CLDAS和GLDAS土壤湿度资料在黄土高原的适用性评估

刘欢欢，王 飞,2,3，张廷龙,4

(1.西北农林科技大学资源环境学院，陕西 杨凌 712100；2.中国科学院水利部水土保持研究所，陕西 杨凌 712100；3.西北农林科技大学水土保持研究所，陕西 杨凌 712100；4.西北农林科技大学林学院生态预测与全球变化实验室，陕西 杨凌 712100)

近年来随着人类活动的加剧，地球系统受到严重的侵扰，自然生态环境不断发生恶化。以全球气候变化为首的生态问题成为我们人类生产生活面临的严峻挑战之一。土壤湿度作为气候系统中的一个重要的物理量，它是检验陆面水文过程中的重要指标[1]，也是自然生态系统最直接的水分来源，直接影响着植被的生长发育[2]。其通过控制陆面过程中物质和能量的交换和收支平衡，影响着大气环流状况和气候变化[3]。了解土壤湿度特征对理解水文循环、天气与气候变化、干旱监测等具有重要的意义[4-5]，因此对于土壤湿度的研究显得尤为必要。

土壤湿度传统的方法是定点监测，精度较高但是观测站点较少，费时费力，不确定性较大，研究大多数针对单点进行研究和分析。而较大时间序列和区域尺度的研究则主要依赖于遥感监测[6-7]，这种方法虽然具备大区域尺度覆盖的优势，但很大程度也受限于反演算法，同时其无法反演深层的土壤湿度。近年来随着数值模式的发展和应用[8]，借助陆面模式模拟使得获取长时间序列和较大空间尺度的土壤湿度资料成为可能。刘建国[9]研究表明，陆面模式模拟的土壤湿度能较好地再现中国区域土壤湿度的时空变异性。目前，常用的比较成熟的陆面数据同化系统有美国航空航天局(NASA)和海洋大气局(NOAA)发展的全球陆面数据同化系统(GLDAS)和北美陆面数据同化系统(NLDAS)[10]、欧洲陆面数据同化系统(ELDAS)、加拿大气象服务局研发的加拿大陆面数据同化系统(CaLDAS)等。但是模式资料由于所用陆面模式、资料同化方法、土壤湿度计算方法、偏差校正方法和质量控制方法等不尽相同，存在较大的不确定性[11-12]，数据的准确性还需要进行一定的验证。Rodell M[13]等研究表明，相比较其它模拟产品，GLDAS驱动数据更准确，其模拟结果更合理。目前，GLDAS以其优势支持了大量的研究工作[14-16]。中国气象局陆面数据同化系统(CLDAS)由国家气象信息中心研发，起步较晚，2013年进入业务化运行，近些年来陆续开始使用[17-18]。其时间分辨率为1 h，空间分辨率为0.0625°×0.0625°，均高于GLDAS资料。

近年，一些学者针对不同的研究目的，对各种陆面模式土壤湿度资料在区域的适用性进行评估，并在此基础上进行应用。Chen et al[19]利用青藏高原中部土壤湿度观测数据对CLDAS中4种陆面模式土壤湿度产品的适用性进行对比评估。吴盼[20]等利用GLDAS资料与TVDI的相关性对青藏高原的土壤含水量进行了反演；程善俊[21]等利用GLDAS资料分析研究了黄土高原半干旱区土壤湿度对气候变化的响应；而对于近年来发展的CLDAS资料，也有不少研究就不同区域CLDAS与GLDAS资料的适用性进行对比评估，宋海清和刘川[22-23]等分别在内蒙古和青藏高原地区进行了评估。黄土高原地处半干旱半湿润地区，土壤湿度严重制约着该区农业的生产，因此对于该区这样较大范围土壤湿度的研究显得尤为重要。然而利用模式资料针对黄土高原地区的相关研究较少，程善俊[24]只是利用GLDAS土壤湿度资料在华北地区(包括黄土高原)进行简单的验证并基于此分析该区土壤湿度的变化特征，仅使用了相关分析，同时验证过程中存在土壤湿度分层不对应的情况(20 cm观测与10～40 cm同化数据)，且鲜有研究利用CLDAS资料分析该区域土壤湿度情况。

