2018, Vol. 37
发生在陆地表面与大气之间水分、热量和动量交换的过程, 称之为陆面过程(张佳华等, 2000); 而土壤湿度是陆面过程中一个重要的物理量, 是验证陆面过程模拟中水文过程是否准确的重要指标(Henderson et al, 1993; 刘川等, 2015), 一直受到研究者的广泛关注。土壤湿度能够通过影响地表蒸发(马柱国等, 2001), 进而对陆地降水产生影响(Hohenegger et al, 2009); 并且土壤湿度具有周尺度甚至月尺度的记忆能力, 可以直接影响短期气候变化和中尺度天气过程(Wu et al, 2004); 同时土壤湿度可以影响农作物生长状况, 是农业气象干旱监测的重要指标(孙小龙等, 2015)。
尽管土壤湿度在气候研究与干旱研究中非常重要, 但土壤湿度观测资料在时间和空间上都很有限, 因此模式输出的土壤湿度数据往往在研究工作中作为观测资料的替代(左志燕等, 2008), 用于陆-气相互作用等研究; 其中再分析土壤湿度资料因为具有全球覆盖、时间序列长和时空连续等优点, 成为最广泛使用的替代数据之一。
20世纪90年代, 美国国家环境预报中心NCEP(National Centers for Environmental Prediction)和国家大气研究中心NCAR(National Center for Atmospheric Research)率先开展了再分析资料的研究工作, 并制作了全球第一套再分析数据集NCEP R-1(赵天保等, 2009; 孙玉婷等, 2013)。目前美国、欧盟和日本先后组织完成了第三代全球大气再分析数据集的研制工作, 其中包括欧洲中尺度天气预报中心ECMWF(European Centre for Medium-Range Weather Forecasts)研制的ERA-Interim再分析数据集, 美国国家环境预报中心研制的CFSR(Climate Forecast System Reanalysis)再分析数据集, 日本气象厅JMA(Japan Meteorological Agency)研制的JRA-55再分析数据集等(李瑞青等, 2012; 秦艳慧等, 2015; 除多等, 2016)。中国的大气再分析数据集研制工作开始于2014年, 国家气象信息中心牵头开展了相关的研发工作, 预计将于2020年完成中国第一代大气再分析数据集的制作。
由于各套再分析资料使用了不同的模式和同化方法, 因此在质量上存在一定的差异, 特别是各套再分析土壤湿度资料的质量存在不一致性。Lu et al(2005)对NCEP R-1和NCEP R-2两套再分析土壤湿度资料在全球的精度进行了评估, 结果表明:两套再分析土壤湿度资料的空间分布相似, 但是NCEP R-2再分析土壤湿度资料在年际变化等方面要优于NCEP R-1。Li et al (2009)运用19年的中国区域土壤湿度观测资料对ERA-40、NCEP R-1、和NCEP R-2再分析土壤湿度资料进行了评估, 认为在三套再分析资料中, NCEP R-2资料与站点观测资料相关系数较高; 在去除季节循环的影响后, ERA-40资料也能够与观测资料保持较高的相关性, 且ERA-40资料与站点观测资料之间的偏差较小。张文君等(2008)利用中国区域的土壤湿度观测资料对两套再分析资料(ERA-40、NCEP)、GSWP2及CLM中的土壤湿度要素进行了分析和比较, 认为ERA-40再分析土壤湿度资料的年际变化与观测的相关性最好, 而CLM、NCEP两套资料能够较好地再现土壤湿度的年际变化。崔文瑞等(2009)利用黑河流域少量站点的降水和土壤湿度资料对ERA-40和NCEP R-1在黑河流域的精度进行了评估, 结果表明:两套再分析资料均可以表现出黑河流域土壤“南湿北干”的特点。
中国的土壤湿度历史观测资料主要来源于中国气象局设立的农业气象观测站, 而历史的土壤湿度观测资料主要以纸质形式保存, 并没有得到有效利用; 国家气象信息中心于2014年开展了土壤湿度历史观测资料的数字化与质量控制工作, 并研制了“中国农业气象土壤水分数据集(1981-2010年)(V1.0)”, 这为评估再分析土壤湿度资料提供了更新的、更可靠的观测资料, 因此基于该数据集, 开展再分析土壤湿度资料在中国区域的适用性评估工作具有一定的研究意义和价值。
使用“中国农业气象土壤水分数据集(1981-2010年)(V1.0)”中150个农业气象观测站的土壤湿度观测资料, 对2001-2010年CFSR、ERA-Interim、NCEP R-1以及NCEP R-2四套再分析土壤湿度资料在中国区域的精度进行比较与评估, 以期为再分析土壤湿度资料在气候研究和干旱研究中的应用提供有益的参考。
