率10個(gè)通道反演時(shí)，反演精度最高。

該溫度反演方法利用了參數(shù)之間的固有關(guān)系，通過(guò)神經(jīng)網(wǎng)絡(luò)算法的特點(diǎn)解決了地表參數(shù)之間的非線性問(wèn)題。但是該算法只是在數(shù)學(xué)層面弱化了病態(tài)反演的問(wèn)題而缺乏實(shí)際物理意義，并且需要先驗(yàn)知識(shí)(考慮各種情況的數(shù)據(jù)庫(kù))作為支撐，有關(guān)該方法的應(yīng)用還需進(jìn)一步研究。

4 結(jié)論與展望

微波遙感與可見(jiàn)光、紅外遙感一樣已成為人類(lèi)探測(cè)地球信息的一種非常重要的手段，雖然起步較晚，但是憑借其受大氣干擾小、能穿透云層甚至一定程度的雨區(qū)等優(yōu)點(diǎn)，彌補(bǔ)了可見(jiàn)光和紅外遙感的不足，能做到全天候觀測(cè)，應(yīng)用領(lǐng)域廣泛。微波遙感反演地表溫度大致可分為統(tǒng)計(jì)模型法、物理模型法和神經(jīng)網(wǎng)絡(luò)算法3種。

統(tǒng)計(jì)模型法利用亮溫與地表溫度之間的內(nèi)在關(guān)系，通過(guò)大量數(shù)據(jù)回歸總結(jié)規(guī)律，算法的機(jī)理簡(jiǎn)單，便于實(shí)現(xiàn)。但是統(tǒng)計(jì)模型中的常數(shù)項(xiàng)不具備物理意義，隨地域和時(shí)間的改變而改變，具有很大的局限性;并且模型的精度很大程度上依賴(lài)于數(shù)據(jù)本身質(zhì)量，有較大不確定性。物理模型法基于輻射傳輸方程，將視在亮溫分為目標(biāo)亮溫和其他輻射貢獻(xiàn)2部分，剔除其他輻射貢獻(xiàn)以及通過(guò)目標(biāo)亮溫得到目標(biāo)真實(shí)溫度是反演的2個(gè)主要步驟。物理模型法具有明確的物理意義，不受時(shí)空的限制。但是模型中很多參數(shù)的機(jī)理尚不明確，在使用過(guò)程中大多通過(guò)條件假設(shè)進(jìn)行簡(jiǎn)化，如采用常數(shù)進(jìn)行大氣校正、忽略宇宙輻射影響、用空氣溫度代替地表溫度等，這些假設(shè)雖然降低了反演難度，但是無(wú)疑影響了反演精度。神經(jīng)網(wǎng)絡(luò)算法對(duì)數(shù)學(xué)方程依賴(lài)小，能較好地解決病態(tài)反演問(wèn)題，但是該方法的物理意義不足，仍需進(jìn)一步的研究。

通過(guò)對(duì)當(dāng)前微波反演地表溫度算法的總結(jié)，除了加強(qiáng)微波輻射機(jī)理的研究[28，33]，在今后的研究工作中還需注意以下3點(diǎn):

1)微波穿透深度。熱紅外獲得的主要是地表信息，微波由于波長(zhǎng)較長(zhǎng)，可以獲得一定深度土壤信息，特別是低頻通道，穿透深度不能被忽略，微波穿透深度與波長(zhǎng)、土壤介電常數(shù)、入射角有關(guān)[34]。視在溫度包含的目標(biāo)亮溫實(shí)際是土壤體積亮溫而非表面亮溫，因此，首先應(yīng)了解微波的穿透深度，再尋找從體積溫度推求地表溫度的方法。對(duì)于某一傳感器而言，波長(zhǎng)和入射角都已固定，穿透深度只與土壤介電常數(shù)有關(guān)，而介電常數(shù)主要受土壤含水量影響，依托DOBSON模型可以由土壤含水量求取介電常數(shù)。微波對(duì)于土壤含水量具有高度敏感性，針對(duì)這一特點(diǎn)發(fā)展基于微波的地表溫度與土壤含水量聯(lián)合反演是未來(lái)的發(fā)展方向。

2)比輻射率模型。比輻射率是地表溫度反演過(guò)程中一個(gè)關(guān)鍵參數(shù)，當(dāng)前常用的比輻射率模型有物理模型和半經(jīng)驗(yàn)?zāi)Ｐ?類(lèi)。物理模型包括幾何光學(xué)模型、物理光學(xué)模型、積分方程模型(integral equation model，IEM)和先進(jìn)積分方程模型(advanced IEM，AIEM)。其中，AIEM模型精度較高，通過(guò)AIEM模型建立模擬數(shù)據(jù)庫(kù)，探求各頻率、各極化比輻射率之間的關(guān)系，可以以此來(lái)消除病態(tài)反演問(wèn)題。

