基于多源遙感數(shù)據(jù)的土壤水分反演不確定性分析
——以美國(guó)大陸為例

張子璇

（河海大學(xué)，江蘇南京 211100）

土壤水分定量地描述了非飽和土壤孔隙空間中存在的水量[1]，獲得及時(shí)的、高精度的土壤水分?jǐn)?shù)據(jù)，在水文、氣候以及水資源管理等方面具有十分重要的研究意義[2]。

模型作為連接地表參數(shù)與土壤水分真實(shí)值之間的橋梁，合適的模型能夠提高土壤水分反演的精度。馬春鋒[3]利用RMSE值比較和評(píng)估了9個(gè)微波后向散射模型，進(jìn)一步加深了對(duì)微波散射機(jī)理的理解，也為土壤水分的反演提供了模型支持。

受到研究區(qū)稀疏現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)的限制，一些研究會(huì)使用地表模型產(chǎn)品、衛(wèi)星土壤水分產(chǎn)品作為因變量訓(xùn)練土壤水分模型。這些產(chǎn)品本身就具有較大的不確定性，這種不確定性可能會(huì)傳遞給反演模型。

為了研究土壤水分反演過程中存在的不確定性，本文以美國(guó)大陸為研究區(qū)，針對(duì)3種反演模型進(jìn)行不確定性分析與評(píng)價(jià)。

以現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)、衛(wèi)星產(chǎn)品、地表模型產(chǎn)品分別作為土壤水分反演模型的因變量，分析由反演模型的因變量帶來的不確定性。

1 研究區(qū)與數(shù)據(jù)資料

1.1 研究區(qū)概況

研究區(qū)是位于北美洲中部的美國(guó)大陸，該地區(qū)臨近北大西洋和北太平洋，北部與加拿大接壤，南部靠近墨西哥灣，區(qū)域地形復(fù)雜多樣，整體地勢(shì)西高東低。

東部主要由丘陵和低山組成，包括阿巴拉契亞山脈和大西洋沿岸低地。

中部是一片遼闊的大平原，約為美國(guó)的國(guó)土總面積的一半。

西部是地質(zhì)構(gòu)造最復(fù)雜的區(qū)域，由科羅拉多高原、懷俄明高原、哥倫比亞高原、大峽谷、內(nèi)華達(dá)山脈和喀斯喀特山脈組成。

1.2 數(shù)據(jù)資料

為了全面考慮與土壤水分反演相關(guān)的變量，本文生成了29個(gè)來自被動(dòng)微波遙感數(shù)據(jù)（SMAP、AMSR-2、SMOS、FY-3B）、光學(xué)遙感數(shù)據(jù)（MODIS）、地表模型產(chǎn)品（ERAInterim）以及其他輔助數(shù)據(jù)（DOY、GlobeLand30、SRTM、HWSD）的多源特征。

由于多源特征原始的空間分辨率不一致，對(duì)這些特征進(jìn)行重采樣，與最低空間分辨率的SMAP產(chǎn)品相同，即36 km。

在時(shí)間上，所有的多源特征數(shù)據(jù)都使用了接近6：00的數(shù)據(jù)，現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)也應(yīng)選擇相同時(shí)間的數(shù)據(jù)。

在空間上，基于“點(diǎn)”的現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)與基于“面”的衛(wèi)星觀測(cè)數(shù)據(jù)存在空間尺度不匹配的問題。

為了盡可能地減少這個(gè)問題造成的誤差，對(duì)土壤水分產(chǎn)品36 km×36 km網(wǎng)格內(nèi)的現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)進(jìn)行平均，在已有的許多研究中也采用了同樣的方法[4-5]。

點(diǎn)面時(shí)空匹配后，共有1 999組驗(yàn)證樣本，分為訓(xùn)練樣本（60%）和測(cè)試樣本（40%）。

2 研究方法

為了定量地描述土壤水分反演的結(jié)果，使用4種常見的誤差指標(biāo)，用于評(píng)價(jià)多源特征與土壤水分參考值之間的關(guān)系[6]。

（1）相關(guān)系數(shù)（R）。

描述土壤水分特征與現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)的關(guān)聯(lián)程度。

