摘要 評(píng)估了5種常用的土壤濕度產(chǎn)品（SMOS、SMAP、ESA CCI、ERA5、SMCI）在長(zhǎng)江中下游地區(qū)的適用性，并結(jié)合氣象數(shù)據(jù)分析了各產(chǎn)品在極端降水、干旱事件期間的時(shí)空變化特征。結(jié)果表明：5種產(chǎn)品都能較好地反映長(zhǎng)江中下游地區(qū)土壤濕度空間分布特征，SMOS與其他產(chǎn)品相比存在普遍低估，時(shí)空變化特征與其他幾種產(chǎn)品有一定差異。在反映土壤濕度對(duì)極端降水響應(yīng)方面，SMAP、SMCI和ERA5都能反映出與異常降水變化相匹配的土壤濕度空間變化特征，而SMOS在空間上沒(méi)能準(zhǔn)確反映對(duì)降水的響應(yīng)過(guò)程。在反映土壤濕度對(duì)極端干旱響應(yīng)方面，SMOS和ESA CCI對(duì)極端干旱事件的響應(yīng)與其他幾種產(chǎn)品差異較大，ERA5和SMCI土壤濕度對(duì)干旱在空間上的響應(yīng)較為準(zhǔn)確。

關(guān)鍵詞土壤濕度;極端降水;極端干旱;水循環(huán);遙感

2024-04-12收稿，2024-06-05接受

國(guó)家自然科學(xué)基金項(xiàng)目（42175136）;中央高?；究蒲袠I(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金（14380172;14380191）;關(guān)鍵地球物質(zhì)循環(huán)前沿科學(xué)中心“科技人才團(tuán)隊(duì)”項(xiàng)目

引用格式：丁思聰，邱博，李倩，2024.不同土壤濕度產(chǎn)品對(duì)長(zhǎng)江中下游極端氣候事件響應(yīng)過(guò)程分析［J］.大氣科學(xué)學(xué)報(bào)，47（5）：701-712.

Ding S C，Qiu B，Li Q，2024.Response of soil moisture to extreme climate events based on various datasets［J］.Trans Atmos Sci，47（5）：701-712.doi：10.13878／j.cnki.dqkxxb.20240412001.（in Chinese）.

在全球變暖的背景下，全球水資源分布呈兩極分化的變化趨勢(shì)，降水變率增加導(dǎo)致了越來(lái)越多的極端降水和干旱事件，對(duì)農(nóng)業(yè)生產(chǎn)和陸地生態(tài)系統(tǒng)造成嚴(yán)重威脅。土壤既可以短暫儲(chǔ)存過(guò)量的降水，又能夠?yàn)橥寥勒舭l(fā)和植被蒸騰提供水分，因此土壤濕度的變化成為陸地水循環(huán)研究中的關(guān)鍵一環(huán)（Seneviratne et al.，2010）。在極端氣候事件中，土壤及土壤水文過(guò)程直接影響陸地生態(tài)系統(tǒng)響應(yīng)，同時(shí)還會(huì)進(jìn)一步通過(guò)陸氣相互作用影響極端事件的發(fā)展。土壤濕度作為水文氣象研究的關(guān)鍵指標(biāo)之一，由于其具有“記憶性”的特征，在短期氣候預(yù)測(cè)的研究中常作為先兆信號(hào)出現(xiàn)（郭維棟等，2007;宋耀明等，2019）。因此，基于可靠的長(zhǎng)時(shí)間序列、覆蓋范圍廣、高精度的土壤濕度數(shù)據(jù)研究極端降水和極端干旱發(fā)生時(shí)土壤水分的動(dòng)態(tài)變化，對(duì)于防災(zāi)減災(zāi)、保障糧食安全和監(jiān)測(cè)區(qū)域氣候變化等具有十分重要的意義（Pettorelli et al.，2005）。

傳統(tǒng)的土壤濕度探測(cè)方法受觀測(cè)條件的限制，并不適合大范圍的土壤濕度監(jiān)測(cè)（高峰等，2001）。20世紀(jì)60年代以來(lái)，衛(wèi)星遙感手段開(kāi)始應(yīng)用于土壤水分監(jiān)測(cè)研究，為土壤濕度的全球監(jiān)測(cè)開(kāi)辟了新的道路。基于微波遙感的各類(lèi)遙感產(chǎn)品為土壤水分研究提供了大量數(shù)據(jù)，在當(dāng)前研究中得到了廣泛應(yīng)用（Schmugge and Jackson，1994;陳泓羽等，2020）。微波遙感產(chǎn)品在土壤濕度監(jiān)測(cè)中具有重要地位，在全球范圍內(nèi)已有很多研究對(duì)遙感數(shù)據(jù)在土壤濕度監(jiān)測(cè)方面的準(zhǔn)確性進(jìn)行了評(píng)估。遙感產(chǎn)品對(duì)土壤濕度的反演效果在不同區(qū)域和季節(jié)的準(zhǔn)確性存在差異：對(duì)美國(guó)、德國(guó)、法國(guó)的研究表明，SMOS土壤濕度較觀測(cè)存在干偏差（Collow et al.，2012;DallAmico et al.，2012;El Hajj et al.，2018），而在西非的旱季則相反（Louvet et al.，2015）;在中國(guó)的淮河流域，Wang et al.（2021）結(jié)合觀測(cè)數(shù)據(jù)和陸面模式的研究結(jié)果表明，SMAP、SMOS在淮河流域夏季的精度要優(yōu)于冬季。除了對(duì)土壤濕度長(zhǎng)時(shí)間序列的反演表現(xiàn)外，遙感產(chǎn)品在氣候異常事件中的表現(xiàn)也受到廣泛的關(guān)注（Hao et al.，2015;Zhang et al.，2019;Thomas et al.，2022;Wei et al.，2024）。大氣再分析數(shù)據(jù)是常用的數(shù)據(jù)產(chǎn)品，通過(guò)同化高質(zhì)量的觀測(cè)數(shù)據(jù)（鄧明珊等，2018），得到全球長(zhǎng)期的土壤濕度數(shù)據(jù)，其在全球各區(qū)域的適用性已被廣泛評(píng)估并應(yīng)用于土壤濕度和氣候變化的相關(guān)研究（Nicolai-Shaw et al.，2015;Li et al.，2020;余波等，2020;劉維成等，2022;Kenfack et al.，2023;Zhang et al.，2023;Zheng et al.，2024）。機(jī)器學(xué)習(xí)利用有限的數(shù)據(jù)建立模型并進(jìn)行訓(xùn)練，進(jìn)行反演與預(yù)測(cè)（劉娣等，2024），得到更高時(shí)空分辨率的土壤濕度數(shù)據(jù)。隨著機(jī)器學(xué)習(xí)逐漸發(fā)展并應(yīng)用于土壤濕度研究領(lǐng)域，越來(lái)越多的高分辨率土壤濕度數(shù)據(jù)也逐漸應(yīng)用于全球各區(qū)域的水文氣象研究中（Jang et al.，2020;Huang et al.，2021，Li et al.，2022）。在全球范圍內(nèi)原位觀測(cè)覆蓋率不足的情況下，遙感、再分析等數(shù)據(jù)產(chǎn)品為土壤濕度相關(guān)的研究提供了有力的支撐。

