孟 含,金 繼 明
(西北農(nóng)林科技大學(xué) 水利與建筑工程學(xué)院,陜西 楊凌 712100)
地表溫度(Land Surface Temperature,LST)是表征全球變暖的關(guān)鍵物理因子[1]。LST通過蒸散發(fā)過程影響地表能量收支和水分收支[2],其主要控制感熱通量的大小,從而改變空氣溫度。LST的變化直接影響著土壤含水量和土壤蒸發(fā)量,進(jìn)而影響區(qū)域植被生長(zhǎng)和農(nóng)業(yè)生產(chǎn)。地表溫度升高會(huì)加劇地表蒸散,致使全球多數(shù)地區(qū)干旱狀況明顯加劇[3]。因此,LST時(shí)空分布的準(zhǔn)確評(píng)估是進(jìn)一步研究地表蒸散發(fā)的重要依據(jù),對(duì)加深陸氣相互作用過程的理解、預(yù)測(cè)未來氣候變化和流域水資源變化以及預(yù)防旱災(zāi)和科學(xué)灌溉至關(guān)重要。
目前,可以通過站點(diǎn)觀測(cè)、遙感技術(shù)和模式模擬獲取LST數(shù)據(jù)。雖然傳統(tǒng)的站點(diǎn)觀測(cè)方法可以獲得高精度的LST值,但因站點(diǎn)數(shù)量及位置等的局限性,這些觀測(cè)值只能表征局部的LST變化特征。通過衛(wèi)星遙感技術(shù)獲得的LST數(shù)據(jù)不僅具有較高的分辨率,且能充分描述其空間分布及變化特征,但是遙感數(shù)據(jù)時(shí)長(zhǎng)較短,不能體現(xiàn)歷史LST的變化特征。而陸面模式能夠模擬出廣泛、長(zhǎng)期、連續(xù)的高分辨率LST時(shí)空分布數(shù)據(jù),既能模擬歷史LST的變化,亦能對(duì)未來LST變化進(jìn)行預(yù)測(cè)。
通用陸面模式模擬結(jié)果的準(zhǔn)確性與大氣強(qiáng)迫數(shù)據(jù)集的質(zhì)量緊密相關(guān),強(qiáng)迫數(shù)據(jù)集自身的誤差會(huì)傳遞至模擬結(jié)果。目前已有學(xué)者針對(duì)不同大氣強(qiáng)迫數(shù)據(jù)集對(duì)陸面模式的影響進(jìn)行了研究。Wang等[4]在通用陸面模式(Community Land Model version 4.5,CLM4.5)中輸入不同強(qiáng)迫數(shù)據(jù)集后模擬了蒸散發(fā)量、土壤濕度、雪深、徑流等物理量,結(jié)果表明使用多個(gè)強(qiáng)迫數(shù)據(jù)集的模擬結(jié)果的總體平均值通常優(yōu)于單個(gè)模擬結(jié)果;降水、氣溫和向下的短波輻射等的差異導(dǎo)致了模擬結(jié)果的差異。Yin等[5]分析了4種大氣強(qiáng)迫數(shù)據(jù)集對(duì)中國(guó)土壤濕度模擬的影響,結(jié)果表明不同數(shù)據(jù)帶來的差異較大。沈潤(rùn)平等[6]將國(guó)家氣象信息中心發(fā)布的陸面數(shù)據(jù)同化系統(tǒng)CLDAS(CMA Land Data Assimilation System)中的兩個(gè)版本作為大氣強(qiáng)迫數(shù)據(jù),驅(qū)動(dòng)CLM4.5模擬了青藏高原10 cm土壤溫度,結(jié)果表明高質(zhì)量的大氣強(qiáng)迫數(shù)據(jù)能顯著降低模擬的誤差。孟現(xiàn)勇等[7]利用CLDAS大氣強(qiáng)迫數(shù)據(jù)集驅(qū)動(dòng)CLM3.5模擬了中國(guó)新疆地區(qū)土壤溫度,表明 CLDAS 數(shù)據(jù)驅(qū)動(dòng)CLM3.5模式能夠得到較為精確的中國(guó)新疆地區(qū)多年平均土壤溫度時(shí)空分布特征以及變化規(guī)律。