宋海清， 朱仲元， 李云鵬

(1.內(nèi)蒙古農(nóng)業(yè)大學(xué) 水利與土木建筑工程學(xué)院, 內(nèi)蒙古 呼和浩特010018; 2.內(nèi)蒙古自治區(qū)生態(tài)與農(nóng)業(yè)氣象中心, 內(nèi)蒙古 呼和浩特 010051)

高時(shí)空分辨率、高精度的土壤水分?jǐn)?shù)據(jù)是準(zhǔn)確理解陸—?dú)庀嗷プ饔?、研究陸地水循環(huán)和次季節(jié)到季節(jié)預(yù)測(cè)的關(guān)鍵基礎(chǔ)資料[1-4]。它不但與能量交換密切相關(guān)還與水循環(huán)聯(lián)系緊密[1-2]。土壤水分是陸面過程模式和分布式水文模式關(guān)鍵的初始條件之一，通過影響感熱通量和潛熱通量的交換以影響陸面能量平衡和調(diào)節(jié)底層大氣[5-6]。同時(shí)，土壤水分也控制著陸面降水入滲和產(chǎn)流而影響降水的分配[7-9]。此外，土壤濕度的記憶作用對(duì)天氣和氣候模式模擬的影響可達(dá)數(shù)周到數(shù)月，深刻影響著降水和氣溫的模擬[6,10-12]，故而準(zhǔn)確的土壤水分?jǐn)?shù)據(jù)對(duì)于天氣預(yù)報(bào)和氣候預(yù)測(cè)準(zhǔn)確率的提高具有重要的實(shí)用價(jià)值和研究意義[13-14]。

土壤水分?jǐn)?shù)據(jù)的獲取途徑主要有臺(tái)站觀測(cè)、衛(wèi)星遙感反演、陸面過程模式模擬和陸面數(shù)據(jù)同化[5]。這4種方式各有優(yōu)缺點(diǎn)，例如臺(tái)站觀測(cè)土壤水分是最準(zhǔn)確的，但是其空間代表性有限；衛(wèi)星遙感反演土壤水分能夠獲取大范圍的土壤水分，但其精度和時(shí)空分辨率均有待提升，另外衛(wèi)星遙感反演土壤水分土層深度通常限于2—7 cm[5]；陸面過程模式模擬土壤濕度可以獲取高時(shí)空分辨率的土壤水分產(chǎn)品，但模式偏差亟需改善；陸面數(shù)據(jù)同化卻可以融合上述方式的優(yōu)點(diǎn)，在物理和動(dòng)力約束條件下，提供最優(yōu)的高時(shí)空分辨率的高精度土壤水分?jǐn)?shù)據(jù)產(chǎn)品。然而，這些不同方式獲取的土壤水分?jǐn)?shù)據(jù)在不同的區(qū)域有著不同的表現(xiàn)[5,15-16]，這是因?yàn)樗鼈兣c陸面過程模式參數(shù)化、陸面同化技術(shù)和觀測(cè)數(shù)據(jù)的質(zhì)量息息相關(guān)[17]。Chen和Yuan[5]在中國(guó)區(qū)域系統(tǒng)評(píng)估了9種國(guó)際主流的土壤水分產(chǎn)品的可靠性和時(shí)空適用性，結(jié)果顯示在8個(gè)不同的氣候分區(qū)中不同來源的土壤水分產(chǎn)品各有優(yōu)勢(shì)。Kumar等[15]在美國(guó)評(píng)估了北美陸面數(shù)據(jù)同化系統(tǒng)(NLDAS)輸出產(chǎn)品，發(fā)現(xiàn)根區(qū)土壤水分產(chǎn)品在不同區(qū)域表現(xiàn)各異。Xia等[16]在美國(guó)評(píng)估了NLDAS-2的4個(gè)陸面模式模擬土壤水分?jǐn)?shù)據(jù)，結(jié)果表明所有模式都能模擬土壤干濕狀態(tài)，但與觀測(cè)數(shù)據(jù)相比顯示出較大的偏差，誤差可能來源于模型本身、強(qiáng)迫場(chǎng)數(shù)據(jù)和土壤水分觀測(cè)誤差。陳泓羽等[18]在青藏高原評(píng)價(jià)了3套衛(wèi)星土壤水分產(chǎn)品的適用性，反映出在不同季節(jié)衛(wèi)星土壤水分產(chǎn)品適用性不同，表現(xiàn)在降水較多的季節(jié)土壤水分質(zhì)量下降。高琪等[19]構(gòu)建和評(píng)估了Landsat 8土壤水分反演模型，在干旱區(qū)荒漠獲取了高質(zhì)量土壤水分。盧晨媛等[12]評(píng)估了中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)(CLDAS)和全球陸面數(shù)據(jù)同化系統(tǒng)(GLDAS)兩套陸面同化土壤水分在川西高原的質(zhì)量，指出GLDAS優(yōu)于CLDAS土壤水分，但CLDAS在時(shí)空分辨率方面更優(yōu)。Bi等[20]在青藏高原比較了來自GLDAS的4個(gè)陸面模式的土壤水分產(chǎn)品，結(jié)果指出所有陸面模式產(chǎn)品都能較好的反映實(shí)測(cè)土壤水分的時(shí)間變化，但都存在系統(tǒng)性的偏差，Mosaic模式偏差最大。Tavakol等[21]評(píng)估了土壤水分主被動(dòng)探測(cè)計(jì)劃(SMAP)衛(wèi)星土壤水分3級(jí)和4級(jí)產(chǎn)品以及短期預(yù)測(cè)研究與轉(zhuǎn)換陸面信息系統(tǒng)(SPoRT-LIS)土壤水分?jǐn)?shù)據(jù)等3套產(chǎn)品在美國(guó)的性能，并指出SMAP L4土壤水分?jǐn)?shù)據(jù)表現(xiàn)最優(yōu)。總的來說，不同來源的土壤水分?jǐn)?shù)據(jù)都能較好地再現(xiàn)土壤水分的干濕變化和空間分異特征，但是不同的數(shù)據(jù)在不同的區(qū)域有著不同的適用性。因此，對(duì)不同來源的多種衛(wèi)星反演土壤水分、全球再分析模擬土壤水分和陸面數(shù)據(jù)同化土壤水分開展適用性評(píng)價(jià)十分必要和亟需。

