2017, Vol. 36
2. 海南省气象台, 海口 570203;
3. 中国科学院寒旱区陆面过程与气候变化重点试验室, 中国科学院寒区旱区环境与工程研究所, 兰州 730000;
4. 成都信息工程大学大气科学学院, 成都 610225;
5. 海南省防雷中心, 海口 570203
土壤湿度在陆面过程中有非常重要的作用, 它调控着陆面水和能量的收支平衡, 是陆-气相互作用中能量和物质交换的“调节器”, 马柱国等 (2001)提出相对众多影响区域气候变化的因子, 土壤湿度对气候变化的影响仅次于SST (海温)。此外, 土壤湿度是气候系统中水分循环的重要组成部分, 土壤湿度变化与局地气温和风场的变化密切相关, 而且土壤湿度对降水要素有“记忆效应”, 会对全球大气环流产生影响。李明星等 (2010, 2011) 发现土壤湿度不仅可以改变季风爆发的时间和强度, 影响气温的长期变化趋势等, 还对提高天气预报和气候预测能力有很大的帮助, 具有重要的天气和气候学意义。Manabe (1969)首次利用控制试验把陆面水文循环过程耦合到大气环流模式GCM (General Circulation Model) 中, 结果表明, 土壤湿度对大气环流的时空变化具有极其重要的影响。Walker and Rowntree (1977)研究了土壤湿度对大气环流和降水的影响。Yeh et al (1984)发现不同纬度带的土壤湿度对后期降水和气温影响的时间尺度不同。Koster et al (2003)研究指出土壤湿度的变化不仅影响降水等陆/气之间的水循环过程, 对气温等能量循环过程也会产生重要影响。郭维栋等 (2007)、朱乾根等 (1996)、杜川利等 (2008)和王磊等 (2008)也做了很多关于土壤湿度与气候变化相关的研究工作。
尽管土壤湿度对天气和气候系统有很重要的影响, 然而, 观测资料的缺乏一直是一个困扰土壤湿度研究的难题。近年来, 利用遥感技术反演土壤湿度已经取得了很大进展, 但孙安利等 (2009)发现反演精度对反演模型和卫星数据有很强的依赖性, 且只能较好的估算表层的土壤湿度。利用陆面模式模拟是获取区域土壤湿度的一种有效途径。刘少峰和林朝晖 (2005)对东亚不同下垫面下CLM (Community Land Model) 模式的模拟能力进行了验证, 陈海山等 (2010)对CLm3.0模式模拟陆面过程的能力进行了检验及评估, 熊明明等 (2011)利用CLm3.0模式对中国区域土壤湿度进行模拟及评估, 李明星等 (2011)利用CLm3.5模式对中国区域土壤湿度的变化时空特征进行了模拟研究, 熊建胜等 (2014)改进了CLM4.0模式中水分过程传输方案, 并对青藏高原陆面过程进行了模拟, 结果均表明, CLM模式可模拟出土壤湿度的空间分布及其随时间和深度的变化特征, 同时在高原稀疏植被下垫面上模拟的地表土壤湿度更接近观测值。陈渤黎等 (2012, 2104) 利用CLM模式对中国科学院寒区旱区环境与工程研究所若尔盖高原湿地生态系统研究站 (简称若尔盖站) 冻融期的模拟性能进行了检验和对比, 结果表明CLM模式可适用于高原季节性冻土, 且CLM4.0较CLm3.0的模拟结果有一定提高。以上研究表明, CLM模式对中国区域陆面过程有很好的模拟能力, 其模拟结果能够很好的呈现土壤湿度、土壤温度等地表参数的空间分布和变化趋势。
然而, 目前黄河源区开展的陆面过程数值模拟试验大部分都是单点试验, 对土壤湿度空间分布的模拟研究还较少, 不能有效地揭示黄河源区土壤湿度的时空分布特征。基于此, 本文将利用CLM4.0模式开展黄河源区土壤湿度的模拟试验, 并利用地面观测数据和卫星遥感数据产品与模拟结果进行对比分析, 以期呈现黄河源区土壤湿度的时空特征, 揭示该地区土壤湿度的时空分布规律。
2 模式和数据简介 2.1 模式简介陆面公用模式CLM是气候系统模式CESM (Community Earth System Model) 的陆面模块, 它综合了Bonan (1996)的LSM, Dai and Zeng (1998)的IAP94和Dickinson et al (1993)的BATS等陆面模式相对完善的过程描述和优点而发展起来的。Zeng and Decker (2009)、Decker and Zeng (2009)、Sakaguchi and Zeng (2009)和Flanner and Zender (2006)通过修改Richards方程、土壤蒸发阻力函数, 更新描述植被类型的地表数据集, 改进土壤下边界条件, 以及土壤有机质对水分运动的影响等, 使CLM4.0模式中地下水和土壤水直接进行耦合, 成为目前发展最为完善的陆面过程模式之一。根据不同的物理过程, CLM4.0模式可分为与植被相关的物理过程和与土壤水热传导相关的物理过程。
CLM4.0模式的水分传导主要包括冠层、雪层和土壤三部分, 其控制方程:
| $ \begin{align} &\Delta {{W}_{\text{can}}}+\Delta {{W}_{\text{son}}}+\sum\limits_{i=1}^{N}{\left(\Delta {{w}_{\text{liq, }i}}+\Delta {{w}_{\text{ice, }i}} \right)}=\left({{q}_{\text{rain}}}+{{q}_{\text{sno}}} \right. \\ &\left. \ \ \ \ \ \ \ \ \ \ -{{E}_{\text{v}}}-{{E}_{\text{g}}}-{{q}_{\text{over}}}-{{q}_{\text{drai}}}-{{q}_{\text{rgwl}}} \right)\Delta t, \\ \end{align} $ | (1) |
其中: ΔWcan为冠层含水量变化; ΔWsno为雪层含水量变化; Δwliq, i和Δwice, i分别为第i层土壤中的液态水和固态水的变化; qrain为降水; qsno为降雪; Ev为植被蒸腾; Eg为地面蒸发; qover为地表径流; qdrai为地下排水; qrgwl代表从冰川、湿地和湖泊等产生的径流; N代表土壤层数; Δt为时间步长。
2.2 大气驱动场和陆面数据本研究模拟试验使用普林斯顿大学1961-2010年3 h一次, 1°×1°空间分辨率的大气驱动场数据进行模拟试验, 该驱动场数据基于NCEP/NCAR提供的Reanalysis Data, 整合了近地层气象要素场, 驱动数据包括风速、气温、近地面气压、比湿, 降水和太阳辐射等气象要素 (Sheffield et al, 2006)。根据EOS/MODIS中NDVI数据对土壤有机质数据进行了修改, 土壤质地数据采用黄河源区观测数据, 其它均为模式自带陆面特性参数数据集。
2.3 地面观测数据从2005年开始, 中国科学院寒区旱区环境与工程研究所在黄河源区玛曲地区开始了有针对性的陆面过程观测试验, 并建立了“中国科学院寒区旱区环境与工程研究所若尔盖高原湿地生态系统研究站”和“中国科学院寒区旱区环境与工程研究所玛曲土壤湿度观测网”。玛曲地区位于甘肃省甘南藏族自治州西南部, 地势西高东低, 由西北向东南倾斜, 气候高寒而湿润。为了获得黄河源区土壤温湿度地面观测数据, 在玛曲地区黄河沿岸附近100 km×50 km中尺度范围内, 布设了20个土壤湿度和温度观测站点, 构成中国科学院寒区旱区环境与工程研究所玛曲土壤湿度观测网。该地区海拔为3200~4200 m, 20个站点的分布如图 1所示。每个站点均埋设了由美国Decagon公司制造的ECH2O EC-TM土壤温湿度感应传感器和ECH2O-EM 50自动数据采集仪, 土壤温、湿度的观测深度分别为5, 10, 20, 40和80 cm, 数据记录的时间间隔是10 min。ECH2O EC-TM观测的土壤体积水分含量的分辨率是0.001 m3·m-3, 所用EC-TM传感器的水分观测曲线, 田辉等 (2011)已利用玛曲实地采集样品进行了验证。本文将利用玛曲土壤湿度观测网提供的数据对陆面模式模拟结果进行验证。
|
图 1 黄河源地理位置、地表覆盖和地形 Figure 1 The geographic location, land cover and digital elevation model of the source region of the Yellow River |
2002年5月美国航空航天局NASA (National Aeronautics and Space Administration) 成功发射了地球观测卫星系统水色 (Aqua) 卫星, Aqua搭载的高级微波扫描辐射计 (the Advanced Microwave Scanning Radiometer-Earth Observing System, AMSR-E), 能够在低频波段上观测地表亮度温度, 根据卫星观测数据实现包括土壤湿度在内的多种参数的反演。目前主要有NASA、阿姆斯特丹自由大学 (Vrije Universiteit Amsterdam, VUA) 与NASA联合、日本宇航机构 (JAXA)3个机构在发布和更新AMSR-E全球土壤湿度产品。VUA提供了2002年6月至2011年10月每天2次0.25°和0.5°的土壤湿度产品, VUA的土壤湿度产品通过经验回归、陆面参数模型和非线性循环方法等方法, 同时对土壤水分和植被含水率进行反演 (卢麾和施建成, 2012)。Zhang et al (2011)发现UVA AMSR-E的土壤湿度数据与地面观测数据相关性较好, 能较好的呈现出土壤湿度的空间变化。席家驹等 (2014)对比分析了3种土壤湿度产品 (NASA、JAXA、UVA) 发现UVA产品在空间分布上更符合青藏高原地区土壤湿度的空间分布特征。为此, 本研究将利用VUA AMSR-E的土壤湿度产品与陆面模式模拟的土壤湿度进行对比分析。
3 研究区域概况研究区域黄河源区位于青藏高原东北部 (图 1), 泛指黄河干流唐乃核水文站以上的集水区域, 集水面积为12.2×103 km2, 地理位置在95.5°E-103.5°E, 32.5°N-36.5°N之间, 平均海拔4000 m以上 (蓝永超等, 2010)。黄河源区气候受青藏高原和东亚季风大陆性气候的双重影响, 呈高寒阴湿, 冬季干燥而夏季多雨 (田辉等, 2011), 且寒冷季节长, 温差大, 风雪多, 气候变化剧烈。年平均气温-5~-2.4 ℃, 最冷月 (1月) 平均气温-17.4~-15.6 ℃, 最暖月 (7月) 平均气温6.0~9.1 ℃, 无绝对无霜期, 降水比较集中, 多年平均降水量485.9 mm, 年降水量为200~500 mm (王根绪和沈永平, 2000), 其中, 降水量最多的月份出现在7月, 占年降水总量的23%, 最少的月份出现在12月或者1月, 不足年降水总量的1%, 5~9月降水量占年总量的85.4%, 其它时段合计降水量仅占14.6%。
