鄂尔多斯市CLDAS土壤湿度评估

李冰琪

摘 要：本文利用2015年3月至2016年11月每旬逢8的0～20cm经过质量控制的自动土壤水分观测站实况数据和同期人工站数据对CLDAS土壤湿度模拟结果进行评估，结果表明：CLDAS能很好地模拟出鄂尔多斯市0～20cm土壤湿度的变化趋势；自动站数据与CLDAS数据拟合程度较人工观测数据要好；鄂尔多斯西部地区人工观测站点的相关系数较东部地区偏高，但东部地区的平均偏差和均方根误差较西部地区小，总体评估不如自动站数据。

关键词：CLDAS；土壤湿度；鄂尔多斯市

中图分类号：S152.71 文献标识码：A 文章编号：1003-5168（2018）23-0147-03

Soil Moisture Assessment of CLDAS in Ordos City

LI Bingqi

（Etuokeqian Banner Meteorological Bureau，Ordos Inner Mongolian 016200）

Abstract： In this paper， the results of CLDAS soil moisture simulation were evaluated by using the quality control data of automatic soil moisture observation station from March 2015 to November 2016. The results showed that CLDAS could well simulate the variation trend of soil moisture of 0～20cm in Ordos. The correlation coefficient of artificial observation stations in Western Ordos was higher than that in eastern Ordos， but the mean deviation and root mean square error in eastern Ordos were smaller than that in Western Ordos， and the overall evaluation was inferior to that of automatic observation stations.

Keywords： CLDAS；soil moisture；Ordos

1 研究背景

土壤濕度是反映陆面表面状况的一个重要物理量[1，2]，其主要通过影响陆-气之间的水循环和陆地能量平衡来影响近地层大气状态，进而对气候产生影响[3]。土壤湿度在时间尺度上具有周尺度甚至月尺度的记忆能力，可直接影响短期气候变化和中尺度天气过程[4]。同时，土壤湿度可以通过影响地表反照率和蒸发，进而对农作物生长产生影响[5]，其也是农业干旱监测中的重要指标[6-8]。

数据同化方法是融合模式模拟与仪器观测土壤湿度的一种有效方法。近年来，国内外在陆面数据同化方法研究和系统建设方面开展了诸多工作[9-11]。在国内，中国科学院西北生态环境资源研究院和兰州大学合作发展了中国西部地区陆面数据同化系统[12]，师春香等[13]建立了中国区域陆面土壤湿度数据同化系统CLSMDAS（China Land Soil Moisture Data Assimilation System），采用Ensemble Kalman Filter（EnKF）同化方法实现了卫星微波亮温资料的直接同化。国际上比较有代表性的陆面数据同化系统主要包括美国的GLDAS（Global Land Data Assimilation System）[14]、NLDAS（North-American Land Data Assimilation System）、NASA LIS（NASA Land Information System），欧洲的ECMWF LDAS（ECMWF Land Data Assimilation System），以及加拿大的CaLDAS（Canadian Land Data Assimilation System）等。

2 模式和数据介绍

2.1 CLDAS系统简介

中国气象局陆面数据同化系统（CLDAS）包括两部分技术：利用多源数据融合技术，对地面观测、卫星观测、数值模式产品等多种来源数据进行融合，获取高质量的温度、气压、湿度、风速、降水和辐射等要素的格点数据（陆面驱动数据）；选取合适的陆面模式，模拟时空连续的空间格点上不同深度层的土壤温度、湿度等陆面变量，最终利用EnKF等同化算法将地面观测与卫星反演土壤湿度、卫星微波亮温等信息融入上一步模式的模拟结果中，并将同化结果作为下一步模式输入的初始场，不断优化模式计算过程，从而得到能更加真实地反映实际情况的土壤温度、湿度等数据的产品[15]。本研究使用的CLDAS2.0驱动数据来源于内蒙古气象局生态与农业气象中心，为鄂尔多斯市2015年3月至2016年11月每旬逢8的0～20cm土壤湿度日数据，空间分辨率为0.0625°×0.0625°，时间分辨率为1h。

