韓斌

（新疆氣象信息中心，新疆烏魯木齊 830002）

ASCAT土壤濕度數(shù)據(jù)在新疆干旱監(jiān)測中的應(yīng)用

韓斌

（新疆氣象信息中心，新疆烏魯木齊 830002）

截至目前，歐洲氣象衛(wèi)星組織新一代“MetOp”系列衛(wèi)星搭載的先進(jìn)的ASCAT散射儀所觀測的土壤濕度數(shù)據(jù)在我國尚未得到應(yīng)用。本文擬通過使用NOAA的先進(jìn)算法處理ASCAT土壤濕度數(shù)據(jù)，并開發(fā)干旱預(yù)報(bào)系統(tǒng)以用于監(jiān)測新疆土壤水分來預(yù)測其干旱情況。文中首次使用ASCAT土壤濕度數(shù)據(jù)、前沿人工智能技術(shù)在新疆干旱監(jiān)測中，為干旱監(jiān)測提供了新的研究思路，開發(fā)出新的干旱預(yù)報(bào)系統(tǒng)對(duì)土壤水分等級(jí)有一定的預(yù)報(bào)能力，其中新設(shè)計(jì)的干旱指數(shù)-MetOp衛(wèi)星反演的土壤濕度距平百分?jǐn)?shù)可以有效提高干旱監(jiān)測的時(shí)間精度，便于更好地開展決策服務(wù)。

ASCAT土壤濕度；干旱；監(jiān)測

干旱是導(dǎo)致全球經(jīng)濟(jì)損失最為嚴(yán)重的自然災(zāi)害，每年由于旱災(zāi)造成的經(jīng)濟(jì)損失370億元至490億元人民幣，受干旱災(zāi)害影響的人口數(shù)量遠(yuǎn)大于洪水、地震等其它全部自然災(zāi)害的總和[1]。新疆維吾爾自治區(qū)位于中國的西北部，地處亞歐大陸腹地，屬干旱、極干旱氣候區(qū)，干旱對(duì)新疆的農(nóng)業(yè)生產(chǎn)甚至社會(huì)經(jīng)濟(jì)發(fā)展具有十分不利的影響。因此應(yīng)用新的土壤濕度遙感監(jiān)測產(chǎn)品，設(shè)計(jì)適用的干旱指數(shù)，開發(fā)快速、準(zhǔn)確的干旱監(jiān)測預(yù)測系統(tǒng)，對(duì)于減輕旱災(zāi)對(duì)新疆農(nóng)業(yè)生產(chǎn)的影響，加快新疆社會(huì)經(jīng)濟(jì)發(fā)展步伐十分必要。

1 干旱指數(shù)的設(shè)計(jì)與評(píng)價(jià)

1.1 干旱指數(shù)

在《干旱等級(jí)國家標(biāo)準(zhǔn)》中有干旱監(jiān)測指標(biāo)（或指數(shù)）6項(xiàng)，其中的5項(xiàng)為干旱監(jiān)測的“單項(xiàng)指標(biāo)”，分別為：標(biāo)準(zhǔn)化降水指數(shù)、降水量和降水量的距平百分率、Palmer干旱指數(shù)、土壤濕度干旱指數(shù)和相對(duì)濕潤度指數(shù)。另外一項(xiàng)為“CI”，是氣象干旱綜合指數(shù)，它是基于標(biāo)準(zhǔn)化降水指數(shù)、降水量和相對(duì)濕潤指數(shù)3個(gè)指標(biāo)來建立的。這一等級(jí)標(biāo)準(zhǔn)全國通用，具有空間和時(shí)間上的可比性，可以比較客觀地描述出干旱的發(fā)生、發(fā)展、持續(xù)、解除等過程，同時(shí)可以客觀地描述出干旱發(fā)生程度以及范圍的等級(jí)標(biāo)準(zhǔn)和干旱監(jiān)測指標(biāo)。