2 资料与方法 2.1 观测资料我国目前的农业气象观测站网是在1981年正式投入业务运行的, 迄今已有三十余年的观测资料积累。由于大部分原始观测资料保存在纸质载体的观测簿和报表上, 因此农业气象观测资料一直没有得到有效的应用, 而这些记录在纸质载体上的资料对于农牧业生产和气候变化研究都是不可多得的宝贵资源。为了充分利用这些资料, 国家气象信息中心对中国气象局气象档案馆存档的“土壤水分观测记录年报表(农气表-2)”进行了数字化, 在此基础上建立数据集“中国农业气象土壤水分数据集(1981-2010年)(V1.0)”。国家气象信息中心资料服务室对整个数据集进行了格式检查、界限值检查、垂直一致性检查等多项质量控制, 并对未通过检查的数据利用人工核查方法进行了确认和修正。
文中使用的观测资料是该数据集中完整性较好的150个农业气象站点2001-2010年的土壤重量含水量和容重观测资料。原始观测资料中的土壤重量含水量是通过烘干称重法测量的, 观测分为10层, 深度分别为0~10, 10~20, 20~30, 30~40, 40~50, 50~60, 60~70, 70~80, 80~90和90~100 cm, 可以通过公式(1)将土壤重量含水量转换为体积含水量:
| $ {\theta _v} = {\theta _m}\rho \;\;\;\;, $ | (1) |
式中: θv是土壤体积含水量; θm是土壤的重量含水量; ρ为土壤容重。
为了减少验证时站点尺度匹配比较所带来的不确定性, 参照前人的研究(马柱国等, 2005; 朱晨等, 2013; Liu et al, 2013; Jia et al, 2015), 并结合农业气象观测站点的分布, 将中国分为5个研究区(图 1), 其中Ⅰ区为东北地区、Ⅱ区为华北地区、Ⅲ区为江淮地区、Ⅳ区为西北东部地区、Ⅴ区为西南地区。
|
图 1 中国区域农业气象观测站点分布及研究区划分 Figure 1 Spatial distribution of agricultural meteorological observation stations and five research regions in China |
使用的再分析资料包括: CFSR再分析资料、ERA-Interim再分析资料、NCEP R-1再分析资料以及NCEP R-2再分析资料。
CFSR再分析资料是美国国家环境预报中心制作的第三代再分析资料, 也是首次采用全球高分辨率大气-海洋-陆面-海冰耦合系统制作的再分析资料(Saha et al, 2010; Hodges et al, 2011)。CFSR再分析资料的时间范围是1979-2010年, 采用的模式谱分辨率是T382L64, 水平分辨率约为38 km; 陆面部分使用Noah模式进行模拟, 垂直分为4层, 深度分别是0~10, 10~40, 40~100和100~200 cm。
ERA-Interim再分析资料是欧洲中尺度天气预报中心制作的第三代全球大气再分析资料, 时间覆盖范围是1979年至今, 并且能够近实时更新(Dee et al, 2011; 林厚博等, 2016); 陆面部分采用TESSEL(Tiled ECMWF Scheme for Surface Exchange over Land)模式, 垂直分为4层, 分别是0~7, 7~28, 28~100和100~289 cm。
NCEP R-1再分析资料是由美国国家环境预报中心和美国国家大气研究中心共同制作的第一代大气再分析资料(Kalnay et al, 1996; Kistler et al, 2001; 陈金明等, 2016), 时间范围是1948年至今, 时间分辨率为6 h, 空间分辨率为2.5°×2.5°; NCEP R-2再分析资料是美国国家环境预报中心和美国能源部(Department of Energy, DOE)共同制作的第二代大气再分析资料(Kanamitsu et al, 2002), 时间范围是1979年至今, 时间分辨率为6 h, 空间分辨率为1.875°×1.875°, NCEP R-1与R-2再分析资料使用了相同的陆面模型即OSU LSM (the Oregon State University Land Surface Model), 陆面部分都分为2层, 即0~10 cm和10~200 cm, 目前两套再分析资料仍然处于实时更新的状态。
为了方便与观测资料进行比较, 将四套再分析土壤湿度资料均线性插值到表层(0~10 cm)以及深层(0~100 cm); 同时为了研究再分析土壤湿度资料与观测资料的具体差异, 采用双线性插值法将再分析土壤湿度资料插值到观测站点, 再与相应时间的观测资料进行匹配, 以便进行分析; 当将再分析资料与观测资料进行比较时, 如果观测资料为缺测, 则将对应的再分析资料也视为缺测, 不进行比较与评估。
