石嘉麗,張曉龍,閔雷雷,張 婧,王 妍,4,沈彥軍**

(1.中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所農(nóng)業(yè)資源研究中心/中國科學(xué)院農(nóng)業(yè)水資源重點實驗室/河北省節(jié)水農(nóng)業(yè)重點實驗室 石家莊 050022; 2.中國科學(xué)院大學(xué) 北京 100049; 3.河北省氣候中心 石家莊 050021; 4.河北師范大學(xué)地理科學(xué)學(xué)院/河北省環(huán)境演變與生態(tài)建設(shè)實驗室 石家莊 050024)

土壤水是物質(zhì)運移、能量傳輸?shù)妮d體,參與碳水循環(huán)與地氣能量交換,是作物生長的直接水源和關(guān)鍵要素,對農(nóng)業(yè)生產(chǎn)、氣象預(yù)報和干旱預(yù)測具有重要影響。開展長期有效的大范圍土壤水分監(jiān)測,有利于高效快捷地掌握土壤水分動態(tài),是農(nóng)業(yè)生產(chǎn)和環(huán)境因子評價研究中必不可少的部分。此外,區(qū)域尺度甚至全球尺度土壤水分的反演也是陸面過程模擬所需要的重要變量。土壤水分的監(jiān)測方法主要有田間測定法、模型模擬法和遙感反演法3 種。田間測定法數(shù)據(jù)測量精度高、測量深度大,但站點監(jiān)測代表范圍有限,難以應(yīng)用于區(qū)域研究; 模型模擬法即根據(jù)水量平衡方程、水動力方程及數(shù)理統(tǒng)計原理等方法來構(gòu)建模型,可用于較大范圍土壤水分模擬,但模型輸入數(shù)據(jù)和需要校準(zhǔn)的參數(shù)較多,模擬結(jié)果的不確定性也更高; 遙感反演法是通過建立可見光、近紅外、熱紅外及微波等電磁波與土壤水分的關(guān)系反演土壤水分,時效性強、獲取便捷且可用于大范圍土壤水分監(jiān)測,但反演深度局限于土壤表層,數(shù)據(jù)精度參差不齊。3 種方法各有利弊,在實際應(yīng)用中互為補充,實測數(shù)據(jù)精度較高,常為驗證反演結(jié)果及模擬結(jié)果的地面真值,遙感反演數(shù)據(jù)也常為輸入模型的驅(qū)動數(shù)據(jù)。

近年來,衛(wèi)星和傳感器的發(fā)展使土壤水分反演得到了顯著進(jìn)步。微波遙感由于對地表土壤水分、植被特性的變化更加敏感,且對大氣、云、雨等穿透能力更強,在當(dāng)前研究中得到了廣泛應(yīng)用,基于微波遙感的各類遙感產(chǎn)品為土壤水分研究提供了大量數(shù)據(jù)。微波遙感包括主動微波與被動微波,全球性主動微波產(chǎn)品主要有基于C 波段的高級微波散射計(ASCAT)產(chǎn)品以及美國土壤水分主動-被動探測衛(wèi)星主動微波(SMAP_A)產(chǎn)品。被動微波產(chǎn)品包括高級微波掃描輻射計(AMSR-E)、高級微波掃描輻射計2(AMSR2)以及基于L 波段的歐洲土壤水分與海洋鹽分衛(wèi)星(SMOS)、美國土壤水分主動-被動探測衛(wèi)星被動產(chǎn)品(SMAP_P)和基于X 波段的中國風(fēng)云三號(FY3)氣象衛(wèi)星土壤水分產(chǎn)品。此外,陸面過程模擬所生產(chǎn)的土壤水分?jǐn)?shù)據(jù)在過去幾十年里也得到了長足的發(fā)展。全球陸地蒸散發(fā)阿姆斯特丹模型(GLEAM)、美國宇航局全球陸面同化系統(tǒng)(GLDAS)、SMAP4 級產(chǎn)品、北美大陸數(shù)據(jù)同化系統(tǒng)(NLDAS)、中國氣象局?jǐn)?shù)據(jù)同化系統(tǒng)(CLDAS)及歐洲中距離天氣預(yù)報中心(ECMWF)的第五代氣象再分析資料(ERA5)等土壤水分產(chǎn)品均得到廣泛應(yīng)用。

