CLDAS驱动陆面模式模拟中国区域潜热通量的精度评价*

王智慧，师春香，沈润平，孙 帅，单 帅，韩 帅

（1.南京信息工程大学地理科学学院，南京 210044；2.国家气象信息中心，北京 100081）

潜热通量是陆−气间物质和热量交换过程的重要参数，表达了地表可以为大气提供水汽和能量的多少。研究表明，若陆地表面没有蒸散发，近地面气温将升高15～25℃[1]，可见陆面通量交换对大气系统的显著效应。同时，水热传输过程也与植物生理生态过程、环境特征密切相关，张功等[2−5]准确地定量了解各时间尺度的潜热通量，对农业、水文、生态、气象等相关领域意义重大。

近年来，一系列大型野外观测实验站的建立，为相关研究提供了大量的观测资料，这些资料揭示了陆面过程的一些基本特征，同时也对陆面模式的发展和验证提供了参考依据。地面站点观测主要采用的是涡动相关仪法（Eddy Covariance technique，EC）直接测得潜热通量，一般认为是可靠的。国内外学者分析了不同下垫面的水热交换情况，如青藏高原高寒金露梅灌丛潜热通量的平均日变化和季节变化均为单峰型，峰值在7月下旬[6]；绿洲潜热通量远大于荒漠[7]；平凉站净辐射分配以潜热为主，定西站以感热为主[8]等，不同下垫面的潜热通量存在一定的差异。观测难度大的特性导致观测站点稀少，难以进行空间上的分析，于是寻找可以准确描述潜热通量时空特征的替代资料变得很重要。

陆面模式模拟可以得到时空连续的数据，使得长时间序列、大区域尺度空间分布研究成为可能，但是模拟的精度受初始场和参数化方案的影响，存在不同程度的系统误差和不确定性[9]。随着同化技术的发展，不同来源、不同空间分辨率的数据实现了有机融合，产生了一系列陆面融合资料。目前，国际上比较主流的陆面数据同化系统包括全球陆面数据同化系统（Global Land Data Assimilation System，GLDAS）[10]、北美陆面数据同化系统（North American Land Data Assimilation System，NLDAS）等。2013年，中国气象局也开始了中国气象局陆面数据同化系统的建设[11]，对土壤湿度、温度等数据的适用性进行了大量研究[12−13]，但是对中国区域潜热通量的研究较少。另外，以往对潜热通量的研究多是进行单点实验，叶丹等[14]基于兰州大学半干旱气候与环境观测站分析了Noah-MP不同参数化方案的模拟效果，谢志鹏等[15]基于那曲站数据分析了CLM4.5模拟效果。模型的质量是开展研究的前提和基础，在数据使用之前对数据进行精度评价是必不可少的，Cai等[16]使用NLDAS北美陆面数据同化系统数据评估了美国本土4种陆地表面模型的性能，结果表明CLM4在模拟ET方面表现最好；陈莹莹等[17]调用GLDAS的Noah模式对中国区域地表能量通量进行了模拟分析，从残差的角度得出GLDAS对中国区域地势相对低平的华北平原、黄土高原、蒙古草原和西北干旱区的模拟效果好于海拔较高的青藏高原和纬度较高的东北地区以及内蒙古东部区；李宏宇等[18]分析研究了草原和森林两种下垫面7个站点月尺度上多种再分析资料和模式资料的质量。

综上所述，虽然前人对潜热通量的研究已获得一定的成果，但由于观测资料稀少，多数研究基于单点数据或者单个时间尺度进行模拟或验证，对多个站点不同下垫面潜热资料精度评价的研究报道较少。因此，本研究选择不同下垫面的12个站点数据，采用较长时间的观测资料对基于CLDAS驱动下的三个陆面模式（Community Land Model，CLM；Noah；Noah-MP）以及GLDAS-Noah模拟结果进行精度评价，以期为模拟结果的改进提供一定的参考。