4 土壤湿度模拟数值试验方案设计及敏感性试验陆面模式地表数据集中土壤有机质 (ORGANIC)、沙土成分 (PCT_SAND) 和粘土成分 (PCT_CLAY) 决定了土壤热力和水文特性, 显著的影响着土壤湿度及其变化。根据黄河源区玛曲地区多个站点埋设仪器的土壤质地分析资料修改模式地表数据集中土壤质地数据, 其中砂土含量百分比平均值为29.9%, 粘土含量百分比平均值为8.1%。模式自带陆面数据资料中土壤有机质 (ORGANIC) 分辨率较粗为1°×1°, 可能导致模拟的土壤湿度的空间分布较粗, 故利用2009年7月、空间分辨率为0.1°×0.1°的MODIS卫星产品的NDVI数据修改模式陆面数据中的土壤有机质部分。
研究区域黄河源区 (95.5°E-103.5°E, 32.5°N-36.5°N), 地表数据网格间距为0.1°×0.1°, 利用普林斯顿大学1961-2010年强迫场资料反复驱动模式运行, 使模式土壤水分过程充分平衡, 最后输出2001年1月1日至2010年12月31日的积分结果。从利用模式自带的土壤有机质数据及其平均值和利用NDVI数据得到的有机质数据模拟的2010年7月15日黄河源区土壤湿度空间分布 (图 2) 中可以看出, 3种土壤有机质数据模拟得到的土壤湿度空间分布及变化趋势基本相同, 土壤湿度从南到北逐渐减小, 土壤湿度低值区位于西北部, 高值区位于西南部。网格数据分辨率均为0.1°×0.1°, 但图 2a土壤湿度有明显的1°×1°斑块特征, 且东南部为土壤湿度低值区, 土壤湿度值为0.1~0.35 m3·m-3, 而图 2b、c中没有出现斑块特征, 土壤湿度值为0.1~0.45 m3·m-3, 在黄河源区中部和东南部存在一个土壤湿度高值区, 图 2c中土壤湿度值较图 2b稍偏大。发现模式自带的土壤有机质数据分辨率为1°×1°, 导致模拟的土壤湿度分辨率较粗, 不能呈现出细致的空间分布及变化特征, 且模拟的土壤湿度值偏小。利用更高分辨率的土壤有机质数据可提高模拟的土壤湿度的分辨率, 同时土壤有机质数据质量影响着土壤湿度模拟结果的质量。因此, 有必要修改模式中的土壤有机质数据。
|
图 2 土壤有机质数据模拟的2010年7月15日黄河源区土壤湿度空间分布 (单位: m3·m-3) (a) 模式默认ORGANIC数据模拟的土壤湿度, (b) 模式默认ORGANIC数据的平均值模拟的土壤湿度, (c) NDVI转化得到的ORGANIC模拟的土壤湿度 Figure 2 The soil moisture spatial distribution on 15 July 2010 simulated by default versus modified organic data.Unit: m3·m-3.(a) The soil moisture simulated by model default organic data, (b) the soil moisture simulated by average value of the model organic data, (c) the soil moisture simulated by NDVI converted data |
基于以上分析, 本文设计了3个试验:第一个试验地表参数中土壤有机质 (ORGANIC) 为CLM4.0模式默认的土壤有机质的平均值, 土壤成分为模式默认的地表参数; 第二个试验地表参数中土壤有机质 (ORGANIC) 为NDVI数据转换得到, 土壤质地为模式默认的地表参数; 第三个试验土壤有机质数据为NDVI转化得到, 而土壤质地则是黄河源玛曲地区多个站点土壤质地平均值, 即砂土百分比为29.9%, 粘土百分比为8.1%。利用1961-2010年普林斯顿大学的大气强迫场资料分别驱动三个试验运行, 先对模式积分运行50年, 使模式达到充分平衡, 使用所得陆面状态结果作为初始场, 再驱动模式积分50年, 设置模式结果以日平均输出。由于春季、秋季和冬季, 黄河源区的表层土壤有部分冻结, 导致观测的土壤湿度准确度降低, 本文输出2010年夏季浅层土壤湿度, 利用地面观测数据进行验证, 同时与VUA AMSR-E土壤湿度产品进行空间分布的对比分析和质量验证。
5 模拟检验和比较 5.1 土壤湿度的时间变化趋势由于黄河源区玛曲土壤湿度站网观测数据有部分缺失, 而且高原冬季土壤冻结导致观测土壤湿度值不准确, 故剔除有缺失数据的站点, 本研究利用黄河源玛曲土壤湿度观测网络中CST01、CST03、CST04、CST05、NST01、NST02、NST07、NST14共8个站点 (图 1)2010年夏季5 cm深度的土壤湿度观测值、AMSR-E土壤湿度产品和模式模拟的土壤湿度进行比较。
