全球微波陸表發射率產品質量評估及優化*

劉勇洪 唐 飛 徐永明 翁富忠 韓 陽 楊 俊

1.中國氣象局地球系統數值預報中心，北京，100081

2.中國氣象科學研究院災害天氣國家重點實驗室，北京，100081

3.南京氣象科技創新研究院中國氣象局交通氣象重點開放實驗室，南京，210044

4.南京信息工程大學遙感與測繪工程學院，南京，210044

1 引 言

地表發射率（Land Surface Emissivity，LSE），或稱地表比輻射率，定義為相同溫度下地表發出的熱輻射與黑體輻射的能量之比，表征了地表的熱輻射能力（吳瑩，2012；王博，2016），其中微波地表發射率（Microwave Land Surface Emissivity，MLSE）既是衛星微波反演地表參數和大氣參數的重要條件（Prigent，et al，1997，2006；Weng，et al，2001；施建成等，2006；Grody，et al，2008），同時還是數值預報模式中實現微波輻射資料直接同化的重要參數（Karbou，et al，2006，2010；Yang，et al，2011a）。但目前MLSE 不確定性較大，這已成為多源衛星數據在地表數值天氣預報模型中應用的一個主要障礙（Prigent，et al，1997；Moncet，et al，2011），因此，提供準確可靠的MLSE 信息，對于改善陸面大氣參數和地表參數的反演精度以及提高天氣預報精度都將起重要作用，而且能讓衛星觀測微波資料在數值預報中得到更充分的利用（Weng，et al，2007）。

目前，對MLSE 的估算主要有3 種方法：（1）基于物理模型的陸表發射率模式，即針對不同地表類型發展的基于輻射傳輸理論的反演方法，如Weng 等（2001）建立的三層（大氣-地表覆蓋層-土壤）微波陸表發射率模型（LandEM），能模擬計算各種地表類型（包括沙漠、積雪、植被和土壤等）的表面發射率，目前已用于通用輻射傳輸模式（Community Radiative Transfer Model，CRTM）和先進輻射傳輸模擬系統（ Advanced Radiative Transfer Modeling System，ARMS）（Weng，et al，2020），該模型的優點是容易耦合到陸面模式和資料同化系統中，缺點是輸入參數復雜眾多，且一些參數并非常規觀測，不易獲取。（2）衛星觀測資料估算法，即基于微波輻射傳輸方程，利用衛星的觀測亮溫直接估算MLSE，該算法估算的MLSE 精度依賴于輸入的輔助數據—地表溫度（Land Surface Temperature，LST）、大氣溫濕度廓線和云檢測算法等的精度。目前該方法主要用于晴空大氣下MLSE估算（Karbou，et al，2005，2006；Min，et al，2010；Wu，et al，2019），近年來也開始用于有云天氣下MLSE 的估算（Hu，et al，2021；Li，et al，2022）。該方法的優點是輸入參數簡單，地表參數只需要LST 即可，缺點是大多適用于晴空天氣條件，反演精度嚴重依賴于輸入的輔助數據的精度。（3）一維變分法：一維變分（1DVar）法實際是一種物理反演算法（潘火平，2013），它利用多通道被動遙感器觀測數據，結合其他輔助數據，基于貝葉斯函數的最小化代價函數來獲得MLSE 的最優估計；優點是可以同時反演多個物理參數，并強調反演參數的物理條件約束，缺點是需要建立與目標遙感器通道特性（頻率、觀測角度、極化狀態等）相匹配的MLSE初猜值。該方法已在美國 NOAA/NESDIS 開發的微波綜合反演系統 MiRS（Microwave Integrated Retrieval System）中用于多個衛星載荷的MLSE 產品生產（Boukabara，et al，2011）。

當前絕大多數MLSE 產品均是在晴空天氣條件下采用衛星觀測資料法所獲得，主要是由于云雨天氣下估算大氣的輻射貢獻存在困難，以及地表輻射被大氣強烈散射和吸收，尤其是高頻（＞37.0 GHz）存在困難，例如高頻85 GHz 大氣透過率一般不超過0.75，致使估算大氣輻射貢獻的方法差異也成為MLSE 誤差的重要來源（Norouzi，et al，2015）。即使在晴空天氣條件下也存在許多不確定性，包括儀器、亮溫定標、大氣廓線、云識別等誤差（Jones，et al，1997；Prigent，2005；Yang，et al，2011a），還有地表的非均一性、傳感器視場位置的轉換、輔助數據（如LST、大氣廓線）插值或重采樣方式均會影響MLSE 值的估算。Yang 等（2011b）研究表明觀測亮溫10 K 的差異會導致低頻（≤37.0 GHz）水平極化發射率0.03—0.04 的誤差，水汽廓線25%的誤差會造成低頻（6.925 GHz）發射率0.016 的誤差和高頻（89.0 GHz）發射率0.03 的誤差。Ferraro 等（2013）研究表明不同傳感器發射率存在顯著差異，但具有相似的季節趨勢和變化，其中月尺度的發射率變化達3%或更高。Tian 等（2014）指出不同傳感器發射率差異在低頻較高頻具有更好的一致性，沙漠和熱帶雨林的系統誤差最高可達4%和7%。另外，受土地覆蓋類型影響，MLSE 對頻率和地表參數（如植被覆蓋、土壤水分、LST、地表粗糙度等）的依賴性也相應變化，如熱帶雨林地區各傳感器估算的MLSE 低頻較高頻具有更好的一致性；而沙漠與之相反，最大系統差異可達4%（Norouzi，et al，2012，2015）。裸露地表或稀疏植被MLSE 則受LST、土壤含水量、地表粗糙度等影響較大（Liu，et al，2014），一般隨著LST 和土壤含水量的升高MLSE逐漸降低，而隨著地表粗糙度的增大，MLSE 隨之增大（Chen，et al，2016）；此外，MLSE 還受極化方式影響，水平極化發射率對土壤含水量變化比垂直極化更敏感，由此水平極化發射率變化范圍更大（彭丹青等，2009）；且低頻更易受到土壤水分含量變化的影響（Xie，et al，2017）。

