中国区域陆气耦合强度的时空分布特征

杨 扬，杨启东，王芝兰，高 璐

(1.中国气象局兰州干旱气象研究所，甘肃 兰州 730020；2.云南大学大气科学系，云南 昆明 650500)

引 言

自20世纪70年代出现地球科学系统概念之后，人们已经认识到气候变化是地球各系统相互作用在大气圈中的反映，因此将地球上大气、海洋、陆地、冰雪和生态等各圈层作为一个有机整体的全球变化研究已成为世界科学的前沿之一[1-2]。其中，陆地表面将大气、冰雪和生态等圈层紧密联系在一起，发生在陆地表面的各种物理、生物和化学过程与其他圈层相互作用，深刻影响着全球和区域气候的基本特征[3]，而气候变化也会反作用于陆气间物质和能量交换，影响陆地生态和水文过程[4]。正确描述陆面生物地球物理和生物地球化学过程，准确计算陆面状态及陆气、陆海界面的物质和能量通量，对天气/气候数值预报预测业务，以及充分理解全球变化所带来的水安全、粮食安全、生态安全等问题的形成机制，制定相应的对策，具有重要意义[5]。

土壤中储存的水分是陆地总水量的一个重要部分，是气候系统的关键组成部分[6-7]。土壤可以“记住”干湿异常，进而在几个月内保持低或高的蒸散异常，这反过来又可能在大气演化中发挥重要作用[7]。在土壤水分有限的地区，土壤水分亏缺会抑制蒸散，从而使感热通量增加，地表温度升高。土壤水分引起的地表通量异常会影响边界层的发展及大气中的水汽供给，通过影响边界层高度、湿静力能、抬升凝结高度及夹卷进而导致降水变化[8-9]。此外，它还通过植物蒸腾和光合作用之间的相互作用与生物地球化学循环(如碳循环和氮循环)相联系。土壤湿度偏小是高温热浪发生的必备条件，能增加热浪的持续时间，对极端高温有放大作用[10-12]。此外，土壤湿度通过影响白天地表能量分配和夜间地表发射率影响日最高和最低温度，土壤湿度减小同时使日最高和最低温度增加[13-15]。针对土壤湿度影响降水的事实及物理机制已在全球或不同区域内开展了众多研究，结果表明土壤湿度变化通过影响蒸散引起边界层和自由大气间多个耦合过程的变化而改变了降水的发生发展[8,16-18]。在区域尺度上，大范围的土壤湿度异常通过改变地表气温，导致海陆温差发生变化，引起季风/急流等大气环流系统的响应[19]，进而通过非局地效应影响温度和降水变化[20-21]。另一种关于土壤湿度影响降水的物理机制可理解为春季土壤湿度呈“偶极子”分布时，可能在对流层激发行星波，进而影响夏季降水范围和强度[22-24]。由于陆地上的水分供应有限，空间非均匀性大，且受气候变化的剧烈影响，因此陆气相互作用被认为是气候模式中不确定性的一个主要来源。

