朱琳 白雲(yún)

摘要：? 針對數(shù)值氣象預報及陸面模擬分析系統(tǒng)中的同化模塊，本文以ERAInterim再分析資料中的地表狀態(tài)變量數(shù)據(jù)為依據(jù)，采用社區(qū)微波發(fā)射模型（community microwave emission model，CMEM）為觀測算子，模擬水平和垂直極化方向的大氣層頂亮溫，并采用高級微波掃描輻射計地球觀測系統(tǒng)（advanced microwave scanning radiometerearth observing system，AMSRE）亮溫觀測，對模擬結果進行驗證和精度評定，分析亮溫模擬與亮溫觀測存在偏差的原因。研究結果表明，CMEM模擬垂直極化方向的微波亮溫比水平極化模擬效果好，更接近AMSRE觀測數(shù)據(jù);CMEM模擬的微波亮溫在中國西北和西南地區(qū)的模擬效果較好，模擬與觀測的相關系數(shù)達0.8左右，而中國南方地區(qū)亮溫模擬效果較差，說明CMEM觀測算子對裸地或者植被稀疏的地區(qū)模擬效果好，對有植被覆蓋密集的地區(qū)亮溫模擬效果較差。該研究為CMEM在中國地區(qū)的應用提供了理論依據(jù)。

關鍵詞：? CMEM觀測算子; AMSRE; ERAInterim再分析資料; 亮溫模擬

中圖分類號： P237; P405? 文獻標識碼： A

收稿日期： 20201126; 修回日期： 20201228

作者簡介：? 朱琳（1995），女，碩士研究生，主要研究方向為遙感數(shù)據(jù)同化。

通信作者：? 白雲(yún)（1990），男，博士，主要研究方向為遙感大數(shù)據(jù)。 Email： byron506@126.com

數(shù)據(jù)同化中如何利用衛(wèi)星遙感觀測數(shù)據(jù)是一個極具發(fā)展?jié)摿Φ难芯糠较?。在陸面?shù)據(jù)同化系統(tǒng)中，可以將陸面模式的基本狀態(tài)變量轉換成星載儀器所獲得的特定波長的電磁輻射值，也可以將觀測到的電磁輻射值反算成模式的基本狀態(tài)變量[1]，據(jù)此衛(wèi)星資料直接同化需要引入復雜的觀測算子，一般采用輻射傳輸模型模擬衛(wèi)星亮溫。同化資料中的衛(wèi)星遙感觀測、站點觀測、浮標觀測、機載雷達觀測等[23]，其觀測算子的模擬能力將直接影響同化結果。因此，在同化系統(tǒng)中必須選用合適的觀測算子來描述輻射傳輸過程。隨著衛(wèi)星遙感技術不斷發(fā)展，更容易獲得較高時間和空間分辨率的微波遙感觀測資料，而如何在數(shù)據(jù)同化系統(tǒng)中更好地利用這些衛(wèi)星遙感觀測資料[4]已成為研究的焦點。近年來，國內(nèi)外一些學者利用輻射傳輸模型模擬微波亮溫，并分析模擬結果與衛(wèi)星觀測之間的差異。賈炳浩等人[57]研究比較不同輻射傳輸模型與衛(wèi)星實際觀測間的差異;P.De Rosnay等人[8]探討了不同介電常數(shù)模型在非洲西部地區(qū)對社區(qū)微波發(fā)射模型（community microwave emission model，CMEM）亮溫模擬的影響?；诖?，本文主要對中國地區(qū)CMEM觀測算子微波亮溫進行模擬，通過CMEM觀測算子，將模式狀態(tài)變量（土壤溫度、土壤濕度、土壤質地、植被覆蓋類型等）轉換到觀測空間（大氣層頂亮溫），模擬2010年8月14日到2010年8月23日，共10 d的6.9 GHz（C波段）的亮溫，并采用AMSRE亮溫觀測，對模擬結果進行驗證和精度評定，分析了模擬與觀測存在偏差的可能原因。該研究為CMEM在中國地區(qū)的應用提供了參考依據(jù)。

1 觀測算子和研究數(shù)據(jù)

1.1 CMEM觀測算子

CMEM是2008年歐洲中期天氣預報中心（european centre for mediumrange weather forecasts，ECMWF）提出的微波輻射傳輸模型，主要用于前向算子模擬地表低頻（1～20 GHz）微波亮溫[911]。CMEM是高度模塊化模型，包括大氣、土壤、植被和雪對輻射的貢獻4個模塊，每個模塊含多種參數(shù)化方案，這也是CMEM具有吸引力的方面之一，一個模型可以適應不同土壤介電常數(shù)、表面粗糙度和植被光學厚度的亮溫模擬。CMEM采用向量輻射傳輸方程的簡化方案計算地表微波亮溫[1213]，其參數(shù)化方案和物理機制主要來源于兩個輻射傳輸模型：即生物圈L波段微波輻射（Lband microwave emission of the biosphere，LMEB）和陸面微波發(fā)射模型（land surface microwave emission model，LSMEM）。

