当今世界星载微波遥感器的发展日新月异，星载微波通道的设置从低频至高频日臻完善.我国新一代极轨气象卫星风云三号微波探测系统具有覆盖50～60 GHz的大气温度探测仪和150～183 GHz的微波湿度探测仪(杨军等，2009).2013年9月22日我国成功发射风云三号首发业务星C星(FY-3C)，FY-3C上搭载了II型微波温度计(MWTS-II)和微波湿温探测仪(MWHTS)，且MWTS-II在50～60 GHz大气氧气吸收带附近通道数量进一步增加，MWHTS增加了118 GHz探测通道，进一步提升了FY-3C的综合大气探测能力.微波穿透云雨大气的能力使微波遥感器在探测云雨大气方面有着不可替代的作用.然而，由于地表特征的复杂性和多变性使得来自地表的微波辐射难以精确测量，从而极大地影响了星载微波遥感器在测量水汽、降水和降雪等大气参数方面的精度(Tian and Peters-Lidard，2007；Skofronick-Jackson and Johnson，2011).

地表发射率，即在相同温度下由地表发出的辐射与黑体辐射之比，表征地表发射电磁波的能力，它是辐射传输模式和陆面遥感以及卫星资料同化研究中的必需参数.地表众多的特征参量，如土壤粒径、矿物含量、地表粗糙度、土壤湿度、冰雪覆盖、植被的属性及覆盖状况等均影响地表发射率的值(Prabhakara and Dalu，1976; Salisburg and D’Aria，1992; Wilber et al.，1999;Prigent et al.，2000; Zhou et al.，2008).在微波波段，地表发射率包含了丰富的陆面状态信息，诸如地表物理、生物和水文状态信息及地表的演变信息，这些方面正是微波遥感的重要研究内容(Ulaby et al.，1986).卫星接收到的辐射由来自于大气的辐射贡献和地表发出的辐射贡献组成，而地表辐射的大小主要受地表发射率的影响.星载遥感器上对地表敏感的通道往往包含着许多关键参数的辐射信息，如地表温度、低对流层大气温度、云中液态水含量和总可降水量等(Prigent et al.，2008)，在数值天气预报的资料同化系统中准确的地表发射率数据对于提取这些重要信息非常必要.

卫星的被动微波测量值已经用于估算洋面上的大气参数，如水汽含量，大气温度廓线和云中液态水路径等，但陆面上由于地表状态的复杂性和多变性极大地影响着卫星的辐射亮温测量.虽然地表参数和微波辐射相互作用的机理可以通过辐射传输模型来描述，但是这些模型的输入参数众多，常规探测资料往往无法提供这些参数作为模式的有效输入.所以即使存在完美的地表发射率模型，但到目前为止在全球尺度上支撑模型运算的具有足够空间分辨率和精度的输入参数仍然难以获取(Prigent et al.，2006).而星载遥感器的主要优势在于探测范围广，可以覆盖全球，实现大气和地表的时空连续探测，利用星载辐射计资料可以在大范围空间和时间尺度内直接反演地表发射率成为可能.由卫星测量值直接估算地表发射率的基本思路是基于大气辐射传输方程，剔除大气，云，雨和地表温度的辐射贡献，借助大气温度、水汽廓线和地表温度等辅助数据，利用卫星的观测亮温直接估算微波地表发射率.

对无散射平面平行大气，基于Rayleigh-Jeans近似条件下的大气辐射传输方程可以表示为

因此，地表发射率可以直接通过卫星的观测值获取，

其中，TB_ν，p为波数为ν，极化状态为p时卫星接收的亮温；T_s为地表温度，T_u为大气上行辐射，T_d为大气下行辐射；Γ_ν为大气透过率，ε_ν，p为地表发射率.具体的算法流程见图 1.

