微波遙感土壤濕度反演算法及產(chǎn)品研究進(jìn)展

鄭有飛+黃圖南+段長(zhǎng)春+尹繼福+吳榮軍

摘要：在地球系統(tǒng)中，土壤濕度是控制陸氣間水分、能量和碳交換過(guò)程中的一個(gè)重要變量，也是監(jiān)控土地狀況如土地退化、干旱的重要指標(biāo)之一。土壤濕度數(shù)據(jù)的及時(shí)、準(zhǔn)確獲取對(duì)研究全球氣候問(wèn)題、構(gòu)建流域水文模型、監(jiān)測(cè)農(nóng)作物生長(zhǎng)等科學(xué)研究都具有極其重要的意義。微波遙感具有全天候全天時(shí)的物理機(jī)制，使得通過(guò)遙感手段觀測(cè)土壤濕度較傳統(tǒng)的地表站點(diǎn)觀測(cè)在空間尺度上具有較大優(yōu)勢(shì)。簡(jiǎn)要介紹了微波遙感反演土壤濕度的主要原理，并回顧了被動(dòng)微波、主動(dòng)微波以及被動(dòng)和主動(dòng)微波聯(lián)合反演土壤濕度典型反演算法，這些方法大部分是圍繞土壤濕度與亮度溫度之間的關(guān)系進(jìn)行的，同時(shí)考慮其他各種不同因子對(duì)于地表微波輻射的影響。另外，對(duì)歐洲氣象業(yè)務(wù)衛(wèi)星（european remote sensing satellites/meteorological operational satellite program，ERS/MetOp）、高級(jí)微波掃描輻射計(jì)（advanced microwave scanning radiometer for EOS，AMSR-E）、土壤濕度與海洋鹽分衛(wèi)星（soil moisture and ocean salinity，SMOS）3種全球土壤濕度數(shù)據(jù)集的狀況和應(yīng)用情況進(jìn)行介紹。通過(guò)對(duì)前人研究成果的總結(jié)，結(jié)合當(dāng)前的問(wèn)題展望未來(lái)衛(wèi)星遙感反演土壤濕度的發(fā)展趨勢(shì)。

關(guān)鍵詞：土壤濕度；反演算法；主動(dòng)遙感；被動(dòng)遙感；亮度溫度

中圖分類號(hào)：S152.7+1；S127文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1002-1302（2017）05-0001-07

土壤濕度在水循環(huán)中扮演著重要角色，是氣象學(xué)、土壤學(xué)、水文學(xué)、生態(tài)學(xué)等領(lǐng)域關(guān)注和研究的重要內(nèi)容。在氣候系統(tǒng)中，土壤濕度是關(guān)鍵因子之一，決定著植被的蒸散發(fā)以及光合作用，是水循環(huán)、能量循環(huán)的基本組成部分，在降水、徑流、下滲、蒸散發(fā)等水文過(guò)程中起著重要作用[1]。土壤濕度本身的變化還會(huì)引起土壤熱學(xué)特性和地表光學(xué)特性的改變，從而影響氣候變化[2]。土壤濕度是植被群落生態(tài)環(huán)境的重要因子，直接影響植被生長(zhǎng)發(fā)育、結(jié)構(gòu)特征、分布規(guī)律及群落生產(chǎn)力和穩(wěn)定性[3-4]。

然而，由于土壤濕度在時(shí)間和空間范圍上的變化較大，傳統(tǒng)的土壤濕度測(cè)量方法，例如質(zhì)量法和時(shí)域反射儀法都是基于點(diǎn)的測(cè)量，需要大量的實(shí)地操作和繁雜的后處理過(guò)程，無(wú)法在要求的時(shí)間內(nèi)獲取大范圍的土壤濕度空間分布信息，所以土壤濕度在上述各領(lǐng)域都沒(méi)有得到廣泛應(yīng)用[5]。隨著對(duì)精度要求的不斷提高，雖然地面站人工觀測(cè)數(shù)據(jù)在通過(guò)質(zhì)量控制不斷改進(jìn)[6]，但是基于點(diǎn)的傳統(tǒng)土壤濕度測(cè)量方法在應(yīng)用中顯得不足。因此，如何在保證精度的情況下獲取較大區(qū)域的土壤濕度數(shù)據(jù)是亟待解決的問(wèn)題。

隨著衛(wèi)星遙感技術(shù)的發(fā)展，科研人員開(kāi)始用遙感的手段來(lái)獲取土壤濕度時(shí)空分布信息。利用遙感手段獲得的不同尺度大范圍高精度的土壤濕度數(shù)據(jù)不僅能改善當(dāng)前的陸表觀測(cè)系統(tǒng)，也為開(kāi)展定量的、具體的氣候模式提供了科學(xué)依據(jù)和技術(shù)支撐。微波可以全天時(shí)全天候工作，大氣中的各種懸浮顆粒物比微波波長(zhǎng)小很多，遵循瑞利散射，在可見(jiàn)光波段，這種散射的影響非常明顯，而在微波波段，散射強(qiáng)度可以忽略不計(jì)。另外，微波對(duì)一些地物有一定的穿透能力，選擇適當(dāng)?shù)念l率和入射角，除去極茂密的森林外，其他大多數(shù)植被均可被微波穿透，這也使得微波遙感在土壤濕度獲取方面比其他光學(xué)遙感手段有更大優(yōu)勢(shì)。

自20世紀(jì)80年代以來(lái)，隨著機(jī)載和星載遙感的發(fā)展和普及，遙感反演土壤濕度的方法也得到了迅速發(fā)展。1980年，對(duì)雷達(dá)L波段數(shù)據(jù)與土壤濕度之間關(guān)系的研究結(jié)果表明，L波段數(shù)據(jù)與裸土土壤濕度之間存在正相關(guān)關(guān)系[7]。1985年，表觀熱慣量（apparent thermal inertia，ATI）概念的提出，使利用可見(jiàn)光-近紅外反射率及熱紅外輻射溫度差計(jì)算熱慣量并估算土壤濕度成為可能[8]。1988年，Choudhury等利用多通道微波掃描輻射計(jì)（scanning multichannel microwave radiometer，SMMR）和高級(jí)超高分辨率輻射計(jì)（advanced very high resolution radiometer，AVHRR）數(shù)據(jù)估算土壤濕度，并分析了SMMR的極化方式，亮度溫度與土壤濕度之間的相關(guān)性[9]。1999年，Jackson等利用L波段的ESTAR（electronically scanned thinned array radiometer）被動(dòng)微波數(shù)據(jù)反演土壤濕度，通過(guò)與實(shí)測(cè)數(shù)據(jù)的驗(yàn)證，表明反演算法合理有效[10]。2001年，Paloscia等利用SMMR和SSM/I（special sensor microwave image）微波數(shù)據(jù)，建立C波段極化指數(shù)和X波段極化指數(shù)來(lái)反演土壤濕度[11]。

