大量研究表明，土壤湿度对天气、气候的异常变化有重要影响。土壤湿度可以通过影响土壤热容量、地表反照率、蒸发等改变地表热通量和动量交换，从而影响温度和降水等要素的分布^[1]。土壤偏湿地区，蒸发量明显增加，温度明显下降；反过来，土壤偏干地区，蒸发变少，温度上升^[2]。土壤湿度对降水的影响则较为复杂，既有局地的影响又有非局地的影响^[3]，如Zuo等^[4]发现中国长江到北方区域的土壤湿度通过影响夏季风进而影响中国的降水分布。

近年来，短期气候预测得到了长足发展^[5-6], 两周到月、季节尺度的气候预测问题也越来越受到人们关注。世界气象组织下属的世界气候研究计划(WCRP)和世界观测系统研究与可预报性研究计划(WWRP/THORPEX)联合发起了一项重要的国际计划——次季节至季节预测(S2S)计划，目的是提高各国数值预报模式对次季节尺度(15~60 d)的预报技巧，以实现天气预报和短期气候预测之间的无缝隙衔接。次季节至季节尺度预测是连接天气预报和气候预测之间的桥梁，对于指导农业生产和防灾减灾工作具有重要意义^[7]。

S2S的可预报性来源很多，包括大气遥相关、季节内振荡、表层海温的次季节变率等^[8-9]。除了大气和海洋因子之外，陆面过程中的土壤湿度对于次季节尺度的预测也有潜在影响。

大量研究表明，土壤湿度初值状态对温度和降水预报有影响。Materia等^[10]发现合适的土壤湿度初始化对CMCC模式的温度预报技巧有提升作用，但如果直接使用与模式不匹配的土壤湿度再分析资料进行初始化则会导致预报技巧的下降。土壤湿度这种能对较长时间尺度预报产生影响的能力被称之为土壤湿度的记忆性，Liu等^[11]研究表明，中国东部中纬度地区春季土壤湿度的记忆时间可达2.4个月，与之类似的其他一些研究结果^[12]也证明土壤湿度的记忆性能够达到数周甚至两个月以上。

目前大多数研究探讨了土壤湿度对气候异常变化和气候预测的影响，但对土壤湿度本身的可预报性的研究工作开展很少。本文将利用国家气候中心的BCC_CSM模式，重点研究土壤湿度初值对土壤湿度可预报性的影响。

自2005年起，国家气候中心相继研制出耦合了大气、陆面、海洋、海冰分量的多个版本的气候系统模式，包括BCC_CSM1.0，BCC_CSM1.1和BCC_CSM1.1(m)等。本文试验采用BCC_CSM2_MR, 该版本采用的大气分量模式为BCC_AGCM2.2^[13]，水平分辨率为T106(全球110 km)，垂直分为46层；陆面分量为BCC_AVIM2.1，水平分辨率为T106，垂直方向共10层，深度为0.007~2.864 m；海洋分量模式为MOM_L40，采用三极网格，水平分辨率为0.333°~1°，垂直方向分为40层；海冰分量模式采用美国流体力学实验室海冰模拟器(SIS)。BCC气候系统模式对于全球气候平均态、季节变化^[14]、年代际变化^[15]、热带季节内振荡^[16]等都具有合理的模拟能力。基于BCC_CSM1.1(m)开发的国家气候中心第2代季节气候预测模式系统目前已经实现了业务化运行^[17-19]，其对温度和降水有一定预报技巧，且能够合理地刻画出ENSO^[20]、季风、MJO^[21]等多种尺度气候变率特征，总体预报能力相对于第1代系统有明显提高。

基于BCC_CSM模式分别开展3组试验：

① 观测强迫(OF)试验：由于目前缺少与BCC_CSM模式相匹配的再分析资料，为了产生海-陆-气-冰多圈层耦合的各分量协调的模式初始值，本研究将使用部分观测或再分析资料对模式进行如下初始化。模式从1994年1月1日积分到2013年12月31日，利用NCEP再分析资料每日4次的大气温度、风场、地面气压场等对大气分量模式模拟的温度、风场等进行张弛逼近，利用国家气候中心全球海洋同化分析资料(BCC-GODAS)^[22]和NOAA最优插值海表温度资料(OISST)对海洋分量的多层次温度进行逼近，并使用NCEP再分析资料的地表气象要素和国家气候中心降水融合产品强迫陆面分量模式，得到1994—2013年逐日各个分量的初始状态场，作为模式预测试验的初始条件。

