文摘

复杂的地形,通常由山区,占据了近四分之一的地球的大陆地区。一个准确的理解水循环,能量交换,碳循环,和许多其他biogeophysical或生物地球化学过程在这一领域已经成为越来越重要的气候变化研究。由于影响从复杂地形高程和快速变化,实地测量通常是难以捕捉land-atmosphere交互,而地表模型(LSM)仿真提供了一个不错的选择。系统回顾介绍,指出地表过程仿真在复杂地形的关键问题:(1)高水平方向地表参数的空间异质性,(2)大变化的大气强迫数据在垂直方向与高程变化,(3)规模效应在LSM的地表参数化,和(4)二维模型,考虑了重力的影响。关于这些问题,最好是有前途的模拟在这个特殊地区涉及更高的空间分辨率大气强迫数据可以反映地形变化的影响并进行必要的改进模型结构与地形因素有关。此外,遥感技术的结合将大大有助于减少不确定性模型初始化、仿真和验证。

1。介绍

全球气候系统是一个互动和耦合系统组成的五个主要组件:大气、水圈、冰雪圈、陆地表面,和生物圈,强迫或受到各种外部强迫机制。作为一个主要组件位于气氛和岩石圈之间的边界,陆地表面的能量和质量有很大的影响边界较低的交流氛围。通过控制表面能量平衡和水平衡、地表过程强烈影响气候变化从本地区域和全球范围内。关键地表变量的变化(例如,表面反照率、表面粗糙度长度、土壤水分、地表温度、和土地覆盖)将导致气候变化和气候其他扰动的敏感性的变化。反过来,气候变化将为地表提供反馈和控制地表水文和生态过程。因此,地表正吸引着越来越多注意的科学社会水文、大气、环境、遥感、生态、和许多其他1,2]。

很明显,地表在气候系统中扮演着独特的角色。许多组织或社区做出了许多努力建立地表观测系统(3,4]。例如,表面观察观察的一个关键组件的全球观测系统(GOS) (http://www.wmo.int/pages/prog/www/OSY/GOS.html世界气象组织(WMO))。组成的约11000站在或接近地球表面的,它提供了大气参数如大气压力、风速和风向、空气温度和相对湿度3小时甚至每小时的频率。区域和全球网络micrometeorological塔网站(FLUXNET)也建立了世界各地(http://fluxnet.ornl.gov/)[5]。目前,650多名塔网站从大约30在五大洲的区域网络运营长期和持续的基础上测量二氧化碳(交流有限公司₂)、水蒸气和陆地生态系统和大气之间能量利用涡度相关法(6)为不同的风景。除了离散站点观测地表,卫星技术的快速发展提高了地球观测区域或全球范围内。美国国家航空和宇宙航行局(NASA)提出了程序名为地球观测系统(EOS)长期全球地表的观测,生物圈,地球的大气和海洋的一系列人造卫星任务和科学仪器在地球轨道。观察包括定量推导地表关键参数(例如,地表温度、地表的水,能量通量和碳通量)和监控他们的时空变化。各种土地不同遥感观测的产品(7- - - - - -10]大大加速地表研究与土地资源、环境、生态、气候、自然灾害等等。此外,许多陆地表面实验,关注不同的范围内,进行了实地测量结合机载或星载观察探索土地surface-atmosphere交互(11- - - - - -13]。

一般来说,网站的建立了地表观测系统测量遥感方法使我们能够更好地理解地表辐射的条件,生态、水文和生物过程。因为陆地表面过程耦合系统有密切联系,是很重要的捕获流程之间的交互和反馈地表扰动对气候的影响。许多证据表明,地表条件的变化将带来气候变化从区域到全球范围14]。地表模型的发展(LSM)自1960年代提供了一种方法来帮助我们理解复杂的交互(包括生物物理、水文和生物地球化学的相互作用)地表和大气之间的微观和我国。通过数值参数化的土地表面,它可以提供一个简单的和现实的方式显示的大规模转移,地表和大气之间能量和动量。LSM的基本任务是准确地模拟地表净辐射的分区在地表热红外辐射的发射到大气层,潜热通量与蒸发和蒸腾,显热通量,和地面热通量。此外,它提供了在地表和气候相关的信息数据。因为LSM显示天气预报和气候模型的重要性与日俱增,物理建模的地表过程使用LSM中扮演着重要角色,不仅是在大规模的大气模型(包括大气环流模式(GCMs)),但还在地区和中尺度大气模型(15- - - - - -17]。

尽管LSM仿真通常涉及在地区或地表过程中尺度夫妇与气候模型,很少有研究了当地规模大的空间异质性。典型地区复杂的地形,通常由山区的地形变化很短的距离内,不同特征的相对缓解,陡峭的斜坡,显著的生物多样性。此外,它通常被称为地球的水塔和气候调节器(18]。它扮演了一个巨大的水文周期的维护和帮助保护淡水资源和气候稳定的低地和全球生态系统。这一地区的生态系统对全球生态系统的生存至关重要,但高脆弱的水平。全球变化和密集的人类活动日益影响生态系统的容量提供生态产品和服务,维护生态环境的平衡,并使其更容易加速土壤侵蚀,山体滑坡,快速栖息地的丧失和遗传多样性。的事实,应进行研究,更好地理解函数的复杂地形的生态系统及其外部环境变化的反馈。然而,这个地区的暴力高程变化诱发高水平的空间异质性主要地表属性,如植被、表面粗糙度、反射率、发射率,和土壤属性,进而导致强烈的空间变化的表面的热通量,水分,并通过大气边界层动量(19]。这种变化导致地表净辐射的大型空间变化分布,地表土地覆盖条件,地表水条件和大气环境。这些情况使地表过程在复杂地形比平原地区更高的复杂性。因此,有必要对LSM准确地呈现在复杂地形地表和大气之间的相互作用,解决气候变化的影响和土地覆盖变化对surface-atmosphere energy-water-mass交往,和监控相关的动态变化和山地灾害生态环境。