朱智等[8]對(duì)5種再分析地表溫度資料(ERA-Interim,ERA-Interim/Land,JRA-55,NCEP/NCAR,NCEP/DOE)在中國(guó)區(qū)域的適用性進(jìn)行了對(duì)比分析,發(fā)現(xiàn)JRA-55數(shù)據(jù)在空間分布上最接近觀測(cè)數(shù)據(jù)。5種再分析資料在東部地區(qū)的適用性較好,但在青藏高原地區(qū)和西北西部地區(qū)的適用性較差,且5種再分析資料都存在低估現(xiàn)象。Guo等[9]利用CLM4.5和多個(gè)大氣強(qiáng)迫數(shù)據(jù)集模擬了近地表土壤凍融循環(huán)的變化,發(fā)現(xiàn)CRU-NCEP(Climate Research Unit-National Centers for Environmental Prediction)數(shù)據(jù)集驅(qū)動(dòng)模式得到的結(jié)果較接近實(shí)測(cè)數(shù)據(jù),表明該數(shù)據(jù)集可優(yōu)先作為未來大氣強(qiáng)迫預(yù)測(cè)的基礎(chǔ)數(shù)據(jù)集。綜上所述,陸面模式模擬的精確性與大氣強(qiáng)迫數(shù)據(jù)的數(shù)據(jù)精準(zhǔn)度聯(lián)系緊密。然而,目前針對(duì)不同強(qiáng)迫數(shù)據(jù)集對(duì)通用陸面模式模擬LST的影響的研究亟待加強(qiáng)。
本研究選取了CLM默認(rèn)強(qiáng)迫數(shù)據(jù)集CRU-NCEP以及目前應(yīng)用較廣泛的CMFD(China Meteorological Forcing Dataset)[10-12]、GSWP(Global Soil Wetness Project)[13-15]3種大氣強(qiáng)迫數(shù)據(jù)集驅(qū)動(dòng)通用陸面模式CLM5.0,模擬了黃河流域上中游地區(qū)2003~2010年的LST,對(duì)夏季、冬季LST的多驅(qū)動(dòng)輸出模擬結(jié)果進(jìn)行了對(duì)比分析。
黃河全長(zhǎng)約5 464 km,發(fā)源于青藏高原東部,穿過黃土高原進(jìn)入華北平原,最后匯入渤海[16]。黃河中游和下游的分界點(diǎn)在鄭州附近的桃花峪[17]。本文的研究區(qū)為黃河流域上中游地區(qū),如圖1所示,經(jīng)緯度范圍是95°54′E~113°35′ E,32°12′N~41°50′ N,西起青藏高原東部,東至華北平原西部,南至秦嶺北麓,北至陰山[18],面積約為72.31萬km2。研究區(qū)內(nèi)氣溫空間差異性較大,上、中游的年平均氣溫分別為1~8 ℃及8~14 ℃[19]。黃河流域上中游大部分位于溫帶干旱、半干旱地區(qū)的生態(tài)脆弱帶,其對(duì)氣候變化異常敏感,尤其是在多年凍土分布廣泛的黃河源區(qū),地表溫度的變化一方面會(huì)影響冰雪凍土的消融,另一方面會(huì)影響區(qū)域內(nèi)不同下墊面的蒸散發(fā),進(jìn)而影響黃河上中游乃至全流域水資源量的變化[20]。
圖1 黃河流域上中游Fig.1 Upper and middle reaches of Yellow River Basin
CLM5.0模式所需的大氣輸入變量包括降水量(mm/s)、2 m氣溫(K)、2 m比濕(kg/kg)、風(fēng)速(m/s)、向下短波輻射(W/m2)、向下長(zhǎng)波輻射(W/m2)以及近地表氣壓(Pa)。本研究利用CMFD、GSWP、CRU-NCEP三種大氣強(qiáng)迫數(shù)據(jù)集驅(qū)動(dòng)CLM5.0進(jìn)行黃河流域上中游地區(qū)LST的模擬。
