王 慧，孫亞勇 ，黃詩峰 ，馬建威，楊永民

（1.中國水利水電科學研究院，北京 100038；2.水利部防洪抗旱減災工程技術(shù)研究中心，北京 100038）

1 研究背景

土壤含水量是陸-氣水循環(huán)及地表能量平衡中的一項重要參數(shù)，在水文過程、氣候變化、生態(tài)平衡、農(nóng)業(yè)生產(chǎn)等不同領(lǐng)域中都有著重要作用。分布式水文模型是獲取大范圍、高時空分辨率土壤含水量數(shù)據(jù)的重要手段。VIC水文模型（Variable Infiltration Capacity Macroscale Hydrologic Model，VIC）是一種基于水量平衡與陸-氣間能量平衡模擬的分布式水文模型，在徑流、蒸散、土壤水模擬等方面獲得了廣泛的應用。Nijssen等［1］利用VIC模型生成了1980—1993年全球范圍2°分辨率的逐日土壤含水量分布圖；Andreadis等［2］利用基于VIC模型模擬的0.5°分辨率的土壤水分和徑流資料，重現(xiàn)了歷史上北美大陸1920—2003年的干旱過程；Wu等［3］利用VIC模型模擬了1971—2005全國范圍30 km分辨率的逐日土壤含水量；Zhang等［4］利用VIC模型建立了1952—2012年全中國0.25°分辨率的地表水文通量與狀態(tài)數(shù)據(jù)集。

植被作為下墊面的重要要素，是土壤水分影響地表能量的重要因素，而植被覆蓋度及植被健康狀況對地表蒸散、近地表大氣水分分布等都有一定影響［5-6］。植被參數(shù)是分布式水文模型中的重要參量，其中葉面積指數(shù)（Leaf Area Index，LAI）與植被覆蓋指數(shù)（Fractional Vegetation Cover，F(xiàn)VC）兩種主要的植被參數(shù)很大程度影響著植被對土壤水分的作用能力。VIC模型中，默認情況下，每種植被每個月的LAI為固定的常數(shù)，不存在年際變化；每個網(wǎng)格的FVC為固定的常數(shù)，不存在年內(nèi)與年際變化。然而，實際的LAI及FVC具有時空差異性，會隨區(qū)域和時間的改變而變化。VIC模型在默認情況下的靜態(tài)植被參數(shù)無法準確反映出現(xiàn)實植被的時空差異性，影響了模型的模擬精度。目前，已有一些學者嘗試使用精度更高的植被參數(shù)作為VIC模型的輸入?yún)?shù)，并進行了相關(guān)應用分析。Mao等［7］利用陸面數(shù)據(jù)同化系統(tǒng)（Land Data Assimilation System，LDAS）的LAI產(chǎn)品制作了VIC模型的植被參數(shù)數(shù)據(jù)；Yuan等［8］使用甚高分辨率輻射計（Advanced Very High Resolution Radiometer，AVHRR）的土地分類數(shù)據(jù)及LDAS提供的植被數(shù)據(jù)制作了VIC模型的靜態(tài)植被參數(shù)數(shù)據(jù)，并以其作為VIC模型的輸入?yún)⒘?，能較好地模擬中國漢江流域的徑流量。遙感對植被有良好的動態(tài)監(jiān)測能力，能夠有效提供動態(tài)LAI及FVC數(shù)據(jù)。MODIS（Moderate-resolution Imaging Spectroradiometer，中分辨率成像光譜儀）數(shù)據(jù)能夠提供全球的動態(tài)植被產(chǎn)品，對VIC模型的應用能提供重要的數(shù)據(jù)支撐。Tang等［9］發(fā)現(xiàn)基于MODIS的動態(tài)LAI數(shù)據(jù)能使得VIC模型在墨西哥西部北美季風區(qū)的土壤含水量及蒸散模擬精度提高；Zhou等［10］開展了靜態(tài)植被參數(shù)與基于MODIS的動態(tài)植被參數(shù)在模型應用中的對比研究，發(fā)現(xiàn)使用動態(tài)植被參數(shù)在中國褒河流域能獲得更合理的蒸散及徑流量模擬結(jié)果。國內(nèi)對MODIS植被數(shù)據(jù)產(chǎn)品在VIC模型中模擬土壤含水量的研究還很少。