目前，多位學者已利用不同衛星微波傳感器觀測數據反演得到全球MLSE 分布圖（Prigent，et al，2006；Norouzi，et al，2013，2023；邱玉寶等，2016）。但由于缺乏全球尺度地面“真實數據”，對MLSE 圖集的質量及不確定性評價變得十分困難，研究者往往采用與其他微波傳感器估算得到的MLSE 數據進行比對來驗證估算結果，然而目前的各種MLSE數據集本身就存在著很大的差異（Ferraro，et al，2013；Tian，et al，2014）。例如石利娟等（2013）基于地球觀測系統先進微波掃描輻射儀AMSR-E 反演得到的北半球發射率指出，夏季的7 月所有植被的垂直和水平極化發射率隨頻率（6.925—89.0 GHz）增大而增強，而吳瑩等（2019）基于FY-3B 反演青藏高原地區發射率得出，夏季裸地或半沙漠以及落葉闊葉林垂直極化發射率都隨頻率（10.65—89.0 GHz）增大而減小。Tian 等（2014）基于同樣一套AMSRE 數據，采用不同方法得出亞馬孫熱帶雨林地區發射率對頻率的依賴性存在顯著差異。但事實上，由于發射率只有唯一的“真值”，對頻率的依賴性也只有唯一的變化趨勢。因此，有必要對目前國際上發展的主要全球MLSE 圖集或數據集產品進行評估，篩選出質量具有較高可靠性的全球MLSE，無論是用于衛星觀測算子中地表大氣參數反演中微波發射率的初猜值或是用于以后全球發射率模式的經驗估算和理論驗證，均具有重要意義。

Sahoo 等（2011）指出，利用不同獨立發射率產品，通過加權回歸組合可以獲得新的發射率產品，其中權重應在空間上變化，以體現各產品之間一致性的空間可變性；新的產品可以平衡不同產品之間的誤差，但這種組合的前提是需要挑選出質量較為可靠的發射率產品。Tian 等（2014）指出，雖然MLSE的“真值”未知，但仍可以比較不同的獨立發射率數據及其之間的差異，以推斷不確定性的大小，包括系統誤差和隨機誤差；雖然無法識別系統誤差的絕對幅度，但可以獲得它們在獨立測量中的差異，這些差異為數據集整體的可靠性評估提供依據。另外，目前雖然有從低頻（6.925 GHz）到高頻（150.0 GHz）的全球MLSE 產品，但由于各頻率MLSE 分散于不同的微波傳感器，還沒有形成1 套質量可靠、寬頻率范圍（6.925—150.0 GHz）、時空一致性和頻率依賴一致性較好的全球MLSE 產品，有必要基于多個獨立的經過質量評估的產品，優化組合建立1 套新的覆蓋頻率范圍更寬的發射率產品。

由此，本研究選擇7 套基于6 種國際上主流微波傳感器的全球0.25°空間分辨率的MLSE 產品進行研究，基于統計分析技術開展7 種MLSE 產品的時、空一致性研究，并結合主要土地覆蓋類型，開展不同MLSE 在典型土地覆蓋類型下隨頻率的變化一致性，從而評估各產品的可靠性；并在各產品不同頻率MLSE 評估的基礎上，進行發射率產品優化，重新構建1 套頻率為6.925—150.0 GHz 的全球MLSE 數據集，為全球MLSE 數據集的優選和應用、不確定性評估以及未來陸表發射率模式改進提供參考。

2 數據集和方法

2.1 全球MLSE 數據集

本研究選擇了由國際上主流微波傳感器生成的7 套全球月尺度0.25°空間分辨率MLSE 數據集，各數據集具體介紹如下。

2.1.1 SSMI/S、AMSU-A/B 和ATMS 圖集

法國國家氣象研究中心（Météo-France/CNRS，CNRM）研發了3 套分別基于專用微波成像儀/探測儀SSMI/S（Prigent，et al，2006）、先進微波探測器AMSU-A/B 和技術先進的微波探測器ATMS 的2014 年1 月—2015 年12 月全球月尺度0.25°空間分辨率MLSE 數據集（Karbou，et al，2005，2006），并作為靜態發射率圖集納入到國際主流衛星觀測算子—大氣垂直探測器輻射傳輸模式（RTTOV）中。其中SSMI/S 包括4 個頻率（19.35、22.23、37.0 和91.65 GHz）垂直和水平等7 個通道發射率數據（其中22.23 GHz 僅有垂直極化通道）；AMSUA/B 包括AMSU-A 的4 個頻率（23.8、31.4、50.3和89.0 GHz） 和AMSU-B 的2 個 頻 率（ 89.0 和150.0 GHz）大、小天頂角共12 個通道發射率；ATMS包括5 個頻率（23.8、31.4、50.3、51.7 和89.5 GHz）大、小天頂角等10 個通道發射率。與SSMI/S 采用53.1°固定觀測角圓錐掃描方式不同，AMSU-A/B和ATMS 采取跨軌步進旋轉掃描方式（掃描角在±48.3°變動），相應地，觀測天頂角在±58°變化；因此計算出來的發射率是垂直和水平極化的混合結果，并根據衛星觀測天頂角的大小，分為大天頂角（≥40°）和小天頂角（＜40°）兩種產品。AMSU-A/B和ATMS 采用通用的微波輻射傳輸方程對晴空MLSE 進行估算，其中輔助數據采用國際衛星云氣候計劃（ISCCP）地表溫度作為LST，采用歐洲中期天氣預報中心（ECMWF）再分析資料作為大氣溫、濕度廓線。

