英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料

Koster R D, Dirmeyer P A, Guo Z, et al. Regions of strong coupling between soil moisture and precipitation[J]. Science, 2004, 305(5687): 1138-1140.

土壤湿度和降水之间的强耦合区域

The GLACE Team: Randal D. Koster, Paul A. Dirmeyer, Zhichang Guo, Gordon Bonan, Edmond Chan, Peter Cox, C. T.Gordon, Shinjiro Kanae, Eva Kowalczyk, David Lawrence, Ping Liu, Cheng-Hsuan Lu, Sergey Malyshev, Bryant McAvaney, Ken Mitchell, David Mocko, Taikan Oki, Keith Oleson, Andrew Pitman, Y. C. Sud, Christopher M. Taylor, Diana Verseghy, Ratko Vasic, Yongkang Xue, Tomohito Yamada

摘要：先前对陆气相互作用的评估(土壤湿度对降水的影响)一直受限于观测数据的缺乏和对计算估计模型的依赖。对于第二个限制，最近十几个气候建模团队做了一个相同的高度可控的数值实验作为与计算估计模型协调的一部分。这个实验可以对地球上降水受北半球夏季土壤湿度异常影响的地区进行多模式估计研究。这个估计研究的潜在好处在于可以改进季节性降雨的预测。

大气扰动严重限制了季节性降水的可预报性的时间尺度。天气预报，严重依赖于大气的初始化，很少有超过一个星期时间尺度的预报，精确的季节性预测与模拟在于大气的反应缓慢变化和陆地系统的陆地表面组成成分，可以预测提前数周甚至几个月。一个系统的反应，其中的边界组成成分的形态将有助于季节性预测的效果。

在这方面海表的关键性是众所周知的^[1]。海洋温度异常可以提前预测一年甚至更久^[2]。此外，大气中的反应更加强烈（和更可预测）海洋大气耦合“热点”区域中的海洋温度异常。赤道东太平洋是最著名的海洋研究热点，在厄尔尼诺-拉尼娜循环中起着关键的作用^[3]。

另一个有用的潜在缓慢变化的地球系统的组成部分是土壤湿度，可通过蒸发和地表能量通量这方面影响天气。土壤湿度异常可以持续几个月^[4]，观测资料的缺乏，阻碍了研究土壤湿度这方面因素对预测降水的确切的影响^[5]，这样的影响往往被认为大气环流模式的研究（AGCM）^[6-7]。事实上，一些研究表明，在大陆中纬度大气环流对降水、海洋在夏季的影响是土壤湿度的影响是相对较小的^[8]。

这表明一个问题：在地球表面的特定位置土壤湿度异常对降水有很大的影响吗？这样的热点的识别将对季节性预测系统的设计和相关的发展有重要影响，基于地面和卫星监测土壤湿度的策略，如果这样的影响被认为是局部性的。在更广泛的意义上，这样的识别对理解地球的气候系统和在对其的可预测性是至关重要的。

尽管大气环流模型研究^[9-12]和数值天气预报模式的研究^[13]已经解决了这个问题，并基于不同的实验设计和反映不同的参数化特征模型发表了研究结果。然而最近十几个大气环流模型研究组^[14]还解决了耦合的问题，所有研究组都模拟出了相同的高度控制的数值实验。这个实验与全球陆气耦合实验^[15]协同。基于大气环流模型的每个模型都对北半球夏季模拟实验（6月至8月）产生结果，目的是为了对模型的夏季陆气耦合强度进行量化^[16]。结合这些模型的结果，我们消除了许多不想要的对单个模型依赖。我们实际得到的是一个特殊的结果：一个关于陆气耦合强度的全球分布多模式平均描述。由于观测数据的局限性，无论是现在还是在可预见的未来，这种关于耦合强度分布的多模式估计无疑是最好的可行估计。

每个全球陆气耦合实验的关联者集成了16个模拟实验，这些模拟实验是关于土壤湿度在一个模拟实验中和另一个与16个模拟实验数值被迫相同的，不同时间、不同地域的次地表土壤湿度实验中^[17]的变化。耦合强度，即所有规定边界条件影响大气质量 X^[18]的程度，X可以被用来进行关于Omega;的双重诊断估计：

，是x的内部集成方差，是总体平均时间序列相应的方差，单一时间序列由16个因子在每个时间间隔的平均产生，这里选择6天。当然我们是应用在降水的过程中。为了减少误差，我们将X作为降水的自然对数。在降水中做对数统计是水文气象的一种常见的做法，因为没有修正过的降水分布往往是高度倾斜的 ^[19，20]。

该方程的一项研究表明，在不考虑抽样误差的情况下，Omega;变化应该从0到1，Omega;数值越高意味着大气边界条件对降水的影响越大。为了将土壤湿度对降水的影响从所有其他强迫中分离出来，比如随时间变化的海洋温度和太阳辐射的季节变化，我们可以计算Omega;值来比较两者之间的差异。简单来说，这Omega;值近似于降水变化与土壤湿度的个别变化的比例。

图1显示了Omega;在世界地图上不同的值，关于所有全球陆气耦合实验的相关模式的平均。这个关于陆气耦合强度的多模型估计显示了几个不同的热点地区。热点地区出现在北美中部平原，荒漠草原，非洲赤道地区和印度地区。在南美、中亚和中国出现了不那么强烈的热点地区。

