土壤湿度参数化及对天气和气候模拟影响的研究进展
李得勤1,2, 张述文2, 文小航3, 贺慧1
1.沈阳中心气象台,辽宁 沈阳 110166
2.兰州大学半干旱气候变化教育部重点实验室, 甘肃 兰州 730000
3.成都信息工程学院,四川 成都 610225

作者简介:李得勤(1981-),男,甘肃民乐人,副研究员,主要从事陆面过程、数据同化方法、天气和气候模拟研究.E-mail:lewen05@hotmail.com

摘要

陆面过程中土壤湿度相关的水文过程及对天气和气候模拟的影响已经受到国内外学者的广泛关注。首先,追溯了土壤湿度的定义和确定方法,回顾了陆面模式中土壤湿度相关的水文参数化过程,包括不同土壤类型的水文曲线和土壤湿度方程的数值求解方法;其次,详细地给出了目前陆面模式中所使用的土壤水文参数的确定方法及其存在的不确定性,指出了参数敏感性分析和优化方法在陆面参数确定中的重要性,及最新的陆面水文参数集的建立在陆面模式的发展和土壤湿度准确模拟中的重要性。最后,总结了国内外关于土壤湿度对降水的反馈机制的研究进展,主要分为土壤湿度的时空分布特征和异常对季节性降水的正反馈作用,以及中尺度土壤湿度的非均匀性对局地对流激发的负反馈作用。通过总结已有的研究进展后分析了土壤湿度模拟中存在的不确定性因素,给出了土壤湿度对未来天气和气候模拟影响的主要研究方向。

关键词: 陆面模式; 水文过程; 土壤湿度; 气候效应; 反馈机制
中图分类号:P461.4 文献标志码:A 文章编号:1001-8166(2016)03-0236-12
Soil Moisture Parameterization and Its Influences in Weather and Climate Simulation: A Review
Li Deqin1,2, Zhang Shuwen2, Wen Xiaohang3, He Hui1
1.Shenyang Central Meteorological Observatory, Shenyang 110166, China
2.College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China
3.Chengdu University of Information Technology, Chengdu 610225, China

First author:Li Deqin (1981-), male, Minle County,Gansu Province, Associate professor. Research areas include land surface process, data assimilation, weather and climate simulation.E-mail:lewen05@hotmail.com

Abstract

The soil hydrological process in land surface models and its influences on weather and climate simulation have got much attention by scholars both at home and abroad. First, this paper traced the definition and determination of soil moisture, and then reviewed its parameterization in different models, including soil-water characteristic curves for different soil types and numerical methods for solving soil moisture equations. Moreover, methods of soil hydrological parameter determination and uncertainties within land surface models were specified. Also, the importance of methods in parameter sensitivity analysis and optimization was emphasized, and the new datasets of soil hydraulic parameters would play a very important role in the improvement of the land surface model and soil moisture simulation. Finally, the research progress of feedback mechanism between soil moisture and precipitation was summarized. Spatial and temporal distribution of soil moisture and its abnormal would cause a positive feedback, and on the contrary, the meso-scale characteristics of soil moisture distribution had a negative feedback. By summarizing the progresses of the uncertainties and problems in soil moisture simulation, the influences of soil moisture on simulating weather and climate were pointed out.

Keyword: Land surface model; Hydrological processes; Soil moisture; Climatic effect; Feedback mechanism.
1 引 言

陆面状态, 如植被覆盖和土壤湿度, 由于其空间分布的不均匀和时间的季节性变化, 改变着大尺度乃至区域尺度地表能量和水分的收支状况[1~3]。土壤湿度为陆面水文过程的关键要素, 控制着地表和地下径流走向、土壤水分垂直传输、植物水分供给, 同时还受地下水深度的影响。地球地面接受的净辐射中42%用来加热地面, 剩余的58%用来产生地面的蒸发和植被的蒸腾作用[4]。土壤蒸发和植被的蒸腾作用在陆面模式中归纳为地表蒸散量, 决定着地表通量的计算, 在陆面模式中能量和水分平衡中起着纽带的作用[5]

土壤湿度对降水天气造成的地表通量的变化有滞后作用, 也被称作“ 记忆作用” , 对气候异常有很强的加强和延长的反馈作用[6, 7], 对天气和气候模拟的影响可以维持数周到季节时间尺度[8, 9]。Taylor等[10]发现, 土壤湿度的空间差异还与中尺度对流性天气系统的发生和发展有很强的反馈作用。但以往的研究结果大多基于模式模拟结果, 这主要是因为受观测手段和土壤湿度空间差异较大的影响, 在全球范围内仍然缺乏比较准确的全球土壤湿度时— 空分布的数据产品。由于土壤湿度受降水的影响较大, 其空间的非均匀性导致站点观测代表性差, 而遥感只能探测到几个厘米的深度, 且准确性对所使用的反演算法也有很强的依赖性[11]。通过数值模拟可以得到全球和区域尺度时间和空间上的土壤湿度分布, 但陆面模式比较计划的研究结果显示, 现有的陆面模式均无法很好地模拟土壤湿度, 其中土壤水文参数和强迫的影响很大[12~14], 基于陆面模式同化各种观测资料目前被认为是建立全球土壤湿度数据集的可行和相对有效的途径。

为了分析不同陆面模式对地表通量和土壤湿度模拟的不确定性, 国内外开展了大量的陆面模式比较计划, 主要针对模式的参数化方案, 模式使用的参数和驱动数据等开展了综合的观测和模拟对比研究。发现陆面模式对地表通量和土壤湿度之间关系的描述仍然存在不确定性[15], 不同陆面模式对土壤湿度的模拟偏差仍然较大, 但趋势基本一致[16]。陆面模式中土壤分层结构, 土壤湿度方程数值求解方法, 土壤质地数据集, 土壤分类和相关参数的给出方法等几乎没有一个统一的定论, 导致不同模式的模拟效果对所使用的参数化方案和参数有很强的依赖性, 即便物理意义相同的参数在不同模式中也无法完全得到统一。

陆面模式中土壤湿度对天气和气候模拟的影响已经受到了广泛的关注, 但陆面模式中土壤湿度相关的水文过程的描述和参数化方案仍然存在很大的不确定性。本文首先给出了陆面过程中土壤湿度的定义和相关的水文参数化方法, 总结了土壤水文参数集的建立及参数敏感性分析和优化方法在水文参数确定中的作用, 进而回顾了国内外土壤湿度对天气和气候模拟影响研究的最新进展。最后, 通过以上的综述, 对未来陆面水文过程的主要研究工作进行了展望。

2 陆面模式中土壤湿度参数化
2.1 土壤水分的描述

土壤湿度(θ , cm3/cm3)表示单位体积土壤中所含有的水分所占的体积, 被广泛地用于陆面模式中描述土壤中的含水量。陆面模式中为了定量地表达土壤的饱和程度, 根据不同土壤定义了每种土壤的饱和含水量(θ sat, cm3/cm3), 田间持水量(θ fc, cm3/cm3)和萎蔫系数(θ wilt, cm3/cm3)。其中, θ sat为饱和土壤所能保持的最大含水量, 也可以叫做土壤孔隙度或土壤持水量; θ fc为土壤达到饱和后, 经过下渗达到重力平衡后土壤中所能包含的最大含水量; θ wilt为土壤中的水分无法被植物吸收时, 土壤中含有的水分。对于土壤中生长的植物而言, 植被所能吸收的含水量介于θ fcθ wilt之间; 大于θ fc时, 水分的重力大于土壤的吸力, 多余的水分在重力的作用下发生重力下泄; 而小于θ wilt时, 土壤吸力大于植被根系的吸收, 土壤中剩余的水分亦不能被植物吸收。

