沙漠地区微波地表发射率年内变化规律与气候因子的关系分析
吴莹1,2, 王振会1,2, 翁富忠3
1.南京信息工程大学中国气象局气溶胶-云-降水重点开放实验室,南京 210044
2.南京信息工程大学大气物理学院,南京 210044
3.美国国家海洋和大气管理局环境卫星资料信息中心,马里兰 20742

第一作者简介: 吴 莹(1980-),女,讲师,博士,主要从事大气探测与大气遥感方面的教学和研究。Email:wuying_nuist@163.com

摘要

以塔克拉玛干沙漠为研究区域,利用2008年AMSR-E(advanced microwave scanning radiometer - earth observing system)二级亮温资料和全球资料同化系统(global data assimilation system,GDAS)的地表、大气参数产品,反演研究区晴空条件下的微波地表发射率,进而根据不同的土壤类型,分析了沙漠微波地表发射率频谱年内变化规律及其与气候因子的关系。结果表明: 沙漠地表发射率与土壤类型密切相关,且不同土壤类型的发射率季节变化规律显著性不同; 土壤含水量、地表温度与地表发射率的年内变化规律之间存在着显著相关性,地表发射率随土壤含水量、地表温度的增高而降低; 地表植被覆盖度、植被含水量和地表粗糙度也是地表发射率的影响因子,其值均取决于土壤含水量,而土壤含水量受大气总水汽量和土壤类型的共同制约; 以砂土为主的沙漠地表发射率更多受到沙漠深度的影响,随着沙漠深度的增加而减小。

关键词: 微波地表发射率; 沙漠地区; 土壤类型; 气候因子
中图分类号:P422.2TP722.6 文献标志码:A 文章编号:1001-070X(2014)03-0055-06 doi: 10.6046/gtzyyg.2014.03.09
Relationship between inter-annual variations of microwave land surface emissivity and climate factors over the desert
WU Ying1,2, WANG Zhenhui1,2, WENG Fuzhong3
1. Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science & Technology, Nanjing 210044, China
2. School of Atmospheric Physics, Nanjing University of Information Science & Technology, Nanjing 210044, China
3. NOAA/ NESDIS/ Center for Satellite Application and Research, College Park, MD 20742, USA
Abstract

Microwave land surface emissivity of the Taklimakan Desert was retrieved based on AMSR-E (advanced microwave scanning radiometer-earth observing system) Leval 2A measurements and land surface and atmosphere products from GDAS (global data assimilation system) in 2008 under clear atmospheric conditions. Then, the spectral characteristics of the retrieved emissivity were classified and analyzed with respect to the soil types, and the relationships between desert emissivity annual variability and climate factors were also analyzed. The analyses indicate that the desert microwave emissivity and its annual variability are closely related to soil types. Moreover, there is a significant correlation between soil volume water content as well as land skin temperature and inter-annual variations of emissivity, which decreases with both of the two land surface parameters. Furthermore, vegetation coverage, canopy water content and surface roughness depending on the soil moisture are also the influencing factors of emissivity, and the soil moisture is restricted by both the atmospheric total precipitable water and the underlying soil type. Additionally,the surface emissivity of the desert mostly composed of sand observably decreases with the desert depth.

Keyword: microwave land surface emissivity; desert; soil type; climate factors
0 引言

地表发射率表征了地表的热辐射能力。微波地表发射率在全球天气预报系统中起着重要作用, 是同化各种卫星微波辐射资料所需要的参数[1, 2], 也是反演地表和大气参数的重要条件。微波地表发射率的准确计算, 对确定地表参数(如土壤水分[3, 4, 5, 6]、植被含水量[7]、地表温度[8, 9]和雪、冰雪覆盖等[10, 11])以及完善陆面同化过程等有着重要意义[12]。地表发射率的时空变化在一定程度上受地表和大气等条件变化的影响, 正确揭示微波地表发射率的时空变化规律, 将有助于理解地表的长波能量辐射、地表辐射收支和大气辐射传输模式。

目前, 微波地表发射率变化规律的研究多集中于不同的地表覆盖类型[12, 13, 14, 15, 16], 而对微波地表发射率随土壤类型变化的规律及其与气候因子关系的分析相对较少。由于植被的季节特征显著及变化特征稳定, 而且地表发射率巨大的空间可变性发生在裸露的岩石或土壤区域内, 使这类区域被简单划分为荒地、沙漠或裸土, 从而影响了构成这些地表的土壤结构或岩石矿物对星载传感器的光谱响应特征的研究。