在本文中,我们专注于陆地表面过程仿真通过回顾地表模型的发展和LSM的应用在复杂的地形。复杂地形地表建模的关键问题得到解决,最终提出的建议更好的模拟。

2。地表模型

2.1。结构

一般来说,LSM通常由四个主要部件如图1。地表特征参数包括的主要信息对模型的初始化和操作很重要。大气强迫数据的动力能源和水地表和大气之间的交换。模型结构的物理、化学和生物过程与不同周期(表面能、水和二氧化碳)通常包含不同的流程定义和连接。上述组件的支持下,一系列流程与地表动态信息在各种时间尺度从小时到年度尺度(图2)是模拟包括生物地球化学的昼夜循环通量、池、植被、土壤温度、含水量、每日或每周的生态系统的动态信息(物候学和养分循环),年度植被动态变化、土地利用/覆盖变化。

2.2。发展

LSM的历史发展,LSM机制结构和数值技术大大改善。lsm可以在许多方面不同:次网格空间变异性的代表性土壤和植被特征、地形、水和存储、地表径流、和参数化的积雪融化,等等。一般来说,有三种典型的代(14,21]。

第一代对应传统的“斗模式”(22]。水桶模型是最简单的LSM基于一个简单的能量平衡方程,土壤热通量被忽略。假设土层在这个模型有相同的土壤深度和固定水能力在全球范围内,和土壤属性空间常数。蒸发只发生条件下,土壤含水量高于阈值时,产生的径流将土壤水分超过饱和限制,进一步降水仍在继续。植被的蒸腾作用是不考虑在模型中,和土壤水分的吸收根从土壤深层也忽略了。结论的皮特曼(14),常用的简化模拟蒸发的主要概念是第一代模型的局限性。湍流的作用是通过空气动力阻力。省略表面电阻和蒸发是由一个特殊的变量(),代表了土壤水分的可用性。这是一个简单的函数的土壤含水量变化从零为干土饱和土壤。

克服限制在“斗模式”,Deardorff [23)实现一个有效的时间方程来预测地表温度“force-restore”方法的基础上Bhumralkar [24]。的参与两层土壤热传导模型使模拟的土壤里面。与此同时,一个单一的植被层视为透水层在“斗模式”也被认为是。明确植物治疗LSM发展成为一个里程碑。基于物理的地表参数化表示LSM第二代。无数的lsm的基础是发达与各种改进方案组件后,数据输入,地表参数化和数学方法,如原始简单的生物圈(SiB1)模型(25(蝙蝠)[],Biosphere-Atmosphere转移方案15],诺亚地表模型[16),土壤和地表模型之间的交互,生物圈和大气(国际海底管理局)26]。例如,SiB1有三个土壤植被层和两层(一个树冠层和一个地面覆盖层),而诺亚LSM分离的垂直剖面土壤分为四个层次较低的边界在10厘米,40厘米,100厘米,200厘米,上面有一个树冠层和积雪层表面。此外,一个简化版的SiB1 (SSiB)是由雪et al。27)减少物理参数,提高了计算效率。第二代LSM的交互soil-vegetation-atmosphere系统说明。不同性质的土壤和植被和树冠的3 d结构诱导大关键地表过程的变化,如辐射吸收、动量传递、生物物理控制土壤水分蒸发蒸腾损失总量,降水拦截,拦截损失,土壤水分可用性和绝缘(21]。与第一代相比,第二代是更多的物理。水文循环和植被层的加入使第二代模型显式地表示辐射传输,湍流过程和树冠内,蒸散的物理和生物控制。

在上面的两代人,模拟主要集中在能源和水之间的交流地表和低层大气界面。自1980年代末以来,全球气候变化已经成为一个越来越流行的问题。许多科学家意识到大气的碳循环和交换中发挥关键作用的动态地球系统(28,29日]。然而,前面的模型还远未满足的需要进一步的研究。植物生理研究进展的进展生化模型的开发对叶片光合作用通过光合作用和蒸腾作用通过气孔阻力模型如叶电导的半经验的模型(30.]。蒸散的生理控制植物似乎作为优化机制,旨在最大化碳通量由植物光合作用和减少水损失通过关闭气孔。因此,第三代LSM了蒸散的生物防治。在这些模型中,光合作用的生物化学与生物物理学的气孔导度。光合作用和导叶水平扩展到植物树冠级别是基于氮和光合能力的优化配置与光可用性(31日]。这些生化模型提高lsm描述生物和化学过程,提高波文比模拟,模拟碳通量,同时水和热量。根据卖家等结论。21),第三代模型的优点如下:模型更切合实际的利用photosynthesis-conductance模型能量通量,水,同时和碳;一个重要的参数管理可以获得表面通量;(3)模型可以代表现实的反馈对大气变化有限公司₂。

2.3。LSM运行模式

陆地表面过程的参数化在lsm对数值天气预报和气候模拟非常重要。气候模型的实现需要准确测定的辐射和能源和水通量在地表边界和动量。相反,陆地表面过程仿真需要近地表大气参数如表面附近的空气温度、湿度、风速、风向、气压、降水。

