青藏高原CMIP6土壤湿度适用性评估

陈 涛 , 顾忠顺 , 代华光 , 马鹏飞

（1. 西藏自治区气候中心， 拉萨 850000；2. 西藏高原大气环境研究重点实验室， 拉萨 850000；3. 西藏自治区气象信息网络中心， 拉萨 850000；4. 西藏自治区气象台，拉萨 850000）

引言

土壤湿度是地表水文过程的一个综合指标，不仅在调节地表径流、土壤排水、土壤冻融方面起着重要作用，还能够通过调节地气间水分和能量交换影响区域气候[1−4]。基于已有地表水文条件影响的数值试验[5−6]，Yeh等[7]认为土壤湿度在决定区域气候方面具有重要作用，对这一观点进行了论证并提出土壤湿度具有气候记忆功能。由于土壤湿度能够影响陆面蒸发，而65%的陆面降水来自陆面蒸发，只有35%来自海洋[8]，因此，对陆面气候而言，土壤湿度的重要性甚至高于海表面温度[2]。

青藏高原（以下简称高原）平均海拔4000m以上，被称为“地球第三极”，特殊的地理条件使其成为区域乃至全球大气运动的重要外强迫源，对区域和亚洲天气气候变化有着重要影响[9]。高原对中国部分区域的气候变化具有前兆性指示意义，高原持续性水热过程的变化与中国一些区域气候变化存在遥相关[10−11]。由于土壤湿度在陆-气水分和能量交换中的重要性，高原土壤湿度与区域气候变化的关系受到广泛关注[12−14]。但是，高原土壤湿度观测资料相对缺乏，很多研究使用陆面同化资料、再分析资料、遥感反演结果等替代观测资料，而资料的不同可能导致结果的差异，因此，对这些资料进行评估显得尤为重要。邓明珊等[15]对全球陆面数据同化系统（GLDAS）中4个陆面过程模型（Noah、Catchment、VIC、Mosaic）的土壤湿度产品进行了评估，认为Noah产品在高原适用性较好。韩帅等[16]认为中国气象局陆面数据同化系统（CLDAS）的土壤湿度模拟结果在高原地区优于GLDAS和ERA-Interim。Zeng等[17]对比了基于高级微波扫描辐射仪-地球观测系统（AMSR-E）的3种土壤湿度产品（NASA、LPRM、JAXA）、5种遥感土壤湿度产品（JAXA、AMSR2、SMOS、ASCAT、ECV）以及1种再分析土壤湿度产品（ERA-Interim），结果表明EVC和ERA-Interim产品与高原观测结果最为接近。

国际耦合模式比较计划（CMIP）是由世界气候研究计划（WCRP）耦合模拟工作组（WGCM）于1995年发起，目前已进行至第六次（CMIP6），提供的模拟数据用于支撑未来5～10年的全球气候变化研究[18]。关于CMIP模拟的土壤湿度已有一些适用性评估。如Yuan等[19]认为：CMIP5模拟的土壤湿度在美国存在明显的区域差异和模式间差异；模式在美国西部普遍存在高估现象，而在美国东部则表现为低估；总体而言，CESM1、CCSM4、GFDL-ESM2M三个模式表现最好。在东亚地区，CMIP5的29个模式中7个模拟较好的模式与JRA-55再分析资料的土壤湿度空间相关达到0.7以上，9个模式模拟较差，空间相关低于0.5[20]。模式的模拟差异可能与其表现土壤柱深度、土壤地理分布以及地表覆盖类型的准确程度有关[21−22]。

目前，CMIP6数据已发布，但是关于其土壤湿度的评估，特别是在高原的评估少有报道。本文针对这一问题进行研究，评估CMIP6各模式土壤湿度在高原的适用性，为模式产品的推广应用提供科学参考。

1 资料与方法

使用CMIP6 Historical试验[23]（https://esgf-node.llnl.gov/search/cmip6/）32个模式（表1）输出的近地表（0～10cm）土壤湿度月数据。数据时间段为1850～2014年，空间分辨率统一为1.0°×1.0°。

表1 研究使用的CMIP6模式列表

观测资料为青藏高原科学数据中心提供的那曲观测网土壤湿度日资料。该观测网分为大（1.0°×1.0°，38个观测站点）、中（0.3°×0.3°，22个观测站点）、小（0.1°×0.1°，9个观测站点）共3种不同尺度网格，网格内各观测点的平均值能够较好地代表对应网格的土壤湿度，为遥感、模式的土壤湿度对比验证提供支持[1]。本文选择大尺度观测网的10cm观测资料，资料时间段为2010年8月1日～2016年12月31日，网格内站点分布如图1所示。观测土壤湿度以体积含水量表示（单位：m3/m3），为便于比较，将其转换为10cm厚度的土壤湿度（单位：kg/ m2）与模式资料一致。

