高原气象

高原气象 >

2020 , Vol. 39 >Issue 2: 254 - 265

DOI: https://doi.org/10.7522/j.issn.1000-0534.2019.00088

论文

唐古拉地区活动层水热状况及地气系统能水平衡分析

  • 郭林茂 , 1 ,
  • 常娟 , 1 ,
  • 周剑 2 ,
  • 徐洪亮 1
展开
  • 1. 兰州大学 资源环境学院, 甘肃 兰州 730000
  • 2. 中国科学院 西北生态环境资源研究院 冻土工程国家重点实验室, 甘肃 兰州 730000
常娟（1978 -）， 女， 北京人， 副教授， 主要从事寒区水文过程变化与模拟、 水化学与环境水化学研究E-mail:

郭林茂（1995 -）， 男， 河南周口人， 硕士研究生， 主要从事寒区水热耦合过程模拟研究. E-mail:

收稿日期: 2019-06-17

  修回日期: 2019-10-16

  网络出版日期: 2020-04-28

基金资助

国家自然科学基金项目(41671015)

收起

Analysis of Thermal-Moisture Conditions of Active Layer and Energy-Water Balance of Land-Atmosphere System in Tanggula Area

  • Linmao GUO , 1 ,
  • Juan CHANG , 1 ,
  • Jian ZHOU 2 ,
  • Hongliang XU 1
Expand
  • 1. College of Earth and Environmental Sciences, Lanzhou University, Lanzhou 730000, Gansu, China
  • 2. State Key Laboratory of Frozen Soil Engineering, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, Gansu, China

Received date: 2019-06-17

  Revised date: 2019-10-16

  Online published: 2020-04-28

Fold

本文亮点

活动层水热状况与地-气系统间能水交换直接影响着寒区生态环境、 水文过程以及多年冻土的稳定性。利用唐古拉站2007年实测资料和SHAW模型, 对研究点活动层土壤剖面温湿度进行了模拟。土壤温度方面, 模型的纳什效率系数NSE≥0.93; 水分方面, 纳什效率系数的平均值为0.69, 说明SHAW模型可用于多年冻土区活动层内水热动态变化的模拟研究。基于模型的输出结果, 对唐古拉站活动层土壤冻融过程中的水分动态、 地表能量收支的变化特征进行了分析讨论。结果表明: （1）活动层冻融过程中, 土壤水分的冻结和融化响应时间随土壤深度的增加而逐渐滞后, 水分迁移通量随土壤深度的增加逐渐减小; （2）地表能量平衡收支在季风活动引起的降水与活动层的冻融循环共同影响下, 表现出明显的季节性变化特征。同时, 通过改变SHAW模型植被输入参数中的叶面积指数, 分析了植被覆盖变化对多年冻土区土壤蒸散发的影响。结果表明: 植被蒸腾量、 土壤蒸发量与总的蒸散发量与植被的叶面积指数呈正相关关系, 而浅层土壤含水率（20 cm）则表现为负相关, 当叶面积指数在-100%（裸土）~100%变化时, 总蒸散发量的变化幅度为-5%~13%。

本文引用格式

郭林茂 , 常娟 , 周剑 , 徐洪亮 . 唐古拉地区活动层水热状况及地气系统能水平衡分析[J]. 高原气象, 2020 , 39(2) : 254 -265 . DOI: 10.7522/j.issn.1000-0534.2019.00088

Highlights

The thermal-moisture conditions of the active layer and the energy-water exchange between land-atmosphere system directly affect the ecological environment, hydrological process and the stability of the permafrost in cold regions.The soil temperature and moisture contents within the active layer at Tanggula station in 2007 were simulated by SHAW model.In terms of soil temperature, the Nash efficiency coefficient (NSE) is greater than 0.93, and the average value of the NSE between simulated and measured soil moisture is 0.69, indicating that the SHAW model can perfectly simulate the thermal-moisture dynamics within the active layer of permafrost regions.Based on the output of SHAW model, the variation characteristics of water dynamics and surface energy budget during the process of soil freezing and thawing in the active layer of Tanggula station were analyzed and discussed.Results showed that: (1) During the freezing and thawing process of the active layer, the soil moisture freezing and thawing response time gradually lagged with the increase of soil depth, and the water migration flux decreased with soil depth, and during the freezing period, the soil moisture has a characteristic of two-way convergence to the surface and deep layers; (2) Under the combined influence of the monsoon activities and the freezing-thawing process in the active layer, the surface energy budget showed obvious seasonal variation characteristics.The effect of vegetation on soil evapotranspiration in permafrost regions was investigated by changing the leaf area index in the vegetation input parameters of the SHAW model.Results showed that there was a positive correlation between vegetation transpiration, soil evaporation and total evapotranspiration and leaf area index of vegetation, while shallow soil moisture content (at 20 cm) showed a negative correlation when leaf area index varied from -100% (bare soil) to 100%, the total evapotranspiration varied from -5% to 13%.