根据气候模型之间的联系和LSM, LSM发起夫妇与气候模型在不同空间尺度上研究land-atmosphere互动和反馈,评估对扰动的敏感性,并解决因果。的耦合通常是这样做的:大气模型提供了事件太阳能和地球辐射和气象变量(温度、风、湿度、降水、和压力)LSM从模型的最低水平;和LSM提要热量和水分通量的大气模型表面压力,在地表和辐射。目前,更复杂的行星边界层(PBL)方案敏感表面通量,而云/积云PBL方案敏感结构。数值天气预报(NWP)模型增加网格间距(1公里和低于公里)。有很大需要捕捉中尺度发行量迫于表面反照率变化,土壤湿度/温度,土地使用,和雪32]。土地和大气之间的相互作用的重要性已经越来越认可,LSM成为气候模型的关键组件与一个越来越重要的角色不仅对数值天气预报还对区域气候模拟。在以前的耦合的例子,SiB1使用的实现在全球大气环流模型显示,有大的改进模拟大陆吸收辐射、蒸发蒸腾和降水33]。陈和Dudhia [32)耦合的一个先进的地表模型(以前的版本的诺亚LSM) NCAR MM5中尺度模式(MM5)提供合理的地表能量通量日变化和土壤湿度信息。耦合的耦合系统扩展诺亚/ WRF模式。此外,LSM还扮演着一个重要的角色在RegCM区域气候建模系统地表过程被蝙蝠在早期版本(版本1,2,3)和更高级的模型叫CLM3.5最新版本4。LSM的发展促进了公司更多的基于物理的LSM取代旧的或旧版本的耦合模式。

除了耦合模式,离线模式也是LSM仿真的一个重要方面。离线模式是独立的,和lsm脱离主机大气模型。由大气强迫数据,提供离线lsm模拟是有用的评估lsm的现实主义(评价、校准和验证),迫使参数的敏感性分析和土地利用/覆盖,帮助提高地表参数化,提供初始(土壤水分)的数据耦合,以及开发新的方法lsm的发展。在这种模式下,一个大项目lsm模拟应该向项目相互比较的地表参数化方案(PILPS) [34]。它进行执行模型相互比较来评估能源和水通量的参数化/从land-atmosphere界面最后改善大陆表面的参数化,特别是水文、能源、动力,和碳交易所与大气。结果显示显著差异模拟表面能,水汽通量,地表径流,由相同的大气强迫数据。除了这个项目,也有许多研究与LSM修改,评估,和地表参数估计35- - - - - -37]。

3所示。应用在复杂的地形

大多数lsm的次网格组成不同的土地覆盖类型通常是用来表示地表的空间变异性。在不同的lsm,不同的治疗应用地表表示。在社区土地模型(CLM)三级次网格系统用于表示地表植被表面指定的15种植物功能(击球)[38]。在诺亚LSM,每个网格的地表特征是由使用一个预定义的植被为静态查找表中根据其土地覆盖类型植被参数不同的土地覆盖系统如美国地质调查局,MODIFIED_IGBP_MODIS_NOAH, USGS-RUC。然而,它只有一个击球定义模型网格。公共土地模型(投资),每个表面网格单元投资由五块:主要植被次生植被,裸露的土壤、湿地和内河。每个块包含一个单一的土地覆盖类型。能源和水平衡计算为每个瓷砖在每个时间步,和每个瓷砖维护自己的预后变量(39]。

很明显,大多数lsm试图代表陆地表面的空间异质性特征,和很多改进40,41)已经完成更好的代表陆地表面通过开发高分辨率土地覆盖数据集或使用不同的次网格参数化方案。地表高程的变化也被认为是分析地形对地表温度和水文过程的影响。变量渗透能力(VIC)模型将模型网格单元划分为多个次网格高程与500米海拔间隔乐队更好的模拟地表水文过程(42]。柯et al。43)开发了一种新的次网格分类(国网公司)方法基于梁的方法和“甘44)占空间变化的地形和植被的影响。模型网格划分为不同海拔类和数量可变的植被类型为每个视图类定义。因此,模型网格由数量可变的次网格类或地面响应单位(lru)。结构如图3。

尽管越来越多的复杂和先进的lsm是用来增加空间异质的土地表面的表征能力,仿真结果还难以在离线模式,耦合模式,或土地数据同化系统来满足需求的环境、生态、水文、大气研究在复杂的地形。高空间异质性不仅在土地表面,也存在于大气环境,极大地限制了当前lsm的应用。此外,还建议从野外观察,内在参数值随空间和环境条件,即使是某些击球(45]。

解决关键问题有关水文或在复杂地形环境问题,已经进行了很多努力通过发展新的lsm或改善现有的lsm。数量的lsm开发执行山水文和生态建模来理解高空间和时间变化的水文气象条件复杂的地形。一个地区Hydroecological仿真系统是由乐队et al。46计算和地图森林蒸散和净初级生产力在复杂的山区。方法是基于接口的地理信息处理和遥感FOREST-BGC [47),一个非线性确定性模型用来模拟碳、水和森林生态系统氮循环。Wigmosta et al。48)建立了一个基于物理的,分布式hydrology-vegetation模型对于复杂地形。模型明确占林冠截留、蒸发蒸腾,积雪融化,通过饱和过剩以及径流生成机制。它可以应用在各种尺度,从情节到大型流域subdaily日常时间尺度。数字高程数据用于模型地形控制入射太阳辐射、气温、降水、和下坡的水运动。physical-mathematical模型提出了描述每小时水动力学和热转移在一个森林流域在复杂地形(49]。互连能源预算和水平衡过程集成,同时使用一个特定feedback-iteration方法解相关方程。