作为重要的地-气过程参数, 地表发射率受气候变化影响很大, 其动态变化特征与气候条件密切相关。本文以塔克拉玛干沙漠为研究区域, 利用AMSR-E(advanced microwave scanning radiometer-earth observing system)的遥测资料反演微波地表发射率谱, 并根据联合国粮农组织(food and agriculture organization of the united nations, FAO)[17]和美国国家土壤地理数据集(The State soil geographic, STATSGO)[18]定义的土壤类型, 对反演计算的沙漠地表发射率谱进行分类分析, 并结合美国国家环境预报中心(national centers for environmental prediction, NCEP)的全球资料同化系统(global data assimilation system, GDAS)的输出产品, 分析了微波地表发射率年内变化规律与地表温度、土壤温度、土壤含水量、植被覆盖率及大气总水汽量等因子之间的响应关系。

1 微波地表发射率的反演
1.1 研究方法

假设地表是平坦的, 对于平行平面非散射大气, 使用Rayleigh-Jeans近似, 计算微波地表发射率可以通过辐射方程[19], 即

ε =(TB-Tu-TdΓ )/[Γ (Ts-Td)] , (1)

式中: ε 为微波地表发射率; TB为卫星亮温观测值; Ts为地表温度; TuTd分别为上行和下行的大气辐射亮温; Γ 为大气透过率。

1.2 研究区域

选取中国最大沙漠塔克拉玛干沙漠区(E75° ~90° , N36° ~42° )作为研究区域。一方面是因为与其他地表类型相比, 由卫星观测资料反演得到的沙漠微波地表发射率存在最大的时空差异; 另一方面也是因为沙漠地区植被稀少, 且地表较为平坦, 粗糙度较小, 这些条件间接减小了土壤类型参数以外的因素对地表发射率特征分析的影响。

1.3 数据源

利用Aqua卫星上的AMSR-E传感器二级亮温资料来反演地表发射率, Tu, TdΓ 可由美国国家海洋和大气局(National Oceanic and Atmospheric Administration, NOAA)的通用辐射传输模式(community radiative transfer model, CRTM)结合GDAS温、湿廓线和地表温度计算得到。土壤类型分类数据由FAO和STATSGO提供。

1.3.1 卫星数据

使用的卫星资料为2008年每月第1个星期的Aqua/AMSR-E二级亮温降轨数据, 在本研究中处理成0.25° 空间分辨率的格点数据。AMSR-E搭载在美国宇航局(National Aeronautics and Space Administration, NASA)对地观测卫星Aqua上, 于2002 年发射升空。 AMSR-E提供了6.925, 10.65, 18.7, 23.8, 36.5和89.0 GHz 6个频率、双极化、12个通道的微波观测值。

1.3.2 GDAS数据

GDAS输出的地表温度可直接用于Ts, 大气廓线和地表参数则可以作为CRTM的输入用来计算Tu, TdΓ 。GDAS数据是360° × 180° 的格点数据, 精度为1° × 1° 。GDAS 通过同化所有的探空和卫星资料产生每天4个时次(0:00, 6:00, 12:00, 18:00)的温、湿廓线分析资料。除大气廓线外, GDAS还从它的边界层模式产生一些额外的参数, 如冠层水分含量、土壤水分含量、地表温度和土壤温度等。在本研究中, 通过对GDAS数据进行空间和时间上的插值, 获得和AMSR-E格点数据相匹配的CRTM模式输入参数。

1.3.3 全球土壤质地分类数据库

采用FAO和STATSGO全球土壤质地分类数据库的数据, 对塔克拉玛干沙漠区土壤进行质地分类。该数据库包括全球19种土壤类型, 空间分辨率为1 km。根据美国农业部(U.S.department of agriculture, USDA)土壤质地的三角形分类法[20], 土壤质地按不同含量的砂土、粉土和粘土来定义, 砂土粒子 (0.05~2 mm)直径大于粉土粒子(0.002~0.05 mm)和粘土粒子(小于0.002 mm)的直径。根据该标准, 塔克拉玛干地区存在6种质地的土壤。