1 数据与方法

1.1 观测资料

潜热通量的观测主要来源于涡动相关系统，包括三维超声风速仪CSAT3（美国，Camp-bell Scientific，Inc.）、开路式水汽二氧化碳分析仪LI-7500RS（美国，LI-COR Biosciences）以及 CR3000数据采集器。涡动相关法是一种直接测定物质垂直湍流通量的方法。与其它处理方法相比，涡动相关法所得的湍流通量数据均基于实际测量值，不包含任何经验关系或假设，即通过高频测量风速脉动、温度、水汽浓度，从而计算某一时间段内（通常为30min）平均垂直感热通量和潜热通量的值。目前，涡动相关法是国内外公认的测量热通量较为可靠的方法。

选取在中国区域内分布相对均匀、观测时间超过两年且分别代表混合林、针叶林、草原、高寒草甸、农田、湿地、荒漠和戈壁8种植被下垫面特点的12个通量塔站点观测的潜热通量数据，站点信息见表1。戈壁站和花寨子站位于甘肃省张掖市，阿柔位于青海省祁连县，以上3个站点数据来自黑河综合遥感实验，发布的观测数据质量分为三个量级，质量标识分别为0、1和2，验证时只保留质量标识为0和1的数据；大兴站位于北京市大兴区魏善庄，下垫面为玉米/小麦、瓜果，数据来自于海河流域多尺度地表通量与气象要素观测数据集，其发布观测数据的质量标识分为9级，剔除质量标识为9的观测数据；戈壁站、花寨子站、阿柔站和大兴数据均来源于国家青藏高原科学数据中心（http：//data.tpdc.ac.cn）。青藏高原的那曲站和安多站代表高寒草地生态系统类型，数据来源于青藏高原第三次科学考察实验数据集（http：//tipex.data.cma.cn/tipex）；长白山站、千烟洲站、海北灌丛、海北湿地站、内蒙古站和当雄站2008−2010年数据均来自中国通量观测研究联盟ChinaFlux（http：//www.chinaflux.org/）。站点数据均经过去野点、去趋势、坐标旋转、频率响应校正、超声虚温校正和WPL 校正等程序处理[19−21]。

1.2 陆面模式资料

（1）由美国航空航天局戈达德空间飞行中心

NASA/GSFC（National Aeronautics and Space Admini- stration/ Goddard Space Flight Center）、美国海洋和大气局NOAA（National Oceanic and Atmospheric Administration）和国家环境预报中心NCEP（National Centers for Environmental Prediction）联合开发的全球陆面数据同化系统GLDAS-2中的NOAH模式输出产品，时间分辨率为3h，空间分辨率为0.25°× 0.25°。

（2）由CLDAS大气驱动场产品（V2.0）驱动CLM、Noah、Noah-MP 3个陆面模式模拟潜热通量的结果。针对CLM、Noah和Noah-MP 3个陆面模式，利用模式自带的静态参数数据分别制作0.0625°×0.0625°等经纬度网格的地表参数数据，作为陆面模式输入数据。再利用“CLDAS大气驱动场产品（V2.0）”对3个陆面模式进行spin-up，分别制作得到每个陆面模式的初始场。CLDAS2.0大气驱动产品来自国家气象信息中心，覆盖亚洲区域（0−65°N，60−160°E），空间分辨率为0.0625°×0.0625°，时间分辨率1h，包括2m气温、2m比湿、10m风速、地面气压、降水[22]、短波辐射[23]6个要素。经2400余个国家级自动站观测数据评估中国区域 2m气温、2m比湿、10m风速、地面气压、小时降水产品。朱智等[24]研究结果表明，与国际和国内同类产品相比，该产品在中国区域质量更高，时空分布特征更为合理准确。最后利用驱动数据和初始场信息驱动3个陆面模式得到地表潜热通量的模拟结果。

