CLDAS和GLDAS土壤濕度資料在黃土高原的適用性評估

劉歡歡，王 飛,2,3，張廷龍,4

(1.西北農(nóng)林科技大學資源環(huán)境學院，陜西 楊凌 712100；2.中國科學院水利部水土保持研究所，陜西 楊凌 712100；3.西北農(nóng)林科技大學水土保持研究所，陜西 楊凌 712100；4.西北農(nóng)林科技大學林學院生態(tài)預測與全球變化實驗室，陜西 楊凌 712100)

近年來隨著人類活動的加劇，地球系統(tǒng)受到嚴重的侵擾，自然生態(tài)環(huán)境不斷發(fā)生惡化。以全球氣候變化為首的生態(tài)問題成為我們?nèi)祟惿a(chǎn)生活面臨的嚴峻挑戰(zhàn)之一。土壤濕度作為氣候系統(tǒng)中的一個重要的物理量，它是檢驗陸面水文過程中的重要指標[1]，也是自然生態(tài)系統(tǒng)最直接的水分來源，直接影響著植被的生長發(fā)育[2]。其通過控制陸面過程中物質(zhì)和能量的交換和收支平衡，影響著大氣環(huán)流狀況和氣候變化[3]。了解土壤濕度特征對理解水文循環(huán)、天氣與氣候變化、干旱監(jiān)測等具有重要的意義[4-5]，因此對于土壤濕度的研究顯得尤為必要。

土壤濕度傳統(tǒng)的方法是定點監(jiān)測，精度較高但是觀測站點較少，費時費力，不確定性較大，研究大多數(shù)針對單點進行研究和分析。而較大時間序列和區(qū)域尺度的研究則主要依賴于遙感監(jiān)測[6-7]，這種方法雖然具備大區(qū)域尺度覆蓋的優(yōu)勢，但很大程度也受限于反演算法，同時其無法反演深層的土壤濕度。近年來隨著數(shù)值模式的發(fā)展和應用[8]，借助陸面模式模擬使得獲取長時間序列和較大空間尺度的土壤濕度資料成為可能。劉建國[9]研究表明，陸面模式模擬的土壤濕度能較好地再現(xiàn)中國區(qū)域土壤濕度的時空變異性。目前，常用的比較成熟的陸面數(shù)據(jù)同化系統(tǒng)有美國航空航天局(NASA)和海洋大氣局(NOAA)發(fā)展的全球陸面數(shù)據(jù)同化系統(tǒng)(GLDAS)和北美陸面數(shù)據(jù)同化系統(tǒng)(NLDAS)[10]、歐洲陸面數(shù)據(jù)同化系統(tǒng)(ELDAS)、加拿大氣象服務局研發(fā)的加拿大陸面數(shù)據(jù)同化系統(tǒng)(CaLDAS)等。但是模式資料由于所用陸面模式、資料同化方法、土壤濕度計算方法、偏差校正方法和質(zhì)量控制方法等不盡相同，存在較大的不確定性[11-12]，數(shù)據(jù)的準確性還需要進行一定的驗證。Rodell M[13]等研究表明，相比較其它模擬產(chǎn)品，GLDAS驅(qū)動數(shù)據(jù)更準確，其模擬結(jié)果更合理。目前，GLDAS以其優(yōu)勢支持了大量的研究工作[14-16]。中國氣象局陸面數(shù)據(jù)同化系統(tǒng)(CLDAS)由國家氣象信息中心研發(fā)，起步較晚，2013年進入業(yè)務化運行，近些年來陸續(xù)開始使用[17-18]。其時間分辨率為1 h，空間分辨率為0.0625°×0.0625°，均高于GLDAS資料。

