崔園園，張 強，覃 軍，敬文琪

CLDAS融合土壤濕度產(chǎn)品在東北地區(qū)的適用性評估及訂正*

崔園園1，張 強2**，覃 軍3，敬文琪4

（1. 河北省氣象臺，石家莊 050000; 2. 中國氣象局國家氣候中心氣候研究開放實驗室，北京 100081；3. 中國地質(zhì)大學(xué)（武漢）環(huán)境學(xué)院，武漢 430074; 4. 94758部隊氣象臺，福建寧德 355103）

通過計算CLDAS的0?20cm土壤相對濕度融合產(chǎn)品與農(nóng)業(yè)氣象觀測站逐旬10cm土壤相對濕度觀測值的相關(guān)性和偏差，綜合分析CLDAS在東北地區(qū)的適用性。結(jié)果表明：CLDAS融合土壤相對濕度能較合理地反映東北地區(qū)10cm深度土壤相對濕度的空間分布，但是在對極值的描述上有所欠缺，其中CLDAS對遼寧西部和黑龍江西南部的土壤相對濕度模擬偏高較明顯，而在黑龍江的東北部地區(qū)對實際土壤相對濕度的模擬偏低；總體上，CLDAS融合土壤相對濕度資料在東北地區(qū)的適用性由西南向東北方向遞減，在吉林和遼寧省的適用性更好?；貧w訂正和7旬滑動平均訂正法對CLDAS產(chǎn)品的誤差訂正表明，訂正結(jié)果大大提高了CLDAS產(chǎn)品的精度，其訂正后產(chǎn)品可以應(yīng)用于土壤濕度干旱監(jiān)測業(yè)務(wù)。

東北地區(qū)；CLDAS融合土壤相對濕度產(chǎn)品；回歸訂正；7旬滑動平均訂正；適用性評估

在全球氣候變暖的背景影響下，地表升溫，水資源的時空配置也相應(yīng)發(fā)生變化，大范圍干旱事件頻發(fā)，與洪澇災(zāi)害相比，干旱不僅發(fā)展緩慢而且具有較長的時間尺度，更難被察覺和監(jiān)控[1?3]。

目前，主要采取土壤水分自動觀測站和衛(wèi)星遙感兩種手段來對土壤干旱進(jìn)行監(jiān)測[4]。由于觀測站點東西部地區(qū)分布不均勻、觀測儀器本身的安裝校正以及季節(jié)等客觀因素的影響，觀測數(shù)據(jù)的質(zhì)量還存在各種問題，無法單純依靠站點數(shù)據(jù)對全國范圍的土壤墑情變化開展精細(xì)、準(zhǔn)確、有效的監(jiān)測。光學(xué)遙感也受到晝夜變化、大氣云雨遮擋的影響無法保證長時間序列、大面積實時監(jiān)測[5]；而且微波遙感信號也局限于反演0?5cm深度表層土壤濕度情況，得到的土壤濕度空間準(zhǔn)確率和分辨率亟需提高。

隨著資料同化技術(shù)的發(fā)展，產(chǎn)生了一系列陸面融合資料，用來描述陸面物理量的時空演變。目前國際上相對成熟的陸面數(shù)據(jù)同化系統(tǒng)包括：北美陸面數(shù)據(jù)同化系統(tǒng)NLDAS（North American Land Data Assimilation System）[6]，歐洲陸面數(shù)據(jù)同化系統(tǒng)ELDAS（European Land Data Assimilation System）[7]和全球陸面數(shù)據(jù)同化系統(tǒng)GLDAS（Global Land Data Assimilation System）[8]。國內(nèi)李新等[9]建立了西部陸面數(shù)據(jù)同化系統(tǒng)WCLDAS（West China Land DataAssimilation System），師春香[10]發(fā)展了中國氣象局陸面數(shù)據(jù)同化系統(tǒng)CLDAS（CMA Land Data Assimilation System）。近年一些學(xué)者也對不同的陸面模式資料的適用性進(jìn)行了評估。Chen等[11]利用青藏高原中部土壤濕度觀測網(wǎng)資料對GLDAS中4個陸面模式土壤水分產(chǎn)品進(jìn)行了評估，研究表明GLDAS-CLM（Global Land Data Assimilation System- Common Land Model）和GLDAS-NOAH（Global Land Data Assimilation System-NCEP，OSU，Air Force and Office of Hydrology）模式資料則對10?40cm土壤層濕度具有較好的代表性。韓帥等[12]通過對CLDAS陸面融合產(chǎn)品的評估發(fā)現(xiàn)CLDAS土壤濕度產(chǎn)品精度較高，對中國區(qū)域干旱監(jiān)測具有重要的實用價值。崔園園等[13?14]在分析GLDAS和CLDAS在青藏高原的適用性時指出，CLDAS在對四川東南地區(qū)和新疆地區(qū)大部分站點的土壤濕度描述能力上有了較大的改善。

