利用“模擬—校正”法估算黃土高原半干旱區(qū)陸面蒸散發(fā)

楊 揚, 孫旭映, 張 良, 王麗娟, 胡 蝶

(中國氣象局 蘭州干旱氣象研究所 甘肅省(中國氣象局)干旱氣候變化與減災重點實驗室, 蘭州 730020)

陸地蒸散發(fā)是地表水平衡和能量平衡過程中的組成部分，對區(qū)域乃至全球的水循環(huán)和氣候均有重要的影響。一方面，蒸散發(fā)過程直接影響地表徑流、土壤濕度等水文變量；另一方面，潛熱通量是地表能量平衡的重要組成部分。蒸散發(fā)過程在發(fā)生相變時吸收和釋放能量會對周邊大氣運動產(chǎn)生顯著影響(液態(tài)水轉(zhuǎn)化為氣態(tài)水所需的能量是溫度升高1 K時所需能量的600倍，更是相同質(zhì)量空氣溫度升高1 K時所需能量的2 400倍[1])。研究表明，陸氣間的蒸散發(fā)過程消耗超過50%的地表凈輻射[2]，這些能量將約60%的地表降水通過蒸散發(fā)返回到大氣中[3]。不僅如此，蒸散發(fā)的變化趨勢在干旱監(jiān)測預警方面扮演著至關重要的角色[4]。例如，Wang等[5]發(fā)現(xiàn)驟發(fā)性干旱主要是由蒸散量劇增造成的。因而，準確估算蒸散發(fā)對水資源管理和農(nóng)田灌溉具有重要意義[6]，尤其在水資源極其短缺的干旱和半干旱區(qū)，準確估算實際蒸散發(fā)尤為重要。

目前估算實際蒸散發(fā)的方法主要有3類：第1類是經(jīng)驗模型，通常利用土壤水分、葉面積指數(shù)，輻射等估算蒸散發(fā)，這類模型[7-10]通常不考慮蒸散發(fā)的具體物理過程，僅僅利用相關關系，具有較大的經(jīng)驗性，難以推廣到不同地區(qū)[11]；第2類是基于能量平衡的陸面蒸散發(fā)模型，如結合遙感和地表面觀測估算蒸散發(fā)的SEBS，SEBAL模型[12-13]，通過這類模型可以獲得像元尺度的蒸散發(fā)，但受限于衛(wèi)星遙感產(chǎn)品的反演精度，存在的問題是估算誤差較大；第3類詳細考慮了蒸散發(fā)實際物理過程的陸面過程模式，如CLM,NOAH等，但是這類模型通常在單點運行模擬，難以估算區(qū)域或流域尺度的蒸散發(fā)。楊澤粟[14]利用實測資料分別驗證了目前國際上主要的8個蒸散發(fā)估算模型，包括Wang經(jīng)驗模型、平流—干旱AA模型、能量平衡SEBS模型、改進的Priestley-Taylor(PT-JPL)模型、改進的Penman-Monteith(RS-PM)模型、PT-JPL改進模型(M1-PT-JPL，M2-PT-JPL模型)和陸面過程模式(CLM模式)，檢驗了其在黃土高原的適用性。分析得出，各蒸散發(fā)估算模型模擬結果與觀測值均存在較大差異，而且不同模型也存在顯著差異，相比而言，PT-JPL，CLM模式估算誤差相對較小。因此，選用合理的蒸散發(fā)估算模型，提高蒸散發(fā)估算精度是一項重要的研究任務。

