多源遥感土壤湿度产品与水文模拟结果的时空对比分析

2023-08-29熊立华

长江科学院院报 2023年8期

杨涵,熊立华

(1.长江科学院水资源综合利用研究所,武汉 430010;2.长江科学院流域水资源与生态环境科学湖北省重点实验室,武汉 430010;3.武汉大学水资源与水电工程科学国家重点实验室,武汉 430072)

0 引言

作为水文循环的关键组成部分,土壤湿度控制着水圈、大气和生物圈之间的物质和能量交换,在大气-地表相互作用中起着至关重要的作用[1]。因此,土壤湿度的连续精确时空刻画具有重要意义。土壤湿度信息可通过直接方式和间接方式获取。直接获取方式为实地测量,能提供较高精确度的土壤湿度信息,但其覆盖区域小、时间上不连续,一般难以获取。相比直接获取方式,由遥感反演和水文模型模拟间接获取的土壤湿度数据准确度相对较低,但覆盖范围广,较容易获取[2]。

目前,遥感技术中微波遥感常被用于获取土壤湿度信息。微波技术可分为主动和被动微波遥感技术。主动微波技术通过雷达和散射仪发射微波信号,由地表土壤反向散射的信号强度反演获取地表土壤湿度信息。主动微波土壤湿度产品一般具有相对较高的时空分辨率,但易受到地表粗糙度和植被冠层的影响,导致数据准确度偏低,例如欧洲气象卫星高级散射仪(Advanced Scatterometer,ASCAT)表层土壤湿度产品。被动微波技术通过微波辐射仪接收地表辐射来确定地表土壤介电特性,并进一步反演获取表层土壤湿度信息。与主动微波技术不同的是,被动微波技术使用的微波辐射仪受干扰因素的影响较小,一般认为被动微波遥感反演得到的土壤温度数据准确性更高[3]。目前,受到广泛关注的被动微波卫星有土壤湿度和海洋盐度卫星(Soil Moisture and Ocean Salinity,SMOS)。除此之外,融合大量卫星数据的欧洲航天局气候变化协议(Europe Space Agency’s Climate Change Initiative,ESA CCI)土壤湿度产品和土壤湿度主被动(Soil Moisture Active Passive,SMAP)卫星产品也受到广泛关注[4]。由于卫星设计、反演算法等因素的影响,遥感土壤湿度数据具有不可忽视的不确定性。

除遥感反演土壤湿度外,水文模型模拟也可提供多种空间和时间尺度的土壤湿度信息。例如,集总式和半分布式水文模型可提供流域尺度和子流域尺度的土壤湿度信息,而分布式水文模型可提供栅格尺度的土壤湿度信息。对于水文模型,不同的模型结构可提供不同土壤深度的土壤湿度信息。例如,同时考虑水量和能量交换的基于物理机制的模型能结合复杂的参数化方案来模拟多层土壤湿度[5]。基于数字高程模型的分布式降雨径流模型(DEM-based Distributed Rainfall-runoff Model,DDRM)可提供影响产流的剖面土壤湿度(Profile Soil Moisture,PSM)[6]。由模型模拟而来的土壤湿度的准确性取决于模型的输入数据、模型参数和模型结构。相比实测值,受模型输入不确定性、参数不确定性和结构不确定性影响,水文模型模拟土壤湿度的准确度不高。

目前,大量研究利用实测数据验证遥感数据的准确性。但由于实测站点数据在大部分区域分布稀疏,且难以获取,大范围采用实地测量的点状土壤湿度数据验证遥感面均土壤湿度信息存在难度。部分研究将遥感土壤湿度产品与模型模拟土壤湿度产品进行对比,再用实地测量站点数据进行验证,这类研究所采用的时空尺度一般较大[7]。在实地测量土壤湿度数据稀疏或难以获取的地区,土壤湿度信息只能由卫星遥感和模型模拟获取。一些研究将遥感数据用于水文模型率定或同化,但少有研究在进行遥感和水文模型的结合研究前先进行遥感反演数据和模型模拟数据的时空对比研究。

本研究拟在不同气候条件下将多个遥感土壤湿度产品与分布式水文模型模拟土壤湿度进行对比。遥感产品包括SMOS、ASCAT、ESA CCI和SMAP产品,研究区域包括1个湿润流域(渠江流域)和1个半干旱流域(伊洛河)流域。所采用的分布式水文模型为基于数字高程模型的分布式降雨径流模型(DDRM)。

1 研究区域与数据

1.1 研究区域概况

渠江发源于四川省和陕西省的交界处,于合川市北汇入嘉陵江。渠江流域面积约为39 211 km2,约占嘉陵江流域面积的26%。渠江流域以亚热带季风气候为主,整个流域的年降雨量为1 014～1 500 mm,径流主要集中于汛期4—9月份,汛期流量约占全年流量的80%以上。为方便分布式水文模型建模,根据河网将渠江流域划分为7个子流域(图1中用黑线圈出),从上游到下游面积分别为5 513、7 219、7 860、5 264、6 080、3 069、4 206 km2。

