全球土壤湿度-降水耦合的因果路径机制及其对气候模型的启示

《Nature Communications》：Causal pathways underlying global soil moisture–precipitation coupling

本研究针对全球土壤湿度-降水(SSM-P)耦合路径不清的科学难题，通过信息流技术分析卫星观测与再数据，揭示了全球约16%陆地区域存在显著局地SSM-P因果关系，识别出8个耦合热点区域，发现感热(SH)和蒸散发(ET)双路径的主导作用存在区域分异，并指出多数CMIP6模型难以准确模拟这种耦合关系，为改进气候模型提供了过程级评估依据。

　　

在全球气候变化背景下，陆地与大气之间的相互作用机制一直是气候研究的关键科学问题。土壤湿度作为陆地表面关键参数，通过复杂物理过程影响降水形成，这种土壤湿度-降水(SSM-P)耦合对极端天气事件预测具有重要意义。然而，由于耦合路径的复杂性和区域差异性，全球范围内SSM-P耦合的内在机制仍不明确，严重制约了水文气象预测能力的提升。

传统研究多基于相关性分析，难以区分真正的因果关系。近期因果分析技术的发展为解析这一复杂问题提供了新视角。本研究团队创新性地应用Liang-Kleeman信息流技术，结合多源卫星观测和再分析数据，首次系统揭示了全球尺度SSM-P耦合的因果路径格局。

研究发现全球仅有约16%的陆地区域存在显著的SSM→P因果关系，主要集中于8个热点区域：北印度(NI)、萨赫勒地区(SR)、热带非洲(TA)、北巴西(NB)、墨西哥太平洋沿岸(PCM)、青藏高原西部(WTP)、伊朗高原(IP)和非洲之角(GHA)。这些区域表现出强烈的局地土壤湿度对降水的影响，为理解陆气耦合提供了明确的地理靶区。

研究方法方面，团队采用多源数据融合与因果推断技术：基于神经网络算法的卫星土壤湿度观测(NNsm)和多源加权集合降水(MSWEP)数据，结合ERA5再分析资料，应用Liang-Kleeman信息流法定量解析变量间因果关系；通过物理过程分解，剖析蒸散发(ET)和感热(SH)介导的两条主要路径；利用CMIP6多模型对比评估气候模型表现；采用滞后分析和土壤厚度敏感性实验确定耦合时间尺度。

因果关系的空间格局

基于2003-2020年卫星观测和1979-2021年ERA5再分析数据，研究发现SSM→P因果效应呈现显著空间异质性。图1显示，仅有15.7%-15.8%的全球陆地区域存在显著因果关系，热点区域具有明显纬向分布特征，在10°N和0°-10°S附近出现峰值。这种分布模式在卫星和再分析数据中高度一致，证明了结果的稳健性。

SSM-P耦合的物理机制

研究深入剖析了SSM→ET→P和SSM→SH→P两条主要路径的贡献差异。图2显示，仅受SH路径影响的区域占全球陆地7.4%，仅受ET路径影响的占6.6%，双路径共同作用的占3.9%。不同热点区域的主导路径存在明显分异：NI区域以SH路径为主导，而GHA和TA区域则主要受ET路径控制，其余五个热点区域双路径共同作用。

路径差异与区域气候背景密切相关。大气水分通量辐合(MFC)和边界层高度(BLH)变率是关键调节因子。NI区域由于南亚季风带来丰富外部水汽，ET路径作用较弱；而BLH变率较高的区域，SH路径更为重要。这种机制分异为理解区域差异性提供了物理基础。

变率-因果联系

土壤湿度变率是影响耦合强度的关键因素。图3显示，SSM→P因果关系概率随土壤湿度变率增大而显著增加，在变率≥0.09 m³m^-3的区域，因果关系概率超过70%。SH相关过程对土壤湿度变率的敏感性显著高于ET相关过程，这种差异与外部水汽来源的调节作用有关。

对模型评估与发展的启示

CMIP6模型评估结果显示，多数模型难以准确再现观测到的SSM-P耦合格局。在16个模型中，仅AWI-ESM-1-1-LR等4个模型能够较好捕捉ERA5推导的变率-因果关系，被归类为"ERA5相似模型"。模型缺陷存在区域特异性：NI区域主要表现为SH→P因果关系不足，PCM区域多路径耦合减弱，SR区域ET→P和SH→P因果效应均不足。

研究进一步发现，能够合理再现变率-因果关系模型的模型在四个子过程的模拟中也表现更优，这为模型改进提供了具体方向。需要特别注意的是，所有模型在GHA区域均严重低估了SSM-P耦合，主要归因于ET→P因果关系的弱化。

本研究通过因果推断方法系统揭示了全球土壤湿度-降水耦合的空间格局、物理路径和作用机制，确立了土壤湿度变率在调节耦合强度中的关键地位。发现的八大致耦合热点区域为优先观测和模型改进提供了明确目标，而对CMIP6模型的过程级评估则指出了当前气候模型在陆气相互作用模拟中的具体不足。这些认识不仅深化了对陆气耦合机制的理解，更为改进气候模型参数化方案、提升水文气象预测能力提供了科学依据，对应对气候变化背景下极端天气事件增多具有重要意义。未来需要加强热点区域原位观测，改进遥感反演算法，并推动气候模型高频数据输出，以更准确评估和预测陆地-大气反馈过程。