风云卫星微波遥感土壤水分产品适用性验证分析

杨 纲, 郭 鹏, 李西灿, 万 红, 孟春红

(山东农业大学 信息科学与工程学院, 山东 泰安 271018)

土壤水分是陆地水循环中活跃的部分，是水文过程、生物生态过程和生物地球化学过程的关键变量，在地表水蒸发和渗流扮演着极其重要角色[1]。大面积土壤水分的长期观测对于旱涝监测，水资源管理和作物产量预测的研究至关重要[2]。因此，精确测量土壤水分有着极其重要的现实意义。

传统上获取地表土壤水分通过重量采样或TDR传感器[3]等不同的测量技术，虽然能准确测量单点的土壤水分信息，但很难实现大范围持续监测。遥感方法能够持续大范围观测，可见光和热红外遥感观测土壤水分易受天气条件和植被的影响，而微波遥感能够穿过植被表层进行全天候土壤水分观测，并且微波遥感根据土壤介电特性来反演土壤水分，物理基础更加坚实[4]。因此，微波遥感被认为是目前探测土壤水分最有效的手段[4]。

自20世纪70年代末以来，一系列主动和被动微波卫星或传感器被用于土壤水分地监测。如先进微波散射仪ASCAT (the Advanced Scatterometer)，先进微波扫描辐射计AMSR-E (the Advanced Microwave Scanning Radiometer-Earth Observing System)，星载极化微波辐射计WindSat，AMSR-2(the AdvancedMicrowave Scanning Radiometer 2) ，欧空局的土壤水分和海洋盐度卫星SMOS(Soil Moisture and Ocean Salinity)，中国的风云三号B 星(FY-3B)和C星(FY-3C)以及NASA(National Aeronautics and Space Administration)最新的土壤水分主被动计划SMAP(the Soil Moisture Active Passive)都已用于全球土壤水分的监测。在此基础上，国际上已有多种机构针对不同的传感器发布了多种微波卫星土壤水分数据产品，如欧空局发布的SMOS土壤水分产品[5]，日本宇航局JAXA(Japan Aerospace Exploration Agency)发布的AMSR-2土壤水分产品[6]，以及中国的国家气象中心发布的FY-3B和FY-3C土壤水分产品等，并且已有较多的学者开展了卫星土壤水分产品精度验证工作。崔慧珍等[7]基于中国根河地区的土壤水分地表观测评估和分析了AMSR-2，SMOS和SMAP土壤水分产品，结果表明JAXA的AMSR-2土壤水分产品严重低估了土壤水分并且有0.089～0.099 m3/m3的恒定偏差。崔宸阳等[8]利用两个密集土壤水分监测网对比分析了在不同尺度下SMAP，SMOS，FY-3B，AMSR-2等土壤水分产品的表现，结果表明SMAP被动土壤水分产品在Little Washita流域(LWW)网络区域优于其他产品，无偏均方根(ubRMSE)为0.027 m3/m3，而FY-3B土壤湿度在REMEDHUS网络区域表现最佳，ubRMSE为0.025 m3/m3。JAXA的AMSR-2产品在大部分时间都低估了土壤湿度。庄媛等[9]以自动土壤水分观测站土壤湿度作为验证数据，对2012年中国区域ASCAT，WIND-SAT，FY-3B，SMOS等4种微波遥感土壤湿度产品按省份进行评估研究。结果表明，ASCAT 质量最优，在中国大多数地区与观测数据的相关系数较高，归一化标准偏差较小；WINDSAT 其次，质量优于FY-3B，而SMOS 在中国大部分地区质量差，受无线电频率干扰严重。我国的风云3号C星(FY-3C)土壤水分产品适用性的验证较少，尤其是在国外地区的验证更少。本文利用美国俄克拉荷马州西南部地区的Agricultural Research Service(ARS)监测网络提供的2016年5月1日到2018年5月31日的土壤水分实测数据，对FY-3B，FY-3C和日本宇航局的JAXA-AMSR-2土壤水分产品进行对比验证分析，评价其在俄克拉荷马州西南部地区的适用性，为基于FY-3B，FY-3C土壤水分产品的相关研究和应用提供支持。