2.1.2 TELSEM2 工具背景數據集

ECMWF 基于專用微波成像儀（SSM/I）觀測數據發展的微波地表發射率參數化方法（Prigent，et al，2008）針對衛星觀測算子RTTOV 開發了微波陸表發射率估算工具TELSEM（Aires，et al，2011），可以提供10—190 GHz 范圍內MLSE 估計和誤差協方差矩陣；目前已發展為TELSEM2 版（Wang，et al，2017），其使用的背景發射率數據集為SSM/I 觀測得到的1993—2000 年月平均發射率。TELSEM2不僅可以對陸表發射率進行估算，還可以對不同類型海冰發射率進行估算。用于估算的背景SSM/I MLSE 數據集主要包括4 個頻率（19.35、22.23、37.0和85.0 GHz）垂直和水平極化等7 個通道發射率數據（其中22.23 GHz 僅有垂直極化通道），也是采用通用的微波輻射傳輸方程對晴空MLSE 進行估算得到。

2.1.3 CREST AMSR-E 和AIRCAS AMSR-E 數據集

美國國家海洋和大氣管理局遙感科學與技術合作中心（NOAA-CREST）和中國科學院空天信息創新研究院（AIRCAS）均基于中分辨率成像光譜儀（MODIS）Aqua AMSR-E 各自研發了CREST AMSRE（簡稱AMSR-E1）數據集和AIRCAS AMSR-E（簡稱AMSR-E2）數據集。AMSR-E 包括6 個頻率（6.925、10.65、18.7、23.8、36.5 和89.0 GHz）的垂直和水平極化發射率（共12 個通道），其中AMSRE1（Norouzi，et al，2013）為2002 年7 月至2008 年6 月逐月MLSE 12 個通道數據集，AMSR-E2（邱玉寶等，2016）為2002 年6 月至2011 年10 月逐月MLSE 10 個通道（不包括6.925 GHz）數據集。與SSMI/S 相似，AMSR-E 也采用圓錐掃描方式，以55°的固定觀測入射角接收來自地表的微波亮溫。AMSR-E1 和AMSR-E2 數據集均采用通用的微波輻射傳輸方程對晴空MLSE 進行估算；不同的是AMSR-E1 輔助數據采用ISCCP 地表溫度作為LST，采用極軌氣象衛星泰羅斯業務垂直探測器（TOVS）反演的9 層氣溫和水汽廓線作為大氣溫、濕度廓線（Rossow，et al，1999）；而AMSR-E2 輔助數據采用MODIS 的陸表溫度產品（MYD11 L2）作為LST，并采用MODIS/Aqua 的20 層大氣廓線數據（MYD07L2）作為溫、濕度廓線。

2.1.4 FY-3D MWRI 數據集

中國氣象局地球系統數值預報中心聯合南京氣象科技創新研究院研發了1 套基于風云三號D 星（簡稱FY-3D）微波輻射成像儀（MWRI）的2022 年全球月尺度0.25°空間分辨率MLSE 數據集，包括5 個頻率（10.65、18.7、23.8、36.5 和89.0 GHz）垂直和水平極化發射率（共10 個通道）。與AMSRE 類 似，FY-3D 采 用 圓 錐 掃 描 方 式（Yang，et al，2011b；Wu，et al，2019），以53.1°的固定觀測入射角接收來自地表的微波亮溫，采用一維變分反演全天空下的MLSE（Boukabara，et al，2018）。在一維變分反演中，以ARMS（Weng，et al，2020）為觀測算子，背景場中大氣溫、濕度廓線、LST 和地表發射率初猜值由MiRS 提供（Boukabara，et al，2011）。

由于微波水平極化發射率對土壤和植被水分變化更為敏感（Prigent，et al，2006），文中對圓錐掃描方式MLSE 以水平極化發射率為例開展對比分析；而對跨軌掃描方式MLSE，選用與圓錐掃描天頂觀測角55°或53.1°較為接近的大天頂角（≥40°）發射率產品進行對比分析。另外，文中忽略年際變化對月均發射率的影響，只對月或季節的發射率進行對比分析，7 套數據評估所使用的頻率及觀測時間如表1 所示。

表1 7 套全球0.25°空間分辨率數據集評估頻率與觀測時間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 發射率空間一致性評估

這里采用統計分析法對不同MLSE 產品進行空間一致性分析，統計指標采用皮爾遜相關系數（R）和平均絕對偏差MAD（Mean Absolute Deviation），如下式

式中，xi指發射率為x的產品第i個空間位置的MLSE 值，yi指發射率為y的產品第i個空間位置的MLSE 值，xˉ 和yˉ分 別 為 所 有x和y空 間 位 置 有 效 值的平均值，n為樣本數。

在分析前需要進行簡單質量控制，由于本研究主要針對陸表發射率，因此只對MLSE 大于0.5 且小于1.0 的區域進行分析，并且只對兩者MLSE 差值在[-0.5，0.5]的有效區域進行統計分析。

2.2.2 發射率的頻率依賴一致性評估

為分析各種MLSE 產品在典型土地覆蓋類型下發射率對頻率的依賴性是否一致，以2010 年MODIS 國際地圈生物圈計劃（IGBP）土地覆蓋產品（MCD12Q1）（Friedl，et al，2002）以及TELSEM2工具中全球夏季7 月地表類型2（Prigent，et al，2016）為基礎，選擇亞馬孫熱帶雨林、俄羅斯北方落葉針葉林、中國華北平原農田、青藏高原草地、非洲撒哈拉沙漠、北極格林蘭冰蓋等6 類典型土地覆蓋類型樣區，如圖1 所示。

圖1 全球土地覆蓋類型典型樣區選擇示意Fig.1 Schematic diagram of typical sample areas selection for global land cover types

2.2.3 TELSEM2 發射率產品優化

由于TELSEM2 只包括了19.35、37.0、85.0 GHz有效通道發射率產品，對于 19.35—85.0 GHz 的MLSE 采用內插方法獲取，對于低于19.35 GHz 的MLSE 則直接用19.35 GHz 發射率值代替，對高于85.0 GHz 的MLSE 除了水體與海冰類型，其他類型均用85.0 GHz 發射率代替，即TELSEM2 獲取的低于19.35 GHz 和高于85.0 GHz 的陸表MLSE 均具有很大的不確定性。而AMSR-E 提供了6.925 GHz和10.65 GHz 的發射率觀測數據，AMSU-B 提供了150.0 GHz 的發射率觀測數據，這為TELSEM2 發射率產品拓展到低頻（6.925 GHz）和高頻（150.0 GHz）提供了可能。

