郭琦 刘少锋 , 2 袁华 , 2 李红梅
1 中山大学大气科学学院，广东珠海 519082
2 南方海洋科学与工程广东省实验室（珠海），广东珠海 519082
陆面过程是地球系统的重要组成部分，它决定了陆地表面与大气之间的能量、动量和物质等的通量交换，由于受到自然和人类活动的影响，陆面系统正在不断地发生变化（IPCC, 2019）。陆面过程模式则是定量描述这种变化并为大气环流模式提供重要下边界条件的有力工具。
模式能否准确模拟能量通量是评估模式性能好坏的一个基本前提，感热通量、潜热通量、净辐射和地热通量是全球能量平衡的基本组成部分（Bonan, 2015），能否对它们进行准确描述对于全球天气及气候研究至关重要。
通用陆面模式（Common Land Model，CoLM）（Dai et al., 2003, 2004）是目前国际上应用最广的陆面模式之一。为拓展陆面模式的应用范围及精度， Zhang et al.（2017）利用全球不同气候带的不同下垫面类型的野外观测数据对2014版CoLM（CoLM2014）进行了大量的验证实验，发现CoLM对一些典型下垫面的陆气相互作用具有良好的模拟能力。将CoLM模拟的中国区域蒸散发与遥感观测结果进行对比，马灵玲（2005）发现CoLM能够成功地模拟1991年特定月份的月平均蒸散发的大小和空间格局。对长白山和千烟洲试验站的模拟结果表明（宋耀明等, 2009），CoLM能较好地模拟出森林站点的地表能量特征及潜热通量的日变化和季节变化。罗斯琼等（2008）利用CoLM在青藏高原那曲地区进行单点试验，结果表明CoLM能较好地模拟出高原地区的能量分配特征。Zhang et al.（2017）利用 FLUXNET 早期数据集的 20 个站点资料对 CoLM 模拟的能量通量进行评估，发现CoLM 对感热通量、潜热通量、净辐射等通量的模拟效果较好，但对地热通量的模拟能力不足。鉴于CoLM的诸多优点，它已被国内外多个地球系统模式采用为陆面分量部分，如 NCAR CCM3（Kiehl et al., 1996）、CWRF（Liang et al., 2012）、北京师范大学地球系统模型（BNU-ESM）（Ji et al., 2014）、中国科学院地球系统模式 CAS-ESM（刘少锋等, 2009; 曾庆存和林朝晖, 2010; Zhu et al., 2018）。近年来CoLM也被应用于一些数据同化研究中（Huang et al., 2008; Meng et al., 2009）。
利用陆面模式基准平台ILAMB已有的全球/区域评估功能，彭静漫等（2020）对CoLM的全球模拟能力在月尺度上进行了评估，发现在全球尺度上CoLM2014的总体性能良好，在辐射方面甚至优于CLM5。
好的模型应该基于不同下垫面，能在不同的时空尺度上描述物理过程，这也对陆面过程模式的改进提出了更高要求。尽管通量已有上述研究，但这些研究主要基于有限地区进行分析，且大多基于同一时间尺度（例如月尺度）进行通量模拟，或者多对下垫面的某个特定季节进行研究，而不同下垫面的复杂和特殊性会影响陆气之间通量交换的准确模拟，多时间尺度的能量通量也通常呈现出不同的模拟特征，目前CoLM2014在不同时间尺度对不同典型下垫面的能量通量研究还比较匮乏。要进一步深入了解CoLM的性能，理解其中关键过程的不确定性，从而为模式的改进提供依据，就必须对其在不同典型下垫面、不同时间尺度的单点模拟能力进行系统评估。
本文选取FLUXNET2015的覆盖了10种不同典型下垫面的30个站点，利用CoLM分别进行单点离线模拟试验，然后利用皮尔逊相关系数、均方根误差（RMSE）、平均绝对误差（MAE）和归一化标准差（SD）、平均归一化偏差（Nbias）以及多站点标准偏差等常用统计指标，对CoLM在各站点的不同时间尺度（半小时、月尺度、年尺度）的能量通量模拟结果进行评估，重点分析模式在季节变化上的表现。
2.1 CoLM模式介绍
CoLM是在Bonan（1996）陆面模式（LSM），生物圈—大气传输模式（BATS）（Dickinson et al., 1993）以及中国科学院大气物理研究所陆面模式（IAP94）（Dai and Zeng, 1997）等模式的基础上发展起来的，它结合了这3个模式的优点，集成了陆面系统的多种分量过程。完善了土壤水、湖泊和地表径流等陆面关键过程模式，还发展了全球植被、土壤等陆面基础数据集（Yuan et al., 2011;Shangguan et al., 2014）。
