王國杰齊道日娜王磊譚薛峰

1南京信息工程大學地理與遙感學院氣象災害預報預警與評估協(xié)同創(chuàng)新中心，南京2100442南京信息工程大學水文氣象學院，南京2100443南京信息工程大學應用氣象學院生態(tài)氣象環(huán)境中心，南京2100444南京信息工程大學大氣科學學院，南京210044

?

基于風云三號氣象衛(wèi)星微波亮溫資料反演東北地區(qū)土壤濕度及其對比分析

王國杰1齊道日娜2王磊2譚3薛峰4

1南京信息工程大學地理與遙感學院氣象災害預報預警與評估協(xié)同創(chuàng)新中心，南京210044
2南京信息工程大學水文氣象學院，南京210044
3南京信息工程大學應用氣象學院生態(tài)氣象環(huán)境中心，南京210044
4南京信息工程大學大氣科學學院，南京210044

摘 要土壤濕度在陸面過程中發(fā)揮著重要作用，是聯(lián)系陸地水循環(huán)和能量循環(huán)的紐帶和關鍵環(huán)節(jié)。遙感技術可以實時地對土壤濕度進行長期、大區(qū)域動態(tài)監(jiān)測，已成為監(jiān)測土壤濕度的有效手段。本文基于風云三號氣象衛(wèi)星（FY3B）微波亮溫資料，利用基于微波能量輻射傳輸方程的陸面參數(shù)反演模型（LPRM）反演了中國東北地區(qū)的土壤濕度（FY3BLPRM）。把反演獲得的FY3BLRPM土壤濕度與中國氣象局農業(yè)氣象站土壤濕度觀測資料、NCEP和ERA-Interim土壤濕度再分析資料、歐洲空間局多衛(wèi)星融合ECV（Essential Climate Variable）土壤濕度產品和國家衛(wèi)星氣象中心FY3B官方土壤濕度產品（FY3Boffical）進行了對比分析。結果表明：（1）本文反演的FY3B土壤濕度與農業(yè)氣象站觀測資料有較高的一致性；衛(wèi)星土壤濕度整體上呈現(xiàn)自西向東逐漸增加的空間變化，與農業(yè)氣象站觀測資料較為一致；在季節(jié)變化上，兩者高度相關，在大部分地區(qū)的相關系數(shù)都達到 0.7以上。（2）在大興安嶺和東北三省東部等地表相對濕潤的地區(qū)，F(xiàn)Y3BLPRM土壤濕度與NCEP、ERA-Interim和FY3Boffical土壤濕度呈現(xiàn)較強的負相關；再分析資料和FY3Boffical土壤濕度均無法反映該地區(qū)土壤干濕狀況的季節(jié)性變化，甚至與觀測資料呈反位相變化特征。FY3BLPRM土壤濕度與歐洲空間局研發(fā)的多衛(wèi)星融合ECV土壤濕度產品在絕大多數(shù)地區(qū)有較好的一致性。本文基于風云三號極軌氣象衛(wèi)星微波亮溫反演的土壤濕度資料，可用于干旱監(jiān)測、數(shù)值同化與天氣預報、水文水資源等領域。

關鍵詞風云三號氣象衛(wèi)星 土壤濕度 微波遙感 東北地區(qū) 對比分析

王國杰，齊道日娜，王磊，等. 2016. 基于風云三號氣象衛(wèi)星微波亮溫資料反演東北地區(qū)土壤濕度及其對比分析 [J]. 大氣科學, 40 (4): 792–804. Wang Guojie, Chyi Dorina, Wang Lei, et al. 2016. Soil moisture retrieval over Northeast China based on microwave brightness temperature of FY3B satellite and its comparison with other datasets [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 40 (4): 792–804, doi:10.3878/j.issn.1006-9895.1509.15207.

1 引言

土壤水分是全球和區(qū)域水循環(huán)系統(tǒng)中的重要組成部分，也是聯(lián)系陸地水循環(huán)和能量循環(huán)的紐帶。土壤水分直接參與地表產匯流過程，是水文模擬和洪水預報中的重要參量，其變化也影響著土壤熱容量、地表反照率、地表蒸發(fā)和植被生長狀況等，進而制約地表水分和能量的再分配（Koster et al., 2004；張文君等，2008；Seneviratne et al., 2010；李明星等，2011）。大量研究已表明，土壤濕度的反饋機制對干旱、極端降水、熱浪等水文氣象過程有重要影響，是水文氣象災害的一個重要預報因子（王萬秋，1991；郭維棟等，2007; Wang et al., 2010; Alexander, 2011; Zhao et al., 2014）。因此，土壤濕度在氣象學基礎研究和水文工程等領域都是不可或缺的基礎資料，具有重要的實用價值和理論意義。

近年來，國內許多專家學者對土壤濕度的時空變化特點及其對氣候系統(tǒng)的影響進行了大量研究。王丹等（2012）、姜麗霞等（2009）、王磊等（2008）利用數(shù)理分析方法研究了在中國黑龍江省、松嫩平原及西北區(qū)西部土壤濕度的時空變化特征。馬柱國等（2000）研究表明在中國東部區(qū)域土壤濕度與降水之間存在正相關關系，與氣溫之間存在負相關關系，這與孫丞虎等（2005）在淮河流域土壤濕度與前期和同期降水和氣溫的相關關系的研究結果基本一致，而淮河流域土壤濕度與半年后的降水存在負相關、與氣溫則存在正相關。陳少勇等（2008）對中國黃土高原地區(qū)的土壤濕度變化規(guī)律研究表明，黃土高原地區(qū)4～10月份土壤濕度與降水地理分布的一致性較好，均為自東南向西北減少，降水是影響土壤濕度的主要因素，但氣溫的作用亦不可忽視。

然而，土壤濕度并非常規(guī)氣象觀測變量，數(shù)據(jù)資料累積量很少，限制了相關研究工作的開展（陳書林等，2012；鄭興明，2012）。測量土壤濕度的傳統(tǒng)方法主要是烘干稱重法。近年來，利用遙感技術監(jiān)測土壤濕度受到學術界的重視并獲得快速發(fā)展。與傳統(tǒng)的土壤水分監(jiān)測方法相比，遙感技術具有很多不可替代的優(yōu)勢，可以實時、快速地對大尺度土壤濕度進行大區(qū)域動態(tài)監(jiān)測（姚坤等，2008）。微波波段波長較長，受大氣環(huán)境影響較小，對植被冠層和地表也具有一定的穿透能力，能夠探測到低矮植被覆蓋下的土壤信息，而且，微波遙感能夠進行全天時、全天候的探測，提供紅外遙感和可見光無法提供的物體特性信息。因此，微波遙感已成為探測土壤濕度的最有效技術，其中的被動微波遙感，因土壤自身微波輻射與土壤水分的強相關性，則成為定量探測土壤濕度的最佳方式（鄭興明，2012）。

