HYDRUS模型与遥感集合卡尔曼滤波同化提高土壤水分监测精度

精确地估测干旱区土壤水分含量,对该区域的农业发展与水土保持具有重要意义。该文以MODIS与Landsat TM数据为数据源,利用其反演获得的条件温度植被指数(temperature-vegetation drought Index,TVDI)作为观测算子,将集合卡尔曼滤波(ensemble Kalman filter,En-KF)同化方法应用于水文模型(HYDRUS-1D),进行干旱区表层土壤水分的模拟。结果表明:遥感数据反演土壤水分所构建的二维特征空间TVDI与表层土壤水分有较好的一致性;En-KF同化方法对模型变量与观测算子的更新,与单纯使用HYDRUS模型相比,获得的表层土壤水分含量精度有了明显提高,其均方根误差缩小了1个百分点,平均误差缩小了5个百分点。可见,基于多源遥感数据对表层土壤水分的En-KF同化模拟在干旱区具有较大的潜力,是提高干旱区土壤水分含水量监测精度的有效手段。     

集合卡尔曼滤波数据同化方法改进土壤水分模拟效果

陆面过程模型是连续模拟土壤水分的有效工具,然而输入数据及模型结构本身的不确定性会导致模拟误差在模型运行过程中不断积累。数据同化技术可以考虑模型不确定性,实时修正模型状态变量,进而提高土壤水分的模拟精度。本研究构建集合卡尔曼滤波(En KF,ensemble Kalman filter)数据同化方法,将其集成到水文强化陆面过程模型HELP(hydrologically-enhanced land process)中,对模型中土壤水分及表面温度等状态变量进行优化。模型选取山东位山生态水文观测站2006年的数据进行验证,采用未经同化的模型率定结果作为基准值。结果表明,数据同化后表层、根层、深层土壤水分模拟结果相比基准值均有提高,土壤含水量均方根误差减小30%~50%,证明采用数据同化方法能够有效提高土壤水分的模拟结果。     

不同深度土壤水分同化产品在川西高原的应用

[目的]评估不同深度土壤水分同化产品的适用性,为川西高原有关气候变化、生态环境建设等研究提供土壤水分数据选择的科学依据。[方法]以气象自动观测站的土壤水分值作为参考,评价了中国气象局陆面同化系统CLDAS-V 2.0和全球陆面同化系统GLDAS-Noah土壤水分产品在川西高原的精度,并分析了土壤水分产品对降水过程的反应以及降水对土壤水分产品精度的影响。[结果]①GLDAS和CLDAS数据均与参考值具有极显著的相关性(p<0.01),GLDAS数据与参考值的相关性整体好于CLDAS数据;②2套土壤水分产品在研究区表层和浅层的误差均较小,其中,表层土壤水分的误差大于浅层,GLDAS数据的误差小于CLDAS数据。两套数据都存在对土壤水分的高估,且在无降水情况下对土壤水分的高估比有降水的情况更突出;③2套数据在表层和浅层都表现出与降水一致的变化过程,且土壤水分的变化均滞后于降水量的变化,GLDAS数据对降水变化的反应比CLDAS数据更加灵敏,但CLDAS数据因具有较高的空间分辨率而对川西高原土壤水分的空间分异特征表现得更好。[结论]两套土壤水分产品表层和浅层数据在川西地区的适用性都较好,GLDAS数据质量总体较CLDAS数据更好,但CLDAS数据在对土壤水分空间分异的表现方面更具优势。     

基于SWAP-IES的旱区春小麦长势和产量模拟

基于观测数据和作物模型相同化的田块尺度作物生长监测,对于农田精准管理具有重要意义。为构建能准确模拟旱区春小麦长势和产量的同化模拟模型,该研究利用SWAP(soil-water-atmosphere-plant)模型和迭代集合平滑器算法(iterative ensemble smoother,IES),构建了适合旱区春小麦的SWAP-IES同化模拟系统,并利用2019—2020年田间观测试验数据,评估了同化叶面积指数(leaf area index,LAI)、土壤水分(soil water content,SW)及其组合在旱区春小麦生长模拟和估产中的作用。结果表明,相较于无同化情景,在吸收6次土壤水分观测数据后,模型对土壤水分模拟的R²从0.48提升到0.87。同化LAI时,各水分胁迫处理下LAI的模拟精度均最高,R²从无同化的0.35～0.62提升到0.76～0.96。同化LAI+SW时,各处理对生物量模拟的精度均最高,R²从无同化的0.40～0.67提升到0.73～0.96。轻度水分胁迫处理(T4～T5)下,仅同化LA...     

