風(fēng)云衛(wèi)星系列及CLDAS土壤水分產(chǎn)品多尺度精度驗(yàn)證與評(píng)價(jià)：以青藏高原那曲地區(qū)為例*

王卓穎，劉楊曉月，楊 驥，劉昭華

（1．江西理工大學(xué)土木與測(cè)繪工程學(xué)院，贛州 341000；2．廣東省科學(xué)院廣州地理研究所，廣州 510170；3．南方海洋科學(xué)與工程廣東省實(shí)驗(yàn)室（廣州），廣州 511458）

土壤水分是全球陸面?大氣熱量交換的重要載體[1?3]，通過控制蒸發(fā)與蒸騰速率顯著影響植被生長(zhǎng)發(fā)育狀態(tài)，是地表碳氮水循環(huán)、生態(tài)環(huán)境演化變遷研究中不可或缺的對(duì)象[4?5]。獲取高精度的土壤水分產(chǎn)品對(duì)于全球氣候變化研究、生態(tài)系統(tǒng)演替分析、旱澇監(jiān)測(cè)預(yù)警、農(nóng)作物長(zhǎng)勢(shì)分析與估產(chǎn)等具有重要的支撐作用[6]。

土壤水分?jǐn)?shù)據(jù)獲取方式主要有地面站點(diǎn)監(jiān)測(cè)、衛(wèi)星遙感反演和陸面模型同化三類[7]。其中，地面監(jiān)測(cè)網(wǎng)絡(luò)通過在地表固定深度埋設(shè)傳感器對(duì)既定點(diǎn)位的土壤水分進(jìn)行實(shí)時(shí)監(jiān)測(cè)。地面監(jiān)測(cè)網(wǎng)絡(luò)獲取的土壤水分?jǐn)?shù)據(jù)精度高、時(shí)間間隔短（小時(shí)/分鐘級(jí)監(jiān)測(cè)頻率），但空間范圍非常有限，因此常用作驗(yàn)證數(shù)據(jù)參與其它類型土壤水分產(chǎn)品的評(píng)價(jià)與分析[8]。衛(wèi)星遙感主要利用可見光-近紅外、熱紅外、微波波段基于輻射傳輸方程來開展土壤水分反演，其中微波遙感因不受天氣因素影響、對(duì)土壤水分敏感性高、反演數(shù)據(jù)質(zhì)量普遍優(yōu)于光學(xué)遙感等優(yōu)點(diǎn)，被認(rèn)為是星載傳感器監(jiān)測(cè)土壤水分的高效方法[9?11]。但受傳感器自身誤差、地形和植被衰減等因素影響，微波遙感產(chǎn)品數(shù)據(jù)與實(shí)際數(shù)據(jù)之間存在誤差。相較而言，數(shù)據(jù)同化方法通過集成多源異構(gòu)數(shù)據(jù)驅(qū)動(dòng)陸面模式生成長(zhǎng)時(shí)間序列土壤水分?jǐn)?shù)據(jù)，在過程模型的動(dòng)態(tài)框架內(nèi)，通過集合卡爾曼濾波、四維變分、模擬退火等算法同化大氣驅(qū)動(dòng)數(shù)據(jù)、地表參數(shù)數(shù)據(jù)和地面觀測(cè)數(shù)據(jù)，代入陸面模型通過spin-up 生成初始場(chǎng)，利用驅(qū)動(dòng)數(shù)據(jù)和初始場(chǎng)信息驅(qū)動(dòng)陸面模式進(jìn)行積分運(yùn)算得到土壤水分產(chǎn)品[12]。陸面模型同化產(chǎn)品時(shí)間序列長(zhǎng)，覆蓋范圍廣，但反演過程中，所用的驅(qū)動(dòng)數(shù)據(jù)與模型參數(shù)等因素帶來的不確定性使其表現(xiàn)與地面觀測(cè)值間存在差異。因此，評(píng)估這兩類土壤水分反演產(chǎn)品的有效性及精度并改進(jìn)它們的反演方法是國(guó)內(nèi)外研究學(xué)者的研究熱點(diǎn)與重難點(diǎn)問題。

近年來，國(guó)際上多套基于衛(wèi)星遙感和陸面模式同化的土壤水分產(chǎn)品已在相關(guān)領(lǐng)域得到廣泛關(guān)注和研究，圍繞其數(shù)據(jù)質(zhì)量利用地面站點(diǎn)網(wǎng)絡(luò)在美國(guó)、歐洲、澳大利亞等地開展了一系列評(píng)價(jià)驗(yàn)證與不確定性分析研究。王安乾等[13]在塔里木河流域利用經(jīng)驗(yàn)正交函數(shù)分解對(duì)ECV（Essential Climate Variables）土壤水分產(chǎn)品的適用性進(jìn)行了驗(yàn)證，認(rèn)為ECV 產(chǎn)品在擬合土壤含水量變化趨勢(shì)與空間分布上表現(xiàn)良好。Bi 等[14]利用青藏高原站點(diǎn)實(shí)測(cè)數(shù)據(jù)對(duì)GLDAS-1和GLDAS-2 兩套土壤水分產(chǎn)品進(jìn)行了評(píng)價(jià)，認(rèn)為兩者均能較好地捕捉土壤水分的時(shí)間變化，但存在低估地表土壤含水量的現(xiàn)象。姜少杰等[1]利用隨機(jī)森林方法對(duì)FY-3B 升降軌、FY-3C 升降軌微波遙感土壤水分?jǐn)?shù)據(jù)產(chǎn)品分別融合后，認(rèn)為在內(nèi)蒙古地區(qū)融合后產(chǎn)品的表現(xiàn)優(yōu)于SMOS（Soil Moisture and Ocean Salinity）和AMSR2（Advanced Microwave Scanning Radiometer 2）衛(wèi)星土壤水分產(chǎn)品。Al-Yaari 等[15?17]采用多線性回歸法反演土壤水分，并對(duì)SMAP（Soil Moisture Active Passive）和SMOS 兩套數(shù)據(jù)進(jìn)行精度評(píng)價(jià)，認(rèn)為SMAP 的單通道算法產(chǎn)品和SMOS 產(chǎn)品具有良好的相關(guān)性。Chen 等[18]利用青藏高原實(shí)測(cè)數(shù)據(jù)對(duì)SMAP、SMOS 和AMSR2 的精度分析后發(fā)現(xiàn)，SMAP 產(chǎn)品在獲取土壤水分振幅和時(shí)空變化上較為優(yōu)異；SMOS 數(shù)據(jù)集在那曲地區(qū)表現(xiàn)優(yōu)良，但在帕里網(wǎng)絡(luò)中存在土壤水分時(shí)空變化獲取困難的問題；而AMSR2 數(shù)據(jù)集則夸大了時(shí)空變化。王雅正等[19]認(rèn)為山東地區(qū)FY-3B/3C 與自動(dòng)站觀測(cè)數(shù)據(jù)時(shí)間一致性較好，相關(guān)性和誤差存在明顯的季節(jié)變化。在國(guó)際對(duì)地觀測(cè)領(lǐng)域競(jìng)爭(zhēng)日趨激烈的背景下，迫切需要對(duì)國(guó)產(chǎn)土壤水分?jǐn)?shù)據(jù)進(jìn)行系統(tǒng)評(píng)價(jià)，探究土壤水分精度的時(shí)空演化特征，為提高國(guó)產(chǎn)土壤水分產(chǎn)品的精度提供參考，為增強(qiáng)國(guó)產(chǎn)土壤水分產(chǎn)品的可用性和知名度起到促進(jìn)作用。

