王智慧,師春香,沈潤平,孫 帥,單 帥,韓 帥
(1.南京信息工程大學(xué)地理科學(xué)學(xué)院,南京 210044;2.國家氣象信息中心,北京 100081)
潛熱通量是陸?氣間物質(zhì)和熱量交換過程的重要參數(shù),表達(dá)了地表可以為大氣提供水汽和能量的多少。研究表明,若陸地表面沒有蒸散發(fā),近地面氣溫將升高15~25℃[1],可見陸面通量交換對(duì)大氣系統(tǒng)的顯著效應(yīng)。同時(shí),水熱傳輸過程也與植物生理生態(tài)過程、環(huán)境特征密切相關(guān),張功等[2?5]準(zhǔn)確地定量了解各時(shí)間尺度的潛熱通量,對(duì)農(nóng)業(yè)、水文、生態(tài)、氣象等相關(guān)領(lǐng)域意義重大。
近年來,一系列大型野外觀測(cè)實(shí)驗(yàn)站的建立,為相關(guān)研究提供了大量的觀測(cè)資料,這些資料揭示了陸面過程的一些基本特征,同時(shí)也對(duì)陸面模式的發(fā)展和驗(yàn)證提供了參考依據(jù)。地面站點(diǎn)觀測(cè)主要采用的是渦動(dòng)相關(guān)儀法(Eddy Covariance technique,EC)直接測(cè)得潛熱通量,一般認(rèn)為是可靠的。國內(nèi)外學(xué)者分析了不同下墊面的水熱交換情況,如青藏高原高寒金露梅灌叢潛熱通量的平均日變化和季節(jié)變化均為單峰型,峰值在7月下旬[6];綠洲潛熱通量遠(yuǎn)大于荒漠[7];平?jīng)稣緝糨椛浞峙湟詽摕釣橹鳎ㄎ髡疽愿袩釣橹鱗8]等,不同下墊面的潛熱通量存在一定的差異。觀測(cè)難度大的特性導(dǎo)致觀測(cè)站點(diǎn)稀少,難以進(jìn)行空間上的分析,于是尋找可以準(zhǔn)確描述潛熱通量時(shí)空特征的替代資料變得很重要。
陸面模式模擬可以得到時(shí)空連續(xù)的數(shù)據(jù),使得長時(shí)間序列、大區(qū)域尺度空間分布研究成為可能,但是模擬的精度受初始場和參數(shù)化方案的影響,存在不同程度的系統(tǒng)誤差和不確定性[9]。隨著同化技術(shù)的發(fā)展,不同來源、不同空間分辨率的數(shù)據(jù)實(shí)現(xiàn)了有機(jī)融合,產(chǎn)生了一系列陸面融合資料。目前,國際上比較主流的陸面數(shù)據(jù)同化系統(tǒng)包括全球陸面數(shù)據(jù)同化系統(tǒng)(Global Land Data Assimilation System,GLDAS)[10]、北美陸面數(shù)據(jù)同化系統(tǒng)(North American Land Data Assimilation System,NLDAS)等。2013年,中國氣象局也開始了中國氣象局陸面數(shù)據(jù)同化系統(tǒng)的建設(shè)[11],對(duì)土壤濕度、溫度等數(shù)據(jù)的適用性進(jìn)行了大量研究[12?13],但是對(duì)中國區(qū)域潛熱通量的研究較少。另外,以往對(duì)潛熱通量的研究多是進(jìn)行單點(diǎn)實(shí)驗(yàn),葉丹等[14]基于蘭州大學(xué)半干旱氣候與環(huán)境觀測(cè)站分析了Noah-MP不同參數(shù)化方案的模擬效果,謝志鵬等[15]基于那曲站數(shù)據(jù)分析了CLM4.5模擬效果。模型的質(zhì)量是開展研究的前提和基礎(chǔ),在數(shù)據(jù)使用之前對(duì)數(shù)據(jù)進(jìn)行精度評(píng)價(jià)是必不可少的,Cai等[16]使用NLDAS北美陸面數(shù)據(jù)同化系統(tǒng)數(shù)據(jù)評(píng)估了美國本土4種陸地表面模型的性能,結(jié)果表明CLM4在模擬ET方面表現(xiàn)最好;陳瑩瑩等[17]調(diào)用GLDAS的Noah模式對(duì)中國區(qū)域地表能量通量進(jìn)行了模擬分析,從殘差的角度得出GLDAS對(duì)中國區(qū)域地勢(shì)相對(duì)低平的華北平原、黃土高原、蒙古草原和西北干旱區(qū)的模擬效果好于海拔較高的青藏高原和緯度較高的東北地區(qū)以及內(nèi)蒙古東部區(qū);李宏宇等[18]分析研究了草原和森林兩種下墊面7個(gè)站點(diǎn)月尺度上多種再分析資料和模式資料的質(zhì)量。