內(nèi)蒙古自治區(qū)地處我國(guó)北方，位于季風(fēng)邊緣區(qū)，有著全國(guó)最大的草原，干旱氣象災(zāi)害是影響內(nèi)蒙古經(jīng)濟(jì)發(fā)展的因素之一[22]，研究?jī)?nèi)蒙古土壤水分時(shí)空變化特征對(duì)于提高當(dāng)?shù)靥鞖忸A(yù)報(bào)準(zhǔn)確率、短期氣候預(yù)測(cè)能力和農(nóng)牧業(yè)干旱監(jiān)測(cè)等有現(xiàn)實(shí)的經(jīng)濟(jì)社會(huì)意義，對(duì)保障當(dāng)?shù)剞r(nóng)牧業(yè)經(jīng)濟(jì)穩(wěn)定發(fā)展有著重要的實(shí)用價(jià)值。鑒于此，本研究利用臺(tái)站觀測(cè)土壤水分資料，系統(tǒng)的評(píng)價(jià)美國(guó)SMAP和歐洲航天局(ESA)兩套衛(wèi)星土壤水分、CLDAS和GLDAS-NOAH兩套陸面數(shù)據(jù)同化土壤水分以及歐洲第5代再分析資料ERA5及其陸面資料ERA5Land再分析土壤水分資料共6套土壤水分?jǐn)?shù)據(jù)，分析其可靠性，為內(nèi)蒙古區(qū)域土壤水分?jǐn)?shù)據(jù)的篩選提供參考，也為干旱評(píng)估提供數(shù)據(jù)質(zhì)量支撐。

1 材料與方法

1.1 研究區(qū)概況

內(nèi)蒙古位于中國(guó)北部邊疆(97°12′E—126°04′E，37°24′N—53°23′N)，總面積1.18×106km2，毗鄰8個(gè)省和自治區(qū)，外與俄羅斯聯(lián)邦和蒙古國(guó)相接壤；地勢(shì)西高東低，地貌以蒙古高原為主體；氣候?qū)儆跍貛Т箨懶约撅L(fēng)氣候，四季分明，年平均氣溫-7～10 ℃；內(nèi)蒙古大部地區(qū)降水稀少，年降水量35～550 mm，從東向西依次為半濕潤(rùn)區(qū)、半干旱區(qū)和干旱區(qū)[22]；土壤水分受降水影響較大，亦呈現(xiàn)與降水相似的空間分布——自東北向西南由濕潤(rùn)變?yōu)楦珊担寥浪滞瑫r(shí)受土壤性質(zhì)、陸地覆蓋、地形以及降水、氣溫、輻射等因子的影響，因而內(nèi)蒙古土壤水分空間變異性較大，較難獲取高精度的土壤水分?jǐn)?shù)據(jù)。

1.2 研究資料與方法

研究所用的格點(diǎn)土壤水分?jǐn)?shù)據(jù)為SMAP，ESA，CLDAS，ERA5，ERA5Land和GLDAS-NOAH，評(píng)估所用的臺(tái)站觀測(cè)土壤水分?jǐn)?shù)據(jù)為來自內(nèi)蒙古氣象局自動(dòng)土壤水分觀測(cè)資料。

1.2.1 SMAP土壤水分?jǐn)?shù)據(jù) “土壤水分主被動(dòng)探測(cè)”計(jì)劃衛(wèi)星SMAP是美國(guó)國(guó)家航空航天局(NASA)在2015年1月發(fā)射的軌道觀測(cè)地球衛(wèi)星，主要用于監(jiān)測(cè)全球土壤水分分布和凍融狀態(tài)。衛(wèi)星重訪周期為2～3 d，分為升軌和降軌，幅寬為1 000 km，其數(shù)據(jù)集覆蓋時(shí)間為2015年3月至今。它可以提供多種分辨率的產(chǎn)品，包括36，9和3 km。用于探測(cè)土壤水分的傳感器能夠獲取0—5 cm深度的土壤水分，其目標(biāo)觀測(cè)精度為均方根誤差小于0.04 m3/m3[21,23]。SMAP數(shù)據(jù)可用來改進(jìn)天氣和氣候預(yù)測(cè)[24]，改進(jìn)暴雨前土壤濕度監(jiān)測(cè)以改善洪水預(yù)測(cè)；利用SMAP數(shù)據(jù)提供干旱監(jiān)測(cè)等。本研究使用了SMAP L4提供的3 h間隔的表層土壤體積含水量[25]，空間分辨率為9 km，數(shù)據(jù)版本為0 530。在美國(guó)國(guó)家冰雪數(shù)據(jù)中心下載獲取了覆蓋全球的2016—2020年5—9月的數(shù)據(jù)產(chǎn)品(https:∥nsidc.org/data/SPL4 SMGP/versions/5)。

