近年来，气候暖干化趋势愈加明显，对农业生产产生不利影响。有效合理地对农业旱情发生发展情况进行监测，对减轻干旱对粮食安全造成的损失具有重要的现实意义。土壤相对湿度是表征农业旱情的重要监测指标之一。为做好监测工作，相关研究人员对土壤湿度展开了多维度研究。冉琼[1]利用温度植被干旱指数（TVDI）法对土壤湿度进行反演，分析了土壤湿度分布的时空特性；肖乾广等[2]利用卫星资料，从土壤的热性质出发，引入了“遥感土壤水分最大信息层”概念，建立了多时相的土壤湿度统计模型。韩斌[3]利用ASCAT散射仪观测的土壤湿度数据，监测土壤水分，为干旱监测提供参考。
中国气象局陆面数据同化系统CLDAS（CMA Land Data Assimilation System）通过融合不同空间分辨率的多源数据生成了土壤湿度产品，利用精细化格点数据进行农业干旱监测，为粮食安全生产提供精细化保障服务。崔园园等[4]、孙小龙等[5]、金燕等[6]利用该系统对不同地区进行干旱监测评估，均得到适应性较好的结论。然而，在地形、土壤类型及土壤墒情等方面的研究相对较少，同时关于CLDAS 融合产品在安徽省内的适应性研究相对较少。目前，安徽省土壤墒情监测主要采用土壤水分自动监测站和人工定点取土监测相结合的方式开展，部分存在站点较少或监测时间间隔较长等问题，暂无法完全满足土壤墒情精细化监测需求。基于此，本文在皖北地区开展CLDAS土壤相对湿度产品的适应性研究，结合季节尺度并综合考虑地形和土壤类型及土壤墒情类型等维度，分析土壤墒情监测和天气因子数据跟踪，为防控农业干旱灾害和科学指导农业生产提供参考。
1 材料与方法
1.1 研究区基本情况
研究区属北亚热带与暖温带的过渡地带。近年来，该地区农业气象灾害有增多趋势，对农业生产影响较大。宿州市埇桥区地形属平原地貌，北部东西两侧兼有少许丘陵岗地，土壤类型主要有砂姜黑土、潮土等。
1.2 数据来源
CLDAS土壤相对湿度产品数据来源中国气象局陆面数据同化系统第2版（CLDAS-V2.0）实时土壤相对湿度产品，土层数据垂直分为3个层次：0～10 cm、0～20 cm、0～50 cm。依据研究区土壤墒情监测业务的实际情况，选择0～20 cm土层土壤相对湿度产品作为研究数据。资料时间为2023年6月至2024年8月，其中2023年6—8月产品数据用于CLDAS土壤相对湿度产品历史同期比对，2023年9月至2024年8月产品数据用于监测站点数据适应性评估和应用分析。
农田墒情监测数据来源于研究区埇桥区土肥站26个农田土壤墒情监测点（简称农田监测点），选择0～20 cm土层数据，墒情监测时间为每月2日、9日、17日和24日，关键农时和季节性干旱易发时，加密监测（2024年6月6日、13日、15日、20日、27日）；资料时限为2023年9月至2024年8月。土壤墒情自动监测数据来源于皖北地区6市28个土壤水分自动监测站（简称自动监测站），选择0～20 cm土层数据，监测时间、周期与农田墒情监测点数据同步。
降水量和气温等气象因子数据来源国家基本自动气象站，降水量选择20：00—20：00的累积降水量，气温为日平均气温；时间为2024年6—8月。
1.3 数据匹配
CLDAS土壤相对湿度产品为格点数据，而土壤墒情监测数据为站点数据。采用临近点插值方法，依据农田监测点和自动监测站的经纬度坐标，将CLDAS土壤相对湿度产品插值到对应监测站点，取与站点监测数据空间匹配的格点数据。
1.4 评估方法
统计墒情监测点数据和匹配到的CLDAS土壤相对湿度格点数据，通过数据清洗剔除异常值等质量控制，选择555对农田监测点和1 029对自动监测站日均值数据。利用相关系数（R）、平均偏差（BIAS）、均方根误差（RSME）对CLDAS土壤相对湿度产品和站点监测数据进行总体、不同季节、不同地形和土壤类型以及不同土壤墒情类型的评估，计算如式（1 ）~（3 ）。
