劉維成,徐麗麗,朱姜韜,段伯隆,孫義,鄭濤

① 蘭州中心氣象臺,甘肅 蘭州 730020; ② 蘭州大學(xué) 大氣科學(xué)學(xué)院,甘肅 蘭州 730000; ③ 甘肅省氣象局,甘肅 蘭州 730020

土壤濕度控制著地球上各種時(shí)空尺度的大氣、水文、生態(tài)等物理化學(xué)過程(馬柱國等,2001;Balsamo et al.,2009;Fallon et al.,2011),通過改變地表反照率、熱通量、潛熱和感熱通量等顯著地影響著天氣氣候系統(tǒng)(Cook et al.,2006;郭維棟等,2007;Li et al.,2014;余波等,2020;央金卓瑪?shù)?2022)。因此,準(zhǔn)確觀測和估算土壤濕度的空間分布和時(shí)間變化特征具有重要意義。

土壤濕度一方面受到降雨、蒸發(fā)、溫度等因素的影響,還受到土壤性質(zhì)、地表覆蓋、地形等諸多因素的影響而動態(tài)變化,這些都會導(dǎo)致土壤濕度的空間分布存在很強(qiáng)的不均勻性(Su et al.,2016;Xiao et al.,2016)。一般地,土壤濕度可以從固定站點(diǎn)觀測中獲得,這種觀測相對較為容易,但由于土壤濕度空間分布差異較大,且缺少對較大空間尺度上土壤濕度變化規(guī)律的認(rèn)識,因此單點(diǎn)觀測并不能代表一定區(qū)域的土壤濕度分布特征(Su et al.,2013),這為開展區(qū)域或全球土壤濕度分布及變化特征研究帶來挑戰(zhàn)。因此,十分有必要研制準(zhǔn)確描述區(qū)域土壤濕度分布的替代資料。

衛(wèi)星遙感和數(shù)值模擬是土壤濕度替代資料的主要來源,其中數(shù)值模擬可以通過耦合地球不同圈層而獲得物理意義明確、時(shí)空分辨率高的土壤濕度產(chǎn)品,且具有時(shí)間序列長、空間覆蓋范圍大等特點(diǎn),是研究土壤濕度分布特征的重要工具(Su et al.,2013)。大氣再分析數(shù)據(jù)是數(shù)值模擬的重要產(chǎn)品,是將經(jīng)過質(zhì)量控制的觀測資料(包括地面、探空、衛(wèi)星、雷達(dá)、浮標(biāo)、飛機(jī)、船舶等觀測資料)同化接入全球或區(qū)域數(shù)值模式計(jì)算所獲得的,是對大氣狀況的“最優(yōu)”反映,可以獲得空間覆蓋完整、時(shí)間均一性穩(wěn)定的長序列土壤濕度產(chǎn)品(鄧明珊等,2018;宋海清等,2020)。陸面過程同化系統(tǒng)是區(qū)域或全球范圍內(nèi)估算土壤濕度的另一種方法,其主要思路是使用先進(jìn)的陸面模式(Land Surface Modeling,LSM)同化衛(wèi)星、地面觀測等數(shù)據(jù),計(jì)算獲得地表狀態(tài)和通量的最優(yōu)分布場(Gao et al.,2015)。已有研究表明,基于物理過程建模是研究LSM和中尺度大氣模型之間耦合的重要工具,可以較好地獲得土壤濕度的空間分布和時(shí)間演變特征(Reen et al.,2006)。中國氣象局近年來研制了覆蓋亞洲區(qū)域的陸面數(shù)據(jù)同化系統(tǒng)(CMA Land Data Assimilation System,CLDAS;朱智和師春香,2014),目前已發(fā)展至2.0版本。雖然使用數(shù)值模擬的土壤濕度產(chǎn)品可以解決數(shù)據(jù)稀少的問題,但仍然存在空間分辨率較低、不同時(shí)空尺度下的質(zhì)量差異顯著等問題,特別是不同產(chǎn)品在不同地區(qū)的適用性和可靠性尚未進(jìn)行系統(tǒng)評估,在空間和時(shí)間上的代表性和準(zhǔn)確性也無法確定(Al-Shrafany et al.,2014)。

中國北方地區(qū)位于亞洲中高緯度地帶,境內(nèi)地形地貌、植被類型等均有明顯差異,氣候特征多樣(包括季風(fēng)區(qū)、干旱區(qū)、半干旱半濕潤區(qū)等)。因此,討論不同土壤濕度產(chǎn)品在該地區(qū)的適用性,可以更進(jìn)一步明確不同方法在不同氣候和下墊面條件下的可用性和局限性,為下一步改進(jìn)完善數(shù)值模式提供有效支撐。近年來,一些專家學(xué)者對不同的再分析資料和陸面數(shù)據(jù)同化資料的土壤濕度產(chǎn)品在中國北方部分地區(qū)的適用性做了評估(Chen et al.,2013;Su et al.,2013;宋海清等,2016,2020;韓帥等,2017;王國杰等,2018)。已有的研究工作取得了很多有意義的結(jié)果,但大部分研究多關(guān)注于單一方法、單一產(chǎn)品、單一站點(diǎn)或者較小區(qū)域的土壤濕度產(chǎn)品適用性,對多種數(shù)值模擬產(chǎn)品在較大范圍地區(qū)綜合系統(tǒng)評估的相關(guān)研究仍較少。本文將利用2019—2020年土壤濕度逐日觀測數(shù)據(jù),評估最新的大氣再分析和陸面同化系統(tǒng)土壤濕度產(chǎn)品在中國北方地區(qū)的適用性,以期為土壤濕度數(shù)值模擬產(chǎn)品提供有意義的性能評價(jià),為下一代全球大氣再分析和陸面數(shù)據(jù)同化系統(tǒng)的改進(jìn)提供參考。

