Page 49 - 《高原气象》2026年第2期

2 期 邴嘉玮等：2009 -2010年西南地区干旱影响下的陆面模式CLM5.0植被生长模拟评估 349

图7 遥感和模拟的LAI（a~d）和GPP（e~h）的R maxlag 空间分布
黑点为通过95%显著性检验的区域
Fig. 7 Spatial distribution of R maxlag for LAI （a~d） and GPP （e~h） from remote sensing and simulations.
Black dots indicate that the results have passed the 95% significance test
和 GPP 的最大相关性对应的时间尺度的空间分布 中到长期（6 个月和 9 个月）累积效应的模拟表现也
情况。干旱期间， 研究区北部（四川及重庆大部分 较为出色［图 8（d）， （h）］。特别的， CLM 模拟出了
地区）以短期累积效应（1 个月和 3 个月）为主， 该地 贵州超 90% 地区的植被对干旱中到长期的累积响
植被对累积水平衡的变化较为敏感， 对干旱的耐受 应， 这也与遥感数据的表现基本一致。此外， 模拟
性较差。而研究区南部（云南和贵州大部分地区）则 的植被LAI和GPP的R max-cum 表现为正相关的面积范
以中到长期累积效应（6个月和9个月）为主， 该地植 围均大于负相关［图 9（d）， （h）］， CLM 对植被对干
被可以容忍更长的干旱时间尺度。与时滞性相似， 旱累积效应的响应强度的模拟表现也较好。
但累积效应比时滞性对应的影响范围要更大， 因为 3. 3. 5 CLM对植被的干旱抵抗力和恢复力模拟情况
时滞性忽略了在一段时间内持续影响植被生长的持 不同遥感数据之间对植被抗旱力和恢复力的
续性动态气候条件， 而累积效应考虑了连续时间内 表现存在一定差异， CLM 中植被对干旱抵抗力和
的干旱影响， 即从干旱开始到结束对植被的持续影 恢复力的模拟都在与遥感数据相当的合理范围内。
响。此外， 植被 LAI 和 GPP 的 R max-cum 表现为正相关 图 10 描述了三种遥感数据和 CLM 模拟的 LAI 和
的面积范围显著大于负相关［图 9（a）~（c）， （e）~ GPP 的抵抗力（Rt）和恢复力（RS）。CLM 模拟的
（g）］： LAI（82. 1%）及GPP（88. 65%）， 即干旱的累积 LAI对干旱表现出较弱的抵抗力， 这与 GLASS-LAI
效应会对西南大范围地区的植被LAI和GPP造成严 的表现相似， 而 GIMMS-LAI表现出最强的抗旱性。
重破坏。 CLM 模拟的 GPP 的抗旱性与 GIMMS 和 GLASS 产
CLM 对干旱对植被累积效应的模拟表现较为 品基本相同， 而 GLOBMAP 的 GPP 表现出较弱的
出色， 可以模拟出干旱对 LAI和 GPP累积效应的相 干旱抵抗力。在恢复力的模拟方面， CLM 对 GPP
似性以及不同地区植被对干旱累积响应的空间差 的旱后恢复力模拟效果较为出色， 与 GIMMS 和
异。2009 -2010 年干旱影响下， 与遥感数据［图 8 GLASS 的表现基本一致， CLOBMAP 同样表现为
（a）~（c）， （e）~（g）］的表现相似： CLM 模拟出了研 较弱的恢复力。相对于GPP， CLM对LAI的恢复力
究区北部（四川及重庆大部分地区）的短期（1 个月 的模拟存在一定程度的高估， 但与遥感数据的差异
和 3 个月）累积效应， 对贵州和云南大部分地区的 较小（RS difference<1）， 在较合理的误差范围内。