被动微波土壤水分频谱降尺度方法研究

High-resolution soil moisture images of large areas are of great significance in agriculture, environmental protection and ecology, but current passive microwave soil moisture data with low spatial resolution is difficult to meet the requirements of applications. This project utilizes China’s FY-3 satellite soil moisture data (25km) as the primary data source, and disaggregates this low-resolution soil moisture images using MODIS optical and thermal data (1km) by the theory of frequency domain. Firstly, the spatial scales characteristic of soil moisture is mined by normalized semivariance function, in order to build the descriptive model of semivariance. In the next step, the conversion of the descriptive model from “spatial domain” to “frequency domain” is implemented based on the transitive relation of semivariance, power spectral density (PSD) and amplitude. After that, the project uses NDVI threshold segmentation to determine a variety of land covers, and discusses the selection of scale factors by integrating albedo with the feature space of Ts/NDVI. Then, the multidimensional response matrix of soil moisture is built to obtain soil moisture images in high spatial resolution via frequency domain theory. At last, an evaluation system for downscaling method’s advancement, accuracy and the ability to keep spatial characteristics of the results is established. The project can effectively enhance the resolution of passive microwave soil moisture images, and the downscaling results can directly serve the National Geographical Conditions Monitoring Plan of China.

水文、农业等领域迫切需要大范围、中高分辨率的土壤水分数据，但低空间分辨率被动微波土壤水分数据很难满足应用需求。项目立足于FY3被动微波土壤水分产品 (25km)，选用MODIS光学/热红外数据(1km)从频域角度对其进行尺度分解：首先利用归一化半方差函数挖掘土壤水分的空间尺度特性，建立半方差理论描述模型；基于“半方差函数-功率谱密度-幅度”的理论形式实现尺度模型从“空间域”到“频域”的转变；然后利用NDVI阈值分类方法确立不同地表类型，在NDVI-Ts特征空间基础上引入地表反照率，探讨不同地表覆盖下尺度因子的优选；融合时间维信息，构建精度更高且可在时间上进行扩展的多维土壤水分关系响应矩阵；最后从频率角度实现了FY3土壤水分数据的尺度分解，并引入纹理特征分析方法从空间特征保持能力对结果进行评价。项目成果可有效提升FY3被动微波土壤水分数据的空间分辨率，其成果可直接服务于地理国情监测。

土壤水分是陆地植物及其他土壤生物赖以生存的物质基础，土壤水分信息的获取对全球气候模式预报，农作物估产以及环境灾害监测起着重要的作用。利用被动微波遥感反演土壤水分是当前监测土壤含水量最有效的手段之一，但是被动微波遥感土壤水分产品空间分辨率较低，一般只适用于大尺度研究，为了满足生产与科学研究中对不同空间分辨率土壤水分产品的需求，需要对现有的土壤水分产品降尺度。.针对上述问题，项目首先针对现有频谱降尺度方法对土壤水分频谱特性分析不足的问题，以青藏高原中东部地区为研究区，结合多源、多尺度土壤水分数据，引入地统计学的半方差函数工具挖掘土壤水分的空间变异规律，在此基础上，推导土壤水分图像频域内幅度信息与空间频率的关系，完善土壤水分频谱降尺度方法的理论基础，并获取待求高分辨率土壤水分图像的振幅信息。其次，根据能量平衡和遥感蒸散原理，利用MODIS光学数据作为辅助数据，应用地理加权回归的方法改进多元线性回归方法，建立NDVI、LST、Albedo等因子对土壤水分的响应机制，并推广到高分辨率数据尺度下，获取待求高分辨率土壤水分图像的相位信息。最后，应用上述频谱降尺度方法将FY3B土壤水分产品从25km降尺度至1km，并利用地面实测土壤水分数据对降尺度结果进行了评价。与FY3B原始土壤水分产品相比：1）频谱降尺度结果具有更好的R2和RMSE 2）频谱降尺度结果具有更加清晰和丰富的细节分布信息。同时课题组将该频谱降尺度方法推广应用到我国的农业大省-河南省以验证频谱降尺度方法在其他典型农业区的适用性。结果表明频谱降尺度结果与FY3B原始土壤水分数据与实际季节变化引起的土壤水分变化相吻合，具有更加丰富的细节分部信息。.综上，频谱降尺度方法在降尺度过程中考虑了物理机制，简单易行，能够有效提高目前被动微波土壤水分产品的空间分辨率和精度。