中国多卫星土壤湿度产品与通用陆面模式4.5模拟产品评估外文翻译资料

英语原文共 36 页，剩余内容已隐藏，支付完成后下载完整资料

中国多卫星土壤湿度产品与通用陆面模式4.5模拟产品评估

B. Jia，J. Liu，Z. Xie

摘要：利用来自中国300多个站点的二十年现场土壤湿度数据对两个表层土壤湿度数据集进行评估：基于微波的多卫星产品(ECV-SM) 以及通用陆面模式4.5的陆面模型模拟(CLM4.5)。两种土壤湿度产品通常与实地观察结果很好地一致。ECV-SM产品具有低偏差，均方根差异为0.075m³m^-3，但显示与实地观察的弱相关性(R = 0.41)。相比之下，通过基于观察的大气强迫数据驱动的CLM4.5模拟产品，体现了更好的表层土壤湿度时间变化（R = 0.52 m³m^-3），但显示了一个清晰的过度估计（偏差= 0.05 m³m^-3）和更大的RMSD（0.09 m³m^-3），特别是在华东地区，这是由于土壤特征的不准确描述造成的。ECV-SM产品在半干旱地区更有可能是优越的，主要是因为准确的观测和高的观察密度，但是在植被覆盖密集的地区较差。此外，除了2007 - 2010年混合期间的下降之外，中国地区的表现稳中有升。 本研究的结果可以全面了解中国两种土壤湿度数据的性能，对于改进合并算法或模型模拟以及土壤湿度数据同化的应用将有所帮助。

1介绍

土壤湿度是水文，气候，生物和生态过程的关键变量。 由于其对地球表面的水分和能量通量的分配具有控制力，因此，它对于大气层的相互作用是至关重要的（Dai等，2004）。 土壤湿度也是植被的季节和年际变化动力，这是耦合水文和碳循环的重要组成部分（Ciais等，2005）。已经进行了大量研究以使用遥感技术（Njoku等，2003; Owe等，2008; Kerr等，2012）和陆面模式（Dirmeyer等，2006；Wang等，2011；Liu和Xie，2013）来获得土壤湿度的估计。

空间微波仪器能够提供表面土壤含水量的定量信息(Schmugge, 1983)，特别是在1至10 GHz的低频微波区域(Albergel等, 2012)。已经使用来自主动微波传感器的卫星观测来生成几个微波的土壤湿度数据集，例如，欧洲遥感卫星1和2有源微波仪器风速计（AMI-WS; Scipal等，2002）以及气象操作卫星计划上的高级分光计（ASCAT）(MetOp; Bartalis等, 2007)，以及包括扫描多通道微波辐射计（SMMR; Owe等，2008），国防气象卫星计划的特殊传感器微波成像仪（SSM / I）（DMSP; Owe等，2008）的无源微波传感器，热带降雨测量任务微波成像仪（TMI; Jackson和Hsu，2001; Gao 等人，2006; Owe等人，2008），以及最近的Aqua上的高级微波扫描辐射计 - 地球观测系统（AMSR-E）卫星（Njoku等人，2003; Owe等人，2008）。 AMSR-E辐射计由于其天线的旋转问题于2011年10月切换，然而，2012年5月推出的全球变化观测站1-Water（GCOM-W1）的AMSR2旨在扩展AMSR-E的宝贵遗产，并提供改进的空间分辨率，因为其较大的反射器（Parinussa等人，2015）。尽管这些传感器都没有专门设计用于测量土壤湿度，但是在各种数据集之间发现了很好的对应关系，并且在各种各样的环境条件下进行了地面观测（Albergel等人，2009年，2012年; Draper等人，2009; Gruhier等人，2010; Brocca等人，2011）。然而，没有一个微波产品覆盖了气候应用需要考虑的十年时间表。最近，通过合并两个主动和六个被动微波产品构建了三十多年的多卫星基础气候变化土壤湿度数据集（ECV-SM）（Liu et al。，2011，2012）。该产品最初是根据欧洲航天局（ESA）水循环多任务观测战略（WACMOS）项目开发的，目前正在扩大和改善气候变化倡议（CCI）（http：//www.esa- soilmoisture-cci.org/; Wagner等，2012）。一些研究考虑了使用实地观察数据对ECV-SM的评估。 Liu等人（2011,2012）表明，合并后的数据集具有与最佳输入产品相似的精度，但随着时间采样密度的增加。 Albergel等人（2013a）发现，ECV-SM在2007年至2010年间对来自世界五大网络的196个站点进行了现场测量，但大多数网络的性能仍然比再分析土壤湿度产品的性能差.Dorigo等。（2014年）提供了更深入的评估;他们在全球28个历史和主动监测网络中使用了596个站。虽然ECV-SM的性能在一段时间内似乎相对稳定，但在不同的网络中观察到很大的差异。此外，ECV-SM还可以捕捉地基观测趋势的长期系统变化（Dorigo等，2012; Albergel等，2013b），这表明它具有很大的气候趋势评估潜力（Loew等人，2013）。