本文使用的是CoLM的2014版本（CoLM2014），CoLM2014是CoLM的最新版本，它的主要特点是提出了考虑阴叶和阳叶的双大叶模型（Dai et al.,2004），较早期版本有效提高了计算辐射、叶片温度、光合作用气孔导度时的准确性，使用简化后的二流传输近似模型计算植被反照率，并且在计算辐射时区分了植被的阴阳叶。对土壤温湿的计算分别采用了5层的雪盖分层方案和10层的非均匀土壤分层方案，在土壤水热传导过程考虑了土壤基岩厚度等。
目前CoLM2014版本中增加和改进了各分量模式，提高了模式耦合运行的稳定性，如其中新的湖泊过程方案CoLM-Lake可以合理地刻画各个湖泊的主要特征，在全球尺度上适用于对湖泊物理过程的模拟（戴永久等, 2018），还建立了一种适合于模拟植被叶面积指数时间序列的半预测物候模型，该模型能够捕捉全球尺度上LAI的空间模式以及年内和年际变化，进一步完善了CoLM中的植被物候模型（Xin et al., 2020）。
CoLM中地表能量平衡方程分为两部分：植被能量平衡与地表能量平衡，在CoLM中通过求解地表能量平衡方程来计算陆气之间的能量通量，有以下几点假设：
（1）在冠层、土壤层、雪层中的对流热传导可忽略不计；
（2）在土壤和雪层中蒸发和感热传导可忽略不计；
（3）在冠层中热传导可忽略不计。
模式的地表能量平衡方程为
其中，c是土壤体积热容， ∆z是表层土壤深度，T是土壤温度，Rnet是净辐射通量，HS是感热通量，HL是 潜热通量。地表净辐射是净短波辐射（Rnet,s）和净长波辐射（Rnet,l）的总和，它们的计算公式如下
其中，S↓表示向下太阳短波辐射， α是地表反照率，L↓表示向下长波辐射，Tc表 示冠层温度，Tg表示地表温度， σ为斯蒂芬—玻尔兹曼常数，a、b、d是与植被面积比例和地表发射率相关的参数。公式（1）中HS和HL中的计算公式如下：
其中， ρatm为大气的密度，Cpa为干空气的比热容，θatm为参考高度的位温， θs是 地表的位温，qatm是大气比湿，qs是地表比湿，rah和raw分别为感热和潜热通量的动力阻尼系数。
地热通量G是根据能量平衡方程G=Rnet−HS−HL计算出的净辐射残差。
2.2 FLUXNET2015观测数据
FLUXNET的目标就是为陆面模式的验证和发展提供一个高质量的共享站点数据集，其早期版本有FLUXNET Marconi数据集（2000）和FLUXNET LaThuile数据集（2007），目前已发展到FLUXNET2015（Pastorello et al., 2020）。FLUXNET2015 覆盖了多种生物群落类型和气候区，提供了最全面的陆地生态系统数据集（Baldocchi et al., 2001）。相比旧版，站点数量更多，时间范围更长，新增了数据质量控制协议，其共享的通量数据均经过了统一的质量控制、插补和拆分处理。例如，在数据的质量控制方面提出了新的不确定性量化方法，使用再分析数据资料来填补微气象变量记录的长时间空白等，数据可直接通过官网下载（https://fluxnet.org/data/fluxnet2015-dataset/[2021-03-06]）。
通常地热通量是采用土壤热流板加上浅层土壤热存储得到，考虑到FLUXNET2015中本文研究站点的地热通量数据“G”是“地表”土壤热通量（不包含浅层土壤热储存），且缺失值较多，为避免影响模式评估结果的有效性，仅选择感热通量、潜热通量、净辐射作为研究变量，其中感热通量、潜热通量中观测数据的空白值由边缘分布取样法（MDS）进行空隙填充处理，经QC（质量控制）后由_F_MDS_QC 后缀标识，_F_MDS_QC < 2的观测或高质量的空隙填充数据可作为有效验证数据（Pastorello et al., 2020）。
为了解决地表能量平衡的不闭合的问题（Wilson et al., 2002），需要对涡度相关系统的观测数据进行校正，FLUXNET2015中创建了感热、潜热通量的波文比—能量平衡法的校正版本，这是在模型参数化和验证中经常使用到的数据产品。假设波文比法正确的前提下，对感热通量和潜热通量数据乘以一个能量平衡的校正因子（A）进行通量校正，若地热通量G缺失，A被 替代为A∗，校正公式如下：
其中，下标corr表示波文比修正后的变量，下标u表示未修正的变量，校正因子A将 修正HS和HL的观测值，当G缺失时，A被 替代为A∗（Twine et al.,2000）。Twine et al.（2000）回顾了地表能量通量的闭合问题，提出波文比法可能是目前最适合改进能量通量闭合的方法之一。
