地表模型分辨率对使用Community Land Model 5版本（Biogeochemistry模块）进行的土壤水分和野火模拟的影响

《Journal of Hydrology》：Effects of land surface model resolution on soil moisture and wildfire simulations using Community Land Model version 5 – Biogeochemistry

土壤湿度与火灾模拟受 land surface 模型分辨率影响显著，CLM5-BGC 模拟表明有机质密度（OMD）空间分辨率调整导致高纬度地区表层土壤湿度变化，进而影响火灾面积。研究发现，OMD 分辨率细化使土壤湿度降低，并通过基质势方程影响总土壤水模拟精度。需重新审视分辨率转换对生态水文过程的潜在干扰。

　　随着传感器技术和数据分析方法的不断进步，地表模型在模拟地球表面过程及其在区域和全球尺度上的相互作用方面变得越来越精确，从而推动了更高质量的气候研究、水文分析和环境监测。尽管现在可以进行较高空间分辨率（例如1公里）的模拟，但只有少数研究探讨了空间分辨率对地表模型中土壤水分和火灾模拟的影响。本研究使用NCAR社区地表模型版本5（CLM 5）–生物地球化学（BGC）模块，在不同组合的地表和土壤输入参数分辨率（0.25°、0.5°、1°和2°）下模拟全球尺度的水和碳通量。研究结果表明，地表分辨率的变化会对表层土壤水分的模拟产生显著影响，特别是在东 Siberia 和北美地区。特别是，有机质密度的更高分辨率会导致土壤水分水平的降低，进而因表层土壤水分的变化而在高纬度地区增加燃烧面积，因为表层土壤水分是CLM5火灾模拟中的一个重要因素。因此，本研究强调了在切换模型分辨率时需要谨慎考虑可能的非预期后果，并建议重新审视与有机质密度相关的土壤基质势方程，以确保土壤总水量不会过于依赖模型的空间分辨率。

地表模型（LSMs）被开发用于捕捉陆地与大气之间的相互作用，这些相互作用通过水文、能量和碳循环在陆地生物圈中发生（Lawrence et al., 2019; Longo et al., 2019; Gehrke et al., 2021; Li et al., 2022a）。最初，LSMs相对简单，主要关注生物物理过程，但后来发展为整合多个模块，以模拟复杂的机制，如土壤水分动态（Clapp and Hornberger, 1978; Teuling, 2007; Koster et al., 2009; Farmani et al., 2025）、火灾模拟（Li et al., 2014; Yue et al., 2014; Li et al., 2017; Curasi et al., 2024）、地表异质性（Liu et al., 2017; Masolele et al., 2021; Li et al., 2022b）、作物灌溉（Lawston et al., 2017; Druel et al., 2022; Yang et al., 2025）以及土地利用变化（Deng et al., 2013; Arora et al., 2023）。如今，地球系统建模依赖于LSMs来描绘未来陆地生态系统变化的场景，这些信息可以用于支持政策制定和管理决策（Baker et al., 2022）。

LSMs被设计用于捕捉地表的各种特征，包括土地覆盖和土壤的异质性、地形属性以及植被组成，使用经验近似和卫星或地面数据（Lawrence et al., 2019; Xie et al., 2020）。计算能力的快速提升使得LSMs能够在更高的时空分辨率下运行，从而提高模型的准确性，并为地方土地利用政策提供精细尺度的信息（Wood et al., 2011; Baker et al., 2022）。例如，Vergopolan等人（2020）报告了一种结合超分辨率地表建模与土壤水分主动被动（SMAP）亮度温度的土壤水分估算框架，发现其超分辨率LSM提高了土壤水分的估算能力。高分辨率建模对于预测干旱和洪水在地方和区域尺度上的发生也至关重要（Wood et al., 2011）。