为衡量陆面过程对气候的影响，有研究用“陆气耦合强度”来表征陆面状态对降水、气温或大气其他物理过程的影响程度[6-7]。一般而言，根据所使用的研究资料或方法不同，陆气耦合强度的定义可分为两大类：第一类是在使用观测资料分析时，由于难以单独分离陆气耦合的相关物理过程，通常使用陆面变量(如土壤湿度、地表温度和叶面积指数等)与大气变量(如气温和降水)的相关系数，如线性相关系数、非线性相关系数和滞后相关系数等表征陆气耦合强度；第二类陆气耦合强度基于数值模拟建立，并与物理机制研究和定量分析紧密联系，其核心是设计数值模拟试验，将大气和陆面之间耦合的物理过程解耦，通过比较控制试验和敏感试验的差异来表征陆气耦合强度[7]。随着研究的深入，为方便交流和不同模式模拟结果的比较，国际间科技计划应运而生。其中最著名的是全球陆气系统研究(global land/atmosphere system study，GLASS)包含的两个计划：一个是全球陆气耦合试验(global land-atmosphere coupling experiment, GLACE)[25-26]，用于陆气耦合强度和陆气耦合热点区域的研究；另一个是局地陆气耦合试验(LoCo)[27]，主要开发综合指标来量化局地陆气相互作用的关系和反馈机制，以便更好地研究局地陆气相互作用。GLACE数值试验的核心是将大气和陆面间耦合的物理过程解耦，通过控制试验和敏感试验模拟的大气变量变率差表征陆气相互作用强度，由此描绘全球或区域陆气相互作用的热点地区(hotspots)分布图像，并分析陆气耦合强度的时间变化特征[6,25-26]。局地陆气耦合试验基于多种观测或陆面同化资料计算土壤湿度-蒸散、蒸散-降水、土壤湿度-降水、土壤湿度-温度等线性、非线性相关系数，陆气耦合指数，土壤湿度记忆指数，GLACE耦合强度等量化陆气耦合强度，分析不同区域陆气相互作用的时空变化特征，揭示陆气耦合强度的影响因子，研究发现陆气相互作用热点地区无一例外均位于干湿气候过渡带[28-30]。已有研究发现，在干旱地区，蒸散虽受土壤湿度的剧烈影响，但蒸散的量级和变化太小，土壤湿度对气候影响较小；在湿润地区，降水充沛，土壤湿度大，蒸散较强，受限于辐射，呈现为“辐射限制”型；只有在干湿气候过渡带，土壤湿度变率对蒸散影响较大，明显影响气温和降水的变化，为“土壤湿度限制”型，是陆气相互作用剧烈的地区[7,26]。准确识别陆气耦合热点地区对季节性预测系统的开发、站点土壤湿度监测和相关卫星的发展具有深远影响，对理解地球科学系统及气候系统的可预测性方面至关重要[7]。

尽管近年来在陆气相互作用研究领域开展了大量研究工作，分析了陆气耦合的强弱，量化了全球或区域陆气耦合强度的时空分布特征，给出全球陆气耦合的热点地区。但当前利用多个耦合指数来研究陆气耦合强度并分析不同指数间差异的研究还较少。此外随着技术和方法的发展，高时空分辨率的再分析资料已经取得了长足发展，且当前得到了大量使用。基于此，本文利用高时空分辨率的ERA5-Land再分析资料提供的土壤湿度、潜热通量、降水和2 m温度等产品，通过分析土壤湿度-潜热通量、潜热通量-抬升凝结高度的陆气耦合指数及土壤湿度-温度、土壤湿度-降水的Pearson、Kendall’s Tau相关系数，量化中国区域陆气耦合强度，分析该区域陆气耦合强度的季节分布特征，并辨识中国陆气相互作用的热点地区，以期为深入认识陆气相互作用和区域气候系统提供依据。

1 资料和方法

1.1 资 料

利用ERA5再分析资料的陆地数据集计算陆-气耦合强度，ERA5是欧洲中期天气预报中心(ECMWF)运营的哥白尼气候变化服务(copernicus climate change service，C3S)开发的第5代再分析资料产品。目前ECWMF发布了从1950年开始到现在(月平均分析资料滞后约3个月、逐小时资料滞后约5 d)的历史时期覆盖和实时更新数据。ERA5在其前身ERA-Interim的基础上实现了很大升级。该资料采用四维变分同化方法(4D-VAR)，同化了包括卫星遥感、站点观测及探空数据在内的多种资料，水平分辨率为T639(约31 km)，垂直方向共分为137层(约80 km)，同化时间窗为1 h。ERA5首次利用由10个集合成员、时间分辨率为3 h、空间分辨率为62 km的集合再分析产品来评估大气的不确定性(https://confluence.ecmwf.int/display/CKB/ERA5%3A+data+documentation#ERA5: datadocumentation-Introduction)。

ERA5陆地数据集(ERA5-Land)提供了更高分辨率的陆地变量资料，使用模式和来自全球的各种观测资料同化生成1981—2020年陆地水和能量循环数据集。后期ERA5-Land还将实现包括1950年以后的陆地信息，其时间分辨率为1 h(1 month)，空间分辨率为0.1°×0.1°(https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-land?tab=overview)。本文采用ERA5-Land 1981—2019年空间分辨率为0.1°×0.1°的月平均土壤湿度(0～7 cm)、地表潜热通量、降水和2 m温度数据进行分析研究。文中附图所涉及地图均基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)2556的标准地图制作，底图无修改。

