星载GNSS-R小尺度粗糙度效应的定量分析：L波段微波辐射测量约束下的全球σh与入射角指数n估计

《International Journal of Applied Earth Observation and Geoinformation》：Quantitative analysis of small-scale roughness effects in spaceborne GNSS reflectometry informed by L-band microwave radiometry

　　

研究人员定量分析了星载全球导航卫星系统反射测量（GNSS-R）中的小尺度粗糙度效应（σ_h，均方根表面高度），量化了粗糙度对入射角（cosⁿθ中的指数n）的依赖；通过将CYGNSS表面反射率（SR）拟合至基于土壤水分与海洋盐度（SMOS）卫星任务的模拟，估算了全球σ_h和n，并分析了二者与表层土壤水分（SM）和植被的关系；全球n平均值在常绿林、落叶/混交林和其他地表类型分别为0.81、0.44和0.22。

研究背景：星载全球导航卫星系统反射测量（GNSS-R）已用于土壤水分（SM）、地表水、洪水、冻融和植被监测。陆地上相干分量重要，反射信号强度主要受SM、植被和地表粗糙度影响，准确反演SM需先补偿植被和粗糙度。此处的粗糙度为小尺度粗糙度（σ_h，均方根表面高度），典型为毫米至厘米级垂直变化，而非大尺度粗糙度。现有问题包括：GNSS-R前向散射复杂性理解不足，仅少数研究处理星载GNSS-R小尺度粗糙度；已有“bulk”表面散射参数未给出数值；全球定量研究在模型拟合差区域（如地上生物量（AGB，above-ground biomass）大于100 T/ha）采用固定值；机载L1/L5数据仅推断有效粗糙度；GNSS-R研究常用SMAP-h补偿粗糙度，但该参数可能过小而不适用。角度依赖通常假定为cosⁿθ，但n值存在争议：有研究认为n=2，也有研究指出n在0—2之间，GNSS-R常设n=1，但n=2或n=1均不完全满意；上述n值多来自微波辐射测量，尚缺乏星载GNSS-R专门研究及其对SM依赖的分析。电磁波穿透深度与SM有关：L波段典型有效探测深度约5 cm，特别干土可显著增加，报道上限约50 cm，因此σ_h和n与SM可能存在潜在关系但认识不足。基于此，研究人员开展全球星载GNSS-R小尺度粗糙度定量研究。

研究开展、结论与意义：研究人员利用CYGNSS L1科学数据（2023年1—12月用于反演，2022年8月用于评估），结合SMOS L3 SM、SoilGrids250m黏土比例、SMOS-IC L波段植被光学深度（L-VOD，L-band Vegetation Optical Depth）等，基于相干反射模型逐月拟合5个入射角组的表面反射率（SR，Surface Reflectivity），反演全球σ_h和n，并比较地形、SMAP-h、SMOS-IC Hr、Sahara空气动力学粗糙度（Z₀）地面测量、土地覆盖（LC，Land Cover）、AGB、森林比例（FFO，Forest Percentage）及SM。结论显示：全球σ_h约0—4 cm、均值2.8 cm；n全球均值0.33，且随LC显著变化，常绿林约0.81、落叶/混交林约0.44、其他约0.22；SMAP-h和SMOS-IC Hr对应等效σ_h分别约1.2 cm和0.62 cm，均低于GNSS-R反演值，不能直接用于GNSS-R粗糙度补偿；Sahara 17点Z₀与σ_h相关R=0.90；植被和σ_h校正后SR接近裸土模拟，平均R=0.77、RMSE=1.94 dB，35—45°用SMAP-h校正仍低估约12 dB；σ_h和n为有效拟合参数，并与SM和植被有关。其意义在于首次确定星载GNSS-R的n值，提供全球σ_h与n估计，并表明辐射计粗糙度参数不宜直接移植到GNSS-R前向散射粗糙度补偿。

关键技术方法（不超过250字）：采用CYGNSS L1科学数据（2023年1—12月反演，2022年8月评估），按信噪比（SNR）>2 dB、接收机增益>2 dB、入射角<55°质控并分5个入射角组；以SMOS L3 SM、SoilGrids250m黏土比例和Mironov介电模型计算裸土SR，以SMOS-IC L-VOD校正植被；在25 km EASE-Grid 2.0上按月聚合，对5个角度月均值拟合式（17）获得σ_h和n并计算95%置信区间；辅助数据包括EarthEnv地形、SMAP-h、SMOS-IC Hr、Sahara 17点Z₀、AGB/FFO/LC，以及国际土壤水分网络（ISMN，International Soil Moisture Network）的USCRN、ARM、SCAN、SNOTEL网络原位SM用于比较验证。

