淮河流域表层土壤湿度时空特征及其与地面降水的关系

黄勇，邱旭敏，黄国贵

1. 安徽省气象科学研究所 安徽省大气科学与卫星遥感重点实验室，安徽 合肥 230031；2. 寿县国家气候观象台，安徽 寿县 232200；3. 天津市滨海新区气象局，天津 300457

淮河流域表层土壤湿度时空特征及其与地面降水的关系

黄勇1,2，邱旭敏3，黄国贵2

1. 安徽省气象科学研究所 安徽省大气科学与卫星遥感重点实验室，安徽 合肥 230031；2. 寿县国家气候观象台，安徽 寿县 232200；3. 天津市滨海新区气象局，天津 300457

土壤湿度是陆面与大气能量和物质交换的关键物理量，除地面观测外，卫星遥感也是获取土壤湿度的重要手段。本文针对欧洲卫星气象中心（EUMETSAT）基于卫星遥感而研发的面向水文气象卫星应用产品（H-SAF）中的土壤水分指数（SM-DAS-2）产品，分析产品在淮河流域土壤水分监测中的适用性，为在淮河流域利用该产品开展农田生态监测奠定基础。首先，分析了该产品监测得到的中国土壤表层水分空间分布特征，在此基础上，总结淮河流域表层土壤湿度的时空分布特征；并结合中国气象局发布的中国逐日降水量格点化产品，分析表层土壤湿度与降水量之间的相关关系，最后通过分析淮河流域土壤湿度与地面降水之间的对应关系，探讨土壤湿度对降水的响应时间。从分析结果来看，对于全国而言，该产品能够有效地反映出土壤湿度的分布特征，并且能够刻画出较细致的空间分布规律。在淮河流域，土壤湿度产品和人工观测数值之间具有性较好的相关性（相关系数为0.51，通过置信度0.05的t检验），但SM-DAS-2产品指数偏低（SMDAS-2产品的年均值为0.6，地面观测站监测的表层土壤湿度为0.69）。表层土壤湿度总体上保持“南高北低”空间分布特征，并且空间分布存在着季节性差异。山区和河流附近区域是土壤湿度的高值中心，这一特征在夏秋两季最为显著。表层土壤湿度与降水之间存在显著的相关关系，而在山区和河流附近，两者间的相关性变差。从时间上看，夏季是淮河流域表层土壤湿度与同期降水相关性最好的季节，总体上降水发生3 d以后表层土壤湿度才会对降水的变化产生响应，土壤湿度对降水变化的响应时间最长能延长到10~15 d。

淮河流域；SM-DAS-2；土壤湿度；降水

土壤湿度作为陆面与大气能量和水分交换研究中的关键物理量，一直备受重视。Delworth et al.（1988）研究表明，在大陆上，土壤湿度和雪盖对于气候的“记忆效应”的作用几乎同等重要。Dirmeyer（2000）通过GCM模式模拟，认为在干湿气候的过渡地区土壤湿度对提高降水的可预报性具有较大意义。符淙斌等（1995）也指出气候过渡带在环境变化中比较敏感，气候变率更加显著。孙丞虎等（2005）通过分析中国东部1990—2000年旬平均土壤湿度的时空分布特征指出，表层土壤湿度异常的第一旋转空间模态出现在淮河流域，正是淮河流域地表层对气候变率最为敏感的反映。周娟等（2017）研究表明，土壤湿度与高原季风之间也存在显著相关关系。李润春等（2017）认为，渭河流域前一年秋季和当年春季土壤湿度与东亚夏季风强度指数呈显著正相关，秋季和春季陆面土壤湿度状况对东亚夏季风的强弱有正反馈的作用。此外，青藏高原的土壤湿度对中国东部地区的夏季降水有着显著影响（李登宣等，2016；王静等，2016）。以上研究均表明，土壤湿度除对农作物存在显著影响（董彬，2012；沈振西等，2015；沈振西等，2016；付刚等，2017；）外，还对于天气气候有着重要的作用。