1.2 方 法

由于大气运动复杂多变、土壤湿度对降水的影响涉及到土壤湿度和潜热通量、潜热通量与边界层、边界层与自由大气间的多个耦合过程，因此很难观测或者量化。土壤湿度的异常(△SM)对降水(P)或云(clouds)的影响取决于陆面潜热通量(LEland)与土壤湿度、边界层发展(PBL)与地表能量通量、边界层顶的夹卷(ENT)与边界层演化以及大气通过边界层的能量通量(LEatm)的多个耦合过程[9]。为定量表示陆气耦合强度，并表征不同子过程在陆气相互作用中的影响，选取土壤湿度-潜热通量、潜热通量-抬升凝结高度的陆气耦合指数(TCISM-LE、TCILE-LCL)和土壤湿度-温度、土壤湿度-降水的Pearson、Kendall’s Tau相关系数进行分析，其中Pearson、Kendall’s Tau相关系数可参考文献[29]、[31]。

根据DIRMEYER[32]基于陆-气耦合子过程提出的两步耦合指数的定义，利用土壤湿度-潜热通量协方差除以土壤湿度标准差分析土壤湿度异常引起潜热通量的变化，利用潜热通量-抬升凝结高度的协方差除以潜热通量标准差分析地表通量和边界层的耦合过程，具体公式如下：

(1)

式中：SM(m3·m-3)为土壤湿度，LE(W·m-2)为潜热通量，LCL(m)为抬升凝结高度，COV是两个变量的协方差，σ表示变量的标准差。如果将土壤湿度当作驱动量，潜热通量当作响应量，那么陆气耦合指数的物理意义为：土壤湿度每变化一个标准差时潜热通量的响应值。TCISM-LE、TCILE-LCL分别为正、负时表示陆气相互作用强烈，且其绝对值越大表明相互作用越强，文中均用绝对值表示陆气耦合强度的大小。

2 结果分析

2.1 土壤湿度、潜热通量和抬升凝结高度的变化特征

图1为中国区域1981—2019年不同季节土壤湿度的空间分布。可以看出，中国区域土壤湿度总体上呈现出从西北向东南递增的趋势，且存在明显的季节变化。中国北方区域的土壤湿度一般低于0.2 m3·m-3，其中西北区域特别是内蒙古西北部及新疆大部分地区是土壤湿度的低值中心，其值低于0.1 m3·m-3；东北地区土壤湿度较大，全年土壤湿度大于0.25 m3·m-3；长江中下游区域及我国中部地区土壤偏湿，夏季土壤湿度大于0.4 m3·m-3，其余3个季节大于0.35 m3·m-3；东南地区土壤湿度较大，除冬季东南沿海地区外，其他季节东南地区土壤湿度均高于0.35 m3·m-3。我国低纬高原地区冬春季土壤湿度偏低(小于0.25 m3·m-3)，夏秋季土壤湿度较大(大于0.4 m3·m-3)。总之土壤湿度的地域分布与我国干湿分布状况基本一致，湿润/半湿润区位于我国南方区域，干旱半干旱区位于我国北方区域，但东北地区是半湿润区，这与马柱国等[33]研究结果基本一致。

图1 1981—2019年中国区域不同季节的土壤湿度空间分布(单位：m3·m-3)(a)春季，(b)夏季，(c)秋季，(d)冬季Fig.1 The spatial distribution of soil moisture in China in different seasons during 1981-2019(Unit: m3·m-3)(a) spring, (b) summer, (c) autumn, (d) winter

图2为中国区域1981—2019年不同季节潜热通量的空间分布。总体上，潜热通量由北向南、由西向东增大，分界呈东北—西南向，且有明显的季节变化特征，夏秋季节潜热通量较大，冬春季节潜热较小。北方地区是潜热的低值中心，其中西北区域特别是内蒙古西北部至新疆大部分地区潜热通量全年低于50 W·m-2，冬春季潜热通量的低值中心范围较大，夏秋季低值中心范围较小，除西北地区存在低值中心外，北方其他地区潜热通量均高于150 W·m-2。华南地区是潜热通量的高值区域，其中夏秋季潜热通量大于350 W·m-2，冬春季小于250 W·m-2。东北地区(包括黑龙江大部和内蒙古东北部)夏季是潜热通量的大值区(大于300 W·m-2)，其余3个季节的潜热通量较低。我国低纬高原地区冬春季潜热通量偏小(小于250 W·m-2)，夏秋季潜热通量较大(大于300 W·m-2)。

图2 1981—2019年中国区域潜热通量的季节分布(单位：W·m-2)(a)春季，(b)夏季，(c)秋季，(d)冬季Fig.2 The spatial distribution of latent heat flux in China in different seasons during 1981-2019 (Unit:W·m-2)(a) spring, (b) summer, (c) autumn, (d) winter