图 1

Fig. 1

图 1 由卫星观测直接估算微波地表发射率流程 Fig. 1 The flow chart for Land surface emissivity calculation derived from satellite observations

目前该方法已经被广泛用于晴空大气状态下的微波地表发射率估算(Prigent et al.，1997，1998，1999，2000，2005，2006，2008; Karbou and Prigent，2005)，由该算法估算的地表发射率的精度依赖于输入的辅助数据(地表温度，大气温湿廓线)和云检测算法等的精度，由于输入数据精度的差异会对微波地表发射率的估算结果产生较大的影响.

星载辐射计的资料正被广泛用于数值天气预报中.当前海洋上空的卫星探测资料已经用于气象业务中(Errico et al.，2000)，如美国国家气候数据中心NCDC(National Climatic Data Center)的全球资料同化系统GDAS(Global Data Assimilation System).然而，在复杂地表下星载微波辐射计大气窗通道受微波地表发射率的影响非常显著.地表发射率的不确定性和对频率的敏感性使陆面以上的大气温度、湿度卫星资料难以直接用于数值预报中.为了更好的理解地表的微波辐射传输机理，有效的利用复杂陆表的卫星观测资料，人们基于辐射传输理论发展了一系列模型来模拟复杂地表条件下的微波地表发射率.

欧洲中期数值预报中心ECMWF(European Centre for Medium-range Weather Forecasts)NWP SAF开发RTTOV(Radiative Transfer for the Television and infrared Observation satellite operational Vertical Sounder)是用于模拟星载被动遥感器观测亮温的快速辐射传输模式.RTTOV并没有模拟地表发射率的模块，而是通过调用预先建立的微波地表发射率数据集来实现地表辐射的模拟计算.2013年5月NWP SAF发布了RTTOV第11版，该版本中使用的微波地表发射率数据集主要有：SSM/I(Special Sensor Microwave/Imager)微波地表发射率数据集和CNRM(Centre Nat. de Recherches Meteorologiques)微波地表发射率数据集.这两种数据集的基本算法都是基于卫星的直接观测来估算地表发射率，只是输入的辅助数据有所不同(James et al.，2014).

Weng等人(Weng et al.，2001)开发了基于大气辐射传输二流近似算法的三层物理模型(三层指顶层为大气，中间层为地表覆盖层，底层为土壤)，用于微波地表发射率的模拟计算.该模型的输入参数包括卫星天顶角、通道频率、土壤湿度、植被覆盖百分比、土壤温度、地表温度和雪深，可以模拟计算垂直和水平极化条件下的微波地表发射率.此模型作为微波地表发射率的计算模块已用于通用辐射传输模式CRTM(Community Radiative Transfer Model).

美国全球降水测量计划GPM(Global Precipitation Measurement)陆面工作团队LSWG(Land Surface Working Group)将CRTM和CMEM(Community Microwave Emission Modelling)分别耦合到陆面信息系统LIS(Land Information System)中来模拟全球地表发射率，并比较了这两种辐射传输模式(LIS-CRTM和LIS-CMEM)对地表发射率模拟的差异(Kumar et al.，2006;Tian et al.，2014).辐射传输模式与陆面信息系统耦合的优势在于，首先模式模拟时考虑了到陆面过程的变化，这对研究短时降水对微波地表发射率的影响非常有利；其次，利用陆面模式的输出作为辐射传输模式的输入，可以解决许多复杂地表参数在辐射传输模式中缺少常规观测资料输入的问题.

随着辐射传输模式的不断发展和完善，借助辐射传输模式来估算微波地表发射率的精度将会越来越高.通过辐射传输模式模拟和卫星直接测量相结合是目前使用最多的微波地表发射率估算方法.这种方法估算的微波地表发射率在37 GHz以下频段较为精确，但是在85 GHz以上的频段估算精度较差(Ferraro et al.，2013).

