6套格點土壤水分數據集在內蒙古自治區的適用性評價

宋海清， 朱仲元， 李云鵬

(1.內蒙古農業大學 水利與土木建筑工程學院, 內蒙古 呼和浩特010018; 2.內蒙古自治區生態與農業氣象中心, 內蒙古 呼和浩特 010051)

高時空分辨率、高精度的土壤水分數據是準確理解陸—氣相互作用、研究陸地水循環和次季節到季節預測的關鍵基礎資料[1-4]。它不但與能量交換密切相關還與水循環聯系緊密[1-2]。土壤水分是陸面過程模式和分布式水文模式關鍵的初始條件之一，通過影響感熱通量和潛熱通量的交換以影響陸面能量平衡和調節底層大氣[5-6]。同時，土壤水分也控制著陸面降水入滲和產流而影響降水的分配[7-9]。此外，土壤濕度的記憶作用對天氣和氣候模式模擬的影響可達數周到數月，深刻影響著降水和氣溫的模擬[6,10-12]，故而準確的土壤水分數據對于天氣預報和氣候預測準確率的提高具有重要的實用價值和研究意義[13-14]。

土壤水分數據的獲取途徑主要有臺站觀測、衛星遙感反演、陸面過程模式模擬和陸面數據同化[5]。這4種方式各有優缺點，例如臺站觀測土壤水分是最準確的，但是其空間代表性有限；衛星遙感反演土壤水分能夠獲取大范圍的土壤水分，但其精度和時空分辨率均有待提升，另外衛星遙感反演土壤水分土層深度通常限于2—7 cm[5]；陸面過程模式模擬土壤濕度可以獲取高時空分辨率的土壤水分產品，但模式偏差亟需改善；陸面數據同化卻可以融合上述方式的優點，在物理和動力約束條件下，提供最優的高時空分辨率的高精度土壤水分數據產品。然而，這些不同方式獲取的土壤水分數據在不同的區域有著不同的表現[5,15-16]，這是因為它們與陸面過程模式參數化、陸面同化技術和觀測數據的質量息息相關[17]。Chen和Yuan[5]在中國區域系統評估了9種國際主流的土壤水分產品的可靠性和時空適用性，結果顯示在8個不同的氣候分區中不同來源的土壤水分產品各有優勢。Kumar等[15]在美國評估了北美陸面數據同化系統(NLDAS)輸出產品，發現根區土壤水分產品在不同區域表現各異。Xia等[16]在美國評估了NLDAS-2的4個陸面模式模擬土壤水分數據，結果表明所有模式都能模擬土壤干濕狀態，但與觀測數據相比顯示出較大的偏差，誤差可能來源于模型本身、強迫場數據和土壤水分觀測誤差。陳泓羽等[18]在青藏高原評價了3套衛星土壤水分產品的適用性，反映出在不同季節衛星土壤水分產品適用性不同，表現在降水較多的季節土壤水分質量下降。高琪等[19]構建和評估了Landsat 8土壤水分反演模型，在干旱區荒漠獲取了高質量土壤水分。盧晨媛等[12]評估了中國氣象局陸面數據同化系統(CLDAS)和全球陸面數據同化系統(GLDAS)兩套陸面同化土壤水分在川西高原的質量，指出GLDAS優于CLDAS土壤水分，但CLDAS在時空分辨率方面更優。Bi等[20]在青藏高原比較了來自GLDAS的4個陸面模式的土壤水分產品，結果指出所有陸面模式產品都能較好的反映實測土壤水分的時間變化，但都存在系統性的偏差，Mosaic模式偏差最大。Tavakol等[21]評估了土壤水分主被動探測計劃(SMAP)衛星土壤水分3級和4級產品以及短期預測研究與轉換陸面信息系統(SPoRT-LIS)土壤水分數據等3套產品在美國的性能，并指出SMAP L4土壤水分數據表現最優。總的來說，不同來源的土壤水分數據都能較好地再現土壤水分的干濕變化和空間分異特征，但是不同的數據在不同的區域有著不同的適用性。因此，對不同來源的多種衛星反演土壤水分、全球再分析模擬土壤水分和陸面數據同化土壤水分開展適用性評價十分必要和亟需。