基于此，本文利用MODIS LAI及FVC，開展LAI及FVC對VIC模擬土壤含水量的影響研究，研究兩者對VIC模型模擬表層土壤含水量的影響，為提高VIC模型土壤含水量的模擬精度提供參考。

2 研究區(qū)及數(shù)據(jù)

2.1 研究區(qū) 本文研究區(qū)位于西藏自治區(qū)那曲縣，經(jīng)度為91.68～92.44°E，緯度為31.06～31.82°N。該地區(qū)平均海拔4650 m，屬高原丘陵地形，坡度較為平緩。研究區(qū)地表覆蓋類型絕大部分為草地，屬高原草甸，植被主要是冷生、中生、多年生草本植物。該地區(qū)屬亞寒帶半濕潤高原季風氣候，高寒缺氧，空氣干燥，太陽輻射強度較大，年平均氣溫為-2℃，全年大風日100 d左右，年降水量約500 mm，分冷暖季。六月至九月相對溫暖，受南亞季風影響，集中了75%的年降水量；十月至次年五月為冰凍期。由于低溫凍土等原因，青藏高原的高原草甸生態(tài)系統(tǒng)極其脆弱，對氣候變化十分敏感，抗干擾能力很低［11］。

2.2 數(shù)據(jù)及預處理 為開展VIC模型的土壤含水量模擬研究，本文收集了MODIS植被產(chǎn)品數(shù)據(jù)、氣象產(chǎn)品數(shù)據(jù)、野外站點土壤含水量實測數(shù)據(jù)等，并對數(shù)據(jù)進行了預處理，以此進行VIC模型土壤含水量模擬結(jié)果的相關(guān)分析與精度評價。

2.2.1 MODIS植被產(chǎn)品數(shù)據(jù) MODIS即中分辨率成像光譜儀，搭載于Terra、Aqua兩顆衛(wèi)星上，是美國地球觀測系統(tǒng)（EOS）計劃中用于觀測全球生物和物理過程的重要傳感器，具有光譜范圍廣、更新頻率高的優(yōu)點。它每1～2d實現(xiàn)一次全球覆蓋，并提供陸海溫度、陸地表面覆蓋、云、水汽、火情等多種應用產(chǎn)品數(shù)據(jù)的免費服務(wù)。本文選擇時間范圍為2008年1月1日至2011年8月31日的MODIS LAI 8日產(chǎn)品MOD15A2以及由MODIS NDVI 16日產(chǎn)品MOD13Q1計算的FVC，公式如下：

式中：NDVIs、NDVIv分別為裸土與植被的NDVI值，根據(jù)郭鵬［12］的研究，取NDVIs=0.05，NDVIv=0.8。

為研究動態(tài)植被參數(shù)對VIC模型表層土壤含水量模擬的影響，將試驗點上基于MODIS的8日LAI數(shù)據(jù)與16日FVC數(shù)據(jù)使用下式分段線性插值為單日數(shù)據(jù)：

式中：k=1，2，…n-1為植被數(shù)據(jù)根據(jù)時間順序排列的序號；tk為第k條數(shù)據(jù)對應的時間點；Vk為tk時的植被數(shù)據(jù)值；t為插值時間；V()t為t時的植被數(shù)據(jù)值。2.2.2 土壤含水量觀測數(shù)據(jù) 本文使用中國科學院青藏高原研究所的青藏高原多圈層模擬與數(shù)據(jù)同化中心（Data Assimilation and Modeling Center for Tibetan Multi-spheres，DAM）在西藏自治區(qū)那曲縣周邊設(shè)立的青藏高原中部地區(qū)土壤濕度與溫度監(jiān)測網(wǎng)（Central Tibetan Plateau Soil Moisture and Tempera?ture Monitoring Network，CTP-SMTMN）所采集的土壤含水量數(shù)據(jù)［13-16］。數(shù)據(jù)每30 min輸出一次，埋設(shè)的土壤水分傳感器能給出深度5、10、20和40 cm處的土壤濕度數(shù)據(jù)。