图1 那曲土壤湿度观测网站点分布

考虑到观测土壤湿度资料只能对CMIP6的一个格点进行评估，无法对整个高原区域进行评估，已有研究表明GLDAS的Noah模型输出的土壤湿度产品（以下简称Noah，https://disc.gsfc.nasa.gov）在高原具有较好的适用性[15]，这里使用Noah替代观测资料，并利用那曲土壤湿度观测资料对其进行验证。文中使用Noah 2.1版本的月资料，该版本由模式和观测结合的数据驱动，较2.0版本有所改进[24]，资料从2000年开始，空间分辨率1.0°×1.0°，选择的层次为0～10cm。

2 Noah资料验证与研究时段确定

2.1 Noah资料验证

已有研究[15]表明，Noah资料在高原具有较好的适用性，该研究中使用的地面观测网包括10个站点，时间为2010年8月～2012年12月。为了使研究结果更加科学严谨，本文使用了站点更密集、时间更长的地面观测数据进行验证。图1为2010年8月～2016年12月Noah与观测土壤湿度逐月变化，可以发现两条曲线吻合程度较好，相关系数为0.84，通过0.001水平的显著性检验。Noah能很好地反映土壤湿度的季节转换，甚至能一定程度反映夏季和秋季内出现的波峰及波谷（如2013年、2016年）。从整个研究时段来看，Noah比观测土壤湿度偏高2.69kg/ m2；从季节平均来看，春、夏、秋、冬季Noah的偏差分别为0.03kg/ m2、2.69kg/ m2、3.53kg/ m2、4.27kg/ m2。冬季，Noah的偏差最大，且所有统计月份偏差均为正值；春季，Noah的偏差最小，约40%的月份偏差为正值；夏季和秋季，约80%的月份Noah的偏差为正值。冬季偏差最大是由于Noah存在系统性偏高，而春季偏差最小是由于这种系统性误差不明显。四个季节的均方根误差在4.47 ～5.03kg/ m2，差异并不大。冬季Noah存在系统性偏高，一个重要原因可能是冬季土壤中部分液态水冻结，观测得到的是液态水含量，而模式产品包含了液态水和固态水。Noah总体高于观测土壤湿度，这与已有研究结果不一致[15，25]，可能与使用的观测资料站点数以及Noah版本有关。总之，就那曲观测网而言，Noah能够很大程度反映观测土壤湿度的变化，在高原土壤湿度观测资料不足的情况下，使用该资料对CMIP6土壤湿度进行评估具有一定参考价值。

2.2 研究时段确定

虽然Noah能够较好地反映土壤湿度的季节变化（图2），但是大部分模式资料会严重高估冬半年的土壤湿度（模式结果包含了固态水），因此很多土壤湿度评估的研究仅针对土壤非冻结期[15−16，19]。通过比较2010年8月～2014年12月CMIP6集合平均与观测土壤湿度逐月变化（图3）可以发现，CMIP6集合平均的土壤湿度虽然也有季节波动，但是变化幅度明显小于观测值，两条曲线的标准差（CMIP6集合平均为2.06kg/ m2，观测为7.28kg/ m2）能够体现这种变化幅度的差异。此外，两条曲线的吻合程度存在季节变化，图3中灰色实线表示每年的5月1日，以此为分界点，两条曲线在前几个月的差异明显大于后几个月，这可能与冬半年土壤水冻结有关。目前，评估土壤中的固态水含量十分困难[26]，因此，本文将选择非冻结期的月份进行CMIP6土壤湿度评估。

图2 Noah与观测土壤湿度逐月变化（黑色实线为观测，黑色虚线为Noah）

图3 CMIP6集合平均与观测土壤湿度逐月变化（黑色实线为观测结果，黑色虚线CMIP6集合平均）

为了解土壤冻结情况，基于2010年8月～2016年12月那曲观测网逐日资料分析10cm土壤温度年周期变化，结果表明：3月底，土壤温度由负转正；11月初，土壤温度由正转负。考虑到3月底土壤温度＞0℃后冻土完全融化需要一定时间，将4月作为冻土融化期，选择5～10月作为土壤非冻结期。后文关于CMIP6土壤湿度的评估针对土壤非冻结期。

3 CMIP6土壤湿度评估

3.1 CMIP6集合平均土壤湿度与Noah比较

使用高原地形文件对2000～2014年CMIP6以及Noah土壤湿度资料进行掩膜，计算各月高原平均土壤湿度，并提取5～9月数据，得到非冻结期CMIP6与Noah土壤湿度逐月变化曲线（图4）。可以发现，CMIP6各模式土壤湿度差异较大，高原平均的结果大致在18～34kg/ m2波动。CMIP6集合平均土壤湿度总体高于Noah，两条曲线的平均值分别为24.4kg/ m2、21.2kg/ m2。虽然两条曲线的相关系数达0.60，且通过0.001水平的显著性检验，但CMIP6集合平均土壤湿度的变化幅度明显小于Noah资料（尽管已经排除了土壤冻结期的影响），两者的标准差分别为0.67kg/m2、2.48kg/ m2。

