解析CLM5模型预测中的不确定性来源：欧洲观测点的水、能量和碳通量

《Journal of Geophysical Research: Biogeosciences》：Disentangling Sources of Uncertainty in CLM5 Model Predictions: Water, Energy, and Carbon Fluxes at European Observation Sites

　　

陆地表面模型（Land Surface Models, LSMs）如群落陆面模型第5版（Community Land Model version 5, CLM5）是气候-碳评估的核心工具，但与站点级观测相比存在持续偏差。目前仍不清楚模型-数据不匹配在多大程度上源于气象强迫、土壤属性或植被性状的不确定性，以及在多大程度上反映结构缺陷。研究人员利用128成员CLM5集合在14个欧洲涡度相关站点评估了表层和根区土壤水分（SM, SMr）、蒸散发（ET）、感热通量（H）、净生态系统交换（NEE）和总初级生产力（GPP），其中（a）大气输入、（b）土壤参数和（c）植被参数均被扰动。土壤参数主导SM/SMr的集合离散度，而植被参数主导ET、H、NEE和GPP的离散度。尽管如此，仍存在较大的平均偏差（SM为0.18 cm³ cm^?3，ET为?0.22 mm d^?1，H为?19.7 W m^?2，GPP为?1.83 gC m^?2 d^?1，NEE为1.16 gC m^?2 d^?1），且99%集合包络未能覆盖许多观测值。覆盖率（Coverage Percentage, CP；观测值落在99%集合包络内的比例）为：SM 74.3%，SMr 74.6%，ET 68.8%，H 47.7%，NEE 65.1%，GPP 70.1%。一个伴随实验CLM5-SP（卫星物候，Satellite Phenology）使用了ICOS叶面积指数（Leaf Area Index, LAI）作为指定输入，证实CLM5-BGC（生物地球化学，Biogeochemistry）中的预测性LAI误差是SM/SMr和GPP覆盖率不足的主要结构驱动因素，而BGC的碳-氮耦合能更好地捕获ET和H的变率。CP诊断区分了不同变量和植物功能类型中的参数性误差与结构性误差区域。

论文解读：CLM5模型在欧洲观测站水、能量与碳通量预测中的不确定性来源解析

**一、研究背景与意义**

陆地表面模型（Land Surface Models, LSMs）是模拟陆地与大气之间能量、水和碳交换的关键工具，其中群落陆面模型第5版（Community Land Model version 5, CLM5）被广泛用于气候-碳评估。然而，CLM5在站点尺度上相对观测数据存在系统性偏差，如对蒸散发（ET）和总初级生产力（GPP）的低估。这些偏差的来源尚不明确：是气象强迫、土壤性质或植被性状的参数不确定性，还是模型本身的结构缺陷？以往研究多聚焦单一不确定性来源，难以解释参数与结构误差的交互作用。为此，研究人员设计了一套128成员集合实验，在14个欧洲涡度相关站点系统扰动大气输入、土壤参数和植被参数，以量化各不确定性来源对模型输出的贡献，并提出覆盖率（Coverage Percentage, CP）作为诊断指标，用于区分参数性误差与结构性误差。该研究发表于《Journal of Geophysical Research: Biogeosciences》，为陆面模型改进提供了针对变量和植物功能类型（PFT）的优先级依据。

**二、研究方法与关键技术**

研究基于CLM5-BGC（生物地球化学）模式，在14个欧洲站点（分属ICOS、FLUXNET、eLTER、TERENO、COSMOS-Europe等网络）开展四种扰动实验：单独扰动大气强迫、土壤参数、植被参数，以及三者联合扰动。每个实验128个成员，共产生7168次运行。大气强迫扰动采用对数正态或正态分布并考虑变量间交叉相关；土壤参数扰动涵盖土壤质地及Clapp-Hornberger/Cosby水力参数，采用两步法传播纹理不确定性；植被参数从CLM5-PPE中选取26个敏感参数，用拉丁超立方抽样生成成员。统计评价采用CP、平均偏差误差（MBE）、均方根误差（RMSE）、无偏RMSE、标准差以及离散-技巧比（SS）。此外，通过CLM5-SP（卫星物候）伴随实验，直接指定ICOS观测的叶面积指数（LAI），隔离预测性LAI误差的影响。

