農(nóng)田灌溉過程與土壤參數(shù)更新對中亞費爾干納盆地WRF/Noah模擬精度的提升

丁娜娜 胡召玲 張學珍

1 中國科學院地理科學與資源研究所，中國科學院陸地表層格局與模擬重點實驗室，北京 100101

2 江蘇師范大學，江蘇徐州 221116

3 中國科學院大學，北京 100049

1 引言

下墊面是氣候系統(tǒng)的重要組成部分，為大氣提供能量、水分、氣溶膠/沙塵，同時通過動力摩擦改變近地層的風速、風向與湍流，并通過生物地球化學過程影響大氣的C、N等元素組成。陸地約占地球總面積的1/3，是下墊面的重要組成部分，發(fā)生于陸面的輻射收支、能量分配、動力摩擦、碳源匯等過程可顯著影響天氣和氣候，具有重要的氣象學意義（Bonan and Doney,2018; Forzieri et al.,2020）。作為陸面過程的重要組成部分，土壤水文過程對近地層大氣溫度和濕度的影響備受關(guān)注，因為土壤的蒸發(fā)、入滲過程是地表水量平衡和能量平衡的重要組成部分，是氣候變化與水文水循環(huán)耦合的關(guān)鍵過程，同時土壤水分又深受人為灌溉活動的調(diào)控，成為鏈接人類活動與天氣、氣候的重要紐帶。大量研究指出包括灌溉、蒸發(fā)在內(nèi)的土壤水文過程對區(qū)域天氣、氣候具有極為重要的影響（Yang et al.,2017; Zhang et al.,2017）。土壤水文過程的精度成為影響陸面模型乃至氣候系統(tǒng)模式模擬精度的重要因素（Ficklin et al.,2012; Bierkens,2015; Huang et al.,2019）。

WRF（Weather Research and Forecasting）模式是美國國家大氣科學研究中心（NCAR）聯(lián)合多個機構(gòu)共同研制的新一代中尺度氣象模式，其高等研究版（Advanced Research WRF）被廣泛應(yīng)用于天氣和氣候模擬研究（高篤鳴等,2016; Zhang et al.,2017; Qiu et al.,2017; 許魯君等,2018; Pithani et al.,2020）。盡管WRF模式保持了較高的更新頻率，并且每次更新均不同程度的完善物理過程參數(shù)化方案，但是直到最新的4.0版本，其內(nèi)嵌的主要陸面模型，如Noah、Noah-MP仍缺失農(nóng)田灌溉過程，造成WRF對灌溉農(nóng)業(yè)區(qū)的模擬誤差較大。為此，大量研究根據(jù)需要自行加入了灌溉過程，并發(fā)現(xiàn)加入灌溉過程之后WRF的模擬精度大幅提升（Kioutsioukis et al.,2016; Zhang et al.,2017,2020）。

基礎(chǔ)地理數(shù)據(jù)集是WRF模式的重要組成部分，與WRF模式代碼一并公開發(fā)布。其中有兩套可供用戶選用的土壤類型數(shù)據(jù)集，一個是美國農(nóng)業(yè)部的 STATSGO土 壤 數(shù) 據(jù) 集 （Miller and White,1998年），另一個是聯(lián)合國糧食及農(nóng)業(yè)組織（FAO）發(fā)布的土壤數(shù)據(jù)集（Dy and Fung,2016）；各類土壤的水文學參數(shù)（飽和含水量、凋萎系數(shù)等）來自美國23個州共35個采樣點土壤樣品數(shù)據(jù)的分析結(jié)果（Cosby et al.,1984）。先前有研究發(fā)現(xiàn)，因其部分地區(qū)反映的土壤類型及相匹配的水文參數(shù)與實際相差較大，對模擬結(jié)果造成了較大的偏差（Bastidas et al.,2006; Kishné et al.,2017; 盧冰等,2019）。因而，在開展區(qū)域氣候模擬研究中，有必要采用本地高精度的土壤數(shù)據(jù)，以降低模擬偏差。

由此來看，在應(yīng)用WRF開展灌溉農(nóng)業(yè)區(qū)氣候模擬時，新增農(nóng)田灌溉過程并更新土壤數(shù)據(jù)將有助于降低模擬誤差。中亞費爾干納盆地是中亞典型農(nóng)業(yè)區(qū)，在1300多千萬的居民中，從事農(nóng)業(yè)生產(chǎn)的占70%。該地區(qū)屬于干旱半干旱氣候，年降水量為 109～502 mm，而蒸散量高達 1133～1294 mm，因而灌溉成為該地區(qū)農(nóng)業(yè)發(fā)展的必要支撐（Ibrakhimov et al.,2018）。前蘇聯(lián)在盆地內(nèi)修建了龐大的水利系統(tǒng)，灌溉土地約為1.653×108km2，綠洲灌溉用水占盆地用水的90%（Conrad et al.,2013）。先前僅有少數(shù)大范圍的區(qū)域氣候模擬研究涵蓋了這一地區(qū)（Huang et al.,2014; Ozturk et al.,2017），其中部分采用了標準版本的WRF（Qiu et al.,2017），少有專門針對這一地區(qū)開展氣候模擬研究。新增農(nóng)田灌溉過程和更新土壤數(shù)據(jù)能否顯著提高WRF模式模擬精度，知之甚少，這為進一步利用WRF模式開展區(qū)域氣候變化預(yù)測造成了一定障礙。

