用于欧洲高分辨率水文建模的地球观测产品的相互比较

《Remote Sensing of Environment》：Intercomparison of Earth Observation products for hyper-resolution hydrological modelling over Europe

本文对欧洲地区四个水文变量（降水、雪覆盖、土壤湿度和蒸散发）的高分辨率遥感产品进行对比评估，推荐了1公里分辨率的合并降水产品（Merged IMERG-SM2A和Merged ERA5-IMERG-SM2A）、MODIS和Sentinel-2/Landsat-8雪覆盖产品、NSIDC SMAP土壤湿度和MODIS高分辨率蒸散发产品，为超分辨率流域模型提供数据支持。

　　随着全球气候变化和全球变暖的加剧，水文极端事件的发生频率和严重性显著上升，这对社会和生态系统构成了严峻挑战。为了有效应对这些变化，需要发展早期预警系统以及切实可行的适应和缓解策略。这些系统和策略的核心在于提供详细的水文预测信息，而水文模型正是获取这类信息的主要工具。然而，当前最先进的水文预测在空间分辨率方面仍存在局限。因此，研究者们提出将高分辨率（通常指1公里以下）的地球观测（EO）产品集成到水文模型中，以实现超分辨率（约1平方公里）的水文模拟。尽管这一方法具有潜力，但如何合理利用这些数据仍需深入研究，尤其是如何处理其固有的不确定性。

水文模型和陆地表面模型（HMs/LSMs）已被广泛应用于早期预警系统的开发，以及结合气候情景优化适应和缓解策略。高空间和时间分辨率是实现这一目标的关键因素。然而，气象强迫数据的不确定性以及在精细空间尺度上模拟物理过程的局限性，阻碍了进一步的进展。近年来，随着遥感技术的发展，出现了许多高分辨率的水文变量数据集，如来自ESA 4DMED-Hydrology项目的产物。这些数据集虽然在某些区域表现出较高的精度，但其在精细尺度上的应用仍面临挑战，包括遥感技术本身的不确定性以及数据降尺度方法的局限性。

为实现高分辨率地球观测数据在水文模型中的有效整合，需要对这些数据进行全面评估，关注其空间分辨率、时间分辨率、可用性、延迟以及在学术界和应用中的关注度。此外，数据的连续性和一致性也是关键因素，有助于平滑地实施数据同化算法。在模型中，可以利用插值方法和数据填充方案来弥补数据的不完整性。因此，选择空间分辨率优于1公里的地球观测产品对于提高水文模拟的精度具有重要意义。

本研究选取了欧洲地区作为评估区域，针对四个关键水文变量：降水（P）、积雪覆盖面积（SCA）、地表土壤湿度（SSM）和蒸散发（ET），对高分辨率地球观测数据进行了全面比较。研究结果显示，对于降水变量，两个合并的高分辨率产品（MERGED IMERG-SM2A和MERGED ERA5-IMERG-SM2A）在大部分地区与基准数据的皮尔逊相关系数超过了0.5，因此被推荐用于欧洲的超分辨率水文模拟。此外，MODIS和Sentinel-2/Landsat-8提供的积雪覆盖数据在分类精度方面表现最佳，适合用于高分辨率水文模拟。对于地表土壤湿度，NSIDC SMAP产品在多数站点表现出超过0.6的相关系数，因此被推荐用于超分辨率水文模拟。蒸散发产品的表现则较为一致，相关系数普遍高于0.8，其中MODIS-Terra/Aqua产品虽然具有更高的空间分辨率（500米），但由于其时间分辨率较低（8天间隔），可能在某些应用中不如每日更新的产品（如ETMonitor、ALEXI和HOLAPS）。

然而，高分辨率数据的集成仍面临诸多挑战。首先，不同数据源和方法可能引入不确定性，从而降低高分辨率产品的信噪比，影响其在精细尺度上的应用价值。其次，数据的尺度不匹配和数据缺失问题也需要解决。例如，遥感数据可能无法覆盖所有地区，尤其是在地表特征复杂或人类活动密集的区域。此外，不同产品的空间和时间分辨率差异也会影响其在模型中的表现。因此，开发统一的数据集成流程至关重要，以确保模型能够有效利用这些高分辨率数据，同时减少因数据尺度不匹配导致的误差。

在降水数据的评估中，研究发现虽然高分辨率产品在整体上表现出较好的性能，但在地中海沿岸和北海沿岸地区，其误差仍然较高。这可能是由于这些区域的降水模式较为复杂，难以通过遥感数据准确捕捉。此外，一些产品在北欧地区存在数据缺失问题，这可能与其在寒冷条件下的观测能力有关。因此，在选择降水数据时，需要结合具体的研究区域和目标，权衡其空间分辨率和时间分辨率的优劣。

对于积雪覆盖面积数据，研究发现MODIS和Sentinel-2/Landsat-8产品在分类精度方面表现最佳，尤其是在阿尔卑斯山区。这些产品能够准确识别积雪的存在，但其时间分辨率较低，可能影响在某些动态过程中的应用。因此，在积雪模拟中，需要综合考虑其空间分辨率和时间分辨率的匹配性，以确保模型能够准确反映积雪的变化趋势。

在地表土壤湿度数据的评估中，研究发现虽然高分辨率产品在某些区域表现出较好的性能，但其整体表现仍不及粗分辨率产品。这可能是由于土壤湿度具有较强的时态稳定性，而粗分辨率产品在时间上更为连续。因此，在选择地表土壤湿度数据时，需要结合具体的应用需求，评估其在空间和时间上的匹配性。对于蒸散发数据，研究发现虽然高分辨率产品在某些区域表现出较高的相关系数，但其时间分辨率的不足可能影响其在模型中的应用效果。因此，推荐使用每日更新的高分辨率产品，如ETMonitor和ALEXI，以提高模型的时空精度。

总之，高分辨率地球观测数据在水文模型中的集成具有重要意义，但其应用仍需克服诸多挑战。通过综合评估不同产品的性能，结合其空间和时间分辨率、可用性以及在模型中的适用性，可以为未来水文模拟提供有价值的参考。同时，开发统一的数据同化流程和数据填充方案，以及加强遥感与水文模型的协同研究，将是实现超分辨率水文模拟的关键步骤。