欧洲中期天气预报中心第五代全球再分析土壤湿度资料在内蒙古的适用性评估

宋海清，孙小龙，李云鹏

(内蒙古自治区生态与农业气象中心，呼和浩特 010051)

土壤湿度因其有着较强的时空变异性和在蒸散发中扮演着关键角色而成为影响大陆区域次季节到季节预测的最重要的陆-气状态变量之一，尤其是土壤湿度异常可能导致次季节到的季节时间尺度偏离正常，例如，干燥的土壤会加剧高温热浪[1]。土壤湿度作为研究陆-气耦合和陆面水循环过程的关键参量，它能通过改变陆面的水热循环而间接影响大气环流，进而影响气候；反之，土壤湿度也随着气候变化的变化而变化[2]。研究内蒙古土壤湿度分布特征与变化，对于提高短期气候预测水平、防灾减灾、干旱监测预警和生态监测等有较为直接的现实意义。研究发现土壤湿度在全球尺度上对气候变化的影响仅次于海温，而在陆地上，其影响甚至超过海温[3]。所以尽可能精确地估计土壤湿度对改进数值天气预报以及短期气候预测有重要意义，同时也对农林业的干旱监测预警和国民经济发展有着重要的实用价值。

土壤湿度的重要性不言而喻，但由于观测土壤湿度资料较为缺乏，在一定程度上限制了陆-气耦合研究和农牧业干旱研究。鉴于此，再分析土壤湿度资料成为能够有效替代观测土壤湿度进行陆-气耦合研究和干旱监测研究的代替资料，并得到了广泛的应用。邓明珊等[4]利用全球陆面数据同化系统(GLDAS)中四个模式资料分析了青藏高原土壤湿度特征，研究显示全球陆面数据同化系统中国家环境预报中心、俄亥俄州立大学、空军、水文研究实验室共同发展的陆面模式NOAH(GLDAS-NOAH)资料在青藏高原适用性较好。朱智等[5]对比分析了中国气象局陆面数据同化系统(CLDAS)和GLDAS土壤湿度产品，发现CLDAS土壤湿度资料优于GLDAS资料。史潇等[6]对欧洲中期天气预报中心再分析阶段性数据集(ERA-Interim)土壤湿度资料在江苏省的适用性进行了评估，结果显示ERA-Interim土壤湿度与江苏省农业气象观测土壤湿度资料有较好的一致性。宋海清等[7]利用CLDAS资料、GLDAS1-NOAH和ERA-Interim资料在内蒙古进行了评估，发现CLDAS资料适用性更好，ERA-Interim资料最差。黄图南等[8]对多种卫星反演土壤湿度资料在中国区域进行了对比研究，发现高级散射计卫星(ASCAT)、土壤湿度和海盐卫星(SMOS)、风云卫星(FY)反演土壤湿度空间分布较为一致，与站点观测数据相比，ASCAT产品表现最好。刘川等[9]对ERA-Interim、CFSR和六套陆面模式资料在青藏高原进行了适用性研究，结果显示CFSR土壤温度最接近观测，非冻结期GLDAS-CLM土壤湿度与观测最为接近。

近年来，随着高性能计算的快速发展和海量观测数据的爆发式增长，新一代全球再分析资料也随之发布。2017年，欧洲中期天气预报中心(ECMWF)发布了第五代全球再分析数据ERA5预览版，并于2018年正式发布了1979年至今的时空分辨率为逐小时、0.25°×0.25°的全球再分析资料。土壤湿度资料为研究农牧业干旱奠定了数据基础，因而最新发布的ERA5再分析土壤湿度在内蒙古的适用性和精度需要进行评估。现利用2018年内蒙古区域37个土壤湿度自动站逐日观测数据对ERA5再分析土壤湿度进行检验，同时对第四代再分析资料ERA-Interim的土壤湿度资料、美国航空航天局(NASA)新发布的GLDAS2.1-NOAH表层土壤湿度资料和国家海洋大气管理局(NOAA)的基于多种卫星/传感器反演的融合土壤湿度业务产品系统(SMOPS)资料进行比较，以评估几种土壤湿度在内蒙古地区的适用性，以期为下一代全球再分析的改进提供参考，为ERA5土壤湿度的适用性提供有意义的性能评价。

