高原气象

高原气象 >

2020 , Vol. 39 >Issue 3: 486 - 498

DOI: https://doi.org/10.7522/j.issn.1000-0534.2019.00060.

论文

GLDAS资料驱动的Noah-MP陆面模式青藏高原地表能量交换模拟性能评估

  • 胡伟 , 1, 2 ,
  • 马伟强 , 1, 3 ,
  • 马耀明 1, 2, 3 ,
  • 谢志鹏 1
展开
  • 1. 中国科学院青藏高原研究所, 北京 100101
  • 2. 中国科学院大学, 北京 100049
  • 3. 中国科学院青藏高原地球科学卓越创新中心, 北京 100101
马伟强（1975 -）， 男， 甘肃天水人， 研究员， 主要从事大气边界层过程与卫星遥感应用的研究. E-mail:

胡伟（1993 -）， 男， 甘肃兰州人， 博士研究生， 主要从事青藏高原陆气相互作用和相关天气气候过程模拟研究E-mail：

收稿日期: 2019-02-25

  修回日期: 2019-06-18

  网络出版日期: 2020-06-28

基金资助

中国科学院战略性先导科技专项(XDA19070301)

国家自然科学基金项目(41830650)

国家科技重点研发计划项目(2018YFC1505701)

科技部前沿科学重点研究项目(QYZDJ-SSW-DQC019)

收起

Evaluating Performance of Noah-MP LSM with GLDAS Forcing Data over Qinghai-Tibetan Plateau

  • Wei HU , 1, 2 ,
  • Weiqiang MA , 1, 3 ,
  • Yaoming MA 1, 2, 3 ,
  • Zhipeng XIE 1
Expand
  • 1. Institute of Tibetan Plateau Research, Chinese Academy of Sciences, Beijing 100101, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Chinese Academy of Sciences, Beijing Center for Excellence in Tibetan Plateau Earth Sciences, Beijing 100101, China

Received date: 2019-02-25

  Revised date: 2019-06-18

  Online published: 2020-06-28

Fold

本文亮点

使用Noah-MP陆面模式, 在GLDAS数据的驱动下, 对青藏高原不同区域6个观测站点的感热通量和潜热通量进行了模拟, 并与实测值进行了对比分析。研究结果表明: 使用默认参数化方案选项模拟的感热通量除在珠峰站冬春季偏高而夏秋季偏低以外, 在其他站点均偏高; 潜热通量的模拟在不同站点和不同季节存在较大差异, 在藏东南站模拟结果较好, 在珠峰站偏高, 在慕士塔格站偏低, 在纳木错站秋冬季偏低、 在阿里站春季偏高、 在那曲站夏季偏低。通过进一步分析模拟结果对各个参数化方案选项的敏感性, 选出了更适合各站点感热通量及潜热通量模拟的参数化方案选项组合, 提高了模式对各个站点全年整体模拟水平, 使得模拟结果和站点观测相比具有更小的均方根误差和更高相关系数, 但对一些站点部分季节的模拟可能会带来更大的误差。本研究为这些站点的陆面及耦合模式的模拟提供了参考, 同时也能对青藏高原热源变化的模拟提供更准确的地气交换信息。

本文引用格式

胡伟 , 马伟强 , 马耀明 , 谢志鹏 . GLDAS资料驱动的Noah-MP陆面模式青藏高原地表能量交换模拟性能评估[J]. 高原气象, 2020 , 39(3) : 486 -498 . DOI: 10.7522/j.issn.1000-0534.2019.00060.

Highlights

Driven by GLDAS forcing data, the Noah-MP land surface model is used to evaluate its performance in simulating sensible and latent heat flux at six observation stations (Qomolangma Atmospheric and Environmental Observation and Research Station, QOMS; Nam Co Monitoring and Research Station for Multisphere Interactions, NAMOR; Ngari Desert Observation and Research Station, NASDE; Southeast Tibet Observation and Research Station for the Alpine Environment, SETS; Muztagh Ata Westerly Observation and Research Station, MASWE; Nagqu Station of Plateau Climate and Environment, NPCE) of different regions over Qinghai-Tibetan Plateau.The results with default multiple parameterization options indicate that comparing with the observations, the sensible heat flux is overestimated at most stations and in QOMS’s winter and spring, but underestimated in summer and autumn at this site.The latent heat flux is distinct in different stations and seasons: With better result at SETS, overestimated at QOMS and in NASDE’s spring, underestimated at MASWE, in NAMOR’s autumn and winter and NPCE’s summer.By analyzing the sensitivity of simulation results with different multiple parameterization options to select better combinations of these options which are more suitable for each station.New combinations give better root mean square error and correlation coefficient to simulations at a whole year level, but specific seasons at some stations have larger errors.This method provides accurate information of energy exchange and a reference for land surface and coupling models to the simulate heat source at these sites.