在此背景下，本文擬通過敏感試驗研究新增農(nóng)田灌溉過程與更新土壤參數(shù)對中亞費爾干納盆地WRF/Noah模擬精度的提升作用，以期為建立基于WRF模式的區(qū)域氣候變化預(yù)測平臺提供科學參考。

2 數(shù)據(jù)與方法

2.1 研究區(qū)概況

費爾干納盆地位于烏茲別克斯坦、吉爾吉斯斯坦和塔吉克斯坦的交界處（40°15′N～41°50′N，70°30′E～73°15′E），呈狹長形，面積 22000 km2（圖1），是前蘇聯(lián)時期重點發(fā)展的棉花生產(chǎn)基地，是當前中亞最重要的農(nóng)業(yè)地區(qū)之一。盆地北、東、南三面是山地，海拔較高，西部開口，地形總體呈東高西低的特征，農(nóng)田主要分布于盆地平原，絕大部分歸屬于烏茲別克斯坦。盆地內(nèi)有數(shù)十條河流，形成了中亞地區(qū)最為復(fù)雜的水網(wǎng)，其中錫爾河為干流，支流發(fā)源于北、東、南部山區(qū)，總徑流量為170～330×109m3/a。前蘇聯(lián)時期在費爾干納盆地修建的大費爾干納、南費爾干納和北費爾干納等幾條大灌渠將這些河流連接，形成了費爾干納盆地龐大的水利系統(tǒng)，以支撐該地區(qū)大面積農(nóng)田的灌溉。

2.2 試驗設(shè)計

為研究新增農(nóng)田灌溉過程與更新土壤參數(shù)對中亞費爾干納盆地WRF/Noah模擬精度的提升作用，本文利用WRF模式（V4.0），開展了3組試驗，第一組是標準版本W(wǎng)RF/Noah模擬試驗（以下稱NATU），第二組是嵌入灌溉過程參數(shù)化方案的WRF/Noah模擬試驗（以下稱IRRG），第三組在第二組的基礎(chǔ)上，更新土壤類型及相關(guān)參數(shù)，再進行模擬試驗（以下稱IRRG_S）。除此之外的其它設(shè)置，3組試驗完全相同。其中，模擬區(qū)域中心點坐標為（40.3°N，71.5°E），東西方向130個網(wǎng)格，南北方向110個網(wǎng)格，網(wǎng)格大小為5 km，區(qū)域范圍完全覆蓋費爾干納盆地及周邊山區(qū)（圖1），垂直方向27層。主要物理參數(shù)化包括：WSM6微物理方案（Hong and Lim,2006）、CAM3 輻射參數(shù)化方案（Collins et al.,2004）、YSU 行星邊界層方案 （Hong and Pan,1996） 以 及 Noah 陸 面 模 型（Chen and Dudhia,2001）。

圖1 費爾干納盆地地理位置（紅色曲線包圍的區(qū)域）、模擬區(qū)域空間范圍（紅色矩形）及其地形（填色）與氣象站（藍色空心圈，藍色數(shù)字表示在NOAA氣候數(shù)據(jù)集中的站點編號）Fig.1 Geographical position of Fergana basin (red polygon),the domain and terrain of simulation area (colored),and meteorology stations (blue circles,with blue numbers denoting the station ID in the NOAA climate dataset)

為了降低模式噪音及不同氣候背景（年景）對研究結(jié)果的影響，本文采用“集合預(yù)報”的思想，每組試驗進行了2007～2011年（連續(xù)5年）的氣候變化模擬，最后的結(jié)果分析采用5年模擬結(jié)果的平均值。其中，2009年、2010年為多雨年，年均降水量為389.30 mm，2007、2010年為正常年，年均降水量為355.09 mm，2008年降水量較低，年均降水量為302.29 mm。每組試驗自每年3月1日00:00（北京時間，下同）開始，于11月30日18:00終止。側(cè)邊界數(shù)據(jù)來自NCEP/FNL數(shù)據(jù)集，更新頻率為6 h更新一次。

模擬試驗利用MODIS的土地利用數(shù)據(jù)（MCD 12Q1_006數(shù)據(jù)集；https://lpdaac.usgs.gov/[2020-01-10]）（Sulla-Menashe and Friedl,2019）替換了 WRF模式默認配置的土地利用數(shù)據(jù)，并開啟了WRF/Noah的陸面次網(wǎng)格化功能，每個模式網(wǎng)格內(nèi)的土地利用類型上限設(shè)置為5種。在Noah陸面模型框架下，綠色植被覆蓋度是一個極其關(guān)鍵的參數(shù)，不僅用于計算植被蒸騰量的過程，而且還控制著整個模式物候期。本文基于2009年的MODIS歸一化差值植被指數(shù)（NDVI）（MOD13A1_006與MYD13A1_006數(shù)據(jù)集；https://lpdaac.usgs.gov/[2020-01-10]）（Didan,2015），通過象元二分法（張學珍和朱金峰,2013）計算了WRF模式網(wǎng)格間隔8 d的綠色植被覆蓋度，并將其插值為日數(shù)據(jù)，替換了WRF的默認數(shù)據(jù)。

