地球系统模拟简介---功能，问题和挑战

王峻晔

 摘要

本文简要介绍了地球系统模拟的基本功能，面临的主要问题和挑战。也讨论了可能的完善方法和发展方向。

      地球表面区（包括大气和地下水的区）包括水，食物粮食，能源等人类必须的自然资源，支持绝大多数的地球生命活动。但由于人类和自然的扰动，地球表面正在快速地变化，这种变化将怎样影响人类？地球系统科学就是要集成地质，地理，土壤，生物，生态，地质化学，遥感，水文和计算数学科学，研究地球气象引擎（风，雨，光，热等）怎样影响在土壤，岩石，海洋和动植物中的物理，化学和生物过程。以及这些物理，化学和生物过程如何转换矿物和有机物为动植物所需的营养和如何控制污染扩散，温室气体排放等实际的社会经济问题。尽管许多水文模型和农业系统模型也是为了解决上述问题的某个方面，例如，洪水预测，农业产量预测，地下水污染等，但现今的地球系统模拟，主要指用于模拟区域和全球尺度的气候变化和大气和大陆间的水和碳循环。

    联合国政府间气候变化组织(Intergovernmental Panel on ClimateChange（IPCC）) 用于评估气候变化模型主要包括两个部分，大气和海洋相互作用的模型---大气海洋通用循环模型（Atmosphere-Ocean General Circulation Models (AOGCMs)），大气和大陆间相互作用模型---地球系统模型（Earth System Models (ESMs)）。IPCC 用集成的AOGCMs和ESMs模拟大气，陆地和海洋间的相互作用，预测如图1所示的碳循环和图2所示的水循环。

图1.  自然界的碳循环（wiki）。

图2.  自然界的水循环（wiki）

        碳循环主要由于植物呼吸，土壤微生物活动和人类活动产生CO₂进入大气。大气中的CO₂经植物光合作用吸收反应成为植物组织部分，然后，由于植物或动物（动物的碳也来自植物）的死亡，动植物组织在物理化学生物作用下分解，返回大陆形成土壤中的碳 （图1）。因此，地球大陆有四个大碳储存地[1] （注：该数据与图1中的数据有些出入），包括2500Gt大陆圈的土壤无机和有机碳，大气圈中的760Gt碳，生物圈的560Gt碳和海洋中的碳。按物质守恒原理，如果海洋中的碳不变，那么土壤和植物中储存的碳多，大气中的碳就少。反之，如果土壤和植物中储存的碳少，那么大气中的碳就多。地球系统模型就是模拟这些碳源和汇之间的碳交换或循环。那么什么是水循环呢？水循环是指的土壤和河流湖泊水受太阳热蒸发进入大气，以及动植物的生理呼吸进入大气的水蒸气的总和。在大气中经过水蒸气遇冷凝结下雨或雪回到大陆或海洋，完成一个循环 （图2）。

     随着人类人口的增加，人类活动排放CO₂增加，例如，石化燃料是开采利用埋藏在地下土壤中的碳，如此，减少了土壤中的碳，增加了大气中的碳。砍伐森林是减少植物中的碳储存，也减少了植物对大气碳的吸收，最终也增加了大气中的碳。但无任是大气中的CO₂增加，还是大气温度增加，植物的新陈代谢过程也随着增加，植物光合作用吸收CO₂能力也随着增加。那么由于人类活动导致未来大气中的CO₂到底是增加还是减少？地球系统模拟要回答的主要问题就是碳循环怎样响应大气中CO₂变化和气候变化（主要指温度变化）。因此，地球系统模拟也是联合国政府间气候变化组织（IPCC）预测未来气候变化的主要研究内容之一。大气和陆地的水碳循环的基本概念和方法如图3所示。

图3.  大陆圈的水碳循环

   这是一个典型的多尺度问题。所谓的多尺度一般指空间尺度和时间尺度，时间尺度比如，秒分时，年月日。空间尺度一般比如，纳米，毫米，厘米，米等。这些空间尺度对地理系统，显然太小，用起来也不是很直观方便，于是就有了场地尺度，流域尺度，区域尺度，和全球尺度。多尺度的问题一般指不同尺度间的相互作用，既要理解微观的问题，又要有宏观的认知。比如，在纳米和厘米尺度的微生物过程，怎样影响全流域的碳氮循环和水循环。反过来，流域的气候过程，比如，温度，湿度，降雨量，风速等怎样影响微生物过程。从小尺度到大尺度连接一般用网格，图4显示一个典型的规则网格多尺度模拟例子。

