全球微波陆表发射率产品质量评估及优化*

刘勇洪 唐 飞 徐永明 翁富忠 韩 阳 杨 俊

1.中国气象局地球系统数值预报中心，北京，100081

2.中国气象科学研究院灾害天气国家重点实验室，北京，100081

3.南京气象科技创新研究院中国气象局交通气象重点开放实验室，南京，210044

4.南京信息工程大学遥感与测绘工程学院，南京，210044

1 引 言

地表发射率（Land Surface Emissivity，LSE），或称地表比辐射率，定义为相同温度下地表发出的热辐射与黑体辐射的能量之比，表征了地表的热辐射能力（吴莹，2012；王博，2016），其中微波地表发射率（Microwave Land Surface Emissivity，MLSE）既是卫星微波反演地表参数和大气参数的重要条件（Prigent，et al，1997，2006；Weng，et al，2001；施建成等，2006；Grody，et al，2008），同时还是数值预报模式中实现微波辐射资料直接同化的重要参数（Karbou，et al，2006，2010；Yang，et al，2011a）。但目前MLSE 不确定性较大，这已成为多源卫星数据在地表数值天气预报模型中应用的一个主要障碍（Prigent，et al，1997；Moncet，et al，2011），因此，提供准确可靠的MLSE 信息，对于改善陆面大气参数和地表参数的反演精度以及提高天气预报精度都将起重要作用，而且能让卫星观测微波资料在数值预报中得到更充分的利用（Weng，et al，2007）。

目前，对MLSE 的估算主要有3 种方法：（1）基于物理模型的陆表发射率模式，即针对不同地表类型发展的基于辐射传输理论的反演方法，如Weng 等（2001）建立的三层（大气-地表覆盖层-土壤）微波陆表发射率模型（LandEM），能模拟计算各种地表类型（包括沙漠、积雪、植被和土壤等）的表面发射率，目前已用于通用辐射传输模式（Community Radiative Transfer Model，CRTM）和先进辐射传输模拟系统（ Advanced Radiative Transfer Modeling System，ARMS）（Weng，et al，2020），该模型的优点是容易耦合到陆面模式和资料同化系统中，缺点是输入参数复杂众多，且一些参数并非常规观测，不易获取。（2）卫星观测资料估算法，即基于微波辐射传输方程，利用卫星的观测亮温直接估算MLSE，该算法估算的MLSE 精度依赖于输入的辅助数据—地表温度（Land Surface Temperature，LST）、大气温湿度廓线和云检测算法等的精度。目前该方法主要用于晴空大气下MLSE估算（Karbou，et al，2005，2006；Min，et al，2010；Wu，et al，2019），近年来也开始用于有云天气下MLSE 的估算（Hu，et al，2021；Li，et al，2022）。该方法的优点是输入参数简单，地表参数只需要LST 即可，缺点是大多适用于晴空天气条件，反演精度严重依赖于输入的辅助数据的精度。（3）一维变分法：一维变分（1DVar）法实际是一种物理反演算法（潘火平，2013），它利用多通道被动遥感器观测数据，结合其他辅助数据，基于贝叶斯函数的最小化代价函数来获得MLSE 的最优估计；优点是可以同时反演多个物理参数，并强调反演参数的物理条件约束，缺点是需要建立与目标遥感器通道特性（频率、观测角度、极化状态等）相匹配的MLSE初猜值。该方法已在美国 NOAA/NESDIS 开发的微波综合反演系统 MiRS（Microwave Integrated Retrieval System）中用于多个卫星载荷的MLSE 产品生产（Boukabara，et al，2011）。

当前绝大多数MLSE 产品均是在晴空天气条件下采用卫星观测资料法所获得，主要是由于云雨天气下估算大气的辐射贡献存在困难，以及地表辐射被大气强烈散射和吸收，尤其是高频（＞37.0 GHz）存在困难，例如高频85 GHz 大气透过率一般不超过0.75，致使估算大气辐射贡献的方法差异也成为MLSE 误差的重要来源（Norouzi，et al，2015）。即使在晴空天气条件下也存在许多不确定性，包括仪器、亮温定标、大气廓线、云识别等误差（Jones，et al，1997；Prigent，2005；Yang，et al，2011a），还有地表的非均一性、传感器视场位置的转换、辅助数据（如LST、大气廓线）插值或重采样方式均会影响MLSE 值的估算。Yang 等（2011b）研究表明观测亮温10 K 的差异会导致低频（≤37.0 GHz）水平极化发射率0.03—0.04 的误差，水汽廓线25%的误差会造成低频（6.925 GHz）发射率0.016 的误差和高频（89.0 GHz）发射率0.03 的误差。Ferraro 等（2013）研究表明不同传感器发射率存在显著差异，但具有相似的季节趋势和变化，其中月尺度的发射率变化达3%或更高。Tian 等（2014）指出不同传感器发射率差异在低频较高频具有更好的一致性，沙漠和热带雨林的系统误差最高可达4%和7%。另外，受土地覆盖类型影响，MLSE 对频率和地表参数（如植被覆盖、土壤水分、LST、地表粗糙度等）的依赖性也相应变化，如热带雨林地区各传感器估算的MLSE 低频较高频具有更好的一致性；而沙漠与之相反，最大系统差异可达4%（Norouzi，et al，2012，2015）。裸露地表或稀疏植被MLSE 则受LST、土壤含水量、地表粗糙度等影响较大（Liu，et al，2014），一般随着LST 和土壤含水量的升高MLSE逐渐降低，而随着地表粗糙度的增大，MLSE 随之增大（Chen，et al，2016）；此外，MLSE 还受极化方式影响，水平极化发射率对土壤含水量变化比垂直极化更敏感，由此水平极化发射率变化范围更大（彭丹青等，2009）；且低频更易受到土壤水分含量变化的影响（Xie，et al，2017）。

