風云衛星微波遙感土壤水分產品適用性驗證分析

楊 綱, 郭 鵬, 李西燦, 萬 紅, 孟春紅

(山東農業大學 信息科學與工程學院, 山東 泰安 271018)

土壤水分是陸地水循環中活躍的部分，是水文過程、生物生態過程和生物地球化學過程的關鍵變量，在地表水蒸發和滲流扮演著極其重要角色[1]。大面積土壤水分的長期觀測對于旱澇監測，水資源管理和作物產量預測的研究至關重要[2]。因此，精確測量土壤水分有著極其重要的現實意義。

傳統上獲取地表土壤水分通過重量采樣或TDR傳感器[3]等不同的測量技術，雖然能準確測量單點的土壤水分信息，但很難實現大范圍持續監測。遙感方法能夠持續大范圍觀測，可見光和熱紅外遙感觀測土壤水分易受天氣條件和植被的影響，而微波遙感能夠穿過植被表層進行全天候土壤水分觀測，并且微波遙感根據土壤介電特性來反演土壤水分，物理基礎更加堅實[4]。因此，微波遙感被認為是目前探測土壤水分最有效的手段[4]。

自20世紀70年代末以來，一系列主動和被動微波衛星或傳感器被用于土壤水分地監測。如先進微波散射儀ASCAT (the Advanced Scatterometer)，先進微波掃描輻射計AMSR-E (the Advanced Microwave Scanning Radiometer-Earth Observing System)，星載極化微波輻射計WindSat，AMSR-2(the AdvancedMicrowave Scanning Radiometer 2) ，歐空局的土壤水分和海洋鹽度衛星SMOS(Soil Moisture and Ocean Salinity)，中國的風云三號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動計劃SMAP(the Soil Moisture Active Passive)都已用于全球土壤水分的監測。在此基礎上，國際上已有多種機構針對不同的傳感器發布了多種微波衛星土壤水分數據產品，如歐空局發布的SMOS土壤水分產品[5]，日本宇航局JAXA(Japan Aerospace Exploration Agency)發布的AMSR-2土壤水分產品[6]，以及中國的國家氣象中心發布的FY-3B和FY-3C土壤水分產品等，并且已有較多的學者開展了衛星土壤水分產品精度驗證工作。崔慧珍等[7]基于中國根河地區的土壤水分地表觀測評估和分析了AMSR-2，SMOS和SMAP土壤水分產品，結果表明JAXA的AMSR-2土壤水分產品嚴重低估了土壤水分并且有0.089～0.099 m3/m3的恒定偏差。崔宸陽等[8]利用兩個密集土壤水分監測網對比分析了在不同尺度下SMAP，SMOS，FY-3B，AMSR-2等土壤水分產品的表現，結果表明SMAP被動土壤水分產品在Little Washita流域(LWW)網絡區域優于其他產品，無偏均方根(ubRMSE)為0.027 m3/m3，而FY-3B土壤濕度在REMEDHUS網絡區域表現最佳，ubRMSE為0.025 m3/m3。JAXA的AMSR-2產品在大部分時間都低估了土壤濕度。莊媛等[9]以自動土壤水分觀測站土壤濕度作為驗證數據，對2012年中國區域ASCAT，WIND-SAT，FY-3B，SMOS等4種微波遙感土壤濕度產品按省份進行評估研究。結果表明，ASCAT 質量最優，在中國大多數地區與觀測數據的相關系數較高，歸一化標準偏差較??；WINDSAT 其次，質量優于FY-3B，而SMOS 在中國大部分地區質量差，受無線電頻率干擾嚴重。我國的風云3號C星(FY-3C)土壤水分產品適用性的驗證較少，尤其是在國外地區的驗證更少。本文利用美國俄克拉荷馬州西南部地區的Agricultural Research Service(ARS)監測網絡提供的2016年5月1日到2018年5月31日的土壤水分實測數據，對FY-3B，FY-3C和日本宇航局的JAXA-AMSR-2土壤水分產品進行對比驗證分析，評價其在俄克拉荷馬州西南部地區的適用性，為基于FY-3B，FY-3C土壤水分產品的相關研究和應用提供支持。