2.2.1 灌溉參數(shù)化方案

灌溉活動通常出現(xiàn)在一定干旱條件下，為此本文采用了動態(tài)灌溉方案，在土壤含水量低于一定閾值時才觸發(fā)灌溉過程。具體地，參考農(nóng)業(yè)技術(shù)準則，本文將田間持水量的70%作為觸發(fā)灌溉的閾值（張建國和金斌斌,2010）。同時，灌溉一般發(fā)生在白天，且主要灌溉方式是大水漫灌，短時間內(nèi)土壤含水量達到飽和，因而本文的灌溉方案僅在當?shù)靥栔鄙漭椛浯笥?時才被激活，且在一個積分時步內(nèi)，將土壤含水量增至飽和含水量。鑒于作物根層相對較淺，本文的灌溉方案只考慮了上面3層（0～40 cm）土壤的水分特征，灌溉方案的數(shù)學表達式如下：

2.2.2 土壤類型數(shù)據(jù)

本研究采用了國際土壤參比與信息中心（International Soil Reference and Information Centre，簡稱ISRIC）發(fā)布的USDA（SoilGrids250m-Texture class system）數(shù)據(jù)集。該數(shù)據(jù)集源自ISRIC開發(fā)的一個基于機器學習的全球土壤自動繪圖系統(tǒng)，提供了7 個標準深度（0、5、15、30、60、100 和200 cm）的土壤特性、有機碳、容重、陽離子交換容量（CEC）、pH、土壤質(zhì)地份數(shù)和粗碎屑，分辨率為250 m。土壤質(zhì)地采用了美國農(nóng)業(yè)部的分類系統(tǒng)（表1）。

圖2 WRF模式網(wǎng)格內(nèi)費爾干納盆地灌溉地面積百分比Fig.2 Irrigation cropland area fraction in the Fergana basin for each grid cell of WRF modelling

表1 美國農(nóng)業(yè)制土壤質(zhì)地分類Table 1 Soil texture classification of American agricultural system

與WRF默認的土壤類型數(shù)據(jù)集相比，二者有明顯差異（圖3）。在WRF默認的數(shù)據(jù)中，費爾干納盆地區(qū)主要是粘土和壤土，其中粘土主要分布在研究區(qū)中部平原區(qū)，壤土主要分布在平原邊緣。在ISRIC數(shù)據(jù)中，盆地內(nèi)上面4層土壤（0～30 cm）類型相同，主要是粉砂粘壤土和粉砂壤土，其中粉砂粘壤土主要分布在盆地中央，粉砂壤土主要分布在南、北邊緣地區(qū)。對于盆地以外的地區(qū)而言，WRF默認的上面3層（0～40 cm）土壤類型主要是壤土，而ISRIC數(shù)據(jù)顯示主要是粉砂壤土。鑒于更新后研究區(qū)的主要土壤類型是粉砂粘壤土和粉砂壤土，故本文針對WRF-Noah陸面模型的土壤參數(shù)中粉砂粘壤土和粉砂壤土的主要參數(shù)進行了更新（表2），更新數(shù)據(jù)來自 Kishné et al.（2017）。

2.2.3 氣象數(shù)據(jù)

地面氣象觀測數(shù)據(jù)是驗證模擬結(jié)果的必要數(shù)據(jù)。由于研究區(qū)內(nèi)的地面氣象站觀測數(shù)據(jù)較為匱乏，故本文采用ERA5再分析的2 m氣溫與比濕、土壤濕度及地表感熱、潛熱通量數(shù)據(jù)驗證WRF模擬結(jié)果（數(shù)據(jù)網(wǎng)址：https://cds.climate.copernicus.eu/cdsapp#!/home[2020-01-10]）。ERA5是第五代歐洲中尺度天氣預(yù)報中心（ECMWF）的全球再分析數(shù)據(jù)集，時間跨度從1950年至今。本文采用的ERA5溫度、土壤濕度數(shù)據(jù)網(wǎng)格大小為0.1°，2 m空氣比濕、潛熱通量和感熱通量數(shù)據(jù)的網(wǎng)格大小為0.25°。與ERA-Interim第四代再分析數(shù)據(jù)相比，ERA5的集成預(yù)報系統(tǒng)模式（IFS）由Cy31r2升級到Cy41r2，采用了10個集合成員的集合4D-Var資料同化方法。ERA5吸收了更多的觀測數(shù)據(jù)，并采用了RTTOV-11的衛(wèi)星資料，適用于多種天氣條件，與ERAInterim采用的RTTOV-7的資料僅適用于晴空相比，大幅提升了數(shù)據(jù)量（朱景和袁慧珍,2019）。

圖3 WRF模式（a）默認及（b）更新后的土壤質(zhì)地類型（黑色曲線包圍區(qū)域表示費爾干納盆地）Fig.3 Soil texture categories from the WRF—(a) default and (b) updated (black polygons denote the domain of the Fergana basin)

表2 更新前后主要土壤類型的參數(shù)對比Table 2 Comparison of the parameters of major soil types between default data and updated data