本文优先使用修正后的感热和潜热通量数据对CoLM进行验证。若站点无对应波文比修正数据，再使用 MDS（_F_MDS_QC < 2）的观测或高质量的空隙填充数据进行对比验证（Pastorello et al., 2020），通量观测数据在原有数据处理的基础上进一步做了异常值的识别和剔除。
本文选取了10种不同地表覆盖类型的站点进行分析。站点位置、数据覆盖范围和相关气候信息详见表1。由表1可知，不同站点对应的数据年份不同，其中1～3年共12个站点，4～6年共15个站点，7年以上共3个站点，所选站点数据符合时间至少连续两年的要求。30个站点共123个站点年，观测数据的总时间跨度为1996～2008年，站点主要分布于热带、温带和寒带。由于稀疏灌木林、落叶阔叶林、有林草地植被型下相应站点的年尺度观测数据存在缺失情况，因此站点年数据相对其他植被型较少。
表1 FLUXNET站点信息Table 1 FLUXNET site information
用全球30 s的USGS24地表分类方案作为地表覆盖基础数据，对所有30个试验站点进行地表类型划分，共划分为农田（CRO）、落叶阔叶林（DBF）、常绿阔叶林（EBF）、常绿针叶林（ENF）、永久湿地（WET）、草地（GRA）、混交林（MF）、稀疏灌木林（OSH）、有林草地（WSA）和稀树林地（SAV）。基于USGS分类的站点分布如图1，站点主要集中在北美洲的中东部、欧洲西部，少数站点位于南非和澳大利亚。
图1 基于 USGS 分类的站点分布Fig.1 Distribution of sites on the USGS classification
2.3 实验设计
利用全球30 s的USGS24地表分类方案作为地表覆盖基础数据，对所有30个试验站点进行USGS地表类型划分。叶面积指数（LAI）是表征地表植被生长状况的重要参数，模式中的LAI采用静态植被模型，即LAI数值由外部文件读取。本文使用改进后的 MODIS LAI产品（Yuan et al.,2011），该产品使改进后的LAI不仅更接近参考值，在时间序列和空间域上也更为连续一致。其他的地表特征数据集和土壤植被属性均设置为默认值。
考虑到强迫场的观测数据存在缺失，采用FLUXNET2015数据集下30 min一次的欧洲中心再分析降尺度数据与MDS填充后的观测数据进行最优组合后的数据产品（FLUXNET2015中以_F为后缀）作为强迫场进行离线（off-line）数值实验，所以这里的大气强迫场不是单纯的站点观测数据。CoLM模式所需的大气强迫变量有：太阳短波辐射（单位：W/m²）、大气长波辐射（单位：W/m²）、降水（单位：mm/s）、以及参考高度的温度（单位：K）、比湿（单位：kg kg−1）、大气压强（单位：Pa）和风速（单位：m/s），而FLUXNET2015中并无比湿这个变量，因此比湿需要通过温度、饱和水气压差（VPD）以及大气压强换算而得，而非直接来自FLUXNET2015。模拟试验每30 min更新一次大气强迫场，为得到较稳定的地表参数和通量输出结果，对CoLM2014分别进行多站点的2年倍数（多至10年）模式的起转过程（spin-up）
实验 ，对站点进行对比分析后发现模式在2年左右就能得到较稳定的感热、潜热、净辐射通量输出结果，故对所有站点进行为期2年的模式的起转过程（spin-up）实验。实验结果输出有半小时（stepwise）、月平均（monthly）、年平均（yearly）等3种频率。
2.4 分析方法
皮尔逊相关系数（r）主要体现的是观测和模拟同时高于或低于均值的情况，也可度量模拟与观测之间的相关程度。均方根误差（RMSE）和平均绝对误差（MAE）可用来表征模拟值与观测值之间的差异程度（RMSE和MAE越接近0，模拟效果越好）。归一化标准差（相对于观测序列的标准差）则可以用来衡量模式相对于观测对中心振幅的一种模拟能力。不同季节的多站点标准偏差（仅对站点数大于等于2的植被型做标准偏差处理）可以体现站点之间模拟偏差的离散程度在不同季节的分布情况。
此外，往往能量平衡的不闭合情况在夜间较为严重，夜间湍流混合较弱，能量平衡闭合情况较差。考虑到永久湿地半小时尺度的净辐射通量观测的缺失，利用归一化偏差Nbias（月尺度的模拟与观测的绝对偏差对相同时间步长下的太阳入射短波辐射进行归一化处理）对CoLM进行有效定量评估，Nbias中太阳短波辐射不可能为零（分母），所以基于Nbias的分析仅限于白天，更有利于能量平衡的闭合。
