青藏高原CMIP6土壤濕度適用性評估

陳 濤 , 顧忠順 , 代華光 , 馬鵬飛

（1. 西藏自治區(qū)氣候中心， 拉薩 850000；2. 西藏高原大氣環(huán)境研究重點實驗室， 拉薩 850000；3. 西藏自治區(qū)氣象信息網絡中心， 拉薩 850000；4. 西藏自治區(qū)氣象臺，拉薩 850000）

引言

土壤濕度是地表水文過程的一個綜合指標，不僅在調節(jié)地表徑流、土壤排水、土壤凍融方面起著重要作用，還能夠通過調節(jié)地氣間水分和能量交換影響區(qū)域氣候[1?4]?；谝延械乇硭臈l件影響的數值試驗[5?6]，Yeh等[7]認為土壤濕度在決定區(qū)域氣候方面具有重要作用，對這一觀點進行了論證并提出土壤濕度具有氣候記憶功能。由于土壤濕度能夠影響陸面蒸發(fā)，而65%的陸面降水來自陸面蒸發(fā)，只有35%來自海洋[8]，因此，對陸面氣候而言，土壤濕度的重要性甚至高于海表面溫度[2]。

青藏高原（以下簡稱高原）平均海拔4000m以上，被稱為“地球第三極”，特殊的地理條件使其成為區(qū)域乃至全球大氣運動的重要外強迫源，對區(qū)域和亞洲天氣氣候變化有著重要影響[9]。高原對中國部分區(qū)域的氣候變化具有前兆性指示意義，高原持續(xù)性水熱過程的變化與中國一些區(qū)域氣候變化存在遙相關[10?11]。由于土壤濕度在陸-氣水分和能量交換中的重要性，高原土壤濕度與區(qū)域氣候變化的關系受到廣泛關注[12?14]。但是，高原土壤濕度觀測資料相對缺乏，很多研究使用陸面同化資料、再分析資料、遙感反演結果等替代觀測資料，而資料的不同可能導致結果的差異，因此，對這些資料進行評估顯得尤為重要。鄧明珊等[15]對全球陸面數據同化系統(tǒng)（GLDAS）中4個陸面過程模型（Noah、Catchment、VIC、Mosaic）的土壤濕度產品進行了評估，認為Noah產品在高原適用性較好。韓帥等[16]認為中國氣象局陸面數據同化系統(tǒng)（CLDAS）的土壤濕度模擬結果在高原地區(qū)優(yōu)于GLDAS和ERA-Interim。Zeng等[17]對比了基于高級微波掃描輻射儀-地球觀測系統(tǒng)（AMSR-E）的3種土壤濕度產品（NASA、LPRM、JAXA）、5種遙感土壤濕度產品（JAXA、AMSR2、SMOS、ASCAT、ECV）以及1種再分析土壤濕度產品（ERA-Interim），結果表明EVC和ERA-Interim產品與高原觀測結果最為接近。

國際耦合模式比較計劃（CMIP）是由世界氣候研究計劃（WCRP）耦合模擬工作組（WGCM）于1995年發(fā)起，目前已進行至第六次（CMIP6），提供的模擬數據用于支撐未來5～10年的全球氣候變化研究[18]。關于CMIP模擬的土壤濕度已有一些適用性評估。如Yuan等[19]認為：CMIP5模擬的土壤濕度在美國存在明顯的區(qū)域差異和模式間差異；模式在美國西部普遍存在高估現象，而在美國東部則表現為低估；總體而言，CESM1、CCSM4、GFDL-ESM2M三個模式表現最好。在東亞地區(qū)，CMIP5的29個模式中7個模擬較好的模式與JRA-55再分析資料的土壤濕度空間相關達到0.7以上，9個模式模擬較差，空間相關低于0.5[20]。模式的模擬差異可能與其表現土壤柱深度、土壤地理分布以及地表覆蓋類型的準確程度有關[21?22]。

目前，CMIP6數據已發(fā)布，但是關于其土壤濕度的評估，特別是在高原的評估少有報道。本文針對這一問題進行研究，評估CMIP6各模式土壤濕度在高原的適用性，為模式產品的推廣應用提供科學參考。