1 资料与研究方法

研究所用的资料包括ERA5、GLDAS2.1、ERA-Interim和SMOPS土壤湿度资料和内蒙古台站观测土壤湿度资料，简介如下。

1.1 站点观测土壤湿度资料

土壤湿度评估所用站点观测资料来源于内蒙古生态与农业气象中心整理的内蒙古地区2018年5—10月37个逐日观测的土壤湿度自动站观测的0～10 cm土壤体积含水量数据，在有冻土的时段不观测。自动站土壤水分观测分为作物地段观测和固定地段观测，为了避免作物地段因灌溉带来的不确定性，只选用固定地段土壤水分自动站观测数据用于对比。因SMOPS资料为基于多种卫星/传感器反演融合的土壤湿度，其土壤湿度较浅，因而 只对比分析表层0～10 cm土壤湿度。由于内蒙古东西跨度较大，区域气候条件差异大，根据观测站点分布和内蒙古气候特点综合考虑分为三个研究区域进行分析[10]，内蒙古东部区包括呼伦贝尔市、兴安盟、通辽市、赤峰市和锡林郭勒盟，中部区包括乌兰察布市、呼和浩特市，包头市和鄂尔多斯市，西部区包括巴彦淖尔市和阿拉善盟。

1.2 ERA5和ERA-Interim再分析土壤湿度

ERA-Interim再分析资料属于ECMWF发布的第四代再分析资料，采用了4DVar数据同化方法，空间分辨率为78 km×78 km，垂直层有60层，吸收了欧洲中期天气预报中心40年再分析(ERA40)和日本25年再分析(JRA25)的质量控制方案，快速辐射传输模式为被动可见光、红外和微波下行卫星辐射计、光谱仪和干涉仪的快速辐射传输模型第7版本(RTTOV-v7)，陆面模块为分片ECMWF陆地陆表交换(TESSEL)方案，详细改进参见文献[11]。ERA5再分析资料[12]是由ECMWF最新研制的第五代再分析资料，相对于ERA-Interim，ERA5有了显著改进，同化方法采用了10个集合成员的集合4DVar数据同化方案，空间分辨率为31 km×31 km，顶层气压为1 Pa的垂直分层分为137层。集成预报系统版本也升级为Cy41r2，辐射传输模式升级为RTTOV-v11。时间分辨率提高为1 h。采用ERA-interim和ERA5的逐小时土壤湿度资料，并平均成日均值用于对比分析。

1.3 GLDAS2.1土壤湿度

图1 2018年5—10月平均0～10 cm模拟和观测土壤湿度空间分布

GLDAS2.1土壤湿度资料[13]是由美国航空航天局(NASA)和国家海洋大气管理局(NOAA)共同研发的全球陆面数据同化系统(GLDAS)输出的资料。GLDAS2.1是在GLDAS-1的基础上升级而来，一般延时1.5个月更新。主要改进了入射短波辐射通量和降水，使用地面辐射收支数据集(SRB)进行了辐射偏差校正，降水使用全球降水气候态计划(GPCP)数据集和热带降水测量任务(TRMM)数据集。GLDAS2.1陆面资料包括月均值和3 h产品，包括了四个陆面模式输出资料(Mosaic、Noah、CLM和VIC)，其中只有NOAH产品有逐3 h、空间分辨率为0.25°×0.25°的资料，其余产品为1°×1°。这里选取NOAH模式逐3 h、空间分辨率为0.25°×0.25°的资料[5-7]。并将逐3 h数据平均城逐日数据用于对比分析。

1.4 SMOPS土壤湿度

土壤湿度业务产品系统(SMOPS)资料[14]是由NOAA发布的融合了多卫星/传感器反演的土壤湿度生成的全球土壤湿度资料，具有更好的时空覆盖性。SMOPS资料提供了包含全球降水测量卫星(GPM)、土壤湿度主被动卫星(SMAP)、全球变化观测任务-水卫星(GCOM-W1)、SMOS、欧空局气象业务卫星A星(Metop-A)和欧空局气象业务卫星B星(Metop-B)6个卫星反演的全球土壤湿度。该全球土壤湿度数据集逐6 h和逐日更新，空间分辨率为0.25°×0.25°，输出1～5 cm土壤体积含水量，存储格式为GRIB2和netCDF4。研究使用的SMOPS资料为第四版本，数据从2018年开始至今。