隨著反演算法不斷改進(jìn)，利用目前在運(yùn)行的如高級(jí)微波掃描輻射計(jì)（AMSR）-E[12]、Windsat[13]被動(dòng)微波衛(wèi)星，均可以得到土壤濕度產(chǎn)品。由歐洲空間局（European Space Agency，ESA）、法國(guó)航天局（Centre National dEtudes Spatiales，CNES）、西班牙國(guó)家工業(yè)技術(shù)發(fā)展署（Centro para el Desarrollo Tecnológico Industrial，CDTI）共同研制的并于2009年11月發(fā)射升空的土壤濕度與海洋鹽分衛(wèi)星SMOS，搭載有能夠探測(cè)地球表面的L波段（1.42 GHz，21 cm）微波輻射傳感器，在過(guò)去幾年也在持續(xù)提供全球尺度的土壤濕度反演數(shù)據(jù)[14]；主動(dòng)微波衛(wèi)星遙感也可對(duì)地區(qū)和全球的近地面土壤濕度進(jìn)行有效觀測(cè)反演[15-16]。1991年7月歐洲遙感衛(wèi)星ERS-1發(fā)射，1995年4月ERS-2發(fā)射，2個(gè)衛(wèi)星上均載有可用于反演土壤濕度的C波段（5.3 GHz）垂直極化主動(dòng)散射計(jì)以及微波散射計(jì)SCAT（scatterometer），氣象業(yè)務(wù)衛(wèi)星MetOp于2006年10月發(fā)射，高級(jí)微波散射計(jì)ASCAT（advanced scatterometer）是其搭載的傳感器之一并用于土壤濕度的觀測(cè)反演[14]。

目前，科研人員做了許多關(guān)于同化這些遙感反演的土壤濕度產(chǎn)品來(lái)提高產(chǎn)品精度的研究[17-19]。單個(gè)衛(wèi)星反演得到的產(chǎn)品在空間和時(shí)間上都會(huì)存在大量的缺測(cè)，各個(gè)衛(wèi)星反演的土壤濕度產(chǎn)品之間也存在著差異，這些都對(duì)產(chǎn)品的同化造成不利影響[20]。如何對(duì)這些衛(wèi)星土壤濕度產(chǎn)品進(jìn)行合理的同化融合，得到較單個(gè)衛(wèi)星產(chǎn)品更好的融合產(chǎn)品是目前亟待解決的問(wèn)題[21-22]。

綜上所述，近幾十年來(lái)，前人對(duì)遙感反演土壤濕度的研究進(jìn)行了大量的探索，針對(duì)各種傳感器研究開(kāi)發(fā)的土壤濕度反演算法已經(jīng)有很多。本文簡(jiǎn)要回顧被動(dòng)微波遙感、主動(dòng)微波遙感、多傳感器聯(lián)合的土壤濕度反演算法的主要類別和研究進(jìn)展，介紹應(yīng)用土壤濕度反演算法得到的全球土壤濕度數(shù)據(jù)集。

1被動(dòng)微波遙感反演土壤濕度算法

土壤的介電常數(shù)隨其含水量的變化而變化，由輻射計(jì)觀測(cè)到的亮度溫度也會(huì)隨之變化，土壤濕度是影響被動(dòng)微波輻射測(cè)量的一個(gè)關(guān)鍵因子，也是被動(dòng)微波遙感土壤濕度的理論基礎(chǔ)。被動(dòng)微波遙感由于其較高的時(shí)間分辨率，為基于每天、各個(gè)區(qū)域和全球尺度的土壤濕度反演提供了大量數(shù)據(jù)。已有的星載微波輻射計(jì)包括SSMR、SSM/I、FY、Windsat、AMSR-E、SMOS等。其中FY、Windsat、AMSR-E都采用多頻設(shè)置，頻率不低于C波段，主要采用高頻（短波）波段C、X、Ku波段來(lái)獲取地表土壤濕度，但這些波段對(duì)植被的穿透深度有限，只適用于裸土和低矮植被地區(qū)。

國(guó)內(nèi)外很多研究人員致力于被動(dòng)微波反演土壤濕度的研究。被動(dòng)微波監(jiān)測(cè)土壤濕度主要依賴于用微波輻射計(jì)對(duì)土壤本身的微波發(fā)射或亮度溫度進(jìn)行測(cè)量，土壤的亮度溫度除了受地表土壤濕度影響外還受植被、雪覆蓋，地形以及地表粗糙度等影響[23]。被動(dòng)微波反演土壤濕度方法根據(jù)反演參數(shù)的個(gè)數(shù)可分為單值反演算法和多值反演算法2類。

1.1單值反演算法

早期用于野外航空試驗(yàn)的機(jī)載微波輻射計(jì)通常只有單頻率單極化，使用這種機(jī)載微波輻射計(jì)只能獲得1個(gè)觀測(cè)值，因此只能反演1種地表參數(shù)，如L波段的推掃式微波傳感器（push-broom microwave radiometer，PBMR）和ESTAR。基于這種單通道微波輻射計(jì)的反演算法只能得到1個(gè)地表未知參數(shù)，即土壤濕度。通過(guò)對(duì)裸露地表微波反射率的研究表明，裸露地表土壤濕度與微波發(fā)射率之間存在簡(jiǎn)單的線性相關(guān)關(guān)系[24]，因此土壤濕度可以通過(guò)線性方程反演得到，使用的輻射模型主要公式如下：

