作为影响气候变化的重要因素之一，土壤湿度的研究一直受到关注。其重要性体现在它的变化能够直接影响到地气间水热通量的交换，它对气候变化的影响仅次于海温(US National Research Council，1994)，尤其在内陆地区，土壤湿度作用更显重要，其对气候变化的影响甚至超过海温变化的作用(Chahine，1992)。

资料的缺乏限制了土壤湿度和气候变化关系的研究(马柱国等，2001)。近年来，随着陆面模式的发展及其再分析数据的不断完善，基于模式数据和再分析数据产品和的发布，极大的丰富了土壤湿度数据，但这些数据由于产生的方法有较大的差别。鉴于此，已有的研究对目前国际上运用较为广泛的土壤湿度资料进行了许多对比研究(Dirmeyer et al.，2004；Albergel et al.，2013)。在中国区域，Li et al.(2005)进行了再分析资料对比分析，指出在年际变化上欧洲中期天气预报中心(ECMWF)40年的再分析资料(简称ERA-40)相比美国国家环境预测中心—国家大气研究中心(NCEP−NCAR)再分析资料(简称NCEP-R1)、NCEP能源部的再分析资料(简称NCEP-R2)有更好的表现，但却不能再现观测资料所表现出的土壤湿度季节循环；张文君等(2008)分析了4套土壤湿度资料在中国区域的可靠性，发现全球土壤湿度计划资料(GSWP2)能较好描述土壤湿度的季节循环和气候平均态，但年际变化表现能力较差；左志燕和张人禾(2008)分析发现ERA-40能很好再现中国东部春季土壤湿度的时空变化特征及其年际变化，但对华北到内蒙古地区土壤湿度的模拟偏大；刘栗(2014)分析了中国东部春季多套再分析资料的空间和时间变化特征，指出，就春季平均而言，NCEP土壤湿度分布与观测事实相差最大，MERRA(Modern-Era Retrospective Analysis for Research and Applications)与观测土壤湿度的气候态最相似，时间变化分析而言，ERA-Interim(ECMWF Reanalysis- Interim，以下简称ERA)对土壤湿度年际变化有良好的再现能力，MERRA、JRA-25(Japanese 25-year Reanalysis，简称JRA-25)等再分析资料只在小部分区域反应出了观测事实的变化。

随着卫星技术的迅速发展，利用卫星微波遥感反演土壤湿度也为大范围地区土壤湿度观测提供了条件。国内外许多研究人员对卫星遥感反演土壤湿度进行了验证，如在法国西南部，利用空间分辨率为1 km的土壤水分数据对40 km×40 km区域ERS/MetOp(欧洲遥感卫星/气象业务卫星)土壤水分数据集进行了验证，均方根误差为0.06 m³/m³，但存在冻土时得到的土壤湿度数据误差很大(Pellarin et al.，2006)；Albergel et al.(2012)利用分布在非洲、澳大利亚、欧洲及美国的200多个土壤湿度地面观测站点数据对SMOS(Soil Moisture and Ocean Salinity)土壤水分数据进行了评估，发现SMOS能很好地表现土壤湿度的年际变化，它与实测的平均均方根误差为0.08 m³/m³，但低分辨率的产品不能反应暴雨后土壤湿度的突然增加；在中国西北地区，开展了AMSR-E(Advanced Microwave Scanning Radiometer-EOS)土壤湿度产品的精度验证，并指出，AMSR-E土壤湿度产品无论与降水、地面实测土壤湿度，还是与NCEP/NCAR再分析土壤湿度，都具有很高的可信度，但AMSR-E反演深度不超过2 cm(陈洁，2010)；李昂等(2013)对AMSR-E卫星反演及ECWMF、NCEP土壤湿度进行了时空比较，发现三者与农气站的点观测土壤湿度变化趋势基本相同，AMSR-E较观测值偏小，ECMWF、NCEP较观测值却偏大。微波卫星遥感反演土壤湿度仍存在着空间分辨率较粗、易受冰雪、高密度植被和地形影响等问题。