考慮到觀測數(shù)據(jù)時長與數(shù)據(jù)的連續(xù)性，本文選擇CTP-SMTMN的L08（31.662°E，91.795°N）、L21（31.172°E，92.197°N）、L27（31.664°E，92.342°N）、L34（31.259°E，91.799°N）站點2010年9月1日至2011年8月31日之間的數(shù)據(jù)進行研究（圖1）。

圖1 研究區(qū)及土壤含水量觀測站點位置分布

站點觀測所得5、10、20和40 cm處的土壤含水量數(shù)據(jù)，與VIC模型模擬出的0～15 cm土壤含水量數(shù)據(jù)不能進行直接對比。為方便對比，對站點觀測的土壤含水量根據(jù)以下公式進行計算，折算為0～15 cm土壤層的平均體積含水量：

式中：Z0～5、Z5～10、Z10～15分別為0 ～ 5、5 ～ 10、10 ～ 15 cm土壤層厚度，均為5cm；θ0～15、θ0～5、θ5～10、θ10～15分別為0～15、0～5、5～10、10～15cm土壤體積含水量，其中：

化簡后得：

式中：θ5、θ10、θ20分別為站點觀測的5、10、20 cm處土壤體積含水量。

2.2.3 其他數(shù)據(jù) 氣象驅(qū)動數(shù)據(jù)選擇了2008年1月1日至2011年8月31日的中國氣象局陸面數(shù)據(jù)同化系統(tǒng)第一版本［17］（CMA Land Data Assimilation System Version1.0，CLDAS-V1.0）日產(chǎn)品數(shù)據(jù)，包括降水量、氣溫、風速、氣壓、短波輻射、濕度等要素。

土壤參數(shù)數(shù)據(jù)部分由世界土壤數(shù)據(jù)庫（Harmonized World Soil Database，HWSD）提供，部分由SWAT模型數(shù)據(jù)庫輔助軟件SPAW計算得到，包括土壤飽和體積含水量、土壤水下滲速率、水力傳導率、土壤飽和水勢、土壤厚度、土壤水擴散系數(shù)、飽和容量曲線形狀參數(shù)等。

3 模型及方法

3.1 VIC模型VIC模型是基于水量平衡與陸-氣間能量平衡的分布式水文模型，由華盛頓大學、普林斯頓大學及加利福尼亞大學伯克利分校共同研制開發(fā)［18-19］。它彌補了傳統(tǒng)水文模型對能量過程描述的不足，同時考慮冠層蒸發(fā)、植被蒸騰和裸土蒸發(fā)，并可以進行土壤凍融、積雪融雪、湖泊、沼澤相關(guān)參量的計算。此外，VIC模型也考慮到了單一網(wǎng)格內(nèi)存在的地表覆蓋類型、高程、土壤蓄水容量等屬性的不同［18］。以下為VIC模型模擬土壤含水量的主要物理過程原理。

VIC模型采用下式計算上兩層土壤的含水量［20］：

式中：θ為土壤體積含水量，zi為第i層的土壤深度；I為下滲速率；E為蒸散量；為水力傳導率；D()θ為土壤水擴散系數(shù)。

I、需通過土壤實驗進行測算，本文這些參量從由制備好的土壤參數(shù)數(shù)據(jù)直接給出。

蒸散量在很大程度上受到植被數(shù)據(jù)的影響。VIC模型中的蒸散量由三部分組成：冠層蒸發(fā)量Ec、植被蒸騰量Et及裸土蒸發(fā)量即：

式中：LAI會對冠層蒸發(fā)Ec、植被蒸騰Et有影響。冠層最大截留水量為LAI的0.2倍［21］，在降水充沛時，冠層最大截留水量與Ec成正比；冠層阻力與LAI成反比，與Et也成反比；則LAI與Ec、Et成正比關(guān)系［20，22，23］。

