基于高時空分辨率驅動數據的中國區域土壤溫度模擬與評估

朱智+師春香+梁曉+韓帥

摘要：土壤溫度在農業生產中是一個重要的陸面變量，但是僅通過觀測很難獲取大范圍的、時空連續的土壤溫度數據，而通過陸面模式模擬的土壤溫度可以為農業生產和研究提供較為準確的土壤溫度格點場。基于高時空分辨率的驅動數據，使用Noah-MP陸面模式對中國區域的土壤溫度進行模擬，并使用2 400多個國家級氣象站的土壤溫度觀測數據對模擬結果進行評估。結果表明：（1）Noah-MP陸面模式能夠很好地模擬出中國區域土壤溫度的空間分布、時間變化，偏差在±0.5 ℃以內，相關系數在0.9以上；（2）從選取的8個研究區的土壤溫度模擬結果來看，Noah-MP陸面模式能夠抓住各研究區的土壤溫度變化趨勢，僅對東北地區冬季的土壤溫度存在輕微的低估；（3）基于高時空分辨率驅動數據得到的土壤溫度模擬結果具有較高的準確性，對于農業氣象研究具有積極意義。

關鍵詞：高時空分辨率；Noah-MP陸面模式；土壤溫度模擬

中圖分類號： P416.2文獻標志碼： A

文章編號：1002-1302（2017）05-0228-05

發生在陸地表面與大氣之間水分、熱量和動量交換的過程，稱為陸面過程[1]。作為全球氣候系統的重要組成部分，陸面-水文過程是重要陸面過程之一，對區域乃至全球氣候有十分重要的作用，尤其在東亞區域，陸面-水文過程及該過程與大氣的相互作用對區域氣候有重要影響[2]。研究陸面水文過程，獲取陸面數據的方法主要有3種：（1）站點觀測；（2）遙感觀測；（3）陸面模式模擬。站點觀測數據可以給出觀測時刻、觀測位置的真值，但是陸地表面的高度時空分異性造成站點觀測難以給出時空連續的陸面物理量格點數據[3]；通過衛星觀測數據對陸面變量進行反演能夠在一定程度上彌補觀測數據的不足，但是遙感觀測數據會受到云、植被和地表粗糙度等的影響，造成反演結果的不準確[4]，同時遙感觀測難以獲取深層土壤的信息[5]。因此，通過使用陸面模式對全球以及區域的陸面過程進行模擬是可行的陸面過程研究方法。

土壤溫度是重要的陸面變量，在土壤水熱平衡過程中起到重要作用，在數值預報模式中的很多物理過程中是不可忽視的變量[6]；[JP2]同時，土壤溫度也可以影響土壤中碳氮等物質的化學、生物學過程，進而影響農作物的生長、發育及產量[7]。運用陸面模式對土壤溫度進行模擬，可以獲取大范圍的、時空連續的土壤溫度格點模擬結果，為數值模式研究和農業生產提供參考。

陳海山等利用CLM3.5模式對中國區域1948—2001年的土壤溫度進行了模擬，結果表明，CLM3.5模式能夠較好地模擬出中國區域土壤溫度的空間分布，但在大部分地區土壤溫度模擬值高于實際觀測結果[8]。陳曉磊等利用CLM3.0和SHAW（英文全稱Simulation Heat and Water）模式對青藏高原瑪切氣象站的土壤溫度進行了模擬，認為土壤溫度模擬值與觀測值相關性很強，并且土壤溫度的模擬在夏季好于冬季[9]。王澄海等利用CoLM（英文全稱Common Land Model）對青藏高原西部獅泉河觀測站的陸面特征開展了模擬研究，結果表明CoLM對于深層土壤溫度的模擬效果好于淺層[10]。[JP]

在土壤溫度觀測數據很有限的情況下，筆者試圖通過改進大氣驅動數據的準確性和時空分辨率，進而改善陸面模式對于中國區域陸面過程的模擬結果，獲取更為準確的土壤溫度格點場，從而為農業研究提供更為準確的陸面參量數據。