國內外一些專家學者對土壤濕度微波遙感技術開展了大量研究。Njoku and Chan（2006）利用美國EOS Aqua衛(wèi)星搭載的AMSR-E微波資料的微波極化差異指數(shù)反演全球土壤濕度，然而，由于該方法的局限性，所研發(fā)的土壤濕度產品在美國以外地區(qū)存在很大不確定性（Draper et al., 2009）。Shi et al.（2006）基于簡單的地表輻射（Qp）模型開發(fā)了裸土土壤濕度反演算法。Wagner et al.（1999）提出了TU-Wien土壤濕度反演模型，利用ERS/MetOp ASCAT微波資料研究全球土壤濕度的變化。2009年，歐洲空間局ESA（European Space Agency）發(fā)射了SMOS（Soil Moisture and Ocean Salinity）衛(wèi)星，利用L波段反演全球土壤濕度，L波段是反演土壤濕度的最佳波段，但其空間分辨率大于40 km。美國NASA于2015年初發(fā)射SMAP（Soil Moisture Active Passive）土壤濕度衛(wèi)星，采用主動/被動聯(lián)合反演技術獲取空間分辨率為10 km的土壤濕度數(shù)據(jù)（Entekhabi et al., 2010）。張?zhí)锰玫龋?008）利用EVISAT/ASAR資料反演土壤濕度，研究結果表明，若充分考慮植被對后向散射的影響，則獲取的土壤濕度質量較高。師春香等（2011）則基于衛(wèi)星遙感資料，利用EnKF濾波及陸面過程模型建立中國區(qū)域陸面土壤濕度同化系統(tǒng)。另外，國內學者也利用光學遙感技術開展了大量土壤濕度反演工作，不再一一贅述。

Owe et al.（2008）和 De Jeu et al.（2008）的全球微波土壤濕度反演工作比較有代表性。他們利用微波遙感技術，把地表微波亮溫與土壤濕度等陸面參數(shù)聯(lián)系起來，建立了一個被動微波能量輻射傳輸模型，以非線性循環(huán)方法最小化模型微波極化差異指數(shù)（Microwave Polarization Difference Index, IMPD），同時反演土壤濕度和植被光學深度。該模型被稱為陸面參數(shù)反演模型（Land Parameters Retrieving Model, LPRM），已經(jīng)應用于多顆極地軌道衛(wèi)星被動微波資料反演全球土壤濕度，取了良好的效果（Liu et al., 2012; Parinussa et al., 2012, 2014）。

中國氣象局衛(wèi)星氣象中心于 2010年發(fā)射風云三號氣象衛(wèi)星B星（FY3B），搭載微波輻射成像儀（Microwave Radiation Imager, MWRI) (Zhang et al., 2009)；并基于MWRI微波亮溫資料反演了土壤濕度產品。我們擬選擇東北地區(qū)為典型研究區(qū)，基于FY3B/MWRI微波亮溫資料，采用LPRM陸面參數(shù)反演模型，反演地表土壤濕度。受自然條件影響，東北地區(qū)的土壤水分時空變化較大（張運福等，2009），對作物的類型分布、生長發(fā)育和產量等有重要影響（李琛等，2010；孫倩倩等，2014）；所以選擇該地區(qū)進行研究比較有代表意義。我們利用中國氣象局農業(yè)氣象站的土壤濕度觀測資料對衛(wèi)星反演土壤濕度數(shù)據(jù)進行初步驗證，并且，把我們反演的土壤濕度與再分析資料和其他遙感產品進行對比分析，評價他們的一致性。本文研究范圍包括遼寧、吉林、黑龍江三省以及內蒙古自治區(qū)東部的赤峰市、通遼市、興安盟和呼倫貝爾市。

2 資料與方法

2.1 地表參數(shù)反演模型（LPRM）

LPRM模型是一個基于極軌衛(wèi)星的被動微波遙感數(shù)據(jù)能量輻射傳輸模型，同時可以反演土壤濕度、地表溫度和植被光學深度。設定冠層上方觀測到的地表微波輻射為 Tbp，它可用微波輻射亮溫表示為低頻波段的一階近似輻射傳輸方程：

其中，下標p表示極化方式（水平或垂直極化）；pw是植被的單次散射反照率；pG 為冠層透過率；erp是土壤發(fā)射率；Ts和Tc分別為土壤和冠層的熱力學溫度。方程第一項定義了經(jīng)植被層削弱后的土壤輻射，第二項將植被的上行輻射考慮在內，第三項則描述了植被的下行輻射被土壤向上反射后再次經(jīng)植被削弱的上行輻射。

冠層透過率pG 可被進一步定義為植被光學厚度ct及入射角θ的函數(shù)：

Jackson et al.（1982）提出用植被指數(shù)量化植被對土壤微波輻射亮溫的影響，LPRM中采用微波極化差異指數(shù)（IMPD），定義為

其中，Tb(v)表示垂直極化亮溫；Tb(H)表示水平極化亮溫。低頻時，IMPD不僅包含植被信息，還含有許多土壤輻射信息?？梢圆捎肐MPD計算植被光學厚度τc（Meesters et al., 2005；Owe et al., 2008）：

其中，Ci為土壤介電常數(shù)k的絕對值的函數(shù)：

N為多次項的階數(shù)，Pi, j是通過大量模擬得到的多次項系數(shù)。

將式（2）至（5）代入式（1）中，輻射傳輸方程中的未知參數(shù)就只剩土壤發(fā)射率 erp和土壤介電常數(shù)k。土壤發(fā)射率可以通過Fresnel公式，表示為介電常數(shù)的函數(shù)（Choudhury et al., 1979）。至此，土壤介電常數(shù)k就是唯一的未知參數(shù)。在知道了用土壤介電常數(shù)表達的冠層光學厚度和土壤發(fā)射率之后，使用一個非線性的迭代過程優(yōu)化介電常數(shù)，以求解水平極化下的輻射傳輸方程（水平極化方式對土壤水分更敏感）。直到迭代收斂，LPRM模型就可以利用土壤屬性數(shù)據(jù)和混合介質模型（Wang and Schmugge，1980）來解算土壤濕度。根據(jù)風云三號衛(wèi)星微波資料的特點，我們使用36.5 GHz垂直極化亮溫計算地表溫度，利用10.65 GHz水平和垂直極化亮溫反演土壤濕度。

2.2 FY3B微波資料

本項研究采用中國氣象局風云三號氣象衛(wèi)星B星（FY3B）微波亮溫資料反演地表土壤濕度。FY3B極軌衛(wèi)星每天兩次掃過地面同一地點，即降軌和升軌。降軌和升軌的掃過時間分別為當?shù)貢r間凌晨2點左右和14點左右。我們僅采用FY3B降軌資料反演土壤濕度。FY3B衛(wèi)星裝載的微波輻射成像儀有5個頻率，分別為10.65、18.7、23.8、36.5和89 GHz，每個頻率都有垂直和水平兩個極化模式。本項研究中使用的是X波段（10.65 GHz）的水平和垂直極化亮溫，以及Ka波段（36.5 GHz）垂直極化亮溫資料。X波段的空間分辨率為 51 km×85 km，它具有穿透云雨大氣的能力，并且對地表粗糙度和土壤介電特性較敏感；Ka波段的空間分辨率為18 km×30 km，主要用于獲取地表溫度。利用X波段和Ka波段，我們最終獲得土壤濕度的空間分辨率是0.25°×0.25°。

2.3 農業(yè)氣象站觀測資料與再分析資料

本文采用的土壤濕度站點數(shù)據(jù)來自中國氣象局農業(yè)氣象站。該套資料的時間分辨率是 10天，觀測時間是每月的8日、18日和28日。本文采用2011年7月到2013年12月東北地區(qū)73個農業(yè)氣象站0～10 cm層的平均土壤濕度數(shù)據(jù)，其空間分布如圖1所示。農業(yè)氣象站土壤濕度觀測資料是相對土壤濕度，與衛(wèi)星反演土壤濕度和再分析土壤濕度的單位不同，所以我們不考察其絕對量，而僅對其時空變化進行比較。如無特殊說明，本文中所用的觀測資料月均值是采用8日、18日和28日每月三次觀測的平均值，而其他三套資料則是采用月內所有數(shù)據(jù)的平均值。