青藏高原有“世界第三極”之稱[20]，特殊的地形和氣候特征使其成為北半球氣候變化的啟張器和調(diào)節(jié)器，它對(duì)全球氣候變化也具有高敏感性和調(diào)節(jié)性[21?22]。故而，研究該區(qū)域的土壤水分對(duì)分析全球氣候變化有著重要意義。由于青藏高原面積廣袤、地形復(fù)雜、自然環(huán)境嚴(yán)酷，地面觀測(cè)站點(diǎn)布設(shè)有限，獲取其整個(gè)區(qū)域長(zhǎng)時(shí)間序列的土壤水分實(shí)測(cè)數(shù)據(jù)難度較大。因此，選擇有代表性的土壤水分產(chǎn)品對(duì)精確重現(xiàn)青藏高原土壤濕度變化情況具有重要意義。

本研究擬選取2015年1月1日?12月31日中國(guó)氣象局國(guó)家衛(wèi)星氣象中心自主研制的FY-3B/3C 升降軌土壤水分產(chǎn)品、國(guó)家氣象信息中心研制的中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)CLDAS-V2.0 土壤水分產(chǎn)品以及全球陸地資料同化系統(tǒng)GLDAS-1 Noah 土壤水分產(chǎn)品，基于青藏高原那曲地區(qū)大（1°×1°）、中（0.3°×0.3°）和?。?.1°×0.1°）三個(gè)尺度土壤水分監(jiān)測(cè)網(wǎng)絡(luò)進(jìn)行評(píng)價(jià)驗(yàn)證，以期為青藏高原氣候變化分析與模擬，以及土壤水分產(chǎn)品校正和算法優(yōu)化提供參考。

1 材料與方法

1.1 研究區(qū)域概況

研究區(qū)域?yàn)榈靥幬鞑乇辈?、青藏高原腹地的那曲地區(qū)（29°55′?36°30′N，83°55′?95°05′E），面積約40 萬km2，平均海拔在4500m 以上，地勢(shì)廣闊平坦，具有豐富的天然牧草資源。該地區(qū)屬于高原亞寒帶半干旱氣候區(qū)，干濕季分明，月均降水量最大在7月，最小在12月或1月，年平均降水量為476.5mm[23]。那曲地區(qū)植被類型主要為高寒草原和高寒草甸，土壤類型主要為高山草甸土、草甸沼澤土和高山草原土。圖1a 展示了研究區(qū)域的空間位置、海拔與土地覆被情況，其中海拔高程數(shù)據(jù)源自美國(guó)航空航天局發(fā)布的 ASTER GDEM（Advanced Spaceborne Thermal Emission and Reflection Radio meter Global Digital Elevation Model）[24?25]，數(shù)據(jù)獲取地址為http://reverb.echo.nasa.gov/reverb/；土地覆被數(shù)據(jù)源自歐洲航天局發(fā)布的土地覆被產(chǎn)品（Climate Change Initiative- Land Cover Product），數(shù)據(jù)獲取地址為https://www.eas-landcover-cci.org。

圖1 研究區(qū)地理位置及站點(diǎn)分布Fig.1 Spatial location of study area and distribution of observation stations

1.2 土壤水分實(shí)測(cè)數(shù)據(jù)

青藏高原中部土壤溫濕度觀測(cè)網(wǎng)數(shù)據(jù)集（Central Tibetan Plateau Soil Moisture and Temperature Monitoring Network,CTP-SMTMN）作為實(shí)測(cè)土壤水分?jǐn)?shù)據(jù)，用于驗(yàn)證并分析土壤水分產(chǎn)品的可靠性及精度，可由國(guó)家青藏高原科學(xué)數(shù)據(jù)中心（http://data.tpdc.ac.cn/）獲取。該觀測(cè)網(wǎng)由中國(guó)科學(xué)院青藏高原研究所建立，在研究區(qū)范圍內(nèi)共布設(shè)56 個(gè)站點(diǎn)，如圖1b 所示。依據(jù)站點(diǎn)密度進(jìn)一步將觀測(cè)網(wǎng)劃分為大尺度觀測(cè)網(wǎng)（1°×1°）、中尺度觀測(cè)網(wǎng)（0.3°×0.3°）和小尺度觀測(cè)網(wǎng)（0.1°×0.1°），各尺度觀測(cè)網(wǎng)內(nèi)分別包含36、21 和9 個(gè)站點(diǎn)，站點(diǎn)分布情況分別見圖1c?圖1e。觀測(cè)站點(diǎn)采用5TM 或EC?TM 型號(hào)土壤溫濕度傳感器獲取土壤濕度數(shù)據(jù)，采樣間隔為30min，測(cè)量深度包括0?5cm、10cm、20cm 和40cm?？紤]土壤質(zhì)地和土壤有機(jī)碳含量對(duì)測(cè)量值的影響，對(duì)數(shù)據(jù)進(jìn)行了校正，校正后精度為±（1%～2%），并對(duì)30min 分辨率數(shù)據(jù)計(jì)算算術(shù)平均值得到日分辨率土壤水分?jǐn)?shù)據(jù)[26?30]。