6套格点土壤水分数据集在内蒙古自治区的适用性评价

[目的] 评价6套多源格点土壤水分数据的适用性,为内蒙古地区陆—气耦合研究、干旱监测和气候变化背景下陆地水资源监测等提供科学的土壤水分精度信息和选择依据。[方法] 以内蒙古地区2016—2020年5—9月63个气象台站逐旬0—10 cm土壤水分监测资料为基础,以相关系数、平均绝对误差和均方根误差为指标,系统评价了土壤水分主被动探测计划（SMAP）、欧洲航天局气候变化倡议（ESA）、中国气象局陆面数据同化系统（CLDAS）、欧洲中期天气预报中心第5代ERA5和ERA5Land以及美国全球陆面数据同化系统NOAH等6套格点土壤水分资料在内蒙古的精度和时空变化。[结果] ①6套格点土壤水分资料均可以较好地再现内蒙古土壤水分“东湿西干”的空间分布特征,SMAP在空间上与观测数据吻合最好,其余五套资料普遍高估了土壤水分。②从内蒙古及其3个气候分区土壤水分的时间序列统计特征来看,6套土壤水分格点数据较好地表现出了观测土壤水分的时间变化趋势,除了SMAP与实测最为接近外,其余五套数据在内蒙古自治区、区内半湿润区和半干旱区普遍偏湿,且ERA5和ERA5Land高估较多,在区内干旱区,SMAP,ERA5和ERA5Land与观测更为接近。③6套格点土壤水分资料在内蒙古及其3个分区均与观测值具有极显著的相关系数,SMAP,ESA,CLDAS,ERA5和ERA 5Land数据与实测数据的相关性明显优于NOAH,SMAP数据的平均绝对误差和均方根误差显著小于其他5套数据集。[结论] 格点6套土壤水分数据在内蒙古的适用性各异,SMAP数据质量总体上较其他五套资料最优,适用性最好,ESA数据其次,NOAH数据相对最差。     

用表观热惯量法计算土壤含水量探讨

在分析应用遥感资料监测土壤水分的方法及其可行性的基础上,介绍了表观热惯量法监测土壤水分的基本原理和具体实施步骤.通过实测资料的验证表明,此种方法在0～20cm的土层内具有较高的精度,而在30cm以下的深度应用此法其精度有所降低.同传统的水分监测方法相比,表观热惯量法监测土壤水分具有方便、快捷、多时相等特点;同其他遥感方法相比,该方法应用简单,成本低,无需过多的气象数据支持即可完成对大面积土壤水分变化的监测,但仅适用于裸土或低植被覆盖的条件.     

那曲东部土壤水分MODIS遥感反演研究

利用那曲东部2014年8月至2015年7月土壤水分观测资料与同期MODIS数据建立了研究区土壤水分遥感监测模型。表观热惯量法(ATI)反演土壤水分结果不理想,基于MODIS 8天合成数据以及晴空数据拟合结果的决定系数分别为0.4503和0.3753,晴空条件下ATI方法监测效果较差。基于单窗方法建立的四种模型中,三次多项式模型拟合效果较好,决定系数为0.5475,分析认为排除冬季数据后建模效果更好。结论:基于单窗方法的三次多项式模型能较好的反演研究区土壤水分,不足之处为对天气要求较高,若无晴空遥感数据,将影响土壤水分监测工作的开展。     

基于NDVI优化选择的土壤水分数据同化

时间序列上遥感观测数据的准确性会对同化结果有较大的影响.该文以宁夏回族自治区固原市为例,通过北方生产力生态模犁模拟2008年5-7月逐日的土壤湿度,按照不同日期的归一化植被指数(normalized difference vegetation index,NDVI)阈值,分别利用MODIS资料计算出基于红光和近红外波段的垂直含水量指数、改进的垂直干旱指数和基于近红外波段和短波红外波段的短波红外垂直水分胁迫指数,和宁夏中南部的气象站实测土壤水分建立关系,并用不同遥感指数反演的土壤水分作为观测值进行同化.结果表明,在作物的不同生长时期,垂直含水量指数、改进的垂直干旱指数和短波红外垂直水分胁迫指数的反演效果不同,基于NDVI优化遥感反演结果,选择准确性更高的反演结果作为同化观测值,能提高同化土壤水分的精度.该研究表明在不同时间段内使用更为准确的遥感监测结果作为观测值进行同化可以提高同化的精度.     