1.2多值反演算法

微波遙感不僅可以提供多頻率多角度觀測(cè)，還可以提供不同極化方式的數(shù)據(jù)，不同極化的微波輻射對(duì)地表參數(shù)的響應(yīng)不同，多角度多極化數(shù)據(jù)的獲取使得在反演土壤濕度的同時(shí)反演其他地面參數(shù)。Calvet等用雙極化多角度數(shù)據(jù)同時(shí)對(duì)土壤濕度和植被冠層溫度進(jìn)行反演，反演得到的土壤濕度數(shù)據(jù)與地表觀測(cè)的平均誤差為0.01 m3/m3，結(jié)果表明，該方法反演土壤濕度在植被稀疏地區(qū)可行，而在植被覆蓋較密地區(qū)僅僅使用高頻很難進(jìn)行有效反演[28]。van de Griend等在單通道反演算法的基礎(chǔ)上提出了一種雙極化方法，利用τ-ω 模型反演出土壤濕度以及H極化植被透射率，反演得到的土壤濕度數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)的均方根誤差由之前的5.1%降至 1.2%[29]。另外一種是基于神經(jīng)網(wǎng)絡(luò)的反演算法，該算法的原理是將地表參數(shù)與發(fā)射率之間的關(guān)系作為一個(gè)復(fù)雜的非線性關(guān)系，使用理論模型生成1組輸入輸出數(shù)據(jù)集，然后利用該數(shù)據(jù)集進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，完成后就可以用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行參數(shù)反演。Liu等用神經(jīng)網(wǎng)絡(luò)反演算法，以亮度溫度值作為輸入數(shù)據(jù)集，輸出節(jié)點(diǎn)為土壤濕度以及植被水分含量，并與實(shí)測(cè)數(shù)據(jù)進(jìn)行對(duì)比，土壤濕度的平均誤差約為4.0%[30]。

目前運(yùn)用較為廣泛的衛(wèi)星AMSR-E使用的土壤濕度反演標(biāo)準(zhǔn)算法是Njoku等提出的基于六通道雙極化微波亮度溫度數(shù)據(jù)反演土壤濕度、地表溫度以及植被水分含量數(shù)據(jù)[31]。該算法假定其他參數(shù)沒(méi)有變化，那某一個(gè)待反演參數(shù)的敏感度就是頻率和極化狀態(tài)的函數(shù)，算法以τ-ω模型作為正向模型，首先給待反演參數(shù)1個(gè)基值，與其他已知參數(shù)代入模型，模擬出每個(gè)通道的亮溫值，通過(guò)迭代的方法實(shí)現(xiàn)正向模型計(jì)算亮溫與傳感器觀測(cè)值誤差最小并得到土壤濕度。這種模型反演結(jié)果較好，但在含有雪蓋、水體等某個(gè)參數(shù)敏感度較低的像元，反演效果較差。通過(guò)公式（3）所示的代價(jià)函數(shù)的最小值實(shí)現(xiàn)參數(shù)反演，其中TobsBi為i通道的觀測(cè)亮度溫度，Φi（x） 為正向模型，x為要反演的地表參數(shù)，σi為i通道的亮溫觀測(cè)誤差。模擬表明，該算法在植被含水量小于1.5 kg/m2的地區(qū)，土壤濕度的反演精度可以達(dá)到0.06 g/cm2，該算法在半干旱地區(qū)可以達(dá)到預(yù)期精度，能較好地反演土壤濕度。

隨著各種新型傳感器的應(yīng)用，被動(dòng)微波遙感反演土壤濕度的算法已經(jīng)有很大進(jìn)展，但還存在著一些問(wèn)題，比如如何消除植被覆蓋、地表粗糙度對(duì)反演的影響。Shi等發(fā)展了一個(gè)利用L波段V、H極化觀測(cè)值盡可能減小地表粗糙度影響的土壤濕度反演算法[33]。另外，迭代反演算法也存在著一些不足。微波觀測(cè)到的輻射信號(hào)取決于地表土壤濕度、地面粗糙度、植被的光學(xué)厚度、地表以及植被溫度等。迭代反演算法是根據(jù)構(gòu)造代價(jià)函數(shù)，使模型的模擬值與衛(wèi)星觀測(cè)值誤差達(dá)到最小，并調(diào)整參數(shù)反演得到土壤濕度。因此，在土壤濕度的反演過(guò)程中，地表粗糙度、植被層的光學(xué)厚度、單次散射反照率、地表以及植被的溫度等各種參數(shù)都會(huì)在迭代過(guò)程中對(duì)觀測(cè)值與模型模擬值的差值最小化起到影響。因此，迭代算法無(wú)法從物理機(jī)制上解釋地表任一參數(shù)值變化引起的衛(wèi)星觀測(cè)值變化，調(diào)整任何一個(gè)參數(shù)均可滿足代價(jià)函數(shù)的要求，其得到的土壤濕度數(shù)據(jù)會(huì)存在很多問(wèn)題，須要改進(jìn)提高反演精度[31]。

2主動(dòng)微波遙感反演土壤濕度

主動(dòng)微波遙感是利用雷達(dá)發(fā)射微波波束，經(jīng)地物反射后接收地物反射回的信號(hào)以此來(lái)分析地物特性的。不同含水量的土壤介電特性不同，其雷達(dá)回波信號(hào)也不同，根據(jù)這個(gè)建立后向散射系數(shù)和土壤濕度之間的關(guān)系。目前對(duì)于裸露地表和稀疏植被的情況，在反演土壤濕度算法的研究中已經(jīng)取得很大進(jìn)展，而對(duì)于植被影響不能被忽略的情況，反演算法也有一定成效。主動(dòng)微波反演算法可以分為經(jīng)驗(yàn)?zāi)Ｐ?、半?jīng)驗(yàn)?zāi)Ｐ汀⑽锢砟Ｐ退惴?類。

2.1經(jīng)驗(yàn)?zāi)Ｐ?/p>

經(jīng)驗(yàn)?zāi)Ｐ偷脑硗ㄟ^(guò)實(shí)際觀測(cè)值建立后向散射系數(shù)與土壤濕度的線性回歸關(guān)系。Puri等利用熱帶測(cè)雨衛(wèi)星的數(shù)據(jù)反演土壤濕度，在裸露地表和低植被覆蓋地表直接建立后向散射系數(shù)與土壤濕度的經(jīng)驗(yàn)方程，在中高植被覆蓋地表建立后向散射系數(shù)與土壤濕度以及植被覆蓋指數(shù)（NDVI）之間的經(jīng)驗(yàn)方程[34]。研究結(jié)果表明，該方法更適用裸露地表和低植被覆蓋地表，反演絕對(duì)誤差在8%以內(nèi)，在中高植被覆蓋地區(qū)，反演精度則會(huì)下降，此外根據(jù)不同的試驗(yàn)建立反演精度較高的非線性模型。Dubois等對(duì)該模型進(jìn)行改進(jìn)，建立一個(gè)反演裸土地表壤體積含水量的經(jīng)驗(yàn)?zāi)Ｐ蚚35]，經(jīng)過(guò)驗(yàn)證，該模型在入射角大于30°、NDVI小于0.4的條件下可以取得較高精度，反演均方根誤差小于3.5%?？傮w來(lái)說(shuō)，經(jīng)驗(yàn)?zāi)Ｐ腿狈ξ锢砘A(chǔ)，所以反演效果缺乏穩(wěn)定性。另外，收集建立經(jīng)驗(yàn)?zāi)Ｐ退枰母哔|(zhì)量參考數(shù)據(jù)集也是難點(diǎn)之一。

