1. 研究背景
植被水分动态主要通过植物吸收土壤水分和通过气孔导度的大气水汽压力来驱动。因此，土壤、植物和大气的条件变化会影响水和能量通量，控制植物的水分和碳吸收，并调节水、碳和能量循环之间的关系。从这个意义上讲，植被和土壤通过蒸散作用对陆地大气边界层的湿润起关键作用。这相当于引导了陆地-大气相互作用和反馈机制，并最终影响极端天气事件（如干旱和极端降雨事件）的强度和持续时间。
植被水分动态在区域降水模式中同样起重要作用，并通过水分循环调节大陆气候。此外，植被干燥趋势可能导致森林死亡事件，在气候变化背景下这一现象正在增加。这将导致森林作为碳汇的能力下降。此外，植被水分控制植被生产力，并影响植被可燃性，从而影响火灾的引发和蔓延风险。
在此背景下，监测植被含水量可能对多种应用具有重要作用。对植被的鲜燃料含水量（live fuel moisture content，LFMC）的全球观测有助于提高我们对植被应对水分胁迫反应的理解。
2.创新之处
在本文中，我们提出了一种基于Fink等人（2018）的多传感器半物理算法，用于从SMAP和AMSR2的VOD信号中分离出水分组成部分（重力植被水分）。该算法通过最小化VOD数据与VOD模型之间的差异来获取。VOD模型中的结构/生物量成分基于全球生态系统动态调查（GEDI）的冠层高度数据，以及Sentinel-1的雷达后向散射信息。我们将重力植被水分的反演结果转换为LFMC，以便与现场数据进行比较。因此，本研究的目标是：(i) 反演美国西部的LFMC并将结果与现场LFMC信息进行比较；(ii) 分析LFMC估算值对不同VOD成分（生物量、结构和水分）、土地覆盖类型、介电混合模型以及微波频率（L-bands、X-bands和Ku-bands）的敏感性。
3. 关键图表
图1 本研究技术流程图
图2 左列表示在研究期间（2015年4月–2018年12月）平均LFMC随时间的变化图。右列表示每个独立站点（包括均质和非均质站点）估算值减去现场值的偏差图。
图3 现场测量LFMC与卫星反演的LFMC在灌木和森林站点及所有日期的比较图。
4. 主要结论
结果表明，LFMC的反演结果与冠层高度、土地覆盖和雷达后向散射无关，证明了所提出算法能够将VOD中的水分动态与生物量/结构成分分离的能力。X-bands和Ku-bands的LFMC估算值很好再现了现场LFMC。结果显示，在区域尺度上与现场数据具有良好的一致性，现场LFMC样本与LFMC估算值的皮尔逊相关系数分别为0.64（Ku-bands）、0.60（X-bands）和0.47（L-bands）。对于灌木和森林站点，在X-bands和Ku-bands下分别获得了类似的结果。在大多数现场与估算LFMC的比较中，偏差低于LFMC动态范围的10%。L-bands的性能受到限制，因为该频率感知整个冠层的垂直范围，而现场样本仅取自冠层顶部的叶片，而X-bands和Ku-bands对此更加敏感。对于草地（X-bands， r = 0.44），需要利用时间动态冠层高度数据进行更深入的研究。此外，还进行了像素尺度的评估，显示大多数站点具有良好的一致性（r > 0.6）。最后，本研究所提出的方法可以根据需求调整，以协同利用过去（例如AMSR-E）、当前（例如AMSR-2）和未来卫星传感器（如CIMR和ROSE-L），实现不同冠层的层次的全球植被水分制图。
5. 发表信息
Chaparro D, Jagdhuber T, Piles M, et al. Vegetation moisture estimation in the Western United States using radiometer-radar-lidar synergy[J]. Remote Sensing of Environment, 2024, 303: 113993.
6．声明
（1）小编水平有限，文章分析和理解均是个人见解，强烈推荐通过合理渠道获取原文，直接进行阅读。
（2）文稿涉及的材料仅为交流学习，如涉及版权和其他问题，请联系删除，小编对此表示歉意，邮箱：xu_xibo@126.com。