1 数据与方法

1.1 研究区和地面观测资料

本研究中用于验证FY-3B，FY-3C和AMSR-2土壤水分产品的地面实测土壤水分数据来自美国ARS水文监测网络(http:∥ars.mesonet.org/)。ARS网由FCREW和LWREW两个试验区组成，目前提供有效数据的测站有35个[10-11]。其中LWREW试验区已被长期用于土壤水分地研究，其观测数据已经验证了多种卫星土壤水分产品的精度[12]。Little Washita Watershed 位于美国大平原地区俄克拉荷马州的西南部，面积约为610 km2，半湿润气候，平均年降水量为750 mm，土地利用类型主要是草地。LWREW试验区目前有20个监测站提供监测数据，站点相隔约5 km。FCREW网于2005年部署，现有15个可监测数据的测站。ARS水文监测网中的测站每5 min测量一次地表土壤水分(5 cm，25 cm，45 cm)、土壤温度(5 cm，10 cm，15 cm，30 cm)以及每天的降雨数据。由于微波数据只能反映表层几cm的土壤水分，另外还考虑到降水对土壤水分的影响，所以本研究选用地表5 cm实测土壤水分和每天的降水数据。ARS网的地理位置及站点分布情况如图1所示。

图1 ARS观测网地理位置及观测站点分布

1.2 土壤水分产品

1.2.1 FY-3B与FY-3C土壤水分产品 FY-3B和FY-3C卫星分别于2010年11月4日和2013年9月23日成功发射。FY-3B和FY-3C卫星都搭载了微波辐射成像仪(MWRI)，MWRI是一款十通道五频被动辐射计系统，它测量自10.65 GHz到89 GHz的水平和垂直偏振亮度温度，FY-3B的升轨时间约为下午13∶30，降轨时间为上午1∶30，FY-3C升轨时间约为下午22∶30，降轨时间约为上午10∶30。

目前，FY-3C发布的土壤水分产品包括：MWRI土壤水分日产品、MWRI土壤水分月产品和MWRI土壤水分旬产品，而FY-3B只有MWRI土壤水分日产品。本文使用FY-3B和FY-3C土壤水分日产品，包括升轨和降轨，这些数据可以在国家卫星气象中心下载获取(http:∥satellite.nsmc.org.cn/PortalSite/Default.aspx)。FY-3B和FY-3C土壤水分产品均采用EASE-Grid投影，土壤水分产品数据格式为HDF5。在目前的FY-3官方算法中，利用双极化的X波段10.7 GHz通道亮温数据反演土壤湿度。对于裸土区，采用参数化的地表发射率模型Qp反演模型[13]，而对于植被覆盖地区则采用归一化差分植被指数和植被含水量的经验关系估算植被光学厚度对植被进行校正[14]，然后利用裸土算法反演土壤水分。

1.2.2 JAXA-AMSR-2土壤水分产品 AMSR-2 传感器搭载于GCOM-W1(Global Change Observation Mission-1 st Water)卫星，于2012年5月18日由日本宇航局(JAXA)发射，并于2012年7月3日开始获得科学数据。AMSR-2是一种先进的圆锥式扫描微波辐射成像仪。它的14个亮温观测通道分布于7个不同的中心频率：6.925，7.3，10.65，18.7，23.8，36.5，89.0 GHz[15]。当地的升轨和降轨过境时间大约为下午13∶30和上午1∶30。

JAXA提供了0.1°和0.25°两种空间分辨率的AMSR-2土壤水分产品。为了与FY土壤水分产品的空间分辨率保持一致，本文使用土壤水分产品来自GCOM-W数据服务中心(https:∥gcom-w1.jaxa.jp/auth.html)0.25°AMSR-2土壤水分标准产品。JAXA利用查找表方法和多通道亮温值来估计地表土壤水分[6]。首先利用前向辐射传输模型生成一个亮温值数据库，该数据库涵盖了多频率和多极化植被和土壤条件，这些数据集被用来创建查找表。然后利用10.65 GHz 的微波极化率(PI)和36.5 GHz，10.65 GHz 两个频率下水平极化的土壤湿度指数(ISW)来估算土壤水分。

