劉東明，吳門(mén)新，侯英雨，陳鵬獅，張微瑋，王賀然

遼寧省生長(zhǎng)季CLDAS土壤相對(duì)濕度產(chǎn)品的評(píng)估檢驗(yàn)*

劉東明1，吳門(mén)新2**，侯英雨2，陳鵬獅1，張微瑋1，王賀然1

（1．遼寧省生態(tài)氣象和衛(wèi)星遙感中心，沈陽(yáng) 110166；2．國(guó)家氣象中心，北京 100081）

基于遼寧省2020年生長(zhǎng)季（5-10月）逐日自動(dòng)土壤水分站觀測(cè)資料，利用相關(guān)系數(shù)（r）、均方根誤差（RSME）、平均絕對(duì)誤差（MAE）和偏差（ME）等統(tǒng)計(jì)評(píng)估指標(biāo)對(duì)0-10cm、0-20cm和0-50cm層次的CLDAS（中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)）土壤相對(duì)濕度產(chǎn)品在遼寧省的模擬表現(xiàn)進(jìn)行評(píng)估檢驗(yàn)，以確定其在遼寧省的適用性。結(jié)果表明，3個(gè)土壤層次的CLDAS土壤相對(duì)濕度模擬結(jié)果與觀測(cè)值在時(shí)間尺度上存在趨勢(shì)一致性，具有顯著的正相關(guān)。生長(zhǎng)季內(nèi)遼寧省CLDAS平均土壤相對(duì)濕度模擬結(jié)果整體偏高，CLDAS對(duì)土壤相對(duì)濕度在60%～90%之間的模擬效果較好，對(duì)偏濕狀態(tài)（RSM＞90%）和偏干狀態(tài)（RSM＜60%）的模擬效果欠佳。3個(gè)層次的CLDAS土壤相對(duì)濕度模擬結(jié)果與觀測(cè)值存在一致的空間變化趨勢(shì)，總體呈西低東高趨勢(shì)分布。CLDAS土壤相對(duì)濕度模擬結(jié)果與觀測(cè)值呈顯著正相關(guān)關(guān)系，0-20cm和0-50cm層次上全省大部地區(qū)相關(guān)系數(shù)超過(guò)0.8。誤差評(píng)估結(jié)果在全省范圍內(nèi)的分布趨勢(shì)一致，遼寧東部、南部和西部的誤差較小，北部和中部的部分地區(qū)誤差較大，在康平—彰武—新民—臺(tái)安一線出現(xiàn)誤差異常高值區(qū)。CLDAS土壤相對(duì)濕度模擬結(jié)果在遼寧省具有較強(qiáng)的適用性和穩(wěn)定性，能夠較好地反映土壤水分盈虧變化狀況。

CLDAS；土壤相對(duì)濕度；遼寧省；評(píng)估檢驗(yàn)

農(nóng)業(yè)干旱是因降水少、氣溫高等因素導(dǎo)致的土壤墑情降低，而影響農(nóng)作物正常生長(zhǎng)發(fā)育的自然災(zāi)害[1]，干旱災(zāi)害已成為中國(guó)三大自然災(zāi)害之一[2?3]。在全球氣候變暖背景下，干旱災(zāi)害愈加頻繁，對(duì)農(nóng)作物的影響日益嚴(yán)重[4]。研究表明，近幾十年遼寧省干旱事件頻繁發(fā)生[5?7]，2013-2018年多次發(fā)生全省或區(qū)域性干旱事件，準(zhǔn)確有效地監(jiān)測(cè)農(nóng)業(yè)干旱的發(fā)生發(fā)展過(guò)程，對(duì)于保障糧食安全具有重要意義[8]。農(nóng)業(yè)干旱的監(jiān)測(cè)手段主要有干旱指數(shù)、土壤水分觀測(cè)和衛(wèi)星遙感等[9]。常見(jiàn)的干旱指數(shù)有水分虧缺距平指數(shù)（CWDIa）[10]、蒸發(fā)需求干旱指數(shù)（EDDI）[11]和標(biāo)準(zhǔn)化降水蒸散指數(shù)（SPEI）[12]等。受到指數(shù)模型和氣象觀測(cè)站點(diǎn)布局等因素的制約，干旱指數(shù)對(duì)干旱過(guò)程的準(zhǔn)確性和精細(xì)化程度反映不足[13]。土壤水分觀測(cè)手段能夠直觀、準(zhǔn)確地反映土壤中水分盈虧狀況[14?15]。但受到站網(wǎng)布局、儀器性能和土壤性狀等因素影響，不能精細(xì)化反映土壤水分空間分布情況[16?17]。衛(wèi)星遙感手段主要包括光學(xué)遙感和微波遙感技術(shù)實(shí)現(xiàn)土壤水分監(jiān)測(cè)，其具有高空間分辨率等特點(diǎn)[18?19]。受到天空狀況、重返周期等因素影響，衛(wèi)星遙感監(jiān)測(cè)的及時(shí)性和準(zhǔn)確性還有待提高。

近年來(lái)，隨著陸面模式和同化技術(shù)的不斷發(fā)展，通過(guò)融合不同空間分辨率的多源數(shù)據(jù)生成了多種陸面融合資料。國(guó)際上主流的陸面數(shù)據(jù)同化系統(tǒng)主要有全球陸面數(shù)據(jù)同化系統(tǒng)（Global Land Data Assimilation System，GLDAS）[20]、北美陸面數(shù)據(jù)同化系統(tǒng)（North-American Land Data Assimilation System，NLDAS）、歐洲陸面數(shù)據(jù)同化系統(tǒng)（ECMWF Land Data Assimilation System，ECMWF LDAS）等[21]。中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)（CMA Land Data Assimilation System，CLDAS）于2017年底集成了土壤溫濕度同化技術(shù)，得到了高分辨率的土壤溫度、濕度等數(shù)據(jù)產(chǎn)品，并對(duì)土壤溫濕度產(chǎn)品進(jìn)行了適用性評(píng)估[22?24]。韓帥等對(duì)CLDAS土壤濕度模擬結(jié)果進(jìn)行評(píng)估顯示，CLDAS土壤濕度模擬結(jié)果在中國(guó)區(qū)域具有較高精度，對(duì)干旱監(jiān)測(cè)等具有重要意義[25]。

