宇宙射線中子法測量區域土壤水分準確性季節變化研究

武 強 黃 娜 羅孳孳 唐余學 朱玉涵 徐倩倩

(1.重慶市氣象科學研究所, 重慶 401147; 2.重慶市江津現代農業氣象試驗站, 重慶 402260;3.中國農業大學資源與環境學院, 北京 100193; 4.合肥市氣象局, 合肥 230041)

0 引言

土壤水分通過徑流、蒸散發、植被水分供給等方式，在地表與大氣的物質和能量交換中起著重要作用[1-4]。土壤水分也作用于植物光合作用以及土壤微生物群落功能，從而影響著生態系統初級生產力[5-7]。因此，準確獲得土壤水分含量及其時空動態變化，對水土保持、水資源管理及利用等研究具有現實意義[8-11]。

宇宙射線中子法是一種介于原位點測量與遙感大尺度反演的中等尺度非入侵、被動獲取式土壤水分測量方法[12]，可以反映測量區域土壤水分平均狀況，且不受土壤結構異質性以及土壤化學性質影響，不破壞土壤結構、可連續觀測[13-14]。其原理為宇宙射線初級粒子經過一系列級聯反應以及與大氣粒子碰撞后，由激發態至穩定態的過程中會釋放出快中子，快中子在近地面層與氫原子碰撞發生慢化直至吸收[15]，而土壤水分是陸表的主要氫源[16]，宇宙射線中子法通過測量與氫原子碰撞慢化的快中子強度來反演計算測量源區內土壤水分含量。

宇宙射線中子法區域土壤水分監測系統由美國研發生產，并在其境內組建形成70多個站點的大型觀測網絡[17]，圍繞宇宙射線中子法的反演方法、參數訂正、結果修正以及不同觀測方法的比較驗證等開展了諸多研究[12,15-17]。2012年以來，我國學者開始將宇宙射線中子法應用于不同下墊面的土壤水分測量，并就其測量效果開展了評估，在農田、草原、山地等應用場景下，均取得了較好的測量效果[18-21]，但受標準樣本采樣時間間隔較長或研究區域冬季凍土等影響，完整數據集時間跨度多為非凍土時段的數月時長，一方面忽略了短期天氣條件變化的影響，另一方面未能涵蓋生態環境條件周期性變化下的全部情況。較長時間序列的研究多關注于下墊面生態系統特征，如地表生物量對測量結果準確性的影響以及土壤水分反演模型適用性等方面，宇宙射線中子法土壤水分測量結果準確性在典型氣象條件的影響下是否存在差異以及普適性尚未得到證實[22-23]。土壤水分時空變異性受到氣候[24-25]、地形[26]、植被[27-28]等諸多因素的影響，由于對不同控制因子和過程的強烈非線性反饋，從而表現出土壤水分的時空變異性[29-30]。宇宙射線中子法作為新型的土壤水分測量方法，應用其進行土壤水分的長期連續測定，需對其應用場景的下墊面因素、氣象條件等的動態變化影響進行全面考量，從而對應用可行性有全面的掌握。本文研究區域的下墊面植被以灌木型茶樹為主，伴隨茶葉適齡期的采摘、打頂修整等農事活動以及冬季休眠停止生長等因素，植被生物量變化較小，對宇宙射線中子法的土壤水分測量結果影響基本恒定，而伴隨季節變化的氣象條件是影響土壤水分變化最具變異性的因素。本文擬研究不同季節氣象條件特征以及典型天氣條件下宇宙射線中子法測量結果準確性，以季節為時間劃分尺度，并選取典型氣象條件時段，對比分析宇宙射線中子法在不同氣象條件下的土壤水分連續測量效果差異與影響因素，以期為宇宙射線中子法在同一下墊面不同氣象條件的適用性以及典型天氣條件下的土壤水分數據質量控制與結果訂正提供科學依據。

1 研究區域與研究方法

1.1 研究區域

試驗區域設置于重慶市巴南區白象山，為典型山地地形下墊面，地勢自西向東傾斜，整體海拔落差約100 m，坡度約18°，土質以壤土和黏質土為主，局部區域為砂質土或巖性紫色土。下墊面植被主要為灌木型茶樹，株高50～80 cm，間種高大喬木作為防護林與遮陰樹，空地多為原生草本地被植物。參數率定于2018年6月22日—8月11日進行，對比研究時段為2019年3月—2020年2月，按照春季(3—5月)、夏季(6—8月)、秋季(9—11月)、冬季(12—2月)的標準進行時間劃分。

