劉歡歡，王 飛,2,3，張廷龍,4

(1.西北農(nóng)林科技大學(xué)資源環(huán)境學(xué)院，陜西 楊凌 712100；2.中國(guó)科學(xué)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(xué)水土保持研究所，陜西 楊凌 712100；4.西北農(nóng)林科技大學(xué)林學(xué)院生態(tài)預(yù)測(cè)與全球變化實(shí)驗(yàn)室，陜西 楊凌 712100)

近年來(lái)隨著人類(lèi)活動(dòng)的加劇，地球系統(tǒng)受到嚴(yán)重的侵?jǐn)_，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(wèn)題成為我們?nèi)祟?lèi)生產(chǎn)生活面臨的嚴(yán)峻挑戰(zhàn)之一。土壤濕度作為氣候系統(tǒng)中的一個(gè)重要的物理量，它是檢驗(yàn)陸面水文過(guò)程中的重要指標(biāo)[1]，也是自然生態(tài)系統(tǒng)最直接的水分來(lái)源，直接影響著植被的生長(zhǎng)發(fā)育[2]。其通過(guò)控制陸面過(guò)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(duì)理解水文循環(huán)、天氣與氣候變化、干旱監(jiān)測(cè)等具有重要的意義[4-5]，因此對(duì)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(diǎn)監(jiān)測(cè)，精度較高但是觀測(cè)站點(diǎn)較少，費(fèi)時(shí)費(fèi)力，不確定性較大，研究大多數(shù)針對(duì)單點(diǎn)進(jìn)行研究和分析。而較大時(shí)間序列和區(qū)域尺度的研究則主要依賴(lài)于遙感監(jiān)測(cè)[6-7]，這種方法雖然具備大區(qū)域尺度覆蓋的優(yōu)勢(shì)，但很大程度也受限于反演算法，同時(shí)其無(wú)法反演深層的土壤濕度。近年來(lái)隨著數(shù)值模式的發(fā)展和應(yīng)用[8]，借助陸面模式模擬使得獲取長(zhǎng)時(shí)間序列和較大空間尺度的土壤濕度資料成為可能。劉建國(guó)[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(guó)區(qū)域土壤濕度的時(shí)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(guó)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(wù)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(jì)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(zhǔn)確性還需要進(jìn)行一定的驗(yàn)證。Rodell M[13]等研究表明，相比較其它模擬產(chǎn)品，GLDAS驅(qū)動(dòng)數(shù)據(jù)更準(zhǔn)確，其模擬結(jié)果更合理。目前，GLDAS以其優(yōu)勢(shì)支持了大量的研究工作[14-16]。中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)(CLDAS)由國(guó)家氣象信息中心研發(fā)，起步較晚，2013年進(jìn)入業(yè)務(wù)化運(yùn)行，近些年來(lái)陸續(xù)開(kāi)始使用[17-18]。其時(shí)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(xué)者針對(duì)不同的研究目的，對(duì)各種陸面模式土壤濕度資料在區(qū)域的適用性進(jìn)行評(píng)估，并在此基礎(chǔ)上進(jìn)行應(yīng)用。Chen et al[19]利用青藏高原中部土壤濕度觀測(cè)數(shù)據(jù)對(duì)CLDAS中4種陸面模式土壤濕度產(chǎn)品的適用性進(jìn)行對(duì)比評(píng)估。吳盼[20]等利用GLDAS資料與TVDI的相關(guān)性對(duì)青藏高原的土壤含水量進(jìn)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(duì)氣候變化的響應(yīng)；而對(duì)于近年來(lái)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(jìn)行對(duì)比評(píng)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(jìn)行了評(píng)估。黃土高原地處半干旱半濕潤(rùn)地區(qū)，土壤濕度嚴(yán)重制約著該區(qū)農(nóng)業(yè)的生產(chǎn)，因此對(duì)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(duì)黃土高原地區(qū)的相關(guān)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(jìn)行簡(jiǎn)單的驗(yàn)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(guān)分析，同時(shí)驗(yàn)證過(guò)程中存在土壤濕度分層不對(duì)應(yīng)的情況(20 cm觀測(cè)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(shí)間尺度的資料為研究數(shù)據(jù)，以觀測(cè)站點(diǎn)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(jìn)行對(duì)比評(píng)估驗(yàn)證，旨在選取一種適用于研究黃土高原地區(qū)土壤濕度時(shí)空特征的大范圍、長(zhǎng)時(shí)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(yīng)對(duì)等監(jiān)管問(wèn)題提供科學(xué)依據(jù)，同時(shí)為陸面模式的改進(jìn)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(dá)621 000 km2。屬于半干旱半濕潤(rùn)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(yuǎn)大于降水量，降水相對(duì)不足且分配不均。土壤類(lèi)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(zhǎng)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(shí)該區(qū)地形破碎，水土流失嚴(yán)重[26]，土壤貧瘠，有效養(yǎng)分缺乏，基礎(chǔ)肥力較低，多發(fā)展旱作農(nóng)業(yè)。

