1 引言
青藏高原是世界上最高，地形结构最复杂的高原，由于其高大的地形特征及其特殊的地理位置，对全球气候尤其是东亚气候具有重要的影响（杨梅学和姚檀栋，1998）。地表层土壤湿度是揭示陆面和水分循环变化过程中最为直接的参量，土壤湿度通过改变地表的能量和水分循环，对大气环流和气候变化产生重要作用。反之土壤湿度也会因为气候的变化而发生改变，这种相互作用是复杂且不可分割的（马柱国等，2001）。研究高原的土壤湿度分布特征与变化趋势及其对降水变化的影响，不仅对于全球变化研究具有重要的天气和气候学理论意义，也在短期气候预测、防灾减灾、生态保护及经济发展等领域具有一定的现实意义。
到目前为止，可以使用的青藏高原土壤湿度观测资料十分有限（Dorigo et al.，2011），使人们无法了解土壤湿度和区域气候变化的关联机理。遥感观测可以覆盖全球，获得较高分辨率的土壤湿度数据，但其目前只能较好的反映表层土壤的状况（师春香等，2011），利用陆面模式进行数值模拟，可以获得较长时间、较高空间分辨率的土壤湿度模拟值，是研究土壤湿度特征变化的另一种有效途径。青藏高原独特的地形特征，使其对东亚季风环流乃至全球气候都有着一定的影响。土壤湿度作为表征地面状况的特征参数，可以通过观测和预估获取，通过高原土壤湿度来探讨高原热力作用及其对亚洲季风降水的影响有一定的优势（王瑞等，2009）。刘少锋和林朝晖（2005）利用野外观测资料，考察了CLM（Community Land Model）对东亚地区三种典型下垫面的模拟能力。李明星等（2011）用CLM3.5、陈海山等（2010）和熊明明等（2011）用CLM3.0模拟了中国土壤湿度、土壤温度的时空变化特征。综上表明，陆面过程模式可以合理地再现土壤湿度的时空分布特征，能用于对高原土壤湿度等地表参量的模拟研究。
台站观测数据对气候模拟和模拟检验十分重要，但现如今青藏高原地区只有十分稀少的地面土壤观测数据可用（Robock et al.，2000）。对于高原而言，陆面过程的研究还是主要集中在单个站点，并且模拟时间也较短（Vinnikov et al.，1996；Miller et al.，2007）。也较少有研究从整个高原、较长时间尺度讨论土壤湿度气候学特征。目前土壤湿度对夏季降水影响的研究，主要集中在我国东部地区，且研究的土壤湿度观测资料和数值模拟时间序列也相对较短（马柱国等，2000；左志燕和张人禾，2007；赖欣等，2014），较少有研究从整个高原、较长时间尺度上讨论土壤湿度的气候效应。
本研究拟利用CRUNCEP资料 [CRUNCEP是由CRU（Climatic Research Unit）TS.3.2 0.5°月均气候态数据和NCEP再分析近实时资料融合而成（Kanamitsu et al.，2002；Mao et al.，2012）]作为CLM4.5的大气驱动数据驱动模式，模拟研究青藏高原地区1981～2016年的土壤湿度的空间分布和时空变化特征，并与台站观测资料、再分析资料和微波遥感土壤湿度资料进行对比验证。总结讨论CLM4.5模拟青藏高原的地区土壤湿度的问题以及可能改进的方向，并且将在以后的工作中，利用这套高分辨率（0.1°×0.1°）的模式资料，研究青藏高原土壤湿度对高原季风及中国降水的影响。
2 CLM4.5模式和数据简介
2.1 CLM4.5模式
CLM4.5是目前最具有发展潜力的也是较为先进的陆面过程模式。它是共用地球系统模式（Community Earth System Model，简称CESM）和公用大气模式（Community Atmosphere Model，简称CAM）的陆面模块，已被耦合在多个气候模式中。其借鉴和吸收了NCAR的陆面过程模式（Land Surface Model，简称LSM；Bonan，1996），中国科学院大气物理研究所陆面过程模式（IAP94；Dai and Zeng，1997）和生物圈—大气圈传输方案陆面模式（Biosphere-Atmosphere Transfer Scheme，简称BATS；Dickinson et al.，1993）等陆面模式的优点和相对完善的过程描述。CLM4.0在CLM3.5的基础上改进了土壤水文过程、土壤热力过程、地表覆盖类型数据集等多种过程的某些参数，同时，其对离线的大气强迫资料也进行了改进，包括将太阳辐射细分为直接辐射和散射辐射等方面。CLM4.5在上述参数化方案改进的基础上，改进了寒冷地区的水文过程与湿地分布。此外，CLM4.5的气象强迫数据己经改进为具有更高分辨率、更新的时间尺度的CRUNCEP数据（Lawrence et al.，2011）。
2.2 大气驱动场和地表数据
陆面过程模拟中，除了模式物理过程的描述外，大气驱动场的质量对模拟结果的好坏也起到了至关重要的作用（李明星等，2011）。因此本文采用了1981～2016年6小时一次，空间分辨率为0.5°×0.5°的CRUNCEP资料作为陆面模式的大气驱动数据，其中包括了降水、气压、气温、比湿、风速、太阳辐射和长波辐射信息。
地表数据是以分为陆地个体、柱块和植被功能类型三层的嵌套次网格形式，来描述模式的地表覆盖情况，不同类型的地物对应不同的反照率、叶面积指数、根分布状况和光合作用参数等。地表覆盖数据是时间范围1850～2005年，水平分辨率0.5°×0.5°的地表覆盖动态变化数据LUHa.v1（Land-Use History A product；Hurtt et al.，2006），该数据集是在全球历史环境数据集和森林统计资料的基础上，结合综合评价模式预测土地利用类型的MODIS地表覆盖数据集和一个新型农作物数据集，该数据集是由BU MODIS（Boston University’s Moderate resolution Imaging Spectrometer；Friedl et al.，2002）和GLC2000（Global Land Cover 2000；Bartholomé and Belward，2005）两种遥感地表覆盖数据融合后再集成实测农业调查资料得到的。此外，土壤颜色相关参数使用Lawrence and Chase（2007）调整卫星资料所获得。
2.3 观测资料
检验模拟值所用的观测数据为青藏高原玛曲、那曲、阿里和狮泉河地区土壤湿度观测网络数据（陈金雷等，2017）。选取的四个站点（图1）分别代表不同气候区和植被覆盖类型（表1；王青霞等，2014）。玛曲属于高原大陆性高寒带半湿润区，地表有繁盛的植被覆盖，主要植被类型为草甸；那曲气候严寒干燥，属于亚寒带半干旱气候区，地表覆盖主要为草原；阿里属于高原温带干旱气候区，植被稀疏；狮泉河属于高原温带干旱气候区，干旱少雨，主要植被覆盖类型为沙漠或裸地。
图1 青藏高原观测站点地理分布图（填色为海拔高度，单位：m）
Fig. 1 Geographical distribution of observational sites in the Qinghai-Xizang Plateau (the colored shading denotes topography above sea level, units: m)
表1 四个站点的气候区和植被覆盖类型
Table 1 Climate zones and vegetation cover types for four stations
站点 气候区 植被覆盖类型 玛曲 高原大陆性高寒带半湿润区 草甸 那曲 亚寒带半干旱气候区 草原 阿里 高原温带干旱气候区 稀疏植被 狮泉河 高原温带干旱气候区 沙漠或裸地 由于土壤湿度观测网络中部分观测点仪器损坏，所以本文选取部分数据完整、时间连续性较好的观测点进行本文的研究工作。玛曲地区资料时间范围为2014年10月20日至2016年5月20日；那曲地区土壤湿度资料时间范围为2015年8月2日至2016年8月15日；阿里地区土壤湿度资料时间范围为2014年9月7日至2016年8月10日；狮泉河地区土壤湿度资料时间范围为2014年10月2日至2016年8月13日。
2.4 再分析和遥感反演数据