自21世紀(jì)初，東北已經(jīng)成為干旱發(fā)生頻率較高的地區(qū)之一，損失嚴(yán)重、影響范圍廣、持續(xù)時間長的干旱災(zāi)情頻繁發(fā)生，形成了跨月、跨季節(jié)甚至跨年度的不同時間尺度的干旱災(zāi)害，因此，準(zhǔn)確預(yù)測和評估東北地區(qū)干旱的發(fā)生發(fā)展規(guī)律具有重要的現(xiàn)實意義[15?18]。但經(jīng)過同化技術(shù)得到的資料存在系統(tǒng)誤差，在不同地區(qū)的適用性即精度無法保證，需要對其合理性和適用性進(jìn)行評價及訂正[19]。本研究利用中國氣象局國家氣象信息中心提供的2008?2017年CLDAS融合土壤相對濕度產(chǎn)品，并結(jié)合農(nóng)業(yè)氣象觀測站點逐旬土壤相對濕度定量評估CLDAS在東北地區(qū)的適用性，再利用多種回歸方法對CLDAS融合土壤相對濕度產(chǎn)品進(jìn)行訂正，以期得到一套訂正后的CLDAS融合土壤相對濕度產(chǎn)品，能夠應(yīng)用于農(nóng)業(yè)干旱監(jiān)測，提高干旱的監(jiān)測精度，為農(nóng)業(yè)干旱防御提供服務(wù)。

1 資料與方法

1.1 資料

1.1.1 觀測資料

經(jīng)初步檢查，國家氣象信息中心整理的2008?2017年東北地區(qū)各層土壤相對濕度逐旬觀測數(shù)據(jù)中，10cm土層的資料具有較好的完整性和可靠性，且對農(nóng)作物的生長影響較大，農(nóng)業(yè)干旱發(fā)生的指示意義明顯[19]，因此，選取該層土壤相對濕度作為研究對象。在對站點觀測進(jìn)行質(zhì)量控制后，選取東北地區(qū)共230個站點進(jìn)行分析。

1.1.2 CMA陸面數(shù)據(jù)同化數(shù)據(jù)（CLDAS）

選取國家氣象信息中心發(fā)布的中國氣象局陸面同化系統(tǒng)第二版本（CLDAS-V2.0）土壤相對濕度產(chǎn)品，CLDAS-V2.0產(chǎn)品為覆蓋亞洲區(qū)域（0?65°N，60?160°E），0.0625°×0.0625°（空間分辨率為）與1h（時間分辨率）的等經(jīng)緯度網(wǎng)格融合分析產(chǎn)品，該數(shù)據(jù)集利用多種來源地面、衛(wèi)星等觀測資料，采用多重網(wǎng)格變分同化（STMAS）、最優(yōu)插值（OI）、概率密度函數(shù)匹配（CDF）、物理反演、地形校正等技術(shù)研制而成，在中國區(qū)域質(zhì)量優(yōu)于國際同類產(chǎn)品，且時空分辨率更高。實時更新發(fā)布滯后1h。