選取空間分辨率為 1°×1°、0.3°×0.3°和0.1°×0.1°，時(shí)間覆蓋范圍為2015年1月1日?12月31日的0?5cm、0?10cm 和10?40cm日分辨率土壤水分實(shí)測(cè)數(shù)據(jù)作為理論真值，對(duì)各土壤水分產(chǎn)品進(jìn)行精度評(píng)價(jià)分析。為了保證數(shù)據(jù)的可靠性，僅當(dāng)每天地面有效監(jiān)測(cè)數(shù)據(jù)超過24 個(gè)，即至少覆蓋12h，才認(rèn)為該日的土壤水分實(shí)測(cè)值有效。

1.3 土壤水分產(chǎn)品數(shù)據(jù)

1.3.1 風(fēng)云系列土壤水分產(chǎn)品

風(fēng)云（FY）三號(hào)系列衛(wèi)星是中國(guó)自主研制的第二代氣象極軌衛(wèi)星，共有四顆衛(wèi)星，其中A 星2007年發(fā)射、B 星2010年發(fā)射、C 星2014年發(fā)射、D 星2017年發(fā)射[31?32]。風(fēng)云三號(hào)系列衛(wèi)星首次搭載全功率雙極化微波輻射成像儀（Micro-Wave Radiation Imager,MWRI）在10.65、18.7、23.8、36.5 與89GHz開展對(duì)地觀測(cè)。其中，以10.65GHz 為中心波長(zhǎng)的X波段對(duì)土壤水分具有較好的估測(cè)能力，反演精度可達(dá)3～6 個(gè)百分點(diǎn)（vol.%）[33?34]。因此，基于X 波段亮溫?cái)?shù)據(jù)和一種改進(jìn)的單通道算法[35]反演得到全球逐日土壤水分體積含水量產(chǎn)品（m3·m?3）。

目前風(fēng)云衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)（http://satellite.nsmc.org.cn）開放獲取的土壤水分產(chǎn)品主要有兩種：（1）FY-3B 衛(wèi)星升降軌土壤水分產(chǎn)品，由國(guó)家衛(wèi)星氣象中心基于FY-3B 的MWRI 微波亮溫?cái)?shù)據(jù)自主研制，利用Njoku 等[36]提出的迭代算法進(jìn)行反演，并采用Shi 等[37]的裸土輻射參數(shù)化算法對(duì)于其糙度參數(shù)進(jìn)行修改。其中FY-3B 衛(wèi)星每日13：40地方時(shí)升軌（Ascending），1：40 地方時(shí)降軌（Descending）[1]。

（2）FY-3C 衛(wèi)星升降軌土壤水分產(chǎn)品，由國(guó)家衛(wèi)星氣象中心基于FY-3C 的MWRI 微波亮溫?cái)?shù)據(jù)反演而來，反演算法與FY-3B 相同。其中FY-3C 衛(wèi)星每日22：00 地方時(shí)升軌，10：00 地方時(shí)降軌[19]。相比FY-3B，F(xiàn)Y-3C 對(duì)觀測(cè)數(shù)據(jù)類型和數(shù)據(jù)結(jié)構(gòu)進(jìn)行了優(yōu)化，當(dāng)天即可獲取覆蓋全球的數(shù)據(jù)，具有精度更高、穩(wěn)定性更強(qiáng)、功能更全面的優(yōu)點(diǎn)。

1.3.2 中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)土壤水分產(chǎn)品

為了貫徹落實(shí)中國(guó)氣象局關(guān)于建設(shè)中國(guó)長(zhǎng)時(shí)間序列、高時(shí)空分辨率陸面實(shí)況格點(diǎn)融合產(chǎn)品的指導(dǎo)思想，國(guó)家氣象信息中心于2015年開始研制中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)CLDAS-V2.0，對(duì)149 種多源地面觀測(cè)數(shù)據(jù)、衛(wèi)星遙感數(shù)據(jù)和數(shù)值模式產(chǎn)品等進(jìn)行融合同化[38?39]，集成多種陸面模式模擬生成的東亞區(qū)域（0-65°N，60-160°E）、逐日、多深度（0-5cm、0-10cm、10-40cm、40-100cm、100-200cm）、0.0625°×0.0625°（約6km）經(jīng)緯度網(wǎng)格的土壤體積含水量產(chǎn)品[40?41]。陸面數(shù)據(jù)同化系統(tǒng)可模擬生成具有時(shí)間、空間、物理一致性的土壤水分產(chǎn)品。CLDAS-V2.0 土壤水分產(chǎn)品從中國(guó)氣象數(shù)據(jù)網(wǎng)-青藏高原科學(xué)考察基本資料服務(wù)專題（http://tipex.data.cma.cn/）申請(qǐng)獲取。

1.3.3 全球陸面數(shù)據(jù)同化系統(tǒng)土壤水分產(chǎn)品

全球陸面數(shù)據(jù)同化系統(tǒng)GLDAS 數(shù)據(jù)集由美國(guó)宇航局、美國(guó)海洋和大氣局與國(guó)家環(huán)境預(yù)報(bào)中心聯(lián)合開發(fā)研制，融合多種衛(wèi)星資料和地表觀測(cè)資料，并對(duì)陸面模型資料模擬同化生成[42]。該數(shù)據(jù)集具有驅(qū)動(dòng)場(chǎng)穩(wěn)定、時(shí)間序列長(zhǎng)和覆蓋全球等特點(diǎn)，被廣泛應(yīng)用于氣象學(xué)與水文學(xué)領(lǐng)域的研究。研究采用GLDAS-1 基于Noah 模型生成的0.25°×0.25°土壤水分?jǐn)?shù)據(jù)集，數(shù)據(jù)集可從戈達(dá)德地球科學(xué)資料和信息服務(wù)中心（Goddard Earth Sciences Data and Information Services Center,GES DISC）（https://disc.gsfc.nasa.gov/）獲取[43]。