抬升凝结高度(LCL)能够表征降水的潜在可能性，LCL越低，表示越容易产生降水。图3为中国区域1981—2019年不同季节抬升凝结高度的空间分布。可以看出，内蒙古西北部至甘肃和新疆交界处抬升凝结高度较高，夏季部分区域的抬升凝结高度可达3000 m以上，不利于降水的发生。我国南方地区和东北地区抬升凝结高度较低，南方地区全年LCL<600 m，产生降水的可能性较大。夏季云南南部的LCL<250 m，是LCL的低值中心。总体上，LCL的地域分布基本与我国的干湿分布一致，LCL低值区容易发生降水，对应我国湿润半湿润区；高值区降水发生可能性较小，对应我国干旱半干旱区。

图3 1981—2019年中国区域不同季节的抬升凝结高度空间分布(单位：m)(a)春季，(b)夏季，(c)秋季，(d)冬季Fig.3 The spatial distribution of lifting condensation level in China in different seasons during 1981-2019 (Unit: m) (a) spring, (b) summer, (c) autumn, (d) winter

2.2 陆气耦合指数(TCI)

2.2.1 土壤湿度-潜热通量的陆气耦合指数

图4为中国区域1981—2019年不同季节土壤湿度-潜热通量的陆气耦合强度(TCISM-LE)空间分布。可以看出，土壤湿度-潜热通量的陆气耦合强度在夏、秋季较强，春、冬季较弱，其中夏季最强，冬季最弱。TCISM-LE高值区位于我国北方及青藏高原地区，这些区域为“土壤湿度限制型”，蒸散受土壤湿度的影响，土壤湿度增大，蒸散增大，有显著的陆气反馈作用。而在南方地区出现TCISM-LE的负值区，表明该区域为“辐射限制型”，土壤水分充足且实际蒸发率接近潜在蒸发率，当地表接收的净辐射偏多时，蒸散增加，土壤湿度随之减少。这种情况下，潜热通量不受土壤湿度控制，反而会影响土壤湿度，地表向大气输送的能量较小，不存在明显的陆气耦合作用。另外，北方干旱半干旱区是陆气相互作用剧烈的区域，夏季TCISM-LE最大，最大值出现在内蒙古西北部、甘肃、青海及新疆(除西部小部分区域)的交界处。夏季华北的陆气耦合作用较强，华北地区受东亚夏季风影响，降水主要集中在夏季6—8月，6月雨带推至华北，7月降水量达到最大值，此时土壤湿度变大，地表与大气之间存在剧烈的相互作用；秋季随着土壤湿度变小，陆气相互作用减弱。东北地区(特别是北部)夏季不存在剧烈的陆气相互作用，秋季东北地区的TCISM-LE指数变为正值。东北地区属于半湿润区，夏季土壤偏湿，蒸散主要受净辐射影响，大气对陆地的变化不敏感；秋季降水减少，土壤变干，在这种情况下存在明显的陆气反馈作用。我国南方地区属于湿润区，夏季南海夏季风爆发，降水充沛，土壤过饱和，蒸散主要受能量控制，因此陆气相互作用较弱。但在春秋季节，华南在土壤偏干的情况下也会发生明显的土壤湿度-蒸散耦合。西南低纬高原地区地形复杂，且受季风环流的影响，导致该地区降水季节差异大，干湿季转换明显。干季降水少，土壤湿度低，TCISM-LE为正值，有明显的陆气相互作用；湿季降水导致土壤过饱和，陆气耦合通常较弱。综合来看，中国境内土壤湿度与潜热通量的耦合在夏季最剧烈，高值区出现在干旱半干旱区，尤其集中在内蒙古、甘肃、青海和新疆部分区域，这与KOSTER等[6]给出的中国陆气耦合热点区域分布大致相同。但由于所用资料不同，选取不同的指数和方法量化陆气耦合强度，因此本文给出的中国陆气相互作用的热点地区及强度与前人研究结果存在差异。

图4 1981—2019年中国区域不同季节土壤湿度-潜热通量的陆气耦合指数(TCISM-LE)的季节空间分布(a)春季，(b)夏季，(c)秋季，(d)冬季Fig.4 The spatial distribution of LAC index of soil moisture-latent heat flux (TCISM-LE) in China in different seasons during 1981-2019 (a) spring, (b) summer, (c) autumn, (d) winter