近年，一些學者針對不同的研究目的，對各種陸面模式土壤濕度資料在區(qū)域的適用性進行評估，并在此基礎上進行應用。Chen et al[19]利用青藏高原中部土壤濕度觀測數(shù)據(jù)對CLDAS中4種陸面模式土壤濕度產(chǎn)品的適用性進行對比評估。吳盼[20]等利用GLDAS資料與TVDI的相關性對青藏高原的土壤含水量進行了反演；程善俊[21]等利用GLDAS資料分析研究了黃土高原半干旱區(qū)土壤濕度對氣候變化的響應；而對于近年來發(fā)展的CLDAS資料，也有不少研究就不同區(qū)域CLDAS與GLDAS資料的適用性進行對比評估，宋海清和劉川[22-23]等分別在內(nèi)蒙古和青藏高原地區(qū)進行了評估。黃土高原地處半干旱半濕潤地區(qū)，土壤濕度嚴重制約著該區(qū)農(nóng)業(yè)的生產(chǎn)，因此對于該區(qū)這樣較大范圍土壤濕度的研究顯得尤為重要。然而利用模式資料針對黃土高原地區(qū)的相關研究較少，程善俊[24]只是利用GLDAS土壤濕度資料在華北地區(qū)(包括黃土高原)進行簡單的驗證并基于此分析該區(qū)土壤濕度的變化特征，僅使用了相關分析，同時驗證過程中存在土壤濕度分層不對應的情況(20 cm觀測與10～40 cm同化數(shù)據(jù))，且鮮有研究利用CLDAS資料分析該區(qū)域土壤濕度情況。

因此，本文基于所獲取的CLDAS和GLDAS土壤濕度資料，選取2011～2013年3～9月時間尺度的資料為研究數(shù)據(jù)，以觀測站點數(shù)據(jù)為參考就兩套模式模擬的土壤濕度資料在黃土高原的適用性進行對比評估驗證，旨在選取一種適用于研究黃土高原地區(qū)土壤濕度時空特征的大范圍、長時間序列的替代資料，從而為黃土高原土壤水分的演化、水土狀況的改善、氣候資源的合理利用、農(nóng)業(yè)生產(chǎn)的合理布局和氣候變化的應對等監(jiān)管問題提供科學依據(jù)，同時為陸面模式的改進提供一定的參考。

1 材料與研究方法

1.1 研究區(qū)概況

黃土高原[25]地處黃河的中上游，東起太行山脈、西至日月山，北起燕山、南至秦嶺，總面積達621 000 km2。屬于半干旱半濕潤氣候區(qū)，年均降水量多在400～600 mm之間，蒸發(fā)量為800～1 000 mm，遠大于降水量，降水相對不足且分配不均。土壤類型主要為疏松的黃綿土、褐土和黑壚土，深厚疏松的土質(zhì)覆蓋，使得降水易于貯存于土體內(nèi)，然而較大的土壤孔隙度相反又助長了蒸發(fā)量的增加，從而保水性較差，且地下水埋藏較深，致使該區(qū)土壤水分匱缺，同時該區(qū)地形破碎，水土流失嚴重[26]，土壤貧瘠，有效養(yǎng)分缺乏，基礎肥力較低，多發(fā)展旱作農(nóng)業(yè)。

1.2 數(shù)據(jù)來源

1.2.1 CLDAS土壤濕度資料 CMA陸面數(shù)據(jù)同化系統(tǒng)(CMA Land Data Assimilation System)是由國家氣象信息中心發(fā)展的數(shù)據(jù)同化系統(tǒng)，其利用數(shù)據(jù)融合和同化技術對多源數(shù)據(jù)進行融合，從而獲取高質(zhì)量土壤溫濕度、氣壓、降水等要素的格點數(shù)據(jù)，進而驅(qū)動陸面過程模式以獲得土壤濕度等陸面變量。本研究采用的是CLDAS發(fā)布的CLDAS-V1.0版本的2008年至今的土壤濕度資料。該數(shù)據(jù)覆蓋整個東亞地區(qū)(0°～60°N，70°～150°E)，時間分辨率為1 h，空間分辨率為0.0625°×0.0625°，垂直剖面包含4層(0～10、10～40、40～100、100～200 cm)。

1.2.2 GLDAS土壤濕度資料 全球陸面數(shù)據(jù)同化系統(tǒng)(Global Land Data Assimilation System)數(shù)據(jù)是由美國航空航天局NASA和美國海洋和大氣局NOAA共同發(fā)布的基于衛(wèi)星、陸面模式和地面觀測數(shù)據(jù)的全球陸面同化數(shù)據(jù)。目前GLDAS結(jié)合Noah、CLM、Mosaic和VIC四種陸面模式提供了大量的陸面資料。本文所使用的GLDAS土壤濕度資料是由GLDAS-1提供的Noah模式生成的全球2000年至今的土壤濕度月資料數(shù)據(jù)，空間分辨率為0.25°×0.25°，包括4個深度層，分別為0～10、10～40、40～100、100～200 cm。為了同觀測資料同量綱比較，需先將GLDAS資料土壤濕度轉(zhuǎn)換為體積含水量。

