被動(dòng)微波遙感觀測(cè)資料干擾對(duì)地表參數(shù)反演的影響分析

吳瑩， 錢博， 王振會(huì)

(南京信息工程大學(xué)氣象災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室/氣候與環(huán)境變化國際合作聯(lián)合實(shí)驗(yàn)室/氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心/中國氣象局氣溶膠與云降水重點(diǎn)開放實(shí)驗(yàn)室，南京 210044)

被動(dòng)微波遙感觀測(cè)資料干擾對(duì)地表參數(shù)反演的影響分析

吳瑩， 錢博， 王振會(huì)

(南京信息工程大學(xué)氣象災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室/氣候與環(huán)境變化國際合作聯(lián)合實(shí)驗(yàn)室/氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心/中國氣象局氣溶膠與云降水重點(diǎn)開放實(shí)驗(yàn)室，南京 210044)

以東亞陸地為研究區(qū)，利用2011年7月1—16日AMSR-E (advanced microwave scanning radiometer - earth observing system ) 二級(jí)亮溫?cái)?shù)據(jù)，采用一維變分反演收斂度量識(shí)別法對(duì)研究區(qū)的無線電頻率干擾(radio-frequency interference，RFI)進(jìn)行識(shí)別，并進(jìn)一步分析了該干擾對(duì)星載被動(dòng)微波數(shù)據(jù)反演地表參數(shù)的影響。研究表明，在東亞地區(qū)，AMSR-E C波段和X波段都普遍存在RFI，大多出現(xiàn)在工業(yè)區(qū)、科研中心、人口密集的大城市、機(jī)場(chǎng)和高速公路等區(qū)域； 一般情況下，C波段和X波段的干擾信號(hào)分布區(qū)域基本不重合； 水平和垂直極化通道都有較強(qiáng)的RFI存在，其時(shí)間上具有持續(xù)性，且不同極化方式下干擾信號(hào)的強(qiáng)度因地而異； 干擾信號(hào)的強(qiáng)度隨衛(wèi)星地球方位角的變化而變化，當(dāng)星載微波輻射計(jì)掃描到某一地球方位角度范圍內(nèi)時(shí)這些視場(chǎng)才會(huì)受到干擾。研究還發(fā)現(xiàn)，用受RFI影響的微波數(shù)據(jù)反演得到的地表參數(shù)值誤差較大。因此，在采用被動(dòng)微波觀測(cè)數(shù)據(jù)反演地表參數(shù)之前，有必要先有效地檢測(cè)和剔除RFI。

被動(dòng)微波遙感； 地表參數(shù)； 無線電頻率干擾(RFI)； 東亞陸地

0 引言

地表溫度[1-3]、土壤水分[4]、積雪[5]和植被等地表參數(shù)是水文模型、氣候及陸面過程模式中的重要參數(shù)[6-8]。傳統(tǒng)方法所測(cè)結(jié)果只代表觀測(cè)點(diǎn)的局部特征，而遙感可以快速同步獲取大面積區(qū)域的地表參數(shù)[6]，提供二維陸面分布信息。因此利用衛(wèi)星遙感數(shù)據(jù)反演地表參數(shù)，探討衛(wèi)星資料的反演理論及其實(shí)際應(yīng)用方法，已經(jīng)成為遙感科學(xué)的一個(gè)重要研究領(lǐng)域[6]。

根據(jù)傳感器通道采用的波段不同，可將衛(wèi)星傳感器分為3類： 可見光、紅外和微波傳感器。由于較可見光和紅外遙感而言，微波遙感不易受大氣影響，具有全天時(shí)、全天候的監(jiān)測(cè)能力以及對(duì)云、雨和大氣較強(qiáng)的穿透能力，并且微波傳感器對(duì)于植被特性的變化、地表土壤水分和積雪參數(shù)十分敏感，微波數(shù)據(jù)已被廣泛應(yīng)用于積雪、植被等地表參數(shù)的監(jiān)測(cè)和反演應(yīng)用之中[6]。近年來廣泛使用的星載微波傳感器有： 搭載于EOS/Aqua衛(wèi)星上的先進(jìn)微波掃描輻射計(jì)(advanced microwave scanning radiometer-earth observing system，AMSR-E)、搭載于美國國防部Coriolis衛(wèi)星上的全極化微波輻射計(jì)(WindSat)、搭載于我國風(fēng)云三號(hào)衛(wèi)星上的微波成像儀(microwave radiation imager，MWRI)和搭載于日本GCOM-W1衛(wèi)星上的AMSR-E的繼任者(AMSR-2)等。