1.2 數(shù)據(jù)處理

1.2.1 觀測資料質(zhì)量控制

由于各站觀測資料質(zhì)量參差不齊，在使用前需要對土壤相對濕度資料進(jìn)行質(zhì)量控制，主要包括以下兩步：（1）考慮到觀測場地不會出現(xiàn)土壤中沒有水分或長時間不變的情況，以及在水中浸泡時，傳感器測量不準(zhǔn)，所以剔除觀測資料中土壤相對濕度等于0、長時間維持同一個值，及大于100%的數(shù)據(jù)；（2）觀測站點中存在灌溉的情況，無降水發(fā)生土壤濕度突然增大明顯，從觀測資料和CLDAS融合產(chǎn)品的相對誤差的概率密度分布圖上看出，90%以上站點的相對誤差絕對值<70%，故剔除相對誤差絕對值>70%的匹配樣本。

1.2.2 CLDAS融合數(shù)據(jù)與實測數(shù)據(jù)的匹配

（1）時間尺度

在分析CLDAS融合土壤相對濕度產(chǎn)品與站點資料之間的誤差時，考慮到站點觀測資料以旬為時間尺度，故將CLDAS產(chǎn)品按旬作平均，后續(xù)與站點觀測資料進(jìn)行分析對比。

（2）空間尺度

在分析誤差的空間分布時，采用雙線性插值法將CLDAS融合相對濕度產(chǎn)品插值到東北地區(qū)230個站點上。

（3）層次匹配

由于CLDAS融合產(chǎn)品中的土壤相對濕度是一定厚度土壤層的平均值，在與觀測值進(jìn)行對比時，將CLDAS融合產(chǎn)品的0?20cm土壤相對濕度產(chǎn)品與10cm層次的觀測值進(jìn)行對比。

1.3 適用性評估方法

采用的統(tǒng)計量和評估指標(biāo)包括CLDAS產(chǎn)品與觀測資料的平均偏差BIAS、相關(guān)系數(shù)R，以及基于空間技巧評分復(fù)合統(tǒng)計量?時間技巧評分（ST）[20]。

（1）平均偏差BIAS

（2）相關(guān)系數(shù)R

（3）時間技巧評分

設(shè)Yt和Xt分別為CLDAS融合土壤相對濕度資料和站點觀測土壤濕度資料的時間序列，則CLDAS和觀測序列的平方誤差定義為

式中，n為樣本時間長度，對式（3）進(jìn)行無量綱化，則無量綱時間技巧評分為

1.4 訂正方法介紹

1.4.1 回歸訂正法

利用回歸訂正方法對CLDAS融合土壤相對濕度產(chǎn)品進(jìn)行訂正。針對東北地區(qū)的第i個站點，記第i個站點2008?2017年的觀測時間序列為MSRobs，相對應(yīng)的CLDAS融合土壤相對濕度資料的時間序列記為MSRCLDAS，建立回歸方程，即

記MSRCLDAS_update為訂正后的CLDAS融合土壤相對濕度產(chǎn)品序列，則第i個站點訂正的融合土壤相對濕度序列為

同理可得東北地區(qū)230個站點經(jīng)過回歸訂正后2008?2017年CLDAS融合相對濕度產(chǎn)品。

1.4.2 7旬滑動平均訂正法

將當(dāng)前時刻前7旬的誤差平均值（即前7旬CLDAS融合土壤相對濕度值與站點觀測值之差的平均值）作為訂正值，再用當(dāng)前時刻CLDAS融合土壤相對濕度值減去訂正值，即得該時刻訂正后的CLDAS產(chǎn)品，即

式中，CLDASupdate(t)為第t個時刻經(jīng)過7旬滑動平均訂正法訂正后的CLDAS產(chǎn)品，CLDAS(i)、sta(i)分別為第t個時刻CLDAS融合土壤相對濕度值和站點觀測值。

2 結(jié)果與分析

2.1 CLDAS融合土壤相對濕度產(chǎn)品質(zhì)量評估

2.1.1 土壤相對濕度的空間分布

圖1給出了2008?2017年10cm深度各站點觀測值及CLDAS融合土壤相對濕度產(chǎn)品在東北地區(qū)的空間分布，由圖可知，CLDAS融合土壤相對濕度能較合理地反映土壤濕度在東北地區(qū)的空間分布，其中，10cm深度站點觀測值在東北地區(qū)的分布（圖1a）顯示土壤相對濕度基本在50%～95%，相對濕度的高值區(qū)主要位于遼寧中東部、吉林中東部以及黑龍江東北部地區(qū)，土壤相對濕度的低值區(qū)主要位于遼寧西部、吉林西部以及黑龍江省的西南部地區(qū)；CLDAS融合土壤相對濕度在0?20cm層次能較好地反映東北地區(qū)10cm土層土壤相對濕度的分布，但是在極值的描述上有所欠缺，主要表現(xiàn)為CLDAS對遼寧西部和黑龍江西南部的土壤相對濕度偏低區(qū)域模擬明顯偏高，以及在黑龍江的東北部地區(qū)對實際土壤相對濕度又有一個模擬偏低的表現(xiàn)。

