2. 中国科学院大学, 北京 100049;
3. 中国科学院西北生态环境资源研究院/黑河遥感试验研究站, 兰州 730000;
4. 北京市气象局气象信息中心, 北京 100089
陆地表面是一个复杂的系统, 陆面与近地面大气之间通过水分和能量交换相互作用, 进而对天气及气候产生影响。土壤湿度作为陆气相互作用过程中十分关键的变量, 在水文学与水资源管理、农业干旱监测、气候变化研究、数值天气预报等应用中至关重要(Koster et al, 2010; Seneviratne et al, 2010)。因而, 如何获取可靠有效的土壤湿度数据受到越来越多研究者的关注(Petropoulos et al, 2015; Rötzer et al, 2014)。
遥感反演和模型模拟是获取大空间尺度和长时间序列土壤湿度产品的两种主要方法。过去30年里, 通过遥感反演方法获取土壤湿度产品取得了很大成就(施建成等, 2012), 当前已有多个机构发展的多种遥感土壤湿度产品可供使用(Draper et al, 2009)。然而大量的验证评估显示基于遥感反演的土壤湿度产品在青藏高原高寒地区仍然存在较大的不确定性(Kerr, 2006; Jackson et al, 2010)、且通过遥感观测只能获取表层(<2 cm)土壤湿度数据。陆面过程模型的发展为获取大的空间尺度和长时间跨度土壤湿度产品提供了另一种途径。如利用陆面过程模型建立的全球陆面同化系统(GLDAS)输出的全球长时间序列土壤湿度产品与遥感土壤湿度产品相互补充, 已广泛应用于水文、气象等多个方面(Rodell et al, 2004)。
陆面过程模式(LSMs)是描述发生在地-气界面上的各种物理、化学和生物学过程的参数化数值模式(林朝晖等, 2008)。从早期第一代简单陆面模式-水桶模式(Manabe, 1969)开始, 经过考虑水文循环和植被能量、水通量过程的第二代土壤-植-大气传输模式(Dickinson et al, 1986; Sellers et al, 1986), 当前以通用陆面模式(Community Land Model, CLM)为代表的第三代陆面过程模式包括了更复杂的生物地球化学过程和更完善的地表过程(Oleson et al, 2010)。生物地球化学模块的引入改善了模式对陆面与大气之间的能量水分和碳交换过程的描述, 进一步提升了模式的模拟能力。在过去的10多年中, 许多研究者采用CLM模式模拟土壤湿度, 结果均表明模式能较合理地反映地表土壤湿度大的空间特征和长期变化特征(Liu et al, 2013; 李明星等, 2010; 熊明明等, 2011)。
青藏高原由于其特殊的地形和位置特征, 在中国、亚洲甚至全球尺度陆气相互作用中扮演着十分重要的角色(Kang et al, 2010; Yang et al, 2014)。准确模拟青藏高原陆面过程, 对于理解青藏高原陆气相互作用以及东亚乃至全球气候模拟十分重要(马耀明等, 2014)。陆面过程模拟中, 土壤湿度模拟的优劣是决定陆面过程模式整体性能的关键之一(Koster et al, 2009), 近年来, 采用主要陆面过程模式模拟高原地区土壤水热过程, 特别是土壤湿度的模拟, 许多研究者作了大量研究和试验工作: 罗斯琼等(2008)采用公用陆面模式(CoLM)模式对那曲Bujiao站进行单点模拟试验表明, 模式模拟的土壤湿度总体上能较好的反映土壤湿度季节变化特征, 除浅层20 cm左右外, 模式对土壤湿度的估计总体偏小, 尤其是冬季冻结期土壤湿度模拟值明显偏小; 李震坤等(2011)通过CLM3.0模式和改进冻土土壤湿度参数化方案后的模式模拟青藏高原改则站土壤湿度发现, CLM3.0模式明显低估了冻结期的土壤湿度, 高估了冰含量, 改进后的模式对土壤湿度和冰含量模拟略有改善, 然而仍然存在较大不确定性; 夏坤等(2011)采用青藏高原东北部地区苏里站观测资料进行CLM3.0土壤水热过程模拟试验, 结果表明该地区土壤湿度模拟存在较大不确定性, 特别是对土壤冻融过程中土壤湿度模拟结果与观测结果差别较大; 熊建胜等(2014)和陈渤黎等(2014)评估了CLM4.0模式对青藏高原东部的若尔盖地区土壤水热过程的模拟性能, 均发现模式模拟土壤湿度总体偏低, 对于冻融过程模拟存在较大不确定性; Yang et al(2009)和Chen et al(2012)研究表明, 高原地区高寒环境导致土壤中有机质分解缓慢、土壤中累积有机质含量高, 模式模拟中需要充分考虑有机质对土壤水热过程的影响; 马琴等(2014)利用CoLM模式和青藏高原藏东南站、纳木错站两个站观测资料分析了高原地区土壤有机质及砾石含量对土壤水热过程模拟的影响, 结果表明新发展的参数化方案对于两个站土壤湿度模拟有不同程度的提高, 但仍存在着一些问题:一方面, 新的参数化方案更适用于有机质含量较高的地区, 而对于像纳木错站这样有机质含量较低的地区还需要考虑砾石对土壤水热传输特性的影响。
由上述研究工作可看出, 近年来, 采用陆面过程模式开展青藏高原土壤水热过程模拟受到越来越多关注。尽管模式模拟结果能够较好的反映土壤水热季节变化过程, 但对于冻结期及冻融过程的模拟仍然存在明显不确定性。特别是对于土壤湿度模拟, 存在冻融过程模拟较差以及非冻结期模拟整体性低估问题。虽然已有研究指出这可能与模式中土壤水分传输以及有机质方案有关, 但到目前为止, 鲜有深入的试验研究以及较好的改进方案。基于此, 本文利用位于青藏高原东北部地区的阿柔冻融观测站2013年5月至2014年11月观测资料驱动CLM4.0和动态陆面过程模式(DLM)两种陆面过程模式模拟土壤湿度状况, 探讨模式在高原地区土壤湿度模拟普遍低估原因, 在此基础之上利用观测的地表土壤特性数据分析土壤有机质对土壤湿度模拟的影响, 改进DLM模式中土壤冻融过程和有机质方案。
2 模式和资料 2.1 CLM4.0模式简介CLM4.0是NCAR于2010年发布的CLM模式一个较新的版本, 也是当前应用最广泛的一个版本。模式主要由生物地球物理过程、水文过程和生物地球化学过程三大模块组成(Lawrence et al, 2011)。与之前版本相比, CLM4.0在许多关键模型结构和参数化方案均有提高, 如采用改进后的Richards方程、改进土壤水与地下水相互作用过程、引入新的积雪过程方案, 增加碳氮循环和城市模块等(Oleson et al, 2010)。与之前版本相比, 土壤湿度模拟得到一定程度改善。
模式土壤水分传输过程中土壤饱和导水率ksat根据土壤矿物质和有机质含量百分比加权平均计算。由于有机质饱和导水率远大于(2~3个数量级)土壤矿物质, 为减少土壤导水率加权平均计算中有机质导水率的决定性作用, 合理描述格网中有机质对土壤饱和导水率计算的影响, 模式根据土壤渗透理论(Stauffer and Aharony, 1994)将土壤有机质含量划分为“连通”和“分离”两种情况考虑(Oleson et al, 2010)。“连通”条件下土壤中液态水渗流仅与有机质有关, 采用有机质饱和导水率ksat, om表示土壤导水率。“连通”的格网单元比例(fperc)按如下公式计算:
