土壤濕度模擬研究進展

閆偉兄 李劍萍 金燕 張永霞 趙俊芳

（1 寧夏回族自治區氣象科學研究所/中國氣象局旱區特色農業氣象災害監測預警與風險管理重點實驗室/寧夏氣象防災減災重點實驗室，銀川 750002；2 云南省氣候中心，昆明 650034；3 寧夏環境科學研究院（有限責任公司），銀川 750004； 4 中國氣象科學研究院災害天氣國家重點實驗室，北京 100081）

0 引言

全球氣候觀測系統（GCOS）將土壤濕度定義為基本氣候變量之一，雖然土壤濕度占地球總水量的比例非常低，但其在全球水文循環、能量平衡及天氣氣候研究中扮演著重要角色，受到生態、水文、地理、氣象等多學科眾多研究者的關注。土壤濕度是水文循環的重要組成部分，陸地上35%的降水來自于海水蒸發的風力輸送，65%的降水來自于陸地表面蒸發，而陸地表面的蒸發與土壤濕度密切相關。土壤濕度影響地氣之間的水分、能量以及碳交換，故而天氣預報和氣候預測數值模式的準確性很大程度上取決于上述交換的正確表征。土壤濕度的異常會導致地表反射率、土壤熱容量、地表蒸發及植被生長狀況的變化，從而改變地表向大氣輸送的感熱、潛熱和長波輻射通量，最終影響氣候變化。土壤濕度偏低極易引起干旱和森林草原火災，土壤濕度偏高亦可能形成洪澇。土壤濕度對植物的重要性更是不言而喻。世界氣象組織（WMO）2008年在其“未來氣候變化研究和觀測”報告中從理解陸氣相互作用、建立季到年代際氣候預測、驗證和改進陸面模式的物理參數、開發和驗證基于衛星技術的土壤濕度算法、監測和檢測氣候異常及氣候變化等5個方面指出收集土壤濕度數據的重要性。

土壤濕度包含了天氣和氣候的“記憶”，一種類似于海洋中的熱量向氣候系統提供的慣性，將氣候預測的時間尺度從1～2周擴展到月至季，這是土壤濕度與氣候關系研究的基礎，得到國內外諸多相關研究的支持。在大氣邊界層中，土壤濕度對氣候的影響僅次于海溫；而在陸地上，土壤濕度的作用甚至超過海溫的作用。地氣系統出現異常，系統內部的各種反饋和自反饋過程使異常減弱，這些反饋主要是由土壤濕度狀況及與之有關的地氣水分和能量交換的特性控制。有研究表明，在我國春季從長江中下游到華北的土壤濕度正異常，造成東亞夏季風減弱，西太平洋副熱帶高壓發展西伸，從而阻擋了東亞夏季風的北上，使得中國夏季雨帶偏南，長江流域降水偏多，華北和南方降水偏少。2020年7月長江流域降水異常偏多，是否與該研究吻合，后續可做相關驗證研究。此外，還有研究提出青藏高原季風前的土壤濕度較強的年際變異性，可能為理解南亞季風的變異性提供重要的意義。

就上述認識和研究而言，獲得高時空分辨率的土壤濕度數據極其重要。實地觀測、遙感反演和模式模擬是當前獲取土壤濕度的3個手段。實地觀測雖能獲得直接和準確的第一手數據，但耗時耗力，且因土壤濕度的巨大空間異質性，很難得到較大空間上較為完整的信息。隨著20世紀60年代末衛星遙感對地觀測技術的發展，大尺度的土壤濕度獲取相關計劃、項目及產品等大量涌現，如全球土壤濕度計劃（GSWP）、土壤水分和海洋鹽度衛星（SMOS）、土壤濕度主被動探測任務（SMAP）、風云三號衛星（FY-3），以及歐洲空間局氣候變化倡議（ESA CCI）土壤濕度計劃、全球陸面數據同化（GLDAS）等。

基于測站的原位土壤濕度數據科研和業務工作者均較為熟悉，且航空和地面遙感在土壤濕度方面的應用并不廣泛，衛星遙感反演土壤濕度擬在它文中敘述，故這里綜述了國內外土壤濕度模擬技術，指出提高模擬土壤濕度精度的幾個方面，以期為土壤濕度相關研究和業務應用提供一些支撐。需要提醒的是，Dirmeyer曾在2011年指出土壤水分（Soil moisture）和土壤濕度（Soil wetness）有一定區別，但二者經常混淆使用，實際應用中需要注意。本文為便于閱讀，統一表述為土壤濕度。