為剔除遼寧省土壤凍結(jié)對(duì)CLDAS融合數(shù)據(jù)準(zhǔn)確性的影響[26]，同時(shí)滿足遼寧省大田作物生長(zhǎng)期內(nèi)開(kāi)展土壤相對(duì)濕度（Relative Soil Moisture，RSM）監(jiān)測(cè)需求，本研究選取遼寧省34個(gè)自動(dòng)土壤水分觀測(cè)站2020年5-10月逐日土壤相對(duì)濕度觀測(cè)數(shù)據(jù)，對(duì)逐日CLDAS融合土壤相對(duì)濕度進(jìn)行定量評(píng)估檢驗(yàn)，以期了解CLDAS融合土壤相對(duì)濕度數(shù)據(jù)在遼寧省的適用性，為CLDAS的應(yīng)用和模式改進(jìn)提供參考，為該產(chǎn)品在遼寧省生長(zhǎng)季開(kāi)展土壤墑情監(jiān)測(cè)精細(xì)化服務(wù)提供決策依據(jù)。

1 資料與方法

1.1 研究區(qū)域

遼寧省（38?44°N，118?126°E）面積14.8萬(wàn)km2，大致為南北走向，西部為丘陵地帶、中部為遼河平原、東部是山區(qū)，主要為長(zhǎng)白山余脈。氣候主要為溫帶大陸性季風(fēng)氣候，雨熱同期，四季分明，作物生長(zhǎng)季（5?10月）內(nèi)降水量在390～920mm。受西風(fēng)帶和地形等影響，區(qū)域內(nèi)降水分布不均，呈東部多、西部少，造成東部土壤易澇區(qū)和西部土壤易旱區(qū)。

1.2 資料來(lái)源及處理

1.2.1 CMA陸面數(shù)據(jù)同化系統(tǒng)（CLDAS-V2.0）

CLDAS-V2.0是國(guó)家氣象信息中心發(fā)布的中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)第二版，通過(guò)融合多源數(shù)據(jù)獲得亞洲地區(qū)的氣溫、氣壓、土壤溫濕度等格點(diǎn)數(shù)據(jù)[25]。本研究使用2020年5月1日?10月31日（作物生長(zhǎng)季）逐日的土壤相對(duì)濕度數(shù)據(jù)，格點(diǎn)產(chǎn)品覆蓋范圍為遼寧區(qū)域（38?44°N、118?126°E），空間分辨率為0.0625°×0.0625°，土壤相對(duì)濕度層次分別為0?10cm、0?20cm和0?50cm。

1.2.2 自動(dòng)土壤水分觀測(cè)數(shù)據(jù)

選取與CLDAS產(chǎn)品時(shí)間相對(duì)應(yīng)的遼寧省自動(dòng)土壤水分觀測(cè)站逐日10?50cm間隔10cm（5層）土壤相對(duì)濕度數(shù)據(jù)。通過(guò)界限極值檢查、異常增大檢查、異常減小檢查和異常恒定檢查等質(zhì)量控制[27?28]，剔除樣本數(shù)較少的站點(diǎn)，最終選取34個(gè)站點(diǎn)的數(shù)據(jù)與CLDAS產(chǎn)品進(jìn)行對(duì)比分析，站點(diǎn)分布如圖1。

利用雙線性插值法將CLDAS格點(diǎn)數(shù)據(jù)插值到自動(dòng)土壤水分站點(diǎn)，選擇自動(dòng)土壤水分站點(diǎn)10cm、10?20cm平均值和10?50cm平均值分別與CLDAS產(chǎn)品的0?10cm、0?20cm和0?50cm數(shù)據(jù)進(jìn)行對(duì)比研究。

圖1 遼寧省34個(gè)自動(dòng)土壤水分觀測(cè)站點(diǎn)分布

1.3 插值方法

1.3.1 雙線性插值（Bilinear Interpolation, BI）

采用雙線性插值方法將格點(diǎn)數(shù)據(jù)插值到站點(diǎn)上與站點(diǎn)數(shù)據(jù)進(jìn)行對(duì)比分析。選取站點(diǎn)鄰近的4個(gè)格點(diǎn)，利用4個(gè)格點(diǎn)的土壤相對(duì)濕度值，在2個(gè)方向上分別進(jìn)行1次線性插值，按照格點(diǎn)與站點(diǎn)的分配權(quán)重，并最終通過(guò)線性插值獲得站點(diǎn)插值結(jié)果。x軸方向線性插值獲取S1和S2值，計(jì)算式分別為

y軸方向線性插值獲取插值結(jié)果S值，計(jì)算式為

式（1）?式（3）中，站點(diǎn)為M（x，y），q1、q2、q3、q4分別為4個(gè)鄰近格點(diǎn)（x1，y1）、（x2，y1）、（x1，y2）和（x2，y2）的土壤相對(duì)濕度值，S為插值后站點(diǎn)M的土壤相對(duì)濕度值。

1.3.2 反距離權(quán)重插值（Inverse Distance Weighted, IDW）

反距離權(quán)重插值方法是通過(guò)被插值點(diǎn)附近樣本點(diǎn)的值對(duì)其進(jìn)行估算。利用樣本點(diǎn)與被插值點(diǎn)的距離分別對(duì)樣本點(diǎn)值賦予相應(yīng)的權(quán)重，距離被插值點(diǎn)越近的樣本點(diǎn)權(quán)重越大，反之越小。利用反距離權(quán)重插值方法把站點(diǎn)數(shù)據(jù)插值到網(wǎng)格點(diǎn)上，使其能夠與CLDAS數(shù)據(jù)開(kāi)展空間對(duì)比分析。反距離權(quán)重插值方法計(jì)算式為

式（4）?式（5）中，di為第i個(gè)樣本點(diǎn)（xi，yi）與格點(diǎn)N的距離，qi為第i個(gè)樣本點(diǎn)的值，n為樣本總數(shù)，S為被插值格點(diǎn)N（x，y）的土壤相對(duì)濕度值，β為距離的冪，通常為2。

