1 引言
陆地约占地球表面的三分之一， 同时陆地下垫面分布不均且性质复杂的特性使其成为全球气候系统重要且最为复杂的组成部分。陆表通过辐射及感热、 潜热通量的变化对气候系统产生反馈作用， 从而影响到局地、 区域甚至全球尺度的大气环流和气候变化（Dickinson， 1995； 戴永久和曾庆存， 1996； Chen and Zhang， 2009）。陆表作为大气层的下边界， 与大气时时刻刻进行着物质、 能量交换， 陆表提供大气温度变化能量方程的感热项、 大气湿度变化方程的潜热项等大气动力学控制方程中的各种源汇项， 显著影响了气候系统的变化（孙菽芬， 2002）。Charney et al（1975）早在1975年就提出了沙漠化问题的地球生物-物理反馈机制， 即陆面状况的变化会引起地表反照率的变化， 进而造成地面辐射平衡的变化， 最终使得气候变化， 之后大量的敏感性试验也表明陆面边界条件的变化能够引起气候模式的显著变化（陈海山和孙照渤， 2002）。陆面过程是气候系统的重要组成部分， 深入研究陆表各种下垫面与大气之间相互作用的物理、 生化过程， 不断改进、 完善并发展更接近真实状况的陆面过程模式并使它能更精确地模拟出地表温度、 湿度等与气候研究密切相关的信息， 已成为当前所必需的（孙菽芬， 2002）。
国际上已研发出不少陆面过程模式， 并有很多学者对这些模式的模拟性能进行了系统评估。田静等（2011）在中国区域内对NOAH陆面模式进行了精度检验， 发现该模式的模拟结果能够很好地反映地表状况的变化过程， 但在强度上仍存在较大差异； 刘金婷等（2009）对BATS、 LSM和CoLM这3个陆面模式在新疆地区进行了陆面过程模拟的对比研究， 研究表明BATS模拟的土壤温度最接近观测值； 陈渤黎等（2014）在若尔盖站冻融期对陆面模式CLM进行了模拟性能的检验， 结果表明CLM4.0较CLM3.0在模拟结果上有了一定提高。目前对于发展较为完善、 应用较为广泛的模式国内外已有大量的研究， 但对于BCC-CSM2-MR这种国内近些年才推出的模式， 研究仍主要集中在模式介绍和模式系统发展上， 有关该模式的评估工作也主要针对气温、 降水等单一变量， 如Sang et al（2021）研究了BCC-CSM模式在CMIP6中对欧亚大陆土壤水分模拟性能的改进， 但关于BCC-CSM2-MR模式对中国地区陆面变量模拟性能的系统评估较少。
BCC-CSM2-MR模式是国家气候中心最新研发的中等分辨率气候系统模式， 该模式参与了CMIP6的DECK（气候诊断、 评估和描述）试验、 Historical试验和8个子计划， 其中包括DAMIP（检验归因模式比较计划）， CFMIP（云反馈模式比较计划）， GMMIP（全球季风模式比较计划）， C4MIP（耦合系统碳循环比较计划）， LS3MIP（陆面、 雪和土壤湿度模式比较计划）， LUMIP（土地利用模式比较计划）， DCPP（年代际气候预测计划）和ScenarioMIP（情景模式比较计划）。初步评估结果表明， 与早期版本BCC-CSM-1.1m相比， BCC-CSM2-MR模式在对流层气温、 全球和东亚区域尺度环流、 准两年振荡、 热带季节内振荡及降水日循环等不同时间尺度的气候变率、 地表气温的长期趋势以及中国年平均降水气候分布等方面的模拟性能都得到了显著改善（Wu et al， 2019； 辛晓歌等， 2019）。
