卫星遥感反演土壤水分研究综述

土壤水分是影响地表过程的核心变量之一。精准地测量土壤水分及其时空分布,长期以来是定量遥感研究领域的难点问题。简要回顾基于光学、被动微波、主动微波和多传感器联合反演等卫星遥感反演土壤水分的主要反演算法、存在的难点和前沿性研究问题,介绍了应用土壤水分反演算法所形成的3种主要全球土壤水分数据集,包括欧洲气象业务卫星（ERS/MetOp）数据集、高级微波扫描辐射计（AMSR-E）数据集、土壤湿度与海洋盐分卫星（SMOS）数据集,并结合目前存在的问题探讨卫星遥感反演土壤水分研究的发展趋势。     

土壤湿度观测、模拟和估算研究

总结土壤湿度的观测手段和土壤湿度数据集建立的现状,详细阐述与土壤湿度模拟有关的方程离散化求解、物理和生化过程、陆面过程模式比较和陆面模式参数优化等方面的研究进展;综述估算土壤湿度廓线的数据同化方法,仔细比较集合卡曼滤波(EnKF)和四维变分(4-D Var)2类目前流行的同化算法,并对估算土壤湿度廓线的研究工作进行全面评估;最后,对土壤湿度观测、模拟和同化中需继续努力的方向进行了思索和展望。     

基于土壤水模型及站点资料的土壤湿度同化方法

基于非饱和土壤水模型和扩展卡尔曼滤波(Extended Kalman Filter)同化算法并结合陆面过程模型VIC发展了一个土壤湿度同化方案，并进行了理想试验及同化站点资料的同化试验。理想试验结果表明：扩展卡尔曼滤波方法能完整反演土壤湿度廓线，对土壤湿度的估计有较大改善；观测深度、观测层数和观测资料引入频率对同化结果有一定影响；加大观测频率，可以进一步改善同化效果。利用气象强迫驱动陆面模型VIC算出地表入渗条件而进行的同化站点资料的试验所得土壤湿度分布与观测资料基本吻合，反映了站点土壤湿度的月、季变化，表明该方案是合理的。     

区域蒸散发遥感估算方法及验证综述

蒸散发是地表水热平衡的重要参量,也是农作物生长状况和产量的重要指标。与传统的蒸散发计算方法相比,遥感技术经济、适用、有效,在非均匀下垫面的区域蒸散发监测上具有明显的优越性。系统回顾了5种常用的区域蒸散发遥感估算方法,包括经验统计模型、与传统方法相结合的遥感模型、地表能量平衡模型、温度—植被指数特征空间模型以及陆面过程与数据同化等,分析了这些模型的最新研究进展及各自的优缺点,并对地表蒸散发的地面验证方法进行了概述。最后简要分析了区域蒸散发遥感估算存在的问题,并展望了其未来发展趋势。多源遥感数据协同反演与非遥感参数遥感化、蒸散发模型改进与多模型集成、陆面过程与遥感数据同化、遥感蒸散发估算及地面验证中的尺度问题与空间代表性问题研究等将会是未来区域蒸散发研究中的重点发展方向。     

一个基于模拟退火法的陆面数据同化算法

陆面数据同化系统是近年来兴起的新领域。我们发展了一个实验型的陆面数据同化方案,它使用一种启发式优化算法——模拟退火法极小化目标泛函。与变分法和Kalman滤波方法比较,这一算法具有独立于目标泛函的优点,可处理模型和观测算子的非线性和不连续性。使用GAME—Tibet实验中的土壤水分观测值进行单点数值实验,成功地将土壤水分观测同化到陆面过程模型SiB2中。结果表明,与不进行同化相比,土壤水分的估计值有较大改善。     