綜上所述,雖然前人對(duì)潛熱通量的研究已獲得一定的成果,但由于觀測(cè)資料稀少,多數(shù)研究基于單點(diǎn)數(shù)據(jù)或者單個(gè)時(shí)間尺度進(jìn)行模擬或驗(yàn)證,對(duì)多個(gè)站點(diǎn)不同下墊面潛熱資料精度評(píng)價(jià)的研究報(bào)道較少。因此,本研究選擇不同下墊面的12個(gè)站點(diǎn)數(shù)據(jù),采用較長時(shí)間的觀測(cè)資料對(duì)基于CLDAS驅(qū)動(dòng)下的三個(gè)陸面模式(Community Land Model,CLM;Noah;Noah-MP)以及GLDAS-Noah模擬結(jié)果進(jìn)行精度評(píng)價(jià),以期為模擬結(jié)果的改進(jìn)提供一定的參考。
潛熱通量的觀測(cè)主要來源于渦動(dòng)相關(guān)系統(tǒng),包括三維超聲風(fēng)速儀CSAT3(美國,Camp-bell Scientific,Inc.)、開路式水汽二氧化碳分析儀LI-7500RS(美國,LI-COR Biosciences)以及 CR3000數(shù)據(jù)采集器。渦動(dòng)相關(guān)法是一種直接測(cè)定物質(zhì)垂直湍流通量的方法。與其它處理方法相比,渦動(dòng)相關(guān)法所得的湍流通量數(shù)據(jù)均基于實(shí)際測(cè)量值,不包含任何經(jīng)驗(yàn)關(guān)系或假設(shè),即通過高頻測(cè)量風(fēng)速脈動(dòng)、溫度、水汽濃度,從而計(jì)算某一時(shí)間段內(nèi)(通常為30min)平均垂直感熱通量和潛熱通量的值。目前,渦動(dòng)相關(guān)法是國內(nèi)外公認(rèn)的測(cè)量熱通量較為可靠的方法。
選取在中國區(qū)域內(nèi)分布相對(duì)均勻、觀測(cè)時(shí)間超過兩年且分別代表混合林、針葉林、草原、高寒草甸、農(nóng)田、濕地、荒漠和戈壁8種植被下墊面特點(diǎn)的12個(gè)通量塔站點(diǎn)觀測(cè)的潛熱通量數(shù)據(jù),站點(diǎn)信息見表1。戈壁站和花寨子站位于甘肅省張掖市,阿柔位于青海省祁連縣,以上3個(gè)站點(diǎn)數(shù)據(jù)來自黑河綜合遙感實(shí)驗(yàn),發(fā)布的觀測(cè)數(shù)據(jù)質(zhì)量分為三個(gè)量級(jí),質(zhì)量標(biāo)識(shí)分別為0、1和2,驗(yàn)證時(shí)只保留質(zhì)量標(biāo)識(shí)為0和1的數(shù)據(jù);大興站位于北京市大興區(qū)魏善莊,下墊面為玉米/小麥、瓜果,數(shù)據(jù)來自于海河流域多尺度地表通量與氣象要素觀測(cè)數(shù)據(jù)集,其發(fā)布觀測(cè)數(shù)據(jù)的質(zhì)量標(biāo)識(shí)分為9級(jí),剔除質(zhì)量標(biāo)識(shí)為9的觀測(cè)數(shù)據(jù);戈壁站、花寨子站、阿柔站和大興數(shù)據(jù)均來源于國家青藏高原科學(xué)數(shù)據(jù)中心(http://data.tpdc.ac.cn)。