孟越，王大剛，林泳恩，杜懿，張智，王大洋，林澤群

中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣東 廣州 510006

土壤含水量是地球生態(tài)系統(tǒng)中至關(guān)重要的參數(shù)變量，在地表與大氣之間水循環(huán)及能量流動中發(fā)揮著非常重要的作用［1］，是連接水文過程、生物生態(tài)過程和生物地球化學(xué)過程中的重要紐帶［2-4］。在水文模型中，土壤含水量的大小通常能夠影響下滲速率以及徑流速率，其值的準(zhǔn)確程度會很大程度上影響洪水模擬預(yù)報(bào)的精度［5］。在陸面模式中，土壤含水量是影響地表土壤水蒸發(fā)速率、決定根層下滲速率的重要參數(shù)之一，它的誤差大小會直接影響陸面模式模擬和預(yù)報(bào)陸表水熱平衡的精確程度。由于土壤含水量影響陸表蒸散發(fā)，進(jìn)而影響地面對大氣的水汽輸送和能量傳輸甚至氣壓變化，因而對局地降水、氣溫等氣象要素也有重要影響。

土壤含水量目前可通過多種方式獲取，傳統(tǒng)監(jiān)測方法是通過觀測站點(diǎn)或氣象站來獲取數(shù)據(jù)，除此之外還有模型法和遙感監(jiān)測法。站點(diǎn)觀測數(shù)據(jù)準(zhǔn)確性高、誤差小，與真實(shí)值較為接近，可近似代表真實(shí)值。但是，公眾通常較難獲取此類測站數(shù)據(jù)，并且由于各種各樣的條件限制，該類測站的數(shù)量通常較少，導(dǎo)致其可獲取的數(shù)據(jù)量較少。而且，由于土壤與植被的空間異質(zhì)性較強(qiáng)，該類數(shù)據(jù)通常只能代表范圍較小的區(qū)域，在大尺度區(qū)域上的應(yīng)用比較有限。因此，該類數(shù)據(jù)雖然可靠性強(qiáng)、準(zhǔn)確度高，但公眾可獲取性較差、分布不夠均勻，通常不能充分反映土壤含水量隨著時空的變化。模型法通過建立水分平衡公式求解土壤含水量，該方法可以獲取實(shí)時快捷的土壤水分信息，但實(shí)驗(yàn)的模擬過程繁瑣，且實(shí)驗(yàn)參數(shù)復(fù)雜［6-7］。遙感衛(wèi)星能夠?qū)崟r、不間斷地覆蓋地球表面［8］，因此遙感監(jiān)測的即時性、便捷性要明顯優(yōu)于前二者。隨著近年來遙感技術(shù)的飛速進(jìn)步，重復(fù)獲取同一遙感像元數(shù)據(jù)的時間可縮短至3 d，大大地節(jié)約了人力、物力成本。當(dāng)前基于衛(wèi)星的土壤含水量數(shù)據(jù)分為主動微波遙感數(shù)據(jù)和被動微波遙感數(shù)據(jù)兩種，被動微波遙感以其對土壤水分的敏感性和在白天或夜間全天候條件下收集土壤水分信息的能力，已成為監(jiān)測區(qū)域和全球土壤水分的有效方法［8］。近年來，基于L 波段（1.4 GHz，21 cm）的微波衛(wèi)星遙感產(chǎn)品在不同植被覆蓋度下的地區(qū)獲得了新的全球土壤含水量數(shù)據(jù)［9-11］，L 波段被認(rèn)為是土壤水分監(jiān)測的最佳波段［12-14］，因?yàn)長波段比其他高頻波段（如C 波段、X 波段等）對土壤含水量以及植被和土壤滲透的敏感性更高［13-16］。新的L 波段數(shù)據(jù)集包括：歐洲航天局（ESA，European space agency）的SMOS（soil moisture and ocean salinity）［11］和 來 自 美 國 國 家 航 空 航 天 局（NASA，national aeronautics and space administration）的SMAP（soil moisture active passive）［17］。