1.4 研究方法

1.4.1 數(shù)據(jù)預(yù)處理

選用空間分辨率為25km×25km 的FY-3B/3C 升降軌土壤水分日分辨率產(chǎn)品、空間分辨率為0.0625°×0.0625°的CLDAS-V2.0日分辨率產(chǎn)品和空間分辨率為0.25°×0.25°的GLDAS-1 Noah日分辨率產(chǎn)品，數(shù)據(jù)時(shí)間覆蓋范圍均為2015年1月1日-12月31日。為保證數(shù)據(jù)時(shí)空一致性，需要對(duì)原始數(shù)據(jù)進(jìn)行WGS-84 地理坐標(biāo)轉(zhuǎn)換，并對(duì)轉(zhuǎn)換后的影像數(shù)據(jù)拼接和裁剪，再根據(jù) 1°×1°、0.3°×0.3°和0.1°×0.1°三個(gè)尺度觀測(cè)網(wǎng)中站點(diǎn)空間位置對(duì)影像像元內(nèi)土壤水分值與像元內(nèi)站點(diǎn)實(shí)測(cè)數(shù)據(jù)進(jìn)行空間匹配。另外，為了便于評(píng)價(jià)土壤水分產(chǎn)品與站點(diǎn)實(shí)測(cè)數(shù)據(jù)的一致性，統(tǒng)一所有土壤水分?jǐn)?shù)據(jù)單位為土壤體積含水率，即m3·m?3。

鑒于風(fēng)云衛(wèi)星X 波段傳感器微波穿深范圍在地表3cm 左右和陸面模型同化數(shù)據(jù)中土壤濕度值為一定厚度土壤層的均值，故根據(jù)不同的測(cè)量深度將所有土壤水分產(chǎn)品劃分為0-5cm、0-10cm 和10-40cm三組。測(cè)量深度為0-5cm 時(shí)，利用實(shí)測(cè)值評(píng)價(jià)風(fēng)云和CLDAS-V2.0 土壤水分產(chǎn)品的精度；測(cè)量深度為0-10cm 和10-40cm 時(shí)，利用實(shí)測(cè)值驗(yàn)證CLDASV2.0 土壤水分產(chǎn)品精度并引入GLDAS-1 Noah 土壤水分產(chǎn)品進(jìn)行對(duì)比分析。

1.4.2 評(píng)價(jià)指標(biāo)

評(píng)價(jià)指標(biāo)包括偏差（Bias）、相關(guān)系數(shù)（Correlation Coefficient,R）、均方根誤差（Root Mean Square Error,RMSE）和無偏均方根誤差（unbiased Root Mean Square Difference,ubRMSD）等。

偏差表示土壤水分產(chǎn)品數(shù)據(jù)接近站點(diǎn)實(shí)測(cè)數(shù)據(jù)的程度，偏差越接近0，產(chǎn)品精度越高。相關(guān)系數(shù)表示土壤水分產(chǎn)品與站點(diǎn)實(shí)測(cè)數(shù)據(jù)之間的線性相關(guān)程度，通常R 值越接近1，相關(guān)性越高，土壤水分產(chǎn)品表現(xiàn)越佳。均方根誤差表示土壤水分產(chǎn)品與實(shí)測(cè)值之間的偏差，因其對(duì)異常值的敏感性高，均方根誤差能很好地反映數(shù)據(jù)的精確度，均方根誤差越小，精度越高。無偏均方根誤差是均方根誤差的無偏估計(jì)，是土壤水分評(píng)價(jià)研究中常用的誤差參數(shù)，無偏均方根誤差越小，數(shù)據(jù)集精度越高。具體計(jì)算方法為

式中，Gi是地面站點(diǎn)實(shí)測(cè)數(shù)據(jù)，Si是衛(wèi)星或數(shù)據(jù)同化土壤水分產(chǎn)品數(shù)據(jù)，i 為1、2、3、…、n，n為觀測(cè)總數(shù)據(jù)量，是地面站點(diǎn)實(shí)測(cè)數(shù)據(jù)均值，是衛(wèi)星或數(shù)據(jù)同化土壤水分產(chǎn)品數(shù)據(jù)均值。

2 結(jié)果與分析

2.1 不同觀測(cè)網(wǎng)尺度土壤水分與降水的時(shí)間序列演化特征

圖2a-圖2c 分別代表小、中、大尺度觀測(cè)網(wǎng)下那曲地區(qū)站點(diǎn)實(shí)測(cè)值、各土壤水分產(chǎn)品與降水量的時(shí)間序列演化趨勢(shì)。由圖可以看出，3-10月為那曲地區(qū)的融化期，其余時(shí)期為冰凍期，冰凍期間土壤中液態(tài)水轉(zhuǎn)變?yōu)楸?，?shù)值變化較小。當(dāng)該地區(qū)進(jìn)入雨季（5-10月），土壤水分對(duì)降水響應(yīng)明顯，土壤含水量隨著降水量增加而增加。降水量在8月達(dá)到峰值，實(shí)測(cè)值在峰值后達(dá)到最大，不同觀測(cè)網(wǎng)尺度下各土壤水分產(chǎn)品數(shù)據(jù)與站點(diǎn)實(shí)測(cè)值的土壤水分值變化趨勢(shì)均保持一致。但是，衛(wèi)星土壤水分產(chǎn)品連續(xù)性較差，部分時(shí)段缺少有效數(shù)據(jù)，F(xiàn)Y-3B/3C 的日間反演產(chǎn)品連續(xù)性優(yōu)于夜間反演產(chǎn)品。

圖2 ?。╝）、中（b）、大（c）尺度觀測(cè)網(wǎng)中不同土層土壤水分與降水時(shí)間序列演化趨勢(shì)Fig.2 Daily series of soil moisture(FY-3B/3C ascending and descending,CLDAS,GLDAS and in-situ data)and precipitations at three depths of small(a),middle(b)and large(c)scale observation sparse network in different soil layers