CMEM模型的特征之一是考慮了次網(wǎng)格變異性，即每個網(wǎng)格分成若干片。每個網(wǎng)格內(nèi)植被層頂亮溫采用次網(wǎng)格加權平均計算，權重為每個次網(wǎng)格的面積所占比例。

當?shù)乇碛醒└采w時，考慮雪對輻射的傳輸作用，CMEM將雪作為單獨的介電層，可采用雪發(fā)射模型

（helsinki university of technology，HUT）。當?shù)乇頉]有雪覆蓋時，CMEM計算的大氣層頂亮溫主要來自土壤、植被和大氣這3個介電層。若忽略大氣與植被層交界面之間的反射作用，以及電磁波在植被內(nèi)和植被層、土壤層之間多次散射作用，衛(wèi)星接收到的輻射包含5個組成部分：即直接向上的大氣輻射，經(jīng)植被和大氣減弱的地表輻射，經(jīng)植被和大氣減弱的向下大氣輻射，經(jīng)大氣減弱的植被向上輻射，被地表散射經(jīng)植被和大氣減弱的植被向下輻射。CMEM觀測算子示意圖如圖1所示。

根據(jù)CMEM模型，估算大氣層頂亮溫為

TBtoa，p=TBau，p+e-τatm，p×TBtov，p （1）

式中，TBtoa為大氣層頂亮溫;下標p為極化方向（水平極化和垂直極化）;TBau為向上的大氣輻射;TBtov為植被層頂亮溫;τatm為大氣層的光學厚度。植被層頂亮溫為

TBtov，p=TBsoil，p×e-τveg，p+TBveg，p+TBveg，p×γr，p×e-τveg，p+TBad，p×γr，p×e-2τveg，p （2）

式中，TBsoil為土壤中地表輻射;TBad是大氣層中向下的大氣輻射;TBveg為植被層中的植被輻射;γr，p為粗糙地表的土壤反射率;τveg為植被的光學厚度。

本文實驗采用的CMEM模型版本是2012年5月10日發(fā)布的CMEM Version4.1。

1.2 AMSRE亮溫數(shù)據(jù)

AMSRE傳感器搭載在地球衛(wèi)星系統(tǒng)（earth observing system，EOS）的Aqua衛(wèi)星上，于2002年發(fā)射升空，其主要任務之一就是在全球尺度上提供土壤水分觀測數(shù)據(jù)，是一種改進型多頻率、雙極化的被動微波輻射計。AMSRE輻射計在6.9～89 GHz范圍內(nèi)分布著12個觀測頻道，入射觀測角為55°。在降軌時，AMSRE基本上2 d覆蓋1次，有的地方是1 d或者3 d覆蓋1次，在緯度55°以上的地區(qū)是1 d覆蓋1次。

ASMRE數(shù)據(jù)可用于土壤濕度、表面溫度、植被等方面的研究。美國國家冰雪中心（national snow and ice data center，NSIDC）[14]可提供AMSRE輻射計過境的同期測量數(shù)據(jù)產(chǎn)品，包含觀測地點的亮溫、地表類型、土壤水分、植被水分及陸地表面溫度等觀測信息。

1.3 ERAInterim再分析資料

ERAInterim是ECMWF第三代再分析資料，其來自1979年以來的全球再分析資料，并實時更新，與第二代ERA40的數(shù)據(jù)同化模型相比，ERAInterim采用四維變分分析，同化了包括浮標、衛(wèi)星高度計等數(shù)據(jù)在內(nèi)的大量觀測數(shù)據(jù)，實現(xiàn)了再分析資料質量的提升。其數(shù)據(jù)可從ECMWF網(wǎng)站上下載[15]。