3 结果与分析 3.1 土壤湿度的空间分布图 2给出了四套再分析0~10 cm土壤湿度资料在中国区域的空间分布, 四套资料均表现出以西北地区为干中心、东南地区为湿中心、土壤湿度由西北向东南和东北地区递增的特征, 这样的空间分布特征与孙丞虎等(2005)和张晓影(2009)的研究结果较为一致。但是对于青藏高原地区的表层土壤湿度特征, 四套资料有不同的描述, CFSR、ERA-Interim和NCEP R-2的0~10 cm土壤湿度的空间分布基本相似, 而NCEP R-1在青藏高原西部地区出现了明显不同于其他三套资料的高估。刘强等(2013)基于双通道土壤水分反演算法和AMSR-E卫星数据反演青藏高原地区2003-2010年表层土壤水分, 认为青藏高原地区土壤水分自东南向西北逐渐降低, 而NCEP R-1再分析土壤湿度资料在青藏高原的空间分布不符合以上结论, 还需要进一步改进。0~100 cm土壤湿度的空间分布与0~10 cm相似(图略)。
|
图 2 四套再分析0~10 cm土壤湿度数据(a~d)的空间分布(单位: m3·m-3) Figure 2 Spatial distributions of four 0~10 cm soil moisture reanalysis datasets (a~d) in China. Unit: m3·m-3 |
图 3给出了四套再分析0~10 cm土壤湿度数据与观测资料在5个区域的时间序列。总的来说, 四套再分析土壤湿度资料在东部表现得比西部好, 在东北、华北和江淮区域表现得比西北东部和西南两个区域要好(表 1)。在西北东部和西南区域, 尽管四套再分析资料均出现了高估的现象, 但是再分析土壤湿度资料和观测资料的相关系数均通过了0.05的显著性检验。
|
图 3 2001-2010年5个研究区(a~e) 0~10 cm土壤湿度时间序列 Figure 3 0~10 cm soil moisture time series in five research regions (a~e) from 2001 to 2010 |
|
表 1 2001-2010年5个研究区的0~10 cm土壤湿度再分析资料与实测数据的相关系数、偏差和均方根误差 Table 1 Correlation coefficient, bias and RMSE between 0~10 cm soil moisture reanalysis data and observations from 2001 to 2010 |
NCEP R-1再分析土壤湿度资料在所有区域均出现了高估现象, 尤其是在东北和江淮区域, 当其他再分析土壤湿度资料能够比较好地与实测数据匹配时, 仍然出现了虚假的高估; NCEP R-2再分析土壤湿度资料表现得略好于NCEP R-1, 尽管NCEP R-2也高估了土壤湿度, 但是高估范围要小于NCEP R-1。在四套再分析资料中, CFSR再分析土壤湿度资料表现得最好, 能够较好地模拟出土壤湿度的变化, 可以模拟出土壤湿度的高值和低值, 尤其对于2009年东北区域土壤湿度的高值, 只有CF-SR模拟得较好; 除西北东部区域外, CFSR与实测资料的相关系数最高, 偏差最小。ERA-Interim再分析土壤湿度资料可以抓住土壤湿度的变化趋势, 但是在土壤低值区的模拟有所欠缺; ERA-Interim的表现仅次于CFSR, 优于NCEP R-1和NCEP R-2。
由四套再分析0~100 cm土壤湿度数据与观测资料在5个区域的时间序列(图 4)可以看出, 除CFSR再分析土壤湿度资料外, 其他三套再分析资料对于0~100 cm处土壤湿度的模拟均好于0~10 cm处。CFSR再分析资料在西南地区表现得最好, 不仅与实测资料相关性较强(相关系数为0.835), 而且偏差较小(-0.016 m3·m-3), 但是在东北地区出现了虚假的高估, 在西北东部地区出现了虚假的低估。ERA-Interim再分析土壤湿度资料尽管在西南地区和西北东部出了高估现象, 但是较好地模拟出了西南地区和西北东部0~100 cm处土壤湿度的变化。NCEP R-1再分析土壤湿度资料在0~100 cm处的表现好于0~10 cm处, 但是在东北和江淮区域, 高估现象比较严重(偏差分别为0.02 m3·m-3和0.019 m3·m-3); 而在西南和江淮区域出现了低估现象, 尤其是在东北区域, 与实测资料出现了明显的负相关现象(相关系数为-0.483); NCEP R-2再分析土壤湿度资料比NCEP R-1有所改善, 尤其是在西南区域的模拟效果好于其他三套再分析资料。
|
图 4 2001-2010年5个研究区(a~e) 0~100 cm土壤湿度时间序列 Figure 4 0~100 cm soil moisture time series in five research regions (a~e) from 2001 to 2010 |
