EVALUATING PREDICTIONS OF THE SOIL MOISTURE MODEL WITH DATA ASSIMILATION BY THE TRIPLE COLLOCATION METHOD
Ключові слова:
ньютонівське підштовхування, нелінійне математичне моделювання, рівняння Річардса, дистанційне зондування Землі, статистична валідація
Анотація
Упродовж довго часу наземні вимірювання вважалися найточнішим способом регулярного моніторингу вологості ґрунту. Проте наземні вимірювальні станції є дороговартісними та потребують калібрування на місці встановлення, що часто робить їх використання недоцільним на практиці. З нещодавнім розвитком технологій дистанційного зондування Землі можуть бути розроблені інші, більш дешеві методи.
У цій роботі представлено нелінійну задачу вологоперенесення із додаванням супутникових вимірювань вологості ґрунту. Математична модель базується на рівнянні Річардса для вологоперенесення та розв’язується методом скінченних різниць з використанням неявної ітераційної схеми Самарського. Супутникові оцінки вологості ґрунту отримані із поєднання даних активних та пасивних сенсорів за допомогою алгоритмів декомпозиції.
Супутникові дані включалися до моделі згідно з алгоритмом асиміляції даних, що називається ньютонівським підштовхуванням. Цей метод передбачає додавання особливого члену «підштовхування» до модельного рівняння. Таким чином, модель коригується згідно супутникових вимірювань та забезпечується дотримання фізики процесу. Крім того, було здійснено огляд проблеми із вибором фактору підштовхування та запропонована емпірична формула з використанням параметрів ґрунту, що дозволяє підвищити універсальність та стійкість методу.
З метою валідації моделі було здійснено масштабний числовий експеримент з використанням усіх зареєстрованих наземних станцій вимірювання вологості в США. Оцінку було здійснено методом потрійної коллокації, що дає можливість оцінити похибки у трьох незалежних наборах даних. Для оцінки було використано такі джерела даних: модельні результати, дані вимірювань наземних станцій та супутникові спостереження із бази даних ERA5. Отримані результати демонструють, що представлена модель здатна показувати результати із точністю, що наближається до точності наземних вимірювань.
Посилання
1. Lekshmi S., Singh D., Baghini M. S. A critical review of soil moisture measurement. Measurement. 2014. Vol. 54. P. 92–105. URL: https://doi.org/10.1016/j.measurement.2014.04.007.
2. Shen X., Liang J., Zeleke K. T. et al. Optimizing the Positioning of Soil Moisture Monitoring Sensors in Winter Wheat Fields. Water. 2018. Vol. 10. No. 12/1707. URL: https://doi.org/10.3390/w10121707.
3. Tian Y., Xiong L., Bin X., Zhuang R. A prior estimation of the spatial distribution parameter of soil moisture storage capacity using satellite-based root-zone soil moisture data. Remote Sensing. 2019. Vol. 11, No. 2580. URL: https://doi.org/10.3390/rs11212580.
4. Chen W., Shen H., Huang C., Li X. Improving soil moisture estimation with a dual ensemble Kalman smoother by jointly assimilating AMSR-E brightness temperature and MODIS LST. Remote Sensing. 2017. Vol. 9, No. 273. URL: https://doi.org/10.3390/rs9030273.
5. Nearing G., Yatheendradas S., Crow W. et al. The efficiency of data assimilation. Water Resources Research. 2018. Vol. 54. No. 9, P. 6374–6392. URL: https://doi.org/10.1029/2017WR020991.
6. Houser P. R., de Lannoy G. J. M., Walker J. P. Hydrologic data assimilation. Approaches to Managing Disaster – Assessing Hazards, Emergencies and Disaster Impacts / ed. by J. Tiefenbacher. IntechOpen: Rijeka, 2012. P. 41–64. URL: https://doi.org/10.5772/31246.
7. Martens B., Miralles D. G., Lievens H. et al. GLEAM v3: satellite-based land evaporation and rootzone soil moisture. Geoscientific Model Development. 2017. Vol. 10. P. 1903–1925. URL: https://doi.org/10.5194/gmd-10-1903-2017.
