土壤湿度是气候系统中的关键变量，对蒸发、降水、植物生长和全球碳循环都具有重要影响。随着微波遥感技术的发展，土壤湿度反演产品在陆面同化中得到了广泛应用。但是，这些反演产品在同化中面临着反演误差不确定、时空分布不均匀等问题，而陆面变量具有高度空间异质性的特点，使得误差估计成为提高同化效果的关键因素。

我院的秦正坤教授和博士研究生白雪松同学，与中国气象局的李娟、王丽丽研究员、中山大学的张树鹏教授一起，提出了基于空间动态误差调整的土壤湿度同化方法。研究使用简化扩展卡尔曼滤波方法，将我国FY3D和美国SMAP卫星的土壤湿度反演产品同化到CoLM模式中，并设计了动态误差调整（changeOB）和传统静态误差（singleOB）两组对比试验。通过与GLDAS再分析数据和地面观测站点数据的对比验证，研究发现不同卫星反演产品的误差随地形高度和植被类型存在显著差异。在低海拔地区，SMAP产品表现更优，而在高海拔地区FY3D产品精度更高。在植被密集区域，SMAP的L波段具有更强的穿透能力，反演精度明显优于FY3D的X波段产品（图1）。动态误差调整方法能够根据这些空间特征合理地分配背景场和观测信息的权重，使得分析场与GLDAS数据的空间相关系数提高，均方根误差降低（图2）。

图1 FY3D（第一行）和SMAP（第二行）土壤湿度产品在不同植被类型下的升轨（顶部）和降轨（中间）期间与站点观测结果的平均RMSE（左）和偏差（右），以及升降轨道之间的差异（底部，升轨-降轨）。

图2 CTL（黑色实线）、singleOB（红色实线）和changeOB（蓝色实线）试验与GLDAS第一层（顶部）、第二层（中间）和第三层（底部）土壤湿度的空间相关系数（左）和RMSE（右）的时间变化趋势。

论文信息：

Bai, X., Qin, Z., Li, J., Zhang, S., & Wang, L. (2025). The Impact of Spatial Dynamic Error on the Assimilation of Soil Moisture Retrieval Products. Remote Sensing, 17(2), 239. https://doi.org/10.3390/rs17020239.