地表土壤水分的時空變異性強,對土壤水分產(chǎn)品進(jìn)行精度驗證與評價不僅可以為開發(fā)者改進(jìn)算法、增強區(qū)域適用性提供參考,還可為土壤水分產(chǎn)品進(jìn)一步應(yīng)用提供研究基礎(chǔ)。國內(nèi)外已有許多學(xué)者對多種土壤水分產(chǎn)品適用性進(jìn)行了對比評估。Al-Yaari 等基于ECMWF 土地數(shù)據(jù)同化系統(tǒng)的土壤水分?jǐn)?shù)據(jù)對比了AMSR-E 及SMOS 在全球的精度,結(jié)果表明兩種產(chǎn)品均能較好地捕獲土壤水分的時空變異性,SMOS 在植被覆蓋度高的地區(qū)表現(xiàn)更佳,AMSR-E 則在干旱和半干旱條件下效果更好。Kim等在全球尺度上評估了ASCAT、SMOS、SMAP、AMER2、GLDAS、ERA5 等6 種主被動微波產(chǎn)品及模型模擬產(chǎn)品在植被密集區(qū)及農(nóng)田灌區(qū)的表現(xiàn),研究表明,在灌溉地區(qū)ASCAT、SMOS、SMAP 表現(xiàn)反而優(yōu)于其他陸面模型產(chǎn)品,ERA5、GLDAS 表現(xiàn)優(yōu)于AMSR2 產(chǎn)品。Cui 等基于美國LWW 觀測網(wǎng)及西班牙REMEDHUS 觀測網(wǎng)實測數(shù)據(jù)驗證了SMAP、SMOS、AMSR2、FY3B 等8 種遙感產(chǎn)品,結(jié)果表明,SMAP 產(chǎn)品在LWW 觀測網(wǎng)的估測結(jié)果優(yōu)于其他產(chǎn)品,FY3B 產(chǎn)品在土地利用類型多為農(nóng)田的REMEDHUS觀測網(wǎng)的表現(xiàn)更好。Zeng 等依據(jù)青藏高原觀測網(wǎng)的實測土壤水分?jǐn)?shù)據(jù)評價了AMSR-E、SMOS、SMAP等7 種遙感產(chǎn)品及再分析數(shù)據(jù)ERA-Interim 在青藏高原的表現(xiàn),研究發(fā)現(xiàn),除SMAP 明顯低估了土壤水分并缺乏時間動態(tài)性外,其他產(chǎn)品通常都能捕獲土壤水分動態(tài),其中ERA 產(chǎn)品最接近土壤水分觀測值的絕對值。Fu 等評價了AMSR2 及FY3B 在東北典型農(nóng)田的表現(xiàn),發(fā)現(xiàn)FY3B 雖然數(shù)據(jù)量有限,但在作物生長季內(nèi)表現(xiàn)最佳。Liu 等評價了SMAP、SMOS-IC、GLDAS、GLEAM 等11 種遙感反演及陸面模型土壤水分產(chǎn)品在青藏高原的表現(xiàn),結(jié)果表明除SMOS-IC 受射頻干擾等,SMAP、GLDAS、GLEAM在青藏高原均有較好表現(xiàn)。Wang 等對比了GLDAS、SMOS、SMAP、CLDAS 等4 種產(chǎn)品在呼倫貝爾草地的表現(xiàn),結(jié)果表明,4 種產(chǎn)品在冬季、春季均低估了土壤水分,GLDAS 和SMAP 可更好地反映出土壤水分的時空變化趨勢,但GLDAS 難以捕捉土壤水分的垂直變化動態(tài),SMAP 存在數(shù)據(jù)缺失問題。

以上研究對多種微波遙感產(chǎn)品及陸面模型產(chǎn)品在不同區(qū)域的適用性進(jìn)行了評價,但對河北平原這一重要的農(nóng)業(yè)區(qū)域關(guān)注較少。河北平原地處華北平原中部,耕地占比達(dá)90%以上,是我國重要的糧食產(chǎn)地,主要種植制度為冬小麥()-夏玉米()一年兩熟制，是世界上冬小麥、夏玉米最高產(chǎn)的地區(qū)之一。同時，河北平原徑流微弱,地表水缺乏,大量依賴開采地下水灌溉,河北平原已成為華北平原乃至全國地下水超采最嚴(yán)重的區(qū)域。借助土壤水分產(chǎn)品掌握河北平原的土壤水分動態(tài)對河北平原干旱監(jiān)測、發(fā)展節(jié)水農(nóng)業(yè)、保障糧食安全均有重要意義。因此,本文旨在基于實測數(shù)據(jù)對比SMOS、SMAP、FY3B 3 種微波遙感產(chǎn)品、再分析土壤水分?jǐn)?shù)據(jù)集ERA-Land 及GLDAS_NOAH_V2.1、GLEAM_V3.5b 兩種陸面模型同化產(chǎn)品,評價多源土壤水分產(chǎn)品在河北平原典型農(nóng)田的適用性,為土壤水分產(chǎn)品在河北平原的進(jìn)一步應(yīng)用和算法改進(jìn)提供參考。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

