The Common Land Model (CLM) was developed for community use by a grassroots collaboration of scientists who have an interest in making a general land model available for public use and further development. The major model characteristics include enough unevenly spaced layers to adequately represent soil temperature and soil moisture, and a multilayer parameterization of snow processes; an explicit treatment of the mass of liquid water and ice water and their phase change within the snow and soil system; a runoff parameterization following the TOPMODEL concept; a canopy photo synthesis-conductance model that describes the simultaneous transfer of CO2 and water vapor into and out of vegetation; and a tiled treatment of the subgrid fraction of energy and water balance. CLM has been extensively evaluated in offline mode and coupling runs with the NCAR Community Climate Model (CCM3). The results of two offline runs, presented as examples, are compared with observations and with the simulation of three other land models [the Biosphere-Atmosphere Transfer Scheme (BATS), Bonan's Land Surface Model (LSM), and the 1994 version of the Chinese Academy of Sciences Institute of Atmospheric Physics LSM (IAP94)].

The land surface parameterization used with the community climate model (CCM3) and the climate system model (CSM1), the National Center for Atmospheric Research land surface model (NCAR LSM1), has been modified as part of the development of the next version of these climate models. This new model is known as the community land model (CLM2). In CLM2, the surface is represented by five primary subgrid land cover types (glacier, lake, wetland, urban, vegetated) in each grid cell. The vegetated portion of a grid cell is further divided into patches of up to 4 of 16 plant functional types, each with its own leaf and stem area index and canopy height. The relative area of each subgrid unit, the plant functional type, and leaf area index are obtained from 1-km satellite data. The soil texture dataset allows vertical profiles of sand and clay. Most of the physical parameterizations in the model were also updated. Major model differences include: 10 layers for soil temperature and soil water with explicit treatment of liquid water and ice; a multilayer snowpack; runoff based on the TOPMODEL concept; new formulation of ground and vegetation fluxes; and vertical root profiles from a global synthesis of ecological studies. Simulations with CCM3 show significant improvements in surface air temperature, snow cover, and runoff for CLM2 compared to LSM1. CLM2 generally warms surface air temperature in all seasons compared to LSM1, reducing or eliminating many cold biases. Annual precipitation over land is reduced from 2.35 mm day−1 in LSM1 to 2.14 mm day−1 in CLM2. The hydrologic cycle is also different. Transpiration and ground evaporation are reduced. Leaves and stems evaporate more intercepted water annually in CLM2 than LSM1. Global runoff from land increases from 0.75 mm day−1 in LSM1 to 0.84 mm day−1 in CLM2. The annual cycle of runoff is greatly improved in CLM2, especially in arctic and boreal regions where the model has low runoff in cold seasons when the soil is frozen and high runoff during the snowmelt season. Most of the differences between CLM2 and LSM1 are attributed to particular parameterizations rather than to different surface datasets. Important processes include: multilayer snow, frozen water, interception, soil water limitation to latent heat, and higher aerodynamic resistances to heat exchange from ground.

Abstract We developed a comprehensive, gridded Global Soil Dataset for use in Earth System Models (GSDE) and other applications. The GSDE provides soil information, such as soil particle‐size distribution, organic carbon, and nutrients, and quality control information in terms of confidence level at 30″ × 30″ horizontal resolution and for eight vertical layers to a depth of 2.3 m. The GSDE is based on the Soil Map of the World and various regional and national soil databases, including soil attribute data and soil maps. We used a standardized data structure and data processing procedures to harmonize the data collected from various sources. We then used a soil type linkage method (i.e., taxotransfer rules) and a polygon linkage method to derive the spatial distribution of the soil properties. To aggregate the attributes of different compositions of a mapping unit, we used three mapping approaches: the area‐weighting method, the dominant soil type method, and the dominant binned soil attribute method. The data set can also be aggregated to a lower resolution. In this paper, we only show the vertical and horizontal variations of sand, silt and clay contents, bulk density, and soil organic carbon as examples of the GSDE. The GSDE estimates of global soil organic carbon stock to the depths of 2.3, 1, and 0.3 m are 1922.7, 1455.4, and 720.1 Gt, respectively. This newly developed data set provides more accurate soil information and represents a step forward to advance earth system modeling.