热点的位置是不预期的^[8-21]，特别是如果土壤湿度的影响被推定为局部而不是宏观。首先考虑在潮湿的气候条件下，土壤湿度充足，蒸发不受土壤湿度的控制，但净辐射受其影响。这是图2所示，这说明了差分诊断，适用于蒸发而不是降水，变化（平均）与土壤湿度。土壤湿度Omega;变化时，土壤湿度变化所解释的蒸发方差的比例确实最低。因为潮湿气候的蒸发对土壤湿度的变化不是很敏感，所以对它们也不敏感。

现在考虑在干燥的气候条件下，蒸发率对土壤湿度敏感，当然，一般很小，如图2所示的虚线曲线。直观地说，小蒸发率应该有一个有限的能力影响降水。在干旱地区，在任何情况下，倾向于有限制降水。只有在潮湿和干燥的气候，在那里的气氛是适合于降水产生[特别是，在那里的边界层的水分可以触发湿对流^[22]，其中蒸发相对较高，但土壤湿度在过渡区仍然具敏感性。我们可以期待土壤湿度对降水的影响。热点显示范围主要是在这样的过渡区^[23]。

图1表明，并不是所有全球陆气耦合实验模式都将热点区域放在指明的地方。例如，在北美，只有一半满足统计学意义的耦合强度模型在所描述的区域内。 有12个模型证明在萨赫勒地区和印度的热点地区略多；然而，在世界各地都广泛存在着关于强度和热点定位不同的变化。图1反映了热点的不确定性，并以一个正确的方式解释了陆气耦合强度的物理过程。事实上，一些模型不仅在在图例中展示出了一个小的耦合强度，并也在地球上的任何地方展示出了小的耦合强度。联合变化突出了平均过程在图1的重要性。图例验证了上述想法，任何对耦合强度单模型的分析都会提供该模型特有的结果。经平均过程得出的模式是有价值的，因为经过许多独立的模型实验证明，陆气耦合是很重要的。

绘制的热点表明，在北半球夏季^[25-26]，土壤湿度的全球初始化可能提高降水预报效果。在土壤湿度的影响主要是局部的假设，热点表明，土壤湿度的常规监测，在以地面和空间为基础的系统，将在北方夏季的季节性预测产生很多的反馈，在某些意义上说热点是在热带东太平洋地表层类似于海洋的“厄尔尼诺热点”。

图1.陆气耦合强度对北半球夏季的诊断（差异，无量纲，描述土壤湿度对降水的影响），取12个关于全球陆气耦合实验的模式的平均。平面上对上述12个单独模型的耦合强度取平均，代表热点区域。在南美和非洲南部没有出现热点。

图2：土壤湿度（土壤饱和度的程度）和2个独立的地表能量收支的平均关系：蒸发量（实线，无量纲单位）和平均蒸发率（虚线，厘米/天）的差异。这两个方面应具有适当的高值以允许土壤湿度异常转化成降水异常；事实表明，这大多发生在土壤湿度取中间值的时候，即在潮湿和干燥的气候的过渡区域。曲线通过平均土壤湿度、Omega;差异，12个模型的蒸发区域，利用无冰点地区数据和根据土壤湿度值搜集的数据的二者关系，构造散点图。

参考文献

[1] J. M. Wallace et al., J. Geophys. Res. 103, 14241(1998).
[2]B. P. Kirtman, P. S. Schopf, J. Clim. 11, 2804 (1998).
[3] E. M. Rasmusson, T. H. Carpenter, Mon. Weather Rev.110, 354 (1982).
[4] Y. Vinnikov et al., J. Geophys. Res. 101, 7163 (1996).
[5] Historical soil moisture measurements are mostly confined to Asia (27). Even if global soil moisture fields did exist, using observations to establish that soil moisture affects precipitation is difficult because the other direction of causality is much stronger—precipitation has a first-order impact on soil moisture.
[6] J. Shukla, Y. Mintz, Science 215, 1498 (1982).
[7] P. A. Dirmeyer, J. Clim. 13, 2900 (2000).
[8] R. D. Koster, M. J. Suarez, M. Heiser, J. Hydrometeorol.1, 26(2000).
[9] H. Douville, F. Chauvin, Clim. Dyn. 16, 719 (2000).
[10] P. A. Dirmeyer, J. Hydrometeorol. 4, 329 (2001).
[11] R. D. Koster, M. J. Suarez, J. Hydrometeorol. 4, 408(2003).
[12] C. A. Schlosser, P. C. D. Milly, J. Hydrometeorol. 3, 483(2002).
[13] C. M. Beljaars, P. Viterbo, M. J. Miller, A. K. Betts, Mon.Weather Rev. 124, 362 (1996).
[14] The participating AGCMs are from the following groups. ( The order presented here is alphabetical and does not match the order of the histogram bars in Fig. 1.) (i) Bureau of Meteorology Research Centre (BMRC), Australia; (ii) The Canadian Center for Climate Modeling and Analysis (CCCma), Canada; (iii) Center for Climate System Research (CCSR), University of Tokyo, and National Institute for Environmental Studies (NIES), Japan; (iv) Center for Ocean-Land-Atmosphere Studies (COLA),United States; (v) Commonwealth Scientific and Industrial Research Organization (CSIRO), Australia; (vi) NASA/Goddard Space Flight Center Laboratory for Atmospheres, Climate and Radiation Branch, United States (GEOS); (vii) Geophysical Fluid Dynamics Laboratory (GFDL), United States;(viii) Hadley Center (HadAM3), UK; (ix

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[31662]，资料为PDF文档或Word文档，PDF文档可免费转换为Word