基于CLDAS強(qiáng)迫CLM3.5模式的新疆區(qū)域土壤溫度陸面過(guò)程模擬及驗(yàn)證

孟現(xiàn)勇,王 浩,劉志輝,師春香,劉時(shí)銀,陳 曦,龔偉偉

1 中國(guó)水利水電科學(xué)研究院,北京 100038 2 新疆大學(xué)干旱生態(tài)環(huán)境研究所,烏魯木齊 830046 3 中國(guó)氣象局國(guó)家氣象信息中心,北京 100081 4 中國(guó)科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所冰凍圈科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,蘭州 730000 5 中國(guó)科學(xué)院新疆生態(tài)與地理研究所,烏魯木齊 830011 6 中國(guó)氣象局華云信息技術(shù)工程有限公司,北京 100081

基于CLDAS強(qiáng)迫CLM3.5模式的新疆區(qū)域土壤溫度陸面過(guò)程模擬及驗(yàn)證

孟現(xiàn)勇1,王 浩1,劉志輝2,*,師春香3,劉時(shí)銀4,陳 曦5,龔偉偉6

1 中國(guó)水利水電科學(xué)研究院,北京 100038 2 新疆大學(xué)干旱生態(tài)環(huán)境研究所,烏魯木齊 830046 3 中國(guó)氣象局國(guó)家氣象信息中心,北京 100081 4 中國(guó)科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所冰凍圈科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,蘭州 730000 5 中國(guó)科學(xué)院新疆生態(tài)與地理研究所,烏魯木齊 830011 6 中國(guó)氣象局華云信息技術(shù)工程有限公司,北京 100081

利用中國(guó)氣象局國(guó)家氣象信息中心研發(fā)的中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)(China Meteorological Administration Land Data Assimilation System,CLDAS)大氣近地面強(qiáng)迫資料,驅(qū)動(dòng)美國(guó)國(guó)家大氣研究中心公用陸面模式(Community Land Model,CLM3.5),對(duì)中國(guó)新疆地區(qū)土壤溫度時(shí)空分布進(jìn)行逐小時(shí)Off-line模擬(模擬時(shí)段為2009—2012年)；利用國(guó)家土壤溫度自動(dòng)站 (新疆區(qū)域105站點(diǎn)) 數(shù)據(jù)驗(yàn)證CLDAS驅(qū)動(dòng)場(chǎng)強(qiáng)迫下的CLM3.5模式在中國(guó)新疆地區(qū)3個(gè)土壤層(5cm、20cm和80cm)的土壤溫度模擬能力。研究發(fā)現(xiàn)：在月變化方面,第1層(5cm)土壤溫度模擬與實(shí)測(cè)值差異最大,在每年7月最大差異達(dá)5k左右；第2層(20cm)在每年7月達(dá)最大差異(3k左右),而第3層(80cm)在每年7月均模擬的很好。造成這種現(xiàn)象的原因可能因?yàn)樾陆貐^(qū)7月前后淺層土壤溫度變化劇烈,溫度白天最高可達(dá)300K以上,晝夜溫差大,導(dǎo)致模式不能很好抓住淺層土壤溫度的變化趨勢(shì)。研究還發(fā)現(xiàn),在80cm土壤深度,模式在1月、12月的模擬結(jié)果均較前兩層差。在日變化方面,研究發(fā)現(xiàn)：較淺的兩層(5cm和20cm)土壤溫度模擬值在夏季和秋季均較差。與月變化模擬結(jié)果類似的是,80cm土壤層日變化在1、12月模擬較差,然而在其他時(shí)段卻模擬的很好。在小時(shí)變化方面,分析發(fā)現(xiàn)：第1層土壤(5cm)模擬結(jié)果在每年的1—4月及9—11月的全天(即24 h),模式也會(huì)有不同的偏差：其中,在03UTC—21UTC之間主要表現(xiàn)為模式結(jié)果比觀測(cè)結(jié)果偏高,而在日內(nèi)21UTC—00UTC主要表現(xiàn)為模擬結(jié)果偏小。在每年的5—8月,全天模擬值都偏小,其中在09UTC達(dá)當(dāng)日最大值。而距離第2層(20cm)處的土壤溫度模擬值在大部分月份都偏差較小(-1K至1k之間),并在日內(nèi)12UTC偏差達(dá)到當(dāng)日最大值。研究發(fā)現(xiàn),在土壤20cm處,模式模擬的最大值較觀測(cè)值提前,而第3層(80cm)的土壤溫度基本不受日內(nèi)變化影響,表現(xiàn)較為平穩(wěn)。造成這種影響的原因可能是因?yàn)樾陆貐^(qū)5—8月、9—11月為晝夜溫差大,深層土壤溫度較淺層土壤溫度溫差變化小,這也造成了模式對(duì)于淺層土壤模擬較深層差的主要原因?？傮w研究表明：CLDAS驅(qū)動(dòng)場(chǎng)強(qiáng)迫下的CLM3.5模式可較為精確的模擬中國(guó)新疆地區(qū)多年平均土壤溫度時(shí)空分布,并較為準(zhǔn)確的反映中國(guó)新疆地區(qū)土壤溫度的小時(shí)、日、月及年際的變化規(guī)律。模式淺溫度模擬不好的原因可能與模式參數(shù)化方案及地表參數(shù)有關(guān),后期將繼續(xù)修正該問(wèn)題。

土壤溫度；CLM3.5； CLDAS； 空間變化；模型驗(yàn)證

在人們生活的地球上,陸地面積占據(jù)了地球表面的三分之一。眾多研究表明,陸面異常將間接或直接影響大氣-陸地循環(huán)系統(tǒng)并不斷交互影響[1- 4]。Charney最早提出[1]引起地表反照率的異常變化可能是由陸地表面變化引發(fā)的,該變化可通過(guò)影響地表輻射通量的平衡關(guān)系直接導(dǎo)致氣候異常。由于土壤溫濕度不僅可通過(guò)對(duì)地表水分和能量產(chǎn)生影響進(jìn)而反饋給氣候,同時(shí)也是表征土壤水分狀況與熱力的重要因子。因此,土壤溫度在陸面過(guò)程研究中顯得十分重要。此外,土壤溫度對(duì)短期氣候、農(nóng)業(yè)氣象、農(nóng)作物生長(zhǎng)也具重要的影響。淺層土壤溫度變化異常對(duì)短期天氣的影響是由于地表土壤異常在還未傳遞到深層土壤前已在大氣中進(jìn)行釋放。此外,深層土壤異常還可通過(guò)逐步能量釋放影響淺層土壤,進(jìn)而影響區(qū)域氣候變化過(guò)程。近年來(lái),部分學(xué)者還研究了土壤溫度異常對(duì)農(nóng)作物生長(zhǎng)的影響[5-6],例如：土壤中各類物、生、地化反應(yīng)過(guò)程(如由微生物的存在所引起非生命和生物一系列的化學(xué)過(guò)程)都與土壤溫度存在一定關(guān)聯(lián)[2]。近期研究成果表明,土壤溫度可能會(huì)對(duì)氣象研究和預(yù)報(bào)模式(Weather Research and Forecasting,MRF)及美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心(National Centers for Environmental Prediction, NCEP)業(yè)務(wù)預(yù)報(bào)模式ETA(η)產(chǎn)生一定的影響,進(jìn)而影響短期降水模擬結(jié)果[3-4]。Zhang等[7]通過(guò)對(duì)20世紀(jì)整個(gè)加拿大地區(qū)土壤溫度變化的模擬分析研究,認(rèn)為大氣和土壤溫度之間存在著較復(fù)雜的關(guān)系。王小婷等[8]對(duì)中國(guó)東部地區(qū)土壤溫度及濕度進(jìn)行了長(zhǎng)時(shí)期分析,將降水和當(dāng)?shù)貧鉁仃P(guān)聯(lián),這對(duì)我國(guó)東部陸-氣耦合及其機(jī)理研究提供了一定的理論依據(jù)。