圖1 農業(yè)氣象觀測站東北地區(qū)73個站點分布。矩形框表示圖6季節(jié)變化分析所使用的臺站資料和空間范圍Fig. 1 Spatial distribution of the 73 agrometeorological stations in Northeast China. The rectangle area represents the ground sites used for seasonal variation analysis shown in Fig. 6

我們采用了歐洲中期天氣預報中心的 ERAInterim和美國國家環(huán)境預報中心的NCEP兩套廣泛使用的再分析土壤濕度資料進行對比分析。ERAInterim土壤濕度的水平分辨率為0.75°×0.75°，垂直方向上分為四層，到地表距離分別為 7 cm、21 cm、72 cm、189 cm。本文使用了地表以下垂直厚度為7 cm的ERA-Interim土壤濕度資料。NCEP土壤濕度再分析資料是一套比較早期的再分析資料，已經(jīng)被廣泛使用在科學研究和業(yè)務應用上。NCEP土壤濕度的水平分辨率為2°×2°，垂直方向上有10 cm和190 cm兩層。本文使用的是地表以下垂直厚度為10 cm的NCEP土壤濕度資料。

2.4 其他土壤濕度遙感產品

我們把利用FY3B微波資料和LPRM模型反演獲得的土壤濕度產品與下述兩種土壤濕度遙感產品進行比較。受歐洲空間局 Essential ClimateVariable（ECV）項目資助，遙感學家們把 LPRM模型應用于SMMR、SSM/I、TRMM-TMI、AMSR-E、AMSR-2、Windsat等被動微波資料反演土壤濕度，把TU-Wien模型應用于SCAT、ASCAT等主動微波遙感資料反演土壤濕度，并且，把主動和被動微波土壤濕度進行融合，研制了長序列全球土壤濕度產品，稱為ECV土壤濕度（Dorigo et al., 2015；Liu et al., 2012）。ECV土壤濕度產品的時間跨度是1978～2013年，時間分辨率是日，空間分辨率是0.25°× 0.25°，該數(shù)據(jù)可從以下網(wǎng)站下載 http://www.esasoilmoisture- cci.org [2016-03-15]。

國家衛(wèi)星氣象中心基于FY3B/MWRI微波亮溫數(shù)據(jù)研發(fā)的土壤濕度產品是每日均值，空間分辨率是0.25°×0.25°，記為FY3Bofficial。FY3Bofficial產品采用了Njoku and Chan（2006）提出的迭代算法反演，并且，利用Shi et al.（2006）提出的裸土輻射參數(shù)化方案對其糙度參數(shù)進行了修改。該數(shù)據(jù)可從下網(wǎng)址下載 http://fy3.satellite.cma.gov.cn/portalsite/ default.aspx [2016-03-15]。

3 結果與分析

3.1 FY3B反演土壤濕度的時空變化

基于風云三號極軌氣象衛(wèi)星微波亮溫資料，我們利用 LPRM輻射傳輸模型反演我國東北地區(qū)的地表土壤濕度，最終獲得凌晨2時左右的逐日土壤濕度產品，記為FY3BLPRM。FY3B衛(wèi)星自2011年7月以后得到的數(shù)據(jù)連續(xù)性較好，因此本文采用2011 年7月至2014年6月的FY3BLPRM土壤濕度資料作為研究對象。

圖2給出了2011年7月至2014年6月東北地區(qū)內三年平均土壤濕度及春（3～5月）、夏（6～8月）、秋（9～11月）三個季節(jié)平均FY3BLPRM土壤濕度的空間分布。東北地區(qū)冬季氣溫較低，土壤中水分結冰，無法通過LPRM輻射傳輸模型反演土壤濕度，所以本文分析中不考慮冬季的情況。圖 2a給出了東北地區(qū)三年內平均FY3BLPRM土壤濕度的空間分布。從圖中可以看出，東北地區(qū)大部分地區(qū)比較濕潤，土壤濕度范圍在0.3～0.6 m3m?3。土壤濕度的空間變化整體上呈現(xiàn)自西向東逐漸增加的趨勢。大興安嶺北部、小興安嶺東南段、三江平原、吉林東部及南部沿海地區(qū)的土壤濕度較高，范圍在0.4～0.6 m3m?3。內蒙古東部則較為干燥，土壤濕度比較低，為0.1～0.3 m3m?3。

圖 2b–d分別為東北地區(qū)三年內春、夏、秋三個季節(jié)平均FY3BLPRM土壤濕度的空間分布。春季平均土壤濕度和秋季平均土壤濕度的空間分布大致相同，均表現(xiàn)為自西向東逐漸變濕潤的整體趨勢。大興安嶺北部、小興安嶺東南段、三江平原、吉林東部及南部沿海地區(qū)的土壤濕度值較高，介于0.5～0.7 m3m?3之間；西部內蒙古高原則較為干旱，土壤濕度值介于0.1～0.3 m3m?3之間。在夏季，土壤濕度仍然呈現(xiàn)自西向東逐漸變濕的空間格局；但是，東部地區(qū)和西部地區(qū)的差異并不顯著。與春季和秋季相比，西部地區(qū)（尤其是120°E以西）春季土壤濕度略有降低，然而這種變化并不顯著。在東部地區(qū)，夏季土壤濕度則比春、秋兩季土壤濕度顯著降低，表現(xiàn)為0.3～0.4 m3m?3。這表明，西部較為干旱的地區(qū)（尤其是內蒙古高原）土壤濕度的季節(jié)性變化不顯著；而東部地區(qū)土壤濕度的季節(jié)變化則極為顯著，春、秋兩季土壤濕度較高，而夏季土壤濕度顯著降低。

東北地區(qū)（尤其是120°E以東）屬于溫帶大陸性季風氣候，春、秋兩季降水少而夏季降水多。但是，該地區(qū)夏季土壤濕度卻較春、秋季節(jié)低。這是因為東北地區(qū)土壤濕度由降水和蒸散發(fā)共同決定，土壤濕度主要表現(xiàn)為降水量與蒸散發(fā)量的差值。兩者差值大，則土壤濕度高；反之，則土壤濕度低。受季風影響，夏季降水較多；但是，夏季氣溫也比春、秋季節(jié)高，蒸散發(fā)旺盛；夏季降水量與蒸散發(fā)量之差值可能小于春、秋季節(jié)兩者的差值，從而導致夏季土壤濕度相對較低。