目前，多位学者已利用不同卫星微波传感器观测数据反演得到全球MLSE 分布图（Prigent，et al，2006；Norouzi，et al，2013，2023；邱玉宝等，2016）。但由于缺乏全球尺度地面“真实数据”，对MLSE 图集的质量及不确定性评价变得十分困难，研究者往往采用与其他微波传感器估算得到的MLSE 数据进行比对来验证估算结果，然而目前的各种MLSE数据集本身就存在着很大的差异（Ferraro，et al，2013；Tian，et al，2014）。例如石利娟等（2013）基于地球观测系统先进微波扫描辐射仪AMSR-E 反演得到的北半球发射率指出，夏季的7 月所有植被的垂直和水平极化发射率随频率（6.925—89.0 GHz）增大而增强，而吴莹等（2019）基于FY-3B 反演青藏高原地区发射率得出，夏季裸地或半沙漠以及落叶阔叶林垂直极化发射率都随频率（10.65—89.0 GHz）增大而减小。Tian 等（2014）基于同样一套AMSRE 数据，采用不同方法得出亚马孙热带雨林地区发射率对频率的依赖性存在显著差异。但事实上，由于发射率只有唯一的“真值”，对频率的依赖性也只有唯一的变化趋势。因此，有必要对目前国际上发展的主要全球MLSE 图集或数据集产品进行评估，筛选出质量具有较高可靠性的全球MLSE，无论是用于卫星观测算子中地表大气参数反演中微波发射率的初猜值或是用于以后全球发射率模式的经验估算和理论验证，均具有重要意义。

Sahoo 等（2011）指出，利用不同独立发射率产品，通过加权回归组合可以获得新的发射率产品，其中权重应在空间上变化，以体现各产品之间一致性的空间可变性；新的产品可以平衡不同产品之间的误差，但这种组合的前提是需要挑选出质量较为可靠的发射率产品。Tian 等（2014）指出，虽然MLSE的“真值”未知，但仍可以比较不同的独立发射率数据及其之间的差异，以推断不确定性的大小，包括系统误差和随机误差；虽然无法识别系统误差的绝对幅度，但可以获得它们在独立测量中的差异，这些差异为数据集整体的可靠性评估提供依据。另外，目前虽然有从低频（6.925 GHz）到高频（150.0 GHz）的全球MLSE 产品，但由于各频率MLSE 分散于不同的微波传感器，还没有形成1 套质量可靠、宽频率范围（6.925—150.0 GHz）、时空一致性和频率依赖一致性较好的全球MLSE 产品，有必要基于多个独立的经过质量评估的产品，优化组合建立1 套新的覆盖频率范围更宽的发射率产品。

由此，本研究选择7 套基于6 种国际上主流微波传感器的全球0.25°空间分辨率的MLSE 产品进行研究，基于统计分析技术开展7 种MLSE 产品的时、空一致性研究，并结合主要土地覆盖类型，开展不同MLSE 在典型土地覆盖类型下随频率的变化一致性，从而评估各产品的可靠性；并在各产品不同频率MLSE 评估的基础上，进行发射率产品优化，重新构建1 套频率为6.925—150.0 GHz 的全球MLSE 数据集，为全球MLSE 数据集的优选和应用、不确定性评估以及未来陆表发射率模式改进提供参考。

2 数据集和方法

2.1 全球MLSE 数据集

本研究选择了由国际上主流微波传感器生成的7 套全球月尺度0.25°空间分辨率MLSE 数据集，各数据集具体介绍如下。

2.1.1 SSMI/S、AMSU-A/B 和ATMS 图集

法国国家气象研究中心（Météo-France/CNRS，CNRM）研发了3 套分别基于专用微波成像仪/探测仪SSMI/S（Prigent，et al，2006）、先进微波探测器AMSU-A/B 和技术先进的微波探测器ATMS 的2014 年1 月—2015 年12 月全球月尺度0.25°空间分辨率MLSE 数据集（Karbou，et al，2005，2006），并作为静态发射率图集纳入到国际主流卫星观测算子—大气垂直探测器辐射传输模式（RTTOV）中。其中SSMI/S 包括4 个频率（19.35、22.23、37.0 和91.65 GHz）垂直和水平等7 个通道发射率数据（其中22.23 GHz 仅有垂直极化通道）；AMSUA/B 包括AMSU-A 的4 个频率（23.8、31.4、50.3和89.0 GHz） 和AMSU-B 的2 个 频 率（ 89.0 和150.0 GHz）大、小天顶角共12 个通道发射率；ATMS包括5 个频率（23.8、31.4、50.3、51.7 和89.5 GHz）大、小天顶角等10 个通道发射率。与SSMI/S 采用53.1°固定观测角圆锥扫描方式不同，AMSU-A/B和ATMS 采取跨轨步进旋转扫描方式（扫描角在±48.3°变动），相应地，观测天顶角在±58°变化；因此计算出来的发射率是垂直和水平极化的混合结果，并根据卫星观测天顶角的大小，分为大天顶角（≥40°）和小天顶角（＜40°）两种产品。AMSU-A/B和ATMS 采用通用的微波辐射传输方程对晴空MLSE 进行估算，其中辅助数据采用国际卫星云气候计划（ISCCP）地表温度作为LST，采用欧洲中期天气预报中心（ECMWF）再分析资料作为大气温、湿度廓线。

2.1.2 TELSEM2 工具背景数据集

ECMWF 基于专用微波成像仪（SSM/I）观测数据发展的微波地表发射率参数化方法（Prigent，et al，2008）针对卫星观测算子RTTOV 开发了微波陆表发射率估算工具TELSEM（Aires，et al，2011），可以提供10—190 GHz 范围内MLSE 估计和误差协方差矩阵；目前已发展为TELSEM2 版（Wang，et al，2017），其使用的背景发射率数据集为SSM/I 观测得到的1993—2000 年月平均发射率。TELSEM2不仅可以对陆表发射率进行估算，还可以对不同类型海冰发射率进行估算。用于估算的背景SSM/I MLSE 数据集主要包括4 个频率（19.35、22.23、37.0和85.0 GHz）垂直和水平极化等7 个通道发射率数据（其中22.23 GHz 仅有垂直极化通道），也是采用通用的微波辐射传输方程对晴空MLSE 进行估算得到。