陆面数据同化方法在绿洲农田土壤温湿度模拟中的应用

为准确预测绿洲农田土壤水分的变化以利于合理分配有限的水资源,该文利用耦合于中尺度大气数值模式MM5和WRF中的Noah Lsm与集合卡尔曼滤波方法建立了一维的陆面数据同化系统,将其应用到绿洲农田土壤的水热模拟研究。模拟结果表明：在陆面数据同化系统中同化土壤湿度后,不仅提高了绿洲农田土壤湿度的模拟精度,还可在一定程度上提高土壤温度和潜热的模拟性能;在同化土壤湿度的基础上进一步同化土壤温度,可显著提高绿洲农田土壤温度的模拟精度。若将研究结果进一步应用到中尺度大气数值模式MM5和WRF,可以较好地监测大面积的土壤温湿度变化以便做出合理的水资源调配。     

土壤水分遥感监测的研究进展

土壤水分是土壤的重要组成部分,在地—气界面间物质、能量交换中起着重要的作用,是农作物生长发育的基本条件和农作物产量预报的重要参数。遥感技术具有大面积同步观测,时效性、经济性强的特点,为大面积动态监测土壤水分提供了可能。简述了到目前为止出现的几种主要的土壤水分遥感监测方法,如热惯量法、作物缺水指数法、归一化植被指数法、植被指数距平法、植被供水指数法、植被状态指数法、温度状态指数法、温度植被干旱指数法、高光谱法、微波遥感法,并分析了各种方法的原理和特点,最后展望了土壤水分遥感监测方法的发展趋势。     

基于微波遥感的土壤水分反演估算研究进展

土壤水分是地表和大气水热过程交换的重要纽带，对于农业生产、生态规划、水资源管理等具有十分重要的意义。微波遥感具有基本不受天气条件影响，具有较好探测植被覆盖下的土壤信息和土壤水分变化趋势等优势，成为目前遥感精确反演土壤水分的热点。本文整理了现有全球尺度的基于微波遥感的土壤水分产品；分析比较了土壤水分反演中主动微波遥感、被动微波遥感、主被动微波协同技术的原理、特点、适用范围和关键技术进展：主动微波遥感和被动微波遥感的 优势分别在于高空间分辨率和高时间分辨率，高空间分辨率可以很好捕捉地表细微的空间信息特征，但囿于土壤水分与后向散射系数之间的复杂关系，特别是植被、地表粗糙度等对雷达后向散射系数的干扰，使得反演土壤水分的精度不高，因而根据现实情况选取不同散射模型以及利用多源数据协同是目前改善精度的研究热点。而高时间分辨率可以实现全球及大尺度下的土壤水分监测，但是很难满足小尺度或者小区域范围的实际研究需求，为了能使实测数据在空间上得以较好匹配，提出多种降尺度方法。结合以上两种微波遥感方式的优劣，依托更为丰富的数据源、相对成熟的观测技术来对两者进行融合以提取更多的水分信息，以提升反演精度或者获得长时间序列数据。在目前的方法中，土壤水分反演在小尺度下表现出良好的性能，但在全球尺度上会出现数据缺失、适用性不强、反演精度不高以及反演过程过于复杂等诸多问题，可以借助多种观测方式（多极化、多角度、多波段）、多时相重复观测、在原有模型上引入新的算法以及数据同化等方面着手进行改进，同时全球卫星导航系统（Global Navigation Satellite System, GNSS） 中长期稳定、高时空分辨率的L波段微波信号在陆面遥感领域的快速发展也为我国北斗卫星导航系统（BeiDou Navigation Satellite System, BDS）的发展提供了借鉴，展现出在土壤水分反演方面的巨大潜力。     

土壤水分反演的特征变量选择研究综述

土壤水分是水、能量和生物地球化学循环中不可忽略的组成部分,土壤水分信息对水资源管理、农业生产以及气候变化等相关研究有着重要意义。基于遥感数据的土壤水分反演算法是获取土壤水分信息的重要手段,通过对影响土壤水分反演的因素进行梳理,将影响因素抽象为包括土壤特征,植被特征,以及气象特征在内的特征变量,并以此为主线对土壤水分的反演研究进行回顾与梳理。分析了利用不同特征变量反演土壤水分时存在的问题和发展趋势,指出土壤水分反演过程中存在特征变量理论研究不足、综合应用不深的问题,强调耦合使用各类特征变量以提高水分反演精度是未来的研究热点。     

能量指数法在黑龙江干旱监测中的适用性研究

基于MODIS产品资料,结合土壤墒情实测数据,就能量指数法在黑龙江省农业干旱遥感监测中的适用性展开研究。结果表明:能量指数法的监测效果明显优于热惯量法和植被供水指数法,同时该方法还解决了其他方法不能连续监测土壤含水量的问题,适用于各种植被覆盖条件下以及各种土层深度的干旱监测。同时,运用多年资料分时、分层建立了基于能量指数法的土壤水分反演模型,模型的拟合效果在50cm深度时最好,20cm深度次之,10cm深度稍差。此外,模型在2009年黑龙江省干旱监测应用中的效果表明,反演结果与实际情况基本一致,能较好地反映黑龙江省旱情的空间分布和发展过程。     