3.2 與農業(yè)氣象站觀測資料和ERA-Interim、NCEP再分析資料的對比分析

圖 3顯示了東北地區(qū)內農業(yè)氣象站、ERAInterim、NCEP和 FY3BLPRM衛(wèi)星反演土壤濕度在2011年7月到2013年12月平均值的空間分布。其中，農業(yè)氣象站平均土壤濕度分布是由圖1所示的73個站點資料插值獲得。先將FY3BLPRM衛(wèi)星反演土壤濕度資料（圖3d）與農業(yè)氣象站資料（圖3a）的空間分布進行比較。圖 3a顯示，農業(yè)氣象站土壤濕度顯示，小興安嶺西北段、三江平原、吉林東部及南部沿海地區(qū)土壤濕度較高；西部地區(qū)內蒙古高原土壤濕度較低。大興安嶺北部資料缺失。土壤濕度的空間變化整體上呈現(xiàn)自西向東、東北及東南方向逐漸增加的趨勢。FY3BLPRM衛(wèi)星反演土壤濕度與農業(yè)氣象站土壤濕度的空間分布有較好的一致性。這表明，我們采用LPRM模型反演的FY3BLPRM衛(wèi)星土壤濕度，能比較準確地反映年均土壤濕度空間變化。因為數(shù)據(jù)單位不同，我們不對兩套資料的絕對量進行比較。需要說明的是，絕對土壤濕度較低的地區(qū)，相對土壤濕度一般也較低；相反，絕對土壤濕度較高的地區(qū)，相對土壤濕度一般也較高。嚴格說來，如果相對土壤濕度與絕對土壤濕度沒有上述關系，兩者的空間分布就完全沒有可比性。在圖3中，農業(yè)氣象站的相對土壤濕度與FY3BLPRM、ERA-Interim、NCEP絕對土壤濕度的空間分布特征在大尺度上非常一致，均表現(xiàn)為西部干旱、東部濕潤的總體特征，這說明所采用的相對土壤濕度資料大致能夠反映絕對土壤濕度的空間變化。

圖2 我國東北地區(qū)2011年8月1日至2014年7月31日（a）年平均、（b）春季平均、（c）夏季平均和（d）秋季平均的FY3BLPRM土壤濕度的空間分布（單位：m3m?3）Fig. 2 Spatial patterns of (a) annual average, (b) spring average, (c) summer average, and (d) winter average of FY3BLPRM(soil moisture derived from FY3B images using the Land Parameter Retrieving Model) soil moisture (units: m3m?3) over Northeast China for the period from 1 August 2011 to 31 July 2014

圖3b和3c分別顯示了ERA-Interim和NCEP土壤濕度再分析資料的空間分布。如圖 3b所示，ERA-Interim土壤濕度資料呈現(xiàn)自西向東逐漸增加的整體格局，與 FY3BLPRM土壤濕度有較好的一致性。大興安嶺地區(qū)、小興安嶺東南段、三江平原、吉林東部及南部沿海地區(qū)土壤濕度明顯偏高，而大興安嶺以南的內蒙古高原地區(qū)土壤濕度較低，較為干旱。圖3c表明，NCEP土壤濕度也呈現(xiàn)自西向東逐漸變濕的整體格局，但是，與農業(yè)氣象站、ERA-Interim和FY3BLPRM土壤濕度相比，NCEP不能細致地反映土壤濕度的空間變化，這是因為NCEP資料的空間分辨率較低的緣故。綜上所述，四種土壤濕度資料的空間分布大體一致，符合我們對東北地區(qū)水循環(huán)規(guī)律的一般認識。這也說明，我們基于FY3B微波亮溫反演的土壤濕度資料，能比較準確地反映東北地區(qū)土壤濕度的空間變化。但是，F(xiàn)Y3BLPRM土壤濕度與ERA-Interim和NCEP兩種再分析資料在數(shù)值上有所差異。在比較干燥的地區(qū)如內蒙古高原，F(xiàn)Y3BLPRM與ERA-Interim土壤濕度在數(shù)值上相差不大，在0.1～0.3 m3m?3之間；而NCEP土壤濕度較兩者略高。在大興安嶺北部、小興安嶺東南段、三江平原、吉林東部及南部沿海等較為濕潤的地區(qū)，ERA-Interim與NCEP土壤濕度數(shù)據(jù)大體一致，在 0.25～0.35 m3m?3之間；而FY3BLPRM土壤濕度則比兩者顯著偏高，在 0.30～0.60 m3m?3之間。

為了比較四套土壤濕度資料在時間變化上是否具有一致性，我們分別計算了農業(yè)氣象站土壤濕度與FY3B、ERA-Interim和NCEP土壤濕度的相關系數(shù)，其空間分布如圖4所示。為了與農業(yè)氣象站資料的時間長度保持一致，我們使用了 2011年 7月到2013年12月的月平均資料。為了便于計算，對ERA-Interim和NCEP土壤濕度資料進行了重采樣，空間分辨率提高到了 0.25°。圖 4a顯示，F(xiàn)Y3BLPRM土壤濕度資料與站點資料在絕大部分地區(qū)呈現(xiàn)正相關，相關系數(shù)為 0.2～0.9；在大興安嶺南段、呼倫貝爾高原與大興安嶺的中間地帶、松嫩平原、吉林中部、三江平原等地相關性較強，達到0.5～0.9。這表明，我們采用 LPRM 模型反演的FY3BLPRM土壤濕度與農業(yè)氣象站土壤濕度資料在時間變化上具有很強的一致性，因而是可信的。因為該分析采用的是月平均數(shù)據(jù)，因而主要反映的是季節(jié)性變化的一致性。只有在遼寧和吉林地區(qū)的極小區(qū)域內呈現(xiàn)微弱的負相關，具體原因不明，我們推測是由于農業(yè)氣象站土壤濕度觀測資料的不確定性所致。圖4b顯示，NCEP土壤濕度資料與農業(yè)氣象站土壤濕度資料在大部分地區(qū)相關性并不明顯，只在大興安嶺北段、吉林中西部、遼寧北部與河北省交界的地方等地區(qū)呈現(xiàn)強正相關性，相關系數(shù)為 0.5～0.8，表明這些地區(qū)兩者一致性較好。如同F(xiàn)Y3B土壤濕度，NCEP土壤濕度也在吉林和遼寧極小區(qū)域內呈現(xiàn)微弱的負相關。圖 4c顯示，ERA-Interim與農業(yè)氣象站土壤濕度在大興安嶺北段東部、黑龍江省、吉林東部等地呈現(xiàn)很強的正相關性，相關系數(shù)為 0.4～0.8，表明兩者具有很強的一致性。然而，兩者在內蒙古高原東部、吉林和遼寧西部交匯的一片區(qū)域內呈現(xiàn)強負相關性，相關系數(shù)為?0.8～?0.4，這表明，在這個區(qū)域內 ERAInterim與農業(yè)氣象站土壤濕度資料可能呈現(xiàn)反位相的時間變化，數(shù)據(jù)可靠性存在較大問題。綜上所述，F(xiàn)Y3BLPRM與農業(yè)氣象站土壤濕度在東北大部分地區(qū)都呈現(xiàn)很好的一致性，優(yōu)于 ERA-Interim和NCEP再分析資料。

利用日平均資料，我們進一步計算了FY3BLPRM土壤濕度和兩套再分析土壤濕度資料的相關系數(shù)，如圖5所示。由圖5a可知，F(xiàn)Y3BLPRM土壤濕度資料與ERA-Interim土壤濕度再分析資料在呼倫貝爾高原、內蒙古高原中東部、松嫩平原和遼河平原西部等地呈現(xiàn)較強的正相關，相關系數(shù)為 0.3～0.7，這些區(qū)域主要是土壤濕度較低的地區(qū)。而在大興安嶺北部、小興安嶺東南段、吉林東部等土壤濕度較高的地區(qū)，兩者呈現(xiàn)明顯的負相關，相關系數(shù)為?0.6～?0.2。圖 5b顯示，F(xiàn)Y3BLPRM土壤濕度資料與NCEP土壤濕度資料在中部平原一帶無明顯相關性，在內蒙古高原一帶的干旱地區(qū)呈現(xiàn)正相關，相關系數(shù)為 0.1～0.3；而在大興安嶺北部、小興安嶺東南段、吉林東部等濕潤地區(qū)呈現(xiàn)強負相關性，相關系數(shù)為?0.6～?0.2?？偠灾?，F(xiàn)Y3BLPRM土壤濕度與兩套再分析資料在較為干旱的區(qū)域呈現(xiàn)較強的正相關，而在比較濕潤的地區(qū)大多呈現(xiàn)較強的負相關。

