地表凍融狀態(tài)的被動(dòng)微波遙感判別研究進(jìn)展

肖 楊， 滿浩然， 董星豐， 臧淑英， 李 苗

（1.哈爾濱師范大學(xué) 地理科學(xué)學(xué)院，黑龍江 哈爾濱 150025；2.寒區(qū)地理環(huán)境監(jiān)測(cè)與空間信息服務(wù)黑龍江省重點(diǎn)實(shí)驗(yàn)室，黑龍江 哈爾濱 150025）

0 引言

凍土一般指溫度在0 ℃及0 ℃以下并含有冰的各種巖石和土壤［1］。根據(jù)凍結(jié)持續(xù)時(shí)間可以分為短時(shí)凍土（凍結(jié)時(shí)間為數(shù)小時(shí)、數(shù)日至半月）、季節(jié)凍土（凍結(jié)時(shí)間為半月至數(shù)月）、隔年凍土（凍結(jié)時(shí)間超過一年但少于兩年）及多年凍土（連續(xù)凍結(jié)時(shí)間在2 年以上）四種類型［2］。土壤凍融發(fā)生在季節(jié)凍土、短時(shí)凍土、隔年凍土及多年凍土的活動(dòng)層上，據(jù)統(tǒng)計(jì)在北半球超過一半的近地表土壤經(jīng)歷凍融循環(huán)過程［3］。土壤凍融是近地表土壤中固態(tài)冰與液態(tài)水相變交替的過程［4］。當(dāng)溫度降低時(shí)，土壤中液態(tài)水通過放熱相變?yōu)楣虘B(tài)冰，地-氣間能量、水分交換等處于滯緩狀態(tài)；當(dāng)溫度升高時(shí)，土壤中固態(tài)冰通過吸熱相變?yōu)橐簯B(tài)水，碳循環(huán)、水文過程、微生物活動(dòng)等處于活躍狀態(tài)。地表凍融循環(huán)對(duì)全球及區(qū)域范圍內(nèi)地氣能量交換、植被生長、農(nóng)業(yè)生產(chǎn)、地表徑流、碳循環(huán)和陸地生態(tài)系統(tǒng)等均產(chǎn)生影響［5-7］；地表凍融循環(huán)是氣候變化的重要指標(biāo)，地表凍結(jié)起始時(shí)間推遲、融化結(jié)束時(shí)間提前以及凍結(jié)持續(xù)天數(shù)縮短等能夠反映全球及區(qū)域的氣候變化［8］。對(duì)凍融循環(huán)的深入研究是更好理解碳循環(huán)、陸面水文過程、植被生長周期、氣候變化的前提。

目前，判別地表凍融的方法主要可以分為基于地面臺(tái)站觀測(cè)資料［9］、數(shù)值模擬［10］和遙感方法［11］三大類，其中遙感方法又可依據(jù)探測(cè)的工作波段細(xì)化為可見光紅外遙感［12］和微波遙感［13］。上述幾種判別地表凍融的方法都存在各自的優(yōu)勢(shì)和局限性。早期地表凍融判別結(jié)果主要基于地面臺(tái)站觀測(cè)資料獲得，地面臺(tái)站觀測(cè)資料能夠準(zhǔn)確獲得觀測(cè)點(diǎn)附近的近地表土壤溫度。近地表土壤溫度變化，對(duì)土壤的物理性質(zhì)、化學(xué)變化及微生物活動(dòng)都有重要的影響，近地表土壤溫度能夠反映真實(shí)的近地表土壤凍融信息，是影響地表凍融循環(huán)天數(shù)的主要因素［14-15］。相較于其他方法，地面臺(tái)站觀測(cè)可以獲取更長時(shí)間序列的地溫資料，能夠描述我國從20世紀(jì)50 年代以來土壤凍融變化趨勢(shì)［16］。地面臺(tái)站觀測(cè)數(shù)據(jù)不僅能夠在點(diǎn)尺度上準(zhǔn)確描述近地表土壤凍融的起止時(shí)間、持續(xù)時(shí)間和凍結(jié)深度，而且還能對(duì)數(shù)值模擬和遙感方法獲得的凍融結(jié)果進(jìn)行驗(yàn)證［17-18］。但地面臺(tái)站觀測(cè)數(shù)據(jù)也具有一定的缺點(diǎn)，其空間連續(xù)性差，觀測(cè)站點(diǎn)分布不均勻，觀測(cè)站點(diǎn)數(shù)據(jù)僅能代表小范圍地域，不能反映大尺度的連續(xù)地表凍融變化特征［19］。此外，在自然條件惡劣的地區(qū)，布設(shè)觀測(cè)站點(diǎn)的難度大且其過程耗時(shí)、耗力、花費(fèi)高［20］。數(shù)值模擬方法通過陸面過程模式對(duì)土壤溫度進(jìn)行模擬來判斷地表凍融狀況，可以模擬分析現(xiàn)在和預(yù)測(cè)未來土壤凍融過程中水熱動(dòng)態(tài)遷移規(guī)律，是研究地表凍融過程和機(jī)理的重要手段［21-22］。眾多學(xué)者利用陸面模式對(duì)土壤凍融過程進(jìn)行了一系列的數(shù)值模擬研究，模擬出不同深度土層土壤的凍融變化過程中水熱動(dòng)態(tài)變化規(guī)律［23-24］。但數(shù)值模擬所需的參數(shù)自身存在一定的不確定性，且模擬結(jié)果的空間分辨率較低，對(duì)于小區(qū)域的模擬可能存在較大誤差［10］。此外，由于凍融過程本身的復(fù)雜性，缺乏可靠的氣象驅(qū)動(dòng)資料和陸面特征數(shù)據(jù)集，使該方法的應(yīng)用面臨著挑戰(zhàn)［15，18］。遙感技術(shù)具有探測(cè)范圍大、受地面條件限制少、獲取資料速度快等特點(diǎn)［25］，使得大范圍、連續(xù)、高時(shí)間分辨率的識(shí)別地表土壤凍融狀態(tài)成為可能?？梢姽饧t外遙感雖然具有較高的空間分辨率，但凍土通常發(fā)育于地下，而可見光、紅外傳感器不能穿透地表，且受云層影響嚴(yán)重、時(shí)間分辨率較低，因此利用可見光紅外遙感來判別凍融具有較大局限性。微波遙感波長較長，受日照及云層的影響相對(duì)較小，可以穿透土壤獲得地下一定深度范圍內(nèi)的信息，其中高頻波段W、K、Ka 波段的穿透深度大約為1～2 cm，低頻波段L、C、X 波段的穿透深度約為2.5～15 cm［26-28］。微波遙感對(duì)土壤凍融狀態(tài)之間的介電變化十分敏感，當(dāng)近地表土壤經(jīng)歷凍融循環(huán)時(shí)，土壤中的介電常數(shù)發(fā)生改變，致使被動(dòng)微波的亮溫值發(fā)生變化，進(jìn)而識(shí)別出近地表土壤凍融狀況［29-31］。被動(dòng)微波遙感雖然適用于地表凍融判別，但也存在一定局限性，當(dāng)前傳感器空間分辨率較低，像元內(nèi)的空間異質(zhì)性較強(qiáng)，其應(yīng)用仍然面臨著挑戰(zhàn)［32］。盡管如此，截至目前微波遙感仍是監(jiān)測(cè)全球及區(qū)域近地表土壤凍融循環(huán)的最有效手段。