因此，本文基于所获取的CLDAS和GLDAS土壤湿度资料，选取2011～2013年3～9月时间尺度的资料为研究数据，以观测站点数据为参考就两套模式模拟的土壤湿度资料在黄土高原的适用性进行对比评估验证，旨在选取一种适用于研究黄土高原地区土壤湿度时空特征的大范围、长时间序列的替代资料，从而为黄土高原土壤水分的演化、水土状况的改善、气候资源的合理利用、农业生产的合理布局和气候变化的应对等监管问题提供科学依据，同时为陆面模式的改进提供一定的参考。

1 材料与研究方法

1.1 研究区概况

黄土高原[25]地处黄河的中上游，东起太行山脉、西至日月山，北起燕山、南至秦岭，总面积达621 000 km2。属于半干旱半湿润气候区，年均降水量多在400～600 mm之间，蒸发量为800～1 000 mm，远大于降水量，降水相对不足且分配不均。土壤类型主要为疏松的黄绵土、褐土和黑垆土，深厚疏松的土质覆盖，使得降水易于贮存于土体内，然而较大的土壤孔隙度相反又助长了蒸发量的增加，从而保水性较差，且地下水埋藏较深，致使该区土壤水分匮缺，同时该区地形破碎，水土流失严重[26]，土壤贫瘠，有效养分缺乏，基础肥力较低，多发展旱作农业。

1.2 数据来源

1.2.1 CLDAS土壤湿度资料 CMA陆面数据同化系统(CMA Land Data Assimilation System)是由国家气象信息中心发展的数据同化系统，其利用数据融合和同化技术对多源数据进行融合，从而获取高质量土壤温湿度、气压、降水等要素的格点数据，进而驱动陆面过程模式以获得土壤湿度等陆面变量。本研究采用的是CLDAS发布的CLDAS-V1.0版本的2008年至今的土壤湿度资料。该数据覆盖整个东亚地区(0°～60°N，70°～150°E)，时间分辨率为1 h，空间分辨率为0.0625°×0.0625°，垂直剖面包含4层(0～10、10～40、40～100、100～200 cm)。

1.2.2 GLDAS土壤湿度资料 全球陆面数据同化系统(Global Land Data Assimilation System)数据是由美国航空航天局NASA和美国海洋和大气局NOAA共同发布的基于卫星、陆面模式和地面观测数据的全球陆面同化数据。目前GLDAS结合Noah、CLM、Mosaic和VIC四种陆面模式提供了大量的陆面资料。本文所使用的GLDAS土壤湿度资料是由GLDAS-1提供的Noah模式生成的全球2000年至今的土壤湿度月资料数据，空间分辨率为0.25°×0.25°，包括4个深度层，分别为0～10、10～40、40～100、100～200 cm。为了同观测资料同量纲比较，需先将GLDAS资料土壤湿度转换为体积含水量。

1.2.3 站点观测资料 本文所用实测资料来源于中国气象科学数据共享服务网(http://cdc.cma.gov.cn) 提供的1991～2013年黄土高原109个国家农业气象观测站的农田实测土壤相对湿度旬值观测数据，该数据垂直深度包含5层(0～10、10～20、40～50、60～70、90～100 cm)。

1.2.4 土壤参数数据 土壤容重与田间持水量来源于北京师范大学戴永久[27]等制作的面向陆面过程模型的中国土壤水分数据集，其空间分辨率为30弧秒，田间持水量数据分为7层(0～0.045、0.045～0.091、0.091～0.166、0.166～0.289、0.289～0.493、0.493～0.829、0.829～1.383 m)，土壤容重数据较田间持水量多了1层(1.383～2.296 m)。考虑不同土壤层所占的权重，将容重数据利用公式1[28]插值到对应的0～10 cm的平均值(田间持水量采用相同的方法)。

(1)

式中，bd10 cm(bulk density)为所需要的0～10 cm深度的平均土壤容重(g·cm-3)，bd1为第1层即0～0.045 m的土壤容重平均值(g·cm-3)，bd2为第2层即0.045～0.091 m的土壤容重平均值(g·cm-3)，bd3为第3层即0.091～0.166 m的土壤容重平均值(g·cm-3)，三层平均土壤容重所占的权重，按照各层所占10 cm总厚度中的比例确定，Zi代表第i层的土壤容重厚度(m)，Z为所需计算的总厚度即10 cm，Z1/Z2、Z2/Z及(Z-Z1-Z2)/Z分别为三层所占总厚度的权重值，本文中计算可得比例各占：45%、46%、9%。计算之后利用ArcGIS得到各实测站点对应的0～10 cm土壤深度土壤容重和田间持水量值。