鉴于目前陆面观测资料较少，而已有的陆面再分析资料质量又依赖于所使用的模式性能，受模式本身误差的影响较大，因此，本文将使用OF试验输出的陆面分析场作为检验模式回报结果的观测替代资料。目前类似研究^[23]也是利用大气再分析资料和降水观测资料强迫陆面模式得到相对可靠的陆面分析资料。

② 观测初值回报(OH)试验：使用观测强迫试验得到的初值场，开展了1994—2013年每年5月1日起报的历史回报试验，每次试验积分4个月，包含4个滞后集合预报成员。该组试验的土壤湿度初值取自观测强迫试验，因此，包含了真实大气和降水强迫下的土壤多尺度变率信息。

③ 气候态初值回报(CH)试验：试验设置与观测初值回报试验类似，但将试验中的中国东部地区(18°~45°N，105°~124°E)的土壤湿度初值都替换为对应的观测初值回报试验中的土壤湿度多年平均气候值。气候态初值回报试验中1994—2013年每年5月1日在该区域的土壤湿度初值均使用了相同的信息，与OH试验的差异可以在一定时间尺度上归结为该区域土壤湿度初值的影响。

本文还使用两组资料评估模式结果，包括：①国家气象信息中心(NMIC)提供的2008—2013年逐日的陆面土壤湿度再分析资料。该资料包含5个层次：0~5 cm，0~10 cm，10~40 cm，40~100 cm和100~200 cm，范围是0°~65°N，60°~160°E，间隔为0.0625°。该资料来自于中国气象局陆面数据同化系统(CLDAS-V2.0)，具体信息见文献[24]。②1994—2013年全国2420个站逐时降水观测资料。

OF试验中BCC_CSM模式在大气再分析资料、降水等资料的驱动下得到了1组1994—2013年逐日的土壤湿度资料，在将这组资料代替观测资料评估模式预测结果前，需要检验其可用性。

图 1给出了OF试验中的2008—2013年5—6月平均的表层土壤湿度模拟结果和同期NMIC所提供的土壤湿度再分析资料的气候平均态空间分布。由图 1可知，两组资料均显示出了中国北方地区土壤湿度偏干、东北和东南地区土壤湿度偏湿的分布特点。相比于再分析资料结果，模式土壤湿度在华北地区略偏低，在东北地区明显偏高，后者可能与模式土壤湿度增加考虑了土壤含冰量贡献有关。另外，模式所模拟的东南地区土壤湿度高值中心相比于再分析资料略偏北2°左右。总体看，OF试验得到的土壤湿度和再分析资料土壤湿度均刻画出中国东部区域土壤湿度从西北向东南方向递增的梯度分布特征，同时反映出了长江中下游和东北北部的土壤湿度大值区，这与其他再分析资料和观测资料反映的特征基本一致^[25]。

图1

图1 2008—2013年5—6月平均表层土壤湿度分布(a)OF试验，(b)NMIC再分析资料 Fig.1 Distributions of mean soil moisture at ground surface averaged from May to Jun in 2008-2013 (a)OF experiment, (b)NMIC reanalysis data

图 2给出了OF试验所模拟的2008—2013年5—6月表层土壤湿度和同期NMIC土壤湿度的方差分布，模式结果的方差为0.002~0.0035 m⁶·m^-6，略高于再分析资料的方差；与土壤湿度平均态的分布特征类似，模式模拟的东北地区的土壤湿度方差相比于再分析资料结果明显偏大。但无论是OF试验还是再分析资料均刻画出了中国东部中纬度地区的土壤湿度变率大值区，这与孙丞虎等^[26]的研究结论一致。上述结果表明：OF试验中模式在NCEP大气再分析资料和降水融合资料强迫下运行得到的土壤湿度模拟结果总体上能够反映出观测土壤湿度的空间分布特征。

图2

图2 2008—2013年5—6月平均表层土壤湿度年际变化方差分布(a)OF试验，(b)NMIC再分析资料 Fig.2 Standard deviations of soil moisture at ground surface averaged from May to Jun in 2008-2013 (a)OF experiment, (b)NMIC reanalysis data

图 3给出了OF试验所模拟的2008—2013年5—6月逐日土壤湿度和同期NMIC再分析资料的相关系数。在表层(0.007 m), 中国东部大部分地区BCC_CSM模式所模拟的土壤湿度与再分析资料的相关系数在0.6以上，在南方地区和东北部分地区相关系数甚至超过0.8，内蒙古地区相关系数则较低；随着深度增加，模式在大气强迫下所模拟的土壤湿度与再分析资料之间的相关系数有所降低，但中部和南部地区二者的相关系数仍然维持在0.4以上，内蒙古和东北地区则出现了弱的负相关。土壤湿度资料间的相关系数会随深度的增加而降低，这一现象也存在于其他一些再分析资料对比中^[27]。虽然两组资料土壤湿度间的相关系数在一些地区存在低值，但总体而言，两者时间变率有较好的一致性。