1.3 土壤水分产品评价指标

利用地面观测值对卫星土壤水分产品进行验证评价时，通常选用4种误差指标[8]，分别为均方根误差(RMSE)，平均偏差(Bias)，无偏均方根误差(ubRMSE)以及相关系数(R)，公式为：

(1)

式中：E<·>代表线性平均算子；t是观测时间；θsatellite(t)表示在时间t下卫星反演的土壤水分；θin-situ(t)是在t时间下测站实测的平均值；RMSE代表卫星数据与地面观测值间的绝对误差。

Bias=E〈(θsatellite(t)-θin-situ(t))〉

(2)

Bias表示土壤水分反演值与实测值间的平均差。

(3)

当实测值被视为真实值时，ubRMSE消除了其可能附加偏差，代表了随机误差。

(4)

式中：σsatellite和σin-situ分别指卫星土壤水分产品(FY-3B；FY-3C和JAXA-AMSR-2)与实测之间的标准偏差。R表示卫星土壤水分产品与实测值间的相关程度。

1.4 数据处理方法

使用地面观测点测量的数据验证卫星像元的土壤水分时存在尺度不匹配问题，为了更好地解决空间不匹配问题，本文将每个观测网的所有站点取平均作为验证土壤水分的真值。为了使地面观测数据与卫星数据产品时间匹配，地面观测数据取卫星过境时间前后10 min的均值与卫星反演值进行比较分析。为了定量比较卫星土壤水分产品在俄克拉荷马州地区的适用性，分别计算FY-3B，FY-3C，JAXA-AMSR-2土壤水分产品与ARS观测网实测值的相关系数(R)，均方根误差(RMSE)，无偏均方根(ubRMSE)和平均偏差(Bias)。

2 结果与分析

2.1 LWREW试验区3种土壤水分产品时间序列分析

对LWREW试验区2016年5月1日至2018年5月31日实测土壤水分与FY-3B，FY-3C和AMSR-2(JAXA)3种土壤水分产品数据进行时间序列对比，见图2和图3所示。由于FY-3B和JAXA-AMSR-2的升降轨时间相同，在进行分析时，将FY-3B和JAXA-AMSR-2放在一起进行对比分析。从图中可以看出，观测站点的实测土壤水分(图中实线和点线)随着降水量的变化而变化，受降水影响，并呈现出明显的季节性变化。整个研究的时间范围内，实测土壤水分变化范围为0.08～0.35 m3/m3，在降水集中的季风季节，主要是5—9月份，实测土壤水分随降水量变化波动明显，在降水量较多的时刻实测土壤水分较高。总体上3种土壤水分产品对降水的变化响应敏感，能较好的反映出降水随时间的变化趋势。其原因可能是卫星微波遥感土壤水分产品仅仅能够反映土壤表层的土壤水分，而少量的降雨就足以引起估算地表层土壤水分的变化，因此传感器可以较好的捕捉到表层土壤水分的变化。但是FY-3B，FY-3C，JAXA-AMSR-2土壤水分产品又具有不同的表现，FY-3B，FY-3C土壤水分产品大多数时间对实测土壤水分存在高估，而JAXA-AMSR-2绝大多数时间对土壤水分存在低估。