欧洲中期天气预报中心（ECMWF）和美国环境预报中心（NCEP）的再分析资料，全球土壤湿度计划的资料（GSWP2），以及国家大气研究中心（NCAR）利用观测资料强迫“通用陆面模式”CLM所产生的土壤湿度资料，是几种较为常用的土壤湿度资料。国内外学者也对4种土壤湿度资料的应用做了大量分析研究。张文君等（2008）对4种资料在中国的可靠性做了详细分析。崔文瑞等（2009）对ECMWF的ERA40和NCEP的R-1中黑河流域的再分析资料进行对比分析。胡娅敏等（2009）将GSWP2资料同化进区域气候模式BCC_RegCM1.0（简称RegCM）的土壤湿度场中，改进了区域气候模拟。郭维栋等（2007）通过将一个土壤湿度反演模型引入IAP跨季度气候预测系统中，探讨了土壤湿度应用于季节降水预测的可行性及效果。王迪等（2015）对CLM4.5数据集的分析表明，CLM4.5存在高估表层土壤湿度的现象。

随着卫星遥感技术的发展，越来越多的主被动微波传感器资料在土壤湿度估计中得到了深入的应用。包括：2009年欧洲太空局（ESA）发射的土壤湿度与海水盐度卫星SMOS；2015年美国国家航天局（NASA）发射的SMAP（Soil Moisture Active and Passive）卫星；以及Metop卫星上搭载的ASCAT（Advanced Scatterometer）和Aqua卫星上搭载的AMSR-E（Advanced Microwave Scanning Radiometer-Earth Observing System）（张秀英等，2010；兰鑫宇等，2015；李哲等，2017）。这些卫星和探测器都为大范围的土壤湿度数据收集提供了基础的遥感观测数据。

根区土壤水分指数（SM-DAS-2）产品，是欧洲卫星气象中心（EUMETSAT）组织研制的一套土壤湿度产品。该产品是面向水文的气象卫星应用产品（H-SAF）之一，通过同化ASCAT反演的表层土壤湿度产品后得到。作为一种土壤湿度资料，在欧洲经过地面观测数据对比分析得出，同化后的土壤水分产品比ASCAT数据直接反演的土壤水分产品具有较小的偏差和均方根误差。反演得到的地表土壤水分（表层2 cm）被向下扩展到地表下2.89 m，提供了4层土壤水分产品，分别是0~7、7~28、28~100、100~289 cm。

本文主要应用SM-DAS-2产品分析土壤湿度的时空特征及其与降水的相关性，以更好地应用这种土壤湿度数据。考虑到淮河流域为干湿气候过渡带，其表层对气候变率最为敏感，且SMDAS-2产品中表层以下均由模式模拟得到，因此主要探讨淮河流域表层土壤（0~7 cm）与降水的相关性。

1 资料和方法

所用资料包括土壤水分指数（SM-DAS-2）产品的表层（0~7 cm）土壤单位体积含水量，以及空间分辨率。该降水产品基于中国2419国家级地面气象站日降水量观测数据，采用“基于气候背景场”的最优插值方法，实时生成格点化产品（沈艳等，2010）。

在分析土壤湿度与降水间相关关系时，分别计算时间相关系数和空间相关系数，并计算时滞相关系数。由于SM-DAS-2产品的空间分辨率0.225°×0.225°与日降水产品0.25°×0.25°的空间分辨率不相匹配，在计算空间相关系数时，以0.25°×0.25°降水网格为基准，采用间接重采样的方法，将SM-DAS-2产品处理成0.25°×0.25°的产品，使之与降水产品的空间分辨率相一致，在此基础上计算两者的时空相关系数。

空间相关系数计算公式：

式中，A表示土壤湿度，B表示降水量；A 表示土壤湿度的空间平均值，B表示降水量的空间平均值；i，j为区域内网格点的横、纵坐标，N、M为横、纵向网格点的总数。

时间相关系数计算公式：

式中，A表示土壤湿度，B表示降水量；A 表示土壤湿度的时间平均值，B表示降水量的时间平均值；i表示一年中的第i天。

2 土壤湿度分布特征

图1 中国区域土壤湿度指数年平均空间分布图Fig. 1 Spatial distrbution of soil moisture index for China and nearby