基于MODIS数据的土壤含水量监测方法研究综述

通过对应用MODIS数据监测土壤含水量研究方法的综述,归纳总结了3类常用监测方法及各类方法的基本原理,分析了各方法的应用范围,讨论了各种基于MOIDS数据监测土壤含水量方法存在的问题和不足,指出较高精度的土壤含水量监测,需要综合研究下垫面土壤特性、光谱探测特性、地表覆盖物及气候等特征,并探讨了今后的研究发展方向。     

基于作物及遥感同化模型的小麦产量估测

为提高陕西省关中平原冬小麦的估产精度,该文通过粒子滤波算法同化Landsat遥感数据反演的状态量叶面积指数(leaf area index,LAI)、土壤含水量(0~20 cm)、地上干生物量数据和CERES-Wheat模型模拟的状态量数据,分析小麦不同生育期的LAI、土壤含水量及生物量同化值和实测单产的线性相关性,以构建同化估产模型。结果表明,在返青期土壤含水量同化值和实测单产的相关性高于LAI、生物量同化值和实测单产的相关性,选择土壤含水量作为最优变量;在拔节期和抽穗-灌浆期同时选择LAI、土壤含水量及生物量作为最优变量;在乳熟期选择生物量作为最优变量。在小麦各生育时期同化最优变量的估产精度(R2=0.85)高于同时同化LAI、土壤含水量及生物量的估产精度,同时同化LAI、土壤含水量及生物量的估产精度高于同时同化LAI和土壤含水量(或LAI和地上干生物量、或土壤含水量和地上干生物量)的估产精度,表明在作物不同生育时期同化与产量相关性较大的变量对提高估产精度有重要作用。     

遥感监测土壤水分研究综述

对于近年来国内外遥感监测土壤水分的理论、方法的发展和应用进行了全面的回顾，重点介绍了目前已经比较成熟和广泛应用的基于可见光与热红外波段的特征空间方法和微波遥感方法。并对各种遥感监测土壤水分方法的优缺点作出评价，提出了遥感监测土壤水分方法存在韵不足，指出了今后发展的方向，并展望了遥感监测土壤水分的发展前景。     

条件植被温度指数的四维变分与集合卡尔曼同化方法

为了提高基于VTCI的干旱监测的准确性,以关中平原为研究区域,将遥感反演的条件植被温度指数(VTCI)与CERES-Wheat小麦生长模犁模拟的土壤浅层水分数据相结合,通过四维变分(4DVAR)与集合卡尔曼滤波(EnKF)2种数据同化算法实现了VTCI的同化.由作物生长模型模拟的土壤浅层水分与VTCI建立经验关系得到模拟的VTCI,再将遥感反演的VTCI与模型模拟值分别应用两种同化算法得到VTCI的单点同化结果,继而应用到区域尺度.结果表明,在VTCI单点实验中,两种同化结果均能结合观测值与模拟值的优点而更加符合VTCI先验知识.在两者区域尺度的同化实验中,由于引入了模型的模拟值,同化后的VTCI区域间纹理更好,减少了原观测图像中相邻像元值陡升陡降的情况,提高了基于VTCI的干旱监测的准确性.通过对比2种同化算法在区域尺度上的同化结果与观测值的差值的概率分布及其均方根误差,表明在以旬为步长的VTCI同化实验中,EnKF方法适用性更强.     

同化AMSR2数据提高HYDRUS-1D模型土壤湿度模拟精度

同化遥感监测数据提高土壤剖面湿度模拟精度,对区域农业发展等实践与理论领域具有重要意义。该文结合了集合卡尔曼滤波(ensemble Kalman filter,EnKF)方法与HYDRUS-1D模型,同化降尺度后的AMSR2(advanced microwave scanningradiometer2)微波土壤湿度数据,开展榆社、荫城2个实验站点的土壤剖面湿度模拟。结果表明:在2个实验站点,与直接使用HYDRUS-1D模型相比,同化具有一定误差的AMSR2土壤湿度数据对不同深度土壤湿度的模拟精度提高都发挥了作用,尤其是对于同化前模拟方案S1(4月1日站点实测含水量)与S4(4月1日遥感含水量),由于HYDRUS-1D模拟时输入了较少数量的土壤湿度数据,数据同化效果与土壤湿度模拟精度提高更为显著;同化前后不同深度的土壤湿度精度对比结果表明,同化效果随深度增加而逐渐减弱。