由于陸面物理過(guò)程會(huì)隨著地表下墊面的時(shí)空分異而變的較為復(fù)雜,加之我國(guó)大氣觀測(cè)站相對(duì)稀缺(尤其是中國(guó)西部),導(dǎo)致大氣觀測(cè)資料的準(zhǔn)確性及可用性受到了嚴(yán)重的干擾,這必定會(huì)影響大氣輸入數(shù)據(jù)的質(zhì)量,進(jìn)而影響模式輸出結(jié)果。此外,由于客觀原因限制,如：地表各類陸面分量(包括土壤溫、濕度,各類湍流、通量等)通常在空間是離散而不連續(xù)的。因而,陸面模式的引進(jìn)為深入研究我國(guó)陸面地表變化提供了重要手段。為了更好的模擬并分析陸面過(guò)程變化情況,各國(guó)學(xué)者均做了大量的關(guān)于公用陸面模式(CLM)的驗(yàn)證及參數(shù)化方案發(fā)展工作：Gordon B等[9]分別在亞馬遜平原及美國(guó)東部耦合了公用陸地和大氣模式(Community Atmosphere Model,CAM)及具有動(dòng)態(tài)植被模擬能力的CLM3.0模式,并提出了一些參數(shù)化方案的思路。Whitfield等[10]在美國(guó)佛羅里達(dá)州將CLM模式和陸表過(guò)程模式(Land Surface Model,LSM)進(jìn)行了土壤溫度模擬結(jié)果對(duì)比,發(fā)現(xiàn)兩個(gè)模式均可較好的重現(xiàn)土壤溫度逐日變化規(guī)律。Sakaguchi等[11]通過(guò)對(duì)CLM4.0模式的土壤容抗進(jìn)行可變方案處理,使模式模擬結(jié)果真實(shí)的反映了土壤變化過(guò)程。學(xué)者黃偉[12]通過(guò)利用CLM3.0模式在淮河流域的陸面模擬過(guò)程中發(fā)現(xiàn)：該模式可很好的模擬淮河流域陸-氣各類通量的變化規(guī)律,此外,該模式還可較好的模擬研究區(qū)土壤溫度時(shí)空變化分布情況。劉少峰[13]以東亞地區(qū)為研究區(qū),選取3種土地覆被(水田、高原稀疏植被和森林)作為典型下墊面,利用CLM3.0模式對(duì)地表溫度和土壤溫度進(jìn)行了模擬,模擬結(jié)果表明：CLM3.0模式較好的模擬了在高原稀疏植被覆蓋下的地表溫度,同時(shí)發(fā)現(xiàn),CLM3.0模式可很好的抓住土壤溫度隨深度變化的細(xì)節(jié)特征。陳海山等[14]利用美國(guó)普林斯頓大學(xué)提供的大氣強(qiáng)迫數(shù)據(jù)驅(qū)動(dòng)CLM3.0模式,模擬了中國(guó)區(qū)域多年土壤空間分布狀況,較好的反映出了中國(guó)區(qū)域土壤溫度的年變化趨勢(shì)。Nicolsky[15]通過(guò)改進(jìn)CLM3.0永久凍土模塊,使該模式在永久凍土層溫度的模擬結(jié)果顯著提高。

目前,我國(guó)學(xué)者對(duì)于土壤溫度模擬大部分僅集中在分析土壤溫度和氣象因子及環(huán)境因子之間的相關(guān)性,利用點(diǎn)尺度輸入數(shù)據(jù)驅(qū)動(dòng)數(shù)學(xué)模型對(duì)土壤溫度進(jìn)行模擬計(jì)算,其模擬結(jié)果僅僅是土壤溫度在較粗尺度的時(shí)空變化,只有小部分研究者進(jìn)行了較為粗糙的中小區(qū)域的土壤溫度連續(xù)空間分布模擬。而就一般情況而言,研究點(diǎn)的土壤溫度一般來(lái)自臨近氣象站的低溫?cái)?shù)據(jù),由于我國(guó)(特別是西部)氣象站點(diǎn)十分有限,用稀少的站點(diǎn)數(shù)據(jù)預(yù)估下墊面復(fù)雜、區(qū)域面積較大的土壤溫度存在很大的不確定性。除此之外,由于模式本身參數(shù)可調(diào)式性很大,從客觀上加強(qiáng)模式對(duì)土壤溫度實(shí)際變化的模擬能力是較難的。尤其在本研究區(qū)——中國(guó)新疆地區(qū)這樣一個(gè)跨越幾個(gè)經(jīng)緯度且地形條件十分復(fù)雜的區(qū)域,利用高精度大氣強(qiáng)迫場(chǎng)驅(qū)動(dòng)陸面模式并準(zhǔn)確模擬區(qū)域內(nèi)土壤溫度的連續(xù)時(shí)空分布的研究成果極其缺乏。

基于此,本文利用中國(guó)氣象局國(guó)家氣象信息中心開(kāi)發(fā)的CLDAS高精度大氣驅(qū)動(dòng)場(chǎng)(時(shí)間分辨率：逐小時(shí),空間分辨率：1/16°×1/16°)驅(qū)動(dòng)CLM3.5模式,通過(guò)對(duì)中國(guó)國(guó)家土壤溫度觀測(cè)站(新疆區(qū)域共105站)逐小時(shí)數(shù)據(jù)進(jìn)行驗(yàn)證,以檢驗(yàn)CLDAS強(qiáng)迫場(chǎng)驅(qū)動(dòng)CLM3.5模式的新疆區(qū)域的土壤溫度模擬能力,揭示站點(diǎn)缺少的新疆地區(qū)多個(gè)土壤層的土壤溫度時(shí)空連續(xù)分布特征。

1 研究區(qū)概況

新疆維吾爾自治區(qū)地處亞歐大陸腹地,介于(73°40′E—96°18′E,34°25′N—48°10′N)之間(圖1)?？偯娣e達(dá)166.49萬(wàn)km2,占據(jù)了中國(guó)近1/6的國(guó)土,也是中國(guó)陸地面積最大的省級(jí)行政區(qū)。新疆的古爾班通古特沙漠是陸地上距離海洋最遠(yuǎn)的地方,距離最近的海岸線有2648km(直線距離)。此外,新疆山脈與盆地相間排列,盆地與高山環(huán)抱,北部有阿爾泰山,南部有昆侖山系,天山橫亙于新疆中部,把新疆分為南北兩半,南部是塔里木盆地,北部是準(zhǔn)噶爾盆地,三山夾兩盆的特殊地貌造就了新疆地區(qū)的下墊面條件極為復(fù)雜。新疆地區(qū)氣候時(shí)空分異巨大,氣溫溫差較大,南疆氣溫高于北疆,日照充足(年日照2500h到3500h)。近年來(lái),學(xué)者們對(duì)于新疆地區(qū)的研究?jī)H用了再分析數(shù)據(jù)及一些單點(diǎn)數(shù)據(jù),加之新疆地區(qū)氣象站點(diǎn)相對(duì)稀缺,導(dǎo)致對(duì)該區(qū)域的陸面過(guò)程研究缺乏準(zhǔn)確性、系統(tǒng)性。

圖1 研究區(qū)示意圖Fig.1 Schematic map of the study area

2 模式與輸入數(shù)據(jù)

2.1 公用陸面模式(CLM)介紹

本研究使用的CLM3.5模式為美國(guó)國(guó)家大氣研究中心(National Center for Atmospheric Research,NCAR)建設(shè)的公用陸面模式,該模式集合了目前國(guó)際較為著名的幾種優(yōu)秀的陸面模式：如陸面模式LSM[16]、估算大氣與植被的質(zhì)量、動(dòng)量等傳輸模型(Biosphere-Atmosphere Transfer Scheme,BATS)[17],中國(guó)科學(xué)院大氣物理研究所陸面過(guò)程模式(Institute of Atmospheric Physics Land Surface Model version 1994,IAP94)等[18]模型。CLM模式被稱為當(dāng)今國(guó)際較為完善可靠的陸面模式之一,該模型作為NCAR公用陸面模式的陸地模式,可在線(Online)進(jìn)行模擬,也可離線(Offline)模擬。離線模擬的驅(qū)動(dòng)數(shù)據(jù)集(溫度、輻射、濕度、太陽(yáng)輻射、降水、比濕及氣溫等)由用戶自己選取或制備。模式可模擬的物理過(guò)程包含水文、植被動(dòng)態(tài)過(guò)程、土壤熱傳輸?shù)纫幌盗嘘?氣間的水分和能量交換過(guò)程。