青藏高原的那曲站和安多站代表高寒草地生態(tài)系統(tǒng)類型,數(shù)據(jù)來源于青藏高原第三次科學(xué)考察實(shí)驗(yàn)數(shù)據(jù)集(http://tipex.data.cma.cn/tipex);長白山站、千煙洲站、海北灌叢、海北濕地站、內(nèi)蒙古站和當(dāng)雄站2008?2010年數(shù)據(jù)均來自中國通量觀測(cè)研究聯(lián)盟ChinaFlux(http://www.chinaflux.org/)。站點(diǎn)數(shù)據(jù)均經(jīng)過去野點(diǎn)、去趨勢(shì)、坐標(biāo)旋轉(zhuǎn)、頻率響應(yīng)校正、超聲虛溫校正和WPL 校正等程序處理[19?21]。
(1)由美國航空航天局戈達(dá)德空間飛行中心
NASA/GSFC(National Aeronautics and Space Admini- stration/ Goddard Space Flight Center)、美國海洋和大氣局NOAA(National Oceanic and Atmospheric Administration)和國家環(huán)境預(yù)報(bào)中心NCEP(National Centers for Environmental Prediction)聯(lián)合開發(fā)的全球陸面數(shù)據(jù)同化系統(tǒng)GLDAS-2中的NOAH模式輸出產(chǎn)品,時(shí)間分辨率為3h,空間分辨率為0.25°× 0.25°。
(2)由CLDAS大氣驅(qū)動(dòng)場產(chǎn)品(V2.0)驅(qū)動(dòng)CLM、Noah、Noah-MP 3個(gè)陸面模式模擬潛熱通量的結(jié)果。針對(duì)CLM、Noah和Noah-MP 3個(gè)陸面模式,利用模式自帶的靜態(tài)參數(shù)數(shù)據(jù)分別制作0.0625°×0.0625°等經(jīng)緯度網(wǎng)格的地表參數(shù)數(shù)據(jù),作為陸面模式輸入數(shù)據(jù)。再利用“CLDAS大氣驅(qū)動(dòng)場產(chǎn)品(V2.0)”對(duì)3個(gè)陸面模式進(jìn)行spin-up,分別制作得到每個(gè)陸面模式的初始場。CLDAS2.0大氣驅(qū)動(dòng)產(chǎn)品來自國家氣象信息中心,覆蓋亞洲區(qū)域(0?65°N,60?160°E),空間分辨率為0.0625°×0.0625°,時(shí)間分辨率1h,包括2m氣溫、2m比濕、10m風(fēng)速、地面氣壓、降水[22]、短波輻射[23]6個(gè)要素。經(jīng)2400余個(gè)國家級(jí)自動(dòng)站觀測(cè)數(shù)據(jù)評(píng)估中國區(qū)域 2m氣溫、2m比濕、10m風(fēng)速、地面氣壓、小時(shí)降水產(chǎn)品。朱智等[24]研究結(jié)果表明,與國際和國內(nèi)同類產(chǎn)品相比,該產(chǎn)品在中國區(qū)域質(zhì)量更高,時(shí)空分布特征更為合理準(zhǔn)確。最后利用驅(qū)動(dòng)數(shù)據(jù)和初始場信息驅(qū)動(dòng)3個(gè)陸面模式得到地表潛熱通量的模擬結(jié)果。
表1 站點(diǎn)基本信息Table 1 Basic information of sites
將模式資料和觀測(cè)資料均處理成3h分辨率數(shù)據(jù)。采用雙線性插值方法將模擬結(jié)果插值到站點(diǎn),即在經(jīng)向和緯向分別進(jìn)行線性插值,根據(jù)實(shí)際站點(diǎn)與周圍4個(gè)鄰點(diǎn)的距離確定相應(yīng)的權(quán)重,從而計(jì)算站點(diǎn)數(shù)值。利用平均值法,將匹配后的小時(shí)資料進(jìn)行處理得到多年小時(shí)平均(0:00?23:00的每3h平均值)、日平均、月平均和年平均潛熱通量數(shù)據(jù),以分析在不同時(shí)間尺度上的模擬效果。