基于以上统计指标，本文对CoLM在不同典型下垫面对感热、潜热、净辐射通量在多个时间尺度（小时、月、年）的模拟结果进行评估分析，并进一步通过识别模拟偏差的可能时间，分析模式可能存在的不足。
3.1 年变化模拟效果
图2中每个点表示的是一个站点年平均的感热、潜热、净辐射的模拟和观测值，共123个站点年，由表1按USGS进行分类汇总后得到10种地表覆盖类型下的模拟与观测的年变化对比图。
图2 不同地表覆盖类型（a）感热通量、（b）潜热通量、（c）净辐射的年平均模拟与观测对比。EBF表示常绿阔叶林，OSH表示稀疏灌木林，DBF表示落叶阔叶林，WSA表示有林草地，WET表示永久湿地，MF表示混交林，SAV表示稀树林地，CRO表示农田，GRA表示草地，ENF表示常绿针叶林Fig.2 Comparison of annual mean sensible heat flux, latent heat flux, and net radiation in different land cover types between simulation and observation.EBF: evergreen broadleaf forest, OSH: open shrubland, DBF: deciduous broadleaf forest, WSA: woody savanna, WET: wetland, MF:mixed forest, SAV: savanna, CRO: cropland, GRA: grassland, ENF: evergreen needleleaf forest
结合表2～4，CoLM模拟感热通量年变化的总相关性最高，通过检验的相关系数为0.71，其次是净辐射、潜热通量，通过检验的相关系数分别为 0.63、0.57。
表2 不同地表覆盖类型感热通量的年尺度变化模拟与观测评估Table 2 Evaluation of the annual variability of sensible heat flux in different land cover types between simulation and o bservation
感热和净辐射的年平均模拟值总体被低估，相对误差分别为−11.40%和−12.96%，除稀疏灌木林、稀树林地模拟潜热年变化低估（相对误差分别为−5.9%和−17.91%）以外，其余8种植被型模拟潜热通量年变化均高估，使得CoLM模拟潜热通量年变化总体被高估，相对误差为13.96%。整体来看，稀树林地、农田、草地、常绿针叶林相对较高的相关性及较低的模拟偏差，使得CoLM在年变化捕捉过程中，模拟感热、潜热通量效果较好。
3.2 季节变化模拟效果
根据站点的多年观测和模拟值，求得月平均通量的多年平均，再把站点根据USGS地表分类合并得到不同典型下垫面的多年平均季节变化图。
3.2.1 感热通量
如图3所示，各植被型模拟的感热通量的季节变化趋势都与观测比较一致，大多呈现出“双峰”型结构。感热通量的量值在冬季较小，多在夏季达到最大值，相应数值上大的模拟偏差也多出现在夏季。总体上来看，以稀疏灌木林、有林草地、常绿针叶林等3种地表类型的模拟偏差最小，而永久湿地的模拟整体偏低，稀树林地的模拟整体偏高。不同植被型下的多站点标准偏差存在一定差异，除常绿阔叶林、混交林冬季观测与模拟感热通量的标准偏差大于夏季外，稀树林地、农田、草地、常绿针叶林等植被型均是夏季模拟标准偏差大于冬季。总体来说，，夏季不同站点之间模拟感热偏差的离散程度要大于冬季。
图3 不同地表覆盖类型感热通量模拟值与观测值的多年平均季节变化和多站点的标准偏差季节变化（柱状图）：（a）EBF；
（b）OSH；
（c）DBF；
（d）WSA；
（e）WET；
（f）MF；
（g）SAV；
（h）CRO；
（i）GRA；