CMFD數(shù)據(jù)集(http://westdc.westgis.ac.cn/data/7a35329c-c53f-4267-aa07-e0037d913a21)來自中國(guó)科學(xué)院青藏高原研究所(Institute of Tibetan Plateau Research,Chinese Academy of Sciences)。該數(shù)據(jù)集是在現(xiàn)有的多個(gè)數(shù)據(jù)資料的基礎(chǔ)上,與中國(guó)氣象局觀測(cè)的氣象數(shù)據(jù)相結(jié)合得到的再分析數(shù)據(jù)集。其時(shí)間分辨率為3 h,空間分辨率為0.1°。
GSWP數(shù)據(jù)集(http://hydro.iis.u-tokyo.ac.jp/GSWP3/)是全球土壤濕度項(xiàng)目(Global Soil Wetness Project,GSWP)運(yùn)用國(guó)際衛(wèi)星地面氣候計(jì)劃(International Satellite Land Surface Climatology Project,ISLSCP)提供的資料,產(chǎn)生的一套多模式集合的數(shù)據(jù)集[21]。GSWP數(shù)據(jù)共有3期,本研究采用的是第3期,其時(shí)間跨度為1901~2010年,時(shí)間分辨率為3 h,空間分辨率為0.5°。
CRU-NCEP數(shù)據(jù)集(http://dods.extra.cea.fr/data/p529viov/cruncep/)是由兩個(gè)現(xiàn)有數(shù)據(jù)集合成的,這兩個(gè)數(shù)據(jù)集分別是由氣候研究中心(Climatic Research Unit,CRU)研發(fā)的0.5°的月數(shù)據(jù)和由國(guó)家環(huán)境預(yù)測(cè)中心和國(guó)家大氣研究中心(the National Centers for Environmental Prediction and the National Center for Atmospheric Research,NCEP-NCAR)開發(fā)的2.5°再分析產(chǎn)品。本研究使用了第四版CRU-NCEP數(shù)據(jù),時(shí)間分辨率為6 h,空間分辨率為0.5°。
由于在GB/T 35221-2017《地面氣象觀測(cè)規(guī)范》中規(guī)定:LST傳感器放在裸地上,要求該地段地表疏松、平整且無草[22]。站點(diǎn)觀測(cè)數(shù)據(jù)為該地段的裸地地溫。而本文的研究對(duì)象LST根據(jù)地表覆蓋類型的不同,可能為裸地表面溫度、植被冠層溫度、雪表層溫度,這與MODIS(Moderate Resolution Imaging Spectroradiometer)通過衛(wèi)星熱紅外測(cè)量獲得的LST相對(duì)應(yīng)[23]。因此,通過衛(wèi)星熱紅外測(cè)量得到的MODIS產(chǎn)品適用于對(duì)大面積LST模擬結(jié)果的評(píng)估[24]。本研究選取的LST數(shù)據(jù)產(chǎn)品MOD11C3和MYD11C3第五版,是分別由Terra和Aqua衛(wèi)星提供的包含每個(gè)像素LST和發(fā)射率值的全球數(shù)據(jù)產(chǎn)品(MOD11B1和MYD11B1)通過重采樣和計(jì)算后得到的月平均數(shù)據(jù)。產(chǎn)品投影為等角投影,空間分辨率為 0.05°。本研究將兩套數(shù)據(jù)求平均,選取2002年12月至2010年12月LST數(shù)據(jù)作為觀測(cè)數(shù)據(jù)進(jìn)行對(duì)比。