河北平原地處華北平原中南部,位于114.16°～117.78°E,36.05°～39.61°N 之間(圖1),包括滄州市、衡水市全域和廊坊市、保定市、石家莊市、邢臺市、邯鄲市的部分地區(qū)。主要土地利用類型為耕地,以冬小麥-夏玉米一年兩熟輪作為主,是我國重要的糧食產(chǎn)區(qū)。河北平原屬暖溫帶季風(fēng)型氣候,夏季炎熱多雨,冬季寒冷干燥;年均降雨量為540 mm,降水主要集中于夏季,自然降水難以滿足一年兩熟制的作物生長需求,作物高產(chǎn)主要依賴于地下水灌溉。本研究選取觀測站點包括望都(115.12°E,38.71°N)、欒城(114.69°E,37.89°N)、霸州(116.35°E,39.03°N)和威縣(115.46°E,36.94°N),分別位于保定市望都灌溉站、中國科學(xué)院欒城農(nóng)業(yè)生態(tài)系統(tǒng)試驗站及霸州市、邢臺市威縣。

圖1 研究站點及不同土壤水分產(chǎn)品像元分布圖Fig.1 Location of observed stations and soil moisture products pixels

1.2 實測數(shù)據(jù)

河北平原土壤水分實測數(shù)據(jù)來源于渤海糧倉農(nóng)情觀測網(wǎng)(http://www.casbhlc.com/)的望都、霸州、欒城、威縣觀測數(shù)據(jù),觀測儀器的傳感器探針?biāo)铰裨O(shè)于河北平原小麥、玉米、棉花等典型農(nóng)田,通過聯(lián)網(wǎng)監(jiān)測系統(tǒng)每1 h 自動采集一次土壤10 cm、30 cm、50 cm 深度土壤體積含水量。各監(jiān)測站點土壤含水量傳感器均為土壤體積含水量、電導(dǎo)率和溫度三合一電容式傳感器,通過實地取樣建立理論含水量與儀器實測含水量關(guān)系曲線校準(zhǔn)數(shù)據(jù),具體校準(zhǔn)方法參考Fu 等的研究。校準(zhǔn)后的數(shù)據(jù)質(zhì)量較好,滿足本研究的需要。

2018年土地利用數(shù)據(jù)(分辨率為30 m)來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心(http://www.resdc.cn/)。

1.3 土壤水分產(chǎn)品數(shù)據(jù)

1) FY3B(http://satellite.nsmc.org.cn/portalsite/default.aspx)是由中國國家航天局于2010年11月發(fā)射的第二代極地軌道氣象衛(wèi)星,FY3B 搭載有微波成像儀(MWRI),可測量自10.65 GHz 到89 GHz 的5 個頻率的水平和垂直兩種極化方式的X 波段亮度溫度。降軌產(chǎn)品相比升軌產(chǎn)品過境時間的熱平衡條件較好,受溫度相關(guān)影響更小,結(jié)果更為準(zhǔn)確。因此,本文均選取微波產(chǎn)品的降軌數(shù)據(jù)進(jìn)行對比。

2) SMOS(https://earth.esa.int/eogateway/missions/smos)是歐洲航天局于2009年11月發(fā)射升空用于探測全球表層土壤濕度與海水鹽分的地球探測衛(wèi)星,可探測海洋、大氣和陸地之間水循環(huán)導(dǎo)致的土壤濕度和海洋鹽度變化。L 波段可最大限度地減少大氣影響,被認(rèn)為是土壤水分反演的最佳波段。SMOS 衛(wèi)星采用基于零級輻射傳遞方程的L 波段微波發(fā)射正向模型,首次實現(xiàn)了L 波段被動微波對土壤水分的反演。

3) SMAP(https://nsidc.org/data/smap/smap-data.html)是美國國家航空航天局(NASA)于2015年1月發(fā)射升空的、用于全球土壤水分和凍融監(jiān)測的主被動土壤水分專題衛(wèi)星,是目前在軌的最新土壤水分監(jiān)測衛(wèi)星。SMAP 搭載了L 波段主被動微波探測儀,能同時提供L 波段的后向散射和亮溫數(shù)據(jù)。該產(chǎn)品采用V 計劃單通道算法(SCA-A),以垂直極化亮度溫度觀測值估算土壤水分。