图4. 多尺度的水碳循环模拟基本结构

     气候变化对人类影响评估依赖于气候模拟的预测精度。现代的地球系统模型有许多不确定性。首先是模型的分辨率，一般来说，模拟网格就是模型在空间上的分辨率，时间步长就是时间上的分辨率。在一个网格元（结点），所有的参数都是容积或质量平均。比如，0.5度x0.5度网格就是指在这个尺度有相同的温度，湿度，等等。在赤道，5分代表大约9公里，因此，在赤道5分x5分的网格的分辨率就是9公里的分辨率。当然，还有时间步长就是时间上的分辨率，比如，在天的时间步长内，变量是一天的平均值。不确定性常常是主要的限制因素，也是地球系统模型的基本科学问题和挑战。模型的在这方面的不确定性包括两个方面：1）空间时间上的异质性，2）在局部网格小尺度的过程理解和模拟。

  空间时间上的异质性是指模拟参数在空间上的不均匀性，比如，如果9x9平方公里网格元用同样的温度，湿度，显然是不合理的，那么怎样平均才能更合理地代表这些参数的异质呢？又怎么更合理代表时间上不均匀呢？这种异质性之一如土地的功能，在Joint UK Land Environment Simulator （JULES） [2] 模型中，这种土地的功能异质性用面积百分比代表，一个网格内用9种地表功能表示（阔叶林，针叶林，温带草地，寒带草地，灌木林，都市，内陆水，赤裸土壤和冰雪）。再比如，降水的蒸发、下渗和地表径流计算。地球系统模型的水平衡计算本质上是基于质量守恒定律[3，4]。这种水平衡计算依赖于土壤和植物的相互作用（相对来说，都市的水泥地要简单的多）。有两个关键参数，一个是潜在的蒸发率（potentialevapotranspiration, PET）,另一个是土壤饱和限。下渗一般用Richards方程计算，这里的关键是确定水力传输系数和水的源或汇（包括植物吸收，土壤在饱和前吸收等）。水力传输系数需要与土壤水浓度，植物根系，土壤空隙率（或土壤颗粒度），凋谢点等相关[2]，作相应的修正，实际下渗能力由土壤饱和限控制。蒸发与植物种类（LAI）,光照，温度和湿度相关，实际蒸发率小于PET。降水量减去蒸发和下渗就是地表径流。

  另一个是空间能量守恒系统的异质性，自然系统的能量来自太阳，有几个参数代表能量（温度，热和光照度），现在几乎所有的模型都是按网格直接输入局部的温度。用热传导方程按温度梯度计算地下热扩散，与水下渗计算类似，有两个关键参数， 一个土壤最大热容量，一个土壤热传导系数。这些参数需要与土壤种类和土壤湿度相关，做相应修正。土壤温度和湿度被用于有机物分解，硝化反硝化计算（这指DNDC模型，地球系统模型一般没这么细描述）。光照度有两种方法，一种是按实测直接输入（对一些场地或区域尺度，有这方面的实测数据）。另一种是在没有实测数据的情况下，一般按纬度直接计算白天长度。这里有一个不确定性，就是云层的影响。一般用一个云层系数修正。但多数情况下，很少有云层空间分布的数据，这就导致了不确定性。光的波长和地面反射是个复杂的问题，一般吸收和反射与地表功能相关。尤其在与植物相关时，各模型处理有些不同。类似地，人的活动对地表的影响也是空间异质的。这里应该说明，图3并不考虑空间的异质性，仅仅代表一种质量和能量的守恒关系。因此，该图也许理解为局部的网格元中的守恒比较合适。

局部网格小尺度的过程理解和模拟，这也许比时空的异质性更重要。比如，植物的光合作用不仅依赖于大气CO₂浓度和适合的水，也依赖于别的营养和土壤条件，比如，氮，磷，钾等。氮，磷，钾等营养元素的缺乏将限制植物的光合作用，也就限制了植物对大气CO₂的吸收。在IPCC AR5中的11模型中，只有两个模型集成陆地模型（Community Land Model (CLM) ）模拟的氮循环 [5，6] ，磷钾等没有任何考虑。近年来，在Science和 Nature上对土壤碳储存的温度敏感性有一场热烈的辩论 [7-10]，说明现在对土壤过程的理解还相当缺乏，有许多问题和挑战要解决，俺这里就不再展开讨论。植物，土壤和大气的相互作用是现代地球科学的主要前沿之一[11]。