3)無(wú)線電頻率干擾問(wèn)題。近年來(lái)，由于無(wú)線電用戶(hù)數(shù)目增多，無(wú)線電頻率對(duì)微波遙感反演精度的干擾逐漸增加，對(duì)于低頻微波的影響尤為嚴(yán)重，可能導(dǎo)致低頻通道的亮溫大于、甚至遠(yuǎn)遠(yuǎn)大于高頻通道的亮溫[35]，而低頻通道由于具有良好的穿透力和對(duì)土壤水的高敏感性而常被用于反演地表參數(shù)，因此對(duì)受污染數(shù)據(jù)的識(shí)別和修正尤為重要，發(fā)展識(shí)別和修正RFI的算法也是未來(lái)研究的重點(diǎn)之一。

[1]徐希孺，柳欽火，陳家宜.遙感陸面溫度[J].北京大學(xué)學(xué)報(bào):自然科學(xué)版，1998，34(2/3):248-253.Xu X R，Liu Q H，Chen J Y.The remote sensing of land surface temperature[J].Acta Scientiarum Naturalium Universitatis Pekinensis，1998，34(2/3):248-253.

[2]Becker F，Li Z L.Temperature independent spectral indices in thermal infrared bands[J].Remote Sensing of Environment，1990，32:17-33.

[3]Caselles V，Coll C，Vator E.Land surface emissivity and temperature determination in the whole HAPEX-Sahel area from AVHRR data[J].International Journal of Remote Sensing，1997，18(5):1009-1027.

[4]Kerr Y H，Lagouarde J P，Inberon J.Accurate land surface temperature retrieval from AVHRR data with use of an improved split window algorithm[J].Remote Sensing of Environment，1992，41(2/3):197-209.

[5]Mcmillin L M.Estimation of sea surface temperatures from two infrared window measurements with different absorption[J].Journal of Geophysical Research，1975，80(36):5113-5117.

[6]Gillespie A，Rokugawa S，Maatsunaga T，et al.Temperature and emissivity separation algorithm for advanced spaceborne thermal emission and reflection(ASTER)image[J].IEEE Transactions on Geoscience and Remote Sensing，1998，36(4):1113-11126.

[7]Wan Z M，Dozier J.A generalized split-window algorithm for retrieving land-surface temperature from space[J].IEEE Transactions on Geoscience and Remote Sensing，1996，34(4):892-905.

[8]Wan Z M，Zhang Y L，Zhang Q C，et al.Validation of the landsurface temperature products retrieved from terra moderate resolution imaging spectroradiometer data[J].Remote Sensing of Environment，2002，83(1/2):163-180.

[9]Wan Z M，Zhang Y L，Zhang Q C，et al.Quality assessment and validation of the MODIS global land surface temperature[J].International Journal of Remote Sensing，2004，25(1):261-274.

[10]Holmes T R H，De Jeu R A M，Owe M，et al.Land surface temperature from Ka band(37 GHz)passive microwave observations[J].Journal of Geophysical Research，2009，114(D4):D04113.

[11]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，2006，36(12):1170-1176.Mao K B，Shi J C，Li Z L，et al.A physical statistics algorithm for retrieval land surface temperature with passive microwave AMSRE data[J].Science China Earth Sciences，2006，36(12):1170-1176.

[12]McFarland M J，Miller R L，Neale C M U.Land surface temperature derived from the SSM/I passive microwave brightness temperatures[J].IEEE Transactions on Geoscience and Remote Sensing，1990，28(5):839-845.

[13]Holinger J P.DMSP special sensor microwave/imager calibration/validation，final report，vol.II[R].Washington:Naval Research Laboratory，1991.

[14]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，2005，17(3):14-17.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，2005，17(3):14-17.

[15]武勝利，楊 虎.AMSR-E亮溫?cái)?shù)據(jù)與MODIS陸表分類(lèi)產(chǎn)品結(jié)合反演全球陸表溫度[J].遙感技術(shù)與應(yīng)用，2007，22(2):234-237.Wu S L，Yang H.Global land surface temperature retrieval with AMSR-E brightness temperature and MODIS land cover type products[J].Remote Sensing Technology and Application，2007，22(2):234-237.

[16]陳修治，陳水森，蘇泳嫻，等.利用AMSR-E遙感數(shù)據(jù)反演地表溫度——以2008年廣東省春季寒害為例[J].遙感信息，2011(5):38-46.Chen X Z，Chen S S，Su Y X，et al.Retrieving land surface temperature from AMSR-E remote sensing data:A case study over Guangdong during spring cold disaster in 2008[J].Remote Sensing Information，2011(5):38-46.

