基于AMSR-E數(shù)據(jù)的中國(guó)地區(qū)微波濕度指數(shù)研究

李爽， 宋小寧， 王亞維， 王睿馨

(中國(guó)科學(xué)院大學(xué)資源與環(huán)境學(xué)院，北京 100049)

基于AMSR-E數(shù)據(jù)的中國(guó)地區(qū)微波濕度指數(shù)研究

李爽， 宋小寧， 王亞維， 王睿馨

(中國(guó)科學(xué)院大學(xué)資源與環(huán)境學(xué)院，北京 100049)

土壤中的水分是地球生態(tài)系統(tǒng)的重要組成部分，在全球水循環(huán)中發(fā)揮著重要的作用?；诒粍?dòng)微波數(shù)據(jù)提取的濕度指數(shù)因其具有全天候、高時(shí)間分辨率和數(shù)據(jù)處理簡(jiǎn)單等優(yōu)點(diǎn)，大大推進(jìn)了大范圍地區(qū)土壤濕度的重復(fù)觀測(cè)。基于AMSR-E(advanced microwave scanning radiometer-earth observing system)數(shù)據(jù)提取了8種微波濕度指數(shù)，利用密云和漢中氣象臺(tái)站的數(shù)據(jù)，分別對(duì)各個(gè)微波濕度指數(shù)進(jìn)行時(shí)間序列分析，通過(guò)比較得到與降水量相關(guān)性較好的垂直極化多時(shí)相微波濕度指數(shù)PIV,6.9和比值指數(shù)DIV,10.7；在此基礎(chǔ)上，分析該2種微波濕度指數(shù)在密云和漢中10像元×12像元矩形區(qū)域隨降水量的變化；同時(shí)，與10.7 GHz的微波極化差異指數(shù) (microwave polarization difference index，MPDI)進(jìn)行比較，評(píng)價(jià)3種指數(shù)對(duì)土壤濕度的監(jiān)測(cè)優(yōu)劣；在全國(guó)范圍內(nèi)，分別對(duì)3種微波濕度指數(shù)與降水量進(jìn)行相關(guān)分析，得到全國(guó)土壤濕度監(jiān)測(cè)的最優(yōu)指數(shù)。結(jié)果表明：PIV,6.9作為一種新的微波濕度指數(shù)效果最優(yōu)，可以用于全國(guó)范圍的土壤濕度監(jiān)測(cè)研究。

土壤濕度；微波濕度指數(shù)；AMSR-E；降水量

0 引言

土壤中的水分是地球生態(tài)系統(tǒng)的重要組成部分，是陸地植物、土壤生物賴(lài)以生存的重要物質(zhì)源泉之一，在全球水循環(huán)中發(fā)揮著重要的作用[1-3]。土壤濕度是衡量土壤含水狀況的重要參數(shù)，通常很難在大范圍內(nèi)進(jìn)行高效率和全過(guò)程的常規(guī)測(cè)量，而遙感手段能夠從空間上對(duì)地表進(jìn)行大尺度、長(zhǎng)周期的觀測(cè)，因此，利用遙感技術(shù)能夠在不花費(fèi)大量人力和物力的基礎(chǔ)上得到大范圍地區(qū)土壤濕度的重復(fù)觀測(cè)。相較于光學(xué)遙感和主動(dòng)微波遙感，被動(dòng)微波遙感雖然空間分辨率較低，但具有全天候觀測(cè)的優(yōu)點(diǎn)，且時(shí)間分辨率較高，數(shù)據(jù)量低，數(shù)據(jù)處理較簡(jiǎn)單[4]，因此，被動(dòng)微波遙感對(duì)于大范圍地區(qū)土壤濕度的實(shí)時(shí)觀測(cè)研究具有較大潛力。