1 引言

陆面过程涉及地表水文、 植被动力学、 生物化学、 边界层湍流输送、 地面辐射传输、 土壤水分和热量传导等与地-气间的热量、 动量、 水分及其他物质的交换相关的物理化学过程, 与多个圈层的稳定和变化紧密联系（李崇银, 2002; 薛根元等, 2005）。陆面过程对气候系统的变化有较强的敏感性, 通过感热和潜热通量及辐射的变化对气候系统产生反馈作用, 从而影响到局地、 区域甚至全球尺度的大气环流和气候变化（戴永久等, 1996; 孙菽芬, 2002; Pitman et al, 2003）。Koster et al（2004）指出陆面过程经常用于大气环流模式中以提供地-气边界的水热交换信息, 气候研究已经证实这些交换的准确性对不同尺度的天气预报准确性都至关重要。
青藏高原平均海拔4000 m以上, 拥有复杂的地形及下垫面, 其强烈的陆气交换作用对亚洲季风的形成与发展起到重要作用（Wu et al, 2012）, 同时影响着东亚和北半球的气候格局和大气环流（叶笃正等, 1974）。张永生等（1999）提出了“感热气泵”的概念, 指出青藏高原的机械和热力强迫作用决定着亚洲季风的爆发顺序, 同时青藏高原上空空气柱的急速升温与中高纬度低频扰动有关, 这些扰动的有利位相将决定着亚洲季风各阶段的爆发时间。刘新等（2002）指出高原加热的强弱影响着周边地区低层暖湿空气的抽吸和高原大气向周边的释放, 从而影响周边及亚洲季风区的环流系统, 并激发出波列, 影响到东太平洋和北美地区。因此, 理解青藏高原的陆面水热交换过程, 可以帮助了解不同气候背景下该区域水分、 能量收支与反馈的原因, 更好地了解青藏高原对更大范围气候的影响以及对气候变化的响应和反馈作用。
陆面过程研究可简单划分为3个阶段: 敏感性试验阶段（1960 -1980年）、 陆面过程的观测及模式研究阶段（1980 -2000年）以及对模式进一步发展和评估阶段（2000年至今）（牛国跃等, 1997; 林朝晖等, 2008）。在青藏高原的陆面过程观测方面已经进行了很多野外综合试验, 如全球能量水循环（Global Energy and Water Cycle Experiment, GEWEX）之亚洲季风青藏高原试验研究（Asian Monsoon Experiment on the Tibetan Plateau, GAME-Tibet）（王介民等, 2000）和全球协调加强观测计划（Coordinated Enhanced Observing Period, CEOP）亚澳季风之青藏高原试验研究（Asia-Australia Monsoon Project on the Tibetan Plateau, CAMP/Tibet）（马耀明等, 2006）、 第二次青藏高原大气科学实验（徐祥德等, 2006）。同时持续的监测项目也在进行, 如青藏高原观测研究平台（Tibetan Observation and Research Platform, TORP）（Ma et al, 2008）以及青藏高原及周边综合观测系统计划（Sino-Japan Joint Research Center of Meteorological Disaster, JICA）（张人禾等, 2012）等为青藏高原地表过程、 陆-气相互作用及环境研究提供了一系列地表和近地面水文气象观测数据, 使人们对高原地表能量水分循环有了新的认识。如马伟强等（2005）、 陈学龙等（2008）及严晓强等（2018）使用藏北那曲地区的观测资料分别分析了感热、 潜热通量和土壤温湿度等的季节变化和日变化特征, 评估了不同方法计算地表通量的准确性; 解晋等（2018）使用观测资料分析了高原感热通量和气候因子的相关性。而在青藏高原陆面模式研究方面, 也有大量针对不同站点的模拟评估和改进的研究, 如Yang et al（2009）对比SiB2（Simple Biosphere Model）、 CoLM（Common Land Model）和Noah三种陆面模式在青藏高原的模拟结果, 发现所有模型都低估了表层土壤中的土壤水分及地表温度梯度, 导致更高的净辐射, 更低的土壤热通量; 谢志鹏等（2017）使用陆面模式CLM（Community Land Model）, 针对那曲高寒草甸地区地表能量收支的模拟评估表明, 在春季、 夏季及秋季非冻结期模拟效果较好, 但在冬季受到积雪模拟的影响, 导致结果存在较大误差; 李宏毅等（2018）使用结合Noah陆面方案的天气研究与预报模型WRF模式（Weather Research and Forecasting Model）对藏东南草地下垫面地气通量交换的日变化特征进行了模拟, 结果显示在夜间感热和潜热的模拟效果好, 而白天感热和潜热的模拟值大于观测值。 Yang et al（2008）认为热力学粗糙度的日变化是模拟日间地表温度、 湍流热量的重要因子, 地表温度的低估和感热通量的高估可通过改进热力学粗糙度方案来改进。Chen et al（2011）使用Yang et al（2008）发展的粗糙度方案, 通过替换Noah模式的热力学粗糙度改善了干旱和半干旱地区的地表温度的模拟结果。Gao et al （2015）指出使用Noah-MP模式改进了其土壤中植被根系粘液的描述来减少饱和土壤传导度, 使得感热、 潜热通量季风期取得了更好的模拟效果, 并指出在转换期根系粘液的减缓土壤消融的效果更加明显。这些持续的野外观测和对陆面模型的评估和改进工作为人们更好的描述高原复杂的陆气交换过程, 理解高原对天气气候的影响起到了重要的作用。
青藏高原不同区域的土壤、 植被特征差异明显, 然而在该区域使用Noah-MP陆面模式的模拟研究中往往使用较单一的参数化方案选项组合, 带来与观测值相差较多的模拟结果, 未能充分发挥该模式的优势。本文评估了Noah-MP陆面模式在高原各站点的地表能量交换的模拟效果, 并通过替换其参数化方案选项组合改进了其模拟性能。