定量統(tǒng)計(jì)方法主要包括回歸分析、無量綱化和誤差分析。每個(gè)數(shù)學(xué)方法評(píng)估模式模擬都有一定的局限性,精度驗(yàn)證和評(píng)價(jià)指標(biāo)包括斜率、截距、相關(guān)系數(shù)(R)、平均偏差(ME)、均方根誤差(Root Mean Square Error,RMSE)和Nash效率系數(shù)(Nash- Sutcliffe Efficiency Coefficient,NSE)。
式中,N代表樣本個(gè)數(shù)。Si代表3種模式模擬的潛熱通量數(shù)值(W·m?2),S為其平均值(W·m?2)。Oi為各站通量塔觀測(cè)的潛熱通量數(shù)值(W·m?2),O為平均值(W·m?2)。其中,斜率和截距是模擬值與觀測(cè)值擬合線的兩個(gè)指標(biāo),斜率越接近1,截距越接近0表明模擬值越接近觀測(cè)值,模擬效果越好;平均誤差ME可以量化模擬值相對(duì)于觀測(cè)值的偏差;均方根誤差經(jīng)常用于量化模擬結(jié)果的準(zhǔn)確性,RMSE越小表明模擬值數(shù)值上與觀測(cè)值越接近;相關(guān)系數(shù)R用于檢測(cè)模擬值與站點(diǎn)觀測(cè)值在時(shí)間上的一致性,R越接近1,一致性越高。NSE常用來表示模擬結(jié)果的效率,范圍為負(fù)無窮到1,NSE在[0.0, 1.0]通常被認(rèn)為是模擬性能在可接受的范圍,越接近1表示模擬結(jié)果與實(shí)際觀測(cè)值越接近,當(dāng)NSE值小于0時(shí),表明模擬性能較差[25]。
2.1.1 不同下墊面潛熱通量的日變化特征
由圖1可見,不同下墊面潛熱通量觀測(cè)數(shù)據(jù)的季節(jié)平均和年平均值均表現(xiàn)出單峰型的日變化趨勢(shì),每日峰值出現(xiàn)在午后,夜間數(shù)值較低,接近0,全天均為正值,但是全天數(shù)值上相差較大,年均日動(dòng)態(tài)最大值為152.13W·m?2,出現(xiàn)在針葉林下墊面的14:00,最小值為67.94W·m?2,出現(xiàn)在戈壁站的14:00。由圖2可以看出,4個(gè)模式模擬結(jié)果的表現(xiàn)有一定差異,除Noah-MP和CLM在草甸、草原和濕地上模擬峰值出現(xiàn)時(shí)間落后于觀測(cè)數(shù)據(jù),其余數(shù)據(jù)模擬值峰值出現(xiàn)時(shí)間與觀測(cè)結(jié)果均一致。在不同季節(jié),4個(gè)潛熱通量日值的模擬結(jié)果也有一定的差異,(1)針葉林、草原、荒漠、混合林、戈壁和草甸觀測(cè)數(shù)據(jù)均滿足日變化幅度夏季最高,冬季最低,春秋相差不大的規(guī)律,模式能很好地模擬出夏季最高,冬季最低的變化規(guī)律,對(duì)春秋兩季變化規(guī)律的模擬效果較差。(2)農(nóng)田四季的日變化趨勢(shì)差異較大,具體表現(xiàn)為夏季數(shù)值是秋季的兩倍,春季介于兩者之間,冬季最低,模式模擬結(jié)果均表現(xiàn)為夏季>秋季>春季>冬季,春秋兩季表現(xiàn)相反。(3)濕地觀測(cè)數(shù)據(jù)表現(xiàn)出春季和夏季日變化相差不大,并為最高值,同時(shí)冬季數(shù)值最低的變化規(guī)律,這與陸宣承等[26]的結(jié)論一致,但是4個(gè)模式均表現(xiàn)出夏季>秋季>春季>冬季的變化規(guī)律,春季模擬值與觀測(cè)數(shù)據(jù)相差較大。
圖1 8種不同下墊面站點(diǎn)潛熱通量觀測(cè)值和陸面模式輸出值(LE)的季節(jié)平均日變化和年變化Fig.1 Average diurnal variation of latent heat flux observed at eight different underlying surface types and output value (LE) of three land surface models