1.4 評(píng)估方法

采用相關(guān)系數(shù)（r）、均方根誤差（RSME）、平均絕對(duì)誤差（MAE）和偏差（ME）等統(tǒng)計(jì)方法對(duì)CLDAS土壤相對(duì)濕度數(shù)據(jù)進(jìn)行評(píng)估，計(jì)算式為

2 結(jié)果與分析

2.1 各土層CLDAS土壤相對(duì)濕度數(shù)值逐日變化檢驗(yàn)

2.1.1 與全區(qū)平均逐日觀測(cè)值對(duì)比

利用雙線性插值方法將逐日CLDAS格點(diǎn)數(shù)據(jù)插值到自動(dòng)土壤水分站點(diǎn)，并進(jìn)行全省平均獲得遼寧省0?10cm、0?20cm和0?50cm土層逐日CLDAS土壤相對(duì)濕度模擬值和自動(dòng)土壤水分觀測(cè)值（圖2）。由圖2可知，土壤相對(duì)濕度模擬值與觀測(cè)值在0?10cm、0?20cm和0?50cm層次上均具有較好的一致性，且相關(guān)性顯著，3個(gè)土層的相關(guān)系數(shù)分別為0.926、0.947和0.953，均通過(guò)0.01水平的顯著性檢驗(yàn)。整個(gè)生長(zhǎng)季CLDAS土壤相對(duì)濕度模擬結(jié)果整體偏高，平均絕對(duì)誤差（MAE）顯示，隨著土壤深度增加，平均絕對(duì)誤差下降明顯。其中，0?10cm的平均絕對(duì)誤差最大，為15.5個(gè)百分點(diǎn)；0?20cm誤差次之；0?50cm誤差最小，為4.8個(gè)百分點(diǎn)。3個(gè)層次的CLDAS土壤相對(duì)濕度在8月下旬?9月上旬的模擬效果遠(yuǎn)好于其它時(shí)段，而在發(fā)生了嚴(yán)重夏旱的6月上旬?8月上旬模擬結(jié)果較差，表明在遼寧省作物生長(zhǎng)季內(nèi)CLDAS土壤相對(duì)濕度模擬結(jié)果整體偏高，對(duì)偏干狀態(tài)（土壤相對(duì)濕度RSM＜60%）模擬效果偏差，而對(duì)墑情適宜狀態(tài)（60%≤RSM≤90%）模擬效果較好。8月中旬?9月中旬，強(qiáng)降水造成0?10cm和0-20cm土層土壤墑情過(guò)飽和（RSM＞90%），土壤相對(duì)濕度觀測(cè)值和模擬值均有一致的響應(yīng)信號(hào)。

2.1.2 與典型站點(diǎn)逐日觀測(cè)值對(duì)比

由于遼寧省不同區(qū)域下墊面差異較大，降水分布不均等影響，全省取平均值后降低了空間差異對(duì)誤差評(píng)估結(jié)果的影響，提高了模擬結(jié)果與觀測(cè)值之間的相關(guān)性。為研究不同區(qū)域CLDAS土壤相對(duì)濕度模擬效果，在遼寧省東部、南部、西部、北部和中部分別選擇新賓、大洼、朝陽(yáng)、西豐和沈北新區(qū)5個(gè)典型站點(diǎn)，對(duì)5個(gè)典型站的0?10cm、0?20cm和0?50cm的土壤相對(duì)濕度（RSM）實(shí)測(cè)值與對(duì)應(yīng)的CLDAS模擬值進(jìn)行對(duì)比分析（圖3），并對(duì)各典型站點(diǎn)進(jìn)行檢驗(yàn)評(píng)估（表1）。

圖3繪制了5個(gè)典型站2020年5月1日?10月31日0?10cm、0?20cm和0?50cm土層的土壤相對(duì)濕度觀測(cè)值和CLDAS模擬值的時(shí)間序列。由圖可見(jiàn)，5個(gè)典型站點(diǎn)的CLDAS模擬結(jié)果與土壤相對(duì)濕度觀測(cè)結(jié)果的變化趨勢(shì)基本一致，但振幅變化差異較大。對(duì)模擬結(jié)果進(jìn)行檢驗(yàn)評(píng)估顯示（表1），5個(gè)典型站點(diǎn)的各層相關(guān)系數(shù)均大于0.4，均穩(wěn)定通過(guò)0.01水平的顯著性檢驗(yàn)。CLDAS模擬值與土壤相對(duì)濕度觀測(cè)值存在明顯的正相關(guān)，相關(guān)系數(shù)最大值出現(xiàn)在沈北新區(qū)的0?50cm土層，為0.902；最小值為0.424，出現(xiàn)在朝陽(yáng)站的0?50cm土層。從偏差上看，新賓、朝陽(yáng)和沈北新區(qū)模擬值大于或接近觀測(cè)值，偏差值均為正，其中偏差最大的為新賓站0?10cm土層，達(dá)28.5個(gè)百分點(diǎn)；大洼和西豐的模擬值均小于或接近觀測(cè)值，偏差值為負(fù)，偏差最小值出現(xiàn)在西豐站0?50cm土層，為?37.3個(gè)百分點(diǎn)。平均絕對(duì)誤差顯示，西豐站、朝陽(yáng)站和新賓站0?10cm的平均絕對(duì)誤差較大，最大值出現(xiàn)在西豐站0?50cm土層，為37.3個(gè)百分點(diǎn)。圖3顯示，除6?7月以外，西豐站各層土壤相對(duì)濕度觀測(cè)值與CLDAS模擬值誤差較大，表明CLDAS模擬結(jié)果對(duì)偏濕狀態(tài)（RSM＞90%）模擬效果較差。朝陽(yáng)站模擬誤差主要出現(xiàn)在5?6月和10月，該時(shí)段觀測(cè)值顯示土壤相對(duì)濕度均在60%以下，而CLDAS對(duì)相對(duì)濕度小于60%以下的偏干狀態(tài)模擬效果也不理想。6?7月的新賓站和沈北新區(qū)站也出現(xiàn)了對(duì)偏干狀態(tài)模擬誤差偏大的情況。自動(dòng)土壤水分觀測(cè)數(shù)據(jù)對(duì)降水反映較為明顯，以新賓站為例，8月31日?9月10日該站出現(xiàn)多次明顯降水，累計(jì)降水量為172.7mm。強(qiáng)降水造成土壤墑情過(guò)飽和，自動(dòng)土壤水分站觀測(cè)數(shù)據(jù)劇烈波動(dòng)，而CLDAS土壤相對(duì)濕度數(shù)據(jù)相對(duì)比較平穩(wěn)。綜上所述，CLDAS土壤相對(duì)濕度模擬結(jié)果與觀測(cè)值在時(shí)間尺度上存在趨勢(shì)一致性，且具有顯著的正相關(guān)；CLDAS對(duì)土壤相對(duì)濕度在60%～90%之間的模擬效果較好，對(duì)偏濕狀態(tài)（RSM＞90%）和偏干狀態(tài)（RSM＜60%）的模擬結(jié)果效果較差。