[17]Ulaby F T，Moore R K，F(xiàn)ung A K.Microwave remote sensing Ⅰ:Fundamentals and radiometry[R].Addison-Wesley Publishing Company，1981.

[18]Gao H，Wood E F，Jackson T J，et al.Using TRMM/TMI to retrieve surface soil moisture over the southern United States from 1998 to 2002[J].Journal of Hydrometeorology，2006，7(1):23-38.

[19]Gao H L，F(xiàn)u R，Dickinson R E，et al.A practical method for retrieving land surface temperature from AMSR-E over the Amazon forest[J].IEEE Transactions on Geoscience and Remote Sensing，2008，46(1):193-199.

[20]Morland J C，Grimes D I F，Hewison，T J.Satellite observations of the microwave emissivity of a semi-arid land surface[J].Remote Sensing of Environment，2001，77(22):149-164.

[21]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.

[22]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.

[23]Weng F Z，Grody N C.Physical retrieval of land surface temperature using the special sensor microwave imager[J].Journal of Geophysical Research，1998，103(D8):8839-8848.

[24]You R，Yang H，Lu N M.Stability analysis of microwave emissivity in Simao Yunnan using SSM/I data[J].Journal of Remote Sensing，2009，13(5):887-893.

[25]Njoku E G.Surface temperature estimation over land using satellite microwave radiometry[C]//Choadhury B，Kerr Y，Njoku E G，et al.Passive microwave remote sensing of land-atmosphere interactions.Utrecht:The Netherlands’VSP，1995:509-530.

[26]Pulliainen J T，Grandell J，Hallikainen M T.Retrieval of surface temperature in boreal forest zone from SSM/I data[J].IEEE Transactions on Geoscience and Remote Sensing，1997，35(5):1188-1200.

[27]Xiang X W，Smith E A.Feasibility of simultaneous surface temperature-emissivity retrieval using SSM/I measurements from HAPEX-Sahel[J].Journal of Hydrology，1997(188/189):330-360.

[28]賈媛媛，李召良.被動(dòng)微波遙感數(shù)據(jù)反演地表溫度研究進(jìn)展[J].地理科學(xué)進(jìn)展，2006，25(3):420-425.Jia Y Y，Li Z L.Progress in land surface temperature retrieval from passive microwave remotely sensed data[J].Progress in Geography，2006，25(3):420-425.

[29]何文英，陳洪濱，宣越健，等.幾種地表微波比輻射率變化特征的地面觀測(cè)[J].地球物理學(xué)進(jìn)展，2010，25(6):1983-1993.He W Y，Chen H B，Xuan Y J，et al.Field measurements of the surface microwave emissivity for different surface types[J].Progress in Geophysics，2010，25(6):1983-1993.

[30]Fily M，Royer A，G?ita K，et al.A simple retrieval method for land surface temperature and fraction of water surface determination from satellite microwave brightness temperatures in sub-arctic areas[J].Remote Sensing of Environment，2003，85(3):328-338.

[31]毛克彪，王道龍，李滋睿，等.利用AMSR-E被動(dòng)微波數(shù)據(jù)反演地表溫度的神經(jīng)網(wǎng)絡(luò)算法[J].高技術(shù)通訊，2009，19(11):1195-1200.Mao K B，Wang D L，Li Z R，et al.A neural network method for retrieving land-surface temperature from AMSR-E data[J].Chinese High Technology Letters，2009，19(11):1195-1200.

[32]Zurk L M，Davis D，Njoku E G，et al.Inversion of parameters for semiarid regions by a neural network[C]//Proceedings of the International Geoscience and Remote Sensing Symposium(IGARSS)Houston:IGARSS，1992，2:1075-1077.

[33]陳修治，陳水森，李 丹，等.被動(dòng)微波遙感反演地表溫度研究進(jìn)展[J].地球科學(xué)進(jìn)展，2010，25(8):827-835.Chen X Z，Chen S S，Li D，et al.Progress in land surface temperature retrieval from passive microwave remote sensing data[J].Advances in Earth Science，2010，25(8):827-835.

[34]張文吉，張曉娟，李 芳.分層土壤后向散射及其在深層土壤濕度探測(cè)中的應(yīng)用[J].電子與信息學(xué)報(bào)，2008，30(9):2107-2110.Zhang W J，Zhang X J，Li F.Backscattering from multilayer soil and its application to deep soil moisture estimation[J].Journal of Electronics and Information Technology，2008，30(9):2107-2110.

[35]吳 瑩.微波地表發(fā)射率的衛(wèi)星遙感反演和模式模擬研究[D].南京:南京信息工程大學(xué)，2012.Wu Y.Satellite remote sensing and modeling of microwave land surface emissivity[D].Nanjing:Nanjing University of Information Science and Technology，2012.