2.2物理模型

標(biāo)準(zhǔn)的后向散射理論模型為基爾霍夫模型，包括幾何光學(xué)模塊、物理光學(xué)模塊、小擾動(dòng)模塊[36]。幾何光學(xué)模塊（GOM）適用于非常粗糙的表面，物理光學(xué)模塊（POM）適用于中等粗糙的表面，小擾動(dòng)模塊（SPM）適用于較平滑的表面。Fung等在基爾霍夫模型的基礎(chǔ)上，提出了積分方程模型（IEM）[37]，該模型的原理是用土壤濕度和地表粗糙度以及已知的雷達(dá)系數(shù)來(lái)量化后向散射系數(shù)。如公式（4）所示：

[JZ（]σ°pp=[SX（]k22[SX）]exp[-2k2zs2]∑[DD（]∞n=1[DD）]s2n|Inpp|2[SX（]Wn（-2kx，0）n！[SX）]。[JZ）][JY]（4）

式中：σ°表示不同極化的后向散射系數(shù)，p表示極化方式，k表示波數(shù)，kz=kcosθ，kx=ksinθ，θ表示入射角角度，s表示表面高度均方根，Wn表示第n層表面相關(guān)系數(shù)的傅里葉變化。

很多研究表明IEM模型在植被覆蓋地區(qū)也能獲得較好的反演結(jié)果。Bindlish等利用多極化多頻數(shù)據(jù)，通過(guò)IEM模型反演了土壤濕度，反演結(jié)果平均誤差為3.4%[38]?；贗EM模型，后續(xù)研究提出多種算法用來(lái)反演裸土和稀疏植被地表的土壤濕度，包括神經(jīng)網(wǎng)絡(luò)、貝葉斯方程、內(nèi)爾德米德最小化方法等。

2.3半經(jīng)驗(yàn)?zāi)Ｐ?/p>

半經(jīng)驗(yàn)?zāi)Ｐ褪且恍┭芯咳藛T針對(duì)不同植被覆蓋類型和覆蓋度提出的一些植被模型。與經(jīng)驗(yàn)?zāi)Ｐ筒煌?，半?jīng)驗(yàn)?zāi)Ｐ陀形锢韺W(xué)背景，并在此基礎(chǔ)上，用模擬或者試驗(yàn)的數(shù)據(jù)集來(lái)簡(jiǎn)化后向散射理論模型。所以，相對(duì)于受地點(diǎn)限制較大的經(jīng)驗(yàn)?zāi)Ｐ?，半?jīng)驗(yàn)?zāi)Ｐ瓦m用于更多地區(qū)。目前使用最為廣泛的半經(jīng)驗(yàn)?zāi)Ｐ陀?種，分別由Oh等[39]、Dubios等[35]、Shi等[40]提出。

式中：σ°表示不同極化方式的后向散射系數(shù)，mV表示土壤體積含水量，ks代表歸一化表面粗糙度。當(dāng)土壤體積含水量在9%～31%，歸一化表面粗糙度在0.1～6.0之間，模型給出的反演結(jié)果較為準(zhǔn)確。在經(jīng)過(guò)后期的研究和改進(jìn)后，Oh等的模型[39]與IEM模型的反演結(jié)果較為一致。這種模型最主要的優(yōu)點(diǎn)是只需要一種地表參數(shù)，且在有多極化數(shù)據(jù)的情況下，不須要實(shí)地測(cè)量就可轉(zhuǎn)化土壤介電常數(shù)和地表粗糙度。

Dubois等提出的半經(jīng)驗(yàn)?zāi)Ｐ蚚35]主要適用于同極化模式的后向散射，反演時(shí)須要使用2.5～11 GHz之間的6種頻率的數(shù)據(jù)。主要公式如下：

（7）、（8）二式構(gòu)建了土壤介電常數(shù)與HH、VV極化后向散射以及雷達(dá)參數(shù)（波長(zhǎng)，入射角）之間的函數(shù)關(guān)系。模型在土壤體積含水量小于35%、入射角大于30°的條件下反演效果較好。試驗(yàn)表明，該模型在裸土和植被稀疏地區(qū)表現(xiàn)最好。相較于交叉極化模式，同極化模式的后向散射系數(shù)受系統(tǒng)影響噪聲更小且易于校正。Ji等的研究結(jié)果顯示，Dubois等的模型反演結(jié)果要好于Oh等的模型與IEM模型[41]。

Shi等的半經(jīng)驗(yàn)?zāi)Ｐ褪抢肐EM模型模擬不同表面粗糙度和土壤體積含水量條件下裸土表面的后向散射值，建立后向散射系數(shù)與土壤介電常數(shù)、地表粗糙度功率譜之間的相關(guān)關(guān)系[40]。與前面介紹的2種模型不同，Shi等模型的算法只使用L波段，入射角在25°～70°之間，如公式（9）、（10）所示：

主動(dòng)微波雷達(dá)的優(yōu)勢(shì)在于能提供高空間分辨率的數(shù)據(jù)（10～100 m），但是由于雷達(dá)信號(hào)對(duì)地表的高度敏感，考慮到地表粗糙度影響，雖然目前已經(jīng)提出了多種模型，但是沒(méi)有一個(gè)能被廣泛應(yīng)用。同時(shí)，雷達(dá)測(cè)量還受到植被影響，很多模型只適用于裸露地表或植被覆蓋率較低區(qū)域，這些問(wèn)題也是主動(dòng)微波反演算法的難點(diǎn)。

