img

官方微信

遥感技术与应用, 2020, 35(1): 58-64 doi: 10.11873/j.issn.1004-0323.2020.1.0058

土壤水分专栏

SMOS与SMAP过境时段表层土壤水分的稳定性研究

陈勇强,1, 杨娜,1, 胡新1, 佟明远2

1. 河南理工大学 测绘与国土信息工程学院 河南 焦作 454000

2. 东北电力大学 自动化工程学院 吉林 吉林 132012

Study on Stability of Surface Soil Moisture during SMOS and SMAP Transit period

Chen Yongqiang,1, Yang Na,1, Hu Xin1, Tong Mingyuan2

1. School of Surveying and Land Information Engineering, Henan Polytechnic University, Jiaozuo 454000, China

2. School of Automation Engineering, Northeast Electric Power University, Jilin 132012, China

通讯作者: 杨娜(1980-),女,黑龙江大庆人,讲师,主要从事微波土壤水分反演与应用研究。E⁃mail:yangna800522@foxmail.com

收稿日期: 2018-10-25   修回日期: 2019-11-10   网络出版日期: 2020-03-31

基金资助: 国家自然科学基金青年基金项目“非均质平原农区SMOS土壤水分反演算法优化研究”.  41501363
河南省科技攻关计划(农业领域)项目“SMOS/SMAP农区土壤水分精准反演及点-面时空尺度匹配研究”.  172102110033

Received: 2018-10-25   Revised: 2019-11-10   Online: 2020-03-31

作者简介 About authors

陈勇强(1992-),男,河南三门峡人,硕士研究生,主要从事微波土壤水分反演与应用研究E⁃mail:yongqiang5566@foxmail.com , E-mail:yongqiang5566@foxmail.com

摘要

SMOS和SMAP都是为获取全球土壤水分信息而设计的专题卫星,均搭载了L波段辐射计。进行二者的横向对比是构建具有一致性的全球土壤水分数据集的关键基础。虽然SMAP、SMOS名义上的过境时刻是固定的,但二者的实际过境时刻随时间和空间发生变化,它们与地面实测数据三者之间难以匹配形成时序上严格统一的样本对,从而给土壤水分反演结果的精度评定带来困难。针对这一问题,以美国大陆地区为研究区,首先对2016~2017年SMOS、SMAP土壤水分数据的时间戳进行统计,判定二者过境的交叠时段;进而利用高观测频率、大空间尺度的实测数据,研究表层土壤水分在此时段内的自然变化特征。结果显示,按照全部、无降水、有降水3种条件,在样本量分别为98.14%、99.51%和88.49%的绝大多数情况下,表层土壤水分的变化量为0.007 m³/m³、0.007 m³/m³和0.012 m³/m³, 远小于SMOS、SMAP的目标精度(0.04 m³/m³)。初步证实: ①SMOS与SMAP的土壤水分反演结果(L2数据)可进行直接比对;②过境时刻差异对验证误差的影响可不计。

关键词: SMOS ; SMAP ; 微波遥感 ; 表层土壤水分 ; 土壤水分稳定性

Abstract

SMOS and SMAP are both dedicated to acquire global soil moisture information with L band radiometer. The parallel comparison between them is the key foundation for the integration of a consistent global soil moisture dataset. Though the nominal passing time of SMAP and SMOS are designed fixed, the precise time they move overhead locally may not be the same because of the variation in spatial and temporal, practically it is unable to match SMAP, SMOS and field observations in temporal rigidly, therefore the evaluation on their soil moisture retrievals is hard to carry. Research on this mismatch problem is made in the continental United States; firstly, the overlapping period of the two satellites is determined on the basis of a statistic on the time stamp of 2016~2017 SMOS and SMAP soil moisture data; then, the natural variation characteristics of surface soil moisture within this period is studied using in-situ data which having high density in temporal and large scale in spatial. Results showed that, by grouping the samples in the three conditions of entire, no precipitation and with precipitation, where the sample ratio of 98.14%, 99.51% and 88.49% in each group, respectively, meaning in most cases, the surface soil moisture presents a variation of 0.007 m³/m³, 0.007 m³/m³ and 0.012 m³/m³accordingly, which is far less than the nominal accuracy of SMOS and SMAP (0.04 m³/m³). It can be demonstrated preliminarily, ① the direct comparison of SMOS and SMAP soil moisture retrievals (L2 data) is acceptable, ② validation error induced by the difference of passing time can be neglected.

