劉佩佩 宋海清 鮑煒煒 李靜睿

(1 陜西省安康市氣象局，安康 725000； 2 陜西省氣象局秦嶺和黃土高原生態(tài)環(huán)境氣象重點(diǎn)實(shí)驗(yàn)室漢江流域 (陜南)暴雨研究中心，西安 710016； 3 內(nèi)蒙古自治區(qū)生態(tài)與農(nóng)業(yè)氣象中心，呼和浩特 010051； 4 南京信大數(shù)字氣象研究院有限公司，南京 210044)

引言

影響陸地區(qū)域天氣和氣候的過程包括大氣和地球表面之間的能量和水分的交換。這些交換的速率取決于多個(gè)因素，包括土壤溫度和濕度。土壤溫度和濕度的變化會改變地表顯熱和潛熱的分配，并影響大氣邊界層過程和區(qū)域大氣環(huán)流(Pan[1],Peters-Lidard[2])。雖然土壤溫度會受到大氣環(huán)流異常的影響，但土壤溫度的變化主要還是由地表的輻射、顯熱交換和潛熱交換以及不同熱性質(zhì)土壤在垂直方向的熱傳遞引起的。許多學(xué)者[3-7]研究表明土壤溫度是陸面模式中影響陸氣相互作用的關(guān)鍵參數(shù)，因此研究土壤溫度對于陸面模式有非常重要的意義。

Sarith P.P.Mahanama等[8]利用AGCM模式研究了土壤溫度對地面氣溫變化的影響，結(jié)果表明開啟了土壤溫度與氣候系統(tǒng)耦合的試驗(yàn)?zāi)茱@著影響地面氣溫變化。土壤深層中的正熱異常會逐漸將額外的熱量釋放到淺層，在土壤淺層熱異常會通過對土地覆蓋和植被條件的影響而產(chǎn)生地表熱異常和水分通量異常。通過影響年際和年代際的地表熱通量和水汽通量，深層土壤溫度異?？赡苁怯绊憛^(qū)域氣候的來源之一[9]。除了影響大氣，不同深度的土壤溫度異常還會直接影響到農(nóng)作物的生長和產(chǎn)量。江燕等[10]研究表明，覆蓋地膜提高土壤溫度，從而能促進(jìn)甘薯塊根早形成，協(xié)調(diào)其生長中后期地上部與地下部的關(guān)系，從而提高塊根產(chǎn)量。霍軼珍等[11]和張建華等[12]研究發(fā)現(xiàn)黑色地膜能提高土壤溫度，從而提高玉米和高粱的產(chǎn)量。更多研究[13-15]也表明覆膜提高土壤溫度的方法對玉米的出苗、保苗以及產(chǎn)量都有很大影響。此外，研究指出準(zhǔn)確地預(yù)報(bào)地表溫度對于交通安全也是重要的保障條件[16-17]。