土壤湿度参数化及对天气和气候模拟影响的研究进展

陆面过程中土壤湿度相关的水文过程及对天气和气候模拟的影响已经受到国内外学者的广泛关注。首先,追溯了土壤湿度的定义和确定方法,回顾了陆面模式中土壤湿度相关的水文参数化过程,包括不同土壤类型的水文曲线和土壤湿度方程的数值求解方法;其次,详细地给出了目前陆面模式中所使用的土壤水文参数的确定方法及其存在的不确定性,指出了参数敏感性分析和优化方法在陆面参数确定中的重要性,及最新的陆面水文参数集的建立在陆面模式的发展和土壤湿度准确模拟中的重要性。最后,总结了国内外关于土壤湿度对降水的反馈机制的研究进展,主要分为土壤湿度的时空分布特征和异常对季节性降水的正反馈作用,以及中尺度土壤湿度的非均匀性对局地对流激发的负反馈作用。通过总结已有的研究进展后分析了土壤湿度模拟中存在的不确定性因素,给出了土壤湿度对未来天气和气候模拟影响的主要研究方向。     

土壤水分与干旱遥感研究的进展与趋势

对土壤水分和干旱遥感监测的国内外发展情况进行了回顾,依据土壤水分和干旱遥感监测的原理,围绕着可见光与近红外、热红外、微波光谱波段的使用,分别以土壤和植被为观测对象,对国内外土壤水分与干旱遥感现状与发展趋势进行讨论。重点对微波遥感土壤湿度的算法发展和研究趋势进行了较详细的论述。在总结国内外土壤水分遥感监测研究实验中所用过的方法与原理的基础上,对目前遥感监测土壤水分研究领域的重点、难点和未来的发展方向进行了评述。土壤水分遥感监测是一个复杂的间接过程,波段及变量选择、传感器的性能等因素对土壤水分监测是至关重要的,土壤的各种理化性状、地形的分异作用以及气候变化和人为的土壤管理措施对土壤水分均有不同的影响,地表特征与土壤水分也存在着一定的相关性。改进的热惯量法和作物缺水指数法是当前土壤水分遥感监测中较为成熟的方法。GIS技术的广泛应用、土壤水分遥感监测模型的优化。微波遥感的应用将是该领域的重点研究方向。     

黄河源区陆面过程观测和模拟研究进展

陆面过程对黄河源区水资源变化有重要的影响,探索黄河源区陆面过程和水分循环特征的关联机理有十分重要的意义.首先简述了黄河源区气候变化背景和陆面过程的基本特征,并详细介绍了近年来在黄河源区开展的一系列陆面过程野外观测试验及相关研究主题和研究进展;进一步给出了在野外试验观测资料分析、卫星遥感、数据同化应用和数值模拟等方面取得...     

遥感技术在陆面过程研究中的应用进展

探讨了当前陆面过程 (LSP)研究的特点 ,指出遥感在陆面过程研究中的应用以及陆面过程国际合作实验是突出的特点 ,进而对遥感技术的陆面参数获取、地表能量通量的计算以及与 LSP模式的结合研究及进展进行了综述。根据不同特征的地表参数选择光学遥感或微波遥感已成共识 ,而综合利用不同遥感数据获取同一种地表参数也已成为研究热点 ,当前及今后发射的携载多种遥感仪器的众多遥感卫星为此项研究提供了条件 ;遥感与 LSP模式的结合研究是遥感在陆面过程研究中深入应用的一个方面 ,国际陆面过程合作实验是这项研究的重要保证。     

评估集合卡曼滤波反演土壤湿度廓线的性能

集合卡曼滤波由于易于使用而被广泛地应用到陆面数据同化研究中,它是建立在模型为线性、误差为正态分布的假设上,而实际土壤湿度方程是高度非线性的,并且当土壤过干或过湿时会发生样本偏斜.为了全面评估它在同化表层土壤湿度观测来反演土壤湿度廓线的性能,特引入不需要上述假设的采样重要性重采样粒子滤波,比较非线性和偏斜性对同化算法的影响.结果显示:不管是小样本还是大样本,集合卡曼滤波都能快速、准确地逼近样本均值,而粒子滤波只有在大样本时才能缓慢地趋近;此外,集合卡曼滤波的粒子边缘概率密度及其偏度和峰度与粒子滤波完全不同,前者粒子虽不完全满足正态分布,但始终为单峰状态,而后者粒子随同化推进经历了单峰到双峰再到单峰的变化.     

