馬戰(zhàn)林　楊娜　崔學(xué)皓　左西俊

摘要 [目的]研究SMOS土壤介電常數(shù)的可靠性及對(duì)SMOS反演土壤水分精度的影響。[方法]針對(duì)美國(guó)大陸地區(qū)，基于USCRN實(shí)測(cè)數(shù)據(jù)計(jì)算Mironov介電常數(shù)，驗(yàn)證SMOS-Mironov介電常數(shù)。[結(jié)果]Mironov介電常數(shù)對(duì)土壤水分參數(shù)敏感，與土壤溫度的量化關(guān)系不顯著；在0～23.5、0～0.4 m3/m3，SMOS-Mironov介電常數(shù)和土壤水分與USCRN的總體相關(guān)系數(shù)分別為0.49、0.54，但總體仍較USCRN偏低，SMOS反演的個(gè)別數(shù)據(jù)異常突出；東西部分異與地表覆被類型有一定的空間相似性，SMOS反演建模及輔助信息的采用需針對(duì)特定的地類做進(jìn)一步優(yōu)化；在空間分布上，各站點(diǎn)數(shù)據(jù)量和數(shù)值呈顯著的東西部分異特征，各站點(diǎn)數(shù)據(jù)量與降水量的相關(guān)系數(shù)為-0.02，初步證實(shí)降水對(duì)各站點(diǎn)的數(shù)據(jù)量無(wú)顯著影響，但會(huì)影響反演精度。[結(jié)論]該研究為我國(guó)土壤水分變化監(jiān)測(cè)及農(nóng)業(yè)干旱預(yù)測(cè)提供數(shù)據(jù)支持。

關(guān)鍵詞 干旱預(yù)測(cè)；SMOS；Mironov介電常數(shù)；USCRN

中圖分類號(hào) S-3 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 0517-6611（2018）17-0001-05

Abstract [Objective]To explore the reliability of the soil dielectric constant and the effect of SMOS retrieval soil moisture accuracy.[Method]The study was aimed to verify the SMOSMironov dielectric constant based on the USCRN field soil moisture by counting the Mironov dielectric constant in the continental United States.[Result]Mironov dielectric constant was sensitive to soil moisture and havent taken the clear quantitative relationship with the soil temperature.In the range of 0～23.5，0～0.4 m3/m3，the correlation coefficient of the SMOSMironov dielectric constant and soil moisture with the USCRN were 0.49 and 0.54.But SMOS was still low with USCRN and the SMOSs retrieval data were abnormal prominent at several areas.EastWest difference and the land cover had shown definite space similarity.The SMOS Retrieval model and the auxiliary data need do further optimization for specific land cover.In the spatial distribution，the data and numerical value of each site presented significant different characteristics between the East and the West.The correlation coefficient between the amount of data and precipitation at each station was -0.02.It was preliminarily proved that precipitation had no significant influence on the amount of data at each site，but could affect the accuracy of retrieval.[Conducsion]The study provides data support for soil moisture change monitoring and agricultural drought prediction in China.

Key words Drought prediction；SMOS；Mironov dielectric constant；USCRN network

土壤濕度決定植被的蒸發(fā)和光合作用，是植被群落生態(tài)環(huán)境的重要因子，影響植被生長(zhǎng)發(fā)育、結(jié)構(gòu)特征、分布規(guī)律及群落生產(chǎn)力及穩(wěn)定性。土壤水分的獲取對(duì)生態(tài)環(huán)境評(píng)價(jià)及改善具有重要指導(dǎo)意義。SMOS（soil mironov and ocean salinity）是全球首顆被動(dòng)微波土壤水分衛(wèi)星，自2009年發(fā)射至今，已為氣象氣候、農(nóng)業(yè)、環(huán)境等領(lǐng)域提供了關(guān)鍵的數(shù)據(jù)支撐[1-2]。研究表明，SMOS土壤水分的精度不理想[3-5]，有學(xué)者指出，微波輻射模型的不可靠是導(dǎo)致反演誤差的主要原因，其中包括土壤介電常數(shù)模型。