土壤溫度的重要性不言而喻，由于觀測數(shù)據(jù)的站點(diǎn)往往相距幾十公里甚至上百公里，滿足不了當(dāng)下對于土壤溫度數(shù)據(jù)精細(xì)化的要求，隨著計(jì)算機(jī)水平的不斷提高，更高時(shí)空分辨率的陸面模式產(chǎn)品能在一定程度上起到替代作用。劉川等[18]評估了多套土壤溫濕度數(shù)據(jù)在青藏高原的適用性，表明CFSR(美國NCEP氣候預(yù)測系統(tǒng)再分析資料)的土壤溫度產(chǎn)品在青藏高原更接近于觀測值，而GLDAS-CLM的土壤濕度產(chǎn)品在非凍結(jié)期表現(xiàn)最好。劉歡歡等[19]對CLDAS和GLDAS的土壤濕度數(shù)據(jù)在黃土高原的適用性進(jìn)行了評估，結(jié)果顯示兩套數(shù)據(jù)在黃土高原都有各自的優(yōu)勢，可作為觀測數(shù)據(jù)的替代。韓帥[20]等利用CLDAS大氣強(qiáng)迫場驅(qū)動CLM3.5模式，模擬得到了較高精度土壤濕度數(shù)據(jù)，并且模擬結(jié)果在青藏高原地區(qū)要優(yōu)于GLDAS和ERA土壤濕度數(shù)據(jù)。朱智等[21]對比了GLDAS 4個(gè)陸面模式和CLDAS的土壤濕度在中國區(qū)域的模擬能力，5個(gè)模式均可以模擬出土壤濕度在中國的空間分布特征，但是CLDAS較其他模式具有一定的優(yōu)勢。宋海清等[22]評估了多套土壤濕度數(shù)據(jù)在內(nèi)蒙古的適用性，認(rèn)為CLDAS在內(nèi)蒙古表現(xiàn)最好，EC-interim最差。楊楠[23]等利用GLDAS2數(shù)據(jù)分析了2000—2016年青藏高原土壤溫度的時(shí)空變化特征。孫帥[24]利用CLM3.5和Noah-MP陸面模式模擬了中國區(qū)域地表溫度，結(jié)果表明考慮動態(tài)植被方案的Noah-MP模擬結(jié)果要好于CLM3.5。孟現(xiàn)勇等[25]等研究表明：基于CLDAS強(qiáng)迫的CLM3.5陸面模式能夠較好地模擬新疆區(qū)域土壤溫度的時(shí)空特征。朱景等[26]評估了歐洲中期天氣預(yù)報(bào)中心ECMWF的兩套再分析資料陸面溫度在浙江省的適用性，結(jié)果表明第5代再分析資料ERA5要優(yōu)于ERA-Interim。以上評估針對土壤濕度的研究較多，土壤溫度相對土壤濕度同樣重要，本文利用陜西省97站土壤溫度逐日觀測數(shù)據(jù)、中國氣象局陸面數(shù)據(jù)同化系統(tǒng)(CLDAS2.0)和美國全球陸面數(shù)據(jù)同化系統(tǒng)(GLDAS)3種陸面模式 (Noah-GLDAS2.1,Noah-GLDAS1,CLM-GLDAS1)土壤溫度數(shù)據(jù)，評估了幾種土壤溫度數(shù)據(jù)在陜西省的適用性，以期能夠?yàn)楦麝懨婺Ｊ降母倪M(jìn)提供參考。

1 資料和方法

本文所用數(shù)據(jù)為2016年陜西省土壤溫度觀測數(shù)據(jù)，CLDAS2.0、Noah-GLDAS1、Noah-GLDAS2.1以及CLM-GLDAS1土壤溫度數(shù)據(jù)。

1.1 觀測數(shù)據(jù)

觀測數(shù)據(jù)來源于陜西省氣象信息中心提供的陜西省97個(gè)自動站土壤溫度逐日觀測數(shù)據(jù)。土壤溫度的觀測在垂直方向上分8層:5 cm，10 cm，15 cm，20 cm，40 cm，80 cm，160 cm，320 cm。由于陜西南北緯度跨度較大，而且從北往南呈現(xiàn)明顯不同的氣候和地理特征，因此將研究區(qū)域分為陜北黃土高原地區(qū)(包括榆林和延安)，關(guān)中平原地區(qū)(包括西安、咸陽、寶雞、楊凌、銅川和渭南)以及陜南秦巴山區(qū)(包括漢中、安康和商洛)。

1.2 CLDAS數(shù)據(jù)產(chǎn)品

中國氣象局陸面數(shù)據(jù)同化系統(tǒng)(CMA Land Data Assimilation System，CLDAS)是由國家氣象信息中心研發(fā)，將地面觀測資料、風(fēng)云衛(wèi)星資料、數(shù)值模式產(chǎn)品等多種資料進(jìn)行融合和同化，獲得高時(shí)空分辨率的溫度、氣壓、風(fēng)速、濕度、降水和輻射等氣象要素的格點(diǎn)數(shù)據(jù)，進(jìn)一步驅(qū)動陸面模式，得到土壤濕度、土壤溫度等產(chǎn)品[27]。CLDAS 土壤溫度分析產(chǎn)品覆蓋亞洲區(qū)域(0°～65°N，60°～160°E)，逐小時(shí)、垂直分為5層(0～5，0～10，10～40，40～100，100～200 cm)，按0.0625°×0.0625°等經(jīng)緯度網(wǎng)格分布的土壤溫度產(chǎn)品，實(shí)時(shí)產(chǎn)品滯后1.5 h，近實(shí)時(shí)產(chǎn)品滯后2 d。目前業(yè)務(wù)運(yùn)行的為CLDAS2.0。

