CYGNSS 土壤湿度反演的土地覆盖依赖性周期性与偏差特征：北美南部案例研究

《Advances in Space Research》：Landcover Dependent Periodicity and Bias Characteristics of CYGNSS Soil Moisture Retrievals: A Case Study in Southern North America

　　

摘要

土壤水分（SM）是水循环研究的关键变量，而星载全球导航卫星系统反射测量（GNSS-R）提供了一种具有高时间分辨率的大尺度土壤水分监测方法。虽然基于星载GNSS-R的土壤水分反演具有诸多优势，但由于GNSS信号对复杂地表环境的高度敏感性，其仍面临重大挑战。这些挑战包括：反演性能对土地利用条件的高度依赖、动态植被变化的影响，以及在不同环境中应用统一反演模型的局限性。为解决这些问题，我们将一个成熟的滑动窗口校正模型与Lomb-Scargle周期图（LSP）分析相结合。该模型被用作诊断工具，用于检验CYGNSS土壤水分偏差与环境动态（包括降水、植被和地表温度）之间的局地尺度关系。北美南部地区因其多样化的土地利用类型和国际土壤水分网络（ISMN）站点的密集分布，被选为验证研究区。基于土壤水分偏差校正模型（采用小波去噪方法从偏差时间序列中提取时间特征并校正土壤水分），我们评估了该模型在不同土地利用类型下的有效性，以揭示星载GNSS-R土壤水分反演性能的环境依赖性。结果表明，在所检验的时间变化协变量中，与降水相比，植被透明度与CYGNSS土壤水分反演性能呈现出更强且空间一致性更高的关联。该偏差校正模型提高了研究区的土壤水分精度，年均均方根误差（RMSE）从0.060 cm3/cm3降低至0.049 cm3/cm3，降幅达18.33%，同时皮尔逊相关系数（R）从0.844提升至0.900。统计关联表明，具有显著季节性植被动态的区域（如落叶阔叶林和农田），其土壤水分和土壤水分偏差均表现出更强的周期性变化，这可能有助于在偏差校正后获得更大的改善。此外，CYGNSS土壤水分反演在中等植被覆盖区域表现更佳，但在密集植被环境中仍面临重大挑战。现场验证进一步确认了利用土壤水分偏差时间特征校正区域土壤水分的有效性。总体而言，本研究阐明了地表环境变化对CYGNSS土壤水分反演性能的关键影响，并强调了未来星载GNSS-R土壤水分反演开发环境特异性反演方法的必要性。

引言

土壤水分（SM）是水文学、气候学和农业科学中重要的地表变量，在气候预测、农业管理和自然灾害缓解中发挥着基础性作用（Jia等，2016；Nicolai‐Shaw等，2015；Seneviratne等，2010；Zavorotny等，2009）。尽管传统的地面实测观测能够提供精确的土壤水分测量值，但其应用往往受到空间覆盖范围有限、操作复杂度高以及部署密集的全球监测网络成本高昂等限制（Ochsner等，2013）。与易受云覆盖和植被干扰的光学卫星不同，基于卫星的微波遥感兼顾了时间分辨率和空间分辨率，为全球土壤水分变化监测提供了一种高效且经济的解决方案（Wagner等，2007）。

近年来，星载遥感土壤水分测量取得了重大进展，多个微波卫星陆续发射，包括土壤水分海洋盐度卫星（SMOS）（Kerr等，2001）、土壤水分主动/被动卫星（SMAP）（Entekhabi等，2010）、C波段高级散射计（ASCAT）（Wagner等，2013；Wagner等，2024）以及高级微波扫描辐射计2号（AMSR2）（Imaoka等，2010）等。其中，SMAP和SMOS等L波段卫星因L波段信号对土壤介电特性的高敏感性而专门设计用于全球土壤水分观测（Calvet等，2010；Ma等，2023）。然而，这些单一平台任务的时间分辨率仍限于1-3天，难以实现全球日尺度土壤水分产品。