2.1.3 CREST AMSR-E 和AIRCAS AMSR-E 数据集

美国国家海洋和大气管理局遥感科学与技术合作中心（NOAA-CREST）和中国科学院空天信息创新研究院（AIRCAS）均基于中分辨率成像光谱仪（MODIS）Aqua AMSR-E 各自研发了CREST AMSRE（简称AMSR-E1）数据集和AIRCAS AMSR-E（简称AMSR-E2）数据集。AMSR-E 包括6 个频率（6.925、10.65、18.7、23.8、36.5 和89.0 GHz）的垂直和水平极化发射率（共12 个通道），其中AMSRE1（Norouzi，et al，2013）为2002 年7 月至2008 年6 月逐月MLSE 12 个通道数据集，AMSR-E2（邱玉宝等，2016）为2002 年6 月至2011 年10 月逐月MLSE 10 个通道（不包括6.925 GHz）数据集。与SSMI/S 相似，AMSR-E 也采用圆锥扫描方式，以55°的固定观测入射角接收来自地表的微波亮温。AMSR-E1 和AMSR-E2 数据集均采用通用的微波辐射传输方程对晴空MLSE 进行估算；不同的是AMSR-E1 辅助数据采用ISCCP 地表温度作为LST，采用极轨气象卫星泰罗斯业务垂直探测器（TOVS）反演的9 层气温和水汽廓线作为大气温、湿度廓线（Rossow，et al，1999）；而AMSR-E2 辅助数据采用MODIS 的陆表温度产品（MYD11 L2）作为LST，并采用MODIS/Aqua 的20 层大气廓线数据（MYD07L2）作为温、湿度廓线。

2.1.4 FY-3D MWRI 数据集

中国气象局地球系统数值预报中心联合南京气象科技创新研究院研发了1 套基于风云三号D 星（简称FY-3D）微波辐射成像仪（MWRI）的2022 年全球月尺度0.25°空间分辨率MLSE 数据集，包括5 个频率（10.65、18.7、23.8、36.5 和89.0 GHz）垂直和水平极化发射率（共10 个通道）。与AMSRE 类 似，FY-3D 采 用 圆 锥 扫 描 方 式（Yang，et al，2011b；Wu，et al，2019），以53.1°的固定观测入射角接收来自地表的微波亮温，采用一维变分反演全天空下的MLSE（Boukabara，et al，2018）。在一维变分反演中，以ARMS（Weng，et al，2020）为观测算子，背景场中大气温、湿度廓线、LST 和地表发射率初猜值由MiRS 提供（Boukabara，et al，2011）。

由于微波水平极化发射率对土壤和植被水分变化更为敏感（Prigent，et al，2006），文中对圆锥扫描方式MLSE 以水平极化发射率为例开展对比分析；而对跨轨扫描方式MLSE，选用与圆锥扫描天顶观测角55°或53.1°较为接近的大天顶角（≥40°）发射率产品进行对比分析。另外，文中忽略年际变化对月均发射率的影响，只对月或季节的发射率进行对比分析，7 套数据评估所使用的频率及观测时间如表1 所示。

表1 7 套全球0.25°空间分辨率数据集评估频率与观测时间Table 1 Evaluation frequency and observation times of 7 sets of global 0.25° spatial resolution datasets

2.2 研究方法

2.2.1 发射率空间一致性评估

这里采用统计分析法对不同MLSE 产品进行空间一致性分析，统计指标采用皮尔逊相关系数（R）和平均绝对偏差MAD（Mean Absolute Deviation），如下式

式中，xi指发射率为x的产品第i个空间位置的MLSE 值，yi指发射率为y的产品第i个空间位置的MLSE 值，x¯ 和y¯分 别 为 所 有x和y空 间 位 置 有 效 值的平均值，n为样本数。

在分析前需要进行简单质量控制，由于本研究主要针对陆表发射率，因此只对MLSE 大于0.5 且小于1.0 的区域进行分析，并且只对两者MLSE 差值在[-0.5，0.5]的有效区域进行统计分析。

2.2.2 发射率的频率依赖一致性评估

为分析各种MLSE 产品在典型土地覆盖类型下发射率对频率的依赖性是否一致，以2010 年MODIS 国际地圈生物圈计划（IGBP）土地覆盖产品（MCD12Q1）（Friedl，et al，2002）以及TELSEM2工具中全球夏季7 月地表类型2（Prigent，et al，2016）为基础，选择亚马孙热带雨林、俄罗斯北方落叶针叶林、中国华北平原农田、青藏高原草地、非洲撒哈拉沙漠、北极格林兰冰盖等6 类典型土地覆盖类型样区，如图1 所示。

图1 全球土地覆盖类型典型样区选择示意Fig.1 Schematic diagram of typical sample areas selection for global land cover types

2.2.3 TELSEM2 发射率产品优化

由于TELSEM2 只包括了19.35、37.0、85.0 GHz有效通道发射率产品，对于 19.35—85.0 GHz 的MLSE 采用内插方法获取，对于低于19.35 GHz 的MLSE 则直接用19.35 GHz 发射率值代替，对高于85.0 GHz 的MLSE 除了水体与海冰类型，其他类型均用85.0 GHz 发射率代替，即TELSEM2 获取的低于19.35 GHz 和高于85.0 GHz 的陆表MLSE 均具有很大的不确定性。而AMSR-E 提供了6.925 GHz和10.65 GHz 的发射率观测数据，AMSU-B 提供了150.0 GHz 的发射率观测数据，这为TELSEM2 发射率产品拓展到低频（6.925 GHz）和高频（150.0 GHz）提供了可能。

以TELSEM2 发射率产品为基础，把优选的AMSR-E 的6.925、10.65 GHz、AMSU-B 的150.0 GHz发射率观测产品订正到TELSEM2 水平，合并这3 个新通道从而新建1 套频率为6.925—150.0 GHz的TELSEM2 产品（命名为CoTELSEM2 产品）。订正原理为TELSEM2 和AMSR-E 及AMSU-B 具有相同的频率依赖性，可采用比值法进行订正，并假设同一微波传感器18.7 和19.35 GHz、85.0 和89.0 GHz 的发射率近似相等，即

根据前面公式可估算得到

式中， E _TELSEM219.35和E _TELSEM285.0分别为TELSEM2 原 始 数 据 集19.35、85.0 GHz 的MLSE 值，E_TELSEM26.925、E_TELSEM210.65和E_TELSEM2150.0为估算的新TELSEM2 数据集的6.925、10.65 和150.0 GHz 的MLSE 值，E _AMSRE6.925、E_AMSRE10.65和E_AMSRE18.7分 别 为 AMSR-E 数 据 集 6.925、10.65 和 18.7 GHz 的 MLSE 值， E_AMSUB89.0和E_AMSUB150.0为AMSU-B 数据集89.0 和150.0 GHz的 MLSE 值。