1材料與方法

1.1土壤溫度觀測數據

目前土壤溫度觀測包括淺層、深層土壤溫度觀測，在垂直方向上分為8層：5、10、15、20、40、80、160、320 cm，一般稱5～20 cm的土壤溫度為淺層地溫，40～320 cm層的為深層地溫[11]。本研究所用的土壤溫度觀測數據來源于國家氣象信息中心資料服務室，包括2 400多個國家級氣象站2014—2014年的逐小時10、40 cm土壤溫度觀測數據，土壤溫度觀測站點的空間分布見圖1。

1.2模式驅動數據

本研究所用的驅動數據是國家氣象信息中心師春香研究員課題組制作的中國氣象局陸面數據同化系統（CMA land data assimilation system，簡稱CLDAS）2.0版本驅動數據（以下簡稱CLDAS 2.0驅動數據），包括近地面氣溫、氣壓、濕度、風速、降水量和短波輻射6個要素，空間分辨率為0.062 5°，時間分辨率為1 h。

CLDAS 2.0近地面溫、壓、濕、風驅動數據是基于多重網格[CM（25]變分分析方法[12]，以ERA-Interim再分析產品作為背景[CM）]

[JP2]場，融合中國氣象局布設的超過4萬個國家級氣象站、區域氣象站的逐小時地面觀測資料，建立2008—2014年的CLDAS 20驅動數據中的近地面氣溫、氣壓、濕度和風速驅動數據。[JP]

CLDAS 2.0降水、輻射驅動數據都使用了成熟的產品：通過對中國地面與CMORPH融合逐小時降水產品（V1.0）[13-15]和美國CMORPH降水產品[16]進行空間拼接與插值，制作降水驅動數據；基于中國FY-2C/E衛星的可見光波段觀測數據，使用基于DISORT方法的短波輻射反演系統[17]，制作短波輻射驅動數據。

1.3Noah-MP陸面模式

[JP2]Noah-MP（the Community Noah Land Surface Model with Muti-Parameterization Options）陸面模式是美國楊宗良教授開發的新一代陸面模式[18-20]，在Noah陸面模式[21]的基礎上添加了新的生物物理過程，包括1個相互作用的植被冠層[22]，具有多個層次的積雪覆蓋層[23]以及1個基于TPOMODEL（TOPography based hydrological model）的蒸發模型[24]等。[JP]

[JP2]基于CLDAS 2.0驅動數據，運行Noah-MP陸面模式對中國區域陸面過程進行模擬，并提取土壤溫度模擬結果進行評估。本研究在淺層、深層土壤溫度中各選取了1層（10、40 cm），探討在使用高時空分辨率驅動數據的情況下，Noah-MP陸面模式對土壤溫度的模擬效果。為了減少模擬驗證時站點尺度匹配比較所帶來的不確定性，參照前人的研究[25-26]并結合觀測站點的分布狀況，將中國分為8個研究區，其中Ⅰ區為東北地區，Ⅱ區為華北地區，Ⅲ區為江淮地區，Ⅳ區為東南地區，Ⅴ區為西北東部地區，Ⅵ為西南地區，Ⅶ為西北西部地區，Ⅷ區為青藏高原地區。研究區的劃分如圖2所示。[JP]

2結果與分析

2.1土壤溫度模擬結果誤差的空間分布特征

由圖3可以看出，在10、40 cm 2個深度，偏差的空間分布基本一致，但是在山西省周圍地區的部分站點，10 cm土壤溫度模擬值與觀測值的偏差略高于40 cm土壤溫度模擬值與觀測值的偏差，而在青海省東部的站點，40 cm土壤溫度模擬值與觀測值的偏差較大。總體來看，Noah-MP模式中部地區（30°～40°N）[JP2]呈現正偏差，而在其他地區呈現負偏差，在東北地區存在1個負偏差高值區，偏差在-2 ℃以上。這是由于冬季東北地區的土壤溫度觀測站可能會存在積雪，而在有積雪的情況下，雪會反射大部分太陽輻射[27]，造成土壤所能獲得的能量大幅度減少，因此盡管觀測儀器仍然在進行土壤溫度觀測，但是缺少了太陽輻射的影響，土壤溫度觀測數據變化幅度很小；而陸面模式很難模擬出這種微小尺度的積雪情況，仍然按照沒有積雪的情況模擬該站點及周邊的土壤溫度，這就造成了東北地區土壤溫度模擬值與觀測值存在較大偏差。