图1 为2012年SM-DAS-2土壤水分指数产品中表层土壤湿度指数全年平均值的空间分布。从图中可以看出，表层相对湿度总体上呈现南高北低的空间分布，长江以南的区域为土壤高湿度区域，最大值中心区域位于中国西南中部（四川省一带）；湿度最小的区域位于西北地区新疆、甘肃到内蒙西部一带和青藏高原西北部。另外，中国东北地区土壤湿度也相对较高，辽宁—吉林一带处于土壤湿度相对较高的中心。孙丞虎等（2005）利用1990—2000年状况较好的中国114站的土壤湿度（土壤重量含水百分率）资料，得到中国土壤湿度空间分布的气候特征：0~50 cm各层土壤湿度均呈“两湿一干”分布，其中，东北、华东较为潮湿，华北则较为干燥，尤其河套地区是土壤干中心。与空间分布的气候特征相比，SM-DAS-2土壤水分指数产品的空间分布特征总体上相似，但存在局部差异。与地面观测站得到的气候特征相比，SM-DAS-2产品的差异主要表现在，（1）干中心位置和湿区极值中心位置不同；SM-DAS-2产品的干中心主要位于西北地区和青藏高原西北部，湿区极值中心位于位于四川省一带。（2）SM-DAS-2产品刻画的空间分布更加细腻。这主要是因为地面站点的数量较少（114个）、空间分布不均匀（缺少西北地区的观测站），导致气候特征的空间分辨率和代表性不足，难以刻画细致的空间分布，以及西北地区的土壤湿度分布。

从不同季节的空间分布（图2）来看，空间分布规律总体上与年均分布相近，呈现出南高北低的特征。从马思源等（2016）对欧洲航天局（European Space Agency）和欧洲中期天气预报中心（ECMWF）两套再分析土壤湿度产品的对比分析结果来看，SM-DAS-2产品在春、夏、秋3个季节的土壤空间分布与这两套再分析资料的结果相近，也就是SM-DAS-2产品能够反映出中国春、夏、秋3个季节土壤湿度的分布情况。另外，就冬季而言，在40°N以北的区域以及青藏高原和西部地区，SM-DAS-2产品所获取的数值均低于0.1，土壤湿度小。冬季地面积雪、结冰、冻土等现象均会影响微波遥感探测土壤湿度的能力，而SM-DAS-2产品是以被动卫星微波遥感探测为基础的土壤湿度产品，故该产品会受到冬季地面积雪、结冰、冻土等因素影响而在中国北部、西部以及青藏高原地区表现出大范围的低值中心。此外，在SM-DAS-2产品空间分布图中，还存着一些空白的区域。由于地表水体对土壤湿度的微波反演也存在一定影响，在计算过程中需要剔除地表水体的影响。因此，SM-DAS-2产品中剔除了内陆大面积湖泊的土壤湿度反演数据，在空间分布图中形成了一些零星分布的空白区域。

图2 中国区域不同季节土壤湿度指数的空间分布Fig. 2 Spatial distrbution in difference season of soil moisture index for China and nearby

图3 淮河流域全年平均的土壤湿度指数（左）和日降水量（右，单位：mm）空间分布Fig. 3 Spatial distribution of soil moisture (Left) and precipitation (Right, Unit: mm) for Huaihe River Basin and nearby

淮河流域作为干湿地区的过渡带，干湿度随季节变化明显。从全年平均的空间分布（图3左）来看，淮河流域的土壤湿度总体上呈现随纬度升高而降低的“南高北低”空间分布规律。其中，淮河流域中部洪泽湖一带出现了一个湿度大值中心。与地面观测站监测的表层土壤湿度相比，2012年两者相关性较好（相关系数为0.51，通过置信度0.05的t检验），但SM-DAS-2产品指数偏低（SM-DAS-2产品的年均值为0.6，地面观测站监测的表层土壤湿度为0.69）。