$ \left\{ \begin{array}{l} {f_{{\rm{perc}}}} = {N_{{\rm{perc}}}}{({f_{{\rm{om}}}} - {f_{{\rm{threshold}}}})^{{\beta _{{\rm{perc}}}}}}{f_{{\rm{om}}}},{f_{{\rm{om}}}} \ge {f_{{\rm{threshold}}}}\\ {f_{{\rm{perc}}}} = 0,\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;{f_{{\rm{om}}}} < {f_{{\rm{threshold}}}} \end{array} \right. $ | (1) |
式中: βperc取0.139, 阈值fthreshold取0.5, Nperc=(1-fthreshold)-βperc, fom为土壤有机质含量百分比。“分离”条件下的格网单元比例则为, funcon=1-fperc。假设土壤水连续存在于土壤有机质和矿物质部分, 饱和导水率ksat, uncon可表示为:
$ {k_{{\rm{sat, uncon}}}} = {f_{{\rm{uncon}}}}{\left( {\frac{{1 - {f_{{\rm{om}}}}}}{{{k_{{\rm{sat, min}}}}}} + \frac{{{f_{{\rm{om}}}} - {f_{{\rm{perc}}}}}}{{{k_{{\rm{sat, om}}}}}}} \right)^{ - 1}}, $ | (2) |
式中: ksat, min和ksat, om分别为土壤矿物质和有机质饱和导水率。ksat, om根据已发表文献(Letts et al, 2000)采用简单的土壤未分解有机物质(fibric peat)观测值0.1×10-3 m·s-1。土壤矿物质饱和导水率则由土壤质地决定:
$ {k_{{\rm{sat, min}}}}[{z_i}] = 0.{\rm{ }}0070556 \times {10^{ - 0.{\rm{ }}884 + 0.{\rm{ }}0153(\% {\rm{sand}})}}, $ | (3) |
式中: zi表示第i层土壤, %sand为土壤中沙粒含量百分比, 最终土壤饱和导水率按如下公式计算:
$ {k_{{\rm{sat}}}}[{z_i}] = {f_{{\rm{uncon}}}}{k_{{\rm{sat, uncon}}}}\left[ {{z_i}} \right] + (1 - {f_{{\rm{uncon}}}}){k_{{\rm{sat, om}}}}[{z_i}]. $ | (4) |
土壤发生冻结时, 土壤中液态水含量迅速减小, 含冰量增加导致导水率发生变化, 因而当土壤中含冰时模式中引入不透水率因子ffrz计算土壤导水率(Niu and Yang, 2006)。
$ {f_{{\rm{frz}},i}} = \frac{{\exp \left( { - \alpha \left( {1 - \frac{{{w_{{\rm{ice}},i}}}}{{{w_{{\rm{ice}},i}} + {w_{{\rm{liq}},i}}}}} \right)} \right) - \exp ( - \alpha )}}{{1 - \exp ( - \alpha ){\rm{ }}}}, $ | (5) |
式中:α为尺度调整参数取值3, wice, i和wliq, i分别为第i层土壤冰和液态水含量(单位: kg·m-2)。最终土壤导水率采用下式计算:
$ k[{z_i}] = \left\{ \begin{array}{l} \left( {1 - \frac{{{f_{{\rm{frz}},i}} + {f_{{\rm{frz}},i + 1}}}}{2}} \right){k_{{\rm{sat}}}}\left[ {{z_i}} \right]{\left( {\frac{{0.{\rm{ }}5\left( {{\theta _i} + {\theta _{i + 1}}} \right)}}{{0.{\rm{ }}5({\theta _{{\rm{sat}},i}} + {\theta _{{\rm{sat}},i + 1}})}}} \right)^{2{B_i} + 3}},1 \le i \le {N_{{\rm{levsoi}}}} - 1\\ (1 - {f_{{\rm{frz}},i}}){k_{{\rm{sat}}}}[{z_i}]\left( {\frac{{{\theta _i}}}{{{\theta _{{\rm{sat}},i}}}}} \right){^{2{B_i} + 3}},i = {N_{{\rm{levsoi}}}} \end{array} \right. $ | (6) |
式中:θi和θi+1分别为第i层和i+1层土壤含水量(液态水与冰之和), Nlevsoi表示土壤层。
2.2 DLM模式简介动态陆面过程模式(DLM)是在基于遥感的生态系统-大气模式(EASS)的基础上发展而来的一个集成陆面过程模式。EASS是Chen et al (2007a; 2007b)发展的一个基于遥感的陆面过程模拟框架, DLM发展中对EASS模型进行了改进和参数优化并耦合进通用地球系统模式(CESM1.0.3) 中替换了其中陆面模块CLM中主要植被-大气作用过程模块(Chen et al, 2013; Chen et al, 2014)。此外, DLM模式发展中还增加了一个改进后的碳氮耦合动态模拟模块以及一个最新发展的基于生物物候模型的动态植被模块。对于土壤模块, 除直接影响土壤水热特性的蒸散发算法采用彭曼公式外, DLM与CLM4.0土壤水热过程相同。DLM模式蒸散发计算中, 土壤和冠层蒸发以及冠层蒸腾均采用彭曼算法, 且植被冠层采用双叶结构(阴叶和阳叶)。CLM4.0蒸散发过程采用质量传输方程计算, 在计算光合作用时采用双叶结构, 而在计算蒸散发时使用单叶冠层。已开展的验证评估工作显示DLM模式能够较好的模拟地表辐射、蒸散等变量(Yan et al, 2014), 特别是与CLM4.0对比DLM模式显著提高了蒸散发模拟, 但对于土壤水热模拟与CLM4.0没有明显差异(Chen et al, 2013)。
2.3 数据资料黑河上游祁连山阿柔冻融观测站是黑河生态水文遥感试验(Li et al, 2013)期间建立的位于青海省海北州祁连山黑河上游地区(100.4643°E, 38.0473°N)的水文气象观测站。阿柔站海拔3033 m, 下垫面为高寒草甸, 土壤质地粉粒比例大, 有机质含量高。观测站空气温度、相对湿度和风速在1~25 m间分6层观测; 风向与气压计安装在2 m处, 雨量计位于28 m高处; 辐射四分量仪与两个红外温度计安装在5 m处; 土壤观测包括土壤体积含水量、土壤温度和土壤热通量, 其中土壤湿度观测分16层(2~320 cm)。由于土壤水分传感器只能获取土壤中液态水含量, 本文中土壤湿度均指土壤中液态水含量大小。土壤特性观测数据包括土壤质地和有机质观测数据, 分别来自黑河综合遥感联合试验(李新等, 2012)和黑河流域生态水文样带调查(冯起等, 2013)观测数据。该土壤和阿柔站气象资料均通过国家自然科学基金委员会“寒区旱区科学数据中心”(http://westdc.westgis.ac.cn)下载获取。