先前很多研究評估了ERA5再分析數(shù)據(jù)的適用性，結(jié)果都表明該數(shù)據(jù)與觀測數(shù)據(jù)有較高的相關(guān)性，在缺乏觀測資料的情況下，可以作為替代數(shù)據(jù)（支星和徐海明,2013; 朱景和袁慧珍,2019; Chen et al.,2019）。為進一步驗證ERA5在本研究區(qū)的適用性，本研究利用（美國）國家海洋和大氣管理局（NOAA）提供的費爾干那盆地周圍僅有的9個站點（圖1）本文研究時段內(nèi)的月均溫數(shù)據(jù)（網(wǎng)址：https://www.climate.gov/maps-data/dataset/monthlyclimatic-data-world-data-tables[2020-01-10]），計算了再分析數(shù)據(jù)與相應(yīng)站點觀測值的均方根誤差，發(fā)現(xiàn)其最大為5.39°C，最小值為 0.9°C，中位數(shù)為2.9°C，其中平坦地形處的均方根誤差較小，隨海拔增加而增大，并且普遍以ERA5溫度數(shù)據(jù)偏低為主；同時，分析發(fā)現(xiàn)站點觀測與ERA5數(shù)據(jù)多年平均溫度的相關(guān)系數(shù)為0.85（p<0.01），表明ERA5較好的再現(xiàn)了模擬區(qū)域內(nèi)溫度的空間差異。

3 結(jié)果分析

3.1 近地層空氣溫度與比濕

如圖4a所示，3組試驗?zāi)M的地面溫度均高于ERA5再分析數(shù)據(jù)，即WRF模擬結(jié)果系統(tǒng)性偏暖，但各試驗偏暖程度不同。其中，NATU、IRRG和IRRG_S模擬的4～9月盆地平均溫度分別為 20.73°C、20.12°C、19.76°C，與 ERA5 再分析數(shù)據(jù)相比，分別偏高 5.65°C、5.04°C、4.68°C，均方根誤差分別為6.52°C、5.81°C、5.46°C（圖4b）。由此來看，標準版本W(wǎng)RF模式暖偏差最大，加入灌溉過程的WRF模式居中，加入灌溉過程并更新土壤數(shù)據(jù)后的WRF模式最小，并且3組試驗在每個月暖偏差的相對大小穩(wěn)定。這表明，新增灌溉過程可部分減小WRF模擬的暖偏差，再結(jié)合更新土壤數(shù)據(jù)可進一步減小WRF模擬的暖偏差。

圖4 2007～2011年（a）4～9月WRF模擬與ERA5再分析資料的費爾干納盆地年平均逐月溫度，（b）WRF模擬與ERA5再分析資料的各網(wǎng)格4～9月平均溫度的對照及（c）NATU、（d）IRRG、（e）IRRG_S試驗?zāi)M的4～9月平均溫度誤差的空間分布Fig.4 (a) WRF-simulated and ERA-reanalyzed monthly variations of the regional mean temperature of Fergana basin from April to September during 2007–2011; (b) grid-to-grid comparison between simulations and reanalysis of the regional mean temperature of Fergana basin from April to September during 2007–2011; spatial patterns of (c) NATU,(d) IRRG,and (e) IRRG_S simulation biases for the mean temperature from April to September during 2007–2011

空間上，如圖4c所示，NATU試驗的模擬溫度與ERA5的差距最大，盆地內(nèi)溫度偏高2～10°C；在加入灌溉過程之后，誤差縮小，尤其是耕地集中分布（灌溉程度）的中部地區(qū)，IRRG試驗的模擬溫度與ERA5溫度之差降至0～2°C；在此基礎(chǔ)上更新土壤類型及參數(shù)后，IRRG_S的模擬誤差進一步縮小，模擬誤差低于2°C的空間范圍進一步擴大。特別是耕地（灌溉）較為集中的中部地區(qū)，先前的整體暖偏差轉(zhuǎn)為較弱的暖、冷偏差共存。由此來看，IRRG可大幅減小NATU的暖偏差，IRRG_S則使得暖偏差進一步減小，三者相比，IRRG_S試驗?zāi)M的溫度最接近ERA5再分析數(shù)據(jù)。這一結(jié)果表明，在WRF/Noah模式中嵌入灌溉方案并更新土壤類型及參數(shù)可以提升溫度模擬的精度。

圖5展示了 2007～2011年 4～9月模擬與ERA5再分析兩種數(shù)據(jù)的近地面空氣比濕數(shù)據(jù)的對比結(jié)果。由圖5a看出，NATU模擬的4～9月平均空氣比濕僅為4.85 g/kg，IRRG的模擬結(jié)果提升至5.62 g/kg，IRRG_S 使其進一步提升至 5.70 g/kg。3組試驗?zāi)M結(jié)果均低于ERA5的再分析數(shù)據(jù)，這說明WRF模擬結(jié)果存在干偏差。其中NATU模擬的干偏差最大，為?1.57 g/kg，IRRG模擬偏差居中，為?0.8 g/kg，IRRG_S 模擬偏差最小，僅為?0.72 g/kg，3組試驗的均方根誤差分別為 1.66 g/kg、1.13 g/kg 和 1.08 g/kg。由此表明，在 WRF 模式中嵌入灌溉過程方案可以大幅減小標準WRF模式的干偏差，更新土壤類型及參數(shù)可使得干偏差進一步減?。幌鄬Χ?，灌溉過程遠大于更新土壤類型及參數(shù)的效果。