已有學(xué)者對不同衛(wèi)星土壤水分產(chǎn)品進(jìn)行了對比驗(yàn)證。González-Zamora 等基于密集測站網(wǎng)絡(luò)和稀疏測站網(wǎng)絡(luò)數(shù)據(jù)對Aquarius衛(wèi)星和SMOS衛(wèi)星數(shù)據(jù)進(jìn)行驗(yàn)證分析，結(jié)果表明SMOS 整體表現(xiàn)更佳；除此之外測站網(wǎng)絡(luò)的疏密程度會影響衛(wèi)星產(chǎn)品的對比驗(yàn)證。Zeng 等［18］通過美國（LWW）網(wǎng)絡(luò)、芬蘭氣象研究所（FMI）網(wǎng)絡(luò)和羅馬尼亞土壤溫濕度觀測網(wǎng)絡(luò)（RMSN）對SMAP衛(wèi)星產(chǎn)品數(shù)據(jù)進(jìn)行了驗(yàn)證，整體ubRMSE 為0.036 m3/m3。Cui 等［19］通過美國和西班牙的部分測站網(wǎng)絡(luò)對比了SMAP、SMOS、FY3B和AMSR2 衛(wèi)星產(chǎn)品，SMAP在美國網(wǎng)絡(luò)表現(xiàn)較好，ubRMSE 為0.027 m3/m3。在我國也有學(xué)者進(jìn)行了相關(guān)研究，楊娜等［20］在中國農(nóng)區(qū)驗(yàn)證了SMOS 衛(wèi)星數(shù)據(jù)的準(zhǔn)確性，結(jié)果證明其反演效果在干旱季節(jié)受降水影響較大。白瑜等［21］在吉林省農(nóng)田區(qū)域?qū)Ρ攘薙MAP和SMOS，實(shí)驗(yàn)證明兩種衛(wèi)星土壤水分產(chǎn)品均隨降水事件的發(fā)生而出現(xiàn)高估現(xiàn)象。以上實(shí)驗(yàn)結(jié)果表明不同土壤水分產(chǎn)品表現(xiàn)差距較大，且不同遙感衛(wèi)星數(shù)據(jù)的觀測質(zhì)量相去甚遠(yuǎn)［5］，利用衛(wèi)星遙感獲取的土壤含水量數(shù)據(jù)存在準(zhǔn)確性較低的問題。因此，對衛(wèi)星遙感數(shù)據(jù)進(jìn)行對比評價與差異分析變得尤為重要。目前，針對新的L波段衛(wèi)星土壤水分產(chǎn)品的研究集中于產(chǎn)品對比［22-25］和單一區(qū)域適用性分析［18，26-27］，對于SMAP和SMOS兩種衛(wèi)星土壤水分產(chǎn)品在美國大區(qū)域范圍質(zhì)量評價及其影響因素的研究仍較少。

為改進(jìn)土壤含水量數(shù)據(jù)遙感監(jiān)測的反演算法和理解相關(guān)遙感數(shù)據(jù)的質(zhì)量精度，本文基于美國本土的3 種測站信息網(wǎng)絡(luò)：CRN（climate reference network）、SCAN（soil climate analysis network）和SNOTEL（snowpack telemetry network），對比評價SMOS和SMAP遙感產(chǎn)品土壤含水量數(shù)據(jù)的質(zhì)量與精度，并從不同角度分析其影響因子。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域概況

美國位于西半球，位于北緯25°～49°之間，由美國本土大陸、阿拉斯加半島和夏威夷群島組成，幅員遼闊，地形復(fù)雜，整體地勢由東向西由低海拔地區(qū)向高山地區(qū)爬升。一般地形特征可概括為“兩側(cè)高，中部低”，東西兩側(cè)高，中部低，無東西向山脈。美國本土大陸地形大致可分為：東部的阿巴拉契亞山脈和大西洋低地，中部的密西西比河平原和西部的科迪勒拉山脈。大部分地區(qū)屬于溫帶和亞熱帶，各地氣候差異較大，大體可分為5個氣候區(qū)：東北部沿海溫帶氣候區(qū)、東南部亞熱帶氣候區(qū)、中部平原大陸性氣候區(qū)、西部高原干燥氣候區(qū)和太平洋沿岸海洋性氣候區(qū)。本文的研究區(qū)域?yàn)槊绹就链箨懙貐^(qū)。

1.2 地面觀測數(shù)據(jù)

本研究所用地面觀測數(shù)據(jù)：1）CRN 測站網(wǎng)絡(luò)：目前由美國海洋與氣象局（NOAA，national oceanic and atmospheric administration）維護(hù)和運(yùn)行的氣象氣候監(jiān)測網(wǎng)絡(luò)，旨在為科學(xué)研究工作者提供氣溫及降水的高質(zhì)量科研數(shù)據(jù)。其于2011 年安裝了監(jiān)測土壤含水量及土壤溫度的設(shè)備，包括5個標(biāo)準(zhǔn)深度：5、10、20、50 和100 cm。2）SCAN測站網(wǎng)絡(luò)：來自美國國家土壤調(diào)查中心（NRCS，natural resources conservation service），該數(shù)據(jù)已被廣泛地應(yīng)用于遙感土壤含水量數(shù)據(jù)的精度評價以及遙感數(shù)據(jù)的有效利用等研究中。3）SNOTEL 測站網(wǎng)絡(luò)：同樣來自美國國家土壤調(diào)查中心（NRCS），其大多分布在多山的地帶，如洛基山系、科羅拉多山脈，這些地帶通常有較好的植被覆蓋，并且部分地區(qū)的地表土壤溫度可能會低于0 ℃，因此SNOTEL測站所監(jiān)測的數(shù)據(jù)通常用作雪情研究。