1 引言

青藏高原平均海拔在4000 m以上, 是世界上海拔最高、 地形最为复杂的高原, 被誉为地球“第三极”(Qiu, 2008; Zou et al, 2017)。由于其特殊的地理位置、 高大地形的动力作用和强烈地面热源的热力作用, 使得该地区地气系统间相互作用过程, 特别是能量和水分循环过程对亚洲季风、 东亚大气环流及全球气候变化均有极大的影响(苏彦入等, 2018; 常姝婷等, 2019)。青藏高原广泛发育着多年冻土, 面积约为1.05×106 km2 (Yang et al, 2010; Ran et al, 2012), 活动层位于多年冻土之上, 具有夏季融化冬季冻结的特点, 是高原显著的地表物理特征之一(赵林等, 2008)。活动层冻融过程涉及水分和热量的输送、 水分的相变及盐分的集聚(李瑞平等, 2007), 这期间土壤的热特性变化的同时, 潜热的释放和吸收强烈的改变了地表和表层土壤的能量分配(Gu et al, 2005; 谷星月等, 2018), 土壤导水率的变化也将对水分的渗透和存储过程产生显著影响。活动层水热状况与地-气系统间能水交换直接影响着寒区生态环境、 水文过程以及多年冻土的稳定性(赵林等, 2000; 吴青柏等, 2013; Wen et al, 2014), 研究多年冻土活动层水热状况与地-气系统间能水交换的变化特征, 对研究其对气候变化的响应、 生态环境的影响以及高原地区的工程建设与维护等方面都有重要意义。目前, 活动层的水热状况的动态变化过程已成为研究青藏高原地区地气相互作用的关键问题之一, 其冻融过程中复杂的水、 热、 盐传输过程也使其成为陆面过程研究的难点之一。多年冻土地区气候条件恶劣, 交通不便, 观测数据相对匮乏, 直接影响各种相关研究的展开, 而模型通过数学方程来描述各种物理过程, 为研究活动层土壤水热状况及地-气间能水交换提供了有效方法。
SHAW（Simultaneous Heat and Water Model）模型考虑了土壤冻融过程中的水分相变及伴随的水热耦合物理过程, 被广泛地应用于土壤冻融过程中的水热特征、 冻土地区水热交换及陆面生态环境变化等方面的研究中(赵林等, 2008; 周剑等, 2008; 郭东林等, 2010; Zhang et al, 2011; 刘杨等, 2013), 成为冻土地区陆面过程研究的主要手段之一。为了揭示青藏高原多年冻土区活动层内部的水热动态及地-气系统间的能水交换特征, 本文在现有观测数据的基础上, 利用SHAW模型: （1）对唐古拉研究点活动层剖面的土壤温度和体积含水率（下称含水率）进行模拟, 并验证模型的有效性; （2）基于验证后的SHAW模型的输出结果, 分析活动层冻融过程中的水分相变与迁移以及地表能量收支的变化特征; （3）通过改变叶面积指数（LAI）探究植被变化对多年冻土区陆面蒸散发的影响。

2 研究区概况与数据采集

唐古拉站位于青藏高原腹地的多年冻土区（33°02′N, 92°00′E, 海拔5162 m）, 属于低纬高山高原寒区。研究区地势开阔平缓, 植被群落类型为高寒草甸, 植被覆盖度在30%~40%之间(赵林等, 2008)。夏季受印度季风影响, 气候暖湿、 多雨; 冬季受西风带的影响, 气候寒冷干燥、 少雨多风(张伟等, 2013)。研究区2007年的平均气温为-4.3 ℃, 极端最低气温为-21.1 ℃, 极端最高气温为7.1 ℃, 年平均相对湿度为51%, 年平均降水量约为434 mm, 主要集中在5 -9月, 约占年降水量的93%, 活动层厚度为1~3 m(张伟等, 2013)。本次研究所用数据资料取自唐古拉观测站, 自动气象站记录地表以上1.5 m处的气温、 气压、 湿度、 风速、 向上和向下的短波辐射和长波辐射, 观测时间间隔为10 min, 雨量筒记录降水数据, 其中气温、 风速和相对湿度的测量高度为1.5 m。分别在10, 20, 30, 40, 50, 70, 90和110 cm处埋设土壤温度和土壤水分测量探头, 用以监测活动层各深度土壤温度和水分变化。主要观测仪器型号与精度见表1。自地表至地表以下90 cm深度每隔10 cm收集土壤样品, 并对土壤容重、 粒径组成（砂粒含量、 粉粒含量、 粘粒含量）进行分析, 结果见表2。
表1 观测仪器及相关信息

Table 1 Observation instruments and related information

观测仪器 生产厂家 观测项目 观测精度
HMP45C Vaisala 气温 ±0.2 ℃
HMP45C Vaisala 湿度 ±2%
5106 Young 风速 ±0.3 m·s-1
CS100 Campbell 气压 ±0.5 Pa
T-200B Geonor 降水 ±1%
CM3 Campbell 短波辐射 ±10%
CG3 Campbell 长波辐射 ±10%
107 Campbell 土壤温度 ±0.2 ℃
FDR Eijkelamp 土壤湿度 ±2%
表2 SHAW模型各层土壤参数

Table 2 Soil parameters of SHAW model at different layers

土壤层数 节点深度/m 空气进入势/m 饱和导水率/(cm·h-1) 容重/(kg·m-3) 饱和含水率/(m3·m-3) 砂粒含量/% 粉粒含量/% 粘粒含量/%
1 0.00 -0.05 0.30 1020 0.40 70 20 10
2 0.10 -0.05 0.30 1020 0.40 65 25 10
3 0.20 -0.05 0.30 1020 0.40 69 21 10
4 0.30 -0.05 0.30 1100 0.40 67 23 10
5 0.40 -0.05 0.30 1100 0.40 55 35 10
6 0.50 -0.05 0.30 1100 0.40 56 30 14
7 0.70 -0.05 0.30 1100 0.40 57 30 13
8 0.90 -0.10 0.10 1090 0.35 60 30 10
9 1.10 -0.10 0.10 1090 0.30 47 43 10