基于被動(dòng)微波遙感數(shù)據(jù)的土壤濕度研究主要有基于被動(dòng)微波數(shù)據(jù)的土壤濕度反演和基于微波濕度指數(shù)的土壤濕度監(jiān)測(cè)2個(gè)方面。Njoku，Paloscia和Gupata分別利用被動(dòng)微波單波段或多波段亮溫?cái)?shù)據(jù)反演土壤濕度[6-8]；Wigneron,Owe等也利用微波指數(shù)反演土壤水分[9-10]。顏鋒華利用19 GHz的微波極化差異指數(shù)(microwave polarization difference index，MPDI)監(jiān)測(cè)淮河流域降雨和土壤濕度、洪澇汛情變化[11]；馬媛利用6.9 GHz的極化指數(shù)(polarization index，PI)分析陸地表面土壤水分含量的特征分布[12]；劉萬(wàn)俠利用10.7 GHz MPDI的距平值反映研究區(qū)土壤水分變化[13]。土壤濕度指數(shù)(basist wetness index,BWI), (soil wetness index,ISW)和(soil wetness index,SWI)等也分別用于濕度監(jiān)測(cè)研究中[5, 10, 14-20]。相較于其他微波濕度指數(shù)，MPDI不受地表溫度的影響，對(duì)土壤濕度的監(jiān)測(cè)具有一定的優(yōu)勢(shì)，國(guó)內(nèi)很多學(xué)者都采用該指數(shù)研究土壤濕度；另一方面，由43種候選干旱指數(shù)在河北省的對(duì)比研究[21]可知，比值指數(shù) (drought index，DI)對(duì)土壤濕度的監(jiān)測(cè)相對(duì)較適用?？偟膩?lái)說(shuō)，MPDI和DI在眾多微波濕度指數(shù)中具有一定的優(yōu)勢(shì)，但仍有一些不足。

本文在研究上述2種指數(shù)的同時(shí)，還提出了新的微波濕度指數(shù)——多時(shí)相微波濕度指數(shù)。利用2010年的AMSR-E(advanced microwave scanning radiometer-earth observing system)數(shù)據(jù)計(jì)算各指數(shù)，包括MPDI,DI以及多時(shí)相的微波濕度指數(shù)，對(duì)各指數(shù)與降水量進(jìn)行相關(guān)性分析，最終確定適用于土壤濕度實(shí)時(shí)監(jiān)測(cè)的指數(shù)。

1 多時(shí)相微波濕度指數(shù)的計(jì)算

微波極化差異指數(shù)(MPDI)的算法為

(1)

式中，TB,H(f)和TB,V(f)分別表示頻率為f波段的水平極化亮溫和垂直極化亮溫。

參考微波極化差異指數(shù)的算法，多時(shí)相的微波濕度指數(shù)可以利用相鄰2 d的微波極化亮溫?cái)?shù)據(jù)計(jì)算得到，在一定程度上能夠消除地表溫度的影響。微波低頻波段對(duì)地表覆蓋具有一定的穿透能力，能夠反映地表濕度狀況[7]，因此，選擇AMSR-E數(shù)據(jù)頻率較低的波段，即6.9 GHz和10.7 GHz波段數(shù)據(jù)，按公式(2)—(9)依次計(jì)算水平極化多時(shí)相微波濕度指數(shù)PIH,6.9和PIH,10.7，垂直極化多時(shí)相微波濕度指數(shù)PIV,6.9和PIV,10.7，微波極化差異指數(shù)MPDI6.9和MPDI10.7，以及垂直極化比值指數(shù)DIV,6.9和DIV,10.7，即

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

式(2)-(9)中:TB1,H(6.9)和TB2,H(6.9)分別表示前一天和當(dāng)天6.9 GHz的水平極化亮溫；TB1,H(10.7)和TB2,H(10.7)分別表示前一天和當(dāng)天10.7 GHz的水平極化亮溫；TB1,V(6.9)和TB2,V(6.9)分別表示前一天和當(dāng)天6.9 GHz的垂直極化亮溫；TB1,V(10.7)和TB2,V(10.7)分別表示前一天和當(dāng)天10.7 GHz的垂直極化亮溫；TB,H(6.9)和TB,H(10.7)分別表示6.9 GHz和10.7 GHz的水平極化亮溫；TB,V(6.9)和TB,V(10.7)分別表示6.9 GHz和10.7 GHz的垂直極化亮溫；TB,V(36.5)表示36.5 GHz的垂直極化亮溫。