1 土壤濕度模擬

基于站點的原位土壤濕度觀測雖多為例行觀測，但測站少而分散，且在自動土壤濕度觀測出現之前其時間間隔較長，難以滿足大尺度和高頻分析需要。20世紀80年代以來，土壤濕度自動觀測雖極大改進了觀測的空間密度和時間頻次，但相對于土壤屬性的空間異質性，至少從空間上仍難滿足地氣過程研究、生態環境及天氣氣候等服務需要。自20世紀60年代衛星遙感反演土壤濕度以來，雖能提供大范圍、周期性的面上土壤濕度觀測信息，但其探測深度極為有限（1～5 cm），且受太陽光、天氣和地表等狀況影響較大。因此，模擬土壤濕度成為另外一種獲取土壤濕度的方式。

1.1 陸面模式模擬

20世紀70年代左右，人們開始嘗試陸面模式在全球網格化氣象要素的驅動下模擬土壤濕度，這是當前土壤濕度模擬最主要的方式之一。陸面過程（LSP）是影響大氣環流和氣候變化的基本物理、生物化學過程之一，在地氣下墊面的研究中扮演著重要的角色。陸面過程最初的研究側重對大氣模式（GCM）敏感性試驗，證實陸面參數的變化對GCM模擬結果有很大影響，從而引發對在大氣模式中詳細描述陸面過程的重視。發展適合不同大氣模式的陸面過程并將它們分別耦合在相應大氣模式中是大氣模式發展和完善的必然趨勢。氣候模式中，早期引入陸面過程是為更好理解地表能量轉化，后來逐漸認識到土壤濕度對改善長期氣候預測準確性至關重要，特別是作為模式的初始場。

陸面過程的發展自20世紀60年代末到70年代至今，經歷了4個階段，先后代表性的模式有水桶模式（Bucket Model）、簡單能量平衡模式，簡單生物圈模式（Simple Biosphere Model，SiB）、陸面過程模式（LSPM）、諾亞模型（Noah），SiB2，通用陸面模式（Common Land Model，CLM）、Noah-MP等。國內也有一些陸面模式的研制，如SVA模式（Soil-Vegetation-Atmosphere Model）、AVM模式（Atmosphere-Vegetation-Model）、中國科學院大氣物理研究所的IAP94、CLM 2L模式等。

陸面模式主要以離線和耦合兩種模式運行。離線模式下陸面模式以大氣驅動數據驅動單獨運行，偶合模式下陸面模式會被偶合到氣候模式中。現有陸面模式雖然多達至少30多種，但其出發點多是土壤溫度和水分守恒方程，最終目的是得到地表感熱通量和潛熱通量。模式中土壤濕度與水勢關系多采用Brooks-Corey、Clapp-Hornberger、Van Genuchten等經典土壤水分特征曲線經驗模型。土壤水流模擬多采用Darcy定律、Richards方程、Philip-de Vries水熱運動耦合方程等。

Manabe在1969年最早將土壤濕度作為大氣環流模式的狀態變量進行模擬，其做法是利用水桶模式將每個陸地表面網格視為一個可以捕捉降水、并使降水通過蒸發返回大氣的150 mm深的洼地，超過網格洼地容量的降水則成為地表徑流。由于陸面模式種類繁多，參數化方案差別大，為了比較不同陸面模式參數化方案異同及探尋土壤濕度模擬不一致的原因，已開展了一些比較計劃，其中陸面過程參數化方案比較計劃（PILPS）和GSWP國內外介紹較多。經比較參與PILPS的14個陸面模式模擬的土壤濕度發現：利用模式自身的參數得到的土壤濕度差別較大，而調整參數后，模擬結果會有很大改進；大氣強迫數據的不確定性是導致模擬結果不確定的主要原因之一；土壤濕度與觀測吻合較好時不能保證通量預報值也好，而且土壤濕度不準確也不一定導致得出的通量就差，這暗示土壤濕度和通量間關系的參數化方案有待提高。GSWP曾利用兩年（1987—1988年）的氣象觀測數據驅動10個不同陸面模式，用前蘇聯、美國亞利桑那州、中國和蒙古4個區域的農田和草地的土壤濕度觀測數據，對模式模擬的土壤濕度進行了評估，表明模式并不能很好地模擬上述4個區域的土壤濕度，模擬偏差因地而異，從而推動了GSWP-2的實施。參與GWSP-2的陸面模式有15個，模擬時間增加到10年（1986—1995年），通過11個模式間互相比較發現，陸面模式模擬土壤濕度絕對值的能力較差，但其能很好地再現土壤濕度的季節性循環和年內變異；同時表明驅動陸面模式的氣象數據在土壤濕度離線模擬中扮演者重要角色。外部氣象驅動數據對陸面模式敏感性研究證實了上述結論，即耦合了實際土壤濕度觀測數據的再分析資料，極大提高了土壤濕度模擬能力；不管是同一模式用13套不同的氣象驅動數據，還是11個模式用同一氣象驅動數據，其模擬的土壤濕度數據變幅一樣大。利用實測土壤濕度驗證模擬結果，需要二者做一些適當的轉換，GSWP項目中曾提到Cressman插值法，但其在評估時采用了Kagan的最優平均算法，將測站原位觀測轉換到格點上。我國學者對陸面過程的研究很多，不僅有觀測試驗，還有模式模擬研究，其中黑河流域和青藏高原相關研究較為典型；另外還有一些不同來源土壤濕度對比研究，因為土壤屬性的高度變異性，當模擬的格點內有多個實測值時，利用格點內實測值的平均驗證模擬值。