1 地表凍融監(jiān)測(cè)常用的被動(dòng)微波數(shù)據(jù)

被動(dòng)微波數(shù)據(jù)具有時(shí)間分辨率高、覆蓋范圍廣、雙極化觀測(cè)模式和提供不同頻率亮溫的優(yōu)勢(shì)，主要包括多通道微波輻射計(jì)（Scanning Multi-channel Microwave Radiometer，SMMR）、專用微波成像儀（Special Sensor Microwave/Imager，SSM/I）、專用微波成像探測(cè)器（Special Sensor Microwave Imager/Sounder，SSMIS）、高級(jí)微波掃描輻射計(jì)（Advanced Microwave Scanning Radiometer-enhanced，AMSRE）、高級(jí)微波掃描輻射計(jì)2（Advanced Microwave Scanning Radiometer-2，AMSR-2）、土壤水分與海洋鹽度衛(wèi)星（The Soil Moisture and Ocean Salinity，SMOS）、土壤水分的主動(dòng)和被動(dòng)衛(wèi)星（Soil Moisture Active and Passive，SMAP）、微波輻射成像儀（Microwave Radiation Imager，MWRI）。這些數(shù)據(jù)是監(jiān)測(cè)長時(shí)間序列和大尺度地表凍融的主要數(shù)據(jù)源［33］。常用的傳感器及其詳細(xì)參數(shù)如表1所示。

表1 被動(dòng)微波傳感器的特征參數(shù)Table 1 Characteristic parameters of passive microwave sensor

早期研究主要使用的是1978年搭載在Nimbus-7 衛(wèi)星上的SMMR 傳感器，Zuerndorfer 等［34］首次將SMMR 傳感器所獲取的37 GHz 亮溫和負(fù)亮溫譜梯度兩個(gè)指標(biāo)引入到地表凍融這個(gè)領(lǐng)域，并根據(jù)這兩個(gè)指標(biāo)分析了美國中西部和北部地區(qū)的日凍融變化情況。SMMR在1987年停止運(yùn)行，后由美國國防氣象衛(wèi)星計(jì)劃（Defense Meteorological Satellite Program，DMSP）發(fā)射的衛(wèi)星分別搭載SSM/I 傳感器和SSMIS 傳感器提供被動(dòng)微波亮溫?cái)?shù)據(jù)。F08、F10、F11、F13、F14、F15 衛(wèi)星搭載的SSM/I 傳感器分別提供 了1987—1991 年、1990—1997 年、1991—2000年、1995—2009年、1997—2008年、2000—2021年的數(shù)據(jù)。F16、F17、F18、F19 衛(wèi)星搭載的SSMIS 傳感器分別提供了2005 年至今、2008 年至今、2010 年至今、2014—2016 年的數(shù)據(jù)［35］。與SMMR 數(shù)據(jù)相比，SSM/I和SSMIS數(shù)據(jù)在空間分辨率和時(shí)間分辨率上都有所提高，頻率范圍從37 GHz 分別擴(kuò)展到85.5 GHz 和91.7 GHz，其中22.3 GHz 只具有垂直極化方式，其他頻率都具有水平和垂直雙極化方式［36］。AMSR-E 傳感器搭乘Aqua 衛(wèi)星于2002 年發(fā)射升空，AMSR-E 比SSM/I提供了更多波段，空間分辨率也有較大的提高，尤其是AMSR-E 數(shù)據(jù)的89 GHz具有高空間分辨率（4 km×6 km）。由于儀器故障，AMSR-E在2011年結(jié)束了長達(dá)9年的工作，隨后搭載在衛(wèi)星GCOM-W1 上的AMSR2 在2012 年5月發(fā)射升空。AMSR2 比AMSR-E 新增了7.3 GHz，該傳感器的技術(shù)參數(shù)和AMSR-E 基本保持一致，如相同的入射角，工作頻率，軌道傾斜角等，它繼承AMSR-E 繼續(xù)提供全球觀測(cè)數(shù)據(jù)。進(jìn)入21 世紀(jì)，我國星載被動(dòng)微波遙感技術(shù)進(jìn)步令人矚目，目前國家氣象衛(wèi)星中心陸續(xù)發(fā)射FY-3（A-D）系列并載有微波輻射成像儀MWRI 的極軌衛(wèi)星，其中FY-3A、FY-3B、FY-3C 和FY-3D 衛(wèi)星搭載的MWRI 微波輻射成像儀分別提供了2008—2010 年、2010—2019年、2013—2020 年、2019 年至今的亮溫?cái)?shù)據(jù)。其中FY-3B 的升降軌過境時(shí)間與AMSR-E/AMSR2 最相似，日變化差異最小，軌道傾角、軌道高度也最為接近，由此可以利用MWRI數(shù)據(jù)填補(bǔ)2011—2012年間AMSR-E/AMSR2 缺少的亮溫值［37-38］。2009 年11 月歐洲航天局（ESA）在俄羅斯北部發(fā)射SMOS衛(wèi)星和美國國家航空航天局（NASA）于2015 年1 月在戈達(dá)德航天飛行中心發(fā)射SMAP 衛(wèi)星都載有L 波段（1.4 GHz）的輻射計(jì)，能夠探測(cè)相對(duì)較深的土壤凍融狀態(tài)，是監(jiān)測(cè)地表凍融狀況的最佳技術(shù)之一。