以TELSEM2 發射率產品為基礎，把優選的AMSR-E 的6.925、10.65 GHz、AMSU-B 的150.0 GHz發射率觀測產品訂正到TELSEM2 水平，合并這3 個新通道從而新建1 套頻率為6.925—150.0 GHz的TELSEM2 產品（命名為CoTELSEM2 產品）。訂正原理為TELSEM2 和AMSR-E 及AMSU-B 具有相同的頻率依賴性，可采用比值法進行訂正，并假設同一微波傳感器18.7 和19.35 GHz、85.0 和89.0 GHz 的發射率近似相等，即

根據前面公式可估算得到

式中， E _TELSEM219.35和E _TELSEM285.0分別為TELSEM2 原 始 數 據 集19.35、85.0 GHz 的MLSE 值，E_TELSEM26.925、E_TELSEM210.65和E_TELSEM2150.0為估算的新TELSEM2 數據集的6.925、10.65 和150.0 GHz 的MLSE 值，E _AMSRE6.925、E_AMSRE10.65和E_AMSRE18.7分 別 為 AMSR-E 數 據 集 6.925、10.65 和 18.7 GHz 的 MLSE 值， E_AMSUB89.0和E_AMSUB150.0為AMSU-B 數據集89.0 和150.0 GHz的 MLSE 值。

3 結果與分析

3.1 全球不同MLSE 產品時、空分布

圖2 為7 套陸表MLSE 產品在低頻（18.7、19.35 GHz）和高頻（85.0、89.0、91.65 GHz）水平極化發射率或大觀測天頂角發射率于典型月份（1 和7 月）的空間分布，其中TELSEM2 產品還包括了海冰范圍的MLSE?？梢钥闯?，各發射率產品存在明顯的空間差異，濃密植被地區（如南美熱帶雨林和非洲熱帶雨林）由于具有準朗伯反射特性，具有較高發射率；而荒漠（如北非、阿拉伯半島、澳大利亞沙漠）具有準鏡面反射特性，發射率較低；南極和北極永久冰雪地區由于具有鏡面反射特性，發射率普遍低于其他地區；對于常年冰雪覆蓋的格陵蘭島和南極洲，發射率季節變化很小，但仍存在較明顯的空間變化。對于季節性積雪覆蓋的北半球中、高緯度地區，發射率季節變化明顯；不同傳感器反演的發射率產品存在明顯差異，例如，相對于TELSEM2 發射率產品，AMSR-E2 發射率在低頻和高頻均普遍偏高，SSMI/S 在低頻大部分地區發射率偏高明顯，AMSU-A 和ATMS 在高頻大部分地區發射率偏高，而FY-3D 無論是低頻或是高頻均存在高植被覆蓋地區（如南美熱帶雨林、非洲熱帶雨林和北方針葉林）發射率明顯偏高，具體原因見后面分析。以上結果顯示各產品之間可能存在較為明顯的系統偏差或反演誤差。

圖2 不同產品不同頻率1 （a1—f1、a3—f3） 和7 （a2—f2、a4—f4） 月發射率空間分布 （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 國外傳感器發射率產品時、空變化一致性分析

對文中6 種國外傳感器發射率產品（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）具有相同或相近頻率下空間相關關系和平均絕對偏差進行對比（圖3），可以看出：（1）低頻（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 均有很好的空間相 關（R＞0.90） （ 圖3a、 c 和e） ， 且SSMI/S 和TESEM2、 AMSU-A 和 ATMS 空 間 相 關 較 強（R＞0.95）；平均絕對偏差一般在0.04 以下（圖3b、d 和f）；而AMSR-E2 與其他發射率產品空間相關明顯較弱（R一般小于0.85），且平均絕對偏差明顯較大（MAD 大于0.06）；另外，除了AMSR-E2 外，掃描方式相同較掃描方式不同的平均絕對偏差大。

圖3 國外產品不同月份不同頻率的MLSE 空間相關系數 （a、c、e、g） 和平均絕對偏差 （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 為評估樣本數）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）高頻（85.0、89.0、91.65 GHz）各發射率產品具有較好空間相關（圖3g），以ATMS 和AMSUAR最大（4 個月平均為0.973），且平均絕對偏差最?。▓D3h）（4 個月平均為0.0126）；其次，TELSEM2和AMSU-A、ATMS、SSMI/S 及AMSR-E1 的空間相關系數也較大（平均為0.902），平均絕對偏差為0.0343；而AMSR-E2 與其他產品的空間相關總體偏低（R小于0.88），相應的平均絕對偏差也普遍較大（MAD 一般大于0.07）。

以上結果顯示，AMSR-E2 發射率產品存在明顯反演誤差，幾乎不可用。因此，對剩下5 類國外傳感器發射率產品所有時段和頻率的R和MAD 進行分析，并區分所有產品（All）、掃描方式相同和掃描方式不同3 種情形。如圖4 所示，TELSEM2、AMSR-E1、SSMI/S、AMSU-A 和ATMS與其他所有產品4 個月各種頻率下的平均空間相關系數分別為0.928、0.887、0.924、0.919 和0.908，平均絕對偏差分別為0.031、0.034、0.037、0.032和0.032；在考慮掃描方式情形下，除了SSMI/S，掃描方式相同的空間相關系數明顯大于掃描方式不同，平均絕對偏差則相反；此外，即使有大的空間相關系數，但平均絕對偏差并不一定為低值，如SSMI/S 與其他產品的R均大于AMSR-E1，但MAD卻明顯大于AMSR-E1?？傮w而言，掃描方式相同較掃描方式不同的發射率產品空間一致性更好，其中圓錐掃描方式以TELSEM2 表現最佳，跨軌掃描方式以AMSUA 表現更好。

