基于贝叶斯最大熵与先验知识的被动微波土壤水分产品真实性检验研究

The validation of soil moisture product from passive microwave remote sensing takes a key role in the study of climate change and data assimilation. The most important questions are how to get the high-precision digital map, which can represent the pixel mean and reveal the spatial heterogeneity. . A new approach for getting digital map of soil moisture is proposed based on the theory of Bayesian maximum entropy (BME) with the ground sampling data and multi-sources of prior knowledge. In the study, with sampling data as hard data, the prior probability distribution of soil moisture is obtained by using ordinary Kriging. And the fuzzy distribution of soil moisture estimated with the quantitative relationship between soil moisture and prior knowledge, as soft data; then based on hard data and prior probability distribution, probability distribution by using the Bayesian conditional probability formula is obtained, making the soil moisture of digital map. On this basis, the validation method of passive microwave remote sensing of soil moisture products is built. And we carry out inspection and evaluation of domestic FY-3 products and foreign SMAP products. The research can not only enrich validation discipline theory and method, but also can improve the precision of low resolution soil moisture products and promote the application value in related industry.

随着全球气候变化和陆面数据同化研究对土壤水分反演的精度要求不断提高，被动微波土壤水分产品的真实性检验变得极为重要。如何获取能够代表卫星观测尺度、并揭示空间异质性的土壤水分数字地图，是这一研究的关键问题。. 本项目使用地面样点数据与多源先验知识，基于BME方法框架，以采样数据作为硬数据，运用普通克里格法得到土壤水分的先验概率分布；根据土壤水分与先验知识的定量关系得到土壤水分的模糊分布，作为软数据；然后在软硬数据和先验概率分布的基础上，运用贝叶斯条件概率公式得到后验概率分布，制作土壤水分数字地图。在此基础上，建立一种基于多源数据类型的被动微波遥感土壤水分产品真实性检验方法，并开展国产FY-3产品及国外SMAP产品的检验和评价。该研究不但能够丰富遥感真实性检验学科理论和方法，而且能够提高低分辨率土壤水分产品的精度，提升在相关行业领域的应用价值。

高分辨率土壤水分产品的缺乏已成为生态水文模型精度提高及后续应用有效开展的主要瓶颈之一。现有的遥感反演土壤水分算法没有考虑到复杂的地表条件，导致复杂地表土壤水分反演精度低，产品时空连续性差等问题，极大地限制了土壤水分反演的精度。本项目的目的在于获取时空尺度连续、并揭示复杂地表空间异质性的高精度土壤水分数字地图，为了实现上述目的，本项目利用BME作为方法框架，在这个框架内将地面测量和先验知识融合起来，以地面采集数据或基站观测数据作为硬数据，以先验知识环境数据作为软数据，使估算结果既包含了地面样点之间的空间相关性，又兼顾了土壤水分与先验知识的关系。本研究将多源遥感资料整合为与土壤水分产物相关联的辅助资料，分析土壤水分与环境因子的关系，然后利用FY-3b/C和MDOIS产品资料，对玉米三个生长阶段（播种、抽穗和开花）的土壤水分含量进行BEM法估算。为了进行比较，采用了两种相关分析方法获得概率软数据：多变量相关分析（MCA）和主成分分析（PCA）。此外，采用四组建模数（50、100、150和200）计算概率软数据。结果表明，在玉米生长的各个阶段，NDVI是玉米生长的主要因子之一。NDVI是土壤水分空间预测的重要参数。其次，主成分分析法是一种有效的空间尺度约简方法，可以有效地将11种环境因子数据中的数据量减少到4个主成分。通过对土壤水分预测结果的比较，发现BEM法（MAC或PCA）低估了土壤水分含量，PCA法优于MCA法。另外，本项目还以长时间序列的单日尺度数据集为输入，并集成引入异质性分层优化采样，研究基于土壤水分预先采样模型的土壤水分精度改进方法，构建了基于分层采样的MODIS降尺度模型。结果表明，本项目成果对丰富遥感真实性检验学科理论和技术具有重要的意义，而且能够降低土壤水分产品的反演误差，提高在相关行业领域的实用价值，同时也为其他低分辨率遥感产品的真实性检验提供借鉴。