1.3 GLDAS數(shù)據(jù)產(chǎn)品

全球陸面數(shù)據(jù)同化系統(tǒng)(Global Land Data Assimilation System, GLDAS)[28]是美國宇航局(National Aeronautics and Space Administration, NASA) 與美國國家環(huán)境預(yù)報(bào)中心(National Centers for Environmental Prediction, NCEP)和國家海洋大氣局(National Oceanic and Atmospheric Administration, NOAA)的聯(lián)合項(xiàng)目。GLDAS采用先進(jìn)的數(shù)據(jù)同化技術(shù)將衛(wèi)星觀測數(shù)據(jù)和地基觀測數(shù)據(jù)整合到一個(gè)統(tǒng)一的模型中。目前GLDAS旗下共有四種陸地表面模式 (Land Surface Model)，分別為 Noah、Mosaic、CLM(Community Land Model)、VIC(Variable Infiltration Capacity)。這些模式以網(wǎng)格數(shù)據(jù)的形式集成了多種陸地表面信息，例如全球的降水(降雨和降雪)、蒸散(土壤水分蒸發(fā)和植被蒸騰)、地表徑流、地下徑流、土壤濕度、地表溫度、土壤溫度、地表熱流等。模式的空間分辨率有兩種，分別為1°×1°和0.25°×0.25°，時(shí)間分辨率有3種，分別為3 h、1 d、1個(gè)月。目前GLDAS-Noah已經(jīng)發(fā)布了1.0，2.0，2.1三個(gè)版本，GLDAS-Mosaic、GLDAS-CLM、GLDAS-VIC僅發(fā)布了1.0版本，由于Mosaic缺少淺層土壤溫度、VIC未包括土壤溫度產(chǎn)品，本文選取GLDAS1-Noah、Noah-GLDAS2.1以及GLDAS1-CLM 3種陸面模式土壤溫度產(chǎn)品，時(shí)間分辨率為3 h，其中GLDAS1-Noah、Noah-GLDAS2.1空間分辨率為0.25°×0.25°，GLDAS1-CLM空間分辨率為1°×1°。

本文所用以上數(shù)據(jù)為了便于比較，都處理成日值，同時(shí)需要特別說明的陸面模式雖然輸出為0～10 cm土壤溫度，但實(shí)際計(jì)算節(jié)點(diǎn)在5 cm[29]，因此本文中取5 cm觀測數(shù)據(jù)與各陸面模式0～10 cm土壤溫度做對比評估。鑒于土壤溫度觀測數(shù)據(jù)為站點(diǎn)數(shù)據(jù)，而其他產(chǎn)品為格點(diǎn)數(shù)據(jù)，文中取距離站點(diǎn)最近的格點(diǎn)值與觀測值進(jìn)行比較，避免采用插值方法帶來的新誤差。為了分析各陸面模式產(chǎn)品與觀測數(shù)據(jù)之間的關(guān)系，文中所采用的統(tǒng)計(jì)分析方法有：相關(guān)系數(shù)、平均偏差、均方根誤差、標(biāo)準(zhǔn)差等。

2 結(jié)果與分析

2.1 5 cm土壤溫度的空間統(tǒng)計(jì)分析

從陜西省97個(gè)站點(diǎn)與不同陸面模式5 cm土壤溫度時(shí)間相關(guān)系數(shù)的空間分布圖(圖1)可以看出(所有站點(diǎn)均通過了置信度為99.9%的顯著性檢驗(yàn))，不同陸面模式數(shù)據(jù)對陜西省的土壤溫度都能較好地模擬，其中CLDAS2.0(圖1a)的模擬能力最好，所有站相關(guān)系數(shù)都達(dá)到了0.98以上，有81站相關(guān)系數(shù)超過了0.99，占總站數(shù)83%，從相關(guān)系數(shù)空間分布來看，關(guān)中西北部和陜北南部較其他地方略差。

圖1 陜西省2016年觀測數(shù)據(jù)與不同陸面模式5 cm土壤溫度日值的時(shí)間相關(guān)系數(shù)空間分布: (a)CLDAS2.0， (b) Noah-GLDAS2.1， (c) Noah-GLDAS1， (d) CLM- GLDAS1