1 資料與方法

使用CMIP6 Historical試驗[23]（https://esgf-node.llnl.gov/search/cmip6/）32個模式（表1）輸出的近地表（0～10cm）土壤濕度月數據。數據時間段為1850～2014年，空間分辨率統(tǒng)一為1.0°×1.0°。

表1 研究使用的CMIP6模式列表

觀測資料為青藏高原科學數據中心提供的那曲觀測網土壤濕度日資料。該觀測網分為大（1.0°×1.0°，38個觀測站點）、中（0.3°×0.3°，22個觀測站點）、小（0.1°×0.1°，9個觀測站點）共3種不同尺度網格，網格內各觀測點的平均值能夠較好地代表對應網格的土壤濕度，為遙感、模式的土壤濕度對比驗證提供支持[1]。本文選擇大尺度觀測網的10cm觀測資料，資料時間段為2010年8月1日～2016年12月31日，網格內站點分布如圖1所示。觀測土壤濕度以體積含水量表示（單位：m3/m3），為便于比較，將其轉換為10cm厚度的土壤濕度（單位：kg/ m2）與模式資料一致。

圖1 那曲土壤濕度觀測網站點分布

考慮到觀測土壤濕度資料只能對CMIP6的一個格點進行評估，無法對整個高原區(qū)域進行評估，已有研究表明GLDAS的Noah模型輸出的土壤濕度產品（以下簡稱Noah，https://disc.gsfc.nasa.gov）在高原具有較好的適用性[15]，這里使用Noah替代觀測資料，并利用那曲土壤濕度觀測資料對其進行驗證。文中使用Noah 2.1版本的月資料，該版本由模式和觀測結合的數據驅動，較2.0版本有所改進[24]，資料從2000年開始，空間分辨率1.0°×1.0°，選擇的層次為0～10cm。

2 Noah資料驗證與研究時段確定

2.1 Noah資料驗證

已有研究[15]表明，Noah資料在高原具有較好的適用性，該研究中使用的地面觀測網包括10個站點，時間為2010年8月～2012年12月。為了使研究結果更加科學嚴謹，本文使用了站點更密集、時間更長的地面觀測數據進行驗證。圖1為2010年8月～2016年12月Noah與觀測土壤濕度逐月變化，可以發(fā)現兩條曲線吻合程度較好，相關系數為0.84，通過0.001水平的顯著性檢驗。Noah能很好地反映土壤濕度的季節(jié)轉換，甚至能一定程度反映夏季和秋季內出現的波峰及波谷（如2013年、2016年）。從整個研究時段來看，Noah比觀測土壤濕度偏高2.69kg/ m2；從季節(jié)平均來看，春、夏、秋、冬季Noah的偏差分別為0.03kg/ m2、2.69kg/ m2、3.53kg/ m2、4.27kg/ m2。冬季，Noah的偏差最大，且所有統(tǒng)計月份偏差均為正值；春季，Noah的偏差最小，約40%的月份偏差為正值；夏季和秋季，約80%的月份Noah的偏差為正值。冬季偏差最大是由于Noah存在系統(tǒng)性偏高，而春季偏差最小是由于這種系統(tǒng)性誤差不明顯。四個季節(jié)的均方根誤差在4.47 ～5.03kg/ m2，差異并不大。冬季Noah存在系統(tǒng)性偏高，一個重要原因可能是冬季土壤中部分液態(tài)水凍結，觀測得到的是液態(tài)水含量，而模式產品包含了液態(tài)水和固態(tài)水。Noah總體高于觀測土壤濕度，這與已有研究結果不一致[15，25]，可能與使用的觀測資料站點數以及Noah版本有關?？傊湍乔^測網而言，Noah能夠很大程度反映觀測土壤濕度的變化，在高原土壤濕度觀測資料不足的情況下，使用該資料對CMIP6土壤濕度進行評估具有一定參考價值。