表1 站点基本信息Table 1 Basic information of sites

1.3 分析方法

将模式资料和观测资料均处理成3h分辨率数据。采用双线性插值方法将模拟结果插值到站点，即在经向和纬向分别进行线性插值，根据实际站点与周围4个邻点的距离确定相应的权重，从而计算站点数值。利用平均值法，将匹配后的小时资料进行处理得到多年小时平均（0：00−23：00的每3h平均值）、日平均、月平均和年平均潜热通量数据，以分析在不同时间尺度上的模拟效果。

定量统计方法主要包括回归分析、无量纲化和误差分析。每个数学方法评估模式模拟都有一定的局限性，精度验证和评价指标包括斜率、截距、相关系数（R）、平均偏差（ME）、均方根误差（Root Mean Square Error，RMSE）和Nash效率系数（Nash- Sutcliffe Efficiency Coefficient，NSE）。

式中，N代表样本个数。Si代表3种模式模拟的潜热通量数值（W·m−2），S为其平均值（W·m−2）。Oi为各站通量塔观测的潜热通量数值（W·m−2），O为平均值（W·m−2）。其中，斜率和截距是模拟值与观测值拟合线的两个指标，斜率越接近1，截距越接近0表明模拟值越接近观测值，模拟效果越好；平均误差ME可以量化模拟值相对于观测值的偏差；均方根误差经常用于量化模拟结果的准确性，RMSE越小表明模拟值数值上与观测值越接近；相关系数R用于检测模拟值与站点观测值在时间上的一致性，R越接近1，一致性越高。NSE常用来表示模拟结果的效率，范围为负无穷到1，NSE在[0.0， 1.0]通常被认为是模拟性能在可接受的范围，越接近1表示模拟结果与实际观测值越接近，当NSE值小于0时，表明模拟性能较差[25]。

2 结果与分析

2.1 小时尺度潜热通量产品的精度评价

2.1.1 不同下垫面潜热通量的日变化特征

由图1可见，不同下垫面潜热通量观测数据的季节平均和年平均值均表现出单峰型的日变化趋势，每日峰值出现在午后，夜间数值较低，接近0，全天均为正值，但是全天数值上相差较大，年均日动态最大值为152.13W·m−2，出现在针叶林下垫面的14：00，最小值为67.94W·m−2，出现在戈壁站的14：00。由图2可以看出，4个模式模拟结果的表现有一定差异，除Noah-MP和CLM在草甸、草原和湿地上模拟峰值出现时间落后于观测数据，其余数据模拟值峰值出现时间与观测结果均一致。在不同季节，4个潜热通量日值的模拟结果也有一定的差异，（1）针叶林、草原、荒漠、混合林、戈壁和草甸观测数据均满足日变化幅度夏季最高，冬季最低，春秋相差不大的规律，模式能很好地模拟出夏季最高，冬季最低的变化规律，对春秋两季变化规律的模拟效果较差。（2）农田四季的日变化趋势差异较大，具体表现为夏季数值是秋季的两倍，春季介于两者之间，冬季最低，模式模拟结果均表现为夏季>秋季>春季>冬季，春秋两季表现相反。（3）湿地观测数据表现出春季和夏季日变化相差不大，并为最高值，同时冬季数值最低的变化规律，这与陆宣承等[26]的结论一致，但是4个模式均表现出夏季>秋季>春季>冬季的变化规律，春季模拟值与观测数据相差较大。

图1 8种不同下垫面站点潜热通量观测值和陆面模式输出值（LE）的季节平均日变化和年变化Fig.1 Average diurnal variation of latent heat flux observed at eight different underlying surface types and output value （LE） of three land surface models

图2 4种模式模拟结果在不同下垫面模拟误差的平均日内变化（1）和季节变化（2）Fig.2 Annual mean daily change（1） and seasonal change（2） of simulation error （simulated value minus measured value） on different underlying surfaces of the 4 models