由圖可知，大尺度觀測(cè)網(wǎng)中，0-5cm 深度，受到降水量增加的影響，從3月土壤開始解凍，站點(diǎn)實(shí)測(cè)土壤水分值上升，風(fēng)云與CLDAS土壤水分產(chǎn)品取值增加，各土壤水分產(chǎn)品均能夠較好地描述土壤水分變化特征。但當(dāng)8月土壤水分達(dá)到最大值時(shí)，CLDAS土壤含水量估計(jì)值與實(shí)測(cè)數(shù)據(jù)相差較小，而風(fēng)云系列衛(wèi)星土壤水分產(chǎn)品估計(jì)值約為0.5m3·m?3，為實(shí)測(cè)值的兩倍，高估了那曲地區(qū)站點(diǎn)實(shí)際土壤含水量。0-10cm 深度，CLDAS 普遍高估土壤含水量，GLDAS 模擬能力更優(yōu)。但降水事件發(fā)生后，GLDAS出現(xiàn)明顯的突增，再隨著降水量減少而逐漸接近實(shí)測(cè)數(shù)據(jù)。10-40cm 深度，GLDAS土壤水分?jǐn)?shù)據(jù)變化較小，且全年明顯高估土壤含水量。而CLDAS 與實(shí)測(cè)數(shù)據(jù)變化基本吻合，但隨著降水量增加，CLDAS出現(xiàn)高估現(xiàn)象。中尺度觀測(cè)網(wǎng)中，0-5cm 深度，CLDAS 估計(jì)值更接近站點(diǎn)實(shí)測(cè)值，能夠準(zhǔn)確反映當(dāng)?shù)赝寥浪肿兓?-10cm 深度，GLDAS 對(duì)土壤水分的估計(jì)更準(zhǔn)確，尤其是冰凍期。10-40cm 深度，GLDAS 估計(jì)過高，且變化幅度較小，模擬能力較差。小尺度觀測(cè)網(wǎng)中，0-5cm 深度，雨季時(shí)CLDAS 表現(xiàn)優(yōu)秀，對(duì)土壤水分估計(jì)較為準(zhǔn)確。0-10cm 深度時(shí)，GLDAS 與實(shí)測(cè)值變化趨勢(shì)擬合程度更高。10-40cm深度，雨季時(shí)估計(jì)值與實(shí)測(cè)值更接近，但其余時(shí)段GLDAS 估計(jì)過高，且變化幅度較小。而冰凍期CLDAS 估計(jì)較為準(zhǔn)確，在融化期對(duì)土壤水分估計(jì)過高。綜上所述，降水是影響土壤水分實(shí)測(cè)值與估計(jì)值出現(xiàn)波動(dòng)的重要因素，但波動(dòng)隨著土壤深度增加而減弱。不同尺度觀測(cè)網(wǎng)中，0-5cm 深度，CLDAS優(yōu)于風(fēng)云系列土壤水分產(chǎn)品；0-10cm 深度，GLDAS優(yōu)于CLDAS；10-40cm 深度，CLDAS 優(yōu)于GLDAS。綜上所述，空間尺度的變化對(duì)統(tǒng)計(jì)結(jié)果影響不大，但對(duì)兩類產(chǎn)品土壤水分估計(jì)值精度影響程度較大，小尺度上各土壤水分產(chǎn)品估計(jì)值更貼近站點(diǎn)實(shí)測(cè)值，精度顯著提升。

2.2 不同觀測(cè)網(wǎng)尺度土壤水分產(chǎn)品Bias 與歸一化植被指數(shù)的時(shí)間序列演化特征

圖3a-圖3c 為小、中、大三個(gè)尺度觀測(cè)網(wǎng)中三種土壤深度里各土壤水分產(chǎn)品Bias 值與歸一化植被指數(shù)（Normalized Difference Vegetation Index,NDVI）的時(shí)間序列演化特征。由圖可以看出，當(dāng)那曲地區(qū)處于融化期，植被生長(zhǎng)，NDVI 增大，并于7月和9月出現(xiàn)極大值。大尺度觀測(cè)網(wǎng)中，0-5cm 深度，受到植被吸收和散射微波信號(hào)的影響，F(xiàn)Y-3B/3C 在極大值區(qū)域Bias 指標(biāo)為正值，最大值約為0.3m3·m?3，其余日期為負(fù)偏差。與受植被覆蓋密度影響顯著的衛(wèi)星土壤水分產(chǎn)品不同，CLDAS 的偏差指標(biāo)絕對(duì)值全年在0～0.1m3·m?3范圍內(nèi)，精度更高。0-10cm 深度，CLDAS 和GLDAS 兩種數(shù)據(jù)同化產(chǎn)品的Bias 指標(biāo)值始終在0～0.1m3·m?3，且GLDAS 的偏差指標(biāo)值更接近于0，對(duì)當(dāng)?shù)赝寥浪止烙?jì)更加準(zhǔn)確。10-40cm 時(shí)，GLDAS 的Bias 指標(biāo)值波動(dòng)幅度較小，但普遍高于CLDAS。整體上看CLDAS 數(shù)據(jù)質(zhì)量更優(yōu)。隨著空間分辨率的提高，小尺度觀測(cè)網(wǎng)各土壤水分產(chǎn)品的Bias 值低于大中尺度觀測(cè)網(wǎng)，精度提高。綜上所述，土壤含水量與植被生長(zhǎng)呈正相關(guān)關(guān)系，但植被覆蓋密度對(duì)數(shù)據(jù)同化產(chǎn)品精度影響較小，對(duì)衛(wèi)星土壤水分產(chǎn)品精度影響顯著。

圖3 ?。╝）、中（b）、大（c）尺度觀測(cè)網(wǎng)中不同土層土壤水分產(chǎn)品Bias 值與NDVI 的時(shí)間序列演化趨勢(shì)Fig.3 Daily series of Bias between in-situ data and soil moisture products(FY-3B/3C ascending and descending,CLDAS and GLDAS)and NDVI of small(a),middle(b)and large(c)scale observation sparse network in different soil layers

