卫星土壤湿度与植被条件联合同化提升南亚地区总初级生产力与蒸散量估算精度

这篇研究创新性地通过印度陆地数据同化系统(ILDAS)，采用集合卡尔曼滤波(EnKF)方法联合同化SMAP土壤湿度和GLASS叶面积指数(LAI)数据，显著改善了南亚地区总初级生产力(GPP)和蒸散量(ET)的模拟精度。研究首次在南亚地区实现多变量联合同化，揭示了不同土地覆盖类型（特别是农田和草地）的季节性响应特征，为生态水文研究提供了重要方法论支撑。

　　

亮点

本研究首次在南亚地区实施卫星土壤湿度(SMAP)与叶面积指数(GLASS LAI)的联合数据同化(DA)，通过印度陆地数据同化系统(ILDAS)的诺亚多参数化模型(Noah-MP)，显著提升了总初级生产力(GPP)和蒸散量(ET)的估算精度。

主要发现

• 联合同化使土壤湿度和LAI的变异性分别降低59.87 gC/m²/月(GPP)和29.33 mm/月(ET)

• 季风前期对印度中部和北部影响最显著，农田和草地的改善幅度最大

• 动态植被模块成功捕捉到植被-土壤湿度的协同效应

讨论

相比单一变量同化，联合框架能同时优化水和碳通量：

1. 土壤湿度同化主要改善浅层水文过程

2. LAI同化增强冠层光合作用模拟

3. 季节性分析显示4-6月同化效果最佳

结论

该研究为南亚生态水文研究建立了首个多变量同化基准，未来可拓展至：

• 耦合地下水-植被相互作用

• 高分辨率遥感数据融合

• 极端气候事件预警系统