4) ERA5 是由ECMWF 于2016年發(fā)布的第五代氣象再分析資料。ERA-Land(https://cds.climate.copernicus.eu/)重分析了ERA5 的土地成分,為模型添加了大氣強迫,使用空氣溫、濕度等輸入變量控制ERA-Land 的模擬結(jié)果,用物理定律將模型數(shù)據(jù)與世界各地觀測數(shù)據(jù)集合到一個全球數(shù)據(jù)集中,與實際結(jié)果更加接近。

5) GLDAS(https://ldas.gsfc.nasa.gov/gldas/specifications)是由美國宇航局戈達(dá)德飛行中心(GSFC)和美國海洋大氣局國家環(huán)境預(yù)報中心(NCEP)聯(lián)合開發(fā)。GLDAS 模型同化了遙感衛(wèi)星數(shù)據(jù)和地面觀測數(shù)據(jù),通過Noah、CLM、Mosaic 和VIC 陸面過程模式得到一系列陸面過程產(chǎn)品。

6) GLEAM(https://www.gleam.eu/)模型通過同化衛(wèi)星數(shù)據(jù)及實測數(shù)據(jù)得到表層及根區(qū)土壤水分?jǐn)?shù)據(jù)。自2011年開發(fā)以來,一直在不斷修訂和更新,不斷結(jié)合新的衛(wèi)星觀測的地球物理變量來改善物理過程的表現(xiàn)形式。土壤水分產(chǎn)品詳細(xì)信息如表1所示。

表1 本研究所用土壤水分產(chǎn)品信息Table 1 Soil moisture products information used in the study

2 研究方法

2.1 土壤水分產(chǎn)品數(shù)據(jù)預(yù)處理

首先將各類土壤水分產(chǎn)品進(jìn)行數(shù)據(jù)格式轉(zhuǎn)化及投影轉(zhuǎn)化,其次將ERA-Land、SMOS、SMAP、FY3B產(chǎn)品重采樣,統(tǒng)一空間分辨率為0.25°。若當(dāng)日沒有降水或灌溉,地面觀測數(shù)據(jù)土壤濕度日內(nèi)變化較小,則衛(wèi)星過境時刻瞬時土壤水分與日均土壤水分差別不大。因此,將各站點土壤含水量實測數(shù)據(jù)的日均值與對應(yīng)土壤水分產(chǎn)品像元含水量進(jìn)行對比。因微波遙感數(shù)據(jù)僅可獲取地表淺層土壤濕度,故選取0～10 cm 站點實測數(shù)據(jù)進(jìn)行驗證。受實測數(shù)據(jù)獲取時段限制,研究時段為2018年1月1日-2019年10月29日。

2.2 評估指標(biāo)

本文選取了相關(guān)系數(shù)()、均方根誤差(RMSE)、偏差(Bias)和無偏均方根誤差(ubRMSE) 4 個指標(biāo)進(jìn)行遙感土壤水產(chǎn)品的適用性評價,僅選取遙感產(chǎn)品與實測數(shù)據(jù)均具有有效數(shù)據(jù)的日期計算各項評估指標(biāo)。指標(biāo)具體計算公式如下:

式中:為、的相關(guān)系數(shù),X為第天的土壤水分產(chǎn)品體積含水量,Y為第天的實測土壤水分體積含水量,為研究日期數(shù)。取值在-1 到1 之間,＞0 表示兩要素正相關(guān),＜0 表示兩要素負(fù)相關(guān),的絕對值越大表明二者的相關(guān)性越強。RMSE 為土壤水分產(chǎn)品序列與實測值序列的平均誤差,其值越小說明土壤水分產(chǎn)品體積含水量越接近于實測值。Bias為、的偏差,反映土壤水分產(chǎn)品序列與實測值序列之間的差異,正值表明土壤水分產(chǎn)品低估了土壤體積含水量,負(fù)值表明高估了土壤體積含水量。ubRMSE 為無偏均方根誤差,表示消除偏差后的遙感土壤水分產(chǎn)品與實測值之間的誤差。

3 結(jié)果與分析

3.1 日尺度土壤水分產(chǎn)品驗證結(jié)果

各研究站點實測土壤體積含水量(圖2)均介于0.10～0.45 m·m之間,春季個別時段的土壤含水量陡增體現(xiàn)了灌溉的影響,之后土壤水分下降劇烈,反映了作物強烈耗水對土壤含水量的影響; 峰值出現(xiàn)在夏季,受降雨影響土壤含水量劇烈波動,整體處于較高水平; 秋季、冬季蒸散發(fā)能力弱,土壤含水量變化較為平穩(wěn),呈現(xiàn)緩慢的下降趨勢。各站點因降水量、作物類型等存在差異,土壤含水量變化幅度也存在差異。