3 结果与分析

3.1 全球不同MLSE 产品时、空分布

图2 为7 套陆表MLSE 产品在低频（18.7、19.35 GHz）和高频（85.0、89.0、91.65 GHz）水平极化发射率或大观测天顶角发射率于典型月份（1 和7 月）的空间分布，其中TELSEM2 产品还包括了海冰范围的MLSE。可以看出，各发射率产品存在明显的空间差异，浓密植被地区（如南美热带雨林和非洲热带雨林）由于具有准朗伯反射特性，具有较高发射率；而荒漠（如北非、阿拉伯半岛、澳大利亚沙漠）具有准镜面反射特性，发射率较低；南极和北极永久冰雪地区由于具有镜面反射特性，发射率普遍低于其他地区；对于常年冰雪覆盖的格陵兰岛和南极洲，发射率季节变化很小，但仍存在较明显的空间变化。对于季节性积雪覆盖的北半球中、高纬度地区，发射率季节变化明显；不同传感器反演的发射率产品存在明显差异，例如，相对于TELSEM2 发射率产品，AMSR-E2 发射率在低频和高频均普遍偏高，SSMI/S 在低频大部分地区发射率偏高明显，AMSU-A 和ATMS 在高频大部分地区发射率偏高，而FY-3D 无论是低频或是高频均存在高植被覆盖地区（如南美热带雨林、非洲热带雨林和北方针叶林）发射率明显偏高，具体原因见后面分析。以上结果显示各产品之间可能存在较为明显的系统偏差或反演误差。

图2 不同产品不同频率1 （a1—f1、a3—f3） 和7 （a2—f2、a4—f4） 月发射率空间分布 （a.AMSR-E1，b.AMSR-E2，c.TELSEM2，d.SSMI/S，e.FY-3D，f.AMSU-A （ATMS）；a1—a2、b1—b2、e1—e2.18.7 GHz，c1—c2、d1—d2.19.35 GHz，c3—c4.85.0 GHz，a3—a4、b3—b4、e3—e4、f1—f4.89.0 GHz，d3—d4.91.65 GHz）Fig.2 Spatial distributions of emissivity for different products in typical periods （a1—f1，a3—f3.January，a2—f2，a4—f4.July；a.AMSR-E1，b.AMSR-E2，c.TELSEM2，d.SSMI/S，e.FY-3D，f.AMSU-A （ATMS）；a1—a2，b1—b2，e1—e2.18.7 GHz，c1—c2，d1—d2.19.35 GHz，c3—c4.85.0 GHz，a3—a4，b3—b4，e3—e4，f1—f4.89.0 GHz，d3—d4.91.65 GHz）

3.2 国外传感器发射率产品时、空变化一致性分析

对文中6 种国外传感器发射率产品（AMSRE1、AMSR-E2、TELSEM2、SSMI/S、AMSU-A 和AMTS）在全球尺度上不同月份（1、4、7、10 月）具有相同或相近频率下空间相关关系和平均绝对偏差进行对比（图3），可以看出：（1）低频（18.7 和19.35 GHz、23.8 和36.5 或37.0 GHz）在 各 月 份AMSR-E1、TELSEM2 和SSMI/S 均有很好的空间相 关（R＞0.90） （ 图3a、 c 和e） ， 且SSMI/S 和TESEM2、 AMSU-A 和 ATMS 空 间 相 关 较 强（R＞0.95）；平均绝对偏差一般在0.04 以下（图3b、d 和f）；而AMSR-E2 与其他发射率产品空间相关明显较弱（R一般小于0.85），且平均绝对偏差明显较大（MAD 大于0.06）；另外，除了AMSR-E2 外，扫描方式相同较扫描方式不同的平均绝对偏差大。

图3 国外产品不同月份不同频率的MLSE 空间相关系数 （a、c、e、g） 和平均绝对偏差 （b、d、f、h） （a、b.18.7 或19.35 GHz，c、d.23.8 GHz，e、f.36.5 或37.0 GHz，g、h.85.0、89.0 或91.65 GHz；n 为评估样本数）Fig.3 Comparison of R （a，c，e，g） and MAD （b，d，f，h） between foreign sensors for different months and frequencies（a，b.18.7 or 19.35 GHz，c，d.23.8 GHz，e，f.36.5 or 37.0 GHz，g，h.85.0，89.0 or 91.65 GHz；n is the number of samples）

（2）高频（85.0、89.0、91.65 GHz）各发射率产品具有较好空间相关（图3g），以ATMS 和AMSUAR最大（4 个月平均为0.973），且平均绝对偏差最小（图3h）（4 个月平均为0.0126）；其次，TELSEM2和AMSU-A、ATMS、SSMI/S 及AMSR-E1 的空间相关系数也较大（平均为0.902），平均绝对偏差为0.0343；而AMSR-E2 与其他产品的空间相关总体偏低（R小于0.88），相应的平均绝对偏差也普遍较大（MAD 一般大于0.07）。

以上结果显示，AMSR-E2 发射率产品存在明显反演误差，几乎不可用。因此，对剩下5 类国外传感器发射率产品所有时段和频率的R和MAD 进行分析，并区分所有产品（All）、扫描方式相同和扫描方式不同3 种情形。如图4 所示，TELSEM2、AMSR-E1、SSMI/S、AMSU-A 和ATMS与其他所有产品4 个月各种频率下的平均空间相关系数分别为0.928、0.887、0.924、0.919 和0.908，平均绝对偏差分别为0.031、0.034、0.037、0.032和0.032；在考虑扫描方式情形下，除了SSMI/S，扫描方式相同的空间相关系数明显大于扫描方式不同，平均绝对偏差则相反；此外，即使有大的空间相关系数，但平均绝对偏差并不一定为低值，如SSMI/S 与其他产品的R均大于AMSR-E1，但MAD却明显大于AMSR-E1。总体而言，扫描方式相同较扫描方式不同的发射率产品空间一致性更好，其中圆锥扫描方式以TELSEM2 表现最佳，跨轨扫描方式以AMSUA 表现更好。