CLM將模式模型考慮為次網(wǎng)格變異性,每個(gè)網(wǎng)格被分成多種較小的陸地單位(主要包括：湖泊、濕地、植被、冰川等),此外,又將植被的單位細(xì)化為多個(gè)植被功能型。每個(gè)植被功能型都根據(jù)水量平衡和能量平衡來(lái)計(jì)算,每個(gè)植被功能型都具有其獨(dú)自的診斷變量。CLM模式垂直方向?qū)⑼寥缹?10層且厚度非均一)、雪層(5層)及植被層(1層)都進(jìn)行了分層,有利于獲得各層不同時(shí)空分辨率的分量變化。CLM3.5模式發(fā)布于2007年,該模式在CLM3.0模式基礎(chǔ)上改進(jìn)了水文過(guò)程[19],同時(shí)更新了地表參數(shù)集,這對(duì)于地表溫度、降水、反照率的模擬將起到很大的促進(jìn)作用[20-23]。Oleson 等[24-25]和Lawrence等[23]均詳細(xì)說(shuō)明了CLM3.5版本模式的改進(jìn)及模擬性能。此外,Niu等[21]引入了新的凍土改進(jìn)方案。

土壤溫度在CLM3.5中采用了土壤熱傳導(dǎo)方程進(jìn)行計(jì)算。其中,熱傳導(dǎo)第一定律如方程1所示：

F=-λT

(1)

式中,F表示單位時(shí)間通過(guò)單位橫截面積的熱傳導(dǎo)(Wm2),λ為熱傳導(dǎo)率(Wm-1K-1),T為溫度空間梯度(Km-1)。一維形式如方程2所示：

(2)

式中,z表示垂直方向(m),以下方為正值；Fz以上方為正值。

為了更好的描述不穩(wěn)定情況,能量平衡在模式中使用了連續(xù)性方程進(jìn)行調(diào)用計(jì)算：

(3)

式中,c表示熱容量(等體積土壤或雪)(Jm-3K-1)；t表示模 擬(s)。

熱傳導(dǎo)第二定律一緯形式可通過(guò)集合方程1及2得出,如方式4所示：

(4)

數(shù)值求解此方程可以計(jì)算土壤和雪的溫度。

其中,在10層土壤柱中,上方設(shè)置5層雪蓋,邊界條件h作為熱通量從上面的大氣層進(jìn)入到陸表的雪/土壤層,土壤體積的最底層為零熱量通量。溫度廓線的計(jì)算起初沒(méi)有時(shí)段的改變,然后重新在時(shí)段變化中進(jìn)行調(diào)整。

2.2 輸入數(shù)據(jù)

本研究中土壤顏色選取Zeng等[26]研究方案,該方案基于Dickinson等[27]通過(guò)對(duì)衛(wèi)星資料調(diào)整分析得到,該套數(shù)據(jù)集土壤質(zhì)地資料可隨深度發(fā)生變化[28]。濕地和湖泊的百分比基于Cogley調(diào)查的多年沼澤地及淡水湖泊資料[29]。冰雪資料通過(guò)全球信息系統(tǒng)陸表一公里數(shù)據(jù)庫(kù)(International Geosphere Biosphere Programmer′s (IGBP) Data and Information System (DIS),IGBP DISCover)獲取[30]。莖、葉面積指數(shù)、冠層高低層及植被功能型則來(lái)源于衛(wèi)星資料反演成果[31]。

2.2.1 CLM地表參數(shù)

表1為每個(gè)陸面網(wǎng)格需要的原始數(shù)據(jù),該數(shù)據(jù)包含湖泊、濕地、冰川等部分在每個(gè)網(wǎng)格中所占的百分比,其余的均為植被所有。其中每種植被功能型的百分比均基于網(wǎng)格中植被部分而言,其總和為100%。而濕地、冰川、城市及湖泊則是相對(duì)網(wǎng)格而言。

2.2.2 CLDAS大氣驅(qū)動(dòng)場(chǎng)的制備

研究發(fā)現(xiàn),在陸面模式模擬過(guò)程中,大氣驅(qū)動(dòng)場(chǎng)的偏差與否對(duì)模式模擬結(jié)果敏感性較大,除了模式本身不確定性外,大氣驅(qū)動(dòng)場(chǎng)的質(zhì)量選取是模擬結(jié)果好壞的重要因素[32]。 一個(gè)具有較高時(shí)空分辨率,融合更多觀測(cè)資料的大氣驅(qū)動(dòng)場(chǎng)將使CLM模式達(dá)到更高的模擬精度。

中國(guó)氣象局國(guó)家氣象信息中心師春香團(tuán)隊(duì)開(kāi)發(fā)的CLDAS大氣驅(qū)動(dòng)場(chǎng)利用數(shù)據(jù)同化與融合技術(shù),對(duì)衛(wèi)星觀測(cè)、地面觀測(cè)及數(shù)值模式產(chǎn)品等多種來(lái)源、多尺度、多種分辨率的數(shù)據(jù)進(jìn)行融合,建立包括氣壓、風(fēng)速、比濕、降水、氣溫和太陽(yáng)短波輻射驅(qū)動(dòng)場(chǎng)數(shù)據(jù)集,其空間分辨率可達(dá)1/16°×1/16°,時(shí)間分辨率：1h,符合本研究的輸入數(shù)據(jù)精度要求。

表1 CLM需要的地表數(shù)據(jù)

(1) 溫度、壓強(qiáng)、相對(duì)濕度、風(fēng)速數(shù)據(jù)的制備

CLDAS溫、壓、濕,風(fēng)數(shù)據(jù)利用局地分析預(yù)報(bào)系統(tǒng)(Local Analysis and Prediction System, LAPS)/時(shí)空多尺度分析系統(tǒng)(Space and Time Mesoscale Analysis System, STMAS)系統(tǒng)模擬(圖2)。

圖2 LAPS系統(tǒng)流程圖[33]Fig.2 Flowchart of the Local Analysis and Prediction System (LAPS)[33]

LAPS系統(tǒng)利用多種數(shù)據(jù)輸入資料(包括國(guó)家自動(dòng)站30000站數(shù)據(jù)、雷達(dá)資料、風(fēng)云(FY)衛(wèi)星數(shù)據(jù)、全球預(yù)測(cè)系統(tǒng)(Global Forecast System, GFS)水汽及GFS背景場(chǎng)數(shù)據(jù)等),集合5 大分析模塊,分別為：云分析、風(fēng)分析、地面分析、水汽分析、溫度分析。其中后一種分析需要前面的分析結(jié)果作為輸入,LAPS分析嚴(yán)格按照?qǐng)D2進(jìn)行。通過(guò)對(duì)以上五個(gè)模塊分析完畢,可以進(jìn)行診斷量分析,例如：天氣分析,還可以進(jìn)行土壤濕度分析,也可進(jìn)行平衡分析,并接入數(shù)值模式,實(shí)現(xiàn)模式熱啟動(dòng)。STMAS算法采用多重網(wǎng)格順序變分法,STMAS也是依據(jù)LAPS 開(kāi)發(fā)的新一代融合系統(tǒng),相對(duì)于LAPS而言,STMAS地面分析部分未采用LAPS 的地面分析,同時(shí)將STMAS3D 模塊取代了LAPS 的溫度和風(fēng)分析,在云分析、平衡分析、水汽分析及輸入輸出模式方面,STMAS和LAPS保持一致使用STMAS多重網(wǎng)格法的優(yōu)勢(shì)在于該方法對(duì)于較粗的網(wǎng)格可以使得較低頻的振蕩模態(tài)快速收斂,同時(shí)將多重的網(wǎng)格引入數(shù)據(jù)同化過(guò)程,利用粗網(wǎng)格的目標(biāo)方程對(duì)誤差長(zhǎng)波進(jìn)行分析,使分析場(chǎng)快速的修正長(zhǎng)波輻射,此外利用細(xì)網(wǎng)格目標(biāo)方程和誤差長(zhǎng)波進(jìn)行分析,可快速的消除尺度間的混淆,從而達(dá)到較好的分析結(jié)果[34]。多重網(wǎng)格變分與3D-var不同的是,三維變分同化(Three-dimensional variational assimilation,3D-Var)將會(huì)混淆觀測(cè)資料的長(zhǎng)波和短波信息,因此3D-Var將會(huì)給分析結(jié)果帶來(lái)更多誤差,這種情況在觀測(cè)資料分布極不均勻的中國(guó)新疆地區(qū)顯得更為嚴(yán)重,而多重網(wǎng)格法在CLDAS數(shù)據(jù)制作過(guò)程中的應(yīng)用為本研究的輸入數(shù)據(jù)精確性提供了有效保障。