（j）ENF。地表覆盖类型后面括号内的数字表示为对应植被类型的FLUXNET站点个数Fig.3 Multi-annual averaged seasonal variations in the simulated and observed sensible heat flux in different land cover types and the corresponding standard deviation across sites (bar chart): (a) EBF: evergreen broadleaf forest; (b) OSH: open shrubland; (c) DBF: deciduous broadleaf forest;(d) WSA: woody savanna; (e) WET: wetland; (f) MF: mixed forest; (g) SAV: savanna; (h) CRO: cropland; (i) GRA: grassland; (j) ENF: evergreen needleleaf forest.The numbers inside brackets following the land-cover types represent the number of FLUXNET sites selected for the corresponding vegetation type
表3 不同地表覆盖类型潜热通量的年尺度变化模拟与观测评估Table 3 Evaluation of the annual variability of latent heat flux in different land cover types between simulation and o bservation
表4 不同地表覆盖类型净辐射的年尺度变化模拟与观测评估Table 4 Evaluation of the annual variability of net radiation in different land cover types between simulation and o bservation
感热通量季节变化的相关性较高（r= 0.77，P<0.001），模拟、观测月均值分别为25.39、30.99 W/m2，绝对和相对误差分别是−5.6 W /m2和−18.07%。图4中每个点表示为不同地表覆盖类型下的一个站点的一个月的感热通量的模拟和观测值，不同站点进行USGS分类后得到各植被型逐月的感热模拟与观测散点图。除落叶阔叶林、常绿阔叶林、永久湿地外，其余植被型模拟相关性均在0.6以上（图4），有林草地的模拟结果相比观测值大多位于1∶1线附近，且相关系数可高达0.97（P<0.01）。
3.2.2 潜热通量
如图5所示，各植被型模拟的潜热与感热类似，大多都呈现出一种“双峰”型结构，冬季量值较小，夏季达到峰值，且偏差值较大。总体来看（图6），以草地、常绿针叶林等两种地表类型的模拟偏差最小，而永久湿地、混交林的模拟整体偏高，在常绿阔叶林、永久湿地、混交林的模拟潜热通量的偏差幅度较大，这可能与二流传输理论中计算植被反照率和透过率时采用的植被参数有关。1～3月和11～12月，多数植被型潜热通量的模拟值偏高，此时土壤温度低于0°C，冻土的存在会改变土壤的水利和热力学性质，模式中对冻土水热性质及冻融过程未能进行完善的描述可能是造成潜热通量模拟值偏高的原因。大部分植被型潜热通量观测值在7月份突然减小，可能与植被本身的生理过程有关。多站点标准偏差分布与感热通量类似，其中稀树林地、草地、常绿针叶林等夏季模拟标准偏差相较其他植被型较大，即夏季在这些植被型下不同站点的模拟值存在一定的空间异质性。
图5 同图3，但为潜热通量Fig.5 Same as Fig.3, but for latent heat flux
图6 同图4，但为潜热通量Fig.6 Same as Fig.4, but for latent heat flux
潜热通量季节变化的相关性较高（r= 0.69，P<0.001），感热通量模拟、观测月均值分别为38.98、34.87 W /m2，绝对和相对误差分别是 5.11 W/m2和14.65%。结合图8可知，除农田外，其余植被型模拟相关性均在0.6以上,这可能是因为CoLM中农田下垫面没有考虑人类活动的影响。稀疏灌木林的模拟结果相比观测值大多位于1:1线附近，且相关系数可高达0.94（P<0.01）。
3.2.3 净辐射通量
相比感热、潜热模拟，净辐射在趋势和量值上都，更加接近观测（图7），这很重要的一个原因是模式对地表反照率的设置相对较准。净辐射多站点标准差变化幅度要小于感热、潜热通量，不同植被型冬夏模拟标准偏差值变化幅度较小 ，夏季略大于冬季，不同站点空间模拟偏差离散程度相对较小。
图7 同图3，但为净辐射Fig.7 Same as Fig.3, but for net radiation
