基于CoLM模式的干旱區土壤濕度模擬試驗與誤差分析

江紅南，許劍輝

(1. 新疆大學干旱生態環境研究所，新疆 烏魯木齊 830046；2. 武漢大學測繪遙感信息工程國家重點實驗室，湖北 武漢 430079)

土壤濕度在陸氣相互作用過程中扮演著重要的角色, 是氣候、水文、生態、環境、農業、林業等研究中重要的地球物理參數之一，它對大氣的影響在全球尺度上僅次于海面溫度，在陸地尺度其影響甚至超過海面溫度[1-2]，在干旱區土壤濕度的估計更為重要。由于新疆所處的特殊的地理位置和獨特的地形因素，干旱一直是困擾該區的主要災害之一[3-4]。基于遙感與模型的土壤水分估算與模擬是目前研究較多的方法[5-8]，但受區域差異的影響，這些方法的利用需要根據區域特征進行適當的改進且計算復雜[9-10]，發展符合區域特征的土壤水分估算方法對區域生態環境研究具有重要意義。鑒于此，本文基于通用陸面模型(common land model, CoLM)和土壤濕度地面監測數據，對干旱區土壤水分進行了模擬試驗，并對模型模擬結果誤差產生的原因進行了分析。

本文的研究區新疆于田縣綠洲位于塔克拉瑪干沙漠以南、昆侖山以北的克里雅河流域。地勢自南向北形成高山、戈壁、沙漠等地貌單元。屬暖溫帶內陸干旱荒漠氣候，降水稀少，蒸發量大。以多年平均計算，氣溫為11.6 ℃，降水量為47.7 mm，蒸發量為2 432.1 mm，北部沙漠地帶降水量僅為12 mm，是典型的干旱區，對研究干旱區綠洲土壤水分模擬方法和變化機理具有代表意義。

1 材料與方法

CoLM模型模擬時需要大氣驅動數據進行驅動，本研究采用的大氣驅動數據是由中國科學院青藏高原研究所青藏高原多圈層數據同化與模擬中心開發的大氣驅動數據集，包括向下長波輻射、降水率、地表氣壓、近地面空氣比濕、向下短波輻射、近地面氣溫和近地面全風速[11]，大氣驅動數據空間分辨率為0.1°，每3小時更新一次，時間為2011年1月1日—2012年12月30日。為了和大氣驅動數據時空分辨率一致，本研究在利用CoLM模型進行模擬時，設定土壤濕度模擬數據的空間分辨率為0.1°，時間分辨率為3小時。由于模擬時需要大量的計算，且研究區冬季時土壤濕度變化相對平穩，因此，本研究以2011年1月—2012年12 月大氣驅動數據為訓練數據和模式驅動數據，采用點模擬的方式，分別模擬了圖1所示的YU-7、YU-11、YU-16和YU-23共4個點2012年11-12月的土壤濕度狀況，這4個點土地類型都為草地，土壤質地為沙地。

模擬結果分析驗證數據為表層約5 cm的土壤濕度地面點觀測數據，時間分辨率為1小時，地面觀測時間約為2012年9月—2013年5月。CoLM模式模擬的與地面觀測土壤濕度數據的單位都是體積含水量。其它用于結果分析的還有2012年不同點的SMOS表層土壤濕度數據，該數據空間分辨率為25 km，時間分辨率為1天，以及24個土壤濕度地面點采樣數據，地面采樣數據點分布如圖1中24個紅色標記所示(圖1)。土壤濕度地面采樣數據時間為春季的2012年4月20日至5月3日和夏季的2012年7月10日至18日，地面數據采樣深度分別為0～10 cm和10～20 cm，土壤樣本在實驗室烘箱中烘干，計算出土壤質量含水量。同時，還有和每個采樣點位置土壤濕度數據對應且時間幾乎一致的地下水位(GWL)監測數據和土壤蒸散發量(ET)數據，土壤蒸散發量數據是MODIS遙感數據8天合成的數據產品，空間分辨率為500 m，時間為2012年4月22日至29日的平均值和7月3日至18日的平均值，該數據中某些樣點數據缺失，4月的有19個樣點的數據，7月的有14個樣點的數據。