然而，這些用于反演地表參數(shù)的低頻觀測(cè)資料均不同程度地受到地面無線電頻率的干擾。星載被動(dòng)微波傳感器的無線電頻率干擾(radio-frequency interference，RFI)往往是由地面主動(dòng)微波傳感器的發(fā)射信號(hào)或陸面反射輻射信號(hào)產(chǎn)生的，很容易覆蓋地表產(chǎn)生的相對(duì)較弱的熱發(fā)射輻射信號(hào)，使得星載被動(dòng)微波傳感器接收的信息不能真實(shí)地反映地表狀況。如果不能準(zhǔn)確地將其識(shí)別和剔除，往往會(huì)導(dǎo)致較大的反演誤差，從而顯著降低現(xiàn)有以及將來的被動(dòng)微波資料的使用效率[9-13]。

本文采用一維變分反演(one dimensional variational retrieval，1-DVAR)收斂度量識(shí)別法分析了AMSR-E觀測(cè)資料在東亞陸地上RFI的時(shí)空分布特征、形成原因以及RFI對(duì)微波數(shù)據(jù)反演地表參數(shù)的影響，為提高星載微波資料在陸面過程模式及資料同化中的利用率提供依據(jù)。

1 數(shù)據(jù)源

本研究中，采用的被動(dòng)微波遙感觀測(cè)資料是2011年7月1—16日AMSR-E的二級(jí)亮溫?cái)?shù)據(jù)。WindSat,MWRI和AMSR-2等設(shè)備都具有和AMSR-E頻率相近的通道。AMSR-E搭載于2002年美國國家宇航局發(fā)射的地球觀測(cè)系統(tǒng)Aqua衛(wèi)星上，提供6.925 GHz，10.65 GHz，18.7 GHz，23.8 GHz，36.5 GHz和89.0 GHz 6個(gè)頻率的水平和垂直2種極化方式，共12個(gè)通道的微波觀測(cè)值，主要用于觀測(cè)大氣、陸地、海洋和冰圈的參數(shù)。AMSR-E是圓錐型掃描輻射計(jì)，天線圓錐掃描角為47.4°，掃描幀幅寬度為1 445 km。星下點(diǎn)空間分辨率隨觀測(cè)頻率而變化，從56 km(6.925 GHz)到5.4 km(89.0 GHz)不等。AMSR-E資料每16 d為一個(gè)周期，每一個(gè)周期內(nèi)覆蓋完全相同的區(qū)域，因此本文選用一個(gè)完整周期的AMSR-E二級(jí)亮溫?cái)?shù)據(jù)。

在一維變分反演過程中，需要提取NCEP (NOAA’s national centers for environmental prediction) GDAS (global data assimilation system)客觀分析場(chǎng)中的相關(guān)參數(shù)作為代價(jià)函數(shù)迭代的初始場(chǎng)。GDAS系統(tǒng)每天生成4個(gè)時(shí)次(00UTC，06UTC，12UTC 和18UTC)、水平空間分辨率為1°×1°的各種大氣和地表參數(shù)場(chǎng)。

