Stima del contenuto d’acqua nel suolo dall’integrazione di stime satellitari e di un modello analitico: risultati preliminari in Cina

Stima del contenuto d’acqua nel suolo dall’integrazione di stime satellitari e di un modello analitico: risultati preliminari in Cina

Come citare questo articolo

Wang, Y., Leng, P., Ma, J., Manfreda, S., Ma, C., Song, Q., Shang, G.-F., Zhang, X., & Li, Z. L. (2024). Generation of root zone soil moisture from the integration of all-weather satellite surface soil moisture estimates and an analytical model: A preliminary result in China. Journal of Hydrology, 132098. doi.org/10.1016/j.jhydrol.2024.132098

Leggi l’articolo (DOI)Scarica il PDFTutte le pubblicazioni

BibTeX
@article{wang2024rootzone,
  author  = {Wang, Y. and Leng, P. and Ma, J. and Manfreda, S. and Ma, C. and Song, Q. and Shang, G.-F. and Zhang, X. and Li, Z. L.},
  title   = {{Generation of root zone soil moisture from the integration of all-weather satellite surface soil moisture estimates and an analytical model: A preliminary result in China}},
  journal = {Journal of Hydrology},
  year    = {2024},
  pages   = {132098},
  doi     = {10.1016/j.jhydrol.2024.132098}
}

Oltre ai dati sull’umidità superficiale del suolo (SSM), l’umidità del suolo nella zona radicale (RZSM) è particolarmente significativa per le decisioni relative all’irrigazione e gli avvisi di siccità agricola, poiché l’assorbimento dell’acqua avviene generalmente attraverso i sistemi radicali delle piante. In questo studio, è stato generato un dataset giornaliero di RZSM a risoluzione 0,05° che copre le principali aree terrestri della Cina, utilizzando in sinergia le stime satellitari di SSM e un modello analitico RZSM-SSM. In primo luogo, basandosi sui dataset di SSM e RZSM derivati dalla quinta generazione di rianalisi atmosferica (ERA5-Land), l’algoritmo Markov Chain Monte Carlo è stato applicato per ottimizzare il modello di relazione analitica dell’umidità del suolo (SMAR) e determinare quattro parametri essenziali per ogni pixel dell’area di studio. Inoltre, i parametri SMAR ottimizzati sono stati integrati con i dati giornalieri di SSM satellitare (a risoluzione 0,05°) per prevedere l’RZSM giornaliera in Cina. Infine, a causa della mancanza di misurazioni RZSM in situ con una risoluzione spaziale di 0,05°, due prodotti RZSM, ovvero l’RZSM basato su Soil Moisture Active Passive (SMAP) e l’RZSM basato sul sistema di assimilazione dei dati meteorologici della China Meteorological Administration (CLDAS), sono stati utilizzati come riferimenti per valutare preliminarmente i dati stimati. I risultati hanno mostrato correlazioni complessivamente buone tra SMAP_RZSM e RZSM stimato (coefficiente di correlazione R variabile da 0,557 a 0,655) e tra CLDAS_RZSM e RZSM stimato (R variabile da 0,496 a 0,596) in quattro giorni rappresentativi delle stagioni di primavera, estate, autunno e inverno del 2019. Sebbene l’approccio proposto possa sovrastimare o sottostimare la RZSM rispetto ai due prodotti di riferimento in diverse stagioni, è stata ottenuta un’accuratezza complessiva accettabile con un errore quadratico medio non distorto di circa 0,070–0,090 cm3/cm3.

Citazione: Wang, Y., Leng, P., Ma, J., Manfreda, S., Ma, C., Song, Q., Shang, G.-F., Zhang,X., & Li, Z. L., Generation of root zone soil moisture from the integration of an all-weather satellite surface soil moisture estimates and an analytical model: A preliminary result in China. Journal of Hydrology, 132098, 2024.[pdf]