被動(dòng)微波反演土壤水分的物理基礎(chǔ)是干燥土壤與液態(tài)水在介電常數(shù)上存在差異，而土壤含水量的不同導(dǎo)致介電常數(shù)發(fā)生顯著變化，而介電常數(shù)值及土壤粗糙度共同決定了某一類土壤的發(fā)射率，從而決定土壤自身的輻射亮溫和反射周圍環(huán)境的亮溫，輻射的亮溫信息經(jīng)大氣傳輸進(jìn)入微波輻射計(jì)天線端，根據(jù)天線端觀測(cè)的亮溫運(yùn)用相關(guān)數(shù)學(xué)方法來(lái)反演土壤水分[6]。因此，在微波反演土壤水分過(guò)程中，土壤介電常數(shù)是模擬亮溫的重要前提，也是進(jìn)一步反演土壤水分的關(guān)鍵物理基礎(chǔ)。2012年4月，SMOS將原用的Dobson模型改換為Mironov模型[5，7-9]，Mironov模型對(duì)土壤反射特性的物理表征更為嚴(yán)密，適用于更多的土壤類型，特別是針對(duì)沙地和接近0值的極端情況，仍可實(shí)現(xiàn)土壤水分的反演[10-11]。開展Mironov介電常數(shù)的可靠性研究對(duì)于掌握SMOS反演誤差機(jī)理十分必要[12]，但目前的驗(yàn)證研究主要圍繞亮溫和土壤水分，對(duì)其研究較少。為此，筆者針對(duì)美國(guó)大陸地區(qū)，利用USCRN（U.S.Climate Reference Network）土壤水分與溫度實(shí)測(cè)資料計(jì)算Mironov介電常數(shù)，進(jìn)而以其為參考驗(yàn)證環(huán)境因子變化對(duì)SMOS-Mironov介電常數(shù)的影響，旨在對(duì)其數(shù)據(jù)量與數(shù)值做出總體評(píng)定，并初步證實(shí)真實(shí)觀測(cè)資料作為反演輔助信息的可行性。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)為美國(guó)大陸地區(qū)，美國(guó)的地形特點(diǎn)是東西兩側(cè)高，中間低，山脈均為南北走向。東部的阿巴拉契亞山自東北向西南擴(kuò)展，與大西洋岸平行；西部的落基山脈號(hào)稱北美的脊骨，山體寬500 km，縱貫美國(guó)西部山峰高聳入云，為中部在平原豎起一座天然屏障。中部是占全國(guó)領(lǐng)土1/2的大平原。奔騰不息的密西西比河流經(jīng)中部大平原，使之成為美國(guó)重要的農(nóng)業(yè)區(qū)。美國(guó)本土位于北溫帶，大部分地區(qū)屬大陸性氣候，由于美國(guó)國(guó)土幅員遼闊，地形復(fù)雜，所受氣流影響也不同，因而全國(guó)各地氣候差異極大，主要分為5個(gè)氣候區(qū)。東北部沿海和五大湖地區(qū)是冬冷夏涼的大陸性溫帶闊葉林氣候；東南部沿海和墨西哥灣沿岸是冬暖夏涼的亞熱帶森林氣候；中部平原屬大陸性氣候；西部?jī)?nèi)陸高原和山地屬內(nèi)陸性氣候；太平洋沿岸地區(qū)屬海洋性氣候。

1.2 數(shù)據(jù)來(lái)源 試驗(yàn)所用數(shù)據(jù)見表1。SMOS Mironov介電常數(shù)（SMOS_DC）與土壤水分（SMOS_SM）均來(lái)自于Level 2數(shù)據(jù)。該數(shù)據(jù)的上級(jí)輸入是Level 1C觀測(cè)亮溫?cái)?shù)據(jù)，它是土壤水分和植被光學(xué)厚度反演結(jié)果的主要存儲(chǔ)形式，在反演成功的前提下，將介電常數(shù)、亮度溫度、地表溫度等正向模擬過(guò)程參量一并存入。Level 2數(shù)據(jù)是免費(fèi)的，該研究采用最新的V620版本。為避免積雪、冰凍等干擾，將研究時(shí)段選定為2016年4—10月。