分析图2，3可以得出，JAXA-AMSR-2升轨土壤水分产品在变化趋势上与实测土壤水分更为接近，其升轨产品最大值为0.237 m3/m3，最小值为0.029 m3/m3，均值为0.084 m3/m3，实测土壤水分最大值为0.344 m3/m3，最小值为0.081 m3/m3，均值为0.173 m3/m3，在3种土壤水分产品中，其与同时段地面实测数据变化趋势最为接近。JAXA-AMSR-2降轨土壤水分产品在变化趋势上与实测土壤水分也较接近，但JAXA-AMSR-2降轨土壤水分产品的土壤水分值较低且动态范围小，最大值为0.164 m3/m3，最小值为0.024 m3/m3，均值为0.062 m3/m3。FY-3B升轨土壤水分产品(图2)比FY-3B降轨土壤水分产品(图2)的动态变化范围更大，其中FY-3B升轨反演的土壤水分最大值为0.431 m3/m3，最小值为0.109 m3/m3，均值为0.237 m3/m3，降轨最大值为0.378 m3/m3，最小值为0.111 m3/m3，均值为0.223 m3/m3。FY-3B升降轨土壤水分产品在连续降雨的时刻，卫星反演的土壤水分值明显大于实测土壤水分，但是在降水较少甚至没有降水的时刻，反演值与实测值较为接近。对于FY-3C土壤水分产品，FY-3C升轨土壤水分产品(图3)比FY-3C降轨土壤水分产品(图3)变化幅度更强烈。其中FY-3C升轨最大值为0.409，最小值为0.121 m3/m3，均值为0.229 m3/m3，FY-3C降轨最大值为0.405，最小值为0.124 m3/m3，均值为0.172 m3/m3，并且FY-3C土壤水分产品的变化趋势与FY-3B土壤水分产品变化趋势相似，在降水较多时刻，反演值高于实测值，而降水较少时反演值与实测值较为接近。特别地，FY-3B和JAXA-AMSR-2升轨土壤水分产品的均值均大于降轨土壤水分产品的均值。其原因可能是植被茂盛的土壤表层昼夜温差变化较大[16]，而且LWREW区域多为草地和牧场，昼夜温差变化较大。

2.2 FCREW试验区3种土壤水分产品时间序列分析

图4和图5为2016年5月至2018年5月FCREW试验区FY-3B，FY-3C和JAXA -AMSR-2卫星土壤水分产品数据与土壤水分观测网实测地表土壤水分的时间序列对比图。FCREW试验区实测土壤水分也能很好地反映降水的变化，在降水密集时，实测土壤水分会骤然增高，随着雨水下渗，土壤水分迅速下降。从图4，图5中可以看出，在连续降水的时刻，地表土壤水分反演结果出现较大偏差。原因可能是，连续地降水使表层土壤水分达到最高，使得微波有效深度减少，此时传感器获取的是地表层的土壤水分，而实测土壤水分是地下5 cm处的数据。同样，在FCREW试验区，FY-3B，FY-3C和JAXA-AMSR-2卫星土壤水分产品能够反映出地表土壤水分随降水变化情况，并且FY-3B和FY-3C土壤水分产品在FCREW区域对实测土壤水分存在高估，而JAXA-AMSR-2土壤水分产品对土壤水分存在低估。FY-3B升轨比降轨的土壤水分变化范围更大，FY-3B升轨反演的土壤水分最大值为0.458 m3/m3，最小值为0.126 m3/m3，均值为0.228 m3/m3，降轨最大值为0.405 m3/m3，最小值为0.142 m3/m3，均值为0.219 m3/m3。FY-3C升轨和降轨变化趋势相似，FY-3C升轨反演土壤水分最大值为0.463 m3/m3，最小值为0.139 m3/m3，均值为0.232 m3/m3，降轨最大值为0.490 m3/m3，最小值为0.137 m3/m3，均值为0.221 m3/m3。JAXA-AMSR-2升轨比降轨的土壤水分波动范围更大，JAXA-AMSR-2升轨反演的土壤水分最大值为0.252 m3/m3，最小值为0.040 m3/m3，均值为0.082 m3/m3，降轨最大值为0.196 m3/m3，最小值为0.031 m3/m3，均值为0.065 m3/m3。

图2 LWREW站点观测值与JAXA，FY-3B升降轨土壤水分数据时间序列对比

图3 LWREW站点观测值与FY-3C升降轨土壤水分数据时间序列对比

2.3 3种土壤水分产品与站点实测数据一致性分析

为了进一步分析FY-3B，FY-3C和JAXA-AMSR-2土壤水分产品的精度，对卫星反演得到的土壤水分数据与LWREW，FCREW区域的实测土壤水分绘制散点图(图6，图7)，并计算3种卫星产品的误差指标(RMSE，Bias，ubRMSE和R)，见表1，表2。