1 數據與方法

1.1 研究區和地面觀測資料

本研究中用于驗證FY-3B，FY-3C和AMSR-2土壤水分產品的地面實測土壤水分數據來自美國ARS水文監測網絡(http:∥ars.mesonet.org/)。ARS網由FCREW和LWREW兩個試驗區組成，目前提供有效數據的測站有35個[10-11]。其中LWREW試驗區已被長期用于土壤水分地研究，其觀測數據已經驗證了多種衛星土壤水分產品的精度[12]。Little Washita Watershed 位于美國大平原地區俄克拉荷馬州的西南部，面積約為610 km2，半濕潤氣候，平均年降水量為750 mm，土地利用類型主要是草地。LWREW試驗區目前有20個監測站提供監測數據，站點相隔約5 km。FCREW網于2005年部署，現有15個可監測數據的測站。ARS水文監測網中的測站每5 min測量一次地表土壤水分(5 cm，25 cm，45 cm)、土壤溫度(5 cm，10 cm，15 cm，30 cm)以及每天的降雨數據。由于微波數據只能反映表層幾cm的土壤水分，另外還考慮到降水對土壤水分的影響，所以本研究選用地表5 cm實測土壤水分和每天的降水數據。ARS網的地理位置及站點分布情況如圖1所示。

圖1 ARS觀測網地理位置及觀測站點分布

1.2 土壤水分產品

1.2.1 FY-3B與FY-3C土壤水分產品 FY-3B和FY-3C衛星分別于2010年11月4日和2013年9月23日成功發射。FY-3B和FY-3C衛星都搭載了微波輻射成像儀(MWRI)，MWRI是一款十通道五頻被動輻射計系統，它測量自10.65 GHz到89 GHz的水平和垂直偏振亮度溫度，FY-3B的升軌時間約為下午13∶30，降軌時間為上午1∶30，FY-3C升軌時間約為下午22∶30，降軌時間約為上午10∶30。

目前，FY-3C發布的土壤水分產品包括：MWRI土壤水分日產品、MWRI土壤水分月產品和MWRI土壤水分旬產品，而FY-3B只有MWRI土壤水分日產品。本文使用FY-3B和FY-3C土壤水分日產品，包括升軌和降軌，這些數據可以在國家衛星氣象中心下載獲取(http:∥satellite.nsmc.org.cn/PortalSite/Default.aspx)。FY-3B和FY-3C土壤水分產品均采用EASE-Grid投影，土壤水分產品數據格式為HDF5。在目前的FY-3官方算法中，利用雙極化的X波段10.7 GHz通道亮溫數據反演土壤濕度。對于裸土區，采用參數化的地表發射率模型Qp反演模型[13]，而對于植被覆蓋地區則采用歸一化差分植被指數和植被含水量的經驗關系估算植被光學厚度對植被進行校正[14]，然后利用裸土算法反演土壤水分。

1.2.2 JAXA-AMSR-2土壤水分產品 AMSR-2 傳感器搭載于GCOM-W1(Global Change Observation Mission-1 st Water)衛星，于2012年5月18日由日本宇航局(JAXA)發射，并于2012年7月3日開始獲得科學數據。AMSR-2是一種先進的圓錐式掃描微波輻射成像儀。它的14個亮溫觀測通道分布于7個不同的中心頻率：6.925，7.3，10.65，18.7，23.8，36.5，89.0 GHz[15]。當地的升軌和降軌過境時間大約為下午13∶30和上午1∶30。

JAXA提供了0.1°和0.25°兩種空間分辨率的AMSR-2土壤水分產品。為了與FY土壤水分產品的空間分辨率保持一致，本文使用土壤水分產品來自GCOM-W數據服務中心(https:∥gcom-w1.jaxa.jp/auth.html)0.25°AMSR-2土壤水分標準產品。JAXA利用查找表方法和多通道亮溫值來估計地表土壤水分[6]。首先利用前向輻射傳輸模型生成一個亮溫值數據庫，該數據庫涵蓋了多頻率和多極化植被和土壤條件，這些數據集被用來創建查找表。然后利用10.65 GHz 的微波極化率(PI)和36.5 GHz，10.65 GHz 兩個頻率下水平極化的土壤濕度指數(ISW)來估算土壤水分。