美國(guó)氣象監(jiān)測(cè)網(wǎng)USCRN（U.S.Climate Reference Network）由美國(guó)NOAA環(huán)境信息中心建設(shè)，以支持氣候影響研究為目標(biāo)，面向全美（包括阿拉斯加和夏威夷）進(jìn)行0～100 cm土層土壤水分、土壤溫度、外部溫度、降水、太陽(yáng)輻射等氣象要素的連續(xù)觀測(cè)，頻率最高可達(dá)5 min/次，數(shù)據(jù)量豐富，質(zhì)量可靠[12]。2016年，USCRN在美國(guó)大陸地區(qū)的站點(diǎn)數(shù)據(jù)為155個(gè)，其分布情況見圖1。USCRN加入了ISMN（International Soil Moisture Network）土壤水分共享計(jì)劃，數(shù)據(jù)免費(fèi)。該研究使用的是5 cm土壤水分（USCRN_SM）、土壤溫度（USCRN_ST）逐時(shí)觀測(cè)數(shù)據(jù)，并由這2項(xiàng)參數(shù)根據(jù)式（1）～（6）計(jì)算Mironov介電常數(shù)（USCRN_DC）。

1.3 研究方法

2 結(jié)果與分析

2.1 介電常數(shù)對(duì)土壤水分、溫度的敏感性

土壤的成分長(zhǎng)期相對(duì)穩(wěn)定，一般情況下土壤質(zhì)地參數(shù)可視為不變/緩變量[14]，根據(jù)式（1）～（6）Mironov介電常數(shù)主要是對(duì)土壤水分和土壤溫度的函數(shù)。其與土壤水分的數(shù)值關(guān)系見圖2a，近似指數(shù)形式。其中，USCRN_DC與土壤水分（USCRN_SM）呈“一對(duì)一”關(guān)系，數(shù)值曲線光滑、規(guī)則，絕大多數(shù)介電常數(shù)小于40，土壤水分低于0.6 m3/m3，與實(shí)際、理論相符。相比之下，SMOS的介電常數(shù)（SMOS_DC）與土壤水分（SMOS_SM）的數(shù)值曲線發(fā)散，基本為“一對(duì)多”的關(guān)系；介電常數(shù)和土壤水分分別集中在0～23.5和0～0.4 m3/m3，存在一定量異常值。可見SMOS對(duì)介電常數(shù)的反演偏高，對(duì)土壤水分的反演偏低。

由圖2b可知，在0～30 ℃，Mironov介電常數(shù)與其量化關(guān)系十分模糊；當(dāng)土溫超過(guò)30 ℃時(shí)二者的數(shù)值關(guān)系才微弱顯現(xiàn)。由此可見，Mironov介電常數(shù)對(duì)土壤水分敏感但受土壤溫度影響較小。因此，能否在介電常數(shù)的建模中弱化土壤溫度參數(shù)值得探索，同時(shí)開展先驗(yàn)土壤水分信息可靠性研究對(duì)于量化解析SMOS反演誤差非常關(guān)鍵。

2.2 可靠性

2.2.1 SMOS與USCRN的絕對(duì)差異。

SMOS_DC、SM對(duì)USCRN_DC、SM的數(shù)值分布見圖3。從相關(guān)性看，SMOS對(duì)介電常數(shù)的反演精度（R=0.28）比對(duì)土壤水分的反演精度（R=0.45）低，表明亮溫正向模擬過(guò)程中介電常數(shù)的不可靠性在進(jìn)一步的土壤水分反演過(guò)程中并未被放大，可見其對(duì)反演誤差的貢獻(xiàn)有限，或不為主要誤差源。

取0～0.4 m3/m3為土壤水分的常規(guī)區(qū)間，由計(jì)算得Mironov介電常數(shù)為0～23.5，以此為閾值進(jìn)行劃分，可見SMOS-Mironov介電常數(shù)對(duì)USCRN呈現(xiàn)出2個(gè)明顯的偏低和偏高聚集區(qū)，特別是偏高部分的異常十分突出（40～140）；在該范圍內(nèi)，SMOS-Mironov介電常數(shù)和土壤水分與USCRN的總體相關(guān)系數(shù)分別為0.49、0.54。同時(shí)，SMOS土壤水分對(duì)USCRN的偏低和偏高表現(xiàn)與介電常數(shù)一致，異常區(qū)的對(duì)應(yīng)顯著，但設(shè)置有高值截?cái)嗌舷蓿?.0 m3/m3）。而Δ_DC與Δ_SM 的數(shù)值關(guān)系具有很強(qiáng)的相關(guān)性，相關(guān)系數(shù)達(dá)0.93，可探究SMOS在反演過(guò)程中是否存在系統(tǒng)誤差。