BCC-CSM2-MR模式包含了大气、 陆面、 海洋和海冰4个分量模式， 其中大气模式为BCC-AGCM3-MR（北京气候中心-大气环流模式第三版本-中等分辨率版本）， 水平分辨率为T106（~110 km）， 垂直分层提高到了46层， 模式层顶为1.468 hPa， 海洋模式和海冰模式分别为GFDL（美国流体力学实验室）发展的MOM4-L40和SIS， 均采用三级网格gx1v1， 分辨率在热带区域约为0.3°， 从热带到极地逐渐递增到1°（辛晓歌等， 2019）。陆面模式为BCC-AVIM2（北京气候中心-大气-植被相互作用模式第二版本）， 早期版本BCC-AVIM1是基于Ji（1995）和Ji et al（2008）研发的AVIM（大气-植被相互作用模式）发展而来， 其中包括模拟生物地球物理、 生态物理学和土壤碳氮动态过程的三个子模块以及一个有10个土壤层和5个雪层的改良生物地球物理模式框架， 其模式框架与NCAR（美国国家大气研究中心）中CLM3（共用陆面模式第三版本）使用相同（Li et al， 2019）， 而BCC-AVIM2在BCC-AVIM1的基础上实施了若干参数化方案的改进： BCC-AVIM2引入了与土壤液态含水量、 土壤孔隙度和土壤基质势有关的冻融温度阈值， 该方案的引入提高了模式对季节冻土的模拟性能（Xia et al， 2011）； 在雪季累积和融化阶段， BCC-AVIM2用降雪后雪地不同时期的不同地表反照率来替代BCC-AVIM1中统一的方案（Chen et al， 2014）； 考虑到东南亚地区稻田分布广泛， 以及稻田和裸地的不同特性， BCC-AVIM2提出了一种测定稻田表面反照率、 粗糙度长度、 湍流感热和潜热通量方案。经过参数化方案的改进， BCC-AVIM2在模拟季节尺度的地表能量收支方面优于BCC-AVIM1（Li et al， 2019）。
为进一步检验BCC-CSM2-MR模式对陆面过程不同要素的模拟能力， 本文系统评估了该模式对我国地表温度、 上层土壤湿度、 地表能量平衡分量等陆面变量气候平均态的空间分布形势和季节演变特征以及土壤温度和土壤湿度的垂直廓线演变特征的模拟性能， 同时探讨了引起模式偏差的可能原因， 为进一步改进和完善模式提供了必要的参考依据。
2 数据来源与方法介绍
文中所使用的模式资料为BCC-CSM2-MR模式参与CMIP6的历史试验模拟数据， 时间范围为2003 -2014年， 选取的区域为中国地区， 陆面和大气分量模式水平方向采用T106谱分辨率（~110 km）， 包括的数据有地表温度、 上层（0~10 cm）土壤湿度、 向下净太阳辐射、 向上净长波辐射、 向上感热和潜热通量、 地表反照率、 降水、 10 m风速等陆面变量， 其中不同季节的具体划分为冬季12月至次年2月， 春季3 -5月， 夏季6 -8月， 秋季9 -11月。
为了检验模式的模拟效果， 本文使用GLDAS（全球陆地资料同化系统）数据集与模式资料进行比较。GLDAS数据是NASA（美国航空航天局） GSFC（戈达德空间飞行中心）和NOAA（美国海洋和大气局） NCEP（国家环境预报中心）联合发布的基于卫星、 陆面模式和地面观测数据的同化产品， 能够提供多种驱动数据， 这些数据来源于大气同化产品、 再分析资料和实际观测， 目前GLDAS数据已被国内外学者广泛应用于天气预报和水文气象研究（邓明珊等， 2018； 续昱和高艳红， 2020； 胡伟等， 2020； 武洁等， 2020）。本文使用的GLDAS资料的时间范围为2003 -2014年， 时间分辨率为3 h， 选取的区域为中国地区， 空间分辨率为0.25°×0.25°， 包括的数据有地表温度、 上层土壤湿度、 向下净短波辐射、 向上净长波辐射、 向上感热和潜热通量、 地表反照率、 降水、 10 m风速等陆面变量。
同时本文还使用了站点观测的土壤温度和湿度数据与模式资料进行比较， 其中包括2014年江苏省85个台站的逐日土壤湿度数据， 青藏高原地区16个业务站2012 -2014年的土壤湿度数据和4个野外站的土壤温度数据（图1 ）， 其中4个野外站的土壤温度数据分别为阿柔（2011年5 -8月）， 玛曲（2010年6 -8月）， 那曲（2013年5 -8月）， 唐古拉（2011年5 -8月）， 本文在模式和站点比较时选取模式在站点最近格点的格点值来进行站点验证。
