鄂爾多斯市CLDAS土壤濕度評估

李冰琪

摘 要：本文利用2015年3月至2016年11月每旬逢8的0～20cm經過質量控制的自動土壤水分觀測站實況數據和同期人工站數據對CLDAS土壤濕度模擬結果進行評估，結果表明：CLDAS能很好地模擬出鄂爾多斯市0～20cm土壤濕度的變化趨勢；自動站數據與CLDAS數據擬合程度較人工觀測數據要好；鄂爾多斯西部地區人工觀測站點的相關系數較東部地區偏高，但東部地區的平均偏差和均方根誤差較西部地區小，總體評估不如自動站數據。

關鍵詞：CLDAS；土壤濕度；鄂爾多斯市

中圖分類號：S152.71 文獻標識碼：A 文章編號：1003-5168（2018）23-0147-03

Soil Moisture Assessment of CLDAS in Ordos City

LI Bingqi

（Etuokeqian Banner Meteorological Bureau，Ordos Inner Mongolian 016200）

Abstract： In this paper， the results of CLDAS soil moisture simulation were evaluated by using the quality control data of automatic soil moisture observation station from March 2015 to November 2016. The results showed that CLDAS could well simulate the variation trend of soil moisture of 0～20cm in Ordos. The correlation coefficient of artificial observation stations in Western Ordos was higher than that in eastern Ordos， but the mean deviation and root mean square error in eastern Ordos were smaller than that in Western Ordos， and the overall evaluation was inferior to that of automatic observation stations.

Keywords： CLDAS；soil moisture；Ordos

1 研究背景

土壤濕度是反映陸面表面狀況的一個重要物理量[1，2]，其主要通過影響陸-氣之間的水循環和陸地能量平衡來影響近地層大氣狀態，進而對氣候產生影響[3]。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[4]。同時，土壤濕度可以通過影響地表反照率和蒸發，進而對農作物生長產生影響[5]，其也是農業干旱監測中的重要指標[6-8]。

數據同化方法是融合模式模擬與儀器觀測土壤濕度的一種有效方法。近年來，國內外在陸面數據同化方法研究和系統建設方面開展了諸多工作[9-11]。在國內，中國科學院西北生態環境資源研究院和蘭州大學合作發展了中國西部地區陸面數據同化系統[12]，師春香等[13]建立了中國區域陸面土壤濕度數據同化系統CLSMDAS（China Land Soil Moisture Data Assimilation System），采用Ensemble Kalman Filter（EnKF）同化方法實現了衛星微波亮溫資料的直接同化。國際上比較有代表性的陸面數據同化系統主要包括美國的GLDAS（Global Land Data Assimilation System）[14]、NLDAS（North-American Land Data Assimilation System）、NASA LIS（NASA Land Information System），歐洲的ECMWF LDAS（ECMWF Land Data Assimilation System），以及加拿大的CaLDAS（Canadian Land Data Assimilation System）等。

2 模式和數據介紹

2.1 CLDAS系統簡介

中國氣象局陸面數據同化系統（CLDAS）包括兩部分技術：利用多源數據融合技術，對地面觀測、衛星觀測、數值模式產品等多種來源數據進行融合，獲取高質量的溫度、氣壓、濕度、風速、降水和輻射等要素的格點數據（陸面驅動數據）；選取合適的陸面模式，模擬時空連續的空間格點上不同深度層的土壤溫度、濕度等陸面變量，最終利用EnKF等同化算法將地面觀測與衛星反演土壤濕度、衛星微波亮溫等信息融入上一步模式的模擬結果中，并將同化結果作為下一步模式輸入的初始場，不斷優化模式計算過程，從而得到能更加真實地反映實際情況的土壤溫度、濕度等數據的產品[15]。本研究使用的CLDAS2.0驅動數據來源于內蒙古氣象局生態與農業氣象中心，為鄂爾多斯市2015年3月至2016年11月每旬逢8的0～20cm土壤濕度日數據，空間分辨率為0.0625°×0.0625°，時間分辨率為1h。

2.2 土壤濕度數據簡介

用于評估CLDAS土壤濕度模擬結果的觀測數據主要選擇鄂爾多斯市2015年3月至2016年11月每旬逢8（同期）的自動土壤水分觀測站和人工觀測站0～20cm土壤濕度的日數據，其中人工觀測站8個，自動土壤水分觀測站7個（其中4個自動土壤水分站2016年運行），站點分布覆蓋全市。

3 CLDAS土壤濕度數據評估

3.1 人工站觀測數據評估

3.1.1 0～10cm土壤濕度數據評估。表1是鄂爾多斯市人工站0～10cm土壤濕度觀測值與CLDAS模擬值的相關系數、偏差和均方根誤差。從表1可得出，鄂爾多斯西部地區的人工觀測站點的相關系數較高，均在0.67以上，但平均偏差和均方根誤差較大，其中，河南均方根誤差達到47.94%。而東部地區的人工觀測站點的相關系數較低，均在0.42以下，但平均偏差和均方根誤差較小。從人工站0～10cm土壤濕度觀測值與CLDAS模擬值趨勢圖中得出：鄂爾多斯市各站人工觀測值與CLDAS模擬值趨勢基本一致，東勝、烏審召和伊金霍洛旗擬合較好，其他站偏差均較大。