圖5 2007～2011年（a）4～9月WRF模擬與ERA5再分析資料的費爾干納盆地年平均逐月2 m空氣比濕，（b）WRF模擬與ERA5再分析資料的各網(wǎng)格4～9月平均2 m空氣比濕的對照及（c）NATU、（d）IRRG、（e）IRRG_S試驗?zāi)M的4～9月平均2 m空氣比濕誤差的空間分布Fig.5 (a) WRF-simulated and ERA-reanalyzed monthly variations of the regional mean 2-m air specific humidity of Fergana basin from April to September during 2007 –2011; (b) grid-to-grid comparison between simulations and reanalysis of the regional mean 2-m air specific humidity of Fergana basin from April to September during 2007–2011; spatial patterns of (c) NATU,(d) IRRG,and (e) IRRG_S simulation biases for the mean 2-m air specific humidity from April to September during 2007–2011

從模擬偏差的空間分布型來看（圖6c-6e），NATU試驗的干偏差廣泛出現(xiàn)于整個盆地，模擬比ERA5普遍偏低1～3 g/kg。與此相比，嵌入動態(tài)灌溉方案的IRRG試驗（圖6b）模擬偏差明顯縮小，耕地（灌溉）較為集中的中部及東部地區(qū)由先前普遍偏干，轉(zhuǎn)為干、濕偏差并存，但偏差大多未超過0.5 g/kg；而盆地西北部，耕地（灌溉）較少，仍維持1 g/kg左右的干偏差。進一步，更新土壤類型及參數(shù)后，盆地中部及東部的濕偏差略有增加，而西部及西北部地區(qū)仍舊維持干偏差。由此來看，在WRF模式中嵌入灌溉過程方案之后，明顯修正了標準WRF模式模擬的空氣比濕偏低的現(xiàn)象；相對而言，更新土壤類型及參數(shù)對空氣比濕的模擬結(jié)果影響較小。

3.2 地表感熱與潛熱通量及土壤濕度

如圖6a、6b所示，NATU試驗?zāi)M的平均地表潛熱通量為143.86 W/m2，大幅低于ERA5再分析的 233.35 W/m2，偏低 89.48 W/m2，相對偏低幅度高達38.34%。嵌入灌溉過程方案的IRRG試驗及進一步更新土壤數(shù)據(jù)的IRRG_S試驗大幅修正了NATU試驗的偏差，轉(zhuǎn)為小幅偏高，分別偏高31.61 W/m2和 44.80 W/m2，相對誤差僅為 13.55%和19.20%。總體來看，NATU試驗的均方根誤差為111.12 W/m2，而IRRG與IRRG_S的均方根誤差分別降至 66.00 W/m2、59.26 W/m2。由此表明，嵌入灌溉過程方案及更新土壤類型與參數(shù)可明顯減小標準WRF/Noah模式模擬的區(qū)域平均潛熱通量，且嵌入灌溉過程的效果明顯強于更新土壤數(shù)據(jù)。

圖6 2007～2011年（a）4～9月WRF模擬與ERA5再分析資料的費爾干納盆地年平均逐月地表潛熱通量，（b）WRF模擬與ERA5再分析資料的各網(wǎng)格4～9月平均地表潛熱通量的對照及（c）NATU、（d）IRRG、（e）IRRG_S試驗?zāi)M的4～9月平均地表潛熱通量誤差的空間分布Fig.6 (a) WRF-simulated and ERA-reanalyzed monthly variations of the regional mean surface latent heat flux of Fergana basin from April to September during 2007–2011; (b) grid-to-grid comparison between simulations and reanalysis of the regional mean surface latent heat flux of Fergana basin from April to September during 2007–2011; spatial patterns of (c) NATU,(d) IRRG,and (e) IRRG_S simulation biases for the mean surface latent heat flux from April to September during 2007–2011

從模擬偏差的空間分布型來看（圖6c-6e），NATU模擬的潛熱通量普遍偏低，其中北部地區(qū)偏低幅度達 200～300 W/m2，中部和南部偏低 100～200 W/m2。嵌入灌溉過程方案后，IRRG模擬的大部分地區(qū)潛熱通量略微偏高，偏高幅度大多不超過100 W/m2；而耕地（灌溉）較少的西北部地區(qū)仍偏低，不過偏低幅度也未超過－100 W/m2，明顯低于NATU的偏差。進一步，更新土壤類型及參數(shù)之后，IRRG_S模擬的潛熱通量偏高幅度略有增加，其中東部耕地（灌溉）集中地區(qū)偏高約200 W/m2。這一結(jié)果表明，嵌入灌溉過程方案可大幅改變標準WRF模式模擬的地表潛熱通量普遍偏低的現(xiàn)象，減小模式誤差；然而，在此基礎(chǔ)上更新土壤類型及參數(shù)之后，模擬的正偏差進一步增大。