θ sat, θ fcθ wilt 3个参数的定义主要参考土壤中的植被类型, 深层土壤湿度的空间和时间变化要比表层土壤湿度小得多, 受地表植被的影响也比较小。同时, 植物也会通过根的生长找到更合适的深度提供足够的水分, 植被也可以通过调整叶子的方向或者减少叶子数量以减小蒸发[5]。而模式中所使用的土壤水文参数一般在实验室中观测完成, 很少考虑植被的影响, θ sat, θ fcθ wilt的确定为水势分别为-1 hPa以上, -100~-300 hPa和-15 000 hPa以下的土壤中的含水量, 首先将土壤充分吸收水分后观测得到土壤饱和水传导率, 进而观测不同水势条件得到以上3个含水量的参数。

即使土壤湿度的定义主要参考土壤水势, 且受植被根系和地形的影响较大, 而在实际陆面模式中土壤湿度的传输和扩散参数则主要通过土壤成分来定义, 参数的定义很少考虑植物的影响, 水势在土壤水分传输过程的作用和影响也容易被人忽视。同时, 相对于土壤水势, 土壤湿度观测也更方便, 尤其是目前存在的遥感观测数据可以用来反演表层土壤湿度, 使得模式中土壤湿度的应用更加广泛, 土壤湿度对天气和气候的影响研究也更受关注。

2.2 土壤水文曲线模型

土壤含水量和土壤水势被用来定量描述土壤中的水分含量, 为了描述二者之间的关系, 早期的研究建立了复杂程度不同的土壤水文特征曲线, 比较典型的有Brooks-Corey, Clapp-Hornberger和van Genuchten模型, 其中后两者的应用更加广泛。Clapp-Hornberger模型相对简单, 有利于土壤湿度方程求解的离散化, 绝大多数陆面模式中多采用该模型, van Genuchten模型虽然对土壤水文曲线的表述更加准确, 但由于其本身的高度非线性特征, 加之土壤湿度方程为非线性方程, 应用相对较少。随着模式的不断发展, van Genuchten模型在一些研究工作中有较多的应用[17]。2种模型的具体表达式为:

Clapp-Hornberger模型[18]:

ψψsat=θθsatb1K=Ksatθθsat2b+32

van Genuchten模型[19]:

Θ=θ-θwiltθsat-θwilt=11+-αψ)nm  (3)K=KsΘ121-1-Θ1mm24K=Ks{1-(αψ)nm1(αψ)n]-m}21(αψ)n]m/25

式中:KKs分别为土壤水传导率和饱和土壤水传导率; ψ sat为土壤饱和水势; m=1-1/n; b, α 为与土壤性质相关的参数。除了上面提到的模型和相关参数, 纵观目前常用的陆面模式中与土壤有关的参数还有土壤成分的百分比含量, 包括沙粒(sand)、黏粒(clay)和粉粒(silt), 还包括有机物(organic)等。

Clapp等[18]将土壤分为11类, 根据土壤采样统计得到了不同土壤对应的参数。Cosby等[20]使用了美国农业部的土壤三角图的分类方法, 根据土壤采样中的成分(黏粒、粉粒和沙粒)将不同的土壤与水文参数建立了指数的回归关系式。截至目前, 不同的陆面模式中水文参数的确定方法仍然主要采用这2种方法, 前者直接给出土壤分类和对应的表格, 相对比较简单, 在模式中应用比较方便(如Noah和CABLE模式), 但实际土壤分类并没有严格和显著的差异, 参数的确立受样本的影响特别大, 所以在目前陆面模式中查表法的土壤参数存在一定的差异。美国农业部采用的土壤质地三角图能很好地反映同种和不同土壤类型成分之间的差异, 尤其对于同种土壤水文参数之间的差异有时会超过不同土壤之间参数的差异能得到很好的反映。即使这样, 目前陆面模式中也仅仅在CLM和SiB模式中得到应用。CLM模式中的水文参数的计算方法为:

饱和土壤导水率Ks的表达式为:

Ks=0.0070556×10-0.884+0.0153(%sand)6

饱和土壤湿度为:

θs=0.489-0.00126(%sand) (7)

饱和土壤基质势为:

ψs=-10.0×101.88-0.0131(%sand) (8)

指数b为:

b=2.91+0.159(%clay)  (9)

CLM模式的水文求解过程在众多的陆面模式中更加详细且具有独特之处, 随着模式的不断发展, 对公式(6)~(9)水文参数的求解还加入了有机碳的修正项, 详细见CLMV4.0模式技术手册[21]。虽然前面的表达式给出了不同土壤参数之间的相关性, 但也有一些研究提出土壤的体积浓度和其他的物理参数之间的相关性并不是很显著。Manrique等[22]指出BD和Clay之间的关系对不同的土壤类型相差较大, 还有研究证实水文参数还具有随深度变化的特征[23, 24], 土壤水文参数甚至还与土地利用有一定的关系, 而这在现有的陆面模式中却很少被考虑到。

尽管陆面水文参数化方法在不断得到完善, 但土壤水文动力学过程在陆面模式中的应用仍然被大大的简化了, 土壤湿度相关的水文动力过程还与土壤质地和粒径分布, 体积浓度和孔隙度, 水的张力属性, 水文传导和土壤层的深度, 以及土壤中的有机物和矿物质含量有关。

2.3 土壤湿度方程求解

陆面模式中通常使用1-D Richards方程和达西定律来描述土壤中的水分随时间和深度的变化, 根据土壤水通量为土壤湿度和土壤水势的2种表达方式, 1-D Richards方程可以表达为θ 形式、ψ 形式和混合形式(θ -ψ 形式), 其中θ 形式的方程也叫扩散型方程。3种形式具体的表达式为:

θt-zD(θ)θz-K(θ)z=0   (10)θt-zKψψz-Kψz=0(11)Cψψt-zKψψz-Kψz=0(12)

可以看出, 由于该方程是一个高度非线性方程, 很难找到解析解, 一般采用数值离散化方法得到数值解[25~27]。张述文等[25]对比了3个陆面模式中对1-D Richards方程的求解方法后得到, 不同离散化方法对非均匀土壤的数值解之间也存在较大的区别。特别是考虑了土壤质地的垂直非均匀后, 部分离散化方法得到的土壤湿度廓线是连续的, 而根据模式中土壤水文曲线的确定方法和不同土壤的水文参数的确定方法, 导致模式中土壤水势会出现不连续的问题, 这与土壤湿度的定义和实际情况是相违背的[5, 28]。Zeng等[29]还发现θ 形式的土壤湿度方程由于数值求解中的截断误差不能保持静力学平衡, 通过在Richards方程中加入考虑地下水的水压势项可以克服这种问题。

从3种表达方法在各个陆面模式中的应用来看, 由于θ 形式的方程能够直观地得到土壤含水量随时间的变化, 所以应用更为广泛, 如Noah和ECMWF, 但大多数使用者忽略了它只适用于均质土壤的特征, 因为土壤分层界面处的含水量是不连续的, 水分流动的方向也可能与含水量降低方向完全相反(但是与水势降低的方向是相同的)。土壤水势形式的方程优点是可以用于统一饱和— 非饱和流动问题的求解[28], 可以用于非均质土壤, 但是容易产生质量不守恒。混合的方程形式是一种折中的形式, 不仅保留了含水量形式的质量守恒的优点, 还能保留水势形式的一些优点, 在CLM模式以及一些土壤湿度方程的求解验证工作中有所应用[21, 30]

因此, 在考虑土壤质地的垂直非均匀的同时, 还应该关注土壤湿度离散化方法的应用, 不同陆面模式中所采用的数值离散化方法和分层结构也是导致土壤湿度模拟不准确的一个重要因素[25, 31]。此外, 随着陆面模式中的动态植被模型的加入也使得土壤湿度的变化中不断引入植被根系和土地利用的信息[23, 32, 33], 相反, 土壤湿度的准确计算也会对植被生长产生反馈作用, 进而影响地表通量的计算。