圖3 2011年7月到2013年12月東北地區(qū)（a）農業(yè)氣象站的相對土壤濕度、（b）ERA-Interim、（c）NCEP和（d）FY3BLPRM衛(wèi)星反演土壤濕度的空間分布Fig. 3 Spatial distributions of averaged (a) soil relative moisture in-situ observations, and soil moisture from (b) ERA-Interim, (c) NCEP reanalysis, and (d) FY3BLPRMdatasets in Northeast China during the period from July 2011 to December 2013

圖4 農業(yè)氣象站土壤濕度資料分別與（a）FY3BLPRM、（b）NCEP和（c）ERA-Interim土壤濕度資料的相關系數(shù)Fig. 4 The correlation coefficients of soil moisture between in-situ observations and (a) FY3BLPRM, (b) NCEP, (c) ERA-Interim datasets

圖5 FY3BLPRM土壤濕度與（a）ERA-Interim和（b）NCEP資料土壤濕度的相關系數(shù)空間分布Fig. 5 The correlation coefficients of soil moisture between FY3BLPRMand (a) ERA-Interim, (b) NCEP datasets

圖6 吉林東部地區(qū)農業(yè)氣象站資料的相對土壤濕度以及FY3B、ERA-Interim和NCEP土壤濕度的季節(jié)性變化Fig. 6 The seasonal variations of soil relative moisture from in-situ observations, and soil moisture from FY3B, ERA-Interim, and NCEP reanalysis datasets in the eastern part of Jilin Province

鑒于FY3BLPRM土壤濕度與再分析資料在土壤濕度較高的地區(qū)具有很大的不一致性，有必要進一步分析哪套資料較為可靠。根據(jù)農業(yè)氣象站土壤濕度資料的可獲取情況，我們選擇吉林東部一個矩形區(qū)域進行對比分析，該矩形區(qū)域內有三個農業(yè)氣象站，如圖 1中所示。在該矩形區(qū)域內，F(xiàn)Y3BLPRM土壤濕度與ERA-Interim和NCEP再分析資料都呈很強的負相關。因為農業(yè)氣象站沒有日分辨率的資料，我們僅繪制該矩形區(qū)域內三套數(shù)據(jù)的多年（2011年7月至2013年12月）月均值，即其季節(jié)性變化的柱狀圖。在該區(qū)域，自2月份中下旬起有FY3BLPRM土壤濕度資料，所以，利用中下旬的平均值代表2月份平均值。圖6顯示，所選矩形區(qū)域內FY3BLPRM衛(wèi)星反演土壤濕度與農業(yè)氣象站土壤濕度在季節(jié)變化上具有良好的一致性。在春季，F(xiàn)Y3BLPRM與農業(yè)氣象站土壤濕度均表現(xiàn)為逐漸增加趨勢，這是因為春季氣溫回升，冰雪融水補給增加，土壤濕度增高。春末夏初，隨著氣溫進一步回升，蒸散發(fā)量增大而降水補給不足，導致土壤濕度逐漸下降。夏末，季風到達東北地區(qū)，帶來豐沛降水，降水量大于蒸散發(fā)量，土壤濕度逐漸增高。兩者良好的一致性，說明FY3BLPRM資料準確地抓住了該地區(qū)土壤濕度的季節(jié)性變化。ERA-Interim和NCEP再分析土壤濕度資料的季節(jié)性變化比較一致，但是與FY3BLPRM和農業(yè)氣象站土壤濕度的季節(jié)性變化相差很大。兩套再分析資料均沒有抓住春季土壤濕度增加這一過程，而是表現(xiàn)為持續(xù)緩慢降低，5月份到達低值，然后逐漸升高，8月份開始逐漸下降。再分析資料這種季節(jié)性變化與FY3BLPRM土壤濕度資料基本相反，所以表現(xiàn)為負相關。圖6也表明，F(xiàn)Y3BLPRM土壤濕度在春季和秋季顯著高于兩套再分析資料，在夏季，F(xiàn)Y3B土壤濕度與兩套再分析資料相差不大。顯而易見，F(xiàn)Y3BLPRM土壤濕度資料對季節(jié)性變化的描述要優(yōu)于兩套再分析資料。

3.3 與ECV和FY3Bofficial土壤濕度遙感產品比較

我們利用2011年7月到2013年12月份的資料，分別計算了FY3BLPRM和FY3Bofficial、ECV兩套土壤濕度資料的相關系數(shù)，其空間分布如圖7所示。由圖7a可見，F(xiàn)Y3BLPRM和FY3Bofficial兩套資料在土壤濕度較低的呼倫貝爾高原、內蒙古高原中東部、松嫩平原和遼河平原的西部等地區(qū)表現(xiàn)為較弱的正相關，相關系數(shù)為 0.1～0.5。而在大興安嶺、小興安嶺東南段和東北三省東部等土壤濕度較高的地區(qū)，兩套資料表現(xiàn)為很強的負相關，相關系數(shù)達到?0.8～?0.5。圖7a所示的負相關表明，在這些地區(qū) FY3BLPRM和 FY3Bofficial土壤濕度資料顯著不一致。兩者相關系數(shù)的空間分布，與FY3BLPRM和ERA-Interim、NCEP再分析資料的相關系數(shù)空間分布（圖 5）較為一致，表明 FY3Bofficial土壤濕度資料與ERA-Interim和NCEP兩套再分析資料具有類似的時空變化特征。在上述土壤濕度較高的地區(qū)，F(xiàn)Y3BLPRM和 FY3Bofficial資料的負相關程度高于FY3BLPRM和再分析資料的負相關程度。圖7b顯示了 FY3BLPRM和 ECV土壤濕度的相關系數(shù)。FY3BLPRM與ECV土壤濕度在大部分地區(qū)表現(xiàn)為較強的正相關，相關系數(shù)達到 0.5～0.8，甚至更高。僅在黑龍江省中部和吉林省、遼寧省東部較小范圍內，F(xiàn)Y3BLPRM與ECV土壤濕度表現(xiàn)為較弱的負相關，相關系數(shù)在約0.2～0.5之間。在大興安嶺地區(qū)，兩者幾乎不相關。總而言之，F(xiàn)Y3BLPRM與FY3Bofficial土壤濕度的一致性較差，尤其是在土壤較為濕潤的地區(qū)，兩者甚至呈現(xiàn)高度的負相關。相比之下，F(xiàn)Y3BLPRM與ECV土壤濕度則在絕大部分地區(qū)都高度相關。

圖7 FY3BLPRM土壤濕度與（a）FY3Bofficial和（b）ECV土壤濕度的相關系數(shù)空間分布。吉林省境內的矩形區(qū)域是選定的用于圖8時間序列分析的區(qū)域Fig. 7 The correlation coefficients of soil moisture between FY3BLPRMand (a) FY3Bofficial, (b) ECV (Essential Climate Variable). The rectangle area in Jilin Province is used in Fig. 8 to analyse time series