Keywords: SMOS ; SMAP ; Microwave remote sensing ; Surface soil moisture ; Soil moisture stability

PDF (5520KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

陈勇强, 杨娜, 胡新, 佟明远. SMOS与SMAP过境时段表层土壤水分的稳定性研究. 遥感技术与应用[J], 2020, 35(1): 58-64 doi:10.11873/j.issn.1004-0323.2020.1.0058

Chen Yongqiang, Yang Na, Hu Xin, Tong Mingyuan. Study on Stability of Surface Soil Moisture during SMOS and SMAP Transit period. Remote Sensing Technology and Application[J], 2020, 35(1): 58-64 doi:10.11873/j.issn.1004-0323.2020.1.0058

1 引 言

土壤水分决定着地表水量与能量的收支分配,在地—气交互过程中发挥着特殊的作用[1]。因此,准确的土壤水分信息是支撑气象预报、气候模拟、农业监测、水文分析等研究的关键基础[2]。微波遥感不易受云和大气的影响,被视为目前获取土壤水分的最有效的方式之一[3],SMOS(Soil Moisture and Ocean Salinity,2009)和SMAP(Soil Moisture Active/Passive,2015)就是其中非常具有代表性的两颗土壤水分专题卫星[4,5]

由于二者在算法机理和数据体系等方面有着相似之处,以建立一致性的全球土壤水分数据集为根本目标,如何充分、有效地对比SMOS和SMAP土壤水分数据成为近两年的研究热点[6,7,8,9]。然而,尽管两颗卫星设计的过境时刻均为当地时间早、晚6点[10,11],但由于发射地点和时间不同,在实际中它们的过境时刻并不完全一致。这种时间上的差异,使得二者之间以及与地面实测数据难以严格匹配形成时序统一的样本对,给验证分析带来困难和不确定性。针对这一问题,本文利用高观测频率、大空间尺度的实测数据,通过分析表层土壤水分在SMOS、SMAP过境交叠时段内的自然变化特征,试图定量地证实因时间不匹配所引起的验证误差,从而为多源星载微波土壤水分数据的融合与集成提供理论支持。

2 数 据

2.1 SMOS、SMAP土壤水分数据

SMOS是欧洲空间局(ESA)“地球生存计划—地球观测任务”的第二颗卫星,于 2009年11月2日在俄罗斯北部成功发射;它的唯一载荷MIRAS(The Microwave Interferometric Radiometer with Aperture Synthesis)是全球首台星上L波段综合孔径干涉微波传感器;SMOS的主要任务是对全球表层土壤水分(约5 cm)和海洋表面盐度进行探测,帮助理解大气与海洋、陆地之间的水汽循环过程;像元尺度约为40 km[12,13,14]

SMAP是隶属于美国国家航空航天局(NASA)的L波段主被动土壤水分专题卫星,于2015年1月31日在戈达德航天飞行中心发射升空;与SMOS相同,SMAP的主要任务也是对全球土壤水分进行探测,帮助理解区域水、能量及碳循环的交互过程,改善对地表水热通量、北半球净碳通量等的量化估算,提升对气象气候、洪水、干旱灾害等的监测和预报能力;在被动微波方面,SMAP的像元尺度约36 km[15,16,17]

针对土壤水分,SMOS和SMAP的设定精度均为0.04 m³/m³,数据体系也十分相似,分别有3个主要层级:①以L1级观测亮温为输入的L2级半轨土壤水分数据,即反演结果;②由L2级半轨数据合成、或由L1级观测亮温数据合成反演的L3级每日全球土壤水分产品;③在更长时序上合成的、或基于模型模拟的L4高级全球土壤水分产品,如根区土壤水分。由于本文重点研究卫星过境时段内土壤水分的变化特征,需要对卫星数据的时间标记进行统计分析,因此采用 SMOS和SMAP L2级土壤水分数据(下载地址:https://smos-diss.eo.esa.int/socat/SMOS_Openhttps://n5eil01u.ecs.nsidc.org/)。

图1可见,由于SMOS首次采用多角度综合孔径干涉方式,且对射频辐射干扰RFI(Radio Frequency Interference)非常敏感,导致因无法实现土壤水分反演而形成的“漏洞”较多;相比之下,SMAP沿用了单一入射角探测方式,且着重在硬件设计上避免RFI的影响,则对土壤水分反演的空间连续性好于SMOS。

图1

图1   美国大陆单景SMOS、SMAP L2土壤水分产品(2017年8月2日)

Fig.1   SMOS、SMAP L2 Soil moisture products in the continental United States, August 2, 2017