8. Paniconi C., Marrocu M., Putti M., Verbunt M. Newtonian nudging for a Richards equation-based distributed hydrological model. Advances in Water Resources. 2003. Vol. 26. P. 161–178. URL: https://doi.org/10.1016/S03091708(02)00099-4.
9. Scipal K., Dorigo W., de Jeu R. Triple collocation — a new tool to determine the error structure of global soil moisture products. Geoscience and Remote Sensing Symposium (IGARSS): conference proceedings, Honolulu, 25-30 July 2010. IEEE, 2010. P. 4426–4429. URL: https://doi.org/10.1109/IGARSS.2010.5652128.
10. Kedzior M., Zawadzki J. Comparative study of soil moisture estimations from SMOS satellite mission, GLDAs database, and cosmic-ray neutrons measurements at COSMOS station in eastern Poland.Geoderma. 2016. Vol. 283. P. 21–31. URL: https://doi.org/10.1016/j.geoderma.2016.07.023.
11. Hang G., Ng J. L., Huang Y., Yong S. Performance of potential evapotranspiration models in Peninsular Malaysia. Journal of Water and Climate Change. 2021. URL: https://doi.org/10.2166/wcc.2021.018. (Preprint. IWA Publishing).
12. Melo M., de Jong van Lier Q. Revisiting the Feddes reduction function for modeling root water uptake and crop transpiration. Journal of Hydrology. 2021. Vol. 603. No. 126952. URL: https://doi.org/10.1016/j.jhydrol.2021.126952.
13. Terleev V., Mirschel W., Badenko V., Guseva I. An improved Mualem–Van Genuchten method and its verification using data on Beit Netofa clay. Eurasian Soil Science. 2017. Vol. 50, P. 445–455. URL: https://doi.org/10.1134/S1064229317040135.
14. Zhang Y., Schaap M. G. Weighted recalibration of the Rosetta pedotransfer model with improved estimates of hydraulic parameter distributions and summary statistics (Rosetta3). Journal of Hydrology. 2017. Vol. 547, P. 39–53. URL: https://doi.org/10.1016/j.jhydrol.2017.01.004.
15. Samarskiy A. A. The theory of difference schemes. New York: Marcel Dekker, 2001. 786 p.
16. Houser P. R., Shuttleworth W. J., Famiglietti J. S. et al. Integration of soil moisture remote sensing and hydrologic modeling using data assimilation. Water Resources Research. 1998. Vol. 34. No. 12. P. 3405–3420. URL: https://doi.org/10.1029/1998WR900001.
17. Conti G., Aydoğdu A., Gualdi S. et al. On the physical nudging equations. Climate Dynamics. 2021. URL: https://doi.org/10.1007/s00382-021-05972-w. (Preprint. Springer Nature).
18. Camporese M., Paniconi C., Putti M., Salandin P. Comparison of data assimilation techniques for a coupled model of surface and subsurface flow. Vadose Zone Journal. 2009. Vol. 8. No. 4. P. 837–845. URL: https://doi.org/10.2136/vzj2009.0018.
19. Mirosław-Świątek D. Application of Newtonian nudging data assimilation method in hydrodynamic model of flood flow in the lower Biebrza basin. Studia Geotechnica et Mechanica. 2012. Vol. 34, No. 2. P. 91–105. URL: https://doi.org/10.2478/sgm021208.
20. Vidard A., le Dimet F. X., Piacentini A. Optimal determination of nudging coefficients. Tellus A. 2003. Vol. 55. No. 1, P. 1–15. URL: https://doi.org/10.3402/tellusa.v55i1.14576.
21. Stauffer D. R., Bao J. W. Optimal determination of nudging coefficients using the adjoint equations. Tellus A: Dynamic Meteorology and Oceanography. 1993. Vol. 45. No. 5. P. 358–369. URL: https://doi.org/10.3402/tellusa.v45i5.14899.