图4 不同MLSE 产品的平均空间相关系数 （a） 和平均绝对偏差 （b）Fig.4 Comparison of average R （a） and MAD （b） between different MLSE products including all scanning methods，the same scanning method，and different scanning methods

3.3 FY-3D 发射率产品分析

考虑到SSMI/S 与其他发射率产品之间平均MAD 较 大， 选 择 与FY-3D 相 同 扫 描 方 式 的TELSEM2 和AMSR-E1 对FY-3D 发射率产品进行评估。如图5 所示，FY-3D 与AMSR-E1 和TELSEM2各频率各月空间相关普遍较好，平均R为0.914，且在低频（≤23.8 GHz）明显大于高频（85.0、89.0 GHz），R分 别 为0.931 和0.868； FY-3D 与AMSR-E1 和TELSEM2 的平均MAD 为0.041，明显大于AMSRE1 和TELSEM2（0.027），且高频（85.0、89.0 GHz）的MAD 大于低频（≤23.8 GHz），分别为0.053 和0.035。结果显示，FY-3D 与TELSEM2 和AMSRE1 的MAD 明显偏大，FY-3D 发射率较AMSR-E1和TELSEM2 很可能具有更大的反演误差。

图5 三种发射率产品不同频率和不同月份的发射率空间相关系数 （a、c、e、g、i） 与平均绝对偏差 （b、d、f、h、j） （a、b.10.65 GHz，c、d.18.7 或19.35 GHz，e、f.23.8 GHz，g、h.36.5 或37.0 GHz，i、j.85.0 或89.0 GHz；n 为样本数）Fig.5 Comparison of R （a，c，e，g，i） and MAD （b，d，f，h，j） between FY-3D and AMSR-E1 and TELSEM2 at different frequencies for different months （a，b.10.65 GHz，c，d.18.7 or 19.35 GHz，e，f.23.8 GHz，g，h.36.5 or 37.0 GHz，i、j.85.0 or 89.0 GHz；n is the number of samples）

3.4 典型土地覆盖类型发射率的频率依赖一致性分析

从前面分析可知，TELSEM2 相对于其他产品在时、空一致性上具有更好的表现。由此，在分析TELSEM2 低频（19.35 GHz）和高频（89.0 GHz）垂直和水平极化发射率的年、季节变化（图6）基础上，结合典型土地覆盖类型，开展6 种发射率产品（AMSR-E1、TELSEM2、SSMI/S、FY-3D、ATMS和AMSU-A/B）在典型季节（1 和7 月）发射率的频率变化依赖一致性分析，如图7 所示。

图6 基于TELSEM2 产品的典型土地覆盖类型逐月19.35 GHz 和85.0 GHz 发射率变化 （a.亚马孙热带雨林，b.北方落叶针叶林，c.华北平原农田，d.青藏高原草地，e.非洲撒哈拉沙漠，f.北极格林兰冰盖；V-pol 表示垂直极化，H-pol 表示水平极化）Fig.6 Monthly changes in emissivity of typical land cover types based on TELSEM2 at 19.35 GHz and 85.0 GHz（a.Amazon rainforest，b.Boreal forest，c.North China farmland，d.Qingzang plateau grassland，e.Sahara desert，f.Greenland ice；vertical polarization：V-pol，horizontal polarization：H-pol）

图7 不同产品典型土地覆盖类型 （a、b.亚马孙热带雨林，c、d.北方落叶针叶林，e、f.华北平原农田，g、h.青藏高原草地，i、j.非洲撒哈拉沙漠，k、l.北极格林兰冰盖） 发射率在1 月（a、c、e、g、i、k）和7 月（b、d、f、h、j、l） 随频率的变化 （V 代表垂直极化，H 代表水平极化）Fig.7 Variations of average emissivity of typical land cover types （a，b.Amazon rainforest，c，d.Boreal forest，e，f.North China farmland，g，h.Qingzang plateau grassland，i，j.Sahara desert，k，l.Greenland ice） for different products with frequency in January （a，c，e，g，i，k） and July （b，d，f，h，j，l） （vertical polarization：V，horizontal polarization：H）

亚马孙热带雨林TELSEM2 月均MLSE 年内变化（图6a）很小（振幅仅为0.011），这是由于其全年高植被覆盖特征使得地表特征变化很小，从而对MLSE 季节变化影响很小，且低频（19.35 GHz）大于高频（85.0 GHz），主要是由于高植被覆盖地区低频较高频具有更高的穿透性从而增加向上辐射使得发射率增大。对比1 月和7 月随频率的变化（图7a 和b）可以看出，各产品MLSE 在不同通道均存在系统差异；随频率增大TELSEM2、SSMI/S和AMSU-A/B 发射率具有减小趋势，但AMSR-E1和FY-3D 并没有类似变化规律，且在23.8 GHz 和89.0 GHz 有2 个 发 射 率 峰 值 区，89.0 GHz 尤 为 突出；对于23.8 GHz 很可能是由于其位于水汽吸收带附近，对水汽影响考虑不足造成发射率高估；对于89.0 GHz，则很可能是由于大气对高频影响显著高于低频（Karbou，et al，2005），对亚马孙热带雨林潮湿多云雨天气影响考虑不足，从而造成发射率明显高估；另外，ATMS 发射率在51.7 GHz 处有1 个发射率峰值区，可能是由于其位于氧气吸收带（50—60 GHz）附近，对氧气吸收影响考虑不足造成发射率高估；而AMSU-A/B 发射率随频率虽呈下降趋势，但在50.3 GHz 有1 个弱峰区，这与Karbou 等（2005）对热带雨林地区的研究结果一致，造成这一现象的原因可能是仪器的绝对定标误差和此频率大气吸收估算造成的系统误差。此外，FY-3D 发射率在10.65、23.8 和 89.0 GHz 均明显高于其他发射率产品，结合图2 中FY-3D 的MLSE 空间分布，表明在亚马孙热带雨林区存在较为明显的高估。

