孫 添, 王國(guó)杰, 婁 丹, Daniel
(1.南京信息工程大學(xué)大氣科學(xué)學(xué)院,江蘇南京 210044; 2.南京信息工程大學(xué)地理與遙感學(xué)院,江蘇南京 210044;3.氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心,江蘇南京 21004)
青藏高原以“世界屋脊”著稱于世,平均海拔4 000~4 500 m,對(duì)大氣環(huán)流有著重要的影響,同時(shí)也是全球氣候變化的敏感區(qū)[1-2]。青藏高原下墊面的物理狀態(tài)一直受到氣象學(xué)家和地理學(xué)家所關(guān)注。土壤濕度是陸地水循環(huán)的重要組成部分,在陸地-大氣界面的水汽和能量交換中起著重要的作用,是聯(lián)系陸地水循環(huán)和能量循環(huán)的重要紐帶。土壤濕度對(duì)大氣過程的影響僅次于海表溫度,其記憶能力很強(qiáng)且長(zhǎng)達(dá)數(shù)月,是提高季節(jié)性預(yù)報(bào)能力的一個(gè)重要途徑[3-4]。土壤濕度對(duì)大氣過程的局地反饋機(jī)制,尤其這種反饋機(jī)制對(duì)極端高溫、極端降水和干旱的季節(jié)性預(yù)報(bào)作用,是當(dāng)前國(guó)際研究熱點(diǎn)。研究表明,土壤濕度對(duì)大氣過程的反饋?zhàn)饔茫诟?、濕氣候的轉(zhuǎn)換地帶最為強(qiáng)烈[5]。但是,土壤濕度不是常規(guī)氣象觀測(cè)數(shù)據(jù),數(shù)據(jù)積累很少,并且現(xiàn)有的土壤濕度觀測(cè)資料沒有很好的空間代表性。
現(xiàn)代遙感技術(shù)的發(fā)展為獲取大范圍、長(zhǎng)序列土壤濕度提供了可行途徑。一般而言,可采用紅外波段影像反演土壤濕度,但是紅外波段易受天氣條件植被等的影響。而微波波段不易受天氣條件等影響,且具有很強(qiáng)的穿透性,所以通過微波遙感獲取土壤濕度資料更具有優(yōu)勢(shì)。趙逸舟等利用熱帶降水測(cè)量衛(wèi)星(tropical rainfall measuring mission,簡(jiǎn)稱TRMM)上攜帶的微波輻射儀(TRMM microwave imager,簡(jiǎn)稱TMI)的亮溫?cái)?shù)據(jù)反演出青藏高原中部地區(qū)的土壤濕度[6];Shi等基于一個(gè)簡(jiǎn)單的地表輻射(Qp)模型發(fā)展了裸土土壤濕度反演算法,并將其應(yīng)用于風(fēng)云三號(hào)衛(wèi)星土壤濕度的反演工作[7];劉強(qiáng)等利用增強(qiáng)微波掃描輻射計(jì)(advanced microwave scanning radiometer for earth observation satellite,簡(jiǎn)稱AMSR-E)衛(wèi)星數(shù)據(jù)通過雙通道土壤濕度反演算法獲得了青藏高原地區(qū)表層土壤濕度[8];何媛等利用搭載在歐洲環(huán)境衛(wèi)星的合成孔徑雷達(dá)(advanced synthesis aperture radar,簡(jiǎn)稱ASAR)傳感器數(shù)據(jù)與站點(diǎn)觀測(cè)數(shù)據(jù)進(jìn)行對(duì)比,估算了青藏高原東北部瑪曲地區(qū)的土壤濕度[9];彭麗春等利用中國(guó)氣象局風(fēng)云三號(hào)氣象衛(wèi)星微波亮溫?cái)?shù)據(jù),通過土壤濕度三次多項(xiàng)式反演模型反演出土壤濕度[10]。在當(dāng)前的土壤濕度微波遙感模型中,Owe等提出的地表參數(shù)反演模型(land parameter retrieval model,簡(jiǎn)稱LPRM)比較有代表性[11-12]。中國(guó)氣象局風(fēng)云三號(hào)系列衛(wèi)星(FY-3A,2007年發(fā)射;FY-3B,2010年發(fā)射;FY-3C,2014年發(fā)射)是我國(guó)首次裝載微波成像儀(microwave radiometer imager,簡(jiǎn)稱MWRI)的氣象衛(wèi)星。