1.2.2 ESA CCI土壤水分?jǐn)?shù)據(jù) ESA CCI遙感土壤水分?jǐn)?shù)據(jù)是由歐洲航天局氣候變化倡議項(xiàng)目提供的基于主動(dòng)和被動(dòng)微波傳感器生產(chǎn)的包含主動(dòng)數(shù)據(jù)集、被動(dòng)數(shù)據(jù)集和融合數(shù)據(jù)集的長(zhǎng)時(shí)間序列(1979年至今)土壤水分?jǐn)?shù)據(jù)集，以下簡(jiǎn)稱ESA土壤水分?jǐn)?shù)據(jù)。本研究使用的是利用各種主動(dòng)和被動(dòng)微波傳感器觀測(cè)獲得的土壤水分產(chǎn)品進(jìn)行融合得到的融合土壤水分?jǐn)?shù)據(jù)集，其空間分辨率為25 km，時(shí)間分辨率為10 d合成的產(chǎn)品，該產(chǎn)品土壤層深度約為2—5 cm，其采用了基于TCA(triple-collocation analysis)的融合方法，是目前應(yīng)用最廣泛的土壤水分產(chǎn)品之一[26]。Ma等[27]研究表明ESA土壤水分?jǐn)?shù)據(jù)的無偏均方根誤差較優(yōu)。研究選取2016—2020年土壤體積含水量旬?dāng)?shù)據(jù)集，數(shù)據(jù)獲取地址為：https:∥www.esa-soilmoisture-cci.org/index.php?q=node/145。

1.2.3 CLDAS土壤水分?jǐn)?shù)據(jù) CLDAS陸面同化土壤水分產(chǎn)品是中國(guó)氣象局國(guó)家氣象信息中心發(fā)展的實(shí)時(shí)業(yè)務(wù)運(yùn)行的中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)(CLDAS-V2.0)輸出的土壤水分?jǐn)?shù)據(jù)，它由同化了全國(guó)區(qū)域自動(dòng)站逐小時(shí)觀測(cè)數(shù)據(jù)得到的氣溫、氣壓、比濕、風(fēng)速、短波輻射和降水驅(qū)動(dòng)美國(guó)國(guó)家大氣研究中心NCAR陸面模式CLM3.5和Noah-MP進(jìn)行集合模擬得到土壤水分，相對(duì)于CLDAS-V1.0，CLDAS-V2.0采用陸面模式集合模擬的方式減小了單一模式模擬的不確定性，同時(shí)提高了陸面模擬精度。CLDAS土壤水分時(shí)空分辨率為逐小時(shí)0.062 5°×0.062 5°網(wǎng)格數(shù)據(jù)，覆蓋東亞地區(qū)，垂直分為5層，時(shí)間長(zhǎng)度為2008年至今，并在中國(guó)區(qū)域得到了評(píng)估應(yīng)用[28]，本研究選用2016—2020年5—9月的0—10 cm層土壤體積含水量用于對(duì)比分析。CLDAS數(shù)據(jù)由中國(guó)氣象數(shù)據(jù)網(wǎng)(http:∥data.cma.cn/data/cdcdetail/dataCode/NAFP_CLDAS2.0_NRT.html)獲取。

1.2.4 ERA5土壤水分?jǐn)?shù)據(jù) ERA5再分析土壤水分?jǐn)?shù)據(jù)[29-30]是由歐洲中期天氣預(yù)報(bào)中心(ECMWF)研制的第5代再分析資料，相對(duì)于第4代再分析資料ERA-Interim，ERA5在觀測(cè)資料和同化技術(shù)以及數(shù)值模式方面均有顯著改進(jìn)，同化方法為10個(gè)集合成員的集合4維變分同化方案(4DVar)，時(shí)空分辨率分別為逐小時(shí)，31 km(水平)，時(shí)間覆蓋為1950至今，數(shù)值模式版本升級(jí)為Cy41r2，輻射傳輸模式選用RTTOV-11。土壤水分?jǐn)?shù)據(jù)分為4層，分別為0—7，7—28，28—100，100—289 cm。本研究選用2016—2020年5—9月0—7 cm層數(shù)據(jù)用于分析。數(shù)據(jù)通過哥白尼氣候變化服務(wù)網(wǎng)(https:∥cds.climate.copernicus.eu/cdsapp#!/home)下載獲取。

1.2.5 ERA5Land土壤水分?jǐn)?shù)據(jù) ERA5Land再分析土壤水分?jǐn)?shù)據(jù)[31]是由ECMWF發(fā)展的第5代再分析陸面數(shù)據(jù)集。它是由降尺度技術(shù)進(jìn)行降尺度后的ERA5再分析數(shù)據(jù)驅(qū)動(dòng)高分辨率ECMWF陸面模式TESSEL得到的數(shù)據(jù)集，ERA5Land的大多數(shù)參數(shù)與ERA5配置一樣。ERA5Land最主要的優(yōu)勢(shì)是水平分辨率提高到了0.1°，時(shí)間分辨率與ERA5同為1 h。評(píng)估結(jié)果顯示ERA5Land在水循環(huán)描述中更優(yōu)，尤其是對(duì)土壤水分和湖泊的描述得到了增強(qiáng)。垂直層、數(shù)據(jù)選取及獲取地址與ERA5相同。

