1978-2023年被动微波传感器亮度温度数据的时间序列一致性校正及其在雪深估算中的应用

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Time Series Consistency of Passive Microwave Sensors (1978-2023) Brightness Temperature Data for Snow Depth Estimation

本文针对多源被动微波传感器因技术参数差异导致的亮度温度（TB）数据不一致问题，开展了一项跨平台交叉定标研究。研究人员通过冷热场景两点回归法，对SMMR、SSM/I、SSMI/S、AMSR-E、AMSR2、FY-3/MWRI和HY-2/SMR等七种主要传感器的TB数据进行一致性校正。结果表明，校正后各传感器间TB的R2提升至0.998以上，RMSE和MAE显著降低，尤其在低频垂直极化通道改善明显。像素级定标进一步揭示了热带森林、极地边缘等区域的空间异质性。通过Chang算法和Grody积雪检测验证，雪深估算的一致性得到有效提升。该研究为构建长期一致的多传感器TB数据集、支持气候研究和水文应用提供了可扩展的定标框架。

　　

在浩瀚的宇宙中，一群默默工作的“太空之眼”——被动微波遥感卫星，四十多年来持续捕捉着地球表面微弱的微波辐射信号。这些信号被转化为亮度温度（Brightness Temperature，TB），成为监测全球雪深、土壤水分等关键地表参数的宝贵数据源。从1978年的Nimbus-7卫星搭载的扫描多通道微波辐射计（SMMR），到如今包括美国国防气象卫星计划（DMSP）系列的SSM/I和SSMI/S、日本宇航局的AMSR-E和AMSR2、中国风云三号（FY-3）系列的微波辐射计（MWRI）以及海洋二号（HY-2）系列的扫描微波辐射计（SMR）在内的七种主要传感器，它们共同构成了跨越45年的观测记录。

然而，这些来自不同“家族”的传感器各有特色——它们的工作频率、空间分辨率、过境时间乃至校准方法都不尽相同。就像使用不同品牌的尺子测量同一物体会得到略有差异的结果一样，这些技术差异导致不同传感器观测同一地物时产生的TB值存在显著偏差。研究表明，某些传感器间的TB差异可达±10K之多，这种不一致性严重阻碍了长期气候序列的构建和多传感器数据的协同使用。特别是在雪深估算这类对数据一致性要求极高的应用中，微小的TB偏差就可能导致雪深估算结果的显著误差，影响我们对水资源和气候变化的理解。

为了解决这一难题，由北京师范大学吴敏、蒋玲梅等人组成的研究团队开展了一项系统性研究，旨在提高1978-2023年间七种主要被动微波传感器TB数据的一致性。他们创新性地提出了基于过境时间相似性的传感器分组策略，并采用冷热场景两点回归法进行交叉定标，最终通过雪深估算验证了定标效果。这项发表于《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》的研究，为构建长期一致的多传感器被动微波数据集提供了重要技术支撑。

研究人员采用了几个关键的技术方法开展这项研究。首先，他们根据传感器的本地赤道过境时间（LECT）将七种传感器分为两组：Group A（约06:00过境）包括SSM/I（F08、F11、F13）、SSMI/S（F17）和SMR（HY-2B）；Group B（约01:30过境）包括AMSR-E、AMSR2和FY-3B/D MWRI。对于同时运行的四种传感器（SSMI/S F17、AMSR2、FY-3D MWRI、HY-2B SMR），还进行了不考虑过境时间相似性的交叉定标（Group C）。其次，研究采用冷热场景两点线性回归法，选择格陵兰冰盖（冷场景）和亚马逊雨林（热场景）作为稳定参考目标，建立传感器间的定标关系式TB₁= a·TB₂+ b。此外，针对AMSR2和FY-3D/MWRI这对过境时间相近的传感器，还进行了像素级回归定标，以捕捉空间异质性。最后，通过Grody积雪检测算法和Chang雪深估算算法，验证了定标前后雪深估算的一致性改善情况。

传感器间TB数据的一致性评估

研究人员首先对重叠期内不同传感器的TB数据进行了对比分析。结果显示，尽管大多数传感器对之间的相关系数超过0.9，但存在显著的TB偏差。SMMR与F08/SSM/I之间的差异达到8-10K，而AMSR系列与MWRI之间的差异在垂直极化通道约为8K，水平极化通道约为11K。这种差异呈现频率依赖性，低频通道差异较小，高频通道（如89GHz）差异较大。2019年四种同时运行传感器的TB分布直方图显示，AMSR2传感器在18GHz处呈现明显的双峰分布，而其他传感器分布相对平滑，反映了仪器噪声和校准精度的差异。