(2)降水?dāng)?shù)據(jù)的制備

CLDAS降水?dāng)?shù)據(jù)數(shù)據(jù)源包括國(guó)家衛(wèi)星氣象中心利用FY- 2E 靜止衛(wèi)星反演的小時(shí)降水[35],國(guó)家氣象信息中心制作的中國(guó)區(qū)域小時(shí)降水量融合產(chǎn)品以及美國(guó)國(guó)家海洋和大氣管理局(National Oceanic and Atmospheric Administration,NOAA)氣候預(yù)測(cè)中心(Climate Prediction Center, CPC)研制的NOAA(CPC Morphing Technique, CMORPH)衛(wèi)星降水融合產(chǎn)品。其中,國(guó)家氣象信息中心制作的中國(guó)區(qū)域小時(shí)降水量融合產(chǎn)品降水資料來(lái)自全國(guó)3萬(wàn)多個(gè)自動(dòng)站(包括國(guó)家級(jí)自動(dòng)站和區(qū)域自動(dòng)站)觀測(cè)的逐小時(shí)降水量,并對(duì)降水資料進(jìn)行質(zhì)量控制(氣候?qū)W界限值、區(qū)域界限值、時(shí)間一致性、空間一致性檢查)[36]。CMORPH 產(chǎn)品是對(duì)多顆衛(wèi)星微波反演降水產(chǎn)品進(jìn)行融合,并利用紅外冷云信息進(jìn)行時(shí)間外推獲取8km 分辨率全球半小時(shí)降水產(chǎn)品[37]。沈艷等[38]對(duì)其進(jìn)行了評(píng)估,發(fā)現(xiàn)融合了自動(dòng)站的CMORPH 降水產(chǎn)品有效集成了地面觀測(cè)和衛(wèi)星反演降水各自的優(yōu)勢(shì),在降水量值和空間分布上均更為合理。

圖3 短波輻射反演模式示意圖[39] Fig.3 Schematic diagram of the shortwave radiation retrieval model from FY- 2 satellite[39]

(3) 短波輻射數(shù)據(jù)

CLDAS地面入射太陽(yáng)輻射反演算法利用了Stamnes等離散縱標(biāo)法進(jìn)行傳輸輻射計(jì)算,由于這種算法可計(jì)算任何方向的輻射亮度,因此,可以考慮到位于大氣層頂?shù)姆瓷涮?yáng)輻射多方向性,可通過(guò)先算出大氣層頂衛(wèi)星觀測(cè)方向反射的太陽(yáng)輻射輻亮度,衛(wèi)星可見(jiàn)光通道實(shí)際觀測(cè)到的可見(jiàn)光雙向反照率即可算出。如圖3中的描述,在該反演模式中,主要涵蓋了：分子瑞利多次的散射、臭氧的吸收、云滴多次的吸收和散射作用、水汽吸收、氣溶膠多次吸收和散射、地面和大氣的多次反射作用(圖3)[39]。

2.3 模型設(shè)置

本文利用國(guó)家氣象信息中心研制的CLDAS1.0版本數(shù)據(jù)集(時(shí)間分辨率：1h,空間分辨率：1/16°×1/16°,時(shí)間尺度：2009—2013年,要素包括：大氣溫度、氣壓、比濕、風(fēng)速、降水、太陽(yáng)短波輻射,利用該強(qiáng)迫場(chǎng)驅(qū)動(dòng)CLM3.5陸面模式,進(jìn)行陸面數(shù)值模擬實(shí)驗(yàn)。循環(huán)10次進(jìn)行Spin-up模擬,得到基本穩(wěn)定的模式初始場(chǎng)。以獲取高時(shí)空分辨率的土壤溫度數(shù)據(jù)集。同時(shí),利用雙線性插值法將CLDAS土壤溫度格點(diǎn)數(shù)據(jù)插值到觀測(cè)站點(diǎn)(圖1),以便將CLDAS模式與觀測(cè)形成的匹配樣本數(shù)據(jù)進(jìn)行逐小時(shí)數(shù)據(jù)驗(yàn)證分析,以理清新疆地區(qū)土壤溫度分布情況及各層變化情況。

CLM3.5模式可模擬至多10層土壤溫度,節(jié)點(diǎn)層次深度依次為0.007、0.0279、0.0623、0.1188、0.212、0.366、0.619、1.038、1.727、2.846m。綜合國(guó)家土壤溫度觀測(cè)站點(diǎn)深度值及土壤溫度深度模擬值考慮,本研究擬選取5、20、80cm 3個(gè)深度的105個(gè)土壤溫度觀測(cè)站點(diǎn)(站點(diǎn)位置如圖1所示)進(jìn)行土壤溫度驗(yàn)證工作。

2.4 模擬結(jié)果分析

在研究中,為了從客觀角度分析空間預(yù)測(cè)方法的準(zhǔn)確性,此處采用4種統(tǒng)計(jì)指標(biāo)進(jìn)行精度驗(yàn)證：均方根誤差(RMSE)、平均絕對(duì)誤差(MAE)、平均誤差(ME)以及相關(guān)系數(shù)(COR)等幾個(gè)統(tǒng)計(jì)指標(biāo)進(jìn)行后面的驗(yàn)證工作(表2)。

表2 用于檢驗(yàn)?zāi)Ｊ侥M精度的四個(gè)統(tǒng)計(jì)指標(biāo)

Voi: 土壤溫度觀測(cè)值 (K)；Vpi: 土壤溫度模擬值 (K),n: 臺(tái)站數(shù)

3 結(jié)果與分析

3.1 月平均土壤溫度模擬結(jié)果驗(yàn)證與分析

如圖4所示為新疆105站月平均土壤溫度的模擬與實(shí)測(cè)值(4a平均)。研究結(jié)果發(fā)現(xiàn)：土壤溫度模擬值的變化趨勢(shì)、峰谷值和實(shí)際觀測(cè)值基本一致,模擬結(jié)果較好的體現(xiàn)了土壤溫度季節(jié)變化,這說(shuō)明CLDAS驅(qū)動(dòng)下的CLM3.5模式可以良好的模擬新疆3層土壤溫度變化規(guī)律。此外,分析還發(fā)現(xiàn),在春季和秋季,模式模擬的結(jié)果和實(shí)際觀測(cè)值最為接近,其中第1層(5cm)模擬的土壤溫度在夏季與實(shí)際觀測(cè)值差異最大,達(dá)到10K左右；第2層(20cm)模擬的土壤溫度在夏季與實(shí)際觀測(cè)值差異次之,接近5K；第3層(80cm)模擬的土壤溫度在夏季最接近實(shí)測(cè)值。然而,相對(duì)于較淺的兩層,第3層的模擬結(jié)果在1月和12月則較差。導(dǎo)致這些差異的原因可能是由于夏季新疆地區(qū)空氣溫度變化劇烈,尤其是在7月份,溫度達(dá)到了最大值(后文稱之為溫度“極值”),而淺層土壤溫度的變化速度很快,模式可能會(huì)產(chǎn)生部分低估現(xiàn)象,而對(duì)于深層土壤基本不會(huì)產(chǎn)生影響,進(jìn)而導(dǎo)致模式模擬淺層出現(xiàn)偏差較深層大。

圖4 新疆105個(gè)站點(diǎn)月平均土壤溫度模擬-實(shí)測(cè)曲線圖Fig.4 Simulation-observation of monthly mean temperatures of the soil at 105 stations in XinjiangCLDAS-OBS: 中國(guó)氣象局陸面數(shù)據(jù)同化驅(qū)動(dòng)場(chǎng)模式結(jié)果與對(duì)應(yīng)觀測(cè)值差值分析

