国际土壤湿度网络中现场土壤湿度数据的全球自动质量控制外文翻译资料

英语原文共 21 页，剩余内容已隐藏，支付完成后下载完整资料

国际土壤湿度网络中现场土壤湿度数据的全球自动质量控制

国际土壤湿度网络（ISMN）始于2009支持校准和遥感产品和陆面模型的验证，并促进研究我们的气候在空间和时间的行为。ISMN通过收集和协调土壤湿度数据集从各种各样的单独操作网络，使他们可以通过一个集中的数据门户。由于气候条件所站和测量装置和设置差异的多样性，测量结果的质量是高度可变的。因此，适当的质量特性是可取的数据集的正确使用。本研究提出了一个新的，土壤湿度测量包含在ISMN中的自动质量控制系统。提出了2种类型的质量控制程序。第一类是基于测量地球物理的动态范围和一致性。它包括标记值超过一定的阈值，并检查与土壤温度和降水的变化有关的土壤湿度变化的有效性。特别是，可用性的全球模型或遥感-基于温度和降水数据集进行了测试，这一目的作为一种替代现场测量，这往往是没有记录在土壤湿度的网站本身。第二类的程序分析的土壤湿度时间序列的形状，以检测异常值（尖峰），正和负的中断，饱和度的信号，和反应迟钝的传感器。所有方法都是先验证，然后应用到所有当前ISMN中包含的数据集。验证的例子AMSR-E卫星和GLDASNoah模型产品表现疲弱的一个小而积极的影响。本研究的积极成果的基础上，我们将添加标志作为标准属性给ISMN中包含的土壤湿度测量。

缩写: CMAP， 全球气候预测中心的操作2.5°5 d的合并分析降水；HWSD，和谐世界土壤数据库；ISMN，国际土壤湿度网络；NRT，近乎实时的；QC，质量控制。

地面测量土壤湿度已广泛应用于遥感–土壤湿度的产品验证（例如，Gruhier等，2010； Jackson等，2010；Liu等，2011； Parrens 等，2012；Pathe等，2009； Zribi 等，2009），校准和验证模型估计土壤湿度和干旱（Balsamo等，Dai等，2004； Rodell等，2004)，研究土壤湿度的空间和时间的动态(Albergel 等，2008； Brocca 等，2010； Entin等，2000； Famiglietti等，2008)。在世界范围内，大量的本地的区域尺度的气象和实验网络可用于这些任务。然而，在许多情况下，很难获得这些数据集。此外，有普遍缺乏标准化的方法和协议复杂的组合使用多个网络在全球的研究。为了克服这些限制，国际土壤湿度网络(http://www.ipf.tuwien.ac.at/insitu)于2009年开始作为一个集中的数据托管设施全局可用现场土壤湿度测量从运营网络收集和验证活动，协调，并公开给用户通过单一访问点(Dorigo 等，2011a，b)。目前，ISMN包含超过6100个土壤湿度数据集从超过1400台35可以通过不同的网络。这种集中和统一的系统的科学意义，反映了越来越多的研究，使用网络的组合，以评估土壤湿度产品在大陆到全球范围（例如，Albergel等，2012； Brocca等，2011； Liu 等，2012)。个人网站的质量，主要是由于使用的测量装置，部署的传感器存在误伤，及其校准(Bogena等，2007；Mittelbach等，2011)。站的相对质量的定量估计是特别感兴趣的那些希望得出结论的性能的基础上的产品的基础上，通过各种网络的验证。然而，不仅在车站的水平，但还在个人的层面上测量的质量控制(QC)是一个重要的问题，如质量读数之间的变化强烈。而小实验网络，可能对他们的数据进行可视化的管理资源和时间，这是不可行的大型自动化网络，分享他们的近实时（NRT）数据。因此，需要自动化的客观方法。

