全球首套1公里分辨率土壤水分气候记录（1980-2023）的创建与验证

《Scientific Data》：SMCR: A first satellite-derived all-weather daily/1-km Soil Moisture Climatological Record (1980–2023)

本研究针对全球高分辨率、长时序土壤水分（SM）气候记录缺失的问题，开发了首套卫星衍生的全天候、日尺度/1公里土壤水分气候记录（SMCR）。研究人员基于CCI SM v09.1数据和SoilGrids土壤数据，通过三重共定位分析（TCA）填补数据空缺，并利用考虑水力参数亚网格变异性的降尺度方法，生成了1980-2023年全球无缝覆盖的1公里SM产品。全球372个原位站点验证显示平均无偏均方根误差（ubRMSE）为0.051 m3/m3，首次基于贝叶斯统计的置信度分析显示平均可信度达83.5%。该数据集为气候变化研究、农业干旱监测等提供了关键数据支撑。

　　

土壤水分（Soil Moisture, SM）是水文循环中的关键变量，连接着大气降水与地下水，并调控着地表与大气间的能量交换。世界气象组织早已将其列为基本气候变量之一。然而，要满足气候研究的需求，通常需要超过30年的长期数据记录。目前，能够满足这一时间跨度要求的SM数据多来源于再分析或同化产品，例如欧洲中期天气预报中心的第五代大气再分析数据（ERA5）和全球陆地数据同化系统（GLDAS）。尽管这些产品在全球范围内，尤其是在气候变化研究中被广泛应用，但它们普遍存在空间分辨率粗（约25公里）的局限性，难以精细反映气候变化和人类活动双重影响下SM的时空变化。此外，由于地表模型结构的简化及其参数化方案的静态特性，这些模型对SM快速变化的响应往往存在延迟或过度平滑，限制了其捕捉SM短期动态的能力，特别是在不同的水分和能量限制条件下。

遥感技术的发展为实时获取全球精细尺度SM数据提供了新的机遇。在过去的半个世纪里，全球研究人员在SM遥感反演方面进行了广泛而富有成效的研究，开发了众多广泛应用的方法。值得注意的是，欧洲空间局和美国国家航空航天局分别发射了专门用于SM监测的卫星任务——土壤水分和海洋盐度（SMOS）和土壤水分主动被动（SMAP），显著增强了全球尺度高频SM数据的获取能力。毫无疑问，微波遥感仍然是估算全球SM的主流方法，多种基于微波的SM产品已经发布并利用地面原位SM测量进行了评估。然而，大多数此类产品，包括SMAP和SMOS，虽然提供了相对近实时的监测能力，但仍存在两个主要缺点：时间跨度有限和空间覆盖不连续。单个卫星任务的生命周期通常较短（5-10年），远不能满足气候记录的要求。此外，微波信号易受射频干扰（RFI）影响，并且在某些条件下（如茂密植被和冻融过渡）的SM反演算法精度受限，这不可避免地导致了基于微波的SM产品存在时空不连续性。

为了获得基于卫星的长期SM数据集，气候变化倡议（CCI）采用多源数据融合策略开发了时间跨度最长的SM产品。CCI结合了不同寿命、不同仪器特性、不同时空分辨率和时间覆盖范围、不同极化的多种卫星的优势，生成了空间分辨率为0.25°的日尺度SM产品。最新版本v09.1的CCI产品提供了1978年至2023年的全球SM记录，使其成为长期气候变化研究的宝贵资源。然而，由于RFI、反演算法以及早期CCI可用卫星数量有限等问题，CCI产品仍然存在各种数据空缺。近年来，一些基于统计的方法，如三重共定位分析（TCA）和贝叶斯三角帽法，被用于通过融合SM产品来填补CCI的空缺，以获得时空连续的数据。但是，重建SM的精度在长时间序列中是否能保持一致，仍需进一步研究。

另一方面，基于微波的SM产品空间分辨率较粗，使其更适用于全球尺度的应用。然而，在研究局部、流域甚至区域尺度的SM时空变化时，仍存在显著局限性。因此，在过去几十年里，将粗分辨率SM产品降尺度到更精细的空间分辨率引起了广泛关注。降尺度算法的核心是建立粗分辨率SM与辅助数据（如植被指数和地表温度）之间的关系。然而，这些降尺度算法也面临两个关键问题：首先，大多数降尺度算法使用光学/热红外观测作为辅助数据，这些数据在阴雨条件下不可用；其次，它们严重依赖约2000年左右才开始可用的中分辨率成像光谱仪（MODIS）数据，这无法满足气候记录的要求。

在此背景下，由Shuangxue Zhai、Pei Leng等人组成的研究团队在《Scientific Data》上发表论文，介绍了他们开发的全球首套卫星衍生的全天候、日尺度/1公里土壤水分气候记录（SMCR），覆盖了1980年至2023年的长时序 period。该研究旨在解决现有SM产品在时空分辨率、覆盖连续性和时间跨度上无法同时满足气候研究需求的核心难题。