圖2 遼寧省土壤相對(duì)濕度觀測(cè)值與CLDAS模擬值逐日變化對(duì)比

表1 遼寧省5個(gè)典型站點(diǎn)生長(zhǎng)季（5?10月）CLDAS土壤相對(duì)濕度評(píng)估結(jié)果

注：*、**分別表示相關(guān)系數(shù)通過(guò)0.05、0.01水平的顯著性檢驗(yàn)。下同。

Note:*is P<0.05，**is P<0.01. The same as below.

2.2 CLDAS土壤相對(duì)濕度數(shù)值的空間變化檢驗(yàn)

2.2.1 與各土層實(shí)測(cè)數(shù)據(jù)平均值分布對(duì)比

利用反距離權(quán)重插值方法將自動(dòng)土壤水分站10cm、10?20cm和10?50cm土層逐日土壤相對(duì)濕度數(shù)據(jù)插值到分辨率為0.0625°的空間網(wǎng)格點(diǎn)上，形成3個(gè)土層逐日土壤水分觀測(cè)值格點(diǎn)數(shù)據(jù)集，再對(duì)研究時(shí)段內(nèi)求平均值，獲得3個(gè)層次土壤相對(duì)濕度觀測(cè)值的空間分布（圖4a?圖4c）。求取研究時(shí)段內(nèi)3個(gè)層次的逐日CLDAS土壤相對(duì)濕度平均值，得到不同層次土壤相對(duì)濕度模擬值的空間分布（圖4d?圖4f）。

圖3 2020年典型站點(diǎn)各層土壤相對(duì)濕度觀測(cè)值與CLDAS模擬值逐日變化對(duì)比

從圖4a?圖4c可以看出，遼寧省2020年生長(zhǎng)季（5?10月）土壤相對(duì)濕度在3個(gè)層次均呈西低東高走勢(shì)。受降水、下墊面類(lèi)型等影響，西部丘陵土壤相對(duì)濕度明顯小于東部山區(qū)。分層來(lái)看，3個(gè)層次均存在遼寧東北部和東南部2個(gè)土壤相對(duì)濕度高值區(qū)；低值中心隨著土壤厚度增加存在偏西趨勢(shì)，10cm土壤相對(duì)濕度低值中心位于北票—臺(tái)安一帶，10?20cm的低值中心偏移至朝陽(yáng)縣，10?50cm的低值中心移至喀左—凌源一帶。圖4d?圖4f分別顯示了CLDAS模擬的0?10cm、0?20cm和0?50cm層次土壤相對(duì)濕度空間分布。從圖中可見(jiàn)，CLDAS模擬結(jié)果與觀測(cè)值存在一致的空間變化趨勢(shì)，3個(gè)層次土壤相對(duì)濕度總體呈現(xiàn)西低東高分布。分析不同層次模擬結(jié)果發(fā)現(xiàn)，3個(gè)層次模擬結(jié)果垂直變化較小，表明CLDAS模擬結(jié)果比較穩(wěn)定，縱向變化較小，主要集中在60%～90%。對(duì)比模擬結(jié)果與觀測(cè)值的空間分布可見(jiàn)，3個(gè)層次在低值區(qū)的模擬結(jié)果較觀測(cè)值偏大，對(duì)偏干地區(qū)（RSM<60%）的模擬空間范圍較小，模擬的低值中心均出現(xiàn)在盤(pán)錦地區(qū)；模擬結(jié)果存在2個(gè)偏濕地區(qū)（RSM>90%），分別為遼寧東部山區(qū)和彰武—新民—遼中一線。對(duì)于遼寧東部的偏濕地區(qū)，模擬與觀測(cè)結(jié)果較一致。彰武—新民—遼中一線的模擬偏濕結(jié)果與觀測(cè)值存在明顯差異，諸多學(xué)者研究表明[5?6]，該地區(qū)受地形及下墊面影響，常年土壤墑情較差，在該區(qū)域CLDAS的模擬結(jié)果與實(shí)測(cè)值存在明顯偏差。

圖4 遼寧省2020年生長(zhǎng)季（5?10月平均值）各層土壤相對(duì)濕度觀測(cè)值（a?c）和CLDAS模擬值（d?f）的空間分布

2.2.2 與各土層實(shí)測(cè)數(shù)據(jù)序列的相關(guān)系數(shù)