2 RFI識(shí)別算法

基于衛(wèi)星微波和紅外觀測(cè)資料，采用1-DVAR不僅可以反演大氣參數(shù)(如大氣溫和濕垂直廓線)、云參數(shù)(云量和云頂高度)外，還可以反演某些地表參數(shù)(如地表溫度和地表發(fā)射率等)。變分反演的基礎(chǔ)是在觀測(cè)場(chǎng)與背景場(chǎng)誤差均服從高斯誤差分布的假定條件下，再對(duì)所定義的代價(jià)函數(shù)求最小化，得到最小誤差的分析場(chǎng)。其代價(jià)函數(shù)一般可以表示為[14]

(1)

式中：J(X)為代價(jià)函數(shù)；X為被反演的大氣(或地表)狀態(tài)變量；X0為大氣(或地表)狀態(tài)的先驗(yàn)信息(稱作背景場(chǎng)向量)；Ym為已獲得的觀測(cè)資料；B為背景場(chǎng)誤差協(xié)方差矩陣；E為觀測(cè)場(chǎng)誤差協(xié)方差矩陣；H為前向算子，代表一種具有某種復(fù)雜結(jié)構(gòu)的從模式空間向觀測(cè)空間的映射。

通過對(duì)J(X)求導(dǎo)，并使其為0，求得目標(biāo)函數(shù)式(1)達(dá)到最小值的解，即

(2)

可以得到

(X-X0)=△X=[(B-1+HTE-1H)-1HTE-1]×[Ym-H(X0)],

(3)

將式(3)用于迭代循環(huán)，一直到J(X)達(dá)到最小時(shí)，結(jié)束循環(huán)，從而可以得到使目標(biāo)函數(shù)式(1)達(dá)到最小值的解，稱作一維變分產(chǎn)生的分析場(chǎng)(Xa)，即

J(Xa)=minJ(X)。

(4)

對(duì)于衛(wèi)星微波數(shù)據(jù)反演地球物理參數(shù)而言，這個(gè)前向算子H就是前向模式，即輻射傳輸模式。本文采用通用輻射傳輸模式(the community radiative transfer model，CRTM)作為1-DVAR中的前向模式。CRTM[15]由美國衛(wèi)星資料同化聯(lián)合中心開發(fā)，適用于各種天氣條件，可以模擬所有微波頻率下由冰晶、雪晶、雨滴、霰粒和云中液態(tài)水等產(chǎn)生的散射，并生成所有大氣、地表參數(shù)相應(yīng)的輻射值和輻射梯度(即雅可比矩陣)[14]。

在1-DVAR計(jì)算過程中，需要輸入GDAS 的大氣參數(shù)垂直廓線(溫度、濕度和云中液水含量)與地表參數(shù)(地表溫度、土壤濕度和植被覆蓋度等)作為反演的背景場(chǎng)。由于衛(wèi)星微波觀測(cè)輻射對(duì)地面輻射率敏感性很高，因而將地表發(fā)射率作為預(yù)反演的大氣狀態(tài)變量的組成部分，在求代價(jià)函數(shù)極小值的過程中動(dòng)態(tài)地調(diào)整地表發(fā)射率，有助于更好地反演地表參數(shù)。1-DVAR計(jì)算可得到地表和大氣參數(shù)2類，其中地表參數(shù)主要有地表溫度和地表發(fā)射率。

反演計(jì)算中，收斂度量是用前向算子最后一次模擬的亮溫值和測(cè)量值之間所有殘差的均方根。計(jì)算公式如下

χ2=[Ym-H(X)]T×E-1×[Ym-H(X)] 。

(5)

χ2作為是否可以達(dá)到收斂的判據(jù)，也用來衡量前向模式的優(yōu)劣。只有選入并在1-DVAR計(jì)算中有效使用的那些通道的測(cè)量值才用于計(jì)算這個(gè)度量。通常，當(dāng)χ2≤1時(shí)，認(rèn)為可以達(dá)到收斂。然而，可以根據(jù)實(shí)際情況把這個(gè)標(biāo)準(zhǔn)放寬到10，即認(rèn)為χ2>10時(shí)，反演結(jié)果不可靠。反演過程中發(fā)現(xiàn)，1-DVAR算法中的收斂度量值和RFI信號(hào)的強(qiáng)弱有著極強(qiáng)的相關(guān)性，χ2的值越大，意味著該處的RFI信號(hào)越強(qiáng)[16]。