從陸氣相互作用角度而言，陸面過程模式估算蒸散發(fā)具有一定的優(yōu)勢，主要是陸面過程模式基于能量和水平衡建立，并詳細考慮了陸地蒸散發(fā)中植被截流降水蒸發(fā)、蒸騰和地表蒸發(fā)等各個重要的物理過程，尤其是第三代陸面模式(如CLM等)，包含了植被氣孔與光合作用之間的聯(lián)系等[15]，更加真實地刻畫了蒸散發(fā)過程，成為估算蒸散發(fā)重要的工具[16-19]。目前諸多計劃如全球土壤濕度計劃(GSWP)[20]、全球陸面數(shù)據(jù)同化系統(tǒng)(GLDAS)[16]、中國陸面數(shù)據(jù)同化系統(tǒng)(CLDAS)均利用不同的陸面模式估算了區(qū)域或全球陸面蒸散量，廣泛應用于全球氣候和水文循環(huán)研究。但不可否認的是，由于陸面過程模式中的參數(shù)化方案、參數(shù)選取等均存在較大的不確定性[21]，因而其模擬的蒸散發(fā)與觀測之間也存在較大的偏差。Haddeland等[17]比較了11個模式模擬的陸面蒸散發(fā)發(fā)現(xiàn)全球陸面蒸散量在415～586 mm/a之間變化。Xia等[18-19]表明NLDAS-2在區(qū)域和流域尺度上，SAC-SMA模式高估了蒸散量，而Noah和VIC模式則低估了蒸散量。崔園園等[22]基于第3次青藏高原大氣科學試驗資料評估了CLDAS-V2.0和GLDAS-NOAH產(chǎn)品在青藏高原地區(qū)的適用性表明，CLDAS-V2.0土壤溫、濕度產(chǎn)品與觀測資料的相關性均優(yōu)于GLDAS-NOAH產(chǎn)品，他們之間的相關性在濕季大于干季。張強等[23]分析了FLUXNET和GLDAS的蒸散發(fā)資料在我國北方的適用性。結果表明，F(xiàn)LUXNET資料在我國北方地區(qū)的年平均蒸散量明顯比GLDAS資料的年平均蒸散量可靠。為此，在區(qū)域尺度上評估陸面過程模式模擬的蒸散發(fā)產(chǎn)品，并有效提高陸面產(chǎn)品的應用，尤其是干旱監(jiān)測等方面的應用值得深入研究。

為了提高陸面過程模式模擬的蒸散發(fā)的精度，一個重要的途徑是根據(jù)不同下墊面的重要物理過程，改進參數(shù)化方案和優(yōu)化關鍵參數(shù)，如Sellers等[24]在模式中引入氣孔阻抗，更加準確地描述了蒸散發(fā)過程，進而提高了濕潤區(qū)的蒸散發(fā)模擬；Chen等[25]通過改進熱力學粗糙度，改進了對半干旱區(qū)NOAH模式模擬性能；孫菽芬等[26]發(fā)展了通用土壤水熱模型，改進了土壤濕度模擬等；Yang等[27]利用粒子群優(yōu)化算法，改進了半干旱區(qū)土壤濕度和蒸散發(fā)的模擬性能。近年來，Parr等[28]提出了提高蒸散發(fā)的另一種途徑，可稱之為“模擬—校正”方法，該方法利用某區(qū)域某一時段內(nèi)模式模擬的蒸散發(fā)與觀測的蒸散發(fā)建立函數(shù)關系，并假定這一關系不隨時間發(fā)生變化，并適用于該區(qū)域，因而可以用于校正模式模擬的蒸散發(fā)。Parr[28]、Wang[29]等通過研究發(fā)現(xiàn)，利用該方法校正模式的模擬的蒸散發(fā)后，誤差顯著減小。但是，該方法也存在一定的局限，因為在實際情形下氣候、下墊面狀況和時空尺度均會影響蒸散發(fā)的估算精度[7,30]。不僅如此，由于該方法連接了模擬和觀測，因而也與模式參數(shù)化方案密切相關。因此，如何在該方法中，引入影響區(qū)域蒸散發(fā)的關鍵因子，進而提高陸面過程模式對蒸散發(fā)估算能力有重要的研究價值。

大量研究表明，在半干旱區(qū)，植被覆蓋度和氣孔阻抗等是影響蒸散發(fā)關鍵因子，而在陸面模式中，這些因子對模擬結果也是敏感的。例如，植被覆蓋度決定了植被蒸騰和土壤蒸發(fā)的比例，因此對蒸散發(fā)的調(diào)控發(fā)揮著重要作用[31-32]，而氣孔導度與光合作用速率和土壤含水量緊密相連[33]，直接影響植被生長，而植被生長狀況的差異能夠良好地反映土壤濕度的不均勻性，植被越茂盛，其蒸騰作用越強，蒸散就越大[34]；在陸面模式中，植被覆蓋度和氣孔阻抗均與植被葉面積密切相關，為此將葉面積指數(shù)作為一個關鍵因子，可用于改善蒸散發(fā)估算。由于在實際應用中，難以精確測量葉面積指數(shù)，因而通常用使用NDVI代替。為此，本文利用黃土高原半干旱區(qū)SACOL站的觀測資料，以NDVI為關鍵因子，結合CLM模式模擬結果，建立模擬、觀測與NDVI之間的函數(shù)關系，改進“模擬—校正”方法，進而提高蒸散發(fā)的估算精度，為該地區(qū)陸氣相互作用和區(qū)域氣候研究提供科學依據(jù)。

