Evaluation of relative soil moisture from CMA Land Data Assimilation System at different spatiotemporal scales in China
-
摘要: 基于2020—2021年中国气象局陆面数据同化系统(CLDAS)模拟的逐日土壤相对湿度和土壤水分自动站观测的逐小时土壤相对湿度资料, 采用多个统计对比指标, 在日和月时间尺度、点和区域空间尺度系统性地评估了CLDAS模拟的土壤相对湿度适用性。结果表明: CLDAS模拟的土壤相对湿度与观测值具有一致的逐日变化规律; 0~10 cm、0~20 cm层次CLDAS模拟值与观测值较为接近, 0~50 cm层次模拟值普遍低于观测值; 各层次上, CLDAS模拟值与观测值的相关系数普遍大于0.6, 均方根误差普遍小于30%。区域尺度上, 0~10 cm层次CLDAS模拟值和观测值相关系数为0.78~0.95, 以华南最高; 均方根误差为5.70%~17.26%, 以华东最小; 偏差为−6.63%~15.80%, 以华中偏差绝对值最小。0~20 cm层次CLDAS模拟值和观测值相关系数为0.78~0.95, 以东北和内蒙古最高; 均方根误差为4.45%~14.03%, 以华东最小; 偏差为−5.36%~12.56%, 以华东偏差绝对值最小。0~50 cm层次CLDAS模拟值和观测值相关系数为0.68~0.97, 以东北最高; 均方根误差为4.00%~15.83%, 以华东最小; 偏差为−9.83%~9.62%, 以东北偏差绝对值最小。区域月尺度CLDAS模拟值和观测值整体的相关性较好, 相关系数在6—10月较高; 均方根误差普遍小于15%, 华东各个层次逐月均方根误差均较小。总体来看, CLDAS模拟的土壤相对湿度空间上在华东、华中和东北精度最高, 时间上在6—10月精度最高。Abstract: Based on daily relative soil moisture from the CMA Land Data Assimilation System (CLDAS) and hourly relative soil moisture from automatic soil moisture stations during 2020−2021, CLDAS relative soil moisture was evaluated in terms of accuracy and suitability by using multiple statistic indices at temporal scales of day and month as well as spatial scales of station and region. The results showed consistent daily variation in CLDAS relative soil moisture and observed relative soil moisture. CLDAS relative soil moisture at depths of 0−10 cm and 0−20 cm was close to the observed relative soil moisture, whereas CLDAS relative soil moisture at a depth of 0−50 cm was smaller than the observed relative soil moisture. The correlation coefficients between CLDAS relative soil moisture and observed relative soil moisture at the three depths were generally greater than 0.6, between which the root mean square errors (RMSE) were smaller than 30%. At the regional scale, the correlation coefficient between CLDAS relative soil moisture and observed relative soil moisture at a depth of 0−10 cm was 0.78−0.95, with the largest value in South China. The RMSE between CLDAS relative soil moisture and observed relative soil moisture at a depth of 0−10 cm was 5.70%−17.26%, with the smallest value in East China. The bias between CLDAS relative soil moisture and observed relative soil moisture at a depth of 0−10 cm was −6.63%−15.80%, with the smallest absolute value in Central China. At a depth of 0−20 cm, the correlation coefficient between CLDAS relative soil moisture and observed relative soil moisture was 0.78−0.95, with the largest value in Northeast China and Inner Mongolia. The RMSE between CLDAS relative soil moisture and observed relative soil moisture at a depth of 0−20 cm was 4.45%−14.03%, with the smallest value in East China. The bias between CLDAS relative soil moisture and observed relative soil moisture at a depth of 0−20 cm was −5.36%−12.56%, with the smallest absolute value in East China. At a depth of 0−50 cm, the correlation coefficient between CLDAS relative soil moisture and observed relative soil moisture was 0.68−0.97, with the largest value in Northeast China. The RMSE between CLDAS relative soil moisture and observed relative soil moisture at a depth of 0−50 cm was 4.00%−15.83%, with the smallest value in East China. The bias between CLDAS relative soil moisture and observed relative soil moisture at a depth of 0−50 cm was −9.83%−9.62%, with the smallest absolute value in Northeast China. The correlation coefficients between monthly CLDAS relative soil moisture and observed relative soil moisture were generally high, with larger values between June and October. The RMSE between monthly CLDAS relative soil moisture and observed relative soil moisture was smaller than 15%, with the smallest value in East China. Overall, CLDAS relative soil moisture performed well in East China, Central China, and Northeast China at the spatial scale and during June−October at the temporal scale.
-
土壤水分是地-气耦合系统的重要组成部分, 控制着水和能量的流通转化, 可以直接反映农田土壤水分状况, 是表征农业旱涝状况的一个重要因子[1], 也被视为一种重要的农业旱涝监测指标[2]。获取时效性高、空间分辨率高、准确性高的土壤水分, 对开展土壤墒情监测和农业旱涝影响评估起指导和决定性作用。
