朱宏武， 羅 丹， 朱 亮， 賀 煒

（1.湖南省氣象信息中心， 湖南 長沙 410118； 2.氣象防災(zāi)減災(zāi)湖南省重點實驗室， 湖南 長沙 410118；3.湖南省氣象服務(wù)中心， 湖南 長沙 410118）

0 引 言

干旱通常發(fā)生在農(nóng)作物生長的重要時期，是影響農(nóng)業(yè)生產(chǎn)最為嚴(yán)重的自然災(zāi)害[1]。湖南地處青藏高原下方，是南北冷暖空氣主要交匯地，地形多樣、氣候復(fù)雜，旱災(zāi)風(fēng)險高，抗旱形勢嚴(yán)峻。2013 年中國南方13 省遭遇重大旱災(zāi)，湖南糧食減產(chǎn)超過16 億斤，是受災(zāi)最為嚴(yán)重的省份之一。在全球氣候變暖背景下，湖南天氣氣候極端事件增多增強，2022 年湖南干旱覆蓋范圍廣、持續(xù)時間長，創(chuàng)造了1961 年以來最強高溫干旱紀(jì)錄，給農(nóng)業(yè)生產(chǎn)帶來了嚴(yán)重影響。干旱災(zāi)害防御在湖南一直受到高度重視。干旱過程與大氣狀態(tài)、土壤質(zhì)地類型、土壤含水量及植被情況等多種因素相關(guān)。其演變過程極其復(fù)雜，時間空間變化隨機性強，不同地區(qū)干旱特征和趨勢變化差異很大。由于干旱監(jiān)測站點少，設(shè)備昂貴，實現(xiàn)對較大范圍干旱過程動態(tài)、精準(zhǔn)監(jiān)測難度非常大。為最大限度地減少旱災(zāi)造成的影響，開展干旱精細(xì)化監(jiān)測研究對于有效抗旱減災(zāi)、保障農(nóng)業(yè)生產(chǎn)具有重要意義。

土壤濕度表征土壤的干濕程度即土壤的實際含水量，是水資源循環(huán)與能量耗散模型中的重要變量。土壤濕度與大氣環(huán)境中氣溫、蒸發(fā)量、降水量等變量狀態(tài)變化緊密關(guān)聯(lián)[2]，對土壤濕度狀態(tài)變化分析是有效開展干旱監(jiān)測的重要手段[3-4]。土壤濕度測定可通過觀測站定點觀測[5]及衛(wèi)星遙感數(shù)據(jù)獲得[6]，還可以通過陸面模式重構(gòu)獲取[7-8]。不同獲取方式優(yōu)缺點不同，定點觀測的數(shù)據(jù)具有最好的精準(zhǔn)度，但由于建站成本高，覆蓋度有限，表達(dá)土壤濕度區(qū)域狀態(tài)能力有限。衛(wèi)星遙感數(shù)據(jù)產(chǎn)品具有良好的空間覆蓋度，雖然探測土壤深度不超過10 cm，但它能夠真實地表征較大空間范圍土壤濕度狀態(tài)對異常天氣產(chǎn)生的干旱快速響應(yīng)。

近年對土壤濕度觀測的衛(wèi)星SMMR、ASMR-E、SMOS、SWAP 等相繼發(fā)射，為土壤濕度研究提供了良好的數(shù)據(jù)支撐。然而通過衛(wèi)星獲取的土壤濕度產(chǎn)品分辨率在10～40 km 之間，不能有效滿足市縣級干旱過程動態(tài)監(jiān)測的精細(xì)化需求。通過陸面模式獲取的土壤濕度具備較大空間覆蓋度和較好的時空連續(xù)性，主流產(chǎn)品包括GLDAS、NLDAS、CLDAS 等，分辨率在7～27 km，對干旱精細(xì)化監(jiān)測支撐仍然有限。