3 模拟实验与分析 3.1 大气强迫资料与模型设置本文所有模拟实验中的大气强迫资料均为阿柔冻融观测站2013年5月至2014年11月观测资料, 包括时间间隔为30 min的5 m高度处温度、相对湿度、风速、向下长短波辐射, 2 m高度处气压和28 m高度处降水。由图 1阿柔站大气强迫场日变化可看出:黑河上游地区气温, 辐射, 降水和相对湿度季节特征明显, 风速和降水季节变化则相比较小; 冬季最低日平均气温达-20 ℃, 夏季最高为17 ℃; 入射辐射和相对湿度春夏秋季显著高于冬季; 降水主要集中在春季和夏季; 日平均风速和气压分别主要位于2~3 m·s-1和720~740 hPa之间。所有模拟实验中, 获取模式模拟输出前首先对模式进行3年spin-up运行, 输出作为最终模拟实验初始场。
研究中首先利用阿柔站2013年5月至2014年11月气象场和土壤质地观测资料进行CLM4.0和DLM模式单点离线(offline)模拟实验(分别记为CLM和DLM), 评估模式在该地区模拟能力。其次, 利用观测的土壤有机质数据设计敏感性实验, 分析两种模式模拟土壤湿度对于土壤有机质含量的敏感性(记为CLM_CTL和DLM_CTL)。最终改进DLM模式土壤有机质和冻土中液态水渗透参数化方案并进行模拟实验(DLM_TEST)。实验方案设置如表 1。
CLM4.0土壤水分传输过程在保留CLM3.5中过冷水参数化方案的基础上引入新的积雪模型和雪盖比例计算方法(Niu and Yang, 2007), 对于高原地区土壤湿度模拟有所提高(陈渤黎等, 2014)。DLM中土壤水热方案与CLM4.0基本相似。研究中, 首先对两种模式阿柔站地区土壤湿度模拟性能进行评估。由于模式土壤分层方案与观测土壤层之间存在差异, 根据观测中各层土壤深度分布, 模式模拟土壤湿度与观测对比中采用表 2中近似方案。模式输出土壤液态水含量单位为kg·m-2, 而观测到的土壤液态水含量为体积百分比, 因而与观测对比前首先将模式输出结果按式(1) 转换为体积百分比。
$ {\theta _i} = {\theta _{m,{\rm{ }}i}}\frac{1}{{1000\mathit{\Delta }{z_i}}}, $ | (7) |
式中: θi模式模拟的第i层土壤液态水含量百分比, θm, i为模式输出第i层土壤液态水含量(单位: kg·m-2), Δzi为第i层土壤层厚度(单位: m)。
由图 2中模拟与观测(记为Obs)对比可看出, CLM4.0模式能够较好的反映浅层土壤(<40 cm)湿度季节变化特征, 但对于深层土壤模式无法表现土壤湿度变化特征, 因而本文中仅讨论浅层土壤湿度模拟。模式模拟的非冻结期的浅层土壤湿度存在显著低估现象, 表层土壤(<10 cm)冻结期模式模拟土壤湿度与观测相比略微偏高, 较深层(<40 cm)土壤冻结期模拟结果则存在略微低估现象。整个模拟时段中, 4月下旬至6月初土壤发生消融-冻结循环过程期间模式模拟与观测差异较为显著, 9月中旬土壤开始冻结过程中模拟结果同样显著低于观测。DLM模式模拟土壤湿度结果整体上略高于CLM4.0, 对于非冻结期土壤湿度模拟更接近观测值, 特别是对于4月下旬至6月初土壤发生消融-冻结循环过程期间的模拟得到显著改善。然而, 进一步分析可发现相比CLM4.0模式DLM模式对于非冻结期短时段内土壤湿度的动态变化模拟较差。这一结果可能源于两种模式对于蒸散发计算算法不同导致。与CLM4.0模拟深层土壤湿度结果相似, DLM模式无法表现深层土壤湿度变化特征。
表 3给出了两种模式模拟土壤湿度与观测值对比的统计误差, 包括:平均偏差(BIAS)、均方根误差(RMSE)、均方差(MSE)和相关系数(R)。由于模式不能反映深层土壤湿度动态变化, 且第6层模拟与观测土壤深度差别较大(49.29 cm与40 cm), 因而表 3中只列出了最上5层土壤模拟土壤湿度误差统计。由CLM4.0与DLM模拟土壤湿度误差统计(表 3)可以看出, 虽然CLM4.0模拟各层土壤湿度结果与观测值之间相关系数均大于0.82, 然而均方根误差较大, 平均值约大于0.1 m3·m-3, 第四层RMSE值最大达0.14 m3·m-3。平均偏差和均方差平均值也分别大于0.08 m3·m-3和0.01 m3·m-3。与CLM4.0相比, DLM模拟结果虽然有所改善, 然而仍然存在显著低估。结合图 1分析表明, 两种模式均明显低估非冻结期土壤湿度, 冻结期特别是冻融过程中土壤湿度模拟仍然存在一定的不确定性。
研究表明, 高原地区高寒条件下土壤中有机质分解缓慢, 植被根系密度大等原因导致土壤中有机质含量丰富(Chen et al, 2012)。由于土壤有机质与矿物质水热特性差异显著, 因而土壤有机质含量很大程度上影响着土壤水热过程, 土壤水热过程模拟中必须充分考虑有机质的影响(Yang et al, 2009; Saxton and Rawls, 2006; Manns et al, 2014; Gao et al, 2015)。
图 2单点模拟实验中大气驱动场与土壤质地数据均采用观测资料, 因而探讨图 2中两种模式土壤湿度低估原因应重点分析模式输入地表数据中土壤有机质含量数据对模拟结果的影响。CLM模式中土壤特性参数计算采用土壤矿物质与有机质特性参数权重之和描述。模式默认有机质数据由Zinke et al(1986)发展的全球土壤有机质数据经采样处理而来, 以土壤碳密度(单位: kg·m-3)表示(Lawrence and Slater, 2008)。为分析模式有机质数据对土壤湿度模拟影响, 研究中比较了阿柔站土壤有机质观测数据与模式默认土壤碳密度数据。观测有机质数据采用黑河流域生态水文样带调查(冯起等, 2013)阿柔站附近区域土壤特性观测数据。由于观测土壤有机质含量数据为土壤有机质质量和土壤质量比, 因而首先利用公式ρc, i=0.58fc, iCi对观测数据进行单位转换, 式中, ρc, i为第i层土壤碳密度(单位: kg·m-3), 0.58为土壤碳含量转换系数(Post et al, 1982; 金峰等, 2001), fc, i和Ci分别为第i层土壤有机质含量(单位: g·kg-1)和容重(单位: g·cm-3)。其次, 将6层(0~100 cm)土壤特性观测数据插值到模式土壤层与模式默认土壤碳密度数据进行比较。由图 3可看出由模式默认地表数据获取的阿柔站土壤碳密度显著低于观测数据, 对于表层土壤碳密度差异最大接近70 kg·m-3。
为进一步确定模式土壤湿度低估是否由土壤有机质含量数据不确定性导致, 采用观测土壤数据计算获取的土壤碳密度数据替换模式默认土壤碳密度数据进行对比模拟(分别记为CLM_CTL和DLM_CTL)实验。由于两种模式均不能反映深层土壤液态水动态变化特征, 因而只对最上六层土壤作对比分析(图 4, 5)。由CLM4.0与CLM_CTL实验模拟土壤湿度结果(图 4)看出, 与CLM模式默认地表数据获取的阿柔站有机质数据模拟结果对比, 采用观测获取的土壤有机质模拟结果无显著差异。对于冻结期的浅层土壤(<20 cm), 采用观测有机质数据模拟结果甚至略低于采用默认有机质数据模拟结果。对于较深层土壤(>30 cm), CLM_CTL非冻结期土壤湿度模拟结果略高于采用默认土壤有机质地表数据模拟结果, 且模式模拟土壤冻融过程中的时间提前现象略有改善。