3 研究方法

3.1　模型简介

使用SHAW模型对活动层土壤冻融过程中的水热状况进行模拟研究。SHAW模型由Flerchinger和Saxton开发, 用于模拟土壤冻结和融化过程中, 包括植被、 残留物层和积雪在内的一维剖面上的水分、 热量和溶质通量的传输交换(Flerchinger et al, 1989)。该模型的优点在于对系统各层结构之间的物质和能量交换的物理过程有清晰的数学描述, 对热、 水、 溶质通量进行同步计算, 能够精确地模拟冻融过程中的土壤温度和含水率的动态变化、 各土层之间的水分迁移、 蒸发和蒸腾、 辐射能量平衡、 能量通量和表面温度等。
SHAW模型根据气温、 风速、 相对湿度和太阳辐射等气象观测资料, 计算地表边界层的能量通量, 具体可由下式表示:
R n + H s + L v E + G = 0    ,
式中: Rn、 Hs、 LvE和G分别表示净辐射（单位: W·m-2）、 感热通量（单位: W·m-2）、 潜热通量（单位: W·m-2）和地表热通量（单位: W·m-2）; L v和 E分别表示蒸发潜热（单位: J·kg-1）以及地表和植被冠层的总蒸散发（单位: kg·m-2·s-1）。在计算活动层土壤的热量输送时, SHAW模型考虑了垂向上的对流传热以及水汽的潜热传输, 计算公式如下:
C s ∂ T ∂ t - ρ i L f ∂ θ i ∂ t = ∂ ∂ z k s ∂ T ∂ z - ρ l c l ∂ q l T ∂ z                             - L v ∂ q v ∂ z + ∂ ρ v ∂ t    ,
式中: Cs、 T、 ρi、 θi、 Lf、 ks、 ρl、 cl、 ql、 qv和ρv分别表示土壤体积热容量（单位: J·kg-1·℃-1）、 土壤温度（单位: ℃）、 冰的密度（单位: kg·m-3）、 体积含冰量（单位: m3·m-3）、 融化潜热（单位: J·kg-1）、 土壤热导率（单位: W·m-1·℃-1）、 水的密度（单位: kg·m-3）、 水的热容量（单位: J·kg-1·℃-1）、 液态水通量（单位: m·s-1）、 水汽通量（单位: kg·m-2·s-1）和水汽密度（单位: kg·m-3）。模型假设冻结过程中的土壤导水率的变化类似土壤的干燥过程, 并基于达西定律和水量平衡方程计算活动层内部的水分传输过程:
∂ θ l ∂ t + ρ i ρ l ∂ θ i ∂ t = ∂ ∂ z K ∂ Ψ ∂ z + 1 + 1 ρ l ∂ q v ∂ z + U    ,
式中: K、 Ψ、 U分别表示非饱和导水率（单位: m·s-1）、 土壤基质势（单位: m）和水流源汇项（单位: m3·m-3·s-1）。
模型的输入数据主要包括大气驱动数据、 模拟区基本信息以及植被信息等。其中, 大气驱动数据包括逐日或逐小时的气象要素。模拟区的基本信息包括土壤剖面初始及结束时的温度和水分分布、 描述积雪、 残积层特征的参数、 土壤的水热参数及模拟点的海拔、 经纬度、 坡度和坡向等。

3.2　模拟设计

本研究模拟了2007年1月1日至12月31日活动层各深度的土壤温度和含水率的动态变化过程。通过对比模拟值与实测值之间的差异, 验证了模型的有效性。基于此, 根据模型的输出结果, 对土壤冻融过程中的水分迁移及地表能量收支各分量变化特征进行分析讨论, 并通过改变LAI（保持其他参数不变）, 探讨了植被变化对研究点蒸散发的影响。模拟的基本信息采用唐古拉站的经纬度、 海拔、 坡度和坡向。将模拟土壤剖面从地表以下0~110 cm共分为9层, 分别为10, 20, 30, 40, 50, 70, 90 和110 cm。地温和土壤水分的初始分布均采用实测值, 水流的下边界条件设为给定的土壤含水率, 温度的下边界条件设为给定的地温, 各层土壤的容重和粒径组成采用实测值（表2）, 干土反照率为0.3, 其余土壤参数由模型根据土壤的粒径组成进行估算。植被参数方面: 植被反照率取为0.2, 植被高度（单位: m）、 植被叶尺寸（单位: cm）、 干生物量（单位: kg·m-2)、 叶面积指数、 有效根深（单位: m）的取值参考周剑等(2008)的文献, 具体见表3。植被的气孔阻力（rso）取为100 s·m-1, 叶片抗性（rl）和根系抗性（rr）分别取为1×105 m3·s·kg-1和2×105 m3·s·kg-1 (Flerchinger et al, 1996), 气孔阻力指数取为5 (Flerchinger et al, 1991), 临界叶水势（ψc）取为模型的建议值-300 m。SHAW模型提供了逐日或逐小时的强迫驱动, 本次研究中选择逐小时的气温（单位: ℃）、 风速（单位: m·s-1）、 相对湿度（单位: %）、 降水（单位: mm）、 新雪密度（单位: g·cm-3）及太阳总辐射（单位: W·m-2）等气象观测数据作为模型驱动数据（图1）, 其中新雪密度设为0, 模型可根据气温进行估算。
表3 SHAW模型植被参数

Table 3 Vegeation parameters of SHAW model

日期(年-月-日) 植被高度/m 植被叶尺寸/cm 干生物量/(kg·m-2) 叶面积指数 有效根深/m
2007-03-31 0.04 0.50 0.00 0.02 0.03
2007-06-27 0.13 1.20 0.07 0.18 0.13
2007-08-28 0.10 1.20 0.05 0.17 0.10
2007-12-31 0.03 0.50 0.00 0.02 0.03
图1 唐古拉站气温(a)、 风速(b)、 相对湿度(c)、 降水量(d)和总辐射(e)的日平均值的年内变化

Fig.1 Annual variations of daily average temperature (a), wind speed (b), relative humidity (c),precipitation (d) and global radiation (e) in Tanggula station

3.3　模型评估方法

模型的模拟性能可以通过一些统计参数进行评估。本次研究中采用相关系数（R）、 均方根误差（RMSE）、 平均误差（ME）、 纳什效率系数（NSE）对SHAW模型的模拟性能进行评估。各统计参数的计算公式如下:
R = ∑ i = 1 n M i - M ¯ O i - O ¯ ∑ i = 1 n M i - M ¯ 2 ∑ i = 1 n O i - O ¯ 2    ,
R M S E = 1 n ∑ i = 1 n M i - O i 2    ,
M E = 1 n ∑ i = 1 n M i - O i     ,
N S E = 1 - ∑ i = 1 n M i - O i 2 ∑ i = 1 n O i - O ¯ 2     ,
式中: n表示观测样本数; Mi、 M ¯分别表示模拟值与模拟值的平均值; O i、 O ¯分别表示实测值与实测值的平均值。当R=1, RMSE=0, ME=0, NSE=1时, 认为模型的模拟性能达到最佳。