CLM來自美國(guó)國(guó)家大氣研究中心NCAR(National Center of Atmospheric Research),是目前國(guó)際上較為完善的陸面模式之一[25]。本研究使用的CLM5.0模式是CLM的最新版本。
CLM5.0用嵌套的次網(wǎng)格結(jié)構(gòu)來描述空間異質(zhì)性,每個(gè)網(wǎng)格有3個(gè)層次,第1層為陸地單元分類,有冰川、湖泊、城市、植被和作物(打開作物模式選項(xiàng)時(shí));第2層是柱單元,分別由25層土(其中20層為土層,其余的為基巖層)和10層雪(視雪的深度而定)表示;第3層是植被單元上的植被功能類型或裸地。模式按照植被的生物、物理以及化學(xué)性質(zhì)將植被分為16種植被功能類型。CLM5.0的地表參數(shù)空間分布和季節(jié)氣候?qū)W來源于MODIS衛(wèi)星地面數(shù)據(jù)產(chǎn)品[26]。
本文選取了2003~2010年的LST進(jìn)行模擬,3組模擬實(shí)驗(yàn)分別記為CLM-CMFD,CLM-GSWP,CLM-CRUNCEP。本研究在模擬時(shí)已通過spin-up獲得基本穩(wěn)定的初始場(chǎng)。
在CLM模式中,地表包括植被表面的冠層、裸露地面的土壤表層和裸露雪地表面的雪層表層。由于模式并沒有直接輸出LST,因此本研究采用了向上長(zhǎng)波輻射、向下長(zhǎng)波輻射以及地表發(fā)射率來計(jì)算得到LST的模擬值[27]:
(1)
式中:RLW↑和RLW↓分別為向上和向下的地表長(zhǎng)波輻射,W/m2;σ為Stefan-Boltzmann常數(shù),值為5.67×10-8W/(m2·K4);εg為地表發(fā)射率,取值范圍為0.95~1.00。
本研究采用以下評(píng)估方法來衡量不同大氣強(qiáng)迫數(shù)據(jù)驅(qū)動(dòng)下LST的模擬值與觀測(cè)值之間的差別[28]。
(1) 偏差。
(2)
(2) 均方根誤差。
(3)
(3) 相關(guān)系數(shù)。
(4)
3種大氣強(qiáng)迫數(shù)據(jù)驅(qū)動(dòng)下CLM5.0對(duì)黃河流域上中游地區(qū)2003~2010年間冬、夏季節(jié)LST的模擬值及觀測(cè)值如圖2和圖3所示。在冬季,CLM-GSWP方案的模擬值最接近觀測(cè)值,且出現(xiàn)高估,而另兩種方案的模擬值出現(xiàn)低估。在夏季,3種方案模擬值均出現(xiàn)高估,其中CLM-CMFD的模擬值最接近觀測(cè)值,CLM-GSWP和CLM-CRUNCEP兩種方案模擬值之間較接近。
圖2 冬季月平均LST的觀測(cè)值和模擬值的時(shí)間序列Fig.2 Time series of observed and simulated monthly mean LST in winter
圖3 夏季月平均LST的觀測(cè)值和模擬值的時(shí)間序列Fig.3 Time series of observed and simulated monthly mean LST in summer
2003~2010年冬、夏季區(qū)域平均LST模擬值與觀測(cè)值的偏差,均方根誤差和相關(guān)系數(shù)的計(jì)算結(jié)果如表1所示。3組實(shí)驗(yàn)的LST模擬值與觀測(cè)值間的R值均不小于0.93,這說明3種大氣強(qiáng)迫數(shù)據(jù)驅(qū)動(dòng)下CLM5.0對(duì)研究區(qū)冬、夏季LST變化趨勢(shì)的模擬效果均較好。而通過對(duì)比Bias和RMSE發(fā)現(xiàn),3種方案對(duì)夏季LST模擬效果均高于其對(duì)冬季LST的模擬效果。冬季的3種實(shí)驗(yàn)方案中,兩組方案(CLM-CMFD和CLM-CRUNCEP)的Bias出現(xiàn)負(fù)值,夏季的Bias均為正值。綜合Bias,RMSE和R來說,區(qū)域平均LST模擬值中,CLM-GSWP方案的模擬效果最好,夏季CLM-CMFD方案的模擬效果最好。