2.2.2 潜热通量-抬升凝结高度的陆气耦合指数

陆气相互作用研究涉及到对流触发、边界层发展等地表通量和大气边界层复杂的相互作用，利用潜热通量-抬升凝结高度的陆气耦合指数(TCILE-LCL)表征土壤湿度影响降水的中间过程。TCILE-LCL为负值时表明抬升凝结高度随着潜热通量的增大而减小，此时有利于降水的发生。图5为1981—2019年中国区域不同季节潜热通量-抬升凝结高度耦合强度的空间分布。可以看出，潜热通量-抬升凝结高度的耦合强度在春夏季较强，秋冬季较弱，其中夏季最强，冬季最弱。我国北方及青藏高原地区TCILE-LCL为负值区，该区域蒸散受土壤湿度影响，土壤湿度增大导致潜热通量增大，感热通量减小，进而使边界层发展的驱动减弱，不利于气团的抬升凝结。而我国南方和东北TCILE-LCL则为正值区，表明该区域蒸散增加(减弱)，抬升凝结高度随之升高(降低)。在春秋季节，华南地区及西南地区TCILE-LCL也会出现负耦合，而秋季新疆TCILE-LCL基本为正耦合，且大值区出现在塔里木盆地周围。夏季TCISM-LE的正值中心与TCILE-LCL的负值中心的重合区为北方干旱半干旱区，土壤湿度与潜热通量及潜热通量与抬升凝结高度的耦合作用都强，降水变化受土壤湿度影响较大，是我国陆气相互作用的热点地区。湿土壤对应较好的水汽条件，有利于降水，但同时也伴随感热通量对边界层演化的驱动减弱，不利于气团的抬升凝结；反过来，在较干的土壤湿度条件下，边界层条件不利于降水，但感热增强导致边界层发展促进气团抬升。陆气耦合指数TCILE-LCL指潜热通量LE每变化一个标准差时LCL的响应值，既考虑LE与LCL的关系，又包含LE的变化，消除了不是LE变化引起的虚假相关，在诊断陆气耦合强度时具有一定的优势。

图5 1981—2019年中国区域不同季节潜热通量-抬升凝结高度的陆气耦合指数(TCILE-LCL)空间分布(a)春季，(b)夏季，(c)秋季，(d)冬季Fig.5 The spatial distribution of LAC index of latent heat flux-lifting condensation level (TCILE-LCL) in China in different seasons during 1981-2019 (a) spring, (b) summer, (c) autumn, (d) winter

2.3 土壤湿度-温度相关

土壤湿度的减小会减弱潜热输送，导致感热通量增加，气温升高。而升高的温度会带来更高的蒸发需求，从而使土壤湿度进一步减小。图6为Pearson相关系数量化的1981—2019年中国区域不同季节土壤湿度-气温的耦合强度(ρSM-SAT)空间分布。可以看出，土壤湿度与温度的耦合强度在冬季较弱、夏季较强。春季东北、华北及南方部分地区ρSM-SAT为负耦合；夏季干旱半干旱区ρSM-SAT由弱正耦合变为强负耦合作用，新疆西南部是负值中心，土壤湿度增加改变地表可利用能量的分配，使感热通量减小，进而导致近地表温度降低。温度升高导致更大的水汽压差和蒸发需求，因此尽管在干燥条件下蒸散仍会增加，导致土壤湿度减小[8]。春季是冬夏过渡型季节，西北地区冬夏环流特征共同存在，此时天气过程复杂多变，冷空气活动较多，温度变化较快，因此春季西北区域土壤湿度与气温呈弱正相关。春夏季，南方地区存在显著的ρSM-SAT负反馈，该区域能量是引起蒸散变化的主要因子，正的温度异常导致蒸散增加，进而使土壤湿度减小。秋季两湖地区土壤湿度与近地表温度存在负相互作用，而东北、西北及西南地区存在显著的ρSM-SAT正反馈，大值中心位于青藏高原。秋季青藏高原土壤偏干且植被覆盖少，地表反照率较大(图略)，导致地面吸收的太阳辐射减少，从而减少地面的可利用能量，引起近地表温度降低。利用ERA5资料计算得出中国部分区域(特别是秋季青藏高原地区)土壤湿度与近地表气温的正反馈机制还有待进一步研究。

