《Journal of Hydrology》：Assessment of soil moisture trend Coherence among Major global soil moisture products
编辑推荐：
全球土壤湿度产品长期趋势评估及数据缺失影响分析，发现GLEAM与地面观测一致性最优（R=0.57，方向一致率66.0%）。数据缺失主要导致趋势信号检测失败而非反转，传感器物理特性和算法处理是主要偏差来源。建议优先采用物理基础强的数据集（如GLEAM）并构建多产品集合以降低不确定性。
丁涛|杨彦青|赵伟|吴九江|谢新瑶|尹高峰|Jaime Gaona|Luca Brocca
中国科学院山地灾害与环境研究所，中国成都610213
摘要
土壤湿度（SM）是全球生态系统中的一个关键变量，在水循环、气候调节和农业生产力中发挥着重要作用。尽管有许多遥感和再分析产品提供了全球土壤湿度数据，但它们对长期趋势的表示往往存在显著差异，这为气候研究和应用带来了不确定性。为了更好地评估这些产品的趋势表现，本研究分析了四种无缝全球土壤湿度产品（ERA5-Land、ESA CCI、GLDAS和GLEAM）在2000-2023年期间的时间趋势，并通过大量地面站数据进行了验证。此外，还进行了一项受控的间隙模拟实验，将不连续的基于传感器的产品（SMAP、SMOS、AMSR2和NNsm）纳入双基准框架中，以区分由数据间隙引起的统计伪影和更广泛的趋势不确定性。结果表明，全球土壤湿度存在明显的干燥趋势，但不同产品之间的趋势幅度和方向存在显著差异。在评估的数据集中，GLEAM的表现最为突出，其在趋势幅度（R = 0.57）和方向一致性（66.0%）方面与实地观测结果最为吻合。进一步分析发现，在连续的参考时间序列中，数据缺失主要导致趋势信号的遗漏，而不是导致实际趋势的反转，这主要是由于传感器物理特性和算法限制所致。此外，ESA CCI的长期趋势受到其缩放数据（GLDAS）的严重影响，这可能限制了该产品的趋势独立性，需要进一步研究。本研究为土壤湿度趋势差异的归因提供了新的方法论视角，通过推荐优先选择物理上稳健的数据集（例如GLEAM）和使用多产品集成来减轻特定偏差，为用户选择提供了有价值的指导。
引言
土壤湿度（SM）是生态系统中的一个关键变量，对全球水循环、地表能量平衡、气候变化和农业生产力有显著影响（Cheng和Liu，2024；Li等人，2021；Long等人，2019；Yin等人，2023）。作为大气与陆地之间的关键纽带，土壤湿度的时空动态影响降雨入渗、蒸发、植被生长、径流形成以及极端天气事件的发生等过程。因此，准确监测和理解土壤湿度的变化对于全球水资源管理、气候变化预测以及农业和生态系统的可持续发展至关重要（Ding等人，2024；Meng等人，2024；Yang等人，2025；Zhao等人，2024；Zhao等人，2018）。此外，土壤湿度的时间趋势尤为重要，因为它们可以提供关于全球和区域气候变化及其对陆地水文过程影响的见解（Cheng等人，2015）。趋势分析不仅揭示了土壤湿度的变化模式，还为水资源规划和政策制定提供了科学依据，有助于评估未来气候变化对生态系统和农业的潜在影响（Zhang等人，2025）。
传统的实地观测方法具有高精度，但缺乏空间代表性，限制了其捕捉大尺度土壤湿度的能力（Lal等人，2025）。随着遥感和数据同化技术的进步，全球土壤湿度监测得到了显著提升。多个卫星平台，如土壤湿度主动被动传感器（SMAP）、土壤湿度和海洋盐度传感器（SMOS）以及高级微波扫描辐射计2（AMSR2），现在提供了相对高分辨率的土壤湿度产品（Cai等人，2025）。基于数值模型的再分析数据集，包括ECMWF再分析v5 Land（ERA5-Land）和全球陆地数据同化系统（GLDAS），被广泛用于长期监测。然而，由于检索算法、时间覆盖范围、空间分辨率和数据处理方法的差异，这些产品在表示土壤湿度的时空特征方面存在差异。因此，对这些全球土壤湿度产品进行系统的验证和比较对于评估其准确性和一致性至关重要。
大量的验证研究通过将它们与实地观测结果进行比较或通过相互比较，大大提高了我们对全球土壤湿度产品准确性的理解。这些研究得出了几个重要发现：首先，像SMAP和SMOS这样的L波段传感器通常比C/X波段传感器表现更好，尤其是在植被覆盖变化较大的地区（Burgin等人，2017；Wang等人，2024）。其次，数据同化和模型调整显著提高了再分析和合并产品的性能。在这些产品中，SMAP在与地面观测结果的相关性方面始终表现最佳，而欧洲空间局气候变化倡议（ESA CCI）由于其整合了多种数据源，成为最准确的合并产品（Beck等人，2021；Zheng等人，2022）。第三，环境因素如植被密度和地表异质性经常影响产品性能，有时会导致已知的问题，例如在SMAP中观察到的干燥偏差（Wang等人，2024；Zheng等人，2022）。虽然这些研究对于评估产品捕捉土壤湿度模式和异常的能力至关重要，但它们往往较少关注这些产品在反映长期趋势方面的稳定性和准确性。这留下了一个重要问题，因为趋势的可靠性对于气候变化研究至关重要。
