CoLM陸面模式對中亞干旱荒漠草地生態系統陸面過程的數值模擬

井長青，安沙舟

(新疆農業大學草業與環境科學學院，新疆草地資源與生態重點實驗室，新疆 烏魯木齊 830052)

CoLM陸面模式對中亞干旱荒漠草地生態系統陸面過程的數值模擬

井長青，安沙舟*

(新疆農業大學草業與環境科學學院，新疆草地資源與生態重點實驗室，新疆 烏魯木齊 830052)

鑒于陸面模式在干旱半干旱區模擬性能較差，本研究運用Common Land Model(CoLM)陸面模式對中亞干旱荒漠草地生態系統進行了站點驗證，檢驗其在該區域的模擬性能，并分析了其陸面特征。結果表明，不同水分狀況的草地生態系統在能量分配上表現出明顯的差異性，干旱特征明顯的阜康站和咸海站能量分配表現為以感熱通量為主；水分狀況較好的巴爾喀什湖站能量分配以潛熱通量為主。CoLM陸面模式對典型干旱荒漠草地生態系統的陸面過程有較好的模擬性能，能正確描述能量通量的日變化特征。模型對研究站點夜晚感熱通量、土壤熱通量的模擬效果不太理想，夜間感熱通量模擬值略高于觀測值，土壤熱通量模擬明顯低于觀測值，在3個研究站點土壤熱通量偏差均大于50 W/m2，不能很好地描述晝夜溫差較大的干旱區夜間較強的土壤熱通量交換過程。

干旱區;荒漠草地;陸面過程;CoLM;湍流通量

中亞干旱半干旱區地處歐亞大陸內部，氣候干旱，其上分布著廣袤的荒漠草地。在全球變化背景下，近半個世紀以來，氣溫升高，降水區域差異顯著，其陸-氣界面能量、物質交換過程隨著氣候的變化必然呈現出特異的響應格局[1]。受人類活動影響，中亞干旱區部分區域生態環境發生退化，生態環境脆弱[2]。在全球變化大背景下，針對中亞地區脆弱的生態環境問題需開展陸面過程特征對氣候變化的響應研究。

陸面模式能準確刻畫陸-氣間物質、能量交換過程，已被廣泛地應用在全球變化研究中[3-6]。為了拓展陸面模式的應用范圍及精度，檢驗其在不同下墊面及氣候條件下的模擬性能，國外許多研究者在不同區域及站點進行了模擬研究[7-14]。1992年世界氣象組織大氣科學委員會下的數值試驗工作組與大陸尺度國際計劃聯合開展了陸面參數化的相互比較計劃(Project for Intercomparsion of Land-Surface Parameterization Scheme，PIPLS)，并開展了一系列關鍵參數的敏感性試驗，對20多個不同的陸面過程模式在相同的大氣強迫下，對陸面水熱通量的模擬進行了檢驗，驗證結果表明，不同的陸面模式對水、熱通量的模擬結果存在很大的差異，這也表明了陸面模式對地表湍流交換過程描述仍然存在很大的不確定性[15]。我國許多研究者也針對不同站點及區域對陸面模式進行了驗證。例如周文艷等[16]利用中國淮河流域試驗站資料，對生物圈大氣傳輸方案Biosphere Atmosphere Transfer Scheme(BATS)進行了模擬檢驗，結果表明BATS能很好地模擬我國夏季半濕潤地區陸面特征量的變化趨勢。Common Land Model(CoLM)是目前國際上較為先進的第三代陸面過程模式，已經被廣泛用于氣候模式開展氣候及相關地球資源環境研究[4]。宋耀明等[17]利用森林觀測站點資料，對CoLM陸面模式開展模擬驗證，結果表明模式能較好地模擬出森林站點地表能量特征及潛熱通量的變化。羅斯瓊等[18]也利用CoLM陸面模式在青藏高原那曲地區進行了站點模擬試驗，利用一個新的土壤熱傳導率參數化方案檢驗土壤溫度的模擬，結果表明該陸面模式能較好模擬高寒地區的能量分配特征。這些相關研究都極大地促進了陸面模式的發展，使得陸面模式的模擬性能有了非常大的提高。雖然近年來陸面模式已在全球多種生態系統中進行了模擬驗證，但其對干旱半干旱地區的模擬性能仍不樂觀[19]。究其原因，一方面是干旱區渦度相關站點缺乏，造成該區域陸面過程研究發展緩慢。另一方面，干旱區植被稀疏，地表湍流交換劇烈，陸面模式對與水分相關的植被、土壤參數敏感性較強，物理機制也更復雜。開展陸面模式在干旱區水分條件狀況較差下的模擬驗證，對拓展陸面模式在干旱區的應用研究具有重要意義。