每個網(wǎng)格上的總蒸散量E，是Ec、Et、El根據(jù)網(wǎng)格內(nèi)不同地表覆蓋所占面積分數(shù)計算的加權(quán)和：

式中：Cn為第n種植被類型在該網(wǎng)絡(luò)的植被覆蓋比例；CN+l為裸土覆蓋比例，且

在VIC模擬表層土壤含水量的過程中，植被參數(shù)中的LAI與FVC在降水截留、冠層蒸發(fā)及植被蒸騰過程中都起到了一定的作用。其中，LAI會影響到植被冠層最大截留水量與冠層阻力，進而影響到冠層蒸發(fā)與植被蒸騰，LAI與二者成正比；由式（7），植被覆蓋比例越大，相應植被的冠層蒸發(fā)與植被蒸騰越大；由式（8），網(wǎng)格內(nèi)所有植被覆蓋比例總和的大?。丛摼W(wǎng)格FVC）也會影響到裸土面積，進而影響到該網(wǎng)格裸土蒸發(fā)的強度。

3.2 植被數(shù)據(jù)組合方案為了分析LAI與FVC對VIC模擬表層土壤含水量的影響差異，制定了5種植被數(shù)據(jù)組合方案（表1），分別就每種方案進行土壤含水量的模擬。

其中，方案5由VIC模型默認LAI計算FVC，與默認LAI組合。通過下式利用默認LAI計算FVC：

3.3 統(tǒng)計指標為了全面評估VIC使用不同植被數(shù)據(jù)組合方案所模擬的表層土壤含水量的準確性，使用偏差（Bias）、均方根誤差（RMSE），相關(guān)系數(shù)（R）這三種統(tǒng)計指標來進行評估［24］。偏差描述了VIC模型模擬的表層土壤含水量與站點觀測值之間的絕對誤差，由下式計算：

表1 植被數(shù)據(jù)組合方案

式中：為線性平均；t為表層土壤含水量的模擬/觀測時刻；θsim()t為VIC模型模擬的t時刻的表層土壤體積含水量；θob()t為站點觀測的t時刻的表層土壤體積含水量。

均方根誤差描述了VIC模型模擬的表層土壤含水量相對于站點觀測值的精度，RMSE由下式計算：

相關(guān)系數(shù)描述了VIC模型模擬的表層土壤含水量與站點觀測值在時間上的一致性及相對準確性，由下式計算：

4 結(jié)果與分析

使用VIC模型，分別采用表1所示5種植被數(shù)據(jù)組合方案，對2008年1月1日至2011年8月31日4個試驗點的土壤含水量進行模擬，采用2010年9月1日至2011年8月31日的測站數(shù)據(jù)對模擬結(jié)果進行精度驗證。

4.1 動態(tài)LAI對模擬結(jié)果的影響由圖2可知，相比方案4，使用方案2在4個試驗點上的表層土壤含水量模擬值更高。其中，2010年10月至2011年5月的冰凍期間，使用方案2模擬的表層土壤含水量在L21、L27、L34站點相比方案4有較明顯的高估；2010年9月與2011年6—9月的非冰凍期間，方案2模擬的表層土壤含水量在4個站點都比方案4略有高估。由表2可知，相比方案4，使用方案2在4個試驗點的土壤含水量模擬值的平均Bias從0.101 cm3·cm-3上升至0.145 cm3·cm-3，RMSE從0.135 cm3·cm-3上升至0.166 cm3·cm-3，R從0.483上升至0.792，表明誤差增大，模擬精度降低，但時間上的一致性及相對準確性提高，即變化趨勢更加符合站點觀測值的表現(xiàn)。