2.4 土壤水文参数集

Guillod等[34]将2种不同来源的土壤质地数据集用于气候模式中, 通过研究土壤质地数据对欧洲夏季气候模拟的影响, 发现2种不同土壤质地数据集导致2 m高度上的大气温度相差2 K, 降水的影响达到20%, 认为单个气候模式使用不同土壤质地数据和不同气候模式对温度和降水模拟的偏差相当。Horvth等[35]通过研究陆面模式和植被参数化过程对强对流降水的模拟也得到, 土壤水文参数对降水的影响与植被气孔功能参数化方案的影响相当。所以, 准确的土壤水文参数对天气和气候模拟至关重要。而在陆面模拟工作中, 一些研究也认为土壤水文参数对土壤湿度模拟的敏感程度要高于大气强迫的敏感程度, 甚至包括降水的敏感程度[36, 37]

2.3节中提到陆面模式中水文参数的2种确定方法:一种为查表法, 如Noah和CABLE陆面模式, 查表法最大的缺点是考虑的土壤类型有限; 另外一种为通过建立全球土壤成分(含沙量、黏粒量、粉粒量和有机物等)数据集, 结合土壤转换函数(Pedotransfer Funciton, PTF)得到全球的土壤水文参数分布, 如前面所述的CLM模式。实际上, 即使是同一种土壤类型, 其水文参数的变化范围经常会大于不同类型土壤之间水文参数的差异[33, 37], 不同类型土壤水文参数很难明确的区分。PTF的使用在一定程度上避免了简单使用土壤类型来区分不同土壤水文属性的差异, 但不同PTF大多建立在实验室收集样本的基础上, 样本具有很强的区域性特征, 且考虑的土壤成分也不完全相同。土壤中有机物含量对陆面水文参数有很大的影响, 但目前也只有部分PTF中考虑了有机物的含量[38], 不同PTF考虑的土壤成分也不完全相同。Dai等[23]详细地总结了常见的用于Clapp-Hornberger和van Genuchten模型中参数计算的土壤转换函数表达式。

为了有效地融合来源不同的土壤质地数据, 为陆面模式提供更为真实的下垫面信息, 最新的研究工作基于不同PTF建立了区域和全球的土壤质地和水文参数数据集。Dai等[23]根据观测数据建立了中国区域30″分辨率的土壤成分和水文参数数据集, 并根据不同的PTF计算得到了2种常用的土壤水文特征曲线中的水文参数, 指出水文参数还具有随深度变化的特征, 贾东于等[24]也得到相似的结论。Shangguan等[39]融合不同区域和国家的土壤质地数据集建立了全球土壤质地数据集, 数据的建立避免了使用土壤分类的概念, 且垂直分层达到了8层。De Lannoy等[40]融合了2种不同来源的土壤质地数据集, 建立了全球土壤质地和成分数据集(HWSD1.21)。这些数据集的建立无疑有助于提高全球陆面过程模式水文过程的描述。表1给出了4个常见的陆面模式中的水文模型参数化方法及其使用的参数集信息。

表1 4个主流陆面模式中水文参数化及其参数设置 Table 1 Soil moisture parameterization and parameters sets in land surface models
2.5 陆面模式中的参数敏感性分析和优化

陆面模式中的参数不仅包含土壤相关的参数, 还包含植被和其他参数, 参数的数量与模式复杂程度有关, 这些参数中有些可以直接观测(如地表反照率、植被覆盖度等), 有些所谓“ 功能性” 参数(空气动力粗糙度、土壤热容和土壤水扩散率等)是无法观测的[41, 42]。参数的敏感性分析和优化结果显示, 模式输出经常受少数几个主要参数的影响, 参数之间的相互影响对模式输出影响较大[43]

参数敏感性分析和优化不仅可以用来确定模式中的关键参数, 还可以通过调整或订正敏感的参数使模拟结果更接近于观测。大量的参数优化算法被用来优化陆面模式中的参数, 随着优化算法的发展, 逐渐出现了多参数和多判据的优化算法。Duan等[44]提出了一种复杂的洗牌算法(Shuffled Complex Evolution Algorithm, SCE-UA), 被广泛地应用于水文和陆面模式的参数优化中, 研究显示该方法可以用来优化陆面和水文模式中的参数[45~49]。Bastidas等[42, 50]提出一种参数敏感性分析方法(Multi-Objective Generalized Sensitivity Analysis, MOGSA), 该方法可以对陆面模式中几乎所有的参数进行敏感性分析, 但其缺陷是无法达到优化的目的。Demarty等[51] 进一步改进了该算法, 将其用在了参数优化的工作中。PEST(Parameter ESTimation model)是一种使用Marquardt-Levenberg非线性最优算法建立的非线性参数估计模型, 在最新的参数优化工作中也被广泛使用[37, 52, 53], 还有一些其他的优化算法被应用于陆面模式的参数优化工作中。

单站的参数敏感性分析和优化可以用来诊断不同参数对模式输出的响应程度, 定量了解模式中不同参数和物理过程对模式输出的贡献, 也可以用来验证不同参数在特定时段或对一定流域模拟产生的影响[5]。随着基于数值模式和观测资料的陆面强迫场的不断丰富, 卫星遥感以及地表通量观测网的建立, 为区域尺度的参数校准和设置提供了强迫和依据。基于卫星、雷达和机载的不同波段的主动和被动微波辐射观测, 可以用在土壤湿度和土壤温度的反演和降尺度工作中[54]。虽然遥感产品只得到地表10 cm以内的土壤湿度, 但对区域尺度土壤水文属性的估算和反演提供了宝贵的资料, 一些研究已经将卫星遥感获得的土壤湿度和土壤温度资料用来反演和估计区域尺度的水文参数[5, 55, 56]。Gutmann等[55]则提出了土壤水文属性(尺度约为100 cm)和陆面水文属性(尺度为1~100 km)的概念和区别, 认为陆面水文属性不仅要能代表一定区域上的土壤水文属性的非均匀性, 还应该考虑其他因素, 如地形和植被变化的非均匀性的影响。

主被动微波遥感观测数据已经被证实对土壤湿度反演是很有效的, 且水文参数对地表土壤湿度较深层土壤湿度更敏感, 这对于区域尺度陆面水文参数估计的意义无疑是重大的, 是研究陆面模式参数的不确定性和获得区域尺度具有一致性和代表性水文参数的重要途径。

3 土壤湿度对天气和气候模拟的影响

土壤湿度影响着不同尺度的降水和温度的模拟, 对气候变化及极端气候的异常也非常敏感[57~59], 土壤湿度的准确性影响着季节和年际间降水和温度的预报[16, 60]。但是, 准确的土壤湿度, 尤其是深层土壤湿度产品的匮乏仍然制约着人们对土壤湿度气候效应的认识, 对土壤湿度和降水关系的研究大多还是基于数值模式的结果。从不同的尺度空间上来看, 土壤湿度对降水的反馈作用仍然没有定论, 早期研究认为前期的土壤湿度对后期的降水有一个正反馈的作用。随着人们在不同空间和时间尺度上研究发现, 土壤湿度的中尺度的非均匀性对降水有负反馈作用, 对流更容易在干湿土壤交界线上空生成[3]

3.1 土壤湿度— 降水的反馈作用

模式和统计方法都被用来研究土壤湿度和降水之间的相关性[61~66], 但2种方法又各有其局限性。Meng等[66]使用统计方法研究了中国东部地区土壤湿度和降水之间的相关性, 得到土壤湿度与降水之间的相互关系在不同的气候分区上差异较大。Orlowsky等[67]使用统计方法, 在全球尺度上研究了土壤湿度和海洋表面温度的变化对降水的影响, 认为海洋表层温度的变化导致的降水变化占主导地位。相对于模式模拟, 统计方法可以考虑土壤湿度以外其他的影响因素, 而使用模式模拟得到的土壤湿度和降水之间的反馈关系受模式差异的影响较大, 这主要涉及到模式中所使用的陆面参数化, 边界层方案和对流参数化方案有很大的关系[68~70]

