作为博士期间第一篇成果，实验开展一年有余，经历过很多困难，基本上从0到1，但总算坚持下来了。希望是一个好的起点，真正不辜负初心和选择。该项工作是和中科院遥感与数字地球研究所的曾江源副研究员和美国农业部Michael H Cosh博士合作的成果。研究成果简要介绍如下：

遥感土壤水分产品的可靠性评估与误差分析对于算法改进及产品应用极为重要。随着全球大量密集土壤温湿度观测网的布设，卫星像素与地面单一站点的空间不匹配问题得到了有效的缓解。在此背景下，本研究利用覆盖全球代表不同地表状况的16个密集观测网及5个稀疏观测网800多个站点的地面观测数据，展开了SMAP、SMOS-IC、SMOS-L3、AMSR2 LPRM和ESA CCI五种主流微波遥感土壤水分产品的综合评估工作。与以往研究仅简单的对产品进行精度验证不同的是，本研究从算法改进与产品应用的角度在全球尺度上全面评估了地表温度、植被、地表粗糙度、地表空间异质性以及气候带对土壤水分产品的影响。

结果表明，SMAP捕捉地表土壤水分时序趋势的能力最强（R=0.729）。从偏差（Bias）以及无偏均方根误差（ubRMSE）的角度来看，主被动融合的ESA CCI表现最优，其ubRMSE和Bias值分别为0.041 m³m^-3和-0.005 m³m^-3。进一步研究表明，在精度指标上，SMAP和ESA CCI在不同气候带具有互补性，该发现可以为后续进一步融合SMAP和现有ESA CCI产品提供了实验依据。最新发布的SMOS-IC产品虽然对实测土壤水分出现了一定程度的低估，但是相比于传统的SMOS-L3产品，SMOS-IC在R以及ubRMSE这两个精度指标上有了明显的提升。尤其是在密集植被覆盖区，SMOS-IC捕捉土壤水分时序变化的能力优于其他卫星产品。

从土壤水分反演中的各种扰动因素来看，研究发现用于SMOS土壤水分反演的ECMWF地表温度的低估可能是导致SMOS土壤水分产品低估的原因，尤其是在较大的植被光学厚度以及空间异质性条件下。通过对AMSR2 LPRM地表温度产品的分析发现LPRM地表温度精度不够理想，从而一定程度上导致其土壤水分产品精度较差。SMAP和SMOS-IC在中高植被光学厚度、低地表粗糙度、低的空间异质性以及温带和寒带气候条件下，能够获得相对较高的R值，表明这两种产品在这些条件下能较好地捕捉地表土壤水分的趋势变化。然而，在低植被光学厚度、高地表粗糙度、高空间异质性以及热带沙漠区域，SMAP和SMOS-IC的表现还有待提升。

本研究结果可以为微波遥感土壤水分反演算法的改进、产品增强（融合与降尺度）以及产品的应用提供借鉴和参考。

论文可参加以下链接，欢迎各位感兴趣的老师和同学关注和批评指正！

论文题目：Satellite surface soil moisture from SMAP, SMOS, AMSR2 and ESA CCI: A comprehensive assessment using global ground-based observations

链接：

[1] Satellite surface soil moisture from SMAP, SMOS, AMSR2 and ESA CCI A comprehensi.pdf

[2] https://www.sciencedirect.com/science/article/pii/S0034425719302287?via%3Dihub