基于CLDAS2.0驅動數據的中國區域土壤濕度模擬與評估

師春香， 姜立鵬， 朱 智， 姜志偉， 梁 曉， 韓 帥， 張 濤

(1.南京信息工程大學地理與遙感學院，江蘇南京 210044； 2.國家氣象信息中心，北京 100081)

土壤濕度是反映陸面表面狀況的一個重要物理量[1-2]，也是農業干旱監測中的重要指標[3-5]。土壤濕度在時間尺度上具有周尺度甚至月尺度的記憶能力，可直接影響短期氣候變化和中尺度天氣過程[6]；同時土壤濕度可以通過影響地表反照率和蒸散發，進而對農作物生長產生影響[7]。盡管土壤濕度在農業氣象、氣候變化等研究中非常重要，但是觀測值的有限密度和數量制約了相關研究的開展[8-9]，因此研究者通過使用陸面模式對陸表狀況進行模擬[10]，獲取時空分布連續的土壤濕度模擬結果，進而開展相關研究。

盡管研究者們在陸面模型發展與改進方面開展了大量的工作，但是陸面模式的模擬結果仍然存在一定的誤差。改善陸面模式模擬結果的途徑主要有以下4種：(1)制作更為精確的大氣驅動數據[11]；(2)更換土壤質地等地表參數[12]；(3)改進陸面模式中的物理過程[13]；(4)同化觀測資料[14]，其中高質量、高時空分辨率的大氣驅動數據是準確的陸面過程模擬中不可缺少的。

對于陸面模式研究者來說，缺乏長時間序列的、高分辨率的、接近真實的大氣驅動數據一直是困擾他們的一大問題[15]，并且大量關于大氣驅動數據的研究也證明了準確的、有更多觀測信息存在的驅動數據對于提高陸面模式模擬結果的重要性，大氣驅動數據的質量對陸面模式真實模擬地表狀況影響很大[16-19]。近年來，許多研究團隊致力于研究全球以及區域的大氣驅動數據作為陸面模式的驅動場[20-25]。盡管國際上已有幾套全球大氣強迫數據集可供陸面過程研究使用，但在全球各地的質量有很大的差異。雖然中國研究者最近幾年也開展過關于大氣驅動數據集的研究[26-32]，但還缺少高質量、高時空分辨率的大氣驅動數據集供相關研究使用，可以說高質量、高時空分辨率的中國區域大氣驅動數據的缺乏已經變成制約陸面過程模擬及相關研究的重要因素。

筆者基于高質量、高時空分辨率的中國氣象局陸面數據同化系統(CMA Land Data Assimilation System，CLDAS)2.0驅動數據，運行Noah-MP陸面模式對中國區域土壤濕度進行模擬，并根據逐小時的土壤濕度觀測值對土壤濕度模擬結果進行評估，探討在使用高質量、高時空分辨率驅動數據的情況下，陸面模式對土壤濕度的模擬精度，試圖為農業干旱監測提供更為準確的土壤濕度格點數據。

1 數據與方法

1.1 土壤濕度觀測值及質量控制方法

本研究所使用的土壤濕度觀測來源于國家氣象信息中心資料服務室，時間分辨率為逐小時，時間尺度是2013—2014年。

由于目前土壤水分自動站點在處于布設-驗收-業務化的過程中，土壤濕度觀測值的質量參差不齊，因此對于土壤濕度觀測值進行質量控制是很有必要的。氣象數據質量控制一般包括極限值檢查、時間一致性檢查、空間一致性檢查等步驟，本研究參考了韓帥提出的土壤濕度觀測值質量控制方案[33]，并根據觀測值實際情況對質量控制方案進行相應的改動。本研究所使用的土壤濕度觀測值質量控制方法包括以下3步：(1)由于觀測儀器的土壤體積含水量測量范圍是0～0.5 mm3/mm3，并且在土壤濕度觀測站點所在的場地不會出現土壤中沒有水分的情況，因此剔除了≤0或 >0.5 mm3/mm3的土壤濕度觀測值；(2)由于在0 ℃以下，土壤中的水分會以固態和液態2種形態存在，同時土壤濕度觀測儀器在0 ℃以下并不能正常工作，因此根據站點的10 cm土壤溫度觀測值對相應時次的土壤濕度觀測值進行過濾，如果10 cm土壤溫度觀測值小于0 ℃，則剔除相應時刻的土壤濕度觀測值；(3)由于各土壤濕度觀測站開始業務化的時間并不一致且各站點的土壤濕度觀測值質量存在差異，須要選取有效觀測值較多的站點，因此本研究剔除了年觀測時間 <180 d 站點的所有土壤濕度觀測值。經過質量控制后，選取931個站點的0～10 cm土壤濕度觀測值，站點分布情況如圖1所示，由此可以看出經過質量控制后的土壤濕度觀測站呈現東南密集、西北稀疏的空間分布特征，并且由于剔除了10 cm土壤溫度<0 ℃時對應的土壤濕度，在青藏高原地區只有零星站點在質量控制后保留了下來。

