多变量时间序列一致性在气候影响建模中微气象强迫数据的作用

《Agricultural and Forest Meteorology》：The role of multivariate time-series consistency in micrometeorological forcing data for climate impact modelling

　　

可靠的微气象强迫数据对于基于过程的气候影响模型至关重要。诸如ICOS和FLUXNET等开源通量塔产品为生态系统研究提供了极具价值的标准化数据集，但其持续的再处理、版本更新以及多步插补可能会引入从建模角度很少被量化的强迫数据敏感性。在本研究中，研究人员在德国Tharandt的云杉生态系统监测站DE-Tha应用了基于物理机制的一维土壤-植物-大气模型BROOK90的次日尺度版本，以评估数据集版本迭代、短期强迫数据不连续性以及不同的插补策略如何影响模拟的水分和能量通量。连续的数据集版本导致了气温、太阳辐射、降水、风速和饱和水汽压差（VPD）历史时间序列的显著版本依赖性差异，从而改变了模拟的能量通量和蒸发成分的分配。与传感器数据缺失以及实测值、MDS插补值和再分析插补值之间转换相关的短期不连续性，传播到了物理上不合理的通量成分中，包括特定时期内的负拦截蒸发和土壤蒸发以及蒸腾作用的减少。受控的强迫数据替换实验表明，模型不确定性随着替换数据序列的比例和持续时间的增加而增加。潜热通量（LE）对ERA数据替换的敏感性相对较低，而显热通量（H）则表现出显著且系统性的低估。多变量强迫数据替换放大了这些效应，并且潜热通量的分配揭示了对拦截蒸发和土壤蒸发的一致性高估，以及伴随对蒸腾作用的低估。尽管BROOK90在数值上保持稳定，但强迫数据的不一致性影响了蒸散发过程的模拟表征。这些发现强调了明确追踪数据集版本、对插补强迫时期进行诊断检查以及持续开发用户指导以实现可重复且物理上可解释的影响建模的价值。

可靠的微气象强迫数据是评估气候变化对陆地生态系统影响的基础，基于过程的气候影响建模严重依赖于这些数据的连续性和准确性。诸如ICOS和FLUXNET等观测网络提供了标准化的高质量通量塔数据，但由于新数据的加入，这些数据集会进行定期的再处理和版本更新，这可能修改已发布的历史数据。此外，为了保持时间序列的连续性，缺失数据通常首先使用边际分布采样（MDS）方法进行插补，当MDS无法提供可靠估计时，则使用 ERA-Interim 或 ERA5 等粗分辨率再分析数据进行降尺度替换。这种多步处理程序可能引入数据敏感性，影响模型开发、校准和基准测试的可重复性。目前，从建模角度量化这种强迫数据不确定性及其对物理过程模拟影响的研究较为缺乏。为探究数据集版本迭代和插补策略如何影响基于过程的能量和水分通量模拟，研究人员开展了此项研究，得出了强迫数据不一致性会显著改变模拟通量及其分配的结论，并强调了诊断检查的重要性。该论文发表在《Agricultural and Forest Meteorology》上，为数据用户和标准化社区数据产品的持续开发提供了模型导向的诊断支持。

在关键技术方法方面，研究人员选择了德国拥有长期观测记录的ICOS生态系统站点DE-Tha作为研究区域。研究使用了基于物理机制的一维土壤-植物-大气模型BROOK90的次日尺度版本，该模型采用增强型 Shuttleworth-Wallace 方法计算蒸散发，能够在此高频尺度上闭合水量和能量平衡。为了评估插补数据的潜在影响，研究人员以2024年无缺失的站点级观测数据为基准，使用 ERA 再分析数据设计了受控替换实验。这些实验包括单变量随机替换、连续数据块替换以及多变量同时替换，并设置了不同的替换比例（1%至50%）和替换时间块长度（30分钟至30个月），所有实验均通过多次运行集合以量化随机不确定性和系统性偏差。

在研究结果部分，首先关于“模型对数据集版本迭代的敏感性”，通过对比不同版本的强迫数据驱动模型发现，数据集的版本更新导致了气温、太阳辐射等历史气象数据的显著差异，这些差异进而改变了模拟的潜热和显热通量，特别是对拦截损失的高估。这表明在利用标准化产品进行模型校准或基准测试时，明确追踪数据集版本至关重要。其次对于“单变量强迫数据替换的效应”，通过 R 替换实验发现，模型输出的不确定性随着缺失数据的比例和连续时间块长度的增加而增加。降水和太阳辐射的替换分别对潜热和显热通量的不确定性影响最大，而风速的影响最小。此外，替换 ERA 数据带来了系统性的季节偏差，如气温和 VPD 的替换导致潜热高估和显热低估，且这种偏差在冷季更为明显。在“多变量强迫数据替换的影响”研究中，结果表明多变量同时替换比单变量替换产生了更大的集合离散度和更强的系统性偏移。当50%的数据被替换时，潜热被系统性高估，而显热被大幅低估。潜热通量的组分分解揭示了一个一致的模式：蒸腾作用被低估，而拦截蒸发和土壤蒸发被大幅高估。这主要是由于 ERA 数据相对平滑，无法捕捉原位观测的高频变异性和极端事件，从而 disproportionately 影响了对短时间梯度依赖较强的蒸发过程。关于“强迫扰动下的数值稳定性”，通过近28,000次不同设置的模拟发现，尽管模型在此类人工替换实验中保持了数值稳定性，但实际产品中由于测量值、MDS插补值和 ERA 值之间可能出现的短暂转换混合，存在导致模型不稳定的风险。最后在“强迫不连续性的过程级效应”方面，研究人员通过分析2022年11月的具体案例发现，插补数据中的气温和 VPD 的短期不连续性（如异常跳变）会传播到模型中，导致物理上不合理的通量成分，如不切实际的负拦截值（被解释为叶片上的冰雪凝结）以及异常的土壤凝结蒸发，这反映了强迫不连续性对过程表征造成的系统性扭曲。

在讨论部分，研究人员总结了研究的实际应用意义。指出 ERA 数据插补在保证数据完整性的同时，应被视为一种低置信度的强迫数据类别，不能等同于直接观测。建议建模人员在使用次日尺度通量塔产品时，必须进行诊断性筛查、敏感性测试和不确定性处理，明确追踪数据版本。对于数据产品的开发者，研究建议引入更自动化的诊断程序来检测插补后的短期不连续性。研究最后翻译了结论部分：本研究考察了标准化通量塔产品中的数据集版本迭代和插补微气象强迫如何影响基于过程的水分和能量通量模拟。站点数据分析表明，归档更新导致了历史气象强迫序列的版本依赖性差异，这些变化传播到模拟的水分平衡成分中，改变了潜热和显热通量估计以及蒸发分配。受控替换实验表明，降水和太阳辐射分别对潜热和显热通量产生了最大的不确定性，多变量替换产生了比单变量方法更强的系统性偏移和更大的集合离散度。尽管模型在数值上保持稳定，但选择的强迫数据不连续性传播到了物理上不太合理的模拟通量成分中。这表明次日尺度基于过程的建模不仅对插补数据的数量敏感，而且对插补时期的安排和数据源之间的转换敏感。未来的工作应扩展到更广泛的多站点分析，并评估有针对性的处理选项（如优化的 MDS 驱动数据和冗余的站点级测量数据）是否能进一步改善插补微气象强迫数据的物理连续性。