1.3 土壤水分產品評價指標

利用地面觀測值對衛星土壤水分產品進行驗證評價時，通常選用4種誤差指標[8]，分別為均方根誤差(RMSE)，平均偏差(Bias)，無偏均方根誤差(ubRMSE)以及相關系數(R)，公式為：

(1)

式中：E<·>代表線性平均算子；t是觀測時間；θsatellite(t)表示在時間t下衛星反演的土壤水分；θin-situ(t)是在t時間下測站實測的平均值；RMSE代表衛星數據與地面觀測值間的絕對誤差。

Bias=E〈(θsatellite(t)-θin-situ(t))〉

(2)

Bias表示土壤水分反演值與實測值間的平均差。

(3)

當實測值被視為真實值時，ubRMSE消除了其可能附加偏差，代表了隨機誤差。

(4)

式中：σsatellite和σin-situ分別指衛星土壤水分產品(FY-3B；FY-3C和JAXA-AMSR-2)與實測之間的標準偏差。R表示衛星土壤水分產品與實測值間的相關程度。

1.4 數據處理方法

使用地面觀測點測量的數據驗證衛星像元的土壤水分時存在尺度不匹配問題，為了更好地解決空間不匹配問題，本文將每個觀測網的所有站點取平均作為驗證土壤水分的真值。為了使地面觀測數據與衛星數據產品時間匹配，地面觀測數據取衛星過境時間前后10 min的均值與衛星反演值進行比較分析。為了定量比較衛星土壤水分產品在俄克拉荷馬州地區的適用性，分別計算FY-3B，FY-3C，JAXA-AMSR-2土壤水分產品與ARS觀測網實測值的相關系數(R)，均方根誤差(RMSE)，無偏均方根(ubRMSE)和平均偏差(Bias)。

2 結果與分析

2.1 LWREW試驗區3種土壤水分產品時間序列分析

對LWREW試驗區2016年5月1日至2018年5月31日實測土壤水分與FY-3B，FY-3C和AMSR-2(JAXA)3種土壤水分產品數據進行時間序列對比，見圖2和圖3所示。由于FY-3B和JAXA-AMSR-2的升降軌時間相同，在進行分析時，將FY-3B和JAXA-AMSR-2放在一起進行對比分析。從圖中可以看出，觀測站點的實測土壤水分(圖中實線和點線)隨著降水量的變化而變化，受降水影響，并呈現出明顯的季節性變化。整個研究的時間范圍內，實測土壤水分變化范圍為0.08～0.35 m3/m3，在降水集中的季風季節，主要是5—9月份，實測土壤水分隨降水量變化波動明顯，在降水量較多的時刻實測土壤水分較高?？傮w上3種土壤水分產品對降水的變化響應敏感，能較好的反映出降水隨時間的變化趨勢。其原因可能是衛星微波遙感土壤水分產品僅僅能夠反映土壤表層的土壤水分，而少量的降雨就足以引起估算地表層土壤水分的變化，因此傳感器可以較好的捕捉到表層土壤水分的變化。但是FY-3B，FY-3C，JAXA-AMSR-2土壤水分產品又具有不同的表現，FY-3B，FY-3C土壤水分產品大多數時間對實測土壤水分存在高估，而JAXA-AMSR-2絕大多數時間對土壤水分存在低估。