由上述分析可知，模式模拟结果基本能反应潜热通量的日变化特征，但是，从与站点数据的差异上看，4个模拟结果误差的年平均日变化有一定差异，表现为（1）在草甸、荒漠、草原、混合林和湿地，4个模式模拟误差的年平均日变化特征相似，混合林处模拟误差平均日变化基本为正值，其余4种下垫面模拟误差平均日变化基本为负值。（2）在戈壁和农田，Noah和Noah-MP模拟误差的日变化特征相似，即白天存在一定正偏差，夜晚基本是负偏差，CLM和GLDAS的日变化特征相似，即基本均为负偏差。（3）对于针叶林下垫面，CLM模拟误差峰值时间较其它3个模式提前。

4个模式在不同季节的表现也不同：（1）混合林和针叶林基本均为正偏差，Noah-MP模式在秋季的模拟值与观测值更接近，其余季节CLM模式的模拟值与观测值更接近。（2）其余6种下垫面，四季基本为负偏差。Noah在戈壁的春夏两季、草甸的夏秋两季、荒漠的秋冬两季以及农田的春季模拟值与观测值更接近；CLM在草甸的冬季、草原的春冬两季、农田的夏冬两季以及湿地的秋冬两季模拟值与观测值更接近；Noah-MP在草甸的春季、荒漠的春夏两季、农田的秋季以及湿地的春夏两季模拟值与观测值更接近；GLDAS在戈壁的秋冬和草原的夏秋模拟值与观测值更接近。

2.1.2 潜热通量精度评价

表2给出了小时尺度上4个陆面模式模拟数据在不同下垫面上模拟结果的评价指标。由表可知，（1）GLDAS在不同下垫面上拟合线的斜率波动较大（0.94±0.68），Noah的斜率变化范围最小（0.73±0.35），4个模式的截距基本为正值，在戈壁处截距最大，均在10W·m−2以上。（2）从RMSE上看，除针叶林，GLDAS的RMSE介于CLDAS驱动下3个陆面模式模拟结果的RMSE之间，其余下垫面，CLDAS驱动下的3个陆面模式的RMSE均小于GLDAS-Noah。CLM在戈壁、草原、混合林和针叶林下垫面上的RMSE较小，Noah-MP在草甸和湿地的RMSE最小，Noah在荒漠和农田的RMSE最小。（3）各模式在不同下垫面上均能很好地模拟出潜热通量的变化趋势，R值都在0.6以上（除GLDAS在戈壁站R为0.54），但是在不同的下垫面表现不同。在混合林和针叶林R较大（0.85以上），其中Noah的表现较好；在戈壁站，模式对潜热通量变化的模拟能力稍差，其中CLM的表现较好（R为0.74）；基于CLDAS驱动下的3个陆面模式对潜热通量变化的模拟效果略优于GLDAS-Noah。（4）从表2还可以看出，NSE基本为正值（除GLDAS在混合林为负值），基于CLDAS驱动下的3个陆面模式的NSE系数均高于GLDAS，CLM在戈壁、混合林、湿地和针叶林表现较好，Noah在荒漠和农田表现较好，Noah-MP在草甸和草原表现较好。

表2 8种下垫面上4个陆面模式潜热通量的模拟值评价指标Table 2 Evaluation index of simulated values of latent heat flux of four land surface models on eight underlying surfaces

2.2 日和月尺度潜热通量的精度评价

2.2.1 潜热通量变化过程

图3 8种不同下垫面站点潜热通量观测值和陆面模式输出值（LE）的多年日平均（1）和月平均（2）变化趋势Fig.3 Average annual（1） and monthly（2） variation of observed latent heat flux and land surface model output value （LE） at eight sites with different underlying surface types

