《Remote Sensing of Environment》：Transferring soil moisture estimation skills to evapotranspiration and streamflow modeling through remote sensing data assimilation
编辑推荐：
遥感土壤湿度数据同化优化耦合强度提升水文模拟效果。
冯慧慧|周建宏|吴志勇|董建志|赵龙|卢卡·布罗卡|何海
中国西南大学地理科学学院重庆金佛山石生态系统国家观测与研究站，重庆400715
摘要 遥感（RS）土壤湿度（SM）反演结果经常被纳入地表模型（LSMs）中，以提高其整体性能。然而，LSM参数化的不确定性限制了当前模型准确捕捉SM与水文通量之间耦合强度的能力。这一限制降低了SM数据同化（DA）在改进关键通量（如蒸散量（ET）和径流）估计方面的有效性。在这里，我们提出了一个改进的SM DA框架，优化了SM与通量之间的耦合强度。具体而言，该框架基于变渗透能力（VIC）模型开发。该模型首先使用RS数据校准SM-ET和SM-径流耦合强度，以提高其物理一致性和对地表过程的表示能力。随后，利用集合卡尔曼滤波器（EnKF）将RS SM反演结果同化到校准后的VIC模型中，以改进ET和径流模拟。结果表明，所开发的SM DA框架提高了DA效率，SM相关性从0.45增加到0.49。它还改进了水文通量模拟，使ET相关性从0.77增加到0.80，并将径流的Nash-Sutcliffe效率从0.21提高到0.71，相对于默认的VIC方案而言。这些改进在（亚）湿润地区尤为明显，因为VIC模型的径流生成机制——基于饱和过剩过程——非常适合表示当地的水文过程。总体而言，LSM内部耦合强度的校准为通过土地数据同化（DA）改进水文通量模拟提供了有希望的途径。
引言 土壤湿度（SM）是一个关键的土地状态变量，对植被动态、径流生成以及感热通量和潜热通量之间的分配有着重要控制作用（Seo等人，2024；Singh等人，2021）。因此，它对地表能量平衡、水文连通性和陆气碳交换有着重要影响（Humphrey等人，2021；Koster等人，2004）。SM观测结果经常被纳入地表模型（LSMs）中，以提高模型性能（Xia等人，2019）。微波遥感（RS）的最新进展促进了多种RS SM产品的生成，有助于克服传统地面SM观测的局限性，后者数据稀疏、时间不连续且难以在大范围内应用。这些RS产品提供了空间广泛且时间连续的SM估计值，成为土地数据同化（DA）系统的宝贵输入（Al-Yaari等人，2019；Cui等人，2018）。将RS SM反演结果纳入LSMs显著增强了多层SM估计，突显了SM DA在减少模型不确定性方面的关键作用（Mu?oz-Sabater等人，2019；Reichle等人，2021）。RS SM反演结果已成为现代土地DA系统的主要数据来源（例如，De Lannoy等人，2022；Seo等人，2021；Shan等人，2024；Tian等人，2021）。 然而，SM DA在有效将SM改进转化为其他关键水文通量（如径流和蒸散量（ET）方面面临挑战（Crow等人，2023）。这一局限性仍然是SM DA的一个持续缺点，对其在水文预报和数值天气预测中的有效应用构成了严重障碍。理论上，SM DA通过优化风暴前的SM模式，有潜力提高径流预测的准确性，因为它强烈控制着降水在入渗和径流之间的分配，特别是在湿润地区，饱和过剩径流占主导地位（Penna等人，2011）。实际上，SM DA在提高径流预测方面的效果有限（Crow等人，2023；De Santis等人，2021）。同样，SM DA理论上也可以改善数值天气预测——因为SM通过控制ET来调节较低层次的大气过程，使其成为预测降水和近地面温度的必要因素（Mu?oz-Sabater等人，2019）。不幸的是，SM DA甚至可能在ET中引入偏差，从而对降水和近地面温度预测产生负面影响（Crow等人，2020）。
SM DA的意外影响可能源于高度不确定的LSM参数化，这些参数化在表示LSM SM与相关通量之间的耦合强度时引入了系统偏差（Draper，2021）。在各种耦合强度中，SM-ET耦合强度（SECS）和SM-径流耦合强度（SRCS）的偏差尤其值得注意，因为它们在调节水文和大气过程中起着关键作用（Crow等人，2019；Crow等人，2020）。正如Dong等人（2020）所展示的，ET阻力参数化的不确定性可能导致LSM SECS出现显著偏差。这种偏差在当前的LSMs中普遍存在，在气候过渡区（例如半干旱和亚湿润地区）尤为明显（Feng等人，2023；Zhou等人，2025b）。同样，Crow等人（2019）分析了美国数百个流域的多种LSM径流参数化方案后发现，当前的径流参数化总体上低估了径流对风暴前SM条件的敏感性（即在（亚）湿润地区低估了SRCS）。因此，当前的LSMs可能在SECS和SRCS上都存在系统偏差。这些LSM的缺陷大大限制了SM DA在水文气象应用中的有效性。
