全球长时序日尺度地表土壤水分数据集（2002-2019）在国家青藏高原科学数据中心发布

　　遥感科学国家重点实验室水循环遥感研究室姚盼盼博士、赵天杰副研与中科院空间中心施建成研究员、清华大学卢麾副教授及MIT、USDA合作者在 Scientific Data 期刊发表全球长时序土壤水分数据论文，该数据已在国家青藏高原科学数据中心发布，欢迎下载使用。

　　近日，清华大学地球系统科学系卢麾副教授（通讯作者）和姚盼盼博士（第一作者）联合中国科学院空天信息创新研究院、麻省理工学院的科研人员在《Scientific Data》（IF=7.67）上发表了题为“A long term global daily soil moisture dataset derived from AMSR-E and AMSR2 (2002-2019)”的数据论文。该论文的数据集分辨率为日尺度的36 km，数据单位为m3/m3。数据集采用土壤水分神经网络反演算法，将SMAP的优势传递到AMSR-E和AMSR2，得到与SMAP土壤水分拥有类似精度的长时序土壤水分数据。国家青藏高原科学数据中心（https://data.tpdc.ac.cn）作为该论文的数据仓储，目前已在线发布相应的数据集，用户可开放获取。

　　地表土壤水分是地球环境和气候系统中的重要变量之一，被认定为基本气候变量。稳定且连续一致的长时间序列土壤水分数据对全球环境和气候变化监测十分关键。微波遥感具有独特的土壤水分观测能力，能全天时全天候提供较高精度的全球土壤水分数据产品。目前的多种土壤水分卫星产品存在精度和空间分辨率不一致、产品时间跨度范围不连续等问题，不能满足应用需求。

　　近来发射的SMAP卫星（Soil Moisture Active Passive）搭载的L波段辐射计能提供目前最高精度的土壤水分观测，而AMSR-E（Advanced Microwave Scanning Radiometer）和AMSR2系列传感器能提供长时序的多频段辐射计观测（C、X和K波段）。结合两种卫星数据各自的优势，利用人工神经网络方法，以SMAP的标准土壤水分产品为训练目标，以AMSR-E和AMSR2的亮温TB为输入，将SMAP的优势传递到AMSR-E/2，得到与SMAP土壤水分产品有近似精度的2002-2019年的长时序土壤水分数据集（NNsm），并利用全球14个密集观测站网对产品进行了精度验证，和AMSR-E/AMSR2的来自JAXA和LPRM的两种产品进行了比较，和SMOS、CCI的土壤水分产品进行了比较。

　　研究结果表明：（1）在训练阶段和模拟阶段，NNsm都能很好的重现SMAP的土壤水分产品精度。（2）NNsm和地面站网土壤水分观测数据相比，能很好的代表年际变化，精度优于来自JAXA和LPRM的两种AMSR-E/2土壤水分产品。（3）NNsm可以在日尺度上很好的和SMAP产品无缝融合，提供更宽的空间覆盖和日内更多频次的观测（见下图）；同时在SMAP数据暂时缺失时，是SMAP土壤水分产品的补足空缺的产品。（4）结合AMSR2的连续观测和进行中的AMSR3卫星任务，该连续一致的高精度土壤水分产品数据集可长达20多年，能为气候变化研究提供有价值的信息，尤其是在趋势分析和极端事件研究中。　　该数据集的完成得到了国家重点研究发展计划项目（2017YFA0603703）、第二次青藏高原综合科学考察研究（2019QZKK0206）、中国科学院战略性科技先导专项（XDA20100103）和中国博士后科学基金面上项目（2019M660606）的资助。

　　文章信息：Yao, P.P., Lu, H., Shi, J.C., Zhao, T.J., Yang K., Cosh, M.H., Gianotti, D.J.S., & Entekhabi, D. (2021). A long term global daily soilmoisture dataset derived from AMSR-E and AMSR2 (2002-2019). Scientific Data. (Accepted)

　　数据链接：https://data.tpdc.ac.cn/zh-hans/data/c26201fc-526c-465d-bae7-5f02fa49d738/ 

　　文章来源于国家青藏高原科学数据中心