現(xiàn)有傳感器中涵蓋的探測(cè)波段，按頻率由高至低的次序?yàn)閃、Ka、K、X、C 和L 波段。其中W、Ka、K 波段為高頻波段，主要用于獲取土壤表層凍融信息。W 波段對(duì)降水的識(shí)別有顯著優(yōu)勢(shì)，可用于區(qū)分與降水具有相似散射特性的凍土，但在識(shí)別凍融狀態(tài)時(shí)受氧氣和水汽影響較大，使用前需進(jìn)行大氣校正。Ka 和K 波段與地表溫度均有相關(guān)性，Ka 波段能最好地體現(xiàn)土壤凍融溫度的變化特征；此外K，Ka 波段還可有效獲取雪深和雪水當(dāng)量［39-40］。X、C、L 波段為低頻波段，可用于探測(cè)深層土壤信息，識(shí)別區(qū)域的土壤水分和凍融狀況。L 波段的探測(cè)深度最大，能夠較為準(zhǔn)確的判別干雪與植被下土壤凍融狀況，但其亮溫值受射頻干擾的影響較為嚴(yán)重，常用閾值法去除射頻干擾的影響。此外，在X、C 波段中也存在此問題［41-42］。以上這些傳感器所包含波段將為凍融循環(huán)判別提供更加有力的支持［43］。

2 地表凍融判別算法的研究進(jìn)展

2.1 被動(dòng)微波遙感監(jiān)測(cè)地表凍融狀態(tài)的原理

被動(dòng)微波遙感使用探測(cè)儀器接收并記錄地球表面物體自身發(fā)射或反射的電磁波信息。地表物體的微波輻射特性與地物的介電特性密切相關(guān)，當(dāng)近地表土壤凍結(jié)時(shí)，土壤中的大部分水轉(zhuǎn)換為固態(tài)冰，土壤的物理溫度降低、介電常數(shù)減少，導(dǎo)致土壤微波發(fā)射率增加；當(dāng)近地表土壤融化時(shí)，土壤中大部分固態(tài)冰轉(zhuǎn)化成水，土壤物理溫度升高、土壤介電常數(shù)增加，導(dǎo)致土壤微波發(fā)射率減小。將土壤假設(shè)為均勻半空間的自由散射體，那么微波傳感器所接收到的地表微波輻射亮溫Tb可以近似表示為［34］：

式中：Tb為微波輻射亮溫；e為比輻射率；Teff為土壤有效溫度。

式（1）表明地表的溫度和比輻射率決定著凍土的亮溫。凍土一般具有較低的物理溫度和較高的發(fā)射率。微波傳感器所接收到的地表微波輻射亮溫隨著土壤含水量發(fā)生變化。在同樣降溫的狀態(tài)下，對(duì)于較為干燥或者含水量比較少的土壤，土壤的比輻射率沒有顯著的變化，則亮溫值降低；對(duì)于較為濕潤或者含水量比較多的土壤，土壤的比輻射率發(fā)生顯著的升高，因而亮溫值增加。土壤凍結(jié)導(dǎo)致的輻射亮度變化可能是正的，也可能是負(fù)的，這取決于土壤含水量。因此僅僅利用含水量的不同而獲得的亮溫?cái)?shù)據(jù)來判別土壤是否凍融，會(huì)存在較大的不確定性［34-44］。為了降低這種不確定性，研究人員進(jìn)行了多次實(shí)驗(yàn)和計(jì)算［45-46］，發(fā)現(xiàn)可以結(jié)合土壤凍融過程中引起的其他微波輻射變化特征來識(shí)別地表凍融狀態(tài)。在微波高頻波段由凍土的體散射效應(yīng)引起的衰減比低頻波段強(qiáng)，凍土的體散射效應(yīng)顯著降低了高頻波段的微波輻射，使得高頻波段亮溫低于低頻亮溫，凍土呈現(xiàn)負(fù)亮溫譜梯度，但是在融土中正好相反［47］。隨著土壤的凍結(jié)，微波低頻波段的亮溫比高頻波段的亮溫增加得快，使得各通道間的亮溫差值變?。?8］。以上研究結(jié)論為基于被動(dòng)微波遙感發(fā)展判別地表土壤凍融狀態(tài)的算法提供了依據(jù)。

2.2 被動(dòng)微波遙感監(jiān)測(cè)地表凍融狀態(tài)的算法

國內(nèi)外學(xué)者依據(jù)土壤凍融過程中微波輻射差異性和研究區(qū)地表特點(diǎn)來發(fā)展監(jiān)測(cè)地表凍融狀態(tài)的算法。比較常見的判別地表凍融狀態(tài)的算法主要包括雙指標(biāo)算法、決策樹算法、凍融判別式算法、季節(jié)閾值算法、基于L 波段相對(duì)凍結(jié)因子閾值判別算法五種。常用的監(jiān)測(cè)地表凍融狀態(tài)的算法及主要指標(biāo)如表2所示。

