一种面向卫星像元尺度森林微波透过率的提取方法

技术领域

本发明涉及微波遥感的电磁辐射传输领域，旨在为微波遥感提供森林冠层微波透过率参数，从而为森林辐射校正和提高地面关键参数(例如土壤水分、雪水当量)提供支撑和技术支持。

背景技术

星载被动微波遥感是获取宏观尺度雪水当量和土壤水分时空分布的重要手段。森林冠层不仅衰减了来自地表的微波辐射，同时自身也是一个热辐射源，因此森林冠层增加了被动微波遥感反演雪深的不确定性。准确获取冠层微波透过率是建立林区雪水当量和土壤水分反演算法的关键过程与前提。目前已经建立的冠层微波透过率模型大都基于地基或机载实验在点尺度建立，其泛化性存在较大不确定性。如何在星载被动微波遥感像元尺度(25km×25km)建立普适性强的微波透过率模型对于提高林区雪水当量和土壤水分反演精度至关重要。其次，目前的冠层微波透过率大多通过观测与模型模拟优化得到，然后再建立透过率与森林参数的经验模型。研究发现在相同的区域(例如加拿大魁北克或芬兰北部)，优化的透过率和发展的经验模型存在较大差异，这主要是模型简化和输入数据的不确定性引起的。因此，通过植被辐射模型直接从理论上正向解算透过率能够在一定程度上降低优化带来的透过率不确定性。

该发明基于植被辐射传输模型，提出了一种基于临近像元的冠层微波透过率提取方法，该方法假设相邻的森林和非森林像元存在相同的地面参数(例如雪水当量或土壤水分)，通过联立相邻像元的辐射传输方程解算冠层微波透过率，最后建立森林透过率与生物量的半经验模型。该方法是国际上首次从卫星遥感像元尺度建立的冠层微波透过率模型，对于探索微波透过率模型在星载遥感尺度应用和提高林区的地面参数反演精度至关重要。

发明内容

本发明目的是为了提取森林冠层微波透过率，从而实现森林辐射校正，因此，提出一种基于临近像元的冠层微波透过率提取方法，从而解决了森林辐射传输参数获取难、泛化性差、尺度不匹配、成本高的问题，大大提高辐射传输模型和林下地表参数的反演精度。

本发明所述的一种面向卫星像元尺度的森林微波透过率提取方法，通过空间搜索森林和非森林临近卫星像元，联立临近像元对的微波辐射传输方程，直接解算森林像元的冠层微波透过率，最后借助森林生物量建立适用于星载卫星遥感尺度的冠层微波透过率半经验模型。其特征是适用于全球森林区域的星载微波遥感森林辐射校正，具有过程清晰、计算严密、尺度匹配、高效可靠且推广性好特点。

从卫星像元尺度，微波辐射计接收到的辐射能量主要来自三个地表要素(图1a)：土壤辐射经过积雪和森林冠层衰减的净辐射①，积雪辐射经过森林冠层衰减的净辐射②，森林冠层自身辐射③。在反演雪水当量和土壤水分时，往往需要把森林辐射效应分离掉。为了准确的获取森林冠层自身亮温，必须获取冠层微波透过率。

因此，本发明提出了一种面向卫星像元尺度森林微波透过率的提取方法，该方法包括如下步骤：

步骤一：确定森林和非森林临近像元。根据土地利用类型和覆盖数据(LUCC)在3×3网格空间搜索临近的森林像元和非森林像元对(图2c，表1)。

步骤二：建立非森林像元的辐射传输模型。根据电磁波辐射传输理论，对于非森林像元open grid(图1b)，其辐射传输方程可以表达为：

Tb

式中,e

Tb

其中,T

γ

γ

γ

TPW表示大气可降水资料，由气象站观测提供。

步骤三：建立森林像元的辐射传输模型。森林覆盖度是影响卫星观测亮温和像元冠层透过率的关键参数。由于自然界中并不存在纯森林像元，因此森林像元亮温表达为森林和裸地端元的线性加权：

Tb

其中，Tb

Tb

T

式中，ω表示单次散射反照率，结合前人的研究设置为0.05；T

步骤四：联立方程(1)、(2)、(3)、(4)、(5)、(6)，通过最小二乘法在matlab中解算冠层微波透过率γ。

步骤五：建立冠层微波透过率与森林生物量的半经验模型，形式如下：

γ＝1-a*biomass(7)

其中，biomass表示森林干生物量，a表示拟合系数。

本发明创造拟保护的创新点

本发明设计了一种面向卫星像元尺度的森林微波透过率提取方法，可用于提高辐射传输模型正向模拟可靠性和地表参数的反演精度。该发明创新点包括两个方面。

(1)该方法中涉及基于临近像元辐射传输方程解算透过率的巧妙设计，即具有严格理论基础，同时具有广阔的应用前景，因此该设计在商业层面受保护。

(2)该方法相对传统的机载或者地面辐射计观测具有廉价、方便和泛化性强的特点，且在卫星像元尺度发展的森林透过率半经验模型提高了信号正向模型和地面参数反演精度，因此发展的冠层透过率模型在商业层面受保护。

