LSM、CLM和SIB

文章来源

http://blog.sina.com.cn/s/blog_4b700c4c0100qtbb.html

http://blog.sina.com.cn/s/blog_4b700c4c0102dxek.html

 

 

Land Surface Model (LSM version 1.0)

The Land Surface Model (LSM) is a unidimensional computational model developed by Gordon Bonan that describes ecological processes joined in many ecosystem models , hydrological processes found in hydrological models and flow of surface common in surface models using atmospheric models.

In this way, the model examines interactions especially biogeophysics (sensible and latent heat, momentum, albedo, emission of long waves) and biogeochemistry (CO₂ ) of the land-atmosphere the effect of surface of the land in the climate and composition of the atmosphere.

This model has a simplified treatment of the surface flows that reproduce at the very least computational cost the essential characteristics of the important interactions of the land-atmosphere for climatic simulations.

As the types of surface vegetated for some species are several, have a standardization of types of covering being enclosed surfaces covered with water as lakes (amongst others); thus the model wheel for each point of independent form, with the same average of the atmospheric interactions. The model functions in a space grating that can vary of a point until global.

References

• Bonan, G.B. (1996). A land surface model (LSM version 1.0) for ecological, hydrological, and atmospheric studies: technical description and user's guide. NCAR Technical Note NCAR/TN-417+STR. National Center for Atmospheric Research 1-150.
• Bonan, G.B. (1996). Model Documentation: copy technical note

 

The Terrestrial Sciences Section (TSS) is part of the Climate and Global Dynamics (CGD) Division at the National Center for Atmospheric Research (NCAR) in Boulder, Colorado. Scientists in the section study land-atmosphere interactions, in particular surface forcing of the atmosphere, through model development, application, and observational analyses.

Scientists in TSS develop and use appropriate multiscale models, remote sensing, advanced analytical techniques, and observations to study the role of the terrestrial biosphere in the climate system. Topics of study include the regulation of planetary energetics, planetary ecology, and planetary metabolism through exchanges of energy, momentum, and materials (e.g., water, carbon, dust) with the atmosphere and ocean and the response of the climate system to changes in land cover and land use. Scientists are also involved in developing the land/vegetation model used in the Community Earth System Model (CESM) . This model, the Community Land Model, includes biogeophysics, biogeochemistry (carbon, nitrogen, dust, volatile organic compounds), hydrology, and vegetation dynamics.

Research in TSS spans a broad knowledge of the relationships among the biosphere, hydrosphere, and atmosphere. TSS provides a focal point for CGD and university ecological and hydrological research and serves as a resource to these communities in the use of CESM.

 

The Community Land Model is the land model for the Community Earth System Model (CESM) and the Community Atmosphere Model (CAM) .

It is a collaborative project between scientists in the Terrestrial Sciences Section (TSS) and the Climate and Global Dynamics Division (CGD) at the National Center for Atmospheric Research (NCAR) and the CESM Land Model Working Group . Other principal working groups that also contribute to the CLM are Biogeochemistry, Paleoclimate, and Climate Change and Assessment.

The model formalizes and quantifies concepts of ecological climatology. Ecological climatology is an interdisciplinary framework to understand how natural and human changes in vegetation affect climate. It examines the physical, chemical, and biological processes by which terrestrial ecosystems affect and are affected by climate across a variety of spatial and temporal scales. The central theme is that terrestrial ecosystems, through their cycling of energy, water, chemical elements, and trace gases, are important determinants of climate.

Model components consist of: biogeophysics, hydrologic cycle, biogeochemistry and dynamic vegetation.

The land surface is represented by 5 primary sub-grid land cover types (glacier, lake, wetland, urban, vegetated) in each grid cell. The vegetated portion of a grid cell is further divided into patches of plant functional types , each with its own leaf and stem area index and canopy height. Each subgrid land cover type and PFT patch is a separate column for energy and water calculations.

The current version of the Community Land Model is CLM4.0

 

CLM Model Components: Biogeophysics

Biogeophysics refers to the instantaneous exchanges of energy, water, and momentum with the atmosphere. It concerns aspects of micrometeorology, canopy physiology, soil physics, radiative transfer, and hydrology.