表1 LST觀測(cè)值和模擬值的Bias,RMSE值與R值
CMFD、GSWP和CRU-NCEP三種強(qiáng)迫數(shù)據(jù)驅(qū)動(dòng)下,CLM5.0對(duì)黃河流域上中游地區(qū)冬、夏季2003~2010年多年平均LST觀測(cè)和模擬的空間分布如圖4和圖5所示。由圖4~5可知:3種實(shí)驗(yàn)方案均能較好模擬出與觀測(cè)值較接近的LST空間分布,都抓住了研究區(qū)西部LST較低,關(guān)中平原LST較高的空間分布特征,都能體現(xiàn)LST隨緯度、季節(jié)、地形、和土地利用類型變化而變化的特點(diǎn)。
冬季LST受緯度和地形影響較大,模擬和觀測(cè)值都出現(xiàn)了在西部區(qū)域自東向西降低,在中部和東部區(qū)域成帶狀自南向北降低的分布特征。研究區(qū)西部地處青藏高原,海拔較高,出現(xiàn)了最低LST,低于-15 ℃。在研究區(qū)的北部和東北部以及中南部有部分狹長(zhǎng)區(qū)域LST也較低,因?yàn)檠芯繀^(qū)北部為陰山山脈,東北部為呂梁山,中南部狹長(zhǎng)區(qū)域?yàn)榱P山,地形因素對(duì)黃河流域上中游的LST影響較大。
圖4 冬季LST的觀測(cè)值和不同方案模擬值的空間分布(單位:℃)Fig.4 Spatial distribution of LST in winter based on observation and simulations of different schemes
圖5 夏季LST的觀測(cè)值和不同方案模擬值的空間分布(單位:℃)Fig.5 Spatial distribution of LST in summer based on observation and simulations of different schemes
夏季LST的空間分布依舊出現(xiàn)西部和中、東部差異較大的現(xiàn)象,西部夏季LST雖高于0 ℃,但仍然較低,約為4 ℃~10 ℃,中部和東部大部分區(qū)域均高于20 ℃。在關(guān)中平原的北部有兩處區(qū)域明顯低于周圍LST,是由于該區(qū)域土地利用類型為森林,植被覆蓋率高,植被蒸散發(fā)大,導(dǎo)致潛熱通量較大而感熱通量較小,進(jìn)而使得LST較低。
冬季LST模擬值與觀測(cè)值的偏差、均方根誤差以及相關(guān)系數(shù)空間分布如圖6所示,CLM-GSWP方案的LST模擬值在大部分地區(qū)比觀測(cè)值偏高,而CLM-CMFD和CLM-CRUNCEP的模擬值在大部分地區(qū)比觀測(cè)值偏低,且CLM-CMFD方案的模擬值在關(guān)中平原的小部分區(qū)域出現(xiàn)了異常高溫,這是由于CMFD強(qiáng)迫數(shù)據(jù)集中向下長(zhǎng)波輻射和向下短波輻射比其他兩個(gè)大氣強(qiáng)迫數(shù)據(jù)集高。對(duì)比RMSE可以發(fā)現(xiàn),CLM-CMFD方案的冬季LST模擬結(jié)果較差,而CLM-GSWP的模擬結(jié)果總體上較好。3 種方案模擬值與觀測(cè)值的相關(guān)系數(shù)在西部較低,在中部、東部較高。
