基于CoLM模式的干旱区土壤湿度模拟试验与误差分析

江红南，许剑辉

(1. 新疆大学干旱生态环境研究所，新疆 乌鲁木齐 830046；2. 武汉大学测绘遥感信息工程国家重点实验室，湖北 武汉 430079)

土壤湿度在陆气相互作用过程中扮演着重要的角色, 是气候、水文、生态、环境、农业、林业等研究中重要的地球物理参数之一，它对大气的影响在全球尺度上仅次于海面温度，在陆地尺度其影响甚至超过海面温度[1-2]，在干旱区土壤湿度的估计更为重要。由于新疆所处的特殊的地理位置和独特的地形因素，干旱一直是困扰该区的主要灾害之一[3-4]。基于遥感与模型的土壤水分估算与模拟是目前研究较多的方法[5-8]，但受区域差异的影响，这些方法的利用需要根据区域特征进行适当的改进且计算复杂[9-10]，发展符合区域特征的土壤水分估算方法对区域生态环境研究具有重要意义。鉴于此，本文基于通用陆面模型(common land model, CoLM)和土壤湿度地面监测数据，对干旱区土壤水分进行了模拟试验，并对模型模拟结果误差产生的原因进行了分析。

本文的研究区新疆于田县绿洲位于塔克拉玛干沙漠以南、昆仑山以北的克里雅河流域。地势自南向北形成高山、戈壁、沙漠等地貌单元。属暖温带内陆干旱荒漠气候，降水稀少，蒸发量大。以多年平均计算，气温为11.6 ℃，降水量为47.7 mm，蒸发量为2 432.1 mm，北部沙漠地带降水量仅为12 mm，是典型的干旱区，对研究干旱区绿洲土壤水分模拟方法和变化机理具有代表意义。

1 材料与方法

CoLM模型模拟时需要大气驱动数据进行驱动，本研究采用的大气驱动数据是由中国科学院青藏高原研究所青藏高原多圈层数据同化与模拟中心开发的大气驱动数据集，包括向下长波辐射、降水率、地表气压、近地面空气比湿、向下短波辐射、近地面气温和近地面全风速[11]，大气驱动数据空间分辨率为0.1°，每3小时更新一次，时间为2011年1月1日—2012年12月30日。为了和大气驱动数据时空分辨率一致，本研究在利用CoLM模型进行模拟时，设定土壤湿度模拟数据的空间分辨率为0.1°，时间分辨率为3小时。由于模拟时需要大量的计算，且研究区冬季时土壤湿度变化相对平稳，因此，本研究以2011年1月—2012年12 月大气驱动数据为训练数据和模式驱动数据，采用点模拟的方式，分别模拟了图1所示的YU-7、YU-11、YU-16和YU-23共4个点2012年11-12月的土壤湿度状况，这4个点土地类型都为草地，土壤质地为沙地。

模拟结果分析验证数据为表层约5 cm的土壤湿度地面点观测数据，时间分辨率为1小时，地面观测时间约为2012年9月—2013年5月。CoLM模式模拟的与地面观测土壤湿度数据的单位都是体积含水量。其它用于结果分析的还有2012年不同点的SMOS表层土壤湿度数据，该数据空间分辨率为25 km，时间分辨率为1天，以及24个土壤湿度地面点采样数据，地面采样数据点分布如图1中24个红色标记所示(图1)。土壤湿度地面采样数据时间为春季的2012年4月20日至5月3日和夏季的2012年7月10日至18日，地面数据采样深度分别为0～10 cm和10～20 cm，土壤样本在实验室烘箱中烘干，计算出土壤质量含水量。同时，还有和每个采样点位置土壤湿度数据对应且时间几乎一致的地下水位(GWL)监测数据和土壤蒸散发量(ET)数据，土壤蒸散发量数据是MODIS遥感数据8天合成的数据产品，空间分辨率为500 m，时间为2012年4月22日至29日的平均值和7月3日至18日的平均值，该数据中某些样点数据缺失，4月的有19个样点的数据，7月的有14个样点的数据。