目前，针对再分析资料的土壤湿度数据及卫星反演土壤湿度资料的全面评估在中国区域较缺乏，而对土壤湿度产品准确度的检验是更好地使用土壤湿度产品的前提。关于ERA、ESA(Eropean Space Agency)卫星遥感反演资料(以下简称ESA)土壤湿度资料在中国区域时空特征分析的研究不少(左志燕和张人禾，2008；刘栗，2014)，但多针对中国部分区域、某一季节或年的变化特征的研究，而很少全面的对中国整个区域分季节的数据的适用性进行验证。基于上述问题，本文拟利用中国区域的土壤湿度观测资料对再分析的土壤湿度数据对欧洲航天局卫星反演土壤湿度数据进行验证，分析这两种数据在中国区域的精度和可靠性，评估其在中国区域的时空适用性，为ESA、ERA土壤湿度资料在中国区域的应用提供佐证。

土壤湿度观测资料来源于中国气象科学数据共享网中国农作物生长发育和农田土壤湿度旬值数据集，全国共有778个站点。观测时间在暖季(3～11月)为每月逢8日、18日和28日观测，冬季在冻土地区没有观测。观测深度共有5层，分别为 10 cm、20 cm、50 cm、70 cm、100 cm。此数据集土壤湿度的单位为相对湿度，为了便于与ESA和ERA数据的比较，需要把观测的土壤湿度的相对湿度换算成体积含水量。虽然土壤湿度观测站点较多，可大部分站点缺测较多，因此，为了保证数据间的可比性，选取缺测较少的站作为本文分析所用数据。同时，为了避免资料缺测导致的资料连续性不好的问题，我们把1992～2010年作为分析时段，分春(3～5月)、夏(6～8月)、秋(9～11月)3个季节进行分析，每个季节满足条件的站点个数分别为，春季125个，夏季125个，秋季143个站点(站点分布见图 1)。从图 1可以看出，满足条件的站点主要集中在我国北方地区和西南地区。结合站点分布情况并参考马柱国等(2005)和Nie et al.(2008)的研究工作将中国分为6个区域(见图 1)，6个区域对应的经纬度范围见表 1中国区域6个分区经纬度范围。

表 1(Table 1)

表 1 中国区域6个分区经纬度范围 Table 1 Latitude and longitude ranges of the six study regions in China 区号 地区 经度 纬度 Ⅰ 东北 118°E～130°E 39.5°N～50.5°N Ⅱ 华北 110°E～117.5°E 34.5°N～42°N Ⅲ 江淮 110°E～120°E 29.5°N～34.5°N Ⅳ 西北 99.5°E～110°E 32.5°N～41°N Ⅴ 新疆 76°E～90°E 38°N～48°N Ⅵ 西南 102°E～107°E 23°N～31.5°N

表 1 中国区域6个分区经纬度范围 Table 1 Latitude and longitude ranges of the six study regions in China

图 1

Fig. 1

图 1 中国区域土壤湿度观测站分布以及6个分区 Fig. 1 Soil moisture stations and the six study regions in China

除观测的土壤湿度资料外还用了中国气象局提供的718站降水日资料，选出其中与土壤湿度观测相同的站点进行对比分析。

卫星遥感资料使用的是欧洲空间局2012年发布的一套数据，土壤湿度气候变化计划(Climate Change Initiative，CCI)是欧洲空间局全球检测基本气候变量(Essential Climate Variable)项目的一部分。CCI项目有助于收集全球气候观测系统的基本气候变量数据库。该项目的全球土壤湿度数据集是融合两个土壤湿度数据集产生的。一个来自于主动微波遥感观测另一个来自于被动微波遥感观测。主动微波遥感数据是维也纳大学在ERS-1、ERS-2和METOP-A的基础上生成的(Crapolicchio et al.，2004)。被动微波遥感数据是阿姆斯特丹大学协同NASA在Nimbus 7 SMMR、DMSP SSMI、TRIMM TMI和Aqua AMSR-E的基础上生成的(Owe et al.，2008；Dorigo et al.，2015)。该数据集始于1978年，目前更新至2013年，在本文中使用时间段为1992～2010年。数据集的空间分辨率为0.25°(纬度)×0.25°(经度)，时间分辨率为每日一次。

