ASCAT土壤湿度数据在新疆干旱监测中的应用

韩斌

（新疆气象信息中心，新疆乌鲁木齐 830002）

ASCAT土壤湿度数据在新疆干旱监测中的应用

韩斌

（新疆气象信息中心，新疆乌鲁木齐 830002）

截至目前，欧洲气象卫星组织新一代“MetOp”系列卫星搭载的先进的ASCAT散射仪所观测的土壤湿度数据在我国尚未得到应用。本文拟通过使用NOAA的先进算法处理ASCAT土壤湿度数据，并开发干旱预报系统以用于监测新疆土壤水分来预测其干旱情况。文中首次使用ASCAT土壤湿度数据、前沿人工智能技术在新疆干旱监测中，为干旱监测提供了新的研究思路，开发出新的干旱预报系统对土壤水分等级有一定的预报能力，其中新设计的干旱指数-MetOp卫星反演的土壤湿度距平百分数可以有效提高干旱监测的时间精度，便于更好地开展决策服务。

ASCAT土壤湿度；干旱；监测

干旱是导致全球经济损失最为严重的自然灾害，每年由于旱灾造成的经济损失370亿元至490亿元人民币，受干旱灾害影响的人口数量远大于洪水、地震等其它全部自然灾害的总和[1]。新疆维吾尔自治区位于中国的西北部，地处亚欧大陆腹地，属干旱、极干旱气候区，干旱对新疆的农业生产甚至社会经济发展具有十分不利的影响。因此应用新的土壤湿度遥感监测产品，设计适用的干旱指数，开发快速、准确的干旱监测预测系统，对于减轻旱灾对新疆农业生产的影响，加快新疆社会经济发展步伐十分必要。

1 干旱指数的设计与评价

1.1 干旱指数

在《干旱等级国家标准》中有干旱监测指标（或指数）6项，其中的5项为干旱监测的“单项指标”，分别为：标准化降水指数、降水量和降水量的距平百分率、Palmer干旱指数、土壤湿度干旱指数和相对湿润度指数。另外一项为“CI”，是气象干旱综合指数，它是基于标准化降水指数、降水量和相对湿润指数3个指标来建立的。这一等级标准全国通用，具有空间和时间上的可比性，可以比较客观地描述出干旱的发生、发展、持续、解除等过程，同时可以客观地描述出干旱发生程度以及范围的等级标准和干旱监测指标。

根据已有干旱监测指标的应用情况和指标确定所需资料获取的难易程度，选取传统的降水距平百分率作为对照指数，而采用MetOp卫星反演的土壤湿度距平百分率作为新设计指数，距平百分率的计算方法参照《干旱指标国家标准》执行，计算时以气候平均值或最大监测时段平均值作为参考平均值。

标准的权重反映评价标准的相对重要性。然而标准的权重很难进行精确的取值，因为这些权重在很大程度上受到专业人士的个人主观判别的影响。当然，任何使用者都能依照自己的主观需求对这些权重进行自由的修改。

本项研究确定的干旱指数6个评价标准的权重见表1。

考虑到数据的连贯性、观测质量，以及数据的可靠性，并结合灌溉对系统参数的影响，此次研究仅利用MetOp-A、MetOp-B卫星反演的2013年11月至2014年2月的土壤湿度资料及其新疆同期的降水资料，分别计算分辨率为1°×1°的新疆160个有效经纬度格点上的降水距平百分率和土壤湿度距平百分率，并根据降水不连续性的特点，采用月平均值进行比较。

表1 干旱指数各评价标准的权重

将每个格点上2013年11月—2014年2月共4个月间新指标与对照指标干旱指数值做差值百分率（以对照指标为基准），并取同一格点上差值百分率最大的月份绘入图1，结果显示新指标和对照指标总体上差异不大，均能反映新疆的干旱状况。

图1 新指标与对照指标差值对比图

但值得注意的是，由于降水具有不连续性，依据降水计算得到的干旱指标—降水距平百分率，只有在月以上尺度上才具有实际意义，因此，这类指标无法实现干旱监测时间尺度的精细化。与之不同的是，土壤水分具有连续性，利用土壤湿度计算得到的干旱指数，其时间分辨率可以达到1 d。因此，新设计的干旱指数-MetOp卫星反演的土壤湿度距平百分数可以有效提高干旱监测的时间精度，便于更好地开展决策服务。相信在以后的工作中，新的干旱指数能够更广泛地、更高效地对新疆春、夏季进行干旱监测。