各土壤水分產(chǎn)品均可在一定程度上反映望都站土壤水分變化動態(tài)(圖2a-b、圖3a-b),表現(xiàn)出土壤水分的季節(jié)變化特征。研究時段內(nèi),FY3B 與實測土壤體積含水量相關(guān)系數(shù)達(dá)0.77(表2),相關(guān)性高于其他數(shù)據(jù)產(chǎn)品; 但FY3B 秋冬缺失數(shù)據(jù)較多,僅有181 d的有效數(shù)據(jù),且夏季土壤體積含水量達(dá)到峰值時,FY3B 出現(xiàn)了連續(xù)極大值(0.50 m·m),從而整體上高估了土壤含水量,使Bias 為負(fù)。GLDAS 和GLEAM基本與實測土壤水分波動變化吻合,其ubRMSE 為6 種產(chǎn)品最小(0.051 m·m),相關(guān)系數(shù)分別為0.530和0.546,高于ERA-Land 和SMOS,春夏可捕捉到土壤水分較高時的變化動態(tài),但在秋冬季節(jié)低估了土壤含水量。SMOS 數(shù)據(jù)分布分散,波動變化幅度大,嚴(yán)重低估了土壤含水量,秋冬最為顯著,整體與土壤水分的相關(guān)系數(shù)最小,Bias 和ubRMSE 最大,表現(xiàn)最差。

表2 各站點各種土壤水分產(chǎn)品的精度檢驗Table 2 Error metrics of soil moisture of different soil moisture products in different stations

圖2 研究期間不同土壤水分產(chǎn)品和實測(In-situ)的望都(a,b)、霸州(c,d)、威縣(e,f)、欒城(g,h)土壤體積含水量變化Fig.2 Variations of soil volumetric water contents in Wangdu(a,b),Bazhou(c,d),Weixian(e,f) and Luancheng(g,h) stations from the soil moisture products and in-situ soil moisture(In-situ) during the experiment period

霸州站土壤水分產(chǎn)品對土壤水分變化情況的反映較差(圖2c-d、圖3c-d),僅能捕捉夏季土壤含水量峰值附近的動態(tài),難以反映春季作物耗水及灌溉降雨引起的劇烈變化,對秋冬土壤含水量也有較大程度的低估。盡管ERA-Land、GLDAS 和GLEAM 對霸州土壤水分存在干燥偏差(Bias)分別為0.120 m·m、0.120 m·m和0.080 m·m,但總體仍優(yōu)于衛(wèi)星反演產(chǎn)品。GLDAS 相關(guān)系數(shù)最大(=0.527)且ubRMSE最小,效果最好,GLEAM(=0.446)與ERA-Land(=0.414)次之。此外,FY3B 的相關(guān)系數(shù)仍高于SMAP和SMOS,表現(xiàn)出了其在河北平原良好的適用性。霸州站實測數(shù)據(jù)量較少,0.30～0.35 m·m數(shù)據(jù)范圍內(nèi)僅有26 個有效數(shù)據(jù),故圖3c-d 出現(xiàn)明顯空白部分使散點圖分為左右兩個區(qū)域。

威縣各土壤水分產(chǎn)品(圖2e-f 及圖3e-f)與其他站點相似,整體低估了土壤水分,但較其他站點偏差小,與實測數(shù)據(jù)數(shù)值最為接近。整個研究時段均與實測土壤含水量相關(guān)性較好,能夠反映出春夏土壤水分的劇烈波動。其中ERA-Land 的相關(guān)系數(shù)為0.535,高于GLEAM,但GLEAM 的RMSE 及ubRMSE 為6 種產(chǎn)品最小,最接近產(chǎn)品控制精度(ubRMSE=0.042 m·m)。SMAP 在霸州站表現(xiàn)較好,數(shù)值集中于0.10～0.20 m·m之間,相關(guān)系數(shù)甚至高于GLDAS 及FY3B。FY3B 冬季因土壤表層結(jié)冰衛(wèi)星數(shù)據(jù)缺失,春季低于土壤實測含水量而夏季明顯高估,變化幅度較大。SMOS 質(zhì)量仍較差,相關(guān)系數(shù)最低且偏差最大。

