CLM5.0对东北地区地表温度的数值模拟及评估

宋海燕

(哈尔滨师范大学)

0 引言

根据IPCC 第五次报告，近百年全球平均温度大约升高了0.85 ℃，在全球绝大多数地区呈现增高趋势，这种增高趋势在北半球中高纬度陆地的冬季和春季尤其显著[1].全球陆地表面平均温度以 0.19 ℃·(10a)-1速率升高，且北半球增温幅度高于南半球，19 世纪中期以来，中国地表平均气温增温速率为 0.24 ℃·(10a)-1[2].地表温度是表征地气间相互作用的重要参数之一，其变化特征直接反映了土壤热状况对气候变化的响应程度[3-6]，此研究受到国内外学者的密切关注.目前获得地表温度的主要方法有站点观测数据、遥感技术和模型模拟.虽然实测的站点数据更加可靠，但是考虑到受限于站点的数量及地理位置，只能用来表征小范围内的地表温度变化情况.卫星遥感技术可以用来获取较高分辨率及大范围的地表温度数据，但是这些数据集的收集受云层影响较大，难以用来表征历史地表温度的变化情况.

利用陆面模式模拟地表温度，不仅能获得高空间分辨率的模拟值，而且在时间上也更加连续，是目前研究地表温度变化特征的一种有效手段.辛羽飞等学者利用CoLM模式对典型干旱区和青藏高原区地表温度进行数值模拟[7].结果表明:CoLM模式对该区陆面过程模拟较好,模拟的地表温度与观测值相关系数高达0.885,对地表温度模拟较好.刘少峰等利用陆面过程模式(CLM)对东亚地区不同下垫面(水田、高原稀疏植被下垫面、森林)进行数值模拟，结果表明,CLM模拟的高原稀疏植被下垫面的地表气温跟实测较为接近[8].孟含等利用不同大气强迫数据集(CMFD,GSWP,CRU-NCEP)驱动陆面模式 CLM 5.0，输出黄河流域上中游冬、夏季地表温度的模拟结果并进行对比分析[9].结果表明:CLM5.0对地表温度有良好的模拟性能.

由于GSWP数据更新到2014年，所以该文模拟的地表温度时间范围是2013年12月～2014年11月，空间分辨率为 0.1° × 0.1°.考虑到模型自身的Spin-up，利用2013年1～11月GSWP数据集作为大气强迫数据运转作为初始场，在此基础上再模拟得到2014年地表温度结果.

1 研究区概况

中国东北地区(38°N～54°N，115°E～136°E)，是中国的一个地理大区，其包括黑龙江省、吉林省、辽宁省以及内蒙古自治区东部.土地地面积为124万 km2，占全国国土面积的10.7%.东北地域广阔，位于中国纬度最高的地区，气候类型多样，主要气候类型为温带季风气候，年平均气温-5～11℃，全年降水量为300～1000 mm，冬季漫长，雨量集中于夏季.中国东北地区是中国最大的粮食产区，拥有中国最大的平原—东北平原，包括三江平原、松嫩平原、辽河平原.

2 模型简介

2.1 陆面模式的发展过程

纵观对国内外陆面模式的研究历程，陆面模式的发展经历了三代.Bukydo M L于1956年首先提出了孤立物理过程的“水桶”模式(也称水箱模型)，将气候模式耦合到该模式中，方案简单，物理过程相对较少，该模式缺乏对各部分的热量交换及地表植被会对模拟结果产生影响的考虑，直接采用了地表参数的均值，将地面的蒸发与桶里的水量假设成是成线性关系的，地表径流利用“蓄满产流”机制计算[10].考虑到第一代的陆面过程模型相对比较简易，无法提供更加细致和更加深入的科学研究价值，需要将其进一步的完善.

第二代陆面模式在进行模拟的同时也考虑了植被的影响，细致考虑了大气、植被和土壤圈之间相互作用.并考虑了不同波段的光在植被群丛中的传输，在物理规律的基础上进行辐射传输以及水分和能量交换.在进行各层土壤间的水分交换计算时将土壤细致的分成若干层，同时下垫面植被和土壤类型也被分为若干类型.相对第一代水桶模式，第二代模式具有更真实的物理特性，在模拟水分循环和能量分配方面有了很大改善.虽然第二代陆面过程模型考虑到了生物圈循环过程，但还是未细致的考虑到植被对生物化学过程的动态描述.主要代表模型有生物圈-大气圈传输方案BATS[11]、简单生物圈模式SiB[12]及大气所陆面过程模IAP-LSM-1994[13].

第三代陆面模式在第二代模型的基础上考虑了植被的生物化学过程，在陆面模式中加入了光合作用和气孔导度模式，考虑到了冠层的光合作用.由于添加了物理生化模型，第三代陆面模式能够将陆气之间的水分、能量和碳交换有机耦合在一起，模拟性能得到提高，模拟结果更加准确性，模型也被广泛应用.主要代表模型有：Noah-MP[14]及LSM[15].

陆面模式发展到今天，经过三代模式的更新以及改进，数值模拟已经达到了更高的精度.能够模拟地表温度的陆面模式较多，参数化方案差别也较大.CLM模型作为陆面模式第三代中比较完善且精确的模型，广泛的应用于陆面过程的模拟中，很多学者[8-9]采用CLM模型模拟地表温度.该文将利用CLM5.0对东北地区的地表温度进行模拟.