CLM4.5模拟土壤湿度与再分析资料和遥感反演资料的相互比较和验证有助于评价CLM4.5模拟青藏高原土壤湿度的空间分布和变化趋势的相对准确性。检验模拟值的再分析数据为ERA-Interim和GLDAS-CLM（Global Land Data Assimilation System-CLM）陆面模式资料。ERA-Interim是欧洲中期天气预报中心推出的最新全球大气再分析产品，始于1979年并实时更新。相比其它数据同化模型，ERA-Interim采用了四维变分分析，并结合改进的湿度分析、卫星数据误差校正等技术，实现了再分析资料质量的提升（高路和郝璐，2014）。本文选取ERA-Interim 数据的时间分辨率为6小时，空间分辨率为0.125°×0.125°，时间覆盖范围为1981～2016年（Dee et al.，2011）。不同陆面模式模拟土壤湿度的差异能够帮助我们了解模式物理过程描述的差异对土壤湿度模拟的影响。全球陆面数据同化系统（GLDAS）数据是使用先进的陆面模式和数据同化技术、卫星和地面观测数据模拟出的陆面同化数据集（Rodell et al.，2004；Rui，2012）。陆面模式发展至今，不同模式采取的数值解法和描述方案不同，使得多模式的土壤湿度模拟结果具有一定的离散度。因此，本文选取基于观测的大气数据驱动的GLDAS-CLM陆面模式资料的模拟土壤湿度与CLM4.5的模拟土壤湿度结果进行比较。该资料的时间分辨率为3小时，空间分辨率为1°×1°，时间覆盖范围为1981～2016年。使用GLDAS-CLM陆面模式资料与模拟结果进行对比验证，并分析模拟结果的准确性和可能存在的偏差。
本文遥感数据选取了国家卫星气象中心基于风云三号B星（FY-3B）微波亮温资料反演的土壤湿度产品微波成像仪（MWRI）土壤水分日产品。FY-3气象卫星是我国的第二代极轨气象卫星（漆成莉等，2013），搭载了微波成像仪。微波具有“穿透”能力，因此微波图像反映了物体的温度和介电特性等信息，利用微波仪器可以不论昼夜获取温度信息，而且这些信息的获取不受天气的影响。不同微波频段具有不同的穿透能力，MWRI土壤水分日产品是基于美国卫星观测系统（EOS）Aqua卫星搭载的AMSR-E（Advanced Microwave Scanning Radiometer）亮温资料，采用了Njoku and Chan（2006）的迭代算法反演和Shi et al.（2006）的裸土辐射参数化方案对AMSR-E亮温资料进行了优化。所以本文采用了10.65 GHz和36.5 GHz的垂直和水平两种极化探测模式的FY-3B微波亮温资料反演土壤湿度产品。考虑该资料的时间连续性，本研究选取时间范围为2012～2016年，空间分辨率为0.25°×0.25°。
3 方法
3.1 模拟和再分析资料与观测值的对比方法
为了获取更小的土壤湿度标准误差，本文采用临近格点法将观测值与模拟值和再分析资料进行匹配（刘川等，2015），获取4个站点模拟和再分析资料与观测土壤湿度进行比较。
由于模拟资料和再分析资料的土壤湿度是一定厚度土壤层的平均值，所以在与观测值进行对比分析时，选取4个站点0～10 cm，CLM4.5模拟中0～9.06 cm（0～1.75 cm、1.75～4.51 cm、4.51～9.06 cm三层加权平均），ERA-Interim中0～7 cm和GLDAS-CLM中0～9.1 cm（0～1.8 cm、1.8～4.5 cm、4.5～9.1 cm三层加权平均）的土壤湿度为表层土壤湿度进行比较。4个站点10～40 cm，CLM4.5模拟中9.06～49.29 cm（9.06~16.55 cm、16.55～28.91 cm和28.91～49.29 cm三层加权平均），ERA-Interim中7～28 cm和GLDAS-CLM中9.1～49.3 cm（9.1～16.6 cm、16.6～28.9 cm和28.9～49.3 cm三层加权平均）的土壤湿度作为深层土壤湿度进行比较（李明星等，2011）。公式如下：
其中，
本文采用了皮尔逊相关系数来描述CLM4.5模拟数据和台站观测资料的相关性，公式如下：
其中，R为相关系数，N为样本个数，
相关性的显著性检验采用了T检验，误差度量值则选取了均方根误差（RMSE）和平均偏差（Bias），计算公式如下：
3.2 模拟与再分析资料的对比方法
土壤深度的匹配上，模拟和再分析产品的土壤深度分层不完全对应。因此，本文选取CLM4.5的第1～3层（0～9.06 cm，模拟1～3层土壤加权平均）的土壤体积含水量，ERA-Interim第1层（0～7 cm）的土壤体积含水量和GLDAS-CLM陆面模式资料的第1～3层（0～9.1 cm，模拟1～3层土壤加权平均）的土壤体积含水量作为表层土壤湿度进行对比，CLM4.5的第4～5层（9.06～28.91 cm，模拟4～5层土壤加权平均）的土壤体积含水量，ERA-Interim第2层（7～28 cm）的土壤体积含水量和CLM4.5的第4～5层（9.1～28.9 cm，模拟4～5层土壤加权平均）的土壤体积含水量作为深层土壤湿度进行对比。
4 CLM4.5模拟土壤湿度的对比检验
为了消除土壤湿度变化受初始状态的影响，用1981～2016年CRUNCEP强迫场资料作大气强迫驱动模式积分36年，然后用所得结果做CLM4.5初始场，同样使用大气强迫再积分36年，使土壤水分过程充分平衡，最后输出1981～2016年，空间分辨率为0.1°×0.1°，时间分辨率分别为日和月平均的积分结果。
4.1 CLM4.5模拟和再分析土壤湿度与观测值的对比检验
图2为4个站点各层土壤模拟、再分析和观测日平均土壤湿度变化的对比。从图中可以看出，玛曲站为青藏高原土壤湿度高值区，表层观测土壤湿度峰值在0.28
m3 m−3 左右，深层观测土壤湿度高达0.35m3 m−3 左右；阿里和狮泉河站为青藏高原土壤湿度低值区，表层土壤湿度峰值在0.2m3 m−3 左右，狮泉河站深层土壤湿度峰值低于0.1m3 m−3 。观测土壤湿度具有明显的季节性变化，冬季土壤水分冻结导致在此期间土壤湿度处于低值期；随着春季气温回暖，冻结的水分逐渐融化，土壤湿度呈上升趋势。模拟土壤湿度和再分析土壤湿度都能很好的再现各层观测土壤湿度的季节性变化，并且4种资料不同深度的土壤湿度变化也具有一致性，在冻结期土壤湿度减小且变化趋于平缓，除狮泉河站以外，其他站点从表层到深层土壤湿度呈增加趋势。从整体上来看，模拟和再分析土壤湿度比观测土壤湿度偏大，尤其是在冻结期，这与模式不能模拟出冻结期土壤湿度的动态变化，并且高估了土壤湿度值有关，但模拟土壤湿度在冻结期间与观测土壤湿度差值比再分析土壤湿度与观测值差值更小。阿里和狮泉河地区表层土壤湿度与深层土壤湿度的变化存在差异。阿里和狮泉河地区表层土壤湿度较深层有更强的波动，这可能是该站点深层土壤对降水没有浅层土壤敏感性强而导致的。阿里和狮泉河地区地形较为复杂，所以深层观测值与模拟和再分析值差异较大，但是相较而言，CLM4.5模拟土壤湿度比其他再分析资料更能反映土壤湿度的真实状况。图2 （a、b）玛曲、（c、d）那曲、（e、f）阿里和（g、h）狮泉河4个站点0～10 cm（深度，下同）（左列）和10～40 cm（右列）土壤模式模拟（CLM）、再分析资料（ERA-Interim和GLDAS-CLM）和实际观测（OBS）的日平均土壤湿度变化
Fig. 2 Changes indaily mean soil moistureat four stations from simulation (CLM), two reanalysis products (ERA-Interim, GLDAS-CLM), and observations (OBS) in 0-10 cm (left column) and 10-40 cm (right column) layers: (a, b) Maqu station, (c, d) Naqu station, (e, f) Ali station, and (g, h) Shiquanhe station
表2为各站点各层模拟、再分析和观测土壤湿度日均值误差度量统计表。就相关系数而言，CLM4.5模拟的浅层土壤湿度在在4个站点中与观测资料土壤湿度相关性较好，尤其是在玛曲和那曲地区，相关系数高达0.831和0.904；GLDAS-CLM在阿里和狮泉河地区与观测资料的相关性较好，ERA-Interim资料与观测资料的相关性较于其它两种资料相对较差。那曲和狮泉河地区各层均通过99%的信度检验，变化具有显著的一致性。阿里站除模拟深层土壤湿度以外，其他也均通过了95%的信度检验；但从整体来看，阿里地区相较于其他三个站点的相关系数明显偏低。唯一例外的是玛曲站深层的总体相关系数为负值，但玛曲站非冻结期（4～10月）的观测和模拟资料的相关系数高达0.818，通过了99%的信度检验，这是由于模式还不能很好的模拟玛曲站冻结期深层的土壤湿度动态变化，其原因尚待进一步研究。
表2 各站点各层模拟、再分析和观测土壤湿度日均值误差度量统计表