1.2.6 GLDAS-NOAH土壤水分?jǐn)?shù)據(jù) GLDAS-NOAH土壤水分?jǐn)?shù)據(jù)[32]是由NASA和國(guó)家海洋大氣管理局(NOAA)共同研發(fā)的GLDAS輸出的數(shù)據(jù)集。本研究選用的是GLDAS 2.1版本，它是GLDAS1的升級(jí)版，是目前業(yè)務(wù)運(yùn)行的陸面數(shù)據(jù)同化系統(tǒng)，時(shí)間覆蓋2000年至今。相對(duì)于GLDAS1，其主要改進(jìn)了入射太陽輻射和降水。GLDAS數(shù)據(jù)集包含4個(gè)陸面過程模式輸出產(chǎn)品(Mosaic，Noah，CLSM和VIC)，本研究選用的GLDAS-NOAH數(shù)據(jù)時(shí)空分辨率為3 h，0.25°，由于NOAH陸面模式垂直分為4層，為了與衛(wèi)星反演土壤水分對(duì)比，選用GLDAS-NOAH的0—10 cm層進(jìn)行分析，以下簡(jiǎn)稱NOAH土壤水分?jǐn)?shù)據(jù)。數(shù)據(jù)通過NASA地球數(shù)據(jù)網(wǎng)(https:∥disc.gsfc.nasa.gov/datasets/GLDAS_NOAH025_3H_2.1/summary)下載得到。

1.2.7 觀測(cè)土壤水分?jǐn)?shù)據(jù) 目前內(nèi)蒙古自治區(qū)有固定地段土壤水分自動(dòng)觀測(cè)站120個(gè)，能夠?qū)崿F(xiàn)逐小時(shí)連續(xù)觀測(cè)，但質(zhì)量各異。選取了質(zhì)量較好且觀測(cè)時(shí)間連續(xù)的63個(gè)土壤水分自動(dòng)觀測(cè)站0—10 cm土壤體積含水量數(shù)據(jù)用于評(píng)價(jià)土壤水分格點(diǎn)產(chǎn)品。同時(shí)為了減小由灌溉帶來的不確定性，本研究只選用固定地段土壤水分自動(dòng)站觀測(cè)數(shù)據(jù)用于分析。評(píng)價(jià)時(shí)間段為2016—2020年5—9月(有凍土和積雪的時(shí)段不觀測(cè))。考慮到衛(wèi)星反演土壤水分?jǐn)?shù)據(jù)的回訪周期為2～3 d和避免衛(wèi)星反演土壤水分產(chǎn)品出現(xiàn)空缺值的影響，本研究以旬為時(shí)間單位將觀測(cè)資料進(jìn)行時(shí)間平均得到旬平均土壤水分觀測(cè)值，以與上述格點(diǎn)土壤水分?jǐn)?shù)據(jù)進(jìn)行匹配和評(píng)價(jià)分析。

1.2.8 研究方法 由于內(nèi)蒙古自治區(qū)東西狹長(zhǎng)，東西部氣候特征差異顯著，故根據(jù)王文等[33]的研究方法，即依據(jù)多年平均年降水量將研究區(qū)分為區(qū)內(nèi)半濕潤(rùn)區(qū)、區(qū)內(nèi)半干旱區(qū)和區(qū)內(nèi)干旱區(qū)等3個(gè)分區(qū)(表1)進(jìn)行統(tǒng)計(jì)分析。用于研究區(qū)干濕氣候分區(qū)的格點(diǎn)多年平均年降水量數(shù)據(jù)來源于廣泛應(yīng)用的中國(guó)區(qū)域地面氣象要素驅(qū)動(dòng)數(shù)據(jù)集(1979—2018年)，該數(shù)據(jù)集由何杰等[34]制作發(fā)布，精度介于臺(tái)站觀測(cè)數(shù)據(jù)和衛(wèi)星反演降水?dāng)?shù)據(jù)，由于其時(shí)間序列長(zhǎng)、時(shí)空分辨率高，得到了廣泛的應(yīng)用。研究使用40 a的年均降水進(jìn)行干濕分區(qū)。由于6套格點(diǎn)土壤水分?jǐn)?shù)據(jù)的時(shí)間分辨率不同，同時(shí)兼顧衛(wèi)星重訪周期因素，將6套格點(diǎn)數(shù)據(jù)集按照時(shí)間平均得到逐旬土壤水分?jǐn)?shù)據(jù)，以與站點(diǎn)觀測(cè)土壤水分?jǐn)?shù)據(jù)進(jìn)行時(shí)間匹配。對(duì)于6套格點(diǎn)數(shù)據(jù)空間分辨率不同無法進(jìn)行空間匹配的問題，本研究依據(jù)劉川等[35]的研究而采用鄰近格點(diǎn)法將格點(diǎn)數(shù)據(jù)與站點(diǎn)觀測(cè)進(jìn)行一一匹配，同時(shí)減小了格點(diǎn)資料插值到站點(diǎn)帶來的插值誤差。

表1 內(nèi)蒙古自治區(qū)氣候分區(qū)與土壤水分觀測(cè)站點(diǎn)統(tǒng)計(jì)

由于站點(diǎn)觀測(cè)土壤水分?jǐn)?shù)據(jù)和SMAP，ESA，CLDAS，ERA5和ERA5Land格點(diǎn)土壤水分?jǐn)?shù)據(jù)的單位為體積含水量，本研究參考盧晨媛方法[12]將GLDAS-NOAH土壤水分?jǐn)?shù)據(jù)轉(zhuǎn)換為體積含水量，也就是將單位由kg/m2轉(zhuǎn)換為m3/m3，具體計(jì)算公式如下：

(1)