由圖2可知，相比模型默認LAI值（2.0～3.8），MODIS LAI值（0.1～1.7）整體較低。根據(jù)VIC模型對冠層最大截留水量的定義，LAI降低，使得冠層最大截留水量減少，冠層蒸發(fā)量降低；LAI降低使冠層阻力增大，植被蒸騰也會隨之降低；根據(jù)式（4）、式（5），冠層蒸發(fā)量與植被蒸騰量的減少會導致地表蒸散量的減少，從而使得表層土壤含水量升高，令土壤含水量的模擬結(jié)果高估、誤差增大、精度下降。比起默認LAI，MODIS LAI的走勢更符合試驗區(qū)的氣候特征與植被變化規(guī)律，這可能是使用MODIS LAI的方案2的模擬結(jié)果的變化趨勢比使用方案4更準確的原因。

4.2 動態(tài)FVC對模擬結(jié)果的影響由圖2可知，方案3的模擬效果比方案4有明顯改善。尤其在冰凍期間，使用方案3的模擬結(jié)果能呈現(xiàn)出冰凍期間表層土壤含水量的低值現(xiàn)象；在10～12月、5～6月，方案3能夠較準確地模擬出凍融變化過程。由表2可知，相比方案4，使用方案3在4個試驗點的土壤含水量模擬值的平均Bias從0.101 cm3·cm-3下降至0.031 cm3·cm-3，RMSE從0.135 cm3·cm-3下降至0.071 cm3·cm-3，R從0.483上升至0.834，誤差大幅降低，模擬精度明顯提高，變化趨勢也更加符合站點觀測值的表現(xiàn)。

由圖2可知，基于MODIS NDVI計算的FVC值（0.02～0.91）大部分時間遠低于默認FVC值（恒定為1），且冰凍期穩(wěn)定在0.04以下。在冰凍期，試驗區(qū)的植被幾乎全部枯萎（基于MODIS NDVI計算的FVC值始終低于0.04，MODIS LAI始終低于0.2），蒸散以土壤蒸發(fā)為主，根據(jù)式（4）～式（7），默認FVC恒定為1會導致土壤蒸發(fā)全年為0，使得方案4在冰凍期的表層土壤含水量模擬值持續(xù)偏高；基于MODIS NDVI計算的FVC使模擬中冰凍期的土壤蒸發(fā)量處于合理范圍，因此能正確模擬出冰凍期表層土壤含水量的低值現(xiàn)象及凍融變化過程。

4.3 動態(tài)LAI、FVC對模擬結(jié)果的綜合影響由圖2可知，方案1的模擬效果比方案4有明顯改善，能模擬出冰凍期間液態(tài)土壤含水量的低值現(xiàn)象，并能夠較準確地模擬出凍融變化過程。由表2可知，相比方案4，使用方案1在4個試驗點的土壤含水量模擬值的平均Bias從0.101 cm3·cm-3下降至0.032 cm3· cm-3，RMSE從0.135 cm3·cm-3下降至0.071 cm3· cm-3，R從0.483上升至0.836，誤差大幅降低，模擬精度明顯提高，變化趨勢更符合站點觀測值的情況。方案1的三項統(tǒng)計數(shù)據(jù)與方案3持平，使用MODIS LAI僅使得方案1的Bias比方案3高0.001 cm3·cm-3，R比方案3高0.002。FVC對VIC模型在試驗區(qū)對表層土壤含水量的模擬精度的影響遠遠高于LAI。

圖2 使用方案1-5模擬所得表層土壤含水量結(jié)果對比

綜合以上分析結(jié)果，提出了在缺乏準確的植被數(shù)據(jù)源時的替代方案，即利用默認LAI計算FVC參數(shù)進行VIC模型模擬（即方案5）。由圖2可知，方案5在冰凍期的模擬效果比起方案4有所改善，在冰凍期土壤含水量有下降的趨勢。由表2可知，相比方案4，使用方案5在4個試驗點的土壤含水量模擬值的平均Bias從0.101 cm3·cm-3下降至0.067 cm3·cm-3，RMSE從0.135 cm3·cm-3下降至0.100 cm3·cm-3，R從0.483上升至0.720，誤差降低，模擬精度提高，變化趨勢比方案4符合站點觀測值的表現(xiàn)，但沒有模擬出冰凍期液態(tài)土壤含水量的低值現(xiàn)象與凍融變化過程。