欒城站土壤水分產(chǎn)品(圖2g-h 及圖3g-h)相關(guān)系數(shù)偏低,ubRMSE 偏大,精度最差。除ERA-Land、GLEAM 和GLDAS 2019年夏季數(shù)據(jù)外,其余數(shù)據(jù)與實測土壤水分相關(guān)性較差。GLEAM 與地面實測數(shù)據(jù)最為接近,相關(guān)系數(shù)最大(=0.291),RMSE 最小(RMSE=0.071 m·m)。FY3B 次之(=0.248) 但Bias 最小(Bias=0.041 m·m)。GLDAS 相關(guān)系數(shù)低于SMAP,僅在＜0.01 的程度上表現(xiàn)出相關(guān)性,SMOS 數(shù)據(jù)與實測數(shù)據(jù)相關(guān)關(guān)系未達(dá)到顯著程度。欒城站土壤含水量為0.20 m·m左右時,土壤水分產(chǎn)品普遍效果較差,圖3g-h 左側(cè)出現(xiàn)明顯邊界。

圖3 望都(a,b)、霸州(c,d)、威縣(e,f)、欒城(g,h)實測土壤水分與土壤水分產(chǎn)品散點圖Fig.3 Scatter plots of the in-situ and estimated soil moisture in Wangdu(a,b),Bazhou(c,d),Weixian(e,f),and Luancheng(g,h)stations

總體而言,研究時段內(nèi)各土壤水分產(chǎn)品平均相關(guān)系數(shù)排序為GLEAM(0.435)＞FY3B(0.434)＞ERALand(0.382)＞GLDAS(0.377)＞SMAP(0.354)＞SMOS(0.203),平均ubRMSE 排序為GLEAM(0.049 m·m)＜GLDAS(0.052 m·m)＜SMAP(0.059 m·m)＜ERALand(0.063 m·m)＜SMOS(0.087 m·m)＜FY3B(0.105 m·m),GLEAM 產(chǎn)品表現(xiàn)最好,而SMOS 表現(xiàn)最差。

3.2 月尺度土壤水分產(chǎn)品適應(yīng)性分析

從6 種產(chǎn)品在各站點的精度圖(圖4)來看,FY3B表現(xiàn)為夏季高估而其他季節(jié)低估,相關(guān)系數(shù)峰值出現(xiàn)在9、10月,此時ubRMSE 也較小,秋季數(shù)據(jù)整體精度較高; 6月相關(guān)性差,相關(guān)系數(shù)多為負(fù)值,7月ubRMSE 最高,估算誤差最大,夏季數(shù)據(jù)整體精度較差。SMOS 相關(guān)系數(shù)年內(nèi)變化波動起伏較大,各站點差異較大,冬季表現(xiàn)相對較好,ubRMSE 相對較低。SMAP 各月相關(guān)系數(shù)表現(xiàn)可以看出,夏季相關(guān)系數(shù)整體較高,但ubRMSE 較大; 秋季與之相反。ERA-Land、GLDAS 和GLEAM 的精度變化表現(xiàn)出季節(jié)相似性,相關(guān)系數(shù)年內(nèi)呈現(xiàn)雙峰型變化趨勢,峰值出現(xiàn)于3、4月與8、9月,其中8月相關(guān)性最好,相關(guān)系數(shù)基本達(dá)0.7 以上。ubRMSE 呈單峰型變化趨勢,冬季11、12月ubRMSE 最小,土壤水分估算的誤差最小。

圖4 各站點季節(jié)尺度6 種土壤水分產(chǎn)品的精度表現(xiàn)Fig.4 Soil moisture measurement accuracies of 6 soil moisture products at seasonal scale at each station

3.3 土壤水分產(chǎn)品數(shù)據(jù)范圍適用性分析

為進(jìn)一步驗證土壤水分產(chǎn)品在河北平原的適用性,本文對不同實測數(shù)值范圍內(nèi)的土壤水分產(chǎn)品的精度進(jìn)行了評價,結(jié)果如圖5 所示。研究區(qū)內(nèi)各站點實測土壤水分取值范圍為0.13～0.45 m·m,本文以0.05 m·m為界限,將實測土壤水分劃分為6 個區(qū)間進(jìn)行精度評價。GLDAS、GLEAM、ERA-Land的ubRMSE 均隨實測土壤水分?jǐn)?shù)值的增加呈先增加后減小的變化趨勢,當(dāng)實測土壤水分為0.25～0.3 m·m時最小。除望都站GLEAM 和GLDAS 在0.15～0.2 m·m時相關(guān)系數(shù)達(dá)0.83 和0.73,其余站點相關(guān)系數(shù)在0.3～0.4 m·m之間,普遍較高。SMAP 的反演精度整體不高,當(dāng)實測土壤水分為0.3～0.4 m·m時,相關(guān)系數(shù)優(yōu)于其他范圍,但此時ubRMSE 偏大。FY3B、SMOS 在不同土壤體積含水量數(shù)據(jù)范圍內(nèi)未表現(xiàn)出明顯的變化特征。