1 資料與方法

1.1 資 料

蘭州大學半干旱氣候與環(huán)境監(jiān)測站(Semi-Arid Climate Observatory and Laboratory of Lanzhou University,SACOL)位于中國黃土高原地區(qū)，地處溫帶半干旱氣候區(qū)，年降水量為381.8 mm，年平均氣溫6.7℃，代表了方圓幾百千米的半干旱區(qū)氣候狀況，儀器的描述及安裝情況可參考文獻[35—36]。本文使用SACOL站2006—2008年近地層觀測資料，包括空氣溫度、降水、風速、相對濕度、大氣壓強；向下、向上的短波和長波輻射；感熱和潛熱通量，以及土壤溫度和含水量。本文使用的蒸散發(fā)觀測數(shù)據(jù)來自于渦動相關系統(tǒng)測量，為保證觀測數(shù)據(jù)的可靠性，對30 min的原始資料進行二次坐標旋轉(zhuǎn)、超聲虛溫的側(cè)向風校正和WPL修正。然后剔除由于降水、露水等天氣導致渦動相關系統(tǒng)觀測的異常。最后對儀器故障、系統(tǒng)校正及降水等導致的資料丟失及異常值進行插補。插補方法根據(jù)Falge等[37]的方法，對≤6 h的缺失數(shù)據(jù)進行線性內(nèi)插；對于≥6 h的缺失數(shù)據(jù)用查表法插補。

1.2 模式簡介

本文使用公用陸面過程模式CLM (Community Land Surface Model,Version 4.0)來計算蒸散發(fā)。CLM模式所需的地表參數(shù)主要包括植被功能類型，莖、葉面積指數(shù)，植株高度，土壤顏色、質(zhì)地、有機質(zhì)含量等，與植被功能類型有關的數(shù)據(jù)來自于MODIS的數(shù)據(jù)，而土壤質(zhì)地來自于IGBP數(shù)據(jù)[33]，土壤有機質(zhì)含量來自于Lawrence等[38]。CLM模式地表溫度及各層土壤溫度的初始值取為274 K，土壤含水量初始化為0.3，而最下面的5層初始化為0.0。

1.3 模擬-校正方法

Parr等[28]指出利用某區(qū)域某一時段內(nèi)模式模擬的蒸散發(fā)與觀測的蒸散發(fā)建立函數(shù)關系，并假定這一關系不隨時間發(fā)生變化，并適用于該區(qū)域，因而可以用于校正模式模擬的蒸散發(fā)，如下式所示：

lEest=k×lEm

(1)

式中：lEest是修訂后的通量；lEm是模式模擬值；k為某段時間內(nèi)觀測和模擬值的線性擬合系數(shù)。

本研究中，考慮到NDVI對蒸散發(fā)的重要影響，改進了上述方法，建立了NDVI，觀測值和CLM模擬值與修正通量之間的如下關系：

lEest=f(NDVI,lEm)

(2)

利用上述的資料和方法，本文首先利用2006年9—12月的資料進行了spin-up，然后使用2007—2012年的模擬結果進行對比分析。

為評估模式的模擬性能，給出模擬值與觀測值的平均偏差(Mean Bias Error,MBE)、均方根偏差(Root Mean Bias Error,RMBE)和相關系數(shù)(Correlation Coefficient,R)定量評估模擬值與觀測值的偏差。

