陆面过程模式的大气驱动数据（风、温、湿、压、降水、太阳辐射等）时间分辨率的最低要求是6小时数据，即每日至少需要四个时次的大气数据才能表征大气的日变化，从而正确模拟地表能量、植被生长、土壤水文过程等。对于未来时期的模拟，驱动数据的时间分辨率极大的限制了可供选择的未来气候情景，大部分可获取的未来气候模拟都只保存了月尺度数据，这大大限制了运行陆面模式研究未来气候变化影响的自由度。针对这一问题，通用陆面模式（CLM4.5）开发了一套可以直接使用月尺度大气驱动数据的方法：Anomaly forcing CLM，其原理是在高时间分辨率的基础驱动数据场上叠加月尺度异常场信号，然而，这种方法究竟能否真实的模拟未来气候情景下的植被生长还没有得到验证。

吕雅琼副研究员研究团队选取了CESM全球气候模式模拟下分别储存了6小时分辨率的气候数据和月尺度气候数据的三种未来气候模拟（增温1.5oC，增温2.0oC，RCP4.5），以作物产率为主要考察变量，研究CLM月尺度驱动方法是否能如同6小时分辨率驱动数据一样模拟未来气候情景下的作物产率。研究表明，与6小时分辨率数据驱动的CLM模拟结果相比，月尺度驱动CLM模拟低估了5-8%的作物产率，在28%-41%的农田都存在显著差异（图一），这种作物产率的低估可能是因为生长期的低估造成的。然而，月尺度驱动CLM模拟能够合理模拟作物产率的区域变化（图二），以及两种不同的气候情景带来的作物产率的差异（图三）。我们的研究说明月尺度数据驱动CLM模拟虽然低估了未来气候情景下作物产率，但能够定性研究未来不同气候情景下作物产率的区域差异，为区域农业发展决策提供更多未来气候情景支持。研究成果发表在地学模式发展主流期刊《Geoscientific Model Development》

文章来源：https://gmd.copernicus.org/articles/14/1253/2021/

图一月尺度数据驱动CLM与标准驱动CLM模拟全球作物产率（2006-2075）对比

图二月尺度数据驱动CLM与标准驱动CLM模拟区域作物产率（2006-2075）对比

图三月尺度数据驱动CLM与标准驱动CLM模拟全球作物产率（2006-2075）在2.0oC与1.5oC，RCP4.5与1.5oC的对比