表2 地表凍融狀態(tài)的算法Table 2 Algorithm of surface freeze-thaw state

2.2.1 雙指標(biāo)算法

雙指標(biāo)算法理論基礎(chǔ)由England［69］在1974 年提出，他指出凍土和融土的介電常數(shù)具有顯著的差異，凍土的體散射作用導(dǎo)致凍結(jié)土壤在微波波段的有效發(fā)射深度比融土深，使得凍土和融土發(fā)射的微波信號(hào)明顯不同。Zuerndorfer 等［34，49］基于SMMR微波數(shù)據(jù)提出雙指標(biāo)算法，認(rèn)為37 GHz垂直極化亮溫和10.7～37 GHz的負(fù)亮溫譜梯度可以作為判別地表凍融的指標(biāo)，其中37 GHz垂直極化亮溫對(duì)水分含量變化不敏感，能夠反映地表溫度變化情況，凍土在體散射作用下使得10.7～37 GHz的亮溫譜梯度為負(fù)值，基于站點(diǎn)驗(yàn)證數(shù)據(jù)統(tǒng)計(jì)分析確定37 GHz垂直極化亮溫和負(fù)亮溫譜梯度在地表凍融狀態(tài)下的閾值，即能判別地表凍融狀態(tài)。此方法一經(jīng)提出，便在全球不同區(qū)域得到廣泛應(yīng)用，但由于不同學(xué)者使用的被動(dòng)微波數(shù)據(jù)和研究區(qū)域存在差異，在具體應(yīng)用時(shí)都在原方法的基礎(chǔ)上進(jìn)行調(diào)整和優(yōu)化，并取得了可靠的結(jié)果。如Judge 等［50］使用SSM/I 數(shù)據(jù)的37 GHz 垂直極化亮溫和19 GHz、37 GHz 的負(fù)亮溫譜梯度作為判別土壤凍融的依據(jù)，識(shí)別了北美大草原凍融狀態(tài)。為了進(jìn)一步驗(yàn)證Judge 提出算法的適用性，Zhang 等［51］使用該算法對(duì)美國中部大平原近地表土壤凍融狀態(tài)進(jìn)行分類，發(fā)現(xiàn)雙指標(biāo)算法不適用于積雪覆蓋的地區(qū)，這是因?yàn)榉e雪和凍結(jié)地表具有類似的體散射特性。同樣基于SSM/I 數(shù)據(jù)，Han等［52］考慮一天內(nèi)地表凍融狀態(tài)可能會(huì)發(fā)生變化，針對(duì)SSM/I 升軌和降軌數(shù)據(jù)，分別采用不同的判別閾值，從而判斷中國北方及蒙古國地區(qū)一日之內(nèi)土壤凍融循環(huán)特征。雙指標(biāo)算法在研究區(qū)應(yīng)用時(shí)，整個(gè)研究區(qū)通常采用相同的閾值，為了提高判別精度，有研究針對(duì)不同地表類型對(duì)該算法指標(biāo)的閾值分別進(jìn)行了修訂［53］。負(fù)亮溫譜梯度是以上研究使用的指標(biāo)之一，但通過對(duì)地基實(shí)驗(yàn)數(shù)據(jù)分析發(fā)現(xiàn)凍土的負(fù)亮溫譜梯度不是一直表現(xiàn)為負(fù)值。在此基礎(chǔ)上，Han等［54］根據(jù)土壤在凍結(jié)時(shí)，微波低頻的亮溫比高頻亮溫增加得快，高低頻之間的亮溫差值變小的原理，提出了將AMSR-E 數(shù)據(jù)的各個(gè)波段的水平極化亮溫標(biāo)準(zhǔn)偏差值SDI 作為判別土壤凍融的指標(biāo)，同時(shí)采取36.5 GHz垂直極化亮溫反映地表溫度，從而發(fā)展了雙指標(biāo)算法。

2.2.2 決策樹算法

Jin 等［55］考慮到雙指標(biāo)算法中負(fù)亮溫譜梯度不能把與凍土具有類似散射特性的沙漠、降水等區(qū)分開，他們分析了沙漠、積雪、凍結(jié)地表和融化地表的輻射亮溫特征，提出了用散射指數(shù)（scattering index，SI）區(qū)分強(qiáng)散射體、弱散射體和非散射體，用19 GHz極化差來識(shí)別沙漠，用85 GHz 垂直極化亮溫和22 GHz 垂直極化亮溫識(shí)別散射較強(qiáng)的降雨，用37 GHz垂直極化亮溫來判別地表熱狀況，最終建立了一種判別土壤凍融狀態(tài)的決策樹算法?；谠撍惴ㄅ袆e了中國境內(nèi)地表凍融狀態(tài)，利用國際協(xié)同加強(qiáng)觀測(cè)期（CEOP）在青藏高原地區(qū)獲取的4 cm 地溫?cái)?shù)據(jù)驗(yàn)證該算法判別結(jié)果，該算法判別精度達(dá)87%。

2.2.3 凍融判別式算法

趙天杰等［56，70］則結(jié)合積雪輻射模型、凍土介電模型和面散射模型，建立了針對(duì)寒區(qū)復(fù)雜地表環(huán)境的凍融判別模型。經(jīng)過模型模擬分析選擇AMSR-E數(shù)據(jù)的36.5 GHz垂直極化亮溫指示地表溫度變化，選擇低頻波段（6.29 GHz、10.65 GHz、18.7 GHz）的水平極化亮溫與36.5 GHz 垂直極化亮溫的比值作為衡量地表發(fā)射率的變化，通過Fisher 線性判別方法來構(gòu)建判別地表凍融狀態(tài)的方程。并使用實(shí)測(cè)數(shù)據(jù)對(duì)該判別方程進(jìn)行優(yōu)化，得到了高精度的判別地表凍融的凍融判別式算法。該方法在不同區(qū)域進(jìn)行使用，如Chai 等［8］引入全國756 個(gè)氣象站的地表溫度數(shù)據(jù)對(duì)該算法進(jìn)行評(píng)估，結(jié)果表明凍融判別式算法總體分類精度很高，但是凍融判別式算法對(duì)凍結(jié)土壤的識(shí)別精度低于融化土壤。對(duì)此，胡文星等［57］將該算法對(duì)凍土的識(shí)別度低歸因于凍土介電模型的精度所限，引入趙少杰［71］提出的凍土介電模型對(duì)趙天杰等［56］提出的凍融判別方法進(jìn)行改進(jìn)，改進(jìn)后的算法精度有所提升。為了進(jìn)一步提高該算法的土壤凍融分類精度，越來越多的土壤因素被考慮，Kou等［58］針對(duì)凍結(jié)土壤中的有機(jī)質(zhì)會(huì)對(duì)微波輻射產(chǎn)生影響，從而將此影響考慮在土壤介電模型內(nèi)，并對(duì)趙天杰提出的凍融判別式算法進(jìn)行改進(jìn)，經(jīng)過驗(yàn)證該算法總體判別精度比趙天杰提出的凍融判別式算法高。以上研究都沒有考慮升降軌數(shù)據(jù)對(duì)土壤判別精度的影響，基于此，Wang 等［59］依據(jù)升降軌差異并利用中國、美國、芬蘭、加拿大地區(qū)AMSR-E 亮溫?cái)?shù)據(jù)和5 cm 的土壤溫度對(duì)趙天杰提出的凍融判別式算法的系數(shù)進(jìn)行調(diào)整，總體精度達(dá)到了90%。