式中，n为样本总数，Xi 为CLDAS土壤相对湿度产品值，Yi 为站点监测数据值， 和 分别为CLDAS土壤相对湿度产品和墒情监测站点数据的平均值。
1.5 CLDAS土壤相对湿度产品应用与个例分析
运用SPSS、MATLAB和Excel等软件，对基于CLDAS土壤相对湿度产品，开展皖北地区土壤墒情监测服务。统计CLDAS土壤相对湿度区域平均值、极大值和极小值。以2024年6月下旬—7月上旬宿州市埇桥区1次突发特大暴雨天气变化过程为例，利用CLDAS土壤相对湿度产品逐日跟踪诠释这次重大天气变化过程，验证CLDAS土壤相对湿度产品在该区域土壤墒情监测应用中的可行性。
2 结果与分析
2.1 CLDAS土壤相对湿度产品适应性评估
2.1.1 总体评估
结果显示，参与评估的站点有48个通过显著性检验。其中，农田监测点有20个监测点的相关系数通过P<0.01的显著性检验，2个监测点的相关系数通过P<0.05的显著性检验，而4个监测点47对数据没有明显的相关性，可能原因是样本数小或监测采集数据不标准等；自动监测站有23个站点相关系数通过P<0.01的显著性检验，3个监测点相关系数通过P<0.05的显著性检验，而2个监测点30对数据长时间处于过饱和和微变化状态，剔除研究序列。
农田监测点中，通过显著性检验的站点相关系数最小为0.59，最大为0.97。不同站点的平均偏差（BIAS）和均方根误差（RSME）差异较大，区域平均BIAS为-1.15%，最大BIAS为-22.53%，最小为0.10%，CLDAS土壤相对湿度产品较农田监测站点数据整体略低，处于偏干状态；区域平均RSME为12.57%，最大RSME为23.03%，最小为0.95%。
自动监测站中，通过显著性检验的站点相关系数最小为0.50，最大为0.92。区域BIAS为-3.33%，最大BIAS-8.53%，最小为2.15%，CLDAS土壤相对湿度产品较自动监测站数据整体略低，处于偏干状态；区域平均RSME为21.89%，最大RSME为42.3%，最小为10.61%。
2.1.2 不同季节的适应性评估
对CLDAS土壤相对湿度产品和农田监测点数据按照季节尺度进行评估，由表1可知，春、夏两季CLDAS土壤相对湿度产品和农田监测点数据的相关系数大于0.50，秋、冬两季相关系数较低，其中秋季的相关系数通过P<0.05的显著性检验，春、夏、冬季通过P<0.01的显著性检验。春、夏季的RSME大于秋、冬季，其中，夏季的RSME最大，为14.60%，冬季的最小，为8.42%。春、夏、秋季的BIAS处于负偏差，表明CLDAS土壤相对湿度产品呈现偏干状态；夏季是农作物播种和生产关键期，基于农田管理等实际，实施灌溉等措施造成夏季BIAS绝对值较大（-2.42%）；而冬季BIAS保持为正偏差，CLDAS土壤相对湿度产品呈现偏湿状态，可能与作物（主要是冬小麦）处于越冬期，部分监测地块出现冻土，以及参与评估的农田监测点样本数偏少有关。
表1 CLDAS土壤相对湿度产品和农田监测点数据的季节尺度评估指数 |
| 季节 | R/样本数 | RMSE/% | BIAS/% |
|---|---|---|---|
| 春季 | 0.55/146** | 12.12 | -0.26 |
| 夏季 | 0.59/229** | 14.60 | -2.42 |
| 秋季 | 0.29/49* | 9.04 | -1.85 |
| 冬季 | 0.33/84** | 8.42 | 1.40 |
|
2.1.3 不同地形和土壤类型的适应性评估