2 數(shù)據(jù)源及其預(yù)處理

AMSR-E是搭載在美國(guó)EOS-AQUA衛(wèi)星上的圓錐掃描方式微波成像儀。該衛(wèi)星由美國(guó)國(guó)家航空航天局(National Aeronautics and Space Administration，NASA)于2002年5月4日發(fā)射升空。AMSR-E傳感器有6個(gè)工作頻段(6.9～89.0 GHz)，有水平(H)和垂直(V)2種極化模式，共12個(gè)通道，每天過(guò)境2次，可分別接收到升軌和降軌數(shù)字圖像。本研究選取2010年6.9 GHz和10.7 GHz頻段的雙極化數(shù)據(jù)，以及36.7 GHz頻段的垂直極化數(shù)據(jù)，共5個(gè)通道，投影格式為全球等面積地球格網(wǎng)(EASE-Grid Global)，空間分辨率為25 km。這些數(shù)據(jù)均從美國(guó)國(guó)家冰雪數(shù)據(jù)中心(National Snow and Ice Data Center,NSIDC，http: //nsidc.org/)網(wǎng)站下載。

利用IDL編程工具對(duì)AMSR-E每日亮溫?cái)?shù)據(jù)批量添加頭文件、裁剪、重投影為Albers Krasovsky投影、再裁剪等一系列操作，得到各波段的全國(guó)Albers投影圖像。為了剔除受到射頻信號(hào)干擾的數(shù)據(jù)，比較垂直極化亮溫和水平極化亮溫，若垂直極化亮溫小于等于水平極化亮溫，則將微波植被指數(shù)均賦值為0，若垂直極化亮溫大于水平極化亮溫，則利用公式(2)—(9)計(jì)算8種微波濕度指數(shù)。

降水量數(shù)據(jù)來(lái)自中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http: //cdc.cma.gov.cn/home.do)的中國(guó)地面氣候資料日值數(shù)據(jù)集，下載密云(116°52′E，40°23′N(xiāo))、漢中(107°02′E，33°04′N(xiāo))2個(gè)氣象臺(tái)站2010年的觀測(cè)數(shù)據(jù)，以及2010年8月21日全國(guó)756個(gè)氣象臺(tái)站的觀測(cè)數(shù)據(jù)。

3 結(jié)果與分析

3.1 土壤濕度的時(shí)間序列變化分析

降水量與土壤濕度密切相關(guān)，由氣象站點(diǎn)觀測(cè)數(shù)據(jù)可知，經(jīng)過(guò)一定量的降水，前期無(wú)降水的土壤濕度將瞬間由低變高，故根據(jù)2010年密云和漢中2個(gè)氣象臺(tái)站的每日降水量數(shù)據(jù)，選擇降水前一天和當(dāng)天的微波濕度指數(shù)數(shù)據(jù)，并使兩者相間，依次選擇了21 d的數(shù)據(jù)，分析各微波濕度指數(shù)的時(shí)間序列變化規(guī)律，以此來(lái)研究各微波濕度指數(shù)對(duì)土壤濕度的監(jiān)測(cè)狀況，結(jié)果如圖1所示。圖中黑色標(biāo)簽顯示無(wú)降水日期，紅色標(biāo)簽顯示具有一定量降水日期。

(a) 密云 (b) 漢中

圖1 2010年各微波濕度指數(shù)的時(shí)間序列變化

Fig.1 Time-series trends of the microwave moisture indices in 2010

從圖1中可以看出，在密云，隨著降水量的變化PIV,6.9呈明顯的鋸齒狀波動(dòng)，其次是PIH,6.9，其他指數(shù)的波動(dòng)變化均不如二者顯著；在漢中，隨降水量的變化PIH,6.9，PIH,10.7，PIV,6.9和PIV,10.7的變化趨勢(shì)基本一致，均為非常顯著的鋸齒狀波動(dòng)，其次是DIV,10.7和DIV,6.9，MPDI6.9和MPDI10.7在第159天出現(xiàn)明顯變化，其余20 d幾乎無(wú)變化。

