Remote Sensing of Environment: 提升全球植被光学厚度和土壤水分反演能力

Remote Sens. Environ. | Research Article  导读西南大学地理科学学院樊磊教授团队与法国农科院李小军博士发表在Remote Sensing of Environment上的最新文章，针对当前低频被动微波反演土壤水分（SM）与植物光学厚度（VOD）时，未充分考虑温度效应，导致反演精度低的问题，提出基于优化温度效应的微波反演算法，精度显著优于同类算法，其中在全球18%的地区提升了土壤水分和植被光学厚度反演精度。  亮点优化温度输入的反演算法精度显著优于同类算法优化算法在森林覆盖区域有精度提升明显优化算法生产的土壤水分和VOD在捕捉植被物候变化的精度优于现有的SMAP官方产品  背景在环境监测和农业管理中，土壤水分（SM）和植被光学厚度（L-VOD）是重要的参数。通过τ-ω模型反演的SM和L-VOD产品的精度高度依赖于基于模型温度的有效温度输入。目前，对于有效温 ………………………………