使用再分析、原位观测和机器学习改进加拿大地区地表土壤水分估算

《Ecological Informatics》:Improving surface soil moisture estimates across Canada using reanalysis, in-situ observations, and machine learning

【字体: 大 中 小 】 时间:2026年07月20日 来源:Ecological Informatics 8.5

编辑推荐:

  土壤水分(SM)是水文和陆-气系统中的关键变量,但其强空间异质性限制了对大尺度特征的高精度刻画。网格化SM产品(遥感与再分析)提供了广泛的空间覆盖,但受反演和模型相关偏差的影响。机器学习(ML)方法日益被用于校正这些偏差,但其性能强烈依赖于训练数据的代表性。现

  
土壤水分(SM)是水文和陆-气系统中的关键变量,但其强空间异质性限制了对大尺度特征的高精度刻画。网格化SM产品(遥感与再分析)提供了广泛的空间覆盖,但受反演和模型相关偏差的影响。机器学习(ML)方法日益被用于校正这些偏差,但其性能强烈依赖于训练数据的代表性。现有大多数基于ML的SM产品使用国际土壤水分网络(ISMN)的观测数据进行训练,而ISMN在加拿大覆盖有限。在此,研究人员引入了一组未包含在ISMN中的额外原位观测数据,称为CanObs,并利用它来评估和改进加拿大地区的SM估算。研究人员评估了ERA5-Land、SMAP以及现有基于ML的SM产品与CanObs观测的对比,并开发了三种随机森林模型:基于ISMN训练(RF-ISMN)、基于CanObs训练(RF-CanObs)以及基于联合数据集训练(RF-Mixed),以评估训练数据组成对空间和时间可迁移性的影响。ERA5-Land和SMAP表现出显著误差,尤其在森林和灌木地地区,而现有基于ML的产品在大多数CanObs站点系统性地低估SM。RF-CanObs在未见的CanObs站点上始终优于RF-ISMN,将ERA5-Land的无偏均方根误差(ubRMSE)从19%降低至6.9%,偏差从9.28%降低至0.08%。相比之下,RF-Mixed并未优于RF-CanObs,表明在分布不匹配的情况下,单纯增加训练数据量并不能提升性能。预测变量分布分析、特征重要性以及基于分类的两样本检验揭示了ISMN与CanObs之间存在显著的环境差异,尤其在地形、植被和土壤相关变量方面。总体而言,研究人员的结果表明,基于ML的SM预测受训练与目标环境之间不匹配的约束,其程度超过模型复杂度或数据集大小的影响,强调了在数据稀疏地区需要区域代表性观测以改善SM估算。
论文解读:《Improving surface soil moisture estimates across Canada using reanalysis, in-situ observations, and machine learning》

一、研究背景、问题与意义
土壤水分(Soil Moisture, SM)是陆地-大气相互作用的关键变量,直接影响蒸散发、径流、植被动态及气候反馈。然而,SM的强空间异质性使得大尺度精确估算面临挑战。现有网格化SM产品包括遥感反演(如SMAP)和再分析(如ERA5-Land),虽提供全球覆盖,但受反演算法和模型结构偏差影响,尤其在森林、灌木及高纬度地区误差显著。机器学习(Machine Learning, ML)方法被广泛用于校正这些偏差,其性能高度依赖训练数据的代表性。目前大多数ML-based SM产品基于国际土壤水分网络(International Soil Moisture Network, ISMN)训练,但ISMN站点在加拿大分布稀疏,主要集中于农业区,无法代表该国多样的气候、植被和土壤条件。因此,现有ML模型在加拿大的泛化能力尚未得到充分验证。为解决这一问题,研究人员引入了加拿大本土观测网络CanObs(包含469个非ISMN站点),旨在评估ML产品在环境异质性区域的性能,并通过纳入本地观测提升SM估算精度,为数据稀疏地区提供方法参考。该研究发表于《Ecological Informatics》。