Table 2 Error statistics of daily mean soil moisturein the two layers for four stations between the simulation data, two reanalysis products and observations
站点 资料名称 各层土壤湿度日均值误差统计 0～10 cm 10～40 cm R Bias/ m3 m−3 RMSE/ m3 m−3 R Bias/ m3 m−3 RMSE/ m3 m−3 玛曲 CLM4.5模拟 0.831** 0.050 0.063 －0.164 0.044 0.058 ERA-Interim 0.531** 0.085 0.098 0.486** 0.058 0.073 GLDAS-CLM 0.659** 0.051 0.066 0.384** 0.041 0.057 那曲 CLM4.5模拟 0.904** 0.047 0.057 0.476** 0.030 0.043 ERA-Interim 0.903** 0.092 0.102 0.813** 0.066 0.072 GLDAS-CLM 0.891** 0.044 0.055 0.815** 0.029 0.042 阿里 CLM4.5模拟 0.261** 0.024 0.036 0.019 0.023 0.028 ERA-Interim 0.142* 0.075 0.080 0.296** 0.062 0.066 GLDAS-CLM 0.358** 0.061 0.068 0.332** 0.057 0.059 狮泉河 CLM4.5模拟 0.642** 0.030 0.044 0.450** 0.068 0.071 ERA-Interim 0.295** 0.070 0.076 0.355** 0.089 0.091 GLDAS-CLM 0.682** 0.038 0.047 0.581** 0.074 0.075 注：*表示通过了95%的信度检验。；**表示通过了99%的信度检验。
就均方根误差和平均偏差而言，4个站点各层次CLM4.5模拟和再分析值较之观测值均系统性的偏大，除狮泉河站以外，均方根误差和平均偏差均随着土壤深度的增加而减小。土壤湿度随着土壤深度的增加而增加，而模拟土壤湿度变化不大，使得误差随着深度的增加而减小。在4个台站中，阿里站深层土壤湿度偏差最小，低至0.023
m3 m−3 。阿里站表层土壤湿度波动较大，深层土壤湿度随时间变化平稳但湿度剧增，模拟土壤湿度变化不大，使得偏差减小。比较三种资料的均方根误差和平均偏差，CLM4.5模拟和GLDAS-CLM与台站观测资料的土壤湿度的误差远远小于ERA-Interim与观测值的误差。虽然在玛曲和那曲站GLDAS-CLM资料的误差比CLM4.5模拟土壤湿度的误差数值将近，但是在地形复杂的阿里和狮泉河地区，CLM4.5模拟土壤湿度的误差比GLDAS-CLM资料的误差更小，更接近台站观测值。造成模拟值和观测值差异的原因有很多：用固定的深度测量出来的土壤湿度来代表整层土壤湿度本身就具有不确定性；模式自带的包括地形、土壤属性、植被功能类型、土地利用分类等信息的陆面数据空间分辨率有限，并且与中国实际陆面数据相比存在差异。比较模拟和再分析资料的均方根误差和平均偏差，模拟值较之再分析资料来说误差更小。4.2 CLM4.5模拟土壤湿度与再分析资料的空间分布对比检验
由于再分析资料无法准确输出在土壤冻结条件下的土壤湿度值，考虑到土壤冻结情况下对再分析资料土壤湿度结果准确度的影响，本文仅对夏季（6～8月）的土壤湿度进行对比验证。
图3为1981～2016年夏季平均CLM4.5模拟结果、ERA-Interim和GLDAS-CLM资料土壤湿度空间分布对比图。从图3可以看出，CLM4.5模拟值、ERA-Interim和GLDAS-CLM资料模拟的土壤湿度分布基本一致，由青藏高原西北部向东南部土壤湿度逐渐增加。柴达木盆地和新疆塔里木盆地的沙漠、戈壁地区较干，是土壤湿度相对低值区，三江源湿地和高原东南部则相对较湿，为土壤湿度的相对高值区。深层土壤湿度分布状况和浅层基本一致，且随着土壤深度的增加，土壤湿度逐渐增大，柴达木盆地和新疆塔里木盆地沙漠、戈壁地区的深层比浅层土壤湿度明显增大，三江源湿地深层也比浅层更湿，最高可达0.42
m3 m−3 左右。就青藏高原的大部分地区而言，虽然从数值上CLM4.5模拟土壤湿度比ERA-Interim再分析资料系统性偏小，但整体而言模拟资料与ERA-Interim资料的土壤湿度分布基本一致；CLM4.5模拟土壤湿度与GLDAS-CLM的模拟土壤湿度在数值上差异很小，存在差异性的地方是CLM4.5模拟土壤湿度能更好的刻画土壤湿度相对高值区三江源湿地以及相对干旱的柴达木盆地和新疆塔里木盆地的沙漠地区。产生以上差异的原因可能与CLM4.5较高空间分辨率的陆面数据和基于台站观测资料的大气驱动场有直接的关系。通过对比发现CLM4.5模拟的土壤湿度对高原地区地形的刻画更为细致准确，通过土壤湿度物理量基本刻画出了柴达木盆地的基本轮廓和三江源湿地的土壤湿度分布特点，相对合理地描述了高原地区土壤湿度的分布状况。图3 1981～2016年夏季平均（a、d）CLM4.5模拟（0.1°×0.1°）、（b、e）ERA-Interim（0.125°×0.125°）和（c、f）GLDAS-CLM资料（1°×1°）各层土壤湿度（单位：
m3 m−3 ）空间分布对比：（a）0～9.06 cm；（b）0～7 cm；（c）0～9.1 cm；（d）9.06～28.91 cm；（e）7～28 cm；（f）9.1～28.9 cmFig. 3 Comparison of spatial distributions of mean soil moisture (units:
m3 m−3 ) from (a, d) CLM4.5 simulation (0.1°×0.1°), (b, e) ERA-Interim (0.125°×0.125°) and (c, f) GLDAS-CLM data (1°×1°) in the summers of 1981-2016: (a) 0-9.06 cm; (b) 0-7 cm; (c) 0-9.1 cm; (d) 9.06-28.91 cm; (e) 7-28 cm; (f) 9.1-28.9 cm通过比较CLM4.5模拟、ERA-Interim和GLDAS-CLM资料的土壤湿度的夏季逐月土壤湿度表层空间变化（图4），可以看出CLM4.5模拟的土壤湿度能够更细致地描述夏季逐月土壤湿度空间分布及其变化特征。从6月到7月，青藏高原的西南地区土壤湿度明显大范围增加，这可能与从西南越过喜马拉雅山和帕米尔高原进入青藏高原的水汽有关（Tetsu和陈隆勋，2000）。随着雨季的全面来临，高原的土壤水分开始大范围上升，高原北部的柴达木盆地的干旱范围从6月开始也明显的向北收缩。但是在高原内部土壤湿度常年偏低，这有可能与高原内部降雨少、地表类型多为荒漠和裸露地表有关（刘强等，2013）。
图4 1981～2016年（a-c）CLM4.5模拟（0.1°×0.1°；0～9.06 cm）、（d-f）ERA-Interim（0.125°×0.125°；0～7 cm）和（g-i）GLDAS-CLM资料（1°×1°；0～9.1 cm）夏季6月（左列）、7月（中间列）和8月（右列）平均的土壤湿度表层空间分布（单位：
m3 m−3 ）Fig. 4 Comparison of spatial distributions (units:
m3 m−3 ) of mean soil moisture from (a-c) CLM4.5 simulation (0.1°×0.1°; 0-9.06 cm), (d-f) ERA-Interim (0.125°×0.125°; 0-7 cm) and GLDAS-CLM data (1°×1°; 0-9.1 cm) averaged during summer months of 1981-2016: June (left column), July (middle column), and August (right column)图5为1981～2016年夏季平均CLM4.5模拟、ERA-Interim和GLDAS-CLM资料土壤湿度变化的线性趋势。总体上，CLM4.5模拟和ERA-Interim再分析资料表层土壤湿度长期变化趋势大体一致，由高原西北地区向东南地区呈“变干—变湿—变干—变湿”相间的带状分布格局，这与李明星等（2011）的研究成果基本吻合。从表层看，青藏高原北部和西北部总体上表现为变干趋势，高原中部、西藏东部等部分地区也表现为变干趋势，是高原上主要的变干区域。柴达木河的上游和青海湖的东北部总体上表现为变湿的趋势，且变化趋势通过了95%的信度检验。高原南部沿线区域土壤湿度呈增加趋势。对比不同层次的土壤湿度可以看到两种资料的深层土壤湿度的变化趋势分布格局基本与浅层一致，并且随着土壤深度的增加变化更为显著。深层土壤湿度变湿区域比浅层明显扩大。