圖2 4種模式模擬結(jié)果在不同下墊面模擬誤差的平均日內(nèi)變化(1)和季節(jié)變化(2)Fig.2 Annual mean daily change(1) and seasonal change(2) of simulation error (simulated value minus measured value) on different underlying surfaces of the 4 models
由上述分析可知,模式模擬結(jié)果基本能反應(yīng)潛熱通量的日變化特征,但是,從與站點(diǎn)數(shù)據(jù)的差異上看,4個(gè)模擬結(jié)果誤差的年平均日變化有一定差異,表現(xiàn)為(1)在草甸、荒漠、草原、混合林和濕地,4個(gè)模式模擬誤差的年平均日變化特征相似,混合林處模擬誤差平均日變化基本為正值,其余4種下墊面模擬誤差平均日變化基本為負(fù)值。(2)在戈壁和農(nóng)田,Noah和Noah-MP模擬誤差的日變化特征相似,即白天存在一定正偏差,夜晚基本是負(fù)偏差,CLM和GLDAS的日變化特征相似,即基本均為負(fù)偏差。(3)對(duì)于針葉林下墊面,CLM模擬誤差峰值時(shí)間較其它3個(gè)模式提前。
4個(gè)模式在不同季節(jié)的表現(xiàn)也不同:(1)混合林和針葉林基本均為正偏差,Noah-MP模式在秋季的模擬值與觀測(cè)值更接近,其余季節(jié)CLM模式的模擬值與觀測(cè)值更接近。(2)其余6種下墊面,四季基本為負(fù)偏差。Noah在戈壁的春夏兩季、草甸的夏秋兩季、荒漠的秋冬兩季以及農(nóng)田的春季模擬值與觀測(cè)值更接近;CLM在草甸的冬季、草原的春冬兩季、農(nóng)田的夏冬兩季以及濕地的秋冬兩季模擬值與觀測(cè)值更接近;Noah-MP在草甸的春季、荒漠的春夏兩季、農(nóng)田的秋季以及濕地的春夏兩季模擬值與觀測(cè)值更接近;GLDAS在戈壁的秋冬和草原的夏秋模擬值與觀測(cè)值更接近。
2.1.2 潛熱通量精度評(píng)價(jià)
表2給出了小時(shí)尺度上4個(gè)陸面模式模擬數(shù)據(jù)在不同下墊面上模擬結(jié)果的評(píng)價(jià)指標(biāo)。由表可知,(1)GLDAS在不同下墊面上擬合線的斜率波動(dòng)較大(0.94±0.68),Noah的斜率變化范圍最?。?.73±0.35),4個(gè)模式的截距基本為正值,在戈壁處截距最大,均在10W·m?2以上。(2)從RMSE上看,除針葉林,GLDAS的RMSE介于CLDAS驅(qū)動(dòng)下3個(gè)陸面模式模擬結(jié)果的RMSE之間,其余下墊面,CLDAS驅(qū)動(dòng)下的3個(gè)陸面模式的RMSE均小于GLDAS-Noah。CLM在戈壁、草原、混合林和針葉林下墊面上的RMSE較小,Noah-MP在草甸和濕地的RMSE最小,Noah在荒漠和農(nóng)田的RMSE最小。(3)各模式在不同下墊面上均能很好地模擬出潛熱通量的變化趨勢(shì),R值都在0.6以上(除GLDAS在戈壁站R為0.54),但是在不同的下墊面表現(xiàn)不同。在混合林和針葉林R較大(0.85以上),其中Noah的表現(xiàn)較好;在戈壁站,模式對(duì)潛熱通量變化的模擬能力稍差,其中CLM的表現(xiàn)較好(R為0.74);基于CLDAS驅(qū)動(dòng)下的3個(gè)陸面模式對(duì)潛熱通量變化的模擬效果略優(yōu)于GLDAS-Noah。(4)從表2還可以看出,NSE基本為正值(除GLDAS在混合林為負(fù)值),基于CLDAS驅(qū)動(dòng)下的3個(gè)陸面模式的NSE系數(shù)均高于GLDAS,CLM在戈壁、混合林、濕地和針葉林表現(xiàn)較好,Noah在荒漠和農(nóng)田表現(xiàn)較好,Noah-MP在草甸和草原表現(xiàn)較好。