图 5给出了各研究区实测、CFSR、ERA-Interim、NCEP R-1和NCEP R-2再分析0~10 cm土壤湿度数据的月际变化, 由于东北地区和西北东部地区的冬季不进行土壤湿度的观测, 所以图中缺少了这两个区域冬季的土壤湿度。由图 5可以看出各研究区0~10 cm土壤湿度均具有明显的季节循环, 除东北地区外的四个地区0~10 cm土壤湿度在春季都出现了下降, 这是因为春季气温升高, 蒸发量增加, 但是降水并没有明显增加, 造成表层土壤湿度出现了下降现象, 这一现象在华北地区表现得比较明显; 而在春季, 东北地区冬季的降雪融化产生了冰雪融水, 造成了表层土壤湿度在春季出现了上升的现象; 在夏季, 各研究区的0~10 cm土壤湿度由于降水的增加而出现增长, 尤其是在江淮区域, 表层土壤湿度出现了幅度较大的增长; 在9月份以后, 各区域表层土壤湿度的变化趋势不再一致, 西北地区和西南地区的表层土壤湿度进一步增加, 分别在9月和10月达到峰值, 这是由于气温降低导致蒸发量降低造成的, 其他三个区域的表层土壤湿度变化较为平稳, 没有出现明显的增加和减少; 在冬季, 东北(11月)、华北和江淮地区, 气温降低、蒸发量降低, 土壤湿度出现了增加的现象, 而在西南地区, 尽管气温降低, 但是表层土壤湿度还是由于降水量的减少出现了下降的现象, 这与王硕甫(2012)对于西南地区土壤湿度与降水呈正相关, 而与气温呈一定负相关的结论是一致的。
|
图 5 5个研究区(a~e)观测值、CFSR、ERA-Interim、NCEP R-1和NCEP R-2的0~10 cm土壤湿度的月际变化 Figure 5 Monthly variations of observation, CFSR, ERA-Interim, NCEP R-1 and NCEP R-2 0~10 cm soil moisture in five research regions (a~e) |
从四套再分析0~10 cm土壤湿度资料和实测数据的比较来看, CFSR和ERA-Interim基本抓住了各研究区表层土壤湿度的月际变化, 能够模拟出土壤湿度谷值和峰值出现的大致月份; 除华北地区外, NCEP R-1再分析土壤湿度资料能够模拟出表层土壤湿度的变化, 但会出现高估现象, 并且变化幅度大于实测资料; 在华北地区的春季和冬季, NCEP R-1表层土壤湿度的变化出现了与实测资料相反的变化趋势, 这也是在表 2中, 华北地区NCEP R-1和实测资料出现负相关的主要原因。NCEP R-2再分析土壤湿度资料部分修复了NCEP R-1的虚假高估现象, 尤其是在东北和江淮区域表现得极为明显; 由于NCEP R-1和NCEP R-2使用同一个陆面模式进行模拟, 两者在华北地区出现了同样的问题, 这也导致了两者与实测资料间都出现了负相关, 这也表明NCEP R-1与NCEP R-2再分析资料使用的陆面模式(OSU LSM)还需要进一步改进。
|
|
表 2 2001-2010年5个研究区0~100 cm土壤湿度再分析资料与实测资料的相关系数、偏差和均方根误差 Table 2 Correlation coefficient, bias and RMSE between 0~100 cm soil moisture reanalysis data and observations from 2001 to 2010 |
图 6给出了各研究区观测值、CFSR、ERA-Interim、NCEP R-1和NCEP R-2再分析0~100 cm土壤湿度数据的月际变化; 将图 5和图 6对比可以看出, 0~100 cm处的土壤湿度月际变化幅度明显小于0~10 cm处, 这表明表层土壤更容易受到外界因素影响。东北地区的深层土壤湿度出现了先增加, 然后保持平稳, 之后在秋季出现下降的现象; 而除了东北地区外, 其他所有地区的深层土壤湿度都是先减少, 后增加, 谷值出现在夏季, 而峰值出现在秋季, 与表层土壤湿度的谷值和峰值相比, 出现了延迟2~3个月的现象, 这主要是由于土壤层深度不同造成的。
|
图 6 5个研究区(a~e)观测值、CFSR、ERA-Interim、NCEP R-1和NCEP R-2的0~100 cm土壤湿度的月际变化 Figure 6 Monthly variations of observation, CFSR, ERA-Interim, NCEP R-1 and NCEP R-2 0~100 cm soil moisture in five research regions (a~e) |
在0~100 cm处, NCEP R-1再分析土壤湿度资料仍然表现得较差, 在东北和江淮地区出现了虚假的高值, 而在西南地区出现了虚假的低值, 这可能是由于模式中某些物理过程出现了错误, 从而导致了虚假值的出现; NCEP R-2再分析土壤湿度资料仅次于NCEP R-1, 在东北地区和江淮地区并没有出现虚假的高值, 并且在华北地区的变化趋势也比NCEP R-1更为平滑; CFSR再分析土壤湿度资料在江淮和西南地区模拟地比较准确, 但是在东北地区出现明显的低估, 而在西北地区出现了明显的高估; ERA-Interim再分析土壤湿度资料表现得最好, 但是在西北东部地区和西南地区略微高估了土壤湿度。总的来说, 除NCEP R-1之外, 其他三套再分析资料都可以模拟出深层土壤湿度的季节循环。