基于全球导航卫星系统反射测量的星载双基雷达反射测量（GNSS-R）作为一种具有高时间分辨率土壤水分反演的 promising方法 已崭露头角。通过利用L波段信号对地表介电特性的敏感性，GNSS-R能够在日尺度上获取更高精度的土壤水分测量值（Lei等，2022）。早期的星载GNSS-R任务包括2003年发射的英国灾害监测星座（UK-DMC）（Chander等，2009）、2014年发射的TechDemoSat-1（TDS-1）（Chew等，2016），以及美国国家航空航天局（NASA）于2016年12月发射的气旋全球导航卫星系统（CYGNSS）（Clarizia等，2019；Ruf等，2018）。尽管CYGNSS最初是为监测热带气旋而设计的，但其L波段信号对土壤介电变化的高敏感性表明其在大规模、日尺度土壤水分测量方面具有巨大潜力。

Chew和Small（2018）证明了CYGNSS地表反射率与SMAP土壤水分产品之间存在相关性，并使用线性回归方法对这种相关性进行了解释。基于此相关性，CYGNSS数据已被广泛应用于地表水体检测和土壤水分反演研究（Al-Khaldi等，2021；Carreno-Luengo等，2024；Ruf等，2013）。此后，众多线性和非线性反演模型被提出，实现了高时空分辨率土壤水分产品的生成（Clarizia等，2019；Yan等，2020；Zeiger等，2022）。然而，基于星载GNSS-R的土壤水分反演仍受到地表环境条件的强烈影响，因为GNSS信号对地表特征具有高度敏感性。在植被密集的区域，L波段信号的穿透深度有限，植被冠层会引入显著的信号衰减和非相干散射。因此，反射信号对下层土壤水分的敏感性降低，导致这些区域的反演性能退化（Senyurek等，2020；Yueh等，2020）。这种强烈的环境依赖性持续对提高GNSS-R土壤水分反演的精度和适用性构成重大挑战。

为缓解这些局限性，众多研究将环境参数作为辅助输入纳入GNSS-R土壤水分反演模型中，包括植被透明度、粗糙度系数、地表温度、归一化植被指数（NDVI）和植被含水量（VWC）（Al-Khaldi等，2019；Clarizia等，2019；Huang等，2024）等。线性和非线性反演方法，如人工神经网络（ANNs）（Eroglu等，2019）和自助聚合回归树（BART）模型（Yan等，2024），已被广泛应用以提高土壤水分反演性能。虽然这些方法可以提高精度，但它们往往削弱了土壤水分与CYGNSS地表反射率之间的直接关系，增加了对冗余辅助变量的依赖（Nguyen等，2025；Rohil和Mathur，2022）。此外，许多这些方法在应用于训练域以外的异质景观时，存在物理可解释性有限和泛化能力降低的问题（Nguyen等，2025）。最近，CYGNSS团队发布了一种基于CYGNSS地表反射率与SMAP土壤水分线性关系的土壤水分产品，减少了对辅助数据集的依赖。该产品在针对171个现场土壤水分探头的验证中，实现了约0.049 cm3/cm3的中位无偏均方根误差（ubRMSE）（Chew和Small，2020）。然而，反演精度的区域差异仍然明显，这主要归因于较高的随机噪声以及反演模型对土地利用空间变化和局地地表物理参数变化敏感性有限。例如，在农业区域，与作物生长相关的植被含水量的时间波动可能无法被充分捕捉，导致有偏的土壤水分估计（Wang等，2023；Yang等，2022）。

在我们之前的工作中，为CYGNSS土壤水分产品提出了一种基于滑动窗口算法的时间土壤水分偏差校正方法。全球尺度评估表明，利用土壤水分偏差的时间特征进行校正可以有效提高反演精度（Chen等，2025）。然而，改善幅度表现出显著的空间异质性，且校正性能空间变异的潜在驱动因素尚未得到充分理解。特别是，CYGNSS反演偏差的周期性特征是否在不同土地利用类型中呈系统性变化、哪些地表环境变量与这种变化最密切相关，以及校正性能的土地利用依赖性是否能为CYGNSS土壤水分反演的环境敏感性提供信息，这些问题仍不清楚。回答这些问题很重要，因为跨不同地表环境周期性且差异化变化的反演偏差不能被视为平稳的反演误差来完全理解。相反，它可能反映了植被、水文条件、地表特性和观测特性之间随时间演化的相互作用。