The energy exchange, evapotranspiration, and carbon exchange by plant canopies depend on leaf stomatal control. The treatment of this control has been required by land components of climate and carbon models. Physiological models can be used to simulate the responses of stomatal conductance to changes in atmospheric and soil environments. Big-leaf models that treat a canopy as a single leaf tend to overestimate fluxes of CO2 and water vapor. Models that differentiate between sunlit and shaded leaves largely overcome these problems. A one-layered, two-big-leaf submodel for photosynthesis, stomatal conductance, leaf temperature, and energy fluxes is presented in this paper. It includes 1) an improved two stream approximation model of radiation transfer of the canopy, with attention to singularities in its solution and with separate integrations of radiation absorption by sunlit and shaded fractions of canopy; 2) a photosynthesis–stomatal conductance model for sunlit and shaded leaves separately, and for the simultaneous transfers of CO2 and water vapor into and out of the leaf—leaf physiological properties (i.e., leaf nitrogen concentration, maximum potential electron transport rate, and hence photosynthetic capacity) vary throughout the plant canopy in response to the radiation–weight time-mean profile of photosynthetically active radiation (PAR), and the soil water limitation is applied to both maximum rates of leaf carbon uptake by Rubisco and electron transport, and the model scales up from leaf to canopy separately for all sunlit and shaded leaves; 3) a well-built quasi-Newton–Raphson method for simultaneous solution of temperatures of the sunlit and shaded leaves. The model was incorporated into the Common Land Model (CLM) and is denoted CLM 2L. It was driven with observational atmospheric forcing from two forest sites [Anglo-Brazilian Amazonian Climate Observation Study (ABRACOS) and Boreal Ecosystem–Atmosphere Study (BOREAS)] for 2 yr of simulation. The simulated fluxes by CLM 2L were compared with the observations, and with the results by the CLM with a single big-leaf scheme (CLM 1L) and by the CLM with the assimilation–stomatal conductance scheme of NCAR Land Surface Model (LSM). The results showed that CLM 2L was an improvement compared to the CLM 1L and the CLM for the test cases of tropical evergreen broadleaf land cover and coniferous boreal forest.

Land surface and climate modelling requires continuous and consistent Leaf Area Index (LAI). High spatiotemporal resolution and long-time record data are more in demand nowadays and will continue to be in the future. MODIS LAI products meet these requirements to some degree. However, due to the presence of cloud and seasonal snow cover, the instrument problems and the uncertainties of retrieval algorithm, the current MODIS LAI products are spatially and temporally discontinuous and inconsistent, which limits their application in land surface and climate modelling. To improve the MODIS LAI products on a global scale, we considered the characteristics of the MODIS LAI data and made the best use of quality control (QC) information, and developed an integrated two-step method to derive the improved MODIS LAI products effectively and efficiently on a global scale. First, we used the modified temporal spatial filter (mTSF) method taking advantage of background values and QC information at each pixel to do a simple data assimilation for relatively low quality data. Then we applied the post processing-TIMESAT (A software package to analyze time-series of satellite sensor data) Savitzky–Golay (SG) filter to get the final result. We implemented the method to 10 years of the MODIS Collection 5 LAI data. In comparison with the LAI reference maps and the MODIS LAI data, our results showed that the improved MODIS LAI data are closer to the LAI reference maps in magnitude and also more continuous and consistent in both time-series and spatial domains. In addition, simple statistics were used to evaluate the differences between the MODIS LAI and the improved MODIS LAI.

A comprehensive 30×30 arc‐second resolution gridded soil characteristics data set of China has been developed for use in the land surface modeling. It includes physical and chemical attributes of soils derived from 8979 soil profiles and the Soil Map of China (1:1,000,000). We used the polygon linkage method to derive the spatial distribution of soil properties. The profile attribute database and soil map are linked under the framework of the Genetic Soil Classification of China which avoids uncertainty in taxon referencing. Quality control information (i.e., sample size, soil classification level, linkage level, search radius and texture) is included to provide “confidence” information for the derived soil parameters. The data set includes 28 attributes for 8 vertical layers at the spatial resolution of 30×30 arc‐seconds. Based on this data set, the estimated storage of soil organic carbon in the upper 1 m of soil is 72.5 Pg, total N is 6.6 Pg, total P is 4.5 Pg, total K is 169.9 Pg, alkali‐hydrolysable N is 0.55 Pg, available P is 0.03 Pg, and available K is 0.61 Pg. These estimates are reasonable compared with previous studies. The distributions of soil properties are consistent with common knowledge of Chinese soil scientists and the spatial variations over large areas are well represented. The data set can be incorporated into land models to better represent the role of soils in hydrological and biogeochemical cycles in China.

