土壤水在地球系统中起着十分重要的作用，它连接水循环、能量循环和碳循环，对天气和气候演变有重要影响。由气象数据驱动陆面模式进行数值模拟是估计时空连续土壤湿度的理想方法，其中代表性的产品是全球及区域再分析资料。在土壤湿度再分析资料被广泛使用的背景下，由于缺乏观测数据，不同陆面模式和气象驱动对土壤湿度模拟的影响尚未在较大范围内得到验证。本研究利用CLDASv2.0、ERA5和GLDASv2.1气象数据驱动第二代联合地表-地下过程模式（CSSPv2）进行了2012至2017年天尺度土壤湿度模拟，与土壤湿度再分析资料进行对比，并在中国区域2090个土壤湿度观测站点进行验证。结果表明，CLDASv2.0驱动CSSPv2模拟土壤湿度相比ERA5和GLDASv2.1再分析产品的相关性提高了26%~68%，误差降低了14%~24%，CLDASv2.0气象驱动优于ERA5和GLDASv2.1，CSSPv2陆面模式优于再分析资料相应的陆面模式。这一改进的主要贡献来自先进的陆面模式，因为CSSPv2陆面模式使相关性提高了17%~63%，误差减少了18%，而CLDASv2.0气象数据只增加了5%~35%的相关性并减少误差至多9%。以SMAP卫星产品作为独立验证数据时的结果类似。此外，陆面模式的影响在中国北方等半干旱区域更为明显。气象数据对表层土壤湿度模拟的影响更大，而陆面模式对中、深层影响更为显著，特别是在包含冻融过程的冷季。本研究揭示了在现代再分析技术飞速发展的情况下，更为先进的陆面模式仍可进一步提高土壤湿度模拟的准确性。

土壤湿度,陆面模拟