本文選取2015 年4 月1 日至2018 年12 月31 日期間來自CRN、SCAN 和SNOTEL 三種測站網(wǎng)絡(luò)的261 個站點(diǎn)的實(shí)測數(shù)據(jù)作為真值，其中CRN 測站共49 個，SCAN 測站共75 個，SNOTEL 測站共137 個，位于美國本土大陸不同的氣候區(qū)和地形區(qū)，如圖1所示。

圖1 站點(diǎn)位置分布圖（美國地形底圖來自網(wǎng)站https：//mapserver.org/）Fig.1 The map of site location

1.3 衛(wèi)星數(shù)據(jù)

SMOS 衛(wèi)星［28］于2009 年11 月2 日在俄羅斯北部發(fā)射，這是第一個通過微波L波段進(jìn)行測量提供全球觀測的衛(wèi)星。SMOS 具有兩個特點(diǎn)［29］：一是采用多角度探測方式，可解決遙感反演過程中觀測個數(shù)小于未知量個數(shù)的問題；二是采用L 波段（1.4 GHz）的低頻觀測，較其他波段而言對土壤含水量更加敏感［30］。SMOS 主要任務(wù)是探測全球表層土壤含水量和海洋表面鹽度，有助于探究大氣與海洋、陸地之間的水氣循環(huán)過程。SMOS的太陽同步軌道高度為757 km，上升赤道穿越時間為當(dāng)?shù)貢r間06：00，下降赤道穿越時間為當(dāng)?shù)貢r間18：00。由于衛(wèi)星在升軌降軌運(yùn)行時，其繞地球公轉(zhuǎn)的方式不同，如監(jiān)測地球的角度以及距地距離可能不一致，因此它們的數(shù)據(jù)精度亦可能存在差別。衛(wèi)星在升軌運(yùn)行時離地面距離近，信號衰弱比較少，因此，本文使用的是該SMOS 數(shù)據(jù)的升軌運(yùn)行數(shù)據(jù)。

SMAP［31］衛(wèi)星由NASA 研制，于2015 年4 月開始同時使用雷達(dá)采集和輻射計(jì)提供數(shù)據(jù)，其可在1～3 d 的時間分辨率以及3、10 和40 km 的空間分辨率下提供土壤表層5 cm的土壤含水量。SMAP遙感衛(wèi)星優(yōu)于先前L波段衛(wèi)星的顯著特征為：其先進(jìn)的硬件設(shè)施可以高速采集頻譜圖數(shù)據(jù)，采集數(shù)據(jù)之后就可以使用基于峰度的算法來減輕射頻數(shù)據(jù)中由人為排放源引起的地面干擾［32］。同時，SMAP 也是目前在軌的最新的土壤含水量監(jiān)測衛(wèi)星。SMAP衛(wèi)星主要任務(wù)同樣是探測全球土壤含水量，幫助理解區(qū)域水、能量及碳循環(huán)的交互過程，改善對地表水熱通量、北半球凈碳通量等的量化估算，提升對氣象氣候、洪水、干旱等的監(jiān)測和預(yù)報(bào)能力。

本文SMOS 數(shù)據(jù)來自巴塞羅那專家中心（BEC，Barcelona expert centre）的BEC_BIN_SM_A_NOMINAL_4H9_003 版本，https://earth.esa.int/eogateway/missions/smos；SMAP 數(shù)據(jù)來自NASA管轄的國家冰雪數(shù)據(jù)檔案中心（NSIDC，national snow and ice data center）的SMAP_L3_SM_P_R16 510_001 版本，https://www.nasa.gov/smap，是二十面體斯奈德相等面積（ISEA，icosahedron Snyder equal area）網(wǎng)格的土壤含水量數(shù)據(jù)，二者分辨率均為0.25°×0.25°，時間序列與測站數(shù)據(jù)一致，為2015年4月1日至2018年12月31日。

1.4 土地覆蓋類型數(shù)據(jù)