二、主要技术方法概述
研究人员采用随机森林(Random Forest, RF)模型,分别基于ISMN(RF-ISMN)、CanObs(RF-CanObs)及两者联合数据集(RF-Mixed)训练。预测变量包括:ERA5-Land表层土壤水分、MODIS蒸散发与NDVI、MSWEP降水、ERA5-Land气温、Copernicus DEM地形特征(高程、坡度、坡向)及SoilGrids土壤属性(砂、粉、黏粒含量、有机碳)。数据预处理:仅使用夏季(5-10月)月均数据,点对网格匹配(最近邻法),并划分为独立空间测试集(10%站点)、时间测试集(最近30%观测)及随机训练/测试集(80/20)。评估指标:偏差(Bias)、无偏均方根误差(ubRMSE)、皮尔逊相关系数(R)。采用分类器双样本检验(C2ST)和Kullback-Leibler(KL)散度量化ISMN与CanObs间的环境差异。

三、研究结果
4.1 网格化SM数据集在CanObs站点的表现
ERA5-Land和SMAP呈现系统性湿偏差(+10%和+3%),而ML产品(GSSM、GLASS SM、CASM)表现出干偏差(-5%至-6%)。ERA5-Land和SMAP的ubRMSE接近20%,表明时间追踪能力弱;ML产品的ubRMSE约15%,但CASM相关性低(R=0.49)。按土地覆盖分类,森林和灌木站点误差最大,ML产品在这些区域仍呈负相关。空间上,ML产品在北方森林区呈现一致干偏差,而南部农业区偏差较小,反映与ISMN训练环境的相似性。

4.2 将CanObs纳入模型训练的影响
RF-CanObs在所有模型中表现最佳:ubRMSE从ERA5-Land的19%降至6.9%,偏差从9.28%降至0.08%,R达0.94。该改善在森林和灌木区尤为显著,预测与观测的1:1线更紧密。空间上,RF-CanObs有效降低了北方地区的干偏差。在空间可迁移性测试中,RF-CanObs的偏差、ubRMSE和R2均优于RF-ISMN;但在时间可迁移性测试中,两者ubRMSE相近,表明ISMN数据仍能捕捉时间动态,但存在系统性偏差。

4.3 ISMN与CanObs之间的分布差异
C2ST显示,ISMN与CanObs在预测变量空间上几乎完全可分(ROC AUC≈1)。特征重要性分析表明,RF-ISMN模型依赖经纬度和降水,而RF-CanObs模型依赖土壤质地、地形(DEM)和NDVI等本地变量。KL散度分析显示,高程、坡度、NDVI和土壤有机碳(SOC)在两组间分布差异最大,且这些变量在RF-CanObs中重要性最高,构成主要迁移误差来源。按K?ppen气候区分类,Dfb区(温带大陆性)差异显著,Dfc区(亚寒带)差异较小,但高程仍存在差异。

四、讨论与结论总结
讨论部分指出,网格化产品的偏差与已知局限性一致:ERA5-Land的湿偏差源于冷区校准不足,SMAP的负相关受植被和积雪影响,有机质土壤的介电效应未充分表征。ML模型在湿条件下倾向于干偏差,可能受饱和测量不确定性及迁移性下降影响。ISMN训练模型向CanObs迁移受限的主因是协变量偏移(covariate shift)及主导环境控制差异,尤其地形和土壤变量。研究局限包括:加拿大北部观测稀疏,时空分辨率较低(月均、9km),未来需扩展监测网络并采用更高分辨率数据及多算法集成。

研究结论翻译:总体而言,结果表明可迁移性不仅取决于广泛的气候相似性,还取决于训练数据能否捕捉最具影响力预测变量的分布。高重要性与强分布差异的巧合,特别对于高程、坡度和土壤相关变量,将这些特征识别为迁移误差的主要来源。这些发现共同表明,在环境独特且数据稀疏的地区,可靠SM预测更依赖于代表性观测覆盖,而非增加模型复杂度或数据集规模,这与先前研究一致。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号