因此，本研究利用渦度相關觀測數據對CoLM陸面模式在中亞干旱荒漠草地生態系統的模擬性能進行檢驗，對模型進行正確的參數化處理后，在3個干旱草地站點進行了數值模擬，并對模擬結果進行分析。本研究的主要目的是驗證該陸面模式對中亞干旱荒漠草地生態系統3個渦度相關站點地表能量通量的模擬效果，并分析不同干旱草地生態系統陸面過程特征差異。

1 材料與方法

1.1 CoLM陸面模式

本研究基于已在國內外許多站點得到驗證的CoLM陸面模式為研究平臺開展中亞干旱荒漠草地生態系統陸面特征的研究。CoLM陸面模式中決定陸面能量交換特征的物理過程由地表植被、土壤參數描述。涉及的主要植被參數包括植被類型、葉面積指數、根系功能、生物量等，土壤參數主要是土壤屬性參數。模型運行還需對應時間段的大氣強迫變量，以及站點基本信息數據。對陸面模式中關鍵地表參數的正確設置是決定模型模擬精度的一個關鍵因素，因此，在開展模型站點驗證時必須要對其進行正確的參數化處理。本研究CoLM陸面模式的模擬在Linux操作系統下進行，并利用Matlab軟件進行數據處理、分析及繪圖。

1.2 站點描述

阜康站(CN-FK，44°17′ N，87°56′ E)位于古爾班通古特沙漠南緣，典型溫帶大陸性荒漠氣候。建群種為荒漠灌木檉柳(Tamarixspp.)，伴生耐鹽堿的旱生草本，植被覆蓋度約為30%。咸海站(KZ-Ara，45°58′ N，61°05′ E)位于阿拉爾庫姆沙漠邊緣，主要植被類型為灌木(65%)及旱生草本植物(35%)，植被覆蓋度約為30%。巴爾喀什湖站(KZ-Bal，44°34′ N，76°39′ E)位于巴爾喀什湖與卡普恰蓋水庫之間，鄰近綠洲農田與荒漠，主要植被類型為草地，植被覆蓋度為50%(表1)。阜康站和咸海站氣候干旱，降雨稀少，植被稀疏，是亞洲中部干旱區典型荒漠生態系統的代表站點。巴爾喀什湖站也地處中亞干旱區，氣候條件與前兩個站接近，但因鄰近河流和綠洲農田，地表水分條件與前兩個站相比較好，陸面特征必定表現出與前兩個典型干旱荒漠站點的差異性，可作為對照研究。

本研究利用阜康站(2007-2009年)3個完整自然年度的數據，咸海站(2012年5-8月)、巴爾喀什湖站(2012年5-9月)生長季的氣象數據驅動CoLM陸面模式，驗證該陸面模式在中亞干旱荒漠草地生態系統的模擬效果。大氣強迫場包括太陽短波輻射、大氣長波輻射、降水速率、氣溫、風速、氣壓和比濕7個變量。

表1 研究站點描述

注：CN-FK表示阜康站，KZ-Ara表示咸海站，KZ-Bal表示巴爾喀什湖站。下同。

Note: CN-FK represents the Fukang site, KZ-Ara represents the Aral sea site, and KZ-Bal represents the Balhash Lake site. The same below.