ERA是欧洲中心继ERA40之后推出的一套最新的再分析资料，有部分时间段与ERA40重叠(1989～2002年)，使用的陆面模式仍是TESSEL(Tiled ECMWF Scheme for Surface Exchanges over Land)(van den Hurk et al.，2000)，但资料的处理上有很大的进步：由三维同化(3D VAR)变成四维同化(4D VAR)；水平分辨率由1.125°加强到0.75°，每日00:00(协调世界时，下同)、06:00、12:00、18:00共4次记录；应用了更多的卫星和地面观测资料等。垂直方向有4层，7 cm、28 cm、100 cm、255 cm，该模式包含20种植被类型，陆表参数随着植被类型的不同而变化。因为再分析资料中模式产生的陆面过程强迫场与实际场有偏差，会导致土壤湿度过干或过湿，为避免土壤湿度偏差过大，ERA利用相对湿度和温度来不断地校正土壤湿度(Douville et al.，2000)。本文中为和卫星遥感、观测资料数据的一致性，选择1992～2010年月平均的7 cm土壤湿度进行分析。

除观测土壤湿度外，ESA、ERA土壤湿度的单位均为体积含水量，为了便于与ESA和ERA数据的比较，根据以下公式对土壤相对湿度和土壤体积含水量进行换算：q=r×f_c×r，q为土壤体积含水 量，r为土壤相对湿度，w为土壤重量含水量，f_c为田间持水量，ρ为土壤容重(单位：g/cm³)。中国气象局提供的田间持水量和土壤容重资料在1981～2002年，在此期间田间持水量和土壤容重几乎没有变化，鉴于此，将二者视作常数。站点观测和格点资料的比较采用了站点与所在格点的直接比较，为了减少观测资料空间代表性差异引起的偏差，采用了区域平均的方法来分析与观测的变化一致性。

为了便于比较分析，3种数据选取相同的时间段1992～2010年；在土壤深度上，由于3种数据在分层上不完全对应，因此，这里主要针对表层土壤湿度进行对比分析。其中，观测的土壤湿度为0～10 cm，ERA为7 cm，ESA即为地表土壤湿度，深度为0.5～2 cm。虽然卫星遥感数据只能反映表层几厘米的土壤湿度，但是表层土壤湿度与10 cm以上的土壤湿度通常有密切的关系(Albergel et al.，2008；Brocca et al.，2011)。将剔除缺测后的1992～2010年各季节对应月的土壤湿度观测资料平均得到逐季的多年平均空间分布，同样对ERA和ESA计算其多年平均(图 2)。从图 2a中可以看出，春季观测的土壤湿度呈现出东北、江淮、西南湿，华北、西北、新疆干的特征，这与孙丞虎等(2005)分析的中国区域1990～2000年0～10 cm观测土壤湿度的结果相似，中国东部春季土壤湿度呈现“两湿一干”分布，即东北、华东潮湿，华北干燥，河套地区是土壤湿度的干中心。ESA、ERA(图 2d、2g)都给出了江淮、西南湿润，华北、西北、新疆干燥的特点，但却未能体现河套地区土壤湿度干中心这一特征。在东北区域，3套土壤湿度都表现出由西向东逐渐增加的空间分布特征。在此区域，ESA土壤湿度相对观测偏干，而ERA与观测结果更接近。在华北、西北，ESA与观测结果更为相近，但ERA较观测偏湿。在江淮有观测站点对应的区域ERA偏低，ESA更接近观测。整个区域来看，大部分地区，ESA较观测偏小，ERA较观测偏大，这与左志燕和张人禾(2008)的研究结果一致。

图 2

Fig. 2

图 2 多年平均的春季（左）、夏季（中）、秋季（右）土壤湿度（体积含水量）空间分布：（a-c）观测；（d-f）ESA；（g-i）ERA Fig. 2 Spatial distribution of multi-year mean soil moisture (volume percentage) in spring (left), summer (middle), and autumn (left): (a-c) Observations;(d-f) ESA (European Space Agency) data; (g-i) ERA (European Centre for Medium-range Weather Forecasts Reanalysis−Interim) data