圖8 吉林東部地區(qū)農業(yè)氣象站資料的相對土壤濕度以及FY3BLPRM、FY3Bofficial、ECV土壤濕度的季節(jié)性變化Fig. 8 The seasonal variations of soil relative moisture from in-situ observations, and soil moisture from FY3BLPRM, FY3Bofficial, ECV dataset in the rectangle area in Jilin Province denoted in Fig. 7

FY3BLPRM與FY3Bofficial的負相關，主要是兩者季節(jié)性變化的差異所致。我們選擇了吉林省東部一個典型區(qū)域（如圖7中矩形區(qū)所示），把FY3BLPRM、FY3Bofficial和ECV三套衛(wèi)星遙感資料與農業(yè)氣象站的觀測資料進行了對比。在典型區(qū)域內，F(xiàn)Y3BLPRM與FY3Bofficial數(shù)據(jù)表現(xiàn)為較強的負相關，而與ECV數(shù)據(jù)表現(xiàn)為很強的正相關，該區(qū)域有3個數(shù)據(jù)質量較好的農業(yè)氣象站。圖8顯示了典型區(qū)域內多年月均值的季節(jié)性變化。在該區(qū)域，F(xiàn)Y3BLPRM、ECV和農業(yè)氣象站土壤濕度在3月到11月有數(shù)據(jù)，而FY3Bofficial土壤濕度則只在4月到10月有數(shù)據(jù)。可以看出，F(xiàn)Y3BLPRM和農業(yè)氣象站土壤濕度，均表現(xiàn)為春季和秋季土壤濕度較高，而夏季土壤濕度較低，春夏之交土壤濕度下降，而夏秋之交土壤濕度回升。ECV土壤濕度在夏季有個下降過程，與FY3BLPRM和農業(yè)氣象站土壤濕度類似；但是，它在春季持續(xù)上升，在深秋有所下降，這與 FY3BLPRM和農業(yè)氣象站資料有所不同。FY3Bofficial土壤濕度從4月份開始持續(xù)上升，8月份達到最高值，然后持續(xù)下降，這與FY3BLPRM和農業(yè)氣象站資料差異巨大，表現(xiàn)為反位相的季節(jié)性變化特征。

4 結論

土壤濕度是氣象學和水文學研究中的重要基礎資料，在水利工程領域也具有應用價值?；趪覛庀缶诛L云三號氣象衛(wèi)星微波資料，我們采用LPRM微波輻射傳輸模型反演了我國東北地區(qū)的逐日土壤濕度資料，并與農業(yè)氣象站觀測資料、ERA-Interim和NCEP再分析資料、ECV多衛(wèi)星融合資料和國家衛(wèi)星氣象中心的FY3B/MWRI官方土壤濕度產品進行了對比分析，評價了他們的差異性和一致性，得到以下幾點主要結論：

（1）東北地區(qū)FY3BLPRM土壤濕度產品，整體上呈現(xiàn)從西側內蒙古高原向北部和東部逐漸增加的空間分布，西部地區(qū)土壤濕度較低，而大興安嶺北部、小興安嶺東南段、三江平原、吉林東部及東南部沿海地區(qū)土壤濕度較大。這種空間分布在春季和秋季最為顯著，夏季，因為東部地區(qū)土壤濕度顯著降低，這種空間差異有所減弱。農業(yè)氣象站土壤濕度觀測資料和ERA-Interim、NCEP兩套再分析資料都顯示了相似的空間分布，表明我們利用LPRM模型反演的FY3BLPRM土壤濕度抓住了東北地區(qū)土壤濕度空間分布的主要特征。

（2）在時間變化方面，在絕大部分地區(qū)FY3BLPRM土壤濕度與農業(yè)氣象站觀測資料高度相關。但是，在大興安嶺北部、小興安嶺東南段、吉林東部等偏濕潤的地區(qū)，F(xiàn)Y3BLPRM土壤濕度與ERA-Interim和NCEP再分析資料呈顯著的負相關，差異性很大，這主要是由于他們的季節(jié)性干濕變化的差異引起。在春季和秋季，F(xiàn)Y3BLPRM土壤濕度較高；夏季降水較多，F(xiàn)Y3BLPRM土壤濕度反而較低。FY3BLPRM土壤濕度的這種季節(jié)性變化與農業(yè)氣象站的觀測資料基本一致，而ERA-Interim和NCEP再分析資料不能反映這種季節(jié)性變化，這表明我們反演的FY3BLPRM土壤濕度在描述季節(jié)性變化方面優(yōu)于再分析資料。

（3）FY3BLPRM土壤濕度與ECV多源衛(wèi)星融合產品和國家衛(wèi)星氣象中心產品FY3Bofficial土壤濕度進行對比，發(fā)現(xiàn) FY3BLPRM土壤濕度與 FY3Bofficial土壤濕度在大興安嶺地區(qū)和東北三省東部等較為濕潤的地區(qū)呈顯著的負相關，而與 ECV土壤濕度的一致性則顯著高于前者。在較為濕潤的地區(qū)，F(xiàn)Y3BLPRM土壤濕度的季節(jié)性變化與農業(yè)氣象站觀測資料較為一致，而FY3Bofficial土壤濕度則與農業(yè)氣象站觀測資料呈現(xiàn)明顯的反位相季節(jié)性變化。在反映地表的季節(jié)性干濕變化方面，我們反演的FY3BLPRM土壤濕度數(shù)據(jù)明顯優(yōu)于FY3Bofficial土壤濕度數(shù)據(jù)。FY3BLPRM與FY3Bofficial土壤濕度，都是基于FY3B微波亮溫資料，兩者的顯著差別，源于所采用的反演算法不同。具體原因不在本文討論范圍之內，有待繼續(xù)研究。

參考文獻 (References)

Alexander L. 2011. Climate science: Extreme heat rooted in dry soils [J]. Nat. Geosci., 4 (1): 12–13, doi:10.1038/ngeo1045.

陳書林, 劉元波, 溫作民. 2012. 衛(wèi)星遙感反演土壤水分研究綜述 [J].地球科學進展, 27 (11): 1192–1203. Chen Shulin, Liu Yuanbo, Wen Zuomin. 2012. Satellite retrieval of soil moisture: An overview [J]. Advances in Earth Science (in Chinese), 27 (11): 1192–1203.

陳少勇, 郭凱忠, 董安祥. 2008. 黃土高原土壤濕度變化規(guī)律研究 [J].高原氣象, 27 (3): 530–537. Chen Shaoyong, Guo Kaizhong, Dong Anxiang. 2008. Research of variety rule of soil humidity in Loess Plateau of China [J]. Plateau Meteorology (in Chinese), 27 (3): 530–537.

Choudhury B J, Schmugge T J, Chang A, et al. 1979. Effect of surface roughness on the microwave emission from soils [J]. J. Geophys. Res.: Oceans, 84 (C9): 5699–5706, doi:10.1029/JC084iC09p05699.

Draper C S, Walker J P, Steinle P J, et al. 2009. An evaluation of AMSR-E derived soil moisture over Australia [J]. Remote Sensing of Environment, 113 (4), 703–710, doi:10.1016/j.rse.2008.11.011.

De Jeu R A M, Wagner W, Holmes T R H, et al. 2008. Global soil moisture patterns observed by space borne microwave radiometers and scatterometers [J]. Surveys in Geophysics, 29 (4–5): 399–420, doi:10.1007/s10712-008-9044-0.

