实验室科研团队揭示全球土壤水分站点的空间代表性及其影响因素

       微波遥感，尤其是被动微波遥感，是获取大尺度土壤水分信息最有效的手段之一，但同时也存在受天线尺寸的限制而导致空间分辨率较粗的问题（通常为数十公里）。站点观测可以提供真实的地面土壤水分数据，常被用于微波土壤水分产品的精度验证。

       然而，由于“像元(面)尺度”卫星观测与“点尺度”地面观测存在巨大的空间尺度不匹配问题，导致验证结果存在较大的不确定性。这种不确定性主要归结于卫星像素内的下垫面异质性而导致的站点空间代表性问题。由于地表下垫面情况复杂多样，且缺乏卫星像元尺度的土壤水分真值，使得有效量化全球土壤水分站点的空间代表性及其影响因素成为研究挑战。

       中国科学院空天信息创新研究院（空天院）遥感与数字地球全国重点实验室曾江源研究团队就全球尺度站点空间代表性如何度量、地表下垫面的空间异质性如何表征、空间异质性如何影响站点空间代表性三个方面展开研究，以更好地了解现有土壤水分站点在验证中的可用性，并为卫星土壤水分产品的有效验证及未来土壤水分站点的合理布设与应用提供方法与依据。

       传统的站点空间代表性评估方法基于临时的现场密集采样，以获取卫星像素尺度的土壤水分真值近似，但这种方法需要大量的人力物力，且无法在大范围尺度开展。近年来发展的扩展三重匹配技术(Extended Triple collocation, ETC)在满足相关假设的条件下，能够获取站点测量与卫星像元尺度土壤水分真值之间的关系，无需额外的密集地面采样。

       因此，研究团队针对微波土壤水分产品粗尺度空间分辨率(0.25°)，利用该技术评估了来自全球经过严格质量控制的322组站点观测相对于卫星像元尺度真实土壤水分的相关系数(ETC-R)，以表征站点的空间代表性（图1）。ETC-R值越高，代表站点土壤水分越接近卫星像元尺度的土壤水分真值。

图1 基于ETC方法(ETC三元组包括SMAP/AMSR2, GLDAS Noah和站点)计算的全球经过严格质量控制的322个土壤水分站点的空间代表性ETC-R。

       以0.7作为站点是否具有空间代表性的判断阈值（在ETC算法中，R=0.7时信噪比SNR=1）（如图1所示），约63%的站点具有较好的空间代表性。

利用ETC进行站点代表性评估的优势在于无需真实土壤水分观测，仅利用遥感和模型模拟的土壤水分序列（或其他独立数据源）与经过质量控制后的站点观测组成ETC三元组就可以实现对站点的空间代表性评估。

       地表土壤水分变化被认为是地表环境参量的复杂函数，主要包括土壤质地、地表类型、海拔和植被覆盖度。理论上，土壤水分分布越复杂，单个站点越难以代表大范围的土壤水分，即环境异质性对土壤水分变化的影响会影响站点的空间代表性。利用已有的空间异质性指标——GSI(Gini-Simpson index)(针对分类变量)和空间标准偏差(针对数值变量)在全球尺度上量化了土壤质地、地表类型、海拔和植被覆盖度四种环境异质性（图2）。

图2 (a)土壤质地，(b)地表类型，(c)海拔和(d)叶面积指数LAI的空间异质性全球分布。其中“-GSI”和“-SD”分别表示用GSI或空间标准偏差进行异质性计算。

       基于严格的ETC方法的数学推导，研究团队发现决定ETC-R大小的主要因素是卫星像素内具有代表性和不具有代表性的面积之比。这意味着假设可以利用某种环境参数来大致区分这两种区域，就可以仅依靠环境数据来确定站点代表性。基于该理论基础，研究团队提出全新的指标—站点相似面积比(Similar area ratio of the sites)，来度量站点所处卫星像元的空间异质性。

       其中，表示在0.25°的粗网格内所包含的子网格数，是具有与站点下垫面相似环境特性的子网格。对土壤质地和地表类型定义为相同类型，对高程和植被覆盖度LAI定义为邻近范围区间（阈值确定见论文）。

       采用站点相似面积指标对四种环境异质性（土壤质地、地表类型、海拔和植被覆盖度）进行了评估。该新指标的优势在于不仅考虑了卫星像素内环境因素的空间异质性，还考虑了站点的下垫面情况（图3）。

图3 已有的(a)空间异质性指标和论文提出的(b)站点相似面积比指标在计算环境异质性时的差异。

       基于两种环境异质性度量指标，研究团队分析了全球322个站点的空间代表性与环境异质性之间的关系（图4-图5）。结果表明，地表类型是影响土壤水分站点代表性的主要因素。两种指标的结果均显示出随着地表类型异质性增强，站点代表性R显著下降的趋势。而其他三种环境异质性没有表现出相似的影响作用。

图4 ETC-R在不同(a)土壤质地，(b)地表类型，(c)海拔和(d)叶面积指数LAI异质性水平下的箱型图。“-GSI”和“-SD”分别表示用GSI或空间标准偏差指标进行异质性计算。等级I到III表示异质性水平的增加。

图5 ETC-R在不同(a)土壤质地，(b)地表类型，(c)海拔和(d)叶面积指数LAI异质性水平下的箱型图。“-area”表示用论文提出的站点相似面积比指标进行异质性计算。等级I到III表示异质性水平的增加。

       为了验证环境异质性是否通过影响土壤水分变异性进而影响站点的空间代表性，研究团队利用已有研究生产的1 km高分辨率土壤水分数据计算了322个站点所位于的0.25°卫星像素内的土壤水分空间标准偏差；然后，分析其与环境异质性的关系（图6-图7）。

       结果显示利用提出的站点相似面积比“-area”指标时，SM空间变异性（图7）与站点代表性R（图5）的变化趋势有正好相反的映射关系，这体现该指标在评估站点空间代表性上的优势。此外，的变化趋势（图7(b)）表明地表类型异质性通过增加土壤水分分布复杂度，进而对站点的空间代表性产生负面影响。

图6 土壤水分空间标准偏差在不同(a)土壤质地，(b)地表类型，(c)海拔和(d)叶面积指数LAI异质性水平下的箱型图。“-GSI”和“-SD”分别表示用GSI或空间标准偏差指标进行异质性计算。等级I到III表示异质性水平的增加。

图7 土壤水分空间标准偏差在不同(a)土壤质地，(b)地表类型，(c)海拔和(d)叶面积指数LAI异质性水平下的箱型图。“-area”表示用论文提出的站点相似面积比指标进行异质性计算。等级I到III表示异质性水平的增加。

       研究成果“Spatial representativeness of soil moisture stations and its influential factors at a global scale”近期发表于遥感领域权威期刊《IEEE Transactions on Geoscience and Remote Sensing》（中国科学院一区）。空天院硕士生彭晨晨（现就读于香港大学）为第一作者，研究员曾江源为通讯作者。研究工作得到国家自然科学优秀青年科学基金、中国科学院青年创新促进会优秀会员等项目资助。

 

       点击此处查看原文：

       Spatial representativeness of soil moisture stations and its influential factors at a global scale

       (论文链接：https://ieeexplore.ieee.org/document/10817643)

 

       数据信息：

 论文中计算的全球站点空间代表性及其异质性度量指标数据可以从以下获取：https://doi.org/10.5281/zenodo.14526970