3.4 土壤湿度的年际变化在冬季, 由于土壤冻结, 北方地区的土壤湿度存在严重缺测, 所以文中只讨论了华北、江淮和西南地区0~10 cm土壤湿度的年际变化, 以及江淮和西南地区的0~100 cm土壤湿度的年际变化。
由2001-2010年华北、江淮和西南地区的四套再分析0~10 cm土壤湿度资料与观测资料的年际变化距平(图 7)可见, 0~10 cm土壤湿度年际变化明显, 2001年和2002年三个研究区的表层土壤湿度均低于平均值, 而在2003年出现明显增长, 其后除西南地区外, 其他两个地区的表层土壤湿度变化较为平稳; 而西南地区的表层土壤湿度在2003年出现增长之后, 在2004年和2005年都偏低, 其后出现了两年的增长, 而在2008-2010年保持稳定。
|
图 7 3个研究区(a~c)观测值、ERA-Interim、NCEP R-1和NCEP R-2的0~10 cm土壤湿度距平的年际变化 Figure 7 Inter-annual variations of observation, ERA-Interim, NCEP R-1 and NCEP R-2 0~10 cm soil moisture anomalies in three research regions (a~c) |
在四套再分析0~10 cm土壤湿度资料中, ERA-Interim的年际变化幅度较小, 而CFSR、NCEP R-1和NCEP R-2的年际变化较为明显。当某一年的年平均0~10 cm土壤湿度较前一年降低(或升高时), ERA-Interim、CFSR、NCEP R-1和NCEP R-2的0~10 cm土壤湿度表现出与观测资料基本一致的变化特征。ERA-Interim在江淮地区有3年, 在西南地区有1年, NCEP R-1在西南地区有1年, 与实测资料变化趋势不同。从变化幅度来看, ERA-Interim的年际变化幅度明显小于实测, NCEP R-1和NCEP R-2的年际变化幅度略小于实测, 而CFSR在华北和江淮地区的年际变化幅度大于实测。此外, NCEP R-1没有捕捉到华北地区和西南地区2002年表层土壤湿度的突然降低, 而CFSR在2003年土壤湿度出现增加趋势时, 变化幅度大于实测。
通过计算年平均再分析0~10 cm土壤湿度数据和观测资料的相关系数, 得出CFSR再分析土壤湿度资料在华北、江淮和西南地区与实测资料的相关系数分别为0.923、0.706和0.902, 均能够通过95%的显著性检验, 而ERA-Interim再分析土壤湿度资料仅在华北地区能够通过95%的显著性检验, 在江淮和西南地区的相关系数仅为0.34和0.197。而NCEP R-1和NCEP R-2在华北和西南地区能够通过95%的显著性检验, 而在江淮地区只能够通过90%的显著性检验。
图 8给出了2001-2010年江淮和西南地区的观测和四套再分析0~100 cm土壤湿度资料的年际变化距平。将图 7与图 8进行比较可知, 0~100 cm土壤湿度的年际变化趋势与0~10 cm处基本一致, 但是变化幅度大于0~10 cm处。
|
图 8 两个研究区(a, b)观测、ERA-Interim、NCEP R-1和NCEP R-2的0~100 cm土壤湿度距平的年际变化 Figure 8 Inter-annual variations of observation, ERA-Interim, NCEP R-1 and NCEP R-2 0~100 cm soil moisture anomalies in two research regions (a, b) |
在0~100 cm处, 尽管ERA-Interim再分析土壤资料在西南和江淮两个研究区与观测资料的相关系数都是四套再分析资料中最高的, 但是其变化幅度小于观测资料, 并不能反映土壤湿度的真实变化。NCEP R-1再分析土壤资料的变化幅度与观测资料较为接近, 但是与观测资料的相关性不强(在西南地区的相关系数为0.543, 而在江淮地区的相关系数为0.352); NCEP R-2再分析土壤资料与NCEP R-1类似; 而CFSR再分析土壤资料在江淮和西南两个研究区与观测资料的相关系数都能够通过90%的显著性检验, 但是在江淮地区变化幅度大于观测资料, 并且没有模拟出2003-2004年深层土壤湿度的下降变化。
4 结论与讨论基于国家气象信息中心提供的2001-2010年的土壤湿度观测资料, 分析了四套再分析土壤湿度资料(CFSR、ERA-Interim、NCEP R-1和NCEP R-2)在中国区域的空间分布、时间序列、季节循环和年际变化, 检验了四套再分析土壤湿度资料在中国区域的精度与可靠性。结论如下:
(1) 从空间分布看, 四套再分析土壤湿度资料都能够表现中国区域土壤湿度的空间分布, 即土壤湿度从西北向东北和东南梯度增加; 但是在高原地区, NCEP R-1表层土壤湿度资料并不能很好地描述真实情况。