1.2 數據來源

研究區域中心(29°28′30″N，106°44′7″E，海拔558.60 m)為4 m×4 m觀測場，觀測場內安裝有自動氣象站，設置空氣溫度、空氣相對濕度、氣壓、降水量、風向、風速、土壤溫度等觀測要素。觀測數據用于研究時段內氣象要素分析以及宇宙射線中子法參數率定。

土壤水分測定設置宇宙射線中子法(Cosmic-ray neutron sensing，CRNS)、頻域反射法(Frequency domain reflectometry，FDR)、烘干稱重法(Oven-drying method，ODM)3種不同時間、空間尺度的測量方法。參數率定試驗采用烘干稱重法多點采樣獲取區域土壤水分標準值，率定得到CRNS區域土壤水分反演模型。準確性季節變化特征研究由FDR得到多點連續觀測數據計算結果作為區域土壤水分連續觀測標準值。ODM與FDR均結合CRNS足跡，采取同樣的垂直足跡線性加權、水平足跡等權重加權處理，得到對照數據集，與CRNS進行對比分析。

宇宙射線中子法區域土壤水分觀測系統(Cosmic-ray soil moisture observing system，COSMOS)設置于研究區域中心觀測場內，數據采樣間隔設定為1 h，原始數據中子數經參數修正后，采用12 h滑動平均濾除隨機誤差，反演計算獲得區域土壤含水率。

頻域反射型土壤水分自動站兩套，分別位于COSMOS所在的觀測場內及COSMOS西南方向約100 m處(29°26′35″N，106°45′2″E，海拔580.70 m)，測量深度0～10 cm、10～20 cm、20～30 cm、30～40 cm、40～50 cm共5個梯度。數據采樣間隔1 h，與COSMOS同步。數據集時間為2019年3月—2020年2月，期間每月1日、16日采用便攜式土壤水分測定儀(FDR)按照圖1烘干稱重法取樣位置進行補充測定，校準FDR區域土壤水分連續觀測標準值。

圖1 宇宙射線中子法參數率定樣點分布示意圖Fig.1 Distribution of CRNS parameter calibration sample points

烘干稱重法為國際上沿用的土壤含水率測定標準方法，以多點、多土層土壤含水率計算得到區域土壤含水率作為標準值代表。土樣于105℃下干燥至質量恒定，土壤失水質量與原土樣質量的比值即為質量含水率，結合土壤容重換算得到體積含水率。

1.2.1測量足跡

CRNS水平測量足跡為以COSMOS為中心的面圓區域[16]，與氣壓呈反比關系，其關系式為

(1)

式中Ps,o——參考氣壓,取標準大氣壓101.325 kPa

Ps——實際氣壓，kPa

Rs,o——水平足跡參考半徑，取300 m

Rs——實際氣壓Ps下的水平足跡半徑，m

垂直測量足跡即探測深度，主要與測量區域土壤含水率有關，探測有效深度可表示為

(2)

式中Z——垂直足跡有效測量深度，cm

ρbd——測量源區土壤容重，g/cm3

ρw——液態水密度，g/cm3

τ——晶格水占礦質顆粒和束縛水質量總和的比例，%

θ——測量源區土壤體積含水率，cm3/cm3

CRNS水平足跡采用等權重加權方法進行處理，垂直足跡采用線性加權方法進行處理，從而獲得測量足跡內的區域土壤含水率標準值。等權重加權方法即測量足跡內水平距離多點均勻采樣，計算平均值。垂直足跡線性加權方法[31-32]即認為不同土層深度的土壤含水率對區域土壤含水率反演呈線性權重分配，線性加權函數為

(3)

(4)

可以得到

(5)

式中wt(h)——垂直測量足跡內的深度權重系數

h——土層深度，cm

1.2.2數據處理

CRNS是通過測量與氫原子碰撞而慢化了的快中子的強度來反演計算測量源區內土壤水分含量[15]。土壤水分以外的含氫物質如空氣中的水汽也會起到慢化快中子的作用[33]；氣壓的變化改變高能粒子與空氣粒子碰撞而丟失能量發生級聯反應的幾率[16]；太陽長周期變化如太陽黑子周期、晝夜變化等也會直接影響高能粒子密度[15]，從而影響土壤水分測量結果準確性。基于上述因素，需對CRNS快中子數原始數據進行相應的校正。校正函數為

fCWV=1+0.005 4(ρ-ρ0)