CoLM利用氣象數據驅動陸面模式，地表湍流交換過程的模擬對氣象特征敏感性較強。從圖1描述的3個站點的氣象數據觀測值可以看出，阜康站太陽短波輻射和大氣長波輻射均表現出明顯的季節變化，在生長季輻射日均值峰值分別達到350和400 W/m2；降水多集中在春夏季，氣溫日均值介于0～25 ℃之間。生長季咸海站大氣長波輻射日均值約在400～500 W/m2之間波動，太陽短波輻射日均值在100～400 W/m2之間波動；降雨較集中，氣溫日均值在12～35 ℃之間。生長季巴爾喀什湖站的大氣長波輻射與太陽短波輻射日均值與咸海站在數值范圍上基本一致，但降水較分散，持續天數長，氣溫日均值低于咸海站，在15～27 ℃之間波動，氣溫日較差較小。從氣象數據可以看出，阜康站和咸海站氣象特征接近，典型干旱區特征明顯。巴爾喀什湖站因鄰近河流，受河流水汽蒸發及周圍農田灌溉地下水的影響，氣象特征更接近于農田生態系統(圖1)。

1.3 模型參數化

模型驅動及驗證數據采自渦度相關(eddy covariance，EC)觀測系統。本研究根據研究站點主要植被、土壤觀測資料對3個站點進行模型參數化過程，并用Zheng等[20]提出的根系吸水模型(RWUF1)替代CoLM陸面模式默認的根系吸水模型(RWUF0)，此模型的詳細比較驗證過程見文獻[20]。這個根系吸水效率模型用基于經驗參數的分段函數來表示(圖2)。

土壤可利用水分對根系吸水阻力的貢獻(α)及其累積因子(W)先由模型默認方法計算得出，再對求得的W用以下方法重新定義：

(1)

式中：Wc為經驗參數，并且模型重新設置變量ω參與根系吸水效率計算。

(2)

式中：α為某一層土壤可利用水分對根系吸水阻力的貢獻；αmax為最濕潤土壤層可利用水分對根系吸水阻力的貢獻，通過設置經驗閾值Wx使得只有最濕潤的土層吸收土壤水分。最終，土壤的根系吸水效率ε表示為：

圖1 站點氣象數據Fig.1 Meteorological data at the sites SW表示太陽短波輻射，LW表示大氣長波輻射，Prcp表示降雨，Tm表示氣溫。下同。SW is the short wave radiation, LW is the long wave radiation, Prcp is the precipitation, and Tm is air temperature. The same below.

ε=frootαW=frootαmω∑frootαmω (3)

圖2 模型默認的及Zheng等[20]提出的根系吸水模型的比較Fig.2 Comparison between the default and the modified root water uptake functions α指某一層土壤可利用水分對根系吸水阻力的貢獻，ψ是土壤水勢，θ是土壤含水量，ψwilt、θwilt指萎蔫點對應的土壤水勢及土壤含水量，ψsat、θsat為田間持水量對應的土壤水勢及土壤含水量，Wc為經驗參數，RWUF0為模型默認的根系吸水模型，RWUF1為Zheng等[20]提出的根系吸水模型。下同。α is root-efficiency used in RWUF1, ψ is matric potential, θ is volumetric of soil water content, ψwilt and θwilt are wilting point potential and wilting point of soil moisture, ψsat and θsat are wilting point potential and saturated soil water content, Wc is a experience parameter, RWUF0 is root water uptake function of the model default, RWUF1 is an optimal root water uptake function from Zheng et al[20]. The same below.

式中：froot為土壤層根分數，加入一經驗常量m使最終求得的根系吸水效率函數用一個非線性過程來表示。

這種根系吸水模型使得干燥的土層吸水效率較低，濕潤的土壤層吸水效率較高，并且當部分根系受到水分脅迫時，仍能維持較高的蒸騰速率。此方法更符合干旱半干旱生態系統植被用水策略，相對于本研究3個干旱荒漠草地站點來說，在陸面模式模擬過程中也更具有適用性。因此，本研究采用此根系吸水模型替代CoLM默認的根系吸水模型，以期獲得更好的模擬效果。模型基本參數設置見表2。

1.4 站點能量平衡分析

對渦度相關系統觀測數據使用前，需要進行能量閉合分析，通過能量閉合分析可評價渦度相關觀測系統觀測性能以及獲取通量數據的質量精度，已經被人們廣泛接受。在進行能量閉合分析評價時常采用能量平衡線性回歸方程，通過回歸方程評價站點觀測數據的能量閉合程度：

Rnet-G=Qle+Qh

(4)

式中：Qle、Qh、Rnet、G分別表示潛熱通量、感熱通量，凈輻射通量和土壤熱通量。

表2 模型主要參數設置Table 2 The parameterizations of the CoLM

注：Wc，Wx和m 是RWUF1中用到的3個經驗參數。

Note:Wc，Wxand m are empirical constants in RWUF1.