其次是Noah-GLDAS2.1(圖1b)，僅有8站相關(guān)系數(shù)未超過0.98，這些站點(diǎn)主要分布在秦巴山區(qū)，陜北大部分站點(diǎn)相關(guān)系數(shù)都超過了0.99，說明Noah-GLDAS2.1在陜北黃土高原的模擬能力要好于陜南秦巴山區(qū)。CLM-GLDAS1(圖1d)要略差于前兩者，所有站點(diǎn)相關(guān)系數(shù)都超過了0.8，僅在關(guān)中中部和陜北南部部分站點(diǎn)相關(guān)系數(shù)超過了0.9。而Noah-GLDAS1(圖1c)所有站點(diǎn)相關(guān)系數(shù)均未超過0.9，關(guān)中中部以及陜北北部個(gè)別站相關(guān)系數(shù)低于0.7，模擬能力最差。

為了進(jìn)一步分析不同陸面模式5 cm土壤溫度與觀測數(shù)據(jù)的離散度，圖2給出了均方根誤差的空間分布圖，從圖2可以看出，不同陸面模式的均方根誤差在陜西省的分布有很大差異，CLDAS2.0(圖2 a)的均方根誤差在陜北、關(guān)中以及陜南都較小，其中有超過2/3站(66站)均方根誤差小于2 ℃，95站小于3 ℃。其他3個(gè)陸面模式均方根誤差的空間分布都表現(xiàn)出從北向南遞增的趨勢，陜西省從北邊往南越來越復(fù)雜的下墊面(依次為黃土高原、關(guān)中平原和秦巴山區(qū))是導(dǎo)致這種趨勢的可能原因。Noah-GLDAS2.1(圖2b)雖然在相關(guān)系數(shù)的表現(xiàn)與CLDAS2.0相差不大， 但是均方根誤差在陜南秦巴山區(qū)以及關(guān)中平原西部明顯要高于CLDAS2.0，而在陜北以及關(guān)中北部Noah-GLDAS2.1與CLADS2.0的均方根誤差相差不大。Noah-GLDAS1(圖2c)和CLM-GLDAS1(圖2d)的均方根誤差明顯大于前兩者，其中CLM-GLDAS1要稍好于Noah-GLDAS1，CLM-GLDAS1大部分站點(diǎn)均方根誤差超過了5 ℃，而Noah-GLDAS1大部分站點(diǎn)均方根誤差超過了7 ℃。

圖2 陜西省2016年觀測數(shù)據(jù)與不同陸面模式5 cm土壤溫度日值的時(shí)間均方根誤差空間分布: (a) CLDAS2.0， (b) Noah-GLDAS2.1， (c) Noah-GLDAS1， (d) CLM-GLDAS1

通過相關(guān)系數(shù)和均方根誤差的分析可以發(fā)現(xiàn)：CLDAS2.0的相關(guān)系數(shù)最好，并且均方根誤差最??；Noah-GLDAS1的相關(guān)系數(shù)最差，同時(shí)均方根誤差也最大；Noah-GLDAS2.1相關(guān)系數(shù)僅次于CLDAS2.0，但是均方根誤差在陜南秦巴山區(qū)明顯較CLDAS2.0偏大。說明CLDAS2.0是4套陸面模式5 cm土壤溫度數(shù)據(jù)中對時(shí)間變化模擬得最好，同時(shí)離散度也最小，而Noah-GLDAS1對時(shí)間變化模擬最差，離散度也最大。

2.2 陸面模式土壤溫度與觀測數(shù)據(jù)的對比

由于陸面模式格點(diǎn)數(shù)據(jù)代表的是一個(gè)網(wǎng)格內(nèi)的平均狀態(tài)，而觀測數(shù)據(jù)僅僅代表是一個(gè)點(diǎn)的狀態(tài)，二者在空間上的代表性有差異，因此，根據(jù)陜西省的地理分布特點(diǎn)，將陜西省分為陜北、關(guān)中以及陜南3個(gè)區(qū)域，對各個(gè)區(qū)域內(nèi)的所有站點(diǎn)觀測數(shù)據(jù)進(jìn)行平均，以此代表該區(qū)域的土壤溫度。由陜西省3個(gè)區(qū)域2016年觀測數(shù)據(jù)和4套陸面模式土壤溫度時(shí)間序列演變圖(圖3)可以看到，CLDAS2.0和Noah-GLDAS2.1在3個(gè)區(qū)域與觀測數(shù)據(jù)都有很好的對應(yīng)關(guān)系，二者不僅能夠反映出土壤溫度的季節(jié)變化，對于日尺度變化趨勢也能很好的模擬，反觀Noah-GLDAS1和CLM-GLDAS1并不能模擬出土壤溫度的日變化趨勢，僅僅對于季節(jié)變化趨勢有一定模擬能力。進(jìn)一步分析不同區(qū)域各套土壤溫度數(shù)據(jù)與觀測數(shù)據(jù)的偏差(圖4)，可以發(fā)現(xiàn)，除CLDAS2.0外，其他3套數(shù)據(jù)在3個(gè)區(qū)域春夏都表現(xiàn)出明顯的低估，說明Noah-GLDAS2.1、Noah-GLDAS1、CLM-GLDAS1對于雨季土壤溫度的模擬能力較差。CLDAS2.0在3個(gè)區(qū)域較其他3套數(shù)據(jù)模擬能力更穩(wěn)定，偏差更小，就CLDAS2.0自身而言，在陜南(圖4c)的偏差最小，在陜北(圖4a)的偏差最大。Noah-GLDAS2.1在陜北、關(guān)中的模擬能力跟CLDAS2.0比較接近，但是在陜南明顯比CLADS2.0差。