根據(jù)已有干旱監(jiān)測指標(biāo)的應(yīng)用情況和指標(biāo)確定所需資料獲取的難易程度，選取傳統(tǒng)的降水距平百分率作為對(duì)照指數(shù)，而采用MetOp衛(wèi)星反演的土壤濕度距平百分率作為新設(shè)計(jì)指數(shù)，距平百分率的計(jì)算方法參照《干旱指標(biāo)國家標(biāo)準(zhǔn)》執(zhí)行，計(jì)算時(shí)以氣候平均值或最大監(jiān)測時(shí)段平均值作為參考平均值。

標(biāo)準(zhǔn)的權(quán)重反映評(píng)價(jià)標(biāo)準(zhǔn)的相對(duì)重要性。然而標(biāo)準(zhǔn)的權(quán)重很難進(jìn)行精確的取值，因?yàn)檫@些權(quán)重在很大程度上受到專業(yè)人士的個(gè)人主觀判別的影響。當(dāng)然，任何使用者都能依照自己的主觀需求對(duì)這些權(quán)重進(jìn)行自由的修改。

本項(xiàng)研究確定的干旱指數(shù)6個(gè)評(píng)價(jià)標(biāo)準(zhǔn)的權(quán)重見表1。

考慮到數(shù)據(jù)的連貫性、觀測質(zhì)量，以及數(shù)據(jù)的可靠性，并結(jié)合灌溉對(duì)系統(tǒng)參數(shù)的影響，此次研究僅利用MetOp-A、MetOp-B衛(wèi)星反演的2013年11月至2014年2月的土壤濕度資料及其新疆同期的降水資料，分別計(jì)算分辨率為1°×1°的新疆160個(gè)有效經(jīng)緯度格點(diǎn)上的降水距平百分率和土壤濕度距平百分率，并根據(jù)降水不連續(xù)性的特點(diǎn)，采用月平均值進(jìn)行比較。

表1 干旱指數(shù)各評(píng)價(jià)標(biāo)準(zhǔn)的權(quán)重

將每個(gè)格點(diǎn)上2013年11月—2014年2月共4個(gè)月間新指標(biāo)與對(duì)照指標(biāo)干旱指數(shù)值做差值百分率（以對(duì)照指標(biāo)為基準(zhǔn)），并取同一格點(diǎn)上差值百分率最大的月份繪入圖1，結(jié)果顯示新指標(biāo)和對(duì)照指標(biāo)總體上差異不大，均能反映新疆的干旱狀況。

圖1 新指標(biāo)與對(duì)照指標(biāo)差值對(duì)比圖

但值得注意的是，由于降水具有不連續(xù)性，依據(jù)降水計(jì)算得到的干旱指標(biāo)—降水距平百分率，只有在月以上尺度上才具有實(shí)際意義，因此，這類指標(biāo)無法實(shí)現(xiàn)干旱監(jiān)測時(shí)間尺度的精細(xì)化。與之不同的是，土壤水分具有連續(xù)性，利用土壤濕度計(jì)算得到的干旱指數(shù)，其時(shí)間分辨率可以達(dá)到1 d。因此，新設(shè)計(jì)的干旱指數(shù)-MetOp衛(wèi)星反演的土壤濕度距平百分?jǐn)?shù)可以有效提高干旱監(jiān)測的時(shí)間精度，便于更好地開展決策服務(wù)。相信在以后的工作中，新的干旱指數(shù)能夠更廣泛地、更高效地對(duì)新疆春、夏季進(jìn)行干旱監(jiān)測。

1.2 基于衛(wèi)星和地面資料的干旱指數(shù)比較

利用人工或自動(dòng)土壤濕度儀來進(jìn)行土壤墑情測定僅僅可以進(jìn)行若干個(gè)點(diǎn)的小范圍監(jiān)測，卻無法進(jìn)行廣泛的大面積監(jiān)測[2-6]，也就不能對(duì)土壤水分的空間變化進(jìn)行反映。隨著經(jīng)濟(jì)的發(fā)展，防災(zāi)減災(zāi)成本日益增長，政府更加關(guān)注干旱災(zāi)害發(fā)生、發(fā)展及早期預(yù)警、預(yù)測，以及對(duì)干旱災(zāi)害影響高效率的評(píng)估和管理，以降低干旱災(zāi)害引發(fā)的不利效應(yīng)[7]。伴隨著遙感技術(shù)的不斷發(fā)展，遙感土壤水分資料的時(shí)間和空間分辨率明顯提高，在干旱監(jiān)測方面具有很高的性價(jià)比，因而發(fā)展?jié)摿薮骩8-9]。

