北方典型区域遥感和模型土壤水分产品的对比及评估

doi:10.11873/j.issn.1004-0323.2022.6.1414

遥感技术与应用

2022, Vol. 37

Issue (6): 1414-1426 DOI: 10.11873/j.issn.1004-0323.2022.6.1414

土壤水分专栏

北方典型区域遥感和模型土壤水分产品的对比及评估

黄钰玲^1,²(

),刘凯^1,³,王树东¹,王大成¹,苑峰^4,⁵,王保林⁴,景文⁴,王伟⁶(

)

^1.中国科学院空天信息创新研究院，北京 100094
^2.中国科学院大学，资源与环境学院，北京 100049
^3.中国科学院地理科学与资源研究所，北京 100101
^4.内蒙古小草数字生态产业有限公司，内蒙古呼和浩特 010000
^5.内蒙古峰茂科技创新有限公司，内蒙古呼和浩特 010000
^6.河北金融学院，河北保定 071000

Comparison and Assessment of Remote Sensing and Model-based Soil Moisture Products in Typical Regions of North China

Yuling Huang^1,²(

),Kai Liu^1,³,Shudong Wang¹,Dacheng Wang¹,Feng Yuan^4,⁵,Baolin Wang⁴,Wen Jing⁴,wei Wang⁶(

)

^1.Aerospace Information Research Institute，Beijing 100094，China
^2.University of Chinese Academy of Sciences，College of Resources and Environment，Beijing 100049，China
^3.Institute of Geographic Sciences and Natural Resources Research，Beijing 100101，China
^4.Inner Mongolia Xiaocao Digital Ecological Industry Limited Company，Hohhot 010000，China
^5.Inner Mongolia Fengmao Technology Limited Company，Hohhot 010000，China
^6.Hebei Finance University，Baoding 071000，China

全文: PDF(7084 KB) HTML

摘要：

多种土壤水分产品的综合评估有助于了解产品的特性与差异，对产品的算法改进及合理应用有重要意义。从空间分布，站点评估，土地覆盖类型及干湿分类等多方面对2010—2011年中国北方典型区域遥感土壤水分产品（SMOS_L3、AMSR-E_LPRM、ESACCI v04.5）和模型土壤水分产品（ECMWF_ERA5、GLDAS_Noah v2.1、GLDAS_CLSM v2.2）进行差异性及适用性分析，并从多角度讨论了影响土壤水分产品准确性的可能原因。结果表明：①在年尺度上，各产品均能有效表征西部干旱区土壤水分分布情况。在季节尺度上，ESACCI和3种模型产品夏秋季土壤水分较高且空间分布相似。②在站点评估方面，ERA5产品整体性能最优，平均相关系数R值最高为0.582，无偏均方根误差ubRMSE最低为0.045 m³/m³。模型产品在ubRMSE和R方面均优于遥感产品，能有效刻画站点观测的动态特征，但容易出现干湿偏差。ESACCI产品在遥感产品中准确性最高。AMSR-E与观测值之间的偏差最小（-0.015 m³/m³），但受天气影响其与观测值的相关性较低。SMOS产品受无线频射干扰影响，整体表现一般。③SMOS产品和AMSR-E产品分别对农田和林地最为敏感，其余产品在不同土地类型下土壤水分分布与实际情况基本一致且能较好地反映干湿分布情况。

关键词： 土壤水分; 评估; 对比; SMOS; AMSR-E; ESACCI; ERA5; GLDAS

Abstract:

The comprehensive assessment of multiple Soil Moisture （SM） products is helpful to understand the characteristics and differences of products， and is of great significance to the algorithm improvement and rational application of products. The differences and applicability of three remote sensing SM products （SMOS_L3， AMSR-E_LPRM and ESACCI v04.5） and three model-based SM products （ECMWF_ERA5， GLDAS_Noah v2.1 and GLDAS_CLSM v2.2） in typical regions of North China from 2010 to 2011 were analyzed from the aspects of spatial distribution， in-situ evaluation， land cover type and dry and wet classification. The possible reasons affecting the accuracy of soil moisture products were discussed from multi-angle. Results show that：（1） On the annual scale， all products can effectively characterize the distribution of soil moisture in the arid region of the West. On the seasonal scale， ESACCI product and three model-based SM products had high soil moisture and similar spatial distribution in summer and autumn；（2） In terms of in-situ evaluation， ERA5 product outperformed other products with the highest average Pearson correlation coefficient （0.582） and the lowest unbiased root mean square error （0.045 m³/m³）. The model-based SM products were superior to remote sensing SM products in terms of ubRMSE and R and can effectively represent the dynamic characteristics of in-situ observations. However， the time variations range of model-based SM products was low， which may lead to dry or wet bias. ESACCI product had the highest accuracy among remote sensing SM products. AMSR-E product performed well in Bias （-0.015 m³/m³）， but the correlation with in-situ observations was low due to the influence of weather. SMOS product was affected by Radio-frequency Interference， and its overall performance was average；（3） SMOS and AMSR-E products were sensitive to farmland and forest respectively. The soil moisture distribution of other products under different land types was consistent with the actual situation， and can show dry and wet distribution.