CoLM模式结合公认的较好的NCAR LSM、BATS和中科院大气物理研究所发展的IAP94三个模式的特点，模式在雪盖、土壤湿度以及感热、潜热通量等方面的模拟都表现出了比较高的准确性。CoLM模型综合了考虑大气—植被—雪盖—土壤间的相互作用，对于陆一气之间能量和水分传输有较好的描述[12]。但有研究表明，CoLM模式用于干旱区土壤湿度模拟时需要对模式有关参数进行修正[13]。CoLM模式能够模拟10层的土壤水分状况，每层土壤的层厚如表1所示，本研究中由于地面观测数据的深度大约为5 cm，所以取CoLM模式的模拟的第二层，即2.79 cm深度的土壤湿度模拟结果进行分析。

2 结果与分析

2.1 研究区土壤湿度模拟结果与分析

研究区土壤湿度模拟结果如图2-图5所示，以地面表层5 cm的土壤湿度观测数据作为对比验证数据，为了简化计算，利用每天9时的2.79 cm深度土壤湿度模拟数据和每天9时的5 cm深度土壤湿度观测数据，对土壤湿度模拟结果进行评价和分析，分别利用模拟结果与对应的地面观测数据的相关系数和均方根误差(root mean square error, RMSE)描述CoLM模式的模拟精度(表2)。由表2可知，模拟的土壤湿度结果与地面监测数据具有显著的相关性，相关程度处于中度和高度相关水平。YU-7点的相关系数为0.681，YU-11点的相关系数为0.448，YU-16点的相关系数为0.418，YU-23的相关系数为0.679，就模拟的第二层土壤湿度而言， CoLM模式模拟的土壤湿度结果和地面监测的土壤湿度数据趋势基本一致，从11月到12月各点的土壤湿度是逐渐减小的，尤其是YU-7点，模拟的土壤湿度数据和地面监测的土壤湿度数据相关性较大，数据表现的土壤湿度随时间变化的趋势吻合的较好。同时，由表2可知，CoLM模型模拟的土壤湿度数据精度不是非常高，这说明CoLM模型用于于田绿洲土壤水分模拟具有一定适宜性，但模型模拟精度需要进一步提高。

图1 研究区位置图Fig.1 The location of study area

表2 CoLM模式模拟结果与地面观测数据的对比验证Table 2 Validation between simulation results of CoLM model and ground observation data

注：**表示在 0.01 水平(双侧)上显著相关

Note: ** indicates significant correlation at the 0.01 level

图2 YU-7点土壤水分模拟结果Fig.2 Simulation result of YU-7 by CoLM model

图3 YU-11点土壤水分模拟结果Fig.3 Simulation result of YU-11 by CoLM model

图4 YU-16点土壤水分模拟结果Fig.4 Simulation result of YU-16 by CoLM model

图5 YU-23点土壤水分模拟结果Fig.5 Simulation result of YU-23 by CoLM model

2.2 模拟误差分析

通过以上内容可以看出，CoLM模式用于干旱区土壤水分模拟时具有适宜性，但模型模拟精度不是很高，下面以于田绿洲土壤湿度时空变化影响因素分析为重点，分析模型误差产生的原因。根据SMOS土壤湿度数据(图6)，研究区2012年表层的土壤湿度，2月到7月初，土壤湿度逐渐升高，这一时期为表层土壤湿度变化最为剧烈的时期，7月到10月土壤湿度逐渐减小，10月到12月土壤湿度变化不大。因为2月到7月包含了春夏两季，本研究利用2012年4月和7月的24个地面土壤湿度采样数据，分别以春季(4月)和夏季(7月)为时间点分析该区域土壤湿度时空变化的影响因素，通过构造线性和非线性回归模型，包括多项式回归、幂函数回归、对数回归等，分析影响因子对不同深度土壤湿度时空变化的影响，最终发现二次多项式回归模型能较好地表达各个影响因子和土壤水分的关系，结果如表3和表4所示。选取的影响因子包括CoLM模式的大气驱动数据(Lrad、Prec、Pres、Shum、Srad、Temp和Wind)、地下水位和土壤蒸散发量，因为7月土壤蒸散发的样本数量为14个，为了对比分析和消除土壤样本位置和数量不同对研究结果的影响，表4中14个样本数量的地下水位记作GWL14，14个样本数量的土壤蒸散发量记作ET14，同理，由于4月土壤蒸散发量的样本数量为19个，表3中该样本数量的地下水位记作GWL19，表3和表4中其它影响因素的标记内容与此意义相同。表3和表4中只列出了通过显著性检验或影响力较大的土壤湿度影响因子，其中R2为决定系数，其表征因变量的变异中有多少百分比可由控制的自变量来解释，R2值越大说明因变量变化由自变量解释部分的比例越高[14]，如表3中地下水位(GWL)对0～10 cm土层土壤湿度空间变异的二次多项式回归的决定系数为0.559，表示该层有55.9%的土壤湿度空间变异可由地下水位解释，P值为显著性水平，只有通过显著性检验的模型才可靠，即P值不大于0.05。此分析表明，CoLM模式的大气驱动数据(Lrad、Prec、Pres、Shum、Srad、Temp和Wind)对该研究区土壤湿度时空变化的影响不显著。除夏季表层0～10 cm的土壤湿度受土壤蒸散发量的影响不显著外，其他季节0～10 cm和10～20 cm的土壤湿度都受到地下水位和土壤蒸散发量显著且较大的影响，此外虽然夏季表层0～10 cm的土壤湿度受土壤蒸散发量的影响不显著，但R2值较大，说明该研究区土壤湿度时空变化受CoLM大气驱动数据的影响很微弱，主要受地下水位和土壤蒸散发量的影响，而CoLM模型模拟时，驱动CoLM模型模拟运转的数据为大气驱动数据，没有实测的研究区地下水位和土壤蒸散发量数据参与模拟，这一定程度上解释了该研究区土壤湿度模拟结果精度不高的原因。