一维变分(1D-Var)法实际是一种物理反演算法.它利用多通道被动遥感器观测数据，并结合其他辅助数据可以同时反演多个物理参数.其优点是强调反演参数的物理条件约束，并且被反演的物理量之间能够保持一致的物理关系.1D-Var反演方法的理论基础是贝叶斯原理，假定观测场与背景场误差均服从高斯误差分布，然后通过对代价函数的最小化得到最小误差的分析场.1D-Var的目的就是通过融合各种来源的观测场和背景场来获得反演参数的最优估计.其代价函数表示为

1D-Var反演微波地表发射率的关键在于如何建立与目标遥感器通道特性(通道、观测角度、极化状态等)相匹配的全球微波地表发射率初始猜值.欧洲中期数值预报中心ECMWF(European Centre for Medium-range Weather Forecasts)基于SSM/I(Special Sensor Microwave/ Imager)卫星观测所预先计算的月平均发射率数据集开发了微波地表发射率估算工具TELSEM(A Tool to Estimate Land Surface Emissivities at Microwave Frequencies)，来提供19~100 GHz之间的微波地表发射率的估计值及误差协方差矩阵(Aires et al.，2011).利用TELSEM可以建立用于地表发射率变分反演算法的全球微波地表发射率的初始猜值.

Ruston等(2008)利用AMSU-A/B微波亮温资料和HIRS高分辨红外探测器资料基于1D-Var的方法反演红外和微波地表发射率.红外地表发射率的初始猜值是使用地表发射率数据集结合实验室测量得到的，微波地表发射率的初始猜值由物理和经验的微波发射率模型获得的.反演结果显示，在无积雪覆盖和海冰的陆地区域地表发射率的反演结果较好，积雪覆盖和海冰区的地表发射率反演依然存在较大误差.

美国NOAA/NESDIS开发的微波综合反演系统MiRS(Microwave Integrated Retrieval System)基于一维变分(1D-Var)的方法，通过使用卫星的多通道亮温资料可以反演包括陆地，海洋，海冰，积雪和海岸区域在内的不同地表类型的微波发射率，MiRS也可以同时反演大气温湿度廓线，地表温度和云参数.通用辐射传输模式CRTM作为MiRS的前向算子，MiRS具备所有天气状态的大气、云和地表参数的反演能力，并同时支持多种星载微波遥感器的地表发射率反演(Boukabara et al.，2011).

基于以上的阐述和分析，本文将这三种主要的微波地表发射率估算方法的主要原理和优缺点列于表 1.

表 1 (Table 1)

表 1 三种微波地表发射率估算方法的优缺点 Table 1 Advantages and disadvantages for three approaches to microwave surface emissivity estimation 微波地表发射率估算方法 原理 输入参数 优点 缺点 1 辐射传输模式模拟 密集介质辐射传输理论 土壤类型，地表温度，积雪属性等地表参数 容易耦合到陆面模式和资料同化系统中需输入许多常规探测资料难以获取的地表参数 2 卫星的直接观测 基于卫星的观测值 卫星观测亮温，地表和大气参数 只需输入地表温度，不需要其他地表参数支持仅适用于在晴空大气条件下，反演精度依赖于地表温度，大气温湿度廓线和大气上行、下行辐射计算方法 3 一维变分 基于贝叶斯原理的代价函数最小化 卫星观测亮温和地表发射率初始场 可以同时反演多个物理参数需建立较高精度并独立于卫星观测的微波地表发射率初始猜值

表 1 三种微波地表发射率估算方法的优缺点 Table 1 Advantages and disadvantages for three approaches to microwave surface emissivity estimation

晴空大气状态下反演微波地表发射率需要大气温度、水汽廓线和地表温度等数据的支持，这些辅助数据的质量会直接影响微波地表发射率的反演精度.Yang和Weng(2011)的研究显示，AMSR-E在23 GHz和89 GHz处发射率的不确定性要远大于在低频通道处的发射率，原因就在于反演过程中计算水汽吸收时产生的误差.而在低于19 GHz的频率处，地表发射率的误差主要来源是地表温度的不确定性(Yang and Weng，2011; Jiménez et al.，2012; Zheng et al.，2012;Ferraro et al.，2013).由于微波在不同的频率处对同一地表类型的穿透能力不同，地表温度是依靠微波频率而变化的参量(Li and Min，2013)，而实际中在反演微波地表发射率时所用的地表温度数据大多来自红外遥感器的表层温度产品，除去地表温度数据自身的不确定性以外，它自身并未体现与不同微波通道的函数对应关系，这就导致地表温度成为反演微波地表发射率的重要误差源.

