中国大陆土壤水分记忆的特性及其影响因素

《Journal of Hydrology》：Characteristics and influencing factors of soil moisture memory across mainland China

土壤湿度记忆（SMM）研究基于中国 Mainland 2218个日尺度土壤湿度观测数据，构建指数干降模型有效捕捉土壤湿度动态特征，揭示SMM参数的空间异质性和土壤深度、质地及气象条件的控制作用，并评估主流土壤湿度产品的低估问题。

　　

徐红|贾少峰|朱文斌

中国科学院地理科学与自然资源研究所，水循环及相关陆地表面过程重点实验室，北京，中国

摘要

土壤水分记忆（SMM）被定义为“遗忘”扰动所需的时间，反映了陆地-大气耦合的强度，在理解水文和生态气象过程中起着关键作用。然而，基于实地观测的大规模SMM估计仍然很少，最近提出的SMM指标尚未通过广泛的地面测量进行全面评估。在这项研究中，收集了中国大陆2,218个可用的每日实地土壤水分观测数据。基于这些数据构建了一个指数衰减模型，用于模拟土壤水分的衰减过程，并估计了三个关键参数：衰减时间尺度（τ）、土壤水分的估计下限（θ^w）以及衰减事件的幅度（Δθ）。独立的特定地点萎蔫点观测数据用于评估模型性能，结果显示与拟合的θ^w值有很好的一致性（调整后的R2 = 0.58），表明该模型能够可靠地捕捉土壤水分状态的变化。然后，我们研究了SMM的空间特征，并探讨了土壤深度、质地和气候条件的影响。结果表明，所有拟合参数在中国大陆表现出明显的空间异质性，尤其是在中国南北部和沿海与内陆地区之间。随着土壤深度的增加，Δθ减小，θ^w增加，而τ则表现出非单调模式，先增加后减小。在控制因素中，θ^w主要受土壤质地（尤其是粘土含量）的影响，而τ对气象因素（特别是蒸散作用）更为敏感。此外，我们将基于实地观测得到的τ与多个卫星和再分析土壤水分产品得到的τ进行了比较。大多数产品系统性地低估了τ，并显示出空间上不一致的模式，反映了当前陆地表面模型在捕捉土壤干燥过程中的局限性。本研究首次基于大量实地土壤水分观测数据，对中国大陆的SMM进行了全面评估，揭示了其空间和深度依赖性特征以及关键控制因素。研究结果为理解SMM的机制提供了新的见解，并对改进干旱诊断和陆地-大气相互作用建模具有重要意义。

引言

陆地-大气相互作用已被广泛认为是影响许多极端事件（如干旱（Dirmeyer等人，2021年）、热浪（Libonati等人，2022年）和极端降水（Zhang等人，2021年）发生时间和严重程度的关键因素。在这些相互作用中，土壤水分起着关键作用，调节着陆地-大气界面的水和能量交换（Ni等人，2024年；Seneviratne等人，2006b年）。作为水循环的关键组成部分，土壤水分的变化不仅影响局部微气候，还对区域和全球气候系统产生广泛影响（Koukoula等人，2021年；Seneviratne等人，2013年）。因此，大量的研究工作致力于准确描述和分析土壤水分动态，以改进气候建模（Marshall等人，2021年），提高干旱预报能力（Bláhová等人，2024年），并支持生态系统评估（Dang等人，2022年）。

在这一背景下，土壤水分记忆（SMM），即土壤水分异常持续的时间，已成为推进我们对陆地表面过程及其气候反馈理解的关键焦点（McColl等人，2017a）。研究SMM可以提供关于土壤水分时间稳定性（Jacobs等人，2020年）、生态系统对水文气候波动的韧性（Corona等人，2022年）以及极端事件早期预警潜力（Esit等人，2021年）的重要见解。目前，SMM已通过各种指标进行概念化和量化（Ghannam等人，2016年；Orth和Seneviratne，2012年；Rahman等人，2015年；Seneviratne等人，2006a）。SMM的最初定义可以追溯到Koster和Suarez（2001年）的开创性贡献，他们将其定义为土壤柱“忘记”扰动所需的时间。这种扰动可能来自极端降水事件或异常干燥期。随后，更多学者从新的角度定义了SMM。例如，S?rensson和Berbery（2015）提出SMM是湿度异常保持可检测性并具有影响大气潜力的时间跨度。Ruscica等人（2014）假设土壤水分异常通过复杂的表面反馈机制影响大气状态，这些机制在日尺度到季节尺度范围内起作用。Song等人（2019）将SMM定义为可检测到的水分异常具有影响大气潜力的时间段。