图5 1981～2016年夏季平均（a、d）CLM4.5模拟（0.1°×0.1°）、（b、e）ERA-Interim（0.125°×0.125°）和（c、f）GLDAS-CLM资料（1°×1°）土壤湿度变化的线性变化趋势（单位：
m3 m−3 a−1 ）：（a）0～9.06 cm；（b）0～7 cm；（c）0～9.1 cm；（d）9.06～28.91 cm；（e）7～28 cm；（f）9.1～28.9 cm。打点区域为通过95%的信度检验Fig. 5 Comparison of variation trends(units:
m3 m−3 a−1 ) of mean soil moisture from (a, d) CLM4.5 simulation (0.1°×0.1°), (b, e) ERA-Interim (0.125°×0.125°) and (c, f) GLDAS-CLM data (1°×1°) in the summers of 1981-2016: (a) 0-9.06 cm; (b) 0-7 cm; (c) 0-9.1 cm; (d) 9.06-28.91 cm; (e) 7-28 cm; (f) 9.1-28.9 cm. Dotted areas are for values at /above the 95% confidence level对比CLM4.5模拟和GLDAS-CLM模拟的土壤湿度变化趋势来看，CLM4.5模拟和GLDAS-CLM资料有一定差距。GLDAS-CLM模拟则表现为高原的西北部整体为变湿趋势，东南部为变干趋势。两种模拟结果的差异主要在昆仑山脉与塔里木盆地之间地区和雅鲁藏布江下游与怒江下游以西地区。昆仑山脉与塔里木盆地之间区域是最为干燥的地区，年降水量小，主要是荒漠戈壁地带，青藏高原具有强烈的山体效应，深刻影响着高原上的水热分配。在山系/区域尺度或大陆尺度上，山体效应过程发现由边缘越往山体或大陆内部，温度增高的同时还伴随着变干的趋势，所以高原的西北沿线区域为变干趋势。两套资料在高原半干旱的大部分地区均为变湿趋势，高原腹地和高原东部为变干趋势，这可能与高原内部降水减少有关（王敏等，2012）。从图中可以看到，两种资料深层土壤湿度的变化趋势分布格局基本与浅层一致，变化比浅层土壤更为显著。CLM4.5模拟和GLDAS-CLM模拟深层土壤湿度在青海湖东北部和高原南部外围相较浅层为显著的变湿趋势。
为了更加直观的表示三种资料在同趋势下的变化，选取高原西南地区作为青藏高原变湿趋势的代表区域，选取高原中部作为高原变干趋势的代表区域。图6为CLM4.5模拟、ERA-Interim和GLDAS-CLM资料夏季平均土壤湿度表层的年际变化。从图中可以看出，三种资料的变化趋势一致，且GLDAS-CLM变化比其他资料变化更加剧烈。对比高原西南部地区和中部地区的年际变化也可以看出，高原的西南部较之中部地区变化波动较大，可能与高原的水汽来源有关。
图6 1981～2016年青藏高原（a）西南部和（b）中部CLM4.5模拟（0.1°×0.1°）、ERA-Interim（0.125°×0.125°）和GLDAS-CLM资料（1°×1°）夏季平均土壤湿度（0～10 cm）的年际变化
Fig. 6 Interannual variations of mean soil moisture (0-10 cm) from CLM4.5 simulation (0.1°×0.1°), ERA-Interim (0.125°×0.125°) and GLDAS-CLM data (1°×1°) in the summers of 1981-2016 in the (a) southwestern and (b) central Qinghai-Xizang Plateau
4.3 CLM4.5模拟土壤湿度与遥感反演土壤湿度的对比检验
微波遥感监测可以获取全球较高空间分辨率的土壤湿度数据，不仅具有范围广、可长期实时监测的优点，其一定的地表穿透力可以提供可见光和红外遥感不能获得的信息（刘一良，2008）。图7为2012～2016年夏季（6～8月）CLM4.5模拟和FY-3B/MWRI资料土壤湿度空间分布对比图。从总体上看，CLM4.5模拟和FY-3B/MWRI资料的土壤湿度空间分布呈东南湿、西北干的分布特点。模拟资料和FY-3B/MWRI资料土壤湿度地理空间分布上的差异主要是在青藏高原的西南部和东部地区。在高原东部地区两者的差异最为明显，达到0.14
m3 m−3 左右，在高原西南部地区两者差异也达到了0.1m3 m−3 左右。从6月开始到7、8月，两种资料青藏高原的西南部和东南部土壤湿度持续上升，尤其是模拟资料显示了土壤高湿区从高原东南部向西北扩展的动态变化。这可能与高原夏季的水汽来源有关（Njokuand Chan，2006）。虽然青藏高原表层土壤湿度在局部地区有一定的偏差，但是总体分布变化还是一致的。图7 2012～2016年夏季（a、d）6月、（b、e）7月和（c、f）8月CLM4.5模拟（0.1°×0.1°；0～1.75 cm；左列）和FY-3B/MWRI（0.125°×0.125°；0～1 cm；右列）卫星资料平均的土壤湿度（单位：
m3 m−3 ）空间分布对比Fig. 7 Comparison of spatial distributions of soil moisture (units:
m3 m−3 ) from CLM4.5 simulation (0.1°×0.1°; 0-1.75cm; left column) and FY-3B/MWRI data (0.125°×0.125°; 0-1 cm; right column) averaged during (a, d) June, (b, e) July, and (c, f) August of 2012-2016图8为2012～2016年CLM4.5模拟和FY-3B/MWRI资料夏季平均土壤湿度相关系数和均方根误差空间分布图。从图8a相关系数分布来看，在青藏高原大部分区域模拟数据和遥感资料之间的有很好的相关性，尤其是高原的西南部和南部沿线地区，相关系数最高可达0.82左右，且通过了95%的信度检验。高原中部的相关性也较好，局部地区也通过了检验。高原的西北部和东北部地区，出现了一定区域的负相关，因为遥感数据和CLM4.5模拟数据在不同类型的地物对应不同的叶面积指数、根分布状况和光合作用参数等算法上有一定的差别，加上青藏高原地形复杂，土壤湿度可能会出现一定的偏差，造成了模拟数据和遥感资料之间的负相关关系，这也为今后提高模式模拟资料对高原的描述提供了改进方向。图8b为均方根误差分布，总体上看两种资料的误差很小，尤其是高原的北部地区，RMSE为0.02
m3 m−3 左右。高原的东部和西南部地区，RMSE值较之北部和中部地区较大。在植被茂密、气候湿润的地区，微波穿过冠层时受影响较大，所以比起植被稀疏、气候干旱的地区系统误差较大（Parinussa et al.，2014）。图8 2012～2016年CLM4.5模拟（0.1°×0.1°）和FY-3B/MWRI卫星资料（0.25°×0.25°）夏季平均土壤湿度（a）相关系数（R）和（b）均方根误差（RMSE；单位：
m3 m−3 ）的空间分布。打点区域通过了95%的信度检验Fig. 8 Spatial distributions of (a) correlation coefficient (R) and (b) root-mean-squareerror (RMSE, units:
m3 m−3 ) of mean soil moisture between CLM4.5 simulation (0.1°×0.1°) and FY-3B/MWRI data (0.25°×0.25°) in the summers from 2012 to 2016. Dotted are as indicate the 95% confidence level5 结论和讨论