一般情况下, 全球气候模式大多呈现了土壤湿度和降水之间是一种正反馈, 这种正反馈通常解释为土壤湿度较高增加了边界层空气的湿度, 使得对流抑制能(Convective Inhibition Energy, CIN)减小, 有效对流位能(Convective Available Potential Energy, CAPE)增加, 有利于对流的激发[71~78]。也有研究表明土壤湿度较高使得反照率减小, 进而使晴空下地表吸收的净辐射增加, 虽然对流边界层中水汽的增加也使底层大气云量增多, 并使大气稳定度增加[70], 但是由于云量增加使向外长波辐射的减少又补偿了短波辐射的减少, 对流仍然在较湿的土壤湿度条件下容易发生。

土壤湿度与降水的负反馈机制的普遍解释为土壤湿度较高的区域对应的感热通量较少, 使得该区域白天的最高温度和对流边界层厚度减小, 温度的日变化也减小了, 使得空气粒子克服CIN的能力也相应减小[70, 75, 76, 79], 从而不利于对流的发展。另外的一个负反馈作用主要从土壤湿度的中尺度非均匀角度来考虑, 认为土壤湿度较高区域相对比较冷, 导致了中尺度下沉气流, 边界层空气向着干和暖的地方辐散, 这使得土壤湿度较干区域的对流边界层越来越深, 进而导致深对流的激发[80~84]。Findell 等[75]从土壤湿度干和湿的区域的边界层高度和自由对流高度的分析得到, 土壤湿度较低虽然导致波文比增大, 行星边界层(Planetary Boundary Layer, PBL)较深, 使得抬升凝结高度和自由对流的高度在干的土壤湿度上空要比湿的土壤上空高, 但是PBL发展速度在土壤湿度偏干的区域更快, 反而有利于对流的激发, 认为土壤湿度较干不需要通过湿度条件把自由对流的高度降低到PBL的顶部来激发对流, 而是通过加热使得大气迅速抬升达到自由对流高度, 从而激发对流的发生。

还有一些研究认为土壤湿度和降水之间的反馈作用可能还受模式对流参数化方案[70]和地形[85]的影响。Collow等[86]改变土地利用和土壤湿度对降水的模拟影响后得出, 相比之下, 土地利用对降水模拟的影响更大, 同时指出土壤湿度对温度和不稳定能量模拟的影响不可忽略。Zhou等[87]的研究指出土壤湿度配合着地形的作用, 夜间在土壤湿度较高的区域更容易产生对流, 而土壤湿度较低的区域容易在下午和傍晚产生对流。在干旱半干旱区域, 天气系统发生和发展对土地利用和土壤湿度的敏感性很强, 弱的蒸散导致大气湿度偏低, 潜在地抑制了降水的发生, 但是, 当空气湿度异常增大后, 反而容易激发对流。

Taylor等[3]通过对全球六大洲降水和土壤湿度观测数据分析后得到, 下午的对流性降水优先发生在土壤湿度较干的区域, 在半干旱地区尤其明显, 没有发现土壤湿度和降水之间的正反馈作用, 还指出大尺度模式可能对干旱区的降水模拟偏低。图1给出了Taylor等[3]提出的土壤湿度非均匀性诱发的对流初始化的配置概念模型。

图1 土壤湿度非均匀性诱发的对流初始化的概念模型[3]Fig.1 Schematic depicting the impact of soil-moisture heterogeneity on convective initiation[3]

3.2 我国土壤湿度水文过程及气候效应研究

我国受东亚季风的影响显著, 虽然季风主要由海陆季节性的热力差异引起, 但陆面过程, 尤其是土壤湿度的异常对季风的影响也不容忽视, 合理的土壤湿度对提高区域气候模拟和预报非常重要。研究证实, 土壤湿度偏湿虽然导致陆面蒸散量增大, 有利于降水的发生, 但土壤湿度偏湿导致的制冷效应会对季风产生减弱的影响, 进而导致降水偏少。詹艳玲等[88]分析得到6月长江中下游降水和春季东亚季风区土壤湿度之间存在正相关, 晚春较高的土壤湿度会减弱季风强度。梁乐宁等[89]指出土壤湿度的负异常使西太平洋副高加强, 易造成该地区降水偏少, 而春季华南土壤湿度与同期长江中下游及以北地区土壤湿度存在明显的负相关关系, 并给出了这种相关维持所需要的大气环流可能的机制。王瑞等[90]模拟得到5月青藏高原土壤湿度偏湿会使得高原加热作用减弱, 使得印度高压西撤偏晚, 环流系统的季节性转变偏晚, 使得我国东部雨带偏北, 华北地区多雨, 江淮地区降水偏少。

而从国内对土壤湿度与降水和温度的反馈关系的研究来看, 大量的研究证实土壤湿度与前期和同期降水总体上存在正相关关系, 与之后的降水呈负相关关系, 土壤湿度与气温之间的关系比较复杂, 总体上呈负相关关系[57, 91~93]。从模式对中国区域的土壤湿度的模拟效果来看, 张文君等[94]使用观测的土壤湿度对模式土壤湿度进行了评估, 发现虽然模式能够再现土壤湿度空间分布, 但对土壤湿度季节性循环和年际变化与观测相差较大, 指出模式对土壤湿度模拟的不准确主要源于降水模拟的偏差。崔文瑞等[95]使用站点降水和土壤湿度资料评估了ERA40和NCEP R-1 2套再分析资料中的土壤湿度产品在黑河流域的表现, 得到ERA40土壤湿度资料与降水的响应关系要好于NCEP资料。

国内对土壤湿度的中尺度非均匀性与降水之间反馈作用的研究则相对较晚, 主要由于一般认为土壤湿度是一个慢过程, 受大尺度的系统控制更加明显, 但最新国内学者也开始关注不同的陆面模式以及土壤湿度对天气过程模拟的重要性。陈海山等[96]开展的2次不同性质的降水天气对陆面过程模式的敏感性试验得到, 陆面过程对短时强降水和大尺度降水都有一定的影响, 但相比之下, 对短时强降水的影响更大, 这与前期李昀英等[97]的研究结果相似。而从土壤湿度的中尺度影响来看, 罗斯琼等[98]研究了土壤湿度对金塔绿洲维持的影响, 结果证实土壤湿度偏高有利于绿洲的维持, 即存在正反馈作用。

此外, 我国干旱半干旱地区分布广泛, 占国土总面积的56%左右, 主要集中在北方地区, 该地区生态环境脆弱, 对人类活动敏感, 是气候变化的关键区[99, 100], 且有研究显示中国的干旱化形式出现东扩的趋势[93]。我国北方地区大多数处于干旱半干旱地区, 陆面过程对天气和气候的响应更加敏感, 国内先后在我国北方, 如西部黑河地区、内蒙古和东北榆林地区开展了大量的野外陆面观测试验, 这些试验对我国干旱半干旱地区的陆气能量、水分交换与循环进行了较为系统的观测, 取得了很多有意义的研究成果[99]。但在干旱半干旱区的土壤湿度对降水反馈作用的研究仍然有待进一步研究。

从以往的研究来看, 国内对土壤湿度与降水之间反馈作用的研究较早, 也已经受到广泛的关注。但仍然集中在大尺度的气候反馈作用研究, 依赖的方法也主要借助于气候模式, 实际上这种结果对所使用的模式有很强的依赖性, 同时与观测仍然存在一定的分歧。对于陆面过程和土壤湿度对降水的贡献, 陆面过程对大尺度降水的影响相对较小, 但陆面过程和土壤湿度的水平差异对于局地性的强降水影响较大, 而且这种降水的可预报性相较于大尺度的降水有更大的难度。研究工作不仅需要从大尺度的环流特征出发, 还需要从天气学角度关注干旱半干旱地区的降水发生的中尺度环流特征。