高空間分辨率土壤濕度產(chǎn)品不能直接獲取，如何構(gòu)建高分辨率土壤濕度產(chǎn)品吸引了眾多專家學(xué)者興趣。國內(nèi)外文獻(xiàn)通?；诖植诜直媛释寥罎穸犬a(chǎn)品，應(yīng)用通用三角形、回歸、機器學(xué)習(xí)等方法對其進(jìn)行空間降尺度，從而構(gòu)建高分辨率產(chǎn)品。結(jié)果表明，降尺度高分辨率產(chǎn)品能夠滿足大多數(shù)現(xiàn)實業(yè)務(wù)要求[9-12]。通過文獻(xiàn)分析，隨機森林算法在降尺度方面具備較多優(yōu)勢，預(yù)測精度高，學(xué)習(xí)過程快，運算速度快，穩(wěn)定性好且不易產(chǎn)生過擬合，對噪聲和異常值也有較好的容忍性。面向湖南地區(qū)干旱精細(xì)化監(jiān)測業(yè)務(wù)需求，本文應(yīng)用隨機森林學(xué)習(xí)算法對粗糙分辨率土壤濕度產(chǎn)品進(jìn)行降尺度，研制了高分土壤濕度產(chǎn)品，為干旱精細(xì)化監(jiān)測提供了一種可行方案。

1 高分土壤濕度產(chǎn)品加工平臺設(shè)計

根據(jù)氣象業(yè)務(wù)實際情況，設(shè)計一個高分土壤濕度產(chǎn)品加工平臺，平臺以構(gòu)建湖南地區(qū)時空連續(xù)高分辨率（1 km×1 km）土壤濕度日數(shù)據(jù)為目標(biāo)，基于多源衛(wèi)星遙感、實時地面觀測、中國氣象局模式等數(shù)據(jù)，應(yīng)用隨機森林機器學(xué)習(xí)算法對其歷史數(shù)據(jù)集挖掘，建立土壤濕度因子與地溫、降水、地表反照率、蒸散發(fā)、植被覆蓋等多種影響因子的降尺度模型，研制高分土壤濕度產(chǎn)品。進(jìn)一步將建模形成的高分辨率產(chǎn)品與地面自動站觀測數(shù)據(jù)對比，評估產(chǎn)品在不同季節(jié)、不同空間區(qū)域、不同干旱程度情況下的偏差及準(zhǔn)確率情況，基于評估結(jié)果迭代優(yōu)化模型參數(shù)，增強產(chǎn)品的可靠性，提升本地化干旱監(jiān)測的精準(zhǔn)度。

平臺主要功能模塊如圖1 所示，分為數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、隨機森林降尺度建模和系統(tǒng)評估優(yōu)化四部分。其中，數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理模塊主要負(fù)責(zé)平臺各類資料的全面收集與質(zhì)量控制；隨機森林降尺度建模和系統(tǒng)評估優(yōu)化負(fù)責(zé)平臺產(chǎn)品模型的構(gòu)建與深度加工。

圖1 平臺主要功能模塊

2 平臺數(shù)據(jù)收集與預(yù)處理

2.1 數(shù)據(jù)收集

產(chǎn)品構(gòu)建需要的數(shù)據(jù)包括衛(wèi)星遙感、模式產(chǎn)品及定點觀測土壤濕度數(shù)據(jù)。衛(wèi)星遙感數(shù)據(jù)包括遙感數(shù)據(jù)ESA CCI（V4.7）土壤濕度數(shù)據(jù)集和MODIS 多源數(shù)據(jù)集。ESA CCI 數(shù)據(jù)集來源于歐洲航天局，該數(shù)據(jù)集為主被動混合模式土壤濕度；MODIS 來源于美國宇航局，該數(shù)據(jù)集包括地溫、反照率、植被指數(shù)等高分辨率（1 km×1 km）數(shù)據(jù)集。模式數(shù)據(jù)來源于中國氣象局陸面數(shù)據(jù)同化系統(tǒng)CLDAS（V2.0），該數(shù)據(jù)集包括土壤濕度（7 km×7 km）、地溫、降水產(chǎn)品等。上述衛(wèi)星遙感數(shù)據(jù)、中國氣象局模式產(chǎn)品數(shù)據(jù)均可通過互聯(lián)網(wǎng)公開申請獲取。實時土壤濕度觀測數(shù)據(jù)來源于湖南省氣象部門地面土壤水分觀測站，站點具體分布圖如圖2 所示。

圖2 湖南土壤水分觀測站分布圖

2.2 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是產(chǎn)品后期研發(fā)發(fā)揮效益的關(guān)鍵步驟。原始數(shù)據(jù)往往存在不完整、異常、時空間尺度不一致等情況，對數(shù)據(jù)預(yù)處理需盡可能保障其可靠性和完整性。