1.4 去降水粒子处理

大气中的雨水、云中液态水和冰粒子都可以改变卫星亮温观测值, 特别是在较高频段。为了使地表发射率反演值更加准确, 需要确定因大雨和冰粒子引起的大气散射改变的观测值。本文用散射指数[21]滤除受大气散射影响的像素。

2 地表发射率的变化特征

理论上, 由式(1)可计算得到AMSR-E全球的地表发射率, 本文仅对晴空条件下塔克拉玛干沙漠地区不同土壤类型的AMSR-E 地表发射率进行分组计算, 讨论该地区不同土壤类型微波地表发射率随季节变化的规律。

本文研究区域内主要有6种土壤类型: 砂土、壤土、砂质粘壤土、粘质壤土、砂质粘土和粘土。这些沙漠土壤类型的微波地表发射率会随季节转换呈现一定程度的变化。如图1所示, 沙漠地表的发射率随土壤组成的不同存在显著变化。

图1-1 2008年塔克拉玛干沙漠区不同地表类型AMSR-E各通道反演的地表发射率Fig.1-1 Retrieved emissivity of each AMSR-E channel of different soil type of the Taklimakan Desert in 2008

图1-2 2008年塔克拉玛干沙漠区不同地表类型AMSR-E各通道反演的地表发射率Fig.1-2 Retrieved emissivity of each AMSR-E channel of different soil type of the Taklimakan Desert in 2008

由图1可以看出, 不同地表类型的垂直极化(V)发射率都是随频率增加而呈逐渐减少趋势, 而水平极化(H)发射率都是随频率增加而逐渐增大, 极化差异随频率增加而逐渐减小。

总体来看, 砂质粘壤土和砂质粘土的发射率在一年四季差异较大; 其次是粘质壤土和粘土; 再次是壤土和砂土。这可能与地表温度、土壤温(湿)度、植被覆盖及其生长状况有关。

图2分别是从GDAS输出获得的土壤温度、地表温度、大气总水汽量、土壤体积含水量(水分和土壤的体积比, 取值范围0~1)、植被覆盖度(取值范围0~1)和冠层含水量各参数在该地区的均值随季节的变化, 其中上述6种不同类型土壤的地表、大气参数的均值与整个研究区域内的均值略有差异。

图2 2008年塔克拉玛干沙漠区大气和地表参数Fig.2 Parameters of atmosphere and land surface of the Taklimakan Desert in 2008

图2看出, 一般情况下, 土壤温度的年波动幅度略低于地表温度的年波动幅度; 地表温度在7月和8月(夏季)达到一年中最高值, 1月和2月达到最低值(冬季), 但土壤温度的峰值和谷值比地表温度均延迟1个月左右; 夏季土壤温度和地表温度基本趋于一致, 而秋、冬季土壤温度高于地表温度。

当大气总水汽量在7月和8月达到峰值时, 土壤湿度和植被覆盖度均随之出现较大值; 当大气总水汽量在1月和2月达到谷值时, 土壤湿度和植被覆盖度均随之出现较小值。因此, 土壤体积含水量一定程度上受大气总水汽量影响, 而土壤体积含水量与植被覆盖度、冠层含水量密切相关。

一般粘性土质的储水能力较强, 因而上述6种土壤类型的地表中, 砂质粘土和粘质壤土等粘性土壤具有较高的土壤湿度和植被覆盖度。如图3中, 尽管砂土的大气总水汽量高于同期砂质粘土, 且砂土的最小值和最大值分别是2.626 mm和30.916 mm, 而砂质粘土的最小值和最大值分别是0.886 mm和13.345 mm, 但砂土的土壤含水量和植被覆盖度均低于砂质粘土。砂土的土壤含水量全年基本维持在0.13左右, 植被覆盖度约为0.01, 而砂质粘土的土壤含水量全年始终保持在0.13以上, 最高可达0.187, 植被覆盖度长期处于0.01以上, 最高可达0.047。

图3 2008年塔克拉玛干沙漠地区2种土壤类型的大气和地表参数Fig.3 Parameters of atmosphere and land surface of two soil types of the Taklimakan Desert in 2008