由于DLM中土壤水热方案与CLM4.0基本相同, 可以推断DLM_CTL与DLM实验对比结果必然与图 4中CLM_CTL和CLM4.0对比结论一致。DLM与DLM_CTL实验土壤湿度模拟结果对比(图 5)证实了这一推断:采用观测获取的土壤有机质的DLM_CTL实验结果与采用默认有机质数据的DLM模拟实验结果无显著差异。与表 2类似, 表 3给出了CLM_CTL和DLM_CTL实验误差统计结果。对比表 2中误差统计结果发现:CLM_CTL实验除第五层土壤模拟结果较CLM实验有较大提高外(RMSE分别为0.078 m3·m-3和0.091 m3·m-3, R分别为0.872和0.824), 两个实验模拟结果精度相近; DLM_CTL与DLM实验相比, 虽然相关系数R略微增加, 然而RMSE值除第三层土壤减小外其余层均微小增大。由表 4, 图 4和图 5分析得到结论:虽然两种模式输入地表数据有机质数据差别较大, 但模拟结果整体上差别不大。说明模式土壤水方案中土壤湿度对于有机质含量不够敏感, 模式对于青藏高原高有机质含量地区的土壤水热土过程描述和参数化方案可能不够完善。因而, 为提高模式土壤湿度模拟能力应首先考虑改进土壤湿度模拟中的土壤有机质参数化方案。
不同于CLM采用Clapp-Hornberger(CH)土壤水力参数方案, 欧洲中心的中期天气预报模式(ECMWF)改进陆面模式(H-TESSEL)中采用van Genuchten(VG)方案(Van Genuchten, 1980)替换原CH方案, 土壤湿度模拟得到改善(Balsamo et al, 2009)。DLM模式土壤湿度参数化方案改进中采用VG方案中土壤有机质饱和导水率0.93×10-6 m·s-1替换DLM中土壤未分解有机物质饱和导水率。此外, 采用如下公式计算土壤饱和导水率:
$ {k_{{\rm{sat}}}}[{z_i}] = (1 - {f_{{\rm{om}}}}){k_{{\rm{sat, min}}}}[{z_i}] + {f_{{\rm{om}}}}{k_{{\rm{sat, om}}}}[{z_i}]. $ | (8) |
如图 2与图 4所示, CLM4.0对于冻土浅层土壤湿度模拟整体偏干, 这与已有研究发现一致(Lawrence et al, 2011; Lawrence et al, 2012)。Swenson et al(2012)等研究表明, 对于冻结期土壤, 可能与冻土中液态水渗透较大有关, 根据Hansson et al(2004)研究采用了一种指数形式的冰阻抗系数I替换模式中不透水率因子ffrz。CLM当前最新版本CLM4.5中同样采用了这一方案。本研究中对DLM模式作类似改进, 其中冰阻抗系数I如下计算:
$ I = {10^{ - \mathit{\Omega }{F_{{\rm{ice}}}}}}{\rm{,}} $ | (9) |
式中:Ω=6为冰阻抗因子(Subin et al, 2013), Fice为土壤孔隙中含冰量所占百分比, 计算公式如下:
$ {F_{{\rm{ice}}}} = \frac{{{\theta _{{\rm{ice}}}}}}{{{\theta _{{\rm{sat}}}}}}, $ | (10) |
式中:θice和θsat分别为土壤含冰量和饱和含水量(液态水与冰之和)。最终土壤导水率和导数形式如下计算:
$ k[{z_i}] = \left\{ \begin{array}{l} I\cdot{k_{{\rm{sat}}}}[{z_i}]{\left( {\frac{{0.{\rm{ }}5({\theta _i} + {\theta _{i + 1}})}}{{0.{\rm{ }}5({\theta _{{\rm{sat}},i}} + {\theta _{{\rm{sat}},i+ 1}} )}}} \right)^{2{B_i} + 3}},1 \le i \le {N_{{\rm{levsoi}}}} - 1\\ I\cdot{k_{{\rm{sat}}}}[{z_i}]\left( {\frac{{{\theta _i}}}{{{\theta _{{\rm{sat}},i}}}}} \right){^{2{B_i} + 3}},{\rm{ }}i = {N_{{\rm{levsoi}}}} \end{array} \right. $ | (11) |
$ \frac{{\partial k[{z_i}]}}{{\partial {\theta _{{\rm{liq}},i}}}} = \frac{{\partial k[{z_i}]}}{{\partial {\theta _{{\rm{liq}},i + 1}}}} = I\cdot(2{B_i} + 3){k_{{\rm{sat}}}}[{z_i}]\cdot{\left( {\frac{{0.{\rm{ }}5({\theta _i} + {\theta _{i + 1}})}}{{0.{\rm{ }}5({\theta _{{\rm{sat}},i}} + {\theta _{{\rm{sat}},i + 1}})}}} \right)^{2{B_i} + 2}}\left(\frac{{0.5}}{{{\theta _{{\rm{sat}},i}}}}\right), $ | (12) |
式中:Bi为CH方案中指数形式参数, 由土壤矿物质和有机质加权平均计算获得(Oleson et al, 2010)。
采用改进后的DLM模式、阿柔站气象场和土壤观测资料进行模拟实验(记为DLM_TEST)。如图 6所示, 与CLM4.0模式模拟结果相比, 改进后的DLM模式模拟土壤湿度除第五层土壤由于观测与模拟深度存在差异外, 整体上与观测值吻合较好。表 5中误差统计值与表 3中CLM4.0模拟结果相比:各层土壤湿度模拟RMSE、BIAS和MSE平均分别减小约0.03 m3·m-3, 0.06 m3·m-3和0.007 m3·m-3, 相关系数R则平均提高0.02。其中, 16.55 cm土壤均方根误差和均方差减小最为明显(约为0.04 m3·m-3和0.01 m3·m-3), 表层1.75 cm土壤平均偏差减小最明显(约为0.07 m3·m-3), 28.91 cm土壤相关系数提高最为明显(约为0.04)。考虑到模式输出土壤层深度与观测土壤深度之间的差异, 认为改进后的DLM模式能够真实反映土壤湿度的动态变化, 特别是对表层土壤湿度的模拟较CLM4.0和DLM模式显著提高。综上所述, 虽然改进后的DLM模式较CLM4.0和DLM模式土壤湿度模拟能力明显改善, 但仍存在一定的不确定性有待进一步发展。如, 对于冻结期土壤湿度的模拟仍然存在一定不确定性, 9月中旬土壤开始冻结过程中模拟结果明显偏低, 且同CLM4.0模拟结果类似, 模式不能反映深层土壤湿度动态变化特征。
利用青藏高原东北部地区阿柔观测站2013年5月至2014年11月气象场观测资料和土壤特性观测数据, 驱动CLM4.0和DLM两种模式模拟土壤湿度变化特征, 探讨了模式模拟湿度偏低的原因。在此基础之上, 改进DLM模式土壤湿度模拟参数化方案。通过对比模式模拟实验结果与观测值, 得到以下几点主要结论:
(1) CLM4.0和DLM两种模式能够较好的反映高原地区土壤湿度动态变化特征, 然而对于非冻结期土壤湿度模拟存在系统性低估, 对于冻结期和冻融过程土壤湿度模拟仍然存在较大不确定性。
(2) 模式模拟土壤湿度对于土壤有机质含量敏感性实验表明, 当前模式模拟土壤湿度对于有机质含量不敏感, 模式模拟土壤湿度偏干可能与有机质和冻土中液态水渗透方案不足有关。
(3) 采用改进后的土壤有机质和冻土液态水渗透方案, DLM模式土壤湿度模拟显著提高。
(4) 虽然新参数化方案显著提高非冻结期土壤湿度模拟, 但对于冻结土壤仍然存在较大不确定性。模式高寒、高土壤有机质地区土壤湿度模拟需进一步发展。
陆面过程模型的发展为获取大空间尺度和长时间跨度土壤湿度数据产品提供了一种较好的途径。本文研究中通过改进DLM模式土壤有机质和冻土中液态水渗透方案, 显著提高了模式青藏高原高寒地区土壤湿度模拟能力。然而, 模式对于冻结期和冻融循环过程土壤湿度模拟仍存在一定不确定性, 这既与模式参数化方案仍然存在不足有关, 也与气象和土壤等输入数据的不确定性有关。考虑到本研究只在单个站点上进行了试验研究, 新的参数化方案进一步检验和区域模拟试验是下一步研究的重点。
致谢 感谢中国科学院寒区旱区环境与工程研究所李弘毅副研研究员、马春锋博士在野外试验中给予的帮助。寒区旱区科学数据中心提供了黑河上游阿柔站气象和土壤数据下载, 在此一并致谢。Balsamo G, Beljaars A, Scipal K, et al. 2009. A revised hydrology for the ecmwf model:Verification from field site to terrestrial water storage and impact in the integrated forecast system[J]. J Hydrometeor, 10: 623–643. DOI:10.1175/2008JHM1068.1 | |
Chen B, Chen J M, Ju W. 2007a. Remote sensing-based ecosystem-atmosphere simulation scheme (eass)-model formulation and test with multiple-year data[J]. Ecological modelling, 209: 277–300. DOI:10.1016/j.ecolmodel.2007.06.032 | |
Chen B, Chen J M, Mo G, et al. 2007b. Modeling and scaling coupled energy, water, and carbon fluxes based on remote sensing:an application to canada's landmass[J]. J Hydrometeor, 8: 123–143. DOI:10.1175/JHM566.1 | |
Chen J, Chen B, Black T A, et al. 2013. Comparison of terrestrial evapotranspiration estimates using the mass transfer and penman-monteith equations in land surface models[J]. J Geophysl Res, 118: 1715–1731. | |
Chen J, Zhang H F, Liu Z R, et al. 2014. Evaluating parameter adjustment in the modis gross primary production algorithm based on eddy covariance tower measurements[J]. Remote Sens, 6(4): 3321–3348. DOI:10.3390/rs6043321 | |
Chen Y, Yang K, Tang W, Qin J, Zhao L. 2012. Parameterizing soil organic carbon's impacts on soil porosity and thermal parameters for Eastern Tibet grasslands[J]. Sci China Earth Sci, 55: 1001–1011. | |
Dickinson R E, Henderson-Sellers A, Kennedy P J, et al.1986.Biosphere-atmosphere transfer scheme (BATS) for the NCAR community climate model[R].Boulder, Colorado:National Center for Atmospheric Research. | |
Draper C S, Walker J P, Steinle P J, et al. 2009. An evaluation of AMSR-E derived soil moisture over australia[J]. Remote Sens Environ, 113: 703–710. DOI:10.1016/j.rse.2008.11.011 | |
Gao Y, Li K, Chen F, et al. 2015. Assessing and improving noah-mp land model simulations for the central tibetan plateau[J]. J Geophys Res:Atmospheres, 120: 9258–9278. DOI:10.1002/2015JD023404 | |
Hansson K, Šim nek J, Mizoguchi M, et al. 2004. Water flow and heat transport in frozen soil[J]. Vadose Zone Journal, 3: 693–704. | |
Jackson T J, Cosh M H, Bindlish R, et al. 2010. Validation of advanced microwave scanning radiometer soil moisture products[J]. IEEE Trans Geosci Remote Sens, 48: 4256–4272. DOI:10.1109/TGRS.2010.2051035 | |
Rötzer K, Montzka C, Vereecken H. 2014. Spatio-temporal variability of global soil moisture products[J]. J Hydrol, 522: 187–202. | |