在LWREW区域(图6和表1)，虽然FY-3B升轨土壤水分产品高估了地面实测土壤水分，Bias为0.061 6 m3/m3，但FY-3B升轨土壤水分产品精度优于JAXA-AMSR-2土壤水产品和FY-3C土壤水分产品，FY-3B升轨土壤水分产品比JAXA-AMSR-2产品有更低的均方根(RMSE=0.075 5 m3/m3)，比FY-3C产品有更高的相关系数(R=0.664 8)。JAXA-AMSR-2土壤水分产品低估了地面实测土壤水分(图6)，但JAXA-AMSR-2升轨土壤水分产品与实际测量值表现出较好的一致性，无偏均方根值为0.034 6 m3/m3，比FY-3B和FY-3C小。JAXA-AMSR-2降轨土壤水分产品有着最高的相关系数和最小的无偏均方根分别为0.682 和0.034 6 m3/m3。FY-3B降轨土壤水分产品有着最小的平均偏差为0.052 3 m3/m3，FY-3C降轨土壤水分产品有着最小的均方根为0.068 3 m3/m3。并且从表1中可以看出FY-3B升轨(下午13∶30)、FY-3C降轨(上午10∶30)和JAXA-AMSR-2升轨(下午13∶30)土壤水分产品的ubRMSE和R值分别优于FY-3B降轨(上午1∶30)、FY-3C升轨(下午22∶30)和JAXA-AMSR-2降轨(上午1∶30)土壤水分产品。这与卫星反演值在夜晚时间的精度要优于白天的预期结果矛盾，但是该结果与前人的结果一致。Brocca等[17]研究指出原因可能是由于在白天时温度更高使得植被更加透明，从而导致植被对于从土壤发射的能量衰减更少。

图4 FCREW站点观测值与JAXA，FY-3B升降轨土壤水分数据时间序列对比

图5 FCREW站点观测值与FY-3C升降轨土壤水分数据时间序列对比

在FCREW区域(图7和表2)，FY-3B和FY-3C土壤水分产品对实测土壤水分存在明显高估，升降轨平均偏差都在0.05 m3/m3以上，JAXA-AMSR-2土壤水分产品存在低估，升降轨平均偏差高于0.09 m3/m3。与LWREW区域观测结果相似，3种土壤水分产品升轨的R值分别优于相应的降轨土壤水分产品。JAXA-AMSR-2降轨土壤水分产品有着最高的相关系数和最小的无偏均方根分别为0.726 1 和0.035 7 m3/m3。FY-3B降轨土壤水分产品有着最小的均方根和平均偏差分别为0.065 4 m3/m3，0.045 5 m3/m3。

综合来看，在LWREW试验区，FY-3B升轨土壤水分产品表现最好，这可能是因为FY-3B算法使用了一种截然不同的方法来校正地表粗糙度的影响，这种方法可能在LWREW观测网比其他土壤水分算法更有效，而JAXA土壤水分算法的是将地表粗糙度在全球设定为一个恒定值[18]。在LWREW观测地区，降雨比较频繁，受降水影响，地表粗糙度发生频繁变化。因此，地表粗糙度的恒定假设将不可避免地给卫星土壤水分反演带来误差。相比于FY-3C，在使用同种算法的情况下，FY-3B卫星与FY-3C卫星不同的过境时间造成的精度不同。而在FCREW观测地区，JAXA-AMSR-2升轨土壤水分产品表现最好，这可能是由于FCREW观测区与LWREW观测区的植被类型和降水的频率不同，且对于JAXA 算法，采用微波极化差指数和土壤水指数将地表温度的影响降到最低，这种算法可能更适用于FCREW试验区。