以地形和土壤类型为划分标准，对CLDAS土壤相对湿度产品和农田监测点数据按照山区、潮土区和砂姜黑土区3类进行区域相关性分析和评估。由表2可知，3种不同地形和土壤类型，CLDAS土壤相对湿度产品和农田监测点数据均呈正相关，相关系数大于0.50，且均通过P<0.01的显著性检验，但其相关系数大小相差不明显，且相关系数小于0.80，表明CLDAS土壤相对湿度产品在地形和土壤类型方面表现较为平缓。
表2 CLDAS土壤相对湿度产品和农田监测点数据的地形与土壤性质评估指数 |
| 地形和土壤性质 | R/样本数 | BIAS/% | RMSE/% |
|---|---|---|---|
| 汴北山区 | 0.62/116** | -2.82 | 12.48 |
| 汴北潮土区 | 0.64/142** | 2.09 | 11.27 |
| 汴南砂姜黑土区 | 0.59/250** | 2.14 | 13.29 |
2.1.4 不同土壤墒情类型适应性评估
表3 土壤墒情类型等级划分表 |
| 墒情等级 | 土壤墒情类型 | 土壤相对湿度/% |
|---|---|---|
| 1 | 过湿 | （90，100] |
| 2 | 适宜 | （60，90] |
| 3 | 轻旱 | （50，60] |
| 4 | 中旱 | （40，50] |
| 5 | 重旱 | （30，40] |
| 6 | 特旱 | （0，30] |
表4 CLDAS土壤相对湿度产品数据和农田监测点的土壤墒情类型评估指数 |
| 土壤墒情类型 | R/样本数 | BIAS/% | RMSE/% |
|---|---|---|---|
| 过湿 | -0.160/24 | -13.33 | 16.22 |
| 适宜 | 0.410/351** | -3.08 | 11.25 |
| 轻旱 | 0.260/75* | -1.69 | 11.21 |
| 中旱 | -0.040/30 | 12.24 | 14.14 |
| 重旱 | -0.060/23 | 19.85 | 21.13 |
| 特旱 | 0.997/5* | 27.53 | 27.53 |
2.2 CLDAS土壤相对湿度产品应用与个例分析
2.2.1 土壤墒情监测的应用
表5 皖北地区2023/2024年夏季土壤墒情面积占比 |
| 采样点 | 过湿 | 适宜 | 轻旱 | 中旱 | 重旱 | 特旱 |
|---|---|---|---|---|---|---|
| Ⅰ | 5.0/1.7 | 82.7/74.6 | 10.5/16.6 | 1.7/6.6 | 0/0.6 | 0/0 |
| Ⅱ | 2.9/0 | 91.4/79.5 | 4.3/13.3 | 1.5/5.7 | 0/1.5 | 0/0 |
| Ⅲ | 0/0 | 86.0/59.2 | 7.9/30.6 | 4.8/6.4 | 1.3/3.8 | 0/0 |
| Ⅳ | 3.4/1.7 | 94.7/88.7 | 1.5/8.6 | 0.5/0.9 | 0/0 | 0/0 |
| Ⅴ | 0/0 | 89.9/85.6 | 8.4/10.1 | 1.5/3.7 | 0/0.4 | 0/0 |
| Ⅵ | 0/0.7 | 90.0/70.0 | 5.3/21.1 | 1.3/2.2 | 0.7/1.4 | 0/0 |
| Ⅶ | 2.0/0.7 | 88.4/77.6 | 6.8/15.8 | 1.8/4.1 | 0.3/1.0 | 0/0 |
2.2.2 个例分析