2.3 不同觀測(cè)網(wǎng)尺度各土壤水分產(chǎn)品與實(shí)測(cè)值的一致性分析

2.3.1 不同尺度土壤水分產(chǎn)品統(tǒng)計(jì)特征值比較

不同尺度觀測(cè)網(wǎng)的空間分辨率不同，內(nèi)含觀測(cè)站點(diǎn)數(shù)量及分布信息不一致，致使不同尺度下的土壤水分信息表現(xiàn)不一。故本研究探討了大（1°×1°）、中（0.3°×0.3°）、?。?.1°×0.1°）三個(gè)觀測(cè)尺度中多源土壤水分產(chǎn)品在不同深度時(shí)的模擬能力。從圖4可以看出，在不同尺度觀測(cè)網(wǎng)上，各類數(shù)據(jù)集土壤含水體積模擬能力表現(xiàn)差異較大。整體上看，在不同空間尺度下，CLDAS 產(chǎn)品精度均為最佳，說明空間尺度的差異性對(duì)統(tǒng)計(jì)結(jié)果的影響較小，這與范科科等[44]研究結(jié)果一致。但空間尺度的差異性對(duì)同一地區(qū)的各類土壤水分產(chǎn)品精度造成了一定的影響。由圖4 看出，小尺度觀測(cè)網(wǎng)土壤水分產(chǎn)品精度高于大中尺度觀測(cè)網(wǎng)，在同一深度，小尺度觀測(cè)網(wǎng)上土壤水分產(chǎn)品與實(shí)測(cè)數(shù)據(jù)的相關(guān)系數(shù)最高，Bias、RMSE 和ubRMSD 最小。

圖4 青藏高原那曲地區(qū)多尺度土壤水分產(chǎn)品統(tǒng)計(jì)特征值分布Fig.4 The spatial statistical indices for soil moisture products at multi-scale sparse observation network in Naqu over the Qinghai-Tibetan Plateau

2.3.2 大尺度觀測(cè)網(wǎng)

圖5 為大尺度觀測(cè)網(wǎng)下在不同深度時(shí)多源土壤水分產(chǎn)品與站點(diǎn)實(shí)測(cè)值間相關(guān)系數(shù)及顯著性檢驗(yàn)結(jié)果的分布情況。從圖中可以看出，那曲地區(qū)各土壤水分產(chǎn)品與大尺度觀測(cè)網(wǎng)中36 個(gè)站點(diǎn)實(shí)測(cè)值的相關(guān)系數(shù)由東南向西北遞減。0-5cm 深度，CLDAS與站點(diǎn)實(shí)測(cè)數(shù)據(jù)的相關(guān)性最高，其次是FY-3B 升軌產(chǎn)品，表現(xiàn)最差的是FY-3B 降軌產(chǎn)品。由圖6 可以看出，CLDAS 相關(guān)性最高，Bias、RMSE 和ubRMSD偏低，數(shù)據(jù)質(zhì)量最優(yōu)。衛(wèi)星土壤水分產(chǎn)品中，F(xiàn)Y-3B升軌產(chǎn)品與站點(diǎn)實(shí)測(cè)值相關(guān)系數(shù)大于0.6 的站點(diǎn)有24 個(gè)（圖5a），偏差、均方根誤差和無偏均方根誤差均值分別為 0.030m3·m?3、0.106m3·m?3和0.082m3·m?3，為所有衛(wèi)星土壤水分產(chǎn)品中最低，土壤含水量模擬能力最優(yōu)。風(fēng)云系列衛(wèi)星日間反演產(chǎn)品與站點(diǎn)實(shí)測(cè)值間的多數(shù)P 值小于0.01，為高度顯著相關(guān)（圖5a、5d），F(xiàn)Y-3B 降軌產(chǎn)品全部P 值大于0.05，為顯著相關(guān)。0-10cm 深度，CLDAS 與觀測(cè)網(wǎng)內(nèi)36 個(gè)站點(diǎn)土壤水分?jǐn)?shù)據(jù)的相關(guān)性更高，但GLDAS 的Bias、RMSE 和ubRMSD 更低，其中Bias均值為0.030m3·m?3，GLDAS 對(duì)那曲地區(qū)的土壤含水量估計(jì)更準(zhǔn)確。10-40cm 深度，CLDAS 相關(guān)性更高（圖5h、5i 和圖6a3），精度更高。CLDAS、GLDAS產(chǎn)品與所有站點(diǎn)的相關(guān)系數(shù)均通過0.01 水平的顯著性檢驗(yàn)。

圖5 大尺度觀測(cè)網(wǎng)土壤水分產(chǎn)品與站點(diǎn)實(shí)測(cè)值相關(guān)系數(shù)（R）及顯著性檢驗(yàn)結(jié)果（P）Fig.5 Correlation coefficient(R)and significance test(P)for soil moisture products and observed dataset at large scale sparse observation network

圖6 不同土層大尺度觀測(cè)網(wǎng)中土壤水分產(chǎn)品與站點(diǎn)數(shù)據(jù)統(tǒng)計(jì)指標(biāo)的盒須圖Fig.6 Boxplots of spatial statistical parameters between soil moisture products and in-situ data at large scale sparse observation network in different soil layers

2.3.3 中尺度觀測(cè)網(wǎng)