2 結果與分析

2.1 CLM模擬的蒸散發(fā)分析

圖1給出了CLM模擬的2007—2012年SACOL站蒸散發(fā)(潛熱通量)與實測值日均值的比較。可見，CLM能較好地模擬出蒸散發(fā)的變化趨勢，但模擬值較觀測值偏大，在非生長季，模式的模擬值較觀測值的偏差較大；在生長季，模擬的蒸散發(fā)與觀測值的偏差相對較小。表1為SACOL站2007—2012年地表能量及環(huán)境參數(shù)的變化。6 a的平均降水量(371.8 mm)略低于常年(1961—2008年)的年均降水量(386.5 mm)，但SACOL站的年降水量有很大的年際變率，2008年的年降水量為386.9 mm，與常年平均降水量相差不多，認為是正常年；2007年年降水量達到了555.5 mm，比常年平均降水量偏高44%，2012年的偏高2%，屬于濕潤年；而2009—2011年的年均降水量比常年平均降水量低22%，14%，32%，屬于干旱年。從圖1還可以看出，CLM對濕潤年蒸散發(fā)的模擬偏差較小。從偏差的統(tǒng)計結果來看，濕潤年兩者的RMBE(27.95 W/m2)小于干旱年的36.81 W/m2，而濕潤年的相關系數(shù)(0.68)大于干旱年的0.59，表明模式在濕潤年對蒸散發(fā)的模擬偏差較小，且相關性較高。年降水量決定著蒸散發(fā)能量和水分的可利用性。降水作為CLM的大氣強迫項，通過改變土壤含水量和能量分配影響陸面蒸散發(fā)。在年降水量較多的年份，CLM更準確地捕捉了土壤含水量的變化趨勢，因此其對蒸散發(fā)的模擬效果較好。

圖1 2007-2012年CLM模式模擬的SACOL站潛熱通量與觀測值的日均值比較

表1 2007-2012年SACOL站地表能量及環(huán)境參數(shù)的變化

注：Rn為凈輻射，H為感熱通量，lE為潛熱通量，Ta為日平均溫度，P為年降水量。

為了進一步分析CLM對干濕不同條件下蒸散發(fā)的模擬性能，本文選取2008年生長季(4—10月)的數(shù)據(jù)進行研究。圖2給出了2008年SACOL站日平均土壤含水量和降水的季節(jié)變化。如圖2所示，土壤含水量的變化主要受控于降水。2008年生長季降水時段主要集中在8月上旬—10月中旬，5 cm的土壤含水量(SWC)均大于0.13 m3/m3，SWC的平均值為0.19 m3/m3；而在6月中旬—8月上旬，SWC均小于0.12 m3/m3，平均值為0.10 m3/m3。兩個時段的土壤含水量幾乎相差1倍，因此，將2008年6月23日—8月6日選取為干旱時段，8月7日—10月15日選取為濕潤時段來分析CLM對蒸散發(fā)的模擬性能。圖3給出了干旱、濕潤條件下模式模擬值(lEclm)和觀測值(lEobs)的比較。如圖3所示，CLM能夠模擬出干旱、濕潤時段蒸散發(fā)的變化趨勢，但干旱時段的偏差相對要大于濕潤時段的。另外從不同時段的散點圖來看，濕潤時段兩者的散點均勻地分布在擬合線兩側(cè)，而干旱時段特別是蒸散發(fā)較大時的散點分布較分散，濕潤時段的相關系數(shù)0.77大于干旱時段的0.62，表明濕潤時段的相關性更高，因此模式在濕潤時段對蒸散發(fā)的模擬性能優(yōu)于干旱時段的。楊澤粟[14]研究CLM在黃土高原不同氣候區(qū)對陸面蒸散發(fā)的模擬效果發(fā)現(xiàn)模式在半濕潤區(qū)站點對蒸散發(fā)的模擬效果要優(yōu)于半干旱區(qū)的。

2.2 模擬結果的改進

針對CLM模擬的蒸散發(fā)(潛熱通量)偏差過大的問題，考慮到植被對模擬的影響可以用NDVI表征，并結合Parr等[28]的研究思路，通過擬合NDVI和CLM模擬值與觀測值間的相對偏差，提出一種新的“模擬—校正”蒸散發(fā)的新方法。首先，利用2008年的觀測的蒸散發(fā)建立模擬—校正函數(shù)；然后，利用其余時段的CLM模擬值，驗證方法的可行性。如圖4所示，分別給出了干旱、濕潤條件下模擬蒸散發(fā)的相對誤差隨NDVI的變化。從圖中可以看出，干旱條件下相對誤差與NDVI成正比，隨NDVI的增大而增大；濕潤條件下，相對誤差與NDVI之間滿足二次曲線變化規(guī)律，并擬合得到如下的函數(shù)關系式用于校正蒸散發(fā)。