近幾十年來(lái)，長(zhǎng)江中下游地區(qū)梅雨季極端降水和干旱事件的發(fā)生頻率顯著增加，對(duì)陸地生態(tài)系統(tǒng)產(chǎn)生了重大影響。比如，2020年夏季長(zhǎng)江中下游地區(qū)出現(xiàn)破紀(jì)錄的極端降水事件，梅雨季雨量為753.9 mm，較常年同期偏多168.3％，其累計(jì)雨量、頻次、強(qiáng)度都達(dá)到了1961年以來(lái)之最。這次“暴力梅”在長(zhǎng)江中下游地區(qū)導(dǎo)致了嚴(yán)重的汛情，誘發(fā)多地山洪，造成了巨大的財(cái)產(chǎn)損失。2013年夏季長(zhǎng)江中下游地區(qū)持續(xù)高溫干旱，旱情較為嚴(yán)重的省市出現(xiàn)近60年來(lái)同期最少降水（李曈等，2017），造成直接經(jīng)濟(jì)損失366.4億元（段海霞等，2014）。目前大多數(shù)研究?jī)H使用單一的土壤濕度數(shù)據(jù)作為指標(biāo)分析極端事件（劉強(qiáng)等，2013;陳少丹等，2017;Bui et al.，2022），對(duì)不同來(lái)源和類(lèi)型的土壤濕度數(shù)據(jù)的對(duì)比分析較少。由于對(duì)土壤濕度的觀測(cè)在中國(guó)范圍內(nèi)存在較多的缺測(cè)，且站點(diǎn)大多呈現(xiàn)區(qū)域式集中分布，我們難以對(duì)土壤濕度的區(qū)域整體特征以及其與大范圍的氣候異常的關(guān)聯(lián)進(jìn)行分析（高佳佳等，2021）。本文旨在探究幾種主流土壤濕度產(chǎn)品在極端降水和干旱事件中的響應(yīng)情況，分析遙感產(chǎn)品、再分析數(shù)據(jù)產(chǎn)品和機(jī)器學(xué)習(xí)產(chǎn)品在區(qū)域內(nèi)的適用性，針對(duì)特定的極端天氣氣候事件對(duì)比各產(chǎn)品的響應(yīng)差異。本文的工作有利于加強(qiáng)對(duì)不同土壤濕度產(chǎn)品的時(shí)空特征及在極端事件中響應(yīng)特征的理解，為今后土壤水文過(guò)程研究，極端降水和干旱研究提供參考。

1 數(shù)據(jù)和方法

1.1 數(shù)據(jù)

本文使用3種遙感土壤濕度產(chǎn)品、1種再分析數(shù)據(jù)及1種機(jī)器學(xué)習(xí)降尺度數(shù)據(jù)，表1給出了不同土壤濕度產(chǎn)品的基本信息，研究時(shí)段取為2010—2020年，由于SMAP數(shù)據(jù)的可用年限較短（2015—2020年），分析2013年極端干旱事件時(shí)將不包括該數(shù)據(jù)；SMOS中未提及探測(cè)深度。

1.1.1 衛(wèi)星遙感土壤濕度數(shù)據(jù)

SMAP L3（Soil Moisture Active and Passive L3）是美國(guó)土壤水分主動(dòng)-被動(dòng)探測(cè)衛(wèi)星被動(dòng)微波三級(jí)產(chǎn)品，基于被動(dòng)微波手段反演的土壤濕度數(shù)據(jù)可以更好地穿透植被和云層，受地表土壤粗糙度等條件影響更小。本文使用時(shí)間分辨率為1 d的升軌和降軌的version 8版本SMAP數(shù)據(jù)（Eswar et al.，2018）。

SMOS L3（Soil Moisture and Ocean Salinity L3）是土壤濕度和海洋鹽度衛(wèi)星3級(jí)表層土壤濕度產(chǎn)品，由SMOS數(shù)據(jù)處理中心（Centre Aval de Traitement des Données SMOS，CATDS）生成，可用的時(shí)間分辨率為：1 d、3 d、10 d和1 mon。本文使用時(shí)間分辨率為1 mon的升軌和降軌SMOS數(shù)據(jù)（Al Bitaret al.，2017）。

歐洲航天局（European Space Agency，ESA）氣候變化倡議項(xiàng)目（Climate Change Initiative，CCI）發(fā)布的全球地表土壤濕度多衛(wèi)星合成產(chǎn)品（ESA CCI）（Gruber et al.，2019），旨在提供一套融合多種遙感土壤濕度信息的長(zhǎng)時(shí)間序列全球覆蓋的土壤濕度數(shù)據(jù)集，其準(zhǔn)確性在全球各個(gè)區(qū)域得到了廣泛的驗(yàn)證，同時(shí)該產(chǎn)品也是目前為止時(shí)間周期覆蓋最長(zhǎng)、最穩(wěn)定的土壤濕度數(shù)據(jù)集。本文采用2021年4月發(fā)布的v06.1版本融合ESA CCI產(chǎn)品。

1.1.2 再分析土壤濕度數(shù)據(jù)

ERA5是由歐洲中期天氣預(yù)報(bào)中心（European Centre for Medium-Range Weather Forecasts，ECMWF）在2018年6月發(fā)布的全球氣候第五代大氣再分析數(shù)據(jù)集，包含1979年至今的全球土壤濕度數(shù)據(jù)（Hersbach et al.，2020），該數(shù)據(jù)集的陸面再分析數(shù)據(jù)（ERA5 LAND）將全球范圍內(nèi)的觀測(cè)數(shù)據(jù)與模擬數(shù)據(jù)相結(jié)合，提供了4個(gè)深度層（0～7 cm、7～28 cm、28～100 cm、100～289 cm）土壤濕度數(shù)據(jù)的每小時(shí)估計(jì)值。本研究評(píng)估的數(shù)據(jù)為0～7 cm表層土壤濕度數(shù)據(jù)。

1.1.3 機(jī)器學(xué)習(xí)土壤濕度數(shù)據(jù)

中國(guó)區(qū)域1 km高質(zhì)量土壤濕度數(shù)據(jù)集（Soil Moisture of China by in situ data，SMCI 1.0）（上官微等，2022）以中國(guó)氣象局提供的1 648個(gè)站點(diǎn)的10層土壤濕度為基準(zhǔn)，使用多源數(shù)據(jù)通過(guò)機(jī)器學(xué)習(xí)方法得到。該數(shù)據(jù)集包含了2000—2020年以10 cm為間隔的10層深度（10～100 cm）的逐日土壤濕度數(shù)據(jù)。文中使用了10 cm深度逐日數(shù)據(jù)。

1.1.4 降水與氣溫?cái)?shù)據(jù)

降水資料采用國(guó)家氣象信息中心提供的中國(guó)地面降水月值0.5°×0.5°格點(diǎn)數(shù)據(jù)集（V2.0）（沈艷等，2010），該數(shù)據(jù)集以中國(guó)地面2 472個(gè)臺(tái)站降水資料為基礎(chǔ)，利用ANUSPLIN軟件的薄盤(pán)樣條法（Thin Plate Spline，TPS）生成1961年至今的水平分辨率0.5°×0.5°的中國(guó)降水月均值格點(diǎn)數(shù)據(jù)。本研究選取2010—2020年10 a數(shù)據(jù)計(jì)算氣候平均值與距平值。