本文所使用土地覆蓋類型數(shù)據(jù)為歐空局提供的Land_Cover_CCI 數(shù)據(jù)集合，數(shù)據(jù)下載地址為https://cds.climate.copernicus.eu/。該數(shù)據(jù)集具有長期一致、年度更新和全球覆蓋的特點(diǎn)，對于土地核算、森林檢測和荒漠化等多種應(yīng)用和研究具有重要意義。該數(shù)據(jù)集提供了全球范圍的土地覆蓋地圖，將土地表面分為22 個類別，這些類別是使用聯(lián)合國糧食及農(nóng)業(yè)組織的土地覆蓋分類系統(tǒng)（LCCS， land cover classification system）定義的。為確保連續(xù)性，這些土地覆蓋地圖與歐洲空間局氣候變化倡議（CCI，climate change initiative）從1990 年代到2015 年制作的地圖一致，因此本文2016 年前數(shù)據(jù)使用版本為Version 2.0.7，2016 年后數(shù)據(jù)使用版本為Version 2.1.1。數(shù)據(jù)類型為網(wǎng)格數(shù)據(jù)，空間分辨率為300 m，對數(shù)據(jù)進(jìn)行重采樣至與衛(wèi)星數(shù)據(jù)同一分辨率。采樣結(jié)果證明2015—2018 年間各站點(diǎn)土地覆蓋類型無變化，因此各站點(diǎn)各匹配一種土地覆蓋類型。

1.5 降水?dāng)?shù)據(jù)

本文所使用降水?dāng)?shù)據(jù)來自北美土地?cái)?shù)據(jù)同化系統(tǒng)（NLDAS，North American land data assimilation system），https://disc.gsfc.nasa.gov/datasets?keywords=NLDAS。NLDAS 目前以近實(shí)時（約4 d 滯后）在0.125°網(wǎng)格上運(yùn)行，可每小時獲取一次數(shù)據(jù)，數(shù)據(jù)集可以追溯到1979 年1 月。本文數(shù)據(jù)使用版本為：NLDAS2.0.125d. v1，空間分辨率為0.125°×0.125°，每1 h獲取一次數(shù)據(jù)。對數(shù)據(jù)進(jìn)行重采樣至與衛(wèi)星數(shù)據(jù)同一分辨率，并對一天內(nèi)24 h的數(shù)據(jù)求和得到當(dāng)日降水量。

2 研究方法

2.1 數(shù)據(jù)預(yù)處理

1）數(shù)據(jù)處理：借助Matlab 對數(shù)據(jù)進(jìn)行讀取，并利用Python語言進(jìn)行數(shù)據(jù)處理和計(jì)算。

2）站點(diǎn)篩選：本研究針對美國本土大陸地區(qū)，因此刪除本土大陸以外的站點(diǎn)。除此之外，刪除數(shù)據(jù)完整性不大于50%的站點(diǎn)，保留數(shù)據(jù)有效值多的站點(diǎn)，并考慮站點(diǎn)盡可能均勻分布于整個美國大陸地區(qū)。

3）時空匹配：衛(wèi)星觀測的土壤含水量數(shù)據(jù)為0.25°×0.25°格點(diǎn)的瞬時數(shù)據(jù)，而站點(diǎn)觀測數(shù)據(jù)是在空間上固定點(diǎn)的連續(xù)觀測值。本實(shí)驗(yàn)以觀測站點(diǎn)為中心劃取0.25°×0.25°方格，劃取區(qū)域內(nèi)出現(xiàn)唯一點(diǎn)則作為該點(diǎn)衛(wèi)星觀測值，若劃取區(qū)域內(nèi)出現(xiàn)多個點(diǎn)則取平均值。對于連續(xù)的站點(diǎn)觀測數(shù)據(jù)則取衛(wèi)星對應(yīng)過境時間的平均值作為實(shí)測值。由于微波遙感數(shù)據(jù)只能反映表層的土壤含水量，因此在驗(yàn)證時選用土壤表層0～5 cm的實(shí)測土壤含水量數(shù)據(jù)。

2.2 評價指標(biāo)

為了定量評估遙感土壤水分產(chǎn)品的準(zhǔn)確性和可靠性，本實(shí)驗(yàn)使用了6種評價指標(biāo)，包括：相關(guān)系數(shù)（R）［33］、均方根誤差（RMSE）［34］、無偏均方根誤差（ubRMSE）［35］、平均相對誤差（MRE）［36］、歸一化納什效率系數(shù)（NNSE）［37］和偏離率（Bias）［38］。其計(jì)算公式如下

式中E · 為期望值，t為觀測時間，φs(t) 為t時間下衛(wèi)星觀測的土壤含水量值，φi(t) 為t時間下站點(diǎn)觀測的土壤含水量值，τs和τi分別為衛(wèi)星觀測值和站點(diǎn)觀測值的標(biāo)準(zhǔn)差。綜合來說，R和NNSE 值較大且RMSE、ubRMSE、MRE和Bias值較小，說明衛(wèi)星土壤水分值與實(shí)測值擬合較好［39］。