圖4 不同MLSE 產品的平均空間相關系數 （a） 和平均絕對偏差 （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 發射率產品分析

考慮到SSMI/S 與其他發射率產品之間平均MAD 較 大， 選 擇 與FY-3D 相 同 掃 描 方 式 的TELSEM2 和AMSR-E1 對FY-3D 發射率產品進行評估。如圖5 所示，FY-3D 與AMSR-E1 和TELSEM2各頻率各月空間相關普遍較好，平均R為0.914，且在低頻（≤23.8 GHz）明顯大于高頻（85.0、89.0 GHz），R分 別 為0.931 和0.868； FY-3D 與AMSR-E1 和TELSEM2 的平均MAD 為0.041，明顯大于AMSRE1 和TELSEM2（0.027），且高頻（85.0、89.0 GHz）的MAD 大于低頻（≤23.8 GHz），分別為0.053 和0.035。結果顯示，FY-3D 與TELSEM2 和AMSRE1 的MAD 明顯偏大，FY-3D 發射率較AMSR-E1和TELSEM2 很可能具有更大的反演誤差。

圖5 三種發射率產品不同頻率和不同月份的發射率空間相關系數 （a、c、e、g、i） 與平均絕對偏差 （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 為樣本數）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 典型土地覆蓋類型發射率的頻率依賴一致性分析

從前面分析可知，TELSEM2 相對于其他產品在時、空一致性上具有更好的表現。由此，在分析TELSEM2 低頻（19.35 GHz）和高頻（89.0 GHz）垂直和水平極化發射率的年、季節變化（圖6）基礎上，結合典型土地覆蓋類型，開展6 種發射率產品（AMSR-E1、TELSEM2、SSMI/S、FY-3D、ATMS和AMSU-A/B）在典型季節（1 和7 月）發射率的頻率變化依賴一致性分析，如圖7 所示。

圖6 基于TELSEM2 產品的典型土地覆蓋類型逐月19.35 GHz 和85.0 GHz 發射率變化 （a.亞馬孫熱帶雨林，b.北方落葉針葉林，c.華北平原農田，d.青藏高原草地，e.非洲撒哈拉沙漠，f.北極格林蘭冰蓋；V-pol 表示垂直極化，H-pol 表示水平極化）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）

圖7 不同產品典型土地覆蓋類型 （a、b.亞馬孫熱帶雨林，c、d.北方落葉針葉林，e、f.華北平原農田，g、h.青藏高原草地，i、j.非洲撒哈拉沙漠，k、l.北極格林蘭冰蓋） 發射率在1 月（a、c、e、g、i、k）和7 月（b、d、f、h、j、l） 隨頻率的變化 （V 代表垂直極化，H 代表水平極化）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）

亞馬孫熱帶雨林TELSEM2 月均MLSE 年內變化（圖6a）很?。ㄕ穹鶅H為0.011），這是由于其全年高植被覆蓋特征使得地表特征變化很小，從而對MLSE 季節變化影響很小，且低頻（19.35 GHz）大于高頻（85.0 GHz），主要是由于高植被覆蓋地區低頻較高頻具有更高的穿透性從而增加向上輻射使得發射率增大。對比1 月和7 月隨頻率的變化（圖7a 和b）可以看出，各產品MLSE 在不同通道均存在系統差異；隨頻率增大TELSEM2、SSMI/S和AMSU-A/B 發射率具有減小趨勢，但AMSR-E1和FY-3D 并沒有類似變化規律，且在23.8 GHz 和89.0 GHz 有2 個 發 射 率 峰 值 區，89.0 GHz 尤 為 突出；對于23.8 GHz 很可能是由于其位于水汽吸收帶附近，對水汽影響考慮不足造成發射率高估；對于89.0 GHz，則很可能是由于大氣對高頻影響顯著高于低頻（Karbou，et al，2005），對亞馬孫熱帶雨林潮濕多云雨天氣影響考慮不足，從而造成發射率明顯高估；另外，ATMS 發射率在51.7 GHz 處有1 個發射率峰值區，可能是由于其位于氧氣吸收帶（50—60 GHz）附近，對氧氣吸收影響考慮不足造成發射率高估；而AMSU-A/B 發射率隨頻率雖呈下降趨勢，但在50.3 GHz 有1 個弱峰區，這與Karbou 等（2005）對熱帶雨林地區的研究結果一致，造成這一現象的原因可能是儀器的絕對定標誤差和此頻率大氣吸收估算造成的系統誤差。此外，FY-3D 發射率在10.65、23.8 和 89.0 GHz 均明顯高于其他發射率產品，結合圖2 中FY-3D 的MLSE 空間分布，表明在亞馬孫熱帶雨林區存在較為明顯的高估。

北方針葉林區TELSEM2 發射率存在明顯季節變化（圖6b），這是由于其地表覆蓋存在明顯季節變化（冬季為積雪，夏季為高植被覆蓋），MLSE 年振幅最高可達0.166，而低頻（19.35 GHz）與高頻（85.0 GHz）發射率存在幾乎相反的季節變化特征：19.35 GHz發射率冬季高于夏季，最低值出現在4 月，這是由于大量積雪融化后造成地表土壤含水量明顯升高從而顯著降低發射率，而85.0 GHz 發射率冬季明顯低于夏季，主要是由于冬季積雪在高頻段的強散射特性使得發射率明顯低于夏季植被發射率。另外，冬季19.35 GHz 發射率顯著高于85.0 GHz 發射率，夏季則較為接近，主要是由于頻率的增大使得冬季積雪對上行微波輻射的體散射增大，致使高頻的發射率降低明顯，夏季高植被覆蓋則沒有這種影響。對比該地區各產品發射率隨頻率的變化（圖7c和d），可以看出， 1 月由于積雪覆蓋，隨頻率增大各產品發射率呈減小趨勢，但AMSU-A/B 的150.0 GHz例外，可能與該頻率電磁輻射穿透能力較低，受林地與積雪覆蓋綜合影響有關； 7 月由于高植被覆蓋特性，各產品發射率隨頻率的變化較小，但TELSEM2、SSMI/S、AMSU-A/B 和ATMS 總 體 仍 呈 下 降 趨勢，且仍存在ATMS 的51.7 GHz、AMSR-E1 和FY-3D 的89.0 GHz 發射率高估問題。但相對于亞馬孫熱帶雨林，89.0 GHz 發射率高估明顯減弱，這是由于北方針葉林地區潮濕云雨天氣不多，相應地大氣影響造成的誤差減小。類似地，與其他產品相比，無論在1 月或是7 月，FY-3D 也存在對北方針葉林發射率高估現象。