为了定量分析BCC-CSM2-MR模式对中国陆面过程的模拟能力， 本文计算了观测数据及GLADS数据与模式资料之间的空间相关系数、 时间相关系数、 泰勒评分、 均方根误差。文中涉及的地图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2016）1594的中国地图制作， 底图无修改。
3 研究结果
3.1 BCC-CSM2-MR模式对中国地表温度模拟效果评估
从图2 （a）~（h）可以看出， 模式模拟的地表温度空间分布形势与GLDAS结果基本一致， 模式结果与GLDAS间的空间相关系数和泰勒评分在各个季节也均在0.9以上（图略）， 说明模式能够很好地捕捉地表温度在不同季节的空间分布特征。但从模式结果与GLADS的差值场［图2 （i）~（l）］可以看出， 除了夏季长江以南少部分地区地表温度被高估以外， 模式在各个季节均不同程度地低估了中国大部分区域的地表温度， 尤其在冬春季对青藏高原地区的低估高达6 ℃以上。
为进一步检验模式对青藏高原地区地表温度的模拟能力， 图3 给出了5 -9月青藏高原地区4个野外站观测和模式模拟的土壤温度廓线随时间的演变图。从图3 中可以看出， 虽然模式具有一定的模拟能力， 但也存在明显的偏差。模式模拟的阿柔、 玛曲和唐古拉站40 cm以上层次最大土壤温度出现的时间比观测早了1个月左右， 且尽管较好地模拟出了那曲站土壤温度廓线最大值出现时间， 但明显低估了不同层次的土壤温度， 低估高达6 ℃以上。同时发现， 模式在5 -9月高估了阿柔站不同层次的温度， 特别5 -7月对40~100 cm层土壤温度的高估超过了4 ℃， 而在5 -9月低估了玛曲站不同层次的温度， 低估强度在大部分时间维持在5 ℃以上， 模式高估了唐古拉站6 -7月不同层次土壤温度， 强度介于1~3 ℃之间， 且随深度增加逐渐减小， 低估了唐古拉站5、 8、 9月这3个月不同层次的土壤温度， 强度介于1~2 ℃之间， 随深度增加无明显变化。
从图3 中模式模拟的青藏高原站点土壤温度与观测间的时间相关系数及均方根误差随深度的变化（图4 ）中可以看出， 定量评估结果表明： 模式能够较好地模拟出不同层次土壤温度的时间演变特征， 对深层土壤时间演变特征的模拟效果要好于上层土壤， 但对土壤温度强度的模拟效果还存在较大偏差， 且对上层土壤温度强度的模拟偏差明显要大于深层土壤。
3.2 BCC-CSM2-MR模式对中国上层土壤湿度模拟效果评估
模式结果与GLDAS间的空间相关系数在各个季节均在0.5以上， 泰勒评分在各个季节都超过了0.6（图略）， 但相对于地表温度， 模式对上层土壤湿度的模拟效果较差。主要偏差存在于模式在冬春季节高（低）估了青藏高原及东北大部分地区（北疆和东南地区）的上层土壤湿度， 而在夏秋季低估了中国大部分地区的上层土壤湿度， 其中模式对东南地区上层土壤湿度的低估最为严重， 部分地区低估强度超过了18 kg·m-2。
由图5 可以发现， 模式对东南地区上层土壤湿度的低估较为严重， 为了进一步检验模式对东南地区上层土壤湿度的模拟能力， 图6 给出了江苏省2014年不同季节站点观测和模式模拟的上层土壤湿度空间分布及其差异。从图6 中可以发现， 除了苏南少部分地区， 模式对江苏省大部分地区上层土壤湿度都有不同程度的低估， 且越往北部低估越严重， 特别冬季对苏北地区的低估超过了12 kg·m-2。
图5 GLDAS（上）和模式模拟（中）的不同季节2003 -2014年平均的中国上层土壤湿度空间分布及其差异（下）（单位： kg·m-2）Fig.5 Spatial distribution and difference （bottom） of upper soil moisture from GLDAS （top） and model simulation （middle） in China in different seasons averaged over 2003 -2014.Unit： kg·m-2 |