本文利用1981～2016年的CRUNCEP资料作为陆面模式的大气驱动数据，驱动CLM4.5模式，获得了高精度的青藏高原地区1981～2016 年的土壤湿度数据集。将模拟数据与观测资料、再分析资料(ERA-Interim和GLDAS-CLM)和FY-3B/MWRI土壤湿度进行了对比分析，得出结论：CLM4.5模拟土壤湿度可以反映出青藏高原地区土壤湿度的空间分布和时空变化特征。
CLM4.5模拟能反映出观测土壤湿度在玛曲地区为土壤湿度高值区，阿里和狮泉河地区为土壤湿度低值区。观测、模拟和再分析土壤湿度都能表现出明显的季节性变化：土壤冻结期，土壤湿度处于持续低值期，春季气温回暖，土壤湿度呈上升趋势；并且不同深度的土壤湿度变化也具有一致性，在冻结期土壤湿度减小且变化趋于平缓，除狮泉河站以外，其他站点从表层到深层土壤湿度呈增加趋势。从整体来看，模拟土壤湿度在冻结期间比再分析资料与观测土壤湿度差值更小，更能反映土壤湿度的真实状况。玛曲、那曲、阿里和狮泉河地区模拟和再分析资料土壤湿度较之观测值在各个土壤层次均系统性偏大，但模拟值偏差最小。除玛曲和阿里站深层观测和模拟土壤湿度的相关性不显著以外，其他站点在各个土壤层次的观测与模拟和再分析资料土壤湿度均显著相关。
模拟资料与再分析资料的土壤湿度分布基本一致，呈现由高原西北部向东南部土壤湿度逐渐增加的分布特点。三江源湿地和高原东南部为土壤湿度的相对高值区，柴达木盆地和新疆塔里木盆地的沙漠、戈壁地区为相对低值区。深层土壤湿度分布状况和浅层基本一致，随着土壤深度的增加，土壤湿度逐渐增大。ERA-Interim再分析资料的土壤湿度值较模拟值系统性偏大，GLDAS-CLM陆面模式资料与模拟值相差不多。模拟土壤湿度长期变化趋势呈现由高原西北地区向东南地区呈“变干—变湿—变干—变湿”相间的带状变化趋势分布格局，不同层次的土壤湿度变化趋势基本一致，且高原西南和东南地区土壤湿度显著性增加，西北沿线地区和西藏东部地区土壤湿度显著性减小。深层土壤比浅层土壤变化趋势更为显著。CLM4.5模拟土壤湿度能更好的刻画土壤湿度空间分布状况和夏季逐月土壤湿度空间分布的变化特征：高原西南方的土壤湿度明显大范围增加，北部的柴达木盆地的干旱范围也明显的向北收缩，高原南部外围土壤湿度也明显增加，这与较高空间分辨率的陆面数据和基于台站观测资料的大气驱动场有直接的关系。模拟土壤湿度与FY-3B/MWRI土壤湿度在空间分布上也具有一定的一致性，且在高原的西南部和南部沿线地区具有较好的相关性。模拟土壤湿度与FY-3B/MWRI土壤湿度在青藏高原的北部和中部地区偏差较小，在植被茂密、气候湿润的地区偏差较大。
虽然CLM4.5基本能够再现青藏高原地区的空间分布和长期变化趋势的分布特征，但对土壤湿度的模拟还是存在系统性误差，尤其是在地形较为复杂的西南部和西北部地区模拟结果偏差更为明显。这与陆面数据、大气驱动场的质量和陆面模式过程的物理描述不完善等有关。同时，影响模式土壤水分传输的因素有很多，比如渗透、地下径流、冠层蒸散发等，而模式对于土壤水热传输过程的描述也不尽完备。以上原因都有可能导致模式模拟的偏差。因此在将来的工作中，将继续完善大气驱动场和陆面数据，改进数据质量，提高数据的时空分辨率，并且研究土壤水分运动的物理过程及相关的生物化学过程的机理来提高CLM4.5对青藏高原地区土壤湿度的模拟能力。
参考文献（References）
- 1
Bartholomé E, Belward A S. 2005. GLC2000: A new approach to global land cover mapping from earth observation data[J]. Int. J. Remote Sens., 26(9): 1959-1977. doi:10.1080/01431160412331291297
- 2
Bonan G B. 1996. A Land Surface Model (LSM version 1.0) for Ecological, Hydrological, and Atmospheric Studies: Technical Description and User’s Guide [R].PB-97-131494/XAB; NCAR/TN-417-STR
- 3
陈海山, 熊明明, 沙文钰. 2010. CLM3.0对中国区域陆面过程的模拟试验及评估I: 土壤温度[J]. 气象科学, 30(5): 621-630. Chen Haishan, Xiong Mingming, Sha Wenyu. 2010. Simulation of land surface processes over China and its validation. Part I: Soil temperature[J]. Scientia Meteorologica Sinica (in Chinese), 30(5): 621-630. doi:10.3969/j.issn.1009-0827.2010.05.008
- 4
陈金雷, 文军, 刘蓉, 等. 2017. 黄河源区土壤温湿和大气参量变化特征[J]. 应用气象学报, 28(1): 98-108. Chen Jinlei, Wen Jun, Liu Rong,et al. 2017. Variation characteristics of soil temperature & moisture and air parameters in the source region of the Yellow River[J].Journal of Applied Meteorological Science (in Chinese), 28(1): 98-108. doi:10.11898/1001-7313.20170109
- 5
Dai Y J, Zeng Q C. 1997. A land surface model (IAP94) for climate studies. Part I: Formulation and validation in off-line experiments[J]. Advances in Atmospheric Sciences, 14(4): 433-460. doi:10.1007/s00376-997-0063-4
- 6
Dee D P, Uppala S M, Simmons A J, et al. 2011. The ERA-Interim reanalysis: Configuration and performance of the data assimilation system [J]. Quart. J. Roy. Meteor. Soc., 137(656): 553-597. doi:10.1002/qj.828
- 7
Dickinson R E, Henderson-Sellers A, Kennedy P J. 1993. Biosphere-atmosphere transfer scheme (BATS) version 1 as coupled to the NCAR community climate model [R]. NCAR Technical Note, NCAR/TN-387+STR, 1-77. doi:10.5065/D67W6959
- 8
Dorigo W, van Oevelen P, Wagner W, et al. 2011. A new international network for in situ soil moisture data [J]. EOS, Transactions American Geophysical Union, 92(17): 141-142. doi:10.1029/2011EO170001
- 9
Friedl M A, McIver D K, Hodges J C F, et al. 2002. Global land cover mapping from MODIS: Algorithms and early results [J]. Remote Sensing of Environment, 83(1-2): 287-302. doi:10.1016/S0034-4257(02)00078-0
- 10
高路, 郝璐. 2014. ERA-Interim气温数据在中国区域的适用性评估[J]. 亚热带资源与环境学报, 9(2): 75-81. Gao Lu, Hao Lu. 2014. Verification of ERA-Interim reanalysis data over China[J]. Journal of Subtropical Resources and Environment (in Chinese), 9(2): 75-81. doi:10.19687/j.cnki.1673-7105.2014.02.011