1 研究區(qū)域

研究區(qū)域?yàn)橹袊?5°N以北地區(qū)(圖1a),東部以平原為主,處于季風(fēng)影響區(qū),大部分地區(qū)年平均降水量大于500 mm;西部廣大地區(qū)以荒漠戈壁為主,處于內(nèi)陸干旱區(qū),大部分地區(qū)年平均降水量小于200 mm;中部多山地高原,處于季風(fēng)影響過渡區(qū),年平均降水量為200～500 mm。

為了對比討論土壤濕度產(chǎn)品在不同氣候區(qū)的適用性,選取了3個(gè)氣候區(qū)的8個(gè)代表性區(qū)域進(jìn)行分析(圖1b),華北平原、東北平原東部代表東部季風(fēng)區(qū),北疆、南疆和河西走廊代表西部干旱區(qū),青藏高原邊坡、黃土高原北部和東北西部代表季風(fēng)影響過渡區(qū),并選擇北京、長春、塔城、和田、張掖、海東、榆林和烏蘭浩特為8個(gè)區(qū)域的代表站點(diǎn)(表1)。

表1 不同氣候區(qū)代表站點(diǎn)信息Table 1 Information for the representative stations in different climate zones

圖1 研究區(qū)域:(a)氣候區(qū)劃分和觀測站點(diǎn)分布;(b)典型區(qū)域(藍(lán)色矩形框,其中①為北疆、②為南疆、③為河西走廊、④為青藏高原東北邊坡、⑤為黃土高原北部、⑥為華北平原、⑦為東北東部、⑧為東北西部地區(qū))和代表站點(diǎn)(黑色三角形)Fig.1 Study area:(a)the division of the climate zone and the distribution of observation stations;(b)the typical area(blue rectangular box;①—⑧ respectively represent northern Xinjiang,southern Xinjiang,the Hexi Corridor,Qinghai-Tibet,the northeastern slope of the Qinghai-Tibet Plateau,the northern part of the Loess Plateau,the North China Plain,and the eastern and western parts of northeastern China),and the representative stations (black triangles)

2 資料和方法

2.1 土壤濕度觀測數(shù)據(jù)

使用由國家氣象信息中心提供的中國北方地區(qū)2019—2020年每日自動氣象站逐小時(shí)土壤體積含水量觀測產(chǎn)品。由于偏北地區(qū)冬季會存在凍土,土壤濕度觀測儀器在0 ℃以下會停止工作,因此觀測序列中剔除了缺測數(shù)大于等于20%的站點(diǎn),最終獲得1 173個(gè)有效站點(diǎn)。觀測數(shù)據(jù)包含地下200 cm深度內(nèi)逐10 cm間隔的20個(gè)深度層(即0～10、10～20、…、190～200 cm)。

2.2 再分析土壤濕度產(chǎn)品

ERA5是ECMWF的第五代大氣再分析資料,水平分辨率為31 km,時(shí)間分辨率為1 h(宋海清等,2020),采用H-TESSEL陸面模式,輸出4個(gè)深度層的土壤體積含水量數(shù)據(jù)(0～7、7～28、28～100、100～289 cm)。

ERA5-Land是在ERA5陸面部分的基礎(chǔ)上,對其進(jìn)行了一系列改進(jìn)并重新計(jì)算,使其更準(zhǔn)確地適用于所有類型的土地利用。計(jì)算時(shí)沒有耦合ECMWF/IFS的大氣模塊和海浪模型,且只考慮陸地部分,屏蔽了所有的海洋區(qū)域,使得數(shù)據(jù)更新頻率更為快速(Sabater et al.,2021)。水平分辨率提升為9 km,時(shí)間分辨率為1 h。采用CY41 R1版本的H-TESSEL陸面模式,輸出與ERA5分層一致的土壤體積含水量數(shù)據(jù)。

NCEP-DOE R2是NCEP和美國能源部(Department of Energy,DOE)共同制作的第二代全球大氣再分析資料,采用高斯網(wǎng)格(全球格點(diǎn)數(shù)為192×94),水平分辨率約為1.875°×1.875°,時(shí)間分辨率為6 h,土壤濕度空間分布尤其是年際變化較第一代有明顯提升(Kanamitsu et al.,2002),目前輸出2個(gè)深度層的土壤體積含水量數(shù)據(jù)(0～10、10～200 cm)。