由圖7a、7b來看，WRF模擬的感熱通量普遍偏高，但是3組試驗偏高的幅度有明顯差異。與ERA5相比，NATU試驗的偏高幅度最大，為326.51 W/m2，IRRG與IRRG_S試驗的偏高幅度大致相當，分別為 203.49 W/m2和 191.30 W/m2，明顯小于NATU試驗的偏差；NATU試驗的均方根誤差為244.52 W/m2，而IRRG和IRRG_S試驗僅為 172.63 W/m2、1 69.72 W/m2。感熱通量可直接加熱近地層大氣，感熱通量越大，近地層空氣溫度越高。在此，WRF模擬的感熱通量偏多與3.1小節(jié)發(fā)現(xiàn)的WRF模擬溫度偏高現(xiàn)象一致，同時3組試驗?zāi)M的感熱通量偏差的相對大小也與各試驗?zāi)M溫度偏差的相對大小一致。由此表明，嵌入灌溉過程方案可減少地表感熱通量，大幅糾正標準WRF模擬的感熱通量偏多的現(xiàn)象，相應(yīng)地也糾正了模擬溫度偏高的現(xiàn)象；更新土壤數(shù)據(jù)則進一步糾正了感熱通量偏多和溫度偏高的現(xiàn)象，不過糾正幅度相對較小。

圖7 2007～2011年（a）4～9月WRF模擬與ERA5再分析資料的費爾干納盆地年平均逐月地表感熱通量，（b）WRF模擬與ERA5再分析資料的各網(wǎng)格4～9月平均地表感熱通量的對照及（c）NATU、（d）IRRG、（e）IRRG_S試驗?zāi)M的4～9月平均地表感熱通量誤差的空間分布Fig.7 (a) WRF-simulated and ERA-reanalyzed monthly variations of the regional mean surface sensible heat flux of Fergana basin from April to September during 2007 –2011; (b) grid-to-grid comparison between simulations and reanalysis of the regional mean surface sensible heat flux of Fergana basin from April to September during 2007–2011; spatial patterns of (c) NATU,(d) IRRG,and (e) IRRG_S simulation biases for the mean surface sensible heat flux from April to September during 2007–2011

由圖7c來看，NATU試驗?zāi)M的感熱通量在盆地內(nèi)普遍偏高，其中北部地區(qū)偏高幅度較大，高達400 W/m2，中部和南部地區(qū)略小，約為100～300 W/m2。嵌入灌溉過程方案使得感熱通量偏多的幅度普遍減小，其中耕地（灌溉）較為集中的中部和東部地區(qū)尤甚，偏多幅度降至100 W/m2以下，北部地區(qū)偏多幅度也降至200 W/m2左右（圖7d）。更新土壤類型及參數(shù)后，感熱通量偏多的幅度進一步減小，但是減幅較為有限（圖7e）。

總結(jié)以上分析，新增灌溉過程與更新土壤數(shù)據(jù)致使地表潛熱通量大幅度提高，感熱通量大幅度降低，在較大程度上糾正了標準WRF模擬的潛熱偏少及感熱偏多的問題，提升了模擬的精度。相對而言，新增灌溉過程的效果遠大于更新土壤數(shù)據(jù)的效果。

在土壤含水量方面，與ERA5數(shù)據(jù)相比，NATU試驗的4～9月平均土壤含水量整體偏低0.013 m3/m3，IRRG和IRRG_S的試驗結(jié)果則分別整體偏高0.021 m3/m3、0.019 m3/m3；就區(qū)域內(nèi)全體網(wǎng)格而言，NATU的均方根誤差較小，為0.029 m3/m3，IRRG_S和IRRG 分 別 為 0.076 m3/m3、 0.07 m3/m3（ 圖8）。從月際變化來看，4～6月NATU模擬的土壤含水量明顯偏低，IRRG和IRRG_S模擬結(jié)果更為接近ERA5；7～9月NATU模擬結(jié)果與ERA5更為接近，而IRRG和IRRG_S模擬結(jié)果明顯偏高。

從模擬與ERA5數(shù)據(jù)之差的空間分布來看，NATU試驗?zāi)M的平原腹地耕地集中地區(qū)的土壤含水量略高于ERA5，大多不超過0.05 m3/m3，而IRRG和IRRG_S試驗?zāi)M結(jié)果則明顯高于ERA5，不過IRRG_S誤差較小，IRRG誤差較大。由此表明，新增灌溉過程增加了平原腹地土壤含水量的模擬誤差，但是更新土壤參數(shù)可以在一定程度上縮小這一誤差，提升模擬的精度。在4～6月，NATU試驗?zāi)M的研究區(qū)北部和東南邊緣土壤含水量明顯低于ERA5，而增加灌溉過程之后，模擬土壤含水量轉(zhuǎn)為略高于ERA5。同樣的IRRG_S模擬誤差相對小于IRRG的模擬誤差。由此表明，圖8a展示的4～6月NATU模擬的土壤含水量明顯低于ERA5主要原因是模擬的盆地邊緣地區(qū)土壤含水量偏低所致，加入灌溉過程并更新土壤數(shù)據(jù)可部分提升模擬精度?？傮w來看，新增灌溉過程放大了WRF模擬的土壤“濕偏差”，并未提升模擬精度，然而更新土壤參數(shù)則在一定程度上有助于提升模擬精度。