內蒙古自治區地處我國北方，位于季風邊緣區，有著全國最大的草原，干旱氣象災害是影響內蒙古經濟發展的因素之一[22]，研究內蒙古土壤水分時空變化特征對于提高當地天氣預報準確率、短期氣候預測能力和農牧業干旱監測等有現實的經濟社會意義，對保障當地農牧業經濟穩定發展有著重要的實用價值。鑒于此，本研究利用臺站觀測土壤水分資料，系統的評價美國SMAP和歐洲航天局(ESA)兩套衛星土壤水分、CLDAS和GLDAS-NOAH兩套陸面數據同化土壤水分以及歐洲第5代再分析資料ERA5及其陸面資料ERA5Land再分析土壤水分資料共6套土壤水分數據，分析其可靠性，為內蒙古區域土壤水分數據的篩選提供參考，也為干旱評估提供數據質量支撐。

1 材料與方法

1.1 研究區概況

內蒙古位于中國北部邊疆(97°12′E—126°04′E，37°24′N—53°23′N)，總面積1.18×106km2，毗鄰8個省和自治區，外與俄羅斯聯邦和蒙古國相接壤；地勢西高東低，地貌以蒙古高原為主體；氣候屬于溫帶大陸性季風氣候，四季分明，年平均氣溫-7～10 ℃；內蒙古大部地區降水稀少，年降水量35～550 mm，從東向西依次為半濕潤區、半干旱區和干旱區[22]；土壤水分受降水影響較大，亦呈現與降水相似的空間分布——自東北向西南由濕潤變為干旱，但土壤水分同時受土壤性質、陸地覆蓋、地形以及降水、氣溫、輻射等因子的影響，因而內蒙古土壤水分空間變異性較大，較難獲取高精度的土壤水分數據。

1.2 研究資料與方法

研究所用的格點土壤水分數據為SMAP，ESA，CLDAS，ERA5，ERA5Land和GLDAS-NOAH，評估所用的臺站觀測土壤水分數據為來自內蒙古氣象局自動土壤水分觀測資料。

1.2.1 SMAP土壤水分數據 “土壤水分主被動探測”計劃衛星SMAP是美國國家航空航天局(NASA)在2015年1月發射的軌道觀測地球衛星，主要用于監測全球土壤水分分布和凍融狀態。衛星重訪周期為2～3 d，分為升軌和降軌，幅寬為1 000 km，其數據集覆蓋時間為2015年3月至今。它可以提供多種分辨率的產品，包括36，9和3 km。用于探測土壤水分的傳感器能夠獲取0—5 cm深度的土壤水分，其目標觀測精度為均方根誤差小于0.04 m3/m3[21,23]。SMAP數據可用來改進天氣和氣候預測[24]，改進暴雨前土壤濕度監測以改善洪水預測；利用SMAP數據提供干旱監測等。本研究使用了SMAP L4提供的3 h間隔的表層土壤體積含水量[25]，空間分辨率為9 km，數據版本為0 530。在美國國家冰雪數據中心下載獲取了覆蓋全球的2016—2020年5—9月的數據產品(https:∥nsidc.org/data/SPL4 SMGP/versions/5)。

1.2.2 ESA CCI土壤水分數據 ESA CCI遙感土壤水分數據是由歐洲航天局氣候變化倡議項目提供的基于主動和被動微波傳感器生產的包含主動數據集、被動數據集和融合數據集的長時間序列(1979年至今)土壤水分數據集，以下簡稱ESA土壤水分數據。本研究使用的是利用各種主動和被動微波傳感器觀測獲得的土壤水分產品進行融合得到的融合土壤水分數據集，其空間分辨率為25 km，時間分辨率為10 d合成的產品，該產品土壤層深度約為2—5 cm，其采用了基于TCA(triple-collocation analysis)的融合方法，是目前應用最廣泛的土壤水分產品之一[26]。Ma等[27]研究表明ESA土壤水分數據的無偏均方根誤差較優。研究選取2016—2020年土壤體積含水量旬數據集，數據獲取地址為：https:∥www.esa-soilmoisture-cci.org/index.php?q=node/145。