CRA40是中國氣象局發(fā)展的中國第一代全球陸面再分析資料,重點(diǎn)突出我國特有常規(guī)觀測資料(如加密地面觀測、探空觀測等)和風(fēng)云衛(wèi)星資料的同化應(yīng)用,水平分辨率約34 km(高斯網(wǎng)格),采用Noah3.3陸面模式和國家氣象信息中心地表參數(shù)優(yōu)化方案等核心技術(shù)輸出土壤體積含水量產(chǎn)品,輸出4個(gè)深度層數(shù)據(jù)(0～10、10～40、40～100、100～200 cm)。

2.3 陸面同化系統(tǒng)模擬土壤濕度產(chǎn)品

GLDAS同化集成了大量的觀測數(shù)據(jù),能輸出全球范圍高分辨率的計(jì)算結(jié)果(Chen et al.,2013)。GLDAS驅(qū)動多個(gè)離線陸面模式產(chǎn)生結(jié)果,本研究選用Noah和CLSM陸面模式結(jié)果,輸出結(jié)果均為土壤重量含水量,其中Noah模式輸出產(chǎn)品水平分辨率為0.25°×0.25°,時(shí)間分辨率為3 h,包含4個(gè)深度層(0～10、10～40、40～100、100～200 cm);CLSM模式輸出產(chǎn)品水平分辨率為1.0°×1.0°,時(shí)間分辨率為3 h,該數(shù)據(jù)未提供分層土壤濕度信息,只提供了地表淺層(0～2 cm)和根部(0～100 cm)土壤濕度信息。

CLDAS采用變分同化、最優(yōu)插值、概率密度函數(shù)匹配等多種技術(shù)集成了多源的地面和衛(wèi)星等觀測資料,對中國區(qū)域的模擬結(jié)果優(yōu)于國際同類產(chǎn)品(劉瑩等,2021)。該產(chǎn)品最新版本為2.0版,輸出土壤重量含水量產(chǎn)品,覆蓋亞洲區(qū)域(60°～160°E,0°～65°N),水平分辨率為0.0625°×0.0625°,時(shí)間分辨率為1 h。

2.4 資料預(yù)處理及評估方法

對觀測數(shù)據(jù)進(jìn)行質(zhì)量控制,剔除了土壤體積含水量大于1 m·m和小于等于0的異常值,為了與不同數(shù)值模擬的土壤濕度產(chǎn)品深度層相對應(yīng),本研究選擇評估分析淺層土壤濕度模擬數(shù)據(jù),即土壤濕度觀測數(shù)據(jù)和NCEP-DOE R2、CRA40、GLDAS-Noah、CLDAS土壤濕度產(chǎn)品選擇0～10 cm深度層,ERA5和ERA5-Land土壤濕度產(chǎn)品選擇0～7 cm深度層,GLDAS-CLSM土壤濕度產(chǎn)品選擇0～2 cm深度層。選擇每日08:00(北京時(shí)間)作為數(shù)據(jù)對比時(shí)刻。為了與觀測資料量綱一致,將GLDAS和CLDAS數(shù)據(jù)由土壤重量含水量(單位:kg·m)轉(zhuǎn)換為土壤體積含水量(單位:m·m)(朱智等,2018)。

土壤濕度產(chǎn)品評估通過對比土壤濕度站點(diǎn)觀測值和觀測站點(diǎn)對應(yīng)的不同土壤濕度模擬值來完成,即采用反距離權(quán)重法將土壤濕度模擬數(shù)據(jù)插值至觀測站點(diǎn),并與站點(diǎn)觀測土壤體積含水量數(shù)據(jù)進(jìn)行對比。對比土壤濕度觀測值和模擬值時(shí)間序列分布的中位數(shù)(Median)定性討論土壤濕度產(chǎn)品整體效果(Phadia,1973);采用平均偏差(ME)、均方根誤差(RMSE)和相關(guān)系數(shù)()定量討論土壤濕度產(chǎn)品誤差分布特征(Hyndman and Koehler,2006)。利用Taylor圖評價(jià)不同土壤濕度產(chǎn)品與觀測值的總體表現(xiàn)(Taylor,2001)。