2 模式及资料介绍

Noah-MP陆面模式由Noah陆面模式（Chen et al, 1996; Ek et al, 2003）发展而来, 改进了原模式对植被覆盖区域能量平衡、 层积积雪、 冻土与渗透、 土壤水分-地下水相互作用及相关的产流过程、 植被物候等物理机制的描述, 并提供了动态植被（Dynamic vegetation, DVEG）、 植被气孔阻抗（Canopy stomatal resistance, CRS）、 径流和地下水（Runoff and groundwater, Run）、 地表交换系数（Surface layer drag coefficient, SFC）、 控制气孔阻抗的土壤湿度因子（Soil moisture factor for stomatal resistance, BTR）、 过冷水（Supercooled liquid water,FRZ）、 冻土渗透性（Frozen soil permeability, INF）、 辐射传输（Radiation transfer, RAD）、 地表反照率（Ground surface albedo, ALB）、 降水或降雪划分（Partitioning precipitation into rainfall & snowfall, SNF）、 土壤温度下边界条件（Lower boundary condition of soil temperature, TBOT）、 积雪和土壤温度时间方案（Snow/soil temperature time scheme,STC）的参数化方案选项, 共可提供上千种不同的参数化方案选项组合供不同条件下的陆面过程模拟使用（Niu et al, 2011; Yang et al, 2011）。本研究使用的二维Noah-MP陆面模式已融入高分辨率陆地资料同化系统中（High-Resolution Land Data Assimilation System, HRLDAS v3.6）中, 便于与天气研究与预报模型（WRF）的结合使用（Chen et al, 2007）。
本研究使用的陆面模式气象驱动数据和初始场来由自美国宇航局开发的全球陆地资料同化系统（Global Land Data Assimilation System, GLDAS）数据集, 其驱动数据部分结合了普林斯顿气象驱动数据、 模式模拟和观测资料, 初始场数据则融合了卫星资料、 地表观测资料和陆面模型模拟资料生成。作为Noah-MP陆面模型的驱动, 需要的驱动资料要素为2 m空气温度、 2 m空气比湿、 10 m风速、 气压、 短波向下辐射、 长波向下辐射和降水率; 初始场要素为植被表层水分、 地表温度、 积雪深度、 雪水当量以及0~10 cm、 10~40 cm、 40~100 cm和100~200 cm 4层的土壤温度和土壤湿度。所有数据的空间分辨率为0.25°, 驱动数据的时间分辨率为3 h。此外, 模型需要其他数据如的海拔、 海陆分布、 绿色植被指数则来自WRF模式生成的静态数据。
本研究中观测数据来自中国科学院青藏高原研究所的中国科学院珠穆朗玛大气与环境综合观测研究站（简称珠峰站）、 中国科学院纳木错多圈层综合观测研究站（简称纳木错站）、 中国科学院阿里荒漠环境综合观测研究站（简称阿里站）、 中国科学院藏东南高山环境综合观测研究站（简称藏东南站）、 中国科学院慕士塔格西风带环境综合观测研究站（简称慕士塔格站）, 以及中国科学院西北生态环境资源研究院的中国科学院那曲高寒气候环境观测研究站（简称那曲站）（Ma et al, 2008）, 各站点介绍如表1所示, 站点分布如图1所示。
表1 各观测站点介绍