3 結(jié)果與分析

對兩種衛(wèi)星遙感水分產(chǎn)品進(jìn)行整體評價，繪制實(shí)測土壤含水量與衛(wèi)星遙感產(chǎn)品土壤含水量以及兩種衛(wèi)星遙感產(chǎn)品之間的散點(diǎn)圖，并繪制土壤含水量相應(yīng)頻次條形圖（如圖2）。圖2中顏色的深淺代表該位置點(diǎn)的數(shù)量，紅線為全部點(diǎn)的擬合直線。把全部數(shù)據(jù)放到一起整體來看，SMOS、SMAP 數(shù)據(jù)與站點(diǎn)實(shí)測數(shù)據(jù)的相關(guān)系數(shù)分別為0.49、0.53，SMOS 與SMAP 整 體 相 關(guān) 系 數(shù)R=0.75，SMAP 與站點(diǎn)觀測的相關(guān)性更強(qiáng)。SMOS 和SMAP對土壤含水量的觀測值均有不同程度的低估和高估現(xiàn)象，總體而言，衛(wèi)星觀測的低估情況比高估情況更多，這一點(diǎn)SMOS更加明顯，SMAP整體觀測值高于SMOS。實(shí)測土壤含水量為0～0.6 m3/m3，出現(xiàn)頻率隨土壤含水量升高而降低；SMAP 土壤含水量為0～0.7 m3/m3，而SMOS 土壤含水量為0～1 m3/m3。

圖2 SMOS和SMAP土壤含水量與實(shí)測土壤含水量整體評價散點(diǎn)圖Fig.2 Scatter plots of overall evaluation

將衛(wèi)星觀測的土壤含水量數(shù)據(jù)與站點(diǎn)觀測數(shù)據(jù)作差求得誤差值（誤差值=衛(wèi)星觀測值-站點(diǎn)觀測值），將站點(diǎn)實(shí)測土壤含水量值分為6 個區(qū)間：0～0.1，0.1～0.2，0.2～0.3，0.3～0.4，0.4～0.5 和0.5～0.6 m3/m3，統(tǒng)計(jì)各個實(shí)測區(qū)間的衛(wèi)星誤差值并繪制成箱形圖，結(jié)果如圖3所示。當(dāng)站點(diǎn)實(shí)測土壤含水量小于0.1 m3/m3時，SMOS 和SMAP 的觀測值往往比實(shí)測值偏高，誤差值離群點(diǎn)較多；當(dāng)站點(diǎn)實(shí)測值介于0.1～0.2 m3/m3之間時，兩種衛(wèi)星觀測均表現(xiàn)最佳，誤差最??；當(dāng)土壤含水量站點(diǎn)實(shí)測值大于0.2 m3/m3時，隨著土壤含水量升高，衛(wèi)星觀測值的低估呈增強(qiáng)趨勢，誤差值也呈增大趨勢。將兩種衛(wèi)星觀測數(shù)據(jù)進(jìn)行對比，當(dāng)站點(diǎn)實(shí)測數(shù)據(jù)小于0.1 m3/m3時SMOS 平均誤差略小于SMAP，當(dāng)站點(diǎn)實(shí)測數(shù)據(jù)大于0.1 m3/m3時，SMAP平均誤差均小于SMOS，當(dāng)站點(diǎn)實(shí)測數(shù)據(jù)介于0.4～0.5 m3/m3之間時二者的平均誤差值差距最大。

圖3 各實(shí)測區(qū)間誤差箱形圖Fig.3 Box plots of the error of each measured interval

對SMOS和SMAP兩種衛(wèi)星數(shù)據(jù)分別計(jì)算整體指標(biāo)，即對全部站點(diǎn)的全時間序列計(jì)算指標(biāo)值，結(jié)果見表1。由計(jì)算結(jié)果可以看出，除Bias 值二者表現(xiàn)相近，絕對值幾乎相同（<0.001 m3/m3），其他指標(biāo)中SMAP表現(xiàn)均優(yōu)于SMOS。結(jié)果表明，SMAP衛(wèi)星比SMOS衛(wèi)星的土壤含水量更加接近站點(diǎn)觀測值，SMAP整體觀測更加準(zhǔn)確。但從具體數(shù)據(jù)也可以看出，如SMOS 的R=0.485，SMAP 的R=0.534，均介于0.4～0.6之間，二者均與站點(diǎn)觀測數(shù)據(jù)呈中等程度相關(guān)，相關(guān)性程度并不強(qiáng)，說明兩種衛(wèi)星觀測數(shù)據(jù)與實(shí)測數(shù)據(jù)之間仍存在一定差異。

表1 全部站點(diǎn)全時間序列整體指標(biāo)計(jì)算結(jié)果1）Table 1 The calculation results of the overall index of all stations and full time series