圖5表示土壤溫度平均誤差在不同深度及季節(jié)的變化規(guī)律,分析發(fā)現(xiàn)：5—80cm的土壤溫度除了在夏季(5—9月)大部分呈現(xiàn)負(fù)偏差,其余均呈現(xiàn)正偏差,其中80cm土壤僅在一月份呈現(xiàn)正偏差,而在夏季也隨著深度的增加呈現(xiàn)部分正偏差。從圖5中發(fā)現(xiàn),除了在初春和冬季,模擬的土壤溫度距平相關(guān)在3個(gè)土壤層大部分超過(guò)了0.85,這說(shuō)明CLDAS驅(qū)動(dòng)下的CLM3.5模式較好的抓住了土壤溫度的季節(jié)變化規(guī)律。同時(shí)還發(fā)現(xiàn)淺層土壤(5cm,20cm)的距平相關(guān)系數(shù)都低于第3層土壤(80cm)(在5—9月間,淺層深度(5—20cm)土壤溫度距平相關(guān)系數(shù)在0.85—0.9之間,而在80cm深度附近大部分距平相關(guān)系數(shù)都為0.9。從季節(jié)角度來(lái)看,無(wú)論哪個(gè)土壤層,在初春或冬末距平相關(guān)系數(shù)都較低,大部分在0.7以下,這可能是因?yàn)檩^低的極值溫度造成。土壤溫度的平均絕對(duì)誤差和土壤溫度的均方根誤差在不同深度的季節(jié)變化如圖5所示。分析發(fā)現(xiàn)平均絕對(duì)誤差和均方根誤差的空間分布模態(tài)是基本相似的；此外,第1層(5cm)的模擬誤差要大于第2層(20cm),第3層的誤差顯然是最低的。而第1層(5cm)和第2層(20cm)誤差較大的主要在1—2月,4月,6—7月,12月,深層土壤(80cm)模擬誤差較前兩層土壤模擬誤差小。

圖5 土壤溫度隨季節(jié)和深度變化統(tǒng)計(jì)函數(shù)圖Fig.5 Statistical function graphs of the changes in the temperatures of the soil with season and depth

2009—2012年的月平均溫度在不同年份的平均誤差季節(jié)變化如圖6所示,研究發(fā)現(xiàn)：CLM3.5模式模擬的3層土壤溫度均在夏季出現(xiàn)了較大誤差,其中在第1層(5cm)和第2層(20cm)表現(xiàn)的較為明顯。在每年的6—9月,第1層(5cm)溫度比實(shí)際偏小2K—4K左右。第2層溫度比實(shí)際溫度偏小1K至3K左右。此外,第1層(5cm)和第2層(20cm)土壤層在每年的1—5月、10—11月也會(huì)表現(xiàn)出輕微的誤差(偏大1K至2K)。而在第3層土壤溫度除了在1月至2月、12月表現(xiàn)出誤差較大外(偏小1K至3K),其余各年平均誤差季節(jié)變化大部分在-1K至1K之間。這說(shuō)明第3層土壤溫度隨季節(jié)變化的波動(dòng)性較上面兩層小。

圖6 月平均溫度在不同年份的平均誤差季節(jié)變化圖Fig.6 Seasonal changes in the mean deviations of the simulated monthly mean temperatures from the observed temperatures in different years

3.2 日平均土壤溫度模擬結(jié)果驗(yàn)證與分析

圖7為CLDAS驅(qū)動(dòng)CLM3.5模型模擬的土壤溫度在3個(gè)土壤層的日平均時(shí)間序列圖,通過(guò)與國(guó)家自動(dòng)站105站對(duì)比發(fā)現(xiàn),模擬與實(shí)測(cè)值最大差異低于5K。從圖7中,分析發(fā)現(xiàn)第1層和第2層的土壤溫度模擬值在夏季和秋季與觀測(cè)值差異均最大(達(dá)5K左右),而在第3層(80cm),土壤溫度除了在1、12月模擬超過(guò)2K,其余時(shí)段均模擬的很好。而這樣的結(jié)果也和3.1節(jié)月平均溫度變化情況一致。

圖7 新疆105個(gè)站點(diǎn)日平均土壤溫度模擬-實(shí)測(cè)曲線圖Fig.7 Simulation-observation curves of the daily mean temperatures of the soil at the 105 stations in Xinjiang

3.3 日內(nèi)逐小時(shí)土壤溫度模擬結(jié)果偏差分析

通過(guò)讀取新疆地區(qū)105站4a日內(nèi)溫度分布及變化情況后發(fā)現(xiàn)：從2009年至2012年逐小時(shí)尺度角度來(lái)看,第1層(5cm)土壤溫度年際變化比第2層(20cm)及深層(80cm)都大。在第1層(5cm)處土壤層,每年的2至11月,每天09UTC時(shí),土壤溫度最大可達(dá)到最高值(300K以上),而在每年的1月份、12月份,日內(nèi)土壤溫度均下降至270K以下。同時(shí)發(fā)現(xiàn),在第1層(5cm)處,日內(nèi)最高溫度、最低溫度相差最多達(dá)30K以上(1月及12月除外)。

在第2層(20cm)處,發(fā)現(xiàn)土壤溫度日內(nèi)變化偏緩且向后偏移,日內(nèi)土壤最高溫度(300K以上)出現(xiàn)在15UTC,這說(shuō)明土壤溫度從淺層傳遞到深層出現(xiàn)了延遲性；此外還發(fā)現(xiàn),在第2層(20cm)深度處,土壤溫度僅在2009年1月初、2010年12月末、2011年1月初、2011年12月末及2012年1月等時(shí)段出現(xiàn)了土壤溫度下降到了零下的現(xiàn)象。而在第3層(80cm)深度的觀測(cè)中,發(fā)現(xiàn)每日的24h內(nèi),基本看不到土壤溫度的變化。在80cm處,僅僅表現(xiàn)為在6—9月,土壤溫度介于290K至300K之間,其中最高溫度主要集中在7月(295K—300K),而最低溫度主要集中在每年的1月份。由于2011年、2012年初春(1—2月份)偏冷,導(dǎo)致80cm土壤溫度都在270K—275K之間,且該層的最高溫度和最低溫度相差(15K—25K),該層相對(duì)于淺層(5cm及20cm)更加平緩,說(shuō)明淺層土壤溫度受陸-氣之間能量影響程度大于深層土壤。從土壤溫度的季節(jié)變化角度來(lái)看,3個(gè)土壤層的溫度均在夏季達(dá)到溫度最高值,冬季達(dá)到溫度最低值,季節(jié)變化情況明顯。

圖8是國(guó)家自動(dòng)土壤溫度站點(diǎn)與模式模擬的結(jié)果在3個(gè)土壤層的差值統(tǒng)計(jì)情況。從圖8分析得知,各層土壤溫度模擬值與觀測(cè)值吻合情況較好。從第1層(5cm)的模式模擬結(jié)果和觀測(cè)結(jié)果的差值圖可以看到：每年的1月至4月、9月至11月,在每日03UTC—21UTC之間,土壤溫度模擬值較觀測(cè)值偏大,而在21UTC—00UTC,土壤溫度模擬值較觀測(cè)值偏?。辉诿磕甑?—8月,全天的模擬值都偏小,最大值出現(xiàn)在每日09UTC,偏小達(dá)4K左右,這可能是由于該時(shí)段(03 UTC - 14 UTC)是新疆地區(qū)溫度變化較大的時(shí)段。分析發(fā)現(xiàn)其余的非極值時(shí)刻,偏差都在正負(fù)1K之間,模擬結(jié)果非常理想。而在第2層(20cm)深度,在每年的1月至4月、9月至11月,土壤溫度模擬與實(shí)測(cè)差值大部分均在正負(fù)1之間,只有在每天的12UTC模擬偏差達(dá)到最大值,這正好與之前讀取的第2層(20cm)觀測(cè)值在的這個(gè)時(shí)段溫度較高的事實(shí)一致。在第3層(80cm)深度,分析發(fā)現(xiàn),日變化特征變化的并不明顯,在晚春、夏季、初秋模擬值比實(shí)測(cè)值偏大0—1K。其他季節(jié)均比實(shí)測(cè)偏小,尤其是在冬季差異最大,比實(shí)際觀測(cè)小1—4K左右。

圖8 土壤溫度站點(diǎn)模擬與觀測(cè)差值結(jié)果Fig.8 Differences between the simulated and observed temperatures of the soil of the three layers

3.4 新疆地區(qū)105站土壤溫度逐站逐小時(shí)相關(guān)系數(shù)驗(yàn)證

上文各節(jié)均為新疆105站多年平均以后的結(jié)果,為了從時(shí)空角度驗(yàn)證模式模擬結(jié)果和站點(diǎn)觀測(cè)結(jié)果的相關(guān)性,本研究將每個(gè)站的逐小時(shí)觀測(cè)數(shù)據(jù)和插值后的CLM3.5模式數(shù)據(jù)進(jìn)行相關(guān)系數(shù)驗(yàn)證及顯著性檢驗(yàn)。由于國(guó)家自動(dòng)站目前為加密站,本文中將新疆地區(qū)105站按照其原始順序用數(shù)字進(jìn)行排序,并不公布其經(jīng)緯度。限于篇幅,本文展示排序?yàn)榍?個(gè)站點(diǎn)的2009年逐小時(shí)數(shù)據(jù)相關(guān)性驗(yàn)證情況。