3 結(jié)果與分析

AMSR-E 2011年7月10日一維變分法反演過程中計(jì)算χ2的分布如圖1所示。

圖1 2011年7月10日東亞陸地1-DVAR收斂度量分布(升軌)

從圖1中可以看出，在東亞地區(qū)χ2值較大的區(qū)域主要分布在中國的京津冀地區(qū)、長江中下游地區(qū)，日本的北海道部分地區(qū)、太平洋沿岸和瀨戶內(nèi)海沿岸的狹長地帶以及沿海平原地區(qū)等。RFI主要來源于城區(qū)及工業(yè)區(qū)的無線電通信、雷達(dá)以及有線電轉(zhuǎn)播信號(hào)等，和該地區(qū)人口密集的城市和工業(yè)區(qū)分布基本一致。

大多數(shù)情況下，陸地上(非冰雪覆蓋區(qū))的發(fā)射和散射主要取決于土壤含水量、地表粗糙度、地形地貌、地表溫度和植被覆蓋等。由于土壤中水分和植被的吸收作用隨頻率增加而加大，地表亮溫隨頻率增加而呈上升趨勢(shì)。在AMSR-E的低頻率通道，大氣相對(duì)透明，輻射計(jì)接收到的微波輻射的光譜特性主要由地表的發(fā)射和散射決定。隨著頻率的增加，地表和植被的散射效應(yīng)也增加，成為亮溫降低的一個(gè)因素。而當(dāng)頻率低于30 GHz時(shí)，散射效應(yīng)通常是有限的。因此，AMSR-E低頻率通道的RFI是最可能造成C波段通道亮溫值遠(yuǎn)遠(yuǎn)高于X波段、X波段遠(yuǎn)遠(yuǎn)高于K波段的原因，從而在低頻波段上導(dǎo)致負(fù)頻譜梯度的產(chǎn)生。

可以通過各個(gè)通道數(shù)據(jù)之間的聯(lián)系(頻譜差異)，用RFI指數(shù)來量化RFI的強(qiáng)度。RFI指數(shù)的定義[9]如下

RFIf1,p=TBf1,p-TBf2,p,

(6)

式中：TB表示亮溫度； 下標(biāo)p表示水平h或垂直v極化方式；f1和f2表示2個(gè)相鄰的頻率(f10，RFIf1,p數(shù)值越大意味著f1頻率通道的RFI強(qiáng)度越大。

由于χ2值和RFI信號(hào)的強(qiáng)弱有著高度相關(guān)性[16]，可以利用線性擬合的方法來擬合出χ2值和各通道RFI強(qiáng)度的關(guān)系曲線。在本文研究區(qū)域內(nèi)，獲得線性關(guān)系如下

χ2=2.422 81+0.321 787RFI6,v+0.061 115 8RFI6,h,

(7)

χ2=3.569 67+0.089 525 1RFI10,v+0.285 240RFI10,h,

(8)

式(7)和式(8)線性擬合的標(biāo)準(zhǔn)差分別為1.366 7和1.246 5。顯而易見，RFI的強(qiáng)度越大，對(duì)應(yīng)的χ2值也越大。

相對(duì)于中國東部而言，RFI在日本分布尤為顯著。日本的工業(yè)區(qū)主要分布在太平洋沿岸和瀨戶內(nèi)海沿岸的狹長地帶，這里分布著京濱工業(yè)區(qū)、名古屋工業(yè)區(qū)、阪神工業(yè)區(qū)、瀨戶內(nèi)海沿岸工業(yè)區(qū)和北九州工業(yè)區(qū)等5大日本傳統(tǒng)工業(yè)區(qū)。新興工業(yè)的布局主要取決于人才、交通和環(huán)境因素，日本的九州島(“硅島”)、筑波(“科學(xué)城”)等新興工業(yè)區(qū)主要分布在九州南部和本州島的東北部，依托于現(xiàn)代飛機(jī)場(chǎng)和四通八達(dá)的高速公路網(wǎng)。在工業(yè)區(qū)內(nèi)，日本的RFI除了受無線電通信的影響，還要考慮到衛(wèi)星的影響，如阪神工業(yè)區(qū)周圍就分布著10多個(gè)衛(wèi)星城，也就是說這里的RFI受衛(wèi)星以及無線電通信的綜合影響。