3 研究結(jié)果

3.1 土壤濕度空間分布及統(tǒng)計(jì)特征

利用1 173個(gè)站點(diǎn)的土壤濕度觀測數(shù)據(jù),評估不同土壤濕度模擬產(chǎn)品空間分布的中位數(shù)、相關(guān)系數(shù)、平均偏差等指標(biāo)。圖2給出了中國北方地區(qū)2019—2020年每日08:00土壤濕度觀測值和不同土壤濕度模擬值的中位數(shù)分布,可以看出土壤濕度表現(xiàn)出明顯的區(qū)域性差異(圖2a),存在“中西部干-東部濕”和“植被覆蓋區(qū)域干-裸露區(qū)域濕”的分布格局,這與朱智等(2018)和張曉影(2009)利用其他土壤濕度產(chǎn)品所揭示的空間分布特征是一致的。對于再分析資料,ERA5和ERA5-Land能夠刻畫出土壤濕度分布特征(圖2b、圖2c),尤其是伊犁河谷、青藏高原東北邊坡地區(qū)土壤濕度分布的細(xì)部特征,對土壤濕度干、濕中心區(qū)域模擬結(jié)果較好,ERA5對北方中部地區(qū)的干中心模擬效果更好,ERA5-Land對東北東部和山東地區(qū)的濕中心模擬效果更好,但2種產(chǎn)品對100°E以東地區(qū)的土壤濕度模擬偏濕,尤其是ERA5-Land偏濕趨勢更為明顯;CRA40基本能反映出土壤濕度的分布特征(圖2e),較好模擬了大部分土壤濕度干中心和東北東部濕中心,但存在對較干土壤地區(qū)(≤0.20 m·m)模擬偏濕、較濕土壤地區(qū)(>0.30 m·m)模擬偏干的特點(diǎn);NCEP-DOE R2土壤產(chǎn)品效果較差(圖2d),總體以模擬偏濕為主,除了對濕中心和河北南部的干中心模擬較好以外,對較干土壤地區(qū)模擬偏大0.10～0.20 m·m,已有的研究結(jié)果也發(fā)現(xiàn)NCEP-DOE R2對中國大部分區(qū)域都存在明顯的高估(鄒永成等,2017;朱智等,2018)。對于陸面數(shù)據(jù)同化資料,GLDAS-Noah較好地給出了土壤濕度濕中心(圖2f),但對于較干土壤地區(qū)模擬略偏濕約0.05～0.10 m·m;GLDAS-CLSM除東北中北部地區(qū)外,其余地區(qū)的土壤濕度中位數(shù)以較干為主(圖2g),且大部分中位數(shù)位于0.10～0.20 m·m,未能描述中國北方地區(qū)土壤濕度的空間分布特征;CLDAS對較濕土壤地區(qū)模擬結(jié)果以系統(tǒng)性偏干為主(圖2h),偏干約0.10～0.20 m·m,但能基本刻畫出土壤濕度的區(qū)域分布特征(崔園園等,2019)。

圖2 土壤濕度觀測和不同土壤濕度產(chǎn)品中位數(shù)空間分布(單位:m3·m-3):(a)觀測;(b)ERA5;(c)ERA5-Land;(d)NCEP-DOE R2;(e)CRA40;(f)GLDAS-Noah;(g)GLDAS-CLSM;(h)CLDASFig.2 Median spatial distribution of soil moisture observations (m3·m-3) and different soil moisture products:(a) observation;(b) ERA5;(c) ERA5-Land;(d) NCEP-DOE R2;(e) CRA40;(f) GLDAS-Noah;(g) GLDAS-CLSM;(h) CLDAS

圖3為不同土壤濕度模擬數(shù)據(jù)與土壤濕度觀測數(shù)據(jù)的相關(guān)系數(shù)分布,可以看出不同模擬產(chǎn)品的差異較大。就再分析資料而言,ERA5、ERA5-Land和CRA40土壤濕度產(chǎn)品與觀測值的相關(guān)性較好(圖3a、b、d),總體相關(guān)系數(shù)分別為0.46、0.45和0.47,對100°E以東地區(qū)以正相關(guān)為主,大部分地區(qū)大于0.50,而對新疆大部和甘肅西部地區(qū)以負(fù)相關(guān)為主,NCEP-DOE R2土壤濕度產(chǎn)品相關(guān)性較其余再分析產(chǎn)品略低(圖3c)。對于陸面數(shù)據(jù)同化資料,CLDAS在大部分地區(qū)表現(xiàn)為正相關(guān)(圖3g),且相關(guān)系數(shù)較大(大部分地區(qū)相關(guān)系數(shù)大于0.60),但在新疆中南部、陜西中部、山西南部和山東大部地區(qū)表現(xiàn)為負(fù)相關(guān),山東東部地區(qū)負(fù)相關(guān)性更為明顯(相關(guān)系數(shù)小于-0.50),導(dǎo)致CLDAS整體相關(guān)系數(shù)降低(0.30),崔園園等(2020)也發(fā)現(xiàn)在東北中南部、華北、西南和華南地區(qū)CLDAS產(chǎn)品與觀測實(shí)況的相關(guān)系數(shù)較高,而在川渝地區(qū)和新疆地區(qū)相關(guān)性較小;GLDAS-CLSM土壤濕度產(chǎn)品相關(guān)性明顯較小(圖3f),整體相關(guān)系數(shù)為-0.19,除在山東大部和河北南部、山西南部、新疆中部較小區(qū)域表現(xiàn)為較好的正相關(guān)外,其余大部分為負(fù)相關(guān),且負(fù)相關(guān)性較大(相關(guān)系數(shù)小于-0.40)。