目前, 获取土壤水分的方式主要有地面观测、遥感反演和陆面模式模拟等方式。地面观测方法可以获取观测站点目标上不同深度的土壤水分数据, 获取的土壤水分准确性高[3-4], 随着全国土壤水分自动观测站网的建立, 使得土壤水分观测具备逐小时的时效性; 但地面观测的方法无法获取大尺度空间场的土壤水分, 空间精度低。遥感反演的方法为获取区域尺度的土壤水分提供了有效的手段, 按遥感测量手段主要分为光学遥感、主被动微波遥感和多源遥感等方式[5]。光学遥感方式具有传感器多、空间分辨率高的优点[6-7], 微波遥感具有全天候全天时和对土壤水分变化高敏感性的优点[8-9]。全球已经发布了如SMMR、ASCAT、AMSR-E、AMSR2、SMOS、SMAP、ESA CCI以及风云三号卫星的MWRI等土壤水分产品[10-12]。受云、大气及重返周期等影响[5,13], 卫星遥感监测的土壤水分及时性和准确性还有待提高。随着陆面模式和数据同化技术的不断发展, 国内外主要陆面数据同化系统, 如GLDAS、NLDAS、ELDAS、CLDAS等通过融合不同空间分辨率的多源数据生成了土壤湿度产品[14-17]。其中, 中国气象局陆面数据同化系统(CLDAS)具有高空间分辨率、高时效性的特点, 近年来一些专家学者对CLDAS土壤湿度产品在中国不同部分地区的适用性做了检验评估[18-19]: 其中, 韩帅等[20]对CLDAS V1.0的土壤湿度模拟产品进行精度评估, 结果显示CLDAS模拟结果整体上具备较高精度, 其中青藏高原地区模拟结果优于国际同类产品; 崔园园等[21]评估了CLDAS V2.0的0~20 cm土壤相对湿度产品在东北地区的适用性, 结果发现其适用性由西南向东北方向递减, 在吉林和辽宁省的适用性更好; 秦道清等[22]研究发现北京地区CLDAS的0~10 cm土壤湿度产品与观测数据具有一致的变化趋势, 且CLDAS的土壤湿度数值普遍高于观测的土壤湿度数值; 孙小龙等[23]分析得到CLDAS在内蒙古地区能很好地再现日土壤湿度动态变化情况; 刘东明等[24]评估发现辽宁省生长季CLDAS模拟的3个层次土壤相对湿度与观测值在时间尺度上存在一致变化趋势、相关性显著。上述研究多集中在CLDAS的某一层次土壤湿度或者较小区域内或者年内的某个时间段, 亟须开展多层次土壤湿度模拟产品在全国大范围内应用的综合评估。
本研究利用2020—2021年CLDAS模拟的逐日土壤相对湿度和全国土壤水分自动站观测的土壤相对湿度资料, 着眼于逐日和逐月、逐点和逐气象地理区域的时空尺度, 系统性评估了CLDAS模拟的土壤相对湿度精度及适用性, 为认知不同区域CLDAS土壤相对湿度的准确性、如何应用CLDAS数据以及进一步提高CLDAS的准确性提供了参考依据, 以期更好地利用CLDAS数据开展土壤水分及旱涝灾害的监测评估。
1. 材料与方法
1.1 数据来源
本文所用的中国气象局陆面数据同化系统第二版(CLDAS V2.0)土壤相对湿度源于国家气象信息中心, CLDAS通过融合多源数据获得亚洲地区土壤湿度格点数据[20]。数据包括2020年和2021年模拟的逐日0~10 cm、0~20 cm和0~50 cm层次的土壤相对湿度, 空间分辨率0.0625°×0.0625°。
为了对CLDAS土壤相对湿度数据进行检验评估, 选取全国土壤水分自动站观测的土壤相对湿度作为参照。在对CLDAS土壤湿度数据进行检验评估前, 需要对土壤水分自动站观测的逐小时土壤相对湿度进行数据检验和质量控制; 对全国2700多个土壤水分自动站的土壤相对湿度数据进行奇异值分析、突变性和一致性检验、对降水敏感性分析、空间分布连续性检验[4,25], 最后选取了1984个数据质量较好的土壤水分自动站作为参考(图1)。对逐日内各小时观测数据取算术平均得到逐日土壤相对湿度, 最后获取1984个站点2020年和2021年逐日0~10 cm、10~20 cm、20~30 cm、30~40 cm、40~50 cm层次的土壤相对湿度。
![]()
图 1 研究区域及土壤水分自动站分布[审图号为GS (2019) 3082号的标准地图制作, 底图无修改, 下同]Figure 1. The location of study region and automatic soil moisture stations1.2 数据匹配
由于CLDAS是格点数据, 土壤水分自动站是站点数据, 因此在匹配过程中将土壤水分自动站匹配到对应的CLDAS网格, 这样就构建了土壤水分自动站和匹配的CLDAS数据样本。
在土壤不同层次数据进行匹配时, 对应匹配原则为: 1) CLDAS的0~10 cm对应土壤水分自动站的 0~10 cm; 2) CLDAS的0~20 cm对应土壤水分自动站的0~10 cm、10~20 cm算术平均; 3) CLDAS的0~50 cm对应土壤水分自动站的0~10 cm、10~20 cm、20~30 cm、30~40 cm、40~50 cm算术平均。以此, 获取CLDAS和土壤水分自动站对应层次的匹配数据。
中国地理范围广、气候类型多样, 根据中国气象局2021年印发(气办发〔2021〕48号文)的气象地理区划规范, 中国陆地气象地理一级地区区划包括10个区域, 分别为华北地区、东北地区、华东地区、华中地区、华南地区、西南地区、西北地区、内蒙古地区、西藏地区、新疆地区(图1)。在进行区域土壤湿度检验评估时, 将不同区域内站点通过算术平均的方法集成得到区域平均土壤相对湿度CLDAS模拟值和观测值。
1.3 评估指标
在对土壤相对湿度值CLDAS模拟值和观测值进行检验评估时, 采用相关系数(R)、均方根误差(RMSE)、偏差(Bias)等统计对比指标。
$$ R=\frac{ \displaystyle \sum\nolimits _{i=1}^{n}{(x}_{i}-\overline {x}){(y}_{i}-\overline {y})}{\sqrt{ \displaystyle \sum\nolimits _{i=1}^{n}{{(x}_{i}-\overline {x})}^{2}}\sqrt{ \displaystyle \sum\nolimits _{i=1}^{n}{{(y}_{i}-\overline {y})}^{2}}} $$ (1) $$ \mathrm{R}\mathrm{M}\mathrm{S}\mathrm{E}=\frac{\sqrt{ \displaystyle \sum\nolimits _{i=1}^{n}{{(x}_{i}-{y}_{i})}^{2}}}{n} $$ (2) $$ \mathrm{B}\mathrm{i}\mathrm{a}\mathrm{s}=\frac{ \displaystyle \sum\nolimits_{i=1}^{n}{(x}_{i}-{y}_{i})}{n} $$ (3) 式中: n为样本数, xi为第i天CLDAS模拟的土壤相对湿度, yi为第i天土壤水分自动站观测的土壤相对湿度,
$\overline {x} $ 、$\overline {y} $ 分别为评估时段CLDAS模拟的平均值、观测的平均值。评估时段选取逐日、逐月两种时间尺度, 评估空间选取站点、气象地理区域两种空间尺度。因此, 可以从不同时空尺度对CLDAS模拟的土壤相对湿度进行检验和应用评估。2. 结果与分析
2.1 土壤相对湿度逐日变化
从不同区域逐日土壤相对湿度的变化(图2)来看, 0~10 cm、0~20 cm、0~50 cm层次上CLDAS模拟值和观测值在2020年、2021年内变化规律相似。东北地区3月起随着土壤逐渐化冻, 土壤相对湿度明显增大, 4月下旬起土壤相对湿度波动变化略呈下降趋势, 进入7、8月份土壤相对湿度随着降雨增加呈增加趋势, 随后降水减弱、土壤相对湿度呈下降趋势; 内蒙古、西北和华北地区土壤相对湿度变化规律相似, 随着土壤化冻呈下降趋势—波动变化—夏季降雨集中期呈增加趋势—降水减少呈下降趋势; 新疆地区3月起随着土壤逐渐化冻、土壤相对湿度逐渐增加, 5月后波动下降; 华东和华中地区土壤相对湿度1—2月整体维持较高值、3—5月呈下降趋势、6—8月随着降水增加维持在高值波动、9月起波动下降; 华南地区土壤相对湿度2月起整体波动变化、阶段性不明显; 西南地区土壤相对湿度1—3月整体呈下降趋势、4—7月伴随降雨有所增加、8月有所下降、9—10月伴随秋雨增加、11月后逐渐下降; 西藏地区土壤相对湿度在8月前整体呈增加趋势、随后呈下降趋势。不同层次土壤相对湿度变化对比结果来看, 0~10 cm、0~20 cm层次CLDAS模拟值与观测值较为接近、0~50 cm层次模拟值普遍低于观测值; 土壤相对湿度出现高值的时段, 0~10 cm、0~20 cm、0~50 cm层次间的数值差异较小; 随着土壤相对湿度值降低, 0~50 cm与0~10 cm、0~20 cm的数值差异变大。与观测值相比, 除了新疆、华中、华南地区, 大部分区域CLDAS模拟值整体偏高。总体来看, 各个区域CLDAS模拟的土壤相对湿度变化规律与观测值具有较好一致性。
![]()
图 2 区域土壤相对湿度观测值与CLDAS模拟值逐日变化 (日序1为2020年1月1日)Figure 2. Daily changes of regional observed and CLDAS simulated relative soil moistures (The first of the day series is January 1, 2020)2.2 土壤相对湿度空间对比
依据空间上各点土壤相对湿度CLDAS模拟值和观测值的逐日变化, 进行空间对比。从0~10 cm层次上CLDAS模拟值和观测值相关系数(图3)来看, 大部地区相关系数在0.4甚至0.6以上, 其中东北、内蒙古中东部、华北北部和西部、西北中部和东北部、华东中南部、华中西部和南部、华南大部、西南南部相关系数达0.8以上; 均方根误差普遍小于30%, 东北中部和南部、内蒙古中部、华北中北部、西北东部、华东中部、华中中部、西南中部和东北部、西藏东部CLDAS模拟值大于观测值且正偏差值在20%以内。对0~20 cm (图3)和0~50 cm (图3)层次土壤相对湿度而言, 大部地区CLDAS模拟值和观测值的相关系数普遍达0.6以上、均方根误差普遍小于30%; 东北中部和南部、内蒙古中部、华北中北部、西北东部、华东中部、华中中部、西南中部和东北部、西藏东部等地CLDAS模拟值大于观测值且正偏差值普遍在20%以内。