圖3 站點能量閉合情況Fig.3 Energy balance closure at the sites 斜率代表能量閉合率。R2為決定系數；RMSE為均方根誤差。Rnet為凈輻射通量，G為土壤熱通量，Qle為潛熱通量、Qh為感熱通量。下同。The slope of the solid line (fitted line) represents energy closure ratio. R2: Coefficient of determination; RMSE: Root mean square error. Rnet is net radiation, G is ground heat flux, Qle is latent heat flux, and Qh is sensible heat flux. The same below.

圖3為3個渦度相關觀測站點的能量閉合狀況，用(Rnet-G)和(Qle+Qh)的關系來表征?？梢钥闯龈房嫡?、咸海站、巴爾喀什湖站的能量閉合率(即斜率)分別為0.86、0.76、0.95，能量閉合率均較好，符合數據使用要求。

2 結果與分析

本研究利用氣象數據驅動CoLM陸面模式，通過渦度相關觀測數據驗證模擬效果。大氣強迫場及模型驗證的渦度相關通量數據均為0.5 h的數據。研究結果顯示，參數化后的CoLM陸面模式在干旱草地生態系統的模擬驗證取得了較好的結果，在阜康站、咸海站、巴爾喀什湖站的模擬效果都較理想。優化后的模型能很好地模擬能量通量四分量(Rnet，Qle，Qh，G)。

圖4為優化參數后模型模擬值與觀測值的散點圖，通量數據采用原始的30 min時間間隔數據，表3為散點圖對應的統計指標值(R2，RMSE，bs，b0)。從圖4和表3可以看出，陸面模式對3個研究站點凈輻射通量的模擬精度最高，R2均高于0.97。但是對于典型干旱荒漠草地生態系統，陸面模式在阜康站及咸海站的潛熱通量模擬精度較低，R2分別為0.69、0.62，對阜康站潛熱模擬偏低(斜率bs=0.71)，對咸海站潛熱模擬偏高(斜率bs=1.13)；而對于水分條件較好的巴爾喀什湖站的潛熱模擬精度較高，R2達到0.92。相反，模型對阜康站、咸海站感熱通量的模擬效果好于巴爾喀什湖站，3個研究站點的R2分別為0.86、0.84、0.69。CoLM對3個站點土壤熱通量的模擬均不理想，咸海站、巴爾喀什湖站土壤熱通量觀測值與模擬值雖然擬合較高，R2大于0.9，但是模擬值均偏??；阜康站模擬的土壤熱通量精度最低，R2僅為0.40(圖4，表3)。

能量四分量凈輻射通量、潛熱通量、感熱通量和土壤熱通量具有明顯的日變化特征，圖5為3個研究站點(CN-FK，KZ-Ara，KZ-Bal)4個能量分量(Rnet、Qle、Qh和G)觀測值與模擬值的日變化特征。從圖中可以看出4個能量分量均表現出“單峰型”的日變化特征。

圖4 凈輻射通量、潛熱通量、感熱通量、土壤熱通量模擬值與觀測值的比較Fig.4 Comparison between the observed and the model half-hourly net radiation, latent heat flux, sensible heat flux, and ground heat flux黑色實線表示模型模擬值與實測值的線性回歸，黑色虛線為1∶1線。The solid black line represents the linear regression between the simulation and the observed data, and the dashed line represents a 1∶1 relationship between the datasets.