有效实施SM DA需要纠正LSM在SECS和SRCS方面的偏差。RS产品和不确定性分析方法的最新进展为解决这些耦合问题提供了必要的基础。具体而言，RS产品提供了独立于LSMs的反演结果，具有广泛的空间覆盖范围，并在表征地表变量的时空变异性方面具有明显优势。同时，不确定性分析有助于减轻RS反演中固有的随机误差的不利影响。因此，它们的结合可以为LSMs提供更可靠的参考耦合强度。例如，Zhou等人（2023）提出了一个双系统框架，使用两组独立的SM-ET数据对来消除随机误差的影响，并得出SECS参考值。然后使用该参考值校准LSM参数，从而减少SECS相关的不确定性并改善ET和地表温度的模拟。同样，Crow等人（2022）提出了一种基于完美秩相关（PRC）策略的模型校准方法，该方法最大化了RS SM时间序列与模拟径流系数之间的相关性。这种方法有效解决了各种径流参数化中SRCS经常被低估的问题，特别是在（亚）湿润地区。此外，它还使得水文参数化的优化成为可能，从而产生更现实的径流系数和SM动态。
这些研究为纠正LSM耦合偏差提供了有价值的策略，为在SM DA框架内改进地表水通量（例如径流和ET）的模拟提供了潜力。然而，它们的潜力尚未得到充分探索——特别是在SM DA应用中联合优化SECS和SRCS指标的附加价值方面。
因此，在之前基于RS的努力基础上，本研究开发了一个针对LSM SECS和SRCS优化的SM DA框架，以展示内部LSM耦合强度优化对SM DA的影响。该框架首先使用基于RS的数据校准LSM参数，以减少LSM耦合强度（即SECS和SRCS）的偏差。随后，通过集合卡尔曼滤波器（EnKF）方法将基于RS的SM数据同化到校准后的模型中。我们考虑了在SM DA之前对模型耦合强度进行不同校准的多种SM DA方案。通过将SM DA结果与基于地面的SM和径流观测结果以及RS ET产品进行比较，评估了这些SM DA方案的性能，以研究SECS和SRCS优化对水文状态和通量的影响。
研究区域 本研究聚焦于中国的黄淮海河流域（3HRB，约660,000平方公里），该流域整合了黄河下游与淮河和海河流域（图1）。该流域的地形主要由平原、高原、丘陵和山脉组成，其中平原占面积的50%以上。3HRB表现出明显的时空降水量变化，年降水量从南部的1500毫米到北部的300毫米不等。全年一半的降雨集中在夏季，
方法论 为了解决SM DA中内部耦合强度偏差的问题，首先根据图2，我们基于各种RS数据集估计参考SM-ET耦合强度（SECS）和SM-径流耦合强度（SRCS）值。接下来，根据耦合强度参考值逐网格校准VIC参数。最后，应用具有优化耦合强度的DA方案进行SM DA。
结果 在本节中，我们首先分析了各种模型校准方案的内部耦合强度，然后根据基于地面的观测结果和参考RS产品评估了同化后的模型变量。由于RS SM在DA之前被重新缩放到（校准后的）VIC气候学数据，且模型校准基于相关性指标，DA主要改善了SM的时间动态，这可以通过时间相关系数来评估（CC
讨论 SM与关键水文通量（如ET和径流）密切相关，这强调了通过RS SM反演的DA改进这些通量模拟的重要性（Chen等人，2014；Peters-Lidard等人，2011）。然而，这一理论上的预期结果仍然具有挑战性。如图5e所示，尽管SM DA可以显著改善默认VIC模型的SM建模，但SM DA对ET和径流的改进效果有限，甚至可能结论 鉴于当前LSMs在准确捕捉水状态与通量（例如SRCS和SECS）之间的耦合强度方面的能力有限，SM DA在联合改进多个水文变量模拟方面面临固有挑战。在这里，我们开发了一个优化了LSM SRCS和SECS的SM DA框架。该框架使用基于VIC的DA框架进行演示，首先结合RS数据校准SECS和SRCS，然后通过EnKF同化RS SM以增强
CRediT作者贡献声明 冯慧慧： 撰写——审稿与编辑、方法论、形式分析、概念化。周建宏： 撰写——审稿与编辑、方法论、形式分析、概念化。吴志勇： 撰写——审稿与编辑、概念化。董建志： 撰写——审稿与编辑、方法论。赵龙： 撰写——审稿与编辑、形式分析。卢卡·布罗卡： 撰写——审稿与编辑、形式分析。何海： 撰写——审稿与编辑、形式分析。
利益冲突声明 作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢 本工作得到了国家自然科学基金原创探索计划 （项目编号42450248）、国家自然科学基金联合重点项目 （项目编号U2240225）、国家自然科学基金 （项目编号42201022）以及中央高校基本科研业务费 （项目编号SWU-KR25029）的支持。