1.2.3 CLDAS土壤水分數據 CLDAS陸面同化土壤水分產品是中國氣象局國家氣象信息中心發展的實時業務運行的中國氣象局陸面數據同化系統(CLDAS-V2.0)輸出的土壤水分數據，它由同化了全國區域自動站逐小時觀測數據得到的氣溫、氣壓、比濕、風速、短波輻射和降水驅動美國國家大氣研究中心NCAR陸面模式CLM3.5和Noah-MP進行集合模擬得到土壤水分，相對于CLDAS-V1.0，CLDAS-V2.0采用陸面模式集合模擬的方式減小了單一模式模擬的不確定性，同時提高了陸面模擬精度。CLDAS土壤水分時空分辨率為逐小時0.062 5°×0.062 5°網格數據，覆蓋東亞地區，垂直分為5層，時間長度為2008年至今，并在中國區域得到了評估應用[28]，本研究選用2016—2020年5—9月的0—10 cm層土壤體積含水量用于對比分析。CLDAS數據由中國氣象數據網(http:∥data.cma.cn/data/cdcdetail/dataCode/NAFP_CLDAS2.0_NRT.html)獲取。

1.2.4 ERA5土壤水分數據 ERA5再分析土壤水分數據[29-30]是由歐洲中期天氣預報中心(ECMWF)研制的第5代再分析資料，相對于第4代再分析資料ERA-Interim，ERA5在觀測資料和同化技術以及數值模式方面均有顯著改進，同化方法為10個集合成員的集合4維變分同化方案(4DVar)，時空分辨率分別為逐小時，31 km(水平)，時間覆蓋為1950至今，數值模式版本升級為Cy41r2，輻射傳輸模式選用RTTOV-11。土壤水分數據分為4層，分別為0—7，7—28，28—100，100—289 cm。本研究選用2016—2020年5—9月0—7 cm層數據用于分析。數據通過哥白尼氣候變化服務網(https:∥cds.climate.copernicus.eu/cdsapp#!/home)下載獲取。

1.2.5 ERA5Land土壤水分數據 ERA5Land再分析土壤水分數據[31]是由ECMWF發展的第5代再分析陸面數據集。它是由降尺度技術進行降尺度后的ERA5再分析數據驅動高分辨率ECMWF陸面模式TESSEL得到的數據集，ERA5Land的大多數參數與ERA5配置一樣。ERA5Land最主要的優勢是水平分辨率提高到了0.1°，時間分辨率與ERA5同為1 h。評估結果顯示ERA5Land在水循環描述中更優，尤其是對土壤水分和湖泊的描述得到了增強。垂直層、數據選取及獲取地址與ERA5相同。

1.2.6 GLDAS-NOAH土壤水分數據 GLDAS-NOAH土壤水分數據[32]是由NASA和國家海洋大氣管理局(NOAA)共同研發的GLDAS輸出的數據集。本研究選用的是GLDAS 2.1版本，它是GLDAS1的升級版，是目前業務運行的陸面數據同化系統，時間覆蓋2000年至今。相對于GLDAS1，其主要改進了入射太陽輻射和降水。GLDAS數據集包含4個陸面過程模式輸出產品(Mosaic，Noah，CLSM和VIC)，本研究選用的GLDAS-NOAH數據時空分辨率為3 h，0.25°，由于NOAH陸面模式垂直分為4層，為了與衛星反演土壤水分對比，選用GLDAS-NOAH的0—10 cm層進行分析，以下簡稱NOAH土壤水分數據。數據通過NASA地球數據網(https:∥disc.gsfc.nasa.gov/datasets/GLDAS_NOAH025_3H_2.1/summary)下載得到。

1.2.7 觀測土壤水分數據 目前內蒙古自治區有固定地段土壤水分自動觀測站120個，能夠實現逐小時連續觀測，但質量各異。選取了質量較好且觀測時間連續的63個土壤水分自動觀測站0—10 cm土壤體積含水量數據用于評價土壤水分格點產品。同時為了減小由灌溉帶來的不確定性，本研究只選用固定地段土壤水分自動站觀測數據用于分析。評價時間段為2016—2020年5—9月(有凍土和積雪的時段不觀測)。考慮到衛星反演土壤水分數據的回訪周期為2～3 d和避免衛星反演土壤水分產品出現空缺值的影響，本研究以旬為時間單位將觀測資料進行時間平均得到旬平均土壤水分觀測值，以與上述格點土壤水分數據進行匹配和評價分析。