同样分析发现，夏、秋季中国区域土壤湿度大、小值的分布格局与春季相似，却又体现了季节不同的特点。夏季(图 2b、2e、2h)，大部分地区，包括华北、西北、江淮以及新疆几个观测记录位置ESA与观测非常吻合，但是东北部分站点偏干，西南部分站点偏湿。ERA在整个研究区域较观测偏湿。秋季(图 2c、2f、2i)东北、华北、新疆几个观测记录位置ESA均较观测偏干，西南部分站点偏湿，江淮地区有很好的对应关系。ERA在东北、华北、江淮地区以及西北部分记录位置偏干，西南部分记录位置偏湿，新疆的3个观测记录位置对应较好。总体来说，ESA、ERA资料对中国区域春、夏、秋3个季节土壤湿度的干、湿分布格局都能较好的描述。但在量值上，ESA在北方地区较观测偏干，在江淮和西南较观测偏湿，ERA在北方和西南地区较观测偏湿，在江淮较观测偏干。Li et al.(2005)说明了在不同区域的站点土壤湿度表现出不同的季节循环特点，张文君等(2008)分析发现在中国东部和中部ERA不能很好的描述土壤湿度的季节循环特征，此处得到的结论显示各土壤湿度资料均表现出季节间不同的分布特点，对不同季节土壤湿度的分布格局ERA能较好的描述。资料各自代表的土壤湿度深度不一，这可能会对结果有额外不确定的影响。观测是10 cm的土壤湿度，最深，ERA为7 cm，ESA为2 cm，这可能是ESA、ERA未能体现河套干中心的一个原因。ESA卫星观测的土壤湿度可能受到云层的影响，在阴天时观测效果不佳，数据缺测，晴天时观测效果较好，得到的数据较多，晴天的土壤湿度比阴天要偏干，因此最后平均得到的结果是比观测要偏干。

ESA、ERA用观测站点相应位置格点资料来与观测站点资料对应，并去除各点的线性趋势，计算19年的去趋势时间相关系数，得到ESA、ERA与观测的相关系数空间分布(图 3)。从不同的季节来看，无论ESA还是ERA，秋季的相关系数最高。在春季时(图 3a、3d)，ESA、ERA在绝大多数地区与观测土壤湿度时间相关性很好，东北、华北、西北、西南、江淮的大部分站点相关系数很多站点高于0.7，最低也在0.4以上。在江淮区域ERA的相关性略优于ESA资料，ESA资料在此区域部分站点相关系数小于0.3，ERA此区域的所有站点相关系数都在此以上，说明在此区域ERA能较好的再现观测资料的时间变化特征，刘栗(2014)的研究结果说明春季中国东部中纬度区域ERA与观测土壤湿度呈显著正相关，在此，将分析ERA在其他区域其他季节与观测的相关关系。新疆仅有的5个站点ESA、ERA的相关系数都较小，均小于0.1。ESA、ERA夏季(3b、3e)相关系数的分布情况总体与春季类似，ESA、ERA在除新疆之外的区域相关性比较好，北方地区，尤其是东北地区ESA、ERA的相关系数都最高，很多高于0.7，其次是华北，ESA大部分站点都在0.4以上，ERA大部分站点都在0.5以上。秋季(3c、3f)，ESA与ERA相关系数最好的都是在华北、西北和江淮地区，很多高于0.7，但是每个地区都有一些相关很高的点，通常超过0.8。以上分析说明，除小部分区域ERA相关性略高于ESA外，其余地区二者与观测相关性均较好。

图 3

Fig. 3

图 3 春季（左）、夏季（中）、秋季（右）ESA、ERA与观测土壤湿度的相关系数：（a-c）ESA与观测；（d-f）ERA与观测 Fig. 3 Correlation coefficients for the spatial distribution between the observation and (a-c) ESA data and (d-f) ERA data in spring (left), summer (middle), and autumn (left)

