植被总初级生产力（Gross Primary Productivity,GPP）决定进入陆地生态系统的初始物质和能量,是陆地碳循环与大气碳库的重要联系纽带.利用陆面过程模式CLM4-CN（Community Land Model version 4 with Carbon- Nitrogen interactions）模拟和分析中国区域1982～2004年GPP（CLM4_GPP）时空变化特征,并通过与基于观测数据升尺度所得到的MTE_GPP（Model Tree Ensemble,MTE）进行比较,评估CLM4在中国区域GPP的模拟能力,同时探讨了不同土地覆盖资料对GPP的影响.结果表明：（1）CLM4-CN能够较好地刻画中国区域GPP空间分布格局,表现为由东南向西北递减,但在量值上大部分区域尤其是30°N以南地区存在高估,CLM4-CN模拟的GPP多年平均值为13.7 PgC a^-1,而MTE_GPP仅为6.9 PgC a^-1;（2）CLM4-CN可以合理模拟GPP的季节变化（与MTE_GPP相关系数大于0.9）,在量值上对温带阔叶落叶林、寒带阔叶落叶林、寒带阔叶落叶灌木、C3极地草地、C3非极地草地和农作物模拟较好（均方根偏差RMSD 〈 100 gC m^-2 month^-1）;（3）不同植物功能型CLM4_GPP表现出的年际变率均大于MTE_GPP,仅热带针叶常绿林、寒带阔叶落叶林和C3极地草地的CLM4_GPP与MTE_GPP变化趋势一致;（4）降水是研究时段内控制整个中国区域GPP的主要气候因子,但不同地区存在较大差异;（5）两种不同土地覆盖资料GPP模拟结果的显著差异表明,精确的土地覆盖是准确模拟GPP的重要基础.
积雪因为其特定的属性在气候变化和水文循环中扮演着重要角色,在大气和陆面之间起到了调节能量和水交换的显著作用,而陆面驱动数据的质量直接决定着模式对积雪的模拟效果。本文采用CLDAS(CMA Land Data Assimilation System)和改进后的降水驱动(CLDAS-Prcp)分别驱动Noah3.6陆面模式对积雪变量进行模拟,并对中国主要的积雪区东北区域、新疆区域、青藏高原区域的积雪覆盖率、雪深、雪水当量的模拟效果进行了评估。结果表明,CLDAS-Prcp改善了原有驱动在冬季由于低估降水所造成的模拟积雪量偏少的情况;东北区域模拟结果与观测的时间变率最为一致,积雪覆盖率、雪深、雪水当量的相关系数分别为0.42,0.78,0.93;而雪水当量的改进效果最明显,均方根误差和偏差分别减小了54.8%和83.1%,相关系数提高了0.47;同时,CLDAS-Prcp不仅能反映积雪变量的年际变率,而且能够较准确地反映出强度较大的突发降雪事件。
