基于风云三系列卫星B的湖南省土壤湿度数据的精度评价

2020-08-13 08:46范嘉智罗林艳段思汝
贵州农业科学 2020年7期
关键词:土壤湿度土壤水分反演

罗 宇, 罗 曼, 范嘉智, 罗林艳, 段思汝

(1.中国气象局 气象干部培训学院 湖南分院, 湖南 长沙 410125; 2.气象防灾减灾湖南省重点实验室, 湖南 长沙 410118; 3.湖南省气象信息中心, 湖南 长沙 410118)

土壤水分是全球陆面生态系统能量和水循环的重要组成部分,在生态、农业、气象及气候等领域研究中居重要地位[1-3]。大面积土壤水分观测可为各地农作物估产、干旱预测和农业灾害监测等提供科学依据[4]。常见的土壤水分观测方法主要有田间实测、模型估算和卫星遥感等[5],其中田间实测最为准确,但因其只能定点观测,所以其数据代表性较为有限,较难实现大范围地区土壤湿度的监测[6]。由于微波能较好穿透大气中云层雨区,可全天候获取地表辐射信息,因此自1978年第一套被动式微波遥感设备升空以来,利用微波遥感数据反演陆面表层土壤湿度信息展现出巨大的应用潜力[7-8]。已发射的被动式微波传感器主要有中国风云三系列卫星(FY3)搭载的微波成像仪(MWRI)、美国国防气象卫星计划(DMSP)卫星搭载的被动微波辐射计(SSM/I)、美国地球观测系统(EOS)Aqua卫星搭载的高性能微波扫描辐射计(AMSR-E)及日本水环境变动监测任务卫星(GCOM-W1)搭载的先进微波扫描辐射计(AMSR2)。

风云三系列卫星B(FY-3B)于2010年发射升空,搭载有微波成像仪(MWRI),可获取地球表面10.65~89 GHz频段内共5个极化通道亮温数据,其中低频10.65 GHZ通道具有较强的云雨穿透能力,且对地表介电特性较为敏感,可用以反演获取土壤表层湿度[9]。由于卫星和算法的差异,基于微波遥感数据反演的土壤湿度数据其准确性存在一定差异,故有必要对微波遥感土壤水分数据精度进行验证研究,明确其在不同时空条件下的表现[10]。目前,针对微波遥感土壤湿度数据精度研究主要使用AMSE-E和AMSE2等国外辐射计数据[11-17],对MWRI反演土壤湿度的研究相对较少,且研究范围下垫面多为地表较为平坦、结构较为均一的裸土或草原等区域[6,18-21]。湖南作为我国产粮大省,易受干旱灾害影响,其中湘中、湘南地区更是旱灾频发;且由于地形地貌复杂多样,实现大范围高精度的土壤湿度监测仍存在一定难度。鉴于此,利用湖南省47个自动土壤水分观测站10 cm土层土壤体积含水量数据对2018年FY-3B土壤湿度数据(VSM)精度进行验证评价,以期为湖南省相关部门制定政策措施提供精准的数据参考。

1 数据与方法

1.1 研究区概况

湖南省(24°38′~30°08′N,108°47′~114°15′E)全省面积21.18万km2,省内南高北低三面环山,中部丘岗起伏,北部湖盆平原展开;为大陆性亚热带季风湿润气候,光、热及水资源丰富,但年内变化较大、垂直变化明显[22]。

1.2 数据资源

1.2.1 FY-3B土壤湿度数据 湖南省2018年1月1日至12月31的VSM,来源于国家气象卫星中心风云遥感数据服务网(http://satellite.nsmc.org.cn)。

1.2.2 自动土壤水分观测数据 湖南省2018年1月1日0:00至12月31日23:00共60个自动土壤水分站10cm土层深度体积含水量小时数据,来源于全国综合气象信息共享平台(CIMISS),为中国气象局土壤水分观测网测得的体积含水量小时数据。