氣溫資料采用國(guó)家氣象信息中心提供的中國(guó)地面氣溫日值0.5°×0.5°格點(diǎn)數(shù)據(jù)集（V2.0），其生成方法與降水?dāng)?shù)據(jù)一致，與降水選取相同的時(shí)間范圍。

1.2 研究方法

1.2.1 土壤水分產(chǎn)品數(shù)據(jù)預(yù)處理

本文研究5種土壤濕度產(chǎn)品的月尺度變化情況，對(duì)五種數(shù)據(jù)產(chǎn)品進(jìn)行處理：先將逐日數(shù)據(jù)進(jìn)行月平均得到中國(guó)范圍內(nèi)5種產(chǎn)品逐月平均數(shù)據(jù)，再將各土壤水分產(chǎn)品進(jìn)行分辨率轉(zhuǎn)化及投影轉(zhuǎn)化，統(tǒng)一空間分辨率為0.5°。

1.2.2 建立參考場(chǎng)與計(jì)算指標(biāo)

由于全國(guó)土壤觀測(cè)數(shù)據(jù)時(shí)空完整性較差，參考Qiao et al.（2022）對(duì)CMIP6產(chǎn)品的評(píng)估方法，使用多產(chǎn)品集合平均的方法生成一個(gè)參考場(chǎng)。對(duì)5套產(chǎn)品賦予相同的權(quán)重計(jì)算集合平均，以進(jìn)一步分析各產(chǎn)品間的特點(diǎn)與差異（劉榮華等，2017）。使用相關(guān)系數(shù)R（McColl et al.，2014）來(lái)對(duì)比產(chǎn)品間，產(chǎn)品與氣象要素間的相關(guān)性，評(píng)估各產(chǎn)品與參考場(chǎng)的差異（Hyndman and Koehler，2006）。

為了研究極端降水和極端干旱期間變量的變化，本文計(jì)算了空間標(biāo)準(zhǔn)化距平（var′（i，j，t））。所有變量的標(biāo)準(zhǔn)化距平var′都是針對(duì)格點(diǎn)（i，j）進(jìn)行計(jì)算的。極端降水和干旱事件期間每個(gè)格點(diǎn)的標(biāo)準(zhǔn)化距平為與多年平均值ar的偏差，并通過(guò)2010—2020年的標(biāo)準(zhǔn)差（DS）進(jìn)行歸一化（對(duì)于SMAP數(shù)據(jù)使用2015—2020年的標(biāo)準(zhǔn)差）（段海霞等，2014）：

R=∑nt=1（xt-）（yt-）∑nt=1（xt-）2∑nt=1（yt-）2 ，（1）

DS=1N∑nt=1（xt-）2 ，（2）

var′（i，j，t）=var（i，j，t）-ar（i，j）DS（var（i，j，t））。（3）

式中：xt為第t月的產(chǎn)品土壤濕度;yt為第t月的參考場(chǎng)土壤濕度;n為研究月數(shù);和分別代表參考場(chǎng)土壤濕度和不同產(chǎn)品土壤濕度平均值。R取值在-1～1，R>0表示兩要素正相關(guān)，R<0表示兩要素負(fù)相關(guān)，R絕對(duì)值越大相關(guān)性越強(qiáng)。

2 長(zhǎng)江中下游區(qū)域土壤濕度時(shí)空變化特征

為了分析長(zhǎng)江中下游區(qū)域5種產(chǎn)品土壤濕度的變化趨勢(shì)，選取江蘇、安徽、浙江、湖北、湖南、江西、上海這7個(gè)省市作為研究范圍，對(duì)研究時(shí)間段內(nèi)的土壤濕度年平均的空間分布進(jìn)行分析（圖1）。從圖中可以看到，長(zhǎng)江中下游地區(qū)的年均土壤濕度呈現(xiàn)明顯的南北向分布格局。盡管5種產(chǎn)品反映的總體分布相對(duì)一致，但在具體數(shù)值和空間分布上仍存在一些差異。SMAP土壤濕度的高值主要分布在長(zhǎng)江沿岸，展現(xiàn)了更多的空間分布細(xì)節(jié)。SMOS總體數(shù)值明顯低于其他產(chǎn)品，大部分區(qū)域的年均土壤濕度在0.25 m3／m3以下。但SMOS能識(shí)別長(zhǎng)江中下游的主要湖泊流域的高值區(qū)域，在這些區(qū)域與SMAP分布特征相似。ESA CCI反映的土壤濕度空間分布較為均勻，自北至南土壤濕度逐漸增加，湖南東部、江西大部分地區(qū)以及浙江中部年均土壤濕度能達(dá)到0.35 m3／m3以上;ERA5和SMCI具有較高的空間相似性，30°N以南的大部分區(qū)域年均土壤濕度高于0.4 m3／m3。綜合來(lái)看，SMAP和SMOS展現(xiàn)了更多土壤濕度的空間分布細(xì)節(jié)，ESA CCI是基于多套遙感數(shù)據(jù)的融合數(shù)據(jù)，因此土壤濕度空間分布較為均勻。ERA5和SMCI的空間分布較為一致。

為了更深入地量化5種土壤濕度產(chǎn)品之間的差異及其與主要?dú)庀笠蜃又g的關(guān)系，圖2展示了5種產(chǎn)品和集合平均（MEAN）的土壤濕度以及降水（PRECIP）和溫度（TEMP）在長(zhǎng)江中下游地區(qū)132 mon（其中SMAP僅覆蓋69 mon），327個(gè)格點(diǎn)上的時(shí)間和空間相關(guān)系數(shù)。從時(shí)間變化的角度來(lái)看，各產(chǎn)品間的相關(guān)性較好，但SMOS與其他產(chǎn)品之間的相關(guān)系數(shù)較低。氣象因子與土壤濕度的相關(guān)性較小，尤其氣溫對(duì)土壤濕度的影響不顯著。從空間變化的角度來(lái)看，幾種土壤濕度產(chǎn)品與降水的一致性較好，但SMOS與其他產(chǎn)品及降水的空間一致性較低。另外，SMOS受氣溫的時(shí)空驅(qū)動(dòng)作用最明顯，ERA5和SMCI的時(shí)空相關(guān)性都是最高的，達(dá)到了0.95和0.97。這些結(jié)果有助于加深我們對(duì)不同氣候條件下土壤水分時(shí)空分布和變化特征的認(rèn)識(shí)。

3 土壤濕度對(duì)極端降水和干旱的響應(yīng)特征

為了進(jìn)一步識(shí)別長(zhǎng)江中下游區(qū)域梅雨季（6—7月）的極端降水和干旱事件，對(duì)長(zhǎng)江中下游區(qū)域梅雨季的降水異常時(shí)間序列進(jìn)行分析（圖3），可以看到這21 a中有4 a的梅雨季降水標(biāo)準(zhǔn)化距平超過(guò)了一個(gè)標(biāo)準(zhǔn)差（1σ）：2013年（-1.29σ）、2016年（1.57σ）、2018年（-1.27σ）和2020年（2.84σ），因此我們將2013年和2018年確定為“極端干旱事件”發(fā)生年份;2016年和2020年確定為“極端降水事件”發(fā)生年份。根據(jù)極端降水、干旱事件的異常程度依次對(duì)這4次事件多種土壤濕度產(chǎn)品對(duì)極端降水的響應(yīng)進(jìn)行對(duì)比分析。