1） 實時地面觀測數(shù)據(jù)預(yù)處理

按照資料行業(yè)標(biāo)準(zhǔn)和規(guī)范，通過要素極值分析、關(guān)聯(lián)分析、時空一致性等方法對觀測數(shù)據(jù)綜合質(zhì)控，排除觀測數(shù)據(jù)存在的野值和錯誤數(shù)據(jù)，并對質(zhì)控后一年有效觀測值小于180 天的站點進(jìn)行剔除。

2） 土壤濕度背景場預(yù)處理

土壤濕度背景場包括ESA CCI 遙感土壤濕度數(shù)據(jù)和中國CLDAS 模式產(chǎn)品土壤濕度數(shù)據(jù)。CLDAS 數(shù)據(jù)可靠性高度依賴陸面模式和驅(qū)動數(shù)據(jù)集的質(zhì)量。CLDAS土壤濕度數(shù)據(jù)存在不確定性，采用統(tǒng)計方法對衛(wèi)星遙感和模式產(chǎn)品土壤濕度數(shù)據(jù)進(jìn)行融合，改善背景場數(shù)據(jù)可靠性。

3） 地溫數(shù)據(jù)集預(yù)處理

時間連續(xù)空間完整地溫數(shù)據(jù)是產(chǎn)品研發(fā)的關(guān)鍵要素。遙感獲得的高分辨率地溫數(shù)據(jù)集（1 km×1 km）受云層和衛(wèi)星軌道間隙影響，造成數(shù)據(jù)不完整，需對來源不同的補充地溫數(shù)據(jù)進(jìn)行質(zhì)控，統(tǒng)一時間尺度，基于相似要素點匹配、綜合權(quán)重、相關(guān)系數(shù)關(guān)系，合理插補多云條件下MODIS 地溫空缺區(qū)域數(shù)據(jù)，與晴空條件MODIS產(chǎn)品組合形成完整的數(shù)據(jù)集。

2.3 數(shù)據(jù)評估方法

應(yīng)用統(tǒng)計學(xué)客觀評價指標(biāo)分析同一時段內(nèi)觀測值與站點的格點數(shù)據(jù)的誤差和相關(guān)關(guān)系，評估產(chǎn)品在湖南地區(qū)的適用性。指標(biāo)包括平均偏差（MD）和相關(guān)系數(shù)（COR），公式如下：

式中：N為觀測站點數(shù)目；Gi為第i個觀測站點實時觀測值；Oi為產(chǎn)品雙線性插值到第i個觀測站點位置的格點數(shù)據(jù)。

3 產(chǎn)品構(gòu)建與評估

3.1 基于機器學(xué)習(xí)產(chǎn)品模型的構(gòu)建

1） 產(chǎn)品模型的構(gòu)建

產(chǎn)品采用隨機森林機器學(xué)習(xí)算法建立土壤濕度因子與地溫、降水、反照率、蒸發(fā)、植被覆蓋等影響因子的關(guān)聯(lián)模型，公式如下：

式中：SSM0為訓(xùn)練階段觀測站點土壤濕度數(shù)據(jù)；fRF為關(guān)聯(lián)站點觀測數(shù)據(jù)與輸入變量非線性函數(shù)；C為輸入樣本向量；A為反照率；N′為歸一化植被指數(shù)；T為歸一化地溫；E為歸一化蒸散發(fā)數(shù)據(jù)；P為降水量；S為土壤材質(zhì)；C—SSM 為粗糙分辨率土壤濕度數(shù)據(jù)。

非線性關(guān)聯(lián)特征較為復(fù)雜，相互作用關(guān)系為隱性知識。模型應(yīng)用Python 中scikit-learn 機器學(xué)習(xí)包對預(yù)處理后的數(shù)據(jù)進(jìn)行分析、挖掘、處理，得到相互作用的顯性知識。應(yīng)用隨機森林算法從輸入向量C中抽取隨機樣本，設(shè)置隨機森林模型決策樹特征數(shù)目、深度和擬合參數(shù)，建立多顆決策樹，每顆決策樹按比例隨機抽取，通過對所有決策樹回歸來建立土壤濕度降尺度關(guān)聯(lián)模型。

2） 模型穩(wěn)定性與精準(zhǔn)度迭代調(diào)優(yōu)