Soil pH regulates the capacity of soils to store and supply nutrients, and thus contributes substantially to controlling productivity in terrestrial ecosystems. However, soil pH is not an independent regulator of soil fertility-rather, it is ultimately controlled by environmental forcing. In particular, small changes in water balance cause a steep transition from alkaline to acid soils across natural climate gradients. Although the processes governing this threshold in soil pH are well understood, the threshold has not been quantified at the global scale, where the influence of climate may be confounded by the effects of topography and mineralogy. Here we evaluate the global relationship between water balance and soil pH by extracting a spatially random sample (n = 20,000) from an extensive compilation of 60,291 soil pH measurements. We show that there is an abrupt transition from alkaline to acid soil pH that occurs at the point where mean annual precipitation begins to exceed mean annual potential evapotranspiration. We evaluate deviations from this global pattern, showing that they may result from seasonality, climate history, erosion and mineralogy. These results demonstrate that climate creates a nonlinear pattern in soil solution chemistry at the global scale; they also reveal conditions under which soils maintain pH out of equilibrium with modern climate.

Abstract Depth to bedrock serves as the lower boundary of land surface models, which controls hydrologic and biogeochemical processes. This paper presents a framework for global estimation of depth to bedrock (DTB). Observations were extracted from a global compilation of soil profile data (ca. 1,30,000 locations) and borehole data (ca. 1.6 million locations). Additional pseudo‐observations generated by expert knowledge were added to fill in large sampling gaps. The model training points were then overlaid on a stack of 155 covariates including DEM‐based hydrological and morphological derivatives, lithologic units, MODIS surface reflectance bands and vegetation indices derived from the MODIS land products. Global spatial prediction models were developed using random forest and Gradient Boosting Tree algorithms. The final predictions were generated at the spatial resolution of 250 m as an ensemble prediction of the two independently fitted models. The 10–fold cross‐validation shows that the models explain 59% for absolute DTB and 34% for censored DTB (depths deep than 200 cm are predicted as 200 cm). The model for occurrence of R horizon (bedrock) within 200 cm does a good job. Visual comparisons of predictions in the study areas where more detailed maps of depth to bedrock exist show that there is a general match with spatial patterns from similar local studies. Limitation of the data set and extrapolation in data spare areas should not be ignored in applications. To improve accuracy of spatial prediction, more borehole drilling logs will need to be added to supplement the existing training points in under‐represented areas.

Abstract. An earth system model has been developed at Beijing Normal University (Beijing Normal University Earth System Model, BNU-ESM); the model is based on several widely evaluated climate model components and is used to study mechanisms of ocean-atmosphere interactions, natural climate variability and carbon-climate feedbacks at interannual to interdecadal time scales. In this paper, the model structure and individual components are described briefly. Further, results for the CMIP5 (Coupled Model Intercomparison Project phase 5) pre-industrial control and historical simulations are presented to demonstrate the model's performance in terms of the mean model state and the internal variability. It is illustrated that BNU-ESM can simulate many observed features of the earth climate system, such as the climatological annual cycle of surface-air temperature and precipitation, annual cycle of tropical Pacific sea surface temperature (SST), the overall patterns and positions of cells in global ocean meridional overturning circulation. For example, the El Niño-Southern Oscillation (ENSO) simulated in BNU-ESM exhibits an irregular oscillation between 2 and 5 years with the seasonal phase locking feature of ENSO. Important biases with regard to observations are presented and discussed, including warm SST discrepancies in the major upwelling regions, an equatorward drift of midlatitude westerly wind bands, and tropical precipitation bias over the ocean that is related to the double Intertropical Convergence Zone (ITCZ).