净辐射通量季节变化的相关性较高（r= 0.87，P<0.001），感热通量模拟、观测月均值分别为62.67、76.02 W/m²，绝对和相对误差分别是－13.35 W/m²和−17.56%。与感热、潜热通量类似，结合图8可知，除草地（r= 0.66，P<0.01）外，其余植被型模拟相关性均在0.8以上（图8）。稀疏灌木林的模拟结果相比观测值大多位于1:1线附近，且相关系数可高达0.99，P<0.001。
3.3 日变化模拟效果
3.3.1 感热通量日变化模拟效果
从多年的各月平均来看，模拟和观测的感热通量的日变化特征与观测比较一致，与季节变化不同，均表现出较规则的“单峰型”结构特征（图9），峰值均多出现在正午时分（12:00，北京时间，下同）但在量值上，白天（06:00至18:00）感热通量的模拟在常绿阔叶林、稀疏灌木林、落叶阔叶林、有林草地、永久湿地等都有不同程度的低估，而在混交林、稀树林地、农田等的模拟则偏大。夜间的感热普遍较小（多为负值），除永久湿地外的大多植被类型的模拟与观测都比较接近。
图9 不同地表覆盖类型感热通量模拟值与观测值的多年平均日变化对比：（a）EBF；
（b）OSH；
（c）DBF；
（d）WSA；
（e）WET；
（f）MF；
（g）SAV；
（h）CRO；
（i）GRA；
（j）ENFFig.9 Comparison between the observed and simulated sensible heat flux on a diurnal course in different land cover types (monthly average over many years): (a) EBF; (b) OSH; (c) DBF; (d) WSA; (e) WET; (f) MF; (g) SAV; (h) CRO; (i) GRA; (j) ENF
感热通量随不同植被型和季节产生不同程度偏差（图10），不同植被型呈现出不同的偏差形式，多数植被型的偏差以U型分布为主。夏季中午（这里把北半球的6月、7月、8月作为夏季）在常绿阔叶林、稀疏灌木林、落叶阔叶林、有林草地、永久湿地下均低估了感热通量，混交林、稀树林地、农田、草地、常绿针叶林等则是高估。秋冬季节偏差幅度相对较小，春夏日偏差幅度较大，秋冬季节偏差幅度多在100 W/m²以内，春夏可达到200 W/m2附近。
3.3.2 潜热通量
从多年的各月平均来看，与感热类似，日变化均具有明显的“单峰型”特征（图11），多在正午时分（12:00）出现峰值，但在量值上，白天（06:00至18:00）潜热通量的模拟在常绿阔叶林、稀疏灌木林、有林草地、常绿针叶林、稀疏林地有不同程度的低估，而在落叶阔叶林、永久湿地、混交林的模拟则偏高。夜间，潜热通量的模拟与观测值均较小，除永久湿地外，其余植被型的模拟与观测较为一致。
图11 同图9，但为潜热通量Fig.11 Same as Fig.9, but for latent heat flux
与感热通量的日变化偏差（图10）相比，潜热通量的日偏差多表现出完全相反的形式（图12），日偏差值主要在100 W/m²以内。最大偏差值同样出现在中午附近，特别是出现在生长季（7月、8月），夏季入射的总辐射量较大，湍流交换较强，叶面积指数相对较大，相应误差也偏大。正午出现较大偏差的原因可能与植被在正午时的叶气交换减弱，即光合作用的“午休”现象和叶面积指数数据有关。正午阳光强烈，气温较高，植被蒸腾作用强，此时气孔关闭、CO2叶肉抗性增加、光呼吸增强以及叶水势的降低都是造成“午休”现象的主要生理因素（Zhang et al., 2017）。CoLM 中的叶面气孔阻抗与叶片光合作用的耦合方式与 Collatz et al.,1991）所描述的类似，没有考虑叶肉细胞导度的作用（即叶肉细胞内部的CO2扩散能力），这些在模拟叶片气体交换时的不足，都可能导致模式在模拟潜热通量时的偏差。植被冠层叶面与周围空气水分的交换，分为湿润叶面的蒸发和叶面气孔内水分的蒸腾，而潜热通量的一个重要组成部分就是蒸腾，蒸腾的计算依赖于叶面气孔阻抗和叶面边界层阻抗。而遥感的数据是1 km的平均值，应用到FLUXNET站点上，需要除以植被的覆盖度，会使实际的LAI值大一些，这可能也是造成潜热通量偏低的一个主要原因。
图12 同图10，但为潜热通量Fig.12 Same as Fig.10, but for latent heat flux
3.3.3 净辐射通量