(2) 就时间序列来看, 四套再分析土壤湿度资料对于深层土壤湿度的模拟比表层土壤湿度的模拟效果较好, 在东部(东北、华北和江淮区域)的模拟比西部(西北东部和西南区域)的模拟效果好, 这是由于再分析模式在中国东部地区能够同化更多的观测资料, 造成其在东部地区的精度优于西部地区。四套再分析资料在西北东部和西南地区均出现了高估现象; 四套资料中, CFSR表现得最好, 其次是ERA-Interim和NCEP R-2, 而NCEP R-1表现得较差。
(3) 从季节循环看, 实测资料中五个区域的表层土壤湿度均是春夏交接时比较干燥, 而在夏季由于降水而出现增长, 秋冬季处于较为湿润的状态; 深层土壤湿度的变化幅度小于表层, 而且峰值和谷值均比表层迟2~3个月。相比较而言, 在表层, CFSR和ERA-Interim再分析土壤湿度资料能够抓住土壤湿度的变化趋势, 而NCEP R-1和NCEP R-2再分析土壤湿度资料并不能很好地模拟出土壤湿度的变化趋势, 并且存在相似的问题; 在深层, 除NCEP R-1之外, 其他三套资料均可以模拟出深层土壤湿度的季节循环。
(4) 从年际变化看, 华北、江淮和西南地区2001年和2002年的表层土壤湿度处于低值, 而在2003年出现明显增长, 其后华北和江淮地区的表层土壤湿度保持稳定, 而西南地区的表层土壤湿度在2004年和2005年又出现下滑, 其后出现连续两年的增长, 而在2008-2010年保持稳定。深层土壤湿度的年际变化与表层基本一致, 但是变化幅度大于表层。四套再分析土壤湿度资料中, ERA-Interim的年际变化幅度较小, 不能很好地描述表层土壤湿度的年际变化, 而其他三套资料均可以基本抓住表层土壤湿度的变化特征; 但是四套再分析土壤湿度资料均不能很好地描述深层土壤湿度的年际变化。
本文评估的四套再分析土壤湿度数据均存在一定的问题, 这可能是由于再分析降水数据和地表辐射数据存在着虚假的长期变化趋势(刘建国, 2013), 造成土壤湿度的模拟存在不确定性。因此在新一代再分析数据集的制作中, 如何更为准确地模拟降水和辐射要素, 进而改进土壤湿度等陆面变量的模拟, 是值得研究的问题。
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.v137.656 |
|
Henderson-Sellers A, Yang Z L, Dickinson R E. 1993. The project for intercomparison of land-surface parameterization schemes[J]. Bull Amer Meteor Soc, 74(7): 1335–1349.
DOI:10.1175/1520-0477(1993)074<1335:TPFIOL>2.0.CO;2 |
|
Hodges K I, Lee R W, Bengtsson L. 2011. A comparison of extratropical cyclones in recent reanalyses ERA-Interim, NASA MERRA, NCEP CFSR, and JRA-25[J]. J Climate, 24(18): 4888–4906.
DOI:10.1175/2011JCLI4097.1 |
|
Hohenegger C, Brockhaus P, Bretherton C S, et al. 2009. The soil moisture-precipitation feedback in simulations with explicit and parameterized convection[J]. J Climate, 22(22): 5003–5020.
|
|
Jia B, Liu J, Xie Z. 2015. Evaluation of a multi-satellite soil moisture product and the Community Land Model 4.5 simulation in China[J]. Hydrology & Earth System Sciences Discussions, 12(5): 5151–5186.
|
|
Kanamitsu M, Ebisuzaki W, Woollen J, et al. 2002. NCEP-DOE AMIP-Ⅱ Reanalysis (R-2)[J]. Bull Amer Meteor Soc, 83(11): 1631–1643.
DOI:10.1175/BAMS-83-11-1631 |
|
Kalnay E, Kanamitsu M, Kistler R, et al. 1996. The NCEP/NCAR 40-year reanalysis project[J]. Bull Amer Meteor Soc, 77(3): 437–472.