1.2.8 研究方法 由于內蒙古自治區東西狹長，東西部氣候特征差異顯著，故根據王文等[33]的研究方法，即依據多年平均年降水量將研究區分為區內半濕潤區、區內半干旱區和區內干旱區等3個分區(表1)進行統計分析。用于研究區干濕氣候分區的格點多年平均年降水量數據來源于廣泛應用的中國區域地面氣象要素驅動數據集(1979—2018年)，該數據集由何杰等[34]制作發布，精度介于臺站觀測數據和衛星反演降水數據，由于其時間序列長、時空分辨率高，得到了廣泛的應用。研究使用40 a的年均降水進行干濕分區。由于6套格點土壤水分數據的時間分辨率不同，同時兼顧衛星重訪周期因素，將6套格點數據集按照時間平均得到逐旬土壤水分數據，以與站點觀測土壤水分數據進行時間匹配。對于6套格點數據空間分辨率不同無法進行空間匹配的問題，本研究依據劉川等[35]的研究而采用鄰近格點法將格點數據與站點觀測進行一一匹配，同時減小了格點資料插值到站點帶來的插值誤差。

表1 內蒙古自治區氣候分區與土壤水分觀測站點統計

由于站點觀測土壤水分數據和SMAP，ESA，CLDAS，ERA5和ERA5Land格點土壤水分數據的單位為體積含水量，本研究參考盧晨媛方法[12]將GLDAS-NOAH土壤水分數據轉換為體積含水量，也就是將單位由kg/m2轉換為m3/m3，具體計算公式如下：

(1)

式中：SM表示土壤體積含水量(m3/m3)； SMT表示土壤層厚度(mm)。

為了更加全面地評價6套格點土壤水分數據的可靠性和精度，在進行時間上的統計分析時，采用相關系數(R)、絕對平均偏差(MAE)、均方根誤差(RMSE)和規范化標準差(SDV)等評價指標來度量格點數據與觀測資料之間的一致性和誤差，其中相關系數越接近1表示兩個序列的變化趨勢越一致，MAE和RMSE越接近0表示格點土壤水分越接近真實值，SDV越接近1表示格點土壤水與觀測土壤水的離散程度越一致。總的來說，較高的R，較低的MAE和RMSE表明格點土壤水分數據質量較好。另外，使用Taylor圖方法[36]對6套格點資料性能進行綜合評價，它綜合考慮了R和SDV的指標，用距離觀測點(Taylor圖中REF點)的距離大小來表示各套數據集的性能，距離越小，表示效果越優。相關系數(R)、絕對平均偏差(MAE)、均方根誤差(RMSE)和規范化標準差(SDV)的計算公式為：

(2)

(3)

(4)

(5)

2 結果與分析

2.1 土壤水分的空間分布

利用2016—2020年5—9月的觀測與SMAP，ESA，CLDAS，ERA5，ERA5Land和NOAH這6套格點平均土壤水分制作了5 a平均土壤水分空間分布圖(圖1)。由圖2觀測土壤水分的空間分布圖可知，內蒙古地區土壤水分呈現從西部向東部逐漸遞增、從南部向北部逐漸遞減的空間特征，土壤水分的高值區主要分布在內蒙古的東北部，土壤體積含水量高于0.23 m3/m3，內蒙古西部的阿拉善高原為低值區，土壤水分普遍低于0.1 m3/m3，與年平均降水量空間分布類似，在降水少的區域土壤水分也較低。6套格點土壤水分數據的空間分布與觀測數據一致性較好，均能較好地再現內蒙古土壤水分“東濕西干”的空間分布特征(圖3)。除SMAP以外，其余幾種數據均對研究區大部的土壤水分有不同程度的高估。SMAP土壤水分在空間上與觀測吻合最好，尤其是對渾善達克沙地較干的土壤有著較優的反演能力，但對內蒙古東南部有低估、呼倫貝爾西部有高估現象。ESA，CLDAS與NOAH土壤水分在空間分布上較為相似，均高估了研究區的土壤水分，呈現偏濕狀態，但CLDAS陸面同化土壤水分空間分辨率最高，局地細節也更多，在研究區東北部好于ESA和NOAH。ERA5與ERA5Land土壤水分的空間分布幾乎一致，但ERA5Land由于分辨率更高，解析出更多的局地細節，在內蒙古西部與觀測吻合較好，甚至能再現河套灌區土壤水分較高的特征，但在中東部高估嚴重。需要指出的是，ESA，CLDAS和NOAH均無法再現阿拉善高原東南部較低的土壤水分分布，呈現高估狀態，這與觀測事實不符。