图6 LWREW站点实测土壤水分与卫星反演土壤水分散点图

图7 FCREW站点实测土壤水分与卫星反演土壤水分散点图

表1 FY-3B，FY-3C和JAXA AMSR-2土壤水分产品在LWREW区域的误差指标

表2 FY-3B，FY-3C和JAXA土壤水分产品在FCREW区域的误差指标

3 讨 论

本研究基于美国两个试验区的实测土壤水分对FY-3B，FY-3C和JAXA-AMSR-2土壤水分产品进行了验证分析，FY-3B，FY-3C和JAXA-AMSR-2土壤水分产品整体上都能捕获实测降水的变化趋势，FY-3B和FY-3C对实测土壤水分有一定的高估，JAXA-AMSR-2对实测土壤水分明显的低估。其原因可能是利用站点所测的土壤水分验证卫星反演的土壤水分，存在较大的尺度效应。监测站提供点位置的土壤水分测量，实测点的尺度通常几cm，而卫星上的微波传感器测量一个卫星足迹内的平均土壤湿度，如风云和AMSR-2卫星像元尺度约为25 km，地表土壤水分的空间异质性，会使得卫星足迹的空间平均土壤水分与基于点的现场测量产生差异。其次，现场土壤水分和卫星观测之间的传感器深度不匹配也可能对评估结果产生不确定性。FY-3B，FY-3C和JAXA-AMSR-2利用X波段反演土壤水分，通常情况下，X波段对地表的穿透深度为0～1 cm，而本文采用的地表实测的土壤水分为地面以下5 cm，这会使得卫星与实测值存在垂直尺度上不匹配的问题。最后，不同的土壤水分反演算法以及算法中不同的输入参数(地表粗糙度，植被光学厚度，地表温度等)造成卫星反演土壤水分具有不同的表现。JAXA算法中通过归一化差分植被指数计算植被含水量，并假设植被含水量与植被光学厚度线性相关来获取植被光学厚度。然而，光学数据易受天气制约，并且通过经验关系获得的植被光学厚度，这都对算法有一定限制。JAXA算法中对地表粗糙度这一参数处理为定值。风云算法中假定土壤温度和植被冠层相等，并且根据36.5 GHz下垂直极化亮温之间的线性关系估算地表温度，算法中对粗糙度地处理是利用Qp模型来消除地表粗糙度。风云算法中对植被光学厚度地获取与JAXA类似。

本研究通过将多点实测值平均的方法来减小尺度效应产生的误差，这也是目前主流验证方法，但是由于被动微波遥感空间分辨率很低，一个像元大小为25 km×25 km，因此这种方式不能完全消除实测点不足带来的尺度上的误差。因此，在进一步的研究中还要考虑空间尺度转换相关方法，如块状克里金插值方法，利用站点间土壤水分测量的空间相关结构来计算区域范围内的土壤水分，也可利用地面模型模拟的土壤水分空间格局进行升尺度到卫星尺度，还可基于热惯量的方法，将原位数据与高分辨率的卫星热信号的土壤湿度合并进行尺度上升，地面观测升尺度方法将会有效的减小验证中空间尺度不匹配造成的影响。

4 结 论

(1) FY-3B和FY-3C土壤水分产品的在大部分时间对LWREW，FCREW两个试验区都有不同程度的高估，FY-3B产品的平均偏差在两个地区的均值分别为0.057 0 m3/m3，0.048 4 m3/m3，FY-3C产品的平均偏差在两个地区的均值分别为0.060 2 m3/m3，0.053 15 m3/m3。FY-3B和FY-3C土壤水分产品总体上都能够反映出LWREW，FCREW地区实测土壤水分随降水变化的趋势。

(2) JAXA-AMSR-2土壤水分产品对LWREW，FCREW两个地区的土壤水分存在明显地低估，在LWREW，FCREW地区升、降轨平均偏差分别为-0.100 5 m3/m3和-0.100 3 m3/m3，但总体上JAXA-AMSR-2土壤水分产品仍然能够反映出LWREW，FCREW地区地表土壤水分随降水的变化趋势。

(3) 根据计算的误差指标，FY-3B升轨和JAXA升轨土壤水分产品在LWREW，FCREW地区分别表现最好。在LWREW地区，FY-3B升轨土壤水分产品有着较高的相关系数为0.664 8，较低的均方根0.067 6 m3/m3和平均偏差0.051 3 m3/m3。在FCREW地区JAXA-AMSR-2升轨土壤水分产品有着最高的相关系数和最小的无偏均方根分别为0.726 1，0.035 7 m3/m3，说明该地区JAXA-AMSR-2升轨土壤水分产品与地面实测值更接近。