土壤水分多源卫星遥感联合反演研究进展

蒋瑞瑞, 甘甫平, 郭艺, 闫柏琨

Progress in research on the joint inversion for soil moisture using multi-source satellite remote sensing data

JIANG Ruirui, GAN Fuping, GUO Yi, YAN Bokun

表2 被动微波土壤水分反演方法参数化方案(修改自[50])

Tab.2 Parametric scheme of passive microwave soil moisture retrieval method

效应	参数化方案	L-MEB算法	SCA算法	参考文献
植被效应	植被模型	τ-ω模型	τ-ω模型	[51]
	等效反照率	ω_V=ω_H=ω ω=0.06北方森林 ω=0.08(亚)热带森林	ω_V=ω_H=ω ω=0.05森林	[52]
	植被光学厚度	τ_NAD作为位置参数,和土壤水分同时反演 τ_NAD初始值 τⁱⁿⁱ=f(LAI)	τ_NAD=bVWC b=f(IGBP) b=0.10-0.12 VWC=f(NDVI,IGBP)	[53-54]
	植被结构对τ影响	结构校正参数tt_P tt_V=tt_h=1	τ_v=τ_h (观测角=40°)	[55-56]
	等效地表温度	T_G=f(T_soil,surf,T_s_oil,deep)	T_G=f(T_soil,surf,T_soil,deep)	[57-58]
	植被温度	ECMWF表层土壤温度	T_C=T_G	[50]
粗糙度效应	地表粗糙度	H-Q-N模型 H=0.3森林 Q=0; N_v=0,N_h=2	H-Q-N模型 H=0.16森林 Q=0; N_v=N_h=2	[57?-59]
计算土壤水分	土壤介电模型	2012年4月前 Dobson模型 2012年4月后 Mironov模型 e_G=f $(S M, T_{G}, % ? c l a y)$	Mironov模型 e_G=f(SM,T_G,% clay)	[60]