因?yàn)闊o(wú)降水日期的土壤濕度低于降水日期的，所以與土壤濕度呈正相關(guān)的理想土壤濕度指數(shù)變化趨勢(shì)應(yīng)呈鋸齒狀，且無(wú)降水日期呈向下凹的鋸齒，降水日期呈向上凸的鋸齒。為了更加準(zhǔn)確、簡(jiǎn)單地分析比較各指數(shù)對(duì)土壤濕度的監(jiān)測(cè)情況。本文對(duì)圖1中的結(jié)果進(jìn)行統(tǒng)計(jì)，即統(tǒng)計(jì)各微波指數(shù)與理想土壤濕度指數(shù)變化一致的鋸齒個(gè)數(shù)，根據(jù)鋸齒個(gè)數(shù)的多少，評(píng)價(jià)各微波指數(shù)對(duì)土壤濕度監(jiān)測(cè)的優(yōu)劣，結(jié)果如表1所示。

表1 微波指數(shù)與理想土壤濕度指數(shù)變化一致的鋸齒個(gè)數(shù)統(tǒng)計(jì)Tab.1 Statistics of the microwave moisture indices waves’ sawtooth whose direction is consistent with the ideal moisture index wave’ sawtooths (個(gè))

由表1可知，在密云和漢中，PIV,6.9和DIV,10.7與理想土壤濕度指數(shù)變化一致的鋸齒個(gè)數(shù)較多，總個(gè)數(shù)達(dá)到最大。PIH,6.9和MPDI6.9與理想土壤濕度變化一致的鋸齒個(gè)數(shù)達(dá)到20個(gè)，但是在密云與理想土壤濕度變化一致的鋸齒個(gè)數(shù)卻相對(duì)較少，只有8個(gè)；PIH,10.7，PIV,10.7，MPDI10.7和DIV,6.9與理想土壤濕度變化一致的鋸齒總數(shù)均比較少。

由上述分析可知，PIV,6.9和DIV,10.7與土壤濕度具有較好相關(guān)性，比較適用于土壤濕度的監(jiān)測(cè)研究。

3.2 土壤濕度的空間區(qū)域變化分析

在上述研究的基礎(chǔ)上，針對(duì)PIV,6.9和DIV,10.7指數(shù)在土壤濕度監(jiān)測(cè)方面開(kāi)展了更加直觀的研究?；跉庀笳军c(diǎn)數(shù)據(jù)，選擇密云降水量分別為11.6 mm，0 mm，13.6 mm的5月28日、6月4日、6月13日的指數(shù)數(shù)據(jù)，裁剪出含密云在內(nèi)的一個(gè)矩形區(qū)域，比較分析PIV,6.9，DIV,10.7與MPDI10.7對(duì)降水量的監(jiān)測(cè)結(jié)果。由于微波數(shù)據(jù)源對(duì)地表的覆蓋呈條帶形，且不同時(shí)相微波數(shù)據(jù)源對(duì)地表的覆蓋不同，為了比較3個(gè)時(shí)相相同區(qū)域微波濕度指數(shù)的變化，本文裁剪了3個(gè)時(shí)相數(shù)據(jù)全覆蓋的矩形區(qū)域(大小為10像元×12像元)，比較分析PIV,6.9,DIV,10.7與MPDI10.7對(duì)降水量的監(jiān)測(cè)狀況，結(jié)果如圖2(a)所示。同理，選擇漢中降水量分別為18.2 mm，0 mm，14.7 mm的5月3日、5月19日、6月4日共3 d的指數(shù)數(shù)據(jù)，裁剪出含漢中在內(nèi)的矩形區(qū)域，比較分析PIV,6.9，DIV,10.7與MPDI10.7對(duì)降水量的監(jiān)測(cè)狀況，結(jié)果如圖2(b)所示。圖上“1”和“2”分別為密云氣象站和漢中氣象站所在的像元。