随着人类社会的发展和当今科技的不断进步，由于科技和商业用户对微波仪器的需求愈加强烈，无线电频率干扰RFI(Radio Frequency Interference)成为影响星载微波遥感器使用的严重问题(Li et al.，2004;Wu and Weng，2011).RFI可以显著的增加星载微波遥感器的亮温度，若不进行对卫星观测亮温的RFI识别和剔除，使用这些受污染的星载微波亮温资料将会降低微波地表发射率的反演精度.另外，星载微波遥感器自身的系统误差带来的卫星观测亮温的不确定性也是地表发射率反演的误差源之一.

Tian等(2013)基于不同的星载微波遥感器反演算法定量分析了沙漠和热带雨林地区微波地表发射率反演结果的不确定性.研究结果显示，不同的微波遥感器和反演算法产生的微波地表发射率之间存在着非常大的差异，这种差异很大程度上是由于反演过程的系统误差和随机误差造成的.一般而言，各种反演算法在37.0 GHz以下的一致性要好于85.5 GHz以上的微波频段，即使在同一频段反演结果也会存在较大差异，如在高频波段，产生差异的原因很大程度上是由于雨云天气状况的影响，这种影响可以导致10~17 K卫星观测亮温误差.此外，不同地区的微波地表发射率的系统误差也存在不同，如沙漠地区的微波地表发射率系统差异在1%~4%(3~12 K)之间波动，在热带雨林地区的系统差异约1%~7%(3~20 K).不同反演算法产生的地表发射率数据集的随机误差在0.5%~2%(2~6 K).

由于缺乏全球尺度上地面 “真实数据”，对微波地表发射率的不确定性评价变的十分困难.人们往往采用与其他微波遥感器估算得到的微波地表发射率数据进行比对来验证地表发射率估算结果(Prigent et al.，1997，1998，1999，2000，2005，2006，2008; Karbou and Prigent，2005)，然而目前存在的各种微波地表发射率数据集本身就存在着很大的差异(Ferraro et al.，2013).目前大多数与地表发射率相关的野外和实验室测量都集中在红外波段(肖青等，2003; Hulley and Hook，2009a，b; 张勇等，2009; 胡菊旸等，2013;Dong et al.，2013)，微波波段的地表发射率测量鲜见报道.这些测量都是短时的，在小尺度的空间范围内进行的，其结果很难反映全球大尺度上地表辐射特性的时空变化，难以与星载遥感器的观测比对，微波地表发射率的验证问题成为目前存在的最大困难和挑战.

3 结论与展望

3.1  由于微波的穿透性，星载微波辐射计可以提供大气中云雨的微波辐射信息.因此，微波地表发射率在微波降水算法、大气参数反演和卫星资料同化等领域具有重要的应用价值.陆面模式和地表发射率物理反演技术相结合可以研究降雨后地表发射率在短时间尺度上的变化.目前还不能期望任何一种反演算法可以给出微波地表发射率的最优值，但为了提高地表和大气参数的反演精度以及进一步提高星载微波辐射计资料的利用率，急需不断改进微波地表发射率的反演理论和技术，以推动微波地表发射率在卫星遥感及相关领域中的应用.

3.2  本文回顾了三种主要的微波地表发射率估算方法，总结了这三种主要方法的优缺点，并对当前微波地表发射率的不确定性和误差源进行了阐述.这对于明确不同地表发射率估算方法之间的相似性和差异以及如何使用这些方法等方面有重要的参考意义.由于微波地表发射率验证所面临的困难，微波地表发射率误差源的确定及订正方法研究和微波地表发射率不确定性的定量分析就成为当前非常重要而必需的研究工作.

致 谢  作者感谢在国家卫星中心卫星气象研究所访问期间卫星资料同化研究室的同事们提供的指导与帮助，感谢刘辉，吴春强，漆成莉等人对本课题研究给予的有意义的讨论和建议.同时，作者还要感谢两位匿名专家对本文提出的评论和意见.