分析圖2，3可以得出，JAXA-AMSR-2升軌土壤水分產品在變化趨勢上與實測土壤水分更為接近，其升軌產品最大值為0.237 m3/m3，最小值為0.029 m3/m3，均值為0.084 m3/m3，實測土壤水分最大值為0.344 m3/m3，最小值為0.081 m3/m3，均值為0.173 m3/m3，在3種土壤水分產品中，其與同時段地面實測數據變化趨勢最為接近。JAXA-AMSR-2降軌土壤水分產品在變化趨勢上與實測土壤水分也較接近，但JAXA-AMSR-2降軌土壤水分產品的土壤水分值較低且動態范圍小，最大值為0.164 m3/m3，最小值為0.024 m3/m3，均值為0.062 m3/m3。FY-3B升軌土壤水分產品(圖2)比FY-3B降軌土壤水分產品(圖2)的動態變化范圍更大，其中FY-3B升軌反演的土壤水分最大值為0.431 m3/m3，最小值為0.109 m3/m3，均值為0.237 m3/m3，降軌最大值為0.378 m3/m3，最小值為0.111 m3/m3，均值為0.223 m3/m3。FY-3B升降軌土壤水分產品在連續降雨的時刻，衛星反演的土壤水分值明顯大于實測土壤水分，但是在降水較少甚至沒有降水的時刻，反演值與實測值較為接近。對于FY-3C土壤水分產品，FY-3C升軌土壤水分產品(圖3)比FY-3C降軌土壤水分產品(圖3)變化幅度更強烈。其中FY-3C升軌最大值為0.409，最小值為0.121 m3/m3，均值為0.229 m3/m3，FY-3C降軌最大值為0.405，最小值為0.124 m3/m3，均值為0.172 m3/m3，并且FY-3C土壤水分產品的變化趨勢與FY-3B土壤水分產品變化趨勢相似，在降水較多時刻，反演值高于實測值，而降水較少時反演值與實測值較為接近。特別地，FY-3B和JAXA-AMSR-2升軌土壤水分產品的均值均大于降軌土壤水分產品的均值。其原因可能是植被茂盛的土壤表層晝夜溫差變化較大[16]，而且LWREW區域多為草地和牧場，晝夜溫差變化較大。

2.2 FCREW試驗區3種土壤水分產品時間序列分析

圖4和圖5為2016年5月至2018年5月FCREW試驗區FY-3B，FY-3C和JAXA -AMSR-2衛星土壤水分產品數據與土壤水分觀測網實測地表土壤水分的時間序列對比圖。FCREW試驗區實測土壤水分也能很好地反映降水的變化，在降水密集時，實測土壤水分會驟然增高，隨著雨水下滲，土壤水分迅速下降。從圖4，圖5中可以看出，在連續降水的時刻，地表土壤水分反演結果出現較大偏差。原因可能是，連續地降水使表層土壤水分達到最高，使得微波有效深度減少，此時傳感器獲取的是地表層的土壤水分，而實測土壤水分是地下5 cm處的數據。同樣，在FCREW試驗區，FY-3B，FY-3C和JAXA-AMSR-2衛星土壤水分產品能夠反映出地表土壤水分隨降水變化情況，并且FY-3B和FY-3C土壤水分產品在FCREW區域對實測土壤水分存在高估，而JAXA-AMSR-2土壤水分產品對土壤水分存在低估。FY-3B升軌比降軌的土壤水分變化范圍更大，FY-3B升軌反演的土壤水分最大值為0.458 m3/m3，最小值為0.126 m3/m3，均值為0.228 m3/m3，降軌最大值為0.405 m3/m3，最小值為0.142 m3/m3，均值為0.219 m3/m3。FY-3C升軌和降軌變化趨勢相似，FY-3C升軌反演土壤水分最大值為0.463 m3/m3，最小值為0.139 m3/m3，均值為0.232 m3/m3，降軌最大值為0.490 m3/m3，最小值為0.137 m3/m3，均值為0.221 m3/m3。JAXA-AMSR-2升軌比降軌的土壤水分波動范圍更大，JAXA-AMSR-2升軌反演的土壤水分最大值為0.252 m3/m3，最小值為0.040 m3/m3，均值為0.082 m3/m3，降軌最大值為0.196 m3/m3，最小值為0.031 m3/m3，均值為0.065 m3/m3。

圖2 LWREW站點觀測值與JAXA，FY-3B升降軌土壤水分數據時間序列對比

圖3 LWREW站點觀測值與FY-3C升降軌土壤水分數據時間序列對比

2.3 3種土壤水分產品與站點實測數據一致性分析

為了進一步分析FY-3B，FY-3C和JAXA-AMSR-2土壤水分產品的精度，對衛星反演得到的土壤水分數據與LWREW，FCREW區域的實測土壤水分繪制散點圖(圖6，圖7)，并計算3種衛星產品的誤差指標(RMSE，Bias，ubRMSE和R)，見表1，表2。