Key words: Soil moisture Assessment Comparison SMOS AMSR-E ESACCI ERA5 GLDAS

收稿日期: 2022-03-30 出版日期: 2023-02-15

ZTFLH:

S152.7

基金资助: 国家自然科学基金项目(42141007);内蒙古自治区科技成果转化专项资金课题(2021CG0045)

通讯作者: 王伟 E-mail: huangyuling20@mails.ucas.ac.cn;228398973@qq.com

作者简介: 黄钰玲（1998-），女，福建三明人，硕士研究生，主要从事土壤水分产品评估和干旱指数研究。E?mail: huangyuling20@mails.ucas.ac.cn

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	黄钰玲
	刘凯
	王树东
	王大成
	苑峰
	王保林
	景文
	王伟

引用本文:

黄钰玲,刘凯,王树东,王大成,苑峰,王保林,景文,王伟. 北方典型区域遥感和模型土壤水分产品的对比及评估[J]. 遥感技术与应用, 2022, 37(6): 1414-1426.

Yuling Huang,Kai Liu,Shudong Wang,Dacheng Wang,Feng Yuan,Baolin Wang,Wen Jing,wei Wang. Comparison and Assessment of Remote Sensing and Model-based Soil Moisture Products in Typical Regions of North China. Remote Sensing Technology and Application, 2022, 37(6): 1414-1426.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2022.6.1414 或 http://www.rsta.ac.cn/CN/Y2022/V37/I6/1414