 

 

 

CLM Model Components: Hydrologic Cycle

Hydrology and River Routing

The hydrologic cycle over land includes interception of water by plant foliage and wood, throughfall and stemflow, infiltration, runoff, soil water, and snow. These are directly linked to the biogeophysics and also affect temperature, precipitation, and runoff. Total runoff (surface and sub-surface runoff) are routed downstream to oceans using a river routing model. A river transport model (RTM) is synchronously coupled to the Community Land Model (CLM) for hydrological applications as well as for improved land-ocean-sea ice-atmosphere coupling in the Community Climate System Model (CCSM).

 

 

 

CLM Model Components: Biogeochemistry

Biogeochemistry

Biogeochemistry referes to the instantaneous exchanges of chemical constituents with the atmosphere.

 

 

 

CLM Model Components: Dynamic Vegetation Ecosystem Carbon Balance This includes the carbon cycle but also changes in community composition and vegetation structure in response to disturbance (e.g., fire, land use) and climate change.   Succession and biogeography There are two time-scales for this dynamics: Succession considers changes in community composition and vegetation structure over periods up to several hundred years, typically following disturbance such as fire or land use. Over longer-periods of times (e.g., centuries, millenia) the of vegetation changes in response to climate change.

 

 

 

	Overview Model Components       Biogeophysics       Hydrologic Cycle       Biogeochemistry       Dynamic Vegetation Software and Documentation       CLM 2.0       CLM 2.1       CLM 3.0       CLM 3.5       CLM 4.0		CLM Model Components: Dynamic Vegetation Ecosystem Carbon Balance This includes the carbon cycle but also changes in community composition and vegetation structure in response to disturbance (e.g., fire, land use) and climate change.   Succession and biogeography There are two time-scales for this dynamics: Succession considers changes in community composition and vegetation structure over periods up to several hundred years, typically following disturbance such as fire or land use. Over longer-periods of times (e.g., centuries, millenia) the of vegetation changes in response to climate change.

 

 

 

 

 

 

http://www.cgd.ucar.edu/tss/clm/

 

 

 

 

 

 

 

The model SIB-2 built by Sellers et al. (1996b) it is improvement of the model Sib-1, whose model innovation is the use satellite images in global ambit, to obtain the vegetation phenology. Starting from these data of NDVI ( normalized difference vegetation index ) 1° by 1°, obtained through the satellite AVHRR (Advanced Very High Resolution Radiometer), some simple corrections were applied, resulting in a product called FASIR-NDVI. This product is combined with the soil covering classification to obtain the global monthly fields, time-varying, of fraction of photosynthetically active radiation absorbed by the green canopy (FPAR). With the obtaining of FPAR can be calculated LT (total leaf area index ) and N (canopy greenness fraction). These two fields (LT and N) are used to calculate the surface reflectances or albedo (aΛμ) and the roughness lengths (z0). FPAR is still directly used to calculate canopy photosynthesis (Ac) and conductance (gc). Some adjusted are applied in the data FASIR-NDVI, to that can be used in the calculation of the dependent parameters of these data: (I) Fourier wave adjustment; (II) Solar zenith angle adjustment; (III) Interpolation of missing data and (IV) Reconstruction of NDVI data classified as tropical evergreen broadleaf. In the SIB-2, there is not available a group of extensive spatial data for validation of the data derived by that methodology. The most important in this model, it has become possible to address realistically the spatial and temporal variability of land-surface parameters within a climate model .

References

• Sellers, J. P., D.A. Randell, G.J. Collatz, J.A. Berry, C.B. Field, D.A. Dazlich, C. Zhang, G.D. Collelo and L. Bounua, 1996. A revised land surface parametrization (SiB 2) for atmospheric GCMs. Part I:Model formulation, J. Climate, 9, 676-705.