由于在土壤濕度觀測值質量控制過程中，北方地區的冬季土壤濕度觀測值大多數被剔除，為了在研究中與其他地區的土壤濕度情況進行對比，筆者選取了2013—2014年4—10月的0～10 cm土壤濕度作為研究對象。

1.2 CLDAS2.0驅動數據

《國家氣象科技創新工程(2014—2020年)實施方案》明確指出，研制中國區域千米分辨率地面氣溫、氣壓、濕度、風、降水、輻射、土壤溫濕度、積雪等產品是國家氣象信息中心的任務之一。為了完成這一目標，國家氣象信息中心進行了較長遠的發展規劃，位于核心地位的是中國氣象局陸面數據同化系統(CLDAS)的建設，該系統計劃分為4個階段進行，即CLDAS1.0～CLDAS4.0。其中，CLDAS1.0系統目前已經在國家氣象信息中心業務運行，其主要目標是設計一個可擴展的陸面數據同化系統框架，并為系統升級預留接口。2015年，國家氣象信息中心氣象數據研究室開始了CLDAS2.0系統研發工作，其主要任務是建設一個較長時間序列(2008—2014年)的大氣驅動數據以及實現基于該大氣驅動數據的多個陸面模式運行，并且為建立長時間序列(1979年至今)的大氣驅動數據做準備。本研究使用的CLDAS2.0驅動數據來源于國家氣象信息中心氣象數據研究室，包括近地面氣溫、氣壓、濕度、風速、降水和短波輻射6個要素，空間分辨率為 0.062 5°，時間分辨率為1 h。

1.3 Noah-MP陸面模式

Noah-MP(the Community Noah Land Surface Model with Muti-Parameterization Options)陸面模式是CLDAS2.0系統添加的主要陸面模式，也是美國新一代的陸面模式。目前Noah-MP陸面模式已經廣泛應用于陸面過程模擬研究。Yang等利用Noah-MP陸面模式對全球50個主要流域的水文狀況進行模擬，結果表明Noah-MP陸面模式能夠較好地模擬出地表溫度、土壤濕度等重要的陸表變量[34]；Cai等利用北美陸面數據同化系統(North-American Land Data Assimilation Systems，NLDAS)平臺測試了4個陸面模式(Noah、Noah-MP、CLM、VIC)在水文上的表現，結果表明，相對于其他3個陸面模式，Noah-MP陸面模式在模擬土壤濕度以及陸地水儲量上表現得最好[35]。

由于表層土壤濕度對于農作物生長以及氣候變化研究是十分重要的，因此本研究選取了0～10 cm土壤濕度作為研究對象。同時為了在區域尺度上對土壤濕度的模擬結果進行評估，參考朱晨等的研究結果[8]，并結合實際觀測站點的空間分布，在中國區域選取6個研究區(圖2)，其中Ⅰ區為東北地區，Ⅱ區為華北地區，Ⅲ區為江淮地區，Ⅳ區為東南地區，Ⅴ區為西北東部地區，Ⅵ為西南地區。