图1 渠江流域和伊洛河流域地理位置和气象站点空间分布

伊洛河发源于陕西洛南县,由伊河和洛河组成,全长974 km,自西南方向向东北方向流经熊耳山汇入黄河。伊洛河流域位于黄河中下游,为半干旱流域,面积约为18 563 km2。流域上游区域主要为山区,植被覆盖良好,下游区域主要被黄土覆盖,植被稀疏,并且水土流失严重。该流域主要为大陆性季风气候,年均降水量在500～700 mm之间,主要集中在6—11月份。伊洛河出口水文站为黑石关站,汛期与集中降雨期同步,集中在6—11月份。根据伊洛河河网网络将其分为3个子流域,面积分别为5 318、11 891、1 354 km2。

1.2 遥感与水文数据

研究共用到4类遥感土壤湿度产品,分别为主动微波ASCAT产品、被动微波SMOS产品、主被动微波SMAP产品和ESA CCI融合产品。

水文数据包括日降雨、平均气温和径流数据,其中,降雨和平均气温数据收集自渠江流域和伊洛河流域气象站,径流数据收集自流域出口水文站,时期为2010—2017年。

2 研究方法

2.1 基于DEM的分布式降雨径流模型(DDRM)

基于数字高程模型(DEM)的分布式降雨径流水文模型(DDRM)由熊立华等[8]于2004年提出。该模型基于蓄满产流机理在栅格单元上进行产流计算,再将栅格产流通过栅格河网进行分级汇流演算,已在中国多个湿润区域与半湿润地区进行了模拟,并得到了较好的径流模拟预报结果[6]。DDRM模型汇流演算如图2所示。在本研究中,DDRM模型栅格大小为1 km×1 km,时间尺度为日尺度。

图2 DDRM模型子流域和栅格划分以及汇流演算

通过DDRM模型可获取栅格尺度的模型模拟剖面土壤湿度,表示为

PSM(δ)i,t=Si,t/SMCi。

(1)

即每个栅格土壤饱和度PSM(δ)i,t等于土壤含水深Si,t与栅格土壤蓄水能力SMCi之比。

2.2 多源遥感土壤湿度数据预处理

在进行遥感数据与DDRM模型模拟数据对比研究前,需进行遥感数据预处理,使其能与DDRM模型模拟土壤湿度相匹配。遥感土壤湿度产品与DDRM模型模拟土壤湿度具有三方面的差异,分别为：①所代表土壤层深度上的差异,遥感数据为表层土壤湿度信息,DDRM模型模拟整个土壤剖面的土壤湿度(Surface Soil Moisture,SSM)信息;②所代表的物理含义不同,部分遥感土壤湿度产品提供土壤体积百分比(m3/m3)数据;③遥感土壤湿度产品与DDRM模型的空间分辨率不同。

为解决遥感与DDRM模型所代表土壤深度不同的问题,采用由Wagner等[9]提出的指数滤波法将遥感表层土壤湿度(SSM)转换为剖面土壤湿度(PSM)。该方法认为PSM随时间变化过程与PSM和SSM之间的差异随时间变化过程线性相关,即

(2)

式中：上标r代表遥感数据,r=SMOS、ASCAT、ESA CCI和SMAP;m代表遥感数据的不同格点;tn代表对应遥感数据的获取时间;tn-1为上一时刻遥感数据的获取时间;Ktn为tn时刻的增益项,其计算公式为

(3)

式中：K1=1;CT是指数滤波法中的特征时间尺度参数,代表PSM随时间变化相对SSM随时间变化滞后性的时间尺度。以5 d为步长,采用试算法在5～60 d范围内最大化各遥感PSM和模型模拟PSM流域均值的相关性来获取不同流域CT值。CT值变化时不同遥感产品计算出的PSM均值与模型PSM均值的相关性均值如图3所示。由图3可看出,当CT=25 d时,在渠江流域相关性最大;当CT=35 d时,在伊洛河流域相关性最大,因此,本文CT在渠江流域和伊洛河流域分别取25、35 d。

图3 CT变化时由指数滤波法计算的各遥感PSM与模型PSM流域均值的相关性随时间的变化

为解决SMOS、ESA CCI和SMAP遥感土壤湿度数据和DDRM模型模拟土壤湿度所代表物理意义的不同,将遥感土壤湿度数据转换为土壤水饱和度。对于每一个土壤湿度产品,认为其在覆盖的时间尺度Tr内格点土壤水达到过饱和,则有

(4)