表2 8種下墊面上4個(gè)陸面模式潛熱通量的模擬值評(píng)價(jià)指標(biāo)Table 2 Evaluation index of simulated values of latent heat flux of four land surface models on eight underlying surfaces
2.2.1 潛熱通量變化過程
圖3 8種不同下墊面站點(diǎn)潛熱通量觀測(cè)值和陸面模式輸出值(LE)的多年日平均(1)和月平均(2)變化趨勢(shì)Fig.3 Average annual(1) and monthly(2) variation of observed latent heat flux and land surface model output value (LE) at eight sites with different underlying surface types
由圖3可知,各模式模擬值與觀測(cè)數(shù)據(jù)具有相似的年內(nèi)變化特征,呈現(xiàn)夏季最高的單峰型變化趨勢(shì),但在不同的下墊面表現(xiàn)又有所不同。在戈壁、草甸、荒漠和草原下墊面上,模擬數(shù)據(jù)基本在觀測(cè)數(shù)據(jù)曲線附近變化,在長白山和千煙洲兩個(gè)森林站,模式數(shù)據(jù)高估了實(shí)際潛熱通量。下墊面為農(nóng)田的大興站,觀測(cè)數(shù)據(jù)有著雙峰型的變化趨勢(shì),峰值出現(xiàn)在5月和8月,而各模式模擬值都呈單峰型的變化 趨勢(shì),陸面模式能模擬出8月出現(xiàn)的峰值。大興所在的地區(qū)農(nóng)業(yè)上采取的是冬小麥夏玉米的種植方式,春天需要補(bǔ)充灌溉以保證農(nóng)作物對(duì)水分的需求,灌溉后土壤含水量較高,蒸發(fā)量增加,潛熱通量明顯升高,感熱通量明顯降低,而陸面模式不能模擬出灌溉的情況,導(dǎo)致模擬的潛熱通量在春季出現(xiàn)一定的低估現(xiàn)象。下墊面為濕地的海北濕地站,從觀測(cè)數(shù)據(jù)來看,潛熱通量在春季顯著增加,夏季保持高值變化幅度不大,秋季有明顯的下降趨勢(shì),冬季潛熱保持低值,模式模擬結(jié)果在冰雪消融的初春與實(shí)際相差較大,以往研究表明,白天土壤融化之后潛熱通量會(huì)顯著升高,凍結(jié)、融化前后的差異主要由于土壤體積含水量的變化所致[27],但4個(gè)模式模擬結(jié)果均未模擬出融化后潛熱通量顯著增加的變化趨勢(shì)。
2.2.2 潛熱通量精度評(píng)價(jià)
圖4 模式與觀測(cè)數(shù)據(jù)在日尺度(1)和月尺度(2)的統(tǒng)計(jì)指標(biāo)Fig.4 Statistical indices of model and observed data on daily(1) and monthly(2) scale
圖4展示了模式資料與站點(diǎn)觀測(cè)數(shù)據(jù)在日尺度和月尺度上的統(tǒng)計(jì)指標(biāo)。由平均偏差統(tǒng)計(jì)(圖4a1?圖4b2)可知,模式模擬的潛熱通量與觀測(cè)值的平均偏差在混合林和針葉林兩個(gè)森林站為正值,其余下墊面基本為負(fù)值;陸面模式在大多數(shù)站點(diǎn)的模擬偏差較小,平均偏差在?20~20W·m?2,均方根誤差在40W·m?2以下,農(nóng)田模式資料與站點(diǎn)觀測(cè)偏差較大,結(jié)合圖3可知,偏差主要集中在春季。