图 3为试验一、二和三2010年6-8月8个站点平均的土壤湿度地面观测值、AMSR-E土壤湿度产品与模拟值对比的时间序列图。从图 3中可以看出, 模拟值与观测值和AMSR-E土壤湿度产品变化趋势基本一致, 6月的土壤湿度均较稳定, 7月中下旬土壤湿度开始减小, 观测值在8月10日左右达到最低值, 而模拟值和AMSR-E土壤湿度则在8月20日左右达到最低值, 然后土壤湿度逐渐增大。其中, 土壤湿度观测值最大, 其次为AMSR-E产品, 而模拟值最小, 模拟值和AMSR-E土壤湿度变化幅度相比观测值较小。三个试验模拟的土壤湿度变化趋势完全一致, 但试验一模拟的土壤湿度最大, 其次为试验三模拟的土壤湿度, 试验二模拟的土壤湿度最小。由于试验三修改了土壤质地数据, 试验三模拟的土壤湿度比试验二模拟的土壤湿度值高, 可看出土壤质地数据对模拟的土壤湿度有很大影响。通过土壤湿度观测值与AMSR-E土壤湿度产品和模拟值的对比散点分布 (图 4) 可以看出, 土壤湿度观测值和AMSR-E土壤湿度和模拟值分布在1:1线附近, 土壤湿度值均为0.10~0.50 m3·m-3, 但模拟值和AMSR-E土壤湿度比观测值偏小。三个试验的模拟结果及AMSR-E土壤湿度与地面观测值的相关系数分别为0.50, 0.51, 0.50和0.66, 均方根误差分别为0.10, 0.11, 0.11和0.084。可看出AMSR-E土壤湿度产品与观测值变化趋势一致, 相关较好, 能基本反映出土壤湿度实际情况, CLM4.0模拟结果也能呈现土壤湿度的变化趋势, 因此本文一下将利用AMSR-E土壤湿度产品对模式模拟结果进行验证。
|
图 3 2010年6-8月8个站点平均的土壤湿度地面观测值、AMSR-E土壤湿度产品与三个试验模拟的土壤 湿度的时间序列 (单位: m3·m-3) Figure 3 Ground-measured soil moisture、AMSR-E soil moisture versus and the three test simulated soil moisture of 8 stations from June to August 2010.Unit: m3·m-3 |
|
图 4 土壤湿度观测值与土壤湿度模拟值、AMSR-E土壤湿度产品散点分布 (单位: m3·m-3) (a) 试验一模拟的土壤湿度, (b) 试验二模拟的土壤湿度, (c) 试验三模拟的土壤湿度, (d) UVA AMSR-E土壤湿度 Figure 4 Scatter plot of soil moisture measurements、AMSR-E soil moisture and soil moisture simulation. Unit: m3·m-3.(a) Soil moisture simulated by Test 1, (b) soil moisture simulated by Test 2, (c) soil moisture simulated by Test 3, (d) UVA AMSR-E soil moisture products |
荷兰阿姆斯特丹自由大学提供了AMSR-E升轨和降轨反演的土壤湿度产品, 本研究区升轨和降轨的时间分别为北京时间01:30和13:30, 夜间观测数据受干扰较小, 反演的土壤湿度与地面观测值更接近。因此, 本研究利用VUA AMSR-E降轨土壤湿度产品与CLM4.0模拟的土壤湿度的空间分布进行对比分析。通过2010年7月21日CLM4.0模拟的土壤湿度和AMSR-E土壤湿度产品的空间分布 (图 5) 可以看出, 黄河源区CLM4.0模拟的土壤湿度和AMSR-E土壤湿度产品值空间分布基本一致, 土壤湿度值为0.15~0.40 m3·m-3, 大部分地区土壤湿度>0.20 m3·m-3, 均从东南向西北递减, 与黄河源区土壤湿度空间分布的实际情况相符。图 5b和5c中黄河源中部和东南部存在一个土壤湿度高值区, 但图 5c中土壤湿度值比5b中土壤湿度值偏大, 且空间分辨率更高, 因此高分辨率有机质数据可提高模拟结果的分辨率。图 5b和图 5c中土壤湿度高值区对应为土壤粘土成份较高, 而试验三中土壤质地数据为多个站点观测数据平均值, 因此图 5d黄河源区中部和东南部没有出现土壤湿度高值区, 可见沙土、粘土所占百分比对模拟的土壤湿度有很大影响。总之, CLM4.0模拟的土壤湿度和AMSR-E土壤湿度产品均能呈现出黄河源区土壤湿度的分布特征和变化趋势, 但CLM4.0模拟的土壤湿度的准确度、空间分布及变化特征受土壤质地和土壤有机质数据的影响。因此, 要得到高质量的模拟结果必须使用高质量的陆面数据集, 同时由于AMSR-E土壤湿度算法以及CLM4.0中物理过程描述也会导致两者土壤湿度存在一定差异。
|
图 5 2010年7月21日VUA AMSR-E土壤湿度产品与CLM4.0模拟的土壤湿度对比 (单位: m3·m-3) (a) AMSR-E土壤湿度, (b) 试验一模拟的土壤湿度, (c) 试验二模拟的土壤湿度, (d) 试验三模拟的土壤湿度 Figure 5 The soilmoisture of VUA AMSR-E products versus CLM4.0 simulation on 21 July 2010.Unit: m3·m-3. (a) AMSR-E soil moisture products, (b) soil moisture simulated by Test 1, (c) soil moisture simulated by Test 2, (d) soil moisture simulated by Test 3 |