4 总结与展望

陆面过程对天气和气候具有重要的影响, 早期的研究主要关注于地表通量的影响, 随着对土壤湿度相关过程及对天气和气候模拟影响的认识不断提高, 尤其是借助于地表土壤湿度和地表通量观测网的建立, 陆面模式土壤和植被参数化方案的改进, 基于卫星和野外的高精度的地表土壤和植被参数集的建立, 陆面数据同化系统的发展和完善等手段无疑对陆面模式的发展起着重要的推动作用, 陆面地表通量、土壤温度和土壤湿度的模拟也会不断得到改善。本文从陆面模式中土壤湿度的定义出发, 回顾了陆面模式中土壤湿度的参数化方法和求解过程, 及陆面模式中参数优化方法的应用和最新水文参数集的建立工作, 凝练了目前陆面模式中土壤湿度相关参数化方案的重要进展和其中可能存在的问题, 并进一步总结了国内外关于土壤湿度在天气和气候模式模拟影响方面的重要进展。未来在土壤湿度相关物理过程和对天气和气候模拟影响研究工作中仍然需要关注的方向主要包括:

(1) 土壤湿度已经被广泛地应用在陆面模式中, 用来描述土壤中水分的多少, 而土壤湿度最初的定义则是从土壤的持水能力和植物的供养方面来考虑, 即使用土壤水势的形式来衡量, 土壤水分的流动不仅依赖于土壤的物理结构, 还受植被和地形等因素的影响, 而从现有的陆面模式中土壤湿度相关的参数化过程中已经很难找到土壤水势及其与植被之间存在的关系。

(2) 从目前陆面模式中土壤水文参数化过程来看, 主要使用经典的土壤水文曲线和1-D Richards方程来描述不同土壤类型水分的传导和扩散特征, 但由于不同模式考虑的土壤分层结构、植被根系分布和地下水深度不同, 使得土壤层厚度也不同, 土壤湿度方程的求解中应该不仅考虑加入土壤水势作为离散化要素, 如CLM模式, 还应该注意离散化方法对模式的影响。

(3) 土壤水文参数直接决定着不同土壤中水分的传输特征, 但土壤质地在水平和垂直方向的非均匀性较强, PTF结合土壤质地的参数集相对于查表法能更好地代表土壤质地的非均匀性, 并随着有机碳物质的加入会不断丰富土壤质地数据集。Dai等[23]和HWSD1.21建立的中国和全球数据集的出现, 也为未来陆面模式的发展提供了基数据, 参数敏感性分析和优化对陆面水文参数的生尺度也有很好的指导意义。

(4) 截至目前, 土壤湿度反馈作用的研究仍然是国内外研究的热点问题, 但这种反馈作用在不同的时间和空间尺度上存在分歧, 一般来看, 前期土壤湿度对季节性降水存在正反馈的作用, 但土壤湿度的中尺度非均匀性则会产生局地环流的生成, 进而对局地降水产生反馈作用, 这对局地性降水的激发具有很大的影响, 而这也正是目前天气模式在降水预报中存在的难题。

未来随着观测手段和模式的不断发展, 准确的土壤湿度无疑为天气和气候模式预报提供非常重要的帮助。本文主要侧重于土壤湿度的求解过程, 但在实际陆面模式中植被动力相关过程的模拟对陆面模式的模拟, 甚至土壤湿度也有很大的影响, 但不作为本文讨论的内容。

The authors have declared that no competing interests exist.