利用風(fēng)云三號(hào)衛(wèi)星微波資料研發(fā)土壤濕度產(chǎn)品,提高我國(guó)自主衛(wèi)星產(chǎn)品的國(guó)際競(jìng)爭(zhēng)力,具有重要的應(yīng)用價(jià)值和現(xiàn)實(shí)意義。本研究采用LPRM土壤濕度反演模型和FY-3B/MWRI微波亮溫資料反演了青藏高原地區(qū)的土壤濕度,并且與水文模型模擬數(shù)據(jù)、歐洲中期天氣預(yù)報(bào)中心再分析資料(European Centre for Medium-Range Weather Forecasts re-analysis interim,簡(jiǎn)稱ERA-Interim)再分析和那曲地區(qū)的土壤濕度反演資料進(jìn)行對(duì)比分析。
1.1.1 微波亮溫?cái)?shù)據(jù)與土壤濕度反演 本研究使用FY-3B微波亮溫?cái)?shù)據(jù)進(jìn)行土壤濕度的反演。FY-3B衛(wèi)星的微波成像儀(MWRI)數(shù)據(jù)包含10.65 GHz(X波段)、18.7 GHz(Ku波段)、23.8 GHz(K波段)、36.5 GHz(Ka波段)、89 GHz(E波段)5個(gè)不同波段。每個(gè)波段含有2種極化探測(cè)模式:垂直極化(V)和水平極化(H)。LPRM模型使用X波段和Ka波段,其中X波段帶寬為180 MHz,定標(biāo)誤差為1.0 kHz,地面分辨率為51 km×85 km;Ka波段帶寬為900 MHz,定標(biāo)誤差為2.0 kHz,地面分辨率為18 km×30 km[13]。FY-3B 降軌地方時(shí)為01:40左右,升軌地方時(shí)為13:40左右。本研究使用 FY-3B 微波亮溫?cái)?shù)據(jù)通過LPRM模型反演了數(shù)據(jù)連續(xù)性較好的2012年青藏高原地區(qū)土壤濕度數(shù)據(jù)(以下記為SMLPRM)。LPRM模型將微波亮溫與地表環(huán)境參數(shù)建立聯(lián)系,通過能量輻射傳輸模型和非線性循環(huán)方法,以最小化模型微波極化差指數(shù)(microwave polarization difference index,簡(jiǎn)稱MPDI)與衛(wèi)星觀測(cè)微波極化差指數(shù)間的差值為目標(biāo)函數(shù),進(jìn)行土壤濕度的反演[14]。
1.1.2 CTP-SMTMN數(shù)據(jù) 青藏高原土壤濕度和溫度觀測(cè)網(wǎng)(soil moisture and temperature monitoring network on the central Tibetan Plateau,簡(jiǎn)稱CTP-SMTMN)是那曲區(qū)域多尺度觀測(cè)網(wǎng)。它在3種空間尺度(1°、0.3°和0.1°)上測(cè)量土壤濕度,測(cè)量深度分別為5、10、20、40 cm[15]。本研究?jī)H使用表層土壤觀測(cè)值(0~5 cm)。因?yàn)長(zhǎng)PRM反演土壤濕度的空間分辨率為0.25°×0.25°,所以本研究選擇中尺度的觀測(cè)數(shù)據(jù)(下文記為SMin-situ)。那曲在青藏高原中部,擁有豐富的植被層,其中中尺度觀測(cè)網(wǎng)有22個(gè)站點(diǎn)。圖1為那曲觀測(cè)網(wǎng)的地理位置。
1.1.3 ERA-Interim再分析資料 本研究采用歐洲中期天氣預(yù)報(bào)中心再分析資料(ERA-Interim)的土壤濕度再分析資料(以下記為SMERA)。ERA-Interim土壤濕度再分析資料是歐洲中期天氣預(yù)報(bào)中心最新的一套再分析資料。它采用了與ERA-40同樣的歐洲中期天氣預(yù)報(bào)中心陸表變化系統(tǒng)(tiled ECMWF scheme for surface exchanges over land,簡(jiǎn)稱TESSEL) 的陸面同化方案,但是在ERA-40的基礎(chǔ)上升級(jí)為四維變分同化算法。該資料的空間分辨率為 0.75°×0.75°;垂直方向上分為4層,到地表距離分別為7、21、72、189 cm[16]。本研究使用2012年全年垂直厚度為7 cm的表層土壤含水量。