利用1961-2010年普林斯顿大学大气强迫场数据 (时间分辨率为3 h/空间分辨率为1°×1°) 驱动陆面模式CLM4.0对黄河源区土壤湿度时空变化进行了三个模拟试验。试验一中模式陆面数据中土壤有机质数据为模式默认数据的平均值, 其它数据均为模式默认数据; 试验二中土壤有机质数据由MODIS产品的NDVI转换得到, 其它数据均为模式默认数据; 试验三中土壤有机质数据同样为MODIS产品的NDVI转换得到, 而土壤质地数据为玛曲实测站点平均值, 砂土含量成分为29.9%, 粘土含量成分为8.1%。利用中国科学院寒区旱区环境与工程研究所黄河源玛曲土壤湿度观测网中的CST01、CST03、CST04、CST05、NST01、NST01、NST02、NST07和NST14共8个站点的2010年夏季6-8月土壤湿度观测值, 对CLM4.0模拟土壤湿度值进行验证, 模拟结果与UVA AMSR-E降轨土壤湿度产品的空间分布进行了对比分析, 得出以下主要结论:
(1) CLM4.0模拟的土壤湿度能够反映出土壤湿度夏季随时间变化的趋势, 但CLM4.0模拟值比AMSR-E土壤湿度和地面观测值偏低。2010年6月黄河源区土壤湿度比较稳定, 7月下旬土壤湿度开始降低, 观测值在8月10左右达到最低值, 而模拟值在8月20日左右达到最低值, 模拟结果与地面观测值之间基本一致。
(2) 黄河源区CLM4.0模拟的土壤湿度与VUA AMSR-E产品土壤湿度空间分布特征和变化趋势基本一致, 土壤湿度都呈现出东南向西北逐渐减小, 且黄河源区土壤湿度整体较大, 但CLM4.0模拟值比AMSR-E土壤湿度偏低。
(3) CLM4.0模拟的土壤湿度受陆面数据集中土壤有机质和土壤质地数据影响较大, 土壤粘土百分比越大, 土壤湿度值就越大, 土壤有机质数据的分辨率直接影响土壤湿度的空间分布和变化; 因此陆面数据集中土壤有机质及土壤质地数据的质量是影响CLM4.0模拟结果质量的关键因子之一。
虽然CLM4.0模拟结果能够基本反映黄河源区土壤湿度的空间分布和时间变化趋势, 但模拟值与地面观测值之间还存在一定的偏差, 这可能与CLM4.0模式中对土壤水分迁移的描述, 大气强迫场数据的精度和分辨率, 陆面数据中的土壤有机质数据以及土壤质地数据质量等有关。因此, 提高大气强迫场数据以及陆面数据的质量对提高模拟结果的准确度非常重要。同时, 利用观测数据进行验证时, 如何减小站点观测值与模拟的格点值之间差异也是一个难点。下一步将进行土壤水分迁移参数化处理, 发展将卫星遥感土壤湿度同化到陆面过程模式中的研究, 提高模式模拟结果的准确度。
致谢 所用地面观测数据由中国科学院寒区旱区环境与工程研究所“若尔盖高原湿地生态系统研究站”提供, 特致感谢！| Bonan G B.1996.Land surface model (LSM version 1.0) for ecological, hydrological, and atmospheric studies:Technical description and user's guide.Technical note[R].National Center for Atmospheric Research, Boulder, CO (United States).Climate and Global Dynamics Div, 1-50. | |
| Dai Yongjiu, Zeng Qingcun. 1998. A land-surface model (IAP94) for climate studies, Part Ⅰ:Formation and validation in off-line experiments[J]. Adv Atmos Sci, 14(4): 433–460. | |
| Decker M, Zeng X. 2009. Impact of modified Richards equation on global soil moisture simulation in the Community Land Model (CLM3.5)[J]. Journal of Advances in Modeling Earth Systems, 1(3): 1–22. DOI:10.3894/JAMES.2009.1.5 | |
| Dickinson R E, Henderson-Sellers A, Kennedy P J.1993.Biosphere Atmosphere Transfer scheme (BATS) Version le as coupled to the NCAR community climate model[R].NCAR Technical Note 2378 + STR. | |
| Flanner M G, Zender C S. 2006. Linking snowpack microphysics and albedo evolution[J]. J Geophys Res Atmos, 111(D12): D12208. DOI:10.1029/2005JD006834 | |