式中：SM表示土壤體積含水量(m3/m3)； SMT表示土壤層厚度(mm)。

為了更加全面地評(píng)價(jià)6套格點(diǎn)土壤水分?jǐn)?shù)據(jù)的可靠性和精度，在進(jìn)行時(shí)間上的統(tǒng)計(jì)分析時(shí)，采用相關(guān)系數(shù)(R)、絕對(duì)平均偏差(MAE)、均方根誤差(RMSE)和規(guī)范化標(biāo)準(zhǔn)差(SDV)等評(píng)價(jià)指標(biāo)來度量格點(diǎn)數(shù)據(jù)與觀測(cè)資料之間的一致性和誤差，其中相關(guān)系數(shù)越接近1表示兩個(gè)序列的變化趨勢(shì)越一致，MAE和RMSE越接近0表示格點(diǎn)土壤水分越接近真實(shí)值，SDV越接近1表示格點(diǎn)土壤水與觀測(cè)土壤水的離散程度越一致?？偟膩碚f，較高的R，較低的MAE和RMSE表明格點(diǎn)土壤水分?jǐn)?shù)據(jù)質(zhì)量較好。另外，使用Taylor圖方法[36]對(duì)6套格點(diǎn)資料性能進(jìn)行綜合評(píng)價(jià)，它綜合考慮了R和SDV的指標(biāo)，用距離觀測(cè)點(diǎn)(Taylor圖中REF點(diǎn))的距離大小來表示各套數(shù)據(jù)集的性能，距離越小，表示效果越優(yōu)。相關(guān)系數(shù)(R)、絕對(duì)平均偏差(MAE)、均方根誤差(RMSE)和規(guī)范化標(biāo)準(zhǔn)差(SDV)的計(jì)算公式為：

(2)

(3)

(4)

(5)

2 結(jié)果與分析

2.1 土壤水分的空間分布

利用2016—2020年5—9月的觀測(cè)與SMAP，ESA，CLDAS，ERA5，ERA5Land和NOAH這6套格點(diǎn)平均土壤水分制作了5 a平均土壤水分空間分布圖(圖1)。由圖2觀測(cè)土壤水分的空間分布圖可知，內(nèi)蒙古地區(qū)土壤水分呈現(xiàn)從西部向東部逐漸遞增、從南部向北部逐漸遞減的空間特征，土壤水分的高值區(qū)主要分布在內(nèi)蒙古的東北部，土壤體積含水量高于0.23 m3/m3，內(nèi)蒙古西部的阿拉善高原為低值區(qū)，土壤水分普遍低于0.1 m3/m3，與年平均降水量空間分布類似，在降水少的區(qū)域土壤水分也較低。6套格點(diǎn)土壤水分?jǐn)?shù)據(jù)的空間分布與觀測(cè)數(shù)據(jù)一致性較好，均能較好地再現(xiàn)內(nèi)蒙古土壤水分“東濕西干”的空間分布特征(圖3)。除SMAP以外，其余幾種數(shù)據(jù)均對(duì)研究區(qū)大部的土壤水分有不同程度的高估。SMAP土壤水分在空間上與觀測(cè)吻合最好，尤其是對(duì)渾善達(dá)克沙地較干的土壤有著較優(yōu)的反演能力，但對(duì)內(nèi)蒙古東南部有低估、呼倫貝爾西部有高估現(xiàn)象。ESA，CLDAS與NOAH土壤水分在空間分布上較為相似，均高估了研究區(qū)的土壤水分，呈現(xiàn)偏濕狀態(tài)，但CLDAS陸面同化土壤水分空間分辨率最高，局地細(xì)節(jié)也更多，在研究區(qū)東北部好于ESA和NOAH。ERA5與ERA5Land土壤水分的空間分布幾乎一致，但ERA5Land由于分辨率更高，解析出更多的局地細(xì)節(jié)，在內(nèi)蒙古西部與觀測(cè)吻合較好，甚至能再現(xiàn)河套灌區(qū)土壤水分較高的特征，但在中東部高估嚴(yán)重。需要指出的是，ESA，CLDAS和NOAH均無法再現(xiàn)阿拉善高原東南部較低的土壤水分分布，呈現(xiàn)高估狀態(tài)，這與觀測(cè)事實(shí)不符。

圖1 內(nèi)蒙古自治區(qū)1979-2018年年均降水等值線分布

圖2 內(nèi)蒙古自治區(qū)2016-2020年5-9月平均0-10 cm土壤水分分布

圖3 內(nèi)蒙古自治區(qū)6套格點(diǎn)土壤水分空間分布

2.2 6套格點(diǎn)土壤水分的時(shí)間序列分析

利用6套格點(diǎn)土壤水分?jǐn)?shù)據(jù)與實(shí)測(cè)土壤水分?jǐn)?shù)據(jù)的時(shí)間序列圖，分析格點(diǎn)土壤水分?jǐn)?shù)據(jù)的時(shí)間變化和變化幅度。從圖4可以看出，實(shí)測(cè)土壤水分基本在每年5月第2旬開始下降，到6月底7月初處于較低值，隨后開始上升，在7月底8月初達(dá)到最高值，然后開始下降；這與雨帶的南北移動(dòng)是相吻合的，內(nèi)蒙古區(qū)域在每年的7月下旬和8月上旬是降水量最大的時(shí)段，此時(shí)夏季風(fēng)達(dá)到鼎盛，故而土壤水分隨之升高，8月中旬后雨帶開始南撤，土壤水分隨之下降[37]，故而在此階段土壤水分波動(dòng)較劇烈。由內(nèi)蒙古區(qū)域平均土壤水分的時(shí)間序列圖(圖4)可以看出，SMAP土壤水分的變化趨勢(shì)與實(shí)測(cè)土壤水分的一致性最高，在盛夏降水多時(shí)能夠響應(yīng)其變化，表現(xiàn)出較好的季節(jié)變化特征，但在每年的7月中旬至8月下旬時(shí)段，SMAP出現(xiàn)略高估的現(xiàn)象。其余5套格點(diǎn)土壤水分?jǐn)?shù)據(jù)亦有著較好的變化趨勢(shì)，但在整個(gè)研究時(shí)段內(nèi)均出現(xiàn)偏濕現(xiàn)象，另外在春末夏初和秋初時(shí)節(jié)高估程度相對(duì)于盛夏時(shí)段要小，更加接近實(shí)測(cè)值，ERA5和ERA5Land數(shù)據(jù)的高估程度最為嚴(yán)重，其次為CLDAS，NOAH和ESA數(shù)據(jù)偏濕程度再次之。