本发明的优点及有益效果在于：

本发明设计了一种面向卫星像元尺度的森林微波透过率提取方法，可用于提高辐射传输模型正向模拟可靠性和地表参数的反演精度。该方法主要有四方面益处。第一，该方法是面向卫星像元尺度，因此避免了传统点尺度算法与卫星像元面尺度不匹配问题。第二，该方法是基于严格的辐射传输方程解算透过率，因此准确性高且泛化性强；第三，该方法基于现有公开免费的卫星数据即可完成透过率提取和反演算法研发，因此相对传统的机载或者地面辐射计观测具有廉价、方便和高效的特点；第四，该方法不但提高了正向模型的模拟准确性，同时大大改善了地面参数的反演精度，对于定量遥感的发展至关重要。

附图说明

图1a是森林辐射传输过程示意图。

图1b是3×3格网空间搜索临近的非森林和森林像元示意图。

图2a是我国东北地区土地利用类型和覆盖数据(LUCC)。

图2b是我国东北地区森林生物量数据(BIOMASS)。

图2c是利用LUCC和BIOMASS在我国东北地区筛选的空间临近森林和非森林像元对。图2d是本发明提取的冠层透过率与森林生物量之间的半经验关系。

图3a是本发明在东北森林区域的正向模拟表现，其频率为18.7GHz频率，时间为2018-2019年积雪季。

图3b是本发明在东北森林区域的正向模拟表现，其频率为36.5GHz频率，时间为2018-2019年积雪季。

图4是本发明在雪水当量反演算法中的应用与表现。

具体实施方式

本发明提出的方法实现过程如下：

(1)准备所用辅助数据。以我国东北地区为例，准备的数据包括土地利用和土地覆盖类型(LUCC，图2a)和森林生物量数据(BIOMASS，图2b)。

(2)预处理辅助数据。把LUCC和BIOMASS数据重采样到25km，并计算25km像元尺度内的森林覆盖度和森林生物量，与星载被动微波遥感数据(AMSR2，25km)的空间分辨率一致。

(3)筛选空间临近的森林和非森林像元。借助重采样后的LUCC、BIOMASS和AMSR2数据在我国东北地区搜索临近的森林像元和非森林像元对，其中非森林像元覆盖度大于80％，且森林生物量小于5t/ha；森林像元中森林覆盖度大于30％，且森林生物量要远远大于非森林像元的值，共搜索9对符合条件的像元对

(图2c，表1)。

表1.东北地区搜索的相邻像元对基本信息

(4)方程组解算冠层微波透过率。对每一个符合条件的像元对，联立森林像元和非森林像元辐射传输方程形成方程组(方程(1)、(2)、(3)、(4)、(5)、(6))，通过最小二乘法在matlab中解算冠层微波透过率。输入数据为2014年11月-2015年3月的AMSR2被动微波亮温。图2d展示了9个像元对解算的不同森林生物量下的冠层透过率，然后取平均值作为森林像元的冠层透过率。

(5)建立森林生物量与冠层微波透过率半经验模型。图2d展示了冠层微波透过率与

森林生物量的经验关系：

输入森林生物量biomass(t/ha)即可计算冠层微波透过率，例如AMSR2卫星像元(图2c中3#像元对：47.75°N，130.75°E)的生物量biomass为149t/ha，那么18.7GHz和36.5GHz的冠层透过率分别0.67和0.51，计算简单高效。

(6)验证和分析正向模型和反演算法表现。以我国东北地区地面调查数据作为输入(图2a中snow course 5和6)，同时把本发明中发展的半经验模型提供的森林透过率输入到植被辐射传输方程中，从而解耦森林辐射亮温，得到森林辐射校正后的辐射亮温来验证本发明的可信度。同时，以雪水当量反演算法为例，验证分析经过森林辐射校正后的雪水当量反演精度明显提高。

通过利用在我国东北林区的地面调查数据作为模型输入，对比卫星观测和微波辐射模型模拟值。图3a和3b分别表示18.7GHz和36.5GHz两个频率。其中黑色圆实点表示模型中未考虑森林影响，而灰色方块实点则表示通过本发明中提出方法进行了森林辐射校正。可以看出，考虑森林辐射影响后的微波辐射模型在18.7GHz和36.5GHz的模拟值相对AMSR2观测值的偏差明显降低。对于18.7GHz，bias由森林辐射校正前的-12.95K提高到-6.64K；对于36.5GHz，bias由森林辐射校正前的-40.72K提高到-7.88K。通过以上分析，本发明中提出的方法明显提高了植被辐射传输模型的正向模拟精度。

图4以我国东北地区雪水当量反演算法为例，利用气象站点观测雪水当量作为像元‘真实值’，分析亮温差(Tb