彭利华，卢涵宇*，袁咏仪

(1.贵州大学 大数据与信息工程学院，贵州 贵阳 550025；2.贵州六盘水三力达科技有限公司，贵州 六盘水 532001)

0 引言

青藏高原作为世界上海拔最高的高原，影响着全球的生态环境和水文过程，随着全球气温的升高，脆弱的青藏高原的生态环境也面临着巨大挑战[1-3]。而中国的冻土资源也主要分布在青藏高原等地区，大量研究表明，近地表冻融循环影响着水文过程、地表能量平衡，以及土壤释放气体对温室效应的反馈作用[3-8]。在过去的几十年中，近地表温度的升高促使土壤解冻时间提前，缩短了冻结期的持续时间，所以研究近地表冻融有着重要的意义。

Kim等人[6]利用特殊传感器微波成像仪(SMM/I)的升/降轨数据评估近20年的全球近地表冻融状态，其总体的分类结果准确率大于80%。与中高频相比，低频L波段(1.4 GHz)对冻融检测更具有优势[10]。因为L波段具有一定的穿透性，受植被覆盖的影响更小[4，9]。来自土壤水分海洋盐度(SMOS)[4，10]任务的L波段的被动微波数据，也被证明可用于识别地表的冻融状态[11-13]。2015年，美国国家航空航天局(NASA)发射了土壤水主被动卫星(SMAP)，任务要求生产准确率超过80%的全球冻融产品[14，15]。SMAP冻融产品主要采用了季节性阈值算法，该算法主要参考季节性冻结和融化状态的特征，然后对归一化极化率(NPR)的时间序列设定一个阈值。Zhao T等人[5]提出了另一种冻融分类的方法，用准发射率和准温度[16]来评估土壤的状态。其核心思想是将二维的时间序列投影到一维空间，然后利用回归分析，计算出判别函数[5，16]。……