| Koster Randal D, Suarez Max J, Higgins R.Wayne, et al. 2003. Observational evidence that soil moisture variations affect precipitation[J]. Geophys Res Lett, 30(5). | |
| Manabe S. 1969. Climate and the ocean circulation part Ⅰ.The atmospheric circulation and the hydrology of the earth's surface[J]. Mon Wea Rev, 97(11): 739–805. DOI:10.1175/1520-0493(1969)097<0739:CATOC>2.3.CO;2 | |
| Sakaguchi K, Zeng X B. 2009. Effects of soil wetness, plant litter, and under-canopy atmospheric stability on ground evaporation in the Community Land Model (CLM3.5)[J]. J Geophys Res Atmos, 114(D1): D01107. DOI:10.1029/2008JD010834 | |
| Sheffield J, Goteti G, Wood E F. 2006. Development of a 50-year high-resolution global dataset of meteorological forcings for land surface modeling[J]. J Climate, 19(13): 3088–3111. DOI:10.1175/JCLI3790.1 | |
| Walker J., Rowntree PR. 1977. The effect of soil moisture on circulation and rainfall in tropical model[J]. Quart J Roy MeteorSoc, 103(435): 29–46. DOI:10.1002/(ISSN)1477-870X | |
| Yeh T C, Wetherald R T, Manabe S. 1984. The effect of soil moisture on the short-term climate and hydrology change-A numerical experiment[J]. Mon Wea Rev, 112(3): 474–490. DOI:10.1175/1520-0493(1984)112<0474:TEOSMO>2.0.CO;2 | |
| Zeng X B, Decker M. 2009. Improving the numerical solution of soil moisture-based Richards equation for land models with a deep or shallow water table[J]. Journal of Hydrometeorology, 10: 308–319. DOI:10.1175/2008JHM1011.1 | |
| Zhang Anzhi, Jia Gensuo, Wang Hesong, et al. 2011. Evaluation of AMSR-E derived soil moisture over Northern China[J]. Atmos Ocean Sci Lett, 4(4): 233–228. | |
| 陈渤黎, 罗斯琼, 吕世华, 等. 2014. 陆面模式CLM对若尔盖站冻融期模拟性能的检验与对比[J]. 气候与环境研究, 19(5): 649–658. Chen Boli, Luo Siqiong, Lü Shihua, et al. 2014. Validation and comparison of the simulation at Zoigê station during freezing and thawing with land surface model CLM[J]. Climatic Environ Res, 19(5): 649–658. | |
| 陈渤黎, 吕世华, 罗斯琼. 2012. CLM3.5模式对青藏高原玛曲站陆面过程的数值模拟研究[J]. 高原气象, 31(6): 1511–1522. Chen Boli, Lv Shihua, Luo Siqiong. 2012. Simulation analysis on land surface process at Maqu station in the Qinghai-Xizang Plateau using community land model[J]. Plateau Meteor, 31(6): 1511–1522. | |