从多年的各月平均来看，模拟和观测的净辐射通量的日变化特征比较一致，与感热、潜热通量类似，均表现出较规则的“单峰型”结构特征（图13），峰值均多出现在正午时分（12:00），但在量值上，白天（06:00至18:00）模拟净辐射在常绿阔叶林、稀疏灌木林、落叶阔叶林、有林草地、草地等都有不同程度的低估，而在农田、常绿针叶林等的模拟则偏大，混交林和稀疏林地的模拟与观测最为一致。夜间的净辐射值普遍较小（均为负值），除农田外的大多植被类型的模拟与观测都比较接近。
图13 同图9，但为净辐射Fig.13 Same as Fig.9, but for net radiation
如图14，净辐射能的日变化偏差比较明显，4个季节的日变化偏差没有表现出一种主要的偏差形式，秋冬季节偏差幅度小，春夏季偏差幅度较大，夏季和春季日偏差峰值最大能达到300 W/m2和200 W/m2，秋季和冬季的偏差峰值最大能达到130 W/m2和 200 W/m2。多数植被类型在中午12:00和下午18:00附近出现最大偏差值，且秋季日变化偏差的变化趋势与冬季较为相似。除有林草地、农田、常绿针叶林外，其余植被类型日变化模拟偏差均在100 W/m2以内。
图14 同图10，但为净辐射Fig.14 Same as Fig.10, but for net radiation
3.4 不同时间尺度上的模拟性能比较
本节对比分析模式在半小时、月、年等3个时间尺度的模拟能力。基于泰勒图（Taylor, 2001）中的统计指标（R、SD），图15给出了模式对感热、潜热、净辐射通量在3个不同时间尺度上的模拟性能比较。如图15所示， 这3种能量通量的R值主要变化范围在0.5～0.98（感热），0.6～0.98（潜热），0.8～1（净辐射），而SD主要在0.5～2.0、0.5～1.6、0.5～1.3范围变化。
由图15可知，CoLM模拟的净辐射在半小时、月平均的时间尺度上均与观测表现出了较好的一致性，相关系数在0.8～1，对净辐射的较好模拟可能是因为模式对地表反照率精确估计的结果。
年尺度下，OSH、WSA、DBF、WSA等植被型的站点年数据有限，未通过显著性检验，不能对R、SD进行直接对比，年尺度倾向于对RMSE、MAE指标的评估。由图16可知，除永久湿地、落叶阔叶林外，其余植被型的年尺度模拟偏差是较小的，总体RMSE、MAE模拟效果要优于半小时、月尺度。
从泰勒图15a、15b来看，本文研究的30个实验站点的潜热通量的模拟效果总体要优于感热，半小时、月尺度下，相比感热通量,潜热通量的R更高，SD总体更接近于REF=1附近。此外结合图16a、16b中的RMSE、MAE分析，LE在3个尺度下的RMSE、MAE均比H要小。
图15 CoLM 对 10 种地表覆盖类型（1：CRO；
2：DBF；
3：ENF；
4：WET；
5：GRA；
6：MF；
7：SAV；
8：EBF；
9：WSA；
10：OSH）的（a）感热通量、（b）潜热通量、（c）净辐射在不同时间尺度（半小时、月、年）上的模拟能力对比泰勒图Fig.15 Taylor diagrams of the CoLM performance for (a) sensible heat flux, (b) latent heat flux, and (c) net radiation, based on time scales of stepwise, monthly, and yearly in different land cover types (1: CRO; 2: DBF; 3: ENF; 4: WET; 5: GRA; 6: MF; 7: SAV; 8: EBF; 9: WSA; 10: OSH)
图16 CoLM在10种地表覆盖类型模拟的感热通量（H）、潜热通量（LE）、净辐射（Rnet）在不同时间尺度（半小时、月、年）的（a）RMSE和（b）MAEFig.16 Performance of the CoLM in simulating sensible heat flux (H), latent heat flux (LE), and net radiation (Rnet) on time scales of stepwise,monthly, and yearly measured using the RMSE and MAE (W/m²) calculated in different land cover types
评估模型性能时，很难用单一的评估指标来评估模型的优缺点和局限性，应结合指标进行分析。结合RMSE、MAE来看，CoLM在常绿针叶林、稀树林地、草地、农田模拟感热、潜热的相关系数较高，RMSE、MAE相对较小，模拟效果较好；