從相關(guān)系數(shù)統(tǒng)計(jì)(圖4c1、圖4c2)可以看出,在所有下墊面各模式模擬的潛熱通量與觀測(cè)值呈極顯著正相關(guān)關(guān)系(P<0.01);日尺度上,CLDAS驅(qū)動(dòng)下的3個(gè)陸面模式模擬值與觀測(cè)值的相關(guān)性均高于GLDAS,月尺度上,戈壁、草甸、荒漠和混合林下墊面上,CLDAS的R值明顯高于GLDAS,草原、濕地和針葉林墊面上,GLDAS的R值介于CLDAS驅(qū)動(dòng)下的3個(gè)陸面模式之間,在農(nóng)田,GLDAS-Noah的R值稍高于CLDAS驅(qū)動(dòng)下的3個(gè)陸面模式結(jié)果。比較模式模擬值與站點(diǎn)觀測(cè)值的NSE可知,除GLDAS在農(nóng)田和混合林處為負(fù)值外,模式模擬值與觀測(cè)值的NSE均為正值;日尺度上,NSE在0.07~0.81區(qū)間,草原和針葉林下墊面上,GLDAS模擬值與觀測(cè)的NSE 介于CLDAS驅(qū)動(dòng)的3個(gè)陸面模式之間,其余下墊面,CLDAS驅(qū)動(dòng)的NSE明顯高于GLDAS;月尺度上,NSE在0.12~0.93區(qū)間,草原下墊面上,GLDAS的NSE高于CLDAS驅(qū)動(dòng)下的NSE,針葉林和濕地上,GLDAS的NSE介于CLDAS驅(qū)動(dòng)下的NSE之間,其余下墊面CLDAS驅(qū)動(dòng)的NSE明顯高于GLDAS。
把所有站點(diǎn)年平均數(shù)據(jù)作為一個(gè)整體來分析4個(gè)模式模擬結(jié)果年尺度上的模擬效果。由圖5可知,4個(gè)模式模擬結(jié)果與觀測(cè)數(shù)據(jù)擬合線的斜率均為正值,截距基本為正值,其中GLDAS-Noah的截距遠(yuǎn)大于其余3個(gè)模擬結(jié)果,在高值區(qū)域存在明顯的低估現(xiàn)象,模擬值與觀測(cè)值的相關(guān)系數(shù)R低于0.5,模擬效果稍差?;贑LDAS驅(qū)動(dòng)下的3個(gè)模式模擬效果較為接近,且在不同站點(diǎn)模擬效果較為穩(wěn)定,R值均在0.8以上,RMSE在20W·m?2以下,NSE系數(shù)在0~1之間,其中CLDAS-Noah-MP的趨勢(shì)線與1:1擬合線最接近,斜率最接近1且R最高,RMSE最小,NSE最大,表現(xiàn)出最好的模擬效果。
圖5 12個(gè)站點(diǎn)潛熱通量模擬值與觀測(cè)數(shù)據(jù)在年尺度的散點(diǎn)圖Fig.5 Annual scatter plots of simulated latent heat flux values and observed data at 12 sites
3.1.1 模型在不同時(shí)間尺度的模擬效果
在不同時(shí)間尺度上,最優(yōu)模型的選擇不是一成不變的。小時(shí)尺度上,CLM模型模擬值與觀測(cè)值的R值較高,日尺度和月尺度上,Noah-MP模型的R值較高,3個(gè)時(shí)間尺度上NSE較高的均為CLM模型。各模型模擬值與觀測(cè)值的相關(guān)系數(shù)和NSE從小時(shí)到日到月尺度均經(jīng)歷了先降低后提高的變化趨勢(shì),表現(xiàn)為從3h尺度到日尺度,基于CLDAS驅(qū)動(dòng)下的模式模擬值與觀測(cè)值的R和NSE在荒漠、草原、濕地、農(nóng)田和針葉林下墊面上存在不同程度的降低,其中Noah-MP的R值降低程度最輕,但其NSE降低最多,GLDAS模式的R值在所有下墊面都存在降低現(xiàn)象且降低值最多;日尺度到月尺度,4個(gè)模型模擬結(jié)果與觀測(cè)值的R和NSE均大幅上升。
3.1.2 模型在不同下墊面的模擬效果