(a) 密云所在矩形區(qū)域 (b) 漢中所在矩形區(qū)域

圖2 PIV,6.9，DIV,10.7與MPDI10.7的降水量監(jiān)測(cè)比較

Fig.2 Precipitation monitoring contrast betweenPIV,6.9，DIV,10.7andMPDI10.7

由圖2(a)可知，在像元“1”中,在5月28日、6月4日、6月13日3 d ,PIV,6.9變化明顯，先升高再降低，說(shuō)明PIV,6.9與降水量呈明顯的負(fù)相關(guān)關(guān)系，能夠反映土壤水分含量的變化；而前人研究中常用的微波濕度指數(shù)MPDI10.7幾乎無(wú)變化，說(shuō)明MPDI10.7與降水量的關(guān)系不明顯;DIV,10.7和MPDI10.7幾乎無(wú)變化，說(shuō)明這2個(gè)指數(shù)對(duì)降水量的變化反映均不明顯。由圖2(b)可知，在像元“2”中，在5月3日、5月19日、6月4日3 d ,PIV,6.9變化較為明顯，先升高再降低，也說(shuō)明了PIV,6.9與降水量呈負(fù)相關(guān)；MPDI10.7最后一天有變化，前2 d無(wú)變化，說(shuō)明MPDI10.7對(duì)降水量的變化有一定的反映，但效果不明顯;DIV,10.7逐漸降低，MPDI10.7逐漸升高，由于這3 d的降水量分別為18.2 mm，0 mm和14.7 mm，而MPDI10.7和MPDI10.7與降水量的變化趨勢(shì)不一致，說(shuō)明這2個(gè)指數(shù)不能夠反映降水量的變化。

總之，在密云和漢中，微波土壤濕度指數(shù)PVV,6.9

與降水量的相關(guān)關(guān)系顯著優(yōu)于MPDI10.7和DIV,10.7，也說(shuō)明PIV,6.9對(duì)土壤濕度的監(jiān)測(cè)也更優(yōu)。

3.3 全國(guó)范圍的土壤濕度分析

PIV,6.9與降水量的相關(guān)關(guān)系最好，對(duì)土壤濕度的監(jiān)測(cè)效果也最優(yōu)。為了進(jìn)一步研究PIV,6.9在全國(guó)范圍內(nèi)對(duì)土壤濕度的監(jiān)測(cè)情況，根據(jù)2010年的氣象站數(shù)據(jù)選擇降水量相對(duì)較多的一天，即2010年8月21日，利用普通克里金法對(duì)756個(gè)氣象臺(tái)站的降水量數(shù)據(jù)在全國(guó)范圍內(nèi)進(jìn)行插值；然后，對(duì)比分析降水量與MPDI10.7,PIV,6.9和DIV,10.7的空間分布，結(jié)果如圖3所示。

(a) 降水量插值圖 (b)MPDI10.7插值圖

(c)PIV,6.9(d)DIV,10.7插值圖

圖3 2010年8月21日土壤濕度全國(guó)分布圖

Fig.3 Distribution of precipitation,MPDI10.7,PIV,6.9andDIV,10.7on August 21, 2010, in China