- 11
Hurtt G C, Frolking S, Fearon M G, et al. 2006. The underpinnings of land-use history: Three centuries of global gridded land-use transitions, wood-harvest activity, and resulting secondary lands [J]. Global Change Biology, 12(7): 1208-1229. doi:10.1111/j.1365-2486.2006.01150.x
- 12
Kanamitsu M, Ebisuzaki W, Woollen J, et al. 2002. NCEP-DEO AMIP-II Reanalysis(R-2) [J]. Bull. Amer. Meteor. Soc., 83(11): 1631-1644. doi:10.1175/Bams-83-11-1631
- 13
赖欣, 文军, 岑思弦, 等. 2014. CLM4.0模式对中国区域土壤湿度的数值模拟及评估研究[J]. 大气科学, 38(3): 499-512. Lai Xin, Wen Jun, Cen Sixianet al. 2014. Numerical simulation and evaluation study of soil moisture over China by using CLM4.0 model[J]. Chinese Journal of Atmospheric Sciences (in Chinese), 38(3): 499-512. doi:10.3878/j.issn.1006-9895.1401.13194
- 14
Lawrence P J, Chase T N. 2007. Representing a new MODIS consistent land surface in the Community Land Model (CLM3.0) [J]. J.Geophys. Res., 112(G1): G01023. doi:10.1029/2006JG000168
- 15
Lawrence D M, Oleson K W, Flanner M G, et al. 2011. Parameterization improvements and functional and structural advances in version 4 of the Community Land Model [J]. Journal of Advances in Modeling Earth Systems, 3(1): M03001. doi:10.1029/2011MS00045
- 16
李明星, 马柱国, 牛国跃. 2011. 中国区域土壤湿度变化的时空特征模拟研究[J]. 科学通报, 56(16): 1288-1300. Li Mingxing, Ma Zhuguo, Niu Guoyue. 2011. Modeling spatial and temporal variations in soil moisture in China[J]. Chinese Science Bulletin, 56(17): 1809-1820. doi:10.1007/s11434-011-4493-0
- 17
刘一良. 2008. 微波遥感的发展与应用[J]. 沈阳工程学院学报(自然科学版), 4(2): 171-173. Liu Yiliang. 2008. The development and application of microwave sensing[J]. Journal of Shenyang Institute of Engineering (Natural Science) (in Chinese), 4(2): 171-173. doi:10.3969/j.issn.1673-1603.2008.02.023
- 18
刘少锋, 林朝晖. 2005. 通用陆面模式CLM在东亚不同典型下垫面的验证试验[J]. 气候与环境研究, 10(3): 684-699. Liu Shaofeng, Lin Zhaohui. 2005. Validation of common land model using field experiment data over typical land cover types in East Asia[J]. Climatic and Environmental Research (in Chinese), 10(3): 684-699,doi:10.3878/j.issn.1006-9585.2005.03.34
- 19
刘强, 杜今阳, 施建成, 等. 2013. 青藏高原表层土壤湿度遥感反演及其空间分布和多年变化趋势分析[J]. 中国科学: 地球科学, 43(10): 1677-1690. Liu Qiang, Du Jinyang, Shi Jiancheng,et al. 2013. Analysis of spatial distribution and multi-year trend of the remotely sensed soil moisture on the Tibetan Plateau[J]. Science China: Earth Sciences, 56(12): 2173-2185. doi:10.1007/s11430-013-4700-8
- 20
刘川, 余晔, 解晋, 等. 2015. 多套土壤温湿度资料在青藏高原的适用性[J]. 高原气象, 34(3): 653-665. Liu Chuan, Yu Ye, Xie Jin,et al. 2015. Applicability of soil temperature and moisture in several datasets over Qinghai-Xizang Plateau[J]. Plateau Meteorology (in Chinese), 34(3): 653-665. doi:10.7522/j.issn.1000-0534.2015.00034
- 21
马柱国, 魏和林, 符淙斌. 2000. 中国东部区域土壤湿度的变化及其与气候变率的关系[J]. 气象学报, 58( 3): 278-287. Ma Zhuguo, Wei Helin, Fu Congbin. 2000. Relationship between regional soil moisture variation and climatic variability over East China[J]. Acta Meteorologica Sinica (in Chinese), 58(3): 278-287. doi:10.3321/j.issn:0577-6619.2000.03.003
- 22
马柱国, 符淙斌, 谢力, 等. 2001. 土壤湿度和气候变化关系研究中的某些问题[J]. 地球科学进展, 16(4): 563-566. Ma Zhuguo, Fu Congbin, Xie Li,et al. 2001. Some problems in the study on the relationship between soil moisture and climatic change[J]. Advance in Earth Sciences (in Chinese), 16(4): 563-566. doi:10.3321/j.issn:1001-8166.2001.04.019
- 23
Mao J F, Shi X Y, Thornton P E, et al. 2012. Causes of spring vegetation growth trends in the northern mid-high latitudes from 1982 to 2004 [J]. Environmental Research Letters, 7(1): 014010. doi:10.1088/1748-9326/7/1/014010