1.1.4 VIC土壤濕度數(shù)據(jù)模擬 本研究使用張學(xué)君等利用可變滲透量水文模型(variable infiltration capacity,簡(jiǎn)稱VIC)模擬的青藏高原地區(qū)土壤濕度(以下記為SMVIC)(ftp://hydro.igsnrr.ac.cn/pub/VIC_outputs/soil_moisture_layer1)[17],該模擬采用中國(guó)氣象局756觀測(cè)站的相關(guān)站點(diǎn)觀測(cè)數(shù)據(jù)(最高氣溫、最低氣溫、降水、風(fēng)速等)為驅(qū)動(dòng)數(shù)據(jù)。VIC水文模型是一種基于空間分布網(wǎng)格化的分布式水文模型[18],不僅可以同時(shí)進(jìn)行陸-氣間水量平衡和能量平衡,也可以單方面計(jì)算水量平衡。VIC模型含有4種參數(shù):植被參數(shù)、土壤參數(shù)、背景參數(shù)以及水文參數(shù)。背景參數(shù)包括流域地理特性和氣候參數(shù)。植被參數(shù)、土壤參數(shù)和水文參數(shù)均具有物理機(jī)制基礎(chǔ)。其中土壤參數(shù)和植被參數(shù)由1 km的全球陸地覆蓋類型數(shù)據(jù)庫(kù)和全球10 km的土壤數(shù)據(jù)庫(kù)確定。水文參數(shù)有7個(gè),分別是B(入滲能力形狀參數(shù))、Dmax(底層土壤1 d內(nèi)產(chǎn)生基流的最大值)、Ds(當(dāng)基流非線性增長(zhǎng)發(fā)生時(shí),所占Dmax的比例)、Ws(當(dāng)基流非線性增長(zhǎng)發(fā)生時(shí),底層土壤含水量與最大土壤含水量的比值)、D1(地表土壤厚度)、D2(第2層土壤厚度)和D3(第3層土壤厚度)。
1.2.1 地表參數(shù)反演模型(LPRM) 本研究采用LPRM模型,利用雙通道微波遙感數(shù)據(jù)來反演土壤介電常數(shù)和植被光學(xué)厚度,然后通過土壤介電常數(shù)求取土壤濕度。LPRM土壤濕度反演算法基于微波極化差異指數(shù)(microwave polarization difference index,簡(jiǎn)稱MPDI),該指數(shù)定義為
(1)
式中:Tb為微波亮溫?cái)?shù)據(jù),下標(biāo)表示微波數(shù)據(jù)的2種極化方式(V為垂直極化,H為水平極化)。土壤濕度以及植被狀況影響著微波極化指數(shù),MPDI包含林冠層的反射率和土壤的反射率,也包含土壤介電性能等。植被冠層上方的上行輻射與輻射亮溫在植被覆蓋區(qū)基于輻射傳輸方程建立聯(lián)系:
Tbp=TSerpΓp+(1-ωp)TC(1-Γp)+(1-erp)(1-ωp)TC(1-Γp)Γp。
(2)
式中:下標(biāo)p為極化方式(水平極化或者垂直極化);TS和TC分別為土壤和林冠層的熱力學(xué)溫度;ω是單次散射反照率;Γ為林冠層透過率。第1項(xiàng)TSerpΓp是經(jīng)植被層削弱的土壤上行輻射,第2項(xiàng)(1-ωp)TC(1-Γp)考慮了植被層自身的上行輻射,第3項(xiàng)(1-erp)(1-ωp)TC(1-Γp)Γp是植被的下行輻射經(jīng)過土壤的向上反射后又再次被植被層削弱后的上行輻射。
植被冠層透過率Γ與植被光學(xué)厚度τ以及衛(wèi)星微波傳感器的入射角u的關(guān)系可進(jìn)一步定義為:Γ=exp(-τ/cosu)。將其與公式(1)、公式(2)聯(lián)立化簡(jiǎn),利用MPDI和土壤介電常數(shù)(k)來表示植被林冠層光學(xué)厚度τ,那么輻射傳輸方程里的植被項(xiàng)可以寫成由MPDI和k表示的方程;而輻射傳輸方程里剩余的未知量土壤發(fā)射率e可以通過Fresnel公式計(jì)算;此時(shí)剩余的唯一未知變量就是土壤的介電常數(shù)了。求得林冠層光學(xué)厚度和用土壤介電常數(shù)表達(dá)的土壤發(fā)射率之后,使用一個(gè)非線性的迭代過程,通過優(yōu)化介電常數(shù)來求解水平極化下的輻射傳輸方程。當(dāng)?shù)諗繒r(shí),LPRM模型就可以利用全球土壤屬性數(shù)據(jù)庫(kù)[19]和混合介質(zhì)模型[3]來計(jì)算土壤濕度。