图1 研究区及站点空间分布审图号：GS（2019）1822

表1 遥感和模型土壤水分产品基本信息

图2 2010—2011年不同产品土壤水分的空间分布及盒须图审图号：GS（2019）1822

图3 不同产品季节平均土壤水分的空间分布及盒须图审图号：GS（2019）1822

表2 基于观测站点的遥感和模型土壤水分产品的验证结果

图4 6个站点观测值与遥感模型产品土壤水分的时间序列对比黑色柱状图为日降水数据（NST 06站点无降水数据）

图5 不同土地覆盖类型下遥感和模型产品土壤水分分布情况

图6 不同干湿等级下遥感和模型产品土壤水分分布情况

1	Koster R D， Dirmeyer P A， Guo Z， et al. Regions of strong coupling between soil moisture and precipitation［J］. Science， 2004，305（5687）：1138-1140. DOI：10.1126/science.1100217 . doi: 10.1126/science.1100217
2	Tan Xiangdong， Pang Zhiguo， Jiang Wei， et al. Progress and development trend of soil moisture microwave remote sensing retrieval method［J］. Journal of Geo-information Science， 2021，23（10）：1728-1742.
2	覃湘栋，庞治国，江威，等.土壤水分微波反演方法进展和发展趋势［J］.地球信息科学学报，2021，23（10）：1728-1742.
3	Wagner W， Hahn S， Kidd R， et al. The ASCAT soil moisture product： A review of its specifications， validation results， and emerging applications［J］. Meteorologische Zeitschrift， 2013， 22（1）：5-33. DOI：10.1127/0941-2948/2013/0399 . doi: 10.1127/0941-2948/2013/0399
4	Njoku E G， Jackson T J， Lakshmi V， et al. Soil moisture retrieval from AMSR-E［J］. IEEE Transactions on Geoscience and Remote Sensing， 2003， 41（2）： 215-229. DOI：10.1109/TGRS.2002.808243 . doi: 10.1109/TGRS.2002.808243
5	Kerr Y H， Waldteufel P， Wigneron J P， et al. The SMOS mission： New tool for monitoring key elements of the global water cycle［J］. Proceedings of the IEEE， 2010， 98（5）： 666-687. DOI：10.1109/JPROC.2010.2043032 . doi: 10.1109/JPROC.2010.2043032
6	Entekhabi D， Njoku E G， O"Neill P E， et al. The Soil Moisture Active Passive （SMAP） mission［J］. Proceedings of the IEEE，2010，98（5）：704-716. DOI：10.1109/JPROC. 2010. 2043918 . doi: 10.1109/JPROC. 2010. 2043918
7	Liu Y Y， Dorigo W A， Parinussa R M， et al. Trend-preserving blending of passive and active microwave soil moisture retrievals［J］. Remote Sensing of Environment， 2012， 123： 280-297. DOI：10.1016/j.rse.2012.03.014 . doi: 10.1016/j.rse.2012.03.014
8	Dirmeyer P A， Gao X， Zhao M， et al. GSWP-2： Multimodel analysis and implications for our perception of the land surface［J］. Bulletin of the American Meteorological Society， 2006，87（10）：1381-1398.DOI：10.1175/BAMS-87-10-1381 . doi: 10.1175/BAMS-87-10-1381
9	Kim H， Parinussa R， Konings A G， et al. Global-scale assessment and combination of SMAP with ASCAT （active） and AMSR2 （passive） soil moisture products［J］. Remote Sensing of Environment， 2018， 204： 260-275. DOI：10.1016/j.rse.2017.10.026 . doi: 10.1016/j.rse.2017.10.026
10	Zeng J， Li Z， Chen Q， et al. Evaluation of remotely sensed and reanalysis soil moisture products over the Tibetan Plateau using in-situ observations［J］. Remote Sensing of environment， 2015， 163： 91-110. DOI：10.1016/j.rse.2015.03.008 . doi: 10.1016/j.rse.2015.03.008
11	Jiang B， Su H， Liu K， et al. Assessment of remotely sensed and modelled soil moisture data products in the US Southern Great Plains［J］. Remote Sensing， 2020， 12（12）： 2030. DOI：10.3390/rs12122030 . doi: 10.3390/rs12122030
12	Li M， Wu P， Ma Z. A comprehensive evaluation of soil moisture and soil temperature from third‐generation atmospheric and land reanalysis data sets［J］. International Journal of Climatology，2020，40（13）：5744-5766. DOI：10.1002/joc.6549 . doi: 10.1002/joc.6549
13	Liu Huan， Liu Ronggao， Liu Shiyang. Drought remote sensing monitoring method and its application development［J］. Journal of Geo-information Science， 2012，14（2）：232-239.
13	刘欢，刘荣高，刘世阳.干旱遥感监测方法及其应用发展［J］.地球信息科学学报，2012，14（2）：232-239.
14	Brocca L， Melone F， Moramarco T， et al. Soil moisture temporal stability over experimental areas in Central Italy［J］. Geoderma， 2009， 148（3-4）： 364-374.DOI： 10.1016/j.geoderma.2008.11.004 . doi: 10.1016/j.geoderma.2008.11.004
15	Brocca L， Hasenauer S， Lacava T， et al. Soil moisture estimation through ASCAT and AMSR-E sensors： An intercomparison and validation study across Europe［J］. Remote Sensing of Environment，2011，115（12）：3390-3408. DOI：10. 1016/j.rse.2011.08.003 . doi: 10. 1016/j.rse.2011.08.003
16	Draper C S， Walker J P， Steinle P J， et al. An evaluation of AMSR–E derived soil moisture over Australia［J］. Remote Sensing of Environment， 2009， 113（4）： 703-710. DOI：10.1016/j.rse.2008.11.011 . doi: 10.1016/j.rse.2008.11.011
17	Lü S， Zeng Y， Wen J， et al. Estimation of penetration depth from soil effective temperature in microwave radiometry［J］. Remote Sensing，2018，10（4）：519.DOI：10.3390/rs10040519 . doi: 10.3390/rs10040519
18	Owe M， de Jeu R， Holmes T. Multisensor historical climatology of satellite‐derived global land surface moisture［J］. Journal of Geophysical Research： Earth Surface， 2008， 113（F1）. DOI：10.1029/2007JF000769 . doi: 10.1029/2007JF000769
19	Njoku E G， Ashcroft P， Chan T K， et al. Global survey and statistics of radio-frequency interference in AMSR-E land observations［J］. IEEE Transactions on Geoscience and Remote Sensing，2005，43（5）：938-947. DOI：10.1109/TGRS. 2004. 837507 . doi: 10.1109/TGRS. 2004. 837507