2.2 CLM5.0简介

陆面模式CLM(Community Land Model)最初是由美国国家大气研究中心(NCAR)研制的,是公用地球系统模式CESM(Community Earth System Model)的陆面模块，还包括大气模块、海洋模块、海冰模块、陆冰模块等，已经被耦合在多个气候模式中.其借鉴和吸收了NCAR的陆面过程模式LSM[15]、中国科学院大气物理研究所陆面过程模式IAP94[13]和生物圈——大气圈传输方案陆面模式BATS[4]等陆面模式的优点和相对完善的过程描述.

CLM模型发布之后在国内外众多学者的改进下，现在已经更新到CLM5.0.CLM5.0在CLM4.5的基础上进行开发，是CLM系列模型中的最新一代.模型的大部分主要组件得到了改进，该版本的大部分主要组分均更新，土壤和植物水文、积雪密度、河流建模、碳氮循环和耦合以及作物建模都发生了显著的变化.水文方面的更新包括引入了基于干表面层的土壤蒸发阻力参数化方法、修订了冠层拦截参数.林冠拦截被分为液态和固态，被拦截的雪由于风或高于地面温度而落地.冠层被雪覆盖部分开始参与冠层辐射和地表反照率计算.为了更真实地捕捉温度效应，新雪密度参数得到了更新，并考虑了风对新雪密度产生的影响.模式模拟的最大雪层数从5层增加到12层，雪水当量可以从1 m模拟到10 m，以允许在持续积雪的地区形成雪冻.

CLM5.0主要包括动态植被过程、生物物理过程、生物地球化学过程、以及水文循环过程四个部分(如图1所示).动态植被过程细致考虑了群落成分和植被结构在长时间序列尺度上的变化，并保持与土地利用一致；在生物物理过程主要考虑了陆气间能量和物质的交换；生物地球化学过程主要描述生物挥发性有机化合物、碳等过程；水文循环过程主要包括植被径流、渗透等过程.

图1 CLM5.0模拟过程

用嵌套的多层次的次网格结构来描述CLM5.0空间异质性，每个网格被分成三个层次，分别为陆地单元、土壤柱单元和植被功能类型.每个网格里包含了多层的陆地单元，每个网格里也可以有许多土柱，每个网格里也包含多个植被功能类型.第一层为陆地单元分类，旨在更好的展示空间异质性导致的下垫面的区别，有湖泊、冰川、植被、城市和作物(作物模型选项被打开时)；陆地单元包含对土壤颜色、土壤质地、土壤有机质密度、土壤深度以及热力传导度等土壤物理性质的描述.第二层是土柱单元，将土壤层分为25层(其中20层为土层，最下面5层为基岩层)，根据雪的深度将雪层分为10层，每个柱单元都独立的展示了一些状态变量以及这些变量的潜在变化，其中主要包括土壤水分和温度的垂直分布；第三层是植被单元，包含了主要的植被功能类型或裸地.为了表征按照植被之间的不同生物物理和化学差异将这一层单元的进行划分.模型将这些植被按照其生物物理以及化学性质分为16种植被功能类型(见表1).第三层的植被功能类型层将与地表相关的通量过程和植被状态变量进行了定义，比如植被反照率和植被温度.

表1 CLM5.0中植被类型

3 数据来源与研究方法

3.1 大气强迫数据

该文所用的大气强迫数据集为GSWP 第3期数据集(http://hydro.iis.u-tokyo.ac.jp/GSWP3/)，它是利用NCEP模式进行的第二版再分析得到的数据，利用全球光谱模型，通过光谱轻推数据同化技术，动态地将再分析资料缩小到T248(0.5°)，产生的一套多模式集合的数据集.包含的大气输入变量有2 m比湿(kg/kg)、降水量(mm/s)、2 m气温(K)、风速(m/s)、向下长波辐射(W/m2)、向下短波辐射(W/m2)以及近地表气压(Pa).其时间跨度为1901～2014 年，时间分辨率为3 h，空间分辨率为0.5°×0.5°.

3.2 再分析数据集

该文所用的再分析数据ERA5-Land来源于ECMWF(European Centre for Medium-Range Weather Forecasts).其空间分辨率为 0.1° × 0.1°，时间分辨率为逐小时.将模型数据与世界各地的观测数据进行结合，并利用物理定律得到一个全球范围内完整和一致的数据集，提供了一套高质量的再分析数据集.

3.3 模拟结果的评价指标

该研究采用相关系数(R)分析方法来衡量CLM5.0的模拟值与再分析数据之间的差别，用来评估模型对东北地区地表温度模拟的能力.

4 结果分析

利用GSWP驱动陆面模式CLM5.0得到东三省2013年12月～2014年11月地表温度日值，并将模拟值与再分析数据ERA5-Land日值进行对比分析，如图2所示，CLM5.0模拟数值与ERA5-Land再分析数据有较好的一致性，相关系数为0.991(p=0<0.01).

图2 2013年12月～2014年11月地表温度模拟值与在分析数据(℃)

将2014年3～5月界定为春季，2014年6～8月为夏季，2014年9～11月为秋季，2013年12月～2014年2月为冬季，分别将模拟值与再分析数据做相关，见表2，结果表明CLM5.0对春季、秋季及冬季模拟性能较好，对夏季模拟性能较弱.但都表现出与再分析数据的显著相关，表明陆面模式对东北地区季节性地表温度有较高的模拟性能，能够重现东北地区的地表温度变化情况.

表2 地表温度模拟与再分析数据R值