地形影响欠本身的一个重要方面,它对土壤排水和土壤水分分布的影响。土壤水分显著影响地表径流的非均匀分布,表面蒸发蒸腾,表面水文循环。因为大多数lsm是一维模型包括的详细描述植被和根区,地下水之间的相互作用,根区,地表水,以及横向表层和次表层流,通常被忽视的(50]。地下的无知引起的横向交通地形或水分梯度导致表面流的计算误差和土壤水分平衡进而影响表面的时空分布,地下水,地面的水和能源最终预算。的一种常见方法是几个水文模型与LSM表示地形表面的影响水文组件和考虑横向表层和次表层流。崔et al。50)开发了一种连接surface-subsurface流(CSSF)模型和耦合与投资(投资银行部+ CSSF)水文增强模型。离线评价结果表明,该模拟表层和次表层流之间的相互作用显著提高了流流量预测。此外,水文模型TOPMODEL [51,52)是使用频率很高,因为它采用数字地形模型数据模拟横向流动。费明力提et al。53)耦合的TOPMODEL表面能量平衡模型计算蒸发在流域尺度的空间变异性。乐队等。54)使用FOREST-BGC组成的耦合模型和TOPMODEL占横向土壤水分再分配对生态过程的影响。这种方法的类似的应用程序也可以发现在施蒂格利茨et al。55),邓和太阳56],Bouilloud et al。57]。

在复杂的地形水文建模,积雪是另一个重要方面。积雪会影响当地的气象条件、土壤水分条件下,植被的分布和生长季节,径流的时间和可用性。出于这个原因,许多基于物理的雪模型(58,59)来描述开发过程和动力学的雪雪水当量(理念)积累和消融积雪通过求解能量和质量平衡方程在网格中。例如,Alpine3D由黄祖辉et al。58)是一种表面能量平衡模型,该模型被用来模拟小尺度雪过程在山区。它已被认为是一个有价值的工具调查表面动力学山脉。另一个模型,生成地球系统科学(GENESYS),也证明有良好的性能在模拟日常积雪和积雪的空间范围复杂山区(59]。除了雪模型,积雪模拟与诺亚LSM面临的问题提前消耗过度的升华和融雪的过早出现。克服不足,Barlage et al。35]5模型修改诺亚LSM源头地区的模拟科罗拉多洛矶山脉。太阳辐射地形坡度和调整方向的修改。表面的斜率和方向取得了实质性差异的事件通过短波辐射入射太阳天顶角的变化。尽管结果显示地形斜率和方向调整辐射影响不大的平均积雪水为整个建模域等价条件,地形坡度和取向的影响并影响当地地表能量通量组件根据细胞斜率和取向。也进行了相同的评价与诺亚LSM在寒冷的高山地区。陈等人。60)进行了模拟黑河上游的两个典型站点。对比模拟和观测到的土壤温度和液体内容表明,诺亚LSM能够监测变化的趋势,但随着一些冲刷的差异。土壤剖面的异质性的考虑不足诺亚LSM是主要问题之一。

4所示。地表模型在复杂地形的关键问题

在复杂的地形,最重要的现象表明,地表特征如地形、植被、土壤和空间结合表面温度差异很大,土壤温度和水分。大气强迫数据,如表面附近的空气温度、空气湿度、降水、风速,表现出类似的空间变化特征。太阳辐射的吸收高度依赖等当地地形斜率和方面。这些小规模的异构性问题影响土壤水分再分配,径流生成和地表能量平衡。它可以得出的结论是,复杂的地形显示更大的比平地区地表变量的空间变化。因此,建模工作在这一领域是在平坦的地区比那复杂得多。

根据段的研究等。61年),有几个因素显著影响LSM的能力代表陆地表面过程准确、可靠。第一个因素是方程或模型结构的参数化方案;第二个因素是外部大气强迫数据的质量和初始和边界条件;第三个是模型参数的适当性规范。根据这些点,当前所面临的关键问题lsm对复杂地形仿真可以得出结论如下。

4.1。水平地表参数的变化

水平变化主要反映在地表的空间异质性特征。现实的和高空间分辨率的地表特征意义重大,对准确评估表面水文、表面热通量,有限公司₂在全球交流地表模型应用程序,区域和分区域尺度。

在各种地表特征、土地利用/覆盖是一个重要的一个影响生物物理学,生物地球化学和生物地理学的地球表面,因此人类福祉带来深远的影响。由于热量和水的大梯度的不同影响,复杂的地形展示暴力的土地覆盖状况的空间变化。遥感技术的发展也使得它易于地图全球或地区土地覆盖在不同空间分辨率相对较高的准确性(62年,63年]。图4介绍了Gongga山区域的土地覆盖图于2010年位于中国西南部。两个土地覆盖图如图4与一个来自EOS-MODIS土地覆盖产品500分辨率和其他收购土地覆盖分类利用陆地卫星TM / ETM数据分辨率30米(64年]。大型垂直梯度(7556米)的最高峰在地形引起的土地覆盖类型在水平方向的重要变化。不管这些数据的分辨率差异,土地利用/覆盖信息来自卫星数据使lsm将高分辨率土地覆盖数据集进行地表过程在不同的空间尺度上模拟。然而,当前的lsm远非令人满意。CLM的基本空间分辨率0.05°。投资银行部的表面网格大小是2.8°×2.8°(65年]。诺亚LSM仿真研究进行了公里网格大小的水平(66年,67年]。虽然瓷砖或宫是用来提供一个网格单元内异质性,粗网格单元大小不适合解决陆地表面过程的空间异质性在复杂地形在当地规模。