![]()
图 3 0~10 cm、0~20 cm、0~50 cm 3个层次土壤相对湿度CLDAS模拟值和观测值对比Figure 3. Comparison of CLDAS simulated and observed relative soil moisture at three depths of 0−10 cm, 0−20 cm and 0−50 cm将站点进行空间集成, 可以得到区域尺度土壤相对湿度模拟值和观测值的对比情况(表1)。各个区域0~10 cm相关系数为0.78~0.95 (通过P<0.05的显著性水平检验), 以华南最高, 其次是内蒙古、西南, 华东最低; 均方根误差为5.70%~17.26%, 以华东最小, 其次是新疆、华中, 西藏最大; 偏差为−6.63%~15.80%, 华中偏差绝对值最小, 其次是华东、新疆, 西藏最大。0~20 cm相关系数为0.78~0.95 (通过P<0.05的显著性水平检验), 以东北和内蒙古最高, 其次是华南、西南、华北, 华东最低; 均方根误差为4.45%~14.03%, 以华东最小, 其次是华南、华中, 西藏最大; 偏差为−5.36%~12.56%, 华东偏差绝对值最小, 其次是华中、新疆, 西藏最大。0~50 cm相关系数为0.68~0.97(通过P<0.05的显著性水平检验), 以东北最高, 其次是内蒙古、华北、西南, 华中最低(0.70); 均方根误差为4.00%~15.83%, 以华东最小, 其次是东北、西南, 西藏最大; 偏差为−9.83%~9.62%, 东北偏差绝对值最小, 其次是华东、西北, 华南最大。随着土壤层次加深, 东北和内蒙古土壤相对湿度模拟值和观测值的相关系数变大、均方根误差和偏差值变小; 新疆相关系数变化不大、均方根误差和偏差值变大; 华东相关系数变小、均方根误差变小、偏差值先变小后变大; 华中相关系数变小、均方根误差先变小后变大、偏差值变大; 华南相关系数变小、均方根误差先变小后变大、偏差值先变小后变大; 西北和西南相关系数变化不大、均方根误差和偏差值变小; 西藏相关系数先变大后变小、均方根误差先变小后变大、偏差值变小。
表 1 区域土壤相对湿度CLDAS模拟值和观测值统计检验(*表示通过P<0.05的显著性水平检验)Table 1. Statistic test of regional CLDAS simulated and observed relative soil moisture (the symbol of * represents the coefficient is significant at P<0.05 level)区域
Region0~10 cm 0~20 cm 0~50 cm R RMSE (%) Bias (%) R RMSE (%) Bias (%) R RMSE (%) Bias (%) 东北 Northeast China 0.89* 12.01 8.91 0.95* 9.24 7.47 0.97* 4.21 1.62 内蒙古 Inner Mongolia 0.93* 13.69 12.30 0.95* 13.09 12.07 0.95* 10.60 9.62 华北 North China 0.88* 11.23 8.78 0.93* 11.37 10.11 0.92* 8.97 7.78 西北 Northwest China 0.84* 10.56 8.23 0.86* 8.43 6.18 0.85* 5.62 2.94 新疆 Xinjiang 0.85* 6.15 −3.79 0.87* 7.03 −5.09 0.86* 10.32 −8.92 华东 East China 0.78* 5.70 2.77 0.78* 4.45 2.29 0.75* 4.00 −2.45 华中 Central China 0.81* 6.66 −2.66 0.79* 6.48 −3.41 0.70* 9.15 −7.56 华南 South China 0.95* 7.78 −6.63 0.93* 5.89 −5.36 0.87* 10.09 −9.83 西南 Southwest China 0.92* 10.27 9.76 0.93* 10.26 9.73 0.92* 5.47 4.82 西藏 Tibet 0.89* 17.26 15.80 0.90* 14.03 12.56 0.68* 15.83 −5.65 2.3 土壤相对湿度时空对比
进一步将时间序列进行细化, 探究了不同区域逐月土壤相对湿度CLDAS模拟值和观测值的对比情况。从相关系数(表2)来看, 除了少数地区在个别月份(1、3、4、5月)没有通过P<0.05的显著性水平检验外, 多数地区大部分月份的相关性较好。东北、内蒙古、华北、西北、新疆和西藏0~10 cm层次土壤相对湿度CLDAS模拟值和观测值的相关系数高值月份集中在6—10月, 以10月最高(0.89~0.99), 其次是9月(0.74~0.96), 4月的相关性较低、甚至出现负值; 华东、华中除3—5月和12月相关性较低外, 其余月份相关性均较高, 相关系数分别为0.75~0.96、0.86~0.97; 华南各月相关性均较高, 达0.89~0.98; 西南除12月较低外(0.41), 其余月份相关系数为0.77~0.96。东北、内蒙古、华北、西北、新疆和西藏0~20 cm层次土壤相对湿度CLDAS模拟值和观测值的相关系数在6—10月较高, 以10月最高(0.79~1.00), 其次是9月(0.74~0.97), 3、4月的相关性较低; 华东、华中除3—5月和12月相关性较低外, 其余月份相关性均较高, 相关系数分别为0.81~0.97、0.88~0.97; 华南各月相关性达0.89~0.98; 西南除12月较低外(0.62), 其余月份相关系数达0.80~0.98。东北、内蒙古、华北、西北0~50 cm层次土壤相对湿度CLDAS模拟值和观测值的相关系数在6—10月较高, 以10月最高(0.92~1.00), 其次是7月(0.94~0.97), 3—5月的相关性较低; 新疆6月和10月相关性明显较低; 华东、华中除3—5月和12月相关性较低外, 其余月份相关性均较高, 相关系数分别为0.74~0.96、0.78~0.97; 华南各月相关性达0.82~0.98; 西南除5月较低外(0.62), 其余月份相关系数达0.81~0.99; 西藏相关性在6、7月较高, 分别达0.96、0.91, 其他月份不足0.75。在多数区域CLDAS模拟值和观测值的相关系数从0~10 cm到0~20 cm层次呈增大趋势、从0~20 cm到0~50 cm层次呈减小趋势。
表 2 区域逐月0~10 cm、0~20 cm和0~50 cm土壤相对湿度CLDAS模拟值和观测值的相关系数(*表示通过P<0.05的显著性水平检验)Table 2. Correlation coefficients between regional monthly CLDAS simulated and observed relative soil moisture at the depths of 0−10 cm, 0−20 cm and 0−50 cm (the symbol of * represents the coefficient is significant at P<0.05 level)区域
Region1月
January2月
February3月
March4月
April5月
May6月
June7月
July8月
August9月
September10月
October11月
November12月
December0~10 cm 东北 Northeast China 0.92* 0.51* 0.74* 0.09 0.70* 0.81* 0.95* 0.87* 0.80* 0.88* 0.29* 0.76* 内蒙古 Inner Mongolia 0.74* 0.58* 0.71* −0.49* 0.44* 0.79* 0.88* 0.90* 0.74* 0.93* 0.82* 0.66* 华北 North China 0.76* 0.58* 0.32* −0.15 0.69* 0.90* 0.93* 0.90* 0.96* 0.99* 0.96* 0.82* 西北 Northwest China 0.11 0.58* −0.45* 0.35* 0.68* 0.92* 0.94* 0.96* 0.89* 0.95* 0.26* 0.54* 新疆 Xinjiang −0.37* 0.36* 0.73* −0.14 0.55* 0.48* 0.68* 0.65* 0.81* 0.89* 0.78* 0.87* 华东 East China 0.75* 0.84* 0.48* 0.08 0.46* 0.92* 0.82* 0.84* 0.94* 0.95* 0.96* 0.59* 华中 Central China 0.88* 0.92* 0.21 0.21 0.73* 0.97* 0.93* 0.94* 0.96* 0.86* 0.95* 0.74* 华南 South China 0.96* 0.95* 0.96* 0.96* 0.94* 0.89* 0.92* 0.95* 0.97* 0.95* 0.97* 0.98* 西南 Southwest China 0.91* 0.96* 0.92* 0.77* 0.88* 0.83* 0.86* 0.96* 0.92* 0.95* 0.94* 0.41* 西藏 Tibet −0.09 0.67* 0.71* 0.92* 0.47* 