Table 1 Introduction of observation sites

经度 纬度 海拔/m 下垫面特征
珠峰站 86.56°E 28.21°N 4276 高山戈壁为主, 有稀疏草分布
纳木错站 90.99°E 30.77°N 4730 高寒草甸
阿里站 79.70°E 33.39°N 4264 高寒荒漠草原
藏东南站 94.73°E 29.77°N 3324 高原草甸, 周围有茂密植被覆盖
慕士塔格站 75.04°E 38.41°N 3660 高寒荒漠
那曲站 91.90°E 31.37°N 4509 高寒草原
图1 青藏高原各观测站点分布

Fig.1 The distribution of observation sites over the Qinghai-Tibetan Plateau

观测站内感热和潜热通量观测仪器为超声风温仪CSAT3以及CO2/H2O红外开路分析仪LI-7500组成的涡度相关系统, 采样频率为10 Hz, 涡动原始资料处理使用TK3或EddyPro软件。本研究中对观测资料进行了质量控制。

3 数值试验设计

本研究拟在青藏高原拥有感热通量和潜热通量观测的珠峰站、 纳木错站、 阿里站、 藏东南站、 慕士塔格站及那曲站6个站点评估Noah-MP陆面模型对这些变量的模拟水平。并验证了是否能够通过改变其参数化方案（图2）选项组合以提高对这些变量的模拟效果。
图2 选择参数化方案组合流程图