表1 渠江流域和伊洛河流域DDRM模型参数率定值

为解决遥感和DDRM模型模拟土壤湿度空间分辨率不同的问题,将空间分辨率较高的数据集经过重采样技术处理成低空间分辨率数据集,再进行对比。例如,当对比9 km×9 km的SMAP数据和1 km×1 km的DDRM数据时,将1 km×1 km DDRM数据重采样成9 km×9 km空间分辨率数据。

2.3 试验设置

在DDRM模型建模中,2010—2015年数据用于模型参数率定,2016—2017年数据用于模拟。本研究对比时间段为2016—2017年。用来率定的目标函数是模拟径流和实测径流的NSE效率系数(Nash-Sutcliffe Efficiency),率定算法为SCE-UA(Shuffled Complex Evolution)算法。

本研究采用的土壤湿度对比评价指标为相对误差RE(Relative Error)、均方根误差RMSE(Root Mean Square Error)和相关系数CC(Correlation Coefficient)。

3 结果与分析

3.1 DDRM模型模拟结果

DDRM模型在渠江流域与伊洛河流域率定所得参数如表1所示。可看出,一些参数在两流域之间存在明显差异,该差异可能是由于不同流域的下垫面特征不同造成的。例如,渠江流域中下游区域主要被植被覆盖,而伊洛河流域中下游区域主要被黄土覆盖。

DDRM模型模拟径流在率定期和验证期的NSE值如表2所示。结果表明,DDRM模型径流模拟效果在丰水期表现较好,在枯水期表现较差,这是由于目标函数NSE倾向于优化模拟径流高值。整体而言,伊洛河流域的径流模拟效果明显差于渠江流域,主要由3个原因造成：第一,DDRM模型是基于蓄满产流模式构建的,相比主要由超蓄产流模式控制的干旱或半干旱流域,其更适合应用于湿润流域;第二,伊洛河流域气象站点数据明显少于渠江流域,输入数据不确定性更大;第三,伊洛河流域在过去几十年中受到人类活动(例如灌溉)的影响,导致径流模拟效果偏差[10]。

表2 DDRM模型模拟径流在率定期和验证期的NSE值

DDRM模拟栅格剖面土壤湿度在渠江流域和伊洛河流域整个研究时期、枯水期和丰水期的分布如图4所示。可以看出,在模型模拟PSM分布图中,可明显分辨出流域的河网所在地。这是由于在DDRM模型模拟中,河网所在栅格土壤湿度始终为蓄满状态。总的来说,DDRM模型在两流域上的模拟过程基本合理,其模拟得到的中间变量土壤湿度具有一定的研究意义。

图4 DDRM模型在渠江流域和伊洛河流域模拟得到的PSM均值在整个时期、枯水期和丰水期的空间分布

3.2 遥感与DDRM模型模拟土壤湿度流域尺度对比

表3展示了渠江流域和伊洛河流域遥感土壤湿度(SSM和PSM)与DDRM模拟PSM的对比评价指标值。相比遥感原始SSM,经过预处理之后的遥感PSM与模型模拟PSM相似性明显更高。因此,简单的指数滤波法可在较大程度上解决遥感原始SSM数据与模型PSM数据不匹配的问题。对比不同时期评价指标值,可看出RE和RMSE在丰水期均低于枯水期,表明丰水期遥感产品与DDRM模型模拟差异要小于枯水期。遥感土壤湿度产品受时期影响较小,该对比结果的时期差异主要受DDRM模型在不同条件下土壤湿度模拟能力的影响[11]。由于DDRM模型率定时采用的径流模拟目标函数NSE更倾向于模拟洪峰,而忽视枯水期径流的模拟,DDRM模型在丰水期土壤湿度的模拟相比枯水期准确度高,因此RE与RMSE在丰水期相对较低。

另一方面,在渠江流域枯水期相关系数CC高于丰水期,在伊洛河流域则相反。CC侧重数据波动趋势上的差异,该结果表明在渠江流域枯水期、伊洛河流域丰水期,遥感产品与DDRM模型模拟的波动趋势更相近。这是由于径流过大(湿润流域—渠江流域丰水期)和径流过小(半干旱流域—伊洛河流域枯水期)时DDRM模型模拟得到的土壤湿度波动趋势的准确度偏低。原因是本文所采用的DDRM模型为蓄满产流模型,且建模时采用实测径流进行模型参数率定,径流过大时模型认定土壤湿度持续饱和,无法通过径流波动限制土壤湿度波动趋势;径流过小时流域大部分区域无产流,流域出口径流波动也无法很好地限制流域土壤湿度波动趋势。