0.79* 0.79* 0.93* 0.89* 0.89* 0.80* 0.85* 0~20 cm 东北 Northeast China 0.92* 0.69* 0.88* −0.17* 0.62* 0.84* 0.97* 0.90* 0.80* 0.90* 0.42* 0.88* 内蒙古 Inner Mongolia 0.70* 0.54* 0.80* −0.76* 0.34* 0.83* 0.92* 0.91* 0.74* 0.95* 0.92* 0.74* 华北 North China 0.79* 0.79* 0.20 −0.33* 0.66* 0.88* 0.96* 0.94* 0.97* 1.00* 0.97* 0.91* 西北 Northwest China 0.32* 0.79* −0.55* −0.02 0.51* 0.91* 0.94* 0.98* 0.90* 0.96* 0.41* 0.63* 新疆 Xinjiang 0.24 0.32* 0.74* −0.59* 0.40* 0.34* 0.76* 0.57* 0.84* 0.79* 0.77* 0.87* 华东 East China 0.88* 0.88* 0.41* −0.06 0.39* 0.93* 0.81* 0.82* 0.95* 0.97* 0.95* 0.65* 华中 Central China 0.88* 0.90* −0.05 −0.09 0.64* 0.97* 0.96* 0.94* 0.97* 0.91* 0.95* 0.83* 华南 South China 0.92* 0.89* 0.96* 0.95* 0.90* 0.89* 0.93* 0.94* 0.98* 0.90* 0.96* 0.98* 西南 Southwest China 0.95* 0.98* 0.94* 0.80* 0.82* 0.82* 0.83* 0.96* 0.93* 0.93* 0.93* 0.62* 西藏 Tibet −0.08 0.66* 0.60* 0.81* 0.43* 0.82* 0.86* 0.96* 0.93* 0.91* 0.76* 0.95* 0~50 cm 东北 Northeast China 0.93* 0.78* 0.94 −0.04 0.48* 0.83* 0.97* 0.93* 0.75* 0.92* 0.61* 0.91* 内蒙古 Inner Mongolia 0.83* 0.78* 0.80* −0.75* 0.22 0.87* 0.95* 0.93* 0.75* 0.93* 0.93* 0.82* 华北 North China 0.53* 0.73* −0.20 −0.60* 0.50* 0.69* 0.96* 0.93* 0.96* 1.00* 0.99* 0.96* 西北 Northwest China 0.61* 0.74* −0.20 −0.21 0.28* 0.91* 0.94* 0.99* 0.91* 0.96* 0.59* 0.58* 新疆 Xinjiang 0.98* 0.80* 0.77* −0.77* 0.24 0.09 0.87* 0.48* 0.70* 0.11 0.61* 0.90* 华东 East China 0.84* 0.88* 0.18 −0.29* 0.34* 0.93* 0.85* 0.74* 0.95* 0.96* 0.92* 0.60* 华中 Central China 0.78* 0.90* −0.35* −0.50* 0.48* 0.96* 0.97* 0.94* 0.97* 0.94* 0.91* 0.45* 华南 South China 0.83* 0.84* 0.96* 0.93* 0.82* 0.84* 0.95* 0.94* 0.98* 0.83* 0.90* 0.85* 西南 Southwest China 0.96* 0.99* 0.97* 0.88* 0.62* 0.86* 0.85* 0.94* 0.94* 0.91* 0.91* 0.81* 西藏 Tibet 0.09 0.72* −0.17 −0.88* 0.21 0.96* 0.91* 0.60* 0.56* 0.56* 0.37* −0.41* 从土壤相对湿度CLDAS模拟值和观测值的均方根误差(表3)来看, 各区域逐月均方根误差普遍小于15%。东北、内蒙古、西南、西藏0~10 cm层次土壤相对湿度CLDAS模拟值和观测值的均方根误差较大, 分别为6.82%~18.54%、4.36%~19.34%、8.09%~13.27%、13.00%~25.37%, 在1、11、12月份较低; 华北、西北均方根误差在7—11月较低; 新疆均方根误差在10月最低(1.40%), 其余月份为3.83%~8.48%; 华东、华中均方根误差普遍较低, 分别达3.07%~9.01%、3.85%~9.68%; 华南均方根误差6—10月较低(4.42%~6.98%), 12月最高, 达10.95%; 西南月均方根误差为8.09%~13.27%。东北、内蒙古、华北、西南、西藏土壤相对湿度0~20 cm层次CLDAS模拟值和观测值的均方根误差较大, 分别为6.07%~11.69%、6.28%~18.41%、6.07%~17.94%、7.40%~12.79%、8.39%~21.14%; 西北均方根误差在7—12月较低, 为4.00%~6.43%; 新疆均方根误差在10月最低(2.55%), 其余月份为3.30%~10.03%; 华东、华中、华南各月均方根误差均较低, 分别为2.33%~7.75%、3.75%~9.01%、4.12%~6.95%。内蒙古、西藏、华南0~50 cm层次土壤相对湿度CLDAS模拟值和观测值的均方根误差较大, 分别为5.85%~16.07%、6.23%~26.74%、6.76%~11.71%; 东北、华东、西南均方根误差较低, 分别为2.10%~6.13%、2.07%~5.49%、3.20%~7.28%; 华北均方根误差在7—9月较低(3.20%~5.36%), 2—5月较高(10.98%~13.00%); 西北均方根误差在7—12月较低, 为1.68%~4.72%; 新疆均方根误差在1—2月较低(1.90%~3.56%), 其余月份为5.60%~14.08%; 华中均方根误差1—5月较低(5.92%~8.19%), 其余月份为8.67%~12.61%。
表 3 区域逐月土壤相对湿度CLDAS模拟值和观测值均方根误差Table 3. Root mean square error between regional monthly CLDAS simulated and observed relative soil moisture区域
Region1月
January2月
February3月
March4月
April5月
May6月
June7月
July8月
August9月
September10月
October11月
November12月
December0~10 cm 东北 Northeast China 8.38 14.78 18.54 10.10 10.39 12.94 14.16 12.47 10.31 6.82 10.70 9.99 内蒙古 Inner Mongolia 7.51 13.18 17.55 19.34 15.19 15.39 13.96 12.71 14.40 14.67 8.41 4.36 华北 North China 15.23 21.53 13.85 12.40 10.65 7.47 7.58 6.62 6.55 7.10 7.05 9.12 西北 Northwest China 8.11 17.05 13.84 14.80 11.82 11.02 8.21 7.79 7.88 6.24 8.36 5.20 新疆 Xinjiang 3.83 4.70 7.98 7.54 8.48 7.60 6.56 6.62 4.98 1.40 6.06 4.03 华东 East China 6.23 7.82 6.64 9.01 7.73 3.30 3.54 4.93 3.40 3.07 3.23 5.44 华中 Central China 4.75 5.39 6.98 9.68 7.75 7.83 6.61 5.91 7.47 6.72 3.85 4.74 华南 South China 10.07 8.67 8.08 8.03 7.05 5.90 6.98 4.42 5.38 5.89 9.32 10.95 西南 Southwest China 9.79 10.30 11.43 10.06 9.74 9.13 8.70 13.27 9.98 8.09 10.90 10.77 西藏 Tibet 13.13 15.38 20.46 25.37 20.07 14.03 12.95 13.00 16.63 21.15 16.04 13.40 0~20 cm 东北 Northeast China 7.23 10.19 11.61 9.94 8.97 10.21 11.69 9.68 8.31 6.07 7.09 8.03 内蒙古 Inner Mongolia 8.36 10.75 13.40 18.41 15.97 15.17 13.34 11.74 13.03 14.78 11.19 6.28 华北 North China 13.29 17.94 13.58 13.66 12.89 9.76 6.78 6.07 7.77 9.10 9.76 10.95 西北 Northwest China 3.80 10.39 11.32 13.40 11.55 10.38 6.43 6.35 5.65 4.00 6.25 4.64 新疆 Xinjiang 3.30 4.75 10.03 9.68 8.75 