Abstract Many passive microwave remote sensing applications such as land surface temperature, snow water equivalent and soil moisture retrievals need to take into account a soil parameterization to the overall surface signal emission. Soil emission modeling presents large uncertainties when the soil is frozen. In this paper, an empirical retrieval method is presented, specifically for rough frozen soil permittivity estimates at 10.7, 19 and 37 GHz. The method was tested and validated using in-situ passive microwave measurements at incidence angles from 0 to 60° of sub-arctic frozen organic soils in Northeastern Canada. The retrieved permittivity values give an overall RMSE between the measured and simulated brightness temperatures of 4.6 K for all frequencies combined. A sensitivity analysis was conducted on the different soil parameters optimized in this study. This analysis suggests that the accuracy of the retrieved parameters, using the method given here, is of ± 1.00 for the permittivity and ± 0.12 cm for surface roughness. Also, a comparison was conducted between the parameterization used in this study and the one of Wegmuller and Matzler (1999) to estimate the soil contribution to the emitted brightness temperature of snowpacks. An improvement of 66% of the RMSE between the modeled and measured snow brightness temperatures was observed when using the approach of this study compared to the previous work. The method shows great potential to improve the estimation of the frozen soil contribution to the measured passive microwave brightness temperature.

中文翻译：

---

亚北极冻土有机质原位被动微波发射模型参数化

摘要 许多被动微波遥感应用，如地表温度、雪水当量和土壤水分反演，都需要考虑土壤参数化对整体表面信号发射的影响。当土壤冻结时，土壤排放模型存在很大的不确定性。在本文中，提出了一种经验反演方法，专门用于 10.7、19 和 37 GHz 的粗冻土介电常数估计。该方法在加拿大东北部亚北极冷冻有机土壤的入射角为 0 到 60° 的情况下使用原位被动微波测量进行了测试和验证。检索到的介电常数值给出了所有频率组合的 4.6 K 的测量和模拟亮度温度之间的整体 RMSE。对本研究中优化的不同土壤参数进行了敏感性分析。该分析表明，使用此处给出的方法，检索到的参数的精度为介电常数为 ± 1.00，表面粗糙度为 ± 0.12 cm。此外，在本研究中使用的参数化与 Wegmuller 和 Matzler (1999) 的参数化之间进行了比较，以估计土壤对积雪发射亮温的贡献。与之前的工作相比，当使用本研究的方法时，观察到模拟和测量的雪亮温度之间的 RMSE 提高了 66%。该方法在改进冻土对测量的被动微波亮温贡献的估计方面显示出巨大的潜力。该分析表明，使用此处给出的方法，检索到的参数的精度为介电常数为 ± 1.00，表面粗糙度为 ± 0.12 cm。此外，在本研究中使用的参数化与 Wegmuller 和 Matzler (1999) 的参数化之间进行了比较，以估计土壤对积雪发射亮温的贡献。与之前的工作相比，当使用本研究的方法时，观察到模拟和测量的雪亮温度之间的 RMSE 提高了 66%。该方法在改进冻土对测量的被动微波亮温贡献的估计方面显示出巨大的潜力。该分析表明，使用此处给出的方法，检索到的参数的精度为介电常数为 ± 1.00，表面粗糙度为 ± 0.12 cm。此外，在本研究中使用的参数化与 Wegmuller 和 Matzler (1999) 的参数化之间进行了比较，以估计土壤对积雪发射亮温的贡献。与之前的工作相比，当使用本研究的方法时，观察到模拟和测量的雪亮温度之间的 RMSE 提高了 66%。该方法在改进冻土对测量的被动微波亮温贡献的估计方面显示出巨大的潜力。在本研究中使用的参数化与 Wegmuller 和 Matzler (1999) 的参数化之间进行了比较，以估计土壤对积雪发射亮温的贡献。与之前的工作相比，当使用本研究的方法时，观察到模拟和测量的雪亮温度之间的 RMSE 提高了 66%。该方法在改进冻土对测量的被动微波亮温贡献的估计方面显示出巨大的潜力。在本研究中使用的参数化与 Wegmuller 和 Matzler (1999) 的参数化之间进行了比较，以估计土壤对积雪发射亮温的贡献。与之前的工作相比，当使用本研究的方法时，观察到模拟和测量的雪亮温度之间的 RMSE 提高了 66%。该方法在改进冻土对测量的被动微波亮温贡献的估计方面显示出巨大的潜力。与之前的工作相比，当使用本研究的方法时，观察到模拟和测量的雪亮温度之间的 RMSE 提高了 66%。该方法在改进冻土对测量的被动微波亮温贡献的估计方面显示出巨大的潜力。与之前的工作相比，当使用本研究的方法时，观察到模拟和测量的雪亮温度之间的 RMSE 提高了 66%。该方法在改进冻土对测量的被动微波亮温贡献的估计方面显示出巨大的潜力。