1.2.3 站點觀測資料 本文所用實測資料來源于中國氣象科學數(shù)據(jù)共享服務網(wǎng)(http://cdc.cma.gov.cn) 提供的1991～2013年黃土高原109個國家農(nóng)業(yè)氣象觀測站的農(nóng)田實測土壤相對濕度旬值觀測數(shù)據(jù)，該數(shù)據(jù)垂直深度包含5層(0～10、10～20、40～50、60～70、90～100 cm)。

1.2.4 土壤參數(shù)數(shù)據(jù) 土壤容重與田間持水量來源于北京師范大學戴永久[27]等制作的面向陸面過程模型的中國土壤水分數(shù)據(jù)集，其空間分辨率為30弧秒，田間持水量數(shù)據(jù)分為7層(0～0.045、0.045～0.091、0.091～0.166、0.166～0.289、0.289～0.493、0.493～0.829、0.829～1.383 m)，土壤容重數(shù)據(jù)較田間持水量多了1層(1.383～2.296 m)?？紤]不同土壤層所占的權(quán)重，將容重數(shù)據(jù)利用公式1[28]插值到對應的0～10 cm的平均值(田間持水量采用相同的方法)。

(1)

式中，bd10 cm(bulk density)為所需要的0～10 cm深度的平均土壤容重(g·cm-3)，bd1為第1層即0～0.045 m的土壤容重平均值(g·cm-3)，bd2為第2層即0.045～0.091 m的土壤容重平均值(g·cm-3)，bd3為第3層即0.091～0.166 m的土壤容重平均值(g·cm-3)，三層平均土壤容重所占的權(quán)重，按照各層所占10 cm總厚度中的比例確定，Zi代表第i層的土壤容重厚度(m)，Z為所需計算的總厚度即10 cm，Z1/Z2、Z2/Z及(Z-Z1-Z2)/Z分別為三層所占總厚度的權(quán)重值，本文中計算可得比例各占：45%、46%、9%。計算之后利用ArcGIS得到各實測站點對應的0～10 cm土壤深度土壤容重和田間持水量值。

Wang W[29]等的研究表明，0～10 cm土壤濕度對于氣候的研究十分重要，其對于農(nóng)作物生長的影響也非常大。因此本研究僅選取表層10 cm的土壤濕度為研究對象，2011～2013年生長季(3～9月)為研究時段，進而對兩套陸面模式土壤濕度資料進行評估。此外在驗證比較過程中為了減少分析的誤差，如果模式模擬數(shù)據(jù)缺測，將對應的觀測數(shù)據(jù)也視為缺測，不進行比較和評估，最終篩選出研究時間段內(nèi)連續(xù)的79個觀測站點作為模式數(shù)據(jù)評估的參考。

1.3 數(shù)據(jù)處理和計算方法

1.3.1 模式資料擬合空間分布情況分析 為了對兩套陸面模式土壤濕度資料進行評估，首先，需統(tǒng)一三種數(shù)據(jù)資料的量綱。利用公式2將觀測站點土壤相對濕度數(shù)據(jù)轉(zhuǎn)化為模式輸出結(jié)果對應的土壤體積含水量。其次，本研究內(nèi)實測站點觀測、CLDAS及GLDAS三種土壤濕度數(shù)據(jù)具有不同的時間分辨率，不能直接進行比較。因此分析前需將時間分辨率統(tǒng)一到月尺度。對資料進行統(tǒng)一量化分級，計算研究時段內(nèi)的區(qū)域平均值，并分析對比實測情況，比較模式資料擬合研究區(qū)土壤濕度空間分布情況。

θv=R×fc×Bd

(2)

式中，θv為土壤體積含水量，R為土壤相對濕度，fc為田間持水量，Bd為土壤容重。

1.3.2 統(tǒng)計分析 (1)觀測站點與對應模式資料格點間比較，在對比研究模擬與觀測數(shù)據(jù)的差異時，首先將陸面模式資料與站點觀測值進行一一匹配[22-23]；(2)在計算模式與觀測資料各月區(qū)域均值的基礎上，從整個研究區(qū)尺度對觀測與模擬資料進行分析。

