近日，中国科学院空天信息创新研究院遥感科学国家重点实验室联合法国农业科学院等的科研人员，在全球尺度上利用SMAP卫星被动辐射计L波段数据与目前唯一在轨运行的大尺度观测的ASCAT卫星主动散射计C波段数据，实现了表层土壤水分的高精度反演。

　　土壤水分作为影响全球水、碳、能量循环的重要参量，与植被含水量一起被认为是能够识别陆地生态系统主要变化的两个核心变量。获取高精度土壤水分信息，对于粮食安全、水资源优化与管理、生态环境保护等至关重要。

　　全天时、全天候工作的主动和被动微波遥感被认为是目前大尺度监测土壤水分最有效的手段之一，但单一的主动或被动微波观测反演的土壤水分在精度、时间或空间分辨率上均受到不同程度的限制。而主被动微波联合反演土壤水分的研究，尤其是基于机器学习的相关研究，缺乏对微波辐射传输过程中影响土壤水分的误差源的系统考虑。

　　同时，目前全球最新的L波段SMAP卫星的设计初衷是进行主被动联合反演土壤水分，但SMAP卫星的主动传感器在发射后便停止工作。虽然后期采用C波段的Sentinel-1数据替代，但面临不同卫星观测平台时空覆盖不一致、数据组织方式不一致、精度提升受限等问题。

　　ASCAT卫星作为目前与SMAP观测尺度较接近的C波段主动微波散射计，能够提供精度较高的后向散射数据。二者具有匹配能力，但联合两者进行土壤水分反演的研究较为匮乏。

　　该团队利用SMAP卫星被动辐射计L波段数据与ASCAT卫星主动散射计C波段数据，实现了表层土壤水分的反演。同时，该研究利用多种策略保证联合反演的准确性和可靠性：基于以往开展的土壤水分算法误差溯源工作，在模型训练过程中考虑辐射传输过程中涉及的可能误差源如地表粗糙度、土壤温度、植被、土壤属性及地表类型空间异质性等变量，并考虑土壤水分的主要来源如降水等以及卫星信号的时空信息，同时引入多种机器学习模型，开展建模能力对比研究；基于国际土壤水分观测网和美国农业部全球地面密集观测网展开验证和分析，缓解地面观测和微波像元观测的空间不匹配问题，同时针对数据驱动的验证问题，分别设计时间和空间独立的评估策略以保证建模和验证的可信度；开展多产品多模式的对比研究，挖掘主被动联合反演相对于数据驱动的主动、被动单独反演以及已有的主动ASCAT、被动SMAP和主被动融合ESA CCI等产品的优势；分析建模过程中的参数敏感性以及主被动联合对于提高土壤水分产品时间分辨率的优势。

　　进一步，该研究开展时间和空间的独立性验证，证明主被动联合反演算法可提供全球尺度更高精度的土壤水分遥感产品。研究根据时间独立性验证策略，基于全球地面密集网的观测数据，对比随机森林、长短期记忆网络、支持向量机和级联神经网络四种数据驱动模型对开展主被动联合反演的效果。研究发现，随机森林获得了更高的时间相关系数R和更小的ubRMSE，可作为后续主被动联合反演的主要工具。基于空间独立性验证策略，研究利用地面实测数据，将主被动联合反演的土壤水分产品与已有产品进行对比。结果表明，主被动联合算法反演的土壤水分精度优于被动SMAP、主动ASCAT和主被动融合的ESA CCI产品；主被动联合反演结果可以获得更合理的土壤水分空间分布，并在时空覆盖率上相比单一的被动SMAP和主动ASCAT产品有明显提高。同时，基于相似的反演框架，通过对比单独被动、单独主动和主被动观测同时使用的反演效果，研究证实了主被动联合反演土壤水分相较于单一主、被动反演结果的优势。

　　相关研究成果发表在《环境遥感》（Remote Sensing of Environment）上。研究工作得到国家自然科学基金和中国科学院青年创新促进会优秀会员项目等的支持。

　　论文链接

基于被动SMAP和主动ASCAT的主被动微波联合土壤水分反演流程图

供稿人：杨越

审核人：文成锋