1.2.2 統(tǒng)計(jì)分析方法 在本文中使用相關(guān)系數(shù)(r)、均方根誤差(root mean square deviation,簡(jiǎn)稱RMSD)、非偏性均方根誤差(unbiased root mean square deviation,簡(jiǎn)稱ubRMSD)來統(tǒng)計(jì)分析3套土壤濕度數(shù)據(jù)和站點(diǎn)觀測(cè)數(shù)據(jù)的差異性。相關(guān)研究表明,均方根誤差不能對(duì)誤差進(jìn)行準(zhǔn)確評(píng)估,有其局限性;而非偏性均方根誤差能更好地評(píng)估遙感數(shù)據(jù)與地面觀測(cè)數(shù)據(jù)之間的誤差范圍[20-21]。均方根誤差和非偏性均方根誤差的計(jì)算公式分別如下:
(3)
(4)
從圖2中可以看出,SMLPRM數(shù)據(jù)在冬季缺失,這是因?yàn)槎練鉁剌^低,土壤水分凍結(jié),LPRM模型不能反演該地區(qū)的土壤濕度數(shù)據(jù)。在春季,隨著氣溫升高,凍結(jié)的土壤開始解凍,SMLPRM隨著氣溫的升高開始逐步增加。而SMVIC和SMERA土壤濕度數(shù)據(jù)在冬季變化較平緩,且在4月中旬至6月呈現(xiàn)一定程度的下降趨勢(shì)。夏季,站點(diǎn)觀測(cè)土壤濕度在6—7月升高達(dá)到最高值,在8月有所降低,SMLPRM、SMVIC、SMERA數(shù)據(jù)的變化均吻合站點(diǎn)數(shù)據(jù)的時(shí)間變化。在4—9月,與站點(diǎn)觀測(cè)數(shù)據(jù)相比,SMVIC數(shù)值偏低,而SMLPRM數(shù)值則明顯偏高。
圖3顯示的是標(biāo)準(zhǔn)化后的站點(diǎn)觀測(cè)值與土壤濕度產(chǎn)品數(shù)據(jù)的對(duì)比信息,以此分析SMLPRM、SMVIC、SMERA3套數(shù)據(jù)分別與土壤濕度站點(diǎn)觀測(cè)數(shù)據(jù)的吻合情況。標(biāo)準(zhǔn)化后的站點(diǎn)觀測(cè)值與標(biāo)準(zhǔn)化后的土壤濕度產(chǎn)品數(shù)據(jù)的比值越接近1 ∶1線,說明它們?cè)跁r(shí)間變化方面越一致;若高于1 ∶1線,說明土壤濕度產(chǎn)品數(shù)據(jù)的時(shí)間變化率高于站點(diǎn)觀測(cè)數(shù)據(jù)的時(shí)間變化率;而低于1 ∶1線,說明土壤濕度產(chǎn)品數(shù)據(jù)的隨時(shí)間變化率低于站點(diǎn)觀測(cè)數(shù)據(jù)的時(shí)間變化率。從圖3可以看出,標(biāo)準(zhǔn)化后的SMLPRM與標(biāo)準(zhǔn)化后的站點(diǎn)觀測(cè)數(shù)據(jù)比值接近1 ∶1線,大部分處于1 ∶1線下部,說明SMLPRM時(shí)間變化率低于站點(diǎn)觀測(cè)數(shù)據(jù)的時(shí)間變化率;標(biāo)準(zhǔn)化后的SMERA與標(biāo)準(zhǔn)化后的站點(diǎn)觀測(cè)數(shù)據(jù)的比值大部分分布在1 ∶1線下部,少部分在1 ∶1線上部偏離較遠(yuǎn),說明SMERA數(shù)據(jù)時(shí)間變化率也主要表現(xiàn)為低于觀測(cè)數(shù)據(jù);而SMVIC分布相對(duì)離散,表明其在時(shí)間變化方面與觀測(cè)數(shù)據(jù)的一致性較弱。