图4 非冻结期CMIP6集合平均与Noah土壤湿度逐月变化（黑色实线为Noah，黑色虚线为CMIP6集合平均，阴影表示CMIP6各模式土壤湿度的变化范围）

从图4可以看出，CMIP6集合平均与Noah土壤湿度的差异在各月份有所不同。为了分析这种差异的变化，根据2000～2014年土壤非冻结期各月的差异制作箱线图（图5），图中虚线的最上端和最下端分别表示样本最大和最小值，长方框内包含三条横线，从上到下分别表示样本75%、50%、25%分位数。结果表明，CMIP6集合平均与Noah土壤湿度的差异在5月最大（中值为6.85kg/ m2），5～9月两者的差异逐渐减小（9月差异的中值最小，为1.07kg/ m2），10月两者的差异再次变大（中值为3.72kg/ m2）。7月，CMIP6集合平均与Noah土壤湿度差异的中值为2.16kg/ m2，略高于8月和9月，但该月差异的分布最为收敛。

图5 CMIP6集合平均与Noah土壤湿度不同月份的差异分布

非冻结期多年平均土壤湿度的空间分布（图6）显示：Noah和CMIP6集合平均土壤湿度均表现为由东南至西北递减的分布形态；Noah极大值区位于西藏林芝市，极小值区位于高原西北部；CMIP6集合平均土壤湿度的极大值位于青海果洛自治州，极小值位于青海柴达木盆地，高原西部也存在明显的小值区。图6c为图6b与图6a的差值，表明CMIP6集合平均土壤湿度在西藏林芝市、青海柴达木盆地以及高原西部低于Noah，在其他区域高于Noah。

图6 非冻结期多年平均的土壤湿度空间分布（a. Noah，b. CMIP6集合平均，c. b减a，单位：kg/ m2）

3.2 CMIP6各模式土壤湿度与Noah比较

首先分析CMIP6各模式土壤湿度的偏差，2000～2014年各模式非冻结期土壤湿度的平均偏差以及各月份的偏差如图7所示。就非冻结期土壤湿度的平均偏差而言，26个模式的偏差为正（高于Noah），6个模式的偏差为负（低于Noah）；与Noah最接近（偏差绝对值最小）的5个模式分别为E3SM-1-0、MPIESM1-2-LR、MPI-ESM-1-2-HAM、FGOALS-f3-L、AWIESM-1-1-LR，偏 差 分 别 为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月的偏差均为正，30个模式5月的偏差最大（红色*位于最上方）；17个模式9月的偏差最小（绿色×位于最下方）；EC-Earth3-Veg、EC-Earth3两个模式各个月份的偏差最为集中。

图7 各模式非冻结期土壤湿度的平均偏差以及各月份的偏差（柱形表示非冻结期的平均偏差，不同颜色符号表示各个月份的偏差，序号与模式的对应关系见表1，单位：kg/ m2）

通过泰勒图分析2000～2014年非冻结期CMIP6各模式土壤湿度与Noah的相关系数以及标准差的比值（图8）可见：32个模式中10个模式与Noah土壤湿度的相关系数为负值；22个模式相关系数为正值，其中15个模式通过0.001水平的显著性检验，正相关系数最高的5个模式分别为MIROC6（0.65）、EC-Earth3（0.71）、EC-Earth3-Veg（0.71）、FGOALS-g3（0.79）、GFDL-CM4（0.81）。图8的相关系数主要体现各模式对土壤湿度月变化模拟的优劣，如果使用每年非冻结期的平均值（15个样本，图略），相关最好的5个模式分别为SAM0-UNICON（0.46）、MPI-ESM1-2-LR（0.50）、

图8 非冻结期CMIP6各模式与Noah土壤湿度的相关系数以及标准差的比值（相关系数为负的10个模式未给出，序号与模式的对应关系见表1）

EC-Earth3-Veg（0.56）、GFDL-CM4（0.56）、NorESM2-MM（0.59），此时相关系数主要体现各模式对土壤湿度年际变化模拟的优劣。标准差的比值反映各模式与Noah离散程度的差异，＜1说明模式土壤湿度的变化幅度小于Noah，反之亦然，数值接近1表示模式土壤湿度变化幅度接近Noah。图8中11个模式与Noah标准差的比值＜0.5；17个模式的比值位于0.5～1.0；4个模式的比值位于1.0～1.5。标准差的比值表现最好的5个模式分别为MPI-ESM1-2-HR（0.84）、KACE-1-0-G（1.14）、EC-Earth3（1.10）、EC-Earth3-Veg（1.08）、CanESM5（1.03）。综合考虑图8的结果，ECEarth3与EC-Earth3-Veg两个模式的模拟效果最好。进一步考虑土壤湿度年际变化的模拟情况，EC-Earth3-Veg表现最好。

