《Remote Sensing of Environment》：Assessment and intercomparison of 23 global satellite and model-based soil moisture products using cosmic ray neutron sensing observations over Europe
编辑推荐：
土壤湿度产品评估及CRNS验证研究。通过对欧洲68个CRNS站点的23种土壤湿度产品（单传感器卫星、多传感器融合、模型产品）的系统评估，发现SMAP-IB产品与CRNS测量高度一致（R=0.80，ubRMSE=0.050），其次为CCI/C3S组合产品。研究揭示了植被密度、地形复杂度和土壤湿度对产品精度的影响，指出CRNS能有效缓解卫星网格与地面点观测的空间代表性差异，为产品算法改进和气象应用提供依据。
帕里哈·赫利利（Pariha Helili）|李晓军（Xiaojun Li）|让-皮埃尔·维涅龙（Jean-Pierre Wigneron）|加布里埃尔·德·拉诺伊（Gabrielle De Lannoy）|彭健（Jian Peng）|弗雷德里克·弗拉帕特（Frédéric Frappart）|曾江源（Jiangyuan Zeng）|肖瑶（Yao Xiao）|L. 卡尔蒂凯安（L. Karthikeyan）|帕特里夏·德·罗斯奈（Patricia de Rosnay）|邢赞平（Zanpin Xing）|阿德希尔·埃布泰哈吉（Ardeshir Ebtehaj）|安德烈亚斯·科利亚安德（Andreas Colliander）|普里蒂·康卡蒂（Preethi Konkathi）|张凯（Ke Zhang）|范雷（Lei Fan）
中国重庆西南大学地理科学学院重庆金佛山岩溶生态系统国家观测与研究站，重庆400715
摘要
对基于卫星和模型的土壤湿度（SM）产品进行全面评估对于其进一步发展和应用至关重要。随着宇宙射线中子探测（CRNS）技术的出现，其观测半径为130–240米，这些基于网格的SM产品与地面单点观测在评估过程中的空间代表性不匹配问题得到了有效缓解。在这项研究中，我们使用了欧洲68个CRNS测量站点，系统地评估了23种网格化的SM产品，包括单传感器卫星产品、多传感器合并产品和基于模型的产品。我们的评估结果显示，SMAP-INRAE-BORDEAUX（SMAP-IB）的SM反演结果在所有分析产品中与CRNS测量数据的一致性最高，表现出较高的相关性（R = 0.80）和较低的无偏均方根误差（ubRMSE = 0.050 m3/m3）。CCI/C3S结合主动-被动技术的SM产品在性能上排名第二（R > 0.75，ubRMSE < 0.060 m3/m3）。在偏差分析中，有17种产品的偏差为负值（?0.003 m3/m3至?0.190 m3/m3），而AMSR2-LPRM在C1和C2波段以及CCI/C3S在主动和被动产品中的偏差为正值（0.011 m3/m3至0.161 m3/m3）。此外，随着植被密度、地形复杂性和土壤湿度的增加，所有SM产品反演的能力都有所下降。与其他土地覆盖类型相比，农田类型的SM产品显示出最低的ubRMSE和最高的R值。我们的研究强调了宇宙场尺度SM观测在验证基于卫星和模型的SM产品方面的巨大潜力，我们的发现有助于改进算法、优化产品并推动水文气象应用的发展。
引言
地表土壤湿度（SM）是影响地表与大气之间水和能量交换的关键因素。它也是研究水文建模（Wanders等人，2014年）和陆气相互作用（Beale等人，2021年）的关键参数。可靠、高分辨率且时间一致的SM产品对各个领域都至关重要（Li等人，2025年；Zeng等人，2015年）。例如，它们支持从作物产量预测（Holzman等人，2018年）到灌溉管理（Felfelani等人，2018年；Karthikeyan等人，2020年）等各种农业应用。此外，这些数据集对于追踪极端气候事件（Chatterjee等人，2022年；Chawla等人，2020年）和改进气象预报系统（de Rosnay等人，2022年）也非常有价值。