此外,作为一个重要的参数在LSM参数分量,土壤性质信息决定了土壤的理化性质,包括土壤的表示列和渗透参数化。特别重要的由于其对垂直分布的影响(蒸发、蒸腾作用和渗透),模拟土壤水分,对能量平衡的影响通过控制参数反照率。敏感性研究[68年)表明,饱和导水率,参数计算土壤水势和克拉普公司(69年),和凋萎点对土壤湿度的模拟产生深远影响。在当前lsm、土壤物理参数为每个土壤质地类型通常是预定义的。例如,四个参数(在饱和土壤湿润指数、土壤张力,在饱和导水率和土壤孔隙度)为七种类型定义在SiB2 [70年]。诺亚LSM还提供了土壤参数与19个土壤类型有关。虽然土壤参数化预定义的参数值,土壤质地类型分布变化很大,通常有大改变即使在很短的距离71年]。对于复杂地形区域,高程变化和方面差异影响土壤的发展并最终影响到土壤质地类型空间分布。这种现象是更为严重的高山地区72年]。很难当前土壤质地分布数据集应用于投资或其他lsm来描述高空间变化复杂的地形。因此,准确的描述土壤性质水平变化是一个重要的问题,应该考虑在地表模型在复杂地形区域。

4.2。垂直变化的大气强迫数据

在垂直方向与高程变化有关,作为一个至关重要的问题,大气强迫数据应该高度随的变化的影响显著的地形变化复杂的地形。在迫使数据,空气温度是推动lsm的关键因素之一。至关重要的是地表能量通量和水通量模型严格控制地表和近地表大气之间能量交换。一般来说,空气温度随海拔高度的增加线性减少。然而,对于目前的lsm,空气温度在网格分析每个粗网格中被认为是均匀的。忽视的影响在每个网格内高程的变化肯定会带来很大的不确定性能量通量的模拟结果在复杂地形区域网格有一个非常粗糙的空间分辨率。

除了空气温度,其他强迫数据如太阳辐射、风速、降水、湿度也面临同样的问题。高空间变化的气温和降水观测Langtang谷在尼泊尔喜马拉雅山脉也认证的大影响高程或地形空间变化的大气参数(73年]。如图5,7个站点位于小流域不同海拔,以及不同时期的平均空气温度的观察值为这些网站展示伟大的垂直变化与高程变化。

因此,考虑地形的影响,LSM的应用在复杂地形的不同地点通常由迫使来自相应的气象监测站的数据在之前的模拟研究[74年,75年]。密集网络气象站点的高时间分辨率的要求描述的模式大气强迫数据出现在复杂的地形。然而,这样密集的野外观察很少可用特别是崎岖的地区。气象网站解决不足的通常稀疏分布的时空模式大气强迫数据。是不现实的完成仿真在复杂地形与站点观测建立准确的描述表面大气环境。此外,比较研究[76年)和基于过程的水文模拟模型受两种不同类型的强迫数据说明(如短波辐射)的差异极大地影响水文状态和通量,尤其是在高海拔。时间改变的差异分区的融雪径流和降水蒸发蒸腾和径流之间的关系。因此,研究直接证明的重要性在地表大气强迫数据建模的准确性在复杂的地形。这是一个巨大的挑战产生可靠的大气强迫数据捕获大气环境的空间异质性。

4.3。地表参数化的规模

地表参数化进行地表建模是一个至关重要的一步。对于大型应用程序,提供粗糙的表面数据空间分辨率。例如,CLM所需的表面数据集,包括冰川的百分比,百分比湖,湿地,百分比%城市,百分比砂/粘土,土壤有机质密度,土壤颜色,击球时,参数化的网格单元大小改变从5分钟到1度。然而,对于投资银行部,表面的数据集,包括地形高程,地面水达到面具,25-category土地覆盖,和17-category土壤参数化网格单元尺寸的30秒。粗分辨率使大多数lsm夫妇与大气气候模拟模型在大陆或全球范围内77年- - - - - -79年]。尽管上述参数化的全球研究地表足够大规模仿真分析地形的影响不是有用的空间辐射环境的变化,降水、温度和土壤排水。因此,当前的应用lsm与粗糙地表参数化数据集不能有效监控soil-vegetation-atmosphere交互的空间分布在复杂地形在当地规模。LSM的应用对于复杂地形地表建模会导致虚假的飘在仿真结果因为LSM参数的不确定性和高灵敏度的模拟状态和通量。尽管lsm的应用在复杂的地形点仿真已经完成,区域模拟很难进行。因此,高空间分辨率的地表特征参数化应该开发的陆地表面过程在复杂地形。

此外,重要的是要意识到空间分辨率的增加意味着增加了复杂性,但不一定在仿真准确度更高(80年]。显示在图4在不同的空间尺度上,两个土地覆盖地图所示相同的区域。很明显,高分辨率的地图(30米)从陆地卫星数据可以提供更详细的信息(不仅像素大小,而且土地覆盖类型)的数量的空间分布在山区土地覆盖类型比MODIS土地覆盖地图(500米)。然而,它仍然是不确定的规模与土地覆盖地图更适合执行地表参数化,进行地表过程模拟。一般来说,增加分辨率模型能够描述地表特征具有相对较高的精度。在实践中,这并不总是正确的,因为物理参数化和输入数据的局限性,以及其他数值错误可以被引入模型操作。此外,一个非常精细的空间分辨率可能违反一些物理参数化的假设或数字解决方案。木等。81年]讨论了监测陆地水的挑战与hyperresolution全球地表建模。研究表明hyperresolution地表造型将特别具有挑战性,因为交换的当前估计的基础质量,能量和动量从地表向大气中不会在hyperresolution合适。虽然高分辨率仿真有助于捕获land-atmosphere交互的空间模式在当地规模,模拟的准确性的改善可能相对较少。因此,确定一个合适的空间尺度的模拟是准确模拟地表的主要和重要的工作流程对于复杂地形区域。

4.4。二维建模

土壤水分是表面能之间的联系,水,和生物地球化学循环。它影响降水入渗和径流的分区,控制生物地球化学过程和表面蒸散通过限制水的可用性植物,和影响分区的能量变成潜热和显热。在复杂地形、土壤水分布主要是由垂直和水平发散和收敛,入渗补给,蒸散。地形在水资源形成中发挥着关键作用和径流生成。一般来说,区域的地方凹度(低地)往往是区域收敛流(表面和baseflow),因此区域土壤含水量高。相比之下,高地土壤往往是逐步干燥机(55]。