评估两类模式对陆面状态的模拟和估算

针对夏季土壤变干过程,利用观测系统模拟试验,比较离线的陆面模式(LSM)和耦合大气边界层的陆面模式(SCM)对土壤温度、湿度和地表热通量等陆面状态的模拟,然后借助数据同化方法,评估2类模式对陆面状态的估算能力.结果显示:2类模式除对地表长波辐射和感热通量的模拟差别较大外,对其余量则较小;只同化表层土壤湿度观测时,LSM对土壤湿度和感热通量的估算好于SCM,对土壤温度的估算则相反,而对潜热通量估算的差距很小;同时同化表层土壤温度、湿度观测会使地表热通量的估算差距增大;最后对2类模式不同表现的可能原因进行分析讨论.上述数值模拟和同化结果:当用某一类模式的模拟结果或同化产品为另一类不同模式提供初边界条件时必须注意它们之间的差异,避免出现输入量引起的模式状态量间的动力不协调现象.     

土壤水分同化系统的敏感性试验研究

利用1998年7月6日至8月9日青藏高原GAME-Tibet试验区MS3608站点的4cm、20cm和100cm的土壤水分观测数据同化SiB2模型输出的表层、根区和深层土壤水分,探讨了一个基于集合卡尔曼滤波和简单生物圈模型的单点土壤水分同化方案。分析和评价了集合大小、同化周期、模型误差、背景场误差以及观测误差对同化系统性能的影响。结果表明:①增加集合数目可以减小土壤水分同化系统的误差,但同时又降低了运行效率;②对于集合卡尔曼滤波,初始场的估计是否准确对同化系统性能影响不大;③模型误差和观测误差的准确估计可以提高土壤水分的估计精度;④利用数据同化的方法对土壤水分的估计有显著提高。     

模式时间关联误差对集合平方根滤波估算土壤湿度的影响

为了定量评估模式时间关联误差对NOAH陆面模式同化表层土壤湿度观测估算土壤湿度廓线的影响,采用集合平方根滤波(En SRF)与状态增广相结合的技术,开展同时更新状态变量和订正模式偏差的观测系统模拟试验,结果表明:同化时若不对存在较大系统性偏差的模式时间关联误差进行处理,En SRF就不能有效估算土壤湿度廓线,而采用状态增广和En SRF相结合的技术,可以在更新土壤湿度时同步订正模式偏差,土壤湿度估算精度明显提高。敏感性试验进一步表明:模式偏差大小、同化时间间隔和观测误差会以不同方式对同化结果造成影响。     

Adjoint retrieval of prognostic land surface model variables for an NWP model: Assimilation of ground surface temperature

Based on a 2-layer land surface model, a rather general variational data assimilation framework for estimating model state variables is developed. The method minimizes the error of surface soil temperature predictions subject to constraints imposed by the prediction model. Retrieval experiments for soil prognostic variables are performed and the results verified against model simulated data as well as real observations for the Oklahoma Atmospheric Surface layer Instrumentation System (OASIS). The optimization scheme is robust with respect to a wide range of initial guess errors in surface soil temperature (as large as 30 K) and deep soil moisture (within the range between wilting point and saturation). When assimilating OASIS data, the scheme can reduce the initial guess error by more than 90%, while for Observing Simulation System Experiments (OSSEs), the initial guess error is usually reduced by over four orders of magnitude. Using synthetic data, the robustness of the retrieval scheme as related to information content of the data and the physical meaning of the adjoint variables and their use in sensitivity studies are investigated. Through sensitivity analysis, it is confirmed that the vegetation coverage and growth condition determine whether or not the optimally estimated initial soil moisture condition leads to an optimal estimation of the surface fluxes. This reconciles two recent studies. With the real data experiments, it is shown that observations during the daytime period are the most effective for the retrieval. Longer assimilation windows result in more accurate initial condition retrieval, underlining the importance of information quantity, especially for schemes assimilating noisy observations.     