圖8 2007～2011年（a）4～9月WRF模擬與ERA5再分析資料的費爾干納盆地年平均逐月根層（0～40 cm）土壤含水量，（b）WRF模擬與ERA5再分析資料的各網(wǎng)格4～9月平均根層（0～40 cm）土壤含水量的對照及（c、f）NATU、（d、g）IRRG、（e、f）IRRG_S試驗?zāi)M的平均根層（0～40 cm）土壤含水量誤差的空間分布，（c–e）表示4～6月平均，（f–h）表示7～9月平均Fig.8 (a) WRF-simulated and ERA-reanalyzed monthly variations of the regional mean soil moisture at the root layer (0–40 cm) of Fergana basin from April to September during 2007–2011; (b) grid-to-grid comparison between simulations and reanalysis of the regional mean soil moisture at the root layer (0–40 cm) of Fergana basin from April to September during 2007–2011; spatial patterns of (c,f) NATU,(d,g) IRRG,and (e,h) IRRG_S simulation biases for the mean soil moisture at the root layer (0–40 cm) during 2007–2011,the mean of the data for (c–e) April to June and (f–h) July to September

3.3 不同土壤數(shù)據(jù)下模擬的灌溉耗水量

圖9展示了WRF默認土壤數(shù)據(jù)與ISRIC土壤數(shù)據(jù)下的灌溉強度?？傮w來說，WRF模式配置土壤數(shù)據(jù)下，2007～2011年4～9月區(qū)域平均的日均灌溉量為8.46 mm，更新土壤數(shù)據(jù)后降至6.28 mm。從空間分布看，WRF默認土壤數(shù)據(jù)下，灌溉強度呈現(xiàn)鮮明的區(qū)域差異。在盆地內(nèi)部平原區(qū)耕地集中分布地區(qū)，日灌溉量約為5 mm，而盆地北部與東南邊緣耕地較為集中分布的地區(qū)，日灌溉量普遍超過20 mm。灌溉強度的空間分布與土壤類型分布（圖3a）基本一致，高強度灌溉區(qū)出現(xiàn)在壤土區(qū)，低強度灌溉區(qū)出現(xiàn)在粘土區(qū)。這是因為壤土的導(dǎo)水率較高，灌溉后大量的水分在重力作用下滲漏，相對而言持水能力較弱，所以需要較為頻繁的灌溉，以滿足作物生長的需求；粘土的導(dǎo)水率相對較低，不足壤土導(dǎo)水率的1/3，持水能力較強，因而灌溉水量相對偏少。

更新土壤數(shù)據(jù)之后，灌溉強度的空間分異明顯較小，其空間分布與耕地的空間分布（圖2）基本一致。在平原腹地及北部與東南部邊緣耕地集中地區(qū)，日灌溉量大多5～10 mm，盆地東北部耕地較少的地區(qū)，日灌溉量則不足5 mm。然而，值得注意的是西北部部分網(wǎng)格灌溉強度明顯偏大，日灌溉量高達15 mm。究其原因，一方面是因為這些網(wǎng)格耕地較多，面積百分比超過90%，另一方面則是因為這些地區(qū)更新后的土壤類型為粉砂壤土，其導(dǎo)水率遠高于東部的粉砂粘壤土，前者的飽和水力傳導(dǎo)系數(shù)近似于后者的1.5倍，灌溉后下滲水量較大，造成了大量灌溉水的“浪費”。

相比來看，如圖9c所示，在平原腹地大部分地區(qū)，更新土壤數(shù)據(jù)之后的灌溉量普遍多于更新之前，日灌溉量略偏多1～2 mm，僅西北部部分地區(qū)偏多5～10 mm。而對于平原北部與東南部邊緣地區(qū)，更新土壤數(shù)據(jù)之后的灌溉量明顯低于更新之前，日灌溉量偏低普遍超過5 mm，部分地區(qū)高達10～15 mm。根據(jù)針對研究區(qū)灌溉需水量的評估研究，盆地內(nèi)多年平均（1970～2003年）棉花生長季（4月中旬至9月中旬）灌溉耗水量約700 mm，日均灌溉量約4.6 mm；針對2010年的氣候年景（降水量較常年略偏多）灌溉量大約為881 mm（Conrad et al.,2013），當年棉花生長季略偏長（4月上旬至9月下旬），折算日均灌溉量約為4.9 mm。由此來看，費爾干納盆地棉花生長季日均灌溉強度約為5 mm，與更新土壤參數(shù)之前的IRRG試驗?zāi)M的平原腹地灌溉量較為接近。然而，上述研究采用的是非充分灌溉，從植物生理需求的角度，在確保一定產(chǎn)量基礎(chǔ)上，盡可能的節(jié)省灌溉耗水，而本研究采用的是“充分”灌溉方案，每次灌溉均使土壤達到飽和，灌溉水量因而大于實際灌溉量。因而，從這個角度來說，更新土壤數(shù)據(jù)后的IRRG_S試驗更接近區(qū)域?qū)嶋H灌溉量。同時，更新土壤數(shù)據(jù)之前的IRRG模擬灌溉量的巨大空間差異，與區(qū)域?qū)嶋H明顯不一致。綜合上述兩方面，更新土壤數(shù)據(jù)之后的IRRG_S模擬的灌溉強度精度較高。