對各個站點(diǎn)的全時間序列求各項(xiàng)指標(biāo)值，結(jié)果如圖4 所示。SMOS 各個站點(diǎn)的R平均值為0.42，SMAP各個站點(diǎn)的R平均值為0.56，二者均呈現(xiàn)中等強(qiáng)度相關(guān)，SMAP 的整體相關(guān)性更強(qiáng)且R值分布更集中。二者均出現(xiàn)了R<0 的離群點(diǎn)。SMAP 和SMOS 的R最 大 值 分 別 為0.94 和0.85；各個站點(diǎn)的RMSE 平均值分別為0.114 m3/m3和0.105 m3/m3，兩者的RMSE 分布范圍相近，但SMAP 的整體更小表現(xiàn)更佳。SMOS 和SMAP 在ubRMSE 指標(biāo)上的差距更加明顯，SMOS 的ubRMSE 平均值為0.086 m3/m3，SMAP 的ubRMSE平均值為0.066 m3/m3，且SMAP 的ubRMSE 分布更集中，SMAP 表現(xiàn)優(yōu)于SMOS。二者M(jìn)RE 差距同樣較小，但SMOS 的分布范圍更集中且表現(xiàn)更好，SMAP 的MRE 最大值到達(dá)70.225 m3/m3，而SMOS 的MRE 最 大 值 為31.924 m3/m3。SMOS 的NNSE 平均值為0.351，SMAP 的NNSE 平均值為0.414，SMAP 的整體NNSE 更大且表現(xiàn)更好。SMOS 和SMAP 的Bias 分布范圍差距較小，SMOS的Bias 平均值為-0.003 m3/m3，SMAP 的Bias 平均值為0.013 m3/m3，SMOS的整體Bias更小。

圖4 分站點(diǎn)計(jì)算指標(biāo)箱形圖Fig.4 Box plots of calculation indicators for different stations

總體而言，SMOS和SMAP對各個站點(diǎn)的全時間序列求得的指標(biāo)值主要在R、ubRMSE 和NNSE三個指標(biāo)上體現(xiàn)出較大差距，SMAP觀測數(shù)據(jù)在各個站點(diǎn)的整體表現(xiàn)優(yōu)于SMOS。但是，從MRE 和Bias兩項(xiàng)指標(biāo)也可以看出，兩種衛(wèi)星觀測數(shù)據(jù)在不同站點(diǎn)的表現(xiàn)均有較大差距，SMAP對于土壤含水量的觀測表現(xiàn)也并不穩(wěn)定。

4 衛(wèi)星產(chǎn)品表現(xiàn)的影響因子

4.1 土地覆蓋類型影響

為進(jìn)一步探究兩種衛(wèi)星土壤水分產(chǎn)品在不同站點(diǎn)表現(xiàn)差異的影響因子，引入歐空局提供的土地覆蓋類型數(shù)據(jù)，將全部站點(diǎn)劃分為10 種土地覆蓋類型，如表2所示。

表2 不同編號對應(yīng)土地覆蓋類型Table 2 Different numbers correspond to land cover types

計(jì)算不同土地覆蓋類型下的站點(diǎn)指標(biāo)值，繪制成箱形圖（如圖5），計(jì)算各土地覆蓋類型下各指標(biāo)值平均值，生成表3。

圖5 不同土地覆蓋類型站點(diǎn)計(jì)算指標(biāo)箱形圖Fig.5 Box plots of calculation indicators for different land cover types

同一土壤水分產(chǎn)品在不同土地覆蓋類型下的精度差異較大。植被覆蓋是影響土壤水分反演的重要因子［40］。SMOS 和SMAP 兩種衛(wèi)星土壤水分產(chǎn)品的反演精度在植被覆蓋區(qū)都會受到限制。從實(shí)驗(yàn)結(jié)果來看，土壤水分產(chǎn)品在農(nóng)田（編號1～3），灌木（編號8），草地（編號9）和無覆蓋區(qū)（編號10）具有較高的相關(guān)性和擬合度，相關(guān)系數(shù)R值平均值均大于0.55，ubRMSE 平均值均小于0.08 m3/m3。這些地區(qū)地勢平坦，地表覆蓋植物多為低矮的農(nóng)作物、灌木、草地或無覆蓋物，生物量較低。因此，土壤水分產(chǎn)品受植被影響較小，反演效果也更好。這一結(jié)論與AI-Yaari 等［9］得出的SMOS 和AMSR-E土壤水分產(chǎn)品在植被稀疏地區(qū)反演結(jié)果相關(guān)性更好的觀點(diǎn)一致。然而，土壤水分產(chǎn)品在喬木覆蓋類型下（編號4～7）具有較低的相關(guān)性和擬合度，尤其在針葉落葉林類型下（編號6），RMSE、ubRMSE、MRE 和Bias 值均大于其他土地覆蓋類型，NNSE 值同時也達(dá)到最小。這些地區(qū)植被覆蓋密度大，且樹木高大茂盛，生物度高，衛(wèi)星產(chǎn)品誤差較大，反演效果不佳。