研究结果：
5.1 σ_h结果与讨论；5.1.1 σ_h地理分布：通过12次逐月拟合平均得到全球分布，σ_h在0—4 cm之间，青藏高原等高海拔区和阿拉伯半岛、澳大利亚中部等低海拔区均可出现大值，与已有全球结果空间相似；Texas代表点结果为2.7 cm，已有参数法为2.8 cm；低入射角观测不足导致南非部分区域缺测。5.1.2 σ_h与各地形变量比较：在AGB<30 T/ha时，σ_h除与均匀性呈R=-0.58负相关外，与地形变量正相关R约0.4—0.6，且与均匀性、Shannon指数、熵、Northness和Eastness相关性更高；随AGB增加相关性下降，表明密植被衰减和体散射需考虑。5.1.3 σ_h与SMAP-h及SMOS-IC Hr比较：统计比较显示σ_h均值2.8 cm，高于SMAP-h等效值1.2 cm和SMOS-IC Hr等效值0.62 cm；辐射计与GNSS-R双站前向镜向散射敏感性不同，辐射计粗糙度参数不能直接补偿GNSS-R粗糙度效应。5.1.4 σ_h与空气动力学粗糙度地面测量比较：与Sahara 17点Z₀比较得R=0.90，说明无植被区反演可靠性较高，但点位和区域有限限制全球验证。5.2 n结果与讨论；5.2.1 n地理分布：12次拟合平均的全球n均值为0.33，处于0—2范围内且接近下界，支持n不等于1或2；Amazon Basin、Congo Rainforest等密植被区n略大。5.2.2 n与植被覆盖的相关性：按LC统计，常绿针叶/阔叶林n约0.81，落叶/混交林约0.44，其余类型约0.22；n与AGB、FFO线性相关R分别为0.60和0.53；密植被下体散射增强、相干反射假设可能不成立，观测相关性可能是模型补偿体散射的结果，且密植被区拟合质量下降。5.3 σ_h和n与SM潜在联系：通过SM分层直方图发现，较小σ_h和n组中低SM比例较高，随σ_h和n增大高SM比例增加；干土穿透深度增加可改变有效粗糙度，σ_h为有效拟合参数，不表示物理粗糙度直接随SM变化；GNSS-R粗糙度补偿需考虑SM并进行分层土壤建模。5.4 反演σ_h和n的验证：不同入射角下SM与SR关系显示，经植被和σ_h校正后的SR接近裸土模拟；35—45°用SMAP-h校正仍严重低估约12 dB；模拟裸土SR与校正SR平均R=0.77、RMSE=1.94 dB；8个ISMN站（美国大陆、地表条件多样）比较表明，用反演σ_h和n模拟的SR与实际观测吻合，而SMAP-h和SMOS-IC Hr不能完全刻画GNSS-R小尺度粗糙度效应。

讨论总结与研究结论翻译：讨论指出，该研究基于相干分量假设反演σ_h和n，密植被下体散射和非镜向散射增强会使相干假设不再完全成立，n与植被的相关性可能部分反映模型对未显式参数化体散射的补偿；σ_h为有效拟合参数，SM可通过穿透深度影响其拟合值；验证受CYGNSS与SMOS系统差异（仪器偏差和算法不确定性）、Sahara 17点和8个ISMN站的区域局限约束。研究结论翻译：该研究量化并分析了GNSS-R观测中的小尺度粗糙度（σ_h）效应；SMAP-h和SMOS-IC Hr参数性能有限，凸显了针对GNSS-R观测（前向散射）开展合适地表粗糙度表征的重要性，包括入射角依赖（cosⁿθ中的n参数），该n参数在此首次确定；全球范围内，n平均值在常绿林为0.81、落叶/混交林为0.44、其他土地覆盖类型为0.22；σ_h和n与SM及植被相关，表明GNSS信号散射过程复杂；由于小尺度粗糙度评估基于拟合方法，CYGNSS与SMOS之间的系统差异可能影响结果；仍需对各表面参数开展更定量研究并发展其估计方法，可能采用多频观测；未来将整合覆盖更广生物量范围的全球原位观测网络，以进一步验证该表征的普适性并提升星载GNSS-R小尺度粗糙度补偿的全球可靠性。