從Noah-MP模式10、40 cm土壤溫度模擬值與觀測數據偏差的統計情況可以看出，兩者的統計情況類似，偏差都主要分布在±2 ℃以內，其中10 cm土壤溫度模擬值在90.8%的站點與觀測數據的偏差分布在±2 ℃以內，而40 cm土壤溫度模擬值在90%的站點與觀測數據的偏差分布在±2 ℃以內；在10 cm處的土壤溫度呈現負偏差的站點占總站點數的 51.3%，略多于呈現正偏差的站點，而對于40 cm處的土壤溫度，呈現負偏差的站點同樣多于呈現正偏差的站點，其中模擬值在52.1%的站點與觀測數據呈現負偏差，在剩余47.9%的站點模擬值與觀測數據呈現正偏差（圖4）。

從圖5-a、圖6-a可以看出，在絕大部分站點（864%），Noah-MP模式的10 cm土壤溫度模擬值與觀測數據的相關系數超過0.9，在青藏高原地區的站點與觀測數據的相關系數較低，在0.8～0.9之間，但在云南省南部的部分觀測站點與觀測數據的相關性偏低，但相關系數仍大于06，可以通過α=0.05的顯著性檢驗。從圖5-b、圖6-b可以看出，對于40 cm的土壤溫度，在絕大部分站點（841%），Noah-MP模式的溫度模擬值與觀測數據的相關系數超過0.9，在云南省南部存在1個相關系數的低值區，相關系數主要分布在0.6～0.8的區間上，有零星站點的相關系數<0.5，但>0.4，這一低值中心與 10 cm 土壤溫度模擬值與觀測值相關系數的空間分布是類似的，與10 cm處土壤溫度不同的是，Noah-MP模式的40 cm土壤溫度與觀測數據在東北地區的相關系數略低于 10 cm 處的相關系數，但是相關系數仍然大于0.8。從10、40 cm 土壤溫度模擬值與觀測值的相關系數分布區間來看，相關系數主要分布在0.8及以上，其中在97.5%的站點，10 cm 土壤溫度模擬值與觀測值的相關系數大于0.8，而在98.4%的站點，40 cm 土壤溫度模擬值與觀測值的相關系數大于0.8

可以看出，在1年中10 cm土壤溫度最高的月份是7、8月，超過20 ℃；最低的月份是12、1月，最低10 cm土壤溫度低于0 ℃；從每天的10 cm土壤溫度變化來看，在冬季10 cm土壤溫度變化幅度較小，這是由于積雪反射和吸收了大部分的太陽輻射，輻射的變化并沒有引起土壤溫度的明顯變化，而在其他季節，10 cm土壤溫度的高值出現在世界時間06：00（北京時間14：00）附近。從圖7-a、圖7-b的對比來看，Noah-MP模式較好地模擬出10 cm土壤溫度的日變化情況，但是在冬季模擬值與實際觀測值有所差別，冬季的 10 cm 土壤溫度模擬值仍然出現了較強的日變化，在世界時間06：00（北京時間14：00）附近出現1 d中的高值，而觀測值在冬季的日變化較弱。相對于10 cm處的土壤溫度，40 cm處的土壤溫度變化更為緩和（圖7-c），在1 d中變化很小。從土壤溫度的月際變化來看，40 cm土壤溫度的高值出現在夏季，超過20 ℃，低值出現在冬季，低于5 ℃。從圖7-c、圖7-d的對比來看，Noah-MP模式能夠模擬出40 cm土壤溫度的日變化情況，但是在冬季出現了輕微的高估現象。