日降水量分布（图3右）也呈现“南高北低”空间分布规律，即空间分布上，土壤湿度和日降水量之间总体上有着较好的一致性：降水量大的区域，土壤湿度大；反之，降水量小的区域，土壤湿度小。

春季，淮河流域土壤湿度具有显著的纬向分布特征（图4左），随着纬度的升高，土壤湿度逐渐降低。与全年平均土壤湿度的分布（图3左）相比，洪泽湖附近的湿中心不是很显著。日降水量的分布（图3右）与土壤湿度保持很好的一致性。

夏季，淮河流域的土壤湿度呈现出多个高值中心，且随纬度升高、土壤湿度降低的特征也不显著（图4）。淮河流域及周边区域内，存在多个主要的湿区中心，分别位于淮河中部和东北部、大别山区、皖南山区、长江中游、山东丘陵区以及伏牛山附近。从降水的空间分布（图4右）来看，大降水中心主要位于大别山区、皖南山区、长江中下游、淮河流域东部，以及淮河流域北侧局部区域。从空间分布来看，除淮河东北部、大别山区和皖南山区这3个高湿度的区域存在相对应的大降水中心外，淮河中部、长江中游、山东丘陵区以及伏牛山附近的高湿度区域，未出现相应的大降水中心。也就是说，在夏季土壤湿度的空间分布与日降水量之间存在的一定的差异。长江中游、淮河中部均为主河道附近，长江和淮河周边区域土壤相对较湿，即使在本地无大降水的情况下，上游的来水也能使得这些区域具有较高的土壤湿度。就山东丘陵区和伏牛山而言，山区内的植被覆盖降低了土壤水分的蒸发，从而导致区域内的土壤具有相对较高的湿度。

秋季，土壤湿度的空间分布与夏季较为相似，只是伏牛山和山东丘陵的高值中心消失，并且在土壤湿度的数值上总体有所降低。降水的空间分布总体呈现“南多北少”，但是在淮河流域东部出现了2个降水大值中心。降水和土壤湿度的空间分布特征大体相似，但存在一些差异。主要表现为，（1）大别山区和大别山区的高土壤湿度区，均未对应有大降水中心；（2）沿淮区域出现的高湿度中心也未对应有大降水中心。淮河以南山区的植被降低了土壤水分的蒸发，故虽然大别山区和皖南山区的降水量不是区域最大，但其土壤湿度却是区域最高的。淮河中的大量水体是造成沿淮区域土壤湿度偏高的主要因素。

图4 淮河流域季节平均土壤湿度（左）和降水（右，单位：mm）的空间分布Fig. 4 Spatial distribution of soil moisture index (Left) and precipitation (Right, Unit: mm) in difference season in Huaihe River Basin and nearby

就冬季而言，土壤湿度在总体保持“南高北低”这种分布规律的基础上，还在长江中游、皖南山区和沿淮出现了3个高湿中心。受冬季固态降水的影响，多数纬度偏北的观测都难以有效评估包含了固态降水的降水总量，因此日降水产品的空间分布特征仅反映降水的大致分布（维持“南高北低”的特征），难以细致地刻画出区域内降水的情况。因此，也就无法通过土壤湿度和降水的空间分布来评估土壤湿度和降水的相关性。

以上分析表明，SM-DAS-2产品能够有效地描绘出中国土壤表层水分含量的空间分布，就淮河流域而言，土壤湿度呈现出了“南高北低”的特征，并且在山区和河流附近（沿长江、沿淮河），土壤表层的水分含量较高。从表层土壤湿度与降水量空间分布的对应关系来看，总体上两者具有较好的对应关系，但这种对应关系在山区和河流沿岸存在着不一致性。