2.1.2 誤差的空間分布

為了評估CLDAS融合土壤相對濕度在東北地區(qū)的適用性，根據(jù)式（1）?式（4）計算得出2008?2017年東北地區(qū)時間技巧評分（ST）、相關(guān)性（R）和平均偏差（BIAS）的空間分布（圖2、圖3）。

一個站點的ST指標(biāo)反映的是該站點的觀測值與CLDAS兩種時間序列演變之間的相關(guān)性和偏差信息，ST值越接近于1，資料的精度越高，與站點的變化越一致。從圖2 可知，ST值由東北地區(qū)的西南向東北方向遞減，其中，黑龍江的西部及東北部地區(qū)是ST值的低值區(qū)，其ST

ST值反映的是相關(guān)性和偏差的綜合信息，為了進(jìn)一步分析CLDAS資料在東北地區(qū)ST值偏低時相關(guān)性和偏差的表現(xiàn)，圖3給出了2008?2017年CLDAS融合土壤相對濕度與站點觀測之間的相關(guān)性和偏差分布圖，由圖可見，除了在黑龍江省的東北部地區(qū)CLDAS與站點觀測之間有較大偏差外（達(dá)到25%），大部分地區(qū)偏差均較小，基本位于±15%之間。

總體而言，CLDAS土壤相對濕度資料在東北地區(qū)大部（主要是吉林和遼寧二省）適用性較好，黑龍江省適用性相對較差。

圖1 2008?2017年東北地區(qū)各站點10cm土層土壤相對濕度觀測值（a）和0?20cm土層CLDAS融合平均土壤相對濕度（b）的空間分布

圖2 2008?2017年CLDAS融合土壤相對濕度與站點觀測值的時間技巧評分（ST）的空間分布

2.2 訂正結(jié)果評估

利用回歸訂正法和7旬滑動平均訂正對CLDAS內(nèi)插到東北地區(qū)站點上的土壤相對濕度產(chǎn)品進(jìn)行訂正，分別得到訂正后的CLDAS土壤相對濕度旬資料，回歸訂正法部分站點的回歸系數(shù)見表1，CLDAS融合土壤相對濕度產(chǎn)品訂正后在東北地區(qū)的適用性分布見圖4?圖6，兩種訂正方法分別在東北三省的誤差統(tǒng)計見表2。

由2008?2017年CLDAS土壤相對濕度經(jīng)過訂正后在東北地區(qū)的ST分布圖（圖4）可以看出，相對未訂正的CLDAS融合土壤濕度產(chǎn)品（圖4a），經(jīng)過7旬滑動平均訂正和回歸訂正后的ST評分由未訂正的?0.26分別增加至0.23和0.4，訂正后CLDAS土壤相對濕度ST評分在東北地區(qū)均得到了顯著增加，尤其是在黑龍江省，回歸訂正后的ST評分基本位于0～0.6之間，相比于7旬滑動平均法有顯著優(yōu)勢。結(jié)合表2分析可知，兩種訂正方法在吉林和遼寧省效果比較一致，ST值分別由訂正前的?0.21和?0.41提高到了0.3和0.4以上，其中7旬滑動平均訂正法稍顯優(yōu)勢，而對于黑龍江省，回歸訂正法的ST值明顯高于7旬滑動平均法，表明回歸訂正法效果更好。

圖5和圖6分別為訂正后CLDAS融合土壤相對濕度與站點觀測的BIAS和R的空間分布圖，結(jié)合表2可知，訂正后CLDAS融合土壤濕度產(chǎn)品在東北地區(qū)的BIAS得到了顯著降低，7旬滑動平均訂正和回歸訂正后的BIAS由未訂正的6.3%分別下降到0.3%和1.3%，回歸訂正方法在消除系統(tǒng)偏差中優(yōu)勢明顯；而對于相關(guān)性，7旬滑動平均法比回歸訂正法效果更好。