2 結果與分析

2.1 土壤濕度模擬誤差的空間分布

圖3給出了由中國區域0～10 cm土壤濕度觀測值與Noah-MP模擬值的空間分布，由此可以看出，東南地區是土壤濕度的高值區，土壤體積含水量都在0.25～0.40 m3/m3之間，而河套地區是土壤濕度的低值區，土壤體積含水量在0.05～0.15 m3/m3之間，土壤濕度從西北地區向東南和西南地區遞增。從0～10 cm土壤濕度的空間分布來看，華北地區較為干燥，而東南和西南地區較為濕潤，這樣的土壤濕度分布特點與孫丞虎等的研究結果[36-37]較為一致。從圖3-b可以看出，Noah-MP模式對中國東部土壤濕度的模擬結果也呈現出從西北地區向東南和西南地區遞增的特點，但略有差異，主要體現在對于新疆南部地區土壤濕度出現了明顯的低估，這可能是由2個原因造成的：(1)觀測站點所在地與整體環境出現了差異；(2)剔除了10 cm土壤溫度<0 ℃時的0～10 cm土壤濕度觀測值，造成一些土壤濕度觀測低值沒有通過質量控制流程。Noah-MP模式在河套地區出現了輕微的高估；而對于東南地區和西南地區的土壤濕度模擬得很好。從空間相關系數來看，Noah-MP土壤濕度模擬值與觀測值之間的相關系數為0.538，可以通過0.05水平的顯著性檢驗。

圖4給出了Noah-MP模式0～10 cm土壤濕度模擬值與觀測值偏差的空間分布，可以看出東南地區主要出現低估，呈負偏差，而在北方地區主要呈正偏差；Noah-MP在新疆地區存在一個負偏差高值中心，這可能與使用的觀測值有關；同時在四川省存在一個正偏差高值中心，這可能是由于觀測儀器的參數出現了問題，陳東東等研究表明，四川省的人工觀測土壤濕度和自動觀測土壤濕度之間存在較大的差異，而一般認為通過人工烘干稱質量觀測的土壤濕度觀測值較為準確，因此四川省的土壤濕度自動觀測值是否準確是值得商榷的[38]。從Noah-MP模式0～10 cm土壤濕度模擬值與觀測值偏差的統計情況(圖5)可以看出，偏差主要分布在 -0.09～0.09 m3/m3以內，其中Noah-MP模式0～10 cm土壤濕度模擬值在69.1%的站點與觀測值的偏差在-0.06～0.06 m3/m3之間，在37.7%的站點與觀測值的偏差在 -0.03～0.03 m3/m3之間，在呈現負偏差的站點(占總站點數目的52.6%)略多于呈現正偏差的站點(占總站點數目的47.4%)。

圖6給出了Noah-MP模式0～10 cm土壤濕度模擬值與觀測值相關系數的空間分布，可以看出土壤濕度模擬值與觀測值的相關性在東部地區較強，在大部分站點與觀測值的相關系數大于0.5；而相關性在西部地區較弱，特別是在新疆地區，模擬值在大部分站點與觀測值的相關系數均小于0.4。從Noah-MP模式0～10 cm土壤濕度模擬值與觀測值相關系數的分布情況(圖7)可以看出，相關系數在各個區間均有分布，但是主要分布在0.5及以上，其中在60%以上的站點，土壤濕度模擬值與觀測值的相關系數大于0.6，可以通過 0.05水平的顯著性檢驗。

2.2 土壤濕度模擬誤差的時間分布

在分析了站點尺度土壤濕度比較結果的基礎上，在區域尺度上對Noah-MP模式的土壤濕度模擬值與觀測值進行對比分析。由于在西北西部和青藏高原研究區的土壤濕度觀測站較為稀疏，代表性不足，本試驗并沒有對西北西部和青藏高原研究區的土壤濕度模擬誤差時間分布進行研究。從圖8-a、圖8-b可以看出，Noah-MP對于4—5月期間的東北研究區的0～10 cm土壤濕度存在明顯的低估，這表明Noah-MP模式在凍土融化時的土壤濕度模擬方面還須要進一步改進；從圖8-e、圖8-f可以看出，在江淮研究區，Noah-MP模式可以抓住土壤濕度的變化，但是存在輕微的低估。從全國尺度看，盡管土壤濕度模擬值與觀測值的變化趨勢基本一致，但是Noah-MP的土壤濕度模擬值在春季和秋季存在輕微的低估，而在夏季與觀測更為接近。

由表1可以看出，東北地區Noah-MP模式的0～10 cm土壤濕度模擬值與觀測值的相關性低于其他5個研究區，相關系數為0.665，而其他5個研究區的相關系數都大于0.9，從全國尺度來看，Noah-MP模式的0～10 cm土壤濕度模擬值與觀測值的相關性很強，相關系數達到0.939；從區域尺度和全國尺度來看，0～10 cm 土壤濕度模擬值與觀測值的偏差較小，都在 -0.03～0.03 m3/m3之間，其中江淮地區、西南地區的偏差較大，分別為-0.027、0.023 m3/m3；6個研究區0～10 cm土壤濕度模擬值與觀測值的均方根誤差都在-0.03～0.03 m3/m3以內，其中江淮地區的均方根誤差最大，為 0.03 m3/m3，西北東部地區的均方根誤差最小，為 0.01 m3/m3。