1.2 數(shù)據(jù)來(lái)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(guó)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(shù)對(duì)多源數(shù)據(jù)進(jìn)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(diǎn)數(shù)據(jù)，進(jìn)而驅(qū)動(dòng)陸面過(guò)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(gè)東亞地區(qū)(0°～60°N，70°～150°E)，時(shí)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(guó)航空航天局NASA和美國(guó)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(cè)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(gè)深度層，分別為0～10、10～40、40～100、100～200 cm。為了同觀測(cè)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(diǎn)觀測(cè)資料 本文所用實(shí)測(cè)資料來(lái)源于中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn) 提供的1991～2013年黃土高原109個(gè)國(guó)家農(nóng)業(yè)氣象觀測(cè)站的農(nóng)田實(shí)測(cè)土壤相對(duì)濕度旬值觀測(cè)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(lái)源于北京師范大學(xué)戴永久[27]等制作的面向陸面過(guò)程模型的中國(guó)土壤水分?jǐn)?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?cái)?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?cái)?shù)據(jù)利用公式1[28]插值到對(duì)應(yīng)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(jì)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(jì)算可得比例各占：45%、46%、9%。計(jì)算之后利用ArcGIS得到各實(shí)測(cè)站點(diǎn)對(duì)應(yīng)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(duì)于氣候的研究十分重要，其對(duì)于農(nóng)作物生長(zhǎng)的影響也非常大。因此本研究?jī)H選取表層10 cm的土壤濕度為研究對(duì)象，2011～2013年生長(zhǎng)季(3～9月)為研究時(shí)段，進(jìn)而對(duì)兩套陸面模式土壤濕度資料進(jìn)行評(píng)估。此外在驗(yàn)證比較過(guò)程中為了減少分析的誤差，如果模式模擬數(shù)據(jù)缺測(cè)，將對(duì)應(yīng)的觀測(cè)數(shù)據(jù)也視為缺測(cè)，不進(jìn)行比較和評(píng)估，最終篩選出研究時(shí)間段內(nèi)連續(xù)的79個(gè)觀測(cè)站點(diǎn)作為模式數(shù)據(jù)評(píng)估的參考。

1.3 數(shù)據(jù)處理和計(jì)算方法

1.3.1 模式資料擬合空間分布情況分析 為了對(duì)兩套陸面模式土壤濕度資料進(jìn)行評(píng)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(cè)站點(diǎn)土壤相對(duì)濕度數(shù)據(jù)轉(zhuǎn)化為模式輸出結(jié)果對(duì)應(yīng)的土壤體積含水量。其次，本研究?jī)?nèi)實(shí)測(cè)站點(diǎn)觀測(cè)、CLDAS及GLDAS三種土壤濕度數(shù)據(jù)具有不同的時(shí)間分辨率，不能直接進(jìn)行比較。因此分析前需將時(shí)間分辨率統(tǒng)一到月尺度。對(duì)資料進(jìn)行統(tǒng)一量化分級(jí)，計(jì)算研究時(shí)段內(nèi)的區(qū)域平均值，并分析對(duì)比實(shí)測(cè)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(duì)濕度，fc為田間持水量，Bd為土壤容重。

1.3.2 統(tǒng)計(jì)分析 (1)觀測(cè)站點(diǎn)與對(duì)應(yīng)模式資料格點(diǎn)間比較，在對(duì)比研究模擬與觀測(cè)數(shù)據(jù)的差異時(shí)，首先將陸面模式資料與站點(diǎn)觀測(cè)值進(jìn)行一一匹配[22-23]；(2)在計(jì)算模式與觀測(cè)資料各月區(qū)域均值的基礎(chǔ)上，從整個(gè)研究區(qū)尺度對(duì)觀測(cè)與模擬資料進(jìn)行分析。