DOI:10.1175/1520-0477(1996)077<0437:TNYRP>2.0.CO;2 |
|
Kistler R, Collins W, Saha S, et al. 2001. The NCEP/NCAR 50-year reanalysis:Monthly means CD-ROM and documentation[J]. Bull Amer Meteor Soc, 82(2): 247–268.
DOI:10.1175/1520-0477(2001)082<0247:TNNYRM>2.3.CO;2 |
|
Li H, Robock A, Liu S, et al. 2009. Evaluation of reanalysis soil moisture simulations using updated Chinese soil moisture observations[J]. J Hydrometeor, 6(2): 180–193.
|
|
Liu J G, Xie Z H. 2013. Improving simulation of soil moisture in China using a multiple meteorological forcing ensemble approach[J]. Hydrology & Earth System Sciences, 17(3): 3467–3500.
|
|
Lu C H, Kanamitsu M, Roads J O, et al. 2005. Evaluation of soil moisture in the NCEP-NCAR and NCEP-DOE global reanalyses[J]. J Hydrometeor, 6(4): 391–408.
DOI:10.1175/JHM427.1 |
|
Saha S, Moorthi S, Pan H L, et al. 2010. The NCEP climate forecast system reanalysis[J]. Bull Amer Meteor Soc, 91(8): 1015–1057.
DOI:10.1175/2010BAMS3001.1 |
|
Wu W, Dickinson R E. 2004. Time scales of layered soil moisture memory in the context of land atmosphere interaction[J]. J Climate, 17(14): 2752–2764.
DOI:10.1175/1520-0442(2004)017<2752:TSOLSM>2.0.CO;2 |
|
陈金明, 陆桂华, 吴志勇, 等. 2016. 1960-2009年中国夏季极端降水事件与气温的变化及其环流特征[J]. 高原气象, 35(3): 675–684.
Chen J M, Lu G H, Wu Z Y, et al. 2016. Change properties of summer extreme precipitation events and temperature and associated large-scale circulation in China during 1960-2009[J]. Plateau Meteor, 35(3): 675–684.
DOI:10.7522/j.issn.1000-0534.2015.00072 |
|
除多, 杨勇, 罗布坚参, 等. 2016. MERRA再分析地面气温产品在青藏高原的适用性分析[J]. 高原气象, 35(2): 337–350.
Chu D, Yang Y, Luobu J C, et al. 2016. Applicability analysis of MERRA surface air temperature over the Qinghai-Xizang Plateau[J]. Plateau Meteor, 35(2): 337–350.
DOI:10.7522/j.issn.1000-0534.2015.00018 |
|
崔文瑞, 高艳红, 彭雯. 2009. 两套土壤湿度再分析资料在黑河流域的对比分析[J]. 高原气象, 28(6): 1274–1281.
Cui W R, Gao Y H, Peng W. 2009. A comparative analysis of two soil moisture datasets in HeiHe River basin[J]. Plateau Meteor, 28(6): 1274–1281.
|
|
李瑞青, 吕世华, 韩博, 等. 2012. 青藏高原东部三种再分析资料与地面气温观测资料的对比分析[J]. 高原气象, 31(6): 1488–1502.
Li R Q, Lü S H, Han B, et al. 2012. Preliminary comparison and analyses of air temperature at 2 m height between three reanalysis datasets and observation in the east of Qinghai-Xiang Plateau[J]. Plateau Meteor, 31(6): 1488–1502.
|
|
林厚博, 游庆龙, 焦洋, 等. 2016. 青藏高原及附近水汽输送对其夏季降水影响的分析[J]. 高原气象, 35(2): 309–317.
Lin H B, You Q L, Jiao Y, et al. 2016. Water vapor transportation and its influences on precipitation in summer over Qinghai-Xizang Plateau and its surroundings[J]. Plateau Meteor, 35(2): 309–317.
DOI:10.7522/j.issn.1000-0534.2014.00146 |
|
刘建国, 2013. 陆面水文过程集合模拟及其不确定性研究[D]. 北京: 中国科学院大学.
Liu J G, 2013. Ensemble simulation for land surface hydrologic process and its uncertainty[D]. Beijing: University of Chinese Academy of Sciences.
http://d.wanfangdata.com.cn/Thesis/Y2286243 |
|
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 Z G, Fu C B, Xie L, et al. 2001. Some problems in the study on the relationship between soil moisture and climate change[J]. Adv Earth Sci, 16(4): 563–566.
|
|
马柱国, 黄刚, 甘文强, 等. 2005. 近代中国北方干湿变化趋势的多时段特征[J]. 大气科学, 29(5): 671–681.