中国拥有第三大土地面积，多样化的气候和生物群落。以前的研究仅在1981 - 2000年间在中国使用了34个地点，而在中国西北部的马曲网络中，仅有20个地点在2008 - 2010年间，用于调查ECV-SM的性能（Albergel等，2013a; Drigo et al。，2014）。 这种稀疏的观察结果将显示出评估结果，导致很大的不确定性。 最近，中国气象局（CMA）国家气象信息中心（NMIC）更新了1993年778个地点的中国土壤湿度观测资料。 这些数据已广泛用于调查土壤湿度变化，并对地表建模进行评估（李等人，2005; 王和曾，2011; 刘和谢，2013）。

陆地表面建模是生产大面积和根区土壤湿度估算的另一个策略。 当被强迫使用高质量的大气强迫数据时，这一战略已被证明是在区域和全球尺度上对卫星观测进行评估的有效工具（Albergel等，2010年，2012年）。 ECV-SM产品也显示了评估气候模式表现的潜力（Loew等，2013; Szczypta等，2014）。 作为最先进的地表模型之一，美国国家大气研究中心（NCAR）的“通用陆面模式”4.5版（CLM4.5）于2013年发布（Oleson等，2013）。 据我们所知，很少有研究集中在中国CLM4.5土壤湿度模拟的表现。

在这项研究中，我们将使用778个地点的地面观测资料，对中国的ECV-SM产品和CLM4.5模拟进行深入评估，并对不同气候下的次区域进行调查，包括偏差特性和时间变化。 这一深入评估预计将更好地了解土壤湿度产品的质量及其潜在问题，可用于提高其准确性。 本研究中使用的土壤湿度数据集及其评估方法在第2节.结果和讨论在随后的3和4节中提出。 最后，第5节得出结论。

2资料和方法

2.1通用陆面模式（CLM）

NCAR / CLM是一个社区开发的模拟地表过程的模型，如水，能量和碳通量。 CLM4.5是CLM系列的最新版本（Oleson等，2013）。它与以前的版本相比有几个显着的改进，包括与模拟的陆地碳循环以及冠层和水文过程修改相关的偏差的减少（Oleson等，2013）。在CLM4.5中，空间地表差异性被表示为嵌套的亚格网层次，网格单元由多个陆地单元，雪/土柱和植物功能类型（PFT）组成。 CLM4.5有一个植被层，十五层土壤和五层雪，取决于雪深。五个五层的土壤深度分别为1.75,4.51,9.06,16.55和28.91厘米。对于土壤点，对所有层进行温度计算，而仅在前十层进行水文计算;底层五层分为基岩。在Oleson等人中可以找到CLM4.5中包含的物理过程的详细描述（2013）。应该注意的是，虽然CLM4.5包括选择运行动态植被或预测碳氮模型，但在我们的研究中，CLM4.5使用规定的基于卫星的物候学（Lawrence和Chase，2007），采用中等分辨率成像光谱仪（MODIS）。

在这项研究中，CLM4.5被中国科学院青藏高原研究所（以下简称ITP）的34年（1979-2012年）观测大气强迫数据集强迫，空间分辨率为0.1Kmtimes;0.1Km，时间分辨率为3小时，覆盖中国地区（15-55N，70-140E）。该数据集是通过将CMA 740个操作站的观察结果与全球陆面数据同化系统（Rodell等人，2004年）的相应气象强制数据集合来构建的，以产生近地表气温，压力，风速和具体湿度场。它结合了三个降水数据集，包括地面观测和两个卫星观测产物（Chen等，2011），以确定降水场。它还参照辐射估计（Yang et al。，2010）修正了全球能源和水循环实验表面辐射预算（Pinker和Laszlo，1992），以确定入射的短波辐射场。 陈等人（2011）表明，ITP强制推动的模拟改善了中国旱地的陆地表面温度建模。刘和谢（2013）发现，在中国大部分地区，由ITP强制数据集强迫的CLM3.5的土壤湿度估算与地面观测相比，与其他三种研究的大气强迫数据集有较密切的相关性。