圖3 不同土壤濕度產(chǎn)品與土壤濕度觀測資料的相關(guān)系數(shù)空間分布:(a)ERA5;(b)ERA5-Land;(c)NCEP-DOE R2;(d)CRA40;(e)GLDAS-Noah;(f)GLDAS-CLSM;(g)CLDASFig.3 Spatial distribution of correlation coefficients between different soil moisture products and soil moisture observation data:(a) ERA5;(b) ERA5-Land;(c) NCEP-DOE R2;(d) CRA40;(e) GLDAS-Noah;(f) GLDAS-CLSM;(g) CLDAS

圖4給出了不同土壤濕度模擬數(shù)據(jù)的平均偏差分布,進(jìn)一步量化分析土壤濕度產(chǎn)品的模擬性能。可以看出,ERA5、ERA5-Land平均偏差分布與中位數(shù)偏差較為一致(圖4a、b),ERA5-Land偏濕程度更為明顯,尤其是對山東地區(qū)、河北北部和青海東部地區(qū)模擬偏濕程度大于0.15 m·m,這與宋海清等(2020)分析ERA5、ERA-Interim土壤濕度數(shù)據(jù)的適用性結(jié)果較為類似,雖然ERA5的模擬效果優(yōu)于 ERA-Interim,但ERA5高估較多。CRA40平均偏差是所有土壤濕度模擬產(chǎn)品中最小的(圖4d),大部分地區(qū)偏差位于-0.10～0.10 m·m。NCEP-DOE R2以偏濕為主(圖4c),青海東部、寧夏中部、陜西北部和河北中部地區(qū)偏濕程度明顯。GLDAS-Noah和GLDAS-CLSM平均偏差較小(圖4e、圖4f),大部分地區(qū)平均偏差位于-0.15～0.10 m·m,但GLDAS-CLSM對東北東部和山東地區(qū)濕中心模擬明顯偏干;CLDAS以偏干為主(圖4g),大部分地區(qū)平均偏差大于-0.10 m·m。

圖4 不同土壤濕度產(chǎn)品模擬的平均偏差(單位:m3·m-3)空間分布:(a)ERA5;(b)ERA5-Land;(c)NCEP-DOE R2;(d)CRA40;(e)GLDAS-Noah;(f)GLDAS-CLSM;(g)CLDASFig.4 Spatial distribution of average deviation (m3·m-3) of different soil moisture product simulations:(a) ERA5;(b) ERA5-Land;(c) NCEP-DOE R2;(d) CRA40;(e) GLDAS-Noah;(f) GLDAS-CLSM;(g) CLDAS

3.2 不同季節(jié)土壤濕度產(chǎn)品適用性分析

比較土壤濕度產(chǎn)品在春季、夏季、秋季和冬季的模擬效果,其中不同季節(jié)按氣象學(xué)劃分(劉維成等,2017),即春季(3—5月)、夏季(6—8月)、秋季(9—11月)和冬季(12月—次年2月)。表2給出了春季、夏季、秋季和冬季不同土壤濕度產(chǎn)品的模擬偏差,分析表明CLDAS對所有季節(jié)模擬均為負(fù)偏差,GLDAS-CLSM對夏季和秋季模擬為負(fù)偏差、春季和冬季模擬為正偏差,其余5種產(chǎn)品均表現(xiàn)為模擬正偏差。就不同季節(jié)來說,有5種產(chǎn)品模擬土壤濕度的ME和RMSE在春季最小,CRA40效果最好,模擬的ME和RMSE是所有產(chǎn)品中最小的,模擬的夏季土壤濕度產(chǎn)品ME和RMSE較春季增加;GLDAS-CLSM對秋季土壤濕度模擬的ME最小,而CRA40模擬的RMSE最小;對于冬季的土壤濕度,大部分產(chǎn)品的模擬偏差增大。值得注意的是NCEP-DOE R2和ERA5-Land對不同季節(jié)的模擬偏差均較大,其中NCEP-DOE R2對春季、夏季和秋季土壤濕度的模擬偏差是所有產(chǎn)品中最大的,ERA5-Land對冬季土壤濕度的模擬偏差是所有產(chǎn)品中最大的。

表2 土壤濕度產(chǎn)品在不同季節(jié)的模擬偏差Table 2 Simulation deviations of soil moisture products in different seasons m3·m-3

圖5給出了再分析資料和陸面數(shù)據(jù)同化資料不同季節(jié)土壤濕度模擬值與觀測值的Taylor圖?？梢钥闯?CRA40土壤濕度產(chǎn)品的標(biāo)準(zhǔn)偏差最小,所有季節(jié)均小于0.10 m·m,NCEP-DOE R2的標(biāo)準(zhǔn)偏差最大。就相關(guān)系數(shù)來說,春季中CRA40和ERA5-Land相關(guān)系數(shù)較大,均為0.37(圖5b),其余產(chǎn)品相關(guān)系數(shù)均小于0.35,GLDAS-CLSM和CLDAS與觀測值相關(guān)性最小;夏季和秋季相關(guān)性較為類似,ERA5-Land、ERA5和CRA40再分析資料與觀測值相關(guān)性較好(圖5c、d);冬季的模擬值和觀測值相關(guān)性是全年中最小的(圖5a),即使相關(guān)性最好的CLDAS其相關(guān)系數(shù)僅為0.35,5種產(chǎn)品與觀測值的相關(guān)系數(shù)小于0.20。

