Page 27 - 《高原气象》2022年第1期

1 期 丁 旭等：青藏高原春季土壤湿度异常与我国夏季降水的联系 25
相变过程来影响植被覆盖情况、地球物理系统能量 search Lab Model）、GLDAS-CLM、GLDAS-MOS
与物质循环以及后期气候的变化。 （Moderate Resolution Imaging Spectroradiometer）
近年来，国内外学者针对土壤湿度异常对气候 和 GLDAS-VIC（Variable Infiltration Capacity）］进
变 化 的 影 响 及 其 反 馈 作 用 进 行 大 量 研 究 研 究 ， 行对比分析，结果显示 GLDAS-CLM 产品在高原
Namias and Jerome（1959）通过研究发现土壤湿度的 地区能够合理刻画两层（0~10 cm 和 10~40 cm）土壤
季节性异常对大气季节变化有重要的作用。 Sud 湿度的时空变化特征（丁旭等，2018）。因此，本文
et al（1988）通过数值模拟发现，土壤湿度异常可能 拟采用 GLDAS-CLM 数据集作为地表参量数据，分
在长达数月的时间内显著影响气温和降水。王澄 析青藏高原地区 1979-2014 年春季土壤湿度的异
海等（2003）和 Wang et al（2009）研究指出，青藏高 常变化特征以及土壤湿度异常与地表热通量场的
原土壤的季节冻融过程对高原及东亚上空大气环 关系。并使用 CN05. 1 数据集的降水资料对春季高
流有明显影响，与中国东部夏季降水之间有着较好 原土壤湿度异常与中国夏季降水的相关特征以及
的相关关系。王静（2016）利用卫星反演数据研究 土壤湿度异常对后期气候变化的影响进行研究。
发现当高原东部土壤湿度偏大，而西部偏小时，夏 由于 0~10 cm 和 10~50 cm 两层土壤湿度在数值和
季在高原东部（西部）存在一个潜热（感热）热源，热 变化幅度方面差异不大，所以本文选择 0~10 cm 土
力作用影响对流层中高层环流形势，利于东北冷涡 壤湿度层进行研究。
加强，冷空气向南爆发；同时，伴随南亚高压东 2 资料来源与研究方法
伸，西太副高西伸，暖湿气流与干冷气流在长江流
域汇合，使夏季长江流域降水增多。Yuan et al 2. 1 资料来源
（2020）利用 CLM4. 5（Community Land Model）模拟 2. 1. 1 GLDAS-CLM
青藏高原土壤湿度，并分析了高原土壤湿度与我国 本研究使用 GLDAS-CLM 资料中土壤湿度、短
东部降水的关系，研究表明西藏中南部的表层土壤 波辐射、长波辐射、感热通量、潜热通量和地表蒸
水分与华南地区的夏季降水成正相关，与长江中下 发量数据集。GLDAS 是由美国航空航天局戈达德
游和东北地区的负相关。高原西部土壤湿度低时， 空 间 飞 行 中 心（The Goddard Space Flight Center，
地表加热更强，西太平洋副热带高压偏弱，雨带 GSFC）和美国海洋、大气局（National Oceanic and
偏北。 Atmospheric Administration，NOAA）国家环境预报
尽管高原土壤湿度的异常变化是气候变化研 中心（National Centers for Environmental Prediction，
究中的重要物理量，但由于高原的地理环境、极端 NCEP）联合开发的全球陆面数据同化系统，该系统
气候条件和进行试验的高成本，该地区长期以来地 驱动了多个地表过程模型，采用先进的数据同化技
面观测站点稀少，缺乏长时间的土壤湿度观测数据 术和建模方式处理卫星及地面观测数据产品，并整
集（刘川等，2015）。并且目前研究使用的卫星资 合了由陆面信息系统（LIS）支持的大量观测数据
料、再分析资料和陆面模式资料，在可靠性和适用 （Rodell et al，2004），获取地面通量场最优值，目前
性方面均存在争议，例如因选取的替代资料不同研 GLDAS-CLM 的优质全球陆面数据，被广泛应用于
究结果出现较大差异，数值模式的试验方案选取并 天气预报和气候变化、水循环研究和水资源应用等
未十分完善等，导致在研究高原土壤湿度对我国东 方面的研究。GLDAS 包括 3 个陆面模式（GLDAS-
部夏季降水影响方面，仍然存在不确定性。所以作 NOAH、GLDAS-CLM、GLDAS-MODIS）和一个水
者在前期利用 2010-2016 年中国科学院西北生态 文模式（GLDAS-VIC）。本文研究使用的 GLDAS-
环境资源研究院青藏高原土壤温度与湿度监测网 CLM 包括以下 3 个重要的子模型：NCAR 陆地表面
观测数据在不同气候区和植被条件的 4 个地区（阿 模型（Bonan，1998），生物圈-大气转化方案（Dick‐
里、狮泉河、那曲和玛曲）对多套土壤湿度再分析 inson et al，1993）和中国科学院大气物理研究所的
产 品［ERA-Interim、CFSR（Climate Forcast System LSM 模型（Dai and Zeng，1997），且具有驱动场稳
Reanalysis）、CFSv2（Climate Forecast System Ver‐ 定、模式先进、时间序列长等优势。
sion 2）、JRA-55（Japanese 55-year Reanalysis）、GL‐ GLDAS-CLM 数据集空间分辨率为 1°×1°，时
DAS-NOAH （Global Land Data Assimilation Sys‐ 间分辨率为 3 h，其中土壤湿度包含 10 个层次：0~
tem-National Centers for Environmental Prediction/ 1. 8 cm，1. 8~4. 5 cm，4. 5~9. 1 cm，9. 1~16. 6 cm，
Oregon State University/Air Force/Hydrologic Re‐ 16. 6~28. 9 cm， 28. 9~49. 3 cm， 49. 3~82. 9 cm，