图6 1981—2019年中国区域不同季节土壤湿度-气温的Pearson相关系数空间分布(黑点表明通过α=0.05的显著性检验，下同)(a)春季，(b)夏季，(c)秋季，(d)冬季Fig.6 The spatial distribution of Pearson correlation coefficient between soil moisture and temperature in China in different seasons during 1981-2019(The black dots areas passed the significance test at 0.05, the same as below)(a) spring, (b) summer, (c) autumn, (d) winter

图7为Kendall’s Tau非线性相关系数量化的1981—2019年中国区域不同季节土壤湿度-气温的耦合强度(τSM-SAT)空间分布。可以看出，用τSM-SAT相关系数量化的中国区域不同季节土壤湿度与近地表温度耦合强度的空间分布与Pearson相关系数基本一致。夏季，ρSM-SAT量化的热点地区土壤湿度-气温的耦合强度在0.2～0.8之间，新疆西南部大值中心的强度大于0.8；而τSM-SAT量化的热点地区土壤湿度-气温的耦合强度在0～0.6之间，新疆西南部大值中心的强度小于0.6。秋季，青藏高原及其周边ρSM-SAT量化的土壤湿度-气温的耦合强度在0.4～0.8之间，大值中心的强度大于0.8，华北东北区域、华南区域ρSM-SAT分别在0.2～0.6、0.2～0.8之间。而青藏高原及其周边τSM-SAT量化的土壤湿度-气温的耦合强度为0.2～0.6之间，大值中心的强度小于0.6；华北东北区域、华南区域τSM-SAT分别在0～0.4、0.2～0.6之间。总体上，Kendall’s Tau相关系数量化的耦合强度较Pearson相关系数弱。

图7 1981—2019年中国区域不同季节土壤湿度-气温的Kendall’s Tau相关系数空间分布(颜色标注部分通过α=0.05的显著性检验，下同)(a)春季，(b)夏季，(c)秋季，(d)冬季Fig.7 The spatial distribution of Kendall’s Tau correlation coefficient between soil moisture and temperature in China in different seasons during 1981-2019 (The colored areas passed the significance test at 0.05, the same as below)(a) spring, (b) summer, (c) autumn, (d) winter

2.4 土壤湿度-降水相关

图8为Pearson相关系数量化的1981—2019年中国区域不同季节土壤湿度-降水耦合强度(ρSM-P)空间分布。可以看出，土壤湿度-降水的耦合强度在秋冬季较弱，在春夏季较强，其中夏季最强，冬季最弱。ρSM-P的高值区位于我国干旱半干旱区，该区域为“土壤湿度限制型”，土壤湿度增大，蒸散增大，提供降水所需的水汽条件，此外感热通量减小致使抬升凝结高度降低，有利于降水的发生。夏季ρSM-P的最大值出现在内蒙古西北部、甘肃、青海及新疆(除西部小部分区域外)的交界处。我国北方地区夏秋季是陆气耦合的热点区域，夏季华北和东北部分区域土壤湿度增大，蒸散增大，进而导致降水增多；秋季北方地区正ρSM-P的区域范围增大。夏季受季风环流的影响，北方地区降水偏多，土壤较湿，仅有小部分区域土壤湿度对降水有影响；秋季降水减少，土壤变干，北方大部分区域变为“土壤湿度限制型”，土壤湿度增大导致蒸散增大，进而使降水增多。我国西南地区干湿季转换明显，干季土壤湿度小，ρSM-P为正值，有强烈的陆气相互作用，且通过α=0.05的显著性检验；湿季降水导致土壤过饱和，陆气耦合通常较弱。夏季南方地区ρSM-P为正，从海陆分布来看，该区域邻近海洋，即使没有ENSO事件发生，该区域土壤湿度与降水的耦合作用会受到海洋的剧烈影响，土壤水分充足，且实际蒸发率接近潜在蒸发率，降水的变化主要与大气过程有关，降水增多导致土壤湿度增大，不存在明显的陆气相互作用。但在春秋季节，华南在土壤偏干的情况下也会发生强烈的土壤湿度-降水耦合。

图8 1981—2019年中国区域不同季节土壤湿度与降水的Pearson相关系数空间分布(a)春季，(b)夏季，(c)秋季，(d)冬季Fig.8 The spatial distribution of Pearson correlation coefficient between soil moisture and precipitation in China in different seasons during 1981-2019(a) spring, (b) summer, (c) autumn, (d) winter