(6)

(7)

(8)

式中fCWV——水汽修正系數

fp——氣壓修正系數

fi——太陽活動修正系數

ρ——地表絕對水汽密度，g/cm3

ρ0——參考條件下地表絕對水汽密度，一般取0

P0——氣壓參考值，kPa

P——試驗期內平均氣壓，kPa

L——高能中子質量衰減長度，按其隨緯度變化規律，試驗地點取137 g/cm3

Io——中子基準強度，使用海拔3 560 m瑞士少女峰站宇宙線數據作為中子基準強度

Im——探測器測得的中子強度

得到CRNS中子數校正函數為

NCORR=NRAWfCWVfpfi

(9)

式中NCORR——CRNS校正后中子數

NRAW——CRNS原始中子數

CRNS的反演函數[34]，即中子量與土壤含水率之間的函數關系為

(10)

式中θ(N)——測量源區平均土壤體積含水率

N0——測量源區土壤不含水條件下的中子數，其取值受地理緯度、海拔高度、土壤質地影響，對于同一測量源區，N0不變[35-37]

其中修正參數a0=0.080 8，a1=0.372，a2=0.115。

1.3 評價指標

CRNS區域土壤水分反演結果的評價采用1∶1線、偏差均值(Mean value of difference，d)、相關系數(Pearson correlation coefficient，R)、決定系數(Coefficient of determination,R2)、均方根誤差(Root mean square error，RMSE)、納什效率系數(Nash-Sutcliffe efficiency coefficient，NSE)、Kling-Gupta系數(Kling-Gupta efficiency coefficient，KGE)。其中d越小，一致性越高；RMSE表示測量值和標準值的偏離程度，RMSE越趨近于0，測量值與標準值越接近，誤差越小；NSE越趨近于1，反演模型精度越高，反演結果與標準值一致性越好。KGE為綜合考慮了模擬值與實際觀測值的相關系數、變異性以及偏差量的一致性評價指標，KGE越趨近于1，表示模擬值與實際觀測值綜合一致性越好。

2 結果與分析

2.1 參數率定

2018年6月22日—8月11日開展參數率定試驗，以ODM區域土壤含水率標準值作為基準進行CRNS參數率定。樣點分布如圖1所示，以COSMOS為圓心，垂直方向4個方位，50、100、200、250 m處共計16個取樣點，取樣深度0～10 cm、10～20 cm、20～30 cm和30～40 cm，結合試驗期間CRNS垂直足跡實際情況，確定以0～20 cm土層測量結果，按照垂直足跡線性加權、水平足跡等權重加權方法進行處理，獲得ODM區域土壤含水率標準值。試驗期間每5 d取樣1次，累計11次。計算CRNS、ODM獲得的區域土壤含水率，結果比較如圖2所示，計算得到RMSE為0.014 m3/m3， NSE為0.995，KGE為0.745，回歸直線斜率與1∶1線偏差僅0.211，可見經參數率定后，CRNS對區域土壤水分的反演結果與ODM得到的標準值一致性良好，CRNS區域土壤水分計算模型可信度高。

圖2 宇宙射線中子法參數率定結果Fig.2 Comparison of CRNS parameter calibration results

2.2 測量足跡季節變化

2019年3月—2020年2月CRNS測量足跡如圖3所示，試驗期內水平足跡較為穩定，年平均值為320.5 m，最小值314.5 m，最大值326.0 m，變化率為±2%；其中春季平均值321.2 m，夏季平均值323.5 m，秋季平均值319.5 m，冬季平均值318.4 m。垂直足跡變化較大，年平均值16.9 cm，最小值12.3 cm，最大值25.3 cm，變化率為-37%～50%，尤其夏季、秋季受降水及持續高溫天氣等影響，土壤持續失墑或降水補充等導致垂直測量足跡出現相應變化，具體表現為與土壤含水率呈負相關性，即土壤含水率越低，垂直足跡越大，土壤含水率越高，垂直足跡越小；其中春季平均值19.0 cm，夏季平均值17.1 cm，秋季平均值15.7 cm，冬季平均值16.0 cm。可見在本試驗區域，CRNS水平足跡基本穩定，對時間、氣象條件以及土壤含水率等的變化響應不明顯；垂直足跡受到土壤含水率變化的影響而波動，但是基本維持在15.7～19.0 cm之間，受降水影響出現過極小值12.3 cm，但在雨后隨著地表水的徑流與滲透，可恢復到平均水平。耕作層有效深度大約20 cm，是土壤水分和養分含量發生波動的主要土層。因此，在山地地形下墊面，CRNS水平足跡基本穩定，隨季節變化不明顯，垂直足跡在不同季節隨降水差異而有一定波動，但均集中在耕作層范圍內變化，即CRNS能夠較為穩定地反映測量源區內耕作層土壤水分的變化情況。