北方针叶林区TELSEM2 发射率存在明显季节变化（图6b），这是由于其地表覆盖存在明显季节变化（冬季为积雪，夏季为高植被覆盖），MLSE 年振幅最高可达0.166，而低频（19.35 GHz）与高频（85.0 GHz）发射率存在几乎相反的季节变化特征：19.35 GHz发射率冬季高于夏季，最低值出现在4 月，这是由于大量积雪融化后造成地表土壤含水量明显升高从而显著降低发射率，而85.0 GHz 发射率冬季明显低于夏季，主要是由于冬季积雪在高频段的强散射特性使得发射率明显低于夏季植被发射率。另外，冬季19.35 GHz 发射率显著高于85.0 GHz 发射率，夏季则较为接近，主要是由于频率的增大使得冬季积雪对上行微波辐射的体散射增大，致使高频的发射率降低明显，夏季高植被覆盖则没有这种影响。对比该地区各产品发射率随频率的变化（图7c和d），可以看出， 1 月由于积雪覆盖，随频率增大各产品发射率呈减小趋势，但AMSU-A/B 的150.0 GHz例外，可能与该频率电磁辐射穿透能力较低，受林地与积雪覆盖综合影响有关； 7 月由于高植被覆盖特性，各产品发射率随频率的变化较小，但TELSEM2、SSMI/S、AMSU-A/B 和ATMS 总 体 仍 呈 下 降 趋势，且仍存在ATMS 的51.7 GHz、AMSR-E1 和FY-3D 的89.0 GHz 发射率高估问题。但相对于亚马孙热带雨林，89.0 GHz 发射率高估明显减弱，这是由于北方针叶林地区潮湿云雨天气不多，相应地大气影响造成的误差减小。类似地，与其他产品相比，无论在1 月或是7 月，FY-3D 也存在对北方针叶林发射率高估现象。

华北平原农田由于冬、夏季存在明显的植被覆盖变化，TELSEM2 发射率也相应存在季节变化（图6c），其中5 月有一个发射率弱峰区，这是由于此时华北平原以小麦为主的作物正值生长盛期，而植被覆盖度的增大有利于发射率的增大， 6 月由于小麦收获后植被覆盖明显降低造成发射率下降；7—8 月，受雨季影响土壤湿度较高，农田发射率处于全年低值，且低频（19.35 GHz）发射率大于高频（85.0 GHz），与已有的研究结果（Li，et al，2013，2022）一致。对比该地区各产品发射率随频率的变化（图7e 和f），1 月和7 月差异不明显；随频率增大TELSEM2、SSMI/S 垂直和水平极化发射率呈轻微减小趋势，而AMSU-A/B 变化较小，但仍存在ATMS的51.7 GHz、AMSR-E1 的23.8 和89.0 GHz 发射率高估。另外，与其他产品相比，1 月FY-3D 在18.7、23.8 和36.5GHz 水平极化发射率存在低估现象，7 月FY-3D 的36.5 和89.0 GHz 垂直极化发射率存在高估现象。

青藏高原草地由于冬季为积雪、冻土所覆盖，夏季为草地植被覆盖，TELSEM2 发射率季节变化与北方针叶林相似（图6d），即低频（19.35 GHz）与高频（85.0 GHz）发射率存在几乎相反的季节变化特征，且冬季19.35 GHz 发射率明显大于85.0 GHz，而夏季两者则较为接近。对比该地区各产品发射率随频率的变化（图7g 和h），各产品发射率随频率在1 月和7 月的变化与北方针叶林相似，即1 月发射率随频率增大呈减小趋势，而7 月变化平稳；另外1 月也存在ATMS 的51.7 GHz 发射率高估问题。与其他产品相比，FY-3D 水平极化发射率在1 月和7 月23.8 GHz 和36.5 GHz 存在低估现象。

撒哈拉沙漠由于地表覆盖几乎不存在季节变化，TELSEM2 垂直和水平发射率季节变化很小（图6e），年内发射率振幅平均值仅为0.0099，为6 类土地覆盖类型季节变化最小；低频（19.35 GHz）发射率明显高于高频（85.0 GHz），这是由于砂粒与雪粒均属于密介质（Weng，et al，2001），在高频处具有更高的体散射从而降低发射率。对比该地区各产品发射率随频率的变化（图7i 和j），存在明显系统偏差，且低频差异大于高频，这主要是由于低频在沙漠具有更深的穿透能力，从而造成LST 与亮温日振幅和相位的差异，这会造成明显误差。随频率增大垂直极化发射率有缓慢减小趋势，而水平极化发射率则相反，与已有研究（Grody，et al，2008）一致。与前面类似，仍存在一定程度ATMS 的51.7 GHz 发射率高估问题。另外，相对于其他产品，1 月FY-3D 的23.8、36.5 和89.0 GHz 水平极化发射率存在低估，7 月垂直极化发射率存在高估。

格陵兰冰盖TELSEM2 发射率存在明显季节变化（图6f），这是由于夏季冰雪融化、冰盖厚度减小，从而造成夏季与冬季发射率的明显差异；且低频（19.35 GHz）与高频（85.0 GHz）的季节变化存在明显差异，低频的发射率高值和低值分别出现在2 和6 月，而高频发射率低值和高值分别出现在5 和8 月，这是不同时期的冰粒和冰盖厚度对低频和高频微波辐射存在明显体散射差异造成的。对比该地区各产品发射率随频率的变化（图7k 和l），TELSEM2、AMSR-E1 和SSMI/S 各产品发射率在冬季1 月随频率增大呈先降后增趋势（36.5、37.0 GHz为波谷），而在夏季7 月发射率呈先升后降趋势（36.5、37.0 GHz 为波峰）；与其他产品相比，FY-3D 在1 月发射率随频率呈明显不同的变化趋势，在89.0 GHz 也存在明显低估。

总的来看，在MLSE 对频率的依赖方面，大部分产品垂直和水平极化发射率具有相同的变化趋势，且垂直和水平极化发射率的差异随着植被覆盖减小（从热带雨林、农田、草地和沙漠，植被覆盖度依次减小）呈增大趋势；TELSEM2 和AMSU-A/B的质量可靠性较高，ATMS 的51.7 GHz 通道存在系统性高估；AMSR-E1 和FY-3D 发射率在23.8、89.0 GHz 通道存在系统性高估。