北京大學在土壤?植被?大氣耦合模式的基礎上，發展了新一代北京大學陸面過程模式（Peking University Land Model，PKULM），使用“中國西北干旱區陸?氣相互作用觀測試驗”平涼站的資料對模式進行了檢驗表明，該模式能夠較好地模擬西北半干旱區農田下墊面地氣交換過程。BCC_AVIM是中國氣象局國家氣候中心研發的BCC_CSM（Climate System Model）全球氣候模式中的陸面模塊，對陸面過程具有一定的模擬能力。該模式融合了CLM3.0的土壤水熱傳輸模塊以及 AVIM2 生物化學模塊，同時修訂了積雪覆蓋率參數化方案，改進了地形起伏較大地區積雪覆蓋率的模擬。

1.2 再分析和水文模型模擬

自20世紀90年代以來，美國國家環境預報中心（NCEP）和美國國家大氣科學研究中心（NCAR）聯合研發的NCEP/NCAR Reanalysis I（R1）、與美國能源部（DOE）研制的NCEP/DOE Reanalysis II（R2）、氣候預測系統再分析（Climate Forecast System Reanalysis, CFSR）數據，歐洲中期天氣預報中心（ERA5，ERA15，ERA40，ERA-Interim），日本氣象廳（JRA-25和JRA-55）和美國國家航空航天局（MERRA，MERRA-2）等的再分析產品相繼問世，為土壤濕度模擬提供了廣闊前景。2021年年初，中國氣象局推出了業務化的全球大氣再分析產品（CRA-40）。近年來，針對再分析系統模擬土壤濕度的研究逐漸增多，主要集中在對比分析再分析資料的區域適用性。如Wang等利用ERA-Interim和CFSR再分析資料，結合地球系統模式CESM的模擬結果，考察了1979—2016年全球表層土壤濕度次季節變率的基本特征后發現，在中國東部、北美、南非、澳大利亞的夏季，土壤濕度有較大的次季節方差，CFSR和CESM中的土壤濕度變率強于ERA-Interim。鄒永成等對ERA-Interim、JRA55、NCEP-DOE R2和20CR這4套土壤濕度再分析資料在中國西北東部—華北—江淮區域的適用性進行分析后得出，4套再分析資料中 ERAInterim 資料同觀測資料接近，JRA55、NCEP-DOE R2資料次之，20CR資料最差。不同的再分析系統模擬的土壤濕度其空間和時間分辨率及深度和層次上均有一定差異，但就模擬土壤濕度而言都是由陸面模式產生的，盡管各自采用的陸面模式不同。如ERA-Interim使用的陸面模式為TESSEL，中國科學院大氣物理研究所新一代大氣環流模式（IAP-AGCM4.1）采用的是CLM4陸面模式。

陸面水文模型側重從水文響應單元模擬水熱狀況和水熱傳輸，國外研究和應用較多的有VIC模型（Variable Infiltration Capacity）、SWAT模型（Soil and Water Assessment Tool）等，其運行多需要氣象驅動數據、土壤參數、植被參數等控制性文件。孟現勇等在新疆精博河流域用大氣同化驅動數據集（CMADS）驅動SWAT模型，得到流域包括土壤濕度在內的其他地表分量，表明CMADS+SWAT模式可有效提高SWAT水文模型在我國西北干旱區的表現能力。焦振航等分析了VIC水文模型模擬土壤濕度對LAI的敏感性，發現模擬土壤濕度全年對LAI敏感，且夏天高于冬天。由于水文模型適用于流域水文過程模擬，針對性更強，故土壤濕度方面的研究與陸面模式和再分析的相比要少得多。