22. Reichle R. H., Koster R. D., Liu P. et al. Comparison and assimilation of global soil moisture retrievals from the Advanced Microwave Scanning Radiometer for the Earth Observing System (AMSR-E) and the Scanning Multichannel Microwave Radiometer (SMMR). Journal of Geophysical Research. 2007. Vol. 112. No. D09108. URL: https://doi.org/10.1029/2006JD008033.
23. Holmes T. R. H., de Jeu R. A. M., Owe M., Dolman A. J. Land surface temperature from Ka band (37 GHz) passive microwave observations. Journal of Geophysical Research. 2009. Vol. 114, No. D04113. URL: https://doi.org/10.1029/2008JD010257.
24. Chan S., Bindlish R., O'Neill P. et al. Assessment of the SMAP passive soil moisture product. IEEE Transactions on Geoscience and Remote Sensing. 2016. Vol. 54. P. 1–14. URL: https://doi.org/10.1109/TGRS.2016.2561938.
25. Mironov V. L., Kerr Y., Wigneron J.-P. et al. Temperature- and texture-dependent dielectric model for moist soils at 1.4 GHz. IEEE Geoscience and Remote Sensing Letters. 2013. Vol. 10. P. 419–423. URL: https://doi.org/10.1109/LGRS.2012.2207878.
26. Gruber A., Dorigo W. A., Crow W., Wagner W. Triple collocation-based merging of satellite soil moisture retrievals. IEEE Transactions on Geoscience and Remote Sensing. 2017. Vol. 55. P. 6780–6792. URL: https://doi.org/10.1109/TGRS.2017.2734070.
27. Paulik C., Preimesberger W., Hahn S. et al. TUW-GEO/pytesmo: v0.12.0 (Python library). Zenodo. URL: https://doi.org/10.5281/zenodo.596422.
28. Dorigo W., Wagner W., Hohensinn R. et al. The International Soil Moisture Network: a data hosting facility for global in situ soil moisture measurements. Hydrology and Earth System Sciences. 2011. Vol. 15. P. 1675–1698. URL: https://doi.org/10.5194/hess-15-1675-2011.
29. Hersbach H., Bell B., Berrisford P. et al. The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society. 2020. Vol. 146, P. 1999–2049. URL: https://doi.org/10.1002/qj.3803.
30. Thea C. M. LaMetSy, Aggregated meteorogical database. URL: https://lametsy.pp.ua.
31. Poggio L., de Sousa L., Batjes N. et al. SoilGrids 2.0: Producing soil information for the globe with quantified spatial uncertainty. Soil. 2021. Vol. 7, P. 217–240. URL: https://doi.org/10.5194/soil-7-217-2021.
32. Yilmaz M., Crow W. Evaluation of assumptions in soil moisture triple collocation analysis. Journal of Hydrometeorology. 2014. Vol. 15, P. 1293–1302. URL: https://doi.org/10.1175/JHM-D-13-0158.1.
2. Shen X., Liang J., Zeleke K. T. et al. Optimizing the Positioning of Soil Moisture Monitoring Sensors in Winter Wheat Fields. Water. 2018. Vol. 10. No. 12/1707. URL: https://doi.org/10.3390/w10121707.
3. Tian Y., Xiong L., Bin X., Zhuang R. A prior estimation of the spatial distribution parameter of soil moisture storage capacity using satellite-based root-zone soil moisture data. Remote Sensing. 2019. Vol. 11, No. 2580. URL: https://doi.org/10.3390/rs11212580.
4. Chen W., Shen H., Huang C., Li X. Improving soil moisture estimation with a dual ensemble Kalman smoother by jointly assimilating AMSR-E brightness temperature and MODIS LST. Remote Sensing. 2017. Vol. 9, No. 273. URL: https://doi.org/10.3390/rs9030273.
5. Nearing G., Yatheendradas S., Crow W. et al. The efficiency of data assimilation. Water Resources Research. 2018. Vol. 54. No. 9, P. 6374–6392. URL: https://doi.org/10.1029/2017WR020991.