綜合來看，兩種訂正方法在東北地區(qū)均有較好的效果，在吉林和遼寧可以選擇7旬滑動平均訂正法，而黑龍江省選擇回歸訂正法可達(dá)到最優(yōu)的訂正效果；通過對訂正后的效果評估可以較好地提高CLDAS融合產(chǎn)品對東北地區(qū)土壤相對濕度的模擬精度，平均偏差（BIAS）在?0.5%～0.5%，誤差在允許范圍內(nèi)，說明訂正后的資料能夠應(yīng)用于干旱監(jiān)測業(yè)務(wù)，能有效提高土壤干旱監(jiān)測業(yè)務(wù)能力。

圖3 2008?2017年CLDAS融合土壤相對濕度與站點觀測值的相關(guān)系數(shù)（R）和平均偏差（BIAS）的空間分布

注：相關(guān)系數(shù)均通過0.05水平的顯著性檢驗。下同。

Note: The R all passed the significance test at the level of 0.05. The same as below.

表1 部分站點信息及其回歸訂正系數(shù)

Table 1 The regression coefficient of partial sites

表2 兩種訂正方法的誤差統(tǒng)計

Table 2 Error statistics of the two revised methods

注Note：J:吉林Jilin, L:遼寧Liaoning, H:黑龍江Heilongjiang, NE:東北地區(qū)Northeast of China.

下同。The same as below.

圖4 2008?2017年CLDAS融合土壤相對濕度與站點觀測值的時間技巧評分（ST）分布

Fig. 4 Distribution of ST between soil relative moisture observation and CLDAS merged soil relative moisture during 2008?2017

圖5 2008?2017年CLDAS融合土壤相對濕度與站點觀測之間的平均偏差（BIAS）分布 Fig. 5 Distribution of BIAS between soil relative moisture observation and CLDAS merged soil relative moisture during 2008?2017

圖6 2008?2017年CLDAS融合土壤相對濕度與站點觀測之間的相關(guān)系數(shù)（R）分布 Fig. 6 Distribution of R between soil relative moisture observation and CLDAS merged soil relative moisture during 2008?2017

3 結(jié)論與討論

隨著各陸面數(shù)據(jù)同化系統(tǒng)的不斷深入，通過陸面過程模擬得到中國區(qū)域的土壤濕度成為可能[21?22]。國家氣象信息中心在CLDAS-1.0的基礎(chǔ)上，通過開發(fā)多陸面模式模擬、衛(wèi)星亮溫資料同化等，可進(jìn)一步提升土壤濕度的模擬精度[4]。但是相關(guān)學(xué)者指出同化產(chǎn)品的精度在很大程度上也取決于背景場的精度及分辨率，對于站點觀測資料稀少的地區(qū)適用性仍然較低[23]，保鴻燕等[24]指出，土壤濕度的誤差在非凍結(jié)期主要由模式模擬的降水不準(zhǔn)確及降水對土壤濕度的強迫存在一定問題而引起，在凍結(jié)期主要由模式的凍融參數(shù)化方案導(dǎo)致對土壤的凍融過程模擬不準(zhǔn)確而引起，所以在后期應(yīng)用這些同化產(chǎn)品時，進(jìn)行誤差訂正是很有必要的。

（1）CLDAS融合土壤相對濕度能較合理地反映土壤濕度在東北地區(qū)的實際空間分布，但是在對極值的描述上有所欠缺，表現(xiàn)在CLDAS對遼寧西部和黑龍江西南部的土壤相對濕度偏低區(qū)域模擬明顯偏高，以及在黑龍江的東北部地區(qū)對實際土壤相對濕度又偏低，說明CLDAS融合土壤相對濕度的空間誤差存在較大差異性。

（2）由時間技巧評分的分布可知，CLDAS融合土壤相對濕度資料在東北地區(qū)的適用性由西南向東北方向遞減，在東北地區(qū)大部（主要是吉林和遼寧二?。┻m用性較好，黑龍江省適用性相對較差，說明融合資料與觀測的時間變化偏差各地區(qū)也存在差異，是否是凍融參數(shù)化方案導(dǎo)致，還需深入研究。