圖1 內蒙古自治區1979-2018年年均降水等值線分布

圖2 內蒙古自治區2016-2020年5-9月平均0-10 cm土壤水分分布

圖3 內蒙古自治區6套格點土壤水分空間分布

2.2 6套格點土壤水分的時間序列分析

利用6套格點土壤水分數據與實測土壤水分數據的時間序列圖，分析格點土壤水分數據的時間變化和變化幅度。從圖4可以看出，實測土壤水分基本在每年5月第2旬開始下降，到6月底7月初處于較低值，隨后開始上升，在7月底8月初達到最高值，然后開始下降；這與雨帶的南北移動是相吻合的，內蒙古區域在每年的7月下旬和8月上旬是降水量最大的時段，此時夏季風達到鼎盛，故而土壤水分隨之升高，8月中旬后雨帶開始南撤，土壤水分隨之下降[37]，故而在此階段土壤水分波動較劇烈。由內蒙古區域平均土壤水分的時間序列圖(圖4)可以看出，SMAP土壤水分的變化趨勢與實測土壤水分的一致性最高，在盛夏降水多時能夠響應其變化，表現出較好的季節變化特征，但在每年的7月中旬至8月下旬時段，SMAP出現略高估的現象。其余5套格點土壤水分數據亦有著較好的變化趨勢，但在整個研究時段內均出現偏濕現象，另外在春末夏初和秋初時節高估程度相對于盛夏時段要小，更加接近實測值，ERA5和ERA5Land數據的高估程度最為嚴重，其次為CLDAS，NOAH和ESA數據偏濕程度再次之。

圖4 內蒙古自治區及其3個氣候分區的2016-2020年5-9月0-10 cm土壤水分的時間序列

在區內半濕潤區，6套格點數據與實測土壤水分的變化趨勢基本一致，季節變化明顯。SMAP數據的變化趨勢與實測最為一致，但在5月出現低估現象。其余5套格點資料均偏濕，ERA5和ERA5Land偏濕程度最大。在區內半干旱區，土壤水分的時間變化與內蒙古區域的變化基本一致，這主要是因為內蒙古區域包含63個測站，而區內半干旱區則包含了44個測站，占到了整個研究區域站點總數的65%以上。在區內干旱區，土壤水分格點數據表現出異于其他區域的特征，雖然6套格點土壤水分數據的變化趨勢與實測的基本一致，但趨勢要差于內蒙古自治區、區內半濕潤區和區內半干旱區。在2016—2017年5—9月，SMAP表現出低估的特征，ERA5和ERA5Land也在該時段出現部分偏干現象；在整個研究時段，ESA，CLDAS和NOAH均呈現偏濕狀態，明顯差于SMAP，ERA5和ERA5Land。SMAP土壤水分數據依然有著與實測最為一致的變化趨勢。