对于出现负相关的个别站点，选两个代表站点绘出去趋势时间序列图对比，以说明呈负相关的原因。新疆西南部的喀什(39.47°N，75.98°E)在春季以及青海东北部的门源(37.38°N，101.61°E)在夏季ESA和ERA与观测均为负相关，因此，选取这两个作为代表站点进行分析。从图 4a可以看出喀什站在2004年以前，ESA、ERA与观测基本都呈同向变化，2004年以后观测呈明显的变大，ESA呈现逐渐减小，与观测为较小的负相关，ERA呈显著减小，其与观测为较大的负相关。门源站ESA、ERA与观测的负相关系数，观测土壤湿度波动很大，在1995、1997、1999、2002、2006、2010年都与ESA、ERA的土壤湿度相差很大，在观测为大值时，ESA、ERA为小值，反之，观测为较小值时，ESA、ERA为较大值。在干旱区，灌溉是农业管理常用的措施，因此，观测土壤湿度的突然增大减小可能受到了灌溉的影响。从代表站点的分析可以看出，呈现负相关并非是由于个别特殊年份造成。

图 4

Fig. 4

图 4 两个站点观测、ESA、ERA土壤湿度去趋势时间序列：（a）喀什春季；（b）门源夏季 Fig. 4 Detrended soil moisture based on observations and the ESA data and ERA data at two stations: (a) Kashi in spring; (b) Menyuan in summer

除了进行土壤湿度平均态空间分布对比之外，进一步定量估算了ESA、ERA与观测土壤湿度数据的误差。依然采用符合上述条件的站点，在站点与其经纬度对应的网格的格点值进行对比。针对ESA、ERA两套数据分别计算了其与观测土壤湿度对应的偏差、均方根误差和相关系数。

这里将ESA(或ERA)土壤湿度值减去观测值，得到两者的偏差(图 5)。春季时(图 5a、5d)，无论ESA还是ERA偏差都较小，基本集中在－0.06～0.06 mm³/mm³。整个区域来看，ESA偏低站点较多，ERA偏高站点较多。ESA在东北明显偏低，偏差在－0.03～－0.15 mm³/mm³，在西北、西南个别站点偏差大于0.15 mm³/ mm³。ERA在华北、西北、新疆、西南部分站点偏差大于0.1 mm³/mm³。夏季(图 5b、5e)，ESA、ERA偏差较春季大，在东北、华北、西北、新疆地区部分站点偏差大于0.1 mm³/mm³。在华北、西北区域偏差超过0.06 mm³/mm³的站点ERA明显多于ESA。西南区域ESA、ERA在秋季时土壤湿度偏差较大，仅有的5个站点，2个站点的偏差大于0.15 mm³/mm³，1个站点小于－0.15 mm³/mm³。其余区域ESA、ERA的偏差与春季表现出相似的特征。秋季(图 5c、5f)，ESA、ERA均以偏低为主，ESA在华北、西北、江淮、西南有个别站点偏差大于0.1 mm³/mm³。ERA在除江淮外的其他区域均有站点偏差大于0.1 mm³/mm³。

图 5

Fig. 5

图 5 春季（左）、夏季（中）、秋季（右）ESA、ERA与观测土壤湿度的偏差：（a-c）ESA；（d-f） ERA Fig. 5 Spatial distribution biases between observations and (a-c) ESA data and (d-f) ERA data in spring (left), summer (middle), and autumn (left)

为了进一步估算其误差，我们还计算了卫星遥感、再分析与观测土壤湿度的均方根误差(图 6)。在春季时(6a、6d)，ESA、ERA均方根误差都很小，基本集中在0.1 mm³/mm³以下，ERA所有站点的均方根误差均在0.15 mm³/mm³以下，ESA也仅在东北、华北、西北、西南区域有个别站点大于0.2 mm³/ mm³。夏季(6b、6e)，ESA、ERA均方根误差都小于春季，ERA所有站点的均方根误差均在0.15 mm³/mm³以下，ESA仅在东北区域有个别站点大于0.2 mm³/mm³。秋季(6c、6f)，ESA、ERA均方根误差分布较为相似，在东北和西南有少量站点在0.17 mm³/mm³以上，其余地方均小于0.13 mm³/mm³。