2.2 USCRN实测数据

本文的研究需要时间上密集、可靠、稳定的地面实测数据,美国气候基准站网USCRN(The U.S. Climate Reference Network)就满足这样的要求,其目标是实现对气候变化的高精度观测[18,19]。针对土壤水分,USCRN以体积含水量方式对5、10、20、 50和100 cm 5个层深进行观测,最高频率可达每5 min一次。此外还对各层土壤温度、近地面气温、降水量和太阳辐射等十几个环境要素进行同步观测。目前,USCRN的站点总数已经达到156个,其数据不仅为地—气交互系统研究提供了支撑,同时也为SMOS和SMAP等卫星数据的验证分析提供了不可或缺的地面数据。值得一提的是,USCRN数据对外免费,可直接从其网站下载使用(https://www.ncdc.noaa.gov/crn/)。以美国大陆地区为研究区,选用2016~2017两年的亚小时级(/5 min,SUBHOURLY)数据,重点分析5 cm土壤水分(SOIL_MOISTURE_5,m3/m3)和降水量(PRECIPITATION,mm)这两个要素。亚小时级站点在美国大陆地区的分布如图2,其中蓝色圆点标识对两项要素的有效观测记录(非负、非空、土壤水分非0)超过全年半数的站点,2016和2017年分别有109和91个;红色圆点标识有效观测记录不足全年半数的站点,在实验中予以剔除。

图2

图2   美国大陆地区USCRN亚小时级实测站点

Fig.2   USCRN sub-hourly stations in the continental United States


3 SMOS、SMAP卫星在美国大陆地区过境的交叠时段

SMOS对过境时刻的标记是将半轨的起始和结束时刻(协调世界时UTC)作为数据文件名的一部分,以一条L2数据为例,“SM_REPR_MIR_SMU- DP2_20170101T040625_20170101T045939_650_300_1”,这是升轨数据,起始时刻是2017年1月1日04:06:25(UTC)、结束时刻是2017年1月1日04:59:39(UTC)。由于美国大陆位处北半球,按照升轨时间取后半段、降轨时间取前半段的方式对2016~2017年共2 120条数据的统计结果如图3所示(横坐标为整点时刻,纵坐标为分钟),本文将SMOS的升、降轨过境时段分别取为10:00~13:00时(UTC)、23:00~次日2:00时(UTC)。

图3

图3   SMOS、 SMAP过境时刻统计(2016~2017年,UTC时间)

Fig.3   SMOS, SMAP transit time statistics (2016~2017, UTC time)


SMAP L2土壤水分数据采用EASE2(Equal-Area Scalable Earth-2)地理格网定位方式,其对过境时刻的标记是记录在每个格点单元中,随位置变化而改变[20]。对2016~2017年共2 023条数据的统计结果如图3,本文将SMAP的升、降轨过境时段分别取为12:00~15:00时及22:00~次日1:00时。按照并集原则,最终将SMOS、SMAP的过境交叠时段确定为:10:00~15:00时(UTC),22:00~次日2:00时(UTC),如图4所示。

图4

图4   SMOS与SMAP过境交叠时段(UTC时间)

Fig.4   SMOS and SMAP overlapping period (UTC time)


4 表层土壤水分的变化特征

根据SMOS、SMAP过境交叠时段,分析与其探测深度相当的5 cm土壤水分在此期间内的变化情况。各站点表层土壤水分在卫星升、降轨时段内的变化量统计结果如图5所示(横坐标为全年每日,纵坐标为站点按原始文件名排序),初步可见:①大部分站点土壤水分的变化量小于0.01 m³/m³,表明其在卫星过境时段内较为稳定;②土壤水分在降轨期间内的变化量高于升轨期间,集中在-0.004~0.01 m³/m³数值范围内(图6,横坐标为数值范围,纵坐标为该范围内数据量占总样本的百分比);③1、2、3及12月份的冬春季无土壤水分记录的观测缺失较多(图5中黑色部分),这一状况在2017年较2016年更为严重,但从个别站点独立来看2017年实测数据在时间上的连续性要好于2016年。这些发现能够为实测数据的选用、站点的选择、验证方案设计以及算法改进等提供一定的参考。