從中尺度觀測(cè)網(wǎng)（0.3°×0.3°）角度看，在0-5cm深度，CLDAS 整體表現(xiàn)最優(yōu)。風(fēng)云系列土壤水分產(chǎn)品中，F(xiàn)Y-3B/3C日間反演產(chǎn)品偏差、均方根誤差和無偏均方根誤差分布情況相似，但與實(shí)測(cè)數(shù)據(jù)相關(guān)系數(shù)大于0.6 的站點(diǎn)個(gè)數(shù)，F(xiàn)Y-3B 升軌和FY-3C 降軌土壤水分產(chǎn)品分別有19 個(gè)和16 個(gè)（圖7a、7d），相關(guān)系數(shù)均值分別為0.74 和0.71，F(xiàn)Y-3B 升軌產(chǎn)品數(shù)據(jù)質(zhì)量更高。而FY-3B 降軌產(chǎn)品與個(gè)別站點(diǎn)的相關(guān)系數(shù)為負(fù)值，Bias、RMSE 和ubRMSD 偏高，精度最差。圖7 顯示，除FY-3B 降軌產(chǎn)品外，衛(wèi)星土壤水分產(chǎn)品與站點(diǎn)實(shí)測(cè)值間多數(shù)站點(diǎn)極顯著相關(guān)，個(gè)別站點(diǎn)中度顯著相關(guān)。在0-10cm 深度，CLDAS 和GLDAS 的R 和ubRMSD 指標(biāo)分布相似（圖8），但GLDAS 的Bias 和RMSE 較低，對(duì)土壤水分估計(jì)更加準(zhǔn)確。在10-40cm 深度，CLDAS 與GLDAS 的Bias、RMSE 和ubRMSD 接近，兩者與實(shí)測(cè)值間多數(shù)極顯著相關(guān)，但相關(guān)系數(shù)大于0.6 的站點(diǎn)個(gè)數(shù)分別為16 和3，R 均值分別為0.70 和0.37，CLDAS 精度明顯優(yōu)于GLDAS。

圖7 中尺度觀測(cè)網(wǎng)土壤水分產(chǎn)品與站點(diǎn)實(shí)測(cè)值相關(guān)系數(shù)（R）及顯著性檢驗(yàn)結(jié)果（P）Fig.7 Correlation coefficient(R)and significance test(P)for soil moisture products and observed dataset at middle scale sparse observation network

圖8 不同土層中尺度觀測(cè)網(wǎng)中土壤水分產(chǎn)品與站點(diǎn)數(shù)據(jù)統(tǒng)計(jì)指標(biāo)的盒須圖Fig.8 Boxplots of spatial statistical parameters between soil moisture products and in-situ data at middle scale sparse observation network in different soil layers

2.3.4 小尺度觀測(cè)網(wǎng)

就小尺度觀測(cè)網(wǎng)（0.1°×0.1°）來看，圖9 中，風(fēng)云系列衛(wèi)星日間數(shù)據(jù)集、CLDAS 和GLDAS土壤水分產(chǎn)品數(shù)據(jù)與站點(diǎn)實(shí)測(cè)值的相關(guān)系數(shù)均通過0.01水平的顯著性檢驗(yàn)。圖10 中，0-5cm 深度，CLDAS表現(xiàn)最優(yōu)，與站點(diǎn)實(shí)測(cè)值相關(guān)性高，Bias、RMSE 和ubRMSD 最低。衛(wèi)星土壤水分產(chǎn)品中FY-3B 升軌數(shù)據(jù)精度最高，其次是FY-3C 降軌數(shù)據(jù)，F(xiàn)Y-3B 降軌數(shù)據(jù)質(zhì)量最差。0-10cm 深度，CLDAS 與多數(shù)站點(diǎn)數(shù)據(jù)相關(guān)性更高（圖9f、9g），但圖10 顯示，兩種數(shù)據(jù)同化產(chǎn)品的RMSE 和ubRMSD 分布情況接近，GLDAS的Bias更低，GLDAS數(shù)據(jù)質(zhì)量高于CLDAS。10-40cm 深度，CLDAS 和GLDAS 與實(shí)測(cè)數(shù)據(jù)相關(guān)系數(shù)大于0.8 的站點(diǎn)個(gè)數(shù)分別為8 個(gè)和1 個(gè)，且CLDAS 的Bias 絕對(duì)值明顯小于GLDAS，RMSE 和ubRMSD 指標(biāo)優(yōu)于GLDAS。故在10-40cm 深度，CLDAS 在那曲地區(qū)適用性較好。

圖9 小尺度觀測(cè)網(wǎng)土壤水分產(chǎn)品與站點(diǎn)實(shí)測(cè)值相關(guān)系數(shù)（R）及顯著性檢驗(yàn)結(jié)果（P）Fig.9 Correlation coefficient(R)and significance test(P)for soil moisture products and observed dataset at small scale sparse observation network

圖10 不同土層小尺度觀測(cè)網(wǎng)中土壤水分產(chǎn)品與站點(diǎn)數(shù)據(jù)統(tǒng)計(jì)指標(biāo)的盒須圖Fig.10 Boxplots of spatial statistical parameters between soil moisture products and in-situ data at small scale sparse observation network in different soil layers

3 結(jié)論與討論

3.1 結(jié)論

本研究利用2015年青藏高原那曲地區(qū)觀測(cè)站點(diǎn)土壤水分實(shí)測(cè)數(shù)據(jù)對(duì)風(fēng)云三號(hào)系列衛(wèi)星土壤水分產(chǎn)品、CLDAS 和GLDAS土壤水分同化產(chǎn)品進(jìn)行了精度評(píng)估驗(yàn)證，比較了大、中、小尺度觀測(cè)網(wǎng)中測(cè)量深度為0-5cm、0-10cm 和10-40cm 時(shí)各土壤水分產(chǎn)品的優(yōu)勢(shì)與劣勢(shì)。

從時(shí)間序列上看，不同尺度觀測(cè)網(wǎng)下，衛(wèi)星土壤水分產(chǎn)品出現(xiàn)空值較多，連續(xù)性較差。當(dāng)那曲地區(qū)進(jìn)入融化期，風(fēng)云系列衛(wèi)星土壤水分產(chǎn)品精度降低，數(shù)據(jù)同化產(chǎn)品精度變化較小。當(dāng)那曲地區(qū)進(jìn)入雨季，站點(diǎn)實(shí)測(cè)值隨著降水增加而增大，在8月降水達(dá)到峰值時(shí)取得最大值。降水事件發(fā)生后，衛(wèi)星土壤水分產(chǎn)品出現(xiàn)高估現(xiàn)象，但整體上，各土壤水分產(chǎn)品均能與站點(diǎn)實(shí)測(cè)數(shù)據(jù)變化趨勢(shì)保持一致，能夠較好地捕捉當(dāng)?shù)赝寥浪肿兓闆r。