自动化控制的方法在各种地球物理中广泛存在学科，如空气温度和降水监测 (Hubbard 等，2005)，太阳辐射(Journeacute;e and Bertrand，2011)、海表温度(Gonzaacute;lez-Rouco 等，2001 ， Merchant等， 2008)，和海洋盐度(Ingleby and Huddleston，2007)。离群点检测的最常见的方法是基于阈值可以是静态的或随时间变化(Journeacute;e and Bertrand，2011)。其他来自数据集的统计特性的阈值，如均值、标准差、或四分位数(Gonzaacute;lez-Rouco 等，2001； Merchant等， 2008) 。为此，可靠的气候学基于长期度量时间序列需要(Hubbard等， 2005)。基于频谱的方法研究了测量时间序列的形状，以确定潜在的异常值。这一类的最突出的成员是尖峰detection algorithms (Malyshev and Sudakova，1995； Meinander检测算法(Malyshev and Sudakova，1995； Meinander等，2003；；Ossadtchi 等，2004)。峰值通常定义为未预料到的明显的上涨或下降持续只有一个时间步。由于它们的最大值可能会出现在合理的物理范围内，它们往往是未被发现的阈值为基础的方法。最近，研究人员已经提出了几个复杂的统计飙升，检测方法基于参数化方法、集群技术、神经网络和微波(Farrokhi 等，2010； Inanand Kuntalp，2007；Torrence and Compo，1998。差距的可用性自由时间序列是一个健壮的足够长的时间是至关重要的使用微波，因为微波变换应用于短时间序列可能导致颜色的边界(Nenadic Burdick，2005)。密集的观察网络允许好友检查方法的使用(Rayner等，2006)。这种方法背后的主要思想是假设附近测量显示类似的动态行为。如果一个离群值在一个测量时间序列不能支持伙伴，那么数据点最有可能是不正确的。对于好友技术应用的关键是在距离显示有足够的存在空间相关性，相邻观测不能。与来自多个源的数据可用性增长，概率方法变得越来越有趣的替代检测错误。例如，Ingleby和Huddleston (2007)使用了基于不同的信息源的贝叶斯框架来检查海水温度和盐度值的合理性。通常情况下，伪观测探测到质量控制过程标记。标记是一个过程，添加了一个质量指标的原始观测，但没有修改或删除它的数据集。这是由用户或应用程序来决定做什么用外语标记观察。

到目前为止，自动控制的现场土壤湿度数据只在文献方面收到很少的关注。Illston 等(2008) and You 等 (2010) 使用了几种基于阈值的方法来标记虚假观测。此外，You 等 (2010)使用空间回归测试来确定测量偏离区域土壤湿度模型(Hubbard 等， 2005)。虽然彻底解决质量问题，研究集中在单一网络的测量设置相对一致的网站(Illston等， 2008； You等， 2010)。 第一个简单的质量控制程序在对ISMN的数据集全球级别的程序是由Dorigo等人（2011 b)提出的。应用几个物理基础阈值伪观测根据协调能源和水周期观测项目(CEOP)数据标记定(http://www.eol.ucar.edu/projects/ceop/dm/documents/refdata_report/

data_flag_definition-s.html，accessed 28 Nov. 2012)。然而，系统出现不足或下降的更微妙的异常。

本研究建立在已有的经验领域的现场土壤湿度的质量控制数据，提出了一种综合ISMN自动化质量控制系统。主要挑战是定义一个客观的质量控制系统，适用于多种不同的网络和电台强烈在本质上和可用的元数据。手稿开始于一个一般的描述ISMN和更详细的描述数据集用于开发和测试的质量控制程序(“数据描述”)。为了能够检测潜在的错误，首先，土壤湿度测量和偏离这一自然行为的自然外观需要被理解（在现场土壤湿度测量的错误的来源和外观）。概述的QC方法提出了“质量控制方法”部分，其次是质量控制的一个评价和讨论，根据验证子集和应用到整个ISMN(“结果与讨论”)。同时，对标记验证遥感和模拟土壤湿度的影响的一个例子是在本条规定的。

1数据描述

本研究中提出的方法开发和验证使用来自ISMN的数据 (Dorigo等，2011 a，b)。在写作的时候(2012年11月) ISMN举办35个网络代表1400多个测量站，主要集中在美国和欧亚大陆(图1)。网络被定义为任意数量的站由一个单一的组织或伙伴关系。在实践中，这个数字一到几百不等。重要的是要意识到网络设计为不同的应用程序，因此表现出不同的特征和特性。尽管所有个人站测量土壤湿度许多电视台也提供的测量变量，允许更全面的解释土壤湿度数据集，包括土壤和空气温度、降水和积雪深度(表1)。此外，网络部署不同的测量技术和传感器，包括时间和频域反射计，电容和中子探测器，宇宙射线，重力取样。所有方法都有其优点和缺点为特定应用程序(Dorigo等， 2011b； Robinson等，2008)。

图2显示了时间数据的可用性从网络到网络。这是从全球土壤湿度数据银行转移网（Robock等，2000）-中国，蒙古，爱荷华，和三个RUSWET网络不再更新，只有在不规则的时间间隔（一般为1–提供测量2次/月））。因此，这些网络被排除在这项研究中的大多数分析。所有其他网络都被考虑在内。最近，添加了几个网络的数据集在近乎实时自动更新(ARM， COSMOS， FMI， SCAN， SNOTEL，SWEX_Poland，and USCRN)。这些网络提供的数据集不接受任何QC在提交给ISMN之前。相反，与大多数其他网络的数据首先进行广泛的视觉质量检验的数据提供商之前，与ISMN共享。对于单个网络的广泛概述，我们参考补充材料或原始出版物描述的网络（表1）。