研究所用資料來源于歐洲氣象業(yè)務(wù)化衛(wèi)星（MetOp-A和-B），起止時(shí)間為2013年11月1日—2014年2月28日，資料水平分辨率為0.25°×0.25°，時(shí)間分辨率為1 d。地面土壤水分資料來自新疆維吾爾自治區(qū)農(nóng)業(yè)氣象觀測站，時(shí)間分辨率為5 d。首先將兩種資料插值到1°×1°，計(jì)算每個(gè)格點(diǎn)上的月平均值，再用衛(wèi)星土壤濕度數(shù)據(jù)制作的干旱指數(shù)減去地面土壤濕度數(shù)據(jù)制作的干旱指數(shù)得到兩者的絕對(duì)誤差（AD），最后采用月干旱指數(shù)平均值進(jìn)行比較。

新疆維吾爾自治區(qū)2013年11月—2014年2月衛(wèi)星土壤濕度數(shù)據(jù)和地面土壤濕度數(shù)據(jù)計(jì)算的干旱指數(shù)逐月絕對(duì)誤差（圖2）。圖中每個(gè)格點(diǎn)上的平均絕對(duì)誤差表征該格點(diǎn)所有樣本由衛(wèi)星土壤濕度數(shù)據(jù)和地面土壤濕度數(shù)據(jù)制作的干旱指數(shù)偏差的平均值。從圖2中可以看出，由衛(wèi)星土壤濕度數(shù)據(jù)和地面土壤濕度數(shù)據(jù)制作的干旱指數(shù)之間的差異主要出現(xiàn)在山區(qū)和盆地，這說明衛(wèi)星土壤濕度數(shù)據(jù)與地面土壤濕度數(shù)據(jù)因地形、地貌、植被覆蓋率等因素，存在一定的差異，如山區(qū)存在正差異，盆地存在負(fù)差異。

1.3 新疆干旱預(yù)測技術(shù)的系統(tǒng)開發(fā)與評(píng)價(jià)

人工智能技術(shù)如互聯(lián)網(wǎng)技術(shù)中的語音搜索、文字識(shí)別和智能搜索等在各行各業(yè)都已經(jīng)開始得到應(yīng)用，但在氣象行業(yè)的應(yīng)用較少[10]。美國、加拿大等國家在人工智能及其氣象應(yīng)用方面開展了大量研究和開發(fā)工作，許多新技術(shù)新方法值得借鑒[11]。采用CBR人工智能方法，結(jié)合新疆干旱氣象服務(wù)的實(shí)際需要，開發(fā)出一種基于CBR框架的干旱預(yù)報(bào)方法可明顯提高新疆干旱預(yù)報(bào)的水平。CBR是以過去的經(jīng)歷或者實(shí)際經(jīng)驗(yàn)為基礎(chǔ)的一種推理。CBR利用的不是規(guī)則而是個(gè)例，這些個(gè)例逐一記錄了過去事件的種種細(xì)節(jié)。對(duì)CBR來講，求解一個(gè)問題不依賴于鏈?zhǔn)酵评恚堑健坝洃洝保ɑ蛘叻Q為“個(gè)例庫”）中去尋找和所需求解問題相關(guān)性最強(qiáng)的事件（或者稱為“個(gè)例”），接下來對(duì)個(gè)例進(jìn)行必要改動(dòng)以期適應(yīng)當(dāng)前的問題。

圖2 兩種土壤濕度數(shù)據(jù)計(jì)算的逐月干旱指數(shù)比較

干旱預(yù)報(bào)原理見圖3。預(yù)報(bào)過程可以分為2個(gè)階段——訓(xùn)練和預(yù)測。

（1）系統(tǒng)訓(xùn)練用于將個(gè)例庫錄入足夠的信息，輸入資料使用較早的預(yù)報(bào)和實(shí)況資料建立對(duì)應(yīng)關(guān)系；