7.52 7.30 8.68 5.54 2.55 6.42 4.99 华东 East China 3.88 5.33 4.95 7.75 6.71 2.50 2.33 3.75 3.57 2.82 3.28 3.08 华中 Central China 3.75 4.22 7.01 9.01 6.95 7.48 7.80 6.44 6.51 6.94 4.88 4.48 华南 South China 4.12 6.29 6.52 6.54 6.21 6.95 6.34 6.04 5.53 5.41 5.47 4.74 西南 Southwest China 9.72 10.16 12.33 11.35 10.82 8.23 7.40 12.79 9.41 8.33 10.19 10.98 西藏 Tibet 10.76 11.71 13.71 21.14 17.89 10.43 8.39 8.93 12.66 17.67 16.12 13.00 0~50 cm 东北 Northeast China 2.52 3.34 4.07 5.71 3.52 3.36 4.83 4.32 4.12 2.10 4.62 6.13 内蒙古 Inner Mongolia 7.69 8.00 9.54 16.07 13.27 11.56 10.10 9.31 10.04 12.05 9.89 5.85 华北 North China 8.80 13.00 12.03 11.58 10.98 7.23 3.64 3.20 5.36 7.91 9.47 8.46 西北 Northwest China 3.27 3.90 6.72 9.89 9.25 7.28 3.45 3.84 2.85 1.68 3.43 4.72 新疆 Xinjiang 1.90 3.56 11.37 14.08 13.40 12.30 12.27 12.79 9.39 5.60 9.15 9.13 华东 East China 5.41 3.86 3.82 4.79 4.91 3.58 3.95 2.31 2.07 2.39 3.63 5.49 华中 Central China 5.92 6.58 8.19 8.20 7.69 11.20 12.61 10.90 9.25 9.85 8.67 8.24 华南 South China 6.76 9.81 10.35 10.01 10.43 11.21 11.71 11.48 10.73 9.91 9.34 8.24 西南 Southwest China 5.16 4.91 6.67 7.28 5.65 3.69 3.20 7.13 4.76 4.67 4.88 6.02 西藏 Tibet 12.82 6.23 7.57 17.70 19.10 14.10 26.74 25.46 14.38 11.22 7.21 9.45 3. 结论与讨论
基于全国2020—2021年经过质量控制的土壤水分自动站观测的土壤相对湿度资料, 对CLDAS模拟的多层次逐日土壤相对湿度产品进行不同时空尺度的检验评估。主要结论如下:
1)在0~10 cm、0~20 cm和0~50 cm层次上, 土壤相对湿度CLDAS模拟值与观测值逐日变化规律具有较好的一致性, 不同地区土壤相对湿度具有明显的逐日变化特点; CLDAS模拟的0~10 cm、0~20 cm土壤相对湿度与观测值较为接近, 模拟的0~50 cm土壤相对湿度普遍低于观测值。
2) 0~10 cm、0~20 cm和0~50 cm层次土壤相对湿度CLDAS模拟值与观测值的相关系数普遍在0.6以上; 均方根误差普遍小于30%; 东北中部和南部、内蒙古中部、华北中北部、西北东部、华东中部、华中中部、西南中部和东北部、西藏东部等地CLDAS模拟值比观测值大且正偏差值在20%以内。
3)区域尺度上, 0~10 cm层次CLDAS模拟值和观测值相关系数为0.78~0.95, 其中华南最高; 均方根误差为5.70%~17.26%, 华东最小; 偏差为−6.63%~15.80%, 华中偏差绝对值最小。0~20 cm层次相关系数为0.78~0.95, 东北和内蒙古最高; 均方根误差为4.45%~14.03%, 华东最小; 偏差为−5.36%~12.56%, 华东偏差绝对值最小。0~50 cm层次相关系数为0.68~0.97, 东北最高; 均方根误差为4.00%~15.83%, 华东最小; 偏差为−9.83%~9.62%, 东北偏差绝对值最小。
4)除少数地区在个别月份外, 大部分区域多数月份土壤相对湿度CLDAS模拟值和观测值的相关性较好, 且以6—10月相关系数较高; 从0~10 cm到0~20 cm层次, CLDAS模拟值和观测值的相关系数呈增大趋势, 而从0~20 cm到0~50 cm层次则有所减小。从均方根误差来看, 各区域逐月CLDAS模拟值和观测值的均方根误差普遍小于15%, 华东各层次逐月均方根误差均较小。
从不同时空尺度的检验评估结果可以看出, CLDAS模拟的多层次土壤相对湿度与观测的土壤相对湿度整体上一致性较好, CLDAS的模拟精度空间上以华东、华中和东北最高, 时间上以6—10月最高。尽管CLDAS的模拟精度在西部地区没有东部地区高, 但也在较好的精度范围内, 能较好地弥补西部地区观测站点稀疏的不足。目前已有的针对CLDAS的检验评估工作主要集中在东北、内蒙古、青藏高原等地[4,23-24], 从结果来看CLDAS模拟的土壤湿度在上述地区不同时间上的评估精度普遍较好, 但也有地区差异, 如东北地区0~20 cm层次CLDAS模拟的适用性由西南向东北方向递减、以在吉林和辽宁省的适用性更好[21], 与本文得到的结果具有较好的一致性。鉴于CLDAS模拟的土壤相对湿度具有较强的适用性和稳定性, 能够较好地反映土壤水分逐日动态变化状况, 因此利用CLDAS土壤相对湿度数据可以更好地开展土壤墒情精细化监测及基于土壤湿度的旱涝监测评估。当然, 尽管CLDAS模拟的土壤相对湿度精度较好, 但仍与观测值存在一定的误差、且地区月份之间的差异不同, 如CLDAS模拟精度在4月份整体较其余月份较差, 尤其是东北、新疆、西北、华北等地, 其原因和这些地区春季土壤化冻后土壤水分波动大导致的观测仪器采集的数据稳定性和质量有所下降以及CLDAS陆面参数化方案和水分流动方案尚有不足相关[4,20]。因此, 在开展基于CLDAS的土壤墒情精细化监测时, 有必要对CLDAS土壤相对湿度进行订正。如崔园园等[21]通过建立东北地区CLDAS土壤湿度模拟值和观测值的回归模型和7旬滑动平均订正模型, 对CLDAS土壤湿度进行了订正, 订正后的CLDAS产品展现出应用于土壤湿度干旱监测业务的前景。当然, 这种订正方法尚未将土壤相对湿度动态的变化与土壤属性、地理特性和气象条件之间的紧密联系性[14]考虑进去。因此, 下一步将分析潜在的气象、土壤等因子对CLDAS模拟的土壤相对湿度和观测值的影响, 进而对CLDAS模拟的土壤相对湿度进行订正, 以期获取更高精度的土壤相对湿度数据、开展精细化土壤墒情和旱涝监测评估。
-
![]()
图 1 研究区域及土壤水分自动站分布[审图号为GS (2019) 3082号的标准地图制作, 底图无修改, 下同]
Figure 1. The location of study region and automatic soil moisture stations
![]()
图 2 区域土壤相对湿度观测值与CLDAS模拟值逐日变化 (日序1为2020年1月1日)
Figure 2. Daily changes of regional observed and CLDAS simulated relative soil moistures (The first of the day series is January 1, 2020)
![]()
图 3 0~10 cm、0~20 cm、0~50 cm 3个层次土壤相对湿度CLDAS模拟值和观测值对比
Figure 3. Comparison of CLDAS simulated and observed relative soil moisture at three depths of 0−10 cm, 0−20 cm and 0−50 cm
表 1 区域土壤相对湿度CLDAS模拟值和观测值统计检验(*表示通过P<0.05的显著性水平检验)
Table 1 Statistic test of regional CLDAS simulated and observed relative soil moisture (the symbol of * represents the coefficient is significant at P<0.05 level)
区域
Region0~10 cm 0~20 cm 0~50 cm R RMSE (%) Bias (%) R RMSE (%) Bias (%) R RMSE (%) Bias (%) 东北 Northeast China 0.89* 12.01 8.91 0.95* 9.24 7.47 0.97* 4.21 1.62 内蒙古 Inner Mongolia 0.93* 13.69 12.30 0.95* 13.09 12.07 0.95* 10.60 9.62 华北 North China 0.88* 11.23 8.78 0.93* 11.37 10.11 0.92* 8.97 7.78 西北 Northwest China 0.84* 10.56 8.23 0.86* 8.43 6.18 0.85* 5.62 2.94 新疆 Xinjiang 0.85* 6.15 −3.79 0.87* 7.03 −5.09 0.86* 10.32 −8.92 华东 East China 0.78* 5.70 2.77 0.78* 4.45 2.29 0.75* 4.00 −2.45 华中 Central China 0.81* 6.66 −2.66 0.79* 6.48 −3.41 0.70* 9.15 −7.56 华南 South China 0.95* 7.78 −6.63 0.93* 5.89 −5.36 0.87* 10.09 −9.83 西南 Southwest China 0.92* 10.27 9.76 0.93* 10.26 9.73 0.92* 5.47 4.82 西藏 Tibet 0.89* 17.26 15.80 0.90* 14.03 12.56 0.68* 15.83 −5.65 