由圖3(a)可知，遼寧省、河北省、山西省、陜西省及四川省等地區(qū)的降水量相對(duì)較多。由圖3(b)可知，MPDI10.7在西北地區(qū)偏高，而其他地區(qū)相對(duì)較低，因MPDI10.7與土壤濕度呈正相關(guān)，則說(shuō)明西北地區(qū)土壤濕度較高，而其他地區(qū)偏低，這與圖3(a)中降水量的分布明顯不一致。由圖3(c)可知，PIV,6.9在遼寧省、河北省、內(nèi)蒙古省、山西省、四川省5省部分地區(qū)以及青藏高原部分地區(qū)的值較低，而其他地區(qū)均較高，因PIV,6.9與土壤濕度呈負(fù)相關(guān)，則說(shuō)明在上述5省PIV,6.9偏低的地區(qū)土壤濕度較高，而其他地區(qū)的土壤濕度則相對(duì)偏低。由圖3(a)和圖3(c)的對(duì)比可知，除新疆、內(nèi)蒙古以及青藏高原等部分地區(qū)外，PIV,6.9的分布與降水量的分布比較一致，如遼寧省、河北省、山西省、四川省等地區(qū)。由圖3(d)可知，DIV,10.7在青藏高原、江蘇省、浙江省等部分地區(qū)的值偏低，其他地區(qū)相對(duì)較高，因DIV,10.7與土壤濕度呈負(fù)相關(guān)，則說(shuō)明在青藏高原、江蘇省、浙江省等部分地區(qū)的土壤濕度較高，而其他地區(qū)的土壤濕度則偏低。由圖3(a)和圖3(d)的對(duì)比可知，大部分地區(qū)DIV,10.7與降水量的分布較為一致，但遼寧省、河北省、山西省、陜西省、四川省等具有明顯降水地區(qū)未能在圖3(d)中顯現(xiàn)出來(lái)。

綜上所述，被動(dòng)微波濕度指數(shù)PIV,6.9能夠較好地監(jiān)測(cè)全國(guó)土壤濕度狀況，其次是DIV,10.7，而MPDI10.7對(duì)土壤濕度的監(jiān)測(cè)卻不太理想。

4 結(jié)論

1)土壤濕度是控制陸地表層和大氣之間能量交換和水量平衡過(guò)程的一個(gè)關(guān)鍵參數(shù)，對(duì)水文、氣候、農(nóng)業(yè)和生態(tài)等領(lǐng)域都起到了深刻的影響作用。因此，充分利用遙感技術(shù)的優(yōu)勢(shì)，實(shí)時(shí)動(dòng)態(tài)地監(jiān)測(cè)區(qū)域土壤濕度具有十分重要的科學(xué)意義和現(xiàn)實(shí)意義。

2)本文基于廣泛應(yīng)用的AMSR-E衛(wèi)星數(shù)據(jù)，通過(guò)計(jì)算8種微波濕度指數(shù)，并對(duì)這些微波濕度指數(shù)與不同尺度上的降水量時(shí)空分布狀況進(jìn)行比較分析，得出最適合進(jìn)行中國(guó)區(qū)域范圍內(nèi)土壤濕度監(jiān)測(cè)的指數(shù)，從而為以上相關(guān)領(lǐng)域的研究和應(yīng)用提供有效的理論支持。研究結(jié)果表明，基于AMSR-E 6.9 GHz通道的垂直極化多時(shí)相微波濕度指數(shù)(PIV,6.9)不僅在時(shí)空區(qū)域變化上與降水量分布相關(guān)性最好，而且在全國(guó)范圍內(nèi)從整體上來(lái)說(shuō)與降水量的相關(guān)性也是最好的，因此，本文確定PIV,6.9是最適合進(jìn)行全國(guó)土壤濕度監(jiān)測(cè)的微波遙感指數(shù)。

3)考慮到土壤水分本身的復(fù)雜性以及我國(guó)降水空間分布格局的差異，今后的工作將重點(diǎn)圍繞不同下墊面以及不同氣候類(lèi)型條件下的微波遙感土壤濕度的監(jiān)測(cè)進(jìn)行更深入的研究，并進(jìn)一步利用光學(xué)遙感土壤濕度反演的結(jié)果以及地面土壤水分觀測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證，使本研究的結(jié)論更加完善。

[1] 李芹.青藏高原地區(qū)主被動(dòng)微波遙感聯(lián)合反演土壤水分的研究[D].北京:首都師范大學(xué),2011. Li Q.Retrieving of Soil Moisture over the Tibetan Plateau with Active Microwave Remote Sensing and Passive Microwave Remote Sensing[D].Beijing:Capital Normal University,2011.