陆面模式CLM4.5在青藏高原土壤冻融期的偏差特征及其原因

利用中国区域地面气象要素数据集制作的大气强迫场驱动通用陆面模式CLM4.5（Community Land Model version 4.5）对青藏高原区域进行离线模拟试验,模拟结果与D66、沱沱河（TTH）和玛曲（Maqu）3个站点的观测资料以及GLDAS（Global Land Data Assimilation System）-CLM2模拟结果进行了对比,并分析了陆面模式对冻融过程中土壤温度和湿度模拟的偏差及其可能原因。结果表明：CLM4.5对土壤温度模拟较好（平均RMSE≈3℃）,而GLDAS-CLM2计算的土壤温度偏高,偏差较大（平均RMSE>6℃）,且其偏差大于CLM4.5,尤其在冻融期;CLM4.5能较好地模拟出冻融过程中土壤湿度季节变化,但土壤湿度的模拟值与观测值存在一定偏差（平均RMSE≈0.1 mm³·mm^-3）,GLDAS-CLM2不能反映出土壤湿度在冻融过程中的变化特征。CLM4.5的模拟偏差主要来自大气强迫场,而GLDAS-CLM2的偏差除了大气强迫场的不确定性外,还来自于模式冻融参数化方案的不完善。大气强迫场中的气温和降水对土壤温度和湿度的影响在冻融期和非冻融期表现不同。在非冻融期,土壤温度的模拟主要受气温的影响（r>0.6）,气温偏差对土壤温度偏差的贡献率大于50%;土壤湿度的变化则主要受降水的影响,降水偏差对土壤湿度偏差的贡献率为20%~40%。在冻融期,受土壤水热相互作用的影响,气温和降水对土壤温度和湿度的作用效果减弱;土壤湿度的变化受气温影响显著,其贡献率为10%~20%。陆面模式中冻融参数方案的不完善是冻融过程中土壤温度和湿度偏差的重要来源之一。     

The effect of a surface data assimilation technique and the traditional four-dimensional data assimilation on the simulation of a monsoon depression over India using a mesoscale model

The objective of this study is to investigate the impact of a surface data assimilation (SDA) technique, together with the traditional four-dimensional data assimilation (FDDA), on the simulation of a monsoon depression that formed over India during the field phase of the 1999 Bay of Bengal Monsoon Experiment (BOBMEX). The SDA uses the analyzed surface data to continuously assimilate the surface layer temperature as well as the water vapor mixing ratio in the mesoscale model. The depression for the greater part of this study was offshore and since successful application of the SDA would require surface information, a method of estimating surface temperature and surface humidity using NOAA-TOVS satellites was used. Three sets of numerical experiments were performed using a coupled mesoscale model. The first set, called CONTROL, uses the NCEP (National Center for Environmental Prediction) reanalysis for the initial and lateral boundary conditions in the MM5 simulation. The second and the third sets implemented the SDA of temperature and moisture together with the traditional FDDA scheme available in the MM5 model. The second set of MM5 simulation implemented the SDA scheme only over the land areas, and the third set extended the SDA technique over land as well as sea. Both the second and third sets of the MM5 simulation used the NOAA-TOVS and QuikSCAT satellite and conventional upper air and surface meteorological data to provide an improved analysis. The results of the three sets of MM5 simulations are compared with one another and with the analysis and the BOBMEX 1999 buoy, ship, and radiosonde observations. The predicted sea level pressure of both the model runs with assimilation resembles the analysis closely and also captures the large-scale structure of the monsoon depression well. The central sea level pressures of the depression for both the model runs with assimilation were 2–4 hPa lower than the CONTROL. The results of both the model runs with assimilation indicate a larger spatial area as well as increased rainfall amounts over the coastal regions after landfall compared with the CONTROL. The impact of FDDA and SDA, the latter over land, resulted in reduced errors of the following: 1.45 K in temperature, 0.39 m s⁻¹ in wind speed, and 14° in wind direction compared with the BOBMEX buoy observation, and 1.43 m s⁻¹ in wind speed, 43° in wind direction, and 0.75% in relative humidity compared with the CONTROL. The impact of SDA over land and sea compared with SDA over land only showed a further marginal reduction of errors: 0.23 K in air temperature (BOBMEX buoy) and 1.33 m s⁻¹ in wind speed simulations.