混交林模拟净辐射效果均较好，永久湿地、落叶阔叶林下模拟感热通量相比其他植被型较差。
表5为不同下垫面通量在月尺度下的平均归一化模拟偏差（Nbias）的评估结果。由表可知，CoLM低估了10种植被类型中半数以上的感热通量，高估了半数以上的潜热通量，净辐射的模拟，除MF、CRO、GRA等植被型的模拟偏差为正以外，其余植被类型的平均归一化模拟偏差为负，WET对感热通量的平均归一化偏差最大，达到了0.42，其次是DBF。此外SAV、CRO、GRA、ENF模拟感热、潜热平均归一化偏差较小，模拟效果较好。
表5 不同地表覆盖类型下感热、潜热、净辐射通量的平均归一化模拟偏差Table 5 Mean normalized simulation bias of sensible and latent heat fluxes and net radiation flux in different land cover t ypes
3.5 模拟误差原因初步分析
本文对通量的评估是基于一个具有代表性的数据集FLUXNET2015，使用的强迫数据来自欧洲中心降尺度数据产品与观测数据的合并版本，降尺度产品一定程度上弥补了观测缺失的不足。虽然是两种产品的最优组合，但利用降尺度数据产品作为强迫场模拟时，格点与观测值仍会存在偏差。降水是模式中唯一的水分输入，强迫数据的准确性会影响到土壤温、湿度，进而影响能量通量的模拟表现，导致模拟与观测值存在差异，一定程度上干扰模式评估的结果，但格点误差非本文研究重点。
此外通量数据本身的不确定性和误差没有得到具体的量化，本文没有对这方面进行详细讨论，一定程度上会影响到CoLM对能量通量的日、月、年际变化特征的捕捉效果。波文比通量修正法对特定站点可能并不总是理想的，当对特定站点进行进一步评估分析时，应当重新评估其方法的应用原理。
而在模式的水文过程中，CoLM对土壤水的描述还不够完善，对水平侧向交换描述比较欠缺，不同土壤数据集中使用参数的区别也会影响土壤含水量的差异，进而影响感热和潜热的模拟。不同典型下垫面在地表粗糙度、零平面位移、土壤参数(如根系深度和根系剖面系数)等方面存在一定差异，即便是较为相似的植被覆盖类型，CoLM模拟时也会表现出不同的模拟效果。Groenendijk et al.（2011）指出，特定站点参数的改进，包括土壤孔隙度、饱和土壤的水传导率和垂直土壤分层方案等，都将提高CoLM的模拟性能，对于全球尺度的模拟，还需要高分辨率的地表特征数据集来获得更为精确的结果。
本文利用30个FLUXNET2015研究站点（包含10种不同典型下垫面）对CoLM2014版陆面过程模式进行了单点验证，将模拟的感热、潜热以及净辐射通量在半小时、月平均、年平均3个时间尺度与观测数据进行对比分析，便于评估CoLM2014在不同时间尺度上模拟性能的表现。
总的来说，本文30个站点的模拟结果表明，CoLM模拟感热、潜热、净辐射的总体性能良好，模拟结果与观测数据较为接近。净辐射的模拟值与观测最为接近，潜热通量的模拟要略优于感热。CoLM在不同时间尺度下模拟感热、潜热、净辐射的大小以及变化捕捉情况与已有模型研究结果（Zhang et al., 2017）较为接近。CoLM 在不同时间尺度存在低估感热和净辐射，高估潜热的情况，这与（彭静漫等, 2020）基于陆面模式基准平台（ILAMB）对CoLM全球模拟结果类似。
CoLM基本捕捉了感热通量、潜热通量、净辐射的日、季节、年际变化。日变化模拟中，CoLM在夏季正午附近出现最大日偏差值，可能与叶气交换的午休现象和使用的叶面积指数产品有关。季节变化模拟中，感热、潜热通量在夏季不同植被型下站点的空间离散程度大于冬季，不同站点间模拟效果相差较大，净辐射多站点标准差变化幅度要小于感热、潜热，不同站点空间模拟偏差离散程度相对较小。
评估指标显示，3个尺度下，常绿针叶林、稀树林地、草地、农田模拟感热、潜热通量的效果相对较好，永久湿地、落叶阔叶林下模拟感热通量相比其他植被型较差。
此外通量观测数据本身的不确定性和误差没有得到具体的量化，本文没有对这方面进行详细讨论，一定程度上会影响CoLM对日、月、年际变化的捕捉效果。总的来说，CoLM对不同下垫面的通量交换具备了一定的模拟能力，对于地表净辐射的能量分配（感热和潜热）以及永久湿地和落叶阔叶林地表覆盖的模拟仍需进一步的完善和改进。
致谢感谢全球通量塔研究网络（www.fluxnet.org[2021-03-06]）提供了基础研究数据；
感谢评审专家们提出的宝贵意见。