• Sellers, J. P., S.O. Los, C.J. Tucker, C.O. Justice, D.A. Dazlich, G.J. Collatz and D.A. Randell, 1996. A revised land surface parametrization (SiB 2) for atmospheric GCMs. Part II: The generation of global fields of terrestrial biphysical parameters from satellite data, J. Climate, 9, 706-737.

 

http://www.atmos.berkeley.edu/ids/SiB2/index.html

 

http://en.wikipedia.org/wiki/Revised_Simple_Biosphere_Model_(SIB-2 )

 

 

 

 

陆面数据同化

 

将遥感反演陆面温 度，LAI，地表反照率，三个地表参数，和陆面模型相结合。对陆面温度我们计划使用同化的方式和陆面模型结合，对反照率和LAI我们计划以控制变量的形式 直接带入陆面模型。当然，反照率也可以以同化的方式进入陆面模型，但这要求陆面模型有更好的反照率参数化方案，同样LAI也可以以同化的方式进入陆面模 型，但这要求引入动态植被模型。整个工作主要涉及4个方面：1）与遥感反演温度及陆面模型相匹配卡曼滤波同化算法的数学实现，2）与遥感反演温度及卡曼滤 波算法相匹配陆面模型的选择，3）同化算法的验证，4）同化算法的应用，5）不同同化算法的比较。下面将从这5个方面详细的来讨论我们的工作。
1、 数学实现
我目前的工作是将遥感数据，使用KF(kalman filtering)的方法同化进路面过程模型。由于KF有很多不同的形式，我们必须根据我们的同化数据和同化动态模型的特点选择一种：1）我们面对的遥 感反演数据是非常规数据，由于很多原因，如观测时有云存在，观测时传感器出现问题，我们可能不能获得离散采样的周期性数据，2）我们使用的陆面过程模型是 一个由若干个常微分方程组成的，有外加强迫的非线性非自治连续系统，根据上面的两个原因我们将选择状态动态模型（state dynamics model）为连续的，而观测模型（measurement model）为离散的EKF(entended kalman filtering)。现将系统方程和EKF具体公式描述如下，随后将简单解释和陆面模型相结合时，各项的物理意义。

状态动态模型和观测模型：
      方程组（1）
EKF:
      方程组（2）

和陆面模型结合，方程组（1）中为状态变量，即陆面模型中各层温度和各层湿度，它为随机过程，即在任一固定时刻为随机向量；在工程中叫控制变量，和陆面模 型结合，它可以认为是外界强迫，即太阳短波辐射、大气向下长波辐射、降水率、参考面气温、风速、气压，湿度等；是强度为的多变量brown运动的微增量， 为一个随机变量；为观测值，为随机向量，在我们的工作中，它为遥感反演的陆面表层温度；是观测噪音，为离散的高斯白噪声序列，方差矩阵为；需要说明的是， 在我们的工作中为了方便可以认为是单位矩阵，由于我们将同化反演表面温度，观测模型可以简化为线性模型，而不需要做线性化，同时我们也假设和为常量和时间 无关，的大小与陆面模型以及其应用地点有关，可以通过实验数据估计出来，为遥感反演陆面温度的方差。
根据上一段的讨论，方程组（2）可以得到很大的简化。为在没有观测值，在我们的工作中为反演陆面表层温度，订正的情况下，对陆面模型状态变量的估计；为使 用观测值订正，在我们的工作中为反演陆面温度，后，对陆面模型状态变量的估计；为在没有遥感反演陆面温度订正的情况下，对陆面模型状态变量方差矩阵的估 计；为使用遥感反演陆面温度订正后，对陆面模型状态变量方差矩阵的估计。其余各项的意义就不详细解释了。