2.2 土壤湿度数据简介

用于评估CLDAS土壤湿度模拟结果的观测数据主要选择鄂尔多斯市2015年3月至2016年11月每旬逢8（同期）的自动土壤水分观测站和人工观测站0～20cm土壤湿度的日数据，其中人工观测站8个，自动土壤水分观测站7个（其中4个自动土壤水分站2016年运行），站点分布覆盖全市。

3 CLDAS土壤湿度数据评估

3.1 人工站观测数据评估

3.1.1 0～10cm土壤湿度数据评估。表1是鄂尔多斯市人工站0～10cm土壤湿度观测值与CLDAS模拟值的相关系数、偏差和均方根误差。从表1可得出，鄂尔多斯西部地区的人工观测站点的相关系数较高，均在0.67以上，但平均偏差和均方根误差较大，其中，河南均方根误差达到47.94%。而东部地區的人工观测站点的相关系数较低，均在0.42以下，但平均偏差和均方根误差较小。从人工站0～10cm土壤湿度观测值与CLDAS模拟值趋势图中得出：鄂尔多斯市各站人工观测值与CLDAS模拟值趋势基本一致，东胜、乌审召和伊金霍洛旗拟合较好，其他站偏差均较大。

3.1.2 10～20cm土壤湿度数据评估。表2是鄂尔多斯市人工站10～20cm土壤湿度观测值与CLDAS模拟值的相关系数、偏差和均方根误差。从表2可得出，鄂尔多斯市全市人工观测站点的相关系数都较低，均在0.58以下，平均偏差和均方根误差也较大，只有东胜、伊金霍洛旗偏差和均方根误差较小，其余均在26%以上。从人工站10～20cm土壤湿度观测值与CLDAS模拟值趋势图中得出：鄂尔多斯市各站人工观测值与CLDAS模拟值的偏差除了东胜、乌审召和伊金霍洛旗以外均较大。10～20cm土壤湿度较上一层拟合效果差。

3.2 自动土壤水分站观测数据评估

3.2.1 0～10cm土壤湿度数据评估。表3是鄂尔多斯市自动土壤水分站0～10cm土壤湿度观测值与CLDAS模拟值的相关系数、偏差和均方根误差。从表3可得出，除达拉特旗、乌审旗相关系数较差外，其余各站自动土壤水分站点的相关系数较高，均在0.74以上。西部地区站点的平均偏差和均方根误差较大，其中杭锦旗平均偏差达到53.79%，均方根误差为55.01%，为全市最大值。东部地区站点的平均偏差和均方根误差较小，偏差均在13.3%以下，均方根误差在23%以下。从自动土壤水分站0～10cm土壤湿度观测值与CLDAS模拟值趋势图（图略）中得出：鄂尔多斯市各站自动观测值与CLDAS模拟值趋势基本一致，达拉特旗、乌审旗、乌审召和准格尔旗拟合较好，其他站点偏差均较大。

3.2.2 10～20cm土壤湿度数据评估。表4是鄂尔多斯市自动土壤水分站10～20cm土壤湿度观测值与CLDAS模拟值的相关系数、偏差和均方根误差。从表4可得出，除达拉特旗、乌审旗相关系数较差外，其余各站自动土壤水分站点的相关系数较高，均在0.62以上。西部地区站点的平均偏差和均方根误差较大，其中杭锦旗平均偏差达到57.59%，均方根误差为60.34%，为全市最大值。东部地区站点的平均偏差和均方根误差较小，偏差均在14.3%以下，均方根误差在23%以下。从自动土壤水分站10～20cm土壤湿度观测值与CLDAS模拟值趋势图（图略）中得出：鄂尔多斯市各站自动观测值与CLDAS模拟值趋势基本一致，达拉特旗、乌审旗、乌审召和准格尔旗拟合较好，其他站偏差均较大，这与0～10cm土壤湿度拟合结果一致。