下载: 导出CSV
表 2 区域逐月0~10 cm、0~20 cm和0~50 cm土壤相对湿度CLDAS模拟值和观测值的相关系数(*表示通过P<0.05的显著性水平检验)
Table 2 Correlation coefficients between regional monthly CLDAS simulated and observed relative soil moisture at the depths of 0−10 cm, 0−20 cm and 0−50 cm (the symbol of * represents the coefficient is significant at P<0.05 level)
区域
Region1月
January2月
February3月
March4月
April5月
May6月
June7月
July8月
August9月
September10月
October11月
November12月
December0~10 cm 东北 Northeast China 0.92* 0.51* 0.74* 0.09 0.70* 0.81* 0.95* 0.87* 0.80* 0.88* 0.29* 0.76* 内蒙古 Inner Mongolia 0.74* 0.58* 0.71* −0.49* 0.44* 0.79* 0.88* 0.90* 0.74* 0.93* 0.82* 0.66* 华北 North China 0.76* 0.58* 0.32* −0.15 0.69* 0.90* 0.93* 0.90* 0.96* 0.99* 0.96* 0.82* 西北 Northwest China 0.11 0.58* −0.45* 0.35* 0.68* 0.92* 0.94* 0.96* 0.89* 0.95* 0.26* 0.54* 新疆 Xinjiang −0.37* 0.36* 0.73* −0.14 0.55* 0.48* 0.68* 0.65* 0.81* 0.89* 0.78* 0.87* 华东 East China 0.75* 0.84* 0.48* 0.08 0.46* 0.92* 0.82* 0.84* 0.94* 0.95* 0.96* 0.59* 华中 Central China 0.88* 0.92* 0.21 0.21 0.73* 0.97* 0.93* 0.94* 0.96* 0.86* 0.95* 0.74* 华南 South China 0.96* 0.95* 0.96* 0.96* 0.94* 0.89* 0.92* 0.95* 0.97* 0.95* 0.97* 0.98* 西南 Southwest China 0.91* 0.96* 0.92* 0.77* 0.88* 0.83* 0.86* 0.96* 0.92* 0.95* 0.94* 0.41* 西藏 Tibet −0.09 0.67* 0.71* 0.92* 0.47* 0.79* 0.79* 0.93* 0.89* 0.89* 0.80* 0.85* 0~20 cm 东北 Northeast China 0.92* 0.69* 0.88* −0.17* 0.62* 0.84* 0.97* 0.90* 0.80* 0.90* 0.42* 0.88* 内蒙古 Inner Mongolia 0.70* 0.54* 0.80* −0.76* 0.34* 0.83* 0.92* 0.91* 0.74* 0.95* 0.92* 0.74* 华北 North China 0.79* 0.79* 0.20 −0.33* 0.66* 0.88* 0.96* 0.94* 0.97* 1.00* 0.97* 0.91* 西北 Northwest China 0.32* 0.79* −0.55* −0.02 0.51* 0.91* 0.94* 0.98* 0.90* 0.96* 0.41* 0.63* 新疆 Xinjiang 0.24 0.32* 0.74* −0.59* 0.40* 0.34* 0.76* 0.57* 0.84* 0.79* 0.77* 0.87* 华东 East China 0.88* 0.88* 0.41* −0.06 0.39* 0.93* 0.81* 0.82* 0.95* 0.97* 0.95* 0.65* 华中 Central China 0.88* 0.90* −0.05 −0.09 0.64* 0.97* 0.96* 0.94* 0.97* 0.91* 0.95* 0.83* 华南 South China 0.92* 0.89* 0.96* 0.95* 0.90* 0.89* 0.93* 0.94* 0.98* 0.90* 0.96* 0.98* 西南 Southwest China 0.95* 0.98* 0.94* 0.80* 0.82* 0.82* 0.83* 0.96* 0.93* 0.93* 0.93* 0.62* 西藏 Tibet −0.08 0.66* 0.60* 0.81* 0.43* 0.82* 0.86* 0.96* 0.93* 0.91* 0.76* 0.95* 0~50 cm 东北 Northeast China 0.93* 0.78* 0.94 −0.04 0.48* 0.83* 0.97* 0.93* 0.75* 0.92* 0.61* 0.91* 内蒙古 Inner Mongolia 0.83* 0.78* 0.80* −0.75* 0.22 0.87* 0.95* 0.93* 0.75* 0.93* 0.93* 0.82* 华北 North China 0.53* 0.73* −0.20 −0.60* 0.50* 0.69* 0.96* 0.93* 0.96* 1.00* 0.99* 0.96* 西北 Northwest China 0.61* 0.74* −0.20 −0.21 0.28* 0.91* 0.94* 0.99* 0.91* 0.96* 0.59* 0.58* 新疆 Xinjiang 0.98* 0.80* 0.77* −0.77* 0.24 0.09 0.87* 0.48* 0.70* 0.11 0.61* 0.90* 华东 East China 0.84* 0.88* 0.18 −0.29* 0.34* 0.93* 0.85* 0.74* 0.95* 0.96* 0.92* 0.60* 华中 Central China 0.78* 0.90* −0.35* −0.50* 0.48* 0.96* 0.97* 0.94* 0.97* 0.94* 0.91* 0.45* 华南 South China 0.83* 0.84* 0.96* 0.93* 0.82* 0.84* 0.95* 0.94* 0.98* 0.83* 0.90* 0.85* 西南 Southwest China 0.96* 0.99* 0.97* 0.88* 0.62* 0.86* 0.85* 0.94* 0.94* 0.91* 0.91* 0.81* 西藏 Tibet 0.09 0.72* −0.17 −0.88* 0.21 0.96* 0.91* 0.60* 0.56* 0.56* 0.37* −0.41*
下载: 导出CSV
表 3 区域逐月土壤相对湿度CLDAS模拟值和观测值均方根误差
Table 3 Root mean square error between regional monthly CLDAS simulated and observed relative soil moisture
区域
Region1月
January2月
February3月
March4月
April5月
May6月
June7月
July8月
August9月
September10月
October11月
November12月