在本研究中，我们使用先前建立的校正方法作为诊断工具，以揭示星载GNSS-R土壤水分反演性能的环境依赖性。为了更好地捕捉区域异质性，采用了更高空间分辨率的CYGNSS土壤水分产品，并选择北美南部地区作为研究区域，因为该地区土地利用类型多样且国际土壤水分网络（ISMN）站点分布相对密集。主要目标是调查不同地表条件下土壤水分偏差的变异性，并揭示CYGNSS土壤水分反演性能的环境依赖性和时间动态。为区分与植被相关的季节性与降水效应，在同步和前序时间尺度上进一步评估了每日GPM IMERG降水，包括当天、前一天以及前3天和7天的累积降水，使用了原始时间序列和月距平值。引入Lomb-Scargle周期图（LSP）来表征各时间窗口内的周期性变化。所得的周期性指标量化了土壤水分、偏差、植被透明度、地表温度、地表粗糙度和降水在不同土地利用类型中的主要时间特征。这些分析为与偏差变异性相关的环境因素提供了新的见解，并澄清了CYGNSS土壤水分反演性能的地表依赖性。在接下来的各部分中，第2节描述研究区和数据集，第3节详细阐述方法以及土壤水分偏差的时空分析。第4节展示结果和讨论。最后，在第5节中总结本研究的结论和展望。

研究区

本研究选择北美南部（66°-123°W，12.5°-37°N）作为研究区域，涵盖美国南部和墨西哥大部分地区（如图1所示）。该地区具有多样化的气候条件和多种植被类型，主要包括常绿针叶林、落叶阔叶林、草地、农田、灌木地和沙漠，这些为调查不同地表条件下土壤水分偏差的环境依赖性提供了环境基础。

土壤水分偏差定义及时空分析

在本研究中，土壤水分偏差定义为CYGNSS土壤水分与参考SMAP土壤水分产品之间的差值，用于分析CYGNSS土壤水分产品的空间分布及其在不同土地利用类别中的时间特征。为实现一致性，对CYGNSS和SMAP数据集进行了时空匹配，映射到9 km EASE-Grid尺度上。偏差定义为：

Bias_{i,j} = SM_{CYGNSS,i,j} - SM_{SMAP,i,j}

其中，i表示EASE-Grid 2.0网格的索引值；j

偏差校正模型性能

此前的分析揭示了CYGNSS土壤水分偏差的区域差异，如图3所示。2019年至2023年校正后的土壤水分及对应偏差的空间分布如图6所示。与图3相比，校正后的偏差在大多数区域有所减小，大部分网格单元约束在±0.02 cm3/cm3以内。偏差校正模型缓解了区域差异，提高了CYGNSS土壤水分与SMAP之间的时空一致性。

在时间尺度上，如

结论

本研究聚焦于北美南部地区，该地区具有多样化的土地利用类型和密集的现场观测站点分布。采用滑动窗口算法和LSP分析来调查星载GNSS-R土壤水分反演的环境依赖性，并采用植被透明度作为表征植被生长变化的代理指标。考察了不同地表条件下CYGNSS土壤水分偏差的时空特征，特别关注

未引用参考文献

Nicolai-Shaw等（2015）。

利益冲突声明

作者声明，他们没有任何已知的竞争经济利益或个人关系，这些利益或关系可能影响本文所报告的工作。

致谢

作者感谢气旋全球导航卫星系统（CYGNSS）、土壤水分主动/被动卫星（SMAP）、国际土壤水分网络（ISMN）、MODIS土地利用类型产品MCD12C1以及全球降水测量综合多卫星检索产品IMERG提供本研究所使用的实验和验证数据集。本工作由国家自然科学基金（项目编号：42374002）联合支持。

叶宜玲 | 钟博 | 刘丽龙 | 陈法德 | 黄亮科