.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
本研究通过考察其对气象强迫的敏感性，特别是降水数据中的自相关结构以及陆-气耦合，利用社区土地模型第5版（CLM5）研究了土壤湿度去相关时间尺度（通常称为土壤湿度记忆）。我们使用两种广泛使用的气象数据集进行CLM5实验：气候预报系统再分析（CFSR）和全球土壤湿度项目第3阶段（GSWP3），以及随机化的气象强迫，以隔离气候变率和对土壤湿度去相关时间尺度的影响。结果表明，CFSR强迫的CLM5模拟产生的去相关时间尺度平均是GSWP3强迫模拟的两倍，特别是在热带和亚热带地区，这是由于CFSR案例中显著的降水自相关和增强的土壤湿度-降水反馈。随机化气象强迫显著降低了CFSR强迫CLM5模拟的去相关时间尺度（降低50%-70%），但在GSWP3强迫模拟中仅轻微降低（降低10%-20%）。使用干涸时间尺度指标的额外分析显示，CFSR和GSWP3强迫模拟之间的差异极小，突显了研究结果对记忆指标和陆面水文过程作用的依赖性。与社区地球系统模型第2版（CESM2）大型集合（CESM2-LE）的比较表明，完全耦合模型低估了与CFSR强迫CLM5模拟相比的去相关时间尺度，并与GSWP3强迫CLM5模拟更为一致。作为次级自相关峰被识别的土壤湿度再出现现象在随机化强迫下消失，表明其依赖于气候变率而非仅依赖于陆面过程。重要意义陈述：土壤湿度记忆使陆地能够“记住”过去的湿润或干旱时期，影响未来的天气，特别是水资源可用性和干旱。在本研究中，我们利用气候模型调查了不同天气数据集如何影响土壤湿度记忆。一个数据集[气候预报系统再分析（CFSR）]比另一个数据集[全球土壤湿度项目第3阶段（GSWP3）]具有更持久的天气模式。我们发现，平均而言，使用CFSR时土壤湿度去相关时间尺度是两倍，特别是在热带和亚热带地区。我们还进行了一项测试，其中我们打乱天气模式以消除其持久性。结果，CFSR案例中去相关时间尺度显著降低（降低50%-70%），而GSWP3仅轻微降低（降低10%-20%）。这表明土壤湿度的长期记忆不仅取决于陆地，还取决于来自大气的耦合和持久性。我们还发现，当天气模式随机时，“土壤湿度再出现”这一过程——其中埋藏的湿度信号重新浮现——消失。我们的结果表明，改进的天气数据和反馈模型对于增强长期天气和干旱预报是必要的。
Keyword:
Atmosphere-land interaction
Climate variability
Hydrometeorology
Seasonal forecasting
Climate models