| 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, Qiong Mingming, Sha Wenyu. 2010. Simulation of land surface processes over China and its validation, PartⅠ:Soil temperature[J]. Sci Meteor Sinica, 30(5): 621–630. | |
| 杜川利, 刘晓东, WuWanli. 2008. CLM模拟的1973-2003年中国土壤湿度及其对全球变暖的可能响应[J]. 高原气象, 27(3): 463–473. Du Chuanli, Liu Xiaodong, Wu Wanli. 2008. CLM3-Simulated Chinese soil moisture during 1979-2003 and its possible response to global warming[J]. Plateau Meteor, 27(3): 463–473. | |
| 郭维栋, 马柱国, 王会军. 2007. 土壤湿度-一个跨季度降水预测中的重要因子及其应用探讨[J]. 气候与环境研究, 12(1): 20–28. Guo Weidong, Ma Zhuguo, Wang Huijun. 2007. Soil moisture-an important factor of seasonal precipitation prediction and its application[J]. Climatic Environ Res, 12(1): 20–28. | |
| 蓝永超, 文军, 赵国辉, 等. 2010. 黄河源区径流对气候变化的敏感性分析[J]. 冰川冻土, 32(1): 175–182. Lan Yongchao, Wen Jun, Zhao Guohui, et al. 2010. Sensibility analysis of the run off in the headwater regions of the Yellow River to climate change[J]. Journal of Glaciology and Geocryologym, 32(1): 175–182. | |
| 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, 16(16): 1288–1300. Li Mingxing, Ma Zhuguo, Niu Guoyue. 2011. Modeling spatial and temporal variations in soil moisture in China[J]. Chinese Sci Bull, 16(16): 1288–1300. | |
| 李明星. 2010. 中国区域土壤湿度变化的模拟研究[D]. 北京: 中国科学院研究生院. Li Mingxing.2010.Modeling study on the variation of soil moisture in China[D].Beijing:Graduate University of Chinese Academy of Sciences. | |
| 刘少峰, 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 Chaohui. 2005. Validation of common land model using field experiment data over typical land cover types in east Asia[J]. Climatic Environ Res, 10(3): 684–699. | |
| 卢麾, 施建成. 2012. 基于遥感观测的21世纪初中国区域地表土壤水及其变化趋势分析[J]. 科学通报, 57(16): 1412–1422. Lu Hui, Shi Jiancheng. 2012. Reconstruction and analysis of temporal and spatial variations in surface soil moisture in China using remote sensing[J]. Chin Sci Bull, 57(16): 1412–1422. | |
| 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): 563–568. Ma Zhuguo, Fu Congbin, Xie Li, et al. 2001. Some problems in the study on the relationship[J]. Adv Earth Sci, 16(4): 563–568. | |
| 孙安利, 贾建华, 徐新刚, 等. 2009. 土壤湿度微波遥感监测研究进展[J]. 测绘科学, 34(6): 105–107. Sun Anli, Jia Jianhua, Xu Xingang, et al. 2009. Research progress of soil moisture monitoring based on microwave remote sensing[J]. Science of Surveying and Mapping, 34(6): 105–107. | |