圖5 不同季節(jié)土壤濕度產(chǎn)品的Taylor圖:(a)冬季;(b)春季;(c)夏季;(d)秋季Fig.5 Taylor diagrams of soil moisture products in different seasons:(a) winter;(b) spring;(c) summer;(d) autumn

3.3 不同氣候區(qū)土壤濕度產(chǎn)品適用性分析

對比分析了土壤濕度產(chǎn)品在8個(gè)代表性區(qū)域的偏差分布,進(jìn)一步考察再分析資料和陸面數(shù)據(jù)同化資料對不同氣候類型和下墊面條件下土壤濕度的模擬能力。圖6為8個(gè)區(qū)域2019—2020年逐日站點(diǎn)土壤濕度觀測和模擬區(qū)域平均值的箱線圖分布,可以看出不同地區(qū)土壤濕度時(shí)間序列的集中程度差異較大,河西走廊、黃土高原北部和東北西部地區(qū)集中程度較高,南疆地區(qū)和東北東部地區(qū)離散度較大,對于不同土壤濕度產(chǎn)品來說GLDAS-CLSM集中程度最大,所有模擬值均趨于平均水平,可參考性也較差,CLDAS集中程度次之,而ERA5、ERA5-Land和GLDAS-Noah數(shù)據(jù)波動較大、集中程度小。就不同氣候區(qū)而言,在干旱氣候區(qū)(圖6a、b、c),GLDAS-Noah對北疆地區(qū)和ERA5對河西走廊地區(qū)的模擬結(jié)果和觀測值分布極為相近;不同產(chǎn)品對南疆地區(qū)的模擬結(jié)果與觀測值分布相差較大。對于東部季風(fēng)區(qū)(圖6f、g),CRA40和GLDAS-Noah與觀測值分布較為接近,GLDAS-CLSM、CLDAS和NCEP-DOE R2土壤濕度值與觀測值分布差異較大。在夏季風(fēng)影響過渡區(qū)(圖6d、e、h),除CLDAS外,其余產(chǎn)品土壤濕度值分布區(qū)間較觀測值區(qū)間偏大,存在較為明顯高估,尤其是NCEP-DOE R2、ERA5-Land和ERA5高估更為明顯。

圖6 代表性區(qū)域土壤濕度觀測和模擬站點(diǎn)平均值箱線圖:(a)北疆;(b)南疆;(c)河西走廊;(d)青藏高原邊坡;(e)黃土高原北部;(f)華北平原;(g)東北東部;(h)東北西部Fig.6 Box-plot of mean values of soil moisture observations and simulations in representative regions:(a) northern Xinjiang;(b) southern Xinjiang;(c) Hexi Corridor;(d) slope of the Qinghai-Tibet Plateau;(e) northern Loess Plateau;(f) North China Plain;(g) eastern northeast;(h) western northeast

圖7給出了不同氣候區(qū)的8個(gè)代表站點(diǎn)逐日土壤濕度觀測值和不同土壤濕度產(chǎn)品模擬值的時(shí)間變化趨勢。可以看出,干旱地區(qū)土壤濕度逐日變化波動較大(圖7a、b、c),除GLDAS-CLSM模擬效果較差外,其余土壤濕度產(chǎn)品基本能刻畫出土壤濕度變化趨勢,特別是能較好地描述土壤濕度干、濕時(shí)段和干-濕轉(zhuǎn)換時(shí)間;CLDAS、ERA5對塔城站的模擬效果較好(圖7a),但ERA5對土壤濕度濕時(shí)段模擬偏干、對土壤濕度干時(shí)段模擬偏濕,GLDAS-Noah雖然也給出了土壤濕度的變化趨勢和干-濕轉(zhuǎn)換趨勢,但模擬的土壤濕度峰值和谷值較觀測值早2～4 d出現(xiàn),和田站的模擬結(jié)果和塔城站較為類似(圖7b)。GLDAS-Noah對張掖站的土壤濕度變化趨勢和逐日震蕩細(xì)部特征刻畫更佳(圖7c),但較觀測值略偏大(土壤濕度平均偏大0.048 m·m),NCEP-DOE R2模擬偏濕程度更為明顯(土壤濕度平均偏大0.152 m·m)。對于東部季風(fēng)區(qū)(圖7f、g),土壤濕度變化特征與干旱區(qū)差異很大,表現(xiàn)出明顯的“較濕土壤持續(xù)時(shí)間長、較干土壤持續(xù)時(shí)間短”特點(diǎn),基本為冬季土壤濕度小、其余季節(jié)土壤濕度大,除GLDAS-CLSM和NCEP-DOE R2對北京站的土壤濕度變化模擬偏差較大外(圖7f),其余產(chǎn)品均能給出土壤濕度的變化趨勢,但均存在高估現(xiàn)象,其中GLDAS-Noah、CRA40和ERA5的模擬效果較好;在較濕土壤持續(xù)時(shí)段,長春站的土壤濕度變化振幅較大(圖7g),GLDAS-Noah和CRA40對該種變化趨勢和振幅模擬效果較好,但對較干土壤持續(xù)時(shí)段存在高估,ERA5和ERA5-Land模擬效果次之,也仍然存在對較干土壤持續(xù)時(shí)段高估的現(xiàn)象,CLDAS雖然能較好地給出土壤濕度的空間分布和變化趨勢,但對土壤濕度的極值描述能力較差(崔園園等,2019)。在夏季風(fēng)影響過渡區(qū)(圖7d、e、h),3個(gè)站點(diǎn)表現(xiàn)出明顯的土壤較干持續(xù)和較濕持續(xù),基本為“暖季土壤濕度大、冷季土壤濕度小”的特點(diǎn),海東站土壤較濕時(shí)段集中在每年5—10月(圖7d),GLDAS-Noah、ERA5和CRA40對該時(shí)段的模擬明顯較好,并且能給出幾乎和觀測一致的震蕩特征,但對干時(shí)段的模擬較觀測值偏大,CLDAS對于土壤較濕時(shí)段低估明顯(土壤濕度平均偏大0.117 m·m),ERA5-Land和NCEP-DOE R2以高估為主;榆林站土壤常年以偏干為主(圖7e),年平均土壤濕度小于0.10 m·m,不同土壤濕度產(chǎn)品均以模擬偏大為主,GLDAS-Noah和CRA40對土壤濕度變化趨勢的模擬與觀測基本一致,但整體偏大0.13～0.16 m·m;烏蘭浩特站土壤較濕時(shí)段較短(圖7h),主要集中在每年6—8月,GLDAS-Noah、CRA40、ERA5模擬效果較好,其中GLDAS-Noah和CRA40模擬結(jié)果和觀測極為接近,ERA5-Land和NCEP-DOE R2雖然能基本描述土壤濕度變化趨勢,但仍然存在明顯地高估。