为满足这些需求，已经开发了多种生成全球尺度SM产品的方法。这些产品通常分为三类。第一类是基于单传感器的卫星SM产品。近几十年来，在基于卫星的SM观测方面取得了显著进展，例如土壤湿度海洋盐度（SMOS）任务（Kerr等人，2010年）和土壤湿度主动被动（SMAP）任务（Entekhabi等人，2010年）。由于这些任务使用了L波段传感器，相比C波段或X波段传感器具有更强的植被穿透能力，因此成为SM监测的首选方案（Wigneron等人，2017年）。此外，高频率被动微波传感器（如全球变化观测任务-Water（GCOM-W）卫星上的高级微波扫描辐射计2（AMSR2）（Imaoka等人，2012年）和主动微波传感器（如MetOp卫星上的高级散射计（ASCAT）（Wagner等人，2013年）也为全球SM制图做出了重要贡献。第二类是合并多个传感器的SM产品。这些产品是通过整合单独发布的多个微波遥感SM产品或在反演前融合卫星观测数据而创建的。例如，欧洲空间局的气候变化倡议（ESA CCI）使用基于三重共位的融合算法整合了主动和被动SM产品（Dorigo等人，2017年；Gruber等人，2019年）。另一个例子是SMOS-SMAP-INRAE-BORDEAUX（SMOSMAP-IB），它结合了SMOS和SMAP的亮度温度（TB）测量数据来推导SM估计值（Li等人，2022b）。第三类是基于模型的再分析SM估计值，通过气候或地表模型结合数据同化产生。一些操作示例包括陆地表面再分析v5-Land（ERA5-Land）（Mu?oz-Sabater等人，2021年）、现代时代回顾分析用于研究和应用版本2（MERRA-2）（Gelaro等人，2017年）、全球陆地数据同化系统（GLDAS）Noah（Rodell等人，2004年）、戈达德地球观测系统模型版本5前向处理（GEOS-5 FP）（Lucchesi，2013年）和土壤湿度主动被动级别4（SMAP-L4）产品（Reichle等人，2022年）。虽然ERA5、MERRA-2和GLDAS主要整合大气卫星观测数据，但后者侧重于SMAP TB的同化。最近的研究发现，整合主动和被动微波数据可以显著提高SM估计的准确性并改善后续的地表建模（Heyvaert等人，2024年；De Lannoy等人，2024年）。
SM产品的性能因反演算法、输入数据集和时空分辨率的不同而有所差异（Colliander等人，2017年）。对于基于卫星的SM产品，其准确性在很大程度上取决于前向反演模型（Li等人，2020年）、反演迭代约束方法（Gao等人，2021年）、模型参数的校准精度（Fernandez-Moran等人，2017年；Konkathi等人，2025年）、辅助数据的精度以及微波仪器的特性。这些过程特别受到它们对真实世界地表条件表示的影响，包括大尺度足迹内的异质性、地形和植被效应。相比之下，基于模型的SM产品的不确定性主要来源于模型结构、输入参数的不准确性、大气强迫的误差以及用于模型约束的地面观测数据的可用性（Chen等人，2013年；Pinnington等人，2018年）。这在热带地区尤为明显，因为地面观测数据的稀缺导致SM估计的不确定性增加（Ma等人，2023年）。在这种情况下，在不同的环境条件下进行SM评估活动对于理解当代SM产品的误差特性和局限性至关重要。这些评估不仅指导实际应用，还有助于改进反演算法（Chen等人，2013年）。
最近的研究通过各种验证方法广泛评估了基于卫星和模型的SM产品的准确性。这些方法包括与备用现场观测数据、核心验证站点、野外活动数据以及卫星间和基于模型的评估进行比较（Al-Yaari等人，2017年；Colliander等人，2017年；Fan等人，2022b；Wang等人，2024年）。例如，郑等人（2022年）系统地将24种基于卫星和模型的SM产品与点尺度现场测量数据进行了比较，发现SMAP产品的性能通常优于基于模型的再分析数据集。相比之下，Fan等人（2022a）使用类似的方法评估了11种全球产品，但得出了不同的排名和准确性指标。这些不一致性表明，尽管基于现场测量（特别是来自国际土壤湿度网络（ISMN）和其他野外观测的数据）进行了广泛的验证工作（Al-Yaari等人，2014年；Al-Yaari等人，2019年；Xing等人，2023年；Ma等人，2019年；Ma等人，2023年），基于卫星的SM产品（如SMOS、SMAP、ASCAT、AMSR-E/2）的准确性在针对点尺度测量进行验证时仍然存在差异。这种现场验证的一个主要局限性在于其空间代表性不足，这源于卫星/模型网格与点尺度测量之间的尺度差异以及底层表面的异质性（Peng等人，2025年）。相比之下，宇宙射线中子探测（CRNS）提供了一个有前景的解决方案，它提供了130–240米的足迹半径和15–55厘米的探测深度的场尺度SM。与传统点尺度测量相比，CRNS能够捕捉到空间积分的土壤湿度，使其特别适用于SM验证（Schr?n等人，2017年；Zreda等人，2008年）。