由图3可知，各模式模拟值与观测数据具有相似的年内变化特征，呈现夏季最高的单峰型变化趋势，但在不同的下垫面表现又有所不同。在戈壁、草甸、荒漠和草原下垫面上，模拟数据基本在观测数据曲线附近变化，在长白山和千烟洲两个森林站，模式数据高估了实际潜热通量。下垫面为农田的大兴站，观测数据有着双峰型的变化趋势，峰值出现在5月和8月，而各模式模拟值都呈单峰型的变化 趋势，陆面模式能模拟出8月出现的峰值。大兴所在的地区农业上采取的是冬小麦夏玉米的种植方式，春天需要补充灌溉以保证农作物对水分的需求，灌溉后土壤含水量较高，蒸发量增加，潜热通量明显升高，感热通量明显降低，而陆面模式不能模拟出灌溉的情况，导致模拟的潜热通量在春季出现一定的低估现象。下垫面为湿地的海北湿地站，从观测数据来看，潜热通量在春季显著增加，夏季保持高值变化幅度不大，秋季有明显的下降趋势，冬季潜热保持低值，模式模拟结果在冰雪消融的初春与实际相差较大，以往研究表明，白天土壤融化之后潜热通量会显著升高，冻结、融化前后的差异主要由于土壤体积含水量的变化所致[27]，但4个模式模拟结果均未模拟出融化后潜热通量显著增加的变化趋势。

2.2.2 潜热通量精度评价

图4 模式与观测数据在日尺度（1）和月尺度（2）的统计指标Fig.4 Statistical indices of model and observed data on daily（1） and monthly（2） scale

图4展示了模式资料与站点观测数据在日尺度和月尺度上的统计指标。由平均偏差统计（图4a1−图4b2）可知，模式模拟的潜热通量与观测值的平均偏差在混合林和针叶林两个森林站为正值，其余下垫面基本为负值；陆面模式在大多数站点的模拟偏差较小，平均偏差在−20～20W·m−2，均方根误差在40W·m−2以下，农田模式资料与站点观测偏差较大，结合图3可知，偏差主要集中在春季。从相关系数统计（图4c1、图4c2）可以看出，在所有下垫面各模式模拟的潜热通量与观测值呈极显著正相关关系（P＜0.01）；日尺度上，CLDAS驱动下的3个陆面模式模拟值与观测值的相关性均高于GLDAS，月尺度上，戈壁、草甸、荒漠和混合林下垫面上，CLDAS的R值明显高于GLDAS，草原、湿地和针叶林垫面上，GLDAS的R值介于CLDAS驱动下的3个陆面模式之间，在农田，GLDAS-Noah的R值稍高于CLDAS驱动下的3个陆面模式结果。比较模式模拟值与站点观测值的NSE可知，除GLDAS在农田和混合林处为负值外，模式模拟值与观测值的NSE均为正值；日尺度上，NSE在0.07～0.81区间，草原和针叶林下垫面上，GLDAS模拟值与观测的NSE 介于CLDAS驱动的3个陆面模式之间，其余下垫面，CLDAS驱动的NSE明显高于GLDAS；月尺度上，NSE在0.12～0.93区间，草原下垫面上，GLDAS的NSE高于CLDAS驱动下的NSE，针叶林和湿地上，GLDAS的NSE介于CLDAS驱动下的NSE之间，其余下垫面CLDAS驱动的NSE明显高于GLDAS。

2.3 年尺度潜热通量的精度评价

把所有站点年平均数据作为一个整体来分析4个模式模拟结果年尺度上的模拟效果。由图5可知，4个模式模拟结果与观测数据拟合线的斜率均为正值，截距基本为正值，其中GLDAS-Noah的截距远大于其余3个模拟结果，在高值区域存在明显的低估现象，模拟值与观测值的相关系数R低于0.5，模拟效果稍差。基于CLDAS驱动下的3个模式模拟效果较为接近，且在不同站点模拟效果较为稳定，R值均在0.8以上，RMSE在20W·m−2以下，NSE系数在0～1之间，其中CLDAS-Noah-MP的趋势线与1：1拟合线最接近，斜率最接近1且R最高，RMSE最小，NSE最大，表现出最好的模拟效果。

图5 12个站点潜热通量模拟值与观测数据在年尺度的散点图Fig.5 Annual scatter plots of simulated latent heat flux values and observed data at 12 sites