不同土壤水分產(chǎn)品對于同種土地覆蓋類型的響應(yīng)不同。植被覆蓋對于SMOS 的影響效果要大于SMAP，在各土地覆蓋類型下，SMAP 整體表現(xiàn)更佳。除此之外，SMAP在植被覆蓋度較高地區(qū)的反演效果更加穩(wěn)定，較SMOS 的優(yōu)勢也更加明顯，二者差距更大。

4.2 季節(jié)影響

對各月內(nèi)全部站點(diǎn)進(jìn)行指標(biāo)計(jì)算，繪制各指標(biāo)隨時間變化的折線圖，并參照各月降水?dāng)?shù)據(jù)，繪制如圖6所示。各指標(biāo)隨時間序列呈現(xiàn)出周期性變化，在Cui 等［23］的研究中同樣發(fā)現(xiàn)衛(wèi)星土壤水分產(chǎn)品隨季節(jié)變化幅度較大。分析其呈現(xiàn)季節(jié)性周期變化規(guī)律的原因如下：

圖6 各指標(biāo)時間序列圖Fig.6 Time series graphs of each indicator

溫度對于衛(wèi)星觀測產(chǎn)生影響。RMSE 與ubRMSE兩個指標(biāo)變化趨勢一致，且周期性特征明顯，冬季指標(biāo)增大而夏季減小，說明冬季衛(wèi)星反演效果較差而夏季較好。冬季氣溫較低且地表干燥，土壤水分處于凍結(jié)期，部分地區(qū)被冰雪覆蓋，冰凍和積雪影響并降低了衛(wèi)星反演精度。除此之外，隨著季節(jié)變化，兩種衛(wèi)星數(shù)據(jù)的表現(xiàn)差異也呈現(xiàn)周期性變化，夏季時SMOS和SMAP觀測表現(xiàn)相近，而冬季時SMAP明顯優(yōu)于SMOS。這說明，低溫和冰凍積雪等對SMOS衛(wèi)星觀測的影響要遠(yuǎn)大于SMAP，這很可能是造成兩種衛(wèi)星表現(xiàn)差異的重要原因。

降水強(qiáng)度和時長對于衛(wèi)星觀測產(chǎn)生影響。當(dāng)降水發(fā)生變化時，指標(biāo)值隨之產(chǎn)生波動。由于微波遙感只能反映土壤表層幾厘米的土壤水分，土壤水分的變化會影響傳感器的穿透深度［41］，L 波段微波的穿透深度隨土壤水分增加而減小。兩種土壤水分產(chǎn)品均與降水量的變化呈現(xiàn)一致趨勢，當(dāng)雨季來臨降水增強(qiáng)時，土壤水分大范圍且大幅度上升，衛(wèi)星反演的精度大大降低；而隨著雨季結(jié)束各地區(qū)降水量和降水強(qiáng)度明顯下降，土壤水分也隨之下降，衛(wèi)星反演的效果變好。這是由于，當(dāng)降水發(fā)生時，土壤表層形成一層飽和含水量土壤層，此時衛(wèi)星傳感器的探測深度要小于站點(diǎn)埋設(shè)的探頭深度，與實(shí)測值相比，衛(wèi)星反映的是更表層的土壤水分。除此之外，結(jié)合兩種產(chǎn)品對比折線圖也說明SMOS 產(chǎn)品準(zhǔn)確性受降水影響更大，變化幅度更大，在降水強(qiáng)度和降水量較大時對于土壤含水量的高估現(xiàn)象更加明顯，這很可能是造成兩種衛(wèi)星表現(xiàn)差異的另一重要原因。

4.3 地形與海拔影響

對各個站點(diǎn)分別計(jì)算各項(xiàng)指標(biāo)并繪制在地圖上（見圖7），發(fā)現(xiàn)各指標(biāo)在地理位置上均呈現(xiàn)較為統(tǒng)一的分布規(guī)律。西部和東部沿海地區(qū)的衛(wèi)星觀測數(shù)據(jù)表現(xiàn)更差，西北部和東南部表現(xiàn)最差，中部地區(qū)衛(wèi)星觀測數(shù)據(jù)更加準(zhǔn)確。這很可能與地形分布以及海拔高度有關(guān)：位于東部的阿巴拉契亞山脈和西部的科迪勒拉山脈附近的站點(diǎn)反演效果較差，而位于沿海大西洋低地和中部密西西比河平原的站點(diǎn)反演效果較好。這說明，隨著海拔高度升高，衛(wèi)星觀測的準(zhǔn)確性降低。其原因如下：

圖7 各指標(biāo)空間分布圖Fig.7 The spatial distribution maps of each indicator

反演結(jié)果較差的阿巴拉契亞山脈和科迪勒拉山脈均具有坡度較大的地形，當(dāng)坡度較大時，降雨后水分會隨地形坡度，由地勢較高區(qū)域向地勢較低處流動，土壤含水量也會受此影響，山頂土壤含水量較低而山腳較高，山腰處因植被對于土壤水分的攔截而較為穩(wěn)定。