圖3 宇宙射線中子法測量足跡變化Fig.3 Diagram of CRNS footprint

2.3 測量結果準確性季節變化

統計研究區域氣象數據得到，春季平均氣溫17.0℃，極端最高氣溫34.3℃，極端最低氣溫5.7℃。雨日數53 d，降水總量431.5 mm，雨量分布情況為3月20%，4月30%，5月50%。春季CRNS與FDR的測量結果對比如圖4a所示，總體變化趨勢基本一致，兩種方法測量偏差均值為0.019 m3/m3。對兩種方法得到的區域土壤含水率日值進行擬合(圖4a)，得到線性方程y=1.638x-0.177，R2=0.442。具體地，3月氣溫較為穩定，降水較少，偏差均值為0.004 m3/m3；4月氣溫回升，土壤水分蒸騰量增加，且在4月中下旬有兩次較強降水過程，土壤水分含量變化較大，偏差均值為0.017 m3/m3；5月雨日數較多，雨量較大，土壤增墑明顯，偏差均值為0.041 m3/m3。

圖4 宇宙射線中子法區域土壤含水率季節變化Fig.4 Seasonal variations of regional soil moisture by CRNS

夏季平均氣溫25.6℃，極端最高氣溫37.7℃，極端最低氣溫17.6℃。雨日數43 d，降水總量431.3 mm，雨量分布情況為6月42%，7月53%，8月5%。夏季CRNS與FDR的測量結果對比如圖4b所示，兩種方法的變化趨勢一致性較好，兩種方法測量偏差均值為0.020 m3/m3。對兩種方法得到的區域土壤含水率日值進行擬合(圖4b)，得到線性方程y=1.299x-0.083，R2=0.777。在降水集中的6、7月，受降水影響氣溫波動大，土壤短期失墑與水分補充變化較大，偏差均值分別為0.039、0.023 m3/m3，雨量較少的8月，氣溫較高，平均值26.3℃，土壤持續失墑，8月中下旬，日最高氣溫均在35℃以上，8月下旬，土壤含水率狀況逐漸由輕旱發展為中度干旱，整個8月土壤含水率測量偏差均值僅0.001 m3/m3。

秋季平均氣溫17.3℃，極端最高氣溫35.4℃，極端最低氣溫5.9℃。雨日數54 d，降水總量367.9mm，雨量分布情況為9月25%，10月57%，11月18%。秋季CRNS與FDR的測量結果對比如圖4c所示，兩種方法測量偏差均值為0.034 m3/m3，但是在幾次主要降水過程時，表現出較為明顯的測量差異。對兩種方法得到的區域土壤含水率日值進行擬合(圖4c)，得到線性方程y=1.407x-0.103，R2=0.648。9月雨日數較少，降雨過程較為集中，偏差均值為0.024 m3/m3；10月雨日數多，但多為較小量級的降水，偏差均值為0.062 m3/m3；11月雨日數較少，雨量較小，偏差均值為0.034 m3/m3。

冬季平均氣溫8.2℃，極端最高氣溫16.8℃，極端最低氣溫0.3℃。雨日數43 d，降水總量86.4 mm，雨量分布情況為12月30%，1月34%，2月36%。冬季CRNS與FDR的測量結果對比如圖4d所示，可見兩種方法的變化趨勢一致性較好，兩種方法測量偏差均值為0.001 m3/m3。對兩種方法得到的區域土壤含水率日值進行擬合(圖4d)，得到線性方程y=1.929x-0.349，R2=0.182。冬季降水過程分布較為平均，且均為小雨量級降水，12、1、2月偏差均值分別為0.018、0.011、0.021 m3/m3。