图5

图5   SMOS、SMAP过境交叠时段实测土壤水分变化量

Fig.5   In-situ soil moisture variation during SMOS and SMAP overlapping period


图6

图6   SMOS、SMAP过境交叠时段升、降轨实测土壤水分变化量差异

Fig.6   In-situ soil moisture variation between descending and ascending


自然状态下,降水一般被视为导致土壤水分快速、剧烈变化的首要因素,为此,本文尝试对土壤水分变化量与降水的相关性展开分析。为便于制图表达,将土壤水分变化量分为0~0.05 m³/m³和0.05~0.35 m³/m³两个数值区间、降水取0~100 mm区间,结果如图7所示。初步显示:①二者的相关系数R最高仅为0.356(2017,升轨,土壤水分变化量小于0.05 m³/m³;2017,降轨,土壤水分变化量大于0.05 m³/m³),从这一指标来看降水对土壤水分的变化几乎无影响;②即使在降水条件下,土壤水分的变化量也集中在0.02 m³/m³,特别是其峰值位于0.005~0.007 m³/m³这一区间。形成此状况的原因首先可能在于降水和土壤水分有着不同的时空尺度特征,其次由于降水的随机性,按照“有或无(非负即0)”的近似二值化方式进行观测记录,在与连续性的土壤水分实测数据进行相关性分析时,往往很难得到理想的结果。从本文研究来看,在两颗卫星过境的交叠时段内土壤水分基本上表现为自身的一种缓变特征。

图7

图7   降水与土壤水分变化量

Fig.7   Precipitation and soil moisture variation


按照2016、2017、升轨(A)、降轨(D)、全部(A)、无降水(NR)和有降水(R)共12种情况,并以土壤水分变化量为0.05m³/m³为分界值划定VALID(全部有效观测)、LE0.05(变化量小于等于0.05)和GT0.05(变化量大于0.05)3个样本集,土壤水分在卫星过境时刻的变化量总体表现如图8所示(纵坐标为平均土壤水分变化量、样本数量),初步发现:①在无降水和LE0.05条件下,样本数占总量的99.51%(LE0.05/VALID),与其对应的土壤水分变化量平均为0.007 m³/m³;②在有降水和LE0.05条件下,样本数占总量的88.49%(LE0.05/VALID),对应的土壤水分变化量平均为0.012 m³/m³;③SMOS和SMAP过境时段,在绝大多数情况下,表层土壤水分的变化量远小于其目标精度0.04 m³/m³。

图8

图8   土壤水分变化量总体分布

Fig.8   Soil moisture variation in each case


5 结 语

利用2016~2017年高频率的USCRN土壤水分和降水实测数据,针对美国大陆地区研究了SMOS、SMAP过境交叠时段内表层土壤水分的稳定性。结果显示,总体上土壤水分的变化量小于0.01 m³/m³,特别是在无降水情况下,该值仅为0.005~0.007 m³/m³,远远小于SMOS、SMAP对土壤水分的目标精度。这表明两颗卫星过境期间内表层土壤水分近似稳定,其变化量对验证分析的影响可不计,二者的土壤水分数据(L2级)直接比对可行、有效。

仅从相关系数的角度来看,“降水量越大则土壤水分变化量越大”的先验性论断未能得到证实,这可能在于二者的时空尺度特征差异,即降水具有空间连片性、分布近似均一性与时间随机性,而土壤水分则具有较强的空间变异性和时间连续性。需要说明的是,为了保证样本数量本文在实验中选用了当日降水总量,这可能是导致其与土壤水分变化量相关性不高的原因之一。另一方面,降水作为土壤水分自然输入的首要因素,如何准确界定独立的降水过程并设置有效的强度评定指标,从而更好表达其与土壤水分的量化关系,值得深入研究。

参考文献

Zuo Z , Zhang R .

Influence of Soil Moisture in Eastern China on the East Asian Summer Monsoon

[J].Advances in Atmospheric Sciences,2016,33(2):151-163.

[本文引用: 1]

Winkler D E , Chapin K J , Kueppers L M .

Soil Moisture Mediates Alpine Life form and Dommunity Productivity Responses to Warming

[J].Ecology,2016,97(6):1555-1565.

[本文引用: 1]

Zhao Tianjie .

Recent Advances of L-band Applicationin the Passive Microwave Remote Sensing of Soil Moisture and Its Prospects

[J].Progress in Geography,2018,37(2):198-213.

赵天杰.

被动微波反演土壤水分的L波段新发展及未来展望

[J].地理科学进展,2018,37(2):198-213.

[本文引用: 1]

Kerr Y H , Waldteufel P , Wigneron J P ,et al .

The SMOS Mission: New Tool for Monitoring Key Elements of the Global Water Cycle

[J].Proceedings of the IEEE,2010,98(5):666-687.