对于大多数类型的土壤, 夏季地表发射率较春、秋、冬季的略微偏低(图1)。这是因为土壤微波辐射与土壤的微波介电常数密切相关, 通常土壤的介电常数是由土壤的含水量决定的[22]。地物目标含水量多少决定其复介电常数的大小, 复介电常数相对于介质单位体积的液态水含量呈线性变化。一般来说, 复介电常数越高, 反射电磁波的作用越强, 穿透作用越小。由表面极化发射率可知, 土壤表面的发射率(等于1)减去各方面散射系数和, 在土壤含水量增加时, 这种散射主要表现为反射, 反射率增加, 因此发射率会减小, 即土壤中水的介电特性会引起地表发射率随土壤含水量的增大而减小, 这种趋势在低频段尤为明显。这是地表发射率随土壤含水量和植被含水量(图2)变化而产生的季节性变化的重要原因之一, 和Weng等[19, 23]微波地表发射率模型的研究结果相吻合。

由Weng等[19] 三层介质模型的微波地表发射率计算式可以得出, 影响发射率计算的最重要的参数是光学厚度和交界面上的反射率系数。光滑接触面的反射率可由Fernsel方程得到, 它是关于入射角和介质介电常数的方程。裸土经验介电常数是关于电介质土水混合的模型[24]。由Weng等[19]模型计算得到AMSR-E传感器各个频率地表发射率随土壤含水量变化的关系(图4)。

图4 地表发射率与土壤含水量的变化关系(视角55° , 土壤粗糙度0, 地表温度280 K)Fig.4 Relationships between emissivity and soil moisture

图4可知, 无论是垂直极化还是水平极化, 地表发射率随着地表土壤含水量的增大而减小, 且这种趋势在低频段较高频段显著, 水平极化较垂直极化显著。因此, 夏天雨水相对较多, 植被生长旺盛, 地表土壤所含的水分相对较多, 使得地表发射率略偏低。本文研究区内主要分布的土壤类型是砂土, 而砂土类型的沙漠地表, 土壤湿度常年极低, 植被稀少, 一年四季的发射率差异不大, 较为稳定(图1— 3)。

一般来说, 微波对各种地物的穿透深度因波长和物质不同有很大差异, 波长越长, 穿透能力就越强。Weng等[19]模型给出的各层土壤的权重随土壤深度的变化而变化(图5)。

图5 权重函数和随土壤深度的变化关系(视角53° , 土壤粗糙度0, 土壤含水量0.1, 地表温度280 K)Fig.5 Relationships between weighting function and soil depth

图5可以看出, 随着土壤深度的增加, 各层土壤对土壤亮温的贡献逐渐减小; 随着频率的增加, 各层土壤的权重随土壤深度迅速减小, 换言之, 微波的土壤穿透深度随频率的增加而减小。因此, 在沙漠(土壤类型主要为砂土)的地表情况下, 沙漠深度对地表发射率有一定的影响, 并且地表发射率随着沙漠深度的增加而减小。

地表粗糙度与植被覆盖紧密相关, 该参数不仅决定地表的反射特性, 而且影响微波的极化[25, 26]。地表粗糙度较小时, 地表发射率的极化差异较大; 随着地表粗糙度的增大, 极化差异减小直至趋于稳定。这主要是地表粗糙度较大、散射较多, 从而削弱了发射率的极化差异。例如, 有森林覆盖的地表发射率极化差异较小。而低矮植被覆盖(即地表粗糙度较小、较为平坦的地表)的地表发射率受散射作用较小, 从而有明显的极化差异, 故典型的以砂土为代表的植被覆盖稀少的沙漠地表, 表现出最大的极化差异(图1)。

地表温度也是地表发射率产生季节变化的影响因子之一。表现在夏季的地表温度高于冬季, 而夏季的地表发射率低于冬季(图1— 2), 且地表发射率随地表温度的升高而降低, 这与式(1)中地表发射率和地表温度成反比的关系相一致。而且, 地表温度与1 d内的日照时间和日照强度有关, 白天地表温度一般比晚上高, 故白天地表发射率小于夜间发射率, 如昼夜温差较大的沙漠地区最为明显。

3 结论

本文用AMSR-E亮温资料以及微波辐射传输模式反演计算了塔克拉玛干沙漠地区晴空条件下的地表发射率, 并结合FAO和STATSGO的土壤质地分类信息, 分析了该地区不同土壤类型的微波地表发射率的变化特征, 并进一步分析了地表发射率频谱年内变化规律及其与气候因子的关系。