3.1 2020年長(zhǎng)江中下游地區(qū)“暴力梅”

2020年“暴力梅”事件發(fā)生的主要時(shí)間段為6—7月。圖4給出了2020年6—7月平均的土壤濕度標(biāo)準(zhǔn)化距平（以下簡(jiǎn)稱距平）的空間分布，主要反映極端降水事件對(duì)土壤濕度異常的影響。研究區(qū)域內(nèi)，降水在超過(guò)80％的地區(qū)都表現(xiàn)為正距平，且接近一半的區(qū)域超過(guò)了1個(gè)標(biāo)準(zhǔn)差（1σ），在湖北省西部、安徽省西北部和江蘇省北部，有一小部分地區(qū)降水正距平超過(guò)2σ;而湖南、江西的南端的部分地區(qū)則表現(xiàn)為降水負(fù)距平。從不同土壤濕度產(chǎn)品的響應(yīng)可以看到，SMAP距平的空間分布與降水基本一致，正距平超過(guò)1σ的區(qū)域比降水更廣泛;相比之下，SMOS距平的空間分布與降水及其他土壤濕度產(chǎn)品有較大差異，浙江、江蘇兩省主要表現(xiàn)為負(fù)距平，在空間上沒(méi)能較好表現(xiàn)土壤濕度對(duì)極端降水的響應(yīng);ESA CCI產(chǎn)品反映的土壤濕度在研究區(qū)域絕大部分地區(qū)都處于大于1σ的偏濕狀態(tài)，近30％的地區(qū)土壤濕度顯著偏高（>2σ）;ERA5和SMCI（圖4e、圖4f）表現(xiàn)出0～7 cm和0～10 cm深度土壤濕度與降水相似的空間分布特征，大部分地區(qū)出現(xiàn)了中等程度的土壤濕度偏高（>1σ）。

綜上所述，5種土壤濕度產(chǎn)品均在6—7月顯示出對(duì)異常偏多降水的響應(yīng)。SMAP、ERA5、SMCI對(duì)2020年長(zhǎng)江中下游地區(qū)的極端降水響應(yīng)趨勢(shì)較為一致，而SMOS和ESA CCI土壤濕度在部分區(qū)域未能很好地體現(xiàn)土壤濕度對(duì)極端降水的響應(yīng)。

3.2 2016年長(zhǎng)江中下游地區(qū)極端降水事件

2016年的降水極端程度與2020年相比要弱，且在空間分布上也有差異。與2020年降水空間格局不同，2016年降水異常在長(zhǎng)江中下游區(qū)域呈現(xiàn)條帶狀相間分布，其中降水偏多的區(qū)域主要集中在湖北、安徽、江蘇以及湖南北部。對(duì)于土壤濕度的響應(yīng)，SMAP表現(xiàn)出相較于降水異常更小的土壤偏濕程度，在浙江表現(xiàn)出大范圍的表層土壤偏濕，與降水的異常情況相反。SMOS在研究區(qū)域內(nèi)大部分區(qū)域表現(xiàn)為土壤偏濕，但在研究區(qū)域西部以及湖南、湖北、江西3省交界處未能體現(xiàn)土壤濕度對(duì)降水的響應(yīng);ESA CCI、ERA5、SMCI表現(xiàn)出相似的表層土壤濕度異?？臻g分布，能較好地反映降水異常分布（圖5）。

3.3 2013年長(zhǎng)江中下游地區(qū)極端干旱事件

針對(duì)2013年6—7月長(zhǎng)江中下游的干旱事件，圖6給出了降水和不同土壤濕度產(chǎn)品的標(biāo)準(zhǔn)化距平的空間分布。由于SMAP產(chǎn)品沒(méi)有2013年的數(shù)據(jù)，所以在本次事件中僅分析SMOS、ESA CCI、ERA5、SMCI共4種產(chǎn)品。

圖6給出了2013年6—7月長(zhǎng)江中下游地區(qū)土壤濕度距平的空間分布，2013年干旱事件中，研究區(qū)域內(nèi)降水比多年平均顯著偏少，尤其在湖南和江西中部，降水的負(fù)距平超過(guò)1個(gè)標(biāo)準(zhǔn)差（1σ）。在此降水條件下，SMOS數(shù)據(jù)在超過(guò)80％的地區(qū)表現(xiàn)為土壤偏旱，但僅有10％左右的地區(qū)負(fù)距平超過(guò)1σ，而且這些區(qū)域的分布相對(duì)分散，在空間上不能反映土壤濕度對(duì)極端干旱的響應(yīng)過(guò)程。相比之下，ESA CCI的數(shù)據(jù)顯示，超過(guò)50％的區(qū)域土壤濕度的負(fù)距平超過(guò)1σ。ERA5和SMCI表現(xiàn)的0～7 cm和0～10 cm深度土壤濕度異常有相似的空間分布，特別是土壤濕度顯著偏低（>2σ）的區(qū)域主要集中在湖南中北部、浙江和安徽。ERA5數(shù)據(jù)顯示的土壤濕度顯著偏低的區(qū)域范圍更大，在30°N以北的區(qū)域顯示土壤處于偏濕的狀態(tài)。

3.4 2018年長(zhǎng)江中下游地區(qū)極端干旱事件

2018年的長(zhǎng)江中下游區(qū)域干旱相對(duì)于2013年來(lái)說(shuō)，分布范圍更小，降水負(fù)異常（圖7a）的大值區(qū)更偏北，集中在30°N以南的區(qū)域以及湖北省北部，在不同土壤濕度產(chǎn)品響應(yīng)方面，SMAP（圖7b）表現(xiàn)出與降水異常分布相近的空間分布，對(duì)于降水負(fù)異常的大值區(qū)均表現(xiàn)為相應(yīng)的土壤濕度負(fù)異常響應(yīng)。但是SMOS（圖7c）在研究區(qū)域大部分地區(qū)顯示表層土壤濕度的正異常，其負(fù)異常的空間分布與降水也不匹配，未能反映土壤濕度對(duì)于在這次極端干旱事件的響應(yīng)過(guò)程;ESA CCI（圖 7d）表現(xiàn)的表層土壤濕度響應(yīng)程度較弱，與降水在江西和浙江交界區(qū)域的負(fù)異常大值區(qū)對(duì)應(yīng)較好。ERA5（圖 7e）表現(xiàn)的0～7 cm的土壤濕度與SMCI（圖 7f）表現(xiàn)的0～10 cm的土壤濕度異常程度與空間分布基本一致，表現(xiàn)出對(duì)降水異常類(lèi)似的響應(yīng)。

4 結(jié)論和討論

土壤濕度作為重要的氣象和水文指標(biāo)，研究其時(shí)空變化對(duì)指導(dǎo)農(nóng)業(yè)生產(chǎn)等具有重要意義。以往的研究大多關(guān)注氣候態(tài)土壤濕度產(chǎn)品的評(píng)估，本文以長(zhǎng)江中下游作為研究區(qū)域，結(jié)合降水、氣溫?cái)?shù)據(jù)，研究?jī)纱螛O端降水事件，兩次極端干旱事件中5種土壤濕度產(chǎn)品的響應(yīng)情況，得到如下結(jié)論：