[2] 任鑫.多極化、多角度SAR土壤水分反演算法研究[D].北京:中國(guó)科學(xué)院研究生院(遙感應(yīng)用研究所),2004. Ren X.Retrieving of Soil Moisture with Multi-polarization,Multi-angle SAR[D].Beijing:Graduate University of Chinese Academy of Sciences(Institute of Remote Sensing Applications Chinese Academy of Sciences),2004.

[3] 楊立娟,武勝利,張鐘軍.利用主被動(dòng)微波遙感結(jié)合反演土壤水分的理論模型分析[J].國(guó)土資源遙感,2011,23(2):53-58. Yang L J,Wu S L,Zhang Z J.A model analysis using a combined active/passive microwave remote sensing approach for soil moisture retrieval[J].Remote Sensing for Land and Resources,2011,23(2):53-58.

[4] 李欣欣,張立新,蔣玲梅.山區(qū)地形對(duì)被動(dòng)微波遙感影響的研究進(jìn)展[J].國(guó)土資源遙感,2011,23(3):8-13. Li X X,Zhang L X,Jiang L M.Advances in the study of mountainous relief effects on passive microwave remote sensing[J].Remote Sensing for Land and Resources,2011,23(3):8-13.

[5] 鄭有飛,徐芳,詹習(xí)武,等.基于AMSR-E數(shù)據(jù)的被動(dòng)微波遙感干旱指數(shù)研究[J].南京氣象學(xué)院學(xué)報(bào),2009,32(2):189-195. Zheng Y F,Xu F,Zhan X W,et al.Drought indices from passive microwave remote sensing AMSR-E data[J].Journal of Nanjing Institute of Meteorology,2009,32(2):189-195.

[6] Gupta A,Thapliyal P K,Pal P K.Identification of dry and wet soil conditions using TRMM/TMI brightness temperatures and potential for drought monitoring[J].International Journal of Remote Sensing,2007,28(6):1425-1431.

[7] Njoku E G,Jackson T J,Lakshmi V,et al.Soil moisture retrieval from AMSR-E[J].IEEE Transactions on Geoscience and Remote Sensing,2003,41(2):215-229.

[8] Paloscia S,Macelloni G,Pampaloni P,et al.Retrieval of soil moisture data at global scales with AMSR-E[J].URSI symposium,New-Delhi,2005.

[9] Owe M,de Jeu R,Walker J.A methodology for surface soil moisture and vegetation optical depth retrieval using the microwave polarization difference index[J].IEEE Transactions on Geoscience and Remote Sensing,2001,39(8):1643-1654.

[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 Sensing of Environment,2003,85(4):489-506.

[11]顏鋒華,金亞秋.星載微波SSM/I多時(shí)相輻射觀測(cè)的特征指數(shù)監(jiān)測(cè)與評(píng)估2003年7月中國(guó)淮河流域汛情[J].地球物理學(xué)報(bào),2005,48(4):775-779. Yan F H,Jin Y Q.Monitoring China’s Huaihe flooding in summer 2003 using characteristic indexes derived from microwave SSM/I multi-temporal observations[J].Chinese Journal of Geophysics,2005,48(4):775-779.

[12]馬媛.新疆土壤濕度的微波反演及應(yīng)用研究[D].烏魯木齊:新疆大學(xué),2007. Ma Y.Study on Soil Moisture Inversion and Application with Microwave Remote Sensing in Xinjiang[D].Urumqi:Xinjiang University,2007.

[13]劉萬(wàn)俠,劉旭攏,翁豐惠,等.基于AMSR-E被動(dòng)微波遙感數(shù)據(jù)的廣東省土壤水分變化監(jiān)測(cè)[J].熱帶地理,2011,31(3):272-277. Liu W X,Liu X L,Weng F H,et al.Monitoring of soil moisture variation based on AMSR-E passive microwave remote sensing[J].Tropical Geography,2011,31(3):272-277.

[14]Achutuni R,Ladue J G,Scofield R A,et al.A soil wetness index for monitoring the Great Flood of 1993[G]//The Seventh Conference on Satellite Meteorology and Oceanography.Monterey,California:AMS,1994.

