土壤湿度作为陆地表面的重要物理量,对数值天气预报、气候研究、农业、生态等至关重要。目前土壤湿度的获取方式主要有站点观测、遥感反演和陆面模式模拟,其各有优缺点,土壤湿度同化能够用观测或遥感反演的土壤湿度来调整陆面模式的运行轨迹,使陆面模式模拟中积累的误差得以释放。本文基于中国气象局陆面数据同化系统(CMA Land Data Assimilation System,简称CLDAS)中的大气驱动数据,使用集合卡尔曼滤波同化方法将偏差订正和质量控制后的ASCAT土壤湿度同化到Noah‐MP陆面模式模拟过程中,进行土壤湿度同化试验,并使用站点观测土壤湿度对0‐10cm土壤湿度进行定量评估,其中偏差订正采用的是累积概率密度匹配方法(cumulative distribution function,CDF),质量控制是对降水区、积雪区、冻土区、植被覆盖度较大区域以及模式与观测的差设置合理的阈值。结果表明:采用不同集合数目(20、25、30、40)进行土壤湿度同化试验,从时间序列可以看出,不同集合数目对同化结果的影响不是很大;分别扰动辐射和降水驱动数据、同时扰动辐射和降水驱动数据进行土壤湿度同化试验,从时间序列和不同分区下评估可以看出,分别扰动辐射和降水驱动数据以及同时扰动辐射和降水驱动数据对于同化结果影响不大;考虑到计算效率,本研究选用20个集合,同时扰动降水和辐射进行土壤湿度同化试验,从2014年5~10月的土壤湿度月平均空间分布图可以看出,土壤湿度的模式模拟与同化都能够反映出中国区域土壤湿度的空间分布,与模式模拟相比,土壤湿度同化在我国西部地区相对变湿(增加0.01~0.04mm/mm),在我国南方地区和东北地区相对变干(减小0.02~0.06mm/mm);从时间序列来看,同化后的土壤湿度在全国平均上较Noah‐MP陆面模式模拟更接近于站点观测;从空间分布上看,同化改进了部分地区土壤湿度的效果,但是对于有些地区,同化起到了负效果,如青藏高原的地区,同化前后相关系数分别是0.7857和0.6798、偏差分别是0.0253mm/mm和0.0315mm/mm、均方根误差分别是0.0588mm/mm和0.0629mm/mm;对2014年夏季长江以北干旱事件进行个例分析,与国家气候中心公布的气象干旱综合监测图进行对比,同化后的土壤湿度能够体现出安徽北部地区的旱情,但是模式模拟未反映出来安徽北部的旱情。当然本研究同化的是遥感反演的土壤湿度,其精度易受遥感反演算法、下垫面等多种因素影响,未来会将极轨卫星的微波亮温(如FY3、AMSR2)同化到Noah‐MP陆面模式中,从而进一步提高土壤湿度的精度。
暂无评论