華北平原農田由于冬、夏季存在明顯的植被覆蓋變化，TELSEM2 發射率也相應存在季節變化（圖6c），其中5 月有一個發射率弱峰區，這是由于此時華北平原以小麥為主的作物正值生長盛期，而植被覆蓋度的增大有利于發射率的增大， 6 月由于小麥收獲后植被覆蓋明顯降低造成發射率下降；7—8 月，受雨季影響土壤濕度較高，農田發射率處于全年低值，且低頻（19.35 GHz）發射率大于高頻（85.0 GHz），與已有的研究結果（Li，et al，2013，2022）一致。對比該地區各產品發射率隨頻率的變化（圖7e 和f），1 月和7 月差異不明顯；隨頻率增大TELSEM2、SSMI/S 垂直和水平極化發射率呈輕微減小趨勢，而AMSU-A/B 變化較小，但仍存在ATMS的51.7 GHz、AMSR-E1 的23.8 和89.0 GHz 發射率高估。另外，與其他產品相比，1 月FY-3D 在18.7、23.8 和36.5GHz 水平極化發射率存在低估現象，7 月FY-3D 的36.5 和89.0 GHz 垂直極化發射率存在高估現象。

青藏高原草地由于冬季為積雪、凍土所覆蓋，夏季為草地植被覆蓋，TELSEM2 發射率季節變化與北方針葉林相似（圖6d），即低頻（19.35 GHz）與高頻（85.0 GHz）發射率存在幾乎相反的季節變化特征，且冬季19.35 GHz 發射率明顯大于85.0 GHz，而夏季兩者則較為接近。對比該地區各產品發射率隨頻率的變化（圖7g 和h），各產品發射率隨頻率在1 月和7 月的變化與北方針葉林相似，即1 月發射率隨頻率增大呈減小趨勢，而7 月變化平穩；另外1 月也存在ATMS 的51.7 GHz 發射率高估問題。與其他產品相比，FY-3D 水平極化發射率在1 月和7 月23.8 GHz 和36.5 GHz 存在低估現象。

撒哈拉沙漠由于地表覆蓋幾乎不存在季節變化，TELSEM2 垂直和水平發射率季節變化很?。▓D6e），年內發射率振幅平均值僅為0.0099，為6 類土地覆蓋類型季節變化最??；低頻（19.35 GHz）發射率明顯高于高頻（85.0 GHz），這是由于砂粒與雪粒均屬于密介質（Weng，et al，2001），在高頻處具有更高的體散射從而降低發射率。對比該地區各產品發射率隨頻率的變化（圖7i 和j），存在明顯系統偏差，且低頻差異大于高頻，這主要是由于低頻在沙漠具有更深的穿透能力，從而造成LST 與亮溫日振幅和相位的差異，這會造成明顯誤差。隨頻率增大垂直極化發射率有緩慢減小趨勢，而水平極化發射率則相反，與已有研究（Grody，et al，2008）一致。與前面類似，仍存在一定程度ATMS 的51.7 GHz 發射率高估問題。另外，相對于其他產品，1 月FY-3D 的23.8、36.5 和89.0 GHz 水平極化發射率存在低估，7 月垂直極化發射率存在高估。

格陵蘭冰蓋TELSEM2 發射率存在明顯季節變化（圖6f），這是由于夏季冰雪融化、冰蓋厚度減小，從而造成夏季與冬季發射率的明顯差異；且低頻（19.35 GHz）與高頻（85.0 GHz）的季節變化存在明顯差異，低頻的發射率高值和低值分別出現在2 和6 月，而高頻發射率低值和高值分別出現在5 和8 月，這是不同時期的冰粒和冰蓋厚度對低頻和高頻微波輻射存在明顯體散射差異造成的。對比該地區各產品發射率隨頻率的變化（圖7k 和l），TELSEM2、AMSR-E1 和SSMI/S 各產品發射率在冬季1 月隨頻率增大呈先降后增趨勢（36.5、37.0 GHz為波谷），而在夏季7 月發射率呈先升后降趨勢（36.5、37.0 GHz 為波峰）；與其他產品相比，FY-3D 在1 月發射率隨頻率呈明顯不同的變化趨勢，在89.0 GHz 也存在明顯低估。

總的來看，在MLSE 對頻率的依賴方面，大部分產品垂直和水平極化發射率具有相同的變化趨勢，且垂直和水平極化發射率的差異隨著植被覆蓋減?。◤臒釒в炅?、農田、草地和沙漠，植被覆蓋度依次減?。┏试龃筅厔?；TELSEM2 和AMSU-A/B的質量可靠性較高，ATMS 的51.7 GHz 通道存在系統性高估；AMSR-E1 和FY-3D 發射率在23.8、89.0 GHz 通道存在系統性高估。

3.5 CoTELSEM2 產品質量分析

由前面分析可知，AMSR-E1 在低頻（6.925 和10.65 GHz）和AMSU-B 在高頻（150.0 GHz）具有較好質量，可對TELSEM2 產品現有頻率范圍之外的低頻和高頻進行補充優化。圖8 為優化后的新產品CoTELSEM2 的6.925、10.65 和150.0 GHz 在1 和7 月水平極化發射率的空間分布，低頻（6.925和10.65 GHz）的MLSE 空間分布一致性很高，與AMSR-E1 的6.925 和10.65 GHz 平均空間相關系數分別為0.943 和0.950，平均絕對偏差分別為0.022 和0.021；高頻（85.0 與150.0 GHz）（圖2c3、2c4）的MLSE 空間分布一致性很高，與AMSUB 的150.0 GHz 平均空間相關系數為0.915，平均絕對偏差為0.035。表明CoTELSEM2 產品發射率與其他發射率產品具有較好的時、空一致性。