Fig.2 The flowchart of selected multiple parameterization options

具体方案如下: 首先, 使用Noah-MP用户指南中推荐的参数化方案选项组合（表1）作为默认组合进行模拟, 评估其模拟效果。之后尝试改进组合, 用新的组合验证模拟效果。Zhang et al （2016） 在云南大理的实验中使用一维Noah-MP模型进行了共1152种参数化方案选项组合模拟, 获得了在该站点最优的参数化方案选项组合。但由于本研究中使用的是二维的Noah-MP模型, 若将所有上千种参数化方案组合进行模拟以选取最优的组合, 将耗费大量的运算时间。因此, 本研究采用敏感性试验的方法, 针对每个站点的每个变量, 以Noah-MP用户指南中推荐的参数化方案选项组合作为默认组合, 单独选择一组参数化方案选项进行选择, 固定其他参数化方案选项为默认值。比较该组参数化方案选项中各个方案的模拟效果, 通过与观测值比较获得最小的均方根误差选项作为该选项中的最优方案。以此循环直至对所有选项进行选择, 从而获得一套适合该站点该变量的参数化方案选项组合, 并通过比较默认组合和最终组合的均方根误差（RMSE）和相关系数（R）评估模拟效果。均方根误差（RMSE）和相关系数（R）的计算方程为:
R M S E = ∑ i = 1 n ( X o b s , i - X m o d e l , i ) 2 n ,
R = C o v ( X o b s ,    X m o d e l ) V a r ( X o b s ) × V a r ( X m o d e l ) ,
式中: i对应不同样本; n为样本数量; X o b s为观测值; X m o d e l为模拟值; C o v X o b s , X m o d e l为观测和模拟值间的协方差; V a r ( X o b s )和 V a r ( X m o d e l )分别为观测和模拟值的方差。
对Noah-MP陆面模式中各参数化方案选项中三种辐射传输选项（表2中RAD项）的介绍如下, 选项一将植被覆盖使用“半贴砖法”的方法分离出来以更好地体现地面的异质性。地表通量在有植被区域和裸土区域分别计算。传统的“贴砖”方法依据遥感得到的植被分布情况, 假设太阳是垂直入射而未考虑植被的位置分布, 从而导致非垂直入射区地面上会重叠较多的阴影, 这些阴影会被误认为是低矮植物。而“半贴砖法”吸取了“贴砖法（或马赛克法）”能较好处理植被和裸土间参数和通量非线性关系的优势, 同时考虑了太阳高度角, 避免了重叠阴影的情况。并且在计算地表辐射传输时, 使用改进的二流近似方法, 考虑了冠层和冠层间的间隙, 具体的计算如公式(3),(4),(5)所示:
表2 Noah-MP陆面模式参数化方案选项表

Table 2 The multiple parameterization options of Noah-MP land surface model

选项名 缩写 选项 默认 选项
冠层气孔阻抗 CRS 1.Ball-Berry 2.Jarvis 1
动态植被 DVEG 1.关闭 2.开启 2
对气孔阻抗的土壤水分因子 BTR 1.Noah(使用土壤湿度) 2.CLM（使用基质势） 3.BATS 1
径流及地下水 RUN 1.考虑地下水方案的TOPMODEL 2平衡水位的TOPMODEL 3.原始表层及土壤径流（自由排水） 4.BATS表层及土壤径流（自由排水） 1
表层拖曳系数 SFC 1.M-O相似理论, 较小 2.Noah原始方案, 较大 1
冻土渗透性 INF 1.线性, 较强 2.非线性, 较弱 1
过冷水（或冰比例） FRZ 1.无迭代 2.Koren迭代 1
辐射传输 RAD 1.改进的二流近似 2.用于网格的二流近似 3.用于植被部分的二流近似 1
地表雪面反照率 ALB 1.BATS 2.CLASS 2
降水/降雪划分 SNF 1.Jordan 2.BATS（假设空气温度低于冻结温度+2.2度时为降雪） 3.假设空气温度低于冻结温度时为降雪 1
土壤温度的下边界条件 TBOT 1.底层无热通量交换 2.文件中读取（Noah原始方案） 2
积雪、 土壤温度时间方案 STC 1.半隐式 2.隐式（Noah原始方案） 1

最后一列为模式推荐的默认选项; TOPMODEL为TOP runoff and Groundwater Model; BATS为Biosphere-Atmosphere Transfer Model; CLASS为Canadian Land Surface Scheme

