青藏高原高分辨率土壤水分数据获取：两种降尺度方案的性能比较与优化策略

　　针对被动微波土壤水分(SM)产品降尺度方法选择缺乏系统评估的问题，研究人员首次在青藏高原(QTP)对比了"先反演后降尺度"(retrieving-then-downscaling)与"先降尺度后反演"(downscaling-then-retrieving)两种方案。研究发现基于降尺度亮度温度(TB)的SM反演方法在70%区域表现更优，平均R值达0.62(站点)/0.74(网络)，ubRMSE为0.051/0.038 m3 /m3 ，为区域高分辨率SM数据生成提供了新思路。

　　

土壤水分(SM)作为连接陆地水循环与碳循环的核心变量，在气候调节、干旱监测等领域具有重要作用。然而传统地面监测受限于站点稀疏性，而星载被动微波遥感虽能大范围监测却面临空间分辨率低(约36 km)的瓶颈。目前主流解决方案是对SMAP等卫星反演的SM产品直接降尺度(retrieving-then-downscaling)，但这种方法在异质性区域易失效；另一种基于降尺度亮度温度(TB)再反演SM的方案(downscaling-then-retrieving)虽理论上更具物理基础，却因TB降尺度难度大而研究较少。这两种方案孰优孰劣？在植被覆盖区表现如何？这些问题直接关系到区域高分辨率SM数据的获取精度。

针对这一科学难题，浙江大学等单位的研究人员以"亚洲水塔"青藏高原为研究区，首次系统比较了两种降尺度方案。研究利用2015-2019年SMAP卫星的L波段TB数据、5个地面监测网络(CTP_SMTMN等)数据，结合MODIS植被指数(NDVI/EVI)、ERA5-Land土壤温度等14种辅助数据，采用极端梯度提升(XGB)机器学习算法构建降尺度模型，通过τ-ω辐射传输模型进行SM反演，并运用三边帽法(TCH)评估不确定性。

3.1 降尺度TB验证
降尺度后的1 km TB与原始36 km TB测试集相关性达0.92(RMSE=4.98 K)，但与9 km SMAP TB产品相比精度略有下降(R=0.80)。空间上除永久积雪区和水体外，大部分区域R>0.7，成功实现了TB的精细化重建。

3.2 地面观测验证
"先降尺度后反演"方案在站点尺度表现更优：平均R值(0.62)显著高于"先反演后降尺度"方案(0.58)，ubRMSE降低至0.051 m³
/m³
。网络尺度分析显示，该方法在NAQU等稀疏植被区甚至优于原始SMAP SM数据，但在MAQU等稠密植被区因植被散射效应出现性能下降。

3.3 时空格局分析
两种方案生成的1 km SM空间格局存在显著差异："先降尺度后反演"方案在东部呈现系统性低估，但在东南部森林区SM值偏高。年际变化趋势则较为一致，均显示高原多数区域呈变湿趋势。

4.1 方案对比
TCH分析表明"先降尺度后反演"方案在70%区域(主要是NDVI<0.65的草原、荒漠)不确定性更低。但当NDVI>0.7时，其误差可达另一方案的2倍，这与τ-ω模型忽略植被多次散射有关。使用人工神经网络(ANN)验证也得到相同结论，证明方案优势具有模型无关性。

4.2 水体影响
研究发现水体污染会导致原始TB被低估，而降尺度过程能有效校正这种效应，使1 km SM数据准确刻画水体边界，避免像原始SMAP SM产品那样出现系统性高估。

这项研究的重要意义在于：首次证实了"先降尺度后反演"方案在异质性区域的优越性，为获取区域高分辨率SM数据提供了新范式。未来研究需重点改进两方面：①通过融合SAR后向散射数据提升TB降尺度精度；②采用考虑植被散射的二流发射模型(first-order two-stream emission model)或微波极化差异指数(MPDI)来改善稠密植被区反演效果。论文发表在《International Journal of Applied Earth Observation and Geoinformation》，为全球变化研究和水文模型开发提供了更可靠的数据支撑。