由于AMSR-E是圓錐型掃描儀器，其數(shù)據(jù)中提供了衛(wèi)星的地球方位角數(shù)值，定義為衛(wèi)星掃描方向相對(duì)于觀測(cè)視場(chǎng)正北面的方位，即觀測(cè)視場(chǎng)和衛(wèi)星的連線在地球上的投影與正北方向的夾角，取值范圍為[-180°，180°]，順時(shí)針方位為正值，反之為負(fù)值。根據(jù)Aqua衛(wèi)星的軌道路徑，選取圖1中2個(gè)區(qū)域(B1： N 35°～37°，E 139°～142°，B2： N 38.5°～41°，E 140.5°～143°)進(jìn)一步討論RFI出現(xiàn)位置和強(qiáng)度與儀器的地球方位角之間的關(guān)系，如圖2和圖3所示。

(a) 6.925 GHz水平極化 (b) 6.925 GHz垂直極化 (c) 10.65 GHz水平極化(d) 10.65 GHz垂直極化

圖22011年7月1—16日B1區(qū)域亮溫的觀測(cè)方向和強(qiáng)度間的關(guān)系

Fig.2ObservationdirectionandthemagnitudeofbrightnesstemperatureofAMSR-EinB1duringJuly1-16,2011

(a) 6.925 GHz水平極化 (b) 6.925 GHz垂直極化 (c) 10.65 GHz水平極化(d) 10.65 GHz垂直極化

圖32011年7月1—16日B2區(qū)域亮溫的觀測(cè)方向和強(qiáng)度間的關(guān)系

Fig.3ObservationdirectionandthemagnitudeofbrightnesstemperatureofAMSR-EinB2duringJuly1-16,2011

對(duì)于B1區(qū)域，6.925 GHz和10.65 GHz的4個(gè)通道均不同程度地出現(xiàn)了異常高值的亮溫點(diǎn)，說明該地區(qū)在C波段和X波段都存在RFI。C波段垂直極化時(shí)的RFI比水平極化時(shí)的RFI分布更廣，強(qiáng)度也更大。而且，6.925 GHz的2個(gè)通道幾乎在所有地球方位角范圍內(nèi)均出現(xiàn)RFI，而10.65 GHz的2個(gè)通道只在一定地球方位角范圍內(nèi)([-180°，-150°]，[110°，180°])才出現(xiàn)RFI，且10.65 GHz比6.925 GHz的 RFI強(qiáng)度更大。對(duì)于B2區(qū)域，6.925 GHz和10.65 GHz 2個(gè)頻率也均受RFI影響，且水平極化時(shí)的RFI較垂直極化時(shí)強(qiáng)。6.925 GHz的2個(gè)通道出現(xiàn)RFI對(duì)應(yīng)的衛(wèi)星地球方位角范圍([-60°，-30°]，[110°，150°])比10.65 GHz通道的RFI分布更廣，說明6.925 GHz的RFI的方向性沒有10.65 GHz的RFI方向性顯著。

以NCEP GDAS的客觀分析場(chǎng)作為1-DVAR算法的背景場(chǎng)，利用2011年7月10日AMSR-E的亮度溫度數(shù)據(jù)進(jìn)行反演計(jì)算地表參數(shù)。反演結(jié)果如圖4所示，其中(a)—(d)分別是6.925 GHz 和10.65 GHz水平、垂直極化時(shí)的亮溫值分布。圖4(e)和(f) 分別是1-DVAR計(jì)算得出的地表溫度和地表發(fā)射率分布。