关于数值实现方案，根据EKF的结构，最好的是K—L方法。

本人认为使用上面介绍的同化方法最大的优点是克服了，当不能周期性的获得遥感反演温度的情况下的困境。这和使用周期性被动遥感数据进行同化形成了强烈对比。
2、 陆面模型的选择
考虑选择什么样的陆面模型来进行同化，我想主要是从3个角度出发：1）陆面模型对真实物理过程描述的精确程度和其复杂程度，2）模型中变量和参量与遥感反演数据在物理意义上的匹配程度，3）实现过程的复杂程度。
一般是越复杂的陆面模型对真实物理过程的刻画越准确，陆面过程模型的发展就体现了这一点。从方程组（1）我们可以看出，从统计的观点来看，越精确的模型， 随着时间的推移，它对物理状态描述的不确定性越小，当然也就越适合用于做同化的，从这个角度来讲，CLM无疑是最佳选择。
由于我们是要将现在算法比较成熟而且形成了产品的遥感反演数据采用不同的方法和陆面过程模型结合，那么我们必须考虑我们选择的模型是否和现有遥感反演数据 匹配。在上文，已提到要把遥感反演陆面反照率，LAI和陆面温度，和陆面模型结合，我们分别讨论这3个参数。1）反照率是一个非常重要的陆面参数，因为它 决定了陆面吸收太阳短波辐射的多少，直接影响陆面的能量平衡。现在，以modis为例，遥感反演技术能提供分辨率为0.05度的全球的16天合成的窄波段 和宽波段的核驱动模型的3个系数（MODIS BRDF/Albedo Parameters 16-Day L3 Global 0.05Deg CMG），通过它们我们能得到运行陆面模型需要的各种反照率。在陆面模型中，反照率是通过参数化方案给出的，一般和土壤水分含量，土壤类型，土壤光学特 性，植被LAI，植被类型，植被光学和几何特性，植被覆盖率等参量有关。通过改进反照率的参数化方案，可以将反演的反照率同化进陆面模型，但从讨论中可以 看出，陆面模型计算的反照率在每步计算中都会改变，而modis反演的反照率产品时间分辨率是16天，采用以控制变量的形式直接使用的方式进入模型，似乎 比通过同化的方式更加合理。从上面讨论中也可看出，如果对反照率采用直接使用的方式和陆面模型结合，选用的陆面模型，在温度控制方程中，在有植被存在时， 将冠层和表层土壤作为一层处理是十分必要的。2）LAI是一个表征植被状态的重要参数，但在现在的陆面模型中它只是一个随时间变化的参量，不是状态变量， 也和已有状态变量没有直接的函数关系，直接带入使用是一般陆面模型采用的方式，在我们的同化研究中也采用这种方式目前来看是比较合适的。3）现有的遥感反 演温度产品基本上都是像元温度，我们使用的陆面模型，在有植被存在的情况下，将冠层和表层处理为一层，在目前情况下是比较合适的。当然如能有端元温度，情 况就更好了。
从上面的对同化的数学实现中，我们可以看到，陆面模型是和EKF耦合在一起的，方程组（2）中的实际就是陆面模型的控制方程。EKF的结构是比较复杂的， 其中不仅集成了陆面模型，而且还集成了它的线性模型，以及其它矩阵方程，如果采用比较复杂的陆面模型，目前实现起来困难比较大。

我们的终极目标是将遥感数据和CLM耦合，但由于现有遥感产品的限制，经验和基础的限制，目前我们选择的陆面模型我认为应该复杂程度适中，和现有遥感产品 匹配。它应该具有特征：1）在有植被存在的情况下，温度控制方程将冠层和表层土壤作为一层考虑，2）描述的物理过程比较简单，暂时不考虑有雪的情况。

3、 同化算法验证
同化算法发展出来后，面临最大的问题是，它是否有效，是否能真正达到同化的2个目的：1）将采集的数据在空间和时间中内插，从而得到更加优质的数据，为定 量研究提供更加坚实的基础，2）通过它可以得到最优初始场，使观测和动力学模型达到统计意义上的最佳，为提高模型的预报精度做出贡献。我们必须验证我们的 同化算法，能考虑到的方法有2种。
1）使用大型地气相互作用实验数据和遥感反演数据结合进行点上验证。这种方法的优点是具有很强的真实性，是最佳方法。但缺点是，现有的大型实验进行的时间 都在比较成熟的遥感产品，如modis，产生之前。当然我们可以用avhrr的产品，但据梁老师说它的可靠性不高。这就是说，此方法目前不好使用。
2）只用大型地气相互作用实验数据，采用模拟的方式，产生模拟的modis数据，从而验证我们的同化算法。例如，在实验中有观测的表面温度，我们可以按 modis反演温度的时间规律，从观测中挑出这些值，认为它们就是moids反演温度。这种方法当然没有上面一种好，但在没有2000年后大型实验数据的 情况下，也不失为好的代替方法。建议使用这种方法。