圖7 不同氣候區(qū)代表站點(diǎn)觀測和模擬的逐日土壤濕度時(shí)間序列:(a)塔城;(b)和田;(c)張掖;(d)海東;(e)榆林;(f)北京;(g)長春;(h)烏蘭浩特Fig.7 Comparison in time-series of the value of soil moisture between observation and simulation at presentation stations in different climate zones:(a) Tacheng;(b) Hotan;(c) Zhangye;(d) Haidong;(e) Yulin;(f) Beijing;(g) Changchun;(h) Ulanhot

4 討論

選用的7種產(chǎn)品中，除GLDAS-CLSM之外其余均能不同程度地反映出中國北方地區(qū)土壤濕度的分布特征,總體來看ERA5、ERA-Land、NCEP-DOE R2、GLDAS-Noah均以模擬偏濕為主,無論在哪個(gè)季節(jié)均表現(xiàn)為模擬正偏差,GLDAS-CLSM和CLDAS以模擬偏干為主,而CRA40對較干土壤地區(qū)模擬偏濕、較濕土壤地區(qū)模擬偏干,導(dǎo)致土壤濕度分布和變化的離散度較小,且與觀測實(shí)況的相關(guān)性更高,使得其在研究區(qū)域的適用性較好,這主要是因?yàn)镃RA40同化應(yīng)用了更多我國獨(dú)有的觀測資料(崔園園等,2018;Liang et al.,2020;Yang et al.,2021),尤其是在100°E以東地區(qū)的觀測站點(diǎn)更為密集,同化效果更好,適用性也更好。對于土壤濕度產(chǎn)品在不同季節(jié)的表現(xiàn),大部分產(chǎn)品對冬季土壤濕度的模擬偏差明顯增加,除CLDAS之外其余產(chǎn)品均表現(xiàn)為模擬正偏差,這可能是由于冬季土壤濕度常保持為低值狀態(tài),而大部分產(chǎn)品又表現(xiàn)為定常性的模擬正偏差,這樣可能會導(dǎo)致冬季的模擬偏差變大(丁旭等,2018),另外冬季的模擬偏差增加可能也與該季節(jié)植被覆蓋度和植被類型的變化有關(guān)。大部分產(chǎn)品對于南疆地區(qū)土壤濕度的模擬偏干,這可能是由于南疆地區(qū)稀少的觀測站點(diǎn)多位于沙漠邊緣的較小綠洲地區(qū),而陸面模式計(jì)算所需的地表參數(shù)不夠精細(xì)、土地利用的分辨率不高等原因會導(dǎo)致模擬的土壤濕度偏低(韓帥等,2017),而對于其余地區(qū)土壤濕度的模擬均表現(xiàn)為以偏濕為主。

