《长时间序列土壤水数据及数据同化的几点思考》中主要介绍了研究背景，土壤水数据采集中的问题，特别是我们平常都是以为传感器读取的数据就是土壤水的相对真实的数据，实际上，我们必须要充分的认识到传感器读出的数据并不能真正的代表土壤的性状及其实时的数据，因为这些数据会有一些影响真实性的情况，比如说土壤的紧密度，土壤非均质性中的砂粒含量，孔隙度、空气含量能够影响到土壤水分含量的真实读数。

采集的数据必须要经过处理才能够得到真实数据。很多研究都表明，长时间的土壤水分数据，也就是大量的数据是可以通过数据的纠偏、清洗、预热和同化，才能得到真实的或者更符合真实的数据。

发言中指出土壤水分观测的数据存在系统性的偏差，需要进行校正，那么校正采样点到底距离这传感器布置点有多远合适。需要多个数据进行校正时，怎么样去分时段的取样，如何避免安装设备与土壤紧密接触面发生变化带来的误差。

发言里提出来重要的一个观点，就是我们的土壤水分数据不应该仅仅来自于土壤，它也可以通过气象数据推算得到，通过蒸发量在线学习认知模型来推算土壤应有的含水量，逐天采用气象参数的数据进行推算就是长时间土壤水分数据的同化筛选方法，同时也应该注意到我们还可以通过挖掘土壤的剖面得到的水分含量数据，通过这个数据和传感器得到的数据进行分析对比，最终得出合适的纠正传感器数据方法。

土壤水模型预热问题，实际上这是一个初始化计算参数的优化方法，也就是说我们在进行数据同化和分析前需要一段的时间数据的模拟，特别是利用模拟器气象观测去预热土壤水分运动模型时，将预约后的初级条件带入模型再进行模拟。

发言中也提到土壤水时空采样策略，影响模拟和参数反演的因素，土壤的非均质性和采样策略之间怎么去取舍？

发言中提出空间采样间隔应该小于相对采样的土壤断面的相关长度。时间采样策略分析土壤水分之间是相关性应该采取干旱期少取样，湿润期多取样的原则，确定采样观测日期和频度。

更多内容请咨询报告人。