基于这些概念化，SMM分析的现有框架是均匀土壤的一维土壤水分平衡方程（Delworth和Manabe，1988年）。主要方法依赖于土壤水分时间序列的自相关分析来估计SMM。具体来说，Delworth和Manabe（1988）使用一阶马尔可夫过程研究了海表面温度的白噪声（短期变化）和红噪声谱之间的相互关系，以及土壤水分异常的时间谱。红噪声过程的e-折叠自相关时间尺度被定义为SMM的有效时间尺度，并已广泛应用于月度模型输出（Dirmeyer等人，2016年；Katul等人，2007年；Orth和Seneviratne，2013年）。受初步研究的启发，还提出了其他基于自相关函数的记忆指标，如积分时间尺度（Ghannam等人，2016年）、固定时间滞后的自相关（Seneviratne等人，2006a）和土壤水分方差谱（Nakai等人，2014年）。然而，这些方法通常仅在月度或更长时间尺度上有效，在较短时间尺度上可靠性较低（Rahmati等人，2024年）。此外，基于自相关的测量技术忽略了土壤水分异常的符号，从而错过了有价值的信息（McColl等人，2017b）。

为了解决这些限制，McColl等人（2019）提出了两种不同的但非独立的SMM定义。第一种描述了在能量受限条件下的SMM（短期记忆），其中记忆时间尺度由未解决的过程（特别是排水）共同控制。第二种定义了在水限制条件下的SMM（长期记忆），其中蒸散作用是主要控制因素，恢复时间尺度可以直接从观测中推断出来。随后，这些定义使用SMAP数据在广泛的陆地和气候条件下进行了验证，发现短期和长期SMM在空间尺度上存在反相关。这表明，当独立考虑更详细的过程时，水文气象行为可能会有显著差异。He等人（2023）使用SMAP数据在更长的时间内验证了McColl等人（2019）提出的方法，得出结论认为陆地表面模型（LSMs）中使用的土壤参数在产生模型偏差方面起着关键作用。在识别SMM之后，许多研究探讨了SMM与土壤性质以及各种气象和生物物理变量之间的关系（Ghannam等人，2016年；Kim和Lakshmi，2019年）。然而，大多数研究集中在使用卫星观测或再分析数据集计算SMM上（Gao等人，2018年；Macleod等人，2016年）。由于空间分辨率的限制、土壤采样深度的变化（Owe和Van De Griend，1998年）以及全球土壤数据库中的固有不确定性（Dai等人，2019年），在比较卫星和再分析数据与基于站点的观测数据时不可避免会出现差异（McColl等人，2019年）。由于高昂的成本和后勤挑战，广泛的土壤水分实地数据集仍然很少。因此，很少有研究利用实地观测来量化干燥事件期间的SMM，并研究其依赖于土壤性质和相关因素的情况（Martínez-Fernández等人，2021年）。

本文的目标是：（1）评估使用指数模型描述土壤水分衰减过程并计算指数模型相关参数的方法的可靠性；（2）基于实地土壤水分观测，研究中国大陆SMM的空间特征、深度特征和相关影响因素；（3）评估当前主流土壤水分产品（ERA5、ERA5-Land、GLDAS、GLEAM、MERRA2、SMAP-L3、SMAP-L4）捕捉土壤水分衰减过程的能力。本文的结构如下：第2节描述了用于识别衰减和SMM估计的数据集和方法；第3节介绍了SMM的空间特征及其影响因素，并评估了主流土壤水分产品估计SMM的性能；第4节对结果进行了全面讨论；最后，第5节总结了主要结论。

研究区域

中国是一个幅员辽阔的国家，自然环境多样且复杂，地形多样，气候带也多种多样。中国面积约为960万平方公里，包括高耸的山脉、广阔的高原和广阔的平原。受大陆性和海洋性气候的影响，中国的热量和湿度在空间和时间上的分布非常不均匀，导致

地表土壤水分记忆的空间分布

由于已经计算了各站点的萎蔫点θw，并且拟合模型可以从实地观测中得出萎蔫点θ^w，因此首先评估了拟合模型的性能。随后，我们分析了拟合模型得出的地表土壤层各参数的空间分布。图2a显示了一个散点图，比较了计算得到的θw和拟合模型得到的θ^w。结果表明，指数模型取得了

局限性和不确定性分析

本研究主要关注使用实地土壤水分观测来识别干燥过程和模拟SMM，并分析参数的空间变异性及其影响因素。然而，数据获取的固有限制引入了结果的不确定性。首先，使用每日土壤水分数据使我们无法按照Chen和Yuan（2020年）建议的每小时分辨率进行质量控制程序

结论

SMM是一个有价值的指标，用于表征陆地-大气耦合强度，并能提供关于水文和气候反馈的关键见解。然而，由于在广阔区域内获取此类数据的难度，基于大量实地土壤水分观测的大规模SMM研究仍然有限。得益于中国最近在土壤水分监测方面的投资，本研究分析了中国大陆SMM的空间特征和影响因素

CRediT作者贡献声明

徐红：撰写——原始草稿、可视化、验证、方法论、数据管理、概念化。贾少峰：监督、项目管理、资金获取、数据管理。朱文斌：监督、方法论、调查、概念化。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

致谢

本研究得到了青海省科学技术厅（2024-SF-A6）、国家自然科学基金（32471972）和中国科学院青年创新促进会（2020056）的财政支持。我们非常感谢土壤水分数据集及相关辅助数据的开发人员以及地面观测数据的提供者。