在高分辨率LSM模拟中，土壤质地（如沙和黏土的比例）以及土壤组成（如有机质密度[OMD]）是决定土壤水力性质（如土壤基质势、土壤热导率和土壤热容量）的关键因素。之前的研究已经评估了不同矿物土壤之间的水力性质差异（Clapp and Hornberger, 1978; Cosby et al., 1984; Vereecken et al., 1992; Vereecken, 1995），显示土壤水力导性受到多种因素的影响，包括颗粒大小和结构以及土壤水分含量。通常，沙质土壤表现出较高的水力导性，使得水能够迅速渗透；而黏土土壤由于颗粒非常细小，吸收水分较慢，但能更长时间保留水分，从而降低水力导性。此外，在相同的土壤水分含量下，黏土土壤通常表现出比沙质土壤更高的土壤吸力。

有机土壤的水力性质与矿物土壤存在显著差异。特别是，有机土壤的高孔隙率导致其水力导性较高，但吸力强度较弱（Lawrence and Slater, 2008）。这些性质常常被忽视，因为有机土壤仅占全球土壤的一小部分（1–5?%）（Magdoff and Van Es, 2000）。然而，在高纬度地区，有机土壤在模拟区域水文循环时变得尤为重要，因为寒冷的气候导致植被分解速率较低（Bokhorst et al., 2010）。Masi等人（2020）还报告了有机和矿物土壤共同存在时对区域水文的影响与仅矿物土壤存在时不同，这表明在模拟土壤水文时需要考虑有机土壤的特性，特别是在高纬度地区。作为证据，Reichle等人（2021）分析了SMAP数据，发现高有机质含量，如泥炭土壤，对土壤水分有显著影响。

大多数LSMs中都包含了矿物和有机土壤的水力性质。例如，Clapp和Hornberger（1978）引入了水分特征曲线的指数，以描述随着深度增加的土壤水分保持能力。此外，Cosby等人（1984）的方程考虑了矿物土壤的饱和水力导性如何依赖于其组成。基于Letts等人（2000）报告的泥炭地土壤的饱和水力导性和孔隙率，随后开发了水力导性和基质势的方程，以整合矿物和有机土壤，并将其纳入CLM3模型（Lawrence and Slater, 2008）。Bechtold等人（2019）还开发了一个专门用于泥炭地的流域地表模型，这些地区以高有机土壤含量为特征。他们基于高纬度地区地下水位深度和蒸散发（ET）的数据评估了模拟结果，表明泥炭地模型在捕捉水文变量方面比常规模型表现更好。

大多数土壤水力参数对矿物和有机土壤组成的变异性表现出非线性响应，这导致在使用不同分辨率进行模拟时，模型网格内的结果会有所不同。例如，在哥伦比亚和阿肯色–红河流域使用变量入渗能力（VIC）模型，Haddeland等人（2002）发现，在2°分辨率下，总径流量比在0.125°分辨率下低4%，因为降水属性根据海拔进行了重新参数化。Liang等人（2004）也表明，在三层VIC模型中，精细分辨率校准的模型参数与粗分辨率校准的模型参数存在显著差异。尽管这些研究已经表明土壤水力参数的空间分布会影响土壤水分，但空间分辨率对土壤组成及其引发的生态水文过程的影响尚未确定。

LSMs中土壤输入参数的聚合长期以来被视为一个严重问题，尤其是由于输入参数与模型衍生参数或输出之间的非线性关系。Heuvelink和Pebesma（1999）表明，在非线性系统中，聚合输入参数后再运行模型可能会产生与模拟后聚合输出显著不同的结果。Vereecken等人（2010）也报告称，在粗分辨率下有效水力参数的推导受到子网格异质性和边界条件的显著影响。因此，有必要仔细考虑土壤输入参数的聚合问题，因为它可能显著影响LSM模拟的结果。

为填补这一空白，本研究旨在利用CLM5–BGC模型，展示地表分辨率对模拟的生态水文过程的影响。特别地，我们关注如何通过使用不同分辨率的土壤质地和土壤组成数据来影响水文变量如土壤水分。为此，我们进行了系列全球模拟，使用不同的空间和土壤数据分辨率。我们还研究了模拟的燃烧面积和碳通量的变化，因为CLM5–BGC中的火灾模拟受到土壤水分可用性的影响。此外，通过使用假设的OMD分布进行单点模拟，我们澄清了OMD与土壤水文之间的关系。