圖4為2012年SMERA、SMVIC、SMLPRM和SMin-situ的暖季(5—11月)期間統(tǒng)計(jì)分析泰勒?qǐng)D。在泰勒?qǐng)D中,站點(diǎn)觀測(cè)數(shù)據(jù)位于相關(guān)系數(shù)為1和標(biāo)準(zhǔn)誤差為1的點(diǎn)。標(biāo)準(zhǔn)差比值為評(píng)估數(shù)據(jù)的標(biāo)準(zhǔn)差和站點(diǎn)觀測(cè)數(shù)據(jù)標(biāo)準(zhǔn)差的比值;標(biāo)準(zhǔn)差比值大于1,表明評(píng)估數(shù)據(jù)的數(shù)值變化的振幅大于站點(diǎn)數(shù)據(jù)的數(shù)值變化的振幅,而標(biāo)準(zhǔn)差比值小于1則表明相反的結(jié)果。從圖中可以看出,SMVIC與SMin-situ相關(guān)系數(shù)為0.68,標(biāo)準(zhǔn)差比值在0.5左右,而ubRMSD在 0.75左右,說明VIC土壤濕度與站點(diǎn)土壤濕度觀測(cè)數(shù)據(jù)在時(shí)間變化上一致性較低,而自身變化的范圍小于站點(diǎn)觀測(cè)數(shù)據(jù)的變化范圍,并且偏離站點(diǎn)觀測(cè)數(shù)據(jù)較遠(yuǎn)。SMERA與SMin-situ相關(guān)系數(shù)在0.73左右,標(biāo)準(zhǔn)差比值在0.3左右,非偏性均方根誤差在0.65左右,說明ERA-Interim再分析資料與站點(diǎn)土壤濕度觀測(cè)數(shù)據(jù)在時(shí)間變化上一致性較高,但是自身變化的范圍遠(yuǎn)小于站點(diǎn)觀測(cè)數(shù)據(jù)的變化范圍,偏離站點(diǎn)觀測(cè)數(shù)據(jù)較小。SMLPRM與SMin-situ相關(guān)系數(shù)在0.75左右,標(biāo)準(zhǔn)差比值在1.3左右,非偏性均方根誤差在0.8左右,說明LPRM土壤濕度數(shù)據(jù)與站點(diǎn)土壤濕度觀測(cè)數(shù)據(jù)在時(shí)間變化上一致性很高,自身變化的范圍遠(yuǎn)大于站點(diǎn)觀測(cè)數(shù)據(jù)的變化范圍,偏離站點(diǎn)觀測(cè)數(shù)據(jù)較大。在3套數(shù)據(jù)中從時(shí)間變化上來看,LPRM土壤濕度數(shù)據(jù)與站點(diǎn)土壤濕度觀測(cè)數(shù)據(jù)一致性最高;而從誤差上來看,ERA土壤濕度數(shù)據(jù)表現(xiàn)較好,但是自身變化范圍太小。
相關(guān)研究表明,VIC土壤濕度數(shù)據(jù)的空間分布在青藏高原表現(xiàn)較好[23-24]。圖5將LPRM土壤濕度數(shù)據(jù)與VIC土壤濕度數(shù)據(jù)和ERA-Interim土壤濕度數(shù)據(jù)進(jìn)行空間比較。圖5-a、圖5-c 中,春季和秋季SMLPRM數(shù)據(jù)在青藏高原西部存在大片空白區(qū),這是因?yàn)樵摰貐^(qū)地表溫度較低,土壤水分凍結(jié),無(wú)法采用遙感手段反演土壤濕度。春季,LPRM土壤濕度數(shù)據(jù)在青藏高原東部地區(qū)在0.25~0.4 m3/m3之間,與VIC土壤濕度數(shù)據(jù)在該地區(qū)分布接近,而ERA-Interim土壤濕度數(shù)據(jù)在0.25~0.35 m3/m3之間。夏季,LPRM土壤濕度數(shù)據(jù)在青藏高原中南部地區(qū)在0.4~0.45 m3/m3之間;其中,青藏高原南麓數(shù)值較高,這是因?yàn)橛《妊蠹撅L(fēng)帶來的暖濕氣流融化積雪并帶來降雨從而導(dǎo)致此處土壤濕度偏高[25-29]。同時(shí)在祁連山脈地區(qū),夏季降水量豐富,導(dǎo)致土壤濕度升高[30],在LPRM土壤濕度數(shù)據(jù)夏季平均分布圖中可以明顯地看到區(qū)域內(nèi)土壤濕度增加,在VIC土壤濕度中該地區(qū)也有明顯的增濕現(xiàn)象。而青藏高原東部屬于林區(qū),茂盛的植被和降水量增加導(dǎo)致東部地區(qū)土壤濕度升高;同樣在VIC土壤濕度數(shù)據(jù)中,夏季該地區(qū)土壤濕度升高,在0.3~0.4 m3/m3之間;不過在中南部地區(qū)表現(xiàn)不明顯,土壤濕度在0.15~0.25 m3/m3之間。而在ERA-Interim土壤濕度數(shù)據(jù)中該變化表現(xiàn)不明顯。在秋季,LPRM土壤濕度數(shù)據(jù)在青藏高原中南部的高值區(qū)范圍減小,植被枯萎以及降水量減小導(dǎo)致了該地區(qū)的土壤濕度減?。辉赩IC土壤濕度數(shù)據(jù)中,中南部地區(qū)土壤濕度在 0.15~0.3 m3/m3之間,東部地區(qū)土壤濕度也有所降低,在 0.3~0.45 m3/m3之間;而在ERA-Interim土壤濕度數(shù)據(jù)中,青藏高原南部地區(qū)土壤濕度下降,整個(gè)高原地區(qū)土壤偏干。