（3）兩種訂正方法在東北地區(qū)均有較好的效果，在吉林和遼寧可以選擇7旬滑動平均訂正法，而黑龍江省選擇回歸訂正法可達(dá)到最優(yōu)的訂正效果。

參考文獻(xiàn) References

[1] 費振宇,孫宏巍,金菊良,等.近50年中國氣象干旱危險性的時空格局探討[J].水電能源科學(xué),2014,32(15):5-10.

Fei Z Y,Sun H W,Jin J L,et alTemporal and spatial patterns of meteorological drought hazard in China for recent 50years[J]. Hydropower Energy Science,2014,32(15):5-10.(in Chinese)

[2] 李憶平,李耀輝.氣象干旱指數(shù)在中國的適應(yīng)性研究進(jìn)展[J].干旱氣象,2017,35(5):709-723.

Li Y P,Li Y H.Advances in adaptability of meteorological drought indices in China[J].Journal of Arid Meteorology, 2017,35(5):709-723.(in Chinese)

[3] 徐一丹.基于四種干旱指數(shù)的東北地區(qū)多時間尺度干旱特征對比分析[D].沈陽:沈陽農(nóng)業(yè)大學(xué),2017.

Xu Y D.Comparative analysis of multi-time scales drought characteristics based on four drought indices in Northeast China[D].Shenyang:Shenyang Agricultural University,2017. (in Chinese)

[4] 韓帥,師春香,林泓錦,等.CLDAS土壤濕度業(yè)務(wù)產(chǎn)品的干旱監(jiān)測應(yīng)用[J].冰川凍土,2015,37(2):446-453.

Han S,Shi C X,Lin J H,et al.The CLDAS soil moisture operation products applied to minitor soil drought[J].Journal of Glaciology and Geocryology,2015,37(2):446-453.(in Chinese)

[5] 朱嫻韻,蘇布達(dá),黃金龍,等.云南氣候變化高分辨率模擬與RCP4.5情景預(yù)估[J].長江流域資源與環(huán)境,2015,24(3): 476-481.

Zhu X Y,Su B D,Huang J L,et al.Simulation of climatic change in Yunnan Province and RCP4.5 scenario projected trend by CCLM[J].Resources and Environment in the Yangtze Basin,2015,24(3):476-481.(in Chinese)

[6] Mitchell K E,Lohmann D,Houser P R,et al.The multi- institution North American Land Data Assimilation System (NLDAS):utilizing multiple GCIP products and partners in a continental distributed hydrological modeling system[J]. Journal of Geophysical Research,2004,109(D07):101-130.

[7] Van den Hurk B,et al.Overview of the European Land Data Assimilation(ELDAS) project[J].EOS Trans,2002,83(47):H62D- 0888.

[8] Rodell M,Houser P,Jambor U,et al.Status and availability of results from NASAs Global Land Data Assimilation System [J].EOS Trans,2002,83(19),B41A-04.

[9] 李新,南卓銅,吳立宗,等.中國西部環(huán)境與生態(tài)科學(xué)數(shù)據(jù)中心:面向西部環(huán)境與生態(tài)科學(xué)的數(shù)據(jù)集成與共享[J]. 地球科學(xué)進(jìn)展,2008,23(6):628-637.

Li X,Nan Z T,Wu L Z,et al.Environmental and Ecological Science Data Center for West China:integration and sharing of environmental and ecological data[J].Advances in Earth Science,2008,23(6):628-637.(in Chinese)

[10] 師春香.基于ENKF算法的衛(wèi)星遙感土壤濕度同化研究[D].北京:中國科學(xué)院研究生院,2008.

Shi C X.China land soil moisture ENKF data assimilation based on satellite remote sensing data[D].Beijing:Graduate School of Chinese Academy of Sciences,2008.(in Chinese)

[11] Chen Y Y,Yang K,Qin J,et al.Evaluation of AMSR-Eretrievals and GLDAS simulations against observations of a soil moisture net work on the central Qinghai-Xizang Plateau [J].Journal of Geophysical Research:Atmospheres,2013,118 (10):4466-4475.