至于选用什么实验的数据，只要符合我们选用的陆面模型，和验证方法的都可以。当然黑河实验数据，是符合要求的。

4、 同化算法的应用
如果一切顺利，我们就可以将我们的算法用于区域计算，例如，中国西北，黄河流域等，产生区域的融合了遥感反演资料的蒸腾蒸散，区域的土壤水含量，土壤温 度，真正达到同化的2个目的。在这个过程中，有几个问题是需要讨论的：1）区域上的计算输入资料的获取，2）同化模型在不同区域应用时的标定及其时间要 求，3）和其它算法计算结果进行比较。
1）遥感的优势实际上就是能比较容易的获得空间分辨率较高的面上的观测资料，将我们可以结合遥感反演数据的算法应用于区域是理所当然的。现在modis能 提供0.05度CGM时间分辨率为1天的全球陆面温度产品，0.05度的CGM时间分辨率为8天的全球LAI产品，0.05度CGM时间分辨率为16天的 全球BRDF产品，这解决了算法遥感反演资料的问题。现在我们可以获得时间分辨率为1小时空间分辨率我1度的再分析气象资料，这解决了同化模型气象强迫的 问题。我们可以看出400个0.05*0.05的遥感资料格点对应1个气象格点，每个1度的气象格点为下面的400个遥感格点提供气象强迫，而400个遥 感格点（tile）通过面积加权平均为气象格点提供显热潜热。
2）从方程组（1）的方程，我们可以看出brown运动的强度是和应用区域密切相关的，需要用实验数据，采用统计的方法估算出来，不同的区域值肯定不同。 我们的算法在什么区域应用，就应该在什么区域标定。由于我们采用的陆面模型相对来说比较简单，有些物理过程没有考虑，这也限制了算法使用的区域以及时间， 例如暂不能用于有雪的地表。
3）modis也提供了陆面蒸腾蒸散产品，还有其它算法也可以得到陆面蒸腾蒸散的结果，我们可以用我们算法计算的结果和它们进行比较，以确定我们算法的相对优劣。

5、不同同化算法比较
1)        Simulated annealing
2)        Newton nudging
3)        Variation
4)        direct insertion
5)        ensemble kalman filter 

 

 

戴永久，“国家杰出青年基金”获得者，北京师范大学地理学与遥感科学学院教授（长江学者），北京师范大学全球变化与地球系统科学研究院首席科学家；国际陆面过程研究领域的著名专家、中国陆面过程模式研究方面的领军人物。 主要学术成果包括：（1）建立了中国科学院大气物理所陆面模式IAP94，实现了IAP94与GCM 耦合和模拟研究； （2）发展了在陆面过程及气候研究领域被广泛应用的通用陆面模式（The Common Land Model, CoLM）与其合作者实现了CoLM 与 Community Climate System Model（CCSM）和 Weather Research and Forecast （WRF） Model的组装；（3）发展了植被光合与叶子气孔传导模型（单层双大叶模型，two-big-leaf model）；（4）中国区域陆面再分析资料系统的研究。

 