1.2 基于卫星和地面资料的干旱指数比较

利用人工或自动土壤湿度仪来进行土壤墒情测定仅仅可以进行若干个点的小范围监测，却无法进行广泛的大面积监测[2-6]，也就不能对土壤水分的空间变化进行反映。随着经济的发展，防灾减灾成本日益增长，政府更加关注干旱灾害发生、发展及早期预警、预测，以及对干旱灾害影响高效率的评估和管理，以降低干旱灾害引发的不利效应[7]。伴随着遥感技术的不断发展，遥感土壤水分资料的时间和空间分辨率明显提高，在干旱监测方面具有很高的性价比，因而发展潜力巨大[8-9]。

研究所用资料来源于欧洲气象业务化卫星（MetOp-A和-B），起止时间为2013年11月1日—2014年2月28日，资料水平分辨率为0.25°×0.25°，时间分辨率为1 d。地面土壤水分资料来自新疆维吾尔自治区农业气象观测站，时间分辨率为5 d。首先将两种资料插值到1°×1°，计算每个格点上的月平均值，再用卫星土壤湿度数据制作的干旱指数减去地面土壤湿度数据制作的干旱指数得到两者的绝对误差（AD），最后采用月干旱指数平均值进行比较。

新疆维吾尔自治区2013年11月—2014年2月卫星土壤湿度数据和地面土壤湿度数据计算的干旱指数逐月绝对误差（图2）。图中每个格点上的平均绝对误差表征该格点所有样本由卫星土壤湿度数据和地面土壤湿度数据制作的干旱指数偏差的平均值。从图2中可以看出，由卫星土壤湿度数据和地面土壤湿度数据制作的干旱指数之间的差异主要出现在山区和盆地，这说明卫星土壤湿度数据与地面土壤湿度数据因地形、地貌、植被覆盖率等因素，存在一定的差异，如山区存在正差异，盆地存在负差异。

1.3 新疆干旱预测技术的系统开发与评价

人工智能技术如互联网技术中的语音搜索、文字识别和智能搜索等在各行各业都已经开始得到应用，但在气象行业的应用较少[10]。美国、加拿大等国家在人工智能及其气象应用方面开展了大量研究和开发工作，许多新技术新方法值得借鉴[11]。采用CBR人工智能方法，结合新疆干旱气象服务的实际需要，开发出一种基于CBR框架的干旱预报方法可明显提高新疆干旱预报的水平。CBR是以过去的经历或者实际经验为基础的一种推理。CBR利用的不是规则而是个例，这些个例逐一记录了过去事件的种种细节。对CBR来讲，求解一个问题不依赖于链式推理，而是到“记忆”（或者称为“个例库”）中去寻找和所需求解问题相关性最强的事件（或者称为“个例”），接下来对个例进行必要改动以期适应当前的问题。

图2 两种土壤湿度数据计算的逐月干旱指数比较

干旱预报原理见图3。预报过程可以分为2个阶段——训练和预测。

（1）系统训练用于将个例库录入足够的信息，输入资料使用较早的预报和实况资料建立对应关系；

（2）系统预测则利用已经建立的个例库，进行基于CBR的预报试验。

图3 预报原理示意图

图3仅为预报的逻辑结构，程序采用Linux Shell控制，在其自动控制下，分析计算和绘图分别由Fortran和GrADS完成，最终的预报结果输出为JEPG压缩格式图片，并同时输出有关的预报统计数据。

预报正确率的计算按照国外通行的方法计算，预报“正确”与“错误”的判定方法见表2。

表2 预报正确的判定方法

图4 干旱预报结果与实况对比图

图4为干旱预报结果对比图，反映了一次预报时效为5 d的CBR人工智能干旱等级预报与实况的比较，图4中横坐标表示新疆境内用于预报的160个有效经纬度格点（1°×1°），纵坐标表示干旱等级，0～ 4表示由干旱到不干旱的程度。由图4可见，开发的干旱预报系统对土壤水分等级有一定的预报能力。

进一步统计分析表明，干旱预报系统对新疆干旱预报的正确率约为73%，对实际业务服务工作有一定的指导作用。

2 结论

（1）构建了有普适性、适用性、易理解性、理论性、时效性、无量纲性等6项权重标准的干旱指数判据，对新旧干旱指数进行了评判，结果显示ASCAT土壤湿度距平百分率与降水距平百分率均能够反映新疆的干旱状况，而ASCAT土壤水湿度距平百分率可以有效提高干旱监测的时间精度。

（2）开发的干旱预报系统对土壤湿度等级有一定的预报能力，预报准确率约为73%。系统具有良好的自学习功能，混合编程能有效地发挥各个程序设计语言在控制管理、数值计算和图形绘制上的优势，共享程序设计资源，提升了计算机程序的性能和效率。