长期观测的传感器间两点定标

通过冷热场景两点线性回归，研究人员得到了各传感器对的定标系数。以F13（SSM/I）和F17（SSMI/S）为例，定标后所有通道的R²均超过0.998，RMSE和MAE显著降低。垂直极化通道的表现优于水平极化，低频通道的改善效果优于高频通道。定标有效消除了FY-3B与AMSR2之间TB差异的双峰分布，使其变为以零为中心的单峰分布，表明系统性偏差得到有效校正。

时间序列分析显示，定标后的SMMR数据与F08数据高度一致，特别是在垂直极化通道。长期稳定性评估表明，FY3B-AMSR2定标系数在7年重叠期内保持稳定，验证了定标系数的可移植性。

AMSR2与FY-3D的像素级定标

为捕捉空间异质性，研究人员对过境时间相近的AMSR2和FY-3D/MWRI进行了像素级回归定标。结果显示，定标参数（斜率、截距、R²）具有明显的空间分布特征。低频通道（10GHz）在高纬度地区斜率较高，而高频通道（89GHz）在极地区域斜率升高。R²值在23GHz通道最高，表明中频通道的线性关系最稳定。

2）的空间分布。'>

定标后的RMSE空间分布显示，在热带雨林地区，水平极化的RMSE通常高于垂直极化；在极地边缘沿海地区，两种极化的RMSE均较高。不同频率的RMSE模式各异：低频信号在沙漠地区RMSE较低，在高频信号在森林地区RMSE极高。

定标前后雪深估算的对比评估

为验证定标效果，研究人员将定标后的TB数据应用于雪深估算。结果显示，定标前AMSR2和FY-3D的雪深估算存在显著差异，FY-3D估算值普遍高于AMSR2。两点定标后，两者差异减小；像素级定标进一步改善了一致性，特别是在高雪深地区和雪-无雪过渡带。

时间序列分析表明，像素级定标使FY-3D雪深估算更接近AMSR2基准线，在积雪累积期略低于AMSR2，在消融期略高于AMSR2，整体一致性显著改善。

研究还发现，定标效果存在明显的极化依赖性。定标前，水平极化数据通常表现出较小的离散度和较低的RMSE、MAE值；而定标后，垂直极化数据的误差减少更为显著，性能反超水平极化。这种差异可能与垂直极化对地表垂直结构（如雪层、植被结构）的敏感性有关，而两点回归定标有效补偿了传感器间的结构相关差异。

本研究建立了一个统一的交叉定标框架，成功协调了1978-2023年间七种主要被动微波传感器的TB观测数据。通过冷热场景定标，传感器间的偏差显著减小，RMSE和MAE降低数开尔文。改善效果在垂直极化和低频通道（如10GHz和18GHz）最为明显，而高频通道（如89GHz）因受大气和地表散射影响较大，仍面临挑战。像素级回归定标进一步揭示了空间异质性，在热带森林、沿海边缘和城市区域等异质性强的地区提供了更精确的校正。

应用于雪深估算的结果表明，定标带来了实际效益：AMSR2和FY-3D雪深估算值的差异在冷热定标后减小，像素级定标后进一步最小化。定标后的数据集为冰冻圈监测提供了改进的空间连续性和可靠性。

这些发现证实，即使在不同传感器间，通过有针对性的定标策略也能实现一致的多年代TB记录。 harmonized数据集为长期气候和冰冻圈研究提供了坚实基础，支持需要跨平台数据集成的水文和业务应用。除了改善传感器间的一致性外，提出的框架还通过使用长期稳定的参考传感器来定标和协调其他互补传感器，为构建长期、多传感器TB记录建立了一条可扩展的途径。

该研究存在的局限性包括某些传感器对（如SMMR-F08）重叠期较短可能影响定标系数的稳健性，以及高频通道的非线性影响难以通过简单线性定标完全消除。未来研究可探索结合物理基础的校正模型，将定标扩展至非重叠任务，并利用地面实测数据验证绝对精度。随着持续改进，这一框架将有助于维持全球被动微波观测，推进支持长期地球系统监测的一致多传感器气候数据记录的开发。