气象与水文不确定性共同塑造美国东部未来土壤湿度变化格局

这篇研究通过构建可微分编程框架下的简化水文模型pyWBM，系统评估了气象强迫（ESM）与水文参数不确定性对美国东部土壤湿度（SMAP/NLDAS-2）长期预测的影响。研究创新性地结合52组参数校准方案与45个地球系统模型（CMIP6）投影，生成2340成员集合模拟，揭示干旱极端事件频率和强度增加的趋势，并通过Delta敏感性分析量化不同不确定性源的贡献度，为农业风险管理提供多维度决策依据。

　　

气象与水文不确定性如何塑造土壤湿度未来

摘要

研究通过开发新型可微分水文模型pyWBM，首次系统量化了气象强迫与水文参数不确定性对美国东部土壤湿度长期预测的联合影响。模型采用JAX框架实现自动微分与即时编译，显著提升计算效率，支持大规模参数校准与集合模拟。

引言

土壤湿度作为陆气交互关键变量，直接影响农业生产力与洪旱灾害风险。现有陆地表面模型（LSM）存在参数化与结构不确定性，而气象强迫差异进一步加剧预测分歧。本研究聚焦美国东部玉米带，旨在揭示多源不确定性对土壤湿度长期趋势与极端事件的差异化影响。

材料与方法

模型构建：

pyWBM作为简化水桶模型，包含17个关键参数（如有效持水量_θa、萎蔫点_θw），通过土壤质地与土地利用类型建立空间变异函数。模型采用Hamon法计算潜在蒸散发（PET），并通过作物系数修正生长季水分需求。

数据校准：

创新性地采用四类校准目标：SMAP L4卫星同化产品与NLDAS-2中VIC/Noah/Mosaic模型输出，结合13种损失函数（如KGE、ubRMSE）生成52组参数集合。校准期（2016-2022）结果显示，模型在0.04 m³/m³ RMSE内复现观测数据，空间覆盖率达60%。

不确定性量化：

将参数集合与LOCA2降尺度的45个CMIP6投影（SSP2-4.5/SSP3-7.0）耦合，构建2340成员模拟体系。采用Delta矩无关敏感性分析法，解析排放情景、ESM选择、年际变率及水文参数等源的相对贡献。

关键发现

1. 1.

   长期趋势：

   51%成员显示年平均土壤湿度显著下降（p<0.05），干旱极端强度增加成员占比达75%，而湿润极端变化存在更大分歧。空间上，大平原地区干旱频率增幅显著，东北部则呈现强烈干旱强度趋势。

2. 2.

   敏感性格局：

   • 平均湿度：ESM不确定性主导（敏感指数0.4-0.6）

   • 干旱强度：水文参数贡献超50%（尤其校准产品选择）

   • 湿润频率：气象强迫占比60%以上

   值得注意的是，土壤砂质含量高的区域（如得克萨斯西部），萎蔫点参数对干旱预测敏感性尤为突出。

讨论与展望

研究揭示了简化模型在不确定性传播分析中的独特价值——pyWBM的15分钟/10万网格点计算效率支持大规模情景探索。但需注意，当前参数化方案可能低估真实土壤异质性，未来可融合机器学习提升极端事件捕捉能力。对于农业应用，建议同时考虑干旱强度（水文敏感）与频率（气象敏感）的差异化不确定性特征。

该成果为多部门气候风险评估提供新范式，强调在粮食安全、生态系统服务等应用中，需协同考虑气象-水文-社会经济的级联不确定性。模型代码与模拟数据集已公开，支持后续影响链研究。