從空間尺度上來看，不同尺度觀測(cè)網(wǎng)內(nèi)各土壤水分產(chǎn)品與站點(diǎn)實(shí)測(cè)數(shù)據(jù)的相關(guān)性分布情況不一，精度由東南向西北遞減。隨著空間分辨率提升，土壤水分產(chǎn)品精度增加，小尺度觀測(cè)網(wǎng)中各數(shù)據(jù)集精度高于大尺度觀測(cè)網(wǎng)。陸面數(shù)據(jù)同化產(chǎn)品精度高于衛(wèi)星土壤水分產(chǎn)品，風(fēng)云系列衛(wèi)星土壤水分產(chǎn)品日間反演數(shù)據(jù)集精度高于夜間反演數(shù)據(jù)集。0-5cm 深度時(shí)，CLDAS 精度最高，其次是FY-3B 升軌數(shù)據(jù)，最差是FY-3B 降軌數(shù)據(jù)；0-10cm 深度時(shí)，GLDAS 數(shù)據(jù)質(zhì)量?jī)?yōu)于CLDAS；10-40cm 時(shí)，CLDAS 精度更高。說明空間尺度差異是造成結(jié)果異質(zhì)性的主要原因之一。由于小尺度觀測(cè)網(wǎng)中實(shí)測(cè)站點(diǎn)數(shù)量較少，單個(gè)站點(diǎn)監(jiān)測(cè)值僅能表示有限區(qū)域范圍的土壤水分，難以真正代表數(shù)公里格網(wǎng)像元的土壤水分整體情況。當(dāng)尺度增大，單個(gè)像元內(nèi)布設(shè)的站點(diǎn)增多，觀測(cè)密度增加，空間代表性增強(qiáng)，評(píng)價(jià)結(jié)果趨于穩(wěn)定，可信度較高。

3.2 討論

本研究?jī)H選取2015年數(shù)據(jù)在青藏高原那曲地區(qū)開展驗(yàn)證分析，觀測(cè)站點(diǎn)數(shù)據(jù)少、時(shí)間序列短，而影響土壤水分的因素復(fù)雜多樣，精度驗(yàn)證結(jié)果的適用性仍需進(jìn)一步驗(yàn)證。

卓嘎等指出，那曲地區(qū)夏季土壤水分日變化較為平緩，而秋季2cm 深度土壤水分日變化明顯[45]。當(dāng)日土壤水分積累期為11：00-17：00，并于17：00左右達(dá)到峰值，隨后開始衰減，直到次日8：00 結(jié)束，完成一天的循環(huán)[46]。衛(wèi)星土壤水分產(chǎn)品獲取的是衛(wèi)星每日過境探測(cè)到的瞬時(shí)值[19]，而實(shí)測(cè)數(shù)據(jù)與陸面數(shù)據(jù)同化系統(tǒng)土壤水分值為日均值。因此，CLDAS 精度高于風(fēng)云系列衛(wèi)星土壤水分產(chǎn)品，且衛(wèi)星日間土壤水分產(chǎn)品精度高于夜間產(chǎn)品[47]。說明本研究使用的時(shí)空匹配方法是衛(wèi)星土壤水分產(chǎn)品與陸面數(shù)據(jù)同化系統(tǒng)產(chǎn)品精度存在差異的影響因素之一。因此，在下一步研究中將尋找其它時(shí)空匹配方法以提升匹配的合理性和準(zhǔn)確度。

同樣地，站點(diǎn)布設(shè)區(qū)域受到地形、氣候、降水、植被等因素影響，5-10月不同尺度觀測(cè)網(wǎng)中各深度的土壤水分產(chǎn)品精度出現(xiàn)波動(dòng)，尤其是衛(wèi)星土壤水分產(chǎn)品變化顯著[48?49]。那曲地區(qū)站點(diǎn)所處土壤類型主要為高山草甸土，其近地表層為草根盤結(jié)層。該地區(qū)東部土壤質(zhì)地均為壤質(zhì)土，土壤有機(jī)質(zhì)含量在2%以上，而西部地區(qū)土壤質(zhì)地60%為壤質(zhì)土，40%為砂質(zhì)土，且有機(jī)質(zhì)含量普遍低于東部土壤[50]。當(dāng)那曲地區(qū)進(jìn)入融化期或發(fā)生降水事件后，水分滲透土壤，經(jīng)土粒的引力作用逐漸向土壤深層進(jìn)行再分配，而后通過草甸根系吸收蒸騰作用以及表層土壤的蒸發(fā)回到大氣中。由于壤質(zhì)土偏黏、吸水能力強(qiáng)，隨著入滲的水分增多，土壤水含量增加，致使土壤水分產(chǎn)品與站點(diǎn)的相關(guān)系數(shù)由東南向西北方向遞減。小尺度觀測(cè)網(wǎng)中站點(diǎn)數(shù)量較少，分布較集中，土壤類型單一，因此，小尺度觀測(cè)網(wǎng)中各土壤水分產(chǎn)品精度高于大尺度觀測(cè)網(wǎng)[44]。CLDAS土壤水分產(chǎn)品融合多源數(shù)據(jù)，加入氣溫、氣壓和降水等參數(shù)后使用CLDM3.5 模式進(jìn)行陸面過程模擬土壤水分，故當(dāng)降水后，CLDAS土壤水分產(chǎn)品與觀測(cè)數(shù)據(jù)更為吻合。而土壤表層中存在飽和含水量的土壤層導(dǎo)致衛(wèi)星傳感器探測(cè)深度比站點(diǎn)傳感器探頭探測(cè)深度更淺，使得風(fēng)云系列衛(wèi)星土壤水分產(chǎn)品對(duì)土壤水分估計(jì)過高。因此，建議在后續(xù)土壤水分產(chǎn)品研制過程中考慮加入植被、地形、降水等因素的影響，持續(xù)迭代優(yōu)化反演和同化算法，以獲得更高精度的土壤水分產(chǎn)品，更加科學(xué)、有效地提升中國(guó)土壤水分產(chǎn)品精度、穩(wěn)定性和應(yīng)用價(jià)值。