高寒山区土壤水降尺度方法取得新进展

土壤水分是陆地与大气水循环过程中的重要变量,目前微波遥感是大范围、连续观测土壤水分的主要手段。由于微波遥感土壤水分数据产品的空间分辨率较粗,许多降尺度方法被提出用于提高这些数据产品的空间分辨率以满足中小尺度研究的需求。但多数方法是在地形较为平坦,海拔较低的试验区建立的,在地形复杂、土壤水分控制因子多样的高寒山区不适用。

针对微波遥感土壤水分在高寒山区的降尺度问题,实验室团队重新推导并验证了一种半物理降尺度的方法,并将该方法拓展到了高寒山区。该方法基于土壤质地数据,运用基于水动力学建立的Mualem-van Genuchten (MvG)模型估算遥感土壤水分数据的亚网格标准差,通过建立标准化土壤水分与标准化表观热惯量(Apparent thermal inertia, ATI)之间的统计关系,对粗分辨率的遥感土壤水分数据的降尺度。该方法被应用于八宝河流域对SMAP(soil moisture active passive)Enhanced L3数据产品(9km)进行降尺度。八宝河位于祁连山地区,是中国第二大内陆河黑河的上游,是典型的高寒山区。降尺度结果通过八宝河流域内的WATERNET的土壤水观测数据得到了验证。

Cao et al. 2021 RS 降尺度方法框架

研究发现:

  • 在高寒山区,ATI与土壤水分有着相似的季节和空间分布,在站点尺度上ATI与土壤水分之间有着很好的线性关系,WATERNET站点上ATI与土壤水分的决定系数(R2)均值为0.61。
  • 以土壤质地数据为输入,MvG模型可以较好地预测土壤水的亚网格标准差。
  • 1 km分辨率的降尺度结果能够反应出八宝河流域的土壤水分布特征,降尺度结果与站点观测之间的相关性较好,站点平均相关系数(R)为0.742,平均绝对误差(MAE)、均方根误差(RMSE)和无偏均方根误差(ubRMSE)都较小。对原始SMAP数据中的系统偏差进行校正后,降尺度结果的精度得到提高,进一步说明了方法的有效性。

该半物理降尺度方法成功地对高寒山区的微波遥感土壤水数据进行了降尺度,得到的高分辨率土壤水数据可以作为高寒山区地表及水文研究的数据基础。该方法以“A Semi-Physical Approach for Downscaling Satellite Soil Moisture Data in a Typical Cold Alpine Area, Northwest China”为题发表在“Remote Sensing”期刊上。作者曹泽涛、高红侠等人,通讯作者南卓铜。本科生殷子云参与了此工作。

【引用】Cao, Z.; Gao, H.; Nan, Z.; Zhao, Y.; Yin, Z. A Semi-Physical Approach for Downscaling Satellite Soil Moisture Data in a Typical Cold Alpine Area, Northwest China. Remote Sens. 2021, 13, 509. https://doi.org/10.3390/rs13030509

Previous Article
Next Article