4 模拟结果

4.1　土壤温度

土壤温度计算的准确性关系到陆面与大气之间能量和物质交换模拟的准确性, 合理地描述土壤的热传输是准确模拟地表能量平衡的必要条件(郭东林等, 2010)。图2给出了唐古拉站不同深度土壤温度模拟值与实测值年内的动态变化过程曲线图。由图2可知, 不同深度土壤温度的模拟值与实测值动态变化趋势一致, 二者拟合地很好, 模拟值能很好地反映活动层土壤剖面温度的动态变化过程。表4是不同深度土壤温度模拟的效率参数。各深度模拟值与实测值之间的相关系数R≥0.97（P<0.01）, 纳什效率系数NSE≥0.93。随着土壤深度的增加, 均方根误差RMSE自表层土壤向深层土壤逐渐递减, 由10 cm处的1.56 ℃, 在110 cm处降为0.08 ℃, 说明随着土壤深度的增加模型的模拟精度逐渐提高。同一土壤剖面, 平均误差ME则出现了两种不同的形式: 10 cm与110 cm处的ME值为负值, 表明模型低估了土壤温度; 20~90 cm处的ME值为正值, 表明模型高估了土壤温度。由图2可知, 低估冬季土壤温度是造成10 cm深度土壤温度低估的主要原因, 高估夏季土壤温度是20~90 cm深度范围内土壤温度高估的主要原因。在10~90 cm深度范围内, 夏季地温的模拟值普遍高于实测值。原因可能来自多个方面: （1）SHAW模型简单的将土壤热导率、 热容假设为土壤内各种组分（未冻水、 冰、 土壤颗粒）的加权值, 由图3可知, 模型低估了夏季各深度土壤含水率, 导致模拟的土壤热容偏小, 使得地温模拟值高于实测值; （2）地表能量平衡中, 地表热通量模拟的偏差也可能是导致夏季地温模拟差异较大的原因之一。综合整个活动层土壤剖面范围内土壤温度的模拟效率参数来看, SHAW模型可以用于模拟多年冻土活动层土壤温度的动态变化过程。
图2 2007年各层土壤温度模拟值与实测值对比

Fig.2 Comparison of simulated and measured soil temperatures at different depths in 2007

表4 SHAW模型温度模拟效率参数

Table 4 Soil temperature simulation performance statistics of SHAW model

统计参数 土壤深度/cm
10 20 30 40 50 70 90 110
R 0.97 0.97 0.97 0.98 0.98 0.97 0.98 1.00
RMSE/℃ 1.56 1.25 1.18 1.11 1.09 0.86 0.58 0.08
NSE 0.93 0.94 0.94 0.94 0.93 0.94 0.96 0.99
ME/℃ -0.33 0.01 0.10 0.07 0.41 0.14 0.08 -0.02
图3 2007年各层土壤含水率模拟值与实测值对比

Fig.3 Comparison of simulated and measured soil moisture contents at different depths in 2007

由图2可知, 随着土壤深度的增加, 冻结速率逐渐大于融化速率（冻结和融化阶段曲线斜率的变化）。冰的热导率大于液态水的热导率, 土壤冻结期间, 随着上层土壤含冰量的增加, 土壤热导率逐渐增大; 融化期间, 随着上层含冰量的减小, 土壤热导率逐渐减小, 且这种热性质的差异随着土壤深度的增加而累积增大, 这可能是造成上述现象的主要原因。春夏交际（开始融化）及入秋时节（开始冻结）研究点气温在0 ℃附近波动, 潜热效应十分显著, 具体表现为, 5 -6月, 随着地温逐渐升高至0 ℃附近, 土壤孔隙中冰的融化吸收大量潜热, 减缓了地温的升高速率; 同样的, 9 -10月随着地温的降低, 孔隙水冻结成冰, 释放出大量潜热, 减缓了地温的下降速率。

4.2　土壤含水率

多年冻土地区活动层土壤水分影响着地表的蒸发量、 感热和潜热通量, 且对土壤温度也有一定影响, 是寒区陆面过程研究的重要问题之一(赵林等, 2008)。SHAW模型中, 水分的输出结果为各深度土壤的总的含水率及含冰量。未冻水量根据下式计算(Flerchinger et al, 1989):
θ w = θ - 0.92 θ i    ,
式中: θw表示体积未冻水量; θ表示总的含水率; θ i表示土壤的体积含冰率。由土壤含水率模拟值与实测值的年内动态变化过程（图3）可知, 不同深度土壤含水率的模拟值与实测值动态变化趋势一致, 二者拟合的很好, 模拟值能很好地反映活动层土壤剖面含水率的动态变化过程。
由不同深度土壤含水率模拟的效率参数（表5）可知, 各层模拟值与实测值之间的相关系数R均高于0.87（P<0.01）。由图3可知, 50 cm与110 cm处模拟的土壤含水率与实测值变化趋势基本一致, 两者吻合很好, 其NSE值分别为0.88、 0.83。10, 20和40 cm处ME值分别为0.02、 0.02和0.03 m3·m-3, 表明模型高估了土壤含水率, 高估春冬季节土壤含水率可能是造成该现象的主要原因, 这可能与仪器测量误差有关。冻结期间未冻水量实测值为0, 实际上, 土壤完全冻结后, 由于颗粒表面能的作用, 未冻水量与负温保持着动态平衡关系(张明礼等, 2018), 有研究表明青藏高原地区完全冻结阶段土壤残余含水率范围为6.51%~8.97%(Li et al, 2001)。模拟的10~50 cm处土壤含水率在6月16日、 7月1日、 7月17日及8月29日附近均明显升高, 这与上述4天所在时段的强降水事件有关[图1 (d)], 降水入渗使土壤的含水率升高, 但模拟的70~110 cm深度范围内的土壤含水率在强降水阶段并未显著升高。相比之下, 各深度土壤含水率的实测值在上述强降水阶段虽有升高, 但并不显著, 说明土壤含水率对降水确实是敏感的, 但SHAW模型高估了这种敏感性。
表5 SHAW模型土壤含水率模拟效率参数