為了定量對比評估兩套陸面模式資料在黃土高原的適用性，本文選取相關系數(shù)(Corr)、平均偏差(MBE)、均方根誤差(RMSE)等指標，在SPSS軟件中進行計算。

1.3.3 模擬資料在時間序列上的擬合程度 首先對79個站點土壤濕度觀測數(shù)據(jù)進行平均得到各月的區(qū)域平均值，再對模式資料在觀測網(wǎng)精度范圍內(nèi)的格點數(shù)據(jù)進行求均，同樣得出研究時段內(nèi)各月的區(qū)域均值，分別對比兩套陸面模式資料與站臺實測值在時間序列上的差異。

2 結(jié)果與分析

2.1 土壤濕度的空間分布與統(tǒng)計分析

圖1給出的是兩套陸面模式和實測站點土壤濕度2011～2013年3～9月表層0～10 cm的空間分布圖，CLDAS和GLDAS土壤濕度的空間分布與站臺觀測基本一致。土壤水分整體從西北地區(qū)向東南和西南地區(qū)呈遞增趨勢。其中陜西南部秦嶺山區(qū)、西安北部子午嶺地區(qū)及青海東部西寧周邊地區(qū)為常年土壤濕潤區(qū)，而內(nèi)蒙古臨河以南、甘肅白銀、銀川以東至陜北毛烏素沙地等地區(qū)為土壤水分低值區(qū)域。但是GLDAS模擬值較觀測值在西寧周邊地區(qū)存在偏低的情況，同時在渭河流域、河套地區(qū)、汾河谷地及陜西毛烏素沙地以南大部分區(qū)域在研究時段內(nèi)受降水補給，土壤水分含量較高，相比較GLDAS資料，CLDAS能夠很好地模擬這一情況；此外CLDAS較GLDAS模式土壤濕度資料具有較高的空間分辨率，能較好地表征黃土高原土壤濕度的時空分布特征和細部情況。綜上，兩套資料中CLDAS資料與站臺資料最接近。

由圖2可見，兩套資料與觀測的相關系數(shù)普遍偏高，主要呈現(xiàn)出與土壤濕度空間分布相同的趨勢(南高北低)。CLDAS模式資料有56個站點達到顯著差異水平，其中50個站點達到極顯著差異水平，分別占總站點個數(shù)的71%和63%；而GLDAS資料達到顯著差異和極顯著差異水平的站點分別為55和49，占比略低，分別為70%和62%。

圖1 2011～2013年3～9月月均0～10 cm模擬和觀測土壤濕度空間分布(單位：m3·m-3)(a)實測站點均值；(b)GLDAS模擬均值；(c)CLDAS模擬均值 Fig.1 Spatial distribution of mean soil moisture of observationvalues (a), GLDAS (b), and CLDAS (c) in warm season(form March to September) in the period of 2011～2013

研究區(qū)南部區(qū)域相關系數(shù)均較高，部分站點相關系數(shù)超過0.8，如甘肅東部的西峰鎮(zhèn)，相關系數(shù)超過0.9(其中CLDAS為0.93，GLDAS為0.95)。而在山西、內(nèi)蒙人古地區(qū)、寧夏西北、青海、甘肅白銀及靖遠等地略差，且兩套資料間存在差異，CLDAS稍好于GLDAS資料。這說明CLDAS對黃土高原的土壤濕度的變化趨勢有著稍微較好的模擬能力。從偏差分布可以看出兩套資料在研究區(qū)域的偏差分布類似。正負偏差的站點個數(shù)相差不大，負偏差站點個數(shù)稍小于正偏差站點個數(shù)，這表明相對觀測資料，模式資料在研究區(qū)整體均表現(xiàn)出輕微的偏干現(xiàn)象。此外，研究區(qū)內(nèi)不同區(qū)位干濕情況存在差異。如山西北部、陜西、青海、內(nèi)蒙古及寧夏西南部及其周邊甘肅地區(qū)主要為正偏差，其它站點均為負偏差。從偏差的分布區(qū)間(±0.15)來看，模式資料對于土壤濕度的模擬是可信的。從負偏差情況整體看來GLDAS站點多于CLDAS資料，分布主要集中在-0.05～0之間，可以說明模式資料也均存在一定程度的偏濕情況，其中GLDAS資料偏濕情況大于CLDAS資料。