圖8 CoTELSEM2 產品6.925 （a、d）、10.65 （b、e） 和150.0 （c、f） GHz 水平極化發射率1 月 （a—c） 和7 月 （d—f） 空間分布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）

圖9 為CoTELSEM2 產品垂直和水平極化發射率在5 種典型土地覆蓋類型中隨頻率（6.925—150.0 GH）的變化：除了北方針葉林1 月和華北農田7 月高頻（150.0 GHz）發射率略有偏高外，其他類型具有隨頻率增加發射率緩慢減小或變化穩定的趨勢，并沒有出現圖7 顯示的MLSE 明顯偏高或偏低問題，顯示優化后的CoTELSEM2 產品發射率總體上具有較好的土地覆蓋和頻率依賴一致性。

圖9 基于CoTELSEM2 產品典型土地覆蓋類型發射率在1 月 （a） 和7 月 （b） 隨頻率的變化 （V-pol 代表垂直極化，H-pol 代表水平極化）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 產品發射率不確定性分析

對 CoTELSEM2 產 品 選 擇 低 頻（ 10.65 和19.35 GHz）和高頻（85.0 和150.0 GHz）開展產品年內水平極化發射率季節變化的不確定性分析（以年內各月MLSE 之間的標準差表征，圖10）。CoTELSEM2 產品不確定性在低頻（10.65 和19.35 GHz）、高頻（85.0 和150.0 GHz）均具有很好的空間一致性，高頻的不確定性明顯大于低頻，尤其是在北半球中、高緯度陸地地區，這主要是隨著頻率增大大氣的影響增大造成MLSE 不確定性增大；高不確定性（標準差＞0.04）主要發生于地表水分和植被存在顯著變化地區，這些地區存在積雪季節凍融、植被覆蓋變化以及季節性降水顯著等特征；而海冰的MLSE 不確定性最大，標準差一般在0.20 以上。就典型地表類型來看，撒哈拉沙漠和亞馬孫熱帶雨林MLSE 季節變化很小，無論是低頻或是高頻，平均標準差不超過0.006；華北平原農田受冬、夏植被覆蓋和季節降雨變化影響，低頻（10.65 和19.35 GHz）標準差平均為0.018，高頻（85.0 和150.0 GHz）略高，標準差平均為0.021；青藏高原草地受冬季積雪凍土影響，不確定性高于農田，其中低頻和高頻標準差分別為0.024 和0.033；而北方針葉林受冬季積雪覆蓋變化，MLSE 季節變化明顯偏高，尤其是在高頻，標準差達到0.068；格陵蘭冰蓋的MLSE 季節變化也較為明顯，低頻和高頻標準差分別為0.018和0.048。

圖10 基于CoTELSEM2 產品全球陸表不同頻率 （a.10.65 GHz，b.19.35 GHz，c.85.0 GHz，d.150.0 GHz） 水平極化發射率不確定性 （年內標準差） 空間分布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 結論與討論

4.1 結 論

本研究選擇7 套國際上主流微波傳感器0.25°空間分辨率的全球微波月均發射率產品（AMSRE1、AMSR-E2、TELSEM2、SSMI/S、AMSU-A/B、ATMS 和 FY-3D），開展時、空一致性和頻率依賴一致性分析，以此為基礎對TELSEM2 進行了優化，新建了1 套更寬頻率范圍的全球逐月MLSE 產品（命名為CoTELSEM2）。研究結果顯示：

（1）AMSR-E2 產品幾乎不可用，其余6 套產品之間存在系統性偏差，但也存在明顯空間相關關系， TELSEM2、 AMSR-E1、 SSMI/S、 AMSU-A、ATMS 和 FY-3D 平均空間相關系數分別為0.928、0.887、0.924、0.919、0.908 和0.914，平均絕對偏差分別為0.031、0.034、0.037、0.032、0.032 和0.041；掃描方式相同較掃描方式不同的空間一致性更好，其中圓錐掃描方式以TELSEM2 表現最佳，跨軌掃描方式以AMSU-A/B 表現更好。

（2）各發射率產品具有明顯的頻率和土地覆蓋依賴特征，但部分產品在一些通道上存在頻率依賴的不一致，其中ATMS 在51.7 GHz 通道由于位于氧氣吸收帶附近，存在MLSE 高估現象；AMSRE1 和FY-3D 發射率在23.8、89.0 GHz 通道很可能存在系統性高估，且主要發生在高植被覆蓋地區；而FY-3D 的MLSE 在不同時間、地區和頻率下存在一些明顯偏高或偏低。綜合考慮空間一致性和頻率依賴的一致性特征，TELSEM2 和AMSU-A/B 的質量可靠性較高，其次是ATMS、AMSR-E1、SMMI/S，FY-3D 質量較差。

（3）CoTELSEM2 產品從原始TELSEM2 產品19.35—85.0 GHz 范 圍 擴 展 到6.925—150.0 GHz，且具有較好的時空一致性和頻率變化一致性，不確定性具有明顯的土地覆蓋依賴特征，其中撒哈拉沙漠和亞馬孫熱帶雨林發射率不確定性很小，而北方針葉林不確定性最大，且高頻的不確定性明顯大于低頻。