同时为进一步检验模式对青藏高原地区上层土壤湿度的模拟能力， 图7 给出了2012-2014年青藏高原业务站点观测和模式模拟的上层土壤湿度时空分布特征。从观测结果［图7 （a）］可以看出， 高原上观测的上层土壤湿度具有明显的季节变化特征， 表现出了从高原南部向北部递减的变化趋势。在干季大部分站点上层土壤湿度低于12 kg·m-2， 而在雨季（7-10月）， 大部分上层土壤湿度高于21 kg·m-2， 高原南部的两个站点（图1 ）在4 -10月的上层土壤湿度超过了12 kg·m-2。整体来看， 除了对高原南部的两个站点4 -10月的上层土壤湿度低估较为严重， 模式可以较好地模拟出青藏高原大部分地区的上层土壤湿度。根据模式在青藏高原业务站点模拟结果与观测间的时间相关系数和均方根误差（图略）可以看出， 时间相关系数在大部分站点超过了0.45， 说明模式基本上能较好地模拟出高原站点观测上层土壤湿度的时间演变特征， 但是对强度的模拟还存在较大的偏差， 大部分均方根误差介于5~9 kg·m-2之间， 对站点16模拟的时间相关系数出现了负值， 对站点1模拟的土壤湿度均方根误差高达18 kg·m-2。
3.3 BCC-CSM2-MR模式对中国地表能量平衡分量模拟效果评估
模式结果与GLDAS间的空间相关系数大多季节在0.4以上， 泰勒评分在各个季节超过了0.6（图略）。模式模拟的强度与观测之间偏差主要在于（图8 ）： 在冬春季节模式高（低）估了新疆西部及东南大部分地区（青藏高原及北方大部分地区）的地表向下净短波辐射通量， 在夏季模式高（低）估了中国大部分地区（青藏高原地区）地表向下净短波辐射通量， 在秋季模式高（低）估了中国东部和南部地区（青藏高原及其以北和东北北部地区）地表向下净短波辐射通量。从各个季节来看， 模式在严重高（低）估了我国东南大部分地区（青藏高原地区）地表向下净短波辐射通量， 强度超过了30 W·m-2。
模式结果与GLDAS间的空间相关系数在各个季节均在0.95以上， 泰勒评分也在各个季节超过了0.95（图略）， 说明模式能够很好地再现地表向上净长波辐射通量的空间分布形势。但模式模拟的强度与观测相比存在一定的偏差（图9 ）： 模式在各个季节高估了除青藏高原地区以外中国大部分地区的地表向上净长波辐射， 特别夏秋季在我国东部季风区及北方大部分地区的高估强度超过了15 W·m-2， 而在冬春季， 模式对青藏高原大部分地区地表向上净长波辐射的低估严重， 强度超过了15 W·m-2。
模式结果与GLDAS间的空间相关系数和泰勒评分在各个季节均在0.8以上（图略）， 说明模式可以较好地模拟出地表向上潜热通量的空间分布形势。但从模式结果与GLDAS的差值场（图10 ）可以发现， 模式在各个季节明显低（高）估了我国东（西）部大部分地区的地表向上潜热通量， 尤其在春夏季节对青藏高原地区地表向上潜热通量的高估超过了20 W·m-2。
模式结果与GLDAS间的空间相关系数在各季节超过了0.4， 泰勒评分各个季节均在0.6以上（图略）， 相对于向上潜热通量， 模式对地表向上感热通量的模拟效果较差。模式模拟的强度相对于GLDAS存在很大的偏差（图11 ）， 其偏差主要在于： 模式在各个季节低估了我国西部和北部大部分地区地表向上感热通量， 特别对青藏高原地区地表向上感热通量的低估超过了35 W·m-2， 同时注意到， 模式在各个季节高估了东南部地区的地表向上感热通量， 特别在夏秋季节高估强度超过了20 W·m-2。
3.4 BCC-CSM2-MR模式陆面变量模拟误差分析