變量VariablesCN?FKR2RMSEbsb0KZ?AraR2RMSEbsb0KZ?BalR2RMSEbsb0Rnet0．9768．280．97-57．260．9738．350．9610．810．9837．990．8913．72Qle0．6931．980．7115．640．6245．661．1320．990．9241．730．8828．73Qh0．8631．840．890．200．8443．070．9233．660．6931．820．6921．84G0．4076．160．88-50．800．9265．391．03-61．760．9843．071．03-42．64

bs：斜率；b0：截距。bs: Slope;b0: Intercept.

圖5 凈輻射通量、潛熱通量、感熱通量、土壤熱通量模擬值與觀測值日變化的比較Fig.5 Comparison between the observed and the model half-hourly net radiation, latent heat flux, sensible heat flux, and ground heat flux on a diurnal course “+”表示觀測值，黑色實線表示模型模擬值。The sign “+” indicates observed data, and the black line shows the simulated data.

對于阜康站，觀測值Rnet>Qh>Qle>G，4個能量通量均表現在正午時分(14點)出現峰值，依次分別達到400、180、110、90 W/m2，能量分配表現為以感熱通量為主。模型模擬的凈輻射通量、感熱通量、潛熱通量均較好，僅表現為凈輻射值均略低于觀測值，但是對土壤碳通量的模擬精度較差，模擬值遠小于觀測值。

對于咸海站，觀測值Rnet>Qh>G>Qle，4個能量通量峰值依次分別達到420、170、140、110 W/m2，感熱通量所占量值較大。從圖中可以看出模擬的凈輻射通量、感熱通量與觀測值吻合較好，感熱通量在夜間模擬值明顯略高。但是對白天的潛熱通量，尤其是中午時段模擬值明顯偏高，模型模擬的感熱通量在中午時分的峰值甚至接近150 W/m2，而觀測的峰值約為100 W/m2。對土壤熱通量的模擬值不論白天、夜間均小于觀測值。

對于巴爾喀什湖站，觀測值Rnet>Qle>G>Qh，4個能量通量峰值依次分別達到550、380、100、80 W/m2，表現出類似于水分狀況較好的農田生態系統的能量分配特征，潛熱通量的量值較大。從圖中可以看出模型模擬的凈輻射通量、潛熱通量在白天及夜間均與觀測值吻合較好，但是對夜間感熱通量的模擬值高于觀測值，對土壤熱通量的模擬值在日變化曲線上與觀測值較接近，但是始終低于觀測值。

3 討論

陸地表面通過與大氣之間發生水分和能量相互交換作用，對氣候產生重大影響。陸面模式可用來研究不同生態系統、不同氣候條件下陸-氣間的能量、水、碳交換特征差異，為區域資源環境研究提供必要的理論依據。在全球氣候變化大背景下，明確植被與氣候的相互反饋作用，完善和改進陸面模式的模擬能力非常重要。因此，陸面過程的研究在氣候、生態、環境，以及全球變化諸多領域中有它的重要性和必要性[21-22]。然而，當前進行陸面過程研究仍有很多難點，地表覆蓋特征復雜多樣，土壤空間特征差異顯著、分布不均，陸面模式中許多與植被、土壤密切相關的地表參數無法精確描述，這些都使得陸面過程參數化過程困難[23-25]。因此，仍需探討其在不同地表、水文狀況下的參數化過程，提高其對地表湍流通量的模擬精度，擴大陸面模式在不同生態系統、不同氣候條件下的應用范圍。

干旱區分布面積廣，是陸地上重要的下墊面，干旱荒漠草地生態系統是干旱半干旱區重要的地表生態類型。提高陸面模式對干旱區地表湍流通量的模擬能力有助于加深對該區域氣候、水文、生態等的研究[26]。然而通過目前的研究發現，許多陸面模式在對干旱半干旱區受水分脅迫較大的下墊面陸面過程模擬仍存在嚴峻的考驗，對地表能量、水碳的模擬存在較大偏差。植物根系是聯系地圈-生物圈-大氣圈能量、物質循環的紐帶，準確描述陸面模式中植物根系吸水過程是精確模擬地表能量、水、碳循環過程的關鍵。已有的很多研究已將不同的根系吸水模型應用到陸面模式中，但是針對干旱荒漠生態系統的研究較少。