（3）CBR拥有很好的自主学习能力，它可以很好地对过去的个例进行总结和运用，使得所谓“知识获取”的“瓶颈”问题很好地得以解决。因此，CBR在经验积累比较丰富的领域较为适合，特别是在很难形成一定规则的所谓的“不完整领域”中的理论问题求解最为适合。混合编程技术可以有效运用不同程序设计语言各自的优点，共享资源、提高效率、节省时间；可以有效地利用不同程序设计语言写成的现成代码，轻而易举地解决其他特定程序设计语言所难以解决的问题，并使得程序的性能和运行效率大幅提升，这些都显著降低了应用程序开发的难度，大大缩短了应用程序开发的周期。

[1]Wihite D A Drought as a natural hazard:Concepts and definitions[C]//Wilhite D A.Drought：A Global Assessment.Nwe York:Routlege.2000：3-18.

[2]李得勤，段云霞，张述文.土壤湿度观测、模拟和估算研究[J].地球科学进展，2012，27（4）：424-434.

[3]师春香，谢正辉，钱辉，等.基于卫星遥感资料的中国区域土壤湿度EnKF数据同化[J].中国科学·地球科学，2001，41（3）：375-385.

[4]陈书林，刘元波，温作民.卫星遥感反演土壤水分研究综述[J].地球科学进展，2012，27（11）：1192-1203.

[5]张霄羽，王娇.风云二号静止气象卫星数据估算土壤表面水分方法研究[J].中国生态农业学报，2012，20（7）：882-887.

[6]伍漫春，丁建丽，王高峰.基于地表温度—植被指数特征空间的区域土壤水分反演[J].中国沙漠，2012，32（1）：148-154.

[7]Wilhite D A.Planning for drought:A methodology,drought assessment,management and planning;theory and case studies[C]//Wilhite D A.Drought Assessment,Management and Planning Theory and Case Studies，1993:87-109.

[8]TUCKER,CHOUDHURY B J.Satellite remote sensing of drought conditions[J].Remote Sens.Environ，1987，23：243-251.

[9]KouanF N.NOAA plays leadership role in developing satellite technology for drought watch[J].Earth Obs Mag，1994：18-21.

[10]魏立涛，郭树军.CBR在气象服务中的应用[J].安徽农业科学，2007，35（18）：5350-5351.

[11]Lu J,Xue S,Zhang X,et al.Neural Fuzzy Inference System-BasedWeatherPredictionModelandIts Precipitation Predicting Experiment[J].Atmosphere，2014，5（4）：788-805.

[12]刘辉权，肖天贵，邱静雅.气象预报预警系统开发中VB 与GrADS、FORTRAN混合编程[J].成都信息工程学院学报，2011，26（2）：208-214.

[13]杨志华，基于FY3B VIRR数据的新疆沙尘天气遥感监测应用研究[J].沙漠与绿洲气象，2014，8（5）：48-52.

[14]赵玲，基于MODIS的天山山区草地类型植被指数变化特征及其与气候因子的关系[J].沙漠与绿洲气象，2015，9（2）：57-62.

Drought Monitoring with ASCAT Soil Moisture Data in Xinjiang

Han Bin
（Xinjiang Meteorological Information Center，Urumqi 830002，China）

A new generation of EUMESTAT Metop series of satellites equipped with the advanced ASCAT Scatterometer,but the observed soil moisture data has not yet been applied in China.This paper used an advanced algorithm of NOAA to process ASCAT soil moisture data,and developed a drought forecasting system for monitoring soil moisture in Xinjiang and predicting drought conditions.ASCAT soil moisture data,cutting-edge artificial intelligence techniques were firstly used in Xinjiang drought monitoring,it provides a new research ideas for drought monitoring,the new developed drought forecasting system have some forecasting capability for soil moisture levels, and a new design drought index-MetOp,which is soil moisture anomaly percentage from satellite retrieval,can improve the time accuracy of drought monitoring and better serve for the decision making.

ASCAT soil moisture；drought；monitoring

S423

：B

1002-0799（2016）06-0088-05

10.3969/j.issn.1002-0799.2016.06.013

2016-05-18；

2016-06-03

韩斌（1984-），男，工程师，主要从事气象信息技术开发以及卫星气象工作。E-mail：Mars_ice@126.com

韩斌.ASCAT土壤湿度数据在新疆干旱监测中的应用[J].沙漠与绿洲气象，2016，10（6）：88-92.