圖5 各站點6 種土壤水分產(chǎn)品不同數(shù)值范圍精度表現(xiàn)Fig.5 Accuracy of six soil moisture products in different numerical range at each site

4 討論

通過以上研究可得,同化了遙感衛(wèi)星與地面實測多種數(shù)據(jù)的ERA-Land、GLDAS 和GLEAM 普遍較遙感衛(wèi)星產(chǎn)品精度更高,許多專家學(xué)者在其他區(qū)域的相關(guān)研究中也有類似發(fā)現(xiàn)。Albergel 等在全球ERA-Land 0～7 cm 深度土壤水分的對比評價中發(fā)現(xiàn),ERA-Land 土壤水分產(chǎn)品適合于衛(wèi)星反演土壤水分的監(jiān)測,其相關(guān)系數(shù)介于0.6～0.8; Liu等在青藏高原那曲地區(qū)的研究中發(fā)現(xiàn),GLDAS、GLEAM 在11種產(chǎn)品中RMSE 最小,僅為0.3 m·m左右; Wang 等在呼倫貝爾的研究中發(fā)現(xiàn),GLDAS 與實測數(shù)據(jù)的高達(dá)0.72。

SMOS、SMAP 表現(xiàn)較差可能與其本身的反演算法有關(guān)。SMOS、SMAP 使用基于零級輻射傳輸方程(τ-ω)的L 波段微波發(fā)射模型作為地表電磁輻射的正向模型,除估算土壤水分外,還需估算地表粗糙度、植被屬性等,如何平衡這些變量之間的關(guān)系以獲得最優(yōu)土壤水分結(jié)果是決定算法精度的重中之重。SMOS 使用Q/H 模型進(jìn)行地表粗糙度計算,“Q”和“H”為Q/H 模型中用于計算地表粗糙度對反射率影響的兩個參數(shù)。理論上,這兩個粗糙度參數(shù)可以用地表均方根高度和水平粗糙度相關(guān)長度來表征,但由于定量計算這兩個參數(shù)的可用數(shù)據(jù)較少及入射角和粗糙度對參數(shù)的影響缺乏深度研究,常以經(jīng)驗確定整個下墊面為同一參數(shù)。SMAP 則通過簡單的查找表法假設(shè)特定土地利用類型表面粗糙度為恒定常數(shù)值。本文研究區(qū)為耕地、建設(shè)用地等多種土地利用類型混合像元且灌溉活動頻繁,灌溉活動會導(dǎo)致地表粗糙度的統(tǒng)計特性發(fā)生變化,而地表粗糙度的恒定假設(shè)將不可避免地給衛(wèi)星土壤濕度反演帶來誤差。與SMAP、SMOS 不同的是,FY3B 使用單參數(shù)的Q模型作為表面發(fā)射模型,通過Advanced Integral 參數(shù)化方程模型(AIEM),利用H 極化和V極化兩種極化方式減小表面粗糙度的影響,故FY3B在本文表現(xiàn)更佳。SMOS 的質(zhì)量較差還與無線電頻率干擾有關(guān),SMOS 三級土壤水分產(chǎn)品由亮溫數(shù)據(jù)反演而來,其亮溫數(shù)據(jù)易受L 波段無線電頻率干擾,在亞洲區(qū)域尤其中亞、東亞干擾最為強烈。射頻干擾影響了接收到的自然微波輻射,從而導(dǎo)致反演土壤水分的誤差增大,Zeng 等在青藏高原、Wang等在內(nèi)蒙古呼倫貝爾、莊媛等在中國區(qū)域也發(fā)現(xiàn)了類似射頻干擾對反演精度的影響。同樣基于L波段的SMAP 通過可以高速采集圖譜數(shù)據(jù)的硬件設(shè)施避免了這種射頻干擾。此外,反演過程中降水、輻射、風(fēng)等氣象因素的影響也是被動微波產(chǎn)品時間變異性大的重要因素。