Kang S, Xu Y, You Q, et al. 2010. Review of climate and cryospheric change in the Tibetan Plateau[J]. Environ Res Lett, 5: 015101. DOI:10.1088/1748-9326/5/1/015101 | |
Kerr Y H. 2006. Soil moisture from space:Where are we?[J]. Hydrogeology Journal, 15: 117–120. | |
Koster R D, Guo Z, Yang R, et al. 2009. On the nature of soil moisture in land surface models[J]. J Climate, 22: 4322–4335. DOI:10.1175/2009JCLI2832.1 | |
Koster R D, Mahanama S P, Livneh B, et al. 2010. Skill in streamflow forecasts derived from large-scale estimates of soil moisture and snow[J]. Nature Geosci, 3: 613–616. DOI:10.1038/ngeo944 | |
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(M03): M03001. DOI:10.1029/2011MS000045 | |
Lawrence D M, Slater A G, Swenson S C. 2012. Simulation of present-day and future permafrost and seasonally frozen ground conditions in CCSM4[J]. J Climate, 25(7): 2207–2225. DOI:10.1175/JCLI-D-11-00334.1 | |
Lawrence D M, Slater A G. 2008. Incorporating organic soil into a global climate model[J]. Climate Dyn, 30: 145–160. DOI:10.1007/s00382-007-0278-1 | |
Letts M G, Roulet N T, Comer N T, et al. 2000. Parametrization of peatland hydraulic properties for the canadian land surface scheme[J]. Atmos-Ocean, 38(1): 141–160. DOI:10.1080/07055900.2000.9649643 | |
Li X, Cheng G, Liu S, et al. 2013. Heihe watershed allied telemetry experimental research (hiwater):Scientific objectives and experimental design[J]. Bull Amer Meteor Soc, 94(8): 1145–1160. DOI:10.1175/BAMS-D-12-00154.1 | |
Liu J G, Xie Z H. 2013. Improving simulation of soil moisture in china using a multiple meteorological forcing ensemble approach[J]. Hydrology and Earth System Sciences, 17(9): 3355–3369. DOI:10.5194/hess-17-3355-2013 | |
Manabe S. 1969. Climate and the ocean circulation 1:Ⅰ.The atmospheric circulation and the hydrology of the earth's surface[J]. Mon Wea Rev, 97: 739–774. DOI:10.1175/1520-0493(1969)097<0739:CATOC>2.3.CO;2 | |
Manns H R, Berg A A. 2014. Importance of soil organic carbon on surface soil water content variability among agricultural fields[J]. J Hydrol, 516(Suppl)): 297–303. | |
Niu G Y, Yang Z L. 2007. An observation-based formulation of snow cover fraction and its evaluation over large north american river basins[J]. J Geophys Res:Atmospheres (1984-2012), 112(D21): D21101. DOI:10.1029/2007JD008674 | |
Niu G Y, Yang Z L. 2006. Effects of frozen soil on snowmelt runoff and soil water storage at a continental scale[J]. J Hydrometeor, 7(5): 937–952. DOI:10.1175/JHM538.1 | |
OlesonK W, Lawrence D M, Gordon B, et al.2010.Technical description of version 4.0 of the Community Land Model (CLM)[R].Boulder, Colorado:National Center for Atmospheric Research. | |
Petropoulos G P, Ireland G, Barrett B. 2015. Surface soil moisture retrievals from remote sensing:Current status, products & future trends[J]. Physics & Chemistry of the Earth Parts, 83: 36–56. | |
Post W M, Emanuel W R, Zinke P J, et al. 1982. Soil carbon pools and world life zones[J]. Nature, 298(5870): 156–159. DOI:10.1038/298156a0 | |
Rodell M, Houser P, Jambor U E A, et al. 2004. The global land data assimilation system[J]. Bull Amer Meteor Soc, 85: 381–394. DOI:10.1175/BAMS-85-3-381 | |