利用2020年生長(zhǎng)季內(nèi)分辨率為0.0625°的逐日自動(dòng)土壤水分站格點(diǎn)數(shù)據(jù)集與逐日CLDAS土壤相對(duì)濕度格點(diǎn)數(shù)據(jù)集構(gòu)建逐個(gè)格點(diǎn)上時(shí)間序列，并計(jì)算每個(gè)格點(diǎn)上0?10cm、0?20cm和0?50cm土層CLDAS土壤相對(duì)濕度模擬值與觀測(cè)值的相關(guān)系數(shù)、均方根誤差（RSME）、平均絕對(duì)誤差（MAE）和偏差（ME）。圖5給出了遼寧省生長(zhǎng)季內(nèi)3個(gè)層次土壤相對(duì)濕度模擬結(jié)果與觀測(cè)值的相關(guān)性。從圖5中可以看出，3個(gè)層次土壤相對(duì)濕度的相關(guān)系數(shù)介于0.30～0.95之間，CLDAS模擬結(jié)果與觀測(cè)值呈顯著正相關(guān)。土壤相對(duì)濕度模擬結(jié)果相關(guān)系數(shù)空間分布顯示，3個(gè)層次的相關(guān)系數(shù)低值區(qū)均出現(xiàn)在遼寧西部和東部，其它大部地區(qū)相關(guān)性均達(dá)到0.75以上。從相關(guān)性上看，隨著土壤厚度增加，相關(guān)性越好，0?50cm層次的相關(guān)性最高，0?10cm層次的相關(guān)性最低。結(jié)合時(shí)間變化分析可知，淺層土壤相對(duì)濕度變化幅度較深層土壤大，而CLDAS模擬結(jié)果對(duì)極值模擬效果較差，造成淺層土壤相關(guān)性小于深層土壤。從0?20cm和0?50cm層次土壤相對(duì)濕度相關(guān)系數(shù)空間分布可見(jiàn)（圖5b和5c），全省大部地區(qū)相關(guān)系數(shù)大于0.85，相關(guān)系數(shù)高值區(qū)主要分布于遼寧中部、南部和北部，表明CLDAS模擬結(jié)果在遼寧省大部地區(qū)具有較好的適用性。

圖5 遼寧省各層土壤相對(duì)濕度實(shí)測(cè)值與CLDAS模擬值的相關(guān)系數(shù)空間分布

2.2.3 與各土層實(shí)測(cè)數(shù)據(jù)的誤差分布

圖6a?圖6c分別反映了遼寧省2020年生長(zhǎng)季內(nèi)0?10cm、0?20cm和0?50cm層次土壤相對(duì)濕度模擬值與觀測(cè)值均方根誤差（RSME）的空間分布。由圖可見(jiàn)，3個(gè)土壤層次的均方根誤差總體處于5%～40%，以0?50cm最小，RSME主要介于5%～20%；0?10cm的均方根誤差最大，主要介于10%～30%。從空間尺度上看，3個(gè)層次均方根誤差分布呈總體一致性，遼寧東部、南部和西部均方根誤差較??；均方根誤差大值區(qū)主要分布于遼寧北部和中部?？灯健梦洹旅瘛_(tái)安一線的均方根誤差大于40%，出現(xiàn)明顯的大值區(qū)。

圖6d?圖6f分別是遼寧省2020年生長(zhǎng)季內(nèi)3個(gè)層次土壤相對(duì)濕度的平均絕對(duì)誤差（MAE）空間分布?？臻g尺度上看，3個(gè)層次土壤相對(duì)濕度的平均絕對(duì)誤差均總體小于20個(gè)百分點(diǎn)，主要分布于遼寧東部、南部和西部。3個(gè)土層的平均絕對(duì)誤差相比較發(fā)現(xiàn)，0?50cm的平均絕對(duì)誤差最小，0?20cm次之，0?10cm誤差最大。平均絕對(duì)誤差大值區(qū)亦出現(xiàn)在康平—彰武—新民—臺(tái)安一線，均大于40%。綜合均方根誤差和平均絕對(duì)誤差可見(jiàn)，兩種誤差評(píng)估結(jié)果在全省范圍內(nèi)反映的趨勢(shì)一致，即遼寧東部、南部和西部的誤差較小，北部和中部的部分地區(qū)誤差較大，尤其在康平—彰武—新民—臺(tái)安一線出現(xiàn)誤差異常高值區(qū)?？v向來(lái)看，0?50cm土層相對(duì)濕度誤差最小，0?20cm次之，0?10cm誤差最大。

圖6 遼寧省各層土壤相對(duì)濕度觀測(cè)值與CLDAS模擬值的RSME、MAE和ME的空間分布

圖6g?圖6i為遼寧省2020年生長(zhǎng)季3個(gè)層次土壤相對(duì)濕度模擬值與觀測(cè)值偏差（ME）的空間分布。由圖6g可以看出，CLDAS土壤相對(duì)濕度在0?10cm土層的模擬結(jié)果在全省范圍內(nèi)均存在正偏差，偏差范圍主要在0～40%，反映了0?10cm土層模擬結(jié)果總體偏大，偏差較大地區(qū)主要分布于新民—臺(tái)安和北票—凌海。CLDAS土壤相對(duì)濕度在0?20cm土層模擬結(jié)果總體較好，全省偏差主要介于?20%～20%之間（圖6h）。CLDAS土壤相對(duì)濕度0?50cm土層模擬結(jié)果負(fù)偏差空間范圍較0?20cm土層擴(kuò)大，負(fù)偏差主要分布于遼寧東部和南部（圖6i）?？傮w來(lái)說(shuō)，隨著土壤深度增加，土壤相對(duì)濕度模擬結(jié)果偏差逐漸減小，并存在從正偏差向負(fù)偏差轉(zhuǎn)變趨勢(shì)。

3 結(jié)論與討論

3.1 結(jié)論

基于遼寧省2020年生長(zhǎng)季自動(dòng)土壤水分站逐日觀測(cè)資料，利用統(tǒng)計(jì)評(píng)估指標(biāo)和方法對(duì)3個(gè)層次的CLDAS土壤相對(duì)濕度產(chǎn)品在遼寧省的模擬表現(xiàn)進(jìn)行檢驗(yàn)分析。研究表明，在0?10cm、0?20cm和0?50cm層次上CLDAS土壤相對(duì)濕度模擬結(jié)果與觀測(cè)值在時(shí)間尺度上存在趨勢(shì)一致性，具有顯著的正相關(guān)。生長(zhǎng)季內(nèi)遼寧省CLDAS平均土壤相對(duì)濕度模擬結(jié)果整體偏高，CLDAS對(duì)土壤相對(duì)濕度在60%～90%之間的模擬效果較好，對(duì)偏濕狀態(tài)（RSM＞90%）和偏干狀態(tài)（RSM＜60%）的模擬結(jié)果效果較差。從平均絕對(duì)誤差上看，淺層土壤相對(duì)濕度模擬誤差大于深層土壤。從典型站上看，新賓、朝陽(yáng)和沈北新區(qū)存在明顯的正偏差，大洼和西豐的負(fù)偏差顯著。