2.2.4 季節(jié)閾值算法

季節(jié)閾值算法是依據(jù)被動(dòng)微波信號(hào)在不同季節(jié)的特點(diǎn)對(duì)土壤凍融狀態(tài)進(jìn)行判別，分別采用土壤完全凍結(jié)和融化的被動(dòng)微波信號(hào)作為凍結(jié)和融化狀態(tài)下的參考值。然后通過計(jì)算此刻土壤的微波輻射與凍結(jié)時(shí)微波輻射參考值的差、土壤凍結(jié)與融化時(shí)微波輻射參考值的差，將兩個(gè)差值的比值作為季節(jié)比例系數(shù)。然后利用實(shí)測(cè)數(shù)據(jù)或半經(jīng)驗(yàn)數(shù)據(jù)選取閾值作為土壤凍融的界限，將季節(jié)比例系數(shù)與閾值進(jìn)行比較來判斷此刻土壤凍融狀態(tài)［72］。Kim等［60］應(yīng)用該方法和SSM/I 數(shù)據(jù)的37 GHz 垂直極化亮溫，并結(jié)合全球氣溫場(chǎng)再分析資料確定了閾值，分析了全球近地表土壤凍融變化情況。

2.2.5 基于L波段相對(duì)凍結(jié)因子閾值判別算法

早期，Schwank等［61］和Rautiainen 等［62］基于地基微波輻射計(jì)ELBARA 觀測(cè)的L 波段亮溫?cái)?shù)據(jù)在蘇黎世東北部草原和北方草原進(jìn)行凍融實(shí)驗(yàn)，一致認(rèn)為L 波段對(duì)土壤凍融的敏感性，尤其是L 波段垂直極化的亮溫?cái)?shù)據(jù)在判別土壤凍融方面具有潛力。隨后Rautiainen 等［63］根據(jù)地基微波輻射計(jì)ELBARA-Π 觀測(cè)的L波段亮溫?cái)?shù)據(jù)建立相對(duì)凍結(jié)因子閾值判別算法判別地表凍融狀態(tài)，具體公式如下：

式中：t為時(shí)間；FFrel(t)為t時(shí)刻相對(duì)凍結(jié)因子指數(shù)；FFx（t）為t時(shí)刻基于L波段亮溫?cái)?shù)據(jù)得到的凍結(jié)因子；FFwinter_x和FFsummer_x分別為凍結(jié)和融化狀態(tài)所對(duì)應(yīng)的凍結(jié)因子。

隨著載有L 波段SMOS 和SMAP 相繼升空，很多學(xué)者依據(jù)Rautiainen 等［63］提出的相對(duì)凍結(jié)因子閾值判別算法，以及基于陸基微波輻射計(jì)觀測(cè)的L 波段亮溫?cái)?shù)據(jù)提出7 種不同指標(biāo)，并將這7 種指標(biāo)分別代入式（2）得到相對(duì)凍結(jié)因子指數(shù)，通過站點(diǎn)數(shù)據(jù)或半經(jīng)驗(yàn)、經(jīng)驗(yàn)數(shù)據(jù)選取閾值作為土壤凍融的界限，通過對(duì)比凍結(jié)因子指數(shù)和閾值來判斷土壤凍融特征。這7種指標(biāo)如式（3）～（9）所示：

式中：FFratio為雙極化歸一化指數(shù)；FFdiff為雙極化差指數(shù)；FFHpol為水平極化指數(shù)；FFVpol為垂直極化指數(shù)；FFSTI為標(biāo)準(zhǔn)差異凍融指數(shù)；FFcombH為水平極化下亮溫加權(quán)極化差指數(shù)；FFcombV為垂直極化下亮溫加權(quán)極化差指數(shù)。此外，Rautiainen 等［63］還指出利用這七種指標(biāo)得到的相對(duì)凍結(jié)因子指數(shù)與凍結(jié)深度之間呈現(xiàn)指標(biāo)關(guān)系?；诖?，Roy 等［73］使用FFratio指標(biāo)發(fā)現(xiàn)探測(cè)深度在2.5 cm 時(shí)L波段亮溫與地溫具有較 好的一致性。Escorihuelae 等［74］和Zheng等［75］的研究也表明，無論在凍結(jié)還是融化狀態(tài)下，L波段的有效探測(cè)深度為2.5 cm。

Roy 等［64］在加拿大地區(qū)采用SMOS 的L 波段亮溫?cái)?shù)據(jù)，分別采用FFdiff、FFratio、FFcombH、FFcombV這四種反映土壤微波輻射凍結(jié)因子判別地表凍融狀態(tài)，采用迭代法在0～1 之間以0.01 為增量確定最優(yōu)閾值，結(jié)果表明采用FFratio這一指標(biāo)判別精度最高。Rautiainen 等［65］利用SMOS 的L 波段亮溫?cái)?shù)據(jù)研究了芬蘭地區(qū)的秋季地表凍融狀況，并通過選取FFratio、FFVpol這兩個(gè)反映土壤的微波輻射凍結(jié)因子分別計(jì)算相對(duì)凍結(jié)因子，并與芬蘭環(huán)境研究所土壤凍結(jié)網(wǎng)絡(luò)提供土壤凍結(jié)深度據(jù)進(jìn)行對(duì)比分析，將地表土壤劃分為三種狀態(tài)：融化（凍結(jié)因子指數(shù)＜0.5）、部分凍結(jié)（0.5≤凍結(jié)因子指數(shù)≤0.8）、凍結(jié)（凍結(jié)因子指數(shù)＞0.8），通過在芬蘭、北美洲和西伯利亞等地驗(yàn)證取得較好結(jié)果。Derksen 等［66］和Simon等［67］利用SMAP 衛(wèi)星攜帶L 波段亮溫采用FFratio計(jì)算相對(duì)凍結(jié)因子指數(shù)，并使用閾值0.5 作為地表凍融界限，根據(jù)相對(duì)凍結(jié)因子指數(shù)和閾值來識(shí)別全球和美國地表凍融狀態(tài)。