(a) 6.925 GHz水平極化 (b) 6.925 GHz垂直極化(c) 10.65 GHz水平極化

(d) 10.65 GHz垂直極化(e) AMSR-E反演的地表溫度 (f) AMSR-E 反演的地表發(fā)射率(6.925 GHz垂直極化)

圖42011年7月10日東亞陸地AMSR-E6.925GHz和10.65GHz亮溫和反演的地表溫度、地表發(fā)射率

Fig.4AMSR-Ebrightnesstemperatureat6.925GHz,10.65GHzandAMSR-EretrievedlandsurfacetemperatureandlandsurfaceemissivityovereasternAsiaonJuly10,2011

從圖4中可以發(fā)現(xiàn)，亮溫值分布中顯示存在大量高異常亮溫值的點(diǎn)(紅色區(qū)域)，而在地表溫度和地表發(fā)射率分布中顯示有斷斷續(xù)續(xù)的白色區(qū)域及一些零散分布的地表溫度偏高的紅色區(qū)域。主要由于該區(qū)域存在強(qiáng)RFI使得變分反演的收斂度量值過大，從而得不到反演值，造成反演失敗(白色區(qū)域)； 較弱的RFI使得反演值偏差較大，呈現(xiàn)許多地表溫度反演異常偏高的孤立點(diǎn)(紅色區(qū)域)，與周圍地表溫度的分布不連續(xù)。而通常情況下，自然地表發(fā)射輻射特性往往呈現(xiàn)連續(xù)、平滑的分布特征。因此，如果反演之前，不對(duì)使用的微波資料進(jìn)行RFI檢測(cè)，將會(huì)大大降低反演精度，特別是強(qiáng)RFI的存在大大降低了微波資料的使用效率(即得不到反演值)。

4 結(jié)論

本文基于2011年7月16 d的AMSR-E二級(jí)亮溫?cái)?shù)據(jù)，用1-DVAR收斂度量識(shí)別法檢測(cè)出東亞陸地上RFI信號(hào)的時(shí)空分布和方向特性，并分析了其產(chǎn)生的原因及其對(duì)地表參數(shù)反演的影響，得出如下結(jié)論：

1)以東亞陸地為例，用1-DVAR收斂度量識(shí)別法可檢測(cè)RFI的位置和強(qiáng)度。

2)該研究區(qū)內(nèi)，AMSR-E的RFI主要分布在工業(yè)區(qū)、科研中心、人口密集的大城市、機(jī)場(chǎng)和高速公路周邊。

3)研究區(qū)除個(gè)別地區(qū)同時(shí)存在6.925 GHz和10.65 GHz的RFI信號(hào)，AMSR-E的RFI在C波段和X波段的分布區(qū)域重合較少，大部分位于不同的地理位置，其時(shí)間上具有持續(xù)性。

4)總體上，RFI呈現(xiàn)出較強(qiáng)的方向性，RFI的強(qiáng)度隨衛(wèi)星的地球方位角變化而變化，當(dāng)星載微波輻射計(jì)掃描到某一地球方位角度范圍內(nèi)時(shí)這些視場(chǎng)才受RFI的影響。

5)RFI會(huì)使受影響區(qū)域地表參數(shù)的反演值偏高，嚴(yán)重影響參數(shù)的反演精度。故有效地進(jìn)行RFI 檢測(cè)并進(jìn)行校正方法的開發(fā)是提高星載被動(dòng)微波遙感資料利用率和地表參數(shù)反演精度的必要進(jìn)程。

[1] 周芳成,宋小寧,李召良.地表溫度的被動(dòng)微波遙感反演研究進(jìn)展[J].國土資源遙感,2014,26(1):1-7.doi:10.6046/gtzyyg.2014.01.01. Zhou F C,Song X N,Li Z L.Progress of land surface temperature retrieval based on passive microwave remote sensing[J].Remote Sensing for Land and Resources,2014,26(1):1-7.doi:10.6046/gtzyyg.2014.01.01.