3多傳感器聯(lián)合反演土壤濕度算法

大量的研究對(duì)比發(fā)現(xiàn)，在反演土壤濕度方面，主動(dòng)微波遙感算法的精度較高，但是對(duì)地表粗糙度和植被更為敏感。被動(dòng)微波傳感器具有較高的時(shí)間分辨率，一些傳感器能夠提供每天的土壤濕度數(shù)據(jù)，但是空間分辨率較低。結(jié)合主動(dòng)微波遙感算法可以彌補(bǔ)單一傳感器算法所存在的不足。許多試驗(yàn)表明，主動(dòng)被動(dòng)聯(lián)合反演土壤濕度可以取得很好的效果。ONeill等提出一種針對(duì)植被覆蓋區(qū)域的主被動(dòng)結(jié)合土壤濕度反演算法，通過(guò)植被散射模型計(jì)算出植被透視率，再將計(jì)算出的數(shù)據(jù)通過(guò)輻射傳輸模型反演出土壤濕度，2個(gè)試驗(yàn)區(qū)的綜合驗(yàn)證結(jié)果均方根誤差為2.4%[47]。Zribi等結(jié)合了ERS衛(wèi)星的風(fēng)散射計(jì)（WSC）和高空間分辨率的SAR數(shù)據(jù)，把WSC后向散射信號(hào)看作植被和裸露土壤后向散射信號(hào)的加權(quán)平均值，對(duì)植被散射部分定量反演，然后通過(guò)IEM模型反演土壤濕度[48]。Njoku等基于SGP99試驗(yàn)區(qū)的位置測(cè)定系數(shù)PALs觀測(cè)數(shù)據(jù)，利用變化檢測(cè)的方法進(jìn)行主被動(dòng)土壤濕度的反演，該方法獲取的土壤濕度數(shù)據(jù)在標(biāo)定時(shí)間內(nèi)有較好的精度，但是隨著時(shí)間的變化，反演的土壤濕度偏差開(kāi)始變大[49]。Das等在針對(duì)土壤濕度主動(dòng)被動(dòng)衛(wèi)星（soil moisture active and passive，SMAP）主被動(dòng)土壤濕度反演的試驗(yàn)中，構(gòu)建L波段多極化雷達(dá)后向散射系數(shù)與土壤體積含水量之間的線性關(guān)系，并利用PALs數(shù)據(jù)反演土壤濕度

4.1歐洲遙感衛(wèi)星/氣象業(yè)務(wù)化衛(wèi)星土壤濕度數(shù)據(jù)集

歐洲遙感衛(wèi)星ERS-1/2是由歐洲太空局研制并用于觀測(cè)陸地、海洋表面溫度、風(fēng)等數(shù)據(jù)的。1991年7月17日 ERS-1 發(fā)射，該衛(wèi)星搭載1個(gè)成像合成孔徑雷達(dá)、1個(gè)雷達(dá)測(cè)高計(jì)以及其他設(shè)備。1995年4月21日ERS-2發(fā)射，ERS-2 在ERS-1的基礎(chǔ)上添加了1個(gè)觀測(cè)大氣臭氧層的傳感器，2個(gè)衛(wèi)星上均載有C波段（5.3 GHz）垂直極化主動(dòng)散射計(jì)。

氣象業(yè)務(wù)衛(wèi)星MetOp是歐洲氣象衛(wèi)星組織（EUMETSAT）極地軌道衛(wèi)星系統(tǒng)（EPS）的基礎(chǔ)，EPS是歐洲第1個(gè)極地軌道運(yùn)行衛(wèi)星系統(tǒng)。EPS系統(tǒng)包括3顆衛(wèi)星及地面系統(tǒng)，第1顆衛(wèi)星（MetOp-A）于2006年10月19日發(fā)射，高級(jí)微波散射計(jì)ASCAT是其搭載的傳感器之一。

ERS/MetOp全球土壤濕度數(shù)據(jù)是從搭載在ERS-1/2以及MetOp衛(wèi)星上的微波散射計(jì)所測(cè)得的C波段（5.3 GHz）后向散射系數(shù)中反演得到的，反演采用TU-Wien模型和 Wagner 等提出的算法[51]。

ERS/MetOp土壤濕度產(chǎn)品有Level 2土壤濕度數(shù)據(jù)集和Level 3土壤濕度數(shù)據(jù)集2種數(shù)據(jù)集。Level 2土壤濕度數(shù)據(jù)集提供了衛(wèi)星過(guò)境時(shí)刻土壤表層土壤濕度含量，土壤濕度數(shù)據(jù)值域?yàn)?～1。Level 3數(shù)據(jù)集也被稱為土壤濕度指數(shù)（SWI），其利用ASCAT的Level 2數(shù)據(jù)，輔助以其他數(shù)據(jù)源數(shù)據(jù)，通過(guò)反演得到。

許多研究人員對(duì)ERS/MetOp土壤濕度數(shù)據(jù)集進(jìn)行了驗(yàn)證，Drusch等將該數(shù)據(jù)集與美國(guó)SGP99土壤濕度數(shù)據(jù)進(jìn)行對(duì)比驗(yàn)證，均方根誤差約為0.06 m3/m3[52]。Pellarin等利用法國(guó)西南部空間分辨率1 km的土壤濕度數(shù)據(jù)對(duì)區(qū)域進(jìn)行驗(yàn)證，均方根誤差為0.06 m3/m3[53]。Wagner等用西班牙杜羅河域的土壤濕度測(cè)量站測(cè)量的數(shù)據(jù)驗(yàn)證了數(shù)據(jù)集，表明均方根誤差為0.09 m3/m3[54]。

4.2AMSR-E土壤濕度數(shù)據(jù)集

高級(jí)微波掃描輻射計(jì)AMSR-E傳感器是由日本國(guó)家空間開(kāi)發(fā)署（Japan Aerospace Exploration Agency，JAXA）設(shè)計(jì)開(kāi)發(fā)并搭載在美國(guó)國(guó)家航空航天局（NASA） Aqua衛(wèi)星上的，提供6.925、10.65、18.7、23.8、36.5、89.0 GHz等6種頻率，水平極化和垂直極化2種極化方式共計(jì)12個(gè)通道的地表微波輻射亮度溫度值，軌道高度705 km。衛(wèi)星2次/d通過(guò)赤道，升軌模式時(shí)間為13：30，降軌模式時(shí)間為01：30。取決于緯度分布，重訪頻率可達(dá)到 2 d/次甚至更高，于2002年5月發(fā)射升空，2011年10月之后無(wú)法得到AMSR-E的土壤濕度數(shù)據(jù)。