3.5 CoTELSEM2 产品质量分析

由前面分析可知，AMSR-E1 在低频（6.925 和10.65 GHz）和AMSU-B 在高频（150.0 GHz）具有较好质量，可对TELSEM2 产品现有频率范围之外的低频和高频进行补充优化。图8 为优化后的新产品CoTELSEM2 的6.925、10.65 和150.0 GHz 在1 和7 月水平极化发射率的空间分布，低频（6.925和10.65 GHz）的MLSE 空间分布一致性很高，与AMSR-E1 的6.925 和10.65 GHz 平均空间相关系数分别为0.943 和0.950，平均绝对偏差分别为0.022 和0.021；高频（85.0 与150.0 GHz）（图2c3、2c4）的MLSE 空间分布一致性很高，与AMSUB 的150.0 GHz 平均空间相关系数为0.915，平均绝对偏差为0.035。表明CoTELSEM2 产品发射率与其他发射率产品具有较好的时、空一致性。

图8 CoTELSEM2 产品6.925 （a、d）、10.65 （b、e） 和150.0 （c、f） GHz 水平极化发射率1 月 （a—c） 和7 月 （d—f） 空间分布Fig.8 Spatial distributions of horizontal polarization emissivity for CoTELSEM2 product at 6.925 （a，d）， 10.65 （b，e） and 150.0 （c，f） GHz in January （a—c） and July （d—f）

图9 为CoTELSEM2 产品垂直和水平极化发射率在5 种典型土地覆盖类型中随频率（6.925—150.0 GH）的变化：除了北方针叶林1 月和华北农田7 月高频（150.0 GHz）发射率略有偏高外，其他类型具有随频率增加发射率缓慢减小或变化稳定的趋势，并没有出现图7 显示的MLSE 明显偏高或偏低问题，显示优化后的CoTELSEM2 产品发射率总体上具有较好的土地覆盖和频率依赖一致性。

图9 基于CoTELSEM2 产品典型土地覆盖类型发射率在1 月 （a） 和7 月 （b） 随频率的变化 （V-pol 代表垂直极化，H-pol 代表水平极化）Fig.9 Variations of average emissivity of typical land cover types for CoTELSEM2 product with frequency in January （a）and July （b） （vertical polarization：V-pol，horizontal polarization：H-pol）

3.6 CoTELSEM2 产品发射率不确定性分析

对 CoTELSEM2 产 品 选 择 低 频（ 10.65 和19.35 GHz）和高频（85.0 和150.0 GHz）开展产品年内水平极化发射率季节变化的不确定性分析（以年内各月MLSE 之间的标准差表征，图10）。CoTELSEM2 产品不确定性在低频（10.65 和19.35 GHz）、高频（85.0 和150.0 GHz）均具有很好的空间一致性，高频的不确定性明显大于低频，尤其是在北半球中、高纬度陆地地区，这主要是随着频率增大大气的影响增大造成MLSE 不确定性增大；高不确定性（标准差＞0.04）主要发生于地表水分和植被存在显著变化地区，这些地区存在积雪季节冻融、植被覆盖变化以及季节性降水显著等特征；而海冰的MLSE 不确定性最大，标准差一般在0.20 以上。就典型地表类型来看，撒哈拉沙漠和亚马孙热带雨林MLSE 季节变化很小，无论是低频或是高频，平均标准差不超过0.006；华北平原农田受冬、夏植被覆盖和季节降雨变化影响，低频（10.65 和19.35 GHz）标准差平均为0.018，高频（85.0 和150.0 GHz）略高，标准差平均为0.021；青藏高原草地受冬季积雪冻土影响，不确定性高于农田，其中低频和高频标准差分别为0.024 和0.033；而北方针叶林受冬季积雪覆盖变化，MLSE 季节变化明显偏高，尤其是在高频，标准差达到0.068；格陵兰冰盖的MLSE 季节变化也较为明显，低频和高频标准差分别为0.018和0.048。

图10 基于CoTELSEM2 产品全球陆表不同频率 （a.10.65 GHz，b.19.35 GHz，c.85.0 GHz，d.150.0 GHz） 水平极化发射率不确定性 （年内标准差） 空间分布Fig.10 Spatial distributions of uncertainty （annual standard deviation） of global land surface horizontal polarization emissivity for different frequencies （a.10.65 GHz，b.19.35 GHz，c.85.0 GHz，d.150.0 GHz） based on CoTELSEM2 product

4 结论与讨论

4.1 结 论

本研究选择7 套国际上主流微波传感器0.25°空间分辨率的全球微波月均发射率产品（AMSRE1、AMSR-E2、TELSEM2、SSMI/S、AMSU-A/B、ATMS 和 FY-3D），开展时、空一致性和频率依赖一致性分析，以此为基础对TELSEM2 进行了优化，新建了1 套更宽频率范围的全球逐月MLSE 产品（命名为CoTELSEM2）。研究结果显示：

（1）AMSR-E2 产品几乎不可用，其余6 套产品之间存在系统性偏差，但也存在明显空间相关关系， TELSEM2、 AMSR-E1、 SSMI/S、 AMSU-A、ATMS 和 FY-3D 平均空间相关系数分别为0.928、0.887、0.924、0.919、0.908 和0.914，平均绝对偏差分别为0.031、0.034、0.037、0.032、0.032 和0.041；扫描方式相同较扫描方式不同的空间一致性更好，其中圆锥扫描方式以TELSEM2 表现最佳，跨轨扫描方式以AMSU-A/B 表现更好。

（2）各发射率产品具有明显的频率和土地覆盖依赖特征，但部分产品在一些通道上存在频率依赖的不一致，其中ATMS 在51.7 GHz 通道由于位于氧气吸收带附近，存在MLSE 高估现象；AMSRE1 和FY-3D 发射率在23.8、89.0 GHz 通道很可能存在系统性高估，且主要发生在高植被覆盖地区；而FY-3D 的MLSE 在不同时间、地区和频率下存在一些明显偏高或偏低。综合考虑空间一致性和频率依赖的一致性特征，TELSEM2 和AMSU-A/B 的质量可靠性较高，其次是ATMS、AMSR-E1、SMMI/S，FY-3D 质量较差。

（3）CoTELSEM2 产品从原始TELSEM2 产品19.35—85.0 GHz 范 围 扩 展 到6.925—150.0 GHz，且具有较好的时空一致性和频率变化一致性，不确定性具有明显的土地覆盖依赖特征，其中撒哈拉沙漠和亚马孙热带雨林发射率不确定性很小，而北方针叶林不确定性最大，且高频的不确定性明显大于低频。