以上基于L波段相對(duì)凍結(jié)因子閾值判別算法大多是以FFratio指標(biāo)來判別地表凍融，認(rèn)為該指標(biāo)具有代表性。而席家駒等［68］基于SMAP 衛(wèi)星攜帶的L波段的亮溫?cái)?shù)據(jù)和地溫?cái)?shù)據(jù)監(jiān)測(cè)青藏高原地表凍融狀況時(shí)，其中凍結(jié)因子選用FFratio、FFVpol、FFSTI和FFcombV四種指標(biāo)來計(jì)算相對(duì)凍結(jié)因子指數(shù)，并在0～1 之間分別選取這四種指標(biāo)對(duì)應(yīng)算法的最佳閾值，結(jié)果顯示廣泛使用的FFratio指標(biāo)對(duì)地表凍融的分類精度僅為75%，F(xiàn)FVpol凍結(jié)因子在青藏高原凍土區(qū)判別精度可達(dá)到92%。這表明廣泛采用的FFratio指標(biāo)并不適用判別青藏高原地表凍融狀況。

2.2.6 算法的對(duì)比與分析

以上各類判別地表凍融算法的對(duì)比如表3 所示，不同算法因其原理、所需波段數(shù)據(jù)等差別而各有特點(diǎn)。雙指標(biāo)算法較為簡單，便于理解，已在全球諸多區(qū)域得到應(yīng)用，但該方法在應(yīng)用時(shí)僅適用沒有積雪覆蓋的地表。決策數(shù)算法選取多種指標(biāo)判別地表凍融狀態(tài)，并剔除與凍土具有類似散射作用，如沙漠、降水等強(qiáng)散射體的影響，但該方法中37 GHz 垂直極化亮溫的判別閾值是根據(jù)青藏高原4 cm 地溫?cái)?shù)據(jù)統(tǒng)計(jì)分析得到的，而青藏高原年平均氣溫較低，導(dǎo)致該方法在其他地區(qū)應(yīng)用會(huì)明顯低估土壤凍結(jié)時(shí)間，因此，該方法適用于與青藏高原具有類似氣候特征的研究區(qū)域［76］，此外決策樹算法使用過程也較為復(fù)雜，缺少對(duì)該算法的不斷改進(jìn)和運(yùn)用，限制其發(fā)展。凍融判別式算法簡單易實(shí)現(xiàn)，使用的凍融判別式方程屬于半經(jīng)驗(yàn)方程，該方程僅需亮溫?cái)?shù)據(jù)即可實(shí)現(xiàn)判別地表凍融狀況，不需要任何實(shí)測(cè)數(shù)據(jù)來確定閾值，但該算法忽略了不同氣候類型和地形等條件下土壤凍融時(shí)的地表輻射和溫度特征，在具體應(yīng)用時(shí)，所使用的凍融判別式方程系數(shù)要與訓(xùn)練數(shù)據(jù)集具有相似的地表?xiàng)l件，才會(huì)取得更好的判別結(jié)果，因此在該算法應(yīng)用于其他區(qū)域之前進(jìn)行參數(shù)校準(zhǔn)，才能更準(zhǔn)確判別地表凍融狀態(tài)［8，76］。此外，凍融判別式算法所采用的介電常數(shù)模型與真實(shí)的介電常數(shù)機(jī)制有一定的差距，會(huì)導(dǎo)致誤差的產(chǎn)生。季節(jié)閾值算法和基于L波段相對(duì)凍結(jié)因子閾值判別算法只需要利用單頻亮溫?cái)?shù)據(jù)就可以判別土壤凍融狀態(tài)，在識(shí)別大規(guī)模、長時(shí)間地表凍融變化的方面具有優(yōu)勢(shì)，但需要完整凍融周期才能確定土壤完全凍結(jié)和融化狀態(tài)下的參考值。這兩種算法的不同之處在于前者是基于垂直極化亮溫區(qū)分凍融狀態(tài)，后者是基于L 波段水平和垂直極化之間的亮溫變化來推導(dǎo)介電信息判別凍融狀態(tài)。其中基于L波段相對(duì)凍結(jié)因子閾值判別算法可以較為準(zhǔn)確的探測(cè)干雪和植被下土壤凍融狀況，但該算法使用的L 波段探測(cè)深度較深，對(duì)表層土壤凍融的識(shí)別不敏感。此外，它受土壤水分影響較大，在干旱地區(qū)進(jìn)行凍融判別時(shí)具有較大誤差［77］。限于地表環(huán)境復(fù)雜多變，雙指標(biāo)算法、決策樹算法、季節(jié)閾值算法和基于L波段相對(duì)凍結(jié)因子閾值判別算法的閾值選取具有一定難度；凍融判別式算法的方程系數(shù)需要結(jié)合地面實(shí)測(cè)數(shù)據(jù)和模型模擬數(shù)據(jù)進(jìn)行修改。綜合來看，這五類判別地表凍融的方法都各有優(yōu)點(diǎn)與缺點(diǎn)，需要根據(jù)研究區(qū)的地形、氣候、季節(jié)和地物類型等特點(diǎn)選取最合適的研究方法。

表3 判別地表凍融狀態(tài)算法對(duì)比Table 3 Comparison of algorithms for discriminating surface freeze-thaw state