本研究借鑒了前人對陸面模式在干旱區模擬驗證中發現的問題，對主要地表參數進行了更精確的參數化過程，尤其對地下根系吸水過程，利用在干旱區通過模擬驗證的Zheng等[20]提出的根系吸水模型替代CoLM陸面模式默認的根系吸水模型，取得了較好的模擬效果，改進后的模型對中亞干旱荒漠生態系統3個典型站點地表湍流通量的模擬與觀測值吻合較好。說明陸面模式在植被覆蓋度較低、水分狀況較差的干旱半干旱區應用研究中，應特別重視關鍵植被、土壤參數的參數化過程，尤其應針對干旱區植被特殊的根系吸水過程，基于干旱區植被高根冠比、深根系、高根系吸水效率等特征建立適合干旱區植被的根系吸水模型，是陸面模式精確模擬地表湍流通量的關鍵。

干旱半干旱區特殊的植被、氣候、水文特征使得陸面模式的參數化過程異常復雜，開展該區域陸面模式研究要充分認識到干旱區植被特殊的生理生態、水文過程，以及地表差異。要進一步對陸面模式開展更精細的參數化過程，并有效的結合遙感技術獲取更全面的地表參數數據[27-29]，提高陸面模式在大范圍的區域模擬應用能力，為陸面模式更好地服務于地球資源環境領域研究奠定基礎。

4 結論

本研究對目前國際上較先進的CoLM陸面過程模式進行了驗證，分析了其對中亞干旱荒漠草地生態系統3個渦度相關站點(CN-FK，KZ-Ara，KZ-Bal)地表能量通量的模擬效果。主要結論如下：

1)不同水分狀況的草地生態系統在能量分配上表現出明顯的差異性，在以灌叢-草地為主的干旱荒漠生態系統(CN-FK，KZ-Ara)，地表能量以感熱通量為主；而水分條件較好的草地生態系統(KZ-Bal)在能量分配中潛熱通量明顯高于感熱通量值。

2)CoLM陸面模式對典型干旱荒漠草地生態系統的陸面過程有較好的模擬性能，并能正確描述能量通量四分量(Rnet，Qle，Qh，G)的日變化特征。

3)模型對干旱荒漠草地生態系統夜晚感熱通量、土壤熱通量的模擬效果不太理想，夜間，感熱通量模擬值略高于觀測值，土壤熱通量模擬值低于觀測值，不能很好地描述晝夜溫差大的干旱區夜間較強的土壤熱通量交換過程。

References：

[1] Lal R. Carbon sequestration in dryland ecosystems. Environmental Management, 2004, 33(4): 528-544.

[2] Wang J S. Study on Regional Climate Response to Global Warming in the Arid Central-East Asia Over the Past 100 Years[D]. Lanzhou: Lanzhou University, 2006. 王勁松. 近100年來中東亞干旱區對全球變暖的區域氣候響應研究[D]. 蘭州: 蘭州大學, 2006.

[3] Bonan G B, Lawrence P J, Oleson K W,etal. Improving canopy processes in the Community Land Model version 4 (CLM4) using global flux fields empirically inferred from FLUXNET data. Journal of Geophysical Research, 2011, 116： G02014.

[4] Dai Y J, Zeng X B, Dickinson R E,etal. The Common Land Model. Bulletin of the American Meteorological Society, 2003, 84: 1013-1023.

[5] Sellers P J, Randall D A, Collatz G J,etal. A revised land surface parameterization (SiB2) for atmospheric GCMs. Part I: Model formulation. Journal of Climate, 1996, 9(4): 676-705.

[6] Niu G Y, Hong Z X, Sun S F. Status and developmental trends of land surface processes study. Advance in Earth Sciences, 1997, 12(1): 20-25. 牛國躍, 洪鐘祥, 孫菽芬. 陸面過程研究的現狀與發展趨勢. 地球科學進展, 1997, 12(1): 20-25.

[7] Choi M, Lee S O, Kwon H. Understanding of the Common Land Model performance for water and energy fluxes in a farmland during the growing season in Korea. Hydrological Processes, 2010, 24(8): 1063-1071.