4 讨论与结论

本文利用2015年3月至2016年11月每旬逢8的鄂尔多斯市自动土壤水分观测站和人工观测站数据对同时期CLDAS土壤湿度模拟结果进行评估，主要得出以下结论。

①CLDAS能很好地模拟出鄂尔多斯市0～20cm土壤湿度的变化趋势。

②自动站数据与CLDAS数据拟合程度较人工观测数据好，除达拉特旗、乌审旗相关系数较差外，其余各自动土壤水分站点的相关系数较高，西部地区站点的平均偏差和均方根误差较大，东部地区站点的平均偏差和均方根误差较小，0～10cm较10～20cm土壤湿度数据相关系数高，偏差和均方根误差小。东部自动土壤水分站运行较早，而西部大部分站点均在2016年正式运行，仪器稳定性较差，也与东西部土壤质地不同有一定关系。

③鄂尔多斯西部地区人工观测站点的相关系数较东部地区偏高，但东部地区的平均偏差和均方根误差较西部地区小，总体评估不如自动站数据。人工站数据本身存在较大差异，各人工站点观测时间不统一，观测点土壤质地也有差异，再加上人为原因导致的误差等，都使人工观测数据的结果造成较大偏差。

尽管CLDAS土壤湿度模拟结果总体较好，并能用于干旱监测中，但陆面模式地表参数分辨率较低，参数化方案要根据不同区域的实际情况进行分析，而且为单柱模式，同时模拟的土壤湿度数据忽略了面流、径流等因素的影响。可见，对CLDAS同化系统有待于更深入更细致的研究。

参考文献：

[1]Li H，Robock A，Liu S，et al.Evaluation of Reanalysis Soil Moisture Simulations Using Updated Chinese Soil Moisture Observations[J].Journal of Hydrometeorology，2009（2）：180-193.

[2]Xia Y L，Sheffield J，Ek M B，et al.Evaluation of Multimodel Simulated Soil Moisture in NLDAS - 2[J].Journal of Hydrology，2014（4）：107-125.

[3]宋海清，李云鹏，师春香，等.内蒙古地区下垫面变化对土壤湿度数值模拟的影响[J].大气科学，2016（6）：1165-1181.

[4]Yeh T， Wetherald R T， Manabe S. The Effect of Soil Moisture on the Short-Term Climate and Hydrology Change—A Numerical Experiment[J]. Monthly Weather Review， 1984（3）：474.

[5]马柱国，符淙斌，谢力，等.土壤湿度和气候变化关系研究中的某些问题[J].地球科学进展，2001（4）：563-568.

[6]尹楠，姜琦刚，孟治国，等.基于RADARSAT-2全极化数据反演周期性地表土壤湿度[J].农业工程学报，2013（17）：72-79.

[7]李明星，马柱国.基于模拟土壤湿度的中国干旱检测及多时间尺度特征[J].中国科学（地球科学），2015（7）：994-1010.

[8]王素萍，张存杰，宋连春，等.多尺度气象干旱与土壤相对湿度的关系研究[J].冰川冻土，2013（4）：865-873.

[9]孙菽芬，金继明.陆面过程模式研究中的几个问题[J].应用气象学报，1997（S1）：50-57.

[10]史学丽.陆面过程模式研究简评[J].应用气象学报，2001（1）：102-112.

[11]吴国雄，张学洪，刘辉，等.LASG全球海洋-大气-陸面系统模式（GOALS/LASG）及其模拟研究[J].应用气象学报，1997（S1）：15-28.

[12]李新，黄春林，车涛，等.中国陆面数据同化系统研究的进展与前瞻[J].自然科学进展，2007（2）：163-173.

[13]师春香，谢正辉，钱辉，等.基于卫星遥感资料的中国区域土壤湿度EnKF数据同化[J].中国科学（地球科学），2011（3）：375-385.

[14] Bai P， Liu X， Yang T， et al. Evaluation of Streamflow Simulation Results of Land Surface Models in GLDAS on the Tibetan Plateau[J]. Journal of Geophysical Research Atmospheres， 2016（20）：121-135.

[15] Shi C， Jiang L， Zhang T， et al. Status and Plans of CMA Land Data Assimilation System （CLDAS） Project[C]// EGU General Assembly Conference. EGU General Assembly Conference Abstracts， 2014.