隨機森林算法模型在降尺度應(yīng)用中具有不確定性，需要對不同影響因子進(jìn)行重要性分析，調(diào)整優(yōu)化隨機森林決策特征向量參數(shù)與決策樹深度、廣度參數(shù)，并同時利用多重交叉驗證方法提高隨機森林算法模型的穩(wěn)定性。隨機森林預(yù)測結(jié)果基于多顆決策樹投票結(jié)果得到，預(yù)測的結(jié)果準(zhǔn)確性與數(shù)據(jù)科學(xué)抽樣、特征向量選擇、決策樹生成數(shù)目、決策樹深度及多決策樹回歸緊密關(guān)聯(lián)。學(xué)習(xí)初始階段默認(rèn)以n（n為自變量個數(shù)）作為最大特征向量個數(shù)參考，通過網(wǎng)格搜索對模型重要參數(shù)循環(huán)調(diào)優(yōu)，提高隨機森林模型預(yù)測精準(zhǔn)度。

3.2 平臺產(chǎn)品后期訂正優(yōu)化

平臺系統(tǒng)優(yōu)化分為建模過程中優(yōu)化和產(chǎn)品后期訂正優(yōu)化。建模過程中優(yōu)化是應(yīng)用多重交叉驗證對隨機森林決策樹訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集輪流評估，針對模型影響因子貢獻(xiàn)度分析，優(yōu)化模型提高產(chǎn)品可靠性；產(chǎn)品后期訂正優(yōu)化是以地面土壤水分自動站定點觀測數(shù)據(jù)為真值，將土壤濕度格點產(chǎn)品插值到站點，評估在不同季節(jié)、不同地區(qū)、不同干旱程度等情況下的偏差，基于相關(guān)系數(shù)、偏差等客觀指標(biāo)統(tǒng)計分析，找出大區(qū)域時空特征差異和變化趨勢，有針對性地優(yōu)化訂正模型參數(shù)，提高產(chǎn)品在湖南地區(qū)的適應(yīng)性。

3.3 平臺流程自動處理與可視化展示

平臺產(chǎn)品制作包括數(shù)據(jù)收集、數(shù)據(jù)建模、評估分析等步驟，采用自動化運維與管理技術(shù)定制數(shù)據(jù)采集任務(wù)、質(zhì)量評估模板、可視化模板，實現(xiàn)產(chǎn)品制作的自動化管理。平臺產(chǎn)品可視化需要統(tǒng)一的規(guī)范性，圖標(biāo)色標(biāo)方案、地圖范圍、制圖特征需要統(tǒng)一風(fēng)格，平臺產(chǎn)品可視化展示按圖3 所示流程進(jìn)行管理。

圖3 平臺產(chǎn)品可視化流程

可視化通用流程包括樣式文件配置和工作流配置。產(chǎn)品因?qū)嶋H需求不同要對參數(shù)有相應(yīng)的調(diào)整。平臺通過離線模板編輯環(huán)境，對圖標(biāo)色標(biāo)方案、地圖范圍、制圖特征等進(jìn)行可視化編輯。將確定后的參數(shù)提交給服務(wù)器同步更新，完成地圖、圖層樣式文件的配置。平臺通過工作流配置實現(xiàn)業(yè)務(wù)數(shù)據(jù)、圖形預(yù)制環(huán)境參數(shù)實時自動加載、插值投影變換、圖層疊加合成、本地化地圖裁剪，定制適應(yīng)湖南地區(qū)的干旱監(jiān)測產(chǎn)品。

圖4 為基于工作流模型生成的2022 年6 月22 日土壤濕度空間分布圖。圖形較好地模擬了湖南地區(qū)土壤濕度的日變化，較精細(xì)地展示了全省干旱空間分布情況，從北向南的層次結(jié)構(gòu)和局部特征能較好地滿足干旱動態(tài)業(yè)務(wù)監(jiān)測的現(xiàn)實需求。

3.4 評估結(jié)果分析

以湖南地區(qū)2022 年質(zhì)控后55 個地面土壤水分觀測站點資料作為真值，將建模形成的高分土壤濕度產(chǎn)品插值到觀測站點進(jìn)行評估。產(chǎn)品值與觀測值的相關(guān)性（站點數(shù)）關(guān)系圖如圖5 所示。

圖5 產(chǎn)品值與觀測值的相關(guān)性（站點數(shù)）

1） 相關(guān)性

根據(jù)圖5 進(jìn)行相關(guān)性統(tǒng)計分析得到：產(chǎn)品值與觀測值相關(guān)系數(shù)達(dá)到0.9，從站點數(shù)目看，87.3%（合計48 站）相關(guān)系數(shù)高于0.85，僅7.3%（合計4 站）的站點相關(guān)系數(shù)低于0.8，表明產(chǎn)品值與觀測值緊密相關(guān)，整體一致性高。

