Abstract Monitoring of surface soil moisture (SM) through microwave radiometry typically relies on the inversion of a radiative transfer model. Conventional inversion algorithms require proper calibration of surface roughness and radiometric parameters of the overlying canopy, including the scattering albedo and optical depth. However, uncertainty in global characterization of these parameters is one of the main sources of error in satellite SM retrievals. To cope with this uncertainty, this paper presents a new algorithm, called “temporal polarization ratio algorithm” (TPRA), that enables retrieval of SM independent of surface roughness and vegetation parameters. This approach uses the temporal differences of polarized emissivity observations assuming that the surface roughness and vegetation parameters are invariant over a window of time. Unlike the classical dual channel algorithms (DCA), TPRA is not only free of surface calibration but also robust to systematical errors arising from surface soil temperature errors. One caveat is that the algorithm is unable to retrieve SM when surface emissivity does not change appreciably in time. The performance of TPRA is evaluated through several controlled numerical experiments and validated using the Soil Moisture Active Passive (SMAP) satellite retrievals as well as in-situ SM measurements over Australia. The results show improved SM retrievals compared with the DCA and SMAP official products as long as the surface emissivity changes sufficiently over the retrieval time period.

中文翻译：

---

L波段土壤水分无标定反演的时间极化比算法

摘要 通过微波辐射测量法监测表层土壤水分 (SM) 通常依赖于辐射传输模型的反演。传统的反演算法需要正确校准上覆冠层的表面粗糙度和辐射参数，包括散射反照率和光学深度。然而，这些参数的全局特征的不确定性是卫星 SM 反演误差的主要来源之一。为了应对这种不确定性，本文提出了一种称为“时间极化比算法”（TPRA）的新算法，该算法能够独立于表面粗糙度和植被参数来检索 SM。这种方法使用极化发射率观测的时间差异，假设表面粗糙度和植被参数在一个时间窗口内是不变的。与经典的双通道算法 (DCA) 不同，TPRA 不仅没有表面校准，而且对由地表土壤温度误差引起的系统误差具有鲁棒性。一个警告是，当表面发射率没有随时间发生明显变化时，该算法无法检索 SM。TPRA 的性能通过几个受控的数值实验进行评估，并使用土壤水分主动被动 (SMAP) 卫星反演以及澳大利亚的原位 SM 测量进行验证。结果表明，与 DCA 和 SMAP 官方产品相比，只要表面发射率在反演时间段内变化充分，SM 反演就得到了改进。TPRA 不仅没有表面校准，而且对由地表土壤温度误差引起的系统误差具有鲁棒性。一个警告是，当表面发射率没有随时间发生明显变化时，该算法无法检索 SM。TPRA 的性能通过几个受控的数值实验进行评估，并使用土壤水分主动被动 (SMAP) 卫星反演以及澳大利亚的原位 SM 测量进行验证。结果表明，与 DCA 和 SMAP 官方产品相比，只要表面发射率在反演时间段内变化充分，SM 反演就得到了改进。TPRA 不仅没有表面校准，而且对由地表土壤温度误差引起的系统误差具有鲁棒性。一个警告是，当表面发射率没有随时间发生明显变化时，该算法无法检索 SM。TPRA 的性能通过几个受控的数值实验进行评估，并使用土壤水分主动被动 (SMAP) 卫星反演以及澳大利亚的原位 SM 测量进行验证。结果表明，与 DCA 和 SMAP 官方产品相比，只要表面发射率在反演时间段内变化充分，SM 反演就得到了改进。TPRA 的性能通过几个受控的数值实验进行评估，并使用土壤水分主动被动 (SMAP) 卫星反演以及澳大利亚的原位 SM 测量进行验证。结果表明，与 DCA 和 SMAP 官方产品相比，只要表面发射率在反演时间段内变化充分，SM 反演就得到了改进。TPRA 的性能通过几个受控的数值实验进行评估，并使用土壤水分主动被动 (SMAP) 卫星反演以及澳大利亚的原位 SM 测量进行验证。结果表明，与 DCA 和 SMAP 官方产品相比，只要表面发射率在反演时间段内变化充分，SM 反演就得到了改进。