为减小格点资料插值到站点时带来的新误差，研究采用距离观测站位置最近的格点与该站点观测匹配的方法[9]。在进行时间上的统计分析时，采用相关系数、平均偏差、均方根误差和标准差来描述再分析资料与观测值的相关性和误差度量。为评价四套资料与观测值之间的总体表现情况，使用Taylor图[15]。

2 结果与分析

2.1 土壤湿度的空间分布与统计分析

图1所示为2018年5—10月平均观测土壤湿度和SMOPS、GLDAS2.1、ERA-Interim和ERA5资料土壤湿度空间分布。由图1(a)可知，内蒙古暖季节土壤湿度呈现从东北向西部逐渐递减的特征，土壤湿度大值区分布在内蒙古的东北地区，最高可达0.40.1 m3/m3以上，低值区分布在内蒙古西部，土壤湿度在0.1 m3/m3左右。SMOPS、GLDAS2.1、ERA-Interim和ERA5模拟或反演的土壤湿度的空间分布与台站观测基本一致，除ERA-Interim外，SMOPS、GLDAS2.1和ERA5资料均能较好地再现内蒙古土壤湿度时空分布特征，呈现出内蒙古东北部是土壤水分的大值区[7]，内蒙古西部地区是土壤水分的低值区。几种资料均对土壤湿度有不同程度的高估。

由表1各站时间相关系数和均方根误差统计可知，各套资料对内蒙古土壤湿度的变化模拟能力较好，但也存在差异；各套资料的时间相关系数除了SMOPS资料在53420站未通过信度检验外，其余均通过了95%的信度检验。除GLDAS2.1外，其余三套资料的相关系数基本上呈现从东向西逐渐递减的趋势，对中西部地区土壤湿度的时间变化模拟能力显著好于西部，而GLDAS2.1在各区域则模拟能力相当，在东部地区略差，在西部的相关系数最高；37站中ERA5的相关系数显著好于其他三套资料，其次为GLDAS2.1资料，SMOPS资料相关系数显著差于其他再分析资料；这说明ERA5对内蒙古土壤湿度的时间变化有着较好的模拟能力，其次为GLDAS2.1，尤其是在西部。从表1可知，各套资料在内蒙古的均方根误差分布类似。基本上呈现从东到西均方根误差逐渐增大的趋势，但ERA5的均方根误差在西部最小，其余三套资料的均方根误差分布较为类似。需要指出的是SMOPS资料的均方根误差相对稍小，ERA5的均方根误差在除了西部区以外均最大。这说明ERA5资料的离散程度较大，SMOPS资料的离散程度稍小。综合相关系数和均方根误差可以看出，ERA5的相关系数最好，但均方根误差较差，SMOPS相关系数最差，但均方根误差稍好；说明ERA5资料对时间变化模拟较好，但与观测相比较为离散。从偏差统计(表未给出)可以发现，各套资料均高估了土壤湿度，其中绝对偏差介于0～0.1的站点数分别为SMOPS有27个，约占73%；GLDAS2.1有26个，约占70.27%；ERA-Interim有19个，约占51.35%；ERA5有22个，约占59.46%。由此可见，SMOPS土壤湿度偏差相对最小，其次为GLDAS2.1，可信度均较好，ERA-interim可信度最差，ERA5有所改善。

表1 内蒙古37站日平均SMOPS，GLDAS2.1、ERA-Interim 和 ERA5再分析 0～10 cm土壤湿度与观测值的时间相关系数、均方根误差和偏差

注：*表示未通过信度检验。

图2 内蒙古3个区域2018年5—10月0～10 cm土壤湿度的时间序列

2.2 各分区再分析土壤湿度与观测资料的对比

四套资料的空间分辨率均为0.25°×0.25°，采用的距离最近格点与站点进行匹配，最大限度的减小了误差来源，但是格点资料表示的是网格内的平均态，地面测站的的代表性有限，无法与代表整个网格内的状况。故对比分析内蒙古的三个分区站点平均土壤湿度与四套资料的时间序列。