圖9 觀測(cè)與模擬土壤溫度(第1層5cm)逐小時(shí)(逐站)相關(guān)系數(shù)及顯著性檢驗(yàn)Fig.9 The correlation coefficient and significance test between the observed and simulated temperatures of the soil of the second layers (5cm) at hourly scale (top 9 stations)

圖10 觀測(cè)與模擬土壤溫度(第2層20cm)逐小時(shí)(前9站)相關(guān)系數(shù)及顯著性檢驗(yàn)Fig.10 The correlation coefficient and significance test between the observed and simulated temperatures of the soil of the second layers (20cm) at hourly scale (top 9 stations)

圖11 觀測(cè)與模擬土壤溫度(第3層80cm)逐小時(shí)(前9站)相關(guān)系數(shù)及顯著性檢驗(yàn)Fig.11 The correlation coefficient and significance test between the observed and simulated temperatures of the soil of the second layers (80cm) at hourly scale (top 9 stations)

圖9—圖11分別為新疆地區(qū)9個(gè)站逐小時(shí)土壤溫度在3個(gè)不同土壤層(5、20、80cm)的觀測(cè)值與模擬值對(duì)比情況,橫軸逐小時(shí)數(shù)據(jù)由日時(shí)間表示,縱軸為土壤溫度(K), 圖9—圖11分別表示了新疆前9個(gè)站點(diǎn)3個(gè)不同土壤層5、20、80cm的土壤溫度(K)在2009年逐小時(shí)變化的情況。圖9—圖11還表示了新疆前9個(gè)站點(diǎn)3個(gè)不同土壤層(5、20、80cm)土壤溫度(K)在2009年逐小時(shí)相關(guān)系數(shù)和相應(yīng)的顯著性檢驗(yàn)情況。根據(jù)以上幾個(gè)土壤層的分析,本研究發(fā)現(xiàn)在3個(gè)土壤層存在以下共同的現(xiàn)象：

(1)在每年的夏季由 CLDAS 驅(qū)動(dòng)的 CLM3．5 均出現(xiàn)了溫度低估現(xiàn)象”可以改為“由 CLDAS 驅(qū)動(dòng)的 CLM3．5在每年的夏季 均出現(xiàn)了溫度低估現(xiàn)象,然而這種現(xiàn)象隨著土壤層次的加深,即由淺層5cm到80cm的過(guò)程中,這種低估現(xiàn)象出現(xiàn)了消弱,這是由于土壤溫度隨著深度的加深,極值變化出現(xiàn)了弱化,模式相對(duì)于淺層溫度更能抓住深層土壤溫度的變化規(guī)律。此外,模式在近地表不能得到很好模擬的另外原因可能跟陸面參數(shù)化方案(如：土壤的熱傳導(dǎo)參數(shù)化方案)及觀測(cè)站點(diǎn)下墊面有關(guān),本研究后期將改進(jìn)構(gòu)建適合新疆地區(qū)的土壤熱傳導(dǎo)參數(shù)化方案。此外,由于我國(guó)土壤溫度觀測(cè)站均設(shè)置在裸地上(如：要求保持觀測(cè)場(chǎng)內(nèi)整潔,淺草平鋪,草高超過(guò)20cm時(shí),應(yīng)及時(shí)剪割,地溫場(chǎng)要保持裸地及土質(zhì)疏松)。而模式本身地表參數(shù)集僅為調(diào)查時(shí)的土地利用,并未考慮后期人為的改變,因此也會(huì)導(dǎo)致原先以非裸土區(qū)域分布的土壤溫度站點(diǎn)模擬值會(huì)有低估現(xiàn)象,而原先在裸土區(qū)域分布土壤溫度站點(diǎn)模擬值可能相對(duì)較準(zhǔn)。

(2)每年初春及冬末,由CLDAS驅(qū)動(dòng)CLM3.5模擬的土壤溫度也會(huì)存在與夏季相比較弱的低估現(xiàn)象,同時(shí)隨土壤溫度加深,這種低估現(xiàn)象在減弱。

(3)雖然大部分站點(diǎn)的相關(guān)系數(shù)均在0.92以上,顯著性檢驗(yàn)均在0.16—0.17之間。然而,發(fā)現(xiàn)小部分站點(diǎn)在冬季擬合結(jié)果相當(dāng)高(如第8,9站點(diǎn)),而對(duì)105站點(diǎn)檢查后發(fā)現(xiàn)這不是一個(gè)偶然現(xiàn)象,那么可能原因是在模擬較好的站點(diǎn)降雪較少,這可能由于土壤溫度探頭并沒(méi)有受到降雪影響；反之,如圖9,部分站點(diǎn)出現(xiàn)了冬末和初春恒定的“異常值”,而這種異常值可能是由于觀測(cè)站點(diǎn)土壤溫度探頭受積雪融化,土壤溫度探頭在冰雪混合物中探測(cè)的溫度將在一段時(shí)間內(nèi)保持恒定,這樣可使得模式不能很好的模擬這種特殊現(xiàn)象。后期將通過(guò)檢查不同站點(diǎn)降雪情況,驗(yàn)證之前提到的土壤溫度“異常值”是否與冰雪凍融有關(guān)。

4 討論與結(jié)論

土壤溫度的模擬是陸面模式中關(guān)鍵的部分,陸面模式中的土壤溫度計(jì)算的準(zhǔn)確性,直接影響到模式中陸面與大氣之間物質(zhì)和能量的交換,從而影響數(shù)值模式的準(zhǔn)確性。本論文利用CLDAS數(shù)據(jù)強(qiáng)迫CLM3.5陸面模式對(duì)新疆地區(qū)土壤溫度進(jìn)行模擬,詳細(xì)介紹了CLDAS在制作過(guò)程中的融合數(shù)據(jù)及核心同化算法,同過(guò)對(duì)地表參數(shù)集等進(jìn)行設(shè)置,本研究最終對(duì)105個(gè)土壤溫度站點(diǎn)(新疆區(qū)域國(guó)家級(jí)自動(dòng)站點(diǎn))3個(gè)層次逐小時(shí)數(shù)據(jù)分別進(jìn)行了驗(yàn)證與分析,模擬結(jié)果表明：本驅(qū)動(dòng)場(chǎng)強(qiáng)迫下的CLM3.5模式可較好的模擬新疆地區(qū)多層土壤的溫度變化,模擬值與實(shí)際值的相關(guān)系數(shù)、偏差等均較好。下一步工作將針對(duì)模式在夏季出現(xiàn)土壤溫度低估的問(wèn)題研究CLM3.5模式中土壤熱傳導(dǎo)性參數(shù)化方案及其他相關(guān)方案進(jìn)行改進(jìn)的可行性,同時(shí)進(jìn)一步調(diào)整地表參數(shù)集,以便最大程度減少模式的不確定性,使其達(dá)到最優(yōu)模擬結(jié)果。

本研究得出以下結(jié)論：

從月平均角度來(lái)看,CLDAS驅(qū)動(dòng)下的CLM3.5模式可以較好的模擬出新疆地區(qū)3層土壤溫度季節(jié)性的變化趨勢(shì)。在春季和秋季,3個(gè)土壤層的土壤溫度模擬結(jié)果與實(shí)測(cè)擬合度較高,其中第1層(5cm)模擬的土壤溫度在冬季與實(shí)際觀測(cè)值差異最大,達(dá)到10K左右；第2層(20cm)模擬的土壤溫度在冬季與實(shí)際觀測(cè)值差異次之,接近5K,第3層(80cm)模擬的土壤溫度在夏季最接近實(shí)測(cè)值,這樣高的模擬精度主要得益于高精度的CLDAS強(qiáng)迫場(chǎng)數(shù)據(jù)。

從不同的季節(jié)角度看3個(gè)土壤層,分析發(fā)現(xiàn)在夏季,上層土壤溫度高于下層,夏季氣溫變化對(duì)第1層深度(5cm)土壤溫度日變化的影響較大,第2層深度(20cm)次之,而對(duì)第3層深度(80cm)土壤溫度日變化影響較小。在冬季,下層土壤溫度總體高于上層,冬季氣溫變化對(duì)第1層土壤(5cm)溫度日變化的影響較小,第2層深度(20cm)次之,第3層深度(80cm)土壤溫度日變化的影響較大。