3 基于不同算法和被動(dòng)微波數(shù)據(jù)的凍融產(chǎn)品

國內(nèi)外學(xué)者基于被動(dòng)微波數(shù)據(jù)利用雙指標(biāo)算法、決策樹算法、凍融判別式算法、季節(jié)閾值算法和基于L波段相對(duì)凍結(jié)因子閾值判別算法在不同空間尺度上共享了多個(gè)長時(shí)序的凍融產(chǎn)品。表4展示了利用不同算法和被動(dòng)微波數(shù)據(jù)發(fā)布凍融產(chǎn)品的基本信息。凍融產(chǎn)品可用于分析凍土的年際變化、季節(jié)變化、發(fā)生范圍以及凍結(jié)天數(shù)等指標(biāo)的時(shí)空分布和變化趨勢(shì)，為冰凍圈、生態(tài)、水文、氣候等變化分析提供數(shù)據(jù)基礎(chǔ)。因此，評(píng)估凍融產(chǎn)品的準(zhǔn)確性和適用性至關(guān)重要。

表4 各算法凍融產(chǎn)品的基本信息Table 4 Essential information of freeze-thaw products with different algorithms

Jin等［53，55，78］根據(jù)雙指標(biāo)算法和決策數(shù)算法分別制備中國區(qū)域的凍融產(chǎn)品時(shí)間跨度為1978—2015年和1987—2009年，并對(duì)這兩種方法制備的凍融產(chǎn)品進(jìn)行了分析，兩種產(chǎn)品的在中國境內(nèi)均呈現(xiàn)土壤融化時(shí)間提前、凍結(jié)時(shí)間延后的特點(diǎn)，且兩種產(chǎn)品整體精度都在80%以上?；诩竟?jié)閾值算法的凍融產(chǎn)品記錄著全球時(shí)間跨度最長的凍融分類記錄，時(shí)間從1979 年擴(kuò)展至2020 年，Kim 等［79-80］對(duì)該算法的凍融產(chǎn)品在全球進(jìn)行研究，結(jié)果表明降軌和升軌精度分別為90.3%和84.3%，并且發(fā)現(xiàn)全球凍土區(qū)植物生長季延長。SMAP 凍融產(chǎn)品是基于L 波段相對(duì)凍結(jié)因子閾值判別算法產(chǎn)生，其中空間分辨率為36 km 的SMAP 凍融產(chǎn)品使用的是最接近原始亮溫?cái)?shù)據(jù)，而9 km 空間分辨率的SMAP 凍融產(chǎn)品將亮溫?cái)?shù)據(jù)進(jìn)行最優(yōu)插值獲取，利用5 000 個(gè)全球氣象站的地溫?cái)?shù)據(jù)，對(duì)空間分辨率為36 km、9 km 的SMAP凍融產(chǎn)品進(jìn)行評(píng)估，結(jié)果顯示：36 km 空間分辨率的SMAP 凍融產(chǎn)品的降軌和升軌精度分別為78%和90%，而9 km 空間分辨率的SMAP 凍融產(chǎn)品精度略低于36 km的SMAP凍融產(chǎn)品精度［81-82］。Hu等［83］在全球范圍內(nèi)對(duì)基于凍融判別式算法、分辨率為25 km 的凍融產(chǎn)品進(jìn)行驗(yàn)證，該凍融產(chǎn)品的降軌和升軌的精度分別為79%和85%。此外，得出全球7.7%的地表溫度出現(xiàn)明顯的變暖趨勢(shì)。以上凍融產(chǎn)品所用亮溫?cái)?shù)據(jù)分辨率都較粗，為了進(jìn)一步提高凍融產(chǎn)品的精度。Hu等［84］利用凍融判別式算法，及2013—2014 年的MODIS 數(shù)據(jù)和AMSR2 亮溫?cái)?shù)據(jù)，生成空間分辨率為5 km 的凍融狀態(tài)圖，并在中國進(jìn)行評(píng)估取得了較好的結(jié)果。在此基礎(chǔ)上此，通過利用AMSR-E、AMSR2和MODIS 數(shù)據(jù)，制備全球凍融數(shù)據(jù)產(chǎn)品時(shí)間跨度為2002—2018 年［85］。以上凍融產(chǎn)品都是在不同地區(qū)、不同時(shí)間范圍進(jìn)行驗(yàn)證評(píng)估的，為了進(jìn)一步對(duì)比不同凍融產(chǎn)品在同一地區(qū)的優(yōu)劣，邵婉婉等［86］基于雙指標(biāo)算法、決策數(shù)算法和季節(jié)閾值算法發(fā)布的三種凍融產(chǎn)品對(duì)1978—2008 年中國近地表土壤凍融狀況進(jìn)行對(duì)比分析，并利用0 cm 站點(diǎn)數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果表明季節(jié)閾值算法凍融產(chǎn)品歷年的凍結(jié)時(shí)間與站點(diǎn)數(shù)據(jù)最為接近，而雙指標(biāo)算法凍融數(shù)據(jù)產(chǎn)品整體上都高估了土壤凍結(jié)時(shí)間，決策數(shù)算法凍融產(chǎn)品低估了土壤凍結(jié)時(shí)間。Wang 等［77］對(duì)基于季節(jié)閾值算法發(fā)布的凍融產(chǎn)品和基于L 波段相對(duì)凍結(jié)因子閾值判別算法產(chǎn)生的SMAP 凍融產(chǎn)品在中國地區(qū)的效果進(jìn)行評(píng)估，結(jié)果發(fā)現(xiàn)基于季節(jié)閾值算法的凍融產(chǎn)品，受氣候因素的影響較小，且與0 cm 地表土壤相關(guān)性較好，而SMAP 凍融產(chǎn)品受干旱氣候影響明顯，且該凍融產(chǎn)品可以較好地指示5 cm 土壤凍融狀態(tài)，此外該凍融產(chǎn)品受積雪影響較少。

總而言之，這些凍融產(chǎn)品所用的數(shù)據(jù)涵蓋了SMMR、SSM/I、AMSR-E 和AMSR2 等類型，雖然所共享的凍融產(chǎn)品使用的算法、數(shù)據(jù)來源、時(shí)間范圍以及產(chǎn)品性能不同，但是大體上呈現(xiàn)出凍結(jié)時(shí)間推遲、解凍時(shí)間提前以及凍結(jié)天數(shù)縮短的趨勢(shì)。