[15]Basist A,Grody N C,Peterson T C,et al.Using the Special Sensor Microwave/Imager to monitor land surface temperatures,wetness,and snow cover[J].Journal of Applied Meteorology,1998,37(9):888-911.

[16]Basist A,Williams C Jr,Ross T F,et al.Using the Special Sensor Microwave Imager to monitor surface wetness[J].Journal of Hydrometeorology,2001,2:297-308.

[17]Cashion J,Lakshmi V,Bosch D,et al.Microwave remote sensing of soil moisture:Evaluation of the TRMM microwave imager(TMI)satellite for the Little River Watershed Tifton,Georgia[J].Journal of Hydrology,2005,307(1-4):242-253.

[18]Koike T,Tsukamoto T,Kumakura T,et al.Spatial and seasonal distribution of surface wetness derived from satellite data[J].Proc of the International Workshop on Macroscale Hydrological Modeling,1996:87-96.

[19]Lacava T,Di Leo E V,Pergola N,et al.Space-time soil wetness variations monitoring by a multi-temporal microwave satellite records analysis[J].Physics and Chemistry of the Earth,Parts A/B/C,2006,31(18):1274-1283.

[20]Zhao B L,Yao Z Y,Li W B,et al.Rainfall retrieval and flooding monitoring in China using TRMM Microwave Imager(TMI)[J].Journal of the Meteorological Society of Japan Ser II,2001,79(1B):301-315.

[21]徐芳.AMSR-E數(shù)據(jù)監(jiān)測(cè)干旱的方法研究及其在河北省干旱監(jiān)測(cè)中的應(yīng)用[D].南京:南京信息工程大學(xué),2008. Xu F.A Study on Microwave Drought Indices Using AMSR-E Data and Aplication in Hebei Province[D].Nanjing:Nanjing University of Information Science and Technology,2008.

(責(zé)任編輯： 李瑜)

Research on microwave remote sensing of soil moisture index in China based on AMSR-E

LI Shuang, SONG Xiaoning, WANG Yawei, WANG Ruixin

(CollegeofResourcesandEnvironment,UniversityofChineseAcademyofSciences,Beijing100049,China)

Soil moisture is a very important part of earth ecosystem and plays an important role in global water cycle. Passive microwave has advantages of all-weather and high temporal resolution, and its data processing is simple; therefore soil moisture index extracted from passive microwave data greatly promote the repeated observations of soil moisture in large areas. 8 kinds of microwave remote sensing soil moisture indices were extracted from AMSR-E data, half of which were put forward in the past and half of which were newly raised. And then their variation trends were compared with each other at Miyun and Hanzhong, the two meteorological stations, and the data obtained showed thatPIV,6.9andDIV,10.7were respectively related to the precipitation. Afterwards, the precipitation monitoring ofPIV,6.9,DIV,10.7and MPDI10.7at two 10 pixels×12 pixels rectangle areas, including Miyun and Hanzhong respectively, were comparatively studied. Finally, precipitation on August 21thwas interpolated in the whole country, and distributions of precipitation and three soil moisture indices were comparatively analyzed, which werePIV,6.9,DIV,10.7andMPDI10.7. The result shows thatPIV,6.9seems to be the best index for soil moisture monitoring, and also the best choice in soil moisture monitoring in China at present.

soil moisture; microwave soil moisture index; AMSR-E; precipitation

2013-12-10；

2014-07-31

10.6046/gtzyyg.2015.01.11

李爽，宋小寧，王亞維,等.基于AMSR-E數(shù)據(jù)的中國(guó)地區(qū)微波濕度指數(shù)研究[J].國(guó)土資源遙感,2015,27(1):68-74.(Li S,Song X N,Wang Y W,et al.Research on microwave remote sensing of soil moisture index in China based on AMSR-E[J].Remote Sensing for Land and Resources,2015,27(1):68-74.)

TP 79

A

1001-070X(2015)01-0068-07

李爽(1989-)，女，碩士研究生，研究方向?yàn)樯鷳B(tài)環(huán)境遙感。Email: lishuang211@mails.ucas.ac.cn。