從日平均角度來(lái)看,發(fā)現(xiàn)在第3層(80cm)處的模擬結(jié)果隨著季節(jié)變化的波動(dòng)性均較上兩層小,而這樣的結(jié)果也和3.1節(jié)的月平均溫度變化分析結(jié)果是一致的。這可能是由于在熱傳導(dǎo)過(guò)程中,土壤對(duì)上層溫度的短期震蕩起到了平滑作用,上下層土壤溫度日變化周期具有明顯的滯時(shí)效應(yīng),這也是符合實(shí)際的。

從逐小時(shí)尺度分析來(lái)看,對(duì)于第1層(5cm)土壤層,每年的2至11月,日內(nèi)09UTC時(shí),土壤溫度達(dá)到30度以上。在第2層(20cm)處,發(fā)現(xiàn)土壤溫度日內(nèi)變化偏緩且向后偏移,日內(nèi)土壤最高溫度(30度以上)出現(xiàn)在15UTC,這說(shuō)明土壤溫度在從淺層傳遞到深層土壤的延遲性。而在第3層(80cm)深度的觀測(cè)中,分析發(fā)現(xiàn)從日內(nèi)尺度上,基本看不到土壤溫度的變化。該層相對(duì)于第1層(5cm)及第2層(20cm)層更加平緩,同時(shí)也說(shuō)明淺層土壤溫度受陸-氣之間能量影響的程度大于深層土壤。

5 展望

本研究利用CLDAS1.0大氣驅(qū)動(dòng)場(chǎng)為大氣驅(qū)動(dòng)輸入數(shù)據(jù)對(duì)新疆地區(qū)土壤溫度進(jìn)行初步的模擬及驗(yàn)證,后期將驗(yàn)證更換GFS背景場(chǎng)為(European Centre for Medium-Range Weather Forecasts, ECWMF)的新背景場(chǎng),該背景場(chǎng)精度(時(shí)間分辨率：1h、空間分辨率：1km)。地表參數(shù)集將設(shè)置為與驅(qū)動(dòng)場(chǎng)相應(yīng)分辨率(空間分辨率：1km),從而提高模式輸入數(shù)據(jù)精度、減少模型的不確定性。此外,針對(duì)模式在夏季存在高估現(xiàn)象,將在后期嘗試改進(jìn)土壤的熱傳導(dǎo)參數(shù)化方案,同時(shí)精細(xì)化地表參數(shù)集；對(duì)于冬末、初春觀測(cè)出現(xiàn)短暫恒定值狀態(tài)及模式不能較好的擬合的情況,將在后期通過(guò)對(duì)全疆進(jìn)行區(qū)域劃分、臺(tái)站實(shí)地調(diào)查與參數(shù)化方案改進(jìn)結(jié)合的方法對(duì)模擬結(jié)果進(jìn)行分析和改進(jìn)。

[1] Charney J G. Dynamics of deserts and drought in the Sahel. Quarterly Journal of the Royal Meteorological Society, 1975, 101(428): 193- 202.

[2] Paul K I, Polglase P J, Smethurst P J, O’Connell A M, Carlyle C J, Khanna P K. Soil temperature under forests: a simple model for predicting soil temperature under a range of forest types. Agricultural and Forest Meteorology, 2004, 121(3/4): 167- 182.

[3] Godfrey C M, Stensrud D J. Soil Temperature and moisture errors in operational eta model analyses. Journal of Hydrometeorology, 2008, 9(3): 367- 387.

[4] Fan X G. Impacts of soil heating condition on precipitation simulations in the weather research and forecasting model. Monthly Weather Review, 2009, 137(7): 2263- 2285.

[5] 李瑋, 張佳寶, 張叢志. 秸稈掩埋還田對(duì)黃淮海平原耕層土壤溫度及作物生長(zhǎng)的影響. 生態(tài)環(huán)境學(xué)報(bào), 2012, 21(2): 243- 248.

[6] 董振國(guó). 作物層溫度與土壤水分的關(guān)系. 科學(xué)通報(bào), 1986, (8): 608- 810.

[7] Zhang Y, Chen W J, Smith S L, Riseborough D W, Cihlar J. Soil temperature in Canada during the twentieth century: Complex responses to atmospheric climate change. Journal of Geophysical Research, 2005, 110: D03112.

[8] 王曉婷, 郭維棟, 鐘中, 崔曉燕. 中國(guó)東部土壤溫度、濕度變化的長(zhǎng)期趨勢(shì)及其與氣候背景的聯(lián)系. 地球科學(xué)進(jìn)展, 2009, 24(2): 181- 192.

[9] Bonan G B, Levis S. Evaluating aspects of the Community Land and Atmosphere Models (CLM3 and CAM3) using a dynamic global vegetation model. Journal of Climate, 2006, 19(11): 2290- 2301.

[10] Whitfield B, Jacobs J M, Judge J. Intercomparison study of the land surface process model and the common land model for a prairie wetland in Florida. Journal of Hydrometeorology, 2006, 7(6): 1247- 1258.

[11] Sakaguchi K, Zeng X B. Effects of soil wetness, plant litter, and under-canopy atmospheric stability on ground evaporation in the Community Land Model (CLM3.5). Journal of Geophysical Research, 2009, 114(D1): D01107.

[12] 黃偉, 郭振海, 宇如聰. CLM在淮河流域數(shù)值模擬試驗(yàn). 氣象學(xué)報(bào), 2004, 62(6): 764- 775.

[13] 劉少鋒, 林朝暉. 通用陸面模式CLM在東亞不同典型下墊面的驗(yàn)證試驗(yàn). 氣候與環(huán)境研究, 2005, 10(3): 684- 699.

[14] 陳海山, 熊明明, 沙文鈺. CLM3.0對(duì)中國(guó)區(qū)域陸面過(guò)程的模擬試驗(yàn)及評(píng)估 Ⅰ: 土壤溫度. 氣象科學(xué), 2010, 30(5): 621- 630.

[15] Nicolsky D J, Romanovsky V E, Alexeev V A, Lawrence D M. Improved modeling of permafrost dynamics in a GCM land-surface scheme. Geophysical Research Letters, 2007, 34(8): L08501.

[16] Bonan G B. A land surface model (LSM version 1.0) for ecological, hydrological, and atmospheric studies: technical description and user'sguide. NCAR Tech Note NCAR/TN- 417+STR, Boulder, Colorado: National Center for Atmospheric Research, 1996.

[17] Dickinson R E, Kennedy P J, Sellers-Henderson A, Wilson M F. Biosphere-atmosphere transfer scheme (bats) for the NCAR community climate model. Tech. Rep. NCARE/TN- 275+STR, National Center for Atmospheric Research, 1986.

[18] Dai Y J, Xue F, Zeng Q C. A land surface model (IAP94) for climate studies Part II: Implementation and preliminary results of coupled model with IAP GCM. Advances in Atmospheric Sciences, 1998, 15(1): 47- 62.

[19] Oleson K W. Coauthors. CLM 3.5 documentation. Boulder: National Center for Atmospheric Research, 2007, http://www.cgd.ucar.edu/tss/clm/distribution/clm3.5.CLM3_5_documentation.pdf.

[20] Niu G Y, Yang Z L, Dickinson R E, Gulden L E. A simple TOPMODEL-based runoff parameterization (SIMTOP) for use in global climate models. Journal of Geophysical Research, 2005, 110(D21), doi: 10.1029/2005JD006111.

[21] Niu G Y, Yang Z L. Effects of frozen soil on snowmelt runoff and soil water storage at a continental scale. Journal of Hydrometeorology, 2006, 7(5): 937- 952.

[22] Niu G Y, Yang Z L, Dickinson R E, Gulden L E, Su H. Development of a simple groundwater model for use in climate models and evaluation with gravity recovery and climate experiment data. Journal of Geophysical Research, 2007, 112(D7): D21101.

[23] Lawrence D M, Thornton P E, Oleson K W, Bonan G B. The partitioning of evapotranspiration into transpiration, soil evaporation, and canopy evaporation in a GCM: Impacts on land-atmosphere interaction. Journal of Hydrometeorology, 2007, 8(4): 862- 880.

[24] Oleson K W, Dai Y, Bonan G, Bosilovich M, Dickinson R E, Dirmeyer P, Hoffman F, Houser P, Levis S, Niu G Y, Thornton P, Vertenstein M, Yang Z L, Zeng X B. Technical description of the community land model (CLM). NCAR Technical Note NCAR/TN- 461+ STR, Boulder, CO: National Center for Atmospheric Research, 2004.