2024年6月下旬—7月上旬宿州市埇桥区突发1次特大暴雨。2024年6月，该区降水明显偏少，6月下旬，累积降水量为21.2 mm，降水量比历史平均减少70.6%，平均气温为27.6 ℃，比历史平均气温高1.0 ℃；7月上旬，累积降水量为324.9 mm，降水量比历史平均增加286.3%。该区出现高温少雨导致的“特旱”到水分饱和“过湿”旱涝急转过程。
由图2可知，6月21日，该区20：00—20：00累积降水量为15.3 mm，温度为26.5 ℃，土壤墒情处于中旱类型，CLDAS土壤相对湿度值有所上升；28日前连续多日无降水，导致土壤墒情持续不利发展，CLDAS土壤相对湿度值为47.98%；7月9日埇桥区累积降水量为159.9 mm，CLDAS土壤相对湿度值为95.38%，平均温度也处于该过程中的最低点25.4 ℃。
在整个天气变化过程中，高温少雨，雨水因快速蒸发而不能渗透进土壤，CLDAS土壤相对湿度值表现出缓慢上升的趋势；但如果出现中雨甚至大到暴雨，且气温降低，雨水有效渗透进土壤，CLDAS土壤相对湿度值有明显的增加趋势。CLDAS土壤相对湿度值与累积降水量呈正相关，与平均气温呈负相关，CLDAS土壤相对湿度产品在该区土壤墒情监测方面有较强的可行性。
4 结论与讨论
基于2023年9月至2024年8月皖北地区28个自动监测站和26个农田监测点土壤相对湿度资料，利用CLDAS土壤相对湿度产品对0～20 cm层数据进行适应性检验评估，得出以下结论。
（1）CLDAS土壤相对湿度产品和监测站点数据呈较明显的正相关，43个站点相关系数通过P<0.01的显著性检验，5个站点相关系数通过P<0.05的显著性检验，6个站点没有通过显著性检验；其中农田监测点数据最大相关系数为0.97，区域平均BIAS为-1.15%，平均RSME为12.57%；而自动监测站数据最大相关系数为0.92，BIAS为-3.33%，平均RSME为21.89%。
（2）从季节尺度分析，春、夏、秋、冬季的CLDAS土壤相对湿度产品与农田监测点数据均呈正相关；春、夏、秋季的BIAS为负偏差，CLDAS土壤相对湿度产品呈偏干状态，冬季CLDAS土壤相对湿度产品呈偏湿状态。
（3）潮土和砂姜黑土等土壤类型和山区丘陵地形的相关性分析表明，其相关系数差异不明显，CLDAS土壤相对湿度产品在地形和土壤类型方面表现较为平缓；汴北山区CLDAS相对湿度产品呈偏干状态，而砂姜黑土区和汴北潮土区呈偏湿状态。
（4）土壤墒情不同类型分析表明，适宜和轻旱类型土壤CLDAS相对湿度产品与农田监测点数据的相关系数通过显著性检验，BIAS小于5%，RSME大于10%，CLDAS土壤相对湿度产品对适宜和轻旱类型土壤墒情表现出明显的监测特征。
（5）基于CLDAS土壤相对湿度产品，开展土壤墒情监测服务，结果显示，皖北地区2023年6月至2024年4月，CLDAS土壤相对湿度的月平均值在70.86%~81.61%，墒情无明显变化，2024年5—6月土壤相对湿度出现急转，皖北大部分地区2024年夏季比2023年干燥。
（6）以2024年6月下旬—7月上旬宿州市埇桥区突发1次特大暴雨为例，利用CLDAS土壤相对湿度产品跟踪累积降水量和平均气温等天气因子变化，分析这次土壤墒情旱涝急转过程，验证该产品在土壤墒情监测工作有一定的可行性。
本次对CLDAS土壤相对湿度产品与监测站点数据的BIAS和RSME进行分析，部分样本偏差和RSME较大（>20%）。为做到监测服务更精细，CLDAS土壤相对湿度产品在数据精度上，可参考崔园园等[4]的回归模型和7旬滑动平均订正模型。同时，不同作物的不同生育期，对水分的要求也不同，开展土壤墒情类型辨识时，可根据作物生育期进行细化分类；土壤相对湿度计算涉及田间持水量、土壤容重等水文参数，宜采取分时段、分土壤类型和区域的特色服务方式，以提高CLDAS土壤相对湿度在土壤墒情监测方面的精细化服务能力。