近日，国家青藏高原数据中心作为科研论文关联数据仓储更新发布了西安交通大学宋沛林副教授和中国科学院地理科学与资源研究所张永强研究员团队的“中国1千米分辨率逐日全天候地表土壤水分数据集（2003-2022）”。更新后的数据对所有用户开放获取（http://dx.doi.org/10.11888/Hydro.tpdc.271762 ）。其关联论文 “A 1 km daily surface soil moisture dataset of enhanced coverage under all-weather conditions over China in 2003–2019”[1] 已于2022年5月在Earth System Science Data上发表。

地表土壤水分在干旱监测、洪水预报和天气预报等研究中是重要变量, 亦是影响陆地蒸散发过程的重要分量。当前在遥感学界，微波遥感仍然是实现大尺度土壤水分监测的主流手段。然而众所周知，微波遥感的单像元空间分辨率多在20 km以上，极大限制了其观测数据在各类精细化尺度研究应用中发挥更为重要的价值。基于此，团队将MODIS光学反射率数据和日热红外地表温度（LST）作为主要的中高分辨率辅助数据集，结合自主改进的微波土壤水分降尺度方法[2]以及光学遥感云下信号恢复方法[3]，进而对全球36 km分辨率的多源被动微波表层土壤水分进行降尺度，实现了1 km分辨率表层土壤水分的“全天候”数据的研发。该数据产品几乎完全覆盖了中国4月至9月期间日尺度的表层土壤水分，并且其他月份的数据精度也得到了极大的提升（图1）。

图1. （1）本研究开发的1 km 表层土壤水分SSM产品与SMAP-Sentinel组合1 km SSM（SPL2SMAP_S_V3）的比较；（2）本研究开发的1 km SSM产品和原始36 km 数据在2003-2019年期间可用估计值的日数百分比的空间分布。

   本数据集初版已于2021年10月公开发布，初版数据以AMSR-E/AMSR-2提供的微波土壤水分数据集为背景支撑资料，覆盖2003-2019年的大部分时间段。然而，由于AMSR系列数据在2011年10月——2012年6月期间存在全球观测空缺期，也直接导致了初版的1-km土壤水分数据在本时间段内为空值。针对这一问题，在本次更新中，研究团队联合中科院空天院施建成研究员团队的姚盼盼博士、赵天杰研究员等人，在后者研发的风云3B卫星微波辐射计土壤水分数据产品[4]基础上重新开展空间降尺度研究，成功弥补了该时期内全国1-km逐日卫星土壤水分数据的空白，经初步验证，该时期内的数据精度与早期发布其它时期的数据精度相当。此外，本次更新将数据的覆盖时段延伸至2022年12月底。成功实现了1-km遥感土壤水分数据对中国全境在近20年内逐日全覆盖的目的。

通过本数据集和后续时段数据的持续更新发布，将支撑更为精细化的旱涝监测和水循环过程研究，推动基于遥感的陆地水循环研究新范式。

[1]           P. Song, Y. Zhang, J. Guo, J. Shi, T. Zhao, and B. Tong, "A 1 km daily surface soil moisture dataset of enhanced coverage under all-weather conditions over China in 2003–2019," Earth Syst. Sci. Data, vol. 14, no. 6, pp. 2613-2637, 2022.

[2]           P. Song, Y. Zhang, and J. Tian, "Improving Surface Soil Moisture Estimates in Humid Regions by an Enhanced Remote Sensing Technique," Geophys Res Lett, vol. 48, no. 5, p. e2020GL091459, 2021, doi: https://doi.org/10.1029/2020GL091459.

[3]           T. P. F. Dowling et al., "An Improved Cloud Gap-Filling Method for Longwave Infrared Land Surface Temperatures through Introducing Passive Microwave Techniques," Remote Sens., vol. 13, no. 17, p. 3522, 2021. [Online]. Available: https://www.mdpi.com/2072-4292/13/17/3522.

[4]           P. Yao et al., "A global daily soil moisture dataset derived from Chinese FengYun Microwave Radiation Imager (MWRI)(2010–2019)," Scientific Data, vol. 10, no. 1, p. 133, 2023/03/14 2023, doi: 10.1038/s41597-023-02007-3.