图3

图3 OF试验所模拟的2008—2013年5—6月逐日不同深度的土壤湿度与同期NMIC再分析资料相关分布 Fig.3 Correlations of daily soil moisture between OF experiment and NMIC reanalysis data from May to Jun in 2008-2013

上述分析表明，OF试验得到的土壤湿度模拟结果与观测特征比较吻合，可以使用该结果作为替代观测资料评估模式预测结果。

通过比较OH和CH两组回报试验的回报结果以及将它们与OF试验所产生的土壤湿度观测替代资料进行对比分析，可以探讨土壤湿度的可预报性以及土壤湿度初值条件对模式的影响。图 4给出了OH试验和CH试验前4候(5月1—20日)表层土壤湿度回报结果与OF试验观测替代数据在1994—2013年20年的相关系数(相关系数绝对值为0.45则达到0.05显著性水平)。由图 4可以看到，第1候，在中国东部地区OH试验的土壤湿度与观测资料存在显著正相关，绝大部分地区两者相关系数超过0.6；第2~第3候，华北地区、西北地区和长江中游地区相关系数开始降低，但其余地区仍然较显著；第4候，中国绝大部分地区两者之间的相关已不显著，在北方甚至出现了大面积的负相关。表明在中国东部地区土壤湿度的可用预报技巧约为3候。

图4

图4 OH试验所预报的1994—2013年每年5月1日起前4候0.007 m土壤湿度与观测替代资料相关分布(r0.05=0.45)以及与CH试验的差值 Fig.4 Correlations of soil moisture at 0.007 m between predictions by OH experiment and proxy data for first 4 pentads in May during 1994-2013 and their differences with CH experiment

通过OH试验、CH试验结果与观测替代资料的相关系数的差值空间分布图可以清楚地看到，第1候，OH试验的相关系数明显高于CH试验，二者在东部地区差值超过0.2，在长江以南和华北地区最大可达0.4以上；第2~第3候，两组试验相关系数差值低于0.1；第4候，除长江以南地区外，其余地区OH试验模拟结果的相关系数均低于CH试验结果。即模式中表层土壤湿度初值的影响时间可持续3候左右；在3候以后，基于真实初值的预报和基于气候态初值的预报无太大差别。

图 5为OH试验回报的1994—2013年不同时段0.619 m层土壤湿度与OF试验所产生的观测替代资料在20年的相关系数空间分布。由图 5可知，土壤湿度预报技巧表现出从南到北逐步衰减的特征，在北方地区两者呈显著正相关，相关系数达到0.7以上，且能够持续到第7候前后，而在南方地区显著正相关只能维持到第4候前后。从OH和CH试验的预测技巧差值分布图看，第1候，在除东北以外的绝大部分地区，两组试验的预测技巧差值能够达到0.6以上；随着预报时间的延长，这一差异逐渐变小，并且南方地区差异缩小更快；第10候，除了内蒙古地区和西南个别地区依然有明显的正差异之外，其余地区两组试验的预测技巧基本没有差别。

图5

图5 OH试验所预报的1994—2013年每年5月1日起的0.619 m土壤湿度与观测替代资料相关分布(r0.05=0.45)以及与CH试验的差值 Fig.5 Correlations of soil moisture mean at 0.619 m between predictions by OH experiment and proxy data during 1994-2013 start from 1 May and their differences with CH experiment

由图 6所示的1994—2013年中国东部地区(18°N~45°N，105°E~124°E)两组回报试验土壤湿度与观测替代土壤湿度间的平均空间相关系数的时间变化看，OH试验的空间相关系数在积分开始时要明显高于CH试验。在表层(0.007 m)OH试验所回报的土壤湿度与观测的空间相关系数在初始时刻达到0.7左右，而CH试验的空间相关系数仅为0.3左右；但随着预报时间的延长，OH试验的土壤湿度预测技巧逐渐降低，第10天前后，OH试验和CH试验土壤湿度预测技巧相当，与观测的空间相关系数基本相同。在较深层次上，两组试验壤湿度与观测的空间相关系数差异会维持更长的时间，在0.118 m层土壤可维持15 d左右，在0.619 m层维持时间甚至超过1个月。两组试验空间相关技巧的差异持续时间随深度的增加而延长，这与图 4、图 5反映的特征一致，土壤湿度初值的有效信息在深层能够保持更长时间。