圖4 內(nèi)蒙古自治區(qū)及其3個(gè)氣候分區(qū)的2016-2020年5-9月0-10 cm土壤水分的時(shí)間序列

在區(qū)內(nèi)半濕潤(rùn)區(qū)，6套格點(diǎn)數(shù)據(jù)與實(shí)測(cè)土壤水分的變化趨勢(shì)基本一致，季節(jié)變化明顯。SMAP數(shù)據(jù)的變化趨勢(shì)與實(shí)測(cè)最為一致，但在5月出現(xiàn)低估現(xiàn)象。其余5套格點(diǎn)資料均偏濕，ERA5和ERA5Land偏濕程度最大。在區(qū)內(nèi)半干旱區(qū)，土壤水分的時(shí)間變化與內(nèi)蒙古區(qū)域的變化基本一致，這主要是因?yàn)閮?nèi)蒙古區(qū)域包含63個(gè)測(cè)站，而區(qū)內(nèi)半干旱區(qū)則包含了44個(gè)測(cè)站，占到了整個(gè)研究區(qū)域站點(diǎn)總數(shù)的65%以上。在區(qū)內(nèi)干旱區(qū)，土壤水分格點(diǎn)數(shù)據(jù)表現(xiàn)出異于其他區(qū)域的特征，雖然6套格點(diǎn)土壤水分?jǐn)?shù)據(jù)的變化趨勢(shì)與實(shí)測(cè)的基本一致，但趨勢(shì)要差于內(nèi)蒙古自治區(qū)、區(qū)內(nèi)半濕潤(rùn)區(qū)和區(qū)內(nèi)半干旱區(qū)。在2016—2017年5—9月，SMAP表現(xiàn)出低估的特征，ERA5和ERA5Land也在該時(shí)段出現(xiàn)部分偏干現(xiàn)象；在整個(gè)研究時(shí)段，ESA，CLDAS和NOAH均呈現(xiàn)偏濕狀態(tài)，明顯差于SMAP，ERA5和ERA5Land。SMAP土壤水分?jǐn)?shù)據(jù)依然有著與實(shí)測(cè)最為一致的變化趨勢(shì)。