3 结论与讨论

3.1 讨论

3.1.1 模型在不同时间尺度的模拟效果

在不同时间尺度上，最优模型的选择不是一成不变的。小时尺度上，CLM模型模拟值与观测值的R值较高，日尺度和月尺度上，Noah-MP模型的R值较高，3个时间尺度上NSE较高的均为CLM模型。各模型模拟值与观测值的相关系数和NSE从小时到日到月尺度均经历了先降低后提高的变化趋势，表现为从3h尺度到日尺度，基于CLDAS驱动下的模式模拟值与观测值的R和NSE在荒漠、草原、湿地、农田和针叶林下垫面上存在不同程度的降低，其中Noah-MP的R值降低程度最轻，但其NSE降低最多，GLDAS模式的R值在所有下垫面都存在降低现象且降低值最多；日尺度到月尺度，4个模型模拟结果与观测值的R和NSE均大幅上升。

3.1.2 模型在不同下垫面的模拟效果

各模式模拟效果存在一定的一致性，在森林站点处存在高估，在其余下垫面存在低估，这与李宏宇的CLM在草地存在低估，森林存在高估的研究结果一致[18]。森林处模拟的高估可能与EC观测值的低估有关。多项研究表明，在森林下垫面的EC观测研究中冠层热储量会对能量闭合产生较大的影响从而导致对潜热的低估[28−29]。农田观测数据表现为双峰型的年变化，而模式只能模拟出8月的峰值。农田处的热量交换较为复杂，包含了土壤、灌溉水、大气以及农作物生长的影响[30]，在灌浆成熟期由于灌溉等人为因素的影响会导致模拟值与观测值之间的差异。湿地4月土壤融化后潜热通量显著升高，同张海宏[27]研究结论一致，模式在土壤冻结和融化期间的模拟有待加强。

不同模型在同一下垫面的表现各有优劣。从NSE上看，Noah在荒漠和农田的模拟效果较好，CLM在混合林和针叶林模拟效果较好，Noah-MP在湿地模拟效果较好，以上5个下垫面的站点在多时间尺度上最优模型是固定的，戈壁、草甸和草原上的站点在不同时间尺度上，最优模型则不固定。在戈壁下垫面，小时和日尺度上CLM是最优模型，月尺度上Noah-MP是最优模型；在草甸和草原下垫面，小时尺度上Noah-MP是最优模型，日尺度和月尺度上Noah是最优模型。

综上所述，陆面模式的模拟效果在不同的时间尺度和不同下垫面不是一成不变的，对其进行不同时间尺度和下垫面的精度评价有利于更好地了解模拟结果。由于数据观测难度较大，分布较分散，数据的代表性有限，在中国的中部和西北部地区缺少站点进行验证，在具体的地点有待布置更多的站点来进行分析。另外，本研究没有对空间尺度进行分析，今后可对比遥感产品以及国内外广泛使用的数据进行进一步分析。总体来说，CLDAS驱动下的陆面模式模拟效果较好，但3个陆面模式在不同下垫面的表现效果不同，未来可以采取基于陆面模式的多模式集成的方法避免单一模式模拟造成的严重偏差，集合多个数据集的特点，弥补单个数据集的不足。

3.2 结论

（1）4个模式模拟结果都能较好地再现各下垫面站点季节和年平均日变化趋势，且峰值时间也较为一致。数值上秋冬两季模拟值与观测值较为接近，春季相差较大。GLDAS在戈壁的秋冬两季和草原的夏秋两季日变化模拟值与观测值更接近，其余下垫面上，基于CLDAS驱动下的3个陆面模式模拟值与观测值更接近。

（2）在不同时间尺度上，CLDAS系列模型的模拟效果基本优于GLDAS，且时间分辨率和空间分辨率更高。小时尺度上，CLM表现较优，日尺度和月尺度上，Noah-MP表现较优。

（3）不同下垫面上模式模拟结果存在共性，即在混合林和针叶林两个森林站点存在高估现象，在其余下垫面存在低估现象。没有一个模式在所有下垫面均表现为最优，CLM在戈壁、混合林和针叶林站点为最优模型，Noah在荒漠和农田站点为最优模型，Noah-MP在草甸、草原和湿地为最优模型。