**三、主要研究结果**

**3.1 初始土壤碳与植被状态**

经旋转平衡的土壤有机碳（SOC）在四个有清查数据的站点量级合理，但存在偏差（如FI-Hyy高估79%）。默认参数化的LAI在几乎所有常绿针叶林站点被高估（如FI-Hyy +3.04 m² m^?2），在落叶阔叶林站点被低估（如DE-Hai ?1.58 m² m^?2），这促使开展CLM5-SP诊断实验。

**3.2 土壤含水量**

联合扰动下，表层土壤水分（SM）和根区土壤水分（SMr）整体被高估，平均MBE分别为0.18和0.12 cm³ cm^?3。砂质站点（如CZ-BK1、NL-Loo）偏差最大。土壤参数扰动主导SM/SMr集合离散度，平均贡献约74%的CP。部分站点CP接近100%，但SS>1表明集合离散度可能过大。

**3.3 蒸散发**

CLM5在多数站点低估ET，平均MBE为?0.22 mm d^?1。植被参数是ET变异的主要驱动，生长季平均贡献74.8%的CP。高CP出现在FI-Sod（98.4%）、BE-Bra（90.4%）等站点，而IT-Lav等低估明显。

**3.4 感热通量**

感热通量（H）在所有站点被系统性低估，平均MBE为?19.69 W m^?2。CP在寒带针叶林站点很低（如FI-Sod 16.7%），与积雪期能量分配误差有关。植被参数仍是主导不确定性来源，但生长季平均CP仅59.7%，表明存在结构缺陷。

**3.5 净生态系统交换**

NEE平均MBE为1.16 gC m^?2 d^?1，表现为碳吸收低估。高CP出现在FI-Hyy（99.1%）和SE-Svb（100%），但在复杂地形站点（IT-Lav 0%、CZ-BK1 25.5%）极低，与冠层-地形解耦有关。

**3.6 总初级生产力**

GPP平均MBE为?1.83 gC m^?2 d^?1，多数站点低估，如CZ-BK1负偏差达?3.69 gC m^?2 d^?1。植被参数主导GPP不确定性。高CP站点包括FR-Pue（100%）、FI-Hyy（93.6%）等，而DE-Obe（31.1%）和DE-HoH（29.2%）表现差。

**3.7 季节性来源评估**

土壤参数扰动对SM/SMr方差贡献在夏秋季最大；植被参数对ET、NEE、GPP的方差贡献在夏季生理活动高峰期最大；H的方差同时受植被参数和大气强迫影响。

**3.8 CLM5-BGC与CLM5-SP对比：指定LAI的影响**

指定ICOS LAI后，SM平均CP从74.4%升至87.0%，SMr从67.8%升至97.6%，GPP从73.0%升至82.5%；但ET CP从69.1%降至61.8%，H CP从48.4%降至40.9%。这表明预测性LAI误差是SM/SMr和GPP偏差的主要结构驱动因素，而ET/H误差源于其他结构限制（如气孔导度、冻土和雪过程）。

**四、讨论与结论**

讨论部分指出：在细质地土壤站点（如IT-Lav、FR-Pue、DE-Hai），SM/SMr不确定性主要属于参数域，优化土壤水力参数即可有效减小偏差；而在粗砂质站点（如CZ-BK1、NL-Loo），CP<50%表明需要改进土壤结构和水力模型（如采用Mualem-van Genuchten方案）。H在寒带针叶林的低CP与积雪期能量分配、地表反照率等结构误差相关。NEE和GPP同时受结构和参数不确定性影响，部分NEE偏差来自碳库旋转平衡假设（稳态）与欧洲森林实际碳汇不符。CLM5-SP实验证明，仅约束LAI不能解决所有问题，但可显著改善土壤水分和GPP；对于ET和H，保留碳-氮耦合的动态植被反馈更为重要。

研究结论：本文通过CP和SS诊断系统区分了14个欧洲站点六个生态变量的参数性误差与结构性误差。土壤参数主导SM/SMr离散度，植被参数主导ET、H、NEE、GPP生长季变异；寒带针叶林和粗砂质站点显示结构局限。指定ICOS LAI显著提升SM、SMr和GPP的覆盖率，但降低ET和H覆盖率，表明需在全碳-氮循环中同化观测LAI，同时针对性改进砂质土壤水动力学以及非LAI控制的湍流过程（冷季和气孔）。总体上，CP/SS框架为识别“何处需要参数优化，何处需要过程重构”提供了可迁移的诊断工具。