表3 渠江流域和伊洛河流域遥感SSM和PSM流域均值在不同时期与DDRM模拟PSM流域均值的评价指标值对比

对比不同遥感与DDRM模型模拟流域尺度PSM,可看出SMOS产品与DDRM模型模拟值相似性最低。ASCAT-A和ASCAT-B作为同系列产品,与DDRM模型模拟值相近。ESA CCI和SMAP产品与DDRM模型模拟值相似性在两流域相对较高,其RE与RMSE均低于SMOS与ASCAT系列产品,且CC均>0.7,该结果与之前研究结果类似[7]。

图5 遥感SSM流域均值和PSM流域均值时间序列与DDRM模拟PSM流域均值序列的对比

图5展示了多源遥感产品SSM和PSM与DDRM模型模拟PSM流域均值时间序列对比。由图5可知,对于每个遥感产品,SSM的波动范围明显要大于PSM,且PSM相对SSM波动滞后。SMOS产品与DDRM模型模拟值相比,其时间序列相似性最差。由于ASCAT-A和ASCAT-B产品采用的遥感技术、反演算法等技术相同,其时间序列波动趋势类似。ESA CCI和SMAP时间序列波动趋势也较相近,且与ASCAT系列两产品差距较大。由于本文采用的ESA CCI产品融合了ASCAT数据,且与SMAP产品为相互独立的产品,其与SMAP波动趋势接近,与ASCAT产品存在差异,表明ESA CCI和SMAP产品具有相对较高的准确度,而ASCAT产品准确度相对偏低。本研究结果与Kim等[12](2018)研究结果类似,该研究将ASCAT-A、ASCAT-B和SMAP产品与实地测量土壤湿度进行对比,发现SMAP产品的准确度明显高于ASCAT-A和ASCAT-B。

3.3 遥感与模型模拟土壤湿度栅格尺度对比

图6展示了不同流域遥感PSM产品和DDRM模型模拟PSM相关性CC的空间分布。

图6 渠江流域和伊洛河流域遥感栅格PSM与DDRM模型模拟栅格PSM在整个时期、枯水期和丰水期相关系数CC的空间分布

当与DDRM模型模拟PSM进行对比时,SMOS产品均显示出最差的相关性。在渠江流域,SMOS相关性范围在整个时期大致为-0.4～0.8,在伊洛河流域大致为-0.5～0.6。相比其他遥感产品,该产品与模型模拟值相关性范围差别最大。SMOS产品在渠江流域CC值分布无明显特征,在伊洛河流域主要集中在低海拔处。该产品相关性较差的主要原因如下。其一,SMOS在中国东南区域受到严重的射频干扰。Hain等[13](2011)研究结果表明,在中国东南地区将SMOS产品与实测土壤湿度进行对比时,由于射频干扰,SMOS土壤湿度表现出较大的误差。其二,SMOS产品每个栅格数据的时间分辨率较低,在相同时间段内,相同栅格的可用数据要明显低于其他遥感产品。

相比于SMOS产品,ASCAT-A和ASCAT-B产品显示出较高的相关系数CC。在渠江流域,ASCAT-A和ASCAT-B相关系数范围在整个时期大致为0.61～0.83;在伊洛河流域,大致为0.3～0.8。与其他遥感产品相比,ASCAT-A和ASCAT-B产品与DDRM模型模拟的相关系数分布范围在渠江流域较窄,在流域上中下游基本保持一致。已有研究表明,ASCAT产品的准确度明显受到土地利用类型和植被密度等影响[14]。因此,可推断出DDRM模型模拟PSM的准确度也受到土地利用类型和植被密度的影响,使得其与ASCAT相关系数在空间上差异较小。此外,ESA CCI产品与DDRM模型模拟土壤湿度也显示出相对较高的相关系数CC,其空间分布状况与ASCAT系列产品接近,在渠江流域相对分布均匀,在伊洛河流域上游相关系数低于下游相关系数。考虑到渠江流域中下游为海拔较低的平原区域,其主要土地利用类型为旱地和耕地,受人类活动影响明显,而伊洛河流域下游被黄土覆盖,渠江流域和伊洛河流域中下游区域水文模型模拟土壤湿度不确定性偏高。然而,ASCAT系列产品与ESA CCI产品在渠江与伊洛河流域下游相关系数并未明显偏低,可以看出ASCAT系列和ESA CCI产品空间分布准确度存疑。

相比于ASCAT和ESA CCI遥感产品,整体而言,SMAP产品与DDRM模型模拟土壤湿度的相关系数分布范围较大。在渠江流域,其相关系数范围在整个时期大致为0～0.8,在伊洛河流域,大致为0.5～0.7。SMAP产品与DDRM模型模拟土壤湿度相关性CC在不同区域均体现出上游区域明显较高、中下游区域相关性较低的特点。结合DDRM模型在研究流域不同区域模拟土壤湿度能力,可看出SMAP产品空间分布准确度较高。