Dorigo W A, Gruber A, De Jeu R A M, et al. 2015. Evaluation of the ESA CCI soil moisture product using ground-based observations [J]. Remote Sens. Environ., 162: 380–395, doi:10.1016/j.rse.2014.07.023.

Entekhabi D, Njoku E G, Neill P E O, et al. 2010. The soil moisture active passive (SMAP) mission [J]. Proceedings of the IEEE, 98 (5): 704–716,doi:10.1109/JPROC.2010.2043918.

郭維棟, 馬柱國, 王會軍. 2007. 土壤濕度——一個跨季度降水預測中的重要因子及其應用探討 [J]. 氣候與環(huán)境研究, 12 (1): 20–28. Guo Weidong, Ma Zhuguo, Wang Huijun. 2007. Soil moisture—An important factor of seasonal precipitation prediction and its application [J]. Climatic and Environmental Research (in Chinese), 12 (1): 20–28, doi:10.3969/ j.issn.1006-9585.2007.01.003.

Jackson T J, Schmugge T J, Wang J R. 1982. Passive microwave sensing of soil moisture under vegetation canopies [J]. Water Resour. Res., 18 (4): 1137–1142, doi:10.1029/WR018i004p01137.

姜麗霞, 李帥, 紀仰慧, 等. 2009. 1980～2005年松嫩平原土壤濕度對氣候變化的響應 [J]. 應用生態(tài)學報, 20 (1): 91–97. Jiang Lixia, Li Shuai, Ji Yanghui, et al. 2009. Responses of soil humidity on Songnen Plain to climate change in 1980–2005 [J]. Chinese Journal of Applied Ecology (in Chinese), 20 (1): 91–97.

Koster R D, Dirmeyer P A, Guo Z, et al. 2004. Regions of strong coupling between soil moisture and precipitation [J]. Science, 305 (5687): 1138–1140, doi:10.1126/science.1100217.

李明星, 馬柱國, 牛國躍. 2011. 中國區(qū)域土壤濕度變化的時空特征模擬研究 [J]. 科學通報, 56 (16): 1288–1300. Li M X, Ma Z G, Niu G Y. 2011. Modeling spatial and temporal variations in soil moisture in China [J]. Chinese Sci. Bull., 56 (17): 1809–1820, doi:10.1007/s11434-011-4493-0.

李琛, 沈新勇, 李偉平. 2010. 東北地區(qū)土壤濕度的診斷分析 [J]. 安徽農業(yè)科學, 38 (9): 4969–4700. Li Chen, Shen Xinyong, Li Weiping. 2010. Diagnostic analysis of soil moisture in Northeast China [J]. Journal of Anhui Agricultural Science (in Chinese), 38 (9): 4969–4700, doi:10.3969/j.issn.0517-6611.2010.09.107.

Liu Y Y, Dorigo W A, Parinussa R M, et al. 2012. Trend-preserving blending of passive and active microwave soil moisture retrievals [J]. Remote Sens. Environ., 123: 280–297, doi:10.1016/j.rse.2012.03.014.

馬柱國, 魏和林,符淙斌. 2000. 中國東部區(qū)域土壤濕度的變化及其與氣候變率的關系 [J]. 氣象學報, 58 (3): 278–287. Ma Zhuguo, Wei Helin,Fu Congbin. 2000. Relationship between regional soil moisture variation and climatic variability over East China [J]. Acta Meteor. Sinica (in Chinese), 58 (3): 278–287, doi:10.3321/j.issn:0577-6619.2000.03.003.

Meesters A G C A, De Jeu R A M, Owe M. 2005. Analytical derivation of the vegetation optical depth from the microwave polarization difference index [J]. IEEE Geoscience and Remote Sensing Letters, 2 (2): 121–123, doi:10.1109/LGRS.2005.843983.

Njoku E G, Chan S K. 2006. Vegetation and surface roughness effects on AMSR-E land observations [J]. Remote Sens. Environ., 100 (2): 190–199, doi:10.1016/j.rse.2005.10.017.

Owe M, De Jeu R, Holmes T. 2008. Multisensor historical climatology of satellite-derived global land surface moisture [J]. J. Geophys. Res., 113 (F1): 196–199, doi:10.1029/2007JF000769.

Parinussa R M, Holmes T R H, De Jeu R A M. 2012. Soil moisture retrievals from the WindSat spaceborne polarimetric microwave radiometer [J]. IEEE Trans. Geosci. Remote Sens., 50 (7): 2683–2694, doi:10.1109/TGRS.2011.2174643.

Parinussa R M, Wang G, Holmes T R H, et al. 2014. Global surface soil moisture from the microwave radiation imager onboard the Fengyun-3B satellite [J]. Int. J. Remote Sens., 35 (19): 7007–7029, doi:10.1080/ 01431161.2014.960622.

Seneviratne S I, Corti T, Davin E L, et al. 2010. Investigating soil moisture–climate interactions in a changing climate: A review [J]. Earth-Science Reviews, 99(3–4): 125–161.

師春香, 謝正輝, 錢輝, 等. 2011. 基于衛(wèi)星遙感資料的中國區(qū)域土壤濕度EnKF數(shù)據(jù)同化 [J]. 中國科學: 地球科學, 41 (3): 375–385. Shi C X, Xie Z H, Qian H, et al. 2011. China land soil moisture EnKF data assimilation based on satellite remote sensing data [J]. Sci. China: Earth Sci., 54 (9): 1430–1440, doi:10.1007/s11430-010-4160-3.

Shi J C, Jiang L M, Zhang L X, et al. 2006. Physically based estimation of bare-surface soil moisture with the passive radiometers [J]. IEEE Trans. Geosci. Remote Sens., 44 (11): 3145–3153, doi:10.1109/TGRS.2006. 876706.

孫丞虎, 李維京, 張祖強, 等. 2005. 淮河流域土壤濕度異常的時空分布特征及其與氣候異常關系的初步研究 [J]. 應用氣象學報, 16 (2): 129–138. Sun Chenghu, Li Weijing, Zhang Zuqiang, et al. 2005. Distribution and variation features of soil humidity anomaly in Huaihe River basin and its relationship with climatic anomaly [J]. Journal of Applied Meteorological Science (in Chinese), 16 (2): 129–138, doi:10.3969/j.issn.1001-7313.2005.02.001.

孫倩倩, 劉晶淼, 梁宏. 2014. 東北地區(qū)土壤濕度的區(qū)域性預報模型研究 [J]. 自然資源學報, 29 (6): 1065–1075. Sun Qianqian, Liu Jingmiao, Liang Hong. 2014. Analysis of regional soil moisture forecasting model in Northeast China [J]. Journal of Nature Resources (in Chinese), 29 (6): 1065–1075, doi:10.11849/zrzyxb.2014.06.014.

Wagner W, Lemoine G, Rott H. 1999. A method for estimating soil moisture from ERS scatterometer and soil data [J]. Remote Sens. Environ., 70 (2): 191–207, doi:10.1016/S0034-4257(99)00036-X.

王丹, 南瑞, 韓俊杰, 等. 2012. 黑龍江省土壤濕度及其對氣溫和降水的敏感性分析 [J]. 氣象與環(huán)境學報, 28 (2): 49–53. Wang Dan, Nan Rui, Han Junjie, et al. 2012. Characteristics of soil humidity and its sensitivity to temperature and precipitation in Heilongjiang Province [J]. Journal of Meteorology and Environment (in Chinese), 28 (2): 49–53, doi: 10.3969/j.issn.1673-503X.2012.02.010.