- 24
Miller G R, Baldocchi D D, Law B E, et al. 2007. An analysis of soil moisture dynamics using multi-year data from a network of micrometeorological observation sites [J]. Advances in Water Resources, 30(5): 1065-1081. doi:10.1016/j.advwatres.2006.10.002
- 25
Njoku E G, Chan S K, 2006. Vegetation and surface roughness effects on AMSR-E land observations [J]. Remote Sensing of Environment, 100(2): 190-199. doi:10.1016/j.rse.2005.10.017
- 26
Parinussa R M, Wang G, Holmes T R H, et al. 2014. Global surface soil moisture from the microwave radiation imager onboard the Fengyun-3B satellite [J]. Int. J. Remote Sens., 35(19): 7007-7029. doi:10.1080/01431161.2014.960622
- 27
漆成莉, 陈勇, 刘辉, 等. 2013. 风云三号B星红外分光计的定标和验证[J]. 气象科技进展, 3(4): 60-70. Qi Chengli, Chen Yong, Liu Hui,et al. 2013. Calibration and validation of the InfraRed atmospheric sounder onboard the FY3B satellite[J]. Advances in Meteorological Science and Technology (in Chinese), 3(4): 60-70. doi:10.3969/j.issn.2095-1973.2013.04.007
- 28
Robock A, Vinnikov K Y, Srinivasan G, et al. 2000. The global soil moisture data bank [J]. Bull. Amer. Meteor. Soc., 81(6): 1281-1300. doi:10.1175/1520-0477(2000)081<1281:TGSMDB>2.3.CO;2
- 29
Rodell M, Houser P R, Jambor U, et al. 2004. The global land data assimilation system [J]. Bull. Amer. Meteor. Soc., 85(3): 381-394. doi:10.1175/BAMS-85-3-381
- 30
Rui H. 2012. Readme document for Global Land Data Assimilation System Version 2 (GLDAS-2) products [EB/OL]. http://disc.sci.gsfc.nasa.gov/services/grads-gds/gldas
- 31
Shi J, Jiang L, Zhang L, et al. 2006. Physically based estimation of bare-surface soil moisture with the passive radiometers [J]. IEEE Trans. Geosci. Remote Sens., 44(11): 3145-3153. doi:10.1109/TGRS.2006.876706
- 32
师春香, 谢正辉, 钱辉, 等. 2011. 基于卫星遥感资料的中国区域土壤湿度EnKF数据同化[J]. 中国科学: 地球科学, 41(3): 375-385. Shi Chunxiang, XieZhenghui, Qian Hui,et al. 2011. China land soil moisture EnKF data assimilation based on satellite remote sensing data[J]. Science China Earth Sciences, 54(9): 1430-1440. doi:10.1007/s11430-010-4160-3
- 33
Tetsuo N, 陈隆勋. 2000. Water budget analysis over the Tibetan Plateau during the northern summer in 1994 [M]//陶诗言, 陈联寿, 徐祥德,等. 第二次青藏高原大气科学实验研究进展(一). 北京: 气象出版社, 104-117. Tetsuo N, Chen Longxun. 2000. Water budget analysis over the Tibetan Plateau during the northern summer in 1994 [M]//Tao Shiyan, Chen Lianshou, Xu Xiangde,et al. Progress in Second Experimental Study of Atmospheric Sciences of the Qinghai-Xizang Plateau (in Chinese). Beijing: China Meteorological Press,104-117
- 34
Vinnikov K Y, Robock A, Speranskaya N A, et al. 1996. Scales of temporal and spatial variability of midlatitude soil moisture [J]. J.Geophys. Res., 101(D3): 7163-7174. doi:10.1029/95JD02753
- 35
王瑞, 李伟平, 刘新, 等. 2009. 青藏高原春季土壤湿度异常对我国夏季降水影响的模拟研究[J]. 高原气象, 28(6): 1233-1241. Wang Rui, Li Weiping, Liu Xin,et al. 2009. Simulation of the impacts of spring soil moisture over the Tibetan Plateau on summer precipitation in China[J]. Plateau Meteorology (in Chinese), 28(6): 1233-1241
- 36
王敏, 周才平, 吴良, 等. 2012. 2001-2010年青藏高原干湿格局及其影响因素分析[J]. 气候变化研究进展, 8(5): 320-326. Wang Min, Zhou Caiping, Wu Liang,et al. 2012. Aridity pattern of Tibetan Plateau and its influential factors in 2001-2010[J].Progressus Inquisitiones de Mutatione Climatis (in Chinese), 8(5): 320-326. doi:10.3969/j.issn.1673-1719.2012.05.002
- 37
王青霞, 吕世华, 鲍艳, 等. 2014. 青藏高原不同时间尺度植被变化特征及其与气候因子的关系分析[J]. 高原气象, 33(2): 301-312. Wang Qingxia, Lü Shihua, Bao Yan,et al. 2014. Characteristics of vegetation change and its relationship with climate factors in different time-scales on Qinghai-Xizang Plateau[J]. Plateau Meteorology (in Chinese), 33(2): 301-312. doi:10.7522/j.issn.1000-0534.2014.00002