（2）系統(tǒng)預(yù)測則利用已經(jīng)建立的個(gè)例庫，進(jìn)行基于CBR的預(yù)報(bào)試驗(yàn)。

圖3 預(yù)報(bào)原理示意圖

圖3僅為預(yù)報(bào)的邏輯結(jié)構(gòu)，程序采用Linux Shell控制，在其自動(dòng)控制下，分析計(jì)算和繪圖分別由Fortran和GrADS完成，最終的預(yù)報(bào)結(jié)果輸出為JEPG壓縮格式圖片，并同時(shí)輸出有關(guān)的預(yù)報(bào)統(tǒng)計(jì)數(shù)據(jù)。

預(yù)報(bào)正確率的計(jì)算按照國外通行的方法計(jì)算，預(yù)報(bào)“正確”與“錯(cuò)誤”的判定方法見表2。

表2 預(yù)報(bào)正確的判定方法

圖4 干旱預(yù)報(bào)結(jié)果與實(shí)況對(duì)比圖

圖4為干旱預(yù)報(bào)結(jié)果對(duì)比圖，反映了一次預(yù)報(bào)時(shí)效為5 d的CBR人工智能干旱等級(jí)預(yù)報(bào)與實(shí)況的比較，圖4中橫坐標(biāo)表示新疆境內(nèi)用于預(yù)報(bào)的160個(gè)有效經(jīng)緯度格點(diǎn)（1°×1°），縱坐標(biāo)表示干旱等級(jí)，0～ 4表示由干旱到不干旱的程度。由圖4可見，開發(fā)的干旱預(yù)報(bào)系統(tǒng)對(duì)土壤水分等級(jí)有一定的預(yù)報(bào)能力。

進(jìn)一步統(tǒng)計(jì)分析表明，干旱預(yù)報(bào)系統(tǒng)對(duì)新疆干旱預(yù)報(bào)的正確率約為73%，對(duì)實(shí)際業(yè)務(wù)服務(wù)工作有一定的指導(dǎo)作用。

2 結(jié)論

（1）構(gòu)建了有普適性、適用性、易理解性、理論性、時(shí)效性、無量綱性等6項(xiàng)權(quán)重標(biāo)準(zhǔn)的干旱指數(shù)判據(jù)，對(duì)新舊干旱指數(shù)進(jìn)行了評(píng)判，結(jié)果顯示ASCAT土壤濕度距平百分率與降水距平百分率均能夠反映新疆的干旱狀況，而ASCAT土壤水濕度距平百分率可以有效提高干旱監(jiān)測的時(shí)間精度。

（2）開發(fā)的干旱預(yù)報(bào)系統(tǒng)對(duì)土壤濕度等級(jí)有一定的預(yù)報(bào)能力，預(yù)報(bào)準(zhǔn)確率約為73%。系統(tǒng)具有良好的自學(xué)習(xí)功能，混合編程能有效地發(fā)揮各個(gè)程序設(shè)計(jì)語言在控制管理、數(shù)值計(jì)算和圖形繪制上的優(yōu)勢，共享程序設(shè)計(jì)資源，提升了計(jì)算機(jī)程序的性能和效率。

（3）CBR擁有很好的自主學(xué)習(xí)能力，它可以很好地對(duì)過去的個(gè)例進(jìn)行總結(jié)和運(yùn)用，使得所謂“知識(shí)獲取”的“瓶頸”問題很好地得以解決。因此，CBR在經(jīng)驗(yàn)積累比較豐富的領(lǐng)域較為適合，特別是在很難形成一定規(guī)則的所謂的“不完整領(lǐng)域”中的理論問題求解最為適合。混合編程技術(shù)可以有效運(yùn)用不同程序設(shè)計(jì)語言各自的優(yōu)點(diǎn)，共享資源、提高效率、節(jié)省時(shí)間；可以有效地利用不同程序設(shè)計(jì)語言寫成的現(xiàn)成代碼，輕而易舉地解決其他特定程序設(shè)計(jì)語言所難以解決的問題，并使得程序的性能和運(yùn)行效率大幅提升，這些都顯著降低了應(yīng)用程序開發(fā)的難度，大大縮短了應(yīng)用程序開發(fā)的周期。

[1]Wihite D A Drought as a natural hazard:Concepts and definitions[C]//Wilhite D A.Drought：A Global Assessment.Nwe York:Routlege.2000：3-18.