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

1.3.3 模擬資料在時(shí)間序列上的擬合程度 首先對(duì)79個(gè)站點(diǎn)土壤濕度觀測(cè)數(shù)據(jù)進(jìn)行平均得到各月的區(qū)域平均值，再對(duì)模式資料在觀測(cè)網(wǎng)精度范圍內(nèi)的格點(diǎn)數(shù)據(jù)進(jìn)行求均，同樣得出研究時(shí)段內(nèi)各月的區(qū)域均值，分別對(duì)比兩套陸面模式資料與站臺(tái)實(shí)測(cè)值在時(shí)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(jì)分析

圖1給出的是兩套陸面模式和實(shí)測(cè)站點(diǎn)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(tái)觀測(cè)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(shì)。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(rùn)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(cè)值在西寧周邊地區(qū)存在偏低的情況，同時(shí)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(shí)段內(nèi)受降水補(bǔ)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(shí)空分布特征和細(xì)部情況。綜上，兩套資料中CLDAS資料與站臺(tái)資料最接近。

由圖2可見(jiàn)，兩套資料與觀測(cè)的相關(guān)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(shì)(南高北低)。CLDAS模式資料有56個(gè)站點(diǎn)達(dá)到顯著差異水平，其中50個(gè)站點(diǎn)達(dá)到極顯著差異水平，分別占總站點(diǎn)個(gè)數(shù)的71%和63%；而GLDAS資料達(dá)到顯著差異和極顯著差異水平的站點(diǎn)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(cè)土壤濕度空間分布(單位：m3·m-3)(a)實(shí)測(cè)站點(diǎn)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(guān)系數(shù)均較高，部分站點(diǎn)相關(guān)系數(shù)超過(guò)0.8，如甘肅東部的西峰鎮(zhèn)，相關(guān)系數(shù)超過(guò)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(yuǎn)等地略差，且兩套資料間存在差異，CLDAS稍好于GLDAS資料。這說(shuō)明CLDAS對(duì)黃土高原的土壤濕度的變化趨勢(shì)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(lèi)似。正負(fù)偏差的站點(diǎn)個(gè)數(shù)相差不大，負(fù)偏差站點(diǎn)個(gè)數(shù)稍小于正偏差站點(diǎn)個(gè)數(shù)，這表明相對(duì)觀測(cè)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(diǎn)均為負(fù)偏差。從偏差的分布區(qū)間(±0.15)來(lái)看，模式資料對(duì)于土壤濕度的模擬是可信的。從負(fù)偏差情況整體看來(lái)GLDAS站點(diǎn)多于CLDAS資料，分布主要集中在-0.05～0之間，可以說(shuō)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(cè)的相關(guān)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(diǎn)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(duì)于觀測(cè)資料CLDAS資料偏干程度大于GLDAS。從模式資料和站臺(tái)觀測(cè)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(diǎn)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(guān)系數(shù)、平均偏差和均方根誤差三個(gè)統(tǒng)計(jì)指標(biāo)可以看出，CLDAS具有較GLDAS高的分辨率優(yōu)勢(shì)下，能夠更多的刻畫(huà)研究區(qū)的細(xì)部特征，而且也表現(xiàn)出了較大相關(guān)系數(shù)和較小均方根誤差上的優(yōu)勢(shì)，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(cè)資料的對(duì)比

圖3是研究時(shí)段內(nèi)兩套模式資料同站點(diǎn)觀測(cè)資料的時(shí)間序列比較。整體來(lái)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(shì)。由于降水是黃土高原土壤水分的主要補(bǔ)給來(lái)源，降水集中的大陸性季風(fēng)氣候使得該區(qū)域土壤水分存在明顯的季節(jié)性動(dòng)態(tài)變化。3、4月份返青時(shí)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(lái)臨，土壤得到大量降水補(bǔ)償，土壤濕度明顯增加，在8、9月份達(dá)到極值[30]?？梢钥闯鰞商钻懨婺Ｊ劫Y料相對(duì)于站點(diǎn)觀測(cè)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(cè)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(shí)測(cè)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(cè)的時(shí)間變異性。從表1黃土高原陸面模式資料與實(shí)測(cè)土壤濕度月平均統(tǒng)計(jì)特征，可以看出表層0～10 cm的CLDAS與GLDAS資料與觀測(cè)均呈顯著相關(guān)，并通過(guò)了0.01的顯著性檢驗(yàn)，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(guān)系數(shù)。

圖3 黃土高原地區(qū)2011～2013年3～9月份0～10 cm觀測(cè)與模擬月均土壤濕度時(shí)間序列(S、C和G分別表示觀測(cè)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(guān)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(guān)。

Note:**Signifies differences reaching 0.01 significance level.