图2所示为内蒙古东、中、西三个区域四套资料与观测土壤湿度的时间变化。由图2可知，四套资料在三个区域都表现较好，与观测值有着较好的对应关系，除了在内蒙古东部区[图2(a)],SMOPS在部分时间偏干以外，其余区域，几套资料均偏湿，尤其是ERA5偏湿最多(西部区除外)。GLDAS2.1在内蒙古东部区表现较好，ERA5偏湿最大，变率最强，土壤湿度变化趋势模拟最好。在中部区，所有资料均高估了土壤湿度，ERA5高估最多，但变化趋势模拟较好，GLDAS2.1模拟能力最好。在西部地区，各套资料同样高估了土壤湿度，ERA5偏差最小，显著好于ERA-Interim。通过图3各套资料土壤湿度与观测的偏差时间序列可以看出，ERA5在各区域的偏差时间变化较大，在7—9月的偏差增加较多，而其他几套资料偏差变化较为平稳，这说明ERA5在雨季模拟的土壤湿度的能力仍需改进，且对降水敏感程度过高，土壤湿度变率过大，模式性能稳定性稍差。

图3 内蒙古3个区域2018年5—10月0～10 cm土壤湿度偏差的时间序列

表2列出了三个区域平均的四套土壤湿度与观测值的相关系数、平均偏差和均方根误差。四套资料都有着较好的相关系数和较低的偏差、均方根误差，其中相关系数均通过了99.9%的信度检验。ERA5的时间相关系数与GLDAS2.1不相上下，显著好于SMOPS和ERA-Interim。在东部区，SMOPS有着最小的平均偏差和均方根误差，相关系数却显著差于GLDAS2.1、ERA-Interim和ERA5。在中部区，GLDAS2.1表现最优，有着最高的相关性和最小的偏差与均方根误差，SMOPS表现最差。在西部区，ERA5和GLDAS2.1的相关系数显著高于SMOPS和ERA-Interim，ERA5有着最低的偏差和均方根误差，说明ERA5在西部区的模拟能力相对于ERA-Interim提升显著。三个区域的偏差表现均不理想，仍需要改进。

由四套资料与观测值之间的Taylor图(图4)可知，总体上，在东部区，ERA-Interim的表现最好，相关系数较高且与观测标准差较为接近；在中部区和西部区，GLDAS2.1表现最好。ERA5在三个分区的土壤湿度的标准差较观测标准差偏大，且在数值上偏离最大，而SMOPS则偏小。

表2 内蒙古三个区域2018年5—10月日均0～10 cm SMOPS、GLDAS2.1、ERA-Interim和ERA5土壤湿度分别与台站观测的相关系数、平均偏差和均方根误差

注：*表示通过了99.9%的信度检验。

1为东部土壤湿度；2为中部土壤湿度；3为西部土壤湿度

3 结论

利用内蒙古2018年5—10月37个站点观测的日平均0～10 cm土壤湿度，对比评估了ECMWF第五代再分析资料ERA5及SMPOS、GLDAS2.1和ERA-Interim土壤湿度资料。得到以下结论。

(1)ERA5再分析土壤湿度在内蒙古的模拟能力较好，相对于第四代全球在分析资料ERA-Interim，ERA5的模拟能力得到了提高，表现为有着更高的相关系数和更好的空间分布特征。基于多种卫星反演土壤湿度的融合产品SMOPS、GLDAS2.1对内蒙古土壤水分模拟亦相对较好，但四套资料均呈现出偏湿的特点，总体来说，ERA-Interim在东部区表现最好，在中部区和西部区GLDAS2.1表现最好。ERA5高估较多，还有待于进一步改善。

(2)从三个分区土壤湿度时间序列来看，四套资料均能模拟出土壤湿度的时间变化，相关系数较高。除SMOPS在东部区夏季偏干外，其余均偏湿。ERA5高估土壤水分过大，变率显著大于其他资料，偏差在夏季有增大趋势，不如其他三套资料稳定性高。相对于ERA-Interim，ERA5显著改善了在干旱区的模拟能力。

以2018年暖季节内蒙古土壤湿度观测数据为基础，对SMOPS、GLDAS2.1、ERA-Interim和ERA5四套土壤湿度资料进行了对比分析评估，结果显示ERA5相对于ERA-Interim性能有所提高，与GLDAS2.1模拟能力相当，这对于缺乏土壤湿度观测的内蒙古来说，可以作为土壤湿度资料的补充，亦可以用于干旱评估监测和土壤水分研究等应用。

由于观测站点数量有限，文中还存在一些需要改进的问题。ERA5土壤湿度变率过大，可能与ECMWF数值模式下垫面与内蒙古区域实际情况不符有关，土壤质地是影响土壤湿度的重要水文参数，ECMWF模式无法获取这些参数，也是导致土壤湿度变率过高的原因之一，还有待于进一步研究。