1.3 研究方法

1.3.1 数据预处理 VSM为HDF格式,使用R语言对其进行解析,采用EASE-Grid投影转换和裁剪,遥感数据级别为L2,获取湖南省的升轨和降轨地表5 cm内的土壤体积含水量数据。VSM分辨率为25 km,以各观测点为中心筛选12.5 km半径内的土壤水分观测站,获得47个站点(图1)。考虑FY-3B过境湖南的时间(升轨过境湖南的地方时约为14:00和降轨过境湖南的地方时约为02:00),分别将13:00~15:00和01:00~03:00自动土壤水分数据平均,与对应日期的升轨数据和降轨数据配对,共得到17841组对比数据,其中,升轨对比数据8893组,降轨对比数据8948组。遥感土壤湿度数据由FY-3B/MWRI双极化亮温数据基于多频率多极化地表辐射参数化模型(Qp模型)反演得到,可有效消除地表植被和粗糙度影响[23]。

1.3.2 评价指标及方法 采用平均偏差(MD)、均方根误差(RMSE)、无偏均方根误差(ubRMSE)和平均相对误差(MRE)4个指标评价湖南省FY-3B土壤湿度观测的精度。针对47个站点的对比数据,分别计算其整体(BOTH)、升轨(ASC)和降轨(DES)时段的4个指标均值。将各站点对比数据的4个评价指标基于ArcGIS按经纬度进行空间插值,选用反距离加权法(IDW)生成0.25°分辨率FY-3B土壤湿度数据精度空间分布图,以分析数据精度的空间分布特征;由于遥感反演土壤湿度数据受地表植被影响较明显,而植被覆盖又存在显著的季节性特征,因此,计算湖南省对比站点4个指标的日均值,对FY-3B土壤湿度数据精度的时间分布特征进行分析。

式中,smsat为遥感反演土壤湿度(m3/m3);smdnz为自动土壤水分站观测数据(m3/m3);MD(m3/m3),遥感土壤湿度和自动土壤水分观测数据之间的系统偏差;RMSE(m3/m3),遥感土壤湿度和自动土壤水分观测数据之间差异的实际情况;ubRMSE(m3/m3),去除RMSE后的随机误差部分;MRE,遥感土壤湿度的可信程度。MD、RMSE、ubRMSE和MRE越小,表明遥感土壤湿度数据的精度越高。

2 结果与分析

2.1 湖南省FY-3B遥感土壤湿度数据的精度及其空间分布特征

2.1.1 土壤湿度数据的精度 从表1和图2看出,湖南省FY-3B遥感土壤湿度数据较自动土壤水分观测偏干0.066 m3/m3,其中,升轨数据平均偏低0.078 m3/m3,降轨数据平均偏低0.048 m3/m3,但降轨数据的平均偏差波动更大。升轨数据的RMSE、ubRMSE和MRE均值分别为0.161 m3/m3、0.093 m3/m3和0.480,降轨数据的RMSE和ubRMSE均值与升轨数据基本一致,分别为0.166 m3/m3和0.092 m3/m3,但由于离群点较多,其MRE均值略偏高,为55.2%。表明,湖南省FY-3B土壤湿度数据升轨和降轨数据精度无明显差异。

表1 2018年湖南省FY-3B土壤湿度数据的精度

2.1.2 土壤湿度数据精度的空间分布 由图3看出,2018年湖南省FY-3B土壤湿度数据BOTH、ASC和DES的MD、RMSE、ubRMSE和MRE空间分布存在差异。 1) MD。湖南的南北部差异明显,北部地区总体偏湿(近0.15 m3/m3),南部地区总体偏干(近0.26 m3/m3),且升轨和降轨数据基本一致。2) RMSE和MRE。湖南东部地区FY-3B土壤湿度数据精度总体高于西部地区,其中又以东北部地区精度最高,RMSE和MRE分别低于0.10 m3/m3和20%;升轨数据在北部地区、降轨数据在中部及南部地区的精度也相对较高,对应区域RMSE分别低于0.09 m3/m3和0.10 m3/m3,MRE分别低于20%和16%。3) ubRMSE。升轨和降轨数据ubRMSE空间分布基本一致,湖南西南部的ubRMSE相对较高,BOTH、ASC和DES时段分别为0.16 m3/m3、0.176 m3/m3和0.15 m3/m3。