離線陸面模式、再分析系統及水文模型與衛星遙感反演土壤濕度最大的區別在于前者能提供格點化土壤濕度數據，并具有地氣過程的物理、化學、生物等理論基礎。但不同模式模擬土壤濕度能力差異巨大，模式本身、參數化方案、驅動數據等影響均較大。已有研究表明，耦合實際觀測土壤濕度數據的再分析數據，能有效提高陸面模式的土壤濕度模擬能力。此外，隨著高時空分辨率衛星遙感和數據同化技術的發展，人們開始將眼光轉向數據同化，以獲得全球和區域性數據同化集，當然包括產生準確性更高的土壤濕度數據。

2 土壤濕度同化

數據同化核心思想是把不同來源、不同分辨率、直接和間接觀測數據與模式模擬結果集成，生成具有時間一致性、空間一致性和物理一致性的各種地表狀態的數據集。Richadson在1922年首次把觀測資料手工插值到網格點上，作為數值預報的初始場，這可能是最早的同化思想。數據同化中，同化的觀測數據可分為直接觀測數據和間接數據兩類。直接數據即觀測量和希望得到的物理量一致，如溫度、空氣濕度；間接數據其希望得到的物理量與觀測量之間一般是通過函數轉換得來，如遙感反演的土壤濕度。

2.1 同化算法

數據同化算法是數據同化的重要組成部分，它連接了新的觀測數據與模式模擬預測，提高了模擬精度，也就是說利用模式預測當前狀態，然后利用先驗狀態估計作為初始條件，結合觀測數據，對先驗預報進行訂正，以獲得當前狀態的最佳估計。數據同化算法從最早的二維插值算法、最優插值算法到當前的四維變分（4-DVar）、卡爾曼濾波法（KF）等，經歷了從簡單到復雜的過程。

數據同化算法走過了近70年的歷程，盡管出現了很多算法，但從純算法角度可分為序列同化和變分同化兩類。顧名思義，序列同化是按順序進行同化，且一次僅能調整同一時刻的值。這種方法最初是直接用觀測數據替代網格預測值，目前已很少見；后來發展到以預報場作為初始場，用觀測數據做客觀分析。20世紀后半葉，序列同化方法是唯一用于數值天氣預報業務的同化方法。隨著學科的交叉和多源數據的應用，如何同化不同來源的數據，成為數據同化中需要解決的問題。變分同化的出現，將數據同化轉化為求解表征分析場與觀測場及背景場之間偏差的目標函數的極小化問題，從而擺脫了觀測量和分析量之間存在線性關系的限制。數據同化的主要方法有插入法、四維最優插值法、三維變分、隱式四維變分、顯式四維變分、卡爾曼濾波法、牛頓張弛法、神經網絡法、粒子濾波等。

2.2 主要同化系統

當前，同化和模擬土壤濕度的陸面數據同化系統絕大部分未與大氣模式偶合。陸面數據同化系統可根據區域大小分為國家、區域和全球系統；根據分辨率分為高分辨率和低分辨率系統；根據陸面模式與大氣模式關系分為非耦合與耦合系統等。陸面數據同化系統流程如下：1）利用大氣數據同化系統產生氣象驅動數據；2）利用遙感和地表觀測數據獲得陸面參數；3）氣象驅動數據與陸面參數進入陸面模式，生成當前時刻的狀態變量；4）同化當前時刻的各種可同化的觀測資料，估計背景場誤差，優化狀態變量；5）陸面同化與大氣同化繼續向前推進，生成下一時刻的背景場。上述過程中，耦合系統的驅動數據為大氣模式預測變量和觀測數據，且陸面數據同化系統的一些輸出量作為初始場或邊界條件重新運行耦合系統，而非耦合系統沒有此過程。

全球陸面數據同化系統開始于1998年，主要包括NASA GLDAS，NCEP GLDAS和ECMWF GLDAS。NASA GLDAS是一個非耦合系統，NCEP GLDAS和ECMWF GLDAS是一個弱耦合系統。當前該系統已發展到第二階段，即GLDAS-2。其同化算法包括四維變分、卡爾曼濾波、集合卡爾曼濾波；陸面模式為Mosaic，CLM2，Noah，VIC，Catchment LSM；驅動數據多達12種。國內外對該系統輸出的土壤濕度相關對比研究較多。

我國陸面數據同化系統主要有兩個，一個是中國科學院寒區旱區環境與工程研究所聯合蘭州大學大氣科學系在2003年開發的陸面數據同化系統（CLDAS），其官方網站稱為中國西部地區陸面數據同化系統，以CoLM模型作為模型算子，耦合針對土壤（包括融化和凍結）、積雪等不同地表狀態的微波輻射傳輸模型，集合卡爾曼濾波（EnKF）同化被動微波觀測（SSM/I和AMSR-E），系統輸出較高精度的土壤濕度、土壤溫度等同化資料。該系統輸出的時間分辨率雖為小時，但因是國家自然基金支持的研發項目，數據范圍僅為2002年。