Wang W[29]等的研究表明，0～10 cm土壤湿度对于气候的研究十分重要，其对于农作物生长的影响也非常大。因此本研究仅选取表层10 cm的土壤湿度为研究对象，2011～2013年生长季(3～9月)为研究时段，进而对两套陆面模式土壤湿度资料进行评估。此外在验证比较过程中为了减少分析的误差，如果模式模拟数据缺测，将对应的观测数据也视为缺测，不进行比较和评估，最终筛选出研究时间段内连续的79个观测站点作为模式数据评估的参考。

1.3 数据处理和计算方法

1.3.1 模式资料拟合空间分布情况分析 为了对两套陆面模式土壤湿度资料进行评估，首先，需统一三种数据资料的量纲。利用公式2将观测站点土壤相对湿度数据转化为模式输出结果对应的土壤体积含水量。其次，本研究内实测站点观测、CLDAS及GLDAS三种土壤湿度数据具有不同的时间分辨率，不能直接进行比较。因此分析前需将时间分辨率统一到月尺度。对资料进行统一量化分级，计算研究时段内的区域平均值，并分析对比实测情况，比较模式资料拟合研究区土壤湿度空间分布情况。

θv=R×fc×Bd

(2)

式中，θv为土壤体积含水量，R为土壤相对湿度，fc为田间持水量，Bd为土壤容重。

1.3.2 统计分析 (1)观测站点与对应模式资料格点间比较，在对比研究模拟与观测数据的差异时，首先将陆面模式资料与站点观测值进行一一匹配[22-23]；(2)在计算模式与观测资料各月区域均值的基础上，从整个研究区尺度对观测与模拟资料进行分析。

为了定量对比评估两套陆面模式资料在黄土高原的适用性，本文选取相关系数(Corr)、平均偏差(MBE)、均方根误差(RMSE)等指标，在SPSS软件中进行计算。

1.3.3 模拟资料在时间序列上的拟合程度 首先对79个站点土壤湿度观测数据进行平均得到各月的区域平均值，再对模式资料在观测网精度范围内的格点数据进行求均，同样得出研究时段内各月的区域均值，分别对比两套陆面模式资料与站台实测值在时间序列上的差异。

2 结果与分析

2.1 土壤湿度的空间分布与统计分析

图1给出的是两套陆面模式和实测站点土壤湿度2011～2013年3～9月表层0～10 cm的空间分布图，CLDAS和GLDAS土壤湿度的空间分布与站台观测基本一致。土壤水分整体从西北地区向东南和西南地区呈递增趋势。其中陕西南部秦岭山区、西安北部子午岭地区及青海东部西宁周边地区为常年土壤湿润区，而内蒙古临河以南、甘肃白银、银川以东至陕北毛乌素沙地等地区为土壤水分低值区域。但是GLDAS模拟值较观测值在西宁周边地区存在偏低的情况，同时在渭河流域、河套地区、汾河谷地及陕西毛乌素沙地以南大部分区域在研究时段内受降水补给，土壤水分含量较高，相比较GLDAS资料，CLDAS能够很好地模拟这一情况；此外CLDAS较GLDAS模式土壤湿度资料具有较高的空间分辨率，能较好地表征黄土高原土壤湿度的时空分布特征和细部情况。综上，两套资料中CLDAS资料与站台资料最接近。

由图2可见，两套资料与观测的相关系数普遍偏高，主要呈现出与土壤湿度空间分布相同的趋势(南高北低)。CLDAS模式资料有56个站点达到显著差异水平，其中50个站点达到极显著差异水平，分别占总站点个数的71%和63%；而GLDAS资料达到显著差异和极显著差异水平的站点分别为55和49，占比略低，分别为70%和62%。

图1 2011～2013年3～9月月均0～10 cm模拟和观测土壤湿度空间分布(单位：m3·m-3)(a)实测站点均值；(b)GLDAS模拟均值；(c)CLDAS模拟均值 Fig.1 Spatial distribution of mean soil moisture of observationvalues (a), GLDAS (b), and CLDAS (c) in warm season(form March to September) in the period of 2011～2013