2.2 ECV土壤湿度数据

为了使全球气候观测系统认可土壤湿度为ECV，ESA-WACMOS和CCI项目通过合并多种基于微波的土壤水分产品来支持生成ECV-SM产品（Wagner等，2012）包括从SMMR，SSM / I，TMI和AMSR-E得到的被动数据以及来自ERS和ASCAT的主动数据（刘等人，2011，2012）。2014年7月，维也纳科技大学发布ECV-SM版本2，与以前的版本相比，改进了合并计划和程序。此外，它还延伸到2013年，包括WindSat和AMSR2数据（Parinussa等人，2012年，2015年）。最初，ECV-SM数据分为两个均质产品：一个用于主动，一个用于被动数据;然后根据植被密度的相对敏感度，将它们合并成一个积极的无源产品（刘等人，2011，2012; Wagner等人，2012）。 ECV-SM的空间分辨率为0.25Kmtimes;0.25Km和以00:00UTC为中心的每日时间戳，尽管实际观察时间对应于特定时间的输入产品（刘等人，2012）。这些数据的单位是体积（m³m^-3），并且也提供质量标志（积雪覆盖或温度低于0和茂密的植被）。

2.3中国实地观测

本研究利用CMA-NMIC收集的中国大陆农业气象站的原位土壤水分测量值，对ECV-SM和CLM4.5进行了评估。每10天（即每25个月8日，18日和28日）在10,20,50,70和100厘米的土壤深度分别获得778个站点的原始数据（1993 - 2012年）。在冻土中没有记录测量结果。使用重量法测量土壤含水量，最初记录为质量百分比。使用田间容量和土体密度观测法将其转化为体积土壤水分（刘和谢，2013）。这种土壤水分观测数据已经广泛用于研究中国土壤水分的时间变化，并对中国的陆面模型模拟进行了评估（李等，2005; 王和曾，2011; 刘和谢，2013），并不断更新。然而，并不是所有的数据集都适用于遥感产品和模型仿真的评估。在这里，我们选择了一个简单的质量控制程序（王和曾，2011; 刘和谢，2013）用于更新的土壤水分观测的观察频率：3 - 10月期间有效测量的比例（1993 - 2012年） ）超过50％。最后，本研究使用308个站点0-10cm深度的月度土壤含水量值来评估这些深度的遥感和模拟值。朱（2003），刘和谢（2013），基于中国干燥和湿润中心的空间格局，将这些站分为8个子区域，如表1所示。图1显示八个次区域和所有308个实地测量点的位置，其中291个位于本研究的八个子区域。

2.4 评估方法

对于CLM4.5模拟，我们首先通过重复30年（1979-2009年）ITP气象强制数据来实现平衡状态和初始条件，重新启动了300年。 然后使用1979 - 2012年大气强迫数据强迫CLM4.5，并将在本研究中使用模拟结果。 为了与ECVSM一致，这些模拟都以0.25times;0.25的空间分辨率，30分钟的时间分辨率运行。 鉴于实测数据集的时间频率低，ECV-SM和CLM4.5的验证按月进行（王和增，2011;刘和谢，2013）。 保留了“最近邻”方法，使之与ECV-SM或CLM4.5的网格点位置与实地测量值相匹配。

在本研究中，使用以下五个统计指标（方程1-5）来定量评估ECV-SM产品和CLM4.5模拟的准确性：平均偏差（BIAS），均方根差（RMSD），相关系数（R），归一化标准偏差（SDV）和中心归一化RMSD（E）。 它们的定义如下：

其中S表示来自ECV-SM或CLM4.5数据集的土壤水分，O是实地测量，Delta;S和Delta;O分别是与S和O相关的相应SD。 SDV给出SD的相对幅度，而E量化图案变化中的误差（E = 0表示实地测量值）。 SDV和E都不包含任何有偏差的信息，因为在计算二阶错误之前减去了字段的平均值。 然而，R，SDV和E不是独立的，因为它们与等式 （6）：

泰勒图用于使用二维图来表示这三个统计量（Taylor，2001）。

在下一节中，我们首先对整个时间段（1993-2012）的遥感产品和模拟仿真的性能进行了评估。 随着用于开发ECV-SM的不同产品在空间和时间上有所不同，微波观测通道和采样密度的差异预计将影响新合并卫星产品的不同时期的质量（Liu 等人，2012; Dorigo等人，2014）。 以下描述了用于构建ECV-SM的八个子时段（Albergel等，2013a; Dorigo等，2014）：

混合1：1979年1月至1987年8月，仅基于SMMR观察，

混合2：1987年9月至1991年6月，仅基于SSM / I，

混合3：1991年7月至1997年12月，基于SSM / I和ERS AMI的组合，

混合4：1998年1月至2002年6月：基于TMI和AMI的组合在40 N和40S，以及其他地方的SSM / I和ERS AMI的组合，

混合5：2002年7月至2006年12月：基于AMSR-E和ERS

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25261]，资料为PDF文档或Word文档，PDF文档可免费转换为Word