為了進(jìn)一步研究SMLPRM、SMVIC、SMERA在春夏秋3季的空間分布的一致性和差異性,本研究做了SMLPRM與SMVIC以及SMLPRM與SMERA在3個(gè)季節(jié)相關(guān)系數(shù)的空間分布。圖6-a、圖6-d為春季的相關(guān)分布,圖6-b、圖6-e為夏季的相關(guān)分布,圖6-c、圖6-f為秋季的相關(guān)分布。在春季,LPRM土壤濕度數(shù)據(jù)與VIC土壤濕度數(shù)據(jù)在青藏高原東部地區(qū)主要呈現(xiàn)負(fù)相關(guān),而與ERA-Interim土壤濕度數(shù)據(jù)在青藏高原東部地區(qū)則呈現(xiàn)一定程度的正相關(guān),這表明春季LPRM土壤濕度數(shù)據(jù)在青藏高原東部地區(qū)與VIC土壤濕度數(shù)據(jù)有顯著差異,而與ERA-Interim數(shù)據(jù)的一致性略好。在夏季,LPRM土壤濕度數(shù)據(jù)與VIC土壤濕度數(shù)據(jù)在青藏高原東部地區(qū)呈現(xiàn)正相關(guān),在青藏高原中南部地區(qū)相關(guān)系數(shù)達(dá)到0.6以上;與ERA-Interim土壤濕度的相關(guān)性也高;這表明LPRM土壤濕度與VIC和ERA-Interim數(shù)據(jù)都有較好的一致性。在秋季,LPRM土壤濕度數(shù)據(jù)與VIC土壤濕度數(shù)據(jù)在青藏高原東部的部分地區(qū)呈現(xiàn)負(fù)相關(guān),部分地區(qū)呈正相關(guān);而與ERA-Interim土壤濕度數(shù)據(jù)則呈現(xiàn)較好的正相關(guān)分布;這表明LPRM土壤濕度數(shù)據(jù)與ERA-Interim的一致性優(yōu)于VIC土壤濕度數(shù)據(jù)。吳志勇等利用VIC模型模擬了全國(guó)逐日土壤濕度,通過比較發(fā)現(xiàn)VIC模型模擬的土壤濕度數(shù)據(jù)在中國(guó)西部地區(qū)以及西北干旱地區(qū)模擬效果不理想,在中國(guó)南部等濕潤(rùn)和半濕潤(rùn)地區(qū)模擬效果較好[31]。Bi等指出VIC數(shù)據(jù)在青藏高原東部地區(qū)表現(xiàn)較差,原因在于該地區(qū)土壤異質(zhì)性較大,一定程度上影響土壤濕度的模擬精度。綜上所述,夏季LPRM土壤濕度數(shù)據(jù)在青藏高原南部和東部地區(qū)與VIC和ERA-Interim數(shù)據(jù)的一致性最好,數(shù)據(jù)質(zhì)量較為可信[23]。
基于中國(guó)氣象局FY-3B氣象衛(wèi)星微波亮溫資料,本研究采用能量輻射傳輸模型LPRM反演了2012年青藏高原地表土壤濕度,并與ERA-Interim再分析資料、VIC水文模型模型模擬資料和那曲地區(qū)站點(diǎn)觀測(cè)資料和的土壤濕度產(chǎn)品進(jìn)行了對(duì)比分析,可以初步得到如下結(jié)論:就絕對(duì)量而言,LPRM反演土壤濕度與那曲地區(qū)站點(diǎn)觀測(cè)數(shù)據(jù)的偏差較大。ERA-Interim再分析資料與VIC水文模型模型模擬資料的絕對(duì)量偏差明顯低于LPRM反演土壤濕度。就時(shí)間變化而言,LPRM土壤濕度數(shù)據(jù)與那曲地區(qū)觀測(cè)數(shù)據(jù)的相關(guān)系數(shù)最高,ERA-Interim再分析資料次之,VIC水文模型模擬資料最低。這表明LPRM土壤濕度與觀測(cè)資料呈現(xiàn)出的時(shí)間變化最為一致。3套格點(diǎn)數(shù)據(jù)的相關(guān)性呈現(xiàn)明顯的季節(jié)變化。