圖6 所示為產(chǎn)品值與觀測值相關(guān)系數(shù)的空間分布圖。由圖6 可知，各站相關(guān)系數(shù)空間分布比較均勻，湖南中部東部地區(qū)相關(guān)系數(shù)略高于西部地區(qū)。相關(guān)系數(shù)低于0.8 的4 站中有3 站在湖南北部區(qū)域，可能與該區(qū)域處于湖區(qū)到山區(qū)過渡帶、地貌多樣、土壤質(zhì)地復(fù)雜等因素有關(guān)。

圖6 產(chǎn)品值與觀測值相關(guān)系數(shù)的空間分布

2） 偏差

產(chǎn)品值與觀測值的偏差（站點數(shù)）分布圖見圖7。從站點數(shù)目看，偏差主要分布在-0.08～0.08 m3/m3以內(nèi)，52.7%的站點偏差在-0.04～0.04 m3/m3，呈現(xiàn)負(fù)偏差的站點數(shù)目為58.2%，略多于呈現(xiàn)正偏差的站點。

圖7 產(chǎn)品值與觀測值的偏差（站點數(shù)）

圖7 所示為進(jìn)行相關(guān)性統(tǒng)計分析得到的產(chǎn)品值與觀測值的偏差（站點數(shù)）關(guān)系圖。由圖7 可知，產(chǎn)品值與觀測值平均偏差為-0.01 m3/m3。

圖8 所示為0～10 cm 土壤濕度產(chǎn)品值與觀測值偏差的空間分布。從圖中可以看出，湖南北部地區(qū)產(chǎn)品負(fù)偏差對應(yīng)站點偏多，南部地區(qū)正偏差偏多。負(fù)偏差高值在中部偏北區(qū)域，正偏差高值在湖南北部區(qū)域。

圖8 產(chǎn)品值與觀測值偏差的空間分布

圖9 所示為產(chǎn)品值與觀測值四季偏差情況。其中，秋季呈現(xiàn)正偏差，其他季節(jié)為負(fù)偏差；夏季、秋季偏差顯著小于春季、冬季。表明產(chǎn)品在湖南地區(qū)旱情較為嚴(yán)重的夏季、秋季具有較高的準(zhǔn)確性。

圖9 產(chǎn)品值與觀測值的偏差（季節(jié)）

4 結(jié) 論

本文以湖南地區(qū)干旱精細(xì)化監(jiān)測業(yè)務(wù)需求為牽引，基于多源衛(wèi)星遙感、實時地面觀測、中國氣象局模式等資料，應(yīng)用隨機森林學(xué)習(xí)算法，建立了土壤濕度因子與降水、地溫、地表反照率、蒸發(fā)、植被覆蓋等多種衛(wèi)星遙感影響因子的降尺度模型，研制了高分辨率土壤濕度產(chǎn)品（1 km×1 km）。面向干旱精細(xì)監(jiān)測高分土壤濕度產(chǎn)品的構(gòu)建具有重要意義，主要包括以下兩方面：

1） 湖南是農(nóng)業(yè)大省，土壤濕度是農(nóng)業(yè)干旱監(jiān)測的重要指標(biāo)，形成的產(chǎn)品能較好地模擬湖南地區(qū)土壤濕度日變化特征，也能精細(xì)動態(tài)地監(jiān)測干旱空間分布和干旱過程的變化趨勢，為開展干旱精密化監(jiān)測提供了一種可行方案。

2） 智能化產(chǎn)品基于湖南氣候特征、地形地貌、植被覆蓋進(jìn)行構(gòu)建與優(yōu)化。針對本地化專項建模，平均偏差為-0.01 m3/m3，相關(guān)系數(shù)為0.9，相對于其他產(chǎn)品有更好的本地適應(yīng)性。湖南發(fā)生旱災(zāi)的季節(jié)絕大多數(shù)以夏旱、秋旱或夏秋連旱為主，在旱情較重的夏秋季產(chǎn)品具有更高的準(zhǔn)確性，為湖南地區(qū)保障糧食生產(chǎn)安全、抗旱防災(zāi)減災(zāi)決策提供更為精細(xì)的基礎(chǔ)支撐。同時產(chǎn)品也可作為觀測資料補充應(yīng)用于業(yè)務(wù)和科研，對于地廣人稀且氣象站點相對較少的地區(qū)氣象服務(wù)潛力巨大。

注：本文通訊作者為羅丹。