空間尺度上，0?10cm、0?20cm和0?50cm層次上CLDAS土壤相對(duì)濕度模擬結(jié)果與自動(dòng)土壤水分站觀測(cè)值存在一致的空間變化趨勢(shì)，總體呈西低東高趨勢(shì)分布。CLDAS模擬結(jié)果低值中心出現(xiàn)在盤(pán)錦地區(qū)，自動(dòng)土壤水分觀測(cè)結(jié)果的低值中心出現(xiàn)在遼西地區(qū)。高值中心落區(qū)在彰武—新民—遼中一線。相關(guān)性上，0?20cm和0?50cm層次上遼寧省大部地區(qū)相關(guān)系數(shù)超過(guò)0.8，CLDAS土壤相對(duì)濕度模擬結(jié)果與觀測(cè)值呈顯著正相關(guān)。誤差方面，誤差評(píng)估結(jié)果在全省范圍內(nèi)反映的趨勢(shì)一致，即遼寧東部、南部和西部的誤差較小，北部和中部的部分地區(qū)誤差較大，尤其在康平—彰武—新民—臺(tái)安一線出現(xiàn)誤差異常高值區(qū)?？v向來(lái)看，0?50cm土壤相對(duì)濕度誤差最小，0?20cm次之，0?10cm誤差最大。隨著土壤深度增加，土壤相對(duì)濕度模擬結(jié)果偏差逐漸減小，并存在從正偏差向負(fù)偏差轉(zhuǎn)變趨勢(shì)。CLDAS土壤相對(duì)濕度模擬結(jié)果在遼寧省具有較強(qiáng)的適用性和穩(wěn)定性，能夠較好地反映土壤水分盈虧變化狀況。

3.2 討論

利用自動(dòng)土壤水分站逐日觀測(cè)的土壤相對(duì)濕度數(shù)據(jù)對(duì)CLDAS模擬結(jié)果進(jìn)行檢驗(yàn)顯示，二者在遼寧省大部地區(qū)具有相關(guān)性好、誤差低、穩(wěn)定性高等特點(diǎn)。CLDAS土壤相對(duì)濕度數(shù)據(jù)在遼寧地區(qū)具有較好的適用性。但亦存在局部地區(qū)相關(guān)性較小、誤差偏大等問(wèn)題，尤其是康平、彰武、新民、臺(tái)安等地區(qū)，出現(xiàn)了偏差高值區(qū)。這些地區(qū)在0?20cm和0?50cm層次具有較高的相關(guān)性，表明CLDAS在該地區(qū)具有良好的穩(wěn)定性，但偏差較大，今后利用CLDAS數(shù)據(jù)對(duì)該地區(qū)進(jìn)行土壤水分監(jiān)測(cè)需進(jìn)行訂正，以期更好地反映土壤水分盈虧狀況。

當(dāng)前土壤墑情監(jiān)測(cè)業(yè)務(wù)主要依賴自動(dòng)土壤水分觀測(cè)站和人工土壤水分觀測(cè)結(jié)果開(kāi)展服務(wù)，存在站點(diǎn)稀疏或觀測(cè)時(shí)間尺度大等問(wèn)題，無(wú)法滿足土壤墑情精細(xì)化監(jiān)測(cè)需求。CLDAS系統(tǒng)業(yè)務(wù)化應(yīng)用對(duì)開(kāi)展土壤墑情精細(xì)化監(jiān)測(cè)具有重要意義。前文分析結(jié)果顯示，CLDAS土壤墑情模擬結(jié)果對(duì)極值模擬效果較弱，更好地開(kāi)展土壤墑情精細(xì)化監(jiān)測(cè)，對(duì)CLDAS土壤相對(duì)濕度模擬結(jié)果進(jìn)行訂正是十分必要的。崔園園等利用回歸訂正法和7旬滑動(dòng)平均訂正法對(duì)東北地區(qū)逐旬土壤相對(duì)濕度進(jìn)行了訂正，取得較好效果[26]。但利用逐日CLDAS土壤相對(duì)濕度數(shù)據(jù)開(kāi)展土壤墑情監(jiān)測(cè)，需要對(duì)其進(jìn)行空間尺度上的訂正，所采用的訂正方法以及非觀測(cè)站點(diǎn)地區(qū)的訂正效果檢驗(yàn)有待進(jìn)一步深入研究。

[1] 袁文平,周廣勝.干旱指標(biāo)的理論分析與研究展望[J].地球科學(xué)進(jìn)展,2004,19(6):982-991.

Yuan W P,Zhou G S.Theoratical study and research prospect on drought indices[J].Advances in Earth Science, 2004,19(6):982-991.(in Chinese)

[2] 趙佳琪,張強(qiáng),朱秀迪,等.中國(guó)旱災(zāi)風(fēng)險(xiǎn)定量評(píng)估[J].生態(tài)學(xué)報(bào),2021,41(3):1021-1031.

Zhao J Q,Zhang Q,Zhu X D,et al.Quantitative assessment of drought risk in China[J].Acta Ecologica Sinica,2021,41 (3):1021-1031.(in Chinese)

[3] 管曉丹,石瑞,孔祥寧,等.全球變化背景下半干旱區(qū)陸氣機(jī)制研究綜述[J].地球科學(xué)進(jìn)展,2018,33(10):995-1004.

Guan X D,Shi R,Kong X N,et al.An overview of researches on land-atmosphere interaction over semi-arid region under global changes[J].Advances in Earth Science,2018,33(10): 995-1004.(in Chinese)

[4] IPCC.Climate change 2014:synthesis report.Contribution of Working Groups I, II and III to the Fifth assessment report of the intergovernmental panel on climate change[R]. Geneva,Switzerland:IPCC,2014.

[5] 張運(yùn)福,房一禾,龔強(qiáng).基于SPEI指數(shù)的遼寧省生長(zhǎng)季干旱時(shí)空特征[J].生態(tài)學(xué)雜志,2017,36(1):190-197.