[2]李得勤，段云霞，張述文.土壤濕度觀測、模擬和估算研究[J].地球科學(xué)進(jìn)展，2012，27（4）：424-434.

[3]師春香，謝正輝，錢輝，等.基于衛(wèi)星遙感資料的中國區(qū)域土壤濕度EnKF數(shù)據(jù)同化[J].中國科學(xué)·地球科學(xué)，2001，41（3）：375-385.

[4]陳書林，劉元波，溫作民.衛(wèi)星遙感反演土壤水分研究綜述[J].地球科學(xué)進(jìn)展，2012，27（11）：1192-1203.

[5]張霄羽，王嬌.風(fēng)云二號(hào)靜止氣象衛(wèi)星數(shù)據(jù)估算土壤表面水分方法研究[J].中國生態(tài)農(nóng)業(yè)學(xué)報(bào)，2012，20（7）：882-887.

[6]伍漫春，丁建麗，王高峰.基于地表溫度—植被指數(shù)特征空間的區(qū)域土壤水分反演[J].中國沙漠，2012，32（1）：148-154.

[7]Wilhite D A.Planning for drought:A methodology,drought assessment,management and planning;theory and case studies[C]//Wilhite D A.Drought Assessment,Management and Planning Theory and Case Studies，1993:87-109.

[8]TUCKER,CHOUDHURY B J.Satellite remote sensing of drought conditions[J].Remote Sens.Environ，1987，23：243-251.

[9]KouanF N.NOAA plays leadership role in developing satellite technology for drought watch[J].Earth Obs Mag，1994：18-21.

[10]魏立濤，郭樹軍.CBR在氣象服務(wù)中的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2007，35（18）：5350-5351.

[11]Lu J,Xue S,Zhang X,et al.Neural Fuzzy Inference System-BasedWeatherPredictionModelandIts Precipitation Predicting Experiment[J].Atmosphere，2014，5（4）：788-805.

[12]劉輝權(quán)，肖天貴，邱靜雅.氣象預(yù)報(bào)預(yù)警系統(tǒng)開發(fā)中VB 與GrADS、FORTRAN混合編程[J].成都信息工程學(xué)院學(xué)報(bào)，2011，26（2）：208-214.

[13]楊志華，基于FY3B VIRR數(shù)據(jù)的新疆沙塵天氣遙感監(jiān)測應(yīng)用研究[J].沙漠與綠洲氣象，2014，8（5）：48-52.

[14]趙玲，基于MODIS的天山山區(qū)草地類型植被指數(shù)變化特征及其與氣候因子的關(guān)系[J].沙漠與綠洲氣象，2015，9（2）：57-62.

Drought Monitoring with ASCAT Soil Moisture Data in Xinjiang

Han Bin
（Xinjiang Meteorological Information Center，Urumqi 830002，China）

A new generation of EUMESTAT Metop series of satellites equipped with the advanced ASCAT Scatterometer,but the observed soil moisture data has not yet been applied in China.This paper used an advanced algorithm of NOAA to process ASCAT soil moisture data,and developed a drought forecasting system for monitoring soil moisture in Xinjiang and predicting drought conditions.ASCAT soil moisture data,cutting-edge artificial intelligence techniques were firstly used in Xinjiang drought monitoring,it provides a new research ideas for drought monitoring,the new developed drought forecasting system have some forecasting capability for soil moisture levels, and a new design drought index-MetOp,which is soil moisture anomaly percentage from satellite retrieval,can improve the time accuracy of drought monitoring and better serve for the decision making.

ASCAT soil moisture；drought；monitoring

S423

：B

1002-0799（2016）06-0088-05

10.3969/j.issn.1002-0799.2016.06.013

2016-05-18；

2016-06-03

韓斌（1984-），男，工程師，主要從事氣象信息技術(shù)開發(fā)以及衛(wèi)星氣象工作。E-mail：Mars_ice@126.com

韓斌.ASCAT土壤濕度數(shù)據(jù)在新疆干旱監(jiān)測中的應(yīng)用[J].沙漠與綠洲氣象，2016，10（6）：88-92.