圖2 2008年SACOL站半干旱草地日平均土壤含水量(5 cm)及降水的變化

(3)

(4)

假設CLM模擬的黃土高原區(qū)干濕季蒸散發(fā)與觀測值和NDVI之間的關系始終保持不變，那么利用CLM模擬的值，可以得到校正值可以表示為：

(5)

(6)

圖3 CLM模式模擬的SACOL站干旱、濕潤條件潛熱通量與觀測值的比較日變化、散點圖

圖4 CLM模式模擬的SACOL站蒸散發(fā)相對誤差隨NDVI的變化

根據(jù)上述關系式，利用2007年、2009—2012年黃土高原半干旱區(qū)SACOL站的資料，對CLM模擬結果進行了校正。如圖5所示，校正后在濕潤、干旱條件計算的蒸散發(fā)與觀測值的變化趨勢一致，兩者之間的誤差很小。圖6給出了研究時段內(nèi)極濕年(2007年)和極干年(2011年)估算值與觀測值的散點圖。從圖6中可以看出，估算值與觀測值的擬合效果更好，兩者的擬合系數(shù)更接近于1，相關性較好，“模擬—校正”法對濕潤、干旱條件蒸散發(fā)的估算效果有顯著改進。從偏差的統(tǒng)計結果(表2)來看，濕潤條件下，“模擬—校正”法計算的蒸散發(fā)的平均偏差由CLM計算的4.36 W/m2減小到2.17 W/m2，均方根偏差由27.95 W/m2減小到9.48 W/m2；干旱條件下，新方法計算的蒸散發(fā)的平均偏差由CLM計算的13.27 W/m2減小到3.09 W/m2，均方根偏差由36.81 W/m2減小到7.61 W/m2，相關系數(shù)由0.59增加到0.94。總體來看，利用模擬蒸散發(fā)相對誤差及NDVI的關系構建的“模擬—校正”法對半干旱區(qū)蒸散量的估算精度有顯著提高，更準確地捕捉了不同環(huán)境條件下蒸散發(fā)的變化特征。

3 結 論

CLM能較好地模擬出蒸散發(fā)的變化趨勢，降水量是影響CLM計算蒸散發(fā)精度的重要因素，在濕潤環(huán)境條件下模式對蒸散發(fā)的模擬性能較優(yōu)。引入歸一化植被指數(shù)研究植被對陸面模式模擬蒸散發(fā)的影響表明，干旱時段模擬蒸散發(fā)的相對誤差與NDVI成正比；濕潤時段相對誤差與NDVI之間滿足二次曲線變化規(guī)律。基于以上關系構建“模擬—校正”法估算蒸散發(fā)表明，新方法在濕潤、干旱條件下計算的蒸散發(fā)與觀測值的變化趨勢一致，兩者的誤差很小，擬合效果更好。

圖5 “模擬-校正”法計算的SACOL站濕潤(2007年、2012年)、干旱條件(2009-2011年)下生長季蒸散發(fā)與觀測值的對比

圖6 “模擬-校正”法計算的SACOL站濕潤(2007年)、干旱(2011年)條件下生長季蒸散發(fā)與觀測值的散點圖

表2 CLM模擬與“模擬—校正”法估算的蒸散發(fā)與觀測值的統(tǒng)計參數(shù)

利用模擬蒸散發(fā)相對誤差及NDVI在干濕不同環(huán)境條件下的關系構建的“模擬—校正”法估算蒸散發(fā)方法顯著提高了半干旱區(qū)蒸散發(fā)的估算精度，能更準確地捕捉不同環(huán)境條件下蒸散發(fā)的變化特征，在一定程度上彌補了陸面過程模式植被生理過程參數(shù)化方案不完善引起的不確定性。基于經(jīng)驗建立的該方法更趨向于是計算蒸散發(fā)的技術，在模擬資料中加入遙感信息，利用反映地表非均勻性的遙感信息改進模式參數(shù)化方案不確定性引起的誤差，可以得到更為準確的區(qū)域蒸散量。但是，“模擬—校正”法僅針對黃土高原特殊的氣候環(huán)境提出，對陸面蒸散發(fā)的計算效果還需要更多測站的資料來驗證。

致 謝：感謝蘭州大學干旱氣候與環(huán)境觀測站(SACOL站)為本文提供數(shù)據(jù)支持。