3 結(jié)論與討論

運(yùn)用黃土高原區(qū)域2011～2013年3～9月79個(gè)站點(diǎn)的表層0～10 cm土壤濕度觀測(cè)資料，對(duì)比評(píng)估了全球陸面同化系統(tǒng)(GLDAS)Noah模式和中國(guó)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(rùn)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(tái)觀測(cè)最接近，且能夠較好的模擬研究區(qū)的細(xì)部特征。

(2)從站點(diǎn)模擬值和觀測(cè)值的統(tǒng)計(jì)特征分析來(lái)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(guān)系數(shù)和較小的均方根誤差，主要問(wèn)題就是存在一定程度的低估，還需要進(jìn)一步的改進(jìn)。

(3)就季節(jié)變化趨勢(shì)來(lái)看，模式資料均能夠較好地捕捉和擬合土壤濕度觀測(cè)的時(shí)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??；在夏末秋初模式資料與觀測(cè)最為接近，GLDAS存在輕微高估的情況。整體來(lái)看GLDAS資料與站臺(tái)觀測(cè)值最接近。

(4)從區(qū)域尺度的土壤濕度模擬狀況來(lái)看，模式與觀測(cè)資料均呈極顯著相關(guān)，并通過(guò)了0.01的極顯著性檢驗(yàn)，同時(shí)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(guān)系數(shù)。

文中通過(guò)對(duì)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(jìn)行綜合對(duì)比評(píng)估，證實(shí)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(shí)空變化特征，都可用作大范圍、長(zhǎng)時(shí)間序列研究黃土高原地區(qū)土壤濕度時(shí)空特征和干旱監(jiān)測(cè)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(shí)測(cè)站點(diǎn)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(guò)程描述不完善以及模式土壤質(zhì)地分布不合理等有關(guān)，有待于更進(jìn)一步的改進(jìn)[22]。

GLDAS就整個(gè)研究區(qū)的模擬狀況而言，與實(shí)測(cè)站臺(tái)數(shù)值間具有較大的相關(guān)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(shí)測(cè)最為接近，且存在稍微的高估。但從站點(diǎn)角度來(lái)看，GLDAS略差，這可能與Noah模式的下墊面數(shù)據(jù)在中國(guó)地區(qū)不夠精細(xì)和模式水文模塊有待進(jìn)一步完善有關(guān)[22]。陸面模式數(shù)據(jù)具備研究較大區(qū)域尺度的特點(diǎn)，但同時(shí)也因?yàn)檫@一特點(diǎn)，如本研究區(qū)(黃土高原)千溝萬(wàn)壑，地形破碎，植被及土質(zhì)分布不均等的影響，在以實(shí)測(cè)氣象站點(diǎn)為參考進(jìn)行對(duì)比驗(yàn)證時(shí)，在沒(méi)有考慮各觀測(cè)站點(diǎn)、模式格點(diǎn)下墊面的差異[31]的情況下，不同模式資料在同一站點(diǎn)或者是同一模式資料在不同站點(diǎn)均表現(xiàn)為較大的差異。本研究就CLDAS與GLDAS資料的對(duì)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(guó)區(qū)域的研究。因此可以看出，在對(duì)于較大區(qū)域、較長(zhǎng)時(shí)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(yīng)用時(shí)，應(yīng)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(yīng)用的目的、區(qū)域范圍、主要影響因素等。

研究在驗(yàn)證過(guò)程中對(duì)于觀測(cè)站點(diǎn)的選取存在數(shù)量有限且沒(méi)有考慮其代表性，一定程度會(huì)影響到兩套模式資料的評(píng)比結(jié)果，需要作進(jìn)一步的改進(jìn)。同時(shí)在模式和觀測(cè)值匹配的問(wèn)題上，研究采用的是一一匹配的方法，后期對(duì)于匹配方法的選用將是可以深入研究的著力點(diǎn)。此外對(duì)于模式數(shù)據(jù)擬合春季較實(shí)測(cè)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(shí)測(cè)土壤濕度較高。基于此，對(duì)于模式資料進(jìn)行評(píng)估驗(yàn)證時(shí)，對(duì)于土壤濕度影響因子的考慮也是下一步研究的重點(diǎn)。

致謝：國(guó)家氣象信息中心的姜志偉副研級(jí)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(lái)源和分析方面給予了指導(dǎo)，特此感謝！