20	Wigneron J P， Jackson T J， O'neill P， et al. Modelling the passive microwave signature from land surfaces： A review of recent results and application to the L-band SMOS & SMAP soil moisture retrieval algorithms［J］. Remote Sensing of Environment，2017，192：238-262.DOI：10.1016/j.rse.2017.01.024 . doi: 10.1016/j.rse.2017.01.024
21	Dorigo W A， Scipal K， Parinussa R M， et al. Error characterisation of global active and passive microwave soil moisture datasets［J］. Hydrology and Earth System Sciences， 2010， 14（12）： 2605-2616. DOI：10.5194/hessd-7-5621-2010 . doi: 10.5194/hessd-7-5621-2010
22	Gruber A， Scanlon T， van der Schalie R， et al. Evolution of the ESA CCI soil moisture climate data records and their underlying merging methodology［J］. Earth System Science Data， 2019， 11（2）： 717-739. DOI：10.5194/essd-11-717-2019 . doi: 10.5194/essd-11-717-2019
23	Dorigo W A， Gruber A， De Jeu R A M， et al. Evaluation of the ESA CCI soil moisture product using ground-based observations［J］. Remote Sensing of Environment， 2015， 162： 380-395. DOI：10.1016/j.rse.2014.07.023 . doi: 10.1016/j.rse.2014.07.023
24	Hersbach H， Bell B， Berrisford P， et al. The ERA5 global reanalysis ［J］. Quarterly Journal of the Royal Meteorological Society， 2020， 146（730）： 1999-2049. DOI：10.1002/qj.3803 . doi: 10.1002/qj.3803
25	Dee D P， Uppala S M， Simmons A J， et al. The ERA‐Interim reanalysis： Configuration and performance of the data assimilation system［J］. Quarterly Journal of the Royal Meteorological Society，2011，137（656）：553-597. DOI：10.1002/qj.828 . doi: 10.1002/qj.828
26	Nijssen B， Shukla S， Lin C， et al. A prototype global drought information system based on multiple land surface models［J］. Journal of Hydrometeorology，2014，15（4）：1661-1676. DOI：10.1175/jhm-d-13-090.1 . doi: 10.1175/jhm-d-13-090.1
27	Entekhabi D， Reichle R H， Koster R D， et al. Performance metrics for soil moisture retrievals and application requirements［J］. Journal of Hydrometeorology， 2010， 11（3）： 832-840. DOI：10.1175/2010jhm1223.1 . doi: 10.1175/2010jhm1223.1
28	Ran Jinjiang， Ji Mingxia， Huang Jianping， et al. Characteristics and factors of climate change in arid and semi-arid areas over Northern China in the recent 60 years［J］. Journal of Lanzhou University （Natural Sciences Edition）， 2014， 50（1）： 46-53.
28	冉津江，季明霞，黄建平，等.中国北方干旱区和半干旱区近60年气候变化特征及成因分析［J］. 兰州大学学报（自然科学版）， 2014， 50（1）： 46-53.
29	Ding Xu， Lai Xin， Fan Guangzhou， et al. Analysis on the applicability of reanalysis soil temperature and moisture datasets over Qinghai-Tibetan Plateau［J］. Plateau Meteorology， 2018， 37（3）： 626-641.
29	丁旭，赖欣，范广洲，等.再分析土壤温湿度资料在青藏高原地区适用性的分析［J］. 高原气象， 2018， 37（3）： 626-641.
30	Ma H， Zeng J， Chen N， et al. Satellite surface soil moisture from SMAP， SMOS， AMSR2 and ESA CCI： A comprehensive assessment using global ground-based observations［J］. Remote Sensing of Environment， 2019， 231： 111215. DOI：10.1016/j.rse.2019.111215 . doi: 10.1016/j.rse.2019.111215
31	Al-Yaari A， Wigneron J P， Ducharne A， et al. Global-scale evaluation of two satellite-based passive microwave soil moisture datasets （SMOS and AMSR-E） with respect to Land Data Assimilation System estimates［J］. Remote Sensing of Environment，2014，149：181-195.DOI：10.1016/j.rse.2014.04.006 . doi: 10.1016/j.rse.2014.04.006
32	Wang Xiukang， Qi Xingchao， Liu Yanli，et al.Soil structure and its effect on soil water holding property under three land use patterns in piedmont plain of Mountain Tai［J］. Journal of Natural Resources，2018，33（1）：63-74.
32	王修康，戚兴超，刘艳丽，等.泰山山前平原三种土地利用方式下土壤结构特征及其对土壤持水性的影响［J］.自然资源学报， 2018， 33（1）： 63-74.
33	Gruber A， Scanlon T， van der Schalie R， et al. Evolution of the ESA CCI soil moisture climate data records and their underlying merging methodology［J］. Earth System Science Data， 2019， 11（2）： 717-739. DOI：10.5194/essd-11-717-2019 . doi: 10.5194/essd-11-717-2019
34	Jeu R， Wagner W， Holmes T， et al. Global soil moisture patterns observed by space borne microwave radiometers and scatterometers［J］. Surveys in Geophysics， 2008， 29（4）：399-420. DOI：10.1007/s10712-008-9044-0 . doi: 10.1007/s10712-008-9044-0
35	Wang Y W， Leng P， Peng J， et al. Global assessments of two blended microwave soil moisture products CCI and SMOPS with in-situ measurements and reanalysis data ［J］. International Journal of Applied Earth Observation and Geoinformation，2021，94：102234. DOI：10.1016/j.jag.2020.102234 . doi: 10.1016/j.jag.2020.102234
36	Lu Zheng， Chai Linna， Zhang Tao， et al. Evaluation of AMSR2 retrievals using observation of soil moisture network on the upper and middle reaches of Heihe River Basin［J］. Remote Sensing Technology and Application， 2017， 32（2）： 324-337.
36	陆峥，柴琳娜，张涛，等. AMSR2土壤水分产品在黑河流域中上游的验证［J］. 遥感技术与应用， 2017， 32（2）： 324-337.
37	Wang Hao， Hao Ying， Yuan Song，et al. Applicability assessment of SMAP soil moisture products in the Huaihe River Basin［J］. Remote Sensing Technology and Application， 2021， 36（5）： 1009-1021.
37	王皓，郝莹，袁松，等.SMAP 土壤水分产品在淮河流域的适用性评估［J］.遥感技术与应用， 2021， 36（5）： 1009-1021.