December0~10 cm 东北 Northeast China 8.38 14.78 18.54 10.10 10.39 12.94 14.16 12.47 10.31 6.82 10.70 9.99 内蒙古 Inner Mongolia 7.51 13.18 17.55 19.34 15.19 15.39 13.96 12.71 14.40 14.67 8.41 4.36 华北 North China 15.23 21.53 13.85 12.40 10.65 7.47 7.58 6.62 6.55 7.10 7.05 9.12 西北 Northwest China 8.11 17.05 13.84 14.80 11.82 11.02 8.21 7.79 7.88 6.24 8.36 5.20 新疆 Xinjiang 3.83 4.70 7.98 7.54 8.48 7.60 6.56 6.62 4.98 1.40 6.06 4.03 华东 East China 6.23 7.82 6.64 9.01 7.73 3.30 3.54 4.93 3.40 3.07 3.23 5.44 华中 Central China 4.75 5.39 6.98 9.68 7.75 7.83 6.61 5.91 7.47 6.72 3.85 4.74 华南 South China 10.07 8.67 8.08 8.03 7.05 5.90 6.98 4.42 5.38 5.89 9.32 10.95 西南 Southwest China 9.79 10.30 11.43 10.06 9.74 9.13 8.70 13.27 9.98 8.09 10.90 10.77 西藏 Tibet 13.13 15.38 20.46 25.37 20.07 14.03 12.95 13.00 16.63 21.15 16.04 13.40 0~20 cm 东北 Northeast China 7.23 10.19 11.61 9.94 8.97 10.21 11.69 9.68 8.31 6.07 7.09 8.03 内蒙古 Inner Mongolia 8.36 10.75 13.40 18.41 15.97 15.17 13.34 11.74 13.03 14.78 11.19 6.28 华北 North China 13.29 17.94 13.58 13.66 12.89 9.76 6.78 6.07 7.77 9.10 9.76 10.95 西北 Northwest China 3.80 10.39 11.32 13.40 11.55 10.38 6.43 6.35 5.65 4.00 6.25 4.64 新疆 Xinjiang 3.30 4.75 10.03 9.68 8.75 7.52 7.30 8.68 5.54 2.55 6.42 4.99 华东 East China 3.88 5.33 4.95 7.75 6.71 2.50 2.33 3.75 3.57 2.82 3.28 3.08 华中 Central China 3.75 4.22 7.01 9.01 6.95 7.48 7.80 6.44 6.51 6.94 4.88 4.48 华南 South China 4.12 6.29 6.52 6.54 6.21 6.95 6.34 6.04 5.53 5.41 5.47 4.74 西南 Southwest China 9.72 10.16 12.33 11.35 10.82 8.23 7.40 12.79 9.41 8.33 10.19 10.98 西藏 Tibet 10.76 11.71 13.71 21.14 17.89 10.43 8.39 8.93 12.66 17.67 16.12 13.00 0~50 cm 东北 Northeast China 2.52 3.34 4.07 5.71 3.52 3.36 4.83 4.32 4.12 2.10 4.62 6.13 内蒙古 Inner Mongolia 7.69 8.00 9.54 16.07 13.27 11.56 10.10 9.31 10.04 12.05 9.89 5.85 华北 North China 8.80 13.00 12.03 11.58 10.98 7.23 3.64 3.20 5.36 7.91 9.47 8.46 西北 Northwest China 3.27 3.90 6.72 9.89 9.25 7.28 3.45 3.84 2.85 1.68 3.43 4.72 新疆 Xinjiang 1.90 3.56 11.37 14.08 13.40 12.30 12.27 12.79 9.39 5.60 9.15 9.13 华东 East China 5.41 3.86 3.82 4.79 4.91 3.58 3.95 2.31 2.07 2.39 3.63 5.49 华中 Central China 5.92 6.58 8.19 8.20 7.69 11.20 12.61 10.90 9.25 9.85 8.67 8.24 华南 South China 6.76 9.81 10.35 10.01 10.43 11.21 11.71 11.48 10.73 9.91 9.34 8.24 西南 Southwest China 5.16 4.91 6.67 7.28 5.65 3.69 3.20 7.13 4.76 4.67 4.88 6.02 西藏 Tibet 12.82 6.23 7.57 17.70 19.10 14.10 26.74 25.46 14.38 11.22 7.21 9.45
下载: 导出CSV
-
[1] 刘宪锋, 朱秀芳, 潘耀忠, 等. 农业干旱监测研究进展与展望[J]. 地理学报, 2015, 70(11): 1835−1848 doi: 10.11821/dlxb201511012 LIU X F, ZHU X F, PAN Y Z, et al. Agricultural drought monitor: progress, challenges and prospect[J]. Acta Geographica Sinica, 2015, 70(11): 1835−1848 doi: 10.11821/dlxb201511012
[2] 樊风, 段玮, 杨家康. 云南土壤湿度长期变化的初步研究[J]. 应用气象学报, 2015, 26(4): 409−421 doi: 10.11898/1001-7313.20150403 FAN F, DUAN W, YANG J K. Preliminary results on long-term soil moisture variation in Yunnan[J]. Journal of Applied Meteorological Science, 2015, 26(4): 409−421 doi: 10.11898/1001-7313.20150403
[3] ZHANG J H, ZHOU Z M, YAO F M, et al. Validating the modified perpendicular drought index in the North China region using in situ soil moisture measurement[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 12(3): 542−546
[4] 张蕾, 吕厚荃, 王良宇, 等. 中国土壤湿度的时空变化特征[J]. 地理学报, 2016, 71(9): 1494−1508 ZHANG L, LYU H Q, WANG L Y, et al. Spatial-temporal characteristics of soil moisture in China[J]. Acta Geographica Sinica, 2016, 71(9): 1494−1508
[5] 梁顺林, 白瑞, 陈晓娜, 等. 2019年中国陆表定量遥感发展综述[J]. 遥感学报, 2020, 24(6): 618−671 LIANG S L, BAI R, CHEN X N, et al. Review of China’s land surface quantitative remote sensing development in 2019[J]. Journal of Remote Sensing, 2020, 24(6): 618−671
[6] BAI L L, LONG D, YAN L. Estimation of surface soil moisture with downscaled land surface temperatures using a data fusion approach for heterogeneous agricultural land[J]. Water Resources Research, 2019, 55(2): 1105−1128 doi: 10.1029/2018WR024162
[7] GE X Y, WANG J Z, DING J L, et al. Combining UAV-based hyperspectral imagery and machine learning algorithms for soil moisture content monitoring[J]. PeerJ, 2019, 7: e6926 doi: 10.7717/peerj.6926
[8] 赵天杰. 被动微波反演土壤水分的L波段新发展及未来展望[J]. 地理科学进展, 2018, 37(2): 198−213 doi: 10.18306/dlkxjz.2018.02.003 ZHAO T J. Recent advances of L-band application in the passive microwave remote sensing of soil moisture and its prospects[J]. Progress in Geography, 2018, 37(2): 198−213 doi: 10.18306/dlkxjz.2018.02.003
[9] 吴泽棉, 邱建秀, 刘苏峡, 等. 基于土壤水分的农业干旱监测研究进展[J]. 地理科学进展, 2020, 39(10): 1758−1769 doi: 10.18306/dlkxjz.2020.10.014 WU Z M, QIU J X, LIU S X, et al. Advances in agricultural drought monitoring based on soil moisture[J]. Progress in Geography, 2020, 39(10): 1758−1769 doi: 10.18306/dlkxjz.2020.10.014