1）總體來(lái)看，SMAP產(chǎn)品在長(zhǎng)江中下游區(qū)域呈現(xiàn)了更多的土壤濕度空間分布的細(xì)節(jié)，SMOS產(chǎn)品對(duì)土壤濕度表現(xiàn)普遍的低估，ESA CCI反映出的區(qū)域差異偏小，ERA5和SMCI整體相似度較高。

2）極端降水事件期間，SMAP、ERA5、SMCI土壤濕度表現(xiàn)出與降水異常較為一致的空間分布，ESA CCI也能較好地表現(xiàn)土壤濕度對(duì)降水異常的響應(yīng)。但是SMOS觀測(cè)的表層土壤濕度在響應(yīng)極端降水事件時(shí)，在空間分布上與其他幾種產(chǎn)品表現(xiàn)出顯著差異，表明了SMOS表層土壤濕度數(shù)據(jù)表征極端降水事件期間土壤濕度特征的局限性。

3）極端干旱事件期間，SMAP、ERA5、SMCI土壤濕度對(duì)降水負(fù)異常的響應(yīng)在空間上表現(xiàn)出較高的一致性，SMOS和ESA CCI土壤濕度對(duì)干旱事件的響應(yīng)與以上3種產(chǎn)品差異較大，在兩次事件中表現(xiàn)出與降水異常不同的空間分布特征。

SMAP能夠較為準(zhǔn)確地反映土壤濕度對(duì)異常降水時(shí)空尺度上的響應(yīng)，在極端降水事件中與降水的時(shí)空分布一致性很好，Zeng et al.（2016）在美國(guó)和歐洲的評(píng)估也得到了同樣的結(jié)論。在極端降水事件中，降水量大且降水時(shí)段比較集中，土壤表面水分達(dá)到飽和，對(duì)衛(wèi)星反演準(zhǔn)確度產(chǎn)生很大的影響，而SMOS產(chǎn)品更容易受到降水異常的影響，對(duì)極端降水的識(shí)別能力較弱，這與（Albergel et al.，2012）在法國(guó)的評(píng)估結(jié)果一致，這部分解釋了SMOS在響應(yīng)極端降水事件時(shí)的偏差。在極端干旱事件中，SMOS對(duì)降水偏少的響應(yīng)較弱甚至未響應(yīng)也可能是SMOS傳感器在干燥土壤中的探測(cè)深度更深導(dǎo)致的（Al Bitar et al.，2017）。此外，SMOS對(duì)于土壤濕度呈現(xiàn)一個(gè)系統(tǒng)性的低估，這與之前的研究結(jié)論一致（Xiong et al.，2018；孟越等，2022），同時(shí)，SMOS土壤濕度數(shù)值偏低，因此在極端事件期間，其相對(duì)變化的范圍也更大，不能完全表現(xiàn)土壤濕度真實(shí)的變化。

在極端降水事件中，ESA CCI表現(xiàn)出顯著的土壤濕度異常，但對(duì)比土壤濕度和距平的空間分布后發(fā)現(xiàn)，其空間分布較為均勻，區(qū)域內(nèi)差異不明顯，距平的絕對(duì)值也集中在0.025 m3·m-3以內(nèi)。這表明ESA CCI呈現(xiàn)出的顯著異常更多的是多源衛(wèi)星數(shù)據(jù)融合過(guò)程中較小的標(biāo)準(zhǔn)差所致，并未完全反映實(shí)際土壤濕度異常情況，這與楊涵和熊立華（2023）在渠江流域和伊洛河流域?qū)SA CCI空間分布的結(jié)論相似。結(jié)合時(shí)間變化趨勢(shì)，ESA CCI數(shù)據(jù)在研究區(qū)域內(nèi)存在明顯的誤差，之前的一些研究也表明ESA CCI對(duì)極端事件的響應(yīng)也存在一定的誤差（田晴等，2022，楊涵和熊立華，2023）。

ERA5和SMCI在不同時(shí)空尺度下的分布與變化特征均具有很高的相似性，其時(shí)空相關(guān)系數(shù)在研究區(qū)域內(nèi)也達(dá)到了0.97和0.95。進(jìn)一步探究數(shù)據(jù)生成方法后發(fā)現(xiàn)，SMCI使用了ERA5 Land有關(guān)變量作為協(xié)變量，因此與ERA5提供的土壤濕度數(shù)據(jù)并不相互獨(dú)立，且對(duì)于降水的響應(yīng)表現(xiàn)也更出色，這也能為說(shuō)明兩種產(chǎn)品在不同土層深度的相似響應(yīng)特征提供依據(jù)（上官微等，2022）。兩種數(shù)據(jù)呈現(xiàn)的土壤濕度空間分布具有明顯的帶狀分布，與之前的研究結(jié)果（劉榮華等，2017）一致。ERA5在南方地區(qū)的適用性已有驗(yàn)證（陳玥和王愛(ài)慧，2023），本文對(duì)其捕獲極端降水事件和極端干旱時(shí)間的靈敏性評(píng)估結(jié)果也與之前的研究一致（劉婷婷等，2022）。因?yàn)镾MCI是基于觀測(cè)數(shù)據(jù)訓(xùn)練得到的，所以對(duì)衛(wèi)星和再分析數(shù)據(jù)起到了很好的補(bǔ)充。

針對(duì)兩次極端干旱事件數(shù)據(jù)產(chǎn)品的不同響應(yīng)，本文討論了兩次事件的差異。雖然2013和2018年6、7月的降水異常程度相近（-1.29σ和-1.27σ），但與2018年不同的是，2013年對(duì)應(yīng)時(shí)段同時(shí)出現(xiàn)了高溫異常（標(biāo)準(zhǔn)化距平高達(dá)1.86），高溫會(huì)加劇土壤水分蒸發(fā)，使得土壤干旱程度更為顯著。在極端干旱事件分析中，SMOS和ESA CCI對(duì)降水異常響應(yīng)空間分布與其他幾種產(chǎn)品差距較大：在2018年極端干旱事件中，ERA5和SMCI所顯示的表層土壤濕度異常與降水異常的程度相匹配;在同時(shí)出現(xiàn)高溫和干旱的復(fù)合事件中（2013年），這些產(chǎn)品表現(xiàn)出的土壤濕度異常程度超過(guò)了降水異常，這凸顯了在氣象干旱條件下高溫對(duì)土壤濕度的顯著影響。（Zaitchik et al.，2006;Fischer et al.，2007;Zhang and Wu，2011）。

總體而言，現(xiàn)有的各類(lèi)表層土壤濕度數(shù)據(jù)總體上可以反映表層土壤濕度的變化趨勢(shì)，但在極端降水和極端干旱條件下受影響程度不同，因此在使用表層土壤濕度數(shù)據(jù)的時(shí)候需要考慮不同研究條件下數(shù)據(jù)的準(zhǔn)確性。本文初步對(duì)比分析了5種主流土壤濕度產(chǎn)品在極端氣候事件中的表現(xiàn)，為之后極端事件中的土壤溫度研究提供了重要的參考。文中僅使用了表層土壤濕度數(shù)據(jù)，后續(xù)可加入深層土壤數(shù)據(jù)，深入分析異常降水對(duì)各層土壤影響的機(jī)制，對(duì)土壤濕度的記憶性進(jìn)行更具體地分析。

致謝：感謝NSIDC、CATD、ESA、ECMWF、TPDC提供了SMAP、SMOS、ESA CCI、ERA5、SMCI資料的在線下載服務(wù)。

參考文獻(xiàn)（References）

Albergel C，de Rosnay P，Gruhier C，et al.，2012.Evaluation of remotely sensed and modelled soil moisture products using global ground-based in situ observations［J］.Remote Sens Environ，118：215-226.doi：10.1016／j.rse.2011.11.017.