在LWREW區域(圖6和表1)，雖然FY-3B升軌土壤水分產品高估了地面實測土壤水分，Bias為0.061 6 m3/m3，但FY-3B升軌土壤水分產品精度優于JAXA-AMSR-2土壤水產品和FY-3C土壤水分產品，FY-3B升軌土壤水分產品比JAXA-AMSR-2產品有更低的均方根(RMSE=0.075 5 m3/m3)，比FY-3C產品有更高的相關系數(R=0.664 8)。JAXA-AMSR-2土壤水分產品低估了地面實測土壤水分(圖6)，但JAXA-AMSR-2升軌土壤水分產品與實際測量值表現出較好的一致性，無偏均方根值為0.034 6 m3/m3，比FY-3B和FY-3C小。JAXA-AMSR-2降軌土壤水分產品有著最高的相關系數和最小的無偏均方根分別為0.682 和0.034 6 m3/m3。FY-3B降軌土壤水分產品有著最小的平均偏差為0.052 3 m3/m3，FY-3C降軌土壤水分產品有著最小的均方根為0.068 3 m3/m3。并且從表1中可以看出FY-3B升軌(下午13∶30)、FY-3C降軌(上午10∶30)和JAXA-AMSR-2升軌(下午13∶30)土壤水分產品的ubRMSE和R值分別優于FY-3B降軌(上午1∶30)、FY-3C升軌(下午22∶30)和JAXA-AMSR-2降軌(上午1∶30)土壤水分產品。這與衛星反演值在夜晚時間的精度要優于白天的預期結果矛盾，但是該結果與前人的結果一致。Brocca等[17]研究指出原因可能是由于在白天時溫度更高使得植被更加透明，從而導致植被對于從土壤發射的能量衰減更少。

圖4 FCREW站點觀測值與JAXA，FY-3B升降軌土壤水分數據時間序列對比

圖5 FCREW站點觀測值與FY-3C升降軌土壤水分數據時間序列對比

在FCREW區域(圖7和表2)，FY-3B和FY-3C土壤水分產品對實測土壤水分存在明顯高估，升降軌平均偏差都在0.05 m3/m3以上，JAXA-AMSR-2土壤水分產品存在低估，升降軌平均偏差高于0.09 m3/m3。與LWREW區域觀測結果相似，3種土壤水分產品升軌的R值分別優于相應的降軌土壤水分產品。JAXA-AMSR-2降軌土壤水分產品有著最高的相關系數和最小的無偏均方根分別為0.726 1 和0.035 7 m3/m3。FY-3B降軌土壤水分產品有著最小的均方根和平均偏差分別為0.065 4 m3/m3，0.045 5 m3/m3。

綜合來看，在LWREW試驗區，FY-3B升軌土壤水分產品表現最好，這可能是因為FY-3B算法使用了一種截然不同的方法來校正地表粗糙度的影響，這種方法可能在LWREW觀測網比其他土壤水分算法更有效，而JAXA土壤水分算法的是將地表粗糙度在全球設定為一個恒定值[18]。在LWREW觀測地區，降雨比較頻繁，受降水影響，地表粗糙度發生頻繁變化。因此，地表粗糙度的恒定假設將不可避免地給衛星土壤水分反演帶來誤差。相比于FY-3C，在使用同種算法的情況下，FY-3B衛星與FY-3C衛星不同的過境時間造成的精度不同。而在FCREW觀測地區，JAXA-AMSR-2升軌土壤水分產品表現最好，這可能是由于FCREW觀測區與LWREW觀測區的植被類型和降水的頻率不同，且對于JAXA 算法，采用微波極化差指數和土壤水指數將地表溫度的影響降到最低，這種算法可能更適用于FCREW試驗區。