[8] Donner L J, Wyman B L, Hemler R S,etal. The dynamical core, physical parameterizations, and basic simulation characteristics of the atmospheric component AM3 of the GFDL Global Coupled Model CM3. Journal of Climate, 2011, 24(13): 3484-3519.

[9] Li Z C, Wei Z G, Wang C,etal. Simulation and improvement of common land model on the bare soil of Loess Plateau underlying surface. Environmental Earth Sciences, 2012, 66: 1091-1097.

[10] Molders N, Haferkorn U, Doring J,etal. Long-term investigations on the water budget quantities predicted by the hydro-thermodynamic soil vegetation scheme (HTSVS)-Part I: Description of the model and impact of long-wave radiation, roots, snow, and soil frost. Meteorology and Atmospheric Physics, 2003, 84(1): 115-135.

[11] Nasonova O N, Gusev Y M, Kovalev E E. Investigating the ability of a land surface model to simulate hydrological processes in cold and mountainous regions. Cold and Mountain Region Hydrological Systems under Climate Change: Towards Improved Projections, 2013, 360: 99-104.

[12] Rodell M, Houser P, Jambor U E A,etal. The global land data assimilation system. Bulletin of the American Meteorological Society, 2004, 85(3): 381-394.

[13] Wang S S, Grant R F, Verseghy D L,etal. Modelling carbon-coupled energy and water dynamics of a boreal aspen forest in a general circulation model land surface scheme. International Journal of Climatology, 2002, 22(10): 1249-1265.

[14] Wei H L, Xia Y L, Mitchell K E,etal. Improvement of the Noah land surface model for warm season processes: evaluation of water and energy flux simulation. Hydrological Processes, 2013, 27(2): 297-303.

[15] Lohmann D, Lettenmaier D P, Liang X,etal. The project for intercomparison of land-surface parameterization schemes (PILPS) phase (c) Red-Arkansas River basin experiment: 3. Spatial and temporal analysis of water fluxes. Global and Planetary Change, 1998, 19: 161-179.

[16] Zhou W Y, Luo Y, Guo P W. A modified BATS and its offline experiments. Journal of Nanjing of Meteorology, 2005, 28(6): 730-738. 周文艷, 羅勇, 郭品文. 10層陸面過程模式及其Offline獨立試驗. 南京氣象學院學報, 2005, 28(6): 730-738.

[17] Song Y M, Guo W D, Zhang Y C. Simulation of latent heat flux exchange between land surface and atmosphere in temperate mixed forest and subtropical artificial coniferous forest sites in China by CoLM. Plateau Meteorology, 2008, 27(5): 967-977. 宋耀明, 郭維棟, 張耀存. CoLM模式在中國溫帶混交林和亞熱帶人工針葉林的水熱通量模擬性能評估. 高原氣象, 2008, 27(5): 967-977.

[18] Luo S Q, Lv S H, Zhang Y,etal. Simulation analysis on land surface process of BJ site of Central Tibetan Plateau using CoLM. Plateau Meteorology, 2008, 27(2): 259-271. 羅斯瓊, 呂世華, 張宇, 等. CoLM模式對青藏高原中部BJ站陸面過程的數值模擬. 高原氣象, 2008, 27(2): 259-271.

[19] Liu J T, Ma Z G, Luo D H. A study on the thermal process simulations of multiple land surface models in Xinjiang. Plateau Meteorology, 2009, 28(6): 1242-1249. 劉金婷, 馬柱國, 羅德海. 三個陸面模式對新疆地區陸面過程模擬的對比研究. 高原氣象, 2009, 28(6): 1242-1249.

[20] Zheng Z, Wang G. Modeling the dynamic root water uptake and its hydrological impact at the Reserva Jaru site in Amazonia. Journal of Geophysical Research-Biogeosciences, 2007, 112(G4): 8512-8518.

[21] Dai Y, Zeng X, Dickinson R E. The Common Land Model (CLM). AGU Spring Meeting Abstracts, 2001, 84(8): 1013-1023.

[22] Zeng X B, Shaikh M, Dai Y J,etal. Coupling of the common land model to the NCAR community climate model. Journal of Climate, 2002, 15(14): 1832-1854.