图 6

Fig. 6

图 6 春季（左）、夏季（中）、秋季（右）ESA、ERA与观测土壤湿度的均方根误差：（a-c）ESA 与观测；（d-f）ERA与观测 Fig. 6 RMSEs（Root Mean Square Errors) for the spatial distribution between observations and (a, b, c) ESA and (d, e, f) ERA in spring (left), summer (middle), and autumn (left)

从偏差分布来看，在大部分区域，ESA偏差要小于ERA。从均方根误差来看，ERA均方根误差较大的站点要少于ESA。以上分析说明，在气候态方面，ESA在量值上更接近观测，ERA更能体现观测的变化幅度。

图 7为ESA、ERA与观测土壤湿度不同季节(春、夏、秋)1992～2010年的土壤湿度线性变化趋势的空间分布图。从图 7a、7d、7g看出，在春季，总体上ESA与观测线性变化趋势基本一致，有西北向东南呈变—变湿—变干相间的分布格局。在北方地区变化趋势较显著。ERA在西北和新疆5个观测记录位置与观测表现出基本一样的变化趋势特征，但在东北、华北、江淮、西南却与观测趋势很不一样，东北、华北、西南观测以变湿为主，ERA以变干为主，江淮观测变湿、变干相间分布，ERA只有很小部分变湿。夏季(图 7b、7e、7h)，北方地区大部分站点都有明显的变干趋势，江淮、西南变湿为主，这与卢麾和施建成(2012)指出的夏季以变干为主导结果一致，在此的结果显示，春季中国区域内以变湿为主导。ESA除在西北地区变干范围较观测偏北外，其余地区与观测对应较好。ERA在北方地区与观测表显出明显不同的变化趋势，ERA变干范围较观测过大，西南地区两个站点观测显著变湿，ERA对应位置却为变干。秋季(图 7c、7f、7i)，在东北、华北、西南，ESA与观测呈现相同的变化趋势，但在西北、江淮ESA变湿趋势范围较观测过大，新疆3个站点观测均为变干，ESA却有变湿趋势。ERA在江淮、新疆与观测变化趋势一致，但在东北、华北、西南地区变干范围较观测大，西北地区变湿范围较观测大。之前相关的研究变化趋势多为讨论年平均的变化趋势(李明星等，2011；Wang et al.，2011)，从以上分析看出，土壤湿度变化趋势有明显的季节特征，各季节变化趋势也与年平均呈现不同特征，ESA在大部分地区都表现出与观测一致的变化趋势，ERA在东北、华北、西南变化趋势与观测不一致，变干区域明显多于观测。

图 7

Fig. 7

图 7 1992～2010年春季（左）、夏季（中）、秋季（右）土壤湿度线性趋势空间分布：（a-c）观测；（d-f）ESA；（g-i）ERA； Fig. 7 Spatial distribution of soil moisture linear variation trends based on (a-c) observations, (d-f) ESA data, and (g-i) ERA data in spring (left), summer (middle), and autumn (left) 1992-2010

在ESA、ERA与观测的对比分析中，由于ESA、ERA为格点资料，而地面观测仅代表一个点的观测，二者在空间的代表性有差异。为此，为了比较不同地区区域平均变化之间的差异，按照前面的6个分区，并对各个区域内的地面观测数据、ESA和ERA数据进行平均，代表该区域的区域平均土壤湿度，并且去除各自的线性趋势(图 8)。由于新疆和西南地区站点过少，在这两个区域各选择一个资料连续性好的站点作为代表站点进行分析，ESA、ERA也选取与代表站点相对应的经纬度网格点数据，新疆代表站选择莎车站(38.43°N，77.27°E)，位于塔里木盆地西缘。西南选取赫章站(27.11°N，104.73°E)，位于贵州省西北部。在以下分析中观测简称OBS。