分析結(jié)果也表明,一些產(chǎn)品在不同季節(jié)、不同地區(qū)的模擬準(zhǔn)確度較差,因此在獲得土壤濕度產(chǎn)品模擬偏差的基礎(chǔ)上進(jìn)一步討論誤差來源是十分有必要的。研究討論了不同產(chǎn)品對淺層土壤濕度的模擬能力,大部分產(chǎn)品選擇與觀測一致的深度層(0～10 cm)數(shù)據(jù),而GLDAS-CLSM僅能選用0～2 cm土壤濕度數(shù)據(jù),這可能是導(dǎo)致該產(chǎn)品偏差較大的原因之一。GLDAS-CLSM是利用流域陸面水文耦合模式計(jì)算輸出的,這也可能是其在陸地土壤濕度適用性較差的原因(Sahoo et al.,2021)。NCEP-DOE R2模擬偏差較大的原因之一可能是其較低的水平分辨率(朱智等,2018),這會導(dǎo)致局地土壤濕度分布的細(xì)部特征不能被細(xì)致刻畫,GLDAS-CLSM同樣也存在類似的問題。GLDAS-Noah因其先進(jìn)的陸面模式使得在中國北方地區(qū)的模擬偏差較小。另外,將模擬產(chǎn)品由格點(diǎn)插值到站點(diǎn)、用固定深度測量的土壤濕度值代表整層的土壤濕度等數(shù)據(jù)處理方式也會對評估帶來誤差(賴欣等,2014)。

需要指出的是,本研究僅討論了不同產(chǎn)品對淺層土壤濕度的模擬效果,由于淺層土壤與邊界層大氣的互饋效應(yīng)更為敏感,導(dǎo)致土壤濕度的變化波動更為強(qiáng)烈,在相同時(shí)間段深層土壤的土壤濕度變化較淺層土壤更為平穩(wěn),土壤濕度產(chǎn)品的模擬偏差一般隨深度增加而減小(賴欣等,2014),但由于深層土壤濕度變化較淺層土壤會存在延遲、深淺層之間的水分交換過程更為復(fù)雜等(韓帥等,2017),陸面模式對較深土壤參量的準(zhǔn)確模擬仍是其性能評價(jià)的主要指標(biāo),下一步還需要繼續(xù)針對更深層次土壤濕度的模擬效果進(jìn)行評估,深入分析不同產(chǎn)品的模擬偏差,探討誤差來源,為更好地使用或訂正土壤濕度模擬產(chǎn)品和改進(jìn)陸面模式提供參考。

5 結(jié)論

利用2019—2020年中國北方地區(qū)1 173個(gè)站點(diǎn)每日08:00地表0～10 cm土壤濕度觀測數(shù)據(jù),對比分析了ERA5、ERA5-Land、NCEP-DOE R2、CRA40再分析資料和GLDAS-Noah、GLDAS-CLSM、CLDAS陸面數(shù)據(jù)同化資料土壤濕度產(chǎn)品的模擬效果,評估了不同土壤濕度產(chǎn)品在該地區(qū)的適用性,得到如下結(jié)論:

1)CRA40、ERA5和ERA5-Land對土壤濕度干、濕中心區(qū)域模擬較好,其中CRA40與觀測值的相關(guān)性最好,ERA5對干中心模擬更好,ERA5-Land對濕中心模擬效果更好,但ERA5和ERA5-Land對100°E以東地區(qū)的土壤濕度模擬偏濕,CRA40對較干土壤地區(qū)模擬偏濕、較濕土壤地區(qū)模擬偏干;GLDAS-Noah較好模擬土壤濕度濕中心,但對于較干土壤地區(qū)模擬略偏濕,CLDAS對較濕土壤地區(qū)模擬結(jié)果以系統(tǒng)性偏干為主;NCEP-DOE R2和GLDAS-CLSM模擬效果較差。

2)CLDAS對所有季節(jié)模擬均為負(fù)偏差,ERA5、ERA5-Land、NCEP-DOE R2、GLDAS-Noah和CLDAS均表現(xiàn)為模擬正偏差,GLDAS-CLSM對夏季和秋季模擬為負(fù)偏差、春季和冬季模擬為正偏差;春季中CRA40和ERA5-Land與觀測值相關(guān)性較好,夏季和秋季ERA5-Land、ERA5和CRA40與觀測值相關(guān)性較好,冬季的模擬值和觀測值相關(guān)性是全年中最小的,CLDAS相關(guān)系數(shù)較大。

3)對于不同氣候區(qū)來說,不同產(chǎn)品對于干旱區(qū)模擬的土壤濕度以偏濕為主,GLDAS-Noah對土壤濕度的變化趨勢描述能力最佳,但模擬土壤濕度峰值和谷值的出現(xiàn)時(shí)間較觀測的早;GLDAS-Noah、CRA40、ERA5在季風(fēng)區(qū)的適用性較好,能較好模擬干、濕土壤的持續(xù)時(shí)段和土壤濕度變化振幅;大部分產(chǎn)品能模擬出夏季風(fēng)影響過渡區(qū)較干土壤和較濕土壤的出現(xiàn)時(shí)間,GLDAS-Noah和CRA40模擬效果較好。

國家氣候中心劉蕓蕓研究員和蘭州區(qū)域氣候中心王小巍高工為數(shù)據(jù)下載和處理提供支持;ECMWF、NASA、美國天氣局、國家氣象科學(xué)數(shù)據(jù)中心和國家氣象信息中心提供了數(shù)據(jù)下載服務(wù)。