[12] 韓帥,師春香,姜立鵬,等.CLDAS土壤濕度模擬結(jié)果及評估[J].應(yīng)用氣象學(xué)報,2017,28(3):369-378.

Han S,Shi C X,Jiang L P,et al.The simulation and evaluation of soil moisture based on CLDAS[J].J Appl Meteor Sci,2017, 28(3): 369-378. (in Chinese)

[13] 崔園園,覃軍,敬文琪,等.GLDAS和CLDAS融合土壤水分產(chǎn)品在青藏高原地區(qū)的適用性評估[J].高原氣象,2018,37 (1):123-136.

Cui Y Y,Qin J,Jing W Q,et al.Applicability evaluation of merged soil moisture in GLDAS and CLDAS products over Qinghai-Tibetan[J].Plateau Meteorology,2018,37(1):123-136. (in Chinese)

[14] 崔園園,敬文琪,覃軍.基于TIPEX Ⅲ資料對CLDAS-V2.0和GLDAS-NOAH陸面模式產(chǎn)品在青藏高原地區(qū)的適用性評估[J].高原氣象,2018,37(5):1143-1160.

Cui Y Y,Jing W Q,Qin J.Applicability evaluation of merged soil moisture in GLDAS-NOAH and CLDAS-V2.0 products over Qinghai-Xizang Plateau of 2015 based on TIPEX Ⅲ observations[J].Plateau Meteorology,2018,37(5):1143-1160. (in Chinese)

[15] 錢正安,宋敏紅,李萬源,等.全球、中蒙干旱區(qū)及其部分地區(qū)降水分布細(xì)節(jié)[J].高原氣象,2011,30(1):1-12.

Qian Z A,Song M H,Li W Y,et al.Global,China-Mongolia Arid-and Semiarid-Areas(CMASA) and the details of precipitation distribution in part regions of CMASA[J]. Plateau Meteorology,2011,30(1):1-12.(in Chinese)

[16] 張強,張良,崔顯成,等.干旱監(jiān)測與評價技術(shù)的發(fā)展及其科學(xué)挑戰(zhàn)[J].地球科學(xué)進(jìn)展,2011,26(7):763-778.

Zhang Q,Zhang L,Cui X C,et al.Progresses and challenges in drought assessment and monitoring[J].Advances in Earth Science,2011,26(7):763-778.(in Chinese)

[17] 張強,韓蘭英,張立陽,等.論氣候變暖背景下干旱和干旱災(zāi)害風(fēng)險特征與管理策略[J].地球科學(xué)進(jìn)展,2014,29(1): 80-91.

Zhang Q,Han L Y,Zhang L Y,et al.Analysis on the character and management strategy of drought disaster and risk under the climatic warming[J].Advances in Earth Science,2014,29 (1):80-91.(in Chinese)

[18] 鄒旭愷,張強.近半個世紀(jì)我國干旱變化的初步研究[J].應(yīng)用氣象學(xué)報,2008,19(6):679-686.

Zou X K,Zhang Q.Preliminary studies on variations in droughts over China during past 50 years[J].Journal of Applied Meteorological Science,2008,19(6):679-686.(in Chinese)

[19] 王飛,朱仲元,郝祥云,等.雪深再分析資料在錫林浩特地區(qū)的適用性評價[J].中國農(nóng)業(yè)氣象,2019,40(2):76-85.

Wang F,Zhu Z Y,Hao X Y,et al.Applicability evaluation of snow depth reanalysis data in Xilinhot and its surrounding areas[J].Chinese Journal of Agrometeorology,2019,40(2): 76-85.(in Chinese)

[20] Pierce D W,Barnett T P,Santer B D,et al.Selecting global climate models for regional climate change studies[J]. Proceedings of the National Academy of Sciences,2009, 106(21):8441-8446.

[21] 羅立輝,張耀南,周劍,等.基于WRF驅(qū)動的CLM模型對青藏高原地區(qū)陸面過程模擬研究[J].冰川凍土,2013,35(3): 553-564.