Saxton K E, Rawls W J. 2006. Soil water characteristic estimates by texture and organic matter for hydrologic solutions[J]. Soil Science Society of America Journal, 70(5): 1569–1578. DOI:10.2136/sssaj2005.0117 | |
Sellers P, Mintz Y, Sud Y, et al. 1986. A simple biosphere model (SIB) for use within general circulation models[J]. J Atmos Sci, 43(6): 505–531. DOI:10.1175/1520-0469(1986)043<0505:ASBMFU>2.0.CO;2 | |
Seneviratne S I, Corti T, Davin E L, et al. 2010. Investigating soil moisture-climate interactions in a changing climate:A review[J]. Earth-Sci Rev, 99(3-4): 125–161. DOI:10.1016/j.earscirev.2010.02.004 | |
Stauffer D, Aharony A. 1994. Introduction to percolation theory[M]. Florida: CRC press. | |
Subin Z M, Koven C D, Riley W J, et al. 2013. Effects of soil moisture on the responses of soil temperatures to climate change in cold regions[J]. J Climate, 26(10): 3139–3158. DOI:10.1175/JCLI-D-12-00305.1 | |
Swenson S, Lawrence D, Lee H. 2012. Improved simulation of the terrestrial hydrological cycle in permafrost regions by the community land model[J]. Journal of Advances in Modeling Earth Systems, 4(3): M08002. DOI:10.1029/2012MS000165 | |
Van Genuchten M T. 1980. A closed-form equation for predicting the hydraulic conductivity of unsaturated soils[J]. Soil Science Ssociety of America Journal, 44(5): 892–898. DOI:10.2136/sssaj1980.03615995004400050002x | |
Yan J W, Liu J Y, Chen B Z, et al. 2014. Changes in the land surface energy budget in eastern china over the past three decades:Contributions of land-cover change and climate change[J]. J Climate, 27(24): 9233–9252. DOI:10.1175/JCLI-D-13-00492.1 | |
Yang K, Chen Y Y, Qin J. 2009. Some practical notes on the land surface modeling in the Tibetan Plateau[J]. Hydrology and Earth System Sciences, 13(5): 687–701. DOI:10.5194/hess-13-687-2009 | |
Yang K, Wu H, Qin J, Lin C, Tang W, Chen Y. 2014. Recent climate changes over the Tibetan Plateau and their impacts on energy and water cycle:A review[J]. Global and Planetary Change, 112: 79–91. DOI:10.1016/j.gloplacha.2013.12.001 | |
Zinke P J, Stangenberger A, Post W, et al.1986.Worldwide organic carbon and nitrogen data[R].Tenessee:ONRL/CDIC-18, Carbon Dioxide Information Centre, Oak Ridge National Lab. | |
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. DOI:10.3878/j.issn.1006-9585.2014.13013Chen 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 and Environmental Research, 19(5): 649–658. DOI:10.3878/j.issn.1006-9585.2014.13013 | |
冯起, 苏永红, 司建华, 等. 2013. 黑河流域生态水文样带调查[J]. 地球科学进展, 28(2): 187–196. DOI:10.11867/j.issn.1001-8166.2013.02.0187Feng Qi, Su Yonghong, Si Jianhua, et al. 2013. Ecohydrological transect surveyof Heihe River basin[J]. Adv Earth Sci, 28(2): 187–196. DOI:10.11867/j.issn.1001-8166.2013.02.0187 | |
金峰, 杨浩, 蔡祖聪, 等. 2001. 土壤有机碳密度及储量的统计研究[J]. 土壤学报, 38(4): 522–528. DOI:10.11766/trxb200001280410Jin Feng, Yang Hao, Cai Zucong, et al. 2001. Calculation of density and reserve of organic carbon in soils[J]. Acta Pedologica Sinica, 38(4): 522–528. DOI:10.11766/trxb200001280410 | |
