基于时空数据贝叶斯层次建模的多源土壤水分遥感产品融合与降尺度方法研究

The high-level remote sensing products of soil moisture have to face problems of the spatio-temporal incompleteness, low accuracy, and less consistency in space and time. However, soil moisture products from different sensors may be complementary in uncertainties and spatio-temporal completeness. It is potential to merging these complementary soil products to generate an improved suite of products with improved accuracy and spatio-temporal completeness. As the soil moisture products are usually derived from the passive microwave remote sensing data or the microwave scattermeter data, the spatial resolution of the soil moisture products is too coarse for the applications at local scale. Merging multi-sensor soil products is an effective way to producing a more complete, accurate and consistent soil moisture product, and data downscaling is an only way to generate soil moisture information from coarse resolution soil moisture products. The overall objective of this project is to develop statistical framework for merging and downscaling the multi-source soil moisture remote sensing products based on the spatio-temporal statistics. Specifically, we will develop the soil moisture remote sensing products merging method and the downscaling method based on the Bayesian hierarchical modeling. The key techniques involved in this study are:(1) How to assess the uncertainties in the to be merged soil moisture products and how to incorporate these uncertainties in the merging procedures; (2) how to modeling the hidden spatio-temporal process of soil moisture based on the noisy and incomplete soil moisture observations? and, （3）how to link the soil moisture information at different spatial scales and parameterize the data model in the downscaling? we aim to develop a prototype system for the multi-source soil moisture remote sensing products merging. A dataset of merged soil moisture products in the study area will be produced and validated.

土壤水分是全球水循环和能量循环研究中的重要参数，是连接和控制地球表层系统各个圈层间物质、能量交换最重要、多变的要素之一。卫星遥感是全球尺度上观测土壤水分最有效的手段，但单一传感器反演的土壤水分产品存在精度不一致、时空不完整等问题，而且因为被动微波遥感和主动微波散射计数据反演的土壤水分产品一般空间分辨率太粗，很难满足精细尺度土壤水分信息的需求。融合多源土壤水分遥感产品和降尺度是得到长时间序列高精度、一致、完整、高分辨率土壤水分产品的有效手段。本项目针对这一问题，在时空随机场理论支持下，将多源土壤水分遥感产品的融合问题看作是基于具有不同误差水平、不同数据缺失情况和不同观测尺度下多个不完备土壤水分观测基础上，重构真实土壤水分时空时空过程的问题，通过时空数据贝叶斯层次建模发展多源土壤水分遥感产品融合与降尺度方法，生成典型区域样融合和降尺度土壤水分数据集，并开发软件原型。

土壤水分是全球水循环和能量循环研究中的重要参数，是连接和控制地球表层系统各个圈层间物质、能量交换的最重要、多变的要素之一。卫星遥感观测是全球尺度观测土壤水分最有效的手段，但单一传感器反演的土壤水分产品存在精度不一致、时空不完整、空间分辨率粗的问题，很难满足农业和流域尺度水文生态等应用对精细尺度土壤水分信息的需求。融合多源土壤水分遥感产品和降尺度是得到长时间序列高精度、一致、完整、高分辨率土壤水分产品的有效手段。本项目针对这一问题，在时空随机场理论支持下，在时空完整粗空间分辨率土壤水分数据产品构建、粗空间分辨率土壤水分数据产品空间降尺度方法、时空完整的高时空分辨率降尺度完整土壤水分数据产品构建三个方面开展了系统研究。在粗分辨率时空完整土壤水分产品构建方面，分别发展了多源遥感土壤水分产品贝叶斯时空统计融合方法、协同卫星和陆面模型土壤水分数据的时空滤波构建方法、基于单一卫星土壤水分数据产品构建时空完整数据的FRF三类方法，解决了不同数据条件下构建完整土壤水分数据产品的问题；在土壤水分数据空间降尺度方面，提出了一套植被调节的ATI-SM降尺度方法，克服了ATI和土壤水分的关系随植被调节变化而难以全局建模的困难；在高时空分辨率土壤水分数据产品构建方面，分别针对光学-热红外数据的降尺度结果和雷达高分辨率土壤水分反演结果的时空完整性问题，分别发展了多时空尺度贝叶斯时空统计融合算法和迭代融合算法，解决了基于热红外遥感的土壤水分降尺度产品和雷达高分辨率土壤水分产品时空缺失严重的问题。研究对推进高时空分辨率、时空完整的土壤水分产品研发具有重要的科学价值和应用价值，也对其他地学参量高时空分辨率、时空完整的遥感产品研发具有参考价值。