Ma Z G, Huang G, Gan W Q, et al. 2005. Multi-scale temporal characteristics of the dryness/wetness over Northern China during the last century[J]. Chinese J Atmos Sci, 29(5): 671–681.
|
|
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 Q, Du J Y, Shi J C, 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, 43(10): 1677–1690.
|
|
王硕甫, 2012. 西南地区土壤湿度特征[C]//中国气象学会年会.
Wang S P, 2012. Characteristics of soil moisture in Southwest China[C]//Annual meeting of Chinese Meteorological Society.
http://cpfd.cnki.com.cn/Article/CPFDTOTAL-ZGQX201209004044.htm |
|
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 C, Yu Y, Xie J, et al. 2015. Applicability of soil temperature and moisture in several datasets over Qinghai-Xizang Plateau[J]. Plateau Meteor, 34(3): 653–665.
DOI:10.7522/j.issn.1000-0534.2015.00034 |
|
秦艳慧, 吴通华, 李韧, 等. 2015. ERA-Interim地表温度资料在青藏高原多年冻土区的适用性[J]. 高原气象, 34(3): 666–675.
Qin Y H, Wu T H, Li R, et al. 2015. Application of ERA product of land surface temperature in permafrost regions of Qinghai-Xizang Plateau[J]. Plateau Meteor, 34(3): 666–675.
DOI:10.7522/j.issn.1000-0534.2014.00151 |
|
孙丞虎, 李维京, 张祖强, 等. 2005. 淮河流域土壤湿度异常的时空分布特征及其与气候异常关系的初步研究[J]. 应用气象学报, 16(2): 129–138.
Sun C H, Li W J, Zhang Z Q, et al. 2005. Distribution and variation features of soil humidity anomaly in Huaihe River basin and its relation with climatic anoaly[J]. J Appl Meter Sci, 16(2): 129–138.
DOI:10.11898/1001-7313.20050217 |
|
孙小龙, 宋海清, 李平, 等. 2015. 基于CLDAS资料的内蒙古干旱监测分析[J]. 气象, 41(10): 1245–1252.
Sun X L, Song H Q, Li P, et al. 2015. Anlysis of drought monitoring in Inner Mongolia based on CLDAS Data[J]. Meteor Mon, 41(10): 1245–1252.
DOI:10.7519/j.issn.1000-0526.2015.10.007 |
|
孙玉婷, 高庆九, 闵锦忠. 2013. 再分析温度资料与西藏地区冬、夏季观测气温的比较[J]. 高原气象, 32(4): 909–920.
Sun Y T, Gao Q J, Min J Z. 2013. Comparison of reanalysis data and observation about summer/winter surface air temperature in Tibet[J]. Plateau Meteor, 32(4): 909–920.
DOI:10.7522/j.issn.1000-0534.2012.00087 |
|
张佳华, 姚凤梅. 2000. 陆地表面复杂过程中植物生态系统的作用[J]. 水土保持学报, 14(4): 55–59.
Zhang J H, Yao F M. 2000. Function of plant ecosystem in land surface complex process[J]. Journal of Soil and Water Conservation, 14(4): 55–59.
|
|
张文君, 周天军, 宇如聪. 2008. 中国土壤湿度的分布与变化Ⅰ.多种资料间的比较[J]. 大气科学, 32(3): 581–597.
Zhang W J, Zhou T J, Yu R C. 2008. Spatial distribution and temporal variation of soil moisture over China Part Ⅰ:Multi-data intercomparison[J]. Chinese J Atmos Sci, 32(3): 581–597.
|
|
张晓影, 2009. 中国区域土壤湿度特征分析及评估[D]. 北京: 中国地质大学.
Zhang X Y, 2009. Analysis and assessment of soil moisture in China[D]. Beijing: China University of Geosciences.
http://cdmd.cnki.com.cn/Article/CDMD-11415-2009075614.htm |
|
赵天保, 符淙斌. 2009. 几种再分析地表气温资料在中国区域的适用性评估[J]. 高原气象, 28(3): 594–606.
Zhao T B, Fu C B. 2009. Applicability evaluation of surface air temperature from several reanalysis datasets in China[J]. Plateau Meteor, 28(3): 594–606.
|
|
朱晨, 师春香, 席琳, 等. 2013. 中国区域不同深度土壤湿度模拟和评估[J]. 气象科技, 41(3): 529–536.
Zhu C, Shi C X, Xi L, et al. 2013. Simulation and assessment of soil moisture at different depths in China area[J]. Meteor Sci Technol, 41(3): 529–536.
|
|
左志燕, 张人禾. 2008. 中国东部春季土壤湿度的时空变化特征[J]. 中国科学:地球科学, 38(11): 1428–1437.
Zuo Z Y, Zhang R H. 2008. Spatial and temporal variation of soil moisture in the spring of Eastern China[J]. Science China Earth Sciences, 38(11): 1428–1437.
|