研究区南部区域相关系数均较高，部分站点相关系数超过0.8，如甘肃东部的西峰镇，相关系数超过0.9(其中CLDAS为0.93，GLDAS为0.95)。而在山西、内蒙人古地区、宁夏西北、青海、甘肃白银及靖远等地略差，且两套资料间存在差异，CLDAS稍好于GLDAS资料。这说明CLDAS对黄土高原的土壤湿度的变化趋势有着稍微较好的模拟能力。从偏差分布可以看出两套资料在研究区域的偏差分布类似。正负偏差的站点个数相差不大，负偏差站点个数稍小于正偏差站点个数，这表明相对观测资料，模式资料在研究区整体均表现出轻微的偏干现象。此外，研究区内不同区位干湿情况存在差异。如山西北部、陕西、青海、内蒙古及宁夏西南部及其周边甘肃地区主要为正偏差，其它站点均为负偏差。从偏差的分布区间(±0.15)来看，模式资料对于土壤湿度的模拟是可信的。从负偏差情况整体看来GLDAS站点多于CLDAS资料，分布主要集中在-0.05～0之间，可以说明模式资料也均存在一定程度的偏湿情况，其中GLDAS资料偏湿情况大于CLDAS资料。

图2 0～10 cm CLDAS、GLDAS土壤湿度资料与观测的相关系数(Corr)、平均偏差(MBE)和均方根误差(RMSE)分布 Fig.2 The correlation coefficients(Corr), mean bias errors(MBE) and root mean square(RMSE) for monthly volumetricsoil moisture from CLDAS and GLDAS compared to observation over the Loess Plateau

而从正偏差角度看，GLDAS站点少于CLDAS资料，且区间主要分布于0～0.05，且在0.05～0.1之间也有分布，可以看出，相对于观测资料CLDAS资料偏干程度大于GLDAS。从模式资料和站台观测之间的均方根误差的分布可以看出，两套资料在研究区的均方根误差分布大致相同，GLDAS资料的均方根误差绝大多数处于0.05～0.07之间，而CLDAS资料均方根误差整体稍小，绝大部分低于0.05，0.05～0.07之间也有较多站点分布。整体可以看出，研究区内CLDAS均方根误差普遍低于GLDAS资料。

综上，从相关系数、平均偏差和均方根误差三个统计指标可以看出，CLDAS具有较GLDAS高的分辨率优势下，能够更多的刻画研究区的细部特征，而且也表现出了较大相关系数和较小均方根误差上的优势，显示出了较为合理的模拟能力。

2.2 陆面模式土壤湿度资料与观测资料的对比

图3是研究时段内两套模式资料同站点观测资料的时间序列比较。整体来看，CLDAS和GLDAS资料均能较好的表征研究区土壤湿度的季节变化趋势。由于降水是黄土高原土壤水分的主要补给来源，降水集中的大陆性季风气候使得该区域土壤水分存在明显的季节性动态变化。3、4月份返青时节，降水少，蒸发大，土壤出现失墒情况；夏秋季节增墒，雨季来临，土壤得到大量降水补偿，土壤湿度明显增加，在8、9月份达到极值[30]。可以看出两套陆面模式资料相对于站点观测在春季均出现不同程度的低估情况，其中CLDAS低估程度大于GLDAS资料；而在夏秋之际模式资料与观测值较为接近，且GLDAS资料存在一定程度的高估情况。整体而言，在与实测的季节变化拟合情况下，GLDAS能够较好地捕捉和拟合土壤湿度观测的时间变异性。从表1黄土高原陆面模式资料与实测土壤湿度月平均统计特征，可以看出表层0～10 cm的CLDAS与GLDAS资料与观测均呈显著相关，并通过了0.01的显著性检验，偏差和均方根误差也均较小，其中GLDAS较CLDAS具有更小的平均偏差、均方根误差和更大的相关系数。

图3 黄土高原地区2011～2013年3～9月份0～10 cm观测与模拟月均土壤湿度时间序列(S、C和G分别表示观测资料、CLDAS和GLDAS资料) Fig.3 The time series of monthly volumetric soil moisture from the observations, GLDAS simulation andCLDAS simulation for the Loess Plateau: for the top 10cm layer, 2011～2013

模式资料Land surfacemodel products相关系数Corr平均偏差MBE均方根误差RMSECLDAS0.800∗∗0.02370.0305GLDAS0.821∗∗0.01260.0221

注：**表示在0.01水平(双侧)上显著相关。

Note:**Signifies differences reaching 0.01 significance level.