2.3研究區尺度土壤溫度模擬結果與觀測數據的比較

的8個研究區及全國2013年1月至2014年12月日平均10 cm土壤溫度模擬值及觀測值的時間序列可以看出，無論是在研究區尺度還是全國尺度，Noah-MP模式的 10 cm 土壤濕度模擬值與實際觀測值的變化趨勢基本一致，可以模擬出土壤溫度的時間變化；各研究區的土壤溫度在1年中呈現單峰型，峰值出現在7—8月，谷值出現在1—2月；相對于北方的4個研究區（東北、華北、西北東部和西北西部地區）的10 cm土壤溫度在1年中的變化幅度，南方的3個研究區（江淮、東南、西南地區）的10 cm土壤溫度在1年中變化幅度更為平緩。從圖8-a、圖8-e可以看出，Noah-MP對于東北、西北東部地區的冬季10 cm土壤溫度模擬出現了明顯的低估，并且東北、西北東部地區的冬季10 cm土壤溫度變化很小，這可能是積雪對觀測產生了影響，積雪不僅可以反射和吸收太陽輻射，同時也起到了保溫的作用，造成冬季北方地區10 cm土壤溫度的變化幅度明顯小于其他季節，這也是圖3-a中土壤溫度模擬結果在東北地區與觀測數據偏差較大的原因。從全國尺度來看，Noah-MP模式的10 cm土壤溫度模擬值與觀測值的變化趨勢基本一致，僅在冬季存在輕微的低估，而在其他季節與觀測值更為接近（圖8-i）。

由表1可見，在所有研究區，Noah-MP模式的 10 cm 土壤溫度模擬值與觀測數據的相關性都很強，相關系數均大于0.98；相關系數最低的是東北地區，相關系數為 0.980；相關系數最高的是江淮地區，相關系數為0.994。從偏差來看，有3個研究區呈現正偏差，5個研究區呈現負偏差；從全國尺度來看，為輕微的負偏差（-0.172 ℃）；東北地區的偏差顯著大于其他研究區，為-2.250 ℃。從圖5-a可以看出，負偏差主要是由于Noah-MP模式對于東北地區冬季 10 cm 土壤溫度的低估造成的。從均方根誤差來看，東北、西北西部地區10 cm土壤溫度模擬值與觀測值的均方根誤差較大，超過 2 ℃，其他6個研究區的均方根誤差都小于2 ℃，均方根誤差最小的研究區是青藏高原地區，為0.818 ℃小尺度的積雪情況，造成模擬結果出現了一定的誤差。

參考文獻：

[1]張佳華，姚鳳梅. 陸地表面復雜過程中植物生態系統的作用[J]. 水土保持學報，2000，14（4）：55-59.

[2]林朝暉，劉輝志，謝正輝，等. 陸面水文過程研究進展[J]. 大氣科學，2008，32（4）：935-949.

[3]李新，黃春林，車濤，等. 中國陸面數據同化系統研究的進展與前瞻[J]. 自然科學進展，2007，17（2）：163-173.[HJ1.7mm]

[4]劉峰，李存軍，黎銳，等. 陸面數據同化系統構建方法及其農業應用[J]. 農業工程學報，2008，24（2）：347-352.

[5]陳書林，劉元波，溫作民. 衛星遙感反演土壤水分研究綜述[J]. 地球科學進展，2012，27（11）：1192-1203.

[6][JP2]Albergel C，Dutra E，Munoz-Sabater J，et al. Soil temperature at ECMWF：an assessment using ground-based observations[J]. Journal of Geophysical Research Atmospheres，2015，120（4）：1361-1373.[JP]

[7]張慧智，史學正，于東升，等. 中國土壤溫度的季節性變化及其區域分異研究[J]. 土壤學報，2009，46（2）：227-234.

[8]陳海山，熊明明，沙文鈺. CLM3.0對中國區域陸面過程的模擬試驗及評估Ⅰ：土壤溫度[J]. 氣象科學，2010，30（5）：621-630.

[9]陳曉磊，楊梅學，萬國寧，等. CLM3和SHAW模式在青藏高原中部NMQ站的模擬研究[J]. 冰川凍土，2013，35（2）：291-300.[ZK）]

[10]王澄海，師銳. 青藏高原西部陸面過程特征的模擬分析[J]. 冰川凍土，2007，29（1）：73-81.

[11]中國氣象局. 地面氣象觀測規范[M]. 北京：氣象出版社，2003：85-86.