2.2.2 SMOS反演結(jié)果與地類和降水的相關(guān)性。以SMOS_DC=23.5、SMOS_SM=0.4 m3/m3為基本閾值，并將Δ_DC和Δ_SM作為輔助，按表2分組對(duì)SMOS-Mironov介電常數(shù)對(duì)USCRN的絕對(duì)差異做進(jìn)一步量化分析。由數(shù)據(jù)量看，從低

到高排序情況為組2<5<1<3<6<7<4，在[SMOS_DC>23.5，SMOS_SM>0.4]的條件下，未發(fā)現(xiàn)[Δ_DC>0，Δ_SM≤0]的情況。引入2011年美國(guó)大陸地區(qū)覆被類型數(shù)據(jù)NLCD（national land cover database）[14]和USCRN降水觀測(cè)數(shù)據(jù)，探究其與地類和降水的相關(guān)性，結(jié)果見表2、3和圖4。

各分組在不同覆被下的數(shù)據(jù)量見表3。由表3可知，在整體分組情況下，[SMOS_DC<23.5，SMOS_SM<0.4]的總數(shù)據(jù)量占整體數(shù)據(jù)的97.23%，在[SMOS_DC>23.5，SMOS_SM>0.4]情況時(shí)數(shù)據(jù)量明顯低于[SMOS_DC<23.5，SMOS_SM<0.4]的數(shù)據(jù)量，可以發(fā)現(xiàn)SMOS在大多數(shù)情況下反演的數(shù)據(jù)可靠，可提供可靠的土壤水分信息。圖4在表3的基礎(chǔ)上，細(xì)化了各數(shù)據(jù)的數(shù)據(jù)量、分布、覆被及降水總量情況。

在[SMOS_DC>23.5，SMOS_SM>0.4]條件下，站點(diǎn)最少的組5有SD_Pierre_24_S、TX_Austin_33_NW和WY_Moose_1_NNE站點(diǎn)；站點(diǎn)間彼此遠(yuǎn)離，TX_Austin_33_NW和WY_Moose_1_NNE站點(diǎn)的地表覆被類型均為灌木，約處于同緯度的SD_Pierre_24_S和WY_Moose_1_NNE站點(diǎn)的總降水量相近，但遠(yuǎn)低于TX_Austin_33_NW站點(diǎn)。除MN_Goodridge_12_NNW、SD_Sioux_Falls_14_NNE、KS_Manhattan_6_SSW、IL_Champaign_9_SW、TX_Austin_33_NW和AL_Selma_13_WNW站點(diǎn)外，組1與組2有4個(gè)站點(diǎn)重合，重合站點(diǎn)主要集中在美國(guó)中部地區(qū)，地類無(wú)明顯相似；另組1中3站點(diǎn)MN_Goodridge_12_NNW、TX_Austin_33_NW、AL_Selma_13_WNW分別位于北、南和東偏南近沿海地區(qū)，且地類各不相同；組1中Δ_DC的數(shù)值差異較大，Δ_SM集中在0.03和0.12附近，而組2中Δ_DC和Δ_SM的數(shù)值差異不大，幾乎相同；但2組與降水均無(wú)顯著相關(guān)。組5、2、1介電常數(shù)和土壤水分對(duì)USCRN的總體相關(guān)系數(shù)分別為0.990、0.967、0.360（介電常數(shù)相關(guān)系數(shù)），0.997、0.977、0.495（土壤水分相關(guān)系數(shù)）。組3情況下，站點(diǎn)集中在美國(guó)東部，除位于南部的LA_Monroe_26_N和近海濱的FL_Everglades_City_5_NE外，其余各站數(shù)據(jù)量均較少。由表3可知，地表類型以低密度發(fā)展用地、常綠林、混合林為主。站點(diǎn)間Δ_DC的差異開始顯現(xiàn)，Δ_SM的差異進(jìn)一步拉大，SMOS介電常數(shù)與土壤水分對(duì)USRCN的相關(guān)系數(shù)分別為-0.090、-0.054。而Δ_DC和Δ_SM對(duì)降水量的相關(guān)系數(shù)分別為-0.05、0.08。組3情況下，站點(diǎn)集中在美國(guó)東部，除位于南部的LA_Monroe_26_N和近海濱的FL_Everglades_City_5_NE外，其余各站數(shù)據(jù)量均較少。由表3可知，地表類型以低密度發(fā)展用地、常綠林、混合林為主。站點(diǎn)間Δ_DC的差異開始顯現(xiàn)，Δ_SM的差異進(jìn)一步拉大，SMOS介電常數(shù)與土壤水分對(duì)USRCN的相關(guān)系數(shù)分別為-0.090、-0.054。而Δ_DC和Δ_SM對(duì)降水量的相關(guān)系數(shù)分別為-0.05、0.08。