     那么，对于空间时间上的异质性问题，随作计算机技术的发展，我们是否可以用更细的网格呢？其实，地球系统模型一直随着计算机技术的发展而加细网格的分辨率。但计算强度依赖于总的网格数，时间步长和变量总数，本质上与模拟的区域尺度无关。比如，如果我们要模拟微尺度的生物过程，模型的分辨率须要高于感兴趣的细胞尺度至少一个数量级，也就是分子尺度或纳米尺度，如此导致非常高的网格数，自然这种微过程模拟也就需要超级计算机计算。对于一个给定的尺度区域和变量数，分辨率越高，网格数就越大。比如对全球这种大尺度，就不得不牺牲分辨率，以保持总网格数在计算机能力范围之内。因此，从这个角度说，地球系统模拟像天气预报模拟一样，计算机的能力总是不足的。

    那么在地球系统模拟中，多细的网格才算足够呢？现在还没有相关的研究。俺的理解是网格应该分辨土壤的异质性，比如微生物，也许是厘米尺度的不均匀性。但在可见的未来，我们是看不到计算机的能力能够模拟这么高的分辨率的全球尺度。正是因为这样，我们才需要开发模型。既然我们叫模型，那么就不是真实系统。一个好的模型就是能够抓住主要的控制变量和物理化学生物过程，能够模拟所需要的真实系统过程。比如，天气预报模型模拟预报降雨量，中长期预报还有困难，但短期的预报也有重要的实际意义。模型总是真实系统的简化，而不是真实系统！模型的开发过程是从定性向定量逐步逐步地趋向真实的过程。

     现在IPCC AR5模型中最好全球尺度的模型分辨率是0.5度x 0.5度，显然，这对水文过程是绝对太粗，因此，一些地球系统模型也被开发能用于流域尺度，由于流域尺度远小于全球尺度，网格就能相当的细，比如1km x 1km网格，甚至更细到几米的尺度分辨率。例如，俺参加的一个英国自然环境研究委员会（NERC）的联合大项目[12]， 一个合作单位（Centre for Ecology & Hydrology (CEH)）就用JULES模拟1km x 1km网格的国家尺度的生物能替换影响。这也可以理解为牺牲尺度提高分辨率。对于多数实际问题，比如，农业生产预测，土地污染和修复，太湖蓝藻污染等，尺度基本在几十，几百公里，或者说在千公里之内，遥感的像素分辨率就可以直接作为模拟的网格，这将大大简化系统模型，GIS系统和遥感间数据耦合的数学处理。计算机能力也不是主要问题。

     那么，还有什么问题和挑战？有两个主要的挑战，一个是上面提到的在局部网格小尺度的过程理解和模拟。由于植物，土壤和大气的相互作用包括地下复杂的生物地质化学过程，实际上，现在还没有好方法直接测量地下植物和土壤的相互作用，我们的理解还相当有限，模型的改进 （比如包括更详细的过程描述）还有很大的潜力，这就是为什么俺说这个问题也许比时空的异质性更重要。另一个挑战是数据同化（这里借用气象模拟的专业名词，两者的问题是相似的）。但地球系统模型比气象模拟更复杂，要同化的数据更多。一方面，长期以来，农业，气象，生态，地质地理，生物，水文等各行各业各自为政，有大量的测量数据，比如，洛桑实验站的百年长期数据够你下载一个星期，各种气象，生物和生态数据更是数据海洋。但另一方面，这些数据是互不相关的，各自独立的。绝大多数数据是很难用于模型开发，高分辨率模型开发缺乏许多关键的数据。除了度量单位等小问题，还要考虑很多的问题，比如，土壤数据，如果我们的模型要分辨几米的尺度，土壤数据库就也需要这个分辨率。再比如，庄家植物的数据库也需要是几米的分辨率。许多地理数据是在村，乡，县，省等这种行政区域网格上的，比如人口，GDP等等，要用这种数据模拟一些自然边界区域，比如地块，分水岭，流域等，这些数据需要用插值方法输入规则网格，但怎样插值更合理有效？还有人的态度（包括政府，公司和土地主）也许决定土地的使用功能，从大数据角度，怎样相关这种人的态度和土地功能的关系？要解决这些问题，至少现在，计算机和数学领域都没有合适的算法。如此，就需要新算法的开发。从某种角度说，应该是当今大数据的研究内容之一，俺在这算给计算机大数据研究者出个具体的挑战性大数据问题（这也应该是计算机大数据的研究前沿之一，解决的好，俺保你们是十年后的大牛）。