CRNS网络的全球部署始于在美国建立的第一个系统，即宇宙射线土壤湿度观测系统（COSMOS）（Zreda等人，2012年）。此后，其他国家也建立了国家级网络，包括英国（Cooper等人，2021年）、欧洲（Bogena等人，2022年）、德国（Fersch等人，2020年）、澳大利亚（Renzullo等人，2014年）和印度（Upadhyaya等人，2021年）。多项研究专门采用了基于CRNS的SM估计值作为参考数据（D?pper等人，2022年；Duygu和Akyürek，2019年；Mujumdar等人，2021年；Schmidt等人，2024年）。CRNS测量数据整合了其足迹内的土壤湿度、微地形和土地覆盖的空间变化。这使得它们比受局部土壤属性影响更大的点测量数据更适合作为卫星和再分析产品的验证（Peng等人，2021年）。更重要的是，使用CRNS可以减少基于地面验证研究的结论之间的不一致性。然而，现有的基于CRNS的评估通常只检查了具有稀疏国家站点网络的选定根区产品。因此，这些研究主要比较了SM产品，而没有探讨它们的性能与环境因素之间的关系。此外，最近开发的SM产品（如SMOSMAP-IB）和更新版本（如最新的ESA CCI、ASCAT和SMAP-L4）尽管反演算法有所改进，但尚未得到充分评估。
为了解决这些问题，本研究系统地评估并比较了2015年4月至2021年3月期间使用欧洲CRNS测量网络的23种全球基于卫星和模型的SM产品。对于单传感器和基于模型的SM产品，我们还考虑了早晨和下午轨道的观测数据。虽然之前的研究已经评估了一些产品（Al-Yaari等人，2019年；Fan等人，2022a；Ma等人，2023年），但这是首次使用CRNS测量数据系统地评估和比较大陆范围内多源和常用SM产品的研究。因此，系统地研究了环境背景条件（包括植被密度、地形复杂性（TC）、土地覆盖和土壤湿度）对SM产品准确性的潜在影响。以下第2节介绍了数据集，第3节描述了方法论，结果和讨论在第4节和第5节中，第6节给出了结论。
数据集
2015年4月至2021年3月研究期间使用的数据集列在表1中，包括被动和主动单传感器、多传感器合并以及基于模型的SM产品。更多细节在后续小节中详细说明。
数据预处理
为了确保评估和比较的公平性和可靠性，采用了以下标准：（1）所有数据集都在2015年4月至2021年3月的共同时间段内进行了评估，在此期间所有产品都是可用的。（2）对所有产品应用了严格的质量控制程序，使用各自的质量标志来消除与冻结土壤和水分相关的不可靠反演结果（Zhang等人，2019年）。（3）对于每个站点，相应的产品数据已提取
结果
对SM产品进行了早晨和下午观测的评估，大多数产品在两种观测方式下的性能没有显著差异。由于MTDCA和合并产品的下午观测数据不可用，为了保持清晰性和简洁性，正文主要展示了早晨的结果。下午产品的评估结果出现在补充文本中。
为了更好地比较SM产品的性能特征，我们将其与
理解SM产品的性能排名
郑等人（2022年）的比较分析显示，欧洲范围内的单传感器卫星产品中，被动微波L波段产品在R和ubRMSE指标上的性能优于C/X波段产品。L波段传感器通常具有更强的SM检测能力（Wigneron等人，2021年）。相比之下，尽管SMAP的反演性能很强，但SMOS产品的准确性相对较低
结论
对23种SM产品进行了系统评估，以更好地了解它们的局限性和误差特性，从而改进产品并促进其应用。评估包括11种基于单传感器的卫星产品、7种多传感器合并产品和5种基于模型的产品，这些产品是根据COSMOS-Europe和COSMOS-UK网络中68个CRNS站点的现场SM测量数据进行的评估。通过对多个因素的考虑，对SM产品的性能进行了全面评估
CRediT作者贡献声明
帕里哈·赫利利（Pariha Helili）：撰写——原始草稿、方法论、调查、数据管理、概念化。李晓军（Xiaojun Li）：撰写——原始草稿、方法论、概念化、数据管理、调查、监督。让-皮埃尔·维涅龙（Jean-Pierre Wigneron）：撰写——审阅与编辑、概念化。加布里埃尔·德·拉诺伊（Gabrielle De Lannoy）：撰写——审阅与编辑。彭健（Jian Peng）：撰写——审阅与编辑。弗雷德里克·弗拉帕特（Frédéric Frappart）：撰写——审阅与编辑。曾江源（Jiangyuan Zeng）：撰写——审阅与编辑。肖瑶（Yao Xiao）：撰写——审阅与
致谢
本工作得到了国家自然科学基金（42501480；42322103）、重庆杰出青年科学基金（CSTB2024NSCQ-JQX0010）和西南大学研究生科学研究与创新基金（SWUB24036）的支持。