图 8

Fig. 8

图 8 1992～2010年春季（左）、夏季（中）、秋季（右）土壤湿度与观测降水量的去趋势时间序列：（a-c）东北；（d-f）华北；（g-i）江淮；（j-l）西北；（m-o）新疆；（p-r）西南 Fig. 8 Detrended soil moisture and precipitation based on observations (left), ESA data (middle), and ERA data (right) for spring, summer and autumn 1992-2010: (a-c) Northeast China; (d-f) North China; (g-i) Jianghuai; (j-l) Northwest China; (m-o) Xinjiang; (p-r) Southwest China

李昂等(2013)选择中国范围内5个区域对观测土壤湿度和卫星遥感资料、ERA-40再分析资料和降水量做年变化时间序列图进行了对比，分析发现，在不同地表类型条件下，卫星遥感和再分析土壤湿度与降水量的变化趋势基本相同，有较大降水量时土壤湿度出现明显增大。对于区域平均年际变化时间序列是否也有相似的结论，以及其季节间存在的差异，我们将展开讨论。从图 8可以看出，总体上来说，ERA与OBS数值大小更接近，ESA与OBS变化形式更一致。比较而言，当降水量不大时，ESA土壤湿度与OBS和ERA数值更加接近。春、夏、秋3个季节除新疆、西南两个区域外，其余4个区域OBS和ESA、ERA曲线有较好的吻合。OBS、ERA、ESA土壤湿度与降水量呈正相关变化，有较大降水量时土壤湿度出现增大。与OBS和ERA相比，ESA与降水量的这种相互关系要表现的差一些，如东北区域春季ESA与OBS相关系数为0.62小于ERA与OBS的0.67(表 2)，在其他区域的不同季节均有同样的特征。但并不是降水量越大，土壤湿度就会越大，如图 8a在2002年降水显著大于2001年，土壤湿度却小于2001年，这由于土壤湿度的大小不仅仅取决于降水量的大小，还取决于近地层大气相对湿度，近地层大气温度以及日照时数等参数。ESA、ERA与OBS土壤湿度曲线吻合最好的是华北区域，3个季节ESA、ERA都较好的与OBS保持一致时间变化。其次为东北、江淮、西北，这些区域的春、秋季时ESA、ERA曲线与OBS的变化基本一致，但夏季(图 8b、8e、8h、8k、8n、8q)在2001～2004年期间ESA明显偏低。在新疆地区，春、夏、秋3个季节的OBS土壤湿度变幅很大，与降水的对应关系较差，ESA、ERA的土壤湿度变化形式基本相同，也与降水曲线基本保持相同的变化特征的变化。西南地区与新疆地区结果类似(新疆2001～2004年秋季和西南2001～2005年春季ESA资料在此区域都缺失)。

表 2(Table 2)

表 2 各区域春、夏、秋ESA、ERA与观测资料去趋势之后的偏差、均方根误差、相关系数 Table 2 Detrended correlation coefficients, biases and RMSEs between observations and ESA data or ERA data in spring, summer and autumn over sub-regions 区域 资料 春季 夏季 秋季 偏差/mm3 mm−3 均方根误差/ mm3 mm−3 相关系数 偏差/mm3 mm−3 均方根误差/ mm3 mm−3 相关系数 偏差/mm3 mm−3 均方根误差/ mm3 mm−3 相关系数 东北 ESA 0.10 0.05 0.62 0.06 0.03 0.34 0.08 0.04 0.65 ERA 0.02 0.01 0.67 −0.01 0.02 0.83 0.02 0.02 0.77 华北 ESA 0.03 0.02 0.41 −0.01 0.02 0.53 0.02 0.02 0.72 ERA −0.01 0.02 0.73 −0.04 0.03 0.79 −0.01 0.02 0.88 江淮 ESA −0.01 0.02 0.41 −0.02 0.02 0.24 −0.01 0.02 0.70 ERA 0.01 0.02 0.88 −0.01 0.02 0.74 0.03 0.02 0.88 西北 ESA 0.02 0.02 0.56 −0.01 0.02 0.41 0.04 0.05 0.75 ERA −0.04 0.02 0.70 −0.05 0.03 0.44 −0.05 0.05 0.81 新疆 ESA 0.07 0.04 0.09 0.03 0.04 −0.16 0.07 0.04 0.19 ERA −0.05 0.04 0.25 −0.06 0.05 −0.06 −0.05 0.04 0.08 西南 ESA −0.08 0.06 0.30 −0.09 0.05 −0.22 −0.06 0.05 0.38 ERA −0.05 0.04 0.37 −0.05 0.03 −0.10 −0.05 0.04 0.10