图5为淮河流域逐日土壤湿度与降水量的时序图，从图中可以看出，总体上土壤湿度对降水有较好的响应，降水过程发生后，大部分土壤都出现了湿度增加的现象。但是，夏季流域内存在着土壤湿度随降水发生而持续降低的现象。如2012年7月初，虽然有间断性的降水发生，但是土壤湿度却出现了持续的降低。由于7月初淮河流域处于梅雨期，持续性的降水使得淮河流域的土壤湿度出现了饱和（土壤湿度指数接近1）。土壤饱和以后，降水过程无法再增加土壤湿度，而是形成地表汇流向主河道汇集。这也是造成7月初土壤湿度与降水之间相关关系较差的主要原因：土壤中水分饱和以后，降水无法再补充土壤水分。而在其他季节，由于土壤中的水分没有达到饱和，降水的发生能够有效地补充土壤中的水分，使得土壤湿度增加，此时土壤湿度与降水量之间具有很好的对应关系。

3 土壤湿度与降水之间的关系

为进一步了解淮河流域土壤湿度与降水之间的关系，选取相关系数评判两者之间的同步关系。图6所示为淮河流域及周边地区逐日土壤湿度与降水量之间相关系数的空间分布。总体上，土壤湿度与降水呈显著正相关，且都通过了置信度0.05的t检验。区域内相关性最好的区域位于淮河流域中部和西部地区。

图6 全年土壤湿度与降水间相关系数的空间分布Fig. 6 Spatial distribution of the correlation coefficient between soil moisture and precipitation

从4个季节相关系数的空间分布（图7）来看，春季相关系数最大的区域位于长江中游附近，此外在淮河流域东南侧（长江下游）、山东丘陵和伏牛山附近分别存在1个相关系数大于0.5的区域。沿淮流域西北部及西侧山区土壤湿度和降水之间相关程度较低，相关系数在0.2以下，部分区域相关系数接近0，表示无相关性。

夏季的相关性最好，淮河流域大部分区域的相关系数都大于0.6，北部地区相关系数超过0.9，表现出很好的一致性变化。但是，在长江流域（包括中游和下游），两者的相关系数较低。尤其是在长江下游，相关系数小于0.2，部分区域接近0。

秋季是一年四季中土壤湿度和降水相关性最差的季节，大部分区域相关系数都在0.2~0.4之间，只有极个别小区域的相关系数超过0.4。此时，长江中游土壤湿度和降水的相关性最大，而大部分区域相关系数都小于0.2。

图5 土壤湿度指数与降水量的逐日变化Fig. 5 Time series of soil moisture index and precipitation

图7 不同季节土壤湿度与降水间相关系数的空间分布Fig. 7 Spatial distributions in different seasons of correlation coefficient between soil moisture and precipitation

冬季土壤湿度和降水相关系数呈现“南北低、中间高”的分布特征，相关性最好的区域位于研究区域的中部，其中，淮河流域西侧山区的相关系数最大，相关系数最大值超过0.6。相关系数最小的区域位于淮河流域西北部，最小值接近0，表示无明显相关性。另外，在长江下游，相关性也较差，相关系数在0.3以下，部分区域低于0.1。

图8 淮河流域土壤湿度和降水量相关系数时序图Fig. 8 Time series of correlation coefficient between soil moisture and precipitation

图9 时滞相关系数（负X轴为降水超前，正X轴为降水滞后）Fig. 9 Lag correlation coefficient (negative X axis: precipitation ahead, positive X axis: precipitation lag)

从相关系数的逐日变化（图8）可知（注：流域降水为0时，无法计算当日相关系数，因此对其作滑动平均处理），土壤湿度与当日降水间的相关关系存在着明显起伏式变化，但总体上存在显著的相关性。从时滞相关系数（图9）可知，当降水超前土壤湿度时，可维持10~15 d的显著正相关；而当降水落后土壤湿度时，能维持3~55 d的显著正相关。同时，从图9中可以看出，在降水超前3 d时，相关系数最高。也就是说，降水发生后，大多数情况下3 d以后表层土壤湿度才会对降水的变化产生响应。土壤湿度对降水变化的响应时间最长能延长到10~15 d。

4 结论

利用欧洲卫星气象中心（EUMETSAT组织）的SM-DAS-2土壤水分指数产品，在对比分析了土壤湿度空间分布特征与已有研究成果之间一致性的基础上，讨论了淮河流域表层土壤湿度的空间分布特征，及其与降水之间的关系。结果表明：