2.2 研究時段確定

雖然Noah能夠較好地反映土壤濕度的季節(jié)變化（圖2），但是大部分模式資料會嚴重高估冬半年的土壤濕度（模式結果包含了固態(tài)水），因此很多土壤濕度評估的研究僅針對土壤非凍結期[15?16，19]。通過比較2010年8月～2014年12月CMIP6集合平均與觀測土壤濕度逐月變化（圖3）可以發(fā)現，CMIP6集合平均的土壤濕度雖然也有季節(jié)波動，但是變化幅度明顯小于觀測值，兩條曲線的標準差（CMIP6集合平均為2.06kg/ m2，觀測為7.28kg/ m2）能夠體現這種變化幅度的差異。此外，兩條曲線的吻合程度存在季節(jié)變化，圖3中灰色實線表示每年的5月1日，以此為分界點，兩條曲線在前幾個月的差異明顯大于后幾個月，這可能與冬半年土壤水凍結有關。目前，評估土壤中的固態(tài)水含量十分困難[26]，因此，本文將選擇非凍結期的月份進行CMIP6土壤濕度評估。

圖2 Noah與觀測土壤濕度逐月變化（黑色實線為觀測，黑色虛線為Noah）

圖3 CMIP6集合平均與觀測土壤濕度逐月變化（黑色實線為觀測結果，黑色虛線CMIP6集合平均）

為了解土壤凍結情況，基于2010年8月～2016年12月那曲觀測網逐日資料分析10cm土壤溫度年周期變化，結果表明：3月底，土壤溫度由負轉正；11月初，土壤溫度由正轉負?？紤]到3月底土壤溫度＞0℃后凍土完全融化需要一定時間，將4月作為凍土融化期，選擇5～10月作為土壤非凍結期。后文關于CMIP6土壤濕度的評估針對土壤非凍結期。

3 CMIP6土壤濕度評估

3.1 CMIP6集合平均土壤濕度與Noah比較

使用高原地形文件對2000～2014年CMIP6以及Noah土壤濕度資料進行掩膜，計算各月高原平均土壤濕度，并提取5～9月數據，得到非凍結期CMIP6與Noah土壤濕度逐月變化曲線（圖4）。可以發(fā)現，CMIP6各模式土壤濕度差異較大，高原平均的結果大致在18～34kg/ m2波動。CMIP6集合平均土壤濕度總體高于Noah，兩條曲線的平均值分別為24.4kg/ m2、21.2kg/ m2。雖然兩條曲線的相關系數達0.60，且通過0.001水平的顯著性檢驗，但CMIP6集合平均土壤濕度的變化幅度明顯小于Noah資料（盡管已經排除了土壤凍結期的影響），兩者的標準差分別為0.67kg/m2、2.48kg/ m2。

圖4 非凍結期CMIP6集合平均與Noah土壤濕度逐月變化（黑色實線為Noah，黑色虛線為CMIP6集合平均，陰影表示CMIP6各模式土壤濕度的變化范圍）

從圖4可以看出，CMIP6集合平均與Noah土壤濕度的差異在各月份有所不同。為了分析這種差異的變化，根據2000～2014年土壤非凍結期各月的差異制作箱線圖（圖5），圖中虛線的最上端和最下端分別表示樣本最大和最小值，長方框內包含三條橫線，從上到下分別表示樣本75%、50%、25%分位數。結果表明，CMIP6集合平均與Noah土壤濕度的差異在5月最大（中值為6.85kg/ m2），5～9月兩者的差異逐漸減?。?月差異的中值最小，為1.07kg/ m2），10月兩者的差異再次變大（中值為3.72kg/ m2）。7月，CMIP6集合平均與Noah土壤濕度差異的中值為2.16kg/ m2，略高于8月和9月，但該月差異的分布最為收斂。

圖5 CMIP6集合平均與Noah土壤濕度不同月份的差異分布

非凍結期多年平均土壤濕度的空間分布（圖6）顯示：Noah和CMIP6集合平均土壤濕度均表現為由東南至西北遞減的分布形態(tài)；Noah極大值區(qū)位于西藏林芝市，極小值區(qū)位于高原西北部；CMIP6集合平均土壤濕度的極大值位于青海果洛自治州，極小值位于青海柴達木盆地，高原西部也存在明顯的小值區(qū)。圖6c為圖6b與圖6a的差值，表明CMIP6集合平均土壤濕度在西藏林芝市、青海柴達木盆地以及高原西部低于Noah，在其他區(qū)域高于Noah。

