全球根区土壤水分产品精度分析

论文标题：

In-situ and triple-collocation based evaluations of eight global root zone soil moisture products

发表期刊：

Remote Sensing of Environment

链接：

https://www.sciencedirect.com/science/article/pii/S0034425720306210

 研究背景

根区土壤水分是植被生长、干旱监测和农业水管理的关键变量。目前地表土壤水分（0-5cm）可以通过卫星遥感反演获取，而根区土壤水分（0-100cm）则需要通过模型模拟的方式获得。目前主流的地表微波土壤水分产品，如SMAP，SMOS和CCI等经过了大量的地面验证，而根区土壤水分数据，如SMAP Level 4，SMOS Level 4，MERRA-2，ERA-5和JRA-55等的精度评估仍然非常匮乏。与此同时，地表土壤水分、降雨驱动和数据同化等多种因素对根区土壤水分产品精度的影响机制尚不明确。

数据方法

本文基于ISMN站点和triple collocation方法评估了GLDAS NOAH, ERA-5, MERRA-2, NCEP R1, NCEP R2, JRA-55, SMAP level 4和SMOS level 4根区土壤水分数据的精度，并进一步分析了影响其精度的因素，包括地表土壤水分、降雨、数据同化、验证方法等，对提高根区土壤水分精度有一定指导意义。

研究区域采用259个高质量地面站点，将其在不同土壤深度测量的土壤水分值进行深度加权得到根区0-100cm的平均值。验证时间段为2015年4月1日至2020年3月31日。SMOS地表土壤水分受无线电频率干扰的影响，在此使用SMOS-IC产品中的TB-RMSE指标来代表其影响。降雨数据从根区土壤湿度的驱动数据中获得，SMOS Level 4数据是根据地表土壤水分推算得到的，无降雨驱动数据。在259个地面站点中，202个站点含有降雨观测值。数据统一空间分辨率为25km。

与此同时，由于地面站点在全球区域的稀疏性，本文进一步使用了triple collocation方法来评估根区土壤水分产品的精度。Triple collocation需要三种误差独立的数据集来进行随机误差的评价，这里通过不同数据之间的组合构建三元组，来进行数据的误差估计。稠密的地面站点可以认为接近地面真值，可以评估系统误差，而triple collocation只能评估随机误差，二者在一定程度上可以相互补充。

结果和分析

图 2 展示了区域平均的根区土壤湿度，GLDAS, ERA-5, MERRA-2, NCEP R2, JRA-55和SMAP具有相似的季节变异模式，而SMOS在很多区域有一定的低估现象。NCEP R1相对于NCEP R2在亚洲和北美洲区域季节变异更大。图 3 为基于地面站点验证的结果，总体上，在北美区域，SMAP具有最高的相关系数和最小的RMSE。在欧洲区域，SMOS具有最小的RMSE，而GLDAS相关性较高。

图 2. 区域平均的根区土壤湿度

图 3. 基于地面站点的根区土壤湿度精度评估结果

从显著性水平上看（图 4），地表和根区土壤水分产品的精度是密切相关的。R²是可解释的方差，SMAP地表土壤水分的精度可以解释~6%的根区土壤水分产品精度，说明SMAP根区土壤水分产品的精度受其地表产品的影响较小，而SMOS可以解释~38%。SMOS根区产品的误差很大一部分来自于SMOS地表产品的偏差（高的R²），而ubRMSE只能解释很少的部分。

图 4. 地表和根区土壤水分产品精度的关系

图 5 是基于triple collocation方法得到的根区土壤湿度评估结果，在全球尺度，MERRA-2和真值的相关性最高，误差标准差最小，其次是GLDAS、SMAP、JRA-55、ERA-5和NCEP R2。在区域尺度上的精度评估结果和全球尺度的结果基本一致，在不同的区域有一定的差别，SMOS 和 RCEP R1 验证结果基本上差于其它产品。

图 5. 基于triple collocation方法的根区土壤水分产品精度评估

结论

l  基于地面站点验证的结果中，SMAP Level 4根区土壤湿度产品在北美区域具有最高的相关性和最小的RMSE。

l  基于triple collocation方法评估的结果中，MERRA-2精度最优，其次是GLDAS和SMAP。

l  Triple collocation方法和地面站点验证结果可以相互补充。