参考文献
[1] Jiang X, Niu G Y, Yang Z L. Impacts of vegetation and groundwater dynamics on warm season precipitation over the Central United States[J]. Journal of Geophysical Research, 2009, 114(D6): D06109, doi: 10.1029/2008JD010756. [本文引用:1]
[2] Niu G Y, Yang Z L, Mitchell K E, et al. The community Noah land surface model with multiparameterization options (Noah-MP): 1. Model description and evaluation with local-scale measurements[J]. Journal of Geophysical Research, 2011, 116(D12): D12109, doi: 10.1029/2010JD015139. [本文引用:1]
[3] Taylor C M, de Jeu R A M, Guichard F, et al. Afternoon rain more likely over drier soils[J]. Nature, 2012, 489: 423-426, doi: 10-1038/nature/1377. [本文引用:4]
[4] Robinson D A, Campbell C S, Hopmans J W, et al. Soil moisture measurement for ecological and hydrological watershed-scale observatories: A review[J]. Vadose Zone Journal, 2008, 7(1): 358-389. [本文引用:1]
[5] Seneviratne S I, Corti T, Davin E L, et al. Investigating soil moisture-climate interactions in a changing climate: A review[J]. Earth-Science Reviews, 2010, 99: 125-161, doi: 10.1016/j.earscirev.2010.02.004. [本文引用:5]
[6] Koster R D, Suarez M J. Soil moisture memory in climate models[J]. Journal of Hydrology, 2001, 2(6): 558-570. [本文引用:1]
[7] Ni-Meister W, Houser P, Walker J. Soil moisture initialization for climate prediction: Assimilation of SMMR soil moisture data into a land surface model[J]. Journal of Geophysical Research, 2006, 111(D20), doi: 10.1029/2006JD007190. [本文引用:1]
[8] Koster R D, Dirmeyer P A, Guo Z, et al. Regions of strong coupling between soil moisture and precipitation[J]. Science, 2004, 305(5 687): 1 138-1 140. [本文引用:1]
[9] Guo Z, Dirmeyer P A, Hu Z, et al. Evaluation of the second global soil wetness project soil moisture simulations: 2. Sensitivity to external meteorological forcing[J]. Journal of Geophysical Research, 2006, 111(D22): D22S03, doi: 10.1029/2006JD007233. [本文引用:1]
[10] Taylor C M, Gounou A, Guichard F, et al. Frequency of Sahelian storm initiation enhanced over mesoscale soil-moisture patterns[J]. Nature Geoscience, 2011, 4(7): 430-433. [本文引用:1]
[11] Koster R D, Mahanama S P P, Yamada T J, et al. Contribution of land surface initialization to subseasonal forecast skill: First results from a multi-model experiment[J]. Geophysical Research Letters, 2010, 37(2): 4 322-4 335. [本文引用:1]
[12] Dirmeyer P A, Gao X, Zhao M, et al. GSWP-2: Multi-model analysis and implications for our perception of the land surface[J]. Bulletin of the American Meteorological Society, 2006, 87(10): 1 381-1 397. [本文引用:1]
[13] Baroni G A, Facchi C, Gand olfi B. et al. Uncertainty in the determination of soil hydraulic parameters and its influence on the performance of two hydrological models of different complexity[J]. Hydrology and Earth System Sciences, 2010, 14(2): 251-270. [本文引用:1]
[14] Comer R, Best M. Revisiting GLACE: Understand ing the role of the land surface in land atmosphere coupling[J]. Journal of Hydrometeorology, 2012, 13: 1 704-1 718, doi: 10.1175/JHM-D-11-0146.1. [本文引用:1]
[15] Shao Y, Henderson-Sellers A. Validation of soil moisture simulation in land surface parameterisation schemes with HAPEX data[J]. Global and Planetary Change, 1996, 13(1): 11-46. [本文引用:1]
[16] Dirmeyer P A. Using a global soil wetness dataset to improve seasonal climate simulation[J]. Journal of Climate, 2000, 13(16): 2 900-2 922. [本文引用:2]
[17] Hoeben R, Troch P A. Assimilation of active microwave observation data for soil moisture profile estimation[J]. Water Resources Research, 2000, 36(10): 2 805-2 819. [本文引用:1]
[18] Clapp R B, Hornberger G M. Empirical equations for some soil hydraulic properties[J]. Water Resources Research, 1978, 14(4): 601-604. [本文引用:2]
[19] van Genuchten M. A closed-form equation for predicting the hydraulic conductivity of unsaturated soils[J]. Soil Science Society of America Journal, 1980, 44(5): 892-898. [本文引用:1]
[20] Cosby B J, Hornberger G M, Clapp R B, et al. A statistical exploration of the relationships of soil moisture characteristics to the physical properties of soils[J]. Water Resources Research, 1984, 20(6): 682-690. [本文引用:1]
[21] Oleson K W, Lawrence D M, Bonan G B, et al. Technical Description of Version 4. 0 of the Community Land Model[Z]. 2010, NCAR Tech. Note NCAR/TN-478+STR, 257. [本文引用:2]
[22] Manrique L A, Jones C A. Bulk density of soils in relation to soil physical and chemical properties[J]. Soil Science Society of America Journal, 1990, 55(2): 476-481. [本文引用:1]
[23] Dai Y, Shangguan W, Duan Q, et al. Development of a China dataset of soil hydraulic parameters using pedotransfer functions for land surface modeling[J]. Journal of Hydrometeorology, 2013, 14(3): 869-887. [本文引用:5]
[24] Jia Dongyu, Wen Jun, Zhang Tangtang, et al. Response of soil water content and soil thermal conductivity on precipitation in loess plateau[J]. Plateau Meteorology, 2014, 33(3): 712-720.
[贾东于, 文军, 张堂堂, . 黄土高原降水对土壤含水量和导热率的影响[J]. 高原气象, 2014, 33(3): 712-720. ] [本文引用:2]
[25] Zhang Shuwen, Li Deqin, Qiu Chongjian. A comparative study of the three land surface models in simulating the soil moisture profile[J]. Plateau Meteorology, 2009, 28(5): 988-996.
[张述文, 李得勤, 邱崇践. 三类陆面模式模拟土壤湿度廓线的对比研究[J]. 高原气象, 2009, 28(5): 988-996. ] [本文引用:3]
[26] Xie Zhenghui, Zeng Qingcun, Dai Yongjiu, et al. Numerical simulation of an unsaturated flow equation[J]. Science in China (Series D), 1998, 28(2): 175-180.
[谢正辉, 曾庆存, 戴永久, . 非饱和流问题的数值模拟研究[J]. 中国科学: D辑, 1998, 28(2): 175-180. ] [本文引用:1]
[27] Sun Shufen. Physics Biochemistry and Parameterization of Land Surface Model[M]. Beijing: Meteorology Press, 2005.
[孙菽芬. 陆面过程的物理、生化机理和参数化模型[M]. 北京: 气象出版社, 2005. ] [本文引用:1]
[28] Li Qian, Sun Shufen. The simulation of soil water flow and phase change in vertically inhomogeneous soil in land surface models[J]. Chinese Journal of Atmospheric Sciences, 2015, 39(4): 827-838.
[李倩, 孙菽芬. 陆面过程模型中垂直非均匀土壤的水分传输及相变的模拟[J]. 大气科学, 2015, 39(4): 827-838. ] [本文引用:2]
[29] Zeng X, Decker M. Improving the numerical solution of soil moisture-based richards equation for land models with a deep or shallow water table[J]. Journal of Hydrometeorology, 2009, 10: 308-319, doi: 10.1175/2008JHM1011.1. [本文引用:1]
[30] Celia M A, Bouloutas E T, Zarba R L. A general mass-conservative numerical solution for the unsaturated flow equation[J]. Water Resources Research, 1990, 26(7): 1 483-1 496. [本文引用:1]
[31] Zhang Shuwen, Li Deqin, Liu Yanhua, et al. A comparative study of the difference algorithms for solving the soil moisture equation[J]. Journal of Lanzhou University (Natural Sciences), 2010, 46(4): 46-53.
[张述文, 李得勤, 刘彦华, . 一维Richards方程求解土壤湿度方法研究[J]. 兰州大学学报: 自然科学版, 2010, 46(4): 46-53. ] [本文引用:1]
[32] Li Deqin, Duan Yunxia, Zhang Shuwen. Soil moisture measurement and simulation: A review[J]. Advances in Earth Science, 2012, 27(4): 424-434.
[李得勤, 段云霞, 张述文. 土壤湿度观测、模拟和估算研究[J]. 地球科学进展, 2012, 27(4): 424-434. ] [本文引用:1]
[33] Mao Fuping, Zhang Shuwen, Ye Dan, et al. Impact of time correlated model errors on soil moisture estimates with the ensemble square root filter[J]. Advances in Earth Science, 2015, 30(6): 700-708.
[毛伏平, 张述文, 叶丹, . 模式时间关联误差对集合平方根滤波估算土壤湿度的影响[J]. 地球科学进展, 2015, 30(6): 700-708. ] [本文引用:2]
[34] Guillod B P, Davin E L, Kündig C, et al. Impact of soil map specifications for European climate simulations[J]. Climate Dynamics, 2013, 40(1): 123-141. [本文引用:1]
[35] Horvth Á, Ács F, Breuer H. On the relationship between soil, vegetation and severe convective storms: Hungarian case studies[J]. Atmospheric Research, 2009, 93(1/3): 66-81. [本文引用:1]
