地表冻融状态的被动微波遥感判别研究进展

地表冻融状态的被动微波遥感判别研究进展

肖杨, 满浩然, 董星丰, 臧淑英, 李苗

Research advances in passive microwave remote sensing of surface freeze-thaw state

Yang XIAO, Haoran MAN, Xingfeng DONG, Shuying ZANG, Miao LI

表2 地表冻融状态的算法

Table 2 Algorithm of surface freeze-thaw state

算法	判定指标	参考文献
双指标算法	37 GHz垂直极化亮温及18/19 GHz和37 GHz的负亮温谱梯度； 36.5 GHz垂直极化亮温及各个波段的水平极化亮温标准偏差值SDI。	［34］、［49］、［54］
决策树算法	37 GHz垂直极化亮温数据、19 GHz极化差和散射指数SI。	［55］
冻融判别式算法	$D_{F} = A \cdot T_{b} 36.5 V + B \cdot \frac{T_{b} 18.7 H}{T_{b} 36.5 V} - C$ $D_{T} = A \cdot T_{b} 36.5 V + B \cdot \frac{T_{b} 18.7 H}{T_{b} 36.5 V} - C$ 其中：D_F和D_T分别代表冻土和融土的判别方程函数值。当D_F>D_T时，地表土壤被判定为冻结状态；当D_F<D_T时，地表土壤被判定为融化状态。	［8］、［56］、［59］
季节阈值算法	$▽ (t) = \frac{σ (t) - σ_{f r o z e n}}{σ_{t h a w e d} - σ_{f r o z e n}}$ 其中： $▽$ （t）为季节比例系数；σ_thawed为土壤融化状态下微波信号参考值、σ_frozen为土壤冻结状态下微波信号参考值。	［60］
基于L波段相对冻结因子阈值判别算法	$F F_{r e l} (t) = \frac{F F_{x} (t) - F F_{s u m m e r_x}}{F F_{w i n t e r_x} - F F_{s u m m e r_x}} \cdot 100$ % 其中：t为时间， $F F_{r e l} (t)$ 为t时刻相对冻结因子指数，FF_x （t）为t时刻基于Ｌ波段亮温数据得到的冻结因子， $F F_{s u m m e r_x}$ 和 $F F_{w i n t e r_x}$ 分别为融化和冻结状态所对应的冻结因子。	［61-68］