表 2 各区域春、夏、秋ESA、ERA与观测资料去趋势之后的偏差、均方根误差、相关系数 Table 2 Detrended correlation coefficients, biases and RMSEs between observations and ESA data or ERA data in spring, summer and autumn over sub-regions

对上述去趋势时间序列分别计算ESA、ERA与观测的偏差、均方根误差和相关系数(表 2)。从中可以看出，ERA春、夏、秋在各个分区的偏差都较低，集中在－0.05～0.05 mm³/mm³，ESA在东北、新疆、西南3个区域的偏差较大。东北地区春季雪盖，植被覆盖以及西南复杂的地形可能是ESA与观测偏差较大的原因。从均方根误差来看，ERA与ESA春、夏、秋三个季节在各分区上差别不大，均小于0.06 mm³/mm³，在华北、江淮、西北都在0.02 mm³/mm³以下。从相关系数的角度看，除新疆、西南地区外相关系数都比较高，ERA的相关系数都通过了95%的置信度，ERA的相关系数高于ESA，这也说明ERA能更好的再现观测资料的年际变化特征。ESA在秋季相关系数明显好于春、夏季，这可能是秋季时受到降水、植被覆盖影响较小的原因。东北、江淮在夏季的相关系数最小，这也表明微波遥感土壤湿度在植被覆盖区的精度有待进一步提高(Wen et al.，2003)。

对以上6个区域的分析看出，ERA能更好的体现观测土壤湿度的年际变化。相对于新疆和西南地区，东部地区ERA与观测的一致性最好，而ESA在受降水、植被、地形等因素影响较小的时段或区域与观测的一致性最好，对秋季土壤湿度的描述比春、夏季更准确。

本文对中国区域1992～2012年ESA、ERA和农气观测站的土壤湿度数据进行了对比分析，对ESA、ERA土壤湿度数据集在中国区域的适用性进行了评估，主要结论如下：

(1)从ESA、ERA土壤湿度多年平均态与站点观测数据的比较来看，ESA、ERA资料对中国区域春、夏、秋3个季节的干、湿分布格局都能较好的描述。定量分析的结果表明，ESA在北方地区较观测偏干，在江淮和西南较观测偏湿，ERA在北方和西南地区较观测偏湿，在江淮较观测偏干。

(2)与观测的土壤湿度相关结果表明，ERA在某些区域要高于ESA。在秋季时，ESA、ERA与观测的土壤湿度的相关性都最好；从偏差分布来看，全国大部分区域ESA偏差要小于ERA。从均方根误差来看，ERA均方根误差较大的站点要少于ESA。

(3)ESA在大部分地区都表现出与观测一致的变化趋势，ERA在东北、华北、西南变化趋势与观测不一致，变干区域明显多于观测。从区域尺度的比较上，ERA能更好的反应观测土壤湿度的年际变化。相对于新疆和西南地区，东部地区ERA与观测的一致性最好，而在受降水、植被、地形等因素影响较小的时段或区域ESA与观测的一致性最好，对秋季土壤湿度的描述比春、夏季更准确。

上述结论是基于站点观测数据对两种格点土壤湿度的评估。但中国气象局土壤湿度的观测站点多分布在东部地区，且选址倾向于城镇边缘地区(方便观测取样)，因此不可避免地存在观测取样误差。另外，站点观测数据的空间代表性存在不同程度的差异。这些不确定性对两种格点土壤湿度数据评估的影响还有待于将来借助更加丰富的观测研究进一步探讨。