戴永久，1964 年生，教授，吉林大学学士（1987），中国科学院大气物理研究所
硕士、博士（1995）。杰出青年基金获得者（2003-2006），北京师范大学长江特聘教
授，乔治亚理工学院博士后。现任北京师范大学地理学与遥感科学学院院长。主要从
事陆面过程模式研究：(1) 建立了中国自己的陆地表面模式(IAP94)。该模式参与了国
际陆面模式相互比较计划，在冰雪物理过程和土壤水文学的参数化描述等方面尤其突
出。正是 IAP94 奠定了中国在陆地表面模式研究的国际地位。(2) 成功实现了IAP94
与大气环流模式的耦合及百年数值积分，发现了陆面过程在东亚季风的重要性，该发
现推动了国内学者对东亚季风区陆-气相互作用研究热潮。(3)建立了 The Common
Land Model (CLM)，并实现了 CLM 与 Community Climate System Model (CCSM) 和
Weather Research and Forecast (WRF) Model 的组装。(4)建立了更为完善的植物生理过
程与叶子气孔传导子模型，该子模型是气候模式与植物生理生态系统模式的唯一连
接。

 

 

中国陆面数据同化系统研究的进展与前瞻

作者单位：李新,车涛,晋锐,王书功,王介民,高峰,张述文,邱崇践,王澄海(中国科学院寒区旱区环境与工程研究所,兰州,730000)
黄春林(兰州大学大气科学学院,兰州,730000) 期刊：自然科学进展   ISTICPKU  Journal： PROGRESS IN NATURAL SCIENCE  年，卷(期)： 2007, 17(2)

陆面数据同化的核心思想 是在陆面过程模型的动力框架内,融合不同来源和不同分辨率的直接与间接观测,准确一致地估计地表水分和能量循环的各个分量.作者已初步建立了中国陆面数据 同化系统;同化方法采用了集合Kalman滤波,模型算子使用CoLM和SiB2等SiB2等陆面过程模型,观测算子采用针对土壤(包括融化和冻结)、积 雪等不同地表状态的微波辐射传输模型.该系统同化被动微波遥感观测如SSM/I,TMI和AMSR以及土壤和积雪的常规观测,已计算得到中国西北干旱区和 青藏高原的土壤水分、土壤温度、积雪和冻土的同化资料.文中阐述了在同化系统的构建、同化算法的研究、陆面过程模型和微波辐射传输模型的集成以及大气驱动 数据制备等方面的进展,讨论了陆面数据同化的特点和面临的问题,展望了未来的研究重点和同化方法在陆地表层系统科学研究中的应用前景.

 

 

美国匹兹堡大学梁旭副教授来我院进行学术交流，做了题为“Climate change and hydrology: What determines the partitioning of precipitation between runoff, ET, and storage?”的学术报告。学术报告由秦大庸教授主持，水资源所科研人员及研究生共三十余人参加了本次学术活动。

梁旭是美国匹兹堡大学公共与环境工程系副教授。其研究方向包括VIC（变入渗能力，Variable Infiltration Capacity）模型的发展与改进、陆地—大气交互作用研究、基于水文的信息技术和遥感技术研究以及非点源污染控制等方面。

气陆耦合模型是目前国内 外研究的热点，梁教授详细分析了影响气象模型模拟的因素，并指出在地形变化比较大的地区，模型计算单元的大小会影响气象模拟的结果，甚至会导致非常大的偏 差。同时，梁教授开发了新一代陆面水文VIC模型，提出了变格网提取水流的方法，大大提高了边界水流模拟的精度，模型考虑土壤水和地下水的双向影响，使得 与MM5等气象模型得到较好的耦合。该模型源代码开放，可以根据需要编写和改进，目前在美国得到了广泛的应用。

 

 

一维模型算子(仅垂向相关)
SiB
Vic
CLM/CoLM
LSM
SHAW
LPJ
一维模型算子(垂向和水平面相关)
GEOTop (http://www.geotop.org/cgi-bin/moin.cgi )

 

观测算子

被动微波
QH
Liou_QH
主动微波
MEMLS
AIEM
近红外/可见光
SAIL
GORT
通用辐射传输模型
CRTM

 

 

 

分布式水文模型

TOPMODEL（TOPgraphy based hydrological MODEL）
SHE
DHSVM（Distributed Hydrology Soil Vegetation Model）
VIC（Variable Infiltration Capacity）
SWAT（Soil and Water Assessment Tool）
HMS（Hydrologic Model System）
SVAT（Soil-Vegetation-Atmosphere Transfer model）