3.1.2 10～20cm土壤濕度數據評估。表2是鄂爾多斯市人工站10～20cm土壤濕度觀測值與CLDAS模擬值的相關系數、偏差和均方根誤差。從表2可得出，鄂爾多斯市全市人工觀測站點的相關系數都較低，均在0.58以下，平均偏差和均方根誤差也較大，只有東勝、伊金霍洛旗偏差和均方根誤差較小，其余均在26%以上。從人工站10～20cm土壤濕度觀測值與CLDAS模擬值趨勢圖中得出：鄂爾多斯市各站人工觀測值與CLDAS模擬值的偏差除了東勝、烏審召和伊金霍洛旗以外均較大。10～20cm土壤濕度較上一層擬合效果差。

3.2 自動土壤水分站觀測數據評估

3.2.1 0～10cm土壤濕度數據評估。表3是鄂爾多斯市自動土壤水分站0～10cm土壤濕度觀測值與CLDAS模擬值的相關系數、偏差和均方根誤差。從表3可得出，除達拉特旗、烏審旗相關系數較差外，其余各站自動土壤水分站點的相關系數較高，均在0.74以上。西部地區站點的平均偏差和均方根誤差較大，其中杭錦旗平均偏差達到53.79%，均方根誤差為55.01%，為全市最大值。東部地區站點的平均偏差和均方根誤差較小，偏差均在13.3%以下，均方根誤差在23%以下。從自動土壤水分站0～10cm土壤濕度觀測值與CLDAS模擬值趨勢圖（圖略）中得出：鄂爾多斯市各站自動觀測值與CLDAS模擬值趨勢基本一致，達拉特旗、烏審旗、烏審召和準格爾旗擬合較好，其他站點偏差均較大。

3.2.2 10～20cm土壤濕度數據評估。表4是鄂爾多斯市自動土壤水分站10～20cm土壤濕度觀測值與CLDAS模擬值的相關系數、偏差和均方根誤差。從表4可得出，除達拉特旗、烏審旗相關系數較差外，其余各站自動土壤水分站點的相關系數較高，均在0.62以上。西部地區站點的平均偏差和均方根誤差較大，其中杭錦旗平均偏差達到57.59%，均方根誤差為60.34%，為全市最大值。東部地區站點的平均偏差和均方根誤差較小，偏差均在14.3%以下，均方根誤差在23%以下。從自動土壤水分站10～20cm土壤濕度觀測值與CLDAS模擬值趨勢圖（圖略）中得出：鄂爾多斯市各站自動觀測值與CLDAS模擬值趨勢基本一致，達拉特旗、烏審旗、烏審召和準格爾旗擬合較好，其他站偏差均較大，這與0～10cm土壤濕度擬合結果一致。

4 討論與結論

本文利用2015年3月至2016年11月每旬逢8的鄂爾多斯市自動土壤水分觀測站和人工觀測站數據對同時期CLDAS土壤濕度模擬結果進行評估，主要得出以下結論。

①CLDAS能很好地模擬出鄂爾多斯市0～20cm土壤濕度的變化趨勢。

②自動站數據與CLDAS數據擬合程度較人工觀測數據好，除達拉特旗、烏審旗相關系數較差外，其余各自動土壤水分站點的相關系數較高，西部地區站點的平均偏差和均方根誤差較大，東部地區站點的平均偏差和均方根誤差較小，0～10cm較10～20cm土壤濕度數據相關系數高，偏差和均方根誤差小。東部自動土壤水分站運行較早，而西部大部分站點均在2016年正式運行，儀器穩定性較差，也與東西部土壤質地不同有一定關系。

③鄂爾多斯西部地區人工觀測站點的相關系數較東部地區偏高，但東部地區的平均偏差和均方根誤差較西部地區小，總體評估不如自動站數據。人工站數據本身存在較大差異，各人工站點觀測時間不統一，觀測點土壤質地也有差異，再加上人為原因導致的誤差等，都使人工觀測數據的結果造成較大偏差。

盡管CLDAS土壤濕度模擬結果總體較好，并能用于干旱監測中，但陸面模式地表參數分辨率較低，參數化方案要根據不同區域的實際情況進行分析，而且為單柱模式，同時模擬的土壤濕度數據忽略了面流、徑流等因素的影響。可見，對CLDAS同化系統有待于更深入更細致的研究。

參考文獻：

[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（2）：180-193.

[2]Xia Y L，Sheffield J，Ek M B，et al.Evaluation of Multimodel Simulated Soil Moisture in NLDAS - 2[J].Journal of Hydrology，2014（4）：107-125.

[3]宋海清，李云鵬，師春香，等.內蒙古地區下墊面變化對土壤濕度數值模擬的影響[J].大氣科學，2016（6）：1165-1181.

[4]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， 1984（3）：474.

[5]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（4）：563-568.

[6]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.

[7]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.

[8]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（4）：865-873.

[9]孫菽芬，金繼明.陸面過程模式研究中的幾個問題[J].應用氣象學報，1997（S1）：50-57.

[10]史學麗.陸面過程模式研究簡評[J].應用氣象學報，2001（1）：102-112.

[11]吳國雄，張學洪，劉輝，等.LASG全球海洋-大氣-陸面系統模式（GOALS/LASG）及其模擬研究[J].應用氣象學報，1997（S1）：15-28.

[12]李新，黃春林，車濤，等.中國陸面數據同化系統研究的進展與前瞻[J].自然科學進展，2007（2）：163-173.

[13]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.

[14] Bai P， Liu X， Yang T， et al. Evaluation of Streamflow Simulation Results of Land Surface Models in GLDAS on the Tibetan Plateau[J]. Journal of Geophysical Research Atmospheres， 2016（20）：121-135.

[15] Shi C， Jiang L， Zhang T， et al. Status and Plans of CMA Land Data Assimilation System （CLDAS） Project[C]// EGU General Assembly Conference. EGU General Assembly Conference Abstracts， 2014.