2.3 6套格點土壤水分與觀測數據的一致性分析

分別計算出6套格點土壤水分數據與實測土壤水分數據的相關系數(R)、均方根誤差(RMSE)和平均絕對偏差(MAE)，限于篇幅，空間分布圖略。由6套格點土壤水分數據的相關系數統計得出SMAP，ESA，CLDAS，EAR5和ERA5Land的相關系數相對較高，NOAH的相關系數明顯差于其他數據集，這說明SMAP，ESA，CLDAS，EAR5和ERA5Land對土壤水分的時間變化趨勢把握較好，NOAH對土壤水分的時間變化能力模擬相對較差。另外也發現在土默川平原區、西遼河流域部分地區和呼倫貝爾部分區域各套格點土壤水分數據的相關系數優于其他區域，而對于地形較為復雜區和錫林郭勒盟草原區相關系數相對較差。從6套格點數據的均方根誤差統計得出，SMAP數據的RMSE明顯小于其他5套資料，小于0.04 m3/m3的站點數也最多，僅在大興安嶺林區的幾個站點的RMSE大于0.1 m3/m3，這說明SMAP數據具有更高的精度。CLDAS，ERA5，ERA5Land和NOAH的RMSE大于0.1 m3/m3測站數量明顯多于SMAP數據，ESA次之，這表明CLDAS，ERA5，ERA5Land和NOAH的精度相對差于SMAP。從6套格點數據的平均絕對誤差統計得出，SMAP數據的MAE明顯好于其他幾套數據，有著最小的偏差，這說明SMAP與觀測數據的數值最為接近。CLDAS，ERA5和ERA5Land的MAE在內蒙古中部大于0.1 m3/m3測站較多，表明這3套資料在內蒙古中部普遍誤差較大，精度有待改進。表2計算出了2016—2020年5—9月旬平均6套格點土壤水分在內蒙古及其3個氣候分區平均與觀測的相關系數、平均絕對偏差和均方根誤差。由此可以看出，各套資料對內蒙古及3個氣候分區土壤水分的變化描述能力較好，但存在區域差異；各套數據在區域平均的時間相關系數通過了99%的信度檢驗。6套格點數據對內蒙古干旱區土壤水分的時間變化描述能力顯著差于其他區域，這說明6套格點土壤水分數據對區內干旱區土壤水分的變化趨勢把握能力明顯差于在其他區域，這與Ma等人[27]的研究結果相一致。另外，各套格點土壤水分資料在區內半干旱區的時間相關系數均高于區內半濕潤區和干旱區，這說明6套格點數據對區內半干旱區土壤水分的時間變化趨勢的描述能力優于在區內半濕潤區和干旱區；同時，6套格點數據在區內半干旱區的MAE和RMSE均差于區內半濕潤區，這說明6套格點數據在區內半干旱區的精度差于其在區內半濕潤區。SMAP，ESA，CLDAS和NOAH數據在區內半濕潤區的MAE和RMSE均小于其在區內半干旱區和干旱區，這說明上述四套數據在區內半濕潤區的精度優于其他區域，而ERA5和ERA5Land在區內干旱區的MAE和RMSE小于其在區內半濕潤區和半干旱區，說明ERA5和ERA5Land對區內干旱區的模擬精度相對優于其在區內半濕潤區和半干旱區。需要指出的是，ERA5和ERA5Land的RMSE在區內半濕潤區和半干旱區均最大，這說明ERA5和ERA5Land資料的離散程度較大。6套資料中ERA5Land的相關系數在內蒙古及其3個氣候分區均最好，但均方根誤差較大，NOAH的相關系數最差。綜合相關系數和均方根誤差可以看出，SMAP格點土壤水分數據最優，與觀測一致性最好。

表2 內蒙古自治區及3個氣候分區平均2016-2020年5-9月旬0-10 cm土壤水分6套數據分別與站點觀測的相關性

2.4 土壤水分6套格點數據精度的Taylor圖評價

逐旬土壤水分隨時間的變化對評估6套格點土壤水分數據有重要作用。從內蒙古自治區及其3個氣候分區的區域平均2016—2020年5—9月逐旬土壤水分的Taylor圖(圖5)可以看出，6套格點土壤水分資料在不同區域的相關系數均在0.4以上，除了區內干旱區以外，大部分都在0.6以上，6套格點數據的相關系數差距不顯著；從規范化標準差可以看出，6套數據中大部分高估了土壤水分，尤其是在內蒙古自治區和區內半干旱區的ERA5和ERA5Land數據，偏大較多，但卻有著最優的相關系數。