1)微波地表发射率与地表类型密切相关, 且不同土壤类型的地表发射率的季节变化规律存在显著差异, 富含粘土土壤比富含砂土土壤的微波地表发射率的年内季节性变化显著。

2)土壤含水量是微波地表发射率产生年内变化的重要因子之一, 地表发射率随土壤含水量的增大而降低。而且, 土壤含水量还直接作用于地表植被覆盖度和植被含水量, 这些参数也是地表发射率的影响因子; 地表植被覆盖还决定着地表粗糙度, 进而决定了微波地表发射率的极化差异。此外, 土壤含水量一定程度上受大气总水汽量影响, 但同时受到地表土壤类型的制约, 如粘性土质的储水能力较强, 故在大气总水汽量一定的情况下, 粘土土壤含水量比砂土高。

3)在土壤类型以砂土为主的沙漠地表, 地表发射率一定程度上受到沙漠深度的影响。由于沙漠地区土壤含水量值年内几乎保持为常数, 且数值极低, 故土壤穿透深度是影响地表发射率的重要因子, 使得地表发射率随着沙漠深度的增加而减小。

4)地表温度与微波地表发射率的年内变化规律之间也存在着显著的相关性, 地表发射率随地表温度的升高而降低。

志谢: 感谢美国国家海洋和大气管理局环境卫星资料信息中心卫星应用研究校准和验证项目的支持。

The authors have declared that no competing interests exist.