許多研究人員對(duì)AMSR-E土壤濕度數(shù)據(jù)進(jìn)行了驗(yàn)證，驗(yàn)證區(qū)域主要為美國(guó)、墨西哥北部、巴西、澳大利亞等地區(qū)，結(jié)果表明AMSR-E土壤濕度數(shù)據(jù)精度良好，與實(shí)測(cè)數(shù)據(jù)的均方根誤差在0.03～0.12 m3/m3之間[55]。但由于植被以及人工無(wú)線電頻率干擾（RFI），造成反演值偏高。RFI造成的偏差是AMSR-E數(shù)據(jù)一個(gè)眾所周知的問(wèn)題[56]。

4.3SMOS土壤濕度數(shù)據(jù)集

土壤濕度與海洋鹽分衛(wèi)星SMOS由歐洲空間局、法國(guó)航天局、西班牙國(guó)家技術(shù)發(fā)展署共同研制，于2009年11月2日發(fā)射升空，軌道高度為（757±1）km。衛(wèi)星唯一的載荷“合成孔徑微波成像儀”（MIRAS）由歐洲防務(wù)集團(tuán)西班牙公司（European Aeronautic Defense and Space Company，EADS）研制。MIRAS由69個(gè)天線一體化接收機(jī)構(gòu)成，能夠探測(cè)地球表面L波段的微波輻射（1.42 GHz，21 cm），該頻率能夠盡量減小天氣、大氣和植被覆蓋等對(duì)測(cè)量結(jié)果的影響，反映土壤濕度和海水鹽度的變化。

SMOS的目標(biāo)是提供空間分辨率小于50 km、時(shí)間分辨率為1～3 d、精確度高于0.04 m3/m3的全球土壤濕度數(shù)據(jù)集。SMOS土壤濕度反演模型為生物圈L波段微波發(fā)射模型（L-MEB），L-MEB模型假設(shè)植被冠層和土壤溫度均一分布、植被性質(zhì)相同、冠層溫度等于土壤溫度[57]。

目前已有許多對(duì)SMOS土壤濕度數(shù)據(jù)集的有效性進(jìn)行驗(yàn)證的研究。在法國(guó)西南部大西洋地中海區(qū)域，有研究利用土壤濕度觀測(cè)系統(tǒng)-氣象自動(dòng)網(wǎng)絡(luò)集成應(yīng)用（SMOSMANIA）土壤濕度網(wǎng)絡(luò)的12個(gè)土壤濕度觀測(cè)站數(shù)據(jù)，結(jié)合海洋和陸地合作機(jī)載微波輻射計(jì)研究L波段微波輻射計(jì)數(shù)據(jù)，對(duì)SMOS土壤濕度數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果表明，均方根誤差平均為 0.06 m3/m3[58]。Parrens等在法國(guó)南部用SMOSMANIA土壤濕度網(wǎng)絡(luò)的21個(gè)觀測(cè)站數(shù)據(jù)對(duì)SMOS土壤濕度數(shù)據(jù)進(jìn)行驗(yàn)證，研究表明均方根誤差為0.053 m3/m3[59]。SMOS信號(hào)也會(huì)受到人工無(wú)線電頻率干擾RFI的影響，特別是在歐洲、亞洲2個(gè)洲。

此外，也有一些研究人員通過(guò)各種方法將多種衛(wèi)星數(shù)據(jù)融合為一種產(chǎn)品。Liu等用陸面模式將幾種主動(dòng)微波被動(dòng)微波的土壤濕度產(chǎn)品融合成一個(gè)新的多年土壤濕度數(shù)據(jù)集（1979—2008），相對(duì)于單個(gè)衛(wèi)星的土壤濕度產(chǎn)品，這個(gè)數(shù)據(jù)集可以提供更多的數(shù)據(jù)[60]。這種數(shù)十年的土壤濕度產(chǎn)品可以幫助大家更好地了解土壤濕度在水、能量、碳循環(huán)中所起的作用。

5小結(jié)與展望

隨著衛(wèi)星和微波傳感器技術(shù)的發(fā)展，大量反演算法不斷提出，現(xiàn)在依靠較少的輔助數(shù)據(jù)就能反演出土壤濕度。之前的研究表明，各種算法都有其局限性。微波遙感由于其波長(zhǎng)較長(zhǎng)，穿透能力強(qiáng)，可以到達(dá)地表下5 cm深度，且基本不受天氣條件的影響，所以在土壤濕度監(jiān)測(cè)中應(yīng)用較多。被動(dòng)微波時(shí)間分辨率較高，一些衛(wèi)星產(chǎn)品可以提供每天的土壤濕度數(shù)據(jù)，而且被動(dòng)微波對(duì)地表及植被的敏感度也較低，但它的空間分辨率也較低。主動(dòng)微波的空間分辨率較高，但是時(shí)間分辨率較低，目前大量的研究主要集中在如何提高微波遙感的空間、時(shí)間分辨率，如何消除植被、地表粗糙度造成的影響以及如何提高時(shí)間空間分辨率等問(wèn)題上。因此，SMAP于2008年開(kāi)始投入研制，計(jì)劃于2015年發(fā)射。SMAP衛(wèi)星搭載1個(gè)頻率為1.26 GHz，極化方式為HH、VV、HV的L波段雷達(dá)傳感器以及1個(gè)頻率1.41 GHz，極化方式H、V、U的L波段微波輻射計(jì)。軌道高度680 km，重訪周期為8 d。SMAP發(fā)射的初期目標(biāo)是提供全球范圍時(shí)間分辨率3 d、空間分辨率10 km的地表深度 5 cm、精度0.04 m3/m3的土壤體積含水量數(shù)據(jù)[50]。另外，目前通過(guò)衛(wèi)星資料和反演算法得到的大多為表層土壤濕度數(shù)據(jù)，如何通過(guò)觀測(cè)資料對(duì)更深層的土壤濕度進(jìn)行反演，也是亟待解決的一個(gè)問(wèn)題。

綜合分析來(lái)看，目前的反演算法以及土壤濕度數(shù)據(jù)集都存在自身的優(yōu)缺點(diǎn)，多傳感器聯(lián)合反演算法可以吸取各種反演算法的優(yōu)點(diǎn)，提高土壤濕度反演的精度；衛(wèi)星資料的融合也可以通過(guò)對(duì)比使得數(shù)據(jù)精度得到提升，并有助于陸面模式的改進(jìn)[61]。對(duì)多傳感器聯(lián)合反演算法以及衛(wèi)星資料融合的研究還會(huì)是未來(lái)衛(wèi)星遙感反演土壤濕度的重要研究方向。

參考文獻(xiàn)：

[1][ZK（#]Seneviratne S I，Corti T，Davin E L，et al. Investigating soil moisture-climate interactions in a changing climate：a review[J]. Earth-Science Reviews，2010，99（3/4）：125-161.