| 田辉, 文军, 史小康, 等. 2011. 主动微波遥感黄河上游玛曲地区夏季土壤水分[J]. 水科学进展, 22(1): 59–66. Tian Hui, Wen Jun, Shi Xiaokang, et al. 2011. Estimation of soil moisture in summer by active microwave remote sensing for the Maqu area at the upper reaches of the Yellow River[J]. Adv Water Sci, 22(1): 59–66. | |
| 王根绪, 沈永平. 2000. 黄河源区生态环境变化与成因分析[J]. 冰川冻土, 22(3): 200–205. Wang Genxu, Shen Yongping. 2000. Eco-environmental changes and causal analysis in the source regions of the Yellow River[J]. Journal of Glaciology and Geocryology, 22(3): 200–205. | |
| 王磊, 文军, 韦志刚, 等. 2008. 中国西北区西部土壤湿度及其气候响应[J]. 高原气象, 27(6): 1257–1266. Wang Lei, Wen Jun, Wei Zhigang, et al. 2008. Soil moisture over the west of Northwest China and its response to climate[J]. Plateau Meteor, 27(6): 1257–1266. | |
| 席家驹, 文军, 田辉, 等. 2014. AMSR-E遥感土壤湿度产品在青藏高原地区的适用性[J]. 农业工程学报, 30(13): 194–202. Xi Jiaju, Wen Jun, Tian Hui, et al. 2014. Applicability evaluation of AMSR-E remote sensing soil moisture products in Qinghai-Tibet Plateau[J]. Transactions of the Chinese Society of Agricultural Engineering, 30(13): 194–202. | |
| 熊建胜, 张宇, 王少影, 等. 2014. CLM4.0土壤水分传输方案改进在青藏高原陆面过程模拟中的效应[J]. 高原气象, 33(2): 323–336. Qiong Jiansheng, Zhang Yu, Wang Shaoying, et al. 2014. Influence of soil moisture transmission scheme improvement in CLM4.0 on simulation of land surface process in Qinghai-Xizang Plateau[J]. Plateau Meteor, 33(2): 323–336. | |
| 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. Qiong Mingming, Chen Haishan, Yu Miao. 2011. Simulation of land surface processes over China and its validation, Part Ⅱ:Soil moisture[J]. Sci Meteor Sinica, 31(1): 1–10. | |
| 朱乾根, 兰红平, 沈桐力. 1996. 土壤湿度和地表反射率对我国北方气候影响的数值研究[J]. 气象学报, 54(4): 493–500. Zhu Qiangen, Lan Hongping, Shen Tongli. 1996. Numerical study of the influence of soil moisture and surface albedo on climate of north part of China[J]. Acta Meteoro-Logica Sinica, 54(4): 493–500. |
2. Hainan Meteo rological Observatory, Haikou 570203, China;
3. Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Region, Cold Arid Regions Environmental and Engineering Research Institute, Chinese Academy of Science, Lanzhou 730000, China;
4. College of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China;
5. Lightning Protection Center of Hainan Province, Haikou 570203, China