Al Bitar A，Mialon A，Kerr Y H，et al.，2017.The global SMOS Level 3 daily soil moisture and brightness tempera ture maps［J］.Earth Syst Sci Data，9（1）：293-315.doi：10.5194／essd-9-293-2017.

Bui L K，Awange J，Vu D T，2022.Precipitation and soil moisture spatio-temporal variability and extremes over Vietnam （1981—2019）：understanding their links to rice yield［J］.Sensors，22（5）：1906.doi：10.3390／s22051906.

陳泓羽，吳靜，李純斌，等，2020.衛(wèi)星土壤水分產(chǎn)品在青藏高原地區(qū)的適用性評(píng)價(jià)［J］.生態(tài)學(xué)報(bào)，40（24）：9195-9207. Chen H Y，Wu J，Li C B，et al.，2020.Applicability evaluation of satellite soil moisture products in Qinghai-Tibet Plateau［J］.Acta Ecol Sin，40（24）：9195-9207.doi：10.5846／stxb202001070056.（in Chinese）.

陳少丹，張利平，閃麗潔，等，2017.長(zhǎng)江中下游流域土壤濕度遙感反演研究及其影響因素分析［J］.應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào)，25（4）：657-669.Chen S D，Zhang L P，Shan L J，et al.，2017.Research on remote sensing inversion of soil moisture and analysis of influencing factors in the middle and Lower Yangtze River basin［J］.J Basic Sci Eng，25（4）：657-669.doi：10.16058／j.issn.1005-0930.2017.04.001.（in Chinese）.

陳玥，王愛(ài)慧，2023.中國(guó)南方春季土壤濕度對(duì)夏季干熱少雨復(fù)合事件的影響［J］.大氣科學(xué)學(xué)報(bào)，46（03）：332-344. Chen Y，Wang A H，2023.Effects of spring soil moisture on compound events of high temperature，low humidity，and rainfall in South China［J］.Trans Atmos Sci，46（3）：332-344.doi：10.13878／j.cnki.dqkxxb.20230303001.（in Chinese）.

Collow T W，Robock A，Basara J B，et al.，2012.Evaluation of SMOS retrievals of soil moisture over the central United States with currently available in situ observations［J］.J Geophys Res，117（D9）.doi：10.1029／2011jd017095.

DallAmico J T，Schlenz F，Loew A，et al.，2012.First results of SMOS soil moisture validation in the upper Danube Catchment［J］.IEEE Trans Geosci Remote Sens，50（5）：1507-1516.doi：10.1109／TGRS.2011.2171496.

鄧明珊，孟憲紅，馬英賽，等，2018.基于GLDAS產(chǎn)品的青藏高原土壤濕度特征分析［J］.干旱氣象，36（4）：595-602. Deng M S，Meng X H，Ma Y S，et al.，2018.Analysis on soil moisture characteristics of Tibetan Plateau based on GLDAS［J］.J Arid Meteor，36（4）：595-602.doi：10.11755／j.issn.1006-7639（2018）-04-0595.（in Chinese）.

段海霞，王素萍，馮建英，2014.2013年全國(guó)干旱狀況及其影響與成因［J］.干旱氣象，32（2）：310-316. Duan H X，Wang S P，F(xiàn)eng J Y，2014.Drought in China in 2013，its influence and causes［J］.J Arid Meteor，32（2）：310-316.doi：10.11755／j.issn.1006-7639（2014）-02-0310.（in Chinese）.

El Hajj M，Baghdadi N，Zribi M，et al.，2018.Evaluation of SMOS，SMAP，ASCAT and sentinel-1 soil moisture products at sites in southwestern France［J］.Remote Sens，10（4）：569.doi：10.3390／rs10040569.

Eswar R，Das N，Poulsen C，et al.，2018.SMAP soil moisture change as an indicator of drought conditions［J］.Remote Sens，10（5）：788.doi：10.3390／rs10050788.

Fischer E M，Seneviratne S I，Lüthi D，et al.，2007.Contribution of land-atmosphere coupling to recent European summer heat waves［J］.Geophys Res Lett，34（6）：L06707.doi：10.1029／2006GL029068.

高峰，王介民，孫成權(quán)，等，2001.微波遙感土壤濕度研究進(jìn)展［J］.遙感技術(shù)與應(yīng)用，16（2）：97-102. Gao F，Wang J M，Sun C Q，et al.，2001.Advances in study on microwave remote sensing of soil moisture［J］.Remote Sens Technol Appl，16（2）：97-102.doi：10.3969／j.issn.1004-0323.2001.02.006.（in Chinese）.

高佳佳，杜軍，卓嘎，2021.青藏高原春季土壤濕度與夏季降水的關(guān)系［J］.大氣科學(xué)學(xué)報(bào)，44（2）：219-227. Gao J J，Du J，Zhuoga，2021.Relationship between soil moisture in spring and precipitation in summer over the Tibetan Plateau［J］.Trans Atmos Sci，44（2）：219-227.doi：10.13878／j.cnki.dqkxxb.20200720001.（in Chinese）.

Gruber A，Scanlon T，van der Schalie R，et al.，2019.Evolution of the ESA CCI soil moisture climate data records and their underlying merging methodology［J］.Earth Syst Sci Data，11（2）：717-739.doi：10.5194／essd-11-717-2019.

郭維棟，馬柱國(guó)，王會(huì)軍，2007.土壤濕度：一個(gè)跨季度降水預(yù)測(cè)中的重要因子及其應(yīng)用探討［J］.氣候與環(huán)境研究，12（1）：20-28. Guo W D，Ma Z G，Wang H J，2007.Soil moisture：an important factor of seasonal precipitation prediction and its application［J］.Clim Environ Res，12（1）：20-28.doi：10.3969／j.issn.1006-9585.2007.01.003.（in Chinese）.

Hao C，Zhang J H，Yao F M，2015.Combination of multi-sensor remote sensing data for drought monitoring over Southwest China［J］.Int J Appl Earth Obs Geoinf，35：270-283.doi：10.1016／j.jag.2014.09.011.

Hersbach H，Bell B，Berrisford P，et al.，2020.The ERA5 global reanalysis［J］.Quart J Roy Meteor Soc，146（730）：1999-2049.doi：10.1002／qj.3803.

Huang W J，Wang W，Cao M，et al.，2021.Local climate and biodiversity affect the stability of Chinas grasslands in response to drought［J］.Sci Total Environ，768：145482.doi：10.1016／j.scitotenv.2021.145482.

Hyndman R J，Koehler A B，2006.Another look at measures of forecast accuracy［J］.Int J Forecast，22（4）：679-688.doi：10.1016／j.ijforecast.2006.03.001.