綜合來看，在內蒙古自治區，所有格點數據的規范化標準差均大于觀測規范化標準差，SMAP和ESA表現好于其他數據；在區內半濕潤區，SMAP和CLDAS表現優于其他數據；在區內半干旱區，SMAP和ESA表現較好；在區內干旱區，CLDAS表現相對較好。

注：1內蒙古自治區； 2區內半濕潤區； 3區內半干旱區； 4區內干旱區。

3 討 論

從研究結果來看，格點土壤水分數據在不同氣候分區與觀測土壤水分的相關性和誤差存在差異，不管是衛星反演土壤水分數據、陸面同化土壤水分數據還是再分析土壤水分數據都可能受到陸地覆蓋、土壤質地和降水等的影響。

(1) 同一衛星反演土壤水分數據在不同氣候分區表現出較大的精度差異，下墊面植被是影響土壤水分衛星反演的因素之一。SMAP和ESA土壤水分數據的衛星反演精度在植被覆蓋區域會受到不同程度的影響。Ma等[27]研究顯示在較低的植被光學厚度、高地表粗糙度以及空間異質性較高的區域，SMAP的反演質量還有待提升。

(2) 土壤質地是影響陸面模式模擬土壤水分的最重要的土壤水力學參數之一，研究表明準確的土壤質地能夠顯著提高土壤水分的陸面模擬能力，從而能夠大幅減小模擬誤差[37]。而本研究所用NOAH土壤水分和CLDAS土壤水分并未采用較為真實的土壤質地數據，這也是CLDAS使用基于自動站雨量計觀測降水融合驅動場驅動陸面模式得到的CLDAS土壤水分的多年平均空間分布與NOAH相似的原因之一，尤其是在鄂爾多斯高原東部，CLDAS與NOAH土壤水分空間分布幾乎一致，但NOAH的降水驅動數據質量差于CLDAS，這充分說明土壤質地對土壤水分模擬的重要性。

(3) 本研究所用的ESA，ERA5和NOAH土壤水分數據均為25 km分辨率，而在內蒙古自治區自動土壤水分觀測站稀疏，本文使用鄰近格點法雖然減小了插值帶進去的誤差，但一個格點只對應一個站點，這使得25 km×25 km的一個網格數據對應一個站點數據，造成一定的尺度不匹配問題。另外自動觀測站空間代表性不能代表大網格的土壤水分狀況。

(4) 土壤水分自動站觀測層次為0—10 cm層土壤水分，而衛星反演土壤水分層次為約2—7 cm[5]，在垂直土壤層匹配上也存在一定的誤差，而影響評價結果的準確度。

(5) CLDAS，NOAH以及ERA5Land使用的陸面模式植被覆蓋并沒有動態更新，這使得植被蒸散發產生一定誤差，進而影響土壤溫度、土壤水分以及土壤下滲等，造成土壤水分數據出現一定的誤差，下一步同化植被葉面積指數LAI改善土壤溫濕度模擬是值得開展的研究方向。

4 結 論

(1) 6套格點土壤水分數據能夠較好的反映內蒙古觀測土壤水分的“東濕西干”的空間分布特征，在不同的氣候分區有明顯的差異性。其中SMAP數據表現最優，有著更好的空間分布特征。ESA，CLDAS，ERA5，ERA5Land和NOAH等數據集均呈現出偏濕的特點。

(2) 從3個氣候分區土壤水分時間序列來看，6套資料均能描述出土壤水分的時間變化趨勢，相關系數較高。各套數據在區內半濕潤區和半干旱區土壤水分的時間變化趨勢描述能力顯著優于區內干旱區，尤其在半干旱區的表現更好(相關系數最高)。SMAP數據的變化趨勢與實測最為一致。

(3) SMAP，ESA，CLDAS，EAR5和ERA5Land的相關系數相對較高，NOAH的相關系數明顯差于其他數據集。另外從MAE和RMSE方面來看，SMAP仍然有著較高的精度。總體而言，SMAP產品與實測土壤水分相關性最優，精度最高，其次為ESA和CLDAS格點土壤水分數據。鑒于此，可以為缺乏土壤水分觀測的內蒙古提供可靠的土壤水分資料來源，亦可以用于干旱評估監測應用。