研究過程中的站點與網(wǎng)格的空間尺度不匹配,是造成土壤水分產(chǎn)品與實測數(shù)據(jù)差異較大及土壤水分產(chǎn)品在不同站點精度不同的重要原因。重采樣得到的產(chǎn)品網(wǎng)格大小為0.25°,單一網(wǎng)格內(nèi)僅有一個實測站點與之對應(yīng)。 雖然單個站點能在較大空間范圍內(nèi)捕捉土壤水分的時序變化,相關(guān)系數(shù)這一指標(biāo)可以在時間尺度上反映出二者的相關(guān)關(guān)系,去除系統(tǒng)偏差的均方根誤差對于衡量產(chǎn)品精度也有重要參考意義,但二者數(shù)值仍存在較大差異。研究站點均為耕地,對應(yīng)土壤水分產(chǎn)品像元為多種土地利用類型混合像元,其中建設(shè)用地的面積達(dá)20%(表3)。建設(shè)用地土壤含水量普遍低于耕地,在進(jìn)行整個像元的區(qū)域土壤含水量計算時會使像元值低于單一站點耕地的測量值,如表2所示,除個別產(chǎn)品外,多數(shù)產(chǎn)品Bias 均為正值。威縣混合像元內(nèi)建設(shè)用地占比整體最小,RMSE、Bias 較其他站點也更小,與實測數(shù)據(jù)在數(shù)值上最為接近。這種混合像元問題也是各研究站點不同數(shù)據(jù)范圍適用性研究中未得到統(tǒng)一變化規(guī)律的重要原因。此外,儀器實測深度為0～10 cm,GLDAS、GLEAM 模擬深度為0～10 cm,ERA-Land模擬深度為0～7 cm,微波遙感反演深度僅為0～5 cm,二者的深度差異也是GLDAS、GLEAM 產(chǎn)品相對較好而被動微波產(chǎn)品效果較差的原因。由于數(shù)據(jù)獲取限制,本文僅對比分析了6 種土壤水分產(chǎn)品在河北平原4 個站點的具體表現(xiàn),時間和空間的代表性尚有不足。土壤水分產(chǎn)品在河北平原的具體適用性還有待基于更豐富的監(jiān)測數(shù)據(jù)進(jìn)行進(jìn)一步研究。

表3 不同站點土壤水分產(chǎn)品像元內(nèi)土地利用類型占比Table 3 Proportion of land use types in each pixels of soil moisture products in different stations

5 結(jié)論

進(jìn)行土壤水分產(chǎn)品在河北平原的驗證評價,不僅可為土壤水分產(chǎn)品在河北平原的進(jìn)一步應(yīng)用提供參考依據(jù),也對產(chǎn)品的算法改進(jìn)有重要意義。研究基于望都、霸州、威縣、欒城4 個站點2018年1月至2019年10月的表層實測土壤水分?jǐn)?shù)據(jù),通過、Bias、RMSE、ubRMSE 等4 個評價指標(biāo),對SMOS、SMAP、FY3B、ERA-Land、GLDAS、GLEAM 共6種土壤水分產(chǎn)品在河北平原典型農(nóng)田的適用性進(jìn)行了評價。同化多源數(shù)據(jù)的GLDAS、GLEAM、ERALand 產(chǎn)品由于數(shù)據(jù)量豐富,土壤水分反演精度普遍高于微波遙感產(chǎn)品,當(dāng)實測土壤水介于0.30～0.40 m·m之間時反演效果相對較好。FY3B 產(chǎn)品在秋季、冬季缺失數(shù)據(jù)較多,雖然與實測數(shù)據(jù)的相關(guān)性較好,但夏季普遍高估土壤水分而其他季節(jié)低估。SMAP 對土壤水分的反演效果優(yōu)于SMOS,在威縣土壤水分反演效果甚至優(yōu)于GLDAS 和FY3B,夏季相關(guān)性較高,但ubRMSE 較大,秋季則與之相反,當(dāng)實測土壤水介于0.30～0.40 m·m之間時表現(xiàn)較好。SMOS 因射頻干擾等原因在各站點表現(xiàn)最差。整體上,研究時段內(nèi)各土壤水分產(chǎn)品平均相關(guān)系數(shù)排序為GLEAM＞FY3B＞ERA-Land＞GLDAS＞SMAP＞SMOS,平均 ub-RMSE 排序為GLEAM＜GLDAS＜SMAP＜ERA-Land＜SMOS＜FY3B,GLEAM 產(chǎn)品表現(xiàn)最好,而SMOS 表現(xiàn)最差。不同土壤水分產(chǎn)品具體在各個站點的表現(xiàn)并不一致,有待融合更為豐富的數(shù)據(jù)來進(jìn)一步分析土壤水分產(chǎn)品在不同站點、不同區(qū)域的適用性。