在夏季,LPRM土壤濕度數(shù)據(jù)與VIC、ERA-Interim土壤濕度數(shù)據(jù)在青藏高原大部分地區(qū)呈現(xiàn)正相關(guān);尤其是在青藏高原南部地區(qū),相關(guān)系數(shù)均達(dá)到0.6以上。在春季和秋季,而LPRM土壤濕度數(shù)據(jù)與ERA-Interim再分析資料在青藏高原東部地區(qū)主要呈現(xiàn)正相關(guān)關(guān)系;而與VIC模型模擬數(shù)據(jù)則存在較大差異。在春季,LPRM土壤濕度與VIC數(shù)據(jù)主要表現(xiàn)為負(fù)相關(guān);在秋季,兩者在青藏高原東南部主要表現(xiàn)為正相關(guān),而在東中部地區(qū)則表現(xiàn)為負(fù)相關(guān)。但是,由于缺乏大范圍的土壤濕度觀測(cè)資料,尚無(wú)法厘清這種不確定性的來源。LPRM輻射傳輸模型在反演青藏高原土壤濕度的時(shí)間變化方面表現(xiàn)優(yōu)異。但是,它在那曲地區(qū)反演的土壤濕度絕對(duì)量明顯偏高,仍需進(jìn)一步改進(jìn)和優(yōu)化。改進(jìn)土壤介電常數(shù)和地表糙度,是可能的努力方向。
參考文獻(xiàn):
[1]Ye D. Some characteristics of the summer circulation over the Qinghai-Xizang (Tibet) Plateau and its neighborhood[J]. Bulletin of the American Meteorological Society,1980,62(1):14-19.
[2]Yeh T C. Some aspects of the thermal influences of the Qinghai-Tibetan plateau on the atmospheric circulation[J]. Archives for Meteorology Geophysics & Bioclimatology,1982,31(3):205-220.
[3]Wang J R,Schmugge T J. An empirical model for the complex dielectric permittivity of soils as a function of water content[J]. IEEE Transactions on Geoscience and Remote Sensing,1980,18(4):288-295.
[4]Quesada B,Vautard R,Yiou P,et al. Asymmetric European summer heat predictability from wet and dry southern winters and springs[J]. Nature Climate Change,2012,2(10):736-741.
[5]Seneviratne S I,Corti T,Davin E L,et al. Investigating soil moisture-climate interactions in a changing climate:a review[J]. Earth-Science Reviews,2010,99(3):125-161
[6]趙逸舟,馬耀明,黃 鎮(zhèn),等. 利用TRMM/TMI資料反演青藏高原中部土壤濕度[J]. 高原氣象,2007,26(5):952-957.
[7]Shi J,Jiang L,Zhang L,et al. Physically based estimation of bare-surface soil moisture with the passive radiometers[J]. IEEE Transations on Geoscience and Remote Sensing,2006,44(11):3145-3153.
[8]劉 強(qiáng),杜今陽(yáng),施建成,等. 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),2013(10):1677-1690.