Wang G J, Dolman A J, Blender R, et al. 2010. Fluctuation regimes of soil moisture in ERA-40 reanalysis data [J]. Theor. Appl. Climatol., 99 (1–2): 1–8, doi:10.1007/s00704-009-0111-3.

Wang J R, Schmugge T J. 1980. An empirical model for the complex dielectric permittivity of soils as a function of water content [J]. IEEE Trans. Geosci. Remote Sens., 18 (4): 288–295, doi:10.1109/TGRS.1980. 350304.

王磊, 文軍, 韋志剛, 等. 2008. 中國西北區(qū)西部土壤濕度及其氣候響應[J]. 高原氣象, 27 (6): 1257–1266. Wang Lei, Wen Jun, Wei Zhigang, et al. 2008. Soil moisture over the west of Northwest China and its response to climate [J]. Plateau Meteorology (in Chinese), 27 (6): 1257–1266.

王萬秋. 1991. 土壤溫濕異常對短期氣候影響的數(shù)值模擬試驗 [J]. 大氣科學, 15 (5): 115–123. Wang Wanqiu. 1991. Numerical experiments of the soil temperature and moisture anomalies’ effects on the short term climate [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 15 (5): 115–123, doi:10.3878/j.issn.1006-9895.1991.05.14.

姚坤, 師慶東, 逄淑女, 等. 2008. 遙感反演土壤濕度綜述 [J]. 楚雄師范學院學報, 2008, 23 (6): 89–92. Yao Kun, Shi Qingdong, Feng Shunv,et al. 2008. A brief review of remote sensing retrieving the soil moisture [J]. Journal of Chuxiong Normal University (in Chinese). 23 (6): 89–92, doi:10.3969/j.issn.1671-7406.2008.06.021.

Zhang P, Yang J, Dong C H, et al. 2009. General introduction on payloads, ground segment and data application of Fengyun 3A [J]. Frontiers of Earth Science in China, 3 (3): 367–373, doi:10.1007/s11707-009-0036-2.

張?zhí)锰? 文軍, Van Der Velde R, 等. 2008. 基于ENVISAT/ASAR資料的土壤濕度反演方法 [J]. 高原氣象, 27 (2): 279–285. Zhang Tangtang, Wen Jun, Van Der Velde R, et al. 2008. Soil moisture retrieval based on ENVISAT/ASAR data [J]. Plateau Meteorology (in Chinese), 27 (2): 279–285.

張文君, 周天軍, 宇如聰. 2008. 中國土壤濕度的分布與變化 I. 多種資料間的比較 [J]. 大氣科學, 32 (3): 581–597. Zhang Wenjun, Zhou Tianjun, Yu Rucong. 2008. Spatial distribution and temporal variation of soil moisture over China. Part I: Multi-data inter-comparison [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 32 (3): 581–597, doi:10.3878/j.issn.1006-9895.2008.03.15.

張運福, 胡春麗, 趙春雨, 等. 2009. 東北地區(qū)降水年內分配的不均勻性[J]. 自然災害學報, 18 (2): 89–94. Zhang Yunfu, Hu Chunli, Zhao Chunyu, et al. 2009. Intra-annual inhomogeneity characteristics of precipitation in Northeast China [J]. Journal of Natural Disasters, 18 (2): 89–94, doi:10.3969/j.issn.1004-4574.2009.02.014.

Zhao J, Jin J L, Guo Q Z, et al. 2014. Dynamic risk assessment model for flood disaster on a projection pursuit cluster and its application [J]. Stochastic Environmental Research and Risk Assessment, 28 (8): 2175–2183, doi:10.1007/s00477-014-0881-8.

鄭興明. 2012. 東北地區(qū)土壤濕度被動微波遙感高精度反演方法研究[D]. 中國科學院東北地理與農業(yè)生態(tài)研究所博士學位論文. Zheng Xingming. 2012. Research on soil moisture microwave remote sensing inversion method in northeast of China [D]. Ph. D. dissertation (in Chinese), Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences.

資助項目 國家自然科學基金項目91337108、41375099、41561124014，大學生創(chuàng)新訓練項目201410300007Z和江蘇省普通高校自然科學研究項目14KJD570001

Funded by National Natural Science Foundation of China (Grants 91337108, 41375099, and 41561124014), the Student Platform for Innovation and Entrepreneurship Training Program (Grant 201410300007Z), the Natural Science Foundation of the Jiangsu Higher Education Institutes of China (Grant 14KJD570001)

文章編號1006-9895(2016)04-0792-13 中圖分類號 P41

文獻標識碼A

doi:10.3878/j.issn.1006-9895.1509.15207

收稿日期2015-06-02；網(wǎng)絡預出版日期 2016-02-02

作者簡介王國杰，男，1976年出生，教授，主要從事陸面—大氣相互作用研究。E-mail: gwang_nuist@163.com

Soil Moisture Retrieval over Northeast China Based on Microwave Brightness Temperature of FY3B Satellite and Its Comparison with Other Datasets

WANG Guojie1, CHYI Dorina2, WANG Lei2, TAN Yan3, and XUE Feng4
1 Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, School of Geography and Remote Sensing, Nanjing University of Information Science ＆amp; Technology, Nanjing 210044
2 College of Hydrometeorology, Nanjing University of Information Science ＆amp; Technology, Nanjing 210044
3 International Center for Ecology Meteorology and Environment, School of Applied Meteorology, Nanjing University of Information Science ＆amp; Technology, Nanjing 210044
4 College of Atmospheric Science, Nanjing University of Information Science ＆amp; Technology, Nanjing 210044

AbstractSoil moisture is of critical importance in land surface processes, which plays a key role in linking the terrestrial water and energy cycles. Remote sensing has become a promising technique for obtaining large-scale soil moisture information. In this study, the authors use the Land Parameter Retrieving Model (LPRM), which is based on radiative transfer equations, to retrieve surface soil moisture from FY3B microwave brightness temperature images over Northeast China (FY3BLPRM). The FY3BLPRMsoil moisture is then compared with other datasets including in-situ observations at agrometeorological stations in China, the NCEP and ERA-Interim reanalysis of soil moisture, the multi-satellite soil moisture product from European Space Agency (ECV data), and the FY3B soil moisture product officially produced in the National Satellite Meteorological Center of China (FY3Boffical). It is found that the spatial and temporal variations of the derived FY3BLPRMsoil moisture agree well with that of in-situ observations. FY3BLPRMand in-situ observations both show higher soil moisture content in eastern Northeast China than in western Northeast China. The two datasets are highly correlated in most regions with correlation coefficients more than 0.7 mainly because they agree well with each other in seasonal variation. However, the FY3BLPRMis highly negatively correlated with the FY3Bofficialand the NCEP and ERA-Interim datasets in some relatively humid regions such as the surrounding areas of Da Hinggan Mountains and eastern part of the study area. Further analysis suggests that the FY3BLPRMcan realistically represent the seasonal variability of in-situ observations, whereas the other three datasets cannot. In most of the study area, the derived FY3BLPRMagrees very well with the multi-satellite ECV data. The derived FY3BLPRMsoil moisture can be applied for drought monitoring and hydrology and water resource studies. It also provides realistic soil moisture information for data assimilation in numerical weather forecast studies.

KeywordsFY3B satellite, Soil moisture, Microwave remote sensing, Northeast China, Comparison