圖6 非凍結期多年平均的土壤濕度空間分布（a. Noah，b. CMIP6集合平均，c. b減a，單位：kg/ m2）

3.2 CMIP6各模式土壤濕度與Noah比較

首先分析CMIP6各模式土壤濕度的偏差，2000～2014年各模式非凍結期土壤濕度的平均偏差以及各月份的偏差如圖7所示。就非凍結期土壤濕度的平均偏差而言，26個模式的偏差為正（高于Noah），6個模式的偏差為負（低于Noah）；與Noah最接近（偏差絕對值最?。┑?個模式分別為E3SM-1-0、MPIESM1-2-LR、MPI-ESM-1-2-HAM、FGOALS-f3-L、AWIESM-1-1-LR，偏 差 分 別 為1.03kg/ m2、?0.39kg/ m2、?0.20kg/ m2、0.19kg/ m2、0.03kg/ m2。就各月份的偏差而言，所有模式5月的偏差均為正，30個模式5月的偏差最大（紅色*位于最上方）；17個模式9月的偏差最小（綠色×位于最下方）；EC-Earth3-Veg、EC-Earth3兩個模式各個月份的偏差最為集中。

圖7 各模式非凍結期土壤濕度的平均偏差以及各月份的偏差（柱形表示非凍結期的平均偏差，不同顏色符號表示各個月份的偏差，序號與模式的對應關系見表1，單位：kg/ m2）

通過泰勒圖分析2000～2014年非凍結期CMIP6各模式土壤濕度與Noah的相關系數以及標準差的比值（圖8）可見：32個模式中10個模式與Noah土壤濕度的相關系數為負值；22個模式相關系數為正值，其中15個模式通過0.001水平的顯著性檢驗，正相關系數最高的5個模式分別為MIROC6（0.65）、EC-Earth3（0.71）、EC-Earth3-Veg（0.71）、FGOALS-g3（0.79）、GFDL-CM4（0.81）。圖8的相關系數主要體現各模式對土壤濕度月變化模擬的優(yōu)劣，如果使用每年非凍結期的平均值（15個樣本，圖略），相關最好的5個模式分別為SAM0-UNICON（0.46）、MPI-ESM1-2-LR（0.50）、

圖8 非凍結期CMIP6各模式與Noah土壤濕度的相關系數以及標準差的比值（相關系數為負的10個模式未給出，序號與模式的對應關系見表1）

EC-Earth3-Veg（0.56）、GFDL-CM4（0.56）、NorESM2-MM（0.59），此時相關系數主要體現各模式對土壤濕度年際變化模擬的優(yōu)劣。標準差的比值反映各模式與Noah離散程度的差異，＜1說明模式土壤濕度的變化幅度小于Noah，反之亦然，數值接近1表示模式土壤濕度變化幅度接近Noah。圖8中11個模式與Noah標準差的比值＜0.5；17個模式的比值位于0.5～1.0；4個模式的比值位于1.0～1.5。標準差的比值表現最好的5個模式分別為MPI-ESM1-2-HR（0.84）、KACE-1-0-G（1.14）、EC-Earth3（1.10）、EC-Earth3-Veg（1.08）、CanESM5（1.03）。綜合考慮圖8的結果，ECEarth3與EC-Earth3-Veg兩個模式的模擬效果最好。進一步考慮土壤濕度年際變化的模擬情況，EC-Earth3-Veg表現最好。

要素的空間分布亦是模式評估的重要內容。從CMIP6各模式與Noah土壤濕度空間分布（圖9）可以看出，大部分模式的土壤濕度空間分布呈現東南至西北遞減的趨勢，與Noah資料一致。少數模式的土壤濕度空間分布與Noah差異較大，如CanESM5土壤濕度的低值區(qū)位于高原中部，呈南北向帶狀分布（圖9（7））；CAS-ESM2-0土壤濕度高值區(qū)位于高原中部和南部邊緣，呈東西向帶狀分布（圖9（8））；IPSL-CM6A-LR土壤濕度的高值區(qū)位于高原西北部（圖9（23））。計算各模式與Noah土壤濕度空間分布的場相關系數，21個模式的計算結果＞0.6，場相關系數最大的5個模式分別為GFDL-CM4（0.79）、SAM0-UNICON（0.80）、FIOESM-2-0（0.80）、BCC-CSM2-MR（0.81）、TaiESM1（0.83）。