圖6 LWREW站點實測土壤水分與衛星反演土壤水分散點圖

圖7 FCREW站點實測土壤水分與衛星反演土壤水分散點圖

表1 FY-3B，FY-3C和JAXA AMSR-2土壤水分產品在LWREW區域的誤差指標

表2 FY-3B，FY-3C和JAXA土壤水分產品在FCREW區域的誤差指標

3 討 論

本研究基于美國兩個試驗區的實測土壤水分對FY-3B，FY-3C和JAXA-AMSR-2土壤水分產品進行了驗證分析，FY-3B，FY-3C和JAXA-AMSR-2土壤水分產品整體上都能捕獲實測降水的變化趨勢，FY-3B和FY-3C對實測土壤水分有一定的高估，JAXA-AMSR-2對實測土壤水分明顯的低估。其原因可能是利用站點所測的土壤水分驗證衛星反演的土壤水分，存在較大的尺度效應。監測站提供點位置的土壤水分測量，實測點的尺度通常幾cm，而衛星上的微波傳感器測量一個衛星足跡內的平均土壤濕度，如風云和AMSR-2衛星像元尺度約為25 km，地表土壤水分的空間異質性，會使得衛星足跡的空間平均土壤水分與基于點的現場測量產生差異。其次，現場土壤水分和衛星觀測之間的傳感器深度不匹配也可能對評估結果產生不確定性。FY-3B，FY-3C和JAXA-AMSR-2利用X波段反演土壤水分，通常情況下，X波段對地表的穿透深度為0～1 cm，而本文采用的地表實測的土壤水分為地面以下5 cm，這會使得衛星與實測值存在垂直尺度上不匹配的問題。最后，不同的土壤水分反演算法以及算法中不同的輸入參數(地表粗糙度，植被光學厚度，地表溫度等)造成衛星反演土壤水分具有不同的表現。JAXA算法中通過歸一化差分植被指數計算植被含水量，并假設植被含水量與植被光學厚度線性相關來獲取植被光學厚度。然而，光學數據易受天氣制約，并且通過經驗關系獲得的植被光學厚度，這都對算法有一定限制。JAXA算法中對地表粗糙度這一參數處理為定值。風云算法中假定土壤溫度和植被冠層相等，并且根據36.5 GHz下垂直極化亮溫之間的線性關系估算地表溫度，算法中對粗糙度地處理是利用Qp模型來消除地表粗糙度。風云算法中對植被光學厚度地獲取與JAXA類似。

本研究通過將多點實測值平均的方法來減小尺度效應產生的誤差，這也是目前主流驗證方法，但是由于被動微波遙感空間分辨率很低，一個像元大小為25 km×25 km，因此這種方式不能完全消除實測點不足帶來的尺度上的誤差。因此，在進一步的研究中還要考慮空間尺度轉換相關方法，如塊狀克里金插值方法，利用站點間土壤水分測量的空間相關結構來計算區域范圍內的土壤水分，也可利用地面模型模擬的土壤水分空間格局進行升尺度到衛星尺度，還可基于熱慣量的方法，將原位數據與高分辨率的衛星熱信號的土壤濕度合并進行尺度上升，地面觀測升尺度方法將會有效的減小驗證中空間尺度不匹配造成的影響。

4 結 論

(1) FY-3B和FY-3C土壤水分產品的在大部分時間對LWREW，FCREW兩個試驗區都有不同程度的高估，FY-3B產品的平均偏差在兩個地區的均值分別為0.057 0 m3/m3，0.048 4 m3/m3，FY-3C產品的平均偏差在兩個地區的均值分別為0.060 2 m3/m3，0.053 15 m3/m3。FY-3B和FY-3C土壤水分產品總體上都能夠反映出LWREW，FCREW地區實測土壤水分隨降水變化的趨勢。

(2) JAXA-AMSR-2土壤水分產品對LWREW，FCREW兩個地區的土壤水分存在明顯地低估，在LWREW，FCREW地區升、降軌平均偏差分別為-0.100 5 m3/m3和-0.100 3 m3/m3，但總體上JAXA-AMSR-2土壤水分產品仍然能夠反映出LWREW，FCREW地區地表土壤水分隨降水的變化趨勢。

(3) 根據計算的誤差指標，FY-3B升軌和JAXA升軌土壤水分產品在LWREW，FCREW地區分別表現最好。在LWREW地區，FY-3B升軌土壤水分產品有著較高的相關系數為0.664 8，較低的均方根0.067 6 m3/m3和平均偏差0.051 3 m3/m3。在FCREW地區JAXA-AMSR-2升軌土壤水分產品有著最高的相關系數和最小的無偏均方根分別為0.726 1，0.035 7 m3/m3，說明該地區JAXA-AMSR-2升軌土壤水分產品與地面實測值更接近。