参考文献
[1] Weng F, Liu Q. Satellite data assimilation in numerical weather prediction models, Part I: Forward radiative transfer and Jacobian modeling in cloudy atmospheres[J]. Journal of Atmospheric Science, 2003, 60(21): 2633-2646. [本文引用:1]
[2] Errico R M, Ohring G, Bauer P, et al. Assimilation of satellite cloud and precipitable observations in numerical weather prediction models[J]. Journal of Atmospheric Science, 2007, 64(11): 3737-3741. [本文引用:1]
[3] Njoku E G, Jackson T J, Lakshmi V, et al. Soil moisture retrieval from AMSR-E[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(2): 215-229. [本文引用:1] [JCR: 3.467]
[4] Pellerin T, Wigneron J P, Calvet J C, et al. Global soil moisture retrieval from a synthetic L-band brightness temperature data set[J]. Journal of Geophysical Research, 2003, 108(D12): 4364. doi: DOI:10.1029/2002JD003086. [本文引用:1]
[5] Shi J, Chen K S, Li Q, et al. A parameterized surface reflectivity model and estimation of bare-surface soil moisture with L-band radiometer[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40: 2674-2686. [本文引用:1] [JCR: 3.467]
[6] Wigneron J P, Calvet J C, Pellarin T, et al. Retrieving near-surface soil moisture from microwave radiometric observations: Current status and future plans[J]. Remote Sensing of Environment, 2003, 85: 489-506. [本文引用:1] [JCR: 5.103]
[7] Calvet J C, Wigneron J P, Mougin E, et al. Plant water content and temperature of amazon forest from satellite microwave radiometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 1994, 32(2): 397-408. [本文引用:1] [JCR: 3.467]
[8] Prigent C, Aires F, Rossow W B. Land surface skin temperatures from a combined analysis of microwave and infrared satellite observations for an all-weather evaluation of the differences between air and skin temperatures[J]. Journal of Geophysical Research, 2003, 108(D10): 4310. doi: DOI:10.1029/2002JD002301. [本文引用:1]
[9] 毛克彪, 施建成, 李召良, . 用被动微波AMSR数据反演地表温度及发射率的方法研究[J]. 国土资源遥感, 2005, 17(3): 14-18.
Mao K B, Shi J C, Li Z L, et al. The land surface temperature and emissivity retrieved from the AMSR passive microwave data[J]. Remote Sensing for Land and Resources, 2005, 17(3): 14-18. [本文引用:1]
[10] Kelly G, Bauer P. The use of AMSU-A surface channels to obtain surface emissivity over land , snow and ice for numerical weather prediction[C]//Proc 11th Int TOVS Study Conf. Budapest, Hungary, 2000: 167-179. [本文引用:1]
[11] Kelly R E, Chang A T, Tsang L, et al. A prototype AMSR-E global snow area and snow depth algorithm[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(2): 230-242. [本文引用:1] [JCR: 3.467]
[12] 吴莹, 王振会. 微波地表发射率模型研究进展[J]. 国土资源遥感, 2013, 25(4): 1-7.
Wu Y, Wang Z H. Advances in the study of microwave land surface emissivity model[J]. Remote Sensing for Land and Resources, 2013, 25(4): 1-7. [本文引用:2]
[13] 吴莹, 王振会. 被动微波遥感反演地表发射率研究进展[J]. 国土资源遥感, 2012, 24(4): 1-7.
Wu Y, Wang Z H. Advances in the study of land surface emissivity retrieval from passive microwave remote sensing[J]. Remote Sensing for Land and Resources, 2012, 24(4): 1-7. [本文引用:1]
[14] 何文英, 陈洪滨. 中国江淮、黄淮地区陆面微波比辐射率的变化特征[J]. 遥感技术与应用, 2009, 24(3): 297-303.
He W Y, Chen H B. The characteristics of microwave emissivity over land of Chinese Jianghuai-Huanghuai region[J]. Remote Sensing Technology and Application, 2009, 24(3): 297-303. [本文引用:1] [CJCR: 0.749]
[15] Karbou F, Prigent C, Eymard L, et al. Microwave land emissivity calculations using AMSU measurements[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(5): 948-959. [本文引用:1] [JCR: 3.467]
[16] 张勇攀, 蒋玲梅, 邱玉宝, . 不同地物类型微波发射率特征分析[J]. 光谱学与光谱分析, 2010, 30(6): 1446-1451.
Zhang Y P, Jiang L M, Qiu Y B, et al. Study of the microwave emissivity characteristics over different land cover types[J]. Spectroscopy and Spectral Analysis, 2010, 30(6): 1446-1451. [本文引用:1] [JCR: 0.293] [CJCR: 1.36]
[17] FAO(United Nations Food and Agriculture Organization). Soil map of the world(1: 5 m scale maps and accompanying texts)[Z]. France: Paris, 1971-1981, 1-10. [本文引用:1]
[18] State Soil Geographic(STATSGO)Data Base, National Cartography and GIS Center, United States Department of Agriculture, Fort Worth, TX[EB/OL]. [1995]. http://www.nrcs.usda.gov/technical/techtools/statsgo_db.pdf. [本文引用:1]
[19] Weng F Z, Yan B H, Grody N C. A microwave land emissivity model[J]. Journal of Geophysical Research, 2001, 106(D17): 20115-20123. [本文引用:5]
[20] FAO/STATSGO Soil Type, United Nations Food and Agriculture Organization, National Cartography and GIS Center, United States Department of Agriculture[EB/OL]. [1995]. http://www.emc.ncep.noaa.gov/mmb/gcp/sfcimg/soiltex/index.html. [本文引用:1]
[21] Wilheit T, Kummerow C D, Ferraro R. NASDA rainfall algorithms for AMSR-E[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(2): 204-214. [本文引用:1] [JCR: 3.467]
[22] Wang J R, Schmugge T J. An empirical model for the complex dielectric permittivity of soils as a function of water content[J]. IEEE Transactions on Geoscience Remote Sensing, 1980, GE-18(4): 288-295. [本文引用:1] [JCR: 3.467]
[23] 吴莹, Weng F Z, 王振会, 等. 沙漠地区微波地表发射率和土壤质地关系分析[J]. 高原气象, 2013, 32(2): 481-490.
Wu Y, Weng F Z, Wang Z H, et al. Analysis on the relationship between microwave land surface emissivity and soil texture in desert region[J]. Plateau Meteorology, 2013, 32(2): 481-490. [本文引用:1] [CJCR: 1.688]
[24] Dobson M C, Ulaby F T, Hallikainen M T, et al. Microwave dielectric behavior of wet Soil-Part II: Dielectric mixing models[J]. IEEE Transactions on Geoscience Remote Sensing, 1985, GE-23(1): 35-46. [本文引用:1] [JCR: 3.467]
[25] Wang J R, O’Neill P E, Jackson T J, et al. Multi-frequency measurements of the effects of soil moisture, soil texture, and surface roughness[J]. IEEE Transactions on Geoscience and Remote Sensing, 1983, GE-21(1): 44-51. [本文引用:1] [JCR: 3.467]
[26] Mo T, Schmugge T J. A parameterization of the effect of surface roughness on microwave emission[J]. IEEE Transactions on Geoscience and Remote Sensing, 1987, GE-25(4): 481-486. [本文引用:1] [JCR: 3.467]