圖3 陜西省3個(gè)區(qū)域2016年不同陸面模式5 cm土壤 溫度時(shí)間序列:(a)陜北，(b)關(guān)中，(c)陜南

圖4 陜西省3個(gè)區(qū)域2016年不同陸面模式5 cm土壤 溫度偏差時(shí)間序列:(a)陜北，(b)關(guān)中，(c)陜南

為了評估不同模式在站點(diǎn)上的模擬效果，在陜北、關(guān)中、陜南分別選取了一個(gè)站點(diǎn)進(jìn)一步做站點(diǎn)評估分析，圖5和圖6分別給出了陜北榆林站，關(guān)中涇河站，陜南安康站3個(gè)代表站的5 cm土壤溫度時(shí)間序列圖和土壤溫度偏差的時(shí)間序列圖，從上述圖中可以得出：不同模式在3個(gè)站點(diǎn)的季節(jié)變化、日變化以及偏差結(jié)果都與其所在區(qū)域保持一致，CLDAS2.0站點(diǎn)的模擬能力依然優(yōu)于其它模式。

圖5 陜西省3個(gè)區(qū)域代表站2016年不同模式5 cm土壤 溫度時(shí)間序列:(a)榆林，(b)涇河，(c)安康

圖6 陜西省3個(gè)區(qū)域代表站2016年不同模式5 cm土壤 溫度偏差時(shí)間序列:(a)榆林，(b)涇河，(c)安康

表1給出了3個(gè)區(qū)域平均的土壤溫度與觀測數(shù)據(jù)的相關(guān)系數(shù)、平均偏差以及均方根誤差，相關(guān)系數(shù)均通過了置信度為99.9%的顯著性檢驗(yàn)。CLDAS2.0在3個(gè)區(qū)域都有著非常好的相關(guān)系數(shù)，較低的平均偏差和均方根誤差；Noah-GLDAS2.1相關(guān)系數(shù)與CLDAS2.0不相伯仲，且在陜北、關(guān)中地區(qū)有著較低的平均偏差和均方根誤差， 但是在陜南地區(qū)平均偏差和均方根誤差分別達(dá)到了4.99 ℃和5.59 ℃以上，表現(xiàn)較CLDAS2.0要差很多。Noah-GLDAS1和CLM-GLDAS1較前兩者明顯要遜色不少，3個(gè)區(qū)域的平均偏差和均方根誤差基本都超過了5 ℃以上，Noah-GLDAS1在陜南地區(qū)的平均偏差和均方根誤差甚至到了7 ℃和9 ℃以上。

表1 陜西省3個(gè)分區(qū)2016年不同模式日均5 cm模擬土壤溫度和臺站觀測相關(guān)系數(shù)、平均偏差和均方根誤差

為了進(jìn)一步對比4套陸面模式土壤溫度數(shù)據(jù)，圖7給出了4套數(shù)據(jù)與觀測數(shù)據(jù)的Taylor圖[30]，通過圖7可以看出，在陜北地區(qū)CLDAS2.0和Noah-GLDAS2.1不相上下，相關(guān)系數(shù)都達(dá)到了0.98以上，且與觀測數(shù)據(jù)的標(biāo)準(zhǔn)差非常接近；在關(guān)中和陜南地區(qū)，CLDAS2.0同樣表現(xiàn)最好，Noah-GLDAS1在3個(gè)區(qū)域相關(guān)系數(shù)最小，且與觀測數(shù)據(jù)的標(biāo)準(zhǔn)差偏離最大，表現(xiàn)最差。