[10] CUI Y K, LONG D, HONG Y, et al. Validation and reconstruction of FY-3B/MWRI soil moisture using an artificial neural network based on reconstructed MODIS optical products over the Tibetan Plateau[J]. Journal of Hydrology, 2016, 543: 242−254 doi: 10.1016/j.jhydrol.2016.10.005
[11] WANG L, FANG S B, PEI Z F, et al. Using FengYun-3C VSM data and multivariate models to estimate land surface soil moisture[J]. Remote Sensing, 2020, 12(6): 1038 doi: 10.3390/rs12061038
[12] 杨纲, 郭鹏, 李西灿, 等. 风云卫星微波遥感土壤水分产品适用性验证分析[J]. 水土保持研究, 2020, 27(1): 104−111, 118 YANG G, GUO P, LI X C, et al. Assessment on applicability of soil moisture products of Fengyun satellite microwave remote sensing[J]. Research of Soil and Water Conservation, 2020, 27(1): 104−111, 118
[13] LUO W, XU X L, LIU W, et al. UAV based soil moisture remote sensing in a Karst mountainous catchment[J]. CATENA, 2019, 174: 478−489 doi: 10.1016/j.catena.2018.11.017
[14] 宋海清, 朱仲元, 李云鹏. 6套格点土壤水分数据集在内蒙古自治区的适用性评价[J]. 水土保持通报, 2021, 41(6): 180−189, 200 SONG H Q, ZHU Z Y, LI Y P. Applicability evaluation of six gridded soil moisture datasets in Inner Mongolia Autonomous Region[J]. Bulletin of Soil and Water Conservation, 2021, 41(6): 180−189, 200
[15] 闫伟兄, 李剑萍, 金燕, 等. 土壤湿度模拟研究进展[J]. 气象科技进展, 2021, 11(6): 14−20 doi: 10.3969/j.issn.2095-1973.2021.06.003 YAN W X, LI J P, JIN Y, et al. Recent advances in soil wetness simulation[J]. Advances in Meteorological Science and Technology, 2021, 11(6): 14−20 doi: 10.3969/j.issn.2095-1973.2021.06.003
[16] BAO H Y, YANG K, WANG C H. Characteristics of GLDAS soil-moisture data on the Tibet Plateau[J]. Sciences in Cold and Arid Regions, 2017, 9(2): 127−141
[17] XIA Y L, SHEFFIELD J, EK M B, et al. Evaluation of multi-model simulated soil moisture in NLDAS-2[J]. Journal of Hydrology, 2014, 512: 107−125 doi: 10.1016/j.jhydrol.2014.02.027
[18] 崔园园, 覃军, 敬文琪, 等. GLDAS和CLDAS融合土壤水分产品在青藏高原地区的适用性评估[J]. 高原气象, 2018, 37(1): 123−136 CUI Y Y, QIN J, JING W Q, et al. Applicability evaluation of merged soil moisture in GLDAS and CLDAS products over Qinghai-Tibetan Plateau[J]. Plateau Meteorology, 2018, 37(1): 123−136
[19] 刘维成, 徐丽丽, 朱姜韬, 等. 再分析资料和陆面数据同化资料土壤湿度产品在中国北方地区的适用性评估[J]. 大气科学学报, 2022, 45(4): 616−629 LIU W C, XU L L, ZHU J T, et al. Evaluation of reanalysis and LDAS soil moisture products over North China[J]. Transactions of Atmospheric Sciences, 2022, 45(4): 616−629
[20] 韩帅, 师春香, 姜立鹏, 等. CLDAS土壤湿度模拟结果及评估[J]. 应用气象学报, 2017, 28(3): 369−378 HAN S, SHI C X, JIANG L P, et al. The simulation and evaluation of soil moisture based on CLDAS[J]. Journal of Applied Meteorological Science, 2017, 28(3): 369−378
[21] 崔园园, 张强, 覃军, 等. CLDAS融合土壤湿度产品在东北地区的适用性评估及订正[J]. 中国农业气象, 2019, 40(10): 660−668 CUI Y Y, ZHANG Q, QIN J, et al. Applicability evaluation of CLDAS merged soil relative moisture in northeast of China and its correction research[J]. Chinese Journal of Agrometeorology, 2019, 40(10): 660−668
[22] 秦道清, 赵岩, 王红瑞, 等. 基于站点观测和模式模拟的北京市土壤湿度[J]. 自然资源学报, 2019, 34(1): 191−204 doi: 10.31497/zrzyxb20190116 QIN D Q, ZHAO Y, WANG H R, et al. Soil moisture in Beijing based on site observation and model simulation[J]. Journal of Natural Resources, 2019, 34(1): 191−204 doi: 10.31497/zrzyxb20190116
[23] 孙小龙, 宋海清, 李平, 等. 基于CLDAS资料的内蒙古干旱监测分析[J]. 气象, 2015, 41(10): 1245−1252 SUN X L, SONG H Q, LI P, et al. Analysis of drought monitoring in Inner Mongolia based on CLDAS data[J]. Meteorological Monthly, 2015, 41(10): 1245−1252
[24] 刘东明, 吴门新, 侯英雨, 等. 辽宁省生长季CLDAS土壤相对湿度产品的评估检验[J]. 中国农业气象, 2022, 43(1): 17−27 LIU D M, WU M X, HOU Y Y, et al. Evaluation and verification of CLDAS relative soil moisture products during growing season in Liaoning Province[J]. Chinese Journal of Agrometeorology, 2022, 43(1): 17−27
[25] 张蕾, 吕厚荃, 王良宇. 土壤水分观测历史数据集奇异值分析与校正[J]. 气象, 2017, 43(2): 189−196 doi: 10.7519/j.issn.1000-0526.2017.02.006 ZHANG L, LYU H Q, WANG L Y. Analysis and calibration of singular historical observed data of manual soil water[J]. Meteorological Monthly, 2017, 43(2): 189−196 doi: 10.7519/j.issn.1000-0526.2017.02.006
-
期刊类型引用(1)
1. 张蕾，郭安红，宋迎波，何亮，赵晓凤，赵运成. 土壤水分数据融合及其在旱涝灾害多维度评估中的应用. 农业工程学报. 2024(13): 68-76 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 405
- HTML全文浏览量: 189
- PDF下载量: 63
- 被引次数: 1