（1）SM-DAS-2土壤水分指数产品能够较好地反映中国表层土壤湿度的空间分布规律，并且具有较高的空间分辨率，能够刻画出较细致的空间分布特征。

（2）淮河流域的表层土壤湿度总体上呈现“南高北低”的空间分布特征，并且还存在着季节性变化。山区和河流附近土壤湿度都较高，并且这一特征在夏秋两季最为明显，冬季最不显著。

（3）淮河流域降水与表层土壤湿度有显著的季节性特征，且二者空间分布特征较为相似；但对于山区和河流附近土壤而言，降水与土壤湿度间的关系存在着不一致性。夏季是淮河流域表层土壤湿度与同期降水相关性最好的季节，春秋季节较差。

（4）对于淮河流域而言，总体上在降水发生3 d以后表层土壤湿度才会对降水的变化产生响应。土壤湿度对降水变化的响应时间最长能延长到10~15 d。

致谢：感谢欧洲卫星气象中心和国家气象信息中心数据服务网提供的土壤湿度和网格化降水产品；感谢审稿专家提供的宝贵意见。

DELWORTH T L,SYUKUROMANABE. 1988. The influence of potential evaporation on the variabilities of sumilated soil wetness and climate [J]. Journals of Climate, 1(5): 523-547.

DIRMEYER P A. 2000. Using a global soil wetness dataset to improve seasonal climate simulation [J]. Journals of Climate, 13(16): 2900-2922.

崔文瑞，高艳红，彭雯. 2009. 两套土壤湿度再分析资料在黑河流域的对比分析[J]. 高原气象, 28(6): 1274-1281.

董彬. 2012. 土壤温度和湿度对鲁东南杨树人工林土壤呼吸的协同影响[J]. 生态环境学报, 21(5): 864-869.

符淙斌, 叶笃正. 1995. 全球变化和中国未来的生存环境[J]. 大气科学, 19(1): 110-126.

付刚, 钟志明. 2017. 实验增温对西藏高原玉米田土壤呼吸的影响[J]. 生态环境学报, 26(1): 49-54.

郭维栋, 马柱国, 王会军. 2007. 土壤湿度——一个跨季度降水预测中的重要因子及其应用探讨[J]. 气候与环境研究, 12(1): 20-28.

胡娅敏, 丁一汇, 廖菲. 2009. 土壤湿度资料同化对中国东部夏季区域气候模拟的改进[J]. 科学通报, 54(16): 2388-2394.

兰鑫宇, 郭子祺, 田野, 等. 2015. 土壤湿度遥感估算同化研究综述[J]. 地球科学进展, 30(6): 668-679.

李登宣, 王澄海. 2016. 青藏高原春季土壤湿度与中国东部夏季降水之间的关系[J]. 冰川冻土, 38(1): 89-99.

李润春, 张秀芝, 吕心艳, 等. 2017. 渭河流域土壤湿度异常特征与我国若干气候背景的联系[J]. 大气科学学报, 40(1): 100-110.

李哲, 王磊, 王林, 等. 2017. 基于AMSR-E反演青藏高原夏季表层土壤湿度[J]. 高原气象, 36(1): 67-78.

马思源, 朱克云, 李明星, 等. 2016. 中国区域多源土壤湿度数据的比较研究 [J]. 气候与环境研究, 21(2): 121-133.

沈艳, 冯明农, 张洪政, 等. 2010. 我国逐日降水量格点化方法[J]. 应用气象学报, 21(3): 279-286.

沈振西, 付刚. 2016. 藏北高原高寒草甸水分利用效率与环境温湿度的关系[J]. 生态环境学报, 23(8): 1259-1263.

沈振西, 孙维, 李少伟, 等. 2015. 藏北高原不同海拔高度高寒草甸植被指数与环境温湿度的关系[J]. 生态环境学报, 24(10): 1591-1598.

孙丞虎, 李维京, 张祖强, 等. 2005. 淮河流域土壤湿度异常的时空分布特征及其与气候异常关系的初步研究[J]. 应用气象学报, 16(2): 129-138.