4.2 讨 论

本研究结果显示，卫星观测算子RTTOV 提供的 SSMI/S、 AMSU-A/B 和 ATMS 全 球 静 态 月MLSE 图集和TELSEM2 工具背景数据集虽然空间相关较强，但差异明显，如SSMI/S 和TELSEM2的全球MAD 在低频（18.7、19.35 GHz）为0.0235—0.029，高频（85.0、89.0 GHz）为0.0242—0.0368；而AMSU-A、ATMS 和TELSEM2 在 高 频（85.0、89.0 GHz）全球MAD 为0.0349—0.0417，明显超出了数值天气预报对MLSE 精度小于0.01 的要求（Karbou，et al，2006）。另外，从MLSE 对频率的依赖一致性分析可以看出，各产品之间也存在明显差异，例如7 月常绿阔叶林和沙漠地区各产品低频（18.7、19.35 GHz）下水平发射率的最大差异分别为0.048 和0.054，高频（85.0、89.0、91.65 GHz）下水平发射率的最大差异分别为0.057 和0.03，表明各图集还是存在较为明显的系统偏差。

系统偏差形成的原因除了传感器配置如频率、过境时间、入射角、视场足迹等和空间分辨率、时空采样等的差异外，辅助输入参数和反演算法差异也是重要原因。文中 7 种MLSE 产品，除了FY-3D，其他均是通过卫星观测亮温直接估算晴空MLSE，因此输入的辅助数据包括LST、大气温、湿度廓线和云检测精度均会对MLSE 的估算产生较大影响。例如Ruston 等（2004）指出LST 是卫星观测反演MLSE 的主要误差因子；而已有的研究（Moncet，et al，2011）指出MODIS 白天LST 在7 月比ISCCP地表温度低5 K，某些地区可达25 K，而一般LST偏低会导致发射率偏高，这可能是文中AMSRE2 产品MLSE 偏高的一个重要原因。各产品使用不同的大气温、湿度廓线，如ECMWF、NCEP、GFS再分析产品和卫星反演得到的TOVS、MYD07L2温、湿度廓线不但存在大气参数值的差异，还存在垂直和空间分辨率的差异，也会导致MLSE 存在系统偏差。反演算法不同也可能造成MLSE 存在系统偏差，例如文中FY-3D 在高植被覆盖地区尤其是夏季MLSE 明显偏高，可能与其采用的全天空反演算法（即对云区也进行MLSE 反演）有关，由于卫星观测亮温包含地表辐射亮温与云辐射亮温的贡献，如果对云的辐射亮温贡献考虑不足，会造成卫星观测的地表亮温偏高，导致云雨较多的高植被覆盖地区MLSE 高估。

除了系统偏差外，还存在MLSE 对频率和局地土地覆盖依赖的随机误差，图7 中各产品在亚马孙热带雨林之间的偏差较青藏高原草地的偏差更大，主要是由于热带雨林具有更丰富的水汽，相应的大气影响造成的误差增大；还有各产品在更高频率较更低频率具有更大的误差，也是由于高频对大气影响更为敏感从而造成误差加大。

从各发射率产品在不同土地覆盖类型下随频率的变化还可以看出，不同MLSE 产品随频率的变化规律并不一致。AMSR-E1 和FY-3D 在高植被覆盖地区（亚马孙热带雨林、北方针叶林、华北平原农田）7 月发射率均呈双峰（23.8、89.0 GHz）曲线变化，与扫描方式相同的TELSEM2、SSMI/S 发射率近似单调递减的变化差异很大，而已知的研究显示地表物理特性没有对其中任一频率具有不同的响应，理论上微波发射率光谱曲线是平滑且单调的，因此不同传感器发射率光谱形状的非单调特性实际上是系统误差的另一种表征，由此可以判断出AMSR-E1 和FY-3D 在23.8、89.0 GHz 发射率反演中存在明显系统误差，且主要发生在高植被覆盖地区，因为这种系统误差（即双峰特征）在植被稀疏地区（如青藏高原草地）和沙漠地区（撒哈拉沙漠）、冰雪地区几乎不再存在。Tian 等（2014）指出水汽吸收带（21—24 GHz）反演得到的发射率很不可靠，因此，针对23.8 GHz 发射率偏高的问题，利用相邻频率且大气透过率高的发射率进行插值获取该频段发射率不失为一种有效方法（Prigent，et al，2016）。Norouzi 等（2015）指出AMSR-E 存在的89.0 GHz发射率偏高是由于受大气影响更大，而且辅助数据和辐射传输模拟的影响至关重要。AMSR-E 不一定存在89.0 GHz 发射率高估，如Tian 等（2014）基于同样AMSR-E 数据，针对亚马孙热带雨林地区利用微波辐射传输方程方法估算得到的89.0 GHz 发射率明显高于36.5 GHz，与文中AMSR-E1 结果相似，而利用一维变分法估算得到的89.0 GHz 发射率则低于36.5 GHz，发射率随频率变化与文中TELSEM2、SSMI/S 相似。因此，选择合适的反演算法，有可能克服由于高频对大气影响异常敏感造成的系统误差。

格陵兰冰盖发射率在1 月随频率的变化并非呈单调形状，难以从冰雪的微波机理上解释，很可能是由于其复杂的冰雪特性和地表强散射特性，尤其是高频对于相态改变、粒子尺度更为敏感从而造成显著反演误差，这是在评价全球发射率数据质量时，一般都不考虑冰雪的重要原因（Prigent，et al，2006，2015）。因此，需要针对局地雪地特征，除了加强质量评估分析，还需发展更为科学合理的冰雪微波发射率反演算法。

本研究以TELSEM2 产品为基础，利用表现较好的AMSR-E1 和AMSU-B 分别对其低频和高频发射率进行优化补充，假设TELSEM2 与其他产品具有相同的频率变化特征，如果各产品的频率依赖特征差别较大，则这种优化方法可能并不适用，一种可行的方法是采取基于多种产品的权重进行优化（Sahoo，et al，2011），但前提是所参与的产品质量可靠性较高。因此如何优化组合利用多种独立发射率产品构建1 套新的产品，并能体现各产品之间时、空一致性和频率变化一致性是未来“最优”发射率地图集构建的研究重点。