CoLM模式結合公認的較好的NCAR LSM、BATS和中科院大氣物理研究所發展的IAP94三個模式的特點，模式在雪蓋、土壤濕度以及感熱、潛熱通量等方面的模擬都表現出了比較高的準確性。CoLM模型綜合了考慮大氣—植被—雪蓋—土壤間的相互作用，對于陸一氣之間能量和水分傳輸有較好的描述[12]。但有研究表明，CoLM模式用于干旱區土壤濕度模擬時需要對模式有關參數進行修正[13]。CoLM模式能夠模擬10層的土壤水分狀況，每層土壤的層厚如表1所示，本研究中由于地面觀測數據的深度大約為5 cm，所以取CoLM模式的模擬的第二層，即2.79 cm深度的土壤濕度模擬結果進行分析。

2 結果與分析

2.1 研究區土壤濕度模擬結果與分析

研究區土壤濕度模擬結果如圖2-圖5所示，以地面表層5 cm的土壤濕度觀測數據作為對比驗證數據，為了簡化計算，利用每天9時的2.79 cm深度土壤濕度模擬數據和每天9時的5 cm深度土壤濕度觀測數據，對土壤濕度模擬結果進行評價和分析，分別利用模擬結果與對應的地面觀測數據的相關系數和均方根誤差(root mean square error, RMSE)描述CoLM模式的模擬精度(表2)。由表2可知，模擬的土壤濕度結果與地面監測數據具有顯著的相關性，相關程度處于中度和高度相關水平。YU-7點的相關系數為0.681，YU-11點的相關系數為0.448，YU-16點的相關系數為0.418，YU-23的相關系數為0.679，就模擬的第二層土壤濕度而言， CoLM模式模擬的土壤濕度結果和地面監測的土壤濕度數據趨勢基本一致，從11月到12月各點的土壤濕度是逐漸減小的，尤其是YU-7點，模擬的土壤濕度數據和地面監測的土壤濕度數據相關性較大，數據表現的土壤濕度隨時間變化的趨勢吻合的較好。同時，由表2可知，CoLM模型模擬的土壤濕度數據精度不是非常高，這說明CoLM模型用于于田綠洲土壤水分模擬具有一定適宜性，但模型模擬精度需要進一步提高。

圖1 研究區位置圖Fig.1 The location of study area

表2 CoLM模式模擬結果與地面觀測數據的對比驗證Table 2 Validation between simulation results of CoLM model and ground observation data

注：**表示在 0.01 水平(雙側)上顯著相關

Note: ** indicates significant correlation at the 0.01 level

圖2 YU-7點土壤水分模擬結果Fig.2 Simulation result of YU-7 by CoLM model

圖3 YU-11點土壤水分模擬結果Fig.3 Simulation result of YU-11 by CoLM model

圖4 YU-16點土壤水分模擬結果Fig.4 Simulation result of YU-16 by CoLM model

圖5 YU-23點土壤水分模擬結果Fig.5 Simulation result of YU-23 by CoLM model

2.2 模擬誤差分析

通過以上內容可以看出，CoLM模式用于干旱區土壤水分模擬時具有適宜性，但模型模擬精度不是很高，下面以于田綠洲土壤濕度時空變化影響因素分析為重點，分析模型誤差產生的原因。根據SMOS土壤濕度數據(圖6)，研究區2012年表層的土壤濕度，2月到7月初，土壤濕度逐漸升高，這一時期為表層土壤濕度變化最為劇烈的時期，7月到10月土壤濕度逐漸減小，10月到12月土壤濕度變化不大。因為2月到7月包含了春夏兩季，本研究利用2012年4月和7月的24個地面土壤濕度采樣數據，分別以春季(4月)和夏季(7月)為時間點分析該區域土壤濕度時空變化的影響因素，通過構造線性和非線性回歸模型，包括多項式回歸、冪函數回歸、對數回歸等，分析影響因子對不同深度土壤濕度時空變化的影響，最終發現二次多項式回歸模型能較好地表達各個影響因子和土壤水分的關系，結果如表3和表4所示。選取的影響因子包括CoLM模式的大氣驅動數據(Lrad、Prec、Pres、Shum、Srad、Temp和Wind)、地下水位和土壤蒸散發量，因為7月土壤蒸散發的樣本數量為14個，為了對比分析和消除土壤樣本位置和數量不同對研究結果的影響，表4中14個樣本數量的地下水位記作GWL14，14個樣本數量的土壤蒸散發量記作ET14，同理，由于4月土壤蒸散發量的樣本數量為19個，表3中該樣本數量的地下水位記作GWL19，表3和表4中其它影響因素的標記內容與此意義相同。表3和表4中只列出了通過顯著性檢驗或影響力較大的土壤濕度影響因子，其中R2為決定系數，其表征因變量的變異中有多少百分比可由控制的自變量來解釋，R2值越大說明因變量變化由自變量解釋部分的比例越高[14]，如表3中地下水位(GWL)對0～10 cm土層土壤濕度空間變異的二次多項式回歸的決定系數為0.559，表示該層有55.9%的土壤濕度空間變異可由地下水位解釋，P值為顯著性水平，只有通過顯著性檢驗的模型才可靠，即P值不大于0.05。此分析表明，CoLM模式的大氣驅動數據(Lrad、Prec、Pres、Shum、Srad、Temp和Wind)對該研究區土壤濕度時空變化的影響不顯著。除夏季表層0～10 cm的土壤濕度受土壤蒸散發量的影響不顯著外，其他季節0～10 cm和10～20 cm的土壤濕度都受到地下水位和土壤蒸散發量顯著且較大的影響，此外雖然夏季表層0～10 cm的土壤濕度受土壤蒸散發量的影響不顯著，但R2值較大，說明該研究區土壤濕度時空變化受CoLM大氣驅動數據的影響很微弱，主要受地下水位和土壤蒸散發量的影響，而CoLM模型模擬時，驅動CoLM模型模擬運轉的數據為大氣驅動數據，沒有實測的研究區地下水位和土壤蒸散發量數據參與模擬，這一定程度上解釋了該研究區土壤濕度模擬結果精度不高的原因。