[36] Gutmann E D, Small E E. The effect of soil hydraulic properties vs. soil texture in land surface models[J]. Geophysical Research Letters, 2005, 32(2): L02402, doi: 10.1029/2004GL021843. [本文引用:1]
[37] Peters-Lidard C D, Mocko D M, Garcia M, et al. Role of precipitation uncertainty in the estimation of hydrologic soil properties using remotely sensed soil moisture in a semiarid environment[J]. Water Resources Research, 2008, 44(5): W05S18, doi: 10.1029/2007WR005884. [本文引用:3]
[38] Lawrence D M, Slater A G. Incorporating organic soil into a global climate model[J]. Climate Dynamics, 2008, 30(2/3): 145-160. [本文引用:1]
[39] Shangguan W, Dai Y, Duan Q, et al. A global soil data set for earth system modeling[J]. Journal of Advances in Modeling Earth Systems, 2014, 6(1): 249-263. [本文引用:1]
[40] De Lannoy G J M, Koster R D, Reichle R H, et al. An updated treatment of soil texture and associated hydraulic properties in a global land modeling system[J]. Journal of Advances in Modeling Earth Systems, 2014, 6(4): 957-979. [本文引用:1]
[41] Gupta V K, Bastidas L A, Sorooshian S, et al. Parameter estimation of a land surface scheme using multicriteria methods[J]. Journal of Geophysical Research, 1999, 104(D16): 19 491-19 503. [本文引用:1]
[42] Bastidas L A, Hogue T S, Sorooshian S, et al. Parameter sensitivity analysis for different complexity land surface models using multicriteria methods[J]. Journal of Geophysical Research, 2006, 111(D20): 1-19. [本文引用:2]
[43] Rosero E, Yang Z L, Wagener T, et al. Quantifying parameter sensitivity, interaction, and transferability in hydrologically enhanced versions of the Noah land surface model over transition zones during the warm season[J]. Journal of Geophysical Research, 2010, 115: D03106, doi: 10.1029/2009JD012035. [本文引用:1]
[44] Duan Q Y, Sorooshian S, Gupta V K. Effective and efficient global optimization for conceptual rainfall-runoff models[J]. Water Resources Research, 1992, 28(4): 1 015-1 031. [本文引用:1]
[45] Liu Y Q, Gupta H V, Sorooshian S, et al. Constraining land surface and atmospheric parameters of a locally coupled model using observational data[J]. Journal of Hydrometeorology, 2005, 6(2): 156-172. [本文引用:1]
[46] Yang K, Koike T, Ye B, et al. Inverse analysis of the role of soil vertical heterogeneity in controlling surface soil state and energy partition[J]. Journal of Geophysical Research, 2005, 110: D08101, doi: 10.1029/2005JD00614. [本文引用:1]
[47] Li Deqin, Zhang Shuwen, Duan Yunxia, et al. Calibration of parameters in soil moisture equation with shuffled complex evolution algorithm[J]. Chinese Journal of Atmospheric Sciences, 2013, 37(5): 971-982.
[李得勤, 张述文, 段云霞, . SCE-UA算法在土壤湿度方程求解中的参数优化[J]. 大气科学, 2013, 37(5): 971-982. ] [本文引用:1]
[48] Li Deqin, Duan Yunxia, Zhang Shuwen, et al. Quantifying parameter sensitivity and calibration in simulating soil temperature and moisture[J]. Chinese Journal of Atmospheric Sciences, 2015, 39(5): 991-1 010.
[李得勤, 段云霞, 张述文, . 土壤湿度和土壤温度模拟中的参数敏感性分析和优化[J]. 大气科学, 2015, 39(5): 991-1 010. ] [本文引用:1]
[49] Zhang Tian, Huang Chunlin, Shen Huanfeng. Sensitivity and parameters optimization method of soil parameters to soil moisture in common land model[J]. Advances in Earth Science, 2012, 27(6): 678-685.
[张添, 黄春林, 沈焕锋. 土壤水分对土壤参数的敏感性及其参数优化方法研究[J]. 地球科学进展, 2012, 27(6): 678-685. ] [本文引用:1]
[50] Bastidas L A, Gupta H V, Sorooshian S, et al. Sensitivity analysis of a land surface scheme using multicriteria methods[J]. Journal of Geophysical Research, 1999, 104(D16): 19 481-19 490. [本文引用:1]
[51] Demarty J, Ottlé C, Braud I, et al. Using a multiobjective approach to retrieve information on surface properties used in a SVAT model[J]. Journal of Hydrology, 2004, 287(1/4): 214-236. [本文引用:1]
[52] Santanello J J A, Peters-Lidard C D, Garcia M E, et al. Using remotely-sensed estimates of soil moisture to infer soil texture and hydraulic properties across a semi-arid watershed[J]. Remote Sensing of Environment, 2007, 110: 79-97, doi: 10.1016/j.rse.2007.02.007. [本文引用:1]
[53] Wang Y P, Baldocchi D, Leuning R, et al. Estimating parameters in a land -surface model by applying nonlinear inversion to eddy covariance flux measurements from eight FLUXNET sites[J]. Global Change Biology, 2007, 13(3): 652-670. [本文引用:1]
[54] Piles M, Camps A, Vall-llossera M, et al. Downscaling SMOS derived soil moisture using MODIS visible/infrared data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(9): 3 156-3 166. [本文引用:1]
[55] Gutmann E D, Small E E. A method for the determination of the hydraulic properties of soil from MODIS surface temperature for use in land -surface models[J]. Water Resources Research, 2010, 46(6): W06520, doi: 10.1029/2009WR008203. [本文引用:2]
[56] Montzka C, Moradkhani H, Weihermüller L, et al. Hydraulic parameter estimation by remotely-sensed top soil moisture observations with the particle filter[J]. Journal of Hydrology, 2011, 399(3/4): 410-421. [本文引用:1]
[57] Ma Zhuguo, Wei Helin, Fu Congbin. Relationship between regional soil moisture variation and climatic variability over east China[J]. Acta Meteorologica Sinica, 2000, 58(3): 278-287.
[马柱国, 魏和林, 符淙斌. 中国东部土壤湿度和区域气候变率的关系[J]. 气象学报, 2000, 58(3): 278-287. ] [本文引用:2]
[58] Chen Haishan, Zhou Jing. Impact of interannual soil moisture anomaly on simulation of extreme climate events in China. Part II: Sensitivity experiment analysis[J]. Chinese Journal of Atmospheric Sciences, 2013, 37(1): 1-13.
[陈海山, 周晶. 土壤湿度年际变化对中国区域极端气候事件模拟的影响研究 II. 敏感性试验分析[J]. 大气科学, 2013, 37(1): 1-13. ] [本文引用:1]
[59] Li Zhongxian, Chen Haishan, Ni Donghong, et al. Numerical simulation of effect of soil moisture variability on potential predictability of summer climate over East Asia[J]. Transactions of Atmospheric Sciences, 2012, 35(4): 423-430.
[李忠贤, 陈海山, 倪东鸿, . 土壤湿度对东亚夏季气候潜在可预报性影响的数值模拟[J]. 大气科学学报, 2012, 35(4): 423-430. ] [本文引用:1]
[60] van den Hurk B, Doblas-Reyes F, Balsamo G, et al. Soil moisture effects on seasonal temperature and precipitation forecast scores in Europe[J]. Climate Dynamics, 2012, 38(1): 349-362. [本文引用:1]
[61] Zhu C M, Lettenmaier D P, Cavazos T. Role of antecedent land surface conditions on North American monsoon rainfall variability[J]. Journal of Climate, 2005, 18(16): 3 104-3 121. [本文引用:1]
[62] Conil S, Douville H, Tyteca S. The relative influence of soil moisture and SST in climate predictability explored within ensembles of AMIP type experiments[J]. Climate Dynamics, 2007, 28(2/3): 125-145. [本文引用:1]
[63] Kim Y, Wang G L. Impact of initial soil moisture anomalies on subsequent precipitation over North America in the coupled land -atmosphere model CAM3-CLM3[J]. Journal of Hydrometeorology, 2007, 8(3): 513-533. [本文引用:1]
[64] Zhang J Y, Wang W C, Leung L R. Contribution of land -atmosphere coupling to summer climate variability over the contiguous United States[J]. Journal of Geophysical Research, 2008, 113: D22109, doi: 10.1029/2008JD010136. [本文引用:1]
[65] Meng L, Quiring S M. Observation relationship of sea surface temperatures and precedent soil moisture with summer precipitation in the U. S. Great Plains[J]. International Journal of Climatology, 2010, 30(6): 884-893. [本文引用:1]
[66] Meng L, Long D, Quiring S M, et al. Statistical analysis of the relationship between spring soil moisture and summer precipitation in East China[J]. International Journal of Climatology, 2014, 34(5): 1 511-1 523. [本文引用:2]
[67] Orlowsky B, Seneviratne S I. Statistical analyses of land -atmosphere feedbacks and their possible pitfalls[J]. Journal of Climate, 2010, 23: 3 918-3 932, doi: 10.1175/2010JCLI3366.1. [本文引用:1]
[68] Pan Z, Takle E, Segal M, et al. Influences of model parameterization schemes on the response of rainfall to soil moisture in the central United States[J]. Monthly Weather Review, 1996, 124: 1 786-1 802. [本文引用:1]
