《Land》：Scale- and Vegetation-Dependent Energy Flux Biases in CoLM2024 and ECLand: A PLUMBER2 Evaluation
编辑推荐：
地表能量平衡（surface energy balance, SEB）的模拟对于陆-气耦合和天气-气候预测至关重要，然而陆面模式在湍流和土壤热通量方面仍存在不确定性。研究人员利用来自涵盖11种土地覆盖类型的80个PLUMBER2通量塔的能量平衡校正观测数据，评
地表能量平衡（surface energy balance, SEB）的模拟对于陆-气耦合和天气-气候预测至关重要，然而陆面模式在湍流和土壤热通量方面仍存在不确定性。研究人员利用来自涵盖11种土地覆盖类型的80个PLUMBER2通量塔的能量平衡校正观测数据，评估了采用土地覆盖类型（Land Cover Type, LCT）与植物群落（Plant Community, PC）方案的CoLM2024和ECLand v1.0。观测与模拟数据在30分钟、日与月尺度上进行了分解。所有试验均能很好地再现净辐射，而森林和湿地的土壤热通量模拟较差，且白天振幅过大。ECLand凭借较小的系统误差取得了最佳的潜热通量性能。PC降低了非系统误差，但该优势被较大的生长季负偏差所抵消。感热通量性能因土地覆盖类别而异：PC在常绿针叶林和混交林中表现最佳，ECLand在阔叶林中表现更优且具有最低的非系统误差，尽管在所有时间尺度上其变率受到抑制。性能具有尺度依赖性：ECLand在30分钟尺度上受青睐，PC在日尺度森林感热相关性方面具有竞争力，而月尺度上未出现一致的排序。这些结果表明，复杂的冠层方案需要稳健的公式、改进的热储存和仔细的参数校准，才能将过程细节转化为更好的通量模拟。
**研究背景**
陆面模式（Land Surface Model, LSM）模拟土壤、植被与大气之间的能量、水分和动量交换，为数值天气预报（NWP）和地球系统模式（ESM）提供下边界强迫，并驱动水资源管理、农业干旱监测和生态系统监测等应用。地表能量平衡（SEB）的准确模拟是陆面模式评估的核心，但现有LSM在感热、潜热和土壤热通量模拟方面仍存在显著不确定性。误差来源既包括冠层辐射传输、冠层-大气湍流交换和土壤水热传输等物理过程的表征，也包括方程离散化、时间积分和迭代闭合等数值算法。植被冠层，尤其是森林，因高空气动力学粗糙度、低反照率和强烈蒸腾而加剧了模拟难度。
CoLM2024与ECLand代表了两种截然不同的设计理念：CoLM采用详细物理过程路径，最新版本引入了三维冠层模型和植物水力模型；ECLand则采用业务化路径，以简化冠层表征优先保证数值稳健性和计算效率。以往对CoLM的评估多为站点或区域尺度，而ECLand的评估多集中于耦合陆-气框架。目前尚缺乏在统一强迫和站点网络下、跨土地覆盖类型和时间尺度的系统对比研究，这正是本研究的动机所在。
**研究内容与意义**
研究人员基于PLUMBER2数据集的80个通量塔站点（覆盖11种土地覆盖类型和4个K?ppen–Geiger气候区），以能量平衡校正后的观测为基准，系统评估了CoLM2024的LCT和PC方案以及ECLand v1.0的SEB模拟性能。三个试验共享相同的强迫数据和尽可能匹配的静态输入。研究在30分钟、日与月尺度上评估模拟性能，结果发表于《Land》期刊。
**主要技术方法**
研究采用的关键技术方法包括：（1）站点样本来自PLUMBER2数据集，经Shi等质量控制后保留80个至少两年连续高质量通量记录的站点，涵盖11种IGBP土地覆盖类型；（2）能量平衡校正采用Bowen比闭合方法（f
EBC = (R
net ? H
G)/(H
L + H
S)）；（3）尺度分解将原始时间序列分解为月平均、日距平和残差三分量；（4）统计指标包括归一化偏差（Nbias）、相关系数（R）、均方根误差（RMSE，分解为系统RMSE
s和非系统RMSE
u）及一致性指数（IOA）。
**研究结果**
*3.1 整体性能与误差分解*
所有试验对净辐射（R
net）的模拟均表现优异（IOA > 0.95），误差以非系统成分为主；ECLand在常绿针叶林（ENF）和木本稀树草原（WSA）上R
net误差较大。潜热通量（H
L）方面，ECLand凭借较小的系统误差获得最优整体性能；PC较LCT降低了非系统误差，但被落叶阔叶林（DBF）等上的较大系统误差所抵消。感热通量（H
S）性能因土地覆盖而异：PC在ENF和混交林（MF）上表现最佳，ECLand在阔叶林上表现最佳且非系统误差最低，LCT总体精度较低。土壤热通量（H
G）是模拟最差的变量，在森林和湿地上IOA低于0.5，白天振幅过大。
*3.2 多时间尺度性能*
R
net在各尺度上相关系数介于0.95–1.0之间，CoLM2024较CoLM2014明显改进。PC在所有时间尺度上系统性低估H
L变率（归一化标准差0.5–1.0）；ECLand的H
S变率最小（0.3–0.9）。30分钟尺度上ECLand的H
L和H
S相关最高、误差最低；日尺度上PC在DBF、ENF和MF的H
S相关上占优；月尺度上排序混杂，无一致最优方案。
*3.3 昼夜与季节变化*
三个试验在密集森林上均低估白天R
net，ECLand在ENF上偏差最大（夏季正午均值约?80 W·m
?2）。LCT在森林和湿地上高估白天H
L并低估H
S，导致Bowen比（H
S/H
L）低估；PC和ECLand在DBF和EBF上改善了该偏差，但PC在森林上显著低估白天H
L。所有试验均大幅高估H
G振幅，表明土壤剖面白天过度蓄热和夜间过度放热。由于H
G是SEB余项（H
G = R
net ? H
L ? H
S），R
net、H
L和H
S的偏差直接传播至H
G；该偏差还可能与固定土壤热容量、粗分辨率土壤分层、忽略冠层和凋落物层热储存等因素有关。冷气候森林（ENF:D、DBF:D、MF:D）的季节误差最大。
**讨论与结论**
讨论指出，ECLand以简化冠层配合隐式耦合取得了优于或相当于复杂冠层方案（PC）的总体性能，而PC的冠层复杂度仅在H
L非系统误差和部分森林H
S上带来收益，表明物理完备性若无充分的参数校准并不能直接转化为更好的通量模拟。研究强调低RMSE并不保证变率模拟的真实性，单一指标或单一尺度的评估可能产生误导；静态输入数据来源（ERA5与Shi等数据集）和观测参考基准（能量平衡校正与否）均会显著影响系统误差和模型排序。未来需开展控制性数值试验以分离数值求解器与物理方案各自的贡献，并对中间变量（反照率、冠层温度、