海拔較高的地區(qū)，往往溫度較低，在一些極高海拔地區(qū)甚至?xí)霈F(xiàn)土壤冰凍的現(xiàn)象，這會影響土壤表層的介電常數(shù)，從而導(dǎo)致衛(wèi)星檢索算法的介電質(zhì)模型失效，最終導(dǎo)致衛(wèi)星反演精度降低。李瑞娟等［25］的研究同樣證明了衛(wèi)星土壤水分產(chǎn)品在高海拔區(qū)域存在缺測值較多的問題。除此之外，由圖可知在這些高海拔地區(qū)SMOS 的指標(biāo)表現(xiàn)結(jié)果更差，這說明，相對于SMAP 衛(wèi)星而言，SMOS衛(wèi)星的檢索算法有可能在土層出現(xiàn)封凍的情形下適應(yīng)性更差。

5 結(jié) 論

本文基于2015 年4 月1 日至2018 年12 月31 日期間來自CRN、SCAN 和SNOTEL 三種測站網(wǎng)絡(luò)的261 個站點(diǎn)的實(shí)測數(shù)據(jù)，對比評價了SMOS 和SMAP遙感產(chǎn)品土壤含水量數(shù)據(jù)的質(zhì)量與精度，并從不同角度分析其表現(xiàn)差異的影響因子，得出如下主要結(jié)論：

1）對兩種衛(wèi)星土壤水分產(chǎn)品進(jìn)行對比評價時，SMAP 表現(xiàn)均優(yōu)于SMOS。衛(wèi)星觀測的低估情況比高估情況更多，這一點(diǎn)SMOS 更加明顯，SMAP 整體觀測值高于SMOS。當(dāng)站點(diǎn)實(shí)測值介于0.1～0.2 m3/m3之間時，兩種衛(wèi)星遙感產(chǎn)品表現(xiàn)最佳；當(dāng)站點(diǎn)實(shí)測數(shù)據(jù)介于0.4～0.5 m3/m3之間時，SMOS和SMAP表現(xiàn)差距最大。

2）土地覆蓋類型是影響衛(wèi)星反演土壤水分?jǐn)?shù)據(jù)精度的一個重要因子。①同一土壤水分產(chǎn)品在不同土地覆蓋類型下的精度差異較大，在地勢平坦、地表覆蓋植物較低矮或無覆蓋物、生物量較低的地區(qū)反演精度更高；②不同土壤水分產(chǎn)品對于同種土地覆蓋類型的響應(yīng)不同，植被覆蓋對于SMOS 的影響效果要大于SMAP，且SMAP 在植被覆蓋度較高地區(qū)的反演效果較SMOS更加穩(wěn)定。

3）季節(jié)變化同樣影響衛(wèi)星數(shù)據(jù)的反演精度。①溫度對于衛(wèi)星觀測產(chǎn)生影響：冬季氣溫較低且地表干燥，土壤水分凍結(jié)且部分被冰雪覆蓋，降低了衛(wèi)星反演精度；低溫和冰凍積雪等對SMOS衛(wèi)星觀測的影響大于SMAP，是造成兩種衛(wèi)星遙感產(chǎn)品精度差異的重要原因。②降水的強(qiáng)度和時長對于衛(wèi)星觀測產(chǎn)生影響：降水強(qiáng)度增大且降水量增多時，由于表層形成飽和含水量土壤層使得衛(wèi)星反演精度降低；SMOS產(chǎn)品準(zhǔn)確性受降水影響更大，在降水強(qiáng)度和降水量較大時對于土壤含水量的高估現(xiàn)象更加明顯，是造成兩種衛(wèi)星遙感產(chǎn)品精度差異的另一重要原因。

4）地形與海拔變化也會引起衛(wèi)星產(chǎn)品反演水平的變化。隨著海拔高度升高，衛(wèi)星觀測的準(zhǔn)確性降低，其原因有①降水后水分隨地形坡度由高到低流動，山頂土壤含水量低而山腳高，山腰處因植被攔截而較為穩(wěn)定。②由于海拔或者緯度的原因存在土壤表層封凍的復(fù)雜情況，這會導(dǎo)致土壤表層的介電常數(shù)出現(xiàn)異常，從而導(dǎo)致衛(wèi)星檢索算法的介電質(zhì)模型無法使用，最終導(dǎo)致土壤含水量的觀測結(jié)果不準(zhǔn)確。除此之外，根據(jù)本文的研究數(shù)據(jù)，相對于SMAP衛(wèi)星而言，SMOS衛(wèi)星的檢索算法有可能在土層出現(xiàn)封凍的情形下適應(yīng)性更差。