[2] 劉晶,馬紅章,楊樂,等.基于被動(dòng)微波的地表溫度反演研究綜述[J].遙感技術(shù)與應(yīng)用,2012,27(6):812-821. Liu J,Ma H Z,Yang L,et al.A survey of surface temperature retrieval by passive microwave remote sensing[J].Remote Sensing Technology and Application,2012,27(6):812-821.

[3] 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].國土資源遙感,2005,17(3):14-17.doi:10.6046/gtzyyg.2005.03.04. 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.doi:10.6046/gtzyyg.2005.03.04.

[4] 鮑艷松,毛飛,閔錦忠,等.基于FY-3B/MWRI數(shù)據(jù)的裸土區(qū)土壤濕度反演[J].國土資源遙感,2014,26(4):131-137.doi:10.6046/gtzyyg.2014.04.21. Bao Y S,Mao F,Min J Z,et al.Retrieval of bare soil moisture from FY-3B/MWRI data[J].Remote Sensing for Land and Resources,2014,26(4):131-137.doi:10.6046/gtzyyg.2014.04.21.

[5] 孫知文,于鵬珊,夏浪,等.被動(dòng)微波遙感積雪參數(shù)反演方法進(jìn)展[J].國土資源遙感,2015,27(1):9-15.doi:10.6046/gtzyyg.2015.01.02. Sun Z W,Yu P S,Xia L,et al.Progress in study of snow parameter inversion by passive microwave remote sensing[J].Remote Sensing for Land and Resources,2015,27(1):9-15.doi:10.6046/gtzyyg.2015.01.02.

[6] 施建成,杜陽,杜今陽,等.微波遙感地表參數(shù)反演進(jìn)展[J].中國科學(xué)(地球科學(xué)),2012,42(6):814-842. Shi J C,Du Y,Du J Y,et al.Progresses on microwave remote sensing of land surface parameters[J].Science China Earth Science,2012,55(7):1052-1078.

[7] 張廷軍,晉銳,高峰.凍土遙感研究進(jìn)展:被動(dòng)微波遙感[J].地球科學(xué)進(jìn)展,2009,24(10):1073-1083. Zhang T J,Jin R,Gao F.Overview of the satellite remote sensing of frozen ground:Passive microwave sensors[J].Advances in Earth Science,2009,24(10):1073-1083.

[8] 李芹,鐘若飛.模擬AMSR-E數(shù)據(jù)的地表多參數(shù)反演[J].國土資源遙感,2011,23(1):42-47.doi:10.6046/gtzyyg.2011.01.08. Li Q,Zhong R F.Multiple surface parameters retrieval of simulated AMSR-E data[J].Remote Sensing for Land and Resources,2011,23(1):42-47.doi:10.6046/gtzyyg.2011.01.08.

[9] Li L,Njoku E G,Im E,et al.A preliminary survey of radio-frequency interference over the U.S. in Aqua AMSR-E data[J].IEEE Transactions on Geoscience and Remote Sensing,2004,42(2):380-390.

[10]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.

[11]Lacava T,Coviello I,Faruolo M,et al.A multitemporal investigation of AMSR-E C-band radio-frequency interference[J].IEEE Transactions on Geoscience and Remote Sensing,2013,51(4):2007-2015.

[12]Zou X L,Zhao J,Weng F Z,et al.Detection of radio-frequency interference signal over land from FY-3B microwave radiation imager(MWRI)[J].IEEE Transactions on Geoscience and Remote Sensing,2012,50(12):4994-5003.

[13]官莉,張思勃.星載微波輻射計(jì)歐洲大陸無線電頻率干擾分析[J].光學(xué)學(xué)報(bào),2014,34(7):0728004. Guan L,Zhang S B.Source analysis of radio-frequency interference over Europe land from advanced microwave scanning radiometer-E[J].Acta Optica Sinica,2014,34(7):0728004.