[2]陳斌，丁裕國(guó)，劉晶淼. 土壤濕度的一種統(tǒng)計(jì)預(yù)報(bào)模型初步試驗(yàn)[J]. 氣象科學(xué)，2005，25（3）：231-237.

[3]莫保儒，王子婷，蔡國(guó)軍，等. 半干旱黃土區(qū)成熟檸條林地剖面土壤濕度環(huán)境及影響因子研究[J]. 干旱區(qū)地理，2014，37（6）：1207-1215.

[4]張雷明，上官周平. 黃土高原土壤水分與植被生產(chǎn)力的關(guān)系[J]. 干旱區(qū)研究，2002，19（4）：59-63.

[5]張瀅，丁建麗，周鵬. 干旱區(qū)土壤水分微波遙感反演算法綜述[J]. 干旱區(qū)地理，2011，34（4）：671-678.

[6]張志富. 自動(dòng)站土壤水分資料質(zhì)量控制方案的研制[J]. 干旱區(qū)地理，2013，36（1）：101-108.

[7]Chang A T C，Atwater S G，Salomonson V V，et al. L-band radar sensing of soil moisture[J]. IEEE Transactions on Geoscience and Remote Sensing，1980（4）：303-310.

[8]Price J C. On the analysis of thermal infrared imagery：the limited utility of apparent thermal inertia[J]. Remote Sensing of Environment，1985，18（1）：59-73.

[9]Choudhury B J，Golus R E. Estimating soil wetness using satellite data[J]. International Journal of Remote Sensing，1988，9（7）：1251-1257.[ZK）]

[10][ZK（#]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 Transactions on Geoscience and Remote Sensing，1999，37（5）：2136-2151.

[11]Paloscia S，Macelloni G，Santi E，et al.A multifrequency algotithm for the retrieval of soil moisture on a large scale using microwave data from SMMR and SSM/I satellites[J]. IEEE Transactions on Geoscience and Remote Sensing，2001，39（8）：1655-1661.

[12]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.

[13]Li L，Gaiser P W，Gao B C，et al. WindSat global soil moisture retrieval and validation[J]. IEEE Transactions on Geoscience and Remote Sensing，2010，48（5）：2224-2241.

[14]Liu Y Y，Parinussa R M，Dorigo W A，et al. Developing an improved soil moisture dataset by blending passive and active microwave satellite-based retrievals[J]. Hydrology & Earth System Sciences，2011，15（2）：425-436.

[15]Wolfgang W，Klaus S，Carsten P，et al. Evaluation of the agreement between the first global remotely sensed soil moisture data with model and precipitation data[J]. Journal of Geophysical Research（Atmospheres），2003，108（D19）：1675-1702.

[16]Owe M，de Jeu R，Holmes T. Multisensor historical climatology of satellite-derived global land surface moisture[J]. Journal of Geophysical Research Earth Surface，2008，113（F1）：196-199.

[17]Koster R D，Guo Z C，Yang R Q，et al. On the nature of soil moisture in land surface models[J]. Journal of Climate，2009，22（16）：4322-4335

[18]Parrens M，Mahfouf J F，Barbu A L，et al. Assimilation of surface soil moisture into a multilayer soil model：design and evaluation at local scale[J]. Hydrology & Earth System Sciences，2014，18（2）：673-689.

[19]Zhan X，Zheng W，Meng J，et al. Impact of SMOS soil moisture data assimilation on NCEP-GFS forecasts[J]. EGU General Assembly，2012，14：12724.

[20]Reichle R H. Data assimilation methods in the Earth sciences[J]. Advances in Water Resources，2008，31（11）：1411-1418.

[21]Albergel C，Dorigo W，Reichle R H，et al. Skill and global trend analysis of soil moisture from reanalyses and microwave remote sensing[J]. Journal of Hydrometeorology，2013，14（4）：1259-1277.

[22]Dorigo W，Wagner W，Bauer-Marschallinger B，et al. Constructing and analyzing a 32-years climate data record of remotely sensed soil moisture[C]. Geoscience and Remote Sensing Symposium，2012：2028-2031.

[23]Wigneron J P，Calvet J C，Pellarin T，et al. Retrieving near surface soil moisture from microwave radiometric observation：current sratus and future plans[J]. Remote Sensing of Environment，2003，85（4）：489-506.

[24]Wang J R，ONeill P E，Jackson T J，et al. Multifrequency measurements of the effects of soil moisture，soil texture，and surface roughness[J]. IEEE Transactions on Geoscience and Remote Sensing，1983，1（1）：44-51

[25]Jackson T J，Schmugge T J，Wang J R. Passive microwave sensing of soil moisture under vegetation canopies[J]. Water Resources Research，1982，18（4）：1137-1142.

[26]Mo T，Choudhury B J，Schmugge T J，et al. A model for microwave emission from vegetation-covered fields[J]. Journal of Geophysical Research Oceans，1983，87（NC13）：11229-11237.

[27][JP3]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 Wahita92[J]. Remote Sensing of Environment，1995，54（1）：27-37.[JP]

[28]Calvet J C，Chanzy A，Wigneron J P. Surface temperature and soil moisture retrieval in the Sahel from airborne multifrequency microwave radiometry[J]. IEEE Transactions on Geoscience and Remote Sensing，1996，34（2）：588-600.

[29]van de Griend A A，Owe M. The influence of polarization on canopy transmission properties at 6.6 GHz and implications for large scale soil moisture monitoring in semi-arid environments[J]. IEEE Transactions on Geoscience and Remote Sensing，1994，32（2）：409-415.

[30]Liu S F，Liou Y A，Wang W J，et al. Retrieval of crop biomass and soil moisture from measured 1.4 and 10.65 GHz brighrness temperatures[J]. IEEE Transactions on Geoscience and Remote Sensing，2002，40（6）：1260-1268.

[31]Njoku E G，Li L. Retrieval of land surface parameters using passive microwave measurements at 6-18 GHz[J]. IEEE Transactions on Geoscience and Remote Sensing，1999，37（1）：79-93.