Zhang Y F,Fang Y H,Gong Q.Analysis of temporal and spatial characteristics of growing season drought in Liaoning Province based on standardized precipitation- evapotranspiration index[J].Chinese Journal of Ecology, 2017,36(1):190-197.(in Chinese)

[6] 吳瓊,趙春雨,王大鈞,等.1951-2014年遼寧省氣象干旱時(shí)空特征分析[J].干旱區(qū)資源與環(huán)境,2016,30(3):151-157.

Wu Q,Zhao C Y,Wang D J,et al.Spatial and temporal characteristics of meteorological drought in Liaoning Province from 1951 to 2014[J].Journal of Arid Land Resources and Environment,2016,30(3):151-157.(in Chinese)

[7] 高西寧,徐慶喆,叢俊霞,等.基于標(biāo)準(zhǔn)化降水指數(shù)的遼寧省近54年干旱時(shí)空規(guī)律分析[J].生態(tài)環(huán)境學(xué)報(bào),2015,24(11): 1851-1857.

Gao X N,Xu Q Z,Cong J X,et al.Temporal and spatial patterns of droughts based on standard precipitation index(SPI) in Liaoning Province in recent 54a[J].Ecology and Environmental Sciences,2015,24(11):1851-1857.(in Chinese)

[8] 劉東明,紀(jì)瑞鵬,陳鵬獅,等.蒸發(fā)需求干旱指數(shù)(EDDI)在遼寧省干旱識(shí)別中的應(yīng)用[J].應(yīng)用生態(tài)學(xué)報(bào),2020, 31(10): 3480-3488.

Liu D M,Ji R P,Chen P S,et al.Application of evaporative demand drought index(EDDI) in drought identification of Liaoning Province,China[J].Chinese Journal of Applied Ecology,2020,31(10):3480-3488.(in Chinese)

[9] 張強(qiáng),張良,崔顯成,等.干旱監(jiān)測(cè)與評(píng)價(jià)技術(shù)的發(fā)展及其科學(xué)挑戰(zhàn)[J].地球科學(xué)進(jìn)展,2011,26(7):763-778.

Zhang Q,Zhang L,Cui X C,et al.Progresses and challenges in drought assessment and monitoring[J].Advances in Earth Science,2011,26(7):763-778.( in Chinese)

[10] 魏堃,張勃,馬尚謙,等.甘肅省河?xùn)|地區(qū)春玉米干旱演變特征及災(zāi)損風(fēng)險(xiǎn)區(qū)劃[J].干旱地區(qū)農(nóng)業(yè)研究,2019,37(6): 238-247.

Wei K,Zhang B,Ma S Q,et al.Drought evolution characteristics and risk zoning of spring maize in Hedong of Gansu Province[J].Agricultural Research in the Arid Areas,2019,37(6):238-247.(in Chinese)

[11] Hobbins M，Wood A，McEvoy D J. et al.The evaporative demand drought index(part I):Linking drought evolution to variations in evaporative demand[J].Journal of Hydrometeorology, 2016,17(6):1745-1761.

[12] Vicente-Serrano S M,Begueria S,Lopez-Moreno J I.A multiscalar drought index sensitive to global warming:the standardized precipitation evapotranspiration index[J].Journal of climate,2010,23(7):1696-1718.

[13] 李憶平,李耀輝.氣象干旱指數(shù)在中國(guó)的適應(yīng)性研究進(jìn)展[J].干旱氣象,2017,35(5):709-723.

Li Y P,Li Y H.Advances in adaptability of meteorological drought indices in China[J].Journal of Arid Meteorology, 2017,35(5):709-723.(in Chinese)

[14] 朱青,廖凱華,賴曉明,等.流域多尺度土壤水分監(jiān)測(cè)與模擬研究進(jìn)展[J].地理科學(xué)進(jìn)展,2019,38(8):1150-1158.

Zhu Q,Liao K H,Lai X M,et al.A review of soil water monitoring and modelling across spatial scales in the watershed[J].Progress in Geography,2019,38(8):1150-1158. (in Chinese)

[15] Dai A.Drought under global warming:a review[J].Wiley Interdisciplinary Reviews:Climate Change,2011,2(1):45-65.

[16] 劉憲鋒,朱秀芳,潘耀忠,等.農(nóng)業(yè)干旱監(jiān)測(cè)研究進(jìn)展與展望[J].地理學(xué)報(bào),2015,70(11):1835-1848.

Liu X F,Zhu X F,Pan Y Z,et al.Agricultural drought monitor: Progress,challenges and prospect[J].Acta Geographica Sinica, 2015,70(11):1835-1848.(in Chinese)

[17] 吳澤棉,邱建秀,劉蘇峽,等.基于土壤水分的農(nóng)業(yè)干旱監(jiān)測(cè)研究進(jìn)展[J].地理科學(xué)進(jìn)展,2020,39(10):1758-1769.

Wu Z M,Qiu J X,Liu S X,et al.Advances in agricultural drought monitoring based on soil moisture[J].Progress in Geography,2020,39(10):1758-1769.(in Chinese)

[18] 趙天杰.被動(dòng)微波反演土壤水分的L波段新發(fā)展及未來(lái)展望[J].地理科學(xué)進(jìn)展,2018,37(2):198-213.

Zhao T J.Recent advances of L-band application in the passive microwave remote sensing of soil moisture and its prospects[J].Progress in Geography,2018,37(2):198-213.(in Chinese)

[19] 王雅正,楊元建,劉超,等.風(fēng)云三號(hào)衛(wèi)星微波遙感土壤水分產(chǎn)品在山東地區(qū)的適用性分析[J].中國(guó)農(nóng)業(yè)氣象,2021, 42(4):318-329.

Wang Y Z,Yang Y J,Liu C,et al.Analysis on the applicability of Fengyun-3 satellite microwave remote sensing soil moisture products in Shandong[J].Chinese Journal of Agrometeorology,2021,42(4):318-329.(in Chinese)

[20] Rodell M, Houser P R,Jambor U E A,et al.The global land data assimilation system[J].Bull Am Meteor Soc,2004, 85(3):381-394.

[21] Zou L,Gao W,Xu X,et al.A 3DVAR land data assimilation scheme(Part 2).Test with ECMWF ERA-40[P].Proc Spie, 2006,7(1):6298-6310.

