量化分析地表微波发射率反演的不确定性外文翻译资料

 2022-12-07 04:12

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, VOL. 52, NO. 2, FEBRUARY 2014

量化分析地表微波发射率反演的不确定性

Yudong Tian, Christa D. Peters-Lidard, Kenneth W. Harrison, Catherine Prigent, Hamidreza Norouzi,

Filipe Aires, Sid-Ahmed Boukabara, Fumie A. Furuzawa, and Hirohiko Masunaga

摘要——微波地表发射率反演的不确定性是用两种地表类型来量化分析的：沙漠和热带雨林。研究基于卫星的微波成像仪的反演，包括特殊传感器微波成像仪，热带降雨测量任务微波成像仪和用于地球观测系统的先进微波扫描辐射计。我们的研究结果表明，不同传感器的反演结果和来自这两种地表类型的不同群体的反演结果有相对大的差异。除此之外，平均发射率值通过频率显示不同的光谱性质。由于假设实际发射率假设在整个研究期间的两个点主要是恒定的，差异主要来源于反演的系统误差和随机误差。一般来说，这些反演结果在低频比在高频更加契合，在沙漠的系统误差范围1%-4%（3-12K），在热带雨林1%-7%（3-20K）。每组反演数据的随机误差在0.5%-2%（2-6K）。特别是，当频率为85.5/89.0GHz时，不同反演数据组之间有巨大差异，每组数据组内的数据也有巨大差异。进一步调查显示，造成这些差异最有可能的是雨/云污染，这会导致随机误差在最严重的条件下高达10-17K。

关键词——亮温，地表发射率，测量不确定性，微波辐射计，随机误差，遥感，系统误差。

Ⅰ.引言

微波频段的地表发射率包含了关于物理、生物、水文状况和地球表面过程的丰富信息。这形成了一个广泛的地表状态和过程的遥感基础，诸如土壤湿度、植被特征和土地覆盖动态[1]。此外，地表发射率是作为如水蒸气、降雨和降雪等大气变量反演的背景信号，因此极大影响了测量的精度和不确定性[2][3]。发射率的卫星数据反演已经进行了将近三十年[4]-[9]，而反演方法几乎不变。微波发射率是通过辐射传输计算由卫星观察结果导出。极地轨道卫星上的微波辐射计产生在大气层顶（TOA）的亮温（Tb）测量。通过大气温度和湿度廓线数据可以移除来自大气的亮度温度从而得到地表发射率。其后，如果辐射的有效表面温度是已知的，可以计算地表发射率。近来，发射率反演也在一个变化的[10]和/或重复的[11]框架中进行，在这个框架中许多影响辐射传输过程的变量如发射率可被同时估计。

由于预计多云或多雨大气的大气贡献的困难以及在此条件下大气对地表信号的强散射和吸收（尤其在更高的频段），通常只在晴天进行反射率反演。然而，即使是无云大气下，也有许多导致发射率反演不确定性的误差源，包括仪器误差、大气廓线数据的不精确、不完善的云筛选和地表温度的歪曲[7],[14],[15]。此外，地表辐射特性的异质性和仪器信号覆盖范围位置的转移引入了提高不确定性的抽样误差。

发射率反演的不确定性的量化还没有很成功尽管它很重要。许多最近的最先进的数据集之间的相当大的分歧可以反映出这一点[16]。最大的困难是“真实”数据的缺乏，尤其是全球范围的。大部分的地表比辐射率研究的活动是短暂并且小范围的，而且它们通常不与任何特殊的卫星仪器相配合。没有可靠的参考数据，量化不确定性的直接障碍是不能分摊测量误差的变化和地表发射率的自然变化。

在本文中，我们通过战略性地选择两种地表发射率近乎恒定的地表类型：撒哈拉沙漠和亚马逊热带雨林来克服这个困难。这样一组反演的所有变化都是由不确定性引起的，定义为独立测量之间的传播。尽管本文只限于这两种类型的地表，它代表了一种实际的努力，为了在解决一个棘手的问题上取得进展。因此，本文不仅提供了第一个定量结果，还推动了更多有关其他表面不确定性级数的教育推理。

我们采用的发射率数集和研究方法在下面的部分进行描述。在第三部分中，我们提供了证实我们关于沙漠和热带雨林地区恒定发射率的假设的观测证据。基于这种假设，我们在第四部分展示了量化不确定性的结果。在第五部分对这些结果进行总结和讨论。