[25] Oleson K W, Niu G Y, Yang Z L, Lawrence D M, Thornton P E, Lawrence P J, St?ckli R, Dickinson R E, Bonan G B, Levis S, Dai A, Qian T. Improvements to the Community Land Model and their impact on the hydrological cycle. Journal of Geophysical Research, 2008, 113(G1), doi: 10.1029/2007JG000563.

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

[27] Dickinson R E, Henderson-Sellers A, Kennedy P J, Wilson M F. Biosphere-atmospheretransfer scheme (BATS) version 1e as coupled to the NCAR community climate model. Tech Note/TN- 387+STR, Boulder, CO: National Center for Atmospheric Research, 1993, doi: 10.5065/D6668B58.

[28] Bonan G B, Oleson KW, Vertenstein M, Levis S, Zeng X B, Dai Y J, Dickinson R E, Yang Z L. The land surface climatology of the community land model coupled to the NCAR community climate model. Journal of Climate, 2002, 15(22): 3123- 3149.

[29] Cogley J G. GGHYDRO-Global Hydrographic Data Release 2.0. Trent Climate Note 91- 1, Peterborough, Ontario: Trent University, Dept. Geography, 1991.

[30] Loveland T R, Reed B C, Brown J F, Ohlen D O, Zhu Z, Yang L, Merchant J W. Development of a global land cover characteristics database and IGBP DISCover from 1 km AVHRR data. International Journal of Remote Sensing, 2000, 21(6/7): 1303- 1330.

[31] Bonan G B, Levis S, Kergoat L, Oleson KW. Landscapes as patches of plant functional types: An integrating concept for climate and ecosystem models. Global Biogeochemical Cycles, 2002, 16(2): 5- 1- 5- 23.

[32] Dickinson R E, Oleson K W, Bonan G, Hoffman F, Thornton P, Vertenstein M, Yang Z L, Zeng X B. The community land model and its climate statistics as a component of the community climate system model. Journal of Climate, 2006, 19(11): 2302- 2324.

[33] 張濤, 基于LAPS/STMAS的多源資料融合及應(yīng)用研究[D]. 南京: 南京信息工程大學(xué), 2013.

[34] Xie Y, Koch S, McGinley J, Albers S, Bieringer P E, Wolfson M, Chan M. A Space-time multiscale analysis system: A sequential variational analysis approach. Monthly Weather Review, 2011, 139(4): 1224- 1240.

[35] 師春香, 謝正輝. 基于靜止氣象衛(wèi)星觀測(cè)的降水時(shí)間降尺度研究. 地理科學(xué)進(jìn)展, 2008, 27(4): 15- 22.

[36] Ren Z H, Zhao P, Zhang Q, Zhang Z F, Cao L J, Yang Y R, Zou F L, Zhao Y F, Zhao Y F, Chen Z. Quality control procedures for hourly precipitation data from automatic weather stations in China. Meteorological Monthly, 2010, 36(7): 123- 132.

[37] Joyce R J, Janowiak J E, Arkin P A, Xie P P. CMORPH: A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution. Journal of Hydrometeorology, 2004, 5(3): 487- 503.

[38] Shen Y, Feng M N, Zhang H Z, Gao F. Interpolation methods of China daily precipitation data. Journal of Applied Meteorological Science, 2010, 21(3): 279- 286.

[39] Shi C X, Xie Z H, Qian H, Liang M L, Yang X C. China land soil moisture EnKF data assimilation based on satellite remote sensing data. Science China Earth Sciences, 2011, 54(9): 1430- 1440.

Simulation and verification of land surface soil temperatures in the Xinjiang Region by the CLM3.5 model forced by CLDAS

MENG Xianyong1, WANG Hao1, LIU Zhihui2,*, SHI Chunxiang3, LIU Shiyin4, CHEN Xi5, GONG Weiwei6

1ChinaInstituteofHydropowerandWaterResourcesResearch,Beijing100038,China2InstituteofAridEcologyandEnvironment,XinjiangUniversity,Urumqi830046,China3NationalMeteorologicalInformationCenter,ChinaMeteorologicalAdministration,Beijing100081,China4StateKeyLaboratoryofCryosphereSciences,ColdandAridRegionsEnvironmentalandEngineeringResearchInstitute,ChineseAcademyofSciences,Lanzhou730000,China5XinjiangInstituteofEcologyandGeography,ChineseAcademyofSciences,Urumqi830011,China6HuayunInformationTechnologyEngineeringCo.,Ltd,ChinaMeterologicalAdministration,Beijing100081,China

This study modeled the spatial and temporal distribution of soil temperatures in the Xinjiang region of China, using atmospheric surface forcing data in the China Meteorological Administration Land Data Assimilation System (CLDAS, NMIC of China Meteorological Administration) to drive the Community Land Model (CLM3.5, National Center of Atmospheric Research USA) for hourly off-line simulations (from 2009 to 2012). To verify the CLM3.5 simulated soil temperatures, data from national automatic soil-temperature stations (105 in the Xinjiang region) were used at three soil layers (5 cm, 20 cm, and 80 cm). For monthly variation, simulated top layer (5cm) soil temperatures differed substantially from measured values, with the largest difference (± 5℃) reaching the maximum in July each year. The difference (± 3℃) between modeled and observed soil temperatures at the second layer (20 cm) reached the maximum in July for all years, whereas for the third layer (80 cm), simulated annual July soil temperatures were in accordance with the observed values. The large discrepancies in July soil temperatures in the top surface layers can be explained by the drastic surface temperature changes in the Xinjiang region during that month. With day-time temperatures that can reach above 30℃, combined with large diurnal temperature differences, it becomes very difficult to accurately capture surface temperature variation by using the model. In contrast, in January and December, the 80 cm soil depth simulations were less accurate than the results of simulations at the first two soil layers. Furthermore, simulated values of soil temperature at the top two layers (5 cm and 20 cm) did not fit well with observed values for the summer and autumn. However, similar to monthly variation, the daily variation in modeled soil temperature at 80 cm showed a bad fit with observed data in January and December, whereas the fit was good in other periods. For hourly variation at 5 cm soil depth, the simulated soil temperature values were higher than the observed ones from January to April and September to November between 03 UTC and 21 UTC the next day. In contrast, simulated results were slightly lower than the observed values between 21 UTC and 00 UTC the next day for this same layer and period. From May to August of every year, day-time simulated values are slightly lower, reaching a maximum at 09UTC. At 20 cm depth, simulated soil temperature had smaller deviations (between -1℃ and 1℃) for most months, and the daily maximum occurred at 12UTC, which is earlier than the observed values. At the 80 cm soil layer, little daily variation was simulated or observed in soil temperatures, giving this soil layer hardly any influence on the overall daily variation. In the Xinjiang region, the diurnal temperature difference is large from May to August and September to November, which can explain why the upper two soil layers show differences between modeled and observed hourly soil temperatures. Soil temperature at deep soil layers, however, will vary less with temperature differences, giving this layer a better fit than the other two. Overall, this study shows that the CLM3.5 model forced by a CLDAS driving field can simulate the multi-year spatial and temporal distribution of average soil temperatures in Xinjiang region precisely. It furthermore showed that this method could simulate and reflect the hourly, daily, monthly, and yearly patterns of soil temperature in the Xinjiang region. Finally, the poor simulation of temperatures at the surface layer may be caused by the parameterization scheme of the surface parameters in this model, which will be addressed and corrected in a later phase.

soil temperature; community land model 3.5; China Meteorological Administration Land Data Assimilation System (CLADS); temporal variation; model verification

水利部公益性行業(yè)科研專項(xiàng)經(jīng)費(fèi)(201301103)；國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目(41130531)

2015- 08- 17;

日期:2016- 06- 14

10.5846/stxb201508171717

*通訊作者Corresponding author.E-mail: lzh@xju.edu.cn

孟現(xiàn)勇,王浩,劉志輝,師春香,劉時(shí)銀,陳曦,龔偉偉.基于CLDAS強(qiáng)迫CLM3.5模式的新疆區(qū)域土壤溫度陸面過(guò)程模擬及驗(yàn)證.生態(tài)學(xué)報(bào),2017,37(3):979- 995.

Meng X Y, Wang H, Liu Z H, Shi C X, Liu S Y, Chen X, Gong W W.Simulation and verification of land surface soil temperatures in the Xinjiang Region by the CLM3.5 model forced by CLDAS.Acta Ecologica Sinica,2017,37(3):979- 995.