3 結論與討論

基于國家氣象信息中心提供的CLDAS2.0驅動數據，使用Noah-MP陸面模式對中國區域的陸面過程進行模擬，提取土壤濕度模擬結果，并基于土壤水分自動站的逐小時土壤濕度觀測值對模擬結果進行評估與分析，結果表明：(1)Noah-MP模式能夠很好地模擬出中國區域的0～10 cm土壤濕度空間分布，偏差主要分布在-0.06～0.06 m3/m3以內，相關系數主要分布在0.5以上；從區域尺度看，Noah-MP能夠很好地模擬出各區域的土壤濕度變化，各研究區的偏差都在-0.03～0.03 m3/m3以內。(2)對于春季北方地區的0～10 cm 土壤濕度，Noah-MP模式的模擬結果存在明顯的低估現象，這可能是因為該模式在凍土融化時的土壤濕度模擬方面還存在一定的缺陷，須要進一步改進。

[1]Li H，Robock A，Liu S，et al. Evaluation of reanalysis soil moisture simulations using updated Chinese soil moisture observations[J]. Journal of Hydrometeorology，2009，6(2)：180-193.

[2]Xia Y L，Sheffield J，Ek M B，et al. Evaluation of multi-model simulated soil moisture in NLDAS-2[J]. Journal of Hydrology，2014，512(4)：107-125.

[3]尹 楠，姜琦剛，孟治國，等. 基于RADARSAT-2全極化數據反演周期性地表土壤濕度[J]. 農業工程學報，2013(17)：72-79.

[4]李明星，馬柱國. 基于模擬土壤濕度的中國干旱檢測及多時間尺度特征[J]. 中國科學(地球科學)，2015(7)：994-1010.

[5]王素萍，張存杰，宋連春，等. 多尺度氣象干旱與土壤相對濕度的關系研究[J]. 冰川凍土，2013，35(4)：865-873.

[6]Yeh T，Wetherald R T，Manabe S. The effect of soil moisture on the short-term climate and hydrology change—a numerical experiment[J]. Monthly Weather Review，1972，112(3)：474.

[7]馬柱國，符淙斌，謝 力，等. 土壤濕度和氣候變化關系研究中的某些問題[J]. 地球科學進展，2001，16(4)：563-566.

[8]朱 晨，師春香，席 琳，等. 中國區域不同深度土壤濕度模擬和評估[J]. 氣象科技，2013，41(3)：529-536.

[9]朱 智，師春香. 中國氣象局陸面同化系統和全球陸面同化系統對中國區域土壤濕度的模擬與評估[J]. 科學技術與工程，2014，14(32)：138-144.

[10]林朝暉，劉輝志，謝正輝，等. 陸面水文過程研究進展[J]. 大氣科學，2008，32(4)：935-949.

[11]Wang A H，Zeng X B. Sensitivities of terrestrial water cycle simulations to the variations of precipitation and air temperature in China[J]. Journal of Geophysical Research，2011，116(6)：2166-2181.

[12]Shen Y，Yang K，Qin J，et al. Evaluation of AMSR-E retrievals and GLDAS simulations against observations of a soil moisture network on the central Tibetan Plateau[J]. Journal of Geophysical Research：Atmospheres，2013，118(10)：4466-4475.

[13]劉樹華，李新榮，劉立超，等. 陸面過程參數化模式的研究[J]. 中國沙漠，2001，21(3)：303-311.

[14]黃春林，李 新. 陸面數據同化系統的研究綜述[J]. 遙感技術與應用，2004，19(5)：424-430.

[15]劉金婷. 多陸面模式、多驅動場對新疆地區陸面過程模擬研究及結果集成[D]. 青島：中國海洋大學，2010.

[16]Maurer E P，Wood A W，Adam J C，et al. A long-term hydrologically based dataset of land surface fluxes and states for the conterminous United States[J]. Journal of Climate，2002，15(22)：3237-3251.

[17]Berg A A，Famiglietti J S，Walker J P，et al. Impact of bias correction to reanalysis products on simulations of North American soil moisture and hydrological fluxes[J]. Journal of Geophysical Research Atmospheres，2003，1866(D16)：1211-1222.