6. Houser P. R., de Lannoy G. J. M., Walker J. P. Hydrologic data assimilation. Approaches to Managing Disaster – Assessing Hazards, Emergencies and Disaster Impacts / ed. by J. Tiefenbacher. IntechOpen: Rijeka, 2012. P. 41–64. URL: https://doi.org/10.5772/31246.
7. Martens B., Miralles D. G., Lievens H. et al. GLEAM v3: satellite-based land evaporation and rootzone soil moisture. Geoscientific Model Development. 2017. Vol. 10. P. 1903–1925. URL: https://doi.org/10.5194/gmd-10-1903-2017.
8. Paniconi C., Marrocu M., Putti M., Verbunt M. Newtonian nudging for a Richards equation-based distributed hydrological model. Advances in Water Resources. 2003. Vol. 26. P. 161–178. URL: https://doi.org/10.1016/S03091708(02)00099-4.
9. Scipal K., Dorigo W., de Jeu R. Triple collocation — a new tool to determine the error structure of global soil moisture products. Geoscience and Remote Sensing Symposium (IGARSS): conference proceedings, Honolulu, 25-30 July 2010. IEEE, 2010. P. 4426–4429. URL: https://doi.org/10.1109/IGARSS.2010.5652128.
10. Kedzior M., Zawadzki J. Comparative study of soil moisture estimations from SMOS satellite mission, GLDAs database, and cosmic-ray neutrons measurements at COSMOS station in eastern Poland.Geoderma. 2016. Vol. 283. P. 21–31. URL: https://doi.org/10.1016/j.geoderma.2016.07.023.
11. Hang G., Ng J. L., Huang Y., Yong S. Performance of potential evapotranspiration models in Peninsular Malaysia. Journal of Water and Climate Change. 2021. URL: https://doi.org/10.2166/wcc.2021.018. (Preprint. IWA Publishing).
12. Melo M., de Jong van Lier Q. Revisiting the Feddes reduction function for modeling root water uptake and crop transpiration. Journal of Hydrology. 2021. Vol. 603. No. 126952. URL: https://doi.org/10.1016/j.jhydrol.2021.126952.
13. Terleev V., Mirschel W., Badenko V., Guseva I. An improved Mualem–Van Genuchten method and its verification using data on Beit Netofa clay. Eurasian Soil Science. 2017. Vol. 50, P. 445–455. URL: https://doi.org/10.1134/S1064229317040135.
14. Zhang Y., Schaap M. G. Weighted recalibration of the Rosetta pedotransfer model with improved estimates of hydraulic parameter distributions and summary statistics (Rosetta3). Journal of Hydrology. 2017. Vol. 547, P. 39–53. URL: https://doi.org/10.1016/j.jhydrol.2017.01.004.
15. Samarskiy A. A. The theory of difference schemes. New York: Marcel Dekker, 2001. 786 p.
16. Houser P. R., Shuttleworth W. J., Famiglietti J. S. et al. Integration of soil moisture remote sensing and hydrologic modeling using data assimilation. Water Resources Research. 1998. Vol. 34. No. 12. P. 3405–3420. URL: https://doi.org/10.1029/1998WR900001.
17. Conti G., Aydoğdu A., Gualdi S. et al. On the physical nudging equations. Climate Dynamics. 2021. URL: https://doi.org/10.1007/s00382-021-05972-w. (Preprint. Springer Nature).
18. Camporese M., Paniconi C., Putti M., Salandin P. Comparison of data assimilation techniques for a coupled model of surface and subsurface flow. Vadose Zone Journal. 2009. Vol. 8. No. 4. P. 837–845. URL: https://doi.org/10.2136/vzj2009.0018.
19. Mirosław-Świątek D. Application of Newtonian nudging data assimilation method in hydrodynamic model of flood flow in the lower Biebrza basin. Studia Geotechnica et Mechanica. 2012. Vol. 34, No. 2. P. 91–105. URL: https://doi.org/10.2478/sgm021208.