[9]何 媛,文 軍,張?zhí)锰?,? 衛(wèi)星微波遙感結(jié)合可見光遙感估算黃河源區(qū)土壤濕度研究[J]. 遙感技術(shù)與應(yīng)用,2013,28(2):300-308.
[10]彭麗春,李萬(wàn)彪,劉輝志. FY-3A/MWRI數(shù)據(jù)反演半干旱地區(qū)土壤濕度的研究[J]. 北京大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,47(5):797-804.
[11]Owe M,de Jeu R,Holmes T. Multisensor historical climatology of satellite-derived global land surface moisture[J]. Journal of Geophysical Research,2008,113:F01002.
[12]de Jeu R A M,Wagner W,Holmes T R H,et al. Global soil moisture patterns observed by space borne microwave radiometers and scatterometers[J]. Surveys in Geophysics,2008,29(4/5):399-420.
[13]楊 軍,董超華,盧乃錳,等. 中國(guó)新一代極軌氣象衛(wèi)星——風(fēng)云三號(hào)[J]. 氣象學(xué)報(bào),2009,67(4):501-509.
[14]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(3):280-297.
[15]Chen Y,Yang K,Qin J,et al. Evaluation of AMSR-E retrievals and GLDAS simulations against observations of a soil moisture network on the central Tibetan Plateau[J]. Journal of Geophysical Research Atmospheres,2013,118(10):4466-4475.
[16]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.
[17]Zhang X J,Tang Q,Pan M,et al. A long-term land surface hydrologic fluxes and states sataset for China[J]. Journal of Hydrometeorology,2014,15(5):2067-2084.
[18]Nijssen B,Schnur R,Lettenmaier D P. Global retrospective estimation of soil moisture using the variable infiltration capacity land surface model,1980-93[J]. Journal of Climate,1999,14(8):1790-1808.
[19]Rodell M,Houser P R,Jambor U,et al. The global land data assimilation system[J]. Bulletin of the American Meteorological Society,2004,85(3):381-394.
[20]Pratola C,Barrett B,Gruber A,et al. Evaluation of a global soil moisture product from finer spatial resolution SAR data and ground measurements at Irish sites[J]. Remote Sensing,2014,6(9):8190-8219.
[21]Willmott C J,Matsuura K. Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance[J]. Climate Research,2005,30(1):79-82.
[22]Taylor K E. Summarizing multiple aspects of model performance in a single diagram[J]. Journal of Geophysical Research,2001,106(D7):7183-7192.
[23]Bi H,Ma J,Zheng W,et al. Comparison of soil moisture in GLDAS model simulations and in situ observations over the Tibetan Plateau[J]. Journal of Geophysical Research Atmospheres,2016,121(6):2658-2678.
[24]Mcnally A,Shukla S,Arsenault K R,et al. Evaluating ESA CCI soil moisture in East Africa[J]. International Journal of Applied Earth Observation & Geoinformation,2016,48:96-109.
[25]段克勤,姚檀棟,王寧練,等. 青藏高原南北降水變化差異研究[J]. 冰川凍土,2008,30(5):726-732.
[26]Xie C Y,Li M J,Zhang X Q,et al. Moisture transport features in summer and its rainfall effects over key region in southern margin of Qinghai-Xizang Plateau[J]. Plateau Meteorology,2015,34(2):327-337.
[27]劉曉東. 青藏高原隆升對(duì)亞洲季風(fēng)形成和全球氣候與環(huán)境變化的影響[J]. 高原氣象,1999,18(3):321-332.
[28]李 理,李棟梁. 青藏高原土壤濕度對(duì)黃河流域夏季降水的影響[C]//S4青藏高原及鄰近地區(qū)天氣氣候影響. 北京:中國(guó)氣象學(xué)會(huì),2012.
[29]解承瑩,李敏姣,張雪芹,等. 青藏高原南緣關(guān)鍵區(qū)夏季水汽輸送特征及其與高原降水的關(guān)系[J]. 高原氣象,2015,34(2):327-337.
[30]賈文雄. 祁連山氣候的空間差異與地理位置和地形的關(guān)系[J]. 干旱區(qū)研究,2010,27(4):607-615.
[31]吳志勇,陸桂華,張建云,等. 基于VIC模型的逐日土壤含水量模擬[J]. 地理科學(xué),2007,27(3):359-364.