2.3 6套格點(diǎn)土壤水分與觀測(cè)數(shù)據(jù)的一致性分析

分別計(jì)算出6套格點(diǎn)土壤水分?jǐn)?shù)據(jù)與實(shí)測(cè)土壤水分?jǐn)?shù)據(jù)的相關(guān)系數(shù)(R)、均方根誤差(RMSE)和平均絕對(duì)偏差(MAE)，限于篇幅，空間分布圖略。由6套格點(diǎn)土壤水分?jǐn)?shù)據(jù)的相關(guān)系數(shù)統(tǒng)計(jì)得出SMAP，ESA，CLDAS，EAR5和ERA5Land的相關(guān)系數(shù)相對(duì)較高，NOAH的相關(guān)系數(shù)明顯差于其他數(shù)據(jù)集，這說明SMAP，ESA，CLDAS，EAR5和ERA5Land對(duì)土壤水分的時(shí)間變化趨勢(shì)把握較好，NOAH對(duì)土壤水分的時(shí)間變化能力模擬相對(duì)較差。另外也發(fā)現(xiàn)在土默川平原區(qū)、西遼河流域部分地區(qū)和呼倫貝爾部分區(qū)域各套格點(diǎn)土壤水分?jǐn)?shù)據(jù)的相關(guān)系數(shù)優(yōu)于其他區(qū)域，而對(duì)于地形較為復(fù)雜區(qū)和錫林郭勒盟草原區(qū)相關(guān)系數(shù)相對(duì)較差。從6套格點(diǎn)數(shù)據(jù)的均方根誤差統(tǒng)計(jì)得出，SMAP數(shù)據(jù)的RMSE明顯小于其他5套資料，小于0.04 m3/m3的站點(diǎn)數(shù)也最多，僅在大興安嶺林區(qū)的幾個(gè)站點(diǎn)的RMSE大于0.1 m3/m3，這說明SMAP數(shù)據(jù)具有更高的精度。CLDAS，ERA5，ERA5Land和NOAH的RMSE大于0.1 m3/m3測(cè)站數(shù)量明顯多于SMAP數(shù)據(jù)，ESA次之，這表明CLDAS，ERA5，ERA5Land和NOAH的精度相對(duì)差于SMAP。從6套格點(diǎn)數(shù)據(jù)的平均絕對(duì)誤差統(tǒng)計(jì)得出，SMAP數(shù)據(jù)的MAE明顯好于其他幾套數(shù)據(jù)，有著最小的偏差，這說明SMAP與觀測(cè)數(shù)據(jù)的數(shù)值最為接近。CLDAS，ERA5和ERA5Land的MAE在內(nèi)蒙古中部大于0.1 m3/m3測(cè)站較多，表明這3套資料在內(nèi)蒙古中部普遍誤差較大，精度有待改進(jìn)。表2計(jì)算出了2016—2020年5—9月旬平均6套格點(diǎn)土壤水分在內(nèi)蒙古及其3個(gè)氣候分區(qū)平均與觀測(cè)的相關(guān)系數(shù)、平均絕對(duì)偏差和均方根誤差。由此可以看出，各套資料對(duì)內(nèi)蒙古及3個(gè)氣候分區(qū)土壤水分的變化描述能力較好，但存在區(qū)域差異；各套數(shù)據(jù)在區(qū)域平均的時(shí)間相關(guān)系數(shù)通過了99%的信度檢驗(yàn)。6套格點(diǎn)數(shù)據(jù)對(duì)內(nèi)蒙古干旱區(qū)土壤水分的時(shí)間變化描述能力顯著差于其他區(qū)域，這說明6套格點(diǎn)土壤水分?jǐn)?shù)據(jù)對(duì)區(qū)內(nèi)干旱區(qū)土壤水分的變化趨勢(shì)把握能力明顯差于在其他區(qū)域，這與Ma等人[27]的研究結(jié)果相一致。另外，各套格點(diǎn)土壤水分資料在區(qū)內(nèi)半干旱區(qū)的時(shí)間相關(guān)系數(shù)均高于區(qū)內(nèi)半濕潤(rùn)區(qū)和干旱區(qū)，這說明6套格點(diǎn)數(shù)據(jù)對(duì)區(qū)內(nèi)半干旱區(qū)土壤水分的時(shí)間變化趨勢(shì)的描述能力優(yōu)于在區(qū)內(nèi)半濕潤(rùn)區(qū)和干旱區(qū)；同時(shí)，6套格點(diǎn)數(shù)據(jù)在區(qū)內(nèi)半干旱區(qū)的MAE和RMSE均差于區(qū)內(nèi)半濕潤(rùn)區(qū)，這說明6套格點(diǎn)數(shù)據(jù)在區(qū)內(nèi)半干旱區(qū)的精度差于其在區(qū)內(nèi)半濕潤(rùn)區(qū)。SMAP，ESA，CLDAS和NOAH數(shù)據(jù)在區(qū)內(nèi)半濕潤(rùn)區(qū)的MAE和RMSE均小于其在區(qū)內(nèi)半干旱區(qū)和干旱區(qū)，這說明上述四套數(shù)據(jù)在區(qū)內(nèi)半濕潤(rùn)區(qū)的精度優(yōu)于其他區(qū)域，而ERA5和ERA5Land在區(qū)內(nèi)干旱區(qū)的MAE和RMSE小于其在區(qū)內(nèi)半濕潤(rùn)區(qū)和半干旱區(qū)，說明ERA5和ERA5Land對(duì)區(qū)內(nèi)干旱區(qū)的模擬精度相對(duì)優(yōu)于其在區(qū)內(nèi)半濕潤(rùn)區(qū)和半干旱區(qū)。需要指出的是，ERA5和ERA5Land的RMSE在區(qū)內(nèi)半濕潤(rùn)區(qū)和半干旱區(qū)均最大，這說明ERA5和ERA5Land資料的離散程度較大。6套資料中ERA5Land的相關(guān)系數(shù)在內(nèi)蒙古及其3個(gè)氣候分區(qū)均最好，但均方根誤差較大，NOAH的相關(guān)系數(shù)最差。綜合相關(guān)系數(shù)和均方根誤差可以看出，SMAP格點(diǎn)土壤水分?jǐn)?shù)據(jù)最優(yōu)，與觀測(cè)一致性最好。

表2 內(nèi)蒙古自治區(qū)及3個(gè)氣候分區(qū)平均2016-2020年5-9月旬0-10 cm土壤水分6套數(shù)據(jù)分別與站點(diǎn)觀測(cè)的相關(guān)性

2.4 土壤水分6套格點(diǎn)數(shù)據(jù)精度的Taylor圖評(píng)價(jià)

逐旬土壤水分隨時(shí)間的變化對(duì)評(píng)估6套格點(diǎn)土壤水分?jǐn)?shù)據(jù)有重要作用。從內(nèi)蒙古自治區(qū)及其3個(gè)氣候分區(qū)的區(qū)域平均2016—2020年5—9月逐旬土壤水分的Taylor圖(圖5)可以看出，6套格點(diǎn)土壤水分資料在不同區(qū)域的相關(guān)系數(shù)均在0.4以上，除了區(qū)內(nèi)干旱區(qū)以外，大部分都在0.6以上，6套格點(diǎn)數(shù)據(jù)的相關(guān)系數(shù)差距不顯著；從規(guī)范化標(biāo)準(zhǔn)差可以看出，6套數(shù)據(jù)中大部分高估了土壤水分，尤其是在內(nèi)蒙古自治區(qū)和區(qū)內(nèi)半干旱區(qū)的ERA5和ERA5Land數(shù)據(jù)，偏大較多，但卻有著最優(yōu)的相關(guān)系數(shù)。

綜合來看，在內(nèi)蒙古自治區(qū)，所有格點(diǎn)數(shù)據(jù)的規(guī)范化標(biāo)準(zhǔn)差均大于觀測(cè)規(guī)范化標(biāo)準(zhǔn)差，SMAP和ESA表現(xiàn)好于其他數(shù)據(jù)；在區(qū)內(nèi)半濕潤(rùn)區(qū)，SMAP和CLDAS表現(xiàn)優(yōu)于其他數(shù)據(jù)；在區(qū)內(nèi)半干旱區(qū)，SMAP和ESA表現(xiàn)較好；在區(qū)內(nèi)干旱區(qū)，CLDAS表現(xiàn)相對(duì)較好。

注：1內(nèi)蒙古自治區(qū)； 2區(qū)內(nèi)半濕潤(rùn)區(qū)； 3區(qū)內(nèi)半干旱區(qū)； 4區(qū)內(nèi)干旱區(qū)。

