基于遥感数据的国家尺度5 cm和10 cm深度土壤年均温度特征解析及其生态意义

本研究针对土壤温度时空动态监测成本高、站点数据代表性不足的问题，通过整合MODIS卫星的LST和NDVI数据与地面观测，构建了预测植被覆盖下5 cm(SMTc5cm )和10 cm(SMTc10cm )土壤均温的多元线性回归模型。研究验证了18种LST和10种NDVI数据处理方案的预测效能，最佳模型R2 达0.881，首次实现了乌拉圭全国尺度土壤温度的年内动态制图，为气候变化研究及低焓地热能开发提供了重要数据支撑。

　　

土壤温度作为调控物理化学反应、有机碳矿化和温室气体交换的关键变量，其时空动态对理解气候变化和生态系统过程至关重要。然而传统气象站点监测存在成本高、空间覆盖有限等瓶颈，尤其在异质性景观区域难以准确表征土壤热状况的空间变异。这种数据缺口严重制约了土壤温度在气候模型、农业管理和地热能开发等领域的应用价值。

针对这一挑战，乌拉圭国立农业研究所(INIA)联合乌拉圭气象研究所(INUMET)的研究团队在《International Soil and Water Conservation Research》发表创新性研究。该研究创造性地将MODIS卫星的陆地表面温度(LST)产品与植被指数(NDVI)数据相结合，通过构建包含日太阳赤纬(Ds)的多元线性回归模型，实现了国家尺度(175,215 km²
)植被覆盖下5 cm和10 cm深度土壤均温(SMTc)的高精度预测。研究团队处理了2002-2021年间18种LST数据方案（包括Terra/Aqua卫星的昼夜观测组合）和10种NDVI滤波方案，利用15个气象站2011-2021年的原位观测数据进行模型校准与验证。

关键技术方法包括：(1)采用AppEEARS平台获取1 km分辨率的MOD11A1/MYD11A1 LST和MOD13A2 NDVI数据；(2)开发Savitzky-Golay滤波和Chen氏法重建高质量NDVI时间序列；(3)建立包含LST、NDVI和Ds的预测模型SMTc_d
= aLST + bNDVI + cDs + ?；(4)通过像素级回归生成全国月度土壤温度分布图。

【研究结果】
2.1 研究区域特征
乌拉圭全境属湿润亚热带气候(Cfa)，年均温16.6-19.8°C，主要土壤类型为暗色软土(51%)和变性土(25%)。植被覆盖以牧草(61%)和农作物(19%)为主，为研究植被-土壤热交互作用提供了理想场所。

2.2 模型性能
校准阶段：SMTc_5cm
模型R²
0.865-0.869，RMSE 2.20-2.24；SMTc_10cm
模型表现更优(R²
0.870-0.881，RMSE 1.86-1.98)。验证阶段：空间外推性能稳定，SMTc_10cm
预测误差低至1.76°C。

2.3 热动态特征
模型成功捕捉到：①10 cm深度比5 cm的夏季峰值衰减(滞后15天)；②植被覆盖使裸露土壤(SMTu_5cm
)最高温降低3.2°C；③森林区比草本植被区热振幅减小42%，印证了冠层"有效外表面"理论。

2.4 全国制图应用
生成2001-2021年月尺度土壤温度分布图显示：西北部比东南部年均温高2.3°C，岩石裸露区热振幅达14.8°C，与地质图和NDVI分布呈现显著空间耦合。

【结论与意义】
该研究首次证实MODIS LST与NDVI的协同作用能有效预测次表层土壤温度，突破传统站点监测的时空限制。研究发现：①双卫星LST均值比单次观测预测精度提高5.8%；②NDVI中等滤波(NDVI_ch.n1
)最优，过度滤波反而降低模型性能；③10 cm深度预测更准确，反映表层能量交换的复杂性。

这项成果为土壤热力学研究提供新范式，其1 km分辨率制图能力可支持精准农业管理、碳循环建模和地热资源评估。特别是揭示的植被覆盖-土壤温度耦合规律，为理解不同生态系统对气候变化的响应机制提供了重要科学依据。研究建立的标准化数据处理流程，也为全球土壤温度遥感监测网络的构建提供了可复制的技术框架。