4.2 討 論

本研究結果顯示，衛星觀測算子RTTOV 提供的 SSMI/S、 AMSU-A/B 和 ATMS 全 球 靜 態 月MLSE 圖集和TELSEM2 工具背景數據集雖然空間相關較強，但差異明顯，如SSMI/S 和TELSEM2的全球MAD 在低頻（18.7、19.35 GHz）為0.0235—0.029，高頻（85.0、89.0 GHz）為0.0242—0.0368；而AMSU-A、ATMS 和TELSEM2 在 高 頻（85.0、89.0 GHz）全球MAD 為0.0349—0.0417，明顯超出了數值天氣預報對MLSE 精度小于0.01 的要求（Karbou，et al，2006）。另外，從MLSE 對頻率的依賴一致性分析可以看出，各產品之間也存在明顯差異，例如7 月常綠闊葉林和沙漠地區各產品低頻（18.7、19.35 GHz）下水平發射率的最大差異分別為0.048 和0.054，高頻（85.0、89.0、91.65 GHz）下水平發射率的最大差異分別為0.057 和0.03，表明各圖集還是存在較為明顯的系統偏差。

系統偏差形成的原因除了傳感器配置如頻率、過境時間、入射角、視場足跡等和空間分辨率、時空采樣等的差異外，輔助輸入參數和反演算法差異也是重要原因。文中 7 種MLSE 產品，除了FY-3D，其他均是通過衛星觀測亮溫直接估算晴空MLSE，因此輸入的輔助數據包括LST、大氣溫、濕度廓線和云檢測精度均會對MLSE 的估算產生較大影響。例如Ruston 等（2004）指出LST 是衛星觀測反演MLSE 的主要誤差因子；而已有的研究（Moncet，et al，2011）指出MODIS 白天LST 在7 月比ISCCP地表溫度低5 K，某些地區可達25 K，而一般LST偏低會導致發射率偏高，這可能是文中AMSRE2 產品MLSE 偏高的一個重要原因。各產品使用不同的大氣溫、濕度廓線，如ECMWF、NCEP、GFS再分析產品和衛星反演得到的TOVS、MYD07L2溫、濕度廓線不但存在大氣參數值的差異，還存在垂直和空間分辨率的差異，也會導致MLSE 存在系統偏差。反演算法不同也可能造成MLSE 存在系統偏差，例如文中FY-3D 在高植被覆蓋地區尤其是夏季MLSE 明顯偏高，可能與其采用的全天空反演算法（即對云區也進行MLSE 反演）有關，由于衛星觀測亮溫包含地表輻射亮溫與云輻射亮溫的貢獻，如果對云的輻射亮溫貢獻考慮不足，會造成衛星觀測的地表亮溫偏高，導致云雨較多的高植被覆蓋地區MLSE 高估。

除了系統偏差外，還存在MLSE 對頻率和局地土地覆蓋依賴的隨機誤差，圖7 中各產品在亞馬孫熱帶雨林之間的偏差較青藏高原草地的偏差更大，主要是由于熱帶雨林具有更豐富的水汽，相應的大氣影響造成的誤差增大；還有各產品在更高頻率較更低頻率具有更大的誤差，也是由于高頻對大氣影響更為敏感從而造成誤差加大。

從各發射率產品在不同土地覆蓋類型下隨頻率的變化還可以看出，不同MLSE 產品隨頻率的變化規律并不一致。AMSR-E1 和FY-3D 在高植被覆蓋地區（亞馬孫熱帶雨林、北方針葉林、華北平原農田）7 月發射率均呈雙峰（23.8、89.0 GHz）曲線變化，與掃描方式相同的TELSEM2、SSMI/S 發射率近似單調遞減的變化差異很大，而已知的研究顯示地表物理特性沒有對其中任一頻率具有不同的響應，理論上微波發射率光譜曲線是平滑且單調的，因此不同傳感器發射率光譜形狀的非單調特性實際上是系統誤差的另一種表征，由此可以判斷出AMSR-E1 和FY-3D 在23.8、89.0 GHz 發射率反演中存在明顯系統誤差，且主要發生在高植被覆蓋地區，因為這種系統誤差（即雙峰特征）在植被稀疏地區（如青藏高原草地）和沙漠地區（撒哈拉沙漠）、冰雪地區幾乎不再存在。Tian 等（2014）指出水汽吸收帶（21—24 GHz）反演得到的發射率很不可靠，因此，針對23.8 GHz 發射率偏高的問題，利用相鄰頻率且大氣透過率高的發射率進行插值獲取該頻段發射率不失為一種有效方法（Prigent，et al，2016）。Norouzi 等（2015）指出AMSR-E 存在的89.0 GHz發射率偏高是由于受大氣影響更大，而且輔助數據和輻射傳輸模擬的影響至關重要。AMSR-E 不一定存在89.0 GHz 發射率高估，如Tian 等（2014）基于同樣AMSR-E 數據，針對亞馬孫熱帶雨林地區利用微波輻射傳輸方程方法估算得到的89.0 GHz 發射率明顯高于36.5 GHz，與文中AMSR-E1 結果相似，而利用一維變分法估算得到的89.0 GHz 發射率則低于36.5 GHz，發射率隨頻率變化與文中TELSEM2、SSMI/S 相似。因此，選擇合適的反演算法，有可能克服由于高頻對大氣影響異常敏感造成的系統誤差。

格陵蘭冰蓋發射率在1 月隨頻率的變化并非呈單調形狀，難以從冰雪的微波機理上解釋，很可能是由于其復雜的冰雪特性和地表強散射特性，尤其是高頻對于相態改變、粒子尺度更為敏感從而造成顯著反演誤差，這是在評價全球發射率數據質量時，一般都不考慮冰雪的重要原因（Prigent，et al，2006，2015）。因此，需要針對局地雪地特征，除了加強質量評估分析，還需發展更為科學合理的冰雪微波發射率反演算法。

本研究以TELSEM2 產品為基礎，利用表現較好的AMSR-E1 和AMSU-B 分別對其低頻和高頻發射率進行優化補充，假設TELSEM2 與其他產品具有相同的頻率變化特征，如果各產品的頻率依賴特征差別較大，則這種優化方法可能并不適用，一種可行的方法是采取基于多種產品的權重進行優化（Sahoo，et al，2011），但前提是所參與的產品質量可靠性較高。因此如何優化組合利用多種獨立發射率產品構建1 套新的產品，并能體現各產品之間時、空一致性和頻率變化一致性是未來“最優”發射率地圖集構建的研究重點。