另一個是中國氣象局國家氣象信息中心發展的陸面數據同化系統（CMA CLDAS），起步較晚，2013年發布第一版（CLDAS-V1.0）同化數據，2015年第二版（CLDAS-V2.0）實時發布亞洲區域逐時和逐日0.0625°×0.0625°分辨率包括土壤濕度在內的陸面要素分析產品和大氣驅動場。其后，在CLDAS-V2.0的基礎上研發了高分辨率中國氣象局陸面數據同化系統（HRCLDAS-V1.0），產品分辨率提高至1 km×1 km。我國陸面數據同化系統的主要技術及輸出數據見表1。我國陸面數據同化模式雖起步較晚，但后發優勢非常明顯，尤其是中國氣象局國家氣象信息中心研發的系統均已在業務中應用。

表1 與土壤濕度相關的中國主要陸面數據融合與同化產品 Table1 Main land surface element merging products in China

3 展望及建議

除基于測站的原位觀測、遙感反演和陸面模式模擬的土壤濕度外，20世紀90年代，以美國國家環境預報中心（NCEP）和國家大氣研究中心（NCAR）為代表的再分析資料研制工作取得了長足發展。衛星反演、模式模擬和再分析資料雖能一定程度上解決土壤濕度觀測數據時空連續性差的問題，但這些資料能否真實反映土壤濕度狀況，是近年來國內外開展較多的研究工作之一。不管是地基還是天基或空基觀測系統，大氣、陸面和海洋模式的物理過程，參數化方案和同化算法等均會影響反演和模擬的包括土壤濕度在內的其他產品的可靠性。如NCEP/DOE和ERA-40再分析產品中，由觀測系統變化和模式缺陷所引起的誤差是其主要質量問題。模式誤差不僅體現在一些重要參數化方案和物理過程所存在的不足，更重要的是會放大觀測系統所引入的誤差。目前，面或格點化的土壤濕度產品已在生態環境、水文循環、氣候預測、氣候變化和能量平衡、水旱災害評估等諸多領域展現出非凡的應用前景。

近年來，我國在衛星遙感反演、陸面數據同化及再分析方面的進展，極大推動了我國地氣系統、生態環境演變、氣候變化和天氣氣候預報等領域的研究和業務服務。減小反演和模擬誤差，提高時空分辨率和模擬質量是土壤濕度產品研制和應用中的核心問題和主要困難。獲得高質量的觀測數據和完整的陸面參數、強化地氣系統大數據融合應用、提高機理認識推進模式發展、完善物理過程改進數據同化算法，將是未來一段時間研制更加可靠的包括土壤濕度在內的數據產品的發展方向。

升級觀測系統以獲得高質量原位觀測數據。近10年，自動土壤濕度觀測得到快速發展，極大提升了土壤濕度監測的時間頻次和空間密度，但其與應用需求和高分辨率模式輸出相比，尚存在不小差距。從氣象要素和土壤濕度等觀測設備選型、站點布設、運維保障、質量控制等幾個方面綜合考慮，持續升級，以支撐數據同化、反演及模式驗證，逐漸滿足實際應用。此外，作為模式底層輸入數據的土壤屬性、植被類型、水文單元等這些陸面參數，對模式輸出的誤差控制具有重要作用，亦需要持續完善。

研發高精度氣象驅動數據以提升模式結果。陸表、水文和生態模式均需要格點化的地表氣象要素作為驅動數據，準確和高分辨率的氣象驅動數據有助于提高模式輸出。近年來，該領域的研究除融合多源數據、完善模式外，更多學者持續關注同化算法和多模式集合方法。不管是遙感土壤濕度反演算法或數據同化算法，我國學者主要以應用和個別改進為主，今后一段時間，既需要針對具體數據資料對改進研究加以關注，也需要在原創算法上投入更多精力。

增加地氣系統的認識以完善模式物理過程。人類對地氣系統各種過程的認識經歷了單學科到多學科交叉、逐步深入，從簡單模擬到復雜模擬的過程。氣候模式、陸面模式中的輻射傳輸、湍流通量、能量平衡、土壤熱量輸送和土壤水文等過程和方案存在諸多經驗和不確定性，提高這方面的認識和增加區域針對性，模擬程度將越接近實際，模式模擬的系統誤差就會越小。總體看，我國在這方面還有很長的路要走，是未來一段時間需要著力強化的主要領域。