因此，当研究人员依赖这些多样化的全球产品来评估气候影响时，一个关键挑战不可避免地出现了：不同的产品往往显示出不一致甚至矛盾的长期趋势结果。早期研究发现了合并的微波和再分析数据集中的干燥和湿润模式的矛盾（Albergel等人，2013；Dorigo等人，2012），这个问题在最近的区域和全球评估中仍然存在（Hirschi等人，2025；Li等人，2025b；Peng等人，2023；Xu等人，2025）。这些不一致性对研究人员和决策者构成了严重挑战，因为不可靠的趋势信息可能会削弱气候影响评估和水资源规划，从而引发关于应信任哪种产品进行长期分析的疑问。在这种不一致性的背景下，大量研究继续记录全球土壤湿度的时空动态，评估总体统计偏差以指导数据集选择（Zhu等人，2025），并将总体趋势归因于降水和水植被等水文气候驱动因素（Li等人，2025a；Peng等人，2023）。然而，尽管这些优秀的工作提供了对全球环境变化的宝贵现象学解释，但土壤湿度产品之间深刻趋势矛盾的潜在机制原因仍然很大程度上尚未解决。现有文献很少探讨这些不一致性是源于数据缺失的数学伪影、特定微波频率的物理限制，还是数据合并算法引入的统计扭曲。
为了解决土壤湿度趋势估计中的不确定性以及现有的研究空白，本研究对八种广泛使用的全球土壤湿度产品的时间趋势进行了系统比较。这些产品包括单传感器微波产品（SMAP、SMOS和AMSR2）、融合产品（ESA CCI、NNsm和GLEAM）以及再分析产品（ERA5-Land和GLDAS）。具体来说，采用基于实地观测的双重验证框架来严格评估无缝产品的趋势幅度和方向一致性。此外，还应用了统计方法和间隙模拟实验来检查数据间隙和传感器特性对趋势差异的潜在影响。
通过剖析这些趋势不确定性，本研究旨在提供具有水文意义的见解：（1）探索数据间隙对长期趋势的潜在影响；（2）诊断统计合并算法可能引入的人为趋势扭曲；（3）评估原生微波波段的固有长期趋势真实性。这种综合方法有助于明确当前土壤湿度数据集在捕捉长期趋势方面的优势和局限性，并试图回答哪种产品在趋势分析中具有更高置信度的问题。本研究还强调了研究人员需要使用多种土壤湿度产品进行趋势分析的必要性，因为依赖单一产品可能会由于不同数据集的优势和偏差不同而导致误解。最终，这项工作为改进未来的产品及其在气候和水文研究中的应用奠定了坚实的基础。
部分片段
卫星土壤湿度产品
SMAP卫星是NASA于2015年发射的一颗地球观测卫星，专门用于监测全球土壤湿度（Entekhabi等人，2010）。SMAP L3 V009数据集提供了顶部0-5厘米层的每日全球土壤湿度估计值，空间分辨率为36公里，存储在EASE-Grid 2.0格式中，单位为m3/m3。在本研究中，我们选择了下行轨道数据（早上6:00），选择这个时间是因为地表温度和土壤湿度
实地土壤湿度测量
为了建立长期趋势验证的可靠基准，ISMN观测的原始每小时观测数据经过了严格的质量控制和时间聚合。只有在被ISMN质量控制系统标记为“G”（良好）的测量数据被保留下来。然后通过一个三阶段的分层放大程序得出年平均土壤湿度值，以最小化采样和代表性偏差：
首先，计算每日平均值作为所有有效小时数据的平均值
完整性评估
在分析全球土壤湿度变化时，提取稳健的趋势信号高度依赖于时间序列数据的连续性。然而，由于技术限制和必要的质量控制过程，数据集通常包含缺失值。尽管零星的缺失值对趋势计算影响不大，但广泛和频繁的数据间隙可能导致显著的不确定性，并影响产品的趋势表现。因此，八种广泛使用的数据集的完整性
数据间隙对趋势表示的影响
缺失数据对全球土壤湿度趋势分析的潜在影响不容忽视，因为不完整的时间序列可能导致趋势估计出现偏差（Collaud Coen等人，2020；Solow和Moore，2000；Wang等人，2020）。当缺失值在时间和空间上系统性地呈现模式时，趋势在幅度和方向上可能会出现严重偏差。重要的是要认识到，将数据间隙引起的不确定性与来自传感器物理和检索的偏差完全分开
结论
本研究通过使用地面观测和多种统计方法分析了2000年至2023年全球土壤湿度产品的时间趋势，揭示了全球土壤湿度存在明显的干燥趋势，但不同产品之间的趋势幅度、方向和空间分布存在显著差异。使用双重验证框架，GLEAM成为所有无缝合并产品中最稳健的，与实地观测结果的一致性最高
CRediT作者贡献声明
丁涛：撰写——原始草稿、验证、方法论、调查。杨彦青：验证、方法论、调查。赵伟：撰写——审阅与编辑、撰写——原始草稿、监督、方法论、概念化。吴九江：可视化、形式分析。谢新瑶：调查、形式分析。尹高峰：撰写——审阅与编辑、调查。Jaime Gaona：撰写——审阅与编辑、可视化。Luca Brocca：撰写——审阅与编辑、概念化。
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报告的工作。
致谢
本研究得到了国家自然科学基金（42222109）、中国科学院国际合作重点项目（162GJHZ2023065MI）以及山地灾害与环境研究所（IMHE-CXTD-02）的科技研究项目的支持。作者感谢欧洲空间局（ESA）和欧洲中期天气预报中心（ECMWF）提供的免费数据源。