Jang Y，Jang I，Choe Y，2020.Prediction of soil moisture with open source weather data and machine learning algorithms［J］.Korean Journal of Agricultural and Forest Meteorology，22（1）：1-12.https：／／doi.org／10.5532／KJAFM.2020.22.1.1.

Kenfack K，Tamoffo A T，Djiotang Tchotchou L A，et al.，2023.Assessment of uncertainties in reanalysis datasets in reproducing thermodynamic mechanisms in the moisture budgets provision in the Congo Basin［J］.Theor Appl Climatol，154（1）：613-626.doi：10.1007／s00704-023-04576-0.

Li M X，Wu P L，Ma Z G，2020.A comprehensive evaluation of soil moisture and soil temperature from third-generation atmospheric and land reanalysis data sets［J］.Int J Climatol，40（13）：5744-5766.

Li Q L，Shi G S，Shangguan W，et al.，2022.A 1 km daily soil moisture dataset over China using in situ measurement and machine learning［J］.Earth Syst Sci Data，14（12）：5267-5286.

李曈，王文，蔡曉軍，2017.2013年長(zhǎng)江中下游夏季高溫干旱演變過(guò)程及環(huán)流異常成因簡(jiǎn)析［J］.氣象科學(xué)，37（4）：505-513. Li T，Wang W，Cai X J，2017.Evolution and abnormal causes for high temperature and drought in the middle and lower reaches of Yangtze River in summer of 2013［J］.J Meteor Sci，37（4）：505-513.（in Chinese）.

劉娣，孫佳倩，余鐘波，2024.基于機(jī)器學(xué)習(xí)模型的多層土壤濕度反演［J］.河海大學(xué)學(xué)報(bào)（自然科學(xué)版），52（3）：7-14. Liu D，Sun J Q，Yu Z B，2024. Multi-layer soilmoisture inversion based onmachine learningmodels.Journal of Hohai University（Natural Sciences），52（3）： 7-14.doi：10.3876/j.issn.1000-1980.2024.03.002.（in Chinese）.

劉強(qiáng)，杜今陽(yáng)，施建成，等，2013.青藏高原表層土壤濕度遙感反演及其空間分布和多年變化趨勢(shì)分析［J］.中國(guó)科學(xué)：地球科學(xué)，43（10）：1677-1690. Liu Q，Du J Y，Shi J C，et al.，2013.Remote sensing inversion of surface soil moisture in Qinghai-Tibet Plateau and its spatial distribution and multi-year variation trend analysis［J］.Sci Sin：Terrae，43（10）：1677-1690.（in Chinese）.

劉榮華，張珂，晁麗君，等，2017.基于多源衛(wèi)星觀測(cè)的中國(guó)土壤濕度時(shí)空特征分析［J］.水科學(xué)進(jìn)展，28（4）：479-487. Liu R H，Zhang K，Chao L J，et al.，2017.Analysis of spatiotemporal characteristics of surface soil moisture across China based on multi-satellite observations［J］.Adv Water Sci，28（4）：479-487.（in Chinese）.

劉婷婷，朱秀芳，郭銳，等，2022.ERA5再分析降水?dāng)?shù)據(jù)在中國(guó)的適用性分析［J］.干旱區(qū)地理，45（1）：66-79. Liu T T，Zhu X F，Guo R，et al.，2022.Applicability of ERA5 reanalysis of precipitation data in China［J］.Arid Land Geogr，45（1）：66-79.doi：10.12118／j.issn.1000-6060.2021.132.（in Chinese）.

劉維成，徐麗麗，朱姜韜，等，2022.再分析資料和陸面數(shù)據(jù)同化資料土壤濕度產(chǎn)品在中國(guó)北方地區(qū)的適用性評(píng)估［J］.大氣科學(xué)學(xué)報(bào)，45（4）：616-629. Liu W C，Xu L L，Zhu J T，et al.，2022.Evaluation of reanalysis and LDAS soil moisture products over northern China［J］.Trans Atmos Sci，45（4）：616-629.（in Chinese）.

Louvet S，Pellarin T，Al Bitar A，et al.，2015.SMOS soil moisture product evaluation over West-Africa from local to regional scale［J］.Remote Sens Environ，156：383-394.doi：10.1016／j.rse.2014.10.005.

孟越，王大剛，林泳恩，等，2022.SMOS和SMAP衛(wèi)星土壤水分產(chǎn)品的對(duì)比評(píng)價(jià)與差異分析［J］.中山大學(xué)學(xué)報(bào)（自然科學(xué)版）（中英文），61（5）：9-21. Meng Y，Wang D G，Lin Y E，et al.，2022.Comparative evaluation and difference analysis of SMOS and SMAP satellite remote sensing soil moisture products［J］.Acta Sci Nat Univ Sunyatseni，61（5）：9-21.（in Chinese）.

Nicolai-Shaw N，Hirschi M，Mittelbach H，et al.，2015.Spatial representativeness of soil moisture using in situ，remote sensing，and land reanalysis data［J］.J Geophys Res：Atmos，120（19）：9955-9964.doi：10.1002／2015jd023305.

Pettorelli N，Vik J O，Mysterud A，et al.，2005.Using the satellite-derived NDVI to assess ecological responses to environmental change［J］.Trends Ecol Evol，20（9）：503-510.doi：10.1016／j.tree.2005.05.011.

Qiao L，Zuo Z Y，Xiao D，2022.Evaluation of soil moisture in CMIP6 simulations［J］.J Climate，35（2）：779-800.doi：10.1175／jcli-d-20-0827.1.

Schmugge T，Jackson T J，1994.Mapping surface soil moisture with microwave radiometers［J］.Meteor Atmos Phys，54（1）：213-223.doi：10.1007／BF01030061.

Seneviratne S I，Corti T，Davin E L，et al.，2010.Investigating soil moisture-climate interactions in a changing climate：a review［J］.Earth Sci Rev，99（3）：125-161.doi：10.1016／j.earscirev.2010.02.004.

上官微，李清亮，石高松，2022.基于站點(diǎn)觀測(cè)的中國(guó)1 km土壤濕度日尺度數(shù)據(jù)集（2000—2020）［EB/OL］.國(guó)家青藏高原數(shù)據(jù)中心.https：／／doi.org／10.11888／Terre.tpdc.272415. Shangguan W，Li Q L，Shi G S，2022.A 1 km daily soil moisture dataset over China based on situ measurement （2000—2020）） ［EB/OL］.National Tibetan Plateau／Third Pole Environment Data Center.https：／／doi.org／10.11888／Terre.tpdc.272415.（in Chinese）.

沈艷，馮明農(nóng)，張洪政，等，2010.我國(guó)逐日降水量格點(diǎn)化方法［J］.應(yīng)用氣象學(xué)報(bào)，21（3）：279-286. Shen Y，F(xiàn)eng M N，Zhang H Z，et al.，2010.Interpolation methods of China daily precipitation data［J］.J Appl Meteor Sci，21（3）：279-286.doi：10.3969／j.issn.1001-7313.2010.03.003.（in Chinese）.

宋耀明，鄒永成，王志福，2019.前期土壤濕度、海表面溫度對(duì)中國(guó)夏季極端氣溫的預(yù)測(cè)能力評(píng)估［J］.大氣科學(xué)學(xué)報(bào)，42（5）：790-800. Song Y M，Zou Y C，Wang Z F，2019.Assessment of the summer extreme temperature predicting abilities in China for the previous soil moisture and sea surface temperature［J］.Trans Atmos Sci，42（5）：790-800.doi：10.13878／j.cnki.dqkxxb.20160101010.（in Chinese）.