2现场土壤湿度测量中误差来源及出现的问题

2.1土壤湿度读数的特征特性

土壤湿度测量误差检测的基础是对其典型特征的深入了解。虽然说一个典型的记录土壤湿度的典型行为是不现实的(由于土壤湿度在全球范围内起显著的主导作用)，有几个功能是大多数读数有共同的。图3a显示了一个典型的由于降水实例和连续干燥引起的土壤湿润事件。遇到这样一个特性曲线位置或时期很少有降水事件，以便有足够的时间在于两个连续降水事件之间，从而使干燥直到达到渐近准稳定的土壤湿度水平（Hillel，1998）。如果干燥周期足够长土壤含水量最终会达到一个恒定值接近于零(表层)或另一个稳态值(更深层；图3 a)。然而，在许多情况下，一个新的降水事件发生之前达到稳定的土壤含水量，导致叠加的事件很难辨别(图3 b)。

土壤湿度的测量信号的一个特定的行为是显示的冻土和冻融循环行为事件（图3c）。冰的介质电导率是明显不能低于液体水，土壤水的冻结导致显著降低记录土壤含水量(Hallikainen等，1985)。在解冻期间，通常的特点是解冻的事件（在白天）和冷冻（夜间），交替的低和高水平的土壤湿度的记录，不连接到降水事件。大多数土壤湿度测量设备显示或多或少明显对温度的敏感性(Dorigo等， 2011b； Robinson等， 2008)。在大多数现场电磁传感器的频率范围和遥感系统操作(即~0.001和10 GHz)之间有一个积极的电导率和温度之间的关系。这是反映在图3d的日常波动，观察土壤湿度值，显示出相对较高的值在下午和夜间低值。通常情况下，这样的温度波动保持在制造商的规格精度0.01到0.05 m3 mminus;3(Robinson et 等，2008； Young等， 2008)。在图3d中，我们可以看到，人造土壤湿度的波动会随着深度的增加而减少，这对应于在更大的深度的温度波动减小。2.2现场土壤湿度读数误差

2.2.1随机噪声和峰值

随机噪声是任何测量的本质。根据定义，随机噪声分布在真实值附近的概率密度分布函数围绕一个空的期望值，这使得它可以预测。因此，我们不认为这是一个错误，但报告的完整性的原因。如果数据中的噪声取决于信号/噪声比和传感器的辐射精度。注意，噪声是不同的，每天定时振荡引起的温度波动，其行为完全是随机的，且有深度没有反比关系（图4a）。不同于峰值，噪声通常只持续一个时间步，对他们的大小是不可预测的(图4b)。例如，上涨的结果，从临时传感器故障或当前供应减少。

2.2.2突变

像突变一样，我们代表的突然增加（跳）或减少（下降）在注册的土壤湿度值，通常从一个单位到下一个。他们通常是由于减少电力供应或环境条件的突然变化造成的。与尖峰，跳跃和下降导致一个（半）永久性的测量值相对于前一个时期的偏移量。然而，它往往是难以建立的时期（即事件之前或之后）是最接近真实的情况。在图5可以看到一个跳跃和一个下降的例子。

2.2.3恒定的低和高值

几个现象可能是负责登记一个常数值。霜冻期和长传感器辍学(图6)通常导致注册不变的低土壤湿度值。一个恒定高信号可能是显示当土壤含水量超过上限的传感器的灵敏度。在时间序列中这样的事件出现高峰（图6b）。这种行为是经常被电容探针观察(Mittelbach等， 2011)。

2.2.4其它误差来源

Basara 和 Crawford（2000）观察到一个快速润湿深度传感器降水事件。这是通过利用优先流引起的（或填充）沟槽安装传感器。即使在这种情况下，传感器进行操作，测得的变化并没有代表在周围的土壤条件。，测量土壤湿度和土壤含水量之间可能存在系统性差异，或偏差。诊断结果，例如，从校准不当或缺乏代表性点测量的土壤体积更大。作为真正的土壤含水量通常是未知的，偏差是很难描述的。然而，他们可以减少适当的传感器校准(You等，2010)。仪器漂移是一个渐进的系统随着时间的变化而变化，不能改变有关气候条件。一个传感器的漂移可能由例如持续的氧化传感器棒，盐渍化，增加土壤压实，或地下水流条件的变化引起。较长时间漂浮生效和难以长期分开和季节性波动，需要长期观察时间来描述它们。

3质量控制方法 剩余内容已隐藏，支付完成后下载完整资料

资料编号：[31142]，资料为PDF文档或Word文档，PDF文档可免费转换为Word