（2）均方根誤差（RMSE）。

衡量土壤水分特征與現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)之間的偏差。

（3）偏差（bias）。

描述土壤水分特征的期望與現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)的差距。

（4）無偏均方根誤差（ubRMSE）。

去除偏差的均方根誤差。

式中：x——多源特征數(shù)據(jù)；y——土壤水分參考值。

數(shù)據(jù)資料如表1所示。

表1 多源土壤水分特征數(shù)據(jù)

3 結(jié)果分析

3.1 反演模型不確定性分析

隨機(jī)森林（RF）、反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）、廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）是3種常見的土壤水分反演模型。從評(píng)價(jià)指標(biāo)分析，RF模型比BPNN和GRNN模型精度更高。

相對(duì)于BPNN模型，R值提高了0.151 9；相較于GRNN模型，R值提高了0.101 2。從R值與RMSE值的標(biāo)準(zhǔn)差結(jié)果分析，RF模型的標(biāo)準(zhǔn)差值低于BPNN和GRNN模型，不確定性更低。

從模型運(yùn)行時(shí)間分析，RF模型運(yùn)行一次需要的時(shí)間比BPNN和GRNN模型更短。GRNN模型在3種模型中運(yùn)行一次需要的時(shí)間最長(zhǎng)。BPNN模型的運(yùn)行時(shí)間也相對(duì)較短，但其精度明顯低于其他2個(gè)模型。

3種反演模型的評(píng)價(jià)結(jié)果如表2所示。

表2 BPNN、GRNN和RF土壤水分反演模型的評(píng)價(jià)結(jié)果

3.2 模型因變量不確定性分析

分別以現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)、衛(wèi)星產(chǎn)品SMAP和地表模型產(chǎn)品ERA-Interim作為因變量訓(xùn)練土壤水分反演模型。

使用現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)作為模型因變量時(shí)土壤水分反演精度最高（R=0.791 9），R值與RMSE值的標(biāo)準(zhǔn)差小于以SMAP或ERA-Interim作為因變量時(shí)的評(píng)價(jià)結(jié)果，表明以現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)作為模型因變量的不確定性更小。

以SMAP或ERA-Interim作為因變量時(shí)評(píng)價(jià)精度都比較低，偏差值與標(biāo)準(zhǔn)差值較大，表明使用地表模型產(chǎn)品或衛(wèi)星土壤水分產(chǎn)品作為因變量訓(xùn)練土壤水分模型，會(huì)傳遞較大的不確定性。研究區(qū)現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)足夠建立土壤水分反演模型時(shí)，應(yīng)當(dāng)考慮以現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)作為參考，保證土壤水分反演的模型質(zhì)量。

不同模型因變量的評(píng)價(jià)結(jié)果如表3所示。

表3 不同土壤水分反演模型因變量的評(píng)價(jià)結(jié)果

2015年8月不同土壤水分反演模型因變量的月均土壤水分圖如圖1所示。

圖1 不同土壤水分反演模型因變量的月均土壤水分圖

以現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)作為模型因變量的土壤水分圖與現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)土壤水分圖更一致，且能夠較好地反映土壤水分的空間變化。

以衛(wèi)星產(chǎn)品SMAP和模型產(chǎn)品ERA-Interim作為因變量均低估了土壤水分值，無法較好地反映土壤水分的空間變化。

4 結(jié)語

土壤水分在全球陸地水、能量和碳循環(huán)中起到關(guān)鍵的作用，具有十分重要的研究意義。以美國(guó)大陸為研究區(qū)，針對(duì)土壤水分反演模型的不確定性、土壤水分反演模型因變量的不確定性分別進(jìn)行分析。對(duì)于土壤水分反演模型，RF模型比BPNN和GRNN模型精度更高，不確定性更低。對(duì)于土壤水分反演模型因變量，使用現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)作為模型因變量時(shí)，土壤水分反演精度最高，使用地表模型產(chǎn)品或衛(wèi)星土壤水分產(chǎn)品作為因變量訓(xùn)練土壤水分模型，會(huì)傳遞較大的不確定性。未來研究中可以對(duì)多源特征進(jìn)行選擇，提高土壤水分反演的精度，本文評(píng)價(jià)不確定性的方法也可以擴(kuò)展到其他區(qū)域乃至全球范圍。