不同大氣強(qiáng)迫數(shù)據(jù)集對(duì)流域地表溫度模擬的影響

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。

1 研究區(qū)概況

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

2 研究數(shù)據(jù)

2.1 大氣強(qiáng)迫數(shù)據(jù)

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°。

2.2 觀測(cè)數(shù)據(jù)

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。

3 研究方法

3.1 CLM模式介紹

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]。

3.2 LST的計(jì)算

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。

3.3 模擬結(jié)果的評(píng)價(jià)指標(biāo)

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)

4 結(jié)果分析

4.1 時(shí)間尺度對(duì)比

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

4.2 空間尺度對(duì)比

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。

5 討 論

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

6 結(jié) 論

(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。