图9为Kendall’s Tau相关系数量化的1981—2019年中国区域不同季节土壤湿度-降水耦合强度(τSM-P)空间分布。可以看出，用τSM-P相关系数量化的土壤湿度与降水耦合强度的时空分布与Pearson相关系数基本一致，但其耦合强度较弱。例如在北方干旱半干旱区，夏季ρSM-P较大，最大值超过0.8，且分布范围较大，而τSM-P则位于0.5～0.8区间内。从春秋季ρSM-P和τSM-P分布来看，新疆塔里木盆地及附近存在较大差异，τSM-P较ρSM-P偏小。结合TCISM-LE和TCILE-LCL来看，τSM-P量化的土壤湿度-降水耦合更理想。SANTANELLO等[9]指出局地尺度上土壤湿度影响天气气候变化的本质由一系列难以量化的非线性过程和反馈决定。LI等[29]指出利用非线性相关系数时无需事先假定陆面和大气变量的概率分布、线性依赖关系等，用其衡量陆气耦合强度具有一定的优势，更适用于两组变量的相关性分析。

图9 1981—2019年中国区域不同季节土壤湿度与降水的Kendall’s Tau相关系数空间分布(a)春季，(b)夏季，(c)秋季，(d)冬季Fig.9 The spatial distribution of Kendall’s Tau correlation coefficient between soil moisture and precipitation in China in different seasons during 1981-2019(a) spring, (b) summer, (c) autumn, (d) winter

3 结论与讨论

(1)TCISM-LE的正值中心、TCILE-LCL的负值中心及Pearson和Kendall’s Tau相关系数量化的土壤湿度-降水、土壤湿度-温度耦合强度的大值中心的重合区为北方干旱半干旱区，该区域土壤湿度增大导致潜热通量增加，提供降水所需的水汽条件，有利于降水的发生；潜热通量增大导致感热通量减小，温度降低，此外感热减小表明其对边界层的驱动减弱，不利于气团的抬升凝结，是我国陆气相互作用的热点地区。在研究土壤湿度-降水的耦合过程中，不仅要考虑到土壤湿度-潜热通量的耦合，潜热通量与抬升凝结高度的耦合也是重要的衡量指标。

(2)我国陆气耦合强度存在显著的季节性差异。干旱半干旱区陆气耦合强度在春夏季较强，秋冬季较弱。北方地区夏秋季陆气耦合强度较大，夏季受季风环流影响，降水偏多，土壤较湿，仅有小部分区域土壤湿度对降水有影响；秋季土壤变干，北方大部分区域变为“土壤湿度限制型”，土壤湿度增大导致蒸散增大，进而使降水增多。南方地区属于湿润区，夏季降水充沛，土壤过饱和，蒸散主要受能量控制，因此陆气相互作用较弱；但在春秋季节，华南在土壤偏干的情况下也会存在显著的陆气耦合。西南地区干湿季转换明显，干季(春季和冬季)土壤较干，有显著的陆气相互作用；湿季降水导致土壤过饱和，陆气耦合通常较弱。说明陆气耦合的强弱不能仅考虑到传统气候区的划分，还应加入雨带动态变化的影响。

利用再分析资料结合多个陆气耦合指数给出中国区域陆气耦合强度的时空分布，辨识出中国陆气相互作用的热点地区，对研究陆气相互作用及区域气候有一定的指示意义。局地尺度上土壤湿度影响天气气候变化的本质由一系列难以量化的非线性过程和反馈决定，包括陆面、陆面和边界层、边界层和自由大气间多个过程。Kendall’s Tau非线性相关系数无须事先考虑陆气相互作用中变量的概率分布、线性依赖关系等，用其量化陆气耦合强度较Pearson相关系数有一定的优势。陆气耦合指数既包含土壤湿度与潜热通量间的相关，又考虑土壤湿度的变化，排除了不是土壤湿度变化引起的虚假关联，因此该指数在量化陆气耦合强度上优于相关系数。不同的陆气耦合强度度量方式由于其侧重点不同，对陆气耦合强度的表征有一定差异。在研究中需要根据使用资料的不同，结合指数的定义及其物理本质来判别陆气耦合强度，并尽量使用统一的指数。本文仅使用了ERA5-Land资料，比较单一且存在误差，对中国区域陆气耦合强度时空变化特征的研究还需要结合观测资料和其他再分析资料进行验证。

DOI:10.1029/2011GL048268.