[12]Xie Y，Koch S，Mcginley J，et al. A space-time multiscale analysis system：a sequential variational analysis approach[J]. Monthly Weather Review，2011，139（4）：1224-1240.[ZK）][HT][HJ][HT][FL）][LM]

[HT8.]

[13]Shen Y，Zhao P，Pan Y，et al. A high spatiotemporal gauge-satellite merged precipitation analysis over China[J]. Journal of Geophysical Research Atmospheres，2014，119（6）：3063-3075.

[14]宇婧婧，沈艷，潘旸，等. 概率密度匹配法對中國區域衛星降水資料的改進[J]. 應用氣象學報，2013，24（5）：544-553.

[15]潘旸，沈艷，宇婧婧，等. 基于最優插值方法分析的中國區域地面觀測與衛星反演逐時降水融合試驗[J]. 氣象學報，2012，70（6）：1381-1389.

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

[17]Chandrasekhar S. Radiative transfer[M]. New York：Dover，1960.

[18]Yang Z L，Niu G Y，Mitchell K E，et al. The community Noah land surface model with multi-parameterization options （Noah-MP）：2. Evaluation over global river basins[J]. Journal of Geophysical Research Atmospheres，2011，116（D12）：1248-1256.

[19]Cai X T，Yang Z L，David C H，et al. Hydrological evaluation of the Noah-MP land surface model for the Mississippi River Basin[J]. Journal of Geophysical Research Atmospheres，2014，119（1）：23-38.

[20]Cai X T，Yang Z L，Xia Y L，et al. Assessment of simulated water balance from Noah，Noah-MP，CLM，and VIC over CONUS using the NLDAS test bed[J]. Journal of Geophysical Research Atmospheres，2014，119（24）：13751-13770.

[21]Ek M B，Mitchell K E，Lin Y，et al. Implementation of Noah land surface model advances in the National Centers for Environmental Prediction operational mesoscale Eta model[J]. Journal of Geophysical Research，2003，108（D22）：8851.

[22]Dickinson R E，Shaikh M，Bryant R，et al. Interactive canopies for a climate model[J]. Journal of Climate，2010，11（11）：2823-2836.

[23]Yang Z L，Niu G Y. The versatile integrator of surface and atmosphere processes-Part 1. Model description[J]. Global & Planetary Change，2003，38（1）：175-189.

[24]Niu G Y，Yang Z L，Dickinson R E，et al. A simple TOPMODEL-based runoff parameterization （SIMTOP） for use in global climate models[J]. Journal of Geophysical Research Atmospheres，2005，110（D21）：3003-3013.

[25]朱晨. 中國區域不同深度土壤濕度模擬和評估[D]. 南京：南京信息工程大學，2012.

[26]馬柱國，黃剛，甘文強，等. 近代中國北方干濕變化趨勢的多時段特征[J]. 大氣科學，2005，29（5）：671-681.

[27]王敏仲，魏文壽，陳榮毅，等. 天山烏魯木齊河源1號冰川近雪面氣象要素觀測分析[J]. 冰川凍土，2012，34（1）：12-20.

[FQ）]

[HT5”SS〗江蘇農業科學2017年第45卷第5期

。

3結論

基于高時空分辨率的CLDAS 2.0驅動數據，使用Noah-MP陸面模式對中國區域的土壤溫度進行了模擬，并利用中國氣象局布設的土壤溫度自動站觀測數據對模擬結果進行了評估與研究，主要結論有以下幾點：（1）Noah-MP陸面模式的10、40 cm土壤溫度模擬值與觀測數據相關性很強，絕大部分站點的相關系數大于0.8，偏差主要分布在-2～2 ℃；Noah-MP陸面模式能夠很好地模擬出土壤溫度的日變化，但是對于冬季的土壤溫度模擬存在輕微的低估；（2）從區域尺度看，Noah-MP陸面模式能夠較好地模擬出各研究區的土壤溫度變化，但是對于東北地區冬季的表層土壤溫度存在低估，主要原因是由于冬季積雪會吸收和反射輻射，并且會對土[CM（25]壤起到保溫的作用，而Noah-MP陸面模式很難模擬出微