圖7 陜西省3個(gè)區(qū)域2016年4套陸面模式土壤溫度 逐日數(shù)據(jù)相對于觀測數(shù)據(jù)的Taylor圖

3 結(jié)論與討論

本文利用陜西省2016年97站逐日土壤溫度觀測數(shù)據(jù)，對比評估了CLDAS2.0、Noah-GLDAS2.1Noah-GLDAS1和CLM-GLDAS1土壤溫度數(shù)據(jù)，得出了以下結(jié)論：

(1)CLDAS2.0土壤溫度在陜西省的模擬效果最好，相對于其他3套數(shù)據(jù)表現(xiàn)出更好的相關(guān)系數(shù)和更小的均方根誤差。Noah-GLDAS2.1的模擬效果僅次于CLDAS2.0，在陜北和關(guān)中地區(qū)與CLDAS2.0模擬能力接近，但是在陜南地區(qū)均方根誤差明顯高于CLDAS2.0，需要進(jìn)一步改進(jìn)。Noah-GLDAS1和CLM-GLDAS1的模擬效果都要明顯差于CLDAS2.0和Noah-GLDAS2.1，其中Noah-GLDAS1最差。

(2)從3個(gè)區(qū)域土壤溫度的時(shí)間演變來看，CLDAS2.0和Noah-GLDAS2.1不僅能模擬出土壤溫度的季節(jié)尺度變化，同時(shí)能模擬出土壤溫度的日變化，而Noah-GLDAS1和CLM-GLDAS1僅僅能模擬出季節(jié)尺度變化。從3個(gè)區(qū)域土壤溫度的偏差時(shí)間演變來看，除CLDAS2.0在關(guān)中地區(qū)表現(xiàn)偏高之外，其它數(shù)據(jù)和地區(qū)都表現(xiàn)出明顯的低估，且低估在陜西雨季更為明顯。

(3)為何CLDAS2.0土壤溫度在陜西省的模擬效果要優(yōu)于其它模式，影響陸面模式模擬結(jié)果的重要因素之一就是驅(qū)動數(shù)據(jù)的質(zhì)量，CLDAS2.0融合并同化了我國4萬多個(gè)自動站和區(qū)域站、風(fēng)云衛(wèi)星以及數(shù)值模式產(chǎn)品等數(shù)據(jù)，大氣驅(qū)動數(shù)據(jù)質(zhì)量在中國區(qū)域要優(yōu)于其他同類產(chǎn)品[31]；不同陸面模式以及同一陸面模式的不同參數(shù)化方案不確定性很大，CLDAS2.0為了降低單模式和單參數(shù)化方案模擬的不確定性，所使用的陸面模式是CLM3.5和4種不同參數(shù)化方案下Noah-MP，因此相比較于單參數(shù)化方案的CLM、NoahLSM以及NoahMP不確定性更小。影響路面模式模擬效果的另外一個(gè)重要因素是下墊面，CLDAS2.0、Noah以及CLM都是模式自帶下墊面，陜西省下墊面復(fù)雜，為了進(jìn)一步提高陸面模式對陜西省的模擬能力可以考慮使用更加準(zhǔn)確的下墊面數(shù)據(jù)替換模式自帶。

綜上所述，CLDAS2.0對陜西省土壤溫度的模擬無論是時(shí)間還是空間上都要優(yōu)于其他3個(gè)陸面模式，Noah-GLDAS2.1在陜北和關(guān)中地區(qū)表現(xiàn)同樣優(yōu)秀，但是在陜南地區(qū)有待改進(jìn)。由于陜西省站點(diǎn)分布間距都在幾十甚至上百公里，CLDAS2.0的高時(shí)空分辨率可作為補(bǔ)充，應(yīng)用于農(nóng)業(yè)、林業(yè)、水文等領(lǐng)域。由于本文所用數(shù)據(jù)時(shí)間段僅為2016年，且土壤溫度為表層數(shù)據(jù)，評估結(jié)果具有一定局限性，今后將使用更長時(shí)間段的觀測數(shù)據(jù)來探究不同陸面模式表層和深層土壤溫度年際變化和季節(jié)變化的模擬能力。