各季節CRNS與FDR統計指標如表1所示，二者平均值μ差異較小，但是CRNS標準差σ明顯偏大，主要與二者測量原理差異有關，CRNS通過測定與氫原子碰撞慢化的中子數反演計算得到土壤含水率，快中子計數在一定范圍內變化，較為離散；而FDR傳感器設置于土層中，通過電磁波在不同土壤含水率即不同介電常數介質中的變化來反演土壤含水率，除蒸騰與降水滲透以外，不受其他地上因素干擾，而土層中的水分變化相對較為穩定連續，因而測得土壤含水率也較為穩定。相關系數R夏季、秋季均達到0.8以上，冬季最低，為0.427。RMSE春季、夏季均為0.035 m3/m3，秋季0.055 m3/m3，冬季0.031 m3/m3。NSE與KGE均在夏季最高，分別達到0.604、0.508，其余季節均較低。主要與各季節的降水、土壤水分蒸散以及下墊面特征有關。結合研究區域下墊面蒸散量計算得到春季有效降水量為40.8 mm，夏季200.0 mm，秋季136.4 mm，冬季13.7 mm。由于研究區域下墊面主要為茶樹，種植較為密集，樹冠對于降水截留作用明顯，較小量級的降水受到茶樹冠層的截留削減，到達土層的入滲水量過小不足以引起頻域反射傳感器的明顯響應，而CRNS反演結果涵蓋了測量區域內所有含氫物質的總和，包括地表植被，尤其是降水期間冠層的截留水量。茶樹下墊面主要為密植灌木，生長較為緩慢，加之采茶以及打頂等農管措施對幼嫩芽葉的削減，地表生物量總體較為穩定，因而主要是降水引起的冠層截留水量會導致測量結果的偏差。尤其在冬季，天氣條件以陰天為主，總日照時數90.3 h，日照時數在1 h以上日數僅22 d，期間有效降水量極小，即水分蒸騰與補充基本接近平衡，埋入式的FDR傳感器得到的土壤含水率在整個冬季也十分穩定，維持在0.36～0.39 m3/m3，而歷次降水過程日降水量均不超過10 mm，主要為冠層截留水與土表吸收，該部分氫源的增加導致CRNS明顯的響應，尤其2月有幾次較為集中的降水過程，在FDR土壤含水率基本不變的情況下，CRNS表現出較為明顯的結果差異。

表1 宇宙射線中子法與頻域反射法區域土壤水分測量結果統計指標Tab.1 Statistical index values of regional soil moisture measurement results by CRNS and FDR

2.4 典型土壤水分條件下宇宙射線中子法測量準確性變化

進一步分析典型土壤水分條件下CRNS測量準確性變化，選取2019年3月—2020年2月自然條件下多雨偏濕以及高溫干旱時段作比較。7月作為多雨偏濕的代表時段，平均氣溫25.7℃，極端最高氣溫37.5℃，極端最低氣溫19.1℃。雨日數18 d，降水總量228.4 mm，其中7月8日、7月19日、7月29日達到大雨量級，7月31日達大暴雨量級，其余降水時段為小雨量級，在整個多雨偏濕期，土壤表現為逐漸增墑效應，土壤含水率約增加0.06 m3/m3。對比多雨偏濕期CRNS與FDR的測量結果，兩種方法測量偏差均值為0.002 m3/m3。對幾次強降水過程，CRNS與FDR區域土壤含水率測量值均表現出明顯的瞬時響應。對兩種方法得到的區域土壤含水率日數據進行擬合(圖5a)，得到線性方程y=1.366x-0.110，R2=0.272。8月作為高溫干旱的代表時段，平均氣溫28.2℃，極端最高氣溫37.7℃，極端最低氣溫18.1℃。雨日數9 d，降水總量20.1 mm，其中除8月31日達到中雨量級，日降水量為12.2 mm，其余降水時段以零星小雨為主，日降水量不超過2 mm，在整個干旱期，土壤持續失墑，土壤含水率降低約0.13 m3/m3。對比高溫干旱期CRNS與FDR的測量結果，兩種方法測量偏差均值為0.001 m3/m3。對兩種方法得到的區域土壤含水率日數據進行擬合(圖5b)，得到線性方程y=1.031x-0.011，R2=0.926。