Ⅱ.数据和方法论

为了支持即将到来的全球降水测量（GPM）任务，NASA的降水测量任务（PMM）科学团队成立了地表工作组（LSWG）以改进在微波频段的地表界定方法。LSWG利用许多现代被动星载微波遥感，组建了一个对经由选择的、有代表性的地表类型进行的晴空地表发射率反演的集合，如沙漠、热带雨林、中纬度地区农业用地、湿地和高纬度寒冷地区[16]。传感器的集合包括专用传感器微波成像仪（SSM/I），热带降雨测量任务（TRMM）微波成像仪（TMI），Coriolis卫星的在轨定标、先进的微波探测装置（AMSU）和地球观测系统的先进的微波扫描辐射计（AMSR-E）。该数据集合大大促进了地表微波反演的相互比较和评价，并且让我们能够评估当前的技能和不确定性。

在本文中，我们专注于评估三个圆锥扫描微波成像仪：SSM/I,TMI和MSR-E（表1），因为它们有同样宽的频率范围，并且它们的通道大部分同时拥有垂直和水平线性偏振。瞬时反演，包括上行和下降通道，可以随时使用。对同一个成像从不同数据提供者来进行的反演都作为独立估计，因为它们大部分采自不同算法和/或用不同的辅助数据。本文采用一个普通的一年期——2006年7月1日至2007年6月30日。

表1.微波成像仪的频率

对于SSM/I来说，包含了国防气象卫星计划（DMSP）平台（F14 F14和F15）的反演。数据由法国国家科学研究中心（CNRS）提供，反演过程在[6]和[8]中描述。TMI反演是由日本名古屋大学用相似方法进行的。AMSR-E使用了两个独立的反演数据集。一个是由美国国家海洋和大气局微波集成反演系统（MIRS）用一维变分算法[10]产生，并表示为AMSR-E（MIRS）。另一组是由美国国家海洋和大气局的合作遥感科学与技术中心（CREST）产生，[17]和[18]记录了反演过程。这个数据集表示为AMSR-E（CREST）。

不确定性估计了我们的物质和知识的状态。实际上，不确定性可以被量化为相同物理量的独立测量之间的扩散或不一致。如果每个测量都没有系统误差，那么这样的扩散仅仅是由随机误差产生的。然而，通常每个测量都有有利于总不确定性的明显的系统误差。当没有“真实”数据时产生了困难：不能从随机误差和由测量量的自然变化产生的误差中分离系统误差。在这些条件下，量化分析不确定性是不可能的。

规避这个困难的一个实际出发点是在物理变量（此处指微波发射率）恒定的领域内去量化不确定度。这是一个不需要“真实”数据的例子，因为数据所有的变化都来自于测量误差。这样可能仍然无法识别系统误差的绝对振幅，但是可以得到它们在独立测量间的差异，并且这些差异提供了大量关于它们可靠性的洞察作为一个整体。此外，可以很容易的量化往往是总不确定度的主导部分的随机误差。

在本文中，我们选择了两种地表类型，撒哈拉沙漠和亚马逊热带雨林。在这些地区，预期沙漠粗糙度和热带雨林的植被性质不随时间显著变化。由于粗糙度和植被是这些频率的微波发射率的两个关键控制因素，它们可以作为一个恒定参考的表面。这种特性已被用于被动微波传感器的确认和校准以及地表参数反演[19]-[27]。在下面的部分中，我们将通过长期AMSR-E观测来证实这个假设。尽管假设的恒定发射率的真实值是未知的，我们可以比较独立反演数据集和它们的分期来推断不确定性的级数，同时包括系统误差和随机误差。在本文中我们使用的两个地点被命名为“沙漠”和“亚马逊2”，分别位于 (22°N, 29°E) 和 (2°N, 55°W)。

Ⅲ.研究位置的恒定发射率

为了证明“沙漠”和“亚马逊2”位置的地表发射率是大致恒定的，我们研究了这两个位置的微波极化差异指数（MPDI）.MPDI实质上是一种极化的规范化测量。MPDI是由2004年7月到2007年6月这三年的全天候的日常AMSR-E亮温数据计算而来。基于亮温的MPDI被定义为[28]-[31]。

和分别是在一个特定频率和扫描角度下的垂直极化和水平极化的TOA亮温。类似的，基于发射率的MPDI被定义为[13]

和分别是在一个特定频率和扫描角度下的垂直极化和水平极化的地表发射率。

MPDI与地表状态紧密相连。这是因为在晴空大气下，极化差异完全起源于地表；大气的衰减和辐射没有产生额外的极化，只为了压制下面的极化信号。因此，基于亮温的MPDI——同时包含来自地表的信号和来自大气的（非极化）信号，可被证明是一个基于发射率的MPDI的下界估计。