[18]Fekete B M，V?r?smarty C J，Roads J O，et al. Uncertainties in precipitation and their impacts on runoff estimates[J]. Journal of Climate，2004，17(2)：294-304.

[19]Sheffield J，Ziegler A D，Wood E F，et al. Correction of the high-latitude rain day anomaly in the NCEP-NCAR reanalysis for land surface hydrological modeling[J]. Journal of Climate，2004，17(19)：3814-3828.

[20]Sheffield J，Goteti G，Wood E F. Development of a 50-year high-resolution global dataset of meteorological forcings for land surface modeling[J]. Journal of Climate，2006，19(13)：3088-3111.

[21]Qian T，Dai A，Trenberth K E，et al. Simulation of global land surface conditions from 1948 to 2004.Part Ⅰ：forcing data and evaluations[J]. Journal of Hydrometeorology，2006，7(5)：953-975.

[22]Rodell M，Houser P R，Jambor U，et al. The global land data assimilation system[J]. Bulletin of the American Meteorological Society，2004，85(3)：381-394.

[23]Robock A，Luo L，Wood E F，et al. Evaluation of the North American land data assimilation system over the southern Great Plains during the warm season[J]. Journal of Geophysical Research：Atmospheres，2003，108(D22)：239-244.

[24]Xia Y L，Mitchell K，Ek M，et al. Continental-scale water and energy flux analysis and validation for North American Land Data Assimilation System project phase 2 (NLDAS-2)：2. Validation of model-simulated streamflow[J]. Journal of Geophysical Research，2012，117(D3)：812-819.

表1 6個研究區及全國0～10 cm土壤濕度Noah-MP模擬值與實測的相關系數、偏差和均方根誤差

[25] Xia Y L，Ek M，Wei H L，et al. Comparative analysis of relationships between NLDAS-2 forcings and model outputs[J]. Hydrological Processes，2012，26(3)：467-474.

[26]師春香，謝正輝，錢 輝，等. 基于衛星遙感資料的中國區域土壤濕度EnKF數據同化[J]. 中國科學(地球科學)，2011(3)：375-385.

[27]師春香. 基于EnKF算法的衛星遙感土壤濕度同化研究[D]. 北京：中國科學院研究生院，2008.

[28]何 杰. 中國區域高時空分辨率地面氣象要素數據集的建立[D]. 北京：中國科學院研究生院，2010.

[29]劉 波，馬柱國，馮錦明. 1960—2004年新疆地區地表水熱過程的數值模擬研究Ⅰ.以觀測資料為基礎的陸面過程模型大氣驅動場的發展[J]. 中國沙漠，2012，32(2)：491-502.

[30]左志燕，張人禾. 中國東部春季土壤濕度的時空變化特征[J]. 中國科學(地球科學)，2008(11)：1428-1437.

[31]張志富. 自動站土壤水分資料質量控制方案的研制[J]. 干旱區地理，2013，36(1)：101-108.

[32]黃飛龍，李昕娣，黃宏智，等. 基于FDR的土壤水分探測系統與應用[J]. 氣象，2012(6)：764-768.

[33]韓 帥. 基于CLDAS驅動數據的CLM3.5和SSIB2陸面模式模擬評估及干旱監測應用[D]. 南京：南京信息工程大學，2015.

[34]Yang Z L，Niu G Y，Mitchell K E，et al. The community Noah land surface model with multiparameterization options (Noah-MP)：2. Evaluation over global river basins[J]. Journal of Geophysical Research-Atmospheres，2011，116(D12)：1248-1256.

[35]Cai X T，Yang Z L，Xia Y L，et al. Assessment of simulated water balance from Noah，Noah-MP，CLM，and VIC over CONUS using the NLDAS test bed[J]. Journal of Geophysical Research，2014，119(24)：13751-13770.

[36]孫丞虎，李維京，張祖強，等. 淮河流域土壤濕度異常的時空分布特征及其與氣候異常關系的初步研究[J]. 應用氣象學報，2005，16(2)：129-138.

[37]張文君，周天軍，宇如聰. 中國土壤濕度的分布與變化Ⅰ.多種資料間的比較[J]. 大氣科學，2008，32(3)：581-597.

[38]陳東東，王明田，張玉芳，等. 四川省土壤濕度自動站和人工觀測數據對比分析[J]. 安徽農業科學，2011，39(29)：18066-18068，18147.