S a v = F v e g ( L a v T v + L E v T v + H v T v ),
    F v e g S a g = F v e g ( L a g , v T g , v + L E g , v T g , v + H g , v T g , v + G v T g , v ),
( 1 - F v e g ) S a g = ( 1 - F v e g ) ( L a g , b T g , b + L E g , b T g , b + H g , b T g , b + G b T g , b )     ,
式中: F v e g为在网格中地表被植被覆盖度; S a v为植被冠层吸收的短波辐射（单位: W·m-2）, S a g为地面吸收的短波辐射（单位: W·m-2）, F v e g S a g为通过冠层间间隙射向地面并被地面吸收的短波辐射（单位: W·m-2）; 1 - F v e g S a g为裸土吸收的短波辐射（单位: W·m-2）; L a为净长波辐射（单位: W·m-2）; L E为潜热通量（单位: W·m-2）; H为感热通量（单位: W·m-2）; T为温度（单位: K）, 其中下标v代表植被冠层; 下标g, b代表裸土; 下标g, v代表植被覆盖的土壤; G b和 G v分别为裸土和植被覆盖土壤的热通量（单位: W·m-2）; 在计算g, v各项时考虑了太阳高度角。
类似的, 净长波辐射 L a、 感热通量 H、 潜热通量 L E及土壤热通量 G由式(6),(7),(8),(9)表示。
L a = 1 - F v e g L a g , b + F v e g ( L a v + L a g , v ),
L E = 1 - F v e g L E g , b + F v e g ( L E v + L E g , v ),
H = 1 - F v e g H g , b + F v e g ( H v + H g , v ),
G = 1 - F v e g G b + F v e g G v,
且地表辐射传输满足能量平衡公式:
S a v + S a g = L a + L E + H + G.
选项二在整个网格区域使用“半贴砖法”且使用未改进的二流近似, 即： 不考虑植被间隙对辐射传输的影响, 适用于植被密集区域的模拟。选项三使用传统的“贴砖法”, 不考虑辐射入射角度, 适用于密集的低矮植被或积雪区域。其他的参数化方案选项可参考模式物理过程说明(Niu et al, 2011)及技术手册(http: //www.jsg.utexas.edu/noah-mp/files/Noah-MP_Technote_v0.2.pdf), 本文将不再赘述。
本研究中共使用了10年（2007 -2016年）的GLDAS驱动数据, 对整个青藏高原及周边地区进行了模拟, 再通过双线性插值插值到6个观测站点。模式在开始模拟时会由于不稳定性而带来误差, 因此需要一段时间的模拟进行模式的spin-up。第二步参数化方案选项组合的选择中使用2011 -2016年中一个观测资料连续性较好的完整年进行方案的选择, 再选取其后另一个观测资料连续性较好的完整年进行验证（表3）（因不同站点各变量的观测数据存在不同程度的缺失, 导致观测资料较完整的时间段不同, 故在本研究中依据观测资料完整性选取了不同时间段进行模拟, 以避免资料缺失对模型模拟结果验证产生影响）。模拟的spin-up时间为2007年至各站开始模拟时间, 保证了每次模拟拥有至少4年的spin-up时间。第一步评估默认选项模拟结果时也选取了同第二步验证时相同的年份, 方便两次模拟结果进行对比。
表3 模式在各站对各变量的模拟时间表

Table 3 Simulation time of each variable at each station

站点 感热通量 潜热通量
珠峰站 模拟时段 2013-01-01/2013-12-31 2014-01-01/2014-12-31
验证时段 2014-01-01/2014-12-31 2015-01-01/2015-12-31
纳木错站 模拟时段 2011-08-01/2012-07-31 2013-06-14/2014-06-13
验证时段 2014-07-21/2015-07-20 2014-06-14/2015-06-13
阿里站 模拟时段 2012-01-01/2012-12-31 2011-01-01/2011-12-31
验证时段 2013-01-01/2013-12-31 2013-01-01/2013-12-31
藏东南站 模拟时段 2011-07-12/2012-07-11 2011-07-12/2012-07-11
验证时段 2013-05-17/2014-05-16 2013-01-01/2013-12-31
慕士塔格站 模拟时段 2013-04-27/2014-04-26 2015-01-01/2015-12-31
验证时段 2015-02-10/2016-02-09 2016-01-01/2016-12-31
那曲站 模拟时段 2014-01-01/2014-12-31 2014-01-01/2014-12-31
验证时段 2015-01-01/2015-12-31 2015-01-01/2015-12-31

为避免各站的缺失资料对模拟和验证产生影响, 故依据资料完整性分别选择不同时间段进行模拟

4 驱动数据验证

在模型模拟之前, 首先对作为驱动数据的GLDAS资料中的空气温度、 向下辐射（向下短波辐射及向下长波辐射之和）与观测值进行了比较, 由GLDAS驱动数据和观测值间的2007 -2016年年平均各月日变化曲线[图3, 日变化对应时间分别为02:00（北京时, 下同）, 08:00, 14:00和20:00, 由于慕士塔格站观测的空气温度缺测值较多, 因此未被检验）可以看出, GLDAS空气温度在珠峰站全年偏低较多, 与观测值的全年平均差异为11.80 ℃, 且夏季观测值标准差为4.