4 結(jié)論

本文總結(jié)了被動(dòng)微波遙感數(shù)據(jù)的類型和所含波段的特點(diǎn)；闡述了被動(dòng)微波數(shù)據(jù)用于凍融監(jiān)測(cè)的原理及方法；梳理了基于不同算法和被動(dòng)微波數(shù)據(jù)的凍融產(chǎn)品；被動(dòng)微波遙感在地表凍融監(jiān)測(cè)中主要存在的問題和發(fā)展趨勢(shì)總結(jié)如下：

（1）從獲取的被動(dòng)微波數(shù)據(jù)上看，被動(dòng)微波傳感器由于受地球形狀及其運(yùn)行軌道的影響，被動(dòng)微波數(shù)據(jù)存在著部分區(qū)域缺失現(xiàn)象。為了減少被動(dòng)微波亮溫?cái)?shù)據(jù)的缺失對(duì)監(jiān)測(cè)凍融循環(huán)產(chǎn)生影響，需要對(duì)缺失數(shù)據(jù)進(jìn)行填補(bǔ)，從而覆蓋整個(gè)研究區(qū)域。當(dāng)前主要的方法是通過編程取前后兩天被動(dòng)微波數(shù)據(jù)平均值填補(bǔ)亮溫?cái)?shù)據(jù)的缺失值［87］?；蛘呃脙删安煌瑫r(shí)間的影像建立統(tǒng)計(jì)函數(shù)來進(jìn)行缺失補(bǔ)齊［88］。怎樣建立更加合理的數(shù)據(jù)的補(bǔ)齊方法將是未來一個(gè)研究重點(diǎn)。此外被動(dòng)微波數(shù)據(jù)空間分辨率較低，像元內(nèi)存在混合因子，現(xiàn)有的發(fā)展趨勢(shì)則是在利用被動(dòng)微波數(shù)據(jù)的基礎(chǔ)上，聯(lián)合多個(gè)數(shù)據(jù)產(chǎn)品，如地溫、主動(dòng)微波數(shù)據(jù)等數(shù)據(jù)進(jìn)行降尺度，或者對(duì)像元內(nèi)的地表凍融狀態(tài)進(jìn)行概率判別，以更好地描述地表凍融狀態(tài)［88-92］。

（2）從現(xiàn)有判別地表凍融的算法上看，雙指標(biāo)算法、決策樹算法、凍融判別式算法、季節(jié)閾值算法這四類算法都不能準(zhǔn)確判別積雪覆蓋下土壤凍融狀態(tài)，積雪與凍土具有類似的微波輻射特性，在已有的研究中一般認(rèn)為積雪覆蓋的地表被判別為是凍結(jié)狀態(tài)，而由于積雪具有隔熱保溫作用，延緩?fù)寥纼鼋Y(jié)的效果，致使初冬季節(jié)積雪覆蓋下的融化地表被誤判為凍結(jié)狀態(tài)［93］。Bateni 等［94］提出利用18.7 GHz、36.5 GHz 頻率的地基被動(dòng)微波觀測(cè)數(shù)據(jù)和L 波段（1.4 GHz）、Ku 波段（15.5 GHz）的主動(dòng)觀測(cè)數(shù)據(jù)提出的數(shù)據(jù)同化方法能夠識(shí)別點(diǎn)尺度范圍內(nèi)積雪覆蓋下地表凍融狀況。目前這方面研究較少，未來研究中應(yīng)側(cè)重利用星載被動(dòng)微波和主動(dòng)微波將該方法應(yīng)用于大規(guī)模領(lǐng)域，此外結(jié)合積雪輻射模型和凍土介電模型，進(jìn)一步研究積雪類型、深度和密度等條件對(duì)地表微波輻射產(chǎn)生的影響，針對(duì)積雪覆蓋的地表對(duì)算法進(jìn)行優(yōu)化有可能提高現(xiàn)有的凍融判別算法的精度。此外，L 波段可以探測(cè)積雪下的地表凍融狀態(tài)，可使用基于L 波段相對(duì)凍結(jié)因子閾值判別算法針對(duì)常年有積雪覆蓋地區(qū)進(jìn)行探測(cè)?；蛘呶磥砭C合研發(fā)一套針對(duì)不同地表環(huán)境的凍融算法，新算法應(yīng)在機(jī)理模型基礎(chǔ)上融合地表覆被類型、氣候類型、高程、積雪等要素，對(duì)地表凍融狀態(tài)進(jìn)行細(xì)化分析，使算法不僅局限于判別地表凍融的二值狀態(tài)，還能夠評(píng)價(jià)單位像元內(nèi)凍融的比例、凍融相變水量、凍結(jié)深度、凍結(jié)速率等。

（3）隨著凍融產(chǎn)品的制備與應(yīng)用，以及被動(dòng)微波數(shù)據(jù)的積累，為長期生態(tài)變化研究提供基礎(chǔ)數(shù)據(jù)。目前，時(shí)間序列最長的凍融產(chǎn)品（1979—2020年）是通過季節(jié)閾值算法而制備的，研究人員繼續(xù)根據(jù)該算法將獲取的最新亮溫?cái)?shù)據(jù)用于延長凍融產(chǎn)品時(shí)間序列?；贚波段相對(duì)凍結(jié)因子閾值判別算法的凍融產(chǎn)品隨著SMAP 衛(wèi)星的運(yùn)行，該凍融產(chǎn)品持續(xù)進(jìn)行更新，但該凍融產(chǎn)品時(shí)間跨度較短（2015 年至今），在未來研究中可結(jié)合SMOS 衛(wèi)星提供的L 波段數(shù)據(jù)擴(kuò)展該算法凍融產(chǎn)品的時(shí)間跨度，此外其他三種算法的凍融產(chǎn)品時(shí)間跨度也可隨亮溫?cái)?shù)據(jù)的更新繼續(xù)擴(kuò)展凍融產(chǎn)品的時(shí)間序列。

致謝：感謝哈爾濱師范大學(xué)研究生學(xué)術(shù)論壇的支持；感謝粵港澳大灣區(qū)地理科學(xué)數(shù)據(jù)中心提供相關(guān)數(shù)據(jù)；感謝國家青藏高原科學(xué)數(shù)據(jù)中心、美國國家冰雪數(shù)據(jù)中心提供凍融數(shù)據(jù)產(chǎn)品。