- 38
熊明明, 陈海山, 俞淼. 2011. CLM3.0对中国区域陆面过程的模拟试验及评估II: 土壤湿度[J]. 气象科学, 31(1): 1-10. Xiong Mingming, Chen Haishan, Yu Miao. 2011. Simulation of land surface processes over China and its validation. PartⅡ: Soil moisture[J].Scientia Meteorologica Sinica (in Chinese), 31(1): 1-10. doi:10.3969/j.issn.1009-0827.2011.01.001
- 39
杨梅学, 姚檀栋. 1998. 青藏高原雪盖对亚洲季风影响研究进展[J]. 冰川冻土, 20(2): 186-191. Yang Xuemei, Yao Tandong. 1998. A review of the study on the impact of snow cover in the Tibetan Plateau on Asian monsoon[J]. Journal of Glaciology and Geocryology (in Chinese), 20(2): 186-191
- 40
左志燕, 张人禾. 2007. 中国东部夏季降水与春季土壤湿度的联系[J]. 科学通报, 52(14): 1722-1724. Zuo Zhiyan, Zhang Renhe. 2007. The spring soil moisture and the summer rainfall in eastern China[J]. Chinese Science Bulletin, 52(23): 3310-3312. doi:10.1007/s11434-007-0442-3
- 1
摘要
本文利用1981～2016年的CRUNCEP资料（0.5°×0.5°）作为大气驱动数据，驱动CLM4.5（Community Land Model version 4.5）模式模拟了青藏高原地区1981～2016 年的土壤湿度时空变化。将模拟数据与台站观测资料、再分析资料（ERA-Interim和GLDAS-CLM）和微波遥感FY-3B/MWRI土壤湿度资料对比验证，表明了CLM4.5模拟资料可以合理再现青藏高原地区土壤湿度的空间分布和长期变化趋势。而且基于多种卫星遥感资料建立的较高分辨率（0.1°×0.1°）的青藏高原地表数据更加细致地刻画了土壤湿度的空间变化。对比结果表明：CLM4.5模拟土壤湿度与各个台站观测的时空变化一致，各层土壤湿度的模拟和观测均显著相关，且对浅层的模拟优于深层，但模拟结果比台站观测系统性偏大。模拟与再分析资料和微波遥感资料土壤湿度的空间分布具有一致性，均表现为从青藏高原的西北部向东南部逐渐增加的分布特点，三江源湿地和高原东南部为土壤湿度的高值区，柴达木盆地和新疆塔里木盆地的沙漠地区为低值区，土壤湿度由浅层向深层增加。土壤湿度的长期变化趋势基本表现为“变干—变湿”相间的带状分布，不同层次的土壤湿度变化趋势基本一致。模拟资料也合理地再现了夏季土壤湿度逐月的变化：高原西南地区的土壤湿度明显大范围增加，北部的柴达木盆地的干旱范围也明显的向北收缩，高原南部外围土壤湿度也明显增加，CLM4.5模拟土壤湿度比再分析资料和微波遥感资料更加细致地描述了夏季逐月土壤湿度空间分布及其变化特征。
Abstract
The Community Land Model version 4.5 (CLM4.5) driven by atmospheric forcing data (CRUNCEP) is used to simulate spatial and temporal characteristics of soil moisture in the Qinghai-Xizang Plateau for the period 1981-2016. Compared with station data, two reanalysis products (i.e.,the ERA-Interim and GLDAS-CLM) and the microwave remote sensing FY-3B/MWRI data, it is found that CLM4.5 can well reproduce the spatial and temporal variations of soil moisture in the Qinghai-Xizang Plateau. The microwave data with high spatial resolution (0.1°×0.1°), which is derived from various satellite remote sensing in the Qinghai-Xizang Plateau, provides detailed description of the spatial features of soil moisture. The results show that the spatial and temporal distributions of simulated soil moisture are consistent with station observations.The simulation is significantly correlated with observations in all soil layers but with high systematic deviations. And the consistency between simulation and observations gradually decreases from the surface downward. The spatial distribution of soil moisture in the Qinghai-Xizang Plateau is characterized by gradual increase from northwest to southeast. The high-value areas are found in the Sanjiangyuan Wetland and the southeastern Plateau, while the dry regions are located in the Qaidam Basin and the Tarim Basin. Soil moisture generally increases from surface downward. Temporal variation of soil moisture presents an alternate dry and wet pattern. There is little difference in soil moisture variation in different layers. The simulation also reasonably reproducesmonthly changes in soil moisture in the summer. Soil moisture in most of the southwestern region including the southern periphery of the plateau obviously increases in the summer. The dry area in the northern Qaidam Basin also markedly shrinks to the north. The simulated soil moisture provides more detailed description of spatial distribution and monthly changes of soil moisture in the summer compared with reanalysis data and microwave remote sensing data.