由圖2可知，方案5使用基于模型默認LAI計算所得的FVC值（0.63～0.85）低于1，土壤蒸發(fā)量的模擬得到改善，進而冰凍期的表層土壤含水量模擬值有所降低，比僅使用默認數(shù)據(jù)的方案4所得模擬結(jié)果更加符合實際。不過由于FVC值過高，土壤蒸發(fā)量的模擬精度仍然較低，且基于默認LAI計算所得的FVC的變化趨勢不符合試驗區(qū)氣候植被特征，故該方案尚有發(fā)展的潛力，如使用更加準確的LAI或NDVI計算FVC作為模型輸入，進行表層土壤含水量的模擬。

表2 VIC使用不同植被數(shù)據(jù)組合方案在各試驗點模擬表層土壤含水量結(jié)果驗證統(tǒng)計

5 結(jié)論

本文以MODIS遙感數(shù)據(jù)估算的動態(tài)植被參數(shù)數(shù)據(jù)驅(qū)動VIC模型，模擬西藏那曲縣2008年1月1日至2011年8月31日的表層土壤含水量（0～15cm），以此分析動態(tài)植被參數(shù)LAI及FVC對VIC模擬表層土壤含水量精度的影響。結(jié)果表明：（1）使用MODIS動態(tài)LAI數(shù)據(jù)驅(qū)動VIC模型，R從0.483上升至0.792，其表層土壤含水量的模擬值與站點觀測值在時間上的變化趨勢一致性更好，模擬值的相對準確性提高；（2）使用MODIS動態(tài)FVC數(shù)據(jù)驅(qū)動VIC模型，平均Bias從0.101 cm3·cm-3下降至0.031 cm3·cm-3，RMSE從0.135 cm3·cm-3下降至0.071 cm3·cm-3，其表層土壤含水量的模擬精度顯著提升，并且R從0.483上升至0.834，模擬值與站點觀測值在時間上的變化趨勢一致性顯著提高，較準確地模擬了表層土壤含水量的相對變化，尤其能更準確地模擬出凍融過程中表層土壤含水量的變化趨勢；（3）相比靜態(tài)植被參數(shù)，使用MODIS遙感數(shù)據(jù)估算的動態(tài)植被參數(shù)顯著提升了VIC模擬表層土壤含水量的精度，較準確的模擬出冰凍期液態(tài)土壤含水量的低值，較好的模擬出10—12月及5—6月的土壤凍融變化過程。

致謝：感謝由中國氣象局提供的陸面數(shù)據(jù)同化系統(tǒng)第一版本（CMA Land Data Assimilation System Version1.0，CLDASV1.0）生產(chǎn)的氣象數(shù)據(jù)。

參考文獻：

［1］NIJSSEN B，SCHNUR R，LETTENMAIER D P.Global retrospective estimation of soil moisture using the vari?able infiltration capacity land surface model，1980-93［J］.Journal of Climate，1999，14（8）：1790-1808.

［2］ANDREADIS K M，CLARK E A，WOOD A W，et al.20th century drought in the conterminous United States［J］.Journal of Hydrometeorology，2005，6（6）：985-1001.

［3］WU Z，LU G，WEN L，et al.Thirty-five year（1971-2005）simulation of daily soil moisture using the variable infiltration capacity model over China［J］.Atmosphere-Ocean，2007，45（1）：37-45.

［4］ZHANG X J，TANG Q，PAN M，et al.A long-term land surface hydrologic fluxes and states dataset for China［J］.Journal of Hydrometeorology，2014，15（5）：2067-2084.