2 數(shù)據(jù)處理

本文研究區(qū)域是中國地區(qū)，CMEM觀測算子輸入變量和參數(shù)有雪水當量、雪密度、地表溫度、2 m大氣溫度、高程、土壤溫度和濕度，其中溫度和濕度在垂直方向上離散化為3層（自土壤表層向下依次為0～7 cm，7～28 cm，28～100 cm）。在ECMWF網(wǎng)站上，均可下載高、低植被的覆蓋比例和植被類型等數(shù)據(jù)。土壤質地數(shù)據(jù)（沙土和粘土）在北師大網(wǎng)站[16]下載，只選取土壤表面第一層（0～4.5 cm）作為輸入數(shù)據(jù)。CMEM觀測算子允許3種輸入數(shù)據(jù)格式，即NetCDF、ASCII和GRIB。實驗中，輸入的數(shù)據(jù)格式全部使用NetCDF。為了和驗證數(shù)據(jù)AMSRE亮溫數(shù)據(jù)進行比較，設置的入射角和AMSRE入射觀測角相同，均為55°，頻率選取6.9 GHz（C波段），數(shù)據(jù)時間選取2010年8月14日到2010年8月23日共10 d，每天UTC 12：00時刻的數(shù)據(jù)，數(shù)據(jù)空間分辨率為0.25°×0.25°。

CMEM觀測算子在L波段全球范圍內(nèi)，將地表均方根高度設置為固定常數(shù)2.2 cm。由于在微波頻率里，表面是否光滑是相對于波長而言，而在同一表面，對L波段是平滑的，但對C波段是粗糙的。土壤表面由平滑變化至粗糙，粗糙的增大會削弱微波在水平和垂直極化的輻射亮溫差異，對微波輻射信號有去極化作用[17]，所以針對C波段數(shù)據(jù)需要修改地表均方根高度，如果不改變CMEM中地表均方根高度的默認值，則得到的水平極化和垂直極化亮溫模擬結果相同。根據(jù)亮溫模擬與觀測相關系數(shù)最大化的選取指標，通過實驗對比分析發(fā)現(xiàn)，當對中國區(qū)域地表均方根高度取0.35 cm時，有最好的亮溫模擬效果。

P.De Rosnay等人[8]利用非洲季風多學科分析陸面模式比較計劃（african land surface models intercomparison project，ALMIP）中的多種陸面模式和CMEM相耦合，討論了ALMIPCMEM在西非的亮溫模擬效果，指出Kirdyashev植被光學厚度模型和Wang & Schmugge介電常數(shù)模型[18]的亮溫模擬效果最好。因此，本文選取此參數(shù)化方案[1823]進行實驗。實驗參數(shù)化方案如表1所示。

AMSRE衛(wèi)星過境中國的時間基本穩(wěn)定在北京時間04：00～06：00以及16：00～18：00，為了使衛(wèi)星觀測時間和地表狀態(tài)觀測時間盡量接近，AMSRE亮溫選用降軌數(shù)據(jù)（北京時間18：00～21：00），2010年8月19日，AMSRE衛(wèi)星C波段（6.9 GHz）降軌過境時間如圖2所示。由于受地球形狀影響，中國處于中低緯度地區(qū)，在每個掃描帶之間，一天的數(shù)據(jù)會存在空隙。為了使研究區(qū)域內(nèi)實現(xiàn)完全覆蓋，通過Matlab軟件，將AMSRE當天和前后兩天的降軌數(shù)據(jù)編程合成，存在當天觀測數(shù)據(jù)區(qū)域，觀測值不變。對于觀測數(shù)據(jù)不存在的區(qū)域，數(shù)據(jù)重復地區(qū)取平均值，數(shù)據(jù)不重復地區(qū)各自取值。實驗中，對亮溫數(shù)據(jù)進行簡單的質量控制，去掉不合理點，本研究只考慮亮溫值在200～320 K的數(shù)據(jù)[2425]。

3 模擬與觀測比較分析

3.1 模擬與觀測分析

利用AMSRE亮溫數(shù)據(jù)（空間分辨率為0.25°，含水平極化和垂直極化）與CMEM模擬的6.9 GHz（C波段）亮溫結果進行對比分析。為了獲取CMEM亮溫模擬與觀測的誤差空間變異信息，把中國區(qū)域分成7個不同的子區(qū)域分別進行比較。即華南地區(qū)、西南地區(qū)、華東地區(qū)、華中地區(qū)、華北地區(qū)、西北地區(qū)和東北地區(qū)，中國研究區(qū)域劃分如表2所示。

參照文獻[2]及對照AMSRE亮溫觀測數(shù)據(jù)，采用平均偏差、均方根誤差和相關系數(shù)3個統(tǒng)計特征，評定CMEM觀測算子亮溫模擬精度。

平均偏差（mean bias error，MBE）、均方根誤差（root mean square error，RMSE）和相關系數(shù)（correlation coefficient，CC）分別為

Emb=1n∑ni=1|Si-Oi|（3）

Erms= 1n∑ni=1（Si-Oi）2（4）

Cc=∑ni=1Si-S-（Oi-O-） ∑ni=1（Si-S-）2 ∑ni=1（Oi-O-）2（5）

式中，Emb是平均偏差;Erms是均方根誤差;Cc是相關系數(shù);Si和Oi是n維向量，Si是模擬亮溫，Oi是觀測亮溫;和和分別是它們的時間均值。

[11] Holmes T R H， Drusch M， Wigneron J P， et al. A global simulation of microwave emission： error structures based on output from ecmwf′s operational integrated forecast system[J]. IEEE Transactions on Geoscience and Remote Sensing， 2008， 46（3）： 846856.