然而,大多数lsm通常使用一维质量守恒方程基于达西定律来模拟水文组件(土壤水分和地表径流)。从多层土壤水分模拟模型,在土壤水分垂直运输是由渗透,地表和地下径流,梯度扩散、重力,通过根提取树冠蒸腾,与地下水的相互作用。CLM为例,水流入土壤层可以通过质量守恒方程表示: 在哪里是土壤体积含水量;t是时间;一些数据是高度土壤柱;是土壤水通量;和是一个土壤水分下沉。只有土壤垂直方向存在的层是用来模拟水转移。陆地表面过程的横向互动等相邻网格之间横向流重新分配水通过表层和次表层流路径通常被忽略。每个网格是一个独立的soil-vegetation-snow-atmosphere系统,不影响相邻的网格系统的方块会发生什么。主要的原因可以归因于lsm用于夫妇的相对粗糙的空间分辨率与全球或区域气候模型不允许表层和次表层水运动的精确表示。

因此,当前的使用一维lsm在复杂地形无法描述土壤水分在土壤的水平运动层严重受地形因素的影响。很大的不确定性,土壤水分分布的预测和地表径流的产生。

5。如何在复杂地形模型地表过程

目前,陆地表面过程模拟的lsm已经有了很大进步。已经完成了大量的工作,解决相关问题的表面能量,水和碳循环在复杂的地形。

5.1。生成高分辨率大气强迫数据规模

陆地表面的边界信息,大气强迫数据的一个关键LSM仿真的输入。理论上,大气强迫数据确定land-atmosphere交互的外部大气环境和具有很强的空间异质性在复杂地形。因此,在高分辨率高精度大气强迫数据规模非常重要驱动因素为陆地表面过程模拟与lsm复杂的地形。

在入射辐射强迫数据,控制由地表接收到的辐射和在lsm的表面能量平衡中起着重要作用。地表地形直接改变事件短波辐射由于地形阴影效应和多个反射(82年]。然后影响下降的长波辐射,因为发出的长波辐照度的影响从周围的地形83年]。此外,斜率对入射辐射辐照度也产生影响。通常,它是被忽视的空间分辨率时非常粗(数万公里)或相对较低或中度的斜率。然而,边坡表面辐射辐照度的贡献将被放大时,空间分辨率高陡边坡(1公里或更少)。

以短波辐射为例,图6说明了辐射接受土地表面在复杂地形。阳光照射的区域()、表面吸收辐射包括直接太阳辐射()、天空辐射()和辐射反映在相邻的地形()。然而,对于阴影区域()、太阳能辐射完全是阴影。因此,地形影响机制应该导入lsm歧视入射辐射的空间变化。斜率等几何因素和方面应强调在研究。海和洞84年)提出了一种表面辐射通量估算方法考虑边坡的影响和方面。表面上的总辐照度倾斜一个角度对一个方位角可以表示为 在哪里是太阳仰角;是地面坡度(向前计算差异);和太阳光束入射角。弥漫的天空发光;是直接辐射(梁);和是地面辐照度反映出来。Helbig和劳82年)提出了一个完整的辐射参数化方案次网格地形占阴影,有限的天空视图和地形反射。

除了入射辐射,地形的影响在其他大气参数(空气温度、风速、湿度、降水、和空气压力)也应认真考虑。均匀分布的治疗在全球模拟不适合地面模拟复杂地形。不同海拔、纬度、地形环境、大气参数显示显著差异之间的山谷地区,山顶。然而,由于没有足够气象站坐落在复杂地形特别是在高山区,大气参数不能提供准确地在当地规模。

得到这些小规模的传统方法是应用空间插值方法的数据使用稀疏网站测量结合地理位置和地形信息(85年,86年]。包括逆距离加权插值方法(IDW)方法中,样条方法,克里格法、回归分析和地质统计学方法。因此,他们用于生成高分辨率大气强迫数据增强仿真在复杂地形。插值过程中,考虑到地形学的控制大气强迫数据的时空分布,提出了许多方法来参数化的关系。例如,precipitation-elevation关系建立推断从站观测降水空间分布(59]。空气温度、气温直减率是用来考虑温度变化的函数高程。因此,高分辨率的大气数据网格通常依赖于假设一个常数表面温度递减率等6.5°C公里⁻¹或6.0°C公里⁻¹(87年,88年]。然而,看守者et al。89年)发现,它不应该是一个统一的或常数值的影响从气团特征(如温度、湿度)、太阳辐射等因素。Immerzeel et al。73年]分析了气温直减率和降水梯度Langtang山谷。结果表明,气温递减率是季节性差异与大气中水蒸气,和降水梯度显示大水平的变化。

生成大气强迫数据的另一个来源是来自气候模型的仿真结果。然而,随着气候模型仍然是计算限于相对较粗的空间分辨率公里最好的,得到的高分辨率数据应用降尺度方法分解的低空间分辨率大气参数来自气候模型。基于quasi-physically、高分辨率的气象分布模型(MicroMet)是由利斯顿和老90年)生产高分辨率的气象迫使分布。大气参数和周围景观之间的关系(主要是地形)介绍了降尺度的过程。查贝尔et al。91年)使用另一个扩展工具SCALMET(尺度气象变量)由马克et al。92年)减少粗MM5气候模型所提供的气象数据更高分辨率的地表通量与PROMET模拟。这个工具已经被证明是强大的各种气候和水文条件下,已经成功地应用在世界的不同地区。降尺度方法提供一个新的方向,克服的局限性野外观察运行空间分布式lsm在复杂的地形。