在一个非散射的平面平行大气条件下，给定扫描角和频率，垂直极化和水平极化的TOA亮温可以用以下完整的辐射传输方程[12],[13]计算：

（1）

（2）

和是大气中向上和向下（包括宇宙背景）的辐射，是地表温度，是沿视线路径的大气光学厚度。那么从（1）和（2）可以得到：

（3）

由于大多数地表条件下，上述方程可以重写为：

（4）

由于此研究中频率范围内地球清洁大气中，我们得到。换句话说，基于亮温的MPDI是一个基于发射率的MPDI的下界估计。大气越透明（、和越小），两个MPDI就越相近[13]。

图片1显示了在“沙漠”【（1）a】，“亚马逊2”【1（b）】和第三个LSWG位置—南部大平原【SGP;1(c)】，总的6个AMSR-E通道下的基于亮温的MPDI。在三年期间内，“沙漠”和“亚马逊2”的MPDI都保持相对恒定。相反的，在所有有关于植被和土壤湿度的季节性变化的的通道下，SGP的MPDI数据显示出强烈的季节性变化。尽管数据同时包含了晴天和阴天，后者只会进一步降低MPDI数值并且模糊晴天的变化。比较图1中(a),(b)和(c)，我们可以验证我们对“沙漠”和“亚马逊2”的恒定发射率的假设是有效的。

在沙漠，MPDI数值和通道间的差异都很大。这与沙漠地区的周知的强极化的鲜明特征相一致[32]。然而，在三年期间内，数值是非常很定的，特别在对大气不敏感的低频段。水汽通道（23.8GHz）显示出轻微的季节性变化，这表明它们大多是大气引起的。89.0GHz通道同步的、不太显著的波动也揭示了它们的大气起源。

在“亚马逊2”【图片1(b)】，所有频率的MPDI数值都低很多并接近于0。这与在茂盛森林中微波信号未被强极化的事实相一致。尽管有茂密的树冠，较低的频率表现出稍高的MPDI数值，揭示了一些来自暴露的土壤表面和水体的辐射。事实上，来自谷歌地球 (http://earth.google.com)的卫星图像表明附近有一条正好在传感器信号覆盖范围内的小河。较高的MPDI值也与Njoku等[24]中的结果相一致。总的来说，可以看到MPDI值在所有通道下都保持相对恒定并且非常小。因此，假设在“亚马逊2”的发射率值大致恒定也是合理的。

我们还研究了另一个随机选择的遥远沙漠位置（22°N, 5°W）和亚马逊位置（7°S, 70°W）。它们各自的时间序列中的时间变化是相似的小（未显示），说明在这两种类型的表面的MPDI的稳态是一个坚定的特征。基于内部探测器比较的研究结果[19]-[27]，我们预期其他的成像（SSM/I和TMI）会显示相同的结果。

Ⅳ.结果

在这一节中，我们首先介绍系统误差和随机误差的基本特征，包括包括它们的统计分布直方图。为了得到另外的领悟，我们接着研究MPDI范围内的误差和AMSR-E的亮温数据之间的比较。最后，我们提供了本文中确定的一些误差特征的来源的诊断分析。

A.系统误差和随机误差

两个估值地点的地表发射率反演显示出相当大的系统误差和随机误差。图2显示了6个数据集和两种极化的箱线图。在“沙漠”地区【图2(a)(b)】，整体显示出了预期的结果——垂直极化发射率随频率升高而降低【图2(a)】，而水平极化发射率随频率升高而上升【图2(b)】[32]。然而，每个反演数据集的平均值之间有相当大的系统差异，表明不管未知的“真实”，它们中即使不是全部也是大多数都有系统误差。在较低频率（6.9和10.65GHz）下系统差异是最小的，在一定程度上反映出它们对大气影响的不敏感。随机误差也显示出对频率强依赖性。在较高频率（85.5/89.0GHz），它们的平均值有最大的扩散，再次表明大气影响是来源。22.2GHz频率下的SSM/I F15的垂直极化通道显示出极高的数值【图2(a)(c)】。这是由被证明的仪器问题引起的[33]。

在“亚马逊2”【图2(a)(d)】，反演的系统差异的量级与“沙漠”位置的相似，除了在较高频率（85.5/89.0GHz）下的差异更大。相似的，这些频率下的随机误差也高得多。这也表明考虑到“亚马逊2”有比沙漠地区更湿润的大气和更多的阴/雨天，大气的影响在这里发挥了更大的作用。

这两个位置的平均发射率光谱都是不平滑的。例如，在“沙漠”地区CREST的水平极化的AMSR-E反演在23.8GHz频率下呈现一个凸起，但在“亚马逊2”的两种极化下载36.5GHz有一个减少。其他反演也在不同程度上显示出这样的凹凸不平。我们认为反演光谱应该是平滑且单调的，因为在研究频率范围内，地表没有任何已知的对特定频率有不同反应的物理机制。因此，发射率光谱形状的粗糙是另一种系统误差的表现。

B.发射

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[31504]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章