CoLM模式大气驱动数据本身的误差也会影响到模拟结果的精度，因为大气驱动数据本身是存在一定误差的，将此数据输入到模式中，会一定程度上影响到模拟结果的准确性。

模式模拟的土壤水分和地面监测的土壤水分深度不一致也是影响对比分析验证结果的一个原因，CoLM模拟的是表层2.79 cm的土壤湿度，而地面监测数据反应的是表层大约5 cm的土壤湿度，模式和对比数据反应的是不同深度的土壤水分状况，这会影响到对比验证结果的准确性。

空间分辨率也是影响本研究CoLM模式模拟精度验证结果的一个原因，因为模型模拟时设定的空间格网为0.1°，而用于对比验证的地面监测数据为点数据，模型模拟数据和对比验证数据的空间分辨率不一致，反应了不同空间范围内的土壤湿度状况，这一定程度上会影响对比验证结果的准确性。

图6 2012年不同位置土壤湿度变化Fig.6 The variation of soil moisture of SMOS data at different locations in 2012

表3 2012年4月不同深度土壤湿度空间变化影响因素的影响力Table 3 The power of effect factors on spatial variation of soil moisture at different depths in April 2012

影响因素Effect factor0～10 cm10～20 cmR2P值R2P值GWL0.5590.0010.5740.001GWL190.6600.0010.6680.001GWL140.8300.0000.8110.001ET190.4360.0310.4330.032ET140.6180.0180.5800.028

表4 2012年7月不同深度土壤湿度空间变化影响因素的影响力Table 4 The power of effect factors on spatial variation of soil moisture at different depths in July 2012

3 讨论与结论

将监测的地表土壤湿度数据作为对比验证数据，基于CoLM模式的于田绿洲土壤湿度模拟结果表明，模型模拟的2.79 cm土层厚度的土壤水分和地面监测的大约5 cm土壤湿度数据具有显著的相关关系，CoLM模型用于干旱区土壤湿度模拟时具有一定的适宜性，但模型模拟结果的精度一般。CoLM模型模拟结果误差分析表明，地下水位和土壤蒸散发量对研究区土壤水分时空变化具有显著和较大的影响，而CoLM模式的大气驱动数据对研究区土壤水分时空变化的影响不显著，这是CoLM模型用于该区域土壤水分模拟时精度不高的主要原因，为了获得较高的模型模拟精度需要深入研究干旱区土壤湿度时空变化的机理。同时，CoLM模式大气驱动数据本身的误差也会影响模拟结果的精度，此外，CoLM模式和地面监测数据的空间分辨率也会对验证结果产生影响，该结果为干旱区土壤水分模拟研究提供了一定参考。

由于缺少可靠的与CoLM大气驱动数据匹配的研究区地下水位时间序列监测数据，本研究只是通过定量分析的方式分析了CoLM模式模拟结果误差产生的原因，并没有通过CoLM模式模拟的方式分析误差原因，这需要以后的研究进一步完善。