[1]	曹高岩,杨娜. 基于关键辅助参数数据的L-MEB亮度温度模拟研究[J]. 遥感技术与应用, 2022, 37(6): 1385-1391.
[2]	杨娜,徐少博,劳从坤,张恒杰,汤燕杰. L波段微波辐射计机载与卫星观测的对比研究[J]. 遥感技术与应用, 2022, 37(6): 1361-1372.
[3]	杨娜,汤燕杰,张宁馨,张恒杰,徐少博. 基于SMOS、SMAP数据的青藏高原季风及植被生长季土壤水分长消特征研究[J]. 遥感技术与应用, 2022, 37(6): 1373-1384.
[4]	黄健庭,杨娜,马超. SMAP L2多尺度土壤水分数据与ISMN实测数据的差异特征研究[J]. 遥感技术与应用, 2022, 37(6): 1392-1403.
[5]	杜绍杰,赵天杰,施建成,马春锋,邹德富,王振,姚盼盼,彭志晴,郑景耀. Sentinel-1和Sentinel-2协同反演地表土壤水分[J]. 遥感技术与应用, 2022, 37(6): 1404-1413.
[6]	方西瑶,蒋玲梅,崔慧珍. 基于Sentinel-1雷达数据的青藏高原地区土壤水分反演研究[J]. 遥感技术与应用, 2022, 37(6): 1447-1459.
[7]	王雪琴,张翔,陈能成,马宏亮. 基于时空变异性的土壤水分观测网设计[J]. 遥感技术与应用, 2022, 37(6): 1437-1446.
[8]	晏红波,李浩,卢献健,王佳华. 基于LST-VI特征空间的喀斯特地区土壤水分时空变化研究[J]. 遥感技术与应用, 2022, 37(6): 1460-1471.
[9]	袁鸷慧,聂胜,张合兵,王成,王宏涛,习晓环. GEDI地面高程和森林冠层高度的精度评价与影响分析[J]. 遥感技术与应用, 2022, 37(5): 1056-1070.
[10]	云日升,刁宁辉,崔海英,高畅畅. CFOSAT散射计几何定位验证与精度初步评估[J]. 遥感技术与应用, 2022, 37(4): 953-960.
[11]	姜涛,郑兴明,李晓洁,李晓峰,赵凯. 闪电河流域L波段地基微波辐射计RFI检测与电磁环境分析[J]. 遥感技术与应用, 2021, 36(5): 1022-1032.
[12]	王皓,郝莹,袁松,陈光舟,靳莉莉. SMAP土壤水分产品在淮河流域的适用性评估[J]. 遥感技术与应用, 2021, 36(5): 1009-1021.
[13]	肖窈,曾超,沈焕锋. 结合参量统计与时空融合的土壤水分降尺度方法[J]. 遥感技术与应用, 2021, 36(5): 1033-1043.
[14]	杨欣源,白晓静. 基于Sentinel-1和MODIS数据反演农田地表土壤水分—以REMEDHUS地区为例[J]. 遥感技术与应用, 2021, 36(5): 973-982.
[15]	杨奥莉,郑东海,文军,陆宣承,杨越,符晴. 青藏高原L波段微波辐射观测与土壤水分反演研究进展[J]. 遥感技术与应用, 2021, 36(5): 983-996.

Viewed

Full text

Abstract

Cited

Shared

Discussed