在[SMOS_DC<23.5，SMOS_SM<0.4]條件下，組4站點(diǎn)遍布全美大陸。SMOS_SM≤0.4表達(dá)了土壤水分的常規(guī)狀況，因此該組數(shù)據(jù)量最高，但東多西少、北多南少。Δ_DC>0、Δ_SM>0則表明SMOS對(duì)介電常數(shù)和土壤水分的反演較USCRN均偏低，相關(guān)系數(shù)分別為0.765、0.781。Δ_DC和Δ_SM的數(shù)值分布及站點(diǎn)間差異較為相似，東部高、西部低的趨勢(shì)十分明顯，特別是與降水量在空間上呈現(xiàn)較好的相關(guān)。地表覆被類型以灌木、草本和落葉林為主，但西部類型少且均一，東部類型多且分散，與Δ_DC、Δ_SM的東西差異在空間位置上相對(duì)應(yīng)。由此可初步推斷，降水對(duì)SMOS反演精度有影響，SMOS在低矮覆被地區(qū)反演土壤水分精度高且數(shù)據(jù)量豐富，而針對(duì)某些覆被類型的反演建模有待改善。在SMOS_SM<0.4、Δ_DC≤0條件下，組6、7分別為Δ_SM>0和Δ_SM≤0的2種情況。站點(diǎn)數(shù)量和空間分布與組4基本相同，但數(shù)據(jù)量相對(duì)較少。組6中各站點(diǎn)Δ_DC與Δ_SM數(shù)值幾乎一致，其最大、最小和均值分別為-0.001、-3.160、-0.724，SMOS_DC、SM與USCRN的相關(guān)系數(shù)很高，分別為0.990、0.988，與降水無(wú)顯著相關(guān)。組7數(shù)據(jù)量較高的站點(diǎn)與組4數(shù)據(jù)量較低的站點(diǎn)在空間位置上相對(duì)應(yīng)，在一定程度上可視其為反演異常點(diǎn)，即圖2、3中的高值區(qū)部分。SMOS介電常數(shù)和土壤水分對(duì)USCRN的相關(guān)系數(shù)分別為0.719、0.758，與降水的相關(guān)系數(shù)為-0.405、-0.120，這在一定程度上反映SMOS的介電常數(shù)對(duì)降雨響應(yīng)顯著。

3 結(jié)論

介電常數(shù)是表征土壤層微波輻射的關(guān)鍵參量，該研究進(jìn)一步證實(shí)了Mironov介電常數(shù)模型對(duì)土壤水分的敏感性，并初步分析了降水和地表覆被類型對(duì)SMOS反演精度的影響。SMOS在低矮植被地區(qū)具有反演數(shù)據(jù)量豐富、精度高等特點(diǎn)，此反演的土壤水分?jǐn)?shù)據(jù)可為我國(guó)相關(guān)單位服務(wù)。覆被類型對(duì)反演的數(shù)據(jù)量及精度有很大影響，這與算法中在不同覆被類型下模型的選擇及參數(shù)的設(shè)置有關(guān)。該研究證實(shí)了降雨對(duì)數(shù)據(jù)量并無(wú)明顯的影響，但降雨對(duì)反演的精度有影響，這與SMOS的過(guò)境的瞬時(shí)時(shí)間及降雨事件的影響有關(guān)，此種情況有待進(jìn)一步分析。