[32]Wigneron J R，Waldteufel P，Chanzy A，et al. Two-D microwave interferometer retrieval capabilities of over land surface（SMOS Mission）[J]. Remote Sensing of Environment，2000，73：270-282.

[33]Shi J，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 Transactions on Geoscience and Remote Sensing，2002，40（12）：2674-2686.

[34]Puri S，Stephen H，Ahmad S.Relating TRMM precipitation radar land surface backscatter response to soil moisture in the Southern United States[J]. Journal of Hydrology，2011，402（1/2）：115-125.

[35]Dubois P C，van Zyl J，Engman T. Measuring soil moisture with imaging radars[J]. IEEE Transctions on Geosciences and Remote Sensing，1995，33（4）：915-926.

[36]Engman E T，Chanhan N. Status of microwave soil moisture measurements with remote sensing[J]. Remote Sensing of Environment，1995，51（1）：189-198.

[37]Fung A K，Li Z，Chen K S. Backscattering from a randomly rough dielectric surface[J]. IEEE Transactions on Geoscience and Remote Sensing，1992，30（2）：356-369.

[38]Bindlish R，Barros A P. Multifrequency soil moisture inversion from SAR measurements using IEM[J]. Remote Sensing of Environment，2000，71（1）：67-88.

[39]Oh Y，Sarabandi K，Ulaby F T. An empirical model and an inversion technique for radar scattering from bare soil suiface[J]. IEEE Transactions on Geosciences and Remote Sensing，1992，30（2）：370-381.

[40]Shi J C，Wang J，Hsu A Y，et al. Estimation of bare surface soil moisture and surface roughness parameter using L-band SAR image data[J]. IEEE Transactions on Geoscience and Remote Sensing，1997，35（5）：1254-1266.

[41]Ji J，Keur P V D，Thomsen A，et al. Soil moisture retrieval using the Danish L- & C-band polarimetric SAR[C]. Geoscience and Remote Sensing Symposium，1996（2）：1300-1302.

[42]Zyl J J V，Njoku E G，Jackson T J. Quantitative analysis of SMEX02 AIRSAR data for soil moisture inversion[C]. Geoscience and Remote Sensing Symposium，2003：404-406.

[43]Attema E P W，Ulaby F T. Vegetation modelled as a water cloud[J]. Radio Science，1978，13（2）：357-364.

[44]Taconet O，Vidal-Madjar D，Emblanch C，et al. Taking into account vegetation effects to estimate soil moisture from C-band radar measurements[J]. Remote Sens Environ，1996，56：52-56.

[45]Prevot L，Poenaru V，Voicu P，et al. Surface soil moisture estimation from SAR data over wheat fields during the ADAM project[C]. Geoscience and Remote Sensing Symposium，2003：2885-2887.

[46]Maity S，Patnaik C，Chakraborty M，et al. Analysis of temporal backscattering of cotton crops using a semi-empirical model[J]. IEEE Trans Geosci Remote Sens，2004，42（3）：577-587.

[47]ONeill P E，Chauhan N S，Jackson T J. Use of active and passive microwave remote sensing for soil moisture estimation through corn[J]. International Journal of Remote Sensing，1996，17（10）：1851-1865.

[48]Zribi M，Hégarat-Mascle S L，Ottlé C，et al. Surface soil moisture estimation from the synergistic use of the （multi-incidence and multi-resolution） active microwave ERS Wind Scatterometer and SAR data[J]. Remote Sensing of Environment，2003，86（1）：30-41.

[49]Njoku E G，Wukson W J，Dinardo S J，et al. Observation of soil moisture using a passive and active low-frequency microwave airborne sensor during SGP99[J]. IEEE Transactions on Geoscience and Remote Sensing，2002，40（12）：2659-2671.

[50]Das N N，Entekhabi D，Njoku E G. An algorithm for merging SMAP radiometer and radar data for high-resolution soil moisture retrieval[J]. IEEE Transactions on Geoscience and Remote Sensing，2011，49（5）：1504-1512.

[51]Wagner W，Lemoine G，Rott H. A method for estimating soil moisture from ERS scatterometer and Soil Data[J]. Remote Sensing of Environment，1999，70（2）：191-207.

[52]Drusch M，Wood E F，Gao H，et al. Soil moisture retrieval during the Southern Great Plains Hydrology Experiment 1999：a comparison between experimental remote sensing data and operational products[J]. Water Resources Research，2004，40（2）：389-391.

[53]Pellarin T，Calvet J C，Wagner W. Evaluation of ERS Scatterometer soil moisture products over a half-degree region in southwestern France[J]. Geophysical Research Letters，2006，33（17）：123-154.

[54]Wagner W，Pampaloni P，et al. Operational readiness of microwave remote sensing of soil moisture for hydrologic applications[J]. Water Policy，2007，38（1）：1-20.

[55]de Jeu R A M，Wagner W，Holmes T R H，et al. Global soil moisture patterns observed by space borne microwave radiometers and scatterometers[J]. Surveys in Geophysics，2008，29（4）：399-420.

[56]Njoku E G，Ashcroft P，Chan T K，et al. Global survey and statistics of Radio-Frequency Interference in AMSR-E land observations[J]. IEEE Transactions on Geoscience and Remote Sensing，2005，43（5）：938-947.

[57]Mladenova I，Lakshmi V，Jackson T J，et al. Validation of AMSR-E soil moisture using L-band airborne radiometer data from National Airborne Field Experiment 2006[J]. Eres，2011，115（8）：2096-2103.

[58]Albergel C，Zakharova E，Calvet J C，et al. A first assessment of the SMOS data in southwestern France using in situ and airborne soil moisture estimates：the CAROLS airborne campaign[J]. Remote Sensing of Environment，2011，115（10）：2718-2728.

[59]Parrens M，Zakharova E，Lafont S，et al. Comparing soil moisture retrevals from SMOS and ASCAT over France[J]. Hydrology and Earth System Sciences Discussions，2011，16（2）：423-440.

[60]Liu Y Y，Dorigo W A，Parinussa R M，et al.Trend-preserving blending of passive and active microwave soil moisture retrievals[J]. Remote Sensing of Environment，2012，123（3）：280-297

[61]Yin J，Zhan X，Zheng Y，et al. Enhancing model skill by assimilating SMOPS blended soil moisture product into noah land surface model[J]. Journal of Hydrometeorology，2015，16（2）：917-931.