3 討 論

從研究結(jié)果來看，格點(diǎn)土壤水分?jǐn)?shù)據(jù)在不同氣候分區(qū)與觀測(cè)土壤水分的相關(guān)性和誤差存在差異，不管是衛(wèi)星反演土壤水分?jǐn)?shù)據(jù)、陸面同化土壤水分?jǐn)?shù)據(jù)還是再分析土壤水分?jǐn)?shù)據(jù)都可能受到陸地覆蓋、土壤質(zhì)地和降水等的影響。

(1) 同一衛(wèi)星反演土壤水分?jǐn)?shù)據(jù)在不同氣候分區(qū)表現(xiàn)出較大的精度差異，下墊面植被是影響土壤水分衛(wèi)星反演的因素之一。SMAP和ESA土壤水分?jǐn)?shù)據(jù)的衛(wèi)星反演精度在植被覆蓋區(qū)域會(huì)受到不同程度的影響。Ma等[27]研究顯示在較低的植被光學(xué)厚度、高地表粗糙度以及空間異質(zhì)性較高的區(qū)域，SMAP的反演質(zhì)量還有待提升。

(2) 土壤質(zhì)地是影響陸面模式模擬土壤水分的最重要的土壤水力學(xué)參數(shù)之一，研究表明準(zhǔn)確的土壤質(zhì)地能夠顯著提高土壤水分的陸面模擬能力，從而能夠大幅減小模擬誤差[37]。而本研究所用NOAH土壤水分和CLDAS土壤水分并未采用較為真實(shí)的土壤質(zhì)地?cái)?shù)據(jù)，這也是CLDAS使用基于自動(dòng)站雨量計(jì)觀測(cè)降水融合驅(qū)動(dòng)場(chǎng)驅(qū)動(dòng)陸面模式得到的CLDAS土壤水分的多年平均空間分布與NOAH相似的原因之一，尤其是在鄂爾多斯高原東部，CLDAS與NOAH土壤水分空間分布幾乎一致，但NOAH的降水驅(qū)動(dòng)數(shù)據(jù)質(zhì)量差于CLDAS，這充分說明土壤質(zhì)地對(duì)土壤水分模擬的重要性。

(3) 本研究所用的ESA，ERA5和NOAH土壤水分?jǐn)?shù)據(jù)均為25 km分辨率，而在內(nèi)蒙古自治區(qū)自動(dòng)土壤水分觀測(cè)站稀疏，本文使用鄰近格點(diǎn)法雖然減小了插值帶進(jìn)去的誤差，但一個(gè)格點(diǎn)只對(duì)應(yīng)一個(gè)站點(diǎn)，這使得25 km×25 km的一個(gè)網(wǎng)格數(shù)據(jù)對(duì)應(yīng)一個(gè)站點(diǎn)數(shù)據(jù)，造成一定的尺度不匹配問題。另外自動(dòng)觀測(cè)站空間代表性不能代表大網(wǎng)格的土壤水分狀況。

(4) 土壤水分自動(dòng)站觀測(cè)層次為0—10 cm層土壤水分，而衛(wèi)星反演土壤水分層次為約2—7 cm[5]，在垂直土壤層匹配上也存在一定的誤差，而影響評(píng)價(jià)結(jié)果的準(zhǔn)確度。

(5) CLDAS，NOAH以及ERA5Land使用的陸面模式植被覆蓋并沒有動(dòng)態(tài)更新，這使得植被蒸散發(fā)產(chǎn)生一定誤差，進(jìn)而影響土壤溫度、土壤水分以及土壤下滲等，造成土壤水分?jǐn)?shù)據(jù)出現(xiàn)一定的誤差，下一步同化植被葉面積指數(shù)LAI改善土壤溫濕度模擬是值得開展的研究方向。

4 結(jié) 論

(1) 6套格點(diǎn)土壤水分?jǐn)?shù)據(jù)能夠較好的反映內(nèi)蒙古觀測(cè)土壤水分的“東濕西干”的空間分布特征，在不同的氣候分區(qū)有明顯的差異性。其中SMAP數(shù)據(jù)表現(xiàn)最優(yōu)，有著更好的空間分布特征。ESA，CLDAS，ERA5，ERA5Land和NOAH等數(shù)據(jù)集均呈現(xiàn)出偏濕的特點(diǎn)。

(2) 從3個(gè)氣候分區(qū)土壤水分時(shí)間序列來看，6套資料均能描述出土壤水分的時(shí)間變化趨勢(shì)，相關(guān)系數(shù)較高。各套數(shù)據(jù)在區(qū)內(nèi)半濕潤(rùn)區(qū)和半干旱區(qū)土壤水分的時(shí)間變化趨勢(shì)描述能力顯著優(yōu)于區(qū)內(nèi)干旱區(qū)，尤其在半干旱區(qū)的表現(xiàn)更好(相關(guān)系數(shù)最高)。SMAP數(shù)據(jù)的變化趨勢(shì)與實(shí)測(cè)最為一致。

(3) SMAP，ESA，CLDAS，EAR5和ERA5Land的相關(guān)系數(shù)相對(duì)較高，NOAH的相關(guān)系數(shù)明顯差于其他數(shù)據(jù)集。另外從MAE和RMSE方面來看，SMAP仍然有著較高的精度?？傮w而言，SMAP產(chǎn)品與實(shí)測(cè)土壤水分相關(guān)性最優(yōu)，精度最高，其次為ESA和CLDAS格點(diǎn)土壤水分?jǐn)?shù)據(jù)。鑒于此，可以為缺乏土壤水分觀測(cè)的內(nèi)蒙古提供可靠的土壤水分資料來源，亦可以用于干旱評(píng)估監(jiān)測(cè)應(yīng)用。