圖2 0～10 cm CLDAS、GLDAS土壤濕度資料與觀測的相關系數(shù)(Corr)、平均偏差(MBE)和均方根誤差(RMSE)分布 Fig.2 The correlation coefficients(Corr), mean bias errors(MBE) and root mean square(RMSE) for monthly volumetricsoil moisture from CLDAS and GLDAS compared to observation over the Loess Plateau

而從正偏差角度看，GLDAS站點少于CLDAS資料，且區(qū)間主要分布于0～0.05，且在0.05～0.1之間也有分布，可以看出，相對于觀測資料CLDAS資料偏干程度大于GLDAS。從模式資料和站臺觀測之間的均方根誤差的分布可以看出，兩套資料在研究區(qū)的均方根誤差分布大致相同，GLDAS資料的均方根誤差絕大多數(shù)處于0.05～0.07之間，而CLDAS資料均方根誤差整體稍小，絕大部分低于0.05，0.05～0.07之間也有較多站點分布。整體可以看出，研究區(qū)內(nèi)CLDAS均方根誤差普遍低于GLDAS資料。

綜上，從相關系數(shù)、平均偏差和均方根誤差三個統(tǒng)計指標可以看出，CLDAS具有較GLDAS高的分辨率優(yōu)勢下，能夠更多的刻畫研究區(qū)的細部特征，而且也表現(xiàn)出了較大相關系數(shù)和較小均方根誤差上的優(yōu)勢，顯示出了較為合理的模擬能力。

2.2 陸面模式土壤濕度資料與觀測資料的對比

圖3是研究時段內(nèi)兩套模式資料同站點觀測資料的時間序列比較。整體來看，CLDAS和GLDAS資料均能較好的表征研究區(qū)土壤濕度的季節(jié)變化趨勢。由于降水是黃土高原土壤水分的主要補給來源，降水集中的大陸性季風氣候使得該區(qū)域土壤水分存在明顯的季節(jié)性動態(tài)變化。3、4月份返青時節(jié)，降水少，蒸發(fā)大，土壤出現(xiàn)失墑情況；夏秋季節(jié)增墑，雨季來臨，土壤得到大量降水補償，土壤濕度明顯增加，在8、9月份達到極值[30]?？梢钥闯鰞商钻懨婺Ｊ劫Y料相對于站點觀測在春季均出現(xiàn)不同程度的低估情況，其中CLDAS低估程度大于GLDAS資料；而在夏秋之際模式資料與觀測值較為接近，且GLDAS資料存在一定程度的高估情況。整體而言，在與實測的季節(jié)變化擬合情況下，GLDAS能夠較好地捕捉和擬合土壤濕度觀測的時間變異性。從表1黃土高原陸面模式資料與實測土壤濕度月平均統(tǒng)計特征，可以看出表層0～10 cm的CLDAS與GLDAS資料與觀測均呈顯著相關，并通過了0.01的顯著性檢驗，偏差和均方根誤差也均較小，其中GLDAS較CLDAS具有更小的平均偏差、均方根誤差和更大的相關系數(shù)。

圖3 黃土高原地區(qū)2011～2013年3～9月份0～10 cm觀測與模擬月均土壤濕度時間序列(S、C和G分別表示觀測資料、CLDAS和GLDAS資料) Fig.3 The time series of monthly volumetric soil moisture from the observations, GLDAS simulation andCLDAS simulation for the Loess Plateau: for the top 10cm layer, 2011～2013

模式資料Land surfacemodel products相關系數(shù)Corr平均偏差MBE均方根誤差RMSECLDAS0.800??0.02370.0305GLDAS0.821??0.01260.0221

注：**表示在0.01水平(雙側(cè))上顯著相關。

Note:**Signifies differences reaching 0.01 significance level.

3 結(jié)論與討論

運用黃土高原區(qū)域2011～2013年3～9月79個站點的表層0～10 cm土壤濕度觀測資料，對比評估了全球陸面同化系統(tǒng)(GLDAS)Noah模式和中國陸面同化系統(tǒng)(CLDAS)的土壤濕度產(chǎn)品數(shù)據(jù)，結(jié)論如下：

(1)從土壤濕度空間分布狀況而言，黃土高原地區(qū)的土壤濕度呈現(xiàn)西北較干燥，東南和西南較為濕潤的空間分布特征。兩套陸面模式資料均能較好的模擬這種分布狀況，局部地區(qū)存在差異，CLDAS資料與站臺觀測最接近，且能夠較好的模擬研究區(qū)的細部特征。