为了开展这项研究，研究人员整合了多源数据。核心输入数据包括：ESA CCI SM 组合产品（v09.1），提供1978-2023年全球日尺度、0.25°分辨率的SM数据；ERA5再分析数据、GLEAM（v3.8a）和GLDAS-Noah同化数据，用于填补CCI的数据空缺；高分辨率土壤属性数据来自ISRIC开发的SoilGrids，用于降尺度过程；地面验证数据来自国际土壤水分网络（ISMN）和中国黑河综合观测网（WATERNET），经过严格质量控制后筛选出全球372个站点。关键技术方法主要包括：1. 数据重建：采用三重共定位分析（TCA）算法，融合ERA5、GLEAM和GLDAS三套SM数据，为原始CCI产品中缺失的数据进行填补，生成时空连续的25公里分辨率SM数据集。2. 空间降尺度：基于Montzka等人（2018）提出的物理方法，考虑土壤水力参数的亚网格变异性，利用SoilGrids提供的1公里分辨率土壤质地和水力参数，将重建后的25公里SM数据降尺度至1公里分辨率。该方法通过随机分析建立SM均值与其标准差之间的闭合关系，不依赖于光学/热红外数据，克服了传统降尺度算法受天气条件限制和依赖MODIS数据的局限。3. 精度验证与可信度评估：使用全球372个原位站点数据对降尺度后的1公里SM产品进行系统性验证，计算相关系数（R）、均方根误差（RMSE）、偏差（Bias）和无偏均方根误差（ubRMSE）等指标。并首次在四个站点密集的网络（REMEDHUS, TWENTE, OZNET, WATERNET）应用贝叶斯Bootstrap方法，对验证结果的置信度进行量化分析。

重建CCI的时空覆盖

分析显示，原始CCI SM数据集（v09.1）存在显著的数据空缺，尤其在早期（1980年代）和冬季/高纬度地区。研究人员量化了1980-2023年间原始CCI有效数据的比例。在1980年代至1990年代初，由于仅依赖单一被动微波传感器（如SSM/I, SMMR），有效数据比例很低，尤其在1月常低于5%，7月可达21%左右。随着更多主动和被动微波传感器（如ERS-1/2, ASCAT, TMI, AMSR-E）的引入，数据可用性自1990年代起显著改善，到2015年7月有效数据比例峰值可达约70%。通过TCA融合方法重建的CCI数据集，在所有季节和年份都大幅改善了空间覆盖的连续性，尽管在观测稀疏的早期（如1980年代），产品在某些区域可能呈现条带状空间模式，但这不影响全球SM时空动态的整体特征。

降尺度SM的空间分布

研究人员选取了非洲萨赫勒过渡带、青藏高原东北部、欧洲多瑙河中游平原、南美洲巴塔哥尼亚高原和澳大利亚大自流盆地东南缘五个典型区域，对比展示了1980年和2020年1月15日与7月15日重建的（25公里）和降尺度的（1公里）SM数据空间分布。结果显示，1公里分辨率数据显著增强了对不同气候带和景观下SM空间细节和边界定义的刻画能力。例如，在萨赫勒过渡带，降尺度数据揭示了半干旱区内的微观湿度变化；在青藏高原东北部，清晰区分了高海拔低湿度区和河谷高湿度区；在多瑙河中游平原，精细描绘了湿地与农业区之间的局部湿度差异；在巴塔哥尼亚高原，平滑地呈现了干湿过渡区的空间变化。降尺度数据能更精确地反映不同区域、季节和年份的SM分布异质性。

基于地面测量的对比验证

利用全球分布的原位站点对降尺度1公里SM数据集进行的精度评估表明，其与实测数据具有良好的一致性。合并所有站点（n=614,893）的验证结果显示，相关系数（R）为0.852，RMSE为0.052 m³/m³，Bias为0.004 m³/m³，ubRMSE为0.051 m³/m³，接近卫星反演SM的精度目标阈值（0.04 m³/m³）。空间上，北美、西欧和澳大利亚部分地区R值较高（>0.85），RMSE多在0.06 m³/m³以下；非洲部分湿润和干旱区域误差稍高。网络尺度的验证显示，不同区域网络性能稳健，R在0.663至0.895之间，RMSE在0.042至0.057 m³/m³之间。

估计SM精度的时间变化

SM估计精度随时间呈现改善趋势。相关系数（R）的中位数从2008年前的约0.72逐步上升至2019-2023年的0.85以上。RMSE和ubRMSE持续下降，中位数分别从2008年前的约0.053 m³/m³和0.052 m³/m³降至2019-2023年的约0.048 m³/m³和0.047 m³/m³。Bias也更接近零，系统误差减小。2019-2023年期间表现出最高的精度。

季节变化

精度指标表现出明显的季节性差异。春季的R中位数最高（约0.90），ubRMSE较低（0.035-0.045 m³/m³）；冬季的R中位数显著降低至约0.75，ubRMSE升高（0.045-0.055 m³/m³）。这主要归因于春季适宜的SM条件和植被动态，而冬季的积雪和冻土状况对微波信号造成干扰。

网络尺度精度评估的可信度

首次应用贝叶斯Bootstrap方法在四个站点密集的网络（REMEDHUS, OZNET, TWENTE, WATERNET）对验证精度进行了可信度分析。结果显示，OZNET和TWENTE网络的可信度最高，分别为94.1%和94.0%；WATERNET为76.9%；REMEDHUS为68.9%。四个网络的平均可信度为83.5%，表明在网络尺度上对降尺度SM的精度评估具有较高的可靠性。

研究结论与意义

该研究成功生成了全球首套时间跨度超过40年（1980-2023）、空间分辨率达1公里的日尺度土壤水分气候记录（SMCR）。与现有产品相比，该数据集在时间跨度和空间分辨率上具有显著优势，并且采用了物理机制清晰的降尺度方法。广泛的验证表明其具有可靠的精度（ubRMSE ≈ 0.051 m³/m³）和较高的可信度。这项研究填补了高分辨率长时序SM气候数据的空白，为全球气候变化分析、农业干旱监测、水文建模等研究领域提供了至关重要的数据支持。尽管存在一些局限性，如点尺度验证对1公里像元的代表性、早期数据质量相对较低、以及全球地面验证站点分布不均等，但该数据集无疑将成为相关科学研究的重要基础资源。研究人员已通过Zenodo平台分时段公开了十分之一月平均的1公里SM数据，完整的日尺度数据可根据需求联系作者获取。