20. Vidard A., le Dimet F. X., Piacentini A. Optimal determination of nudging coefficients. Tellus A. 2003. Vol. 55. No. 1, P. 1–15. URL: https://doi.org/10.3402/tellusa.v55i1.14576.
21. Stauffer D. R., Bao J. W. Optimal determination of nudging coefficients using the adjoint equations. Tellus A: Dynamic Meteorology and Oceanography. 1993. Vol. 45. No. 5. P. 358–369. URL: https://doi.org/10.3402/tellusa.v45i5.14899.
22. Reichle R. H., Koster R. D., Liu P. et al. Comparison and assimilation of global soil moisture retrievals from the Advanced Microwave Scanning Radiometer for the Earth Observing System (AMSR-E) and the Scanning Multichannel Microwave Radiometer (SMMR). Journal of Geophysical Research. 2007. Vol. 112. No. D09108. URL: https://doi.org/10.1029/2006JD008033.
23. Holmes T. R. H., de Jeu R. A. M., Owe M., Dolman A. J. Land surface temperature from Ka band (37 GHz) passive microwave observations. Journal of Geophysical Research. 2009. Vol. 114, No. D04113. URL: https://doi.org/10.1029/2008JD010257.
24. Chan S., Bindlish R., O'Neill P. et al. Assessment of the SMAP passive soil moisture product. IEEE Transactions on Geoscience and Remote Sensing. 2016. Vol. 54. P. 1–14. URL: https://doi.org/10.1109/TGRS.2016.2561938.
25. Mironov V. L., Kerr Y., Wigneron J.-P. et al. Temperature- and texture-dependent dielectric model for moist soils at 1.4 GHz. IEEE Geoscience and Remote Sensing Letters. 2013. Vol. 10. P. 419–423. URL: https://doi.org/10.1109/LGRS.2012.2207878.
26. Gruber A., Dorigo W. A., Crow W., Wagner W. Triple collocation-based merging of satellite soil moisture retrievals. IEEE Transactions on Geoscience and Remote Sensing. 2017. Vol. 55. P. 6780–6792. URL: https://doi.org/10.1109/TGRS.2017.2734070.
27. Paulik C., Preimesberger W., Hahn S. et al. TUW-GEO/pytesmo: v0.12.0 (Python library). Zenodo. URL: https://doi.org/10.5281/zenodo.596422.
28. Dorigo W., Wagner W., Hohensinn R. et al. The International Soil Moisture Network: a data hosting facility for global in situ soil moisture measurements. Hydrology and Earth System Sciences. 2011. Vol. 15. P. 1675–1698. URL: https://doi.org/10.5194/hess-15-1675-2011.
29. Hersbach H., Bell B., Berrisford P. et al. The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society. 2020. Vol. 146, P. 1999–2049. URL: https://doi.org/10.1002/qj.3803.
30. Thea C. M. LaMetSy, Aggregated meteorogical database. URL: https://lametsy.pp.ua.
31. Poggio L., de Sousa L., Batjes N. et al. SoilGrids 2.0: Producing soil information for the globe with quantified spatial uncertainty. Soil. 2021. Vol. 7, P. 217–240. URL: https://doi.org/10.5194/soil-7-217-2021.
32. Yilmaz M., Crow W. Evaluation of assumptions in soil moisture triple collocation analysis. Journal of Hydrometeorology. 2014. Vol. 15, P. 1293–1302. URL: https://doi.org/10.1175/JHM-D-13-0158.1.
Опубліковано
2022-05-04
Як цитувати
Кожушко, О. Д., Бойко, М. В., Ковбаса, М. Ю., Мартинюк, П. М., Степанченко, О. М., & Уваров, М. В. (2022). EVALUATING PREDICTIONS OF THE SOIL MOISTURE MODEL WITH DATA ASSIMILATION BY THE TRIPLE COLLOCATION METHOD. Computer Science and Applied Mathematics, (2), 25-35. https://doi.org/10.26661/2413-6549-2021-2-03
Розділ
РОЗДІЛ I. ПРИКЛАДНА МАТЕМАТИКА
ISSN 