因此,基于之前的研究,预计我们拥有了更多的知识关于地形控制大气参数变化和在复杂地形的差异背后的机制,我们知道更多关于如何开发一个系统的方法来生成可靠的数据。

5.2。解决二维土壤水分的运动

很明显,空间异质性在陆地表面过程的参数化应该准确地评估水运动的分布在两个垂直和水平方向,随后影响到水和陆地表面和大气之间能量交换。的问题表示部分4.4,大多数lsm关注水运动在垂直方向。多级层土壤、植被层和积雪层通常是分开来描述过程。在这种参数化,异构分布的土壤水分对地表径流的影响一代,地下流,和表面蒸散是完全忽略。这一缺陷,显然会影响表面能分区,降水之间的关系、径流和土壤水分蒸发蒸腾损失总量,计算地表径流和地下流。这些影响会导致更严重的问题与重力的作用在复杂的地形。因此,它要求lsm开发来描述土壤水和水文过程在二维空间中。

解决下坡的水运动在复杂地形,许多水文模型,如分布式Hydrology-Soil-Vegetation模型(DHSVM) Wigmosta et al。48),其版本流域分析的可视化建模系统可(GISWA),变量渗透能力(VIC)模型(93年],TOPMODEL [51),已经开发出来。一般来说,地形影响地表水文过程,如降水和径流和控制空气温度的空间分布,流域内降水、土壤和植被。

在这些水文模型中,基于地形的TOPMODEL最大优势,总结了邓小平和太阳(56]:TOPMODEL是建立在明确的物质基础。TOPMODEL水文过程的解决方案是简单分析的几个参数,和(3)TOPMODEL能够反映地形对土壤水分的影响和地下水运动。地下流治疗TOPMODEL吸引了许多研究者的关注lsm的研究中,许多研究已经进行了耦合和lsm [56,57]。它表明一个大致方向模型开发利用利用水文模型在考虑土壤水分空间分布和地形的影响。

除了与水文模型耦合,LSM修改是另一个方向。王,陈94年]Muskingum方法导入到诺亚LSM提高仿真精度的地表径流通过结合流浓度的值考虑在一个二维土壤水分的再分配水平。结果表明,土壤水分和温度模拟的改进模型更接近观测值。相比于陆地表面分成常规电网,Tesfa et al。95年)提出了一个新奇的方法,土地表面处理的表面划分成不规则次盆地。这种方法具有以下优势。首先,基于次盆地表示遵循自然地形划分和网络结构。其次,从邻近的次盆地水的再分配不应被考虑。第三,表示更适合耦合水文组件在LSM和同意大多数水文计划的概念基础。

一般来说,研究关于与水文模型耦合或修改水文组件在LSM解决二维土壤水分运动在地表模型表明大方向在复杂地形地表过程的模拟。

5.3。耦合LSM与遥感观测

近年来,遥感技术的发展加速了定量遥感发展的方法。大量的地表参数能够提供的遥感方法在不同空间和时间尺度。它提供了一个巨大的机会来提高LSM仿真在复杂地形。

5.3.1。从遥感动态信息

耦合LSM与遥感观测的一个重要方面是使用地表动态信息来自遥感数据。陆地表面的初始状态是一个重要的输入LSM的模拟。对于复杂的地形,遥感技术可以提供时间序列的观测地表参数,如土地覆盖的植被(FVC),叶面积指数(LAI),和地表反照率与各种空间和时间分辨率。它可以摆脱困难参数化表面状况在复杂地形由于缺少野外观察。动态表面信息保证LSM遵循正确的初始化条件相应的决议。元等。96年]利用植被信息从AVHRR数据模拟水流与VIC-3L汉江流域地表模型。崔(97年)评估的适用性高分辨率模拟地面流程的一项小型研究盆地使用克莱在1公里表面边界条件(SBCs)从MODIS遥感产品和SPOR-VGT观测。Ghilain et al。98年)提出了一个实用的方法使用味精的生物物理产品LSA-SAF LAI和FVC SEVIRI H-TESSEL地表模型中的数据。数据库使用semistatic ECOCLIMAP-I相比,该方法显示更好的监测地表蒸散能力。

应用表明,遥感方法已经成为一个重要方法LSM初始化和校准,和频繁的观察地表参数遥感可以指定表面条件的动态变化在陆地表面造型复杂的地形。然而,随着遥感观测数据的增加,多个观测将参加LSM模拟。多个观测条件的限制的应用程序应该关心。模型数据融合将是一个选择改善观测限制提供的模型在任何单一的数据集(99年]。Renzullo et al。One hundred.]演示应用程序的“多重约束”模型数据融合(MCMDF)计划集成amsr - e土壤湿度产品和MODIS LST数据耦合的生物物理模型表面的水分和能量预算的澳大利亚北部热带稀树草原。结果表明,该方法能够提高预测能力的一系列表面变量和通量。

5.3.2。模型评价

LSM的评价模拟耦合LSM与遥感的另一个方面。lsm的性能评价是一个复杂的问题,但它是必要的,以确定的疗效hydroclimatological预测。水流验证,传统预测方法比较,观察到水流在整个流域水平(101年]。对能源和水通量,实地测量领域站通常用于验证模拟流量均匀分布的假设下(102年]。很明显,这些验证方法难以确定模型可以描述能源和水通量的空间变化以及由于效果不一致的空间尺度。评估工作是受到现场站的数量;和空间代表性的实地测量是一个很大的问题,特别是对于复杂地形。