夏季3種方案模擬值與觀測(cè)值的偏差、均方根誤差以及相關(guān)系數(shù)如圖7所示,CLM-CMFD方案的LST模擬值與觀測(cè)值的Bias較小,CLM-GSWP和CLM-CRUNCEP的模擬值相近,由RMSE和R的空間分布可知,夏季LST模擬結(jié)果中,CLM-CMFD的模擬值明顯優(yōu)于CLM-GSWP和CLM-CRUNCEP的模擬值。局部區(qū)域模擬值與觀測(cè)值相關(guān)性不夠顯著,可能是由于強(qiáng)迫數(shù)據(jù)集在這些區(qū)域上的向下短波輻射數(shù)據(jù)與觀測(cè)數(shù)據(jù)存在一定誤差,更確切的原因還需要在今后的工作中做更深入的探索。
LST的模擬是陸面模式中較為關(guān)鍵的部分,其時(shí)空分布的準(zhǔn)確評(píng)估至關(guān)重要。而利用通用陸面模式模擬LST的準(zhǔn)確性與大氣強(qiáng)迫數(shù)據(jù)集的精準(zhǔn)度聯(lián)系密切。雖然目前已有研究直接對(duì)多種LST再分析資料進(jìn)行了適用性評(píng)估[8],也有研究對(duì)比了不同陸面模式對(duì)LST的模擬能力[29-30],另外一些研究主要針對(duì)蒸散發(fā)量、土壤濕度、雪深、徑流等物理量探究了不同大氣強(qiáng)迫數(shù)據(jù)集對(duì)模型模擬結(jié)果的影響[4-5],但尚未有研究探索不同大氣強(qiáng)迫數(shù)據(jù)集對(duì)CLM5.0模擬LST的影響。本研究利用3種大氣強(qiáng)迫數(shù)據(jù)集(CMFD,GSWP,CRU-NCEP)驅(qū)動(dòng)CLM5.0模式模擬了黃河流域上中游地區(qū)2003~2010年冬夏季的LST,并對(duì)其進(jìn)行了對(duì)比分析。由于本文選用的觀測(cè)數(shù)據(jù)為MODIS數(shù)據(jù),其在日尺度以下不同時(shí)刻的空間缺測(cè)情況差異較大。因此,本研究在月、季節(jié)和年尺度上進(jìn)行了LST的模擬與分析,未來有必要進(jìn)一步開展更精細(xì)的時(shí)間尺度上的模擬。
圖6 3種方案中冬季LST模擬值與觀測(cè)值的偏差、均方根誤差以及相關(guān)系數(shù)Fig.6 Bias,RMSE and R between simulations in three schemes and observations of LST in winter
圖7 3種方案中夏季LST模擬值與觀測(cè)值的偏差、均方根誤差以及相關(guān)系數(shù)Fig.7 Bias,RMSE and R between simulations in three schemes and observations of LST in summer
(1) 陸面模式CLM5.0對(duì)LST的模擬結(jié)果受大氣強(qiáng)迫數(shù)據(jù)的質(zhì)量影響較大。雖然3種方案均能較好地模擬出LST的時(shí)空分布,但不同強(qiáng)迫數(shù)據(jù)集驅(qū)動(dòng)下的結(jié)果仍然有明顯差異。
(2) 在冬季LST的模擬中,GSWP數(shù)據(jù)集驅(qū)動(dòng)下CLM5.0的模擬結(jié)果最好,偏差為0.87 ℃,均方根誤差為1.24 ℃,相關(guān)系數(shù)為0.95;而在夏季,CMFD數(shù)據(jù)集驅(qū)動(dòng)下CLM5.0對(duì)LST的模擬結(jié)果最好,偏差為0.54 ℃,均方根誤差為0.63 ℃,相關(guān)系數(shù)為0.95。
(3) 在基于陸面模式對(duì)未來LST進(jìn)行模擬時(shí),可以選用CMFD數(shù)據(jù)集和GSWP數(shù)據(jù)集分別驅(qū)動(dòng)模式。其中,可選取CMFD數(shù)據(jù)集驅(qū)動(dòng)的夏季LST結(jié)果和GSWP數(shù)據(jù)集驅(qū)動(dòng)得到的冬季LST結(jié)果作為最終的模擬結(jié)果。