     最后谈一下俺在这方向的工作，俺的研究主要从微尺度，场地尺度到流域尺度。要解决的是农业生产，水资源和生物能源中的一些主要问题，重点放在集成生物地质化学过程和水文过程的两种模型研究流域尺度的温室气体排放，土壤碳储存，农业生产和水资源过程。直接用地球系统模型是显然不适合解决这些具体问题。不仅仅是太粗的分辨率，其有限的几种土地功能也不足以描述主要的流域尺度的社会经济功能。尤其是其生物地质化学过程过于简化，限制了它们的实际应用。一些农业系统模型，比如，李长生教授的DNDC [13，14]，Century [15] 等有更合理的生物地质化学过程描述，DNDC也许有目前最好的氮碳耦合循环，能够模拟几十种农业植物庄家。如此是更理想的局部的生物地质化学模型，结合遥感数据和其他数据进展，将大大提高模型分辨率和可靠性。但农业系统模型有主要缺陷，几乎所有的农业系统模型只有垂直方向的水渗透和蒸发，没有水平方向的表面和地下流动。如此，对流域尺度的水污染和水资源问题显然是不足的，集成生物地质化学和水文模型也许是个较好的选择，地理信息系统将用于模拟结果的后处理。目的是抓住主要的控制参数和水文生物地质化学过程，桥接学科间的知识空白，解决一些关键的地球系统科学相关的社会经济问题。

应老邪要求，先做一些简单介绍，主要在地球系统模拟的基本方法和概念，而不是具体模型介绍，肯定有不少挂一漏万之处，不妥之处，还望老邪和各位多指教。

参考文献

[1] R.Lal,2004. Soil Carbon Sequestration Impacts on Global Climate Change and Food Security，Science， 304: 1623 – 1627

[2] https://jules.jchmr.org/

[3]C. J. Vorosmarty, B. Moore, (1991). Modeling basin-scale hydrology in supportof physical climate and global biogeochemical studies: an example using the Zambezi river, Surveys in Geophysics, 12: 271-311.

[4]K. Y. Li, M. T. C oe, N. Ramankutty, (2005).  Investigation ofhydrological variability in west Africa using land surface models, Journal of Climate 18 (16), 3173-3188.

[5] http://www.cgd.ucar.edu/tss/clm/

[6] P.E. Thornton, J.-F. Lamarque,  N. A.Rosenbloom, N. M. Mahowald, (2007). Influence of carbon-nitrogen cycle couplingon land model response to CO₂ fertilization and climate variability,  GLOBAL BIOGEOCHEMICAL CYCLES, VOL. 21,GB4018, doi:10.1029/2006GB002868.

[7] E. Davidson,I. A. Janssens, (2006).Temperature sensitivity of soil carbon decomposition and feedbacks to climate change,Nature, 440:165-173.

[8] C. P. Giardina, M. G. Ryan, (2000). Evidence that decomposition rates oforganic carbon inmineral soil do not vary with temperature, Nature, 404:858-861.

[9] W. Knorr, I. C. Prentice, J. I. House, E. A. Holland, (2005). Long-termsensitivity of soil carbon

turnover towarming, Nature, 433: 298-301.

[10] D. POELSON,(2005) Will soil amplify climatechange? Nature, 433: 204-205.

[11] C.W. Riceet al., (2009). Frontiers in Soil Science Research, National Academies Press，Washington,D.C.  

[12] http://www.carbo-biocrop.ac.uk/

[12] http://www.dndc.sr.unh.edu/

[14] J. Wang, L. M. Cardenas, T.H. Misselbrook, C.S. Li, (2012).Modelling nitrous oxide emissions in grazed grassland systems. EnvironmentalPollution. 162: 223-233.

[15] http://www.nrel.colostate.edu/projects/century/