与上面的验证方法相比,遥感技术提供了一个替代数据源LSM评估。目前,地表参数的定量估计,如地表温度(LST),地表发射率(伦敦),蒸散(ET),土壤水分、LAI FVC、净初级生产力(NPP)和能量通量,使得利用遥感数据精度大幅提高。评估结果应用了很多评估LSM的性能仿真。terry Rhoads et al。103年)相比,表面温度模拟变量的渗透能力(VIC)水文模型与表面温度的检索TOVS Arkansas-Red河流域走过去。结果表明,建模和采用卫星表面温度在空间或时间同意当聚合。为了评估诺亚LSM的性能参数化之后,魏et al。104年)使用satellite-retrieved陆地表面皮肤温度结合站点的测量来验证仿真结果,发现有显著减少偏见在潜热,总径流,土地皮肤温度模拟。

虽然定量评估显示LSM的性能,比较往往只关注LSM的一个方面。越来越多的认识从陆地造型社区使用基准测试系统进行更全面的评价模型。许多研究已经完成(105年- - - - - -108年),遥感数据集变得基准测试系统的关键组成部分。因此,有效地评估lsm仿真在复杂地形,重要的是要建立一个基准测试系统基于遥感数据集的集合和实地观察关键地表过程评估。

5.3.3。数据同化

LSM由大气强迫数据显示巨大的潜力产生的估计地表状态在不同时间分辨率从区域到全球规模。然而,这样的估计将严重依赖的特点选择LSM和大气的质量数据使用。此外,由于lsm是地表过程的简化,有不可避免的错误和不确定性模型的初始化和运行过程。即使他们是由相同的大气强迫数据,不同的lsm可能给非常不同的地表通量的估算(109年]。因此,需要将模型模拟与遥感观测更新地表模拟状态,以减少错误的影响物理模型,模型参数和大气强迫。

数据同化是一个替代集成来自各种数据源的数据与模型预测不同的分辨率和精度提高确定性模型的准确性(110年]。流行的数据同化方法变分同化(VA)的集合卡尔曼滤波(EnKF)和粒子滤波(PF)。

近年来,在地表建模的应用数据同化遥感地表的扩大与增加可用性变量。卫星和地面观测的支持下,一个全球土地数据同化系统(GLDAS)开发了利用一系列先进的lsm和数据同化技术来生成最优的地表状态和通量在大陆和全球规模111年]。GLDAS独特之处在于,它是一个非耦合驱动多个模型地表建模系统,集成了基于一个巨大数量的数据,并产生每小时1/8th程度产品北美(NLDAS)或3小时0.25和1.0度的产品在全球范围内。类似的系统也存在在欧洲(ELDAS)和中国(CLDAS)。除了大型网站特定或流域规模应用程序已经进行了许多研究人员(112年,113年]。这些研究是由使用不同的数据同化算法加上不同的lsm各种基于卫星的观测。与此同时,在当前的挑战地表数据同化也从先前的研究结论。因为很多数据同化技术假定偏离模型以及观察,重要的是要处理模型预测的偏差或遥感观测,二阶误差的特性,nonclosure或不平衡问题(114年]。一般来说,类似的研究有助于建立理论基础应用在复杂的地形。数据同化是成为一个有前途的方法来克服不确定性的限制在这个特殊地区地表过程的模拟。

除了上述方面解决的关键问题与地表建模在复杂地形,LSM发展相关的也有一些问题需要考虑,在进一步的研究:扩散限制碳通量的重要性(例如,气孔和叶肉导度)和土地利用变化的表征或动态植被。所指出的Claussen et al。115年),土地覆盖和土地利用的变化在地球上产生巨大影响的系统包括biogeophysical和生物地球化学对大气的影响。植被动力学与碳同化和分配非常相关。植被的重要性分析未来陆地碳循环的动力学seppo et al。116年)表明,植被动力学代表很大一部分全球C-uptake建模的不确定性。意识到日益复杂在LSM可能增加LSM仿真结果的现实主义,但LSM的可靠性和健壮性将减少,因为已知模型参数的不佳。因此,针对这一事实,普伦蒂斯et al。117年)建议简化复杂的随机过程的参数化(未解决的过程的表征值)的统计分布的lsm下一代复杂。

6。结论

科学的复杂地形的重要性已被广泛认可近年来许多研究人员。复杂地形中扮演着一个关键的角色在全球水循环和碳循环及其生态系统也是全球生物多样性的重要中心。然而,表面参数的空间变异发生在稀疏的野外观察限制地表过程的理解及其动态变化。因此,迫切需要开发一个有效的方法来监控和捕捉动态信息在全球变化研究中。虽然野外观察能够测量地表参数精度高,它是不合适的部署足够的网站在复杂地形。physical-based LSM的山地生态环境研究提供了一个有价值的工具,提高我们对地表过程的理解复杂的地形。

LSM和应用在复杂地形的发展进行了综述。由于地形变化的影响,大气环境,表面能分区,和能源/水/碳循环在这个地区与平原地区相比有显著差异。LSM应用程序所面临的关键问题在复杂地形作为水平地表参数的变化,得出垂直变化的大气强迫数据,地表参数化的规模问题,二维土壤水分运动的造型。

为了解决这些问题,需要研究来确定适当的规模适合LSM仿真在复杂地形。应该能够模拟在这个规模的空间异质性地表过程中的精度要求。然后,应努力在这个高分辨率生成大气强迫数据规模通过考虑地形影响的关键数据。此外,二维土壤水分运动的帮助下解决耦合水文模型或LSM修改。同样重要的是几个LSM与遥感观测通过集成遥感观测到LSM初始化,仿真和评估。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究部分由创新团队国际合作伙伴计划(没有。KZZD-EW-TZ-06)中国科学院,中国国家自然科学基金(41271433和41271433号),对外合作项目的BIC中国科学院(GJHZ201320),中国科学院的西光基础和“几百人才”项目。