圖5 典型土壤水分條件下宇宙射線中子法測量結果Fig.5 Result by CRNS in typical soil moisture conditions

典型土壤含水率條件下CRNS與FDR統計指標值如表1所示，二者平均值μ在高溫干旱期基本一致，多雨偏濕期較大。在多雨偏濕期、高溫干旱期，R分別為0.522、0.962；RMSE分別為0.034、0.014 m3/m3。NSE與KGE在多雨濕潤期均為負值，在高溫干旱期則高達0.925、0.919。可見在降水干擾較小，即下墊面氫源較為穩定的時段，CRNS與FDR的測量結果可表現出良好的一致性，測量結果偏差極小，CRNS區域土壤含水率反演模型準確度高，反演值與標準值匹配度良好。在降水較多的土壤濕潤期，即便受降水過程干擾，CRNS反演區域土壤含水率結果準確性受到一定影響，但是在土壤含水率的變化趨勢以及量級較大降水過程時土壤含水率的響應等基本一致，測量結果偏差均值僅為0.023 m3/m3，測量結果準確性較好。

3 討論

不同土層往往表現不同的水文過程和生態功能[38]，淺層土壤受降水入滲和蒸散發影響大，同時也是植被生長常用水分來源，深層土壤水分相對較為穩定，形成“土壤水庫”。山地地形下墊面條件下，CRNS的水平測量足跡基本穩定，不隨時間、氣象條件以及土壤含水率等的變化而發生明顯變化，因而在代表性樣點的選取時，應注意如巖石、建筑、水源等水平足跡范圍內干擾項的規避；在測量結果的訂正，如水平足跡范圍內植被含水率的排除計算等方面，則可根據水平足跡較為穩定的特點而給出理想試驗方案。垂直足跡則主要受到土壤含水率變化的影響而波動，但測量足跡基本在耕作層范圍內變化，因此，CRNS可應用于耕作層土壤水分反演，或地表生物量、植物水分截留等相關研究。

比較CRNS在不同季節的土壤水分測量結果，總體上CRNS與FDR的測量結果一致性較好，在土壤含水率較為穩定(冬季)表現為與FDR極小的偏差，在少雨持續失墑(夏季)以及多雨水分得到補充(秋季)的土壤含水率劇烈變化的時段，CRNS與FDR表現出一致的變化趨勢。但是由于研究區域下墊面主要為密植的灌木型茶樹，有明顯的降水截留效果，被截留降水無法參與地面徑流或地下水分運動過程[39]，但是截留水作為氫源可以被CRNS捕捉；通常雨量較大時，植被截留率較低，但是雨量較小時，植被截留則顯得尤為重要，研究顯示，在濕潤森林區，植被截留損失占年降水量10%～30%[40-42]，而在降水偏少的地區，植被截留損失可以達到40%～50%[43]。因而在試驗過程中，存在FDR幾乎無變化，但CRNS已出現明顯波動的情況。對于較小量級的短期降水(春季)與量級較大的持續降水(夏季)，CRNS較FDR能夠更加靈敏地響應，就土壤水分測定而言，結果包含了冠層截留水等干擾，但對于水資源評估、作物水分平衡等研究具有重要的指示意義。

進一步分析典型土壤水分條件下的CRNS測量結果準確性變化，在高溫干旱期，CRNS表現出最佳測量結果，與FDR表現出極高的一致性。在多雨偏濕的增墑時段，則受降水過程影響，相較于高溫干旱時段表現為較大偏差。因此在應用CRNS對測量區域的土壤水分整體評價中，合理排除降水時段的土壤水分測量偏差尤為重要。

4 結束語

CRNS水平測量足跡的季節變化較為穩定，垂直足跡在耕作層范圍內有一定波動。不同季節降水過程的量級差異是引起CRNS測量結果偏差的主要因素，CRNS對不同量級降水均可作出明顯響應。夏秋兩季，在高溫少雨導致的持續失墑以及較大量級降水過程等土壤水分變化較為劇烈的時段，CRNS與FDR測量結果一致性較好。春季多較小量級降水，作物冠層截留作用導致小量級降水不足以引起探入式FDR的響應，但CRNS則可以靈敏捕捉到水分的變化，二者一致性略差。典型土壤水分條件下的CRNS測量準確性變化，進一步說明降水過程對CRNS準確性的干擾，而在持續高溫干旱時段則一致性良好，RMSE、NSE與KGE分別為0.014 m3/m3、0.925、0.919。