[12] Drusch M， Crewell S. Principles of radiative transfer[M]. Atlanta： American Cancer Sroceedings， 2006.

[13] Kerr Y H， Njoku E G. A semiempirical model for interpreting microwave emission from semiarid land surfaces as seen from space[J]. IEEE Transactions on Geoscience and Remote Sensing， 1990， 28（3）： 384393.

[14] 美國國家冰雪中心（NSIDC）. AMSRE亮溫數(shù)據(jù)[DB/OL]. 美國： 美國國家冰雪中心， （2010）[2015]. http：∥nsidc. org/

[15] ERAInterim數(shù)據(jù)網(wǎng)站. 地表狀態(tài)變量數(shù)據(jù)集[DB/OL]. 歐洲： ECMWF， （2010）[2015]. http：∥apps. ecmwf. int/datasets/data/interimfulldaily/

[16] Wei S G， Dai Y J， Liu B Y， et al. A china dataset of soil properties for land surface modeling[J]. Journal of Advances in Modeling Earth Systems， 2013， 5： 212224.

[17] 高小六， 張慧慧. 粗糙度對被動微波遙感反演土壤水分影響的試驗研究[J]. 測繪通報， 2014（8）： 5961.

[18] 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 and Remote Sensing， 1980， 18（4）： 288295.

[19] Mo T， Choudhury B J， Schmugge T J， et al. A model for microwave emission from vegetationcovered fields[J]. Journal of Geophysical Research， 1982， 87（C13）： 1122911237.

[20] Choudhury B J， Schmugge T J， Chang A， et al. Effect of surface roughness on the microwave emission from soils[J]. Journal of Geophysical Research Oceans， 1979， 84（C9）： 56995706.

[21] Kirdiashev K P， Chukhantsev A A， Shutko A M. Microwave radiation of the Earths surface in the presence of vegetation cover[J]. Radio Eng Elect， 1979， 24： 256264.

[22] Pellarin T， Wigneron J P， Calvet J C， et al. Twoyear global simulation of Lband brightness temperature over land[J].? IEEE Transactions on Geoscience and Remote Sensing， 2003， 41（9）： 21352139.

[23] Pulliainen J T， Grandell J， Hallikainen M T. HUT snow emission model and its applicability to snow water equivalent retrieval[J]. IEEE Transactions on Geoscience and Remote Sensing， 1999， 37（3）： 13781390.

[24] De Lannoy， Gabrille J M， Reichle R H. Assimilation of SMOS brightness temperatures or soil moisture retrievals into a land surface model[J]. Hydrology and Earth System Sciences， 2016， 20（12）： 48954911.

[25] Wu K， Nie L， Shu H . A comparison of SMAP and SMOS Lband brightness temperature observations over the global landmass[J]. International Journal of Remote Sensing， 2019， 41（2）： 121.

Microwave Brightness Temperature Simulated by CMEM Observation Operator in China

ZHU Lin， BAI Yun

（College of Computer Science & Technology， Qingdao University， Qingdao 266071， China）

Abstract：? The assimilation module is a core part in the numerical meteorological forecasting and analysis system of the land surface simulation. In this paper， we use surface state variable from ERAInterim reanalysis data and CMEM （Community Microwave Emission Model） observation operator to simulate horizontal and vertical polarizations of brightness temperature at top of the atmosphere. Then the simulation result and accuracy are verified and analyzed by the AMSRE （Advanced Microwave Scanning Radiometer for EOS Aqua） observations. The result shows that vertically polarized simulation is closer to AMSRE observation and better than horizontally polarized simulation. CMEM has a superior simulation performance in northwestern and southwestern regions of China as the correlation coefficients between the simulation and AMSRE observations are larger than 0.8. By contrast， CMEM has a poor performance in southern areas of China. These results illustrate that CMEM observation operator has better simulation effect in bare or sparse vegetation area than in dense vegetation area. Our results reveal that special attention should be paid to the vegetated areas in China when assimilating or simulating brightness temperature at the top of the atmosphere. Moreover， we recommend to use vertically polarized brightness temperature in direct assimilation system with the aim to improve the accuracy of soil moisture in the topmost of soil layer. This study provides a theoretical basis for the application of CMEM in China.

Key words： CMEM observation operator; AMSRE; ERAInterim reanalysis data; Brightness temperature simulation