[14]Boukabara S A,Garrett K,Chen W C,et al.MiRS:An all-weather 1DVAR satellite data assimilation and retrieval system[J].IEEE Transactions on Geoscience and Remote Sensing,2011,49(9):3249-3272.

[15]Weng F Z,Han Y,van Delst P,et al.JCSDA Community radiative transfer model(CRTM)[C]//Proc.14th Int.ATOVS Study Conf.2005:217-222.

[16]Adams I S,Bettenhausen M H,Gaiser P W,et al.Identification of ocean-reflected radio-frequency interference using WindSat retrieval chi-square probability[J].IEEE Geoscience and Remote Sensing Letters,2010,7(2):406-410.

(責(zé)任編輯：陳理)

Effectofradio-frequencyinterferenceonthelandsurfaceparametersretrievalfrompassivemicrowaveremotesensingdata

WU Ying， QIAN Bo， WANG Zhenhui

(KeyLaboratoryofMeteorologicalDisaster,MinistryofEducation(KLME)/JointInternationalResearchLaboratoryofClimateandEnvironmentChange(ILCEC)/CollaborativeInnovationCenteronForecastandEvaluationofMeteorologicalDisasters(CIC-FEMD)/KeyLaboratoryforAerosol-Cloud-PrecipitationofChinaMeteorologicalAdministration,NanjingUniversityofInformationScienceandTechnology,Nanjing210044,China)

Radio-frequency interference (RFI) over eastern Asia land was detected and analyzed using one dimensional variational retrieval (1-DVAR) convergence metric method from AMSR-E (the advanced microwave scanning radiometer - earth observing system) Leval 2A measurements during July 1-16, 2011. And then its influence on the retrieval of surface parameters was studied. It is found that the RFI signals are detected both at C and X band channels of AMSR-E over eastern Asia, and the signals are most densely concentrated in industrial zones, scientific research centers, metropolises, airports and highways. Moreover, RFI signals at C and X band normally do not coincide with the same distribution area. AMSR-E RFI over eastern Asia land exists along both horizontal and vertical polarization channels. Furthermore, the intensity of AMSR-E RFI varies with the earth azimuth angle of the satellite; measurements are contaminated by RFI only when the spaceborne microwave radiometer is within some earth azimuth angle range. Lastly, it is also found that retrieved land parameters have large deviations from RFI contaminated microwave measurements. Therefore, it is expected to detect even weakened RFI effectively prior to retrieving land surface parameters from passive microwave remote sensing measurements.

passive microwave remote sensing; land surface parameter; radio-frequency interference (RFI); eastern Asia land

10.6046/gtzyyg.2017.03.26

吳瑩,錢博,王振會(huì).被動(dòng)微波遙感觀測(cè)資料干擾對(duì)地表參數(shù)反演的影響分析[J].國土資源遙感,2017,29(3):176-181.(Wu Y,Qian B,Wang Z H.Effect of radio-frequency interference on the land surface parameters retrieval from passive microwave remote sensing data[J].Remote Sensing for Land and Resources,2017,29(3):176-181.)

2015-12-29；

2016-03-02

國家自然科學(xué)基金項(xiàng)目“FY-3微波數(shù)據(jù)RFI訂正及我國典型地區(qū)地表微波發(fā)射率反演研究”(編號(hào)： 41305033)、江蘇省基礎(chǔ)研究計(jì)劃—青年基金項(xiàng)目“微波地表溫度計(jì)算及其對(duì)中國典型地區(qū)地表發(fā)射率反演改進(jìn)研究”(編號(hào)： BK20150911)和江蘇高校優(yōu)勢(shì)學(xué)科建設(shè)工程資助項(xiàng)目(PAPD)共同資助。

吳瑩(1980-)，女，講師，博士，主要從事大氣探測(cè)與大氣遙感方面的教學(xué)和研究工作。Email： wuying_nuist@163.com。

P 422.2; TP 722.6

： A

： 1001-070X(2017)03-0176-06