在被動(dòng)微波土壤水分反演體系中，按照先驗(yàn)土壤水分（及土壤溫度）→介電常數(shù)→亮度溫度（Level 1C觀測(cè)、Level 2模擬）→反演土壤水分的完整流程來(lái)看，該研究還缺乏對(duì)亮度溫度這個(gè)環(huán)節(jié)的研究，因此，輔助信息、正演模型的可靠性對(duì)SMOS反演精度的量化影響尚未形成定論，這是該研究的不足之處。發(fā)揮地面上密集觀測(cè)站網(wǎng)的優(yōu)勢(shì)、充分利用已有的實(shí)測(cè)資源，在高空、非接觸式探測(cè)的基礎(chǔ)上，進(jìn)一步以地面、真實(shí)觀測(cè)為輔助實(shí)現(xiàn)SMOS快速校正和反演優(yōu)化，是兼具研究?jī)r(jià)值和現(xiàn)實(shí)意義的課題，也是今后的重點(diǎn)研究方向。

參考文獻(xiàn)

[1] VAN DER SCHALIE R，PARINUSSA R M，RENZULLO L J，et al.SMOS soil moisture retrievals using the land parameter retrieval model：Evaluation over the Murrumbidgee Catchment，southeast Australia[J].Remote sensing of environment，2015，163：70-79.

[2] GRUBER A，SU C H，ZWIEBACK S，et al.Recent advances in （soil moisture） triple collocation analysis[J].International journal of applied earth observation and geoinformation，2016，45：200-211.

[3] ZAWADZKI J，KEDZIOR M.Soil moisture variability over Odra watershed：Comparison between SMOS and GLDAS data[J].International journal of applied earth observation and geoinformation，2016，45：110-124.

[4] CHAMPAGNE C，ROWLANDSON T，BERG A，et al.Satellite surface soil moisture from SMOS and Aquarius：Assessment for applications in agricultural landscapes[J].International journal of applied earth observation and geoinformation，2016，45：143-154.

[5] VAN DER SCHALIE R，KERR Y H，WIGNERON J P，et al.Global SMOS soil moisture retrievals from the land parameter retrieval model[J].International journal of applied earth observation and geoinformation，2016，45：125-134.

[6] WIGNERON J P，JACKSON T J，ONEILL P，et al.Modelling the passive microwave signature from land surfaces：A review of recent results and application to the Lband SMOS & SMAP soil moisture retrieval algorithms[J].Remote sensing of environment，2017，192：238-262.

[7] PANCIERA R，WALKER J P，KALMA J D，et al.Evaluation of the SMOS L-MEB passive microwave soil moisture retrieval algorithm[J].Remote sensing of environment，2009，113（2）：435-444.

[8] KERR Y H，WALDTEUFEL P，RICHAUME P，et al.The SMOS soil moisture retrieval algorithm[J].IEEE Transactions on Geoscience & Remote Sensing，2012，50（5）：1384-1403.

[9] KERR Y，REUL N，MARTNNEIRA M，et al.ESAs soil moisture and ocean salinity missionachievements and applications after more than 6 years in orbit[J].Remote sensing of environment，2016，180：1-2.

[10] MIALON A，RICHAUME P，LEROUX D，et al.Comparison of dobson and mironov dielectric models in the SMOS soil moisture retrieval algorithm[J].IEEE Transactions on Geoscience & Remote Sensing，2015，53（6）：3084-3094.

[11] DRUSCH M，HOLMES T，ROSNAY P D，et al.Comparing ERA40based Lband brightness temperatures with skylab observations：A calibration/validation study using the community microwave emission model[J].Journal of hydrometeorology，2009，10（1）：213-226.

[12] WANG Z Y，CHE T，LIOU Y A.Global sensitivity analysis of the LMEB model for retrieving soil moisture[J].IEEE Transactions on Geoscience & Remote Sensing，2016，54（5）：2949-2962.

[13] MIRONOV V L，F(xiàn)OMIN S V.Temperature and mineralogy dependable model for microwave dielectric spectra of moist soils[J].PIERS Online，2009，5（5）：411-415.

[14] 趙天杰.被動(dòng)微波遙感土壤水分[D].北京：北京師范大學(xué)，2012.