[22] 龔偉偉.CMA陸面數(shù)據(jù)同化系統(tǒng)(CLDAS)產(chǎn)品評(píng)估[D].南京:南京信息工程大學(xué),2014.

Gong W W.Evaluation on the products of CMA land data assimilation system[D].Nanjing:Nanjing University of Information Science and Technology,2014.(in Chinese)

[23] 孫帥,師春香,梁曉,等.不同陸面模式對(duì)我國(guó)地表溫度模擬的適用性評(píng)估[J].應(yīng)用氣象學(xué)報(bào),2017,28(6):737-749.

Sun S,Shi C X,Liang X,et al.Assessment of ground temperature simulation in China by different land surface models based on station observations[J].Journal of Applied Meteorological Science,2017,28(6):737-749.(in Chinese)

[24] 王智慧,師春香,沈潤(rùn)平,等.CLDAS驅(qū)動(dòng)陸面模式模擬中國(guó)區(qū)域潛熱通量的精度評(píng)價(jià)[J].中國(guó)農(nóng)業(yè)氣象,2020,42 (12):761-773.

Wang Z H,Shi C X,Shen R P,et al.CLDAS drive land surface model to simulate latent heat flux in China[J]. Chinese Journal of Agrometeorology,2020,42(12): 761-773. (in Chinese)

[25] 韓帥,師春香,姜立鵬,等.CLDAS土壤濕度模擬結(jié)果及評(píng)估[J].應(yīng)用氣象學(xué)報(bào),2017,28(3):369-378.

Han S,Shi C X,Jang L P,et al.The Simulation and evaluation of soil moisture based on CLDAS[J].Journal of Applied Meteorological Science,2017,28(3):369-378.(in Chinese)

[26] 崔園園,張強(qiáng),覃軍,等.CLDAS融合土壤濕度產(chǎn)品在東北地區(qū)的適用性評(píng)估及訂正[J].中國(guó)農(nóng)業(yè)氣象,2019, 40(10):660-668.

Cui Y Y,Zhang Q,Qin J,et al.Applicability evaluation of CLDAS merged relative soil moisture in Northeast of China and its correction research[J].Chinese Journal of Agrometeorology,2019,40(10):660-668.(in Chinese)

[27] 王良宇,何延波.自動(dòng)土壤水分觀測(cè)數(shù)據(jù)異常值閾值研究[J].氣象,2015,41(8):1017-1022.

Wang L Y,He Y B.Research on outlier threshold of automatic soil moisture observation data[J].Meteorological Monthly,2015,41(8):1017-1022.(in Chinese)

[28] 王佳強(qiáng),趙煜飛,任芝花,等.中國(guó)自動(dòng)土壤水分觀測(cè)資料質(zhì)量控制方法設(shè)計(jì)與效果檢驗(yàn)[J].氣象,2018,44(2):244-257.

Wang J Q,Zhao Y F,Ren Z H,et al.Design and verification of quality control methods for automatic soil moisture observation data in China[J].Meteorological Monthly,2018, 44(2):244-257.(in Chinese)

Evaluation and Verification of CLDAS Relative Soil Moisture Products during Growing Season in Liaoning Province

LIU Dong-ming1, WU Men-xin2, HOU Ying-yu2, CHEN Peng-shi1, ZHANG Wei-wei1, WANG He-ran1

(1. Ecological Meteorology and Satellite Remote Sensing Center of Liaoning Province, Shenyang 110166,China; 2.National Meteorological Center, Beijing 100081)

Based on the daily observation data of automatic soil moisture stations in Liaoning province during growing season (May to October) in 2020, the simulation performance of CLDAS(CMA Land Data Assimilation System) relative soil moisture products at 0?10cm, 0-20cm and 0-50cm levels was evaluated and tested by using statistical evaluation indices and methods including correlation coefficient (r), root mean squared error (RMSE), mean absolute error (MAE) and deviation to comprehend the application of CLDAS fusion relative soil moisture data. The results showed that there are trend consistency and significant positive correlation on time scale between CLDAS relative soil moisture simulation results and observed values in three soil layers. During the growing season, the simulation results of CLDAS average relative soil moisture were generally high. CLDAS had a relatively nice simulation effect when the relative soil moisture was between 60% and 90%, and had a relatively poor simulation effect when the relative soil moisture data were in the state of partial wet (RSM > 90%) and partial dry (RSM < 60%). On the other hand, the spatial variation showed a consistent tendency between CLDAS relative soil moisture simulation results and observed values at three levels, and the overall distribution was relatively low in the west and relatively high in the east. There was a significant positive correlation between CLDAS relative soil moisture simulation results and observed values, and the correlation coefficient was more than 0.8 in 0-20cm and 0-50cm soil layer in most areas of Liaoning province. The distribution trend of error assessment results was coincident in the whole province. The errors in the eastern, southern and western parts of Liaoning were relatively small, while those in the northern and central parts were relatively large. Abnormal high value area of error occurred in the line of Kangping-Zhangwu-Xinmin-Tai 'an. The relative soil moisture simulation results of CLDAS had a fairly strong applicability and stability in Liaoning province, which could reflect the variation of soil water surplus and deficit well.

CLDAS; Relative soil moisture; Liaoning province; Evaluation and verification

10.3969/j.issn.1000-6362.2022.01.002

劉東明,吳門(mén)新,侯英雨,等.遼寧省生長(zhǎng)季CLDAS土壤相對(duì)濕度產(chǎn)品的評(píng)估檢驗(yàn)[J]中國(guó)農(nóng)業(yè)氣象,2022,43(1):17-27

收稿日期：2021?05?07

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2018YFC1506500）；遼寧省氣象局科學(xué)技術(shù)研究課題（202105）；中國(guó)氣象局沈陽(yáng)大氣環(huán)境研究所開(kāi)放基金（2019SYIAE09）

通訊作者：吳門(mén)新，正研級(jí)高級(jí)工程師，主要從事農(nóng)業(yè)氣象業(yè)務(wù)及科研工作，E-mail：wumx@cma.gov.cn

劉東明，E-mail：guxing-345@163.com