3 结论与讨论

运用黄土高原区域2011～2013年3～9月79个站点的表层0～10 cm土壤湿度观测资料，对比评估了全球陆面同化系统(GLDAS)Noah模式和中国陆面同化系统(CLDAS)的土壤湿度产品数据，结论如下：

(1)从土壤湿度空间分布状况而言，黄土高原地区的土壤湿度呈现西北较干燥，东南和西南较为湿润的空间分布特征。两套陆面模式资料均能较好的模拟这种分布状况，局部地区存在差异，CLDAS资料与站台观测最接近，且能够较好的模拟研究区的细部特征。

(2)从站点模拟值和观测值的统计特征分析来看，两套陆面模式资料均能较好的模拟研究区土壤湿度情况。CLDAS的表现稍好，具有较高的相关系数和较小的均方根误差，主要问题就是存在一定程度的低估，还需要进一步的改进。

(3)就季节变化趋势来看，模式资料均能够较好地捕捉和拟合土壤湿度观测的时间变化情况。在春季失墒阶段均出现不同程度的低估。两套资料中，GLDAS较CLDAS资料低估程度小；在夏末秋初模式资料与观测最为接近，GLDAS存在轻微高估的情况。整体来看GLDAS资料与站台观测值最接近。

(4)从区域尺度的土壤湿度模拟状况来看，模式与观测资料均呈极显著相关，并通过了0.01的极显著性检验，同时偏差和均方根误差也均较小。其中GLDAS较CLDAS具有较小平均偏差、均方根误差和较大的相关系数。

文中通过对CLDAS与GLDAS-Noah1表层10 cm的土壤湿度数据在黄土高原地区进行综合对比评估，证实两套陆面模式资料均能较好的模拟黄土高原土壤湿度的时空变化特征，都可用作大范围、长时间序列研究黄土高原地区土壤湿度时空特征和干旱监测的替代资料。整体而言，模拟资料在黄土高原的表现各有优劣，CLDAS模式资料能够较好的模拟研究区的局地特征，但整体较实测站点土壤湿度存在较大的偏干情况，春季偏干程度较大，这也可能与陆面模式生物地球物理过程描述不完善以及模式土壤质地分布不合理等有关，有待于更进一步的改进[22]。

GLDAS就整个研究区的模拟状况而言，与实测站台数值间具有较大的相关系数，较小的均方根误差和平均偏差。在春季存在一定程度的低估，而在夏秋季节与实测最为接近，且存在稍微的高估。但从站点角度来看，GLDAS略差，这可能与Noah模式的下垫面数据在中国地区不够精细和模式水文模块有待进一步完善有关[22]。陆面模式数据具备研究较大区域尺度的特点，但同时也因为这一特点，如本研究区(黄土高原)千沟万壑，地形破碎，植被及土质分布不均等的影响，在以实测气象站点为参考进行对比验证时，在没有考虑各观测站点、模式格点下垫面的差异[31]的情况下，不同模式资料在同一站点或者是同一模式资料在不同站点均表现为较大的差异。本研究就CLDAS与GLDAS资料的对比结果不同于宋海清[22]在内蒙古、刘川[23]在青藏高原和朱智[18]在中国区域的研究。因此可以看出，在对于较大区域、较长时间序列的可作为土壤湿度替代资料的陆面模式数据应用时，应首先考虑该数据在所研究区域的适用性，综合考虑数据应用的目的、区域范围、主要影响因素等。

研究在验证过程中对于观测站点的选取存在数量有限且没有考虑其代表性，一定程度会影响到两套模式资料的评比结果，需要作进一步的改进。同时在模式和观测值匹配的问题上，研究采用的是一一匹配的方法，后期对于匹配方法的选用将是可以深入研究的着力点。此外对于模式数据拟合春季较实测出现低估的情况，可能是由于春季返青季节受到人工灌溉的影响实测土壤湿度较高。基于此，对于模式资料进行评估验证时，对于土壤湿度影响因子的考虑也是下一步研究的重点。

致谢：国家气象信息中心的姜志伟副研级高工和内蒙古自治区生态与农业气象中心的宋海清先生在数据来源和分析方面给予了指导，特此感谢！