Thomas N P，Anyamba A，Tubbs H，et al.，2022.Evaluation of extreme soil moisture conditions during the 2020 Sahel floods and implications for disease outbreaks［J］.Geophys Res Lett，49（19）.doi：10.1029／2022gl099872.

田晴，陸建忠，陳曉玲，等，2022.基于長(zhǎng)時(shí)序CCI土壤濕度數(shù)據(jù)的長(zhǎng)江流域農(nóng)業(yè)干旱時(shí)空演變［J］.長(zhǎng)江流域資源與環(huán)境，31（2）：472-481. Tian Q，Lu J Z，Chen X L，et al.，2022.Spatio-temporal evolution of agricultural drought in the Yangtze River basin based on long-term CCl soil moisture data［J］.Resources and Environment in the Yangtze Basin，31（2）：472-481.（in Chinese）.

Wang X Y，Lü H，Crow W T，et al.，2021.Assessment of SMOS and SMAP soil moisture products against new estimates combining physical model，a statistical model，and in situ observations：a case study over the Huai River Basin，China［J］.J Hydrol，598：126468.doi：10.1016／j.jhydrol.2021.126468.

Wei W，Wang J P，Ma L B，et al.，2024.Global drought-wetness conditions monitoring based on multi-source remote sensing data［J］.Land，13（1）：95.doi：10.3390／land13010095.

Xiong L H，Yang H，Zeng L，et al.，2018.Evaluating consistency between the remotely sensed soil moisture and the hydrological model-simulated soil moisture in the Qujiang Catchment of China［J］.Water，10（3）：291.doi：10.3390／w10030291.

楊涵，熊立華，2023.多源遙感土壤濕度產(chǎn)品與水文模擬結(jié)果的時(shí)空對(duì)比分析［J］.長(zhǎng)江科學(xué)院院報(bào)，40（8）：177-183，190. Yang H，Xiong L H，2023.Spatial and temporal comparison of soil moisture between multiple satellite products and hydrological modelling［J］.J Yangtze River Sci Res Inst，40（8）：177-183，190.（in Chinese）.

余波，陳海山，孫悅，2020.東亞中緯度夏季陸面增暖與土壤濕度異常的聯(lián)系［J］.大氣科學(xué)學(xué)報(bào)，43（1）：201-211. Yu B，Chen H S，Sun Y，2020.Linkage between summer land surface warming in mid-latitude of East Asia and soil moisture anomalies［J］.Trans Atmos Sci，43（1）：201-211.doi：10.13878／j.cnki.dqkxxb.20190407001.（in Chinese）.

Zaitchik B F，Macalady A K，Bonneau L R，et al.，2006.Europes 2003 heat wave：a satellite view of impacts and land-atmosphere feedbacks［J］.Int J Climatol，26（6）：743-769.doi：10.1002／joc.1280.

Zhang J Y，Wu L Y，2011.Land-atmosphere coupling amplifies hot extremes over China［J］.Chin Sci Bull，56（31）：3328-3332.doi：10.1007／s11434-011-4628-3.

Zhang L Q，Liu Y，Ren L L，et al.，2019.Drought monitoring and evaluation by ESA CCI soil moisture products over the Yellow River basin［J］.IEEE J Sel Top Appl Earth Obs Remote Sens，12（9）：3376-3386.doi：10.1109／JSTARS.2019.2934732.

Zhang P，Yu H B，Gao Y B，et al.，2023.Evaluation of remote sensing and reanalysis products for global soil moisture characteristics［J］.Sustainability，15（11）：9112.doi：10.3390／su15119112.

Zeng J Y，Chen K S，Bi H Y，et al.，2016.A preliminary evaluation of the SMAP radiometer soil moisture product over United States and Europe using ground-based measurements［J］.IEEE Trans Geosci Remote Sens，54（8）：4929-4940.doi：10.1109／TGRS.2016.2553085.

Zheng Y C，Coxon G，Woods R，et al.，2024.Evaluation of reanalysis soil moisture products using cosmic ray neutron sensor observations across the globe［J］.Hydrology and Earth System Sciences，28（9）：1999-2022.https：／／doi.org／10.5194／hess-28-1999-2024.

·ARTICLE·

Response of soil moisture to extreme climate events based on various datasets

DING Sicong1，QIU Bo1，LI Qian2

1School of Atmospheric Sciences，Nanjing University，Nanjing 210023，China;

2Institute of Atmospheric Physics，Chinese Academy of Sciences，Beijing 100029，China

Abstract Soil moisture plays a significant role in global terrestrial water cycles and interactions between land and atmosphere，serving as a crucial factor in hydrologic and climate applications.Due to its long-term memory on time scales ranging from several weeks to months，soil moisture is valuable for weather and climate forecasts.Additionally，it profoundly influences plant photosynthesis，especially during extreme precipitation events and droughts.Accurate and continuous high-resolution soil moisture datasets are essential for analyzing the response of soil moisture to extreme events.However，in situ observations of soil moisture are inadequate due to the sparse distribution of stations，necessitating reliable datasets with fine coverage and accuracy.

Three primary types of high-resolution soil moisture datasets exist：remote sensing data，reanalysis data，and machine learning-enhanced data based on ground-based observations.However，the ability of these datasets to accurately capture the responses of soil moisture to droughts and extreme precipitation events in the middle and lower reaches of the Yangtze River remains uncertain.This study assessed five soil moisture products—Soil Moisture Active Passive （SMAP），Soil Moisture and Ocean Salinity （SMOS），European Space Agency Climate Change Initiative （ESA CCI），European Reanalysis 5 （ERA5），and Soil Moisture of China by in situ data （SMCI）—to investigate their accuracy in capturing the responses of soil moisture to precipitation anomalies in this region.

Precipitation datasets were used to identify years with extremely dry and wet Meiyu seasons based on the standard deviations of total precipitation in June and July.Extremely dry （2013 and 2018） and wet （2016 and 2020） years were identified.The responses of the soil moisture datasets to extreme precipitation and drought events in the study area were then compared.The results showed that all five products could reflect the spatial distribution of soil moisture，but SMOS had lower values than the other products，and its spatial variations differed somewhat from the others.SMAP，SMCI，and ERA5 reasonably captured the responses of soil moisture to extreme precipitation，while SMOS did not accurately reflect these responses.The responses of SMOS and ESA CCI soil moisture to extreme drought events differed from the other products，whereas ERA5 and SMCI demonstrated more accurate spatial responses to drought conditions.

Overall，while all five products provided reasonable spatial distributions of soil moisture over the study area，their performances in capturing response to climate extremes varied substantially.Therefore，the accuracy of these datasets needs to be evaluated under different conditions，especially during droughts and extreme precipitation events.This study enhances our understanding of soil moisture variations in the middle and lower reaches of the Yangtze River and guides the use of various soil moisture datasets for examining responses to climatic extremes.

Keywords soil moisture;extreme precipitation;extreme drought;water cycle;remote sensing

doi：10.13878／j.cnki.dqkxxb.20240412001

（責(zé)任編輯：袁東敏）