CoLM模式大氣驅動數據本身的誤差也會影響到模擬結果的精度，因為大氣驅動數據本身是存在一定誤差的，將此數據輸入到模式中，會一定程度上影響到模擬結果的準確性。

模式模擬的土壤水分和地面監測的土壤水分深度不一致也是影響對比分析驗證結果的一個原因，CoLM模擬的是表層2.79 cm的土壤濕度，而地面監測數據反應的是表層大約5 cm的土壤濕度，模式和對比數據反應的是不同深度的土壤水分狀況，這會影響到對比驗證結果的準確性。

空間分辨率也是影響本研究CoLM模式模擬精度驗證結果的一個原因，因為模型模擬時設定的空間格網為0.1°，而用于對比驗證的地面監測數據為點數據，模型模擬數據和對比驗證數據的空間分辨率不一致，反應了不同空間范圍內的土壤濕度狀況，這一定程度上會影響對比驗證結果的準確性。

圖6 2012年不同位置土壤濕度變化Fig.6 The variation of soil moisture of SMOS data at different locations in 2012

表3 2012年4月不同深度土壤濕度空間變化影響因素的影響力Table 3 The power of effect factors on spatial variation of soil moisture at different depths in April 2012

影響因素Effect factor0～10 cm10～20 cmR2P值R2P值GWL0.5590.0010.5740.001GWL190.6600.0010.6680.001GWL140.8300.0000.8110.001ET190.4360.0310.4330.032ET140.6180.0180.5800.028

表4 2012年7月不同深度土壤濕度空間變化影響因素的影響力Table 4 The power of effect factors on spatial variation of soil moisture at different depths in July 2012

3 討論與結論

將監測的地表土壤濕度數據作為對比驗證數據，基于CoLM模式的于田綠洲土壤濕度模擬結果表明，模型模擬的2.79 cm土層厚度的土壤水分和地面監測的大約5 cm土壤濕度數據具有顯著的相關關系，CoLM模型用于干旱區土壤濕度模擬時具有一定的適宜性，但模型模擬結果的精度一般。CoLM模型模擬結果誤差分析表明，地下水位和土壤蒸散發量對研究區土壤水分時空變化具有顯著和較大的影響，而CoLM模式的大氣驅動數據對研究區土壤水分時空變化的影響不顯著，這是CoLM模型用于該區域土壤水分模擬時精度不高的主要原因，為了獲得較高的模型模擬精度需要深入研究干旱區土壤濕度時空變化的機理。同時，CoLM模式大氣驅動數據本身的誤差也會影響模擬結果的精度，此外，CoLM模式和地面監測數據的空間分辨率也會對驗證結果產生影響，該結果為干旱區土壤水分模擬研究提供了一定參考。

由于缺少可靠的與CoLM大氣驅動數據匹配的研究區地下水位時間序列監測數據，本研究只是通過定量分析的方式分析了CoLM模式模擬結果誤差產生的原因，并沒有通過CoLM模式模擬的方式分析誤差原因，這需要以后的研究進一步完善。