基于静止卫星地表温度数据同化的湍流热通量与总初级生产力协同反演研究

本研究通过将Himawari-8静止卫星的高频地表温度（LST）数据与GLASS叶面积指数（LAI）数据同化至耦合的双源表面能量平衡-植被动态模型（TSEB-VDM），创新性地实现了黑河流域感热通量（H）、潜热通量（LE）和总初级生产力（GPP）的协同反演。相比极轨卫星MODIS数据同化方案，该研究将H、LE和GPP的估算误差分别降低15.0%、22.5%和38.5%，显著提升了陆表水-能-碳循环监测精度，为气候变化研究提供了高时空分辨率的技术支撑。

　　

研究背景与意义
陆地湍流热通量（H和LE）与总初级生产力（GPP）的精确量化是理解地球水-能-碳循环的关键，但传统站点观测（如涡动相关系统）成本高昂且空间覆盖有限。虽然极轨卫星（如MODIS）可提供区域尺度的地表温度（LST）数据，但其低频观测（每日1-2次）难以捕捉地表能量的昼夜动态，导致陆表过程模型估算存在显著误差。随着新一代静止卫星（如Himawari-8）的发展，高频LST观测（每10分钟一次）为突破这一瓶颈提供了可能。

北京师范大学的研究团队在《Remote Sensing of Environment》发表的研究中，首次将Himawari-8的LST数据与GLASS LAI数据通过变分数据同化（VDA）方法耦合至双源表面能量平衡-植被动态模型（TSEB-VDM），实现了黑河流域（HRB）0.02°空间分辨率的H、LE和GPP协同反演。研究通过优化中性体积热传输系数（C_HN
）、土壤与冠层蒸发分数（EF_S
和EF_C
）及比叶面积（SLA）等关键参数，显著提升了模型精度。

关键技术方法
研究采用变分数据同化框架，将Himawari-8每小时LST和MODIS LAI数据输入TSEB-VDM模型。TSEB模型通过分离土壤与冠层的能量平衡方程（R_NS
=H_s
+LE_s
+G；R_NC
=H_c
+LE_c
）计算热通量，VDM则基于光能利用率理论估算GPP。模型参数通过最小化观测与模拟LST/LAI的差异进行优化，并利用黑河流域3个站点（阿柔、大满和哨马营）的大孔径闪烁仪和涡动相关数据验证结果。

研究结果

1. 地表温度数据对比：Himawari-8每日提供3-6次有效LST观测，远超MODIS的0.5-1.5次，尤其在湿润/植被区覆盖优势显著。
2. 参数优化效果：C_HN
   的先验估计与LAI呈显著非线性关系（R²
   =0.72），EF_S
   和EF_C
   的优化使能量分配更符合实际。
3. 热通量与GPP估算：VDA_Himawari-8
   方案将H、LE和GPP的均方根误差（RMSE）分别降至38.48 W m^?2
   、64.92 W m^?2
   和2.03 g C m^?2
   d^?1
   ，较VDA_MODIS
   方案提升15.0%-38.5%。
4. 观测频率影响：模拟实验表明，当LST观测频次低于每日4次时，LE和GPP估算误差急剧增加，凸显静止卫星的高频优势。

结论与展望
该研究通过融合静止卫星的高频LST数据，首次实现了陆表能量与碳循环过程的协同优化反演。相比极轨卫星，Himawari-8的昼夜采样能力显著提升了模型在植被区的表现，尤其在云覆盖频繁的上游山区。未来可扩展至GOES-R等全球静止卫星系统，为全球水-能-碳耦合研究提供新范式。研究结果对改进气候模型参数化、干旱监测及生态系统管理具有重要实践价值。