Luo L H,Zhang Y N,Zhou J,et al.Simulation and application of the land surface model CLM driven by WRF in the Tibetan Plateau[J].Journal of Glaciology and Geocryology, 2013,35(3):553-564.(in Chinese)

[22] 李新,黃春林,車濤,等.中國陸面數(shù)據(jù)同化系統(tǒng)研究的進(jìn)展與前瞻[J].自然科學(xué)進(jìn)展,2007,17(2):163-173.

Li X,Huang C L,Che T,et al.Progress and foresight in the study of Chinese land data assimilation system[J].Natural Science Progress,2007,17(2):163-173.(in Chinese)

[23] 龔建東.同化技術(shù):數(shù)值天氣預(yù)報突破的關(guān)鍵:以歐洲中期天氣預(yù)報中心同化技術(shù)演進(jìn)為例[J].氣象科技進(jìn)展,2013,3 (3):6-13.

Gong J D.Data assimilation:a key technology for NWP:technical review of data assimilation in ECMWF[J]. Advances in Meteorological Science and Technology,2013, 3(3):6-13.(in Chinese)

[24] 保鴻燕,楊凱,李一玲,等. GLDAS土壤濕度在青藏高原地區(qū)的誤差及其原因[A].S8數(shù)值模式產(chǎn)品應(yīng)用與評估[C].西安:中國氣象學(xué)會年會,2016.

Bao H Y,Yang K,Li Y L,et al.Error of GLDAS soil moistrue product in Tibetan Plateau region and its cause[A].S8 application and evaluation of numerical model products [A].Xi’an:Chinese Meteorology Society,2016.(in Chinese)

Applicability Evaluation of CLDAS Merged Soil Relative Moisture in Northeast of China and Its Correction Research

CUI Yuan-yuan1，ZHANG Qiang2, QIN Jun3，JING Wen-qi4

(1. Hebei Meteorological Observatory, Shijiazhuang 050000, China;2. Laboratory for Climate Studies, Chinese Meteorological Administration, National Climate Center, Beijing 100081;3. School of Environmental Studies, China University of Geosciences(Wuhan), Wuhan 430074;4. Meteorological Observatory of 94758 Troops, Ningde, Fujian 355103)

Abstract: Using observed soil relative moisture data at 10cm layer, the applicability of CLDAS（CMA Land Data Assimilation System）merged soil relative moisture at 0?20cm layer was tested and verified by calculating the correlation coefficient and bias between the CLDAS product and in-situ soil moisture observation in Northeast of China during 2008?2017. The results showed that CLDAS merged soil relative moisture data could reasonably reflect the actual spatial distribution of soil moisture at a depth of 10cm in Northeast of China, however, it was not very excellent at the extreme values’ performance. CLDAS merged soil relative moisture data was obviously higher than actual site observations in western of Liaoning province and southwestern of Heilongjiang province, while the simulation was lower than the actual soil relative moisture in northeastern of Heilongjiang province. The applicability of CLDAS product in Northeast of China decreases from southwest to northeast and was better in Jilin and Liaoning provinces. Furthermore, further analysis found that the poor applicability was mainly caused by the low correlation between CLDAS and site observation in Heilongjiang province. Finally, the error of CLDAS product was corrected by regression correction method and 7 ten-day sliding average correction method. The result greatly improves the accuracy of CLDAS product, and the revised products could be applied to soil moisture drought monitoring business.

Key words: Northeast of China; CLDAS merged soil relative moisture product; CLDAS merged product; Regress correction method; 7 ten-day sliding average correction method; Applicability evaluate

doi:10.3969/j.issn.1000-6362.2019.10.006

崔園園,張強,覃軍,等.CLDAS融合土壤濕度產(chǎn)品在東北地區(qū)的適用性評估及訂正[J].中國農(nóng)業(yè)氣象,2019,40(10):660-668

*收稿日期：2019?02?16

**通訊作者。E-mail:zhq62@cma.gov.cn

基金項目：國家重點研發(fā)計劃重大自然災(zāi)害監(jiān)測預(yù)警與防范重點專項（2017YFC1502402）

作者簡介：崔園園（1991?），碩士生，助理工程師，主要從事氣象資料質(zhì)量控制研究。E-mail：doubleyuancui@foxmail.com