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 Sci Bull, 56(16): 1288–1300. | |
李新, 李小文, 李增元, 等. 2012. 黑河综合遥感联合试验研究进展:概述[J]. 遥感技术与应用, 27(5): 637–649. DOI:10.11873/j.issn.1004-0323.2012.5.637Li Xin, Li Xiaowen, Li Zengyuan, et al. 2012. Progresses on the Watershed Allied Telemetry Experimental Research (WATER)[J]. Remote Sensing Technolgy and Application, 27(5): 637–649. DOI:10.11873/j.issn.1004-0323.2012.5.637 | |
李震坤, 武炳义, 朱伟军, 等. 2011. CLM3.0模式中冻土过程参数化的改进及模拟试验[J]. 气候与环境研究, 16(2): 137–148. Li Zhenkun, Wu Bingyi, Zhu Weijun, et al. 2011. Improvement and validation of the frozen soil parameterization scheme used in NCAR CL M 3.0 model[J]. Climatic Environ Res, 16(2): 137–148. | |
林朝晖, 刘辉志, 谢正辉, 等. 2008. 陆面水文过程研究进展[J]. 大气科学, 32(4): 935–949. Lin Zhaohui, Liu Huizhi, Xie Zhenghui, et al. 2008. Recent progress in the land-surface and hydrological process studies[J]. Chinese J Atmos Sci, 32(4): 935–949. | |
罗斯琼, 吕世华, 张宇, 等. 2008. CoLM模式对青藏高原中部BJ站陆面过程的数值模拟[J]. 高原气象, 27(2): 259–271. Luo Siqiong, Lü Shihua, Zhang Yu, et al. 2008. Simulation analysis on land surface process of BJ site of central Tibetan Plateau usin g CoLM[J]. Plateau Meteor, 27(2): 259–271. | |
马琴, 刘新, 李伟平, 等. 2014. 青藏高原夏季土壤有机质及砾石影响水热传输特性的数值模拟[J]. 大气科学, 38(2): 337–351. DOI:10.3878/j.issn.1006-9895.2013.13119Ma Qin, Liu Xin, Li Weiping, et al. 2014. Simulation of thermal and hydraulic properties affected by organic and gravel soil over the Tibetan Plateau during summer[J]. Chinese J Atmos Sci, 38(2): 337–351. DOI:10.3878/j.issn.1006-9895.2013.13119 | |
马耀明, 胡泽勇, 田立德, 等. 2014. 青藏高原气候系统变化及其对东亚区域的影响与机制研究进展[J]. 地球科学进展, 29(2): 207–215. DOI:10.11867/j.issn.1001-8166.2014.02-0207Ma Yaoming, Hu Zeyong, Tian Lide, et al. 2014. Study progresses of the Tibet Plateau climate system change and mechanism of its impact on East Asia[J]. Adv Earth Sci, 29(2): 207–215. DOI:10.11867/j.issn.1001-8166.2014.02-0207 | |
施建成, 杜阳, 杜今阳, 等. 2012. 微波遥感地表参数反演进展[J]. 2012.中国科学:地球科学, 55(6): 1052–1078. Shi Jiancheng, Du Yang, Du Jinyang, et al. 2012. Progresses on microwave remotesensing of land surface parameters[J]. Science China Earth Sciences, 55(6): 1052–1078. | |
夏坤, 罗勇, 李伟平. 2011. 青藏高原东北部土壤冻融过程的数值模拟[J]. 科学通报, 56(22): 1828–1838. Xia K, Luo Y, Li W P. 2011. Simulation offreezing and melting of soil on the northeast Tibetan Plateau[J]. Chinese Sci Bull, 56(22): 1828–1838. | |
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, 33(2): 323–336. DOI:10.7522/j.issn.1000-0534.2014.00012Xiong Jiansheng, Zhang Yu, Wang Shaoying, et al. 2014. Influenceof soil moisture transmission scheme improvement in CLM4.0 on Simulation of land surface processin Qinghai-Xizang Plateau[J]. Plateau Meteor, 33(2): 323–336. DOI:10.7522/j.issn.1000-0534.2014.00012 | |
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 Part Ⅱ:Soil moisture[J]. Sci Meteor Sinica, 31(1): 1–10. |
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. Heihe Remote Sensing Experimental Research Station, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China;
4. Meteorological Information Center of Beijing, Beijing Meteorological Bureau, Beijing 100089, China