[69] Gallus W A, Segal M. Sensitivity of forecast rainfall in a Texas convective system to soil moisture and convective parameterization[J]. Weather and Forecasting, 2000, 15(5): 509-525. [本文引用:1]
[70] Hohenegger C, Brockhaus P, Bretherton C S, et al. The soil moisture-precipitation feedback in simulations with explicit and parameterized convection[J]. Journal of Climate, 2009, 22(19): 5 003-5 020. [本文引用:4]
[71] Betts A K, Ball J H, Beljaars A C M, et al. The land surface-atmosphere interaction: A review based on observational and global modeling perspectives[J]. Journal of Geophysical Research, 1996, 101(D3): 7 209-7 225. [本文引用:1]
[72] Eltahir E A B. A soil moisture-rainfall feedback mechanism. Part I: Theory and observations[J]. Water Resources Research, 1998, 34(4): 765-776. [本文引用:1]
[73] Schär C D, Beyerle L U, Heise E. The soil-precipitation feedback: A process study with a regional climate model[J]. Journal of Climate, 1999, 12(3): 722-741. [本文引用:1]
[74] Pal J S, Eltahir E A B. Pathways relating soil moisture conditions to future summer rainfall within a model of the land -atmosphere system[J]. Journal of Climate, 2001, 14(6): 1 227-1 242. [本文引用:1]
[75] Findell K L, Eltahir E A B. Atmospheric controls on soil moisture-boundary layer interactions. Part I: Framework development[J]. Journal of Hydrometeorology, 2003, 4(3): 552-569. [本文引用:2]
[76] Findell K L, Eltahir E A B. Atmospheric controls on soil moisture-boundary layer interactions. Part II: Feedbacks within the continental United States[J]. Journal of Hydrometeorology, 2003, 4(3): 570-583. [本文引用:1]
[77] Wood E F. Effects of soil moisture aggregation on surface evaporative fluxes[J]. Journal of Hydrology, 1997, 190(3/4): 397-412. [本文引用:1]
[78] Alonge C J, Mohr K I, Tao W K. Numerical studies of wet versus dry soil regimes in the West African Sahel[J]. Journal of Hydrometeorology, 2007, 8: 102-116. [本文引用:1]
[79] Ek M B, Holtslag A A M. Influence of soil moisture on boundary layer cloud development[J]. Journal of Hydrometeorology, 2004, 5(1): 86-99. [本文引用:1]
[80] Walker J, Rowntree P R. The effect of soil moisture on circulation and rainfall in a tropical model[J]. Quarterly Journal of the Royal Meteorological Society, 1977, 103: 29-46. [本文引用:1]
[81] Sun W Y, Ogura Y. Boundary-layer forcing as a possible trigger to a squall-line formation[J]. Journal of the Atmospheric Sciences, 1979, 36: 235-254. [本文引用:1]
[82] Carlson T N, Benjamin S G, Forbes G S, et al. Elevated mixed layers in the regional severe storm environment: Conceptual model and case studies[J]. Monthly Weather Review, 1983, 111: 1 453-1 474. [本文引用:1]
[83] Taylor C M, Parker D J, Harris P P. An observational case study of mesoscale atmospheric circulations induced by soil moisture[J]. Geophysical Research Letters, 2007, 34: L15801, doi: 10.1029/2007GL030572. [本文引用:1]
[84] Nair U S, Wu Y, Kala J, et al. The role of land use change on the development and evolution of the west coast trough, convective clouds, precipitation in southwest Australia[J]. Journal of Geophysical Research, 2011, 116(D7): doi: 10.9/2010JD014950. [本文引用:1]
[85] Hauck C, Barthlott C, Krauss L, et al. Soil moisture variability and its influence on convective precipitation over complex terrain[J]. Quarterly Journal of the Royal Meteorological Society, 2011, 137(S1): 42-56. [本文引用:1]
[86] Collow T W, Robock A, Wu W. Influences of soil moisture and vegetation on convective precipitation forecasts over the United States Great Plains[J]. Journal of Geophysical Research: Atmospheres, 2014, 119(15): 9 338-9 358 [本文引用:1]
[87] Zhou X, Geerts B. The influence of soil moisture on the planetary boundary layer and on cumulus convection over an isolated mountain. Part I: Observations[J]. Monthly Weather Review, 2013, 141(3): 1 061-1 078. [本文引用:1]
[88] Zhan Yanling, Lin Zhaohui. The relationship between June precipitation over mid-lower reaches of the Yangtze River Basin and spring soil moisture over the East Asian monsoon region[J]. Acta Meteorologica Sinica, 2012, 70(2): 236-243.
[詹艳玲, 林朝晖. 6月长江中下游降水和春季东亚季风区土壤湿度的关系[J]. 气象学报, 2012, 70(2): 236-243. ] [本文引用:1]
[89] Liang Lening, Chen Haishan. Possible linkage between spring soil moisture anomalies over South China and summer rainfall in China[J]. Transactions of Atmospheric Sciences, 2010, 33(5): 536-546.
[梁乐宁, 陈海山. 春季华南土壤湿度异常与中国夏季降水的可能联系[J]. 大气科学学报, 2010, 33(5): 536-546. ] [本文引用:1]
[90] Wang Rui, Li Weiping, Liu Xin, et al. Simulation of the impacts of spring soil moisture over the Tibetan Plateau on summer precipitation in China[J]. Plateau Meteorology, 2009, 28(6): 1 233-1 241.
[王瑞, 李伟平, 刘新, . 青藏高原春季土壤湿度异常对我国夏季降水影响的数值模拟研究[J]. 高原气象, 2009, 28(6): 1 233-1 241. ] [本文引用:1]
[91] Jiang Lixia, Li Shuai, Ji Yanghui, et al. Responses of soil humidity on Songnen Plain to climate change in 1980-2005[J]. Chinese Journal of Applied Ecology, 2009, 20(1): 91-97.
[姜丽霞, 李帅, 纪仰慧, . 1980—2005年松嫩平原土壤湿度对气候变化的响应[J]. 应用生态学报, 2009, 20(1): 91-97. ] [本文引用:1]
[92] Ma Zhuguo, Huang Gang, Gan Wenqiang, et al. Multi-scale temporal characteristics of the dryness/wetness over Northern China during the last century[J]. Chinese Journal of Atmospheric Sciences, 2005, 29(5): 671-681.
[马柱国, 黄刚, 甘文强, . 近代中国北方干湿变化趋势的多时段特征[J]. 大气科学, 2005, 29(5): 671-681. ] [本文引用:1]
[93] Zhang Wenjun, Yu Rucong, Zhou Tianjun. Spatial distribution and temporal variation of soil moisture over China. Part II: The evaluations for coupled models’ simulations[J]. Chinese Journal of Atmospheric Sciences, 2008, 32(5): 1 128-1 146.
[张文君, 宇如聪, 周天军. 中国土壤湿度的分布与变化II . 耦合模式模拟结果评估[J]. 大气科学, 2008, 32(5): 1 128-1 146. ] [本文引用:2]
[94] Zhang Wenjun, Zhou Tianjun, Yu Rucong. Spatial distribution and temporal variation of soil moisture over China. Part I: The evaluations for coupled models’ simulations[J]. Chinese Journal of Atmospheric Sciences, 2008, 32(5): 1 128-1 146.
[张文君, 周天军, 宇如聪. 中国土壤湿度的分布与变化I. 多种资料间的比较[J]. 大气科学, 2008, 32(5): 1 128-1 146. ] [本文引用:1]
[95] Cui Wenrui, Gao Yanhong, Peng Wen. A comparative analysis of two soil moisture datasets in Heihe River Basin[J]. Plateau Meteorology, 2009, 28(6): 1 274-1 281.
[崔文瑞, 高艳红, 彭雯. 两套土壤湿度再分析资料在黑河流域的对比分析[J] . 高原气象, 2009, 28(6): 1 274-1 281. ] [本文引用:1]
[96] Chen Haishan, Ni Yue, Su Yuan. Sensitivity of heavy of rainfall events simulation to land surface parameterization simulated via the two cases[J]. Acta Meteorologica Sinica, 2014, 72(1): 79-99.
[陈海山, 倪悦, 苏源. 两次暴雨过程模拟对陆面参数化方案的敏感性研究[J]. 气象学报, 2014, 72(1): 79-99. ] [本文引用:1]
[97] Li Yunying, Ye Chengzhi, Zhong Zhong. Impacts of land -surface process parameterization on model predictability of two kinds of heavy rainfall events[J]. Chinese Journal of Atmospheric Sciences, 2010, 34(2): 407-417.
[李昀英, 叶成志, 钟中. 陆面参数化方案对两例不同类型暴雨可预报性的影响[J]. 大气科学, 2010, 34(2): 407-417. ] [本文引用:1]
[98] Luo Siqiong, Chen Shiqiang, Shihua. Sensitivity test of oasis boundary layer characteristic under different soil moisture[J]. Plateau Meteorology, 2005, 24(4): 471-477.
[罗斯琼, 陈世强, 吕世华. 不同土壤湿度条件下绿洲边界层特征的敏感性试验[J]. 高原气象, 2005, 24(4): 471-477. ] [本文引用:1]
[99] Huang Jianping, Ji Mingxia, Liu Yuzhi, et al. An overview of arid and semi-arid climate change[J]. Advances in Climate Change Research, 2013, 9(1): 9-14.
[黄建平, 季明霞, 刘玉芝, . 干旱半干旱区气候变化研究综述[J]. 气候变化研究进展, 2013, 9(1): 9-14. ] [本文引用:2]
[100] Zhang Qiang, Yao Yubi, Li Yaohui, et al. Research progress and prospect on the monitoring and early warning and mitigation technology of meteorological drought disaster in northwest China[J]. Advances in Earth Science, 2015, 30(2): 196-213.
[张强, 姚玉璧, 李耀辉, . 中国西北地区干旱气象灾害监测预警与减灾技术研究进展及其展望[J]. 地球科学进展, 2015, 30(2): 196-213. ] [本文引用:1]