图6

图6 OH和CH试验预报的中国东部地区土壤湿度和观测替代数据相关系数(曲线表示1994—2013年平均的土壤湿度相关系数，阴影部分表示相关系数变化范围) Fig.6 The variation of pattern correlations of soil moisture of OH experiment, CH experiment to observation in the eastern China(lines denote correlations of soil moisture during 1994-2013, shaded areas denote range of correlations)

通过上述分析可知，土壤湿度初值信息对深层土壤湿度预报的影响时间较长，而对于表层土壤湿度预报的影响时间则较短。这种现象可能与降水对土壤湿度的影响方式有关，下面将就此进行分析。

中国东部地区降水由北向南递增，对应的土壤湿度也存在北干南湿的分布特征，且在江淮流域的变率较强，在华北、华南地区的变率较弱。根据降水和土壤湿度特性的地域差异，将中国东部区域划分为华北地区(36°~42.5°N，108°~122°E)、江淮地区(28°~36°N, 108°~122°E)和华南地区(20°~28°N, 108°~122°E)进行逐一对比(具体分区范围见图 2a)。

为了考察前期降水及土壤湿度干湿状况对后期土壤湿度预测的影响，根据台站观测的中国东部地区及3个分区域在预测试验起报前期(4月25日—5月1日)的逐年日平均降水情况(图略)，将降水最多的5年定义为湿年，降水最少的5年定义为干年，分别探讨干、湿年降水与土壤湿度的关系。同时为了方便分析，将土壤深度0.007~0.062 m定义为浅层0.366~0.619 m定义为中层。

本文对OH试验中国东部地区干年和湿年平均降水及对应的土壤湿度进行标准化，发现在预报开始时，降水变化要超前于土壤湿度变化(图略)。为了进一步研究这种滞后关系将OH试验中的降水与浅层和中层的土壤湿度分别求滞后相关(图 7)，在几个区域内，浅层土壤湿度与降水在滞后时间为1~2 d时滞后相关系数最大，可达到0.7~0.9；而中层土壤湿度与降水之间的滞后相关在5~6 d左右达到最大，这可能是因为降水到达地面后通过自上而下的渗透先后影响表层、中层、深层的土壤含水量而造成的。降水和土壤湿度的滞后关系也存在一定的区域差异，其中华北地区的滞后相关系数较高，华南地区的相关系数较低，表明在降水偏少地区土壤湿度对降水响应更加敏感；同时，降水和土壤湿度的滞后相关系数在干年也高于湿年，这说明前期降水量偏少的情况下后期土壤湿度与降水的联系可能更加紧密。

图7

图7 1994—2013全部年份以及湿年、干年OH试验的降水与浅层(0.007~0.062 m)、中层(0.366~0.619 m)土壤湿度的滞后相关系数 Fig.7 Lag correlations between precipitation and soil moisture in shallow layers(0.007-0.062 m) and middle layers(0.366-0.619m) predicted by OH experiment

本文利用外强迫资料对模式进行了适合的陆面初始化，并利用两组初值试验研究中国东部地区土壤湿度可预报性以及初值条件对其预报技巧的影响。主要结论如下：

1) 观测强迫(OF)试验得到的土壤湿度与国家气象信息中心土壤湿度再分析资料较为一致，能够反映中国东部地区土壤湿度的空间分布特征和年际变化特征。

2) 观测初值回报(OH)试验与气候态初值回报(CH)试验的结果表明：当BCC_CSM模式使用相对真实的土壤湿度初值时，中国东部地区表层(0.007 m)土壤湿度预报技巧能够持续3候左右，随着深度增加土壤湿度可预报性持续时间也增加。且初值对于土壤湿度预报有影响，在表层这种影响可持续2~3候左右，较深层次影响时间也要增长。

3) 土壤湿度变化与降水变化之间存在着滞后关系，浅层土壤湿度变化与降水变化之间大概存在1~2 d的滞后，中层土壤湿度变化与降水变化之间大概存在5~6 d的滞后。

本文利用BCC_CSM模式的不同初值气候预测试验结果探讨初值条件对土壤湿度可预报性的影响，为认识和理解气候模式土壤湿度信息的重要性提供了一定参考，但也存在不足：由于土壤湿度观测资料稀少，质量有待进一步提高，本研究所使用的土壤湿度观测和初值均基于大气和海洋再分析资料强迫BCC_CSM模式得到，相比真实的土壤湿度观测资料必然存在误差。如何采用更可靠的观测资料生成准确的陆面初值，将是今后研究的重点。