[23] Li J, Duan Q Y, Gong W,etal. Assessing parameter importance of the Common Land Model based on qualitative and quantitative sensitivity analysis. Hydrology and Earth System Sciences, 2013, 17(8): 3279-3293.

[24] Shao Y P, Liu S F, Schween J H,etal. Large-eddy atmosphere-land-surface modelling over heterogeneous surfaces: Model development and comparison with measurements. Boundary-Layer Meteorology, 2013, 148(2): 333-356.

[25] Van den Hoof C, Vidale P L, Verhoef A,etal. Improved evaporative flux partitioning and carbon flux in the land surface model JULES: Impact on the simulation of land surface processes in temperate Europe. Agricultural and Forest Meteorology, 2013, 181: 108-124.

[26] Fang Y L, Sun S F, Li Q,etal. The optimization of parameters of land surface model in arid region and the simulation of land-atmosphere interaction. Chinese Journal of Atmospheric Sciences, 2010, 34(2): 290-306. 房云龍, 孫菽芬, 李倩, 等. 干旱區陸面過程模型參數優化和地氣相互作用特征的模擬研究. 大氣科學, 2010, 34(2): 290-306.

[27] Wang K, Tang R L, Li Z L. Comparison of integrating LAS/MODIS data into a land surface model for improved estimation of surface variables through data assimilation. International Journal of Remote Sensing, 2013, 34(9/10): 3193-3207.

[28] Hammer C. Assimilation of remote sensing data products into Common Land Model for evapotranspiration forecasting. Electronic Research Announcements of the American Mathematical Society, 2008, 19(4): 24-34.

[29] Silvestro F, Gabellani S, Delogu F,etal. Exploiting remote sensing land surface temperature in distributed hydrological modelling: the example of the continuum model. Hydrology and Earth System Sciences, 2013, 17(1): 39-62.

Simulation analysis of land surface processes in central Asian desert grassland ecosystems using CoLM

JING Chang-Qing, AN Sha-Zhou*

CollegeofGrasslandandEnvironmentSciences,XinjiangAgriculturalUniversity,KeyLaboratoryofGrasslandResourcesandEcologyofXinjiang,Urumqi830052,China

The performance of a land surface heat flux model known as the Common Land Model (CoLM) was investigated in arid and semi-arid areas, in desert grassland ecosystems over Central Asia. The model performance was tested for three sites; Fukang, the Aral sea, and Balhash Lake, and the characteristics of the land surface were also analyzed for these three sites. It was found that water status of the grassland ecosystem had a major impact on the pattern of energy flux. Sensible heat flux was the dominant component of the diurnal energy balance at the Fukang site and Aral sea sites, which displayed obvious drought characteristics. The dominant energy component was the latent heat flux at Balhash Lake site, which was less arid than the other sites. CoLM performed well in typical desert grassland ecosystems, and correctly described the diurnal variation in energy fluxes. The simulations for sensible heat flux and ground heat flux overnight were less accurate. At night, the simulated sensible heat flux was higher than the observed values, and the simulated ground heat flux was significantly lower than the observed data. The deviation was greater than 50 W/m2at each site. The model does not adequately describe the soil heat flux exchange process at night in arid areas which have a large temperature differential between day and night.

arid area; desert grassland; land surface process; CoLM; turbulent fluxes

2016-10-13；改回日期：2016-12-05

國家自然科學基金項目(41561021)，中國博士后科學基金第60批面上資助(2016M602952XB)和新疆農業大學博士后流動站資助。

井長青(1986-)，女，新疆烏魯木齊人，講師，博士。E-mail：jingchangqing@126.com*通信作者Corresponding author. E-mail：xjasz@126.com

10.11686/cyxb2016385 http://cyxb.lzu.edu.cn

井長青, 安沙舟. CoLM陸面模式對中亞干旱荒漠草地生態系統陸面過程的數值模擬. 草業學報, 2017, 26(3): 13-21.

JING Chang-Qing, AN Sha-Zhou. Simulation analysis of land surface processes in central Asian desert grassland ecosystems using CoLM. Acta Prataculturae Sinica, 2017, 26(3): 13-21.