从图2 中可以看出， 除夏季对东南地区的地表温度有所高估外， 模式全年低估了中国大部分区域的地表温度， 尤其冬春季对青藏高原地区地表温度低估严重。对误差原因进行分析可知， 夏季模式对我国东南部地区的地表向下净太阳辐射高估严重， 高估强度超过了30 W·m-2， 东南地区高估的地表向下净太阳辐射主要是由于模式对东南地区地表向下太阳辐射的高估以及对反射太阳辐射的微弱低估（图略）， 虽然在夏季模式对东南地区的向上净长波辐射也有所高估， 但其高估强度不超过15 W·m-2， 明显弱于模式对东南地区地表向下净太阳辐射的高估， 故整体来说在夏季模式高估了东南地区的地表净辐射， 这造成了模式在夏季对东南地区地表温度的高估。对青藏高原地区分析可知， 模式在各个季节均高估了青藏高原地区的地表反照率（图12 ）， 特别在冬春季对青藏高原地区反照率高估强度超过了15%， 高估的地表反照率导致了模式模拟的反射太阳辐射相对于GLDAS偏高了20 W·m-2以上（图略）， 同时模式模拟的向下太阳辐射在青藏高原地区相对于GLDAS偏低了10 W·m-2左右（图略）， 这造成了青藏高原地区地表向下净太阳辐射相对于GLDAS偏低了30 W·m-2左右（图8 ）， 虽然模式也低估了青藏高原地区的向上净长波辐射（图9 ）， 但模式对青藏高原地区地表向上净长波辐射的低估约10 W·m-2， 明显弱于模式对青藏高原地区地表向下净短波辐射的低估强度， 故总的来说模式低估了青藏高原地区地表净辐射， 进而导致了模式对青藏高原地区地表温度的低估。
由图5 分析可知， 模式在各个季节均严重低估了东南地区的上层土壤湿度， 而在冬春季高估了青藏高原地区的上层土壤湿度。对误差原因进行分析发现， 模式对我国东南地区上层土壤湿度的低估是模式对东南地区降水低估造成的（图13 ）， 而冬春季模式对青藏高原地区降水的高估导致了模式对青藏高原地区上层土壤湿度的高估。
由图14 可知， 除夏季外模式在全年的大部分时间高估了青藏高原地区的10 m风速， 这也与模式对青藏高原地区地表向上潜热通量的高估有着很好的对应关系。由图10 可知， 模式对青藏高原地区地表向上潜热通量高估显著， 由地面潜热通量计算公式可知， 地表潜热通量的大小与近地层风速、 地表温度所对应的饱和比湿、 近地层中空气比湿之差和土壤水分饱和度有关， 由图5 可知冬春季模式高估了该地区的上层土壤湿度， 故模式在冬春季对青藏高原地区10 m风速和土壤湿度的高估共同引起了模式对该地区地表向上潜热通量的高估。
4 结论
本文使用BCC-CSM2-MR模式参与CMIP6的历史模拟试验数据， 与GLDAS数据集和观测资料进行比较， 系统评估了BCC-CSM2-MR模式对中国地区地表温度、 上层（0~10 cm）土壤湿度、 地表能量平衡分量等陆面变量的模拟能力， 并进一步探讨了引起模式偏差的可能原因， 得出以下结论：
（1） 模式可以较好地模拟出各陆面变量的空间分布形势及变率， 但模式在陆面变量强度的模拟上还存在不同程度的偏差；
（2） 模式除对东南地区夏季的地表温度有所高估外， 全年低估了中国大部分区域的地表温度， 尤其在冬春季对青藏高原地区地表温度低估严重。进一步的误差分析发现， 造成模式对东南地区和青藏高原地区地表温度模拟偏差的原因有所不同， 在东南地区模式对降水的低估导致了对地表向下净短波辐射的高估， 进而造成了对地表温度的高估， 而在青藏高原地区模式对地表温度的低估主要源于对地表反照率的高估， 模式对地表反照率的高估造成了对地表向下净短波辐射的低估， 进而导致了对地表温度的低估；
（3） 模式在各个季节均严重低估了东南地区的上层土壤湿度， 而在冬春季高估了青藏高原地区的上层土壤湿度且对深层土壤时间演变特征的模拟效果要好于上层土壤， 这主要是由于降水的模拟偏差所致；
（4） 模式在冬春季对青藏高原地区上层土壤湿度和10 m风速的高估也共同引起了对该地区地表向上潜热通量的高估。
经过模式评估后可以发现， BCC-CSM2-MR模式对陆面变量的模拟能力还有待提升， 该模式是一个耦合的气候系统模式， 模拟偏差形成的原因比较复杂， 本文只分析了地表反照率、 降水等变量对地表温度、 上层土壤湿度、 地表能量平衡分量的影响， 后续还需要考虑模式各圈层之间的相互作用对陆面变量模拟的影响， 为模式改进提供理论依据， 同时为了更准确地评估该模式的模拟性能， 之后的研究中还可以将模拟值与实测值进行比较。