［5］MCPHERSON R A.A review of vegetation--atmosphere interactions and their influences on mesoscale phenome?na［J］.Progress in Physical Geography，2007，31（3）：261-285.

［6］ SR R A P.Influence of the spatial distribution of vegetation and soils on the prediction of cumulus convective rain?fall［J］.Reviews of Geophysics，2001，39（2）：151-177.

［7］MAO D Z，CHERKAUER K A.Impacts of land-use change on hydrologic responses in the Great Lakes region［J］.Journal of Hydrology，2009，374（1）：71-82.

［8］YUAN F，XIE Z，LIU Q，et al.An application of the VIC-3L land surface model and remote sensing data in sim?ulating streamflow for the Hanjiang River basin［J］.Canadian Journal of Remote Sensing，2004，30（5）：680-690.

［9］TANG Q，VIVONI E R，MU OZARRIOLA F，et al.Predictability of evapotranspiration patterns using remotely sensed vegetation dynamics during the North American Monsoon［J］.Journal of Hydrometeorology，2012，13（1）：103-121.

［10］ZHOU S，LIANG X，CHEN J，et al.An assessment of the VIC-3L hydrological model for the Yangtze River ba?sin based on remote sensing：a case study of the Baohe River basin［J］.Canadian Journal of Remote Sensing，2004，30（5）：840-853.

［11］羅亞勇，孟慶濤，張靜輝，等.青藏高原東緣高寒草甸退化過程中植物群落物種多樣性、生產(chǎn)力與土壤特性的關(guān)系［J］.冰川凍土，2014，36（5）：1298-1305.

［12］郭鵬.基于MODIS的青藏高原地表參數(shù)時空變化研究［D］.北京：中國石油大學，2010.

［13］CHEN 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.

［14］QIN J，YANG K，LU N，et al.Spatial upscaling of in-situ soil moisture measurements based on MODIS-derived apparent thermal inertia［J］.Remote Sensing of Environment，2013，138（138）：1-9.

［15］YANG K.A multi-scale soil moisture and Freeze-Thaw Monitoring Network on the Tibetan Plateau and its appli?cations［J］.Bulletin of the American Meteorological Society，2013，94（12）：1907-1916.

［16］ZHAO L，YANG K，QIN J，et al.Spatiotemporal analysis of soil moisture observations within a Tibetan meso?scale area and its implication to regional soil moisture measurements［J］.Journal of Hydrology，2013，482（5）：92-104.

［17］SHI C，JIANG L，ZHANG T，et al.Status and Plans of CMA Land Data Assimilation System（CLDAS）Project［C］//Proceedings of the EGU General Assembly Conference，2014.

［18］LIANG X，LETTENMAIER D P，WOOD E F，et al.A simple hydrologically based model of land surface water and energy fluxes for general circulation models［J］.Journal of Geophysical Research Atmospheres，1994，99（D7）：14415-14428.

［19］NIJSSEN B，LETTENMAIER D P，LIANG X，et al.Streamflow simulation for continental-scale river basins［J］.Water Resources Research，1997，33（4）：711-724.

［20］GAO H，TANG Q，SHI X，et al.Water Budget Record from Variable Infiltration Capacity（VIC）Model［Z］.2010，

［21］DICKINSON R E.Modeling evapotranspiration for three-dimensional global climate models［J］.Washington Dc American Geophysical Union Geophysical Monograph，1984，29：58-72.

［22］BLONDIN C.Parameterization of Land-Surface Processes in Numerical Weather Prediction［M］.Springer New York，1991.

［23］DUCOUDR N I，LAVAL K，PERRIER A.SECHIBA，a New Set of Parameterizations of the Hydrologic Ex?changes at the Land-Atmosphere Interface within the LMD Atmospheric General Circulation Model［J］.Journal of Climate，1993，6（2）：248-273.

［24］SUN Y，HUANG S，MA J，et al.Preliminary evaluation of the SMAP radiometer soil moisture product over China using in situ data［J］.Remote Sensing，2017，9（3）：292.