圖9 （a）WRF默認土壤數(shù)據(jù)與（b）ISRIC土壤數(shù)據(jù)下2007～2011年4～9月日平均灌溉強度空間分布及其（c）差異Fig.9 Spatial distribution of daily irrigation from 2007 to 2011 for (a) WRF default soil type and (b) ISRIC soil type and (c) the difference between daily irrigation from 2007 to 2011 for both soil types

4 討論

器測數(shù)據(jù)是模型校驗的基礎(chǔ)，但是這一研究區(qū)的地面器測數(shù)據(jù)極為匱乏，公之于眾的數(shù)據(jù)更為少見。因此，本文采用了基于數(shù)據(jù)同化技術(shù)建立的再分析數(shù)據(jù)集——ERA5進行WRF模擬結(jié)果的校驗。雖然ERA5的數(shù)據(jù)同化系統(tǒng)相較之前的版本有了較大改進，但是畢竟是同化系統(tǒng)模擬的結(jié)果，而非實測數(shù)據(jù)，在一定程度上受到模型的不確定性影響。以土壤含水量為例，在北美溫帶地區(qū)、歐洲、非洲、澳大利亞，ERA5 與 SIMOS（ESA-led Soil Moisture and Ocean Salinity）衛(wèi)星反演結(jié)果及 GLDAS-Noah陸面模型模擬結(jié)果相比，ERA5的數(shù)值系統(tǒng)性偏高（Piles et al.,2019）。更為重要的是，實測數(shù)據(jù)是數(shù)據(jù)同化的基礎(chǔ)，同化系統(tǒng)數(shù)據(jù)產(chǎn)品的精度深受當?shù)貙崪y數(shù)據(jù)質(zhì)量和豐富度的影響，因而當?shù)貙崪y數(shù)據(jù)的匱乏不可避免的對同化數(shù)據(jù)產(chǎn)品質(zhì)量造成了不利影響。

另外，從WRF模擬結(jié)果與ERA5網(wǎng)格尺度上的散點圖（圖4b、5b、6b、7b、8b）來看，WRF模擬的2 m氣溫的空間變異性與ERA5尚有一定的一致性，NATU、IRRG和IRRG_S與ERA5的相關(guān)系數(shù)分別為0.80、0.81、0.81，而WRF模式模擬的其余各要素空間變異性與ERA5尚有較大差異。其中，WRF模擬的2 m空氣比濕的空間變異性明顯低于ERA5，NATU試驗尤為明顯。ERA5數(shù)據(jù)的變幅約2.5 g/kg，而NATU試驗?zāi)M的2 m空氣比濕變幅大約僅為1 g/kg，IRRG和IRRG_S試驗?zāi)M的2 m空氣比濕變幅分別為1.3 g/kg和1.7 g/kg。對于地表潛熱通量、感熱通量、土壤含水量而言，基本均表現(xiàn)為同樣的規(guī)律：WRF模擬的空間變異幅度小于ERA5，其中NATU試驗尤為明顯，相對而言，IRRG_S試驗較為接近ERA5。由此來看，WRF模式模擬費爾干納盆地各要素空間變異性的能力較弱，新增灌溉過程并更新土壤數(shù)據(jù)后，在一定程度上增強了WRF模式的模擬能力，提升了模擬結(jié)果的精度。至于導(dǎo)致WRF模式這一弱點的其他因素，可能包括：（1）本文采用的土地利用數(shù)據(jù)尚未充分表達真實的地表覆被多樣性和空間異質(zhì)性；（2）本文設(shè)定土壤參數(shù)完全取決于土壤類型，忽視了植被類型及農(nóng)業(yè)耕作、施肥等的影響，未充分表達其空間異質(zhì)性；（3）模式解析表達局地小尺度環(huán)流的能力不足，等等。

5 結(jié)論

綜合以上分析，在WRF/Noah模式中加入動態(tài)灌溉方案并更新土壤數(shù)據(jù)可以提高費爾干納盆地氣候模擬的精度?？傮w來說，加入灌溉方案并更新土壤數(shù)據(jù)在很大程度上糾正了WRF/Noah模擬的2 m氣溫偏高、空氣濕度偏低、感熱通量偏多、潛熱通量偏少的現(xiàn)象；并且更新土壤數(shù)據(jù)后，模擬的灌溉水量也更加接近實際耗水量。因而在基于WRF模式的費爾干納盆地氣候預(yù)測中，加入動態(tài)灌溉方案并更新土壤數(shù)據(jù)是必要的。值得關(guān)注的是，即使加入灌溉方案并更新土壤數(shù)據(jù)，WRF模擬結(jié)果與ERA5再分析數(shù)據(jù)仍存在一定差異，特別是土壤含水的差異反而因為加入灌溉過程和更新土壤數(shù)據(jù)而加大。導(dǎo)致這些差異的原因極為復(fù)雜，其中既有ERA5再分析數(shù)據(jù)不確定性的因素，也有WRF模式不足的因素。因而，在后續(xù)研究中，應(yīng)盡可能的嘗試多渠道收集當?shù)氐牡孛姹O(jiān)測數(shù)據(jù)，并進一步完善WRF模式中的物理過程參數(shù)化方案。