圖9 非凍結期Noah（1）與CMIP6各模式（2～33）土壤濕度的空間分布（單位：kg/ m2）

通過上述分析，從偏差、線性相關（月變化）、標準差、場相關4個維度對CMIP6各模式土壤濕度進行評估，并分別給出了5個最優(yōu)模式?？梢园l(fā)現，不同維度評估的5個最優(yōu)模式差異極大，且沒有任何模式同時存在于各維度評估得到的5個最優(yōu)模式之中。相對而言，EC-Earth3和EC-Earth3-Veg（線性相關、標準差2個維度的評估中居于前5）、GFDL-CM4（線性相關、場相關2個維度的評估中居于前5）表現相對較好。為綜合考慮4個維度，以相對偏差位于?25%～25%、線性相關通過0.001水平的顯著性檢驗、標準差比值位于0.5～1.5、場相關系數＞0.6為標準進行篩選，得到AWI-ESM-1-1-LR等10個模式（序號分別為3、14、15、17、18、19、26、27、31、32，與模式對應關系見表1）。

4 結論與討論

本文根據已有研究結論，使用2010年8月～2016年12月那曲觀測網土壤濕度資料驗證了Noah在高原的可靠性，并基于Noah對CMIP6非凍結期土壤濕度在高原的適用性進行評估，結論如下：

（1）2010～2014年，CMIP6集合平均土壤濕度與Noah的線性相關系數為0.60（通過0.001水平的顯著性檢驗），CMIP6集合平均土壤濕度整體高于Noah，各個月份偏高幅度有所差異，其中5月偏高幅度最大，6月和10月次之，7～9月偏高幅度較小。CMIP6集合平均土壤濕度在高原地區(qū)的空間分布總體呈現東南至西北遞減的特征，與Noah的空間部分基本一致。具體而言，CMIP6集合平均土壤濕度在西藏林芝市、青海柴達木盆地以及高原西部低于Noah資料，在其他區(qū)域高于Noah資料。

（2）CMIP6各模式土壤濕度差異較大，從偏差、線性相關、標準差、場相關4個維度進行評估，表現最好的模式分別為AWI-ESM-1-1-LR（偏差為0.03kg/ m2）、NorESM2-MM（線性相關系數為0.59）、CanESM5（標準差比值為1.03）、TaiESM1（場相關系數0.83）。ECEarth3、EC-Earth3-Veg和GFDL-CM4在2個維度的評估中居于前5。綜合考慮4個維度的表現，篩選出AWI-ESM-1-1-LR等10個模式（序號分別為3、14、15、17、18、19、26、27、31、32），根據不同研究需求，可從中選擇合適的模式進行研究。

雖然Noah與那曲觀測土壤濕度資料有較好的一致性，但僅局限于一個網格點（1.0°×1.0°），Noah在高原其他區(qū)域的可靠性還需要進一步驗證。例如土壤濕度的空間分布，根據國家青藏高原科學數據中心陸面同化系統(tǒng)（ITPLDAS）輸出的土壤濕度數據[27]，2003～2010年非凍結期高原0～5cm土壤濕度空間分布形態(tài)（圖略）與CMIP6集合平均結果（圖6b）非常相似，青海柴達木盆地與高原西部為土壤濕度低值區(qū)，這種特征在很多模式中亦有所體現，如EC-Earth3、ECEarth3-Veg、KACE-1-0-G等（圖9）。考慮柴達木盆地的氣候特征及相關研究結論[28]，柴達木盆地為高原區(qū)域土壤濕度的低值區(qū)較為可信，而Noah沒有反映這一特征。因此，基于Noah的CMIP6土壤濕度評估可能仍然存在不足之處，更加準確地評估有待高原土壤濕度觀測系統(tǒng)的完善。

致謝：感謝國家青藏高原科學數據中心提供的觀測及ITPLDAS土壤濕度資料。