各模式模擬效果存在一定的一致性,在森林站點(diǎn)處存在高估,在其余下墊面存在低估,這與李宏宇的CLM在草地存在低估,森林存在高估的研究結(jié)果一致[18]。森林處模擬的高估可能與EC觀測(cè)值的低估有關(guān)。多項(xiàng)研究表明,在森林下墊面的EC觀測(cè)研究中冠層熱儲(chǔ)量會(huì)對(duì)能量閉合產(chǎn)生較大的影響從而導(dǎo)致對(duì)潛熱的低估[28?29]。農(nóng)田觀測(cè)數(shù)據(jù)表現(xiàn)為雙峰型的年變化,而模式只能模擬出8月的峰值。農(nóng)田處的熱量交換較為復(fù)雜,包含了土壤、灌溉水、大氣以及農(nóng)作物生長的影響[30],在灌漿成熟期由于灌溉等人為因素的影響會(huì)導(dǎo)致模擬值與觀測(cè)值之間的差異。濕地4月土壤融化后潛熱通量顯著升高,同張海宏[27]研究結(jié)論一致,模式在土壤凍結(jié)和融化期間的模擬有待加強(qiáng)。
不同模型在同一下墊面的表現(xiàn)各有優(yōu)劣。從NSE上看,Noah在荒漠和農(nóng)田的模擬效果較好,CLM在混合林和針葉林模擬效果較好,Noah-MP在濕地模擬效果較好,以上5個(gè)下墊面的站點(diǎn)在多時(shí)間尺度上最優(yōu)模型是固定的,戈壁、草甸和草原上的站點(diǎn)在不同時(shí)間尺度上,最優(yōu)模型則不固定。在戈壁下墊面,小時(shí)和日尺度上CLM是最優(yōu)模型,月尺度上Noah-MP是最優(yōu)模型;在草甸和草原下墊面,小時(shí)尺度上Noah-MP是最優(yōu)模型,日尺度和月尺度上Noah是最優(yōu)模型。
綜上所述,陸面模式的模擬效果在不同的時(shí)間尺度和不同下墊面不是一成不變的,對(duì)其進(jìn)行不同時(shí)間尺度和下墊面的精度評(píng)價(jià)有利于更好地了解模擬結(jié)果。由于數(shù)據(jù)觀測(cè)難度較大,分布較分散,數(shù)據(jù)的代表性有限,在中國的中部和西北部地區(qū)缺少站點(diǎn)進(jìn)行驗(yàn)證,在具體的地點(diǎn)有待布置更多的站點(diǎn)來進(jìn)行分析。另外,本研究沒有對(duì)空間尺度進(jìn)行分析,今后可對(duì)比遙感產(chǎn)品以及國內(nèi)外廣泛使用的數(shù)據(jù)進(jìn)行進(jìn)一步分析。總體來說,CLDAS驅(qū)動(dòng)下的陸面模式模擬效果較好,但3個(gè)陸面模式在不同下墊面的表現(xiàn)效果不同,未來可以采取基于陸面模式的多模式集成的方法避免單一模式模擬造成的嚴(yán)重偏差,集合多個(gè)數(shù)據(jù)集的特點(diǎn),彌補(bǔ)單個(gè)數(shù)據(jù)集的不足。
(1)4個(gè)模式模擬結(jié)果都能較好地再現(xiàn)各下墊面站點(diǎn)季節(jié)和年平均日變化趨勢(shì),且峰值時(shí)間也較為一致。數(shù)值上秋冬兩季模擬值與觀測(cè)值較為接近,春季相差較大。GLDAS在戈壁的秋冬兩季和草原的夏秋兩季日變化模擬值與觀測(cè)值更接近,其余下墊面上,基于CLDAS驅(qū)動(dòng)下的3個(gè)陸面模式模擬值與觀測(cè)值更接近。
(2)在不同時(shí)間尺度上,CLDAS系列模型的模擬效果基本優(yōu)于GLDAS,且時(shí)間分辨率和空間分辨率更高。小時(shí)尺度上,CLM表現(xiàn)較優(yōu),日尺度和月尺度上,Noah-MP表現(xiàn)較優(yōu)。
(3)不同下墊面上模式模擬結(jié)果存在共性,即在混合林和針葉林兩個(gè)森林站點(diǎn)存在高估現(xiàn)象,在其余下墊面存在低估現(xiàn)象。沒有一個(gè)模式在所有下墊面均表現(xiàn)為最優(yōu),CLM在戈壁、混合林和針葉林站點(diǎn)為最優(yōu)模型,Noah在荒漠和農(nóng)田站點(diǎn)為最優(yōu)模型,Noah-MP在草甸、草原和濕地為最優(yōu)模型。