(2)從站點模擬值和觀測值的統(tǒng)計特征分析來看，兩套陸面模式資料均能較好的模擬研究區(qū)土壤濕度情況。CLDAS的表現(xiàn)稍好，具有較高的相關系數(shù)和較小的均方根誤差，主要問題就是存在一定程度的低估，還需要進一步的改進。

(3)就季節(jié)變化趨勢來看，模式資料均能夠較好地捕捉和擬合土壤濕度觀測的時間變化情況。在春季失墑階段均出現(xiàn)不同程度的低估。兩套資料中，GLDAS較CLDAS資料低估程度小；在夏末秋初模式資料與觀測最為接近，GLDAS存在輕微高估的情況。整體來看GLDAS資料與站臺觀測值最接近。

(4)從區(qū)域尺度的土壤濕度模擬狀況來看，模式與觀測資料均呈極顯著相關，并通過了0.01的極顯著性檢驗，同時偏差和均方根誤差也均較小。其中GLDAS較CLDAS具有較小平均偏差、均方根誤差和較大的相關系數(shù)。

文中通過對CLDAS與GLDAS-Noah1表層10 cm的土壤濕度數(shù)據(jù)在黃土高原地區(qū)進行綜合對比評估，證實兩套陸面模式資料均能較好的模擬黃土高原土壤濕度的時空變化特征，都可用作大范圍、長時間序列研究黃土高原地區(qū)土壤濕度時空特征和干旱監(jiān)測的替代資料。整體而言，模擬資料在黃土高原的表現(xiàn)各有優(yōu)劣，CLDAS模式資料能夠較好的模擬研究區(qū)的局地特征，但整體較實測站點土壤濕度存在較大的偏干情況，春季偏干程度較大，這也可能與陸面模式生物地球物理過程描述不完善以及模式土壤質(zhì)地分布不合理等有關，有待于更進一步的改進[22]。

GLDAS就整個研究區(qū)的模擬狀況而言，與實測站臺數(shù)值間具有較大的相關系數(shù)，較小的均方根誤差和平均偏差。在春季存在一定程度的低估，而在夏秋季節(jié)與實測最為接近，且存在稍微的高估。但從站點角度來看，GLDAS略差，這可能與Noah模式的下墊面數(shù)據(jù)在中國地區(qū)不夠精細和模式水文模塊有待進一步完善有關[22]。陸面模式數(shù)據(jù)具備研究較大區(qū)域尺度的特點，但同時也因為這一特點，如本研究區(qū)(黃土高原)千溝萬壑，地形破碎，植被及土質(zhì)分布不均等的影響，在以實測氣象站點為參考進行對比驗證時，在沒有考慮各觀測站點、模式格點下墊面的差異[31]的情況下，不同模式資料在同一站點或者是同一模式資料在不同站點均表現(xiàn)為較大的差異。本研究就CLDAS與GLDAS資料的對比結(jié)果不同于宋海清[22]在內(nèi)蒙古、劉川[23]在青藏高原和朱智[18]在中國區(qū)域的研究。因此可以看出，在對于較大區(qū)域、較長時間序列的可作為土壤濕度替代資料的陸面模式數(shù)據(jù)應用時，應首先考慮該數(shù)據(jù)在所研究區(qū)域的適用性，綜合考慮數(shù)據(jù)應用的目的、區(qū)域范圍、主要影響因素等。

研究在驗證過程中對于觀測站點的選取存在數(shù)量有限且沒有考慮其代表性，一定程度會影響到兩套模式資料的評比結(jié)果，需要作進一步的改進。同時在模式和觀測值匹配的問題上，研究采用的是一一匹配的方法，后期對于匹配方法的選用將是可以深入研究的著力點。此外對于模式數(shù)據(jù)擬合春季較實測出現(xiàn)低估的情況，可能是由于春季返青季節(jié)受到人工灌溉的影響實測土壤濕度較高?；诖?，對于模式資料進行評估驗證時，對于土壤濕度影響因子的考慮也是下一步研究的重點。

致謝：國家氣象信息中心的姜志偉副研級高工和內(nèi)蒙古自治區(qū)生態(tài)與農(nóng)業(yè)氣象中心的宋海清先生在數(shù)據(jù)來源和分析方面給予了指導，特此感謝！