2.2 遥感土壤湿度数据精度时间分布特征

从图4和表2可知,湖南省FY-3B遥感土壤湿度数据升轨和降轨数据时间分布特征无明显差异,4项评价指标均呈单峰分布。1) MD。全年总体为负值,其中,1—7月的MD呈先降后升趋势,9月的MD相对较小,月平均仅为0.01 m3/m3。2)RMSE。3月RMSE达最大值,之后呈逐步下降趋势,在7月降至全年最低值,之后呈逐步上升趋势。3) ubRMSE。分布与RMSE分布大致相反,在7—8月达最大,为0.19 m3/m3,在2—3月降至全年最低,为0.06 m3/m3。4)MRE。在3月达最大,为67%,之后逐渐下降至5月的40%,然后略微上升,至10—11月再次降至全年最低,为38%。考虑植被指数的月变化特征[24],ubRMSE峰值时间能较好地对应湖南省植被指数最大值时间。湖南省降水多集中在夏季,但受晴热高温等因素影响,季节性干旱频发,土壤湿度常在夏秋季出现全年低值。因此,卫星反演土壤湿度值较真实值的偏差也随之降低,使得MD、RMSE和MRE在7—8月表现更优;但由于浅层土壤湿度受降水影响较大,各评价指标在7—8月波动更为明显。

表2 2018年湖南省FY-3B土壤湿度数据精度的月变化特征

3 结论与讨论

对2018年FY-3B土壤湿度数据进行解析、投影转换和裁剪,获取湖南省的升轨和降轨地表5cm内的土壤体积含水量数据,并以观测点为中心匹配临近土壤水分观测站形成对比数据后,利用平均偏差、均方根误差、无偏均方根误差和平均相对误差对其精度评价结果表明:湖南省FY-3B遥感土壤湿度数据较自动土壤湿度观测平均偏干0.066 m3/m3,RMSE、ubRMSE和MRE分别为0.164 m3/m3、0.099 m3/m3和50.9%,土壤湿度数据升轨和降轨数据精度大致相当,降轨数据MD和ubRMSE略优于升轨数据,但指标波动较大;湖南省FY-3B土壤湿度数据平均偏差南北差异明显,呈北部偏湿南部偏干的特征,数据精度东部地区总体高于西部地区,其中东北部地区精度最高,同时升轨数据在北部地区、降轨数据在中部及南部地区精度也相对较高;湖南省FY-3B土壤湿度数据评价指标时间分布特征均呈单峰,由于夏季降水、晴热高温、季节性干旱及植被覆盖等因素影响,MD在7—9月偏差最小,RMSE在3月达到峰值后逐步降至7月的全年最低值,ubRMSE在7—8月达最高值,MRE最低值出现在5月,且各评价指标在7—8月波动最为明显。

综上看出,湖南省FY-3B土壤湿度数据精度并不理想,平均相对误差达50%。造成该结果的原因:FY-3B土壤湿度数据空间分辨率为25 km,即每个像元覆盖范围约为500 km2,像元内降水等的不均一造成遥感土壤湿度数据巨大的空间差异;MWRI的10.65 GHZ通道虽有较强的云雨穿透能力,但受地表粗糙度和植被影响较大,可能产生较大的观测误差;反演VSM所用的Qp地面发射模型自身存在误差,使得湖南省FY-3B土壤湿度数据精度较低。因此,在后续工作中需考虑地表植被、地形和土地利用等对VSM反演精度的影响,并尝试利用机器学习等方法改进反演方法,提升数据精度。

猜你喜欢
土壤湿度土壤水分反演
反演对称变换在解决平面几何问题中的应用
喀斯特坡耕地块石出露对土壤水分入渗的影响
磷素添加对土壤水分一维垂直入渗特性的影响
北京土石山区坡面土壤水分动态及其对微地形的响应
CLDAS土壤湿度产品适用性评估
基于ADS-B的风场反演与异常值影响研究
Meteo-particle模型在ADS-B风场反演中的性能研究
衡水湖湿地芦苇的生物量与土壤水分变化的相关性研究
长期运行尾矿库的排渗系统渗透特性的差异化反演分析
基于随机权重粒子群优化极限学习机的土壤湿度预测