要素的空间分布亦是模式评估的重要内容。从CMIP6各模式与Noah土壤湿度空间分布（图9）可以看出，大部分模式的土壤湿度空间分布呈现东南至西北递减的趋势，与Noah资料一致。少数模式的土壤湿度空间分布与Noah差异较大，如CanESM5土壤湿度的低值区位于高原中部，呈南北向带状分布（图9（7））；CAS-ESM2-0土壤湿度高值区位于高原中部和南部边缘，呈东西向带状分布（图9（8））；IPSL-CM6A-LR土壤湿度的高值区位于高原西北部（图9（23））。计算各模式与Noah土壤湿度空间分布的场相关系数，21个模式的计算结果＞0.6，场相关系数最大的5个模式分别为GFDL-CM4（0.79）、SAM0-UNICON（0.80）、FIOESM-2-0（0.80）、BCC-CSM2-MR（0.81）、TaiESM1（0.83）。

图9 非冻结期Noah（1）与CMIP6各模式（2～33）土壤湿度的空间分布（单位：kg/ m2）

通过上述分析，从偏差、线性相关（月变化）、标准差、场相关4个维度对CMIP6各模式土壤湿度进行评估，并分别给出了5个最优模式。可以发现，不同维度评估的5个最优模式差异极大，且没有任何模式同时存在于各维度评估得到的5个最优模式之中。相对而言，EC-Earth3和EC-Earth3-Veg（线性相关、标准差2个维度的评估中居于前5）、GFDL-CM4（线性相关、场相关2个维度的评估中居于前5）表现相对较好。为综合考虑4个维度，以相对偏差位于−25%～25%、线性相关通过0.001水平的显著性检验、标准差比值位于0.5～1.5、场相关系数＞0.6为标准进行筛选，得到AWI-ESM-1-1-LR等10个模式（序号分别为3、14、15、17、18、19、26、27、31、32，与模式对应关系见表1）。

4 结论与讨论

本文根据已有研究结论，使用2010年8月～2016年12月那曲观测网土壤湿度资料验证了Noah在高原的可靠性，并基于Noah对CMIP6非冻结期土壤湿度在高原的适用性进行评估，结论如下：

（1）2010～2014年，CMIP6集合平均土壤湿度与Noah的线性相关系数为0.60（通过0.001水平的显著性检验），CMIP6集合平均土壤湿度整体高于Noah，各个月份偏高幅度有所差异，其中5月偏高幅度最大，6月和10月次之，7～9月偏高幅度较小。CMIP6集合平均土壤湿度在高原地区的空间分布总体呈现东南至西北递减的特征，与Noah的空间部分基本一致。具体而言，CMIP6集合平均土壤湿度在西藏林芝市、青海柴达木盆地以及高原西部低于Noah资料，在其他区域高于Noah资料。

（2）CMIP6各模式土壤湿度差异较大，从偏差、线性相关、标准差、场相关4个维度进行评估，表现最好的模式分别为AWI-ESM-1-1-LR（偏差为0.03kg/ m2）、NorESM2-MM（线性相关系数为0.59）、CanESM5（标准差比值为1.03）、TaiESM1（场相关系数0.83）。ECEarth3、EC-Earth3-Veg和GFDL-CM4在2个维度的评估中居于前5。综合考虑4个维度的表现，筛选出AWI-ESM-1-1-LR等10个模式（序号分别为3、14、15、17、18、19、26、27、31、32），根据不同研究需求，可从中选择合适的模式进行研究。

虽然Noah与那曲观测土壤湿度资料有较好的一致性，但仅局限于一个网格点（1.0°×1.0°），Noah在高原其他区域的可靠性还需要进一步验证。例如土壤湿度的空间分布，根据国家青藏高原科学数据中心陆面同化系统（ITPLDAS）输出的土壤湿度数据[27]，2003～2010年非冻结期高原0～5cm土壤湿度空间分布形态（图略）与CMIP6集合平均结果（图6b）非常相似，青海柴达木盆地与高原西部为土壤湿度低值区，这种特征在很多模式中亦有所体现，如EC-Earth3、ECEarth3-Veg、KACE-1-0-G等（图9）。考虑柴达木盆地的气候特征及相关研究结论[28]，柴达木盆地为高原区域土壤湿度的低值区较为可信，而Noah没有反映这一特征。因此，基于Noah的CMIP6土壤湿度评估可能仍然存在不足之处，更加准确地评估有待高原土壤湿度观测系统的完善。

致谢：感谢国家青藏高原科学数据中心提供的观测及ITPLDAS土壤湿度资料。