王迪, 沈润平, 师春香, 等. 2015. CLM4.5对中国区域夏季土壤湿度的模拟研究, 科学技术与工程, 15(17): 1671-1815.

王静, 祁莉, 何金海, 等. 2016. 青藏高原春季土壤湿度与我国长江流域夏季降水的联系及其可能机理[J]. 地球物理学报, 59(11): 3985-3995.

张文君, 周天军, 宇如聪. 2008. 中国土壤湿度的分布与变化I.多种资料间的比较[J]. 大气科学, 32(3): 581-597.

张秀英, 江洪, 韩英. 2010. 陆面数据同化系统及其在全球变化研究中的应用[J]. 遥感信息, (4): 135-143.

周娟, 文军, 王欣, 等. 2017. 青藏高原季风演变及其与土壤湿度的相关分析[J]. 高原气象, 36(1): 45-56.

2017. The relationship between surface soil moisture and precipitation in Huaihe River basin [J]. Ecology and Environmental Sciences, 26(4): 561-569.

HUANG Yong, QIU Xumin, HUANG Guogui.

The Relationship between Surface Soil Moisture and Precipitation in Huaihe River Basin

HUANG Yong1,2, QIU Xumin3, HUANG Guogui1,2
1. Anhui Meteorology Institute Anhui Key Lab of Atmospheric Science and Remote Sensing, Hefei 230031, China; 2. Shouxian Climatology Observatory, Shouxian 232200, China; 3. Tianjin Binhai New Area Meteorological Bureau, Tianjin, 300457, China

Soil moisture is a key factor for the energy and matter exchange between land surface and atmosphere. In addition to the field observation, satellite remote sensing is also an important method for the soil moisture measure. In this study, the soil moisture index in the roots region product (SM-DAS-2) which is developed by EUMETSAT Hydrology Satellite Application Facility (HSAF) is applied in Huaihe River Basin, and the applicability of this produce in soil moisture monitoring is analyzed to provide better foundation for the application of this product. In this paper, the ability of monitoring the soil moisture over China is analyzed at the first step. And then, the spatial and temporal characters of soil moisture in Huaihe River basin were studied, and its relationship with the precipitation was analyzed with daily precipitation products from China Meterological Administration (CMA). At last, the relationship of SM-DAS-2 and precipitation is calculated to discuss the response time of soil moisture to precipitation downloaded from CMA. As the results shown, SM-DAS-2 data could embody the spatial characteristics of soil moisture distribution in China. As to Huaihe River Basin, the soil moisture indexes of SM-DAS-2 were similar to the observed data in Meteorology Observatory (correlation coefficient was 0.51, which was tested by T with confidence level of 0.05). But soil moisture indexes of SM-DAS-2 were lower than observation data (annual data of SM-DAS-2 was 0.6, and the observation data was 0.69).The surface soil moisture shows a “Dry North, Wet South” pattern, and it was changed with season. The wet center is located in the mountain and the river areas which are stronger in summer and autumn. The study also shows that the soil moisture was obviously increasing with the rainfall. However, the relationship was less obvious in the mountain and the river regions. In summer, this relationship is even stronger when compared with other seasons. In general, the surface soil moisture response 3 days after the rainfall. And the longest period of rain affecting surface moisture could be 10~15 days later.

Huaihe River basin; SM-DAS-2; soil moisture; precipitation

10.16258/j.cnki.1674-5906.2017.04.003

P933; X16; X14

A

1674-5906（2017）04-0561-09

黄勇, 邱旭敏, 黄国贵. 2017. 淮河流域表层土壤湿度时空特征及其与地面降水的关系[J]. 生态环境学报, 26(4): 561-569.

国家自然科学基金项目（41275030）；公益性行业（气象）科研专项（GYHY201306040）；安徽省自然科学基金项目（1508085MD64）；中国气象局项目（CMAGJ2015M28）

黄勇（1980年生），高级工程师，博士，主要从事大气遥感应用技术研发工作。E-mail: hy121_2000@126.com

2017-01-06