[本文引用: 1]

Entekhabi D , Njoku E G , O'Neill P E ,et al .

The Soil Moisture Active Passive (SMAP) Mission

[J].Proceedings of the IEEE,2010,98(5):704-716.

[本文引用: 1]

Cui C , Xu J , Zeng J ,et al .

Soil Moisture Mapping from Satellites: An Intercomparison of SMAP, SMOS, FY3B, AMSR2, and ESA CCI over Two Dense Network Regions at Different Spatial Scales

[J].Remote Sensing,2017,10(1):33.doi:10.3390/rs10010033 .

[本文引用: 1]

Chen F , Crow W T , Bindlish R ,et al .

Global-scale Evaluation of SMAP, SMOS and ASCAT Soil Moisture Products Using Triple Collocation

[J].Remote Sensing of Environment,2018,214:1-13.

[本文引用: 1]

Burgin M S , Colliander A , Njoku E G ,et al .

A Comparative Study of the SMAP Passive Soil Moisture Product with Existing Satellite-based Soil Moisture Products

[J].IEEE Transactions on Geoscience & Remote Sensing,2017,55(5):2959-2971.

[本文引用: 1]

Bai Yu , Meng Zhiguo , Zhao Kai ,et al .

Pixel-scale Soil Moisture Monitoring Network an Its Preliminary Validation of L-band Soil Moisture Products

[J].Remote Sensing Technology and Application,2018,33(1):78-87.

[本文引用: 1]

白瑜,孟治国,赵恺, .

像元尺度土壤水分监测网络及其对L波段土壤水分产品的初步验证结果

[J].遥感技术与应用,2018,33(1):78-87.

[本文引用: 1]

Al-Yaari A , Wigneron J P , Kerr Y ,et al .

Evaluating Soil Moisture Retrievals from ESA's SMOS and NASA's SMAP Brightness Temperature Datasets

[J].Remote Sensing of Environment,2017,193:257-273.

[本文引用: 1]

Djamai N , Magagi R , Goïta K ,et al .

Evaluation of SMOS Soil Moisture Products over the CanEx-SM10 Area

[J].Journal of Hydrology,2015,520(4):254-267.

[本文引用: 1]

Kerr Y H , Waldteufel P , Wigneron J P ,et al .

Soil Moisture Retrieval from Space: the Soil Moisture and Ocean Salinity (SMOS) Mission

[J].IEEE Transactions on Geoscience& Remote Sensing,2002,39(8):1729-1735.

[本文引用: 1]

Sanchez N , Martínez-Fernández J , Scaini A ,et al .

Validation of the SMOS L2 Soil Moisture Data in the REMEDHUS Network (Spain)

[J].IEEE Transactions on Geoscience and Remote Sensing,2012,50(5):1602-1611.

[本文引用: 1]

Petitcolin F , Vergely J L , Waldteufel P ,et al .

Soil Moisture Retrieval for the SMOS Mission

[C]∥EGS - AGU - EUG Joint Assembly,2003:911-913.

[本文引用: 1]

Entekhabi D , Njoku E G , O'Neill P E ,et al .

The Soil Moisture Active Passive (SMAP) Mission

[J].Proceedings of the IEEE,2010,98(5):704-716.

[本文引用: 1]

Panciera R , Walker J P , Jackson T J ,et al .

The Soil Moisture Active Passive Experiments (SMAPEx): Towards Soil Moisture Retrieval from the SMAP Mission

[J].IEEE Transactions on Geoscience and Remote Sensing,2013,52(1):490-507.

[本文引用: 1]

Dong J , Crow W T , Bindlish R .

The Error Structure of the SMAP Single and Dual Channel Soil Moisture Retrievals

[J].Geophysical Research Letters,2018,45(2):758-765.

[本文引用: 1]

Bell J E , Palecki M A , Baker C B ,et al .

US Climate Reference Network Soil Moisture and Temperature Observations

[J].Journal of Hydrometeorology,2013,14(3):977-988.

[本文引用: 1]

Rodríguez-Fernández N J , Muñoz Sabater J , Richaume P ,et al .

SMOS Near-real-time Soil Moisture Product: Processoroverview and First Validation Results

[J].Hydrology and Earth System Sciences,2017,21(10):1-23.

[本文引用: 1]

Brodzik M , Billingsley B , Haran T M ,et al. 2.

Enabling Ease of Access for Earth-gridded Data with EASE-Grid 0

[C]∥American Geophysical Union,2013.

[本文引用: 1]

/