Table 5 Soil moisture contents simulation performance statistics of SHAW model

统计参数 土壤深度/cm
10 20 30 40 50 70 90 110
R 0.94 0.97 0.92 0.93 0.95 0.91 0.87 0.96
RMSE/(m3·m-3) 0.09 0.07 0.06 0.08 0.04 0.06 0.08 0.02
NSE 0.49 0.65 0.75 0.59 0.88 0.77 0.58 0.83
ME/(m3·m-3) 0.02 0.02 -0.02 0.03 0.01 -0.01 0.05 0.02
完全融化阶段, 整个土壤剖面内, 模型在不同程度高估或低估了土壤含水率。在10~70 cm深度范围内, 土壤含水率的模拟值普遍小于实测值。本研究区与风火山地区的植被群落类型（高寒嵩草草甸）及优势建群种（高山嵩草、 矮嵩草等）基本一致, 因此在模拟设计中, 植被参数参考周剑等 (2008)在风火山地区的研究（植被盖度为60%）, 而本研究区植被盖度在30%~40%之间, 叶面积指数偏大将导致植被截流的降水大于实际, 则降水的入渗量小于实际, 这可能是导致土壤含水率模拟值偏低的原因。在90~110 cm深度范围内, 土壤含水率的模拟值均高于实测值。由下文活动层内部的水分变化特征（第5.2节）可知, 冻结过程中活动层内部的水分迁移具有“双向汇聚”特征, 经过多年的冻融循环, 活动层中部将形成一个相对“干燥带”(郭东林等, 2010), 90~110 cm深度为水分“双向汇聚”的“分界线”（图4）, 该深度范围内的土壤水分, 无论在融化还是冻结过程中均主要以向下迁移为主, SHAW模型可能低估了这一深度范围内的水分迁移量, 导致土壤水分的模拟值高于实测值。总的来说, 土壤水分的模拟效果劣于土壤温度, 主要是由地表生态系统之间的复杂的相互作用, 如土壤有机质层、 热导率以及它们的耦合效应对土壤水分动态的影响造成的(Sitch et al, 2010), 但综合各深度水分模拟的动态变化特征及效率参数来看, SHAW模型的土壤水分模拟结果仍是可信的, 即SHAW模型能够用于模拟多年冻土地区活动层内部土壤水分的动态变化。
图4 融化过程(a)和冻结过程(b)中水分迁移通量的变化过程

Fig.4 Variation process of water fluxes during thawing process (a) and freezing process (b)

5 分析与讨论

通过对比分析土壤温湿度模拟值与实测值, 验证了SHAW模型在多年冻土地区活动层温湿度模拟中的有效性。基于此, 利用模型的输出, 分析了活动层冻融过程中地表能量通量及水分变化特征, 并通过改变叶面积指数（LAI）, 进行了一系列模拟（LAI变化率分别为-100%， -75%， -50%， -25%， 0， +25%， +50%， +75%和+100%）, 探讨了植被对浅层土壤水分动态及蒸散发的影响。

5.1　地表能量通量分布特征

根据SHAW模型的输出结果, 对土壤冻融过程中的地表能量收支各分量变化特征进行分析讨论。由图5可知, 地表能量收支各分量具有明显的季节变化特征。净辐射（Rn）是表征地气系统辐射热交换结果的特征量, 主要受太阳高度角、 云层状况、 地表反照率等因素的影响, 表现出明显的季节性变化特征(张明礼等, 2016), 特殊的海拔条件下, 太阳高度角成为影响青藏高原净辐射季节性变化大的最直接因素(肖瑶等, 2011)。1 -2月, 净辐射较小, 感热（Hs）和潜热通量（LvE）数值也相对较小。由于未冻水含量低[图3 (a)]、 植被较为稀疏, 该阶段绝大部分净辐射转化为感热通量。3月, 净辐射逐渐增大, 感热通量也随之逐渐增大, 但潜热通量无显著变化, 感热通量与潜热通量之间的差异逐渐扩大。此阶段, 地表热通量（G）由负值逐渐变为正值, 且缓慢上升, 活动层内部开始吸热升温。4 -5月, 潜热通量开始显著增加, 而感热通量则逐渐减小, 两分量在5月初达到相等。5月之后, 感热通量则持续减小, 潜热通量持续增大, 并在6—8月期间达到最大, 地表热通量也在该阶段达到最大值, 并在9月下旬至11月上旬期间快速减小为负值, 活动层内部开始释放热量, 并逐渐冻结。9月初感热通量再次逐渐增大, 潜热通量逐渐减小, 两分量在10月初再次相等, 此后感热通量持续大于潜热通量。
图5 地表能量收支各分量变化过程

Fig.5 Variation process of surface energy fluxes

多项研究表明青藏高原地区湍流通量的季节性变化特征主要是由于亚洲季风和活动层的冻融循环过程造成的(Yao et al, 2011; 肖瑶等, 2011; Gu et al, 2015; 郑汇璇等, 2019)。青藏高原地区季风活动通常始于5月(Wang et al, 1999), 使得降水主要集中在夏季[图1 (d)]。此阶段, 表层土壤含水率显著升高[图3 (a)], 大部分能量被用于植被蒸腾和地表水分蒸发, 潜热通量远大于感热通量, 在地表能量平衡中起着决定性作用。由于季风活动始于5月, 因此, 4 -5月, 潜热通量和感热通量变化的则主要受活动层内土壤的融化过程的影响。融化过程中下渗的水分被融化锋面所阻挡, 积累在浅层土壤, 使得更多的水分可用于蒸发, 造成潜热通量显著增加。Eugster et al (2000)在北半球高纬度多年冻土区的研究表明感热通量在夏季具有明显的下降趋势, 这可能与活动层融化过程中需消耗大量的能量导致用于地表加热的能量减少, 驱动感热通量的大气与地表间的温度梯度减小, 感热通量随之减小。青藏高原多个地区如那曲(Gu et al, 2015; 严晓强等, 2019)、 风火山(周剑等, 2008)、 及东北部等地区(Gu et al, 2015)感热和潜热通量也表现出类似的变化特征。张明礼等 (2016)研究发现: 北麓河地区7 -9月期间感热通量仍大于潜热通量, 这主要是由于北麓河地区的夏季多为高频、 小量降水, 且地表土壤含水量较低, 导致蒸发潜热较小。因此, 降水和土壤含水量均为影响湍流通量变化的重要因素。9月, 活动层融化厚度达到最大, 此后潜热通量将逐渐降低, 潜热通量变化时间与活动层冻融过程的变化时间几乎一致。总的来说, 季风活动与活动层冻融过程都是影响青藏高原唐古拉站湍流通量变化的重要因素。

5.2　活动层内部的水分变化特征

根据SHAW模型的输出结果, 对土壤冻融过程中的水分动态变化进行分析讨论。由于植被覆盖、 土壤水势变化、 土壤根系层质地松散度等综合因素, 不同深度土壤未冻水量在冻融过程中的运移量不同, 造成不同深度土壤水分相变量的不同(周剑等, 2008)。由各深度土壤含冰率（水分相变量）的动态变化过程（图6）可知, 随着土壤深度增加, 水分相变量逐渐减小, 融化和冻结的响应时间逐渐滞后, 融化速率逐渐减小, 这是由于自地表向下的单向融化过程中, 上层土壤冰融化为水使得热导率减小, 进而导致向下热量传输速率减小, 下层土壤融化速率相应减小; 然而, 各层土壤冻结速率则无显著差异, 但110 cm处冻结速率明显大于其他各个深度, 这可能与110 cm深度土壤含水率低[图3 (h)], 水分冻结成冰所释放的潜热少, 对土壤的降温过程影响小有关。10 cm处的含冰率在4月19日和5月6日附近显著减小, 这可能与两时段内的强降水事件有关, 降水入渗伴随的对流传热融化了部分土壤冰, 但10 cm深度以下土壤含冰率变化幅度较小, 说明降水对土壤水分动态的影响主要集中在靠近地表的浅层部分。
图6 土壤剖面含冰率变化过程

Fig.6 Variation process of ice contents at different depths

活动层土壤冻融过程中, 地温变化在很大程度上影响了土壤中固液态水平衡关系及水流通量(吴谋松等, 2013)。为进一步揭示多年冻土地区活动层内部土壤冻融过程中的水分迁移规律, 基于模型的输出结果, 分析了冻结和融化过程中的水分迁移通量的变化过程（见图4）。活动层土壤在逐渐融化的过程中, 温度梯度方向为负, 且完全融化区的基质势要大于正融区, 此时土壤水分在重力势、 温度梯度及基质势的控制向下运移（流量为正向）[见图4(a)]。夏季降水阶段, 随着土壤深度的增加, 水分运移通量的变化幅度逐渐减小, 即降水对土壤水分的影响随深度的增加逐渐降低且存在滞后现象。与融化过程不同, 在活动层逐渐冻结的过程中, 10~70 cm深度范围内的土壤水分经历了由向下迁移（流量为正向）到向上迁移（流量为负向）的变化过程。在活动层由上向下冻结的初期, 已冻层与融化区间温度梯度较小, 土壤水分主要受重力势的控制, 表现为向下迁移。由上文第4.1节土壤温度变化可知, 随着冻结过程的持续, 上部已冻层的热导率逐渐增大, 融化区的热量更快的向已冻结层传输即向上传输, 土壤水分在持续增大的温度梯度及基质势差的作用下, 开始向上迁移（流量为负向）[见图4(b)], 然而90~110 cm深度范围内的土壤水分在整个冻结过程中均表现为向下运移（流量为正向）, 形成了土壤冻结过程中, 水分向上向下双向汇聚的特点, 与周剑等 (2008)的研究结论相同, 亦验证了多年冻土区活动层的双向冻结过程(Kurylyk et al, 2014)。

5.3　植被对蒸散发的影响

蒸散发作为水量平衡和能量平衡的重要组成部分, 是水热平衡联系的纽带, 其变化对于农业、 生态和水文具有重要的影响(王利辉等, 2017; 穆文彬等, 2019)。为了探究植被对于研究区蒸散发的影响, 利用SHAW模型模拟了不同叶面积指数（LAI）变化条件下, 蒸散发各组分及植被根深范围内（研究点植被在生长季最大根深接近20 cm）的土壤水分变化。
图7给出了不同LAI变化条件下, 总蒸散发量（E total）、 土壤蒸发量（E soil）、 植被蒸腾量（E trans）以及20 cm深度土壤含水率（θ 20cm）的变化, 其中, θ 20cm的变化指的是年平均值的变化。对于E total, 当LAI增加100%时, E total增加13%; 当LAI在-100%（裸土）~75%之间变化时, E total变化幅度仅为5%。对于E soil, 当LAI增加100%时, E soil增加9%; 当LAI在-100%（裸土）~75%之间变化时, E soil变化幅度小于E total, 仅为2%。相同LAI变化条件下, E total与E soil的变化幅度小于Zhang et al (2011)在蒙古国纳来哈地区（植被盖度38%~60%）的研究结果, 这可能与本研究区植被盖度较低（30%~40%）, 相同LAI变化率条件下, 植被盖度实际变化幅度较小有关。与E total、 E soil相比, 相同LAI变化条件下, E trans的变化幅度明显较大。当LAI增加100%时, E trans增加了90%, 当LAI变化率为-75%时, 此时E trans仅为无变化条件下（LAI变化率为0）的27%。综合比较, 本研究区植被对蒸散发的影响程度表现为E trans>E total>E soil, 当LAI在-100%（裸土）~100%之间变化时, E total变化范围为-5%~13%, 这可能是研究区植被对蒸散发影响的最大范围。植被的变化不仅表现在对蒸散发的影响, 同样影响着浅层土壤水分状况。研究区属于高原半干旱区, 浅层土壤水分也是影响蒸散发的主要因素之一。与E total、 E soil较为相似, 当LAI在 -100%~75%内变化时, θ 20cm的变化范围仅为2%, 当LAI在75%~100%之间变化时, θ 20cm的变化率高达19%, 与上述E soil的显著变化区间相对应。综合上述分析可知, 研究区LAI为当今情况下的1.75倍时, 植被开始对蒸散发及浅层水分状况产生显著影响。
图7 LAI变化条件下, 各蒸散发组分及20 cm处土壤含水率的变化

Fig.7 The Change of E total, E soil, E trans and θ 20cm underdifferent ratio of LAI changing

王根绪等 (2003)研究表明, 高寒草甸草地退化, 以及杂类草取代原有密根性嵩草及禾草类植被时, 将导致土壤持水能力显著下降, 使土壤趋于干燥。从图7中可以看出, 当LAI增加100%时, θ 20cm反而减少了20%, 模拟的E trans在上述LAI变化条件下增加90%, E trans增大意味着植被根深范围内更多的水分被植被吸收用于蒸腾, 且一般植被盖度较大的地区降水量相对较大, 而本次模拟中增大LAI时未相应的增加降水量, 这可能是导致本次模拟的θ 20cm显著降低的原因。植被对水分蒸发与蒸腾影响, 不仅与其盖度及土壤水分含量有关, 还与草地地貌部位、 植被种类等关系密切(王根绪等, 2003), 在分析植被与蒸散发及土壤水分关系时, 应综合考虑上述因素的影响。与森林生态系统相比, 高寒草甸植被有效根深较浅, 蒸散发与浅层土壤水分之间的强烈的耦合关系使得全球变暖背景下越来越频繁的干旱事件将对高寒草甸系统造成不利影响(Ma et al, 2015)。实际上, 近几十年来, 青藏高原暖湿化趋势显著(张明礼等, 2018; 王玉琦等, 2019), E total也有所增大, 区域的水文循环强度进一步增强(Ma et al, 2015), E total增大伴随的潜热通量的增加及感热通量的减小, 在一定程度上减缓了青藏高原的升温速率(Shang et al, 2015)。

6 结论

利用唐古拉站2007年气象、 植被及土壤温湿度实测资料驱动SHAW模型, 对研究点活动层土壤温度与含水率的动态变化过程进行了模拟, 统计分析模拟值与实测值之间的差异, 验证了SHAW模型对青藏高原多年冻土区活动层内部的水热状况模拟的有效性。基于此, 利用模型的输出, 对研究点地表能量收支与活动层内的水分动态变化特征进行了分析, 并通过改变LAI, 分析植被对于研究点蒸散发的影响, 得到以下结论:
（1） SHAW模型对活动层各深度土壤温度的模拟效果比较理想, 且深层土壤的模拟效果要好于浅层, 土壤含水率的模拟效果整体上不如温度的模拟, 但模拟的不同深度土壤含水率的变化的趋势与实测值基本一致, 较好的体现了土壤含水率的年内变化特征。总的来说, SHAW模型能够较为准确的模拟活动层内部水分和热量的动态变化过程, 是研究多年冻土活动层土壤水热过程的理想的陆面模型。
（2） 唐古拉地区地表能量收支各分量具有明显的季节性变化特征。春冬季节, 感热通量大于潜热通量, 地气间能量交换以感热传输为主; 夏秋季节则相反, 地气间能量交换以潜热传输为主。其中, 4月底至5月初, 湍流通量的变化主要受活动层内的融化过程所影响; 5 -9月, 潜热通量逐渐升高, 并占据主导地位, 季风活动与土壤冻融过程共同影响着唐古拉地区湍流通量的变化。地表热通量与净辐射具有相似的年内变化趋势, 初春季节逐渐由负值变为正值, 活动层表现为吸热升温; 逐渐冻结阶段, 地表热通量由正值逐渐变为负值, 活动层向外释放热量。
（3） 活动层土壤冻融过程中, 随着土壤深度增加, 水分相变量逐渐减小, 土壤水分融化和冻结的响应时间逐渐滞后, 融化速率逐渐减小; 除110 cm深度外, 各深度土壤冻结速率无显著差异。活动层土壤冻结阶段, 土壤水分具有向表层和深层双向汇聚的特征。
（4） E total、 E soil和E trans均表现为与LAI呈正相关关系。当LAI的在-100%（裸土）~100%之间变化时, E total的变化幅度为-5%~13%。随着LAI的增加, 植被蒸腾作用消耗更多浅层土壤水分, θ 20cm与LAI之间呈负相关关系。无论是土壤蒸散发还是浅层土壤水分, 均在LAI变化率为75%~100%时发生显著变化, 即研究区LAI为当今情况下的1.75倍时, 植被开始显著地影响土壤蒸散发及浅层水分状况。
多年冻土地区气候环境条件恶劣, 数据获取较为困难。利用SHAW模型在仅有气象与土壤温湿度数据的情况下, 就能够对活动层内部的水、 热传输及地气系统间的能、 水交换过程进行精确的模拟重现。然而SHAW模型作为经典的一维水热耦合模型, 忽略了侧向的水分迁移及对流传热过程, 以及地形条件对太阳辐射分布的影响等, 未来需在这些方面进一步改进, 以助于更加准确、 深入地理解多年冻土区土壤-植被-大气系统间的水热耦合关系。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Eugster W, Rouse W R, Pielke R A, al et, 2000.Land-atmosphere energy exchange in Arctic tundra and boreal forest: Available data and feedbacks to climate[J].Global Change Biology, 6: 84-115.

Flerchinger G N, Hanson C L, Wight J R, 1996.Modeling evapotranspiration and surface energy budgets across a watershed[J].Water Resources Research, 32(8): 2539-2548.

Flerchinger G N, Pierson F B, 1991.Modeling plant canopy effects on variability of soil temperature and water[J].Agricultural & Forest Meteorology, 56(3/4): 227-246.

Flerchinger G N, Saxton K E, 1989.Simultaneous heat and water model of a freezing snow-residue-soil system I.Theory and development[J].Transactions of the ASAE, 32(2): 565-0571.

Gu L, Yao J, Hu Z, al et, 2015.Comparison of the surface energy budget between regions of seasonally frozen ground and permafrost on the Tibetan Plateau[J].Atmospheric Research, 153: 553-564.

Gu S, Tang Y, Cui X, al et, 2005.Energy exchange between the atmosphere and a meadow ecosystem on the Qinghai-Tibetan Plateau[J].Agricultural and Forest Meteorology, 129(3): 175-185.

Kurylyk B L, Macquarrie K T B, Mckenzie J M, 2014.Climate change impacts on groundwater and soil temperatures in cold and temperate regions: Implications, mathematical theory, and emerging simulation tools[J].Earth-Science Reviews, 138: 313-334.

Li G, Duan T, Haginoya S, al et, 2001.Estimates of the bulk transfer coefficients and surface fluxes over the Tibetan Plateau using AWS data[J].Journal of the Meteorological Society of Japan.Ser.II, 79(2): 625-635.

Ma N, Zhang Y, Guo Y, al et, 2015.Environmental and biophysical controls on the evapotranspiration over the highest alpine steppe[J].Journal of Hydrology, 529: 980-992.

Qiu J, 2008.China: The third pole[J].Nature, 454(7203): 393-396.

Ran Y H, Li X, Cheng G D, al et, 2012.Distribution of permafrost in China: An overview of existing permafrost maps[J].Permafrost & Periglacial Processes, 23(4): 322-333.

Shang L, Yu Z, Lü S, al et, 2015.Energy exchange of an alpine grassland on the eastern Qinghai-Tibetan Plateau[J].Science Bulletin, 60(4): 435-446.

Sitch S S B, Prentice I C, Arneth A, al et, 2010.Evaluation of ecosystem dynamics, plant geography and terrestrial carbon cycling in the LPJ dynamic global vegetation model[J].Global Change Biology, 9(2): 161-185.

Wang B, Fan Z, 1999.Choice of South Asian summer monsoon indices[J].Bulletin of the American Meteorological Society, 80(4): 629-638.

Wen Z, Niu F, Yu Q, al et, 2014.The role of rainfall in the thermal-moisture dynamics of the active layer at Beiluhe of Qinghai-Tibetan plateau[J].Environmental Earth Sciences, 71(3): 1195-1204.

Yang M, Nelson F E, Shiklomanov N I, al et, 2010.Permafrost degradation and its environmental effects on the Tibetan Plateau: A review of recent research[J].Earth Science Reviews, 103(1): 31-44.

Yao J, Zhao L, Gu L, al et, 2011.The surface energy budget in the permafrost region of the Tibetan Plateau[J].Atmospheric Research, 102(4): 394-407.

Zhang Y, Ohata T, Zhou J, al et, 2011.Modeling plant canopy effects on annual variability of evapotranspiration and heat fluxes for a semi-arid grassland on the southern periphery of the Eurasian cryosphere in Mongolia[J].Hydrological Processes, 25(8): 1201-1211.

Zou D, Zhao L, Sheng Y, 2017.A new map of permafrost distribution on the Tibetan Plateau[J].The Cryosphere, 11(6): 2527-2542.

常姝婷, 刘玉芝, 华珊, 等, 2019.全球变暖背景下青藏高原夏季大气中水汽含量的变化特征[J].高原气象, 38(2): 227-236.DOI: 10.7522/j.issn.1000-0534.2018.00080.

谷星月, 马耀明, 马伟强, 等, 2018.青藏高原地表辐射通量的气候特征分析[J].高原气象, 37(6): 1458-1469.DOI: 10.7522/j.issn.1000-0534.2018.00051.

郭东林, 杨梅学, 2010.SHAW模式对青藏高原中部季节冻土区土壤温、 湿度的模拟[J].高原气象, 29(6): 1369-1377.

李瑞平, 史海滨, 赤江刚夫, 等, 2007.冻融期气温与土壤水盐运移特征研究[J].农业工程学报, 23(4): 70-74.

刘杨, 赵林, 李韧, 2013.基于SHAW模型的青藏高原唐古拉地区活动层土壤水热特征模拟[J].冰川冻土, 35(2): 280-290.

穆文彬, 孙素艳, 马伟希, 等, 2019.若尔盖湿地潜在蒸散量演变特征及影响因素分析[J].高原气象, 38(4): 716-724.DOI: 10. 7522/j.issn.1000-0534.2018.00150.

苏彦入, 吕世华, 范广洲, 2018.青藏高原夏季大气边界层高度与地表能量输送变化特征分析[J].高原气象, 37(6): 1470-1485. DOI: 10.7522/j.issn.1000-0534.2018.00040.

王根绪, 沈永平, 钱鞠, 等, 2003.高寒草地植被覆盖变化对土壤水分循环影响研究[J].冰川冻土, 25(6): 653-659.

王利辉, 何晓波, 丁永建, 2017.青藏高原中部高寒草甸蒸散发特征及其影响因素[J].冰川冻土, 39(6): 1-6.

王玉琦, 鲍艳, 南素兰, 2019.青藏高原未来气候变化的热动力成因分析[J].高原气象, 38(1): 29-41.DOI: 10.7522/j.issn. 1000-0534.2018.00066.

吴谋松, 王康, 谭霄, 等, 2013.土壤冻融过程中水流迁移特性及通量模拟[J].水科学进展, 24(4): 543-550.

吴青柏, 牛富俊, 2013.青藏高原多年冻土变化与工程稳定性[J].科学通报, 58(2): 115-130.

肖瑶, 赵林, 李韧, 等, 2011.青藏高原腹地高原多年冻土区能量收支各分量的季节变化特征[J].冰川冻土, 33(5): 1033-1039.

严晓强, 胡泽勇, 孙根厚, 等, 2019.那曲高寒草地长时间地面热源特征及其气候影响因子分析[J].高原气象, 38(2): 253-263.DOI: 10.7522/j.issn.1000-0534.2018.00091.

张明礼, 温智, 董建华, 等, 2018.多年冻土活动层浅层包气带水-汽-热耦合运移规律[J].岩土力学, 39(2): 561-570.

张明礼, 温智, 薛珂, 等, 2016.北麓河地区多年冻土地表能量收支分析[J].干旱区资源与环境, 30(9): 134-138.

张伟, 周剑, 王根绪, 2013.积雪和有机质土对青藏高原冻土活动层的影响[J].冰川冻土, 35(3): 528-540.

赵林, 程国栋, 李述训, 等, 2000.青藏高原五道梁附近多年冻土活动层冻结和融化过程[J].科学通报, 45(11): 1205-1211.

赵林, 李韧, 丁永建, 2008.唐古拉地区活动层土壤水热特征的模拟研究[J].冰川冻土, 30(6): 930-937.

郑汇璇, 胡泽勇, 孙根厚, 等, 2019.那曲高寒草地总体输送系数及地面热源特征[J].高原气象, 38(3): 497-506.DOI: 10.7522/j.issn.1000-0534.2019.00024.

周剑, 王根绪, 李新, 等, 2008.高寒冻土地区草甸草地生态系统的能量-水分平衡分析[J].冰川冻土, 30(3): 398-407.

Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn