地表土壤水分的获取方法包括地面观测、遥感反演和数据同化。微波遥感可以穿云透雾，能够全天候全天时工作，被认为是全球或区域尺度获取土壤水分时空变化的最佳方式。但现有微波遥感土壤水分估算方法需要大量的辅助参数，包括地表温度、植被含水量、土壤质地、土壤表面粗糙度、植被散射性质等。被动微波数据的粗空间分辨率进一步增加了获取这些辅助参数的难度以及不确定性。东北地理所微波遥感团队评价了现有被动微波遥感土壤水分产品的精度与不确定性来源，在此基础上开发了一种基于变化探测原理的土壤水分估算方法，根据植被指数与地表发射率之间的三角空间关系，提出了一种基于植被指数估算像元发射率变化范围的经验方法。该方法只需要提供地表温度和NDVI两个辅助参数，其估算的土壤水分与SMAP土壤水分具有极高的相关性和一致性（图1），与地面实测数据的对比结果也证实了该方法的可行性（图2）。
该研究算法的提出简化了土壤水分估算的复杂度，降低了对辅助参数的依赖性（图3）。研究结果有利于土壤水分的全球制图，对于提高土壤水分估算精度十分重要。
图1 本研究估算土壤水分与SMAP L3土壤水分产品对比结果。(a)V极化， (b) H极化，(c)H和V极化
图2 本研究估算土壤水分与野外实测土壤水分的对比结果。(a) SMAP L3 产品，(b) H极化，(c) V极化， (d) H和V极化
图3 本研究估算土壤水分对输入参数的误差依赖性，"+"号表示日降水超过10毫米。
该研究系列成果发表在Remote Sensing和IEEE JSTARS国际期刊上，郑兴明副研究员为第一作者，李晓峰研究员为通讯作者。研究得到国家自然科学基金（41971323, 41771400）资助。论文信息和链接如下：
(1)Zheng, X., Feng, Z., Xu, H., Sun, Y., Li, L., Li, B., Jiang, T., Li, X., and Li, X.* A New Soil Moisture Retrieval Algorithm from the L-Band Passive Microwave Brightness Temperature Based on the Change Detection Principle. Remote Sensing, 2020, 12, 1303. https://www.mdpi.com/2072-4292/12/8/1303/htm
(2)Zheng, X. Feng, Z., Xu, H., Yu B., Li B., Li, L., Zhao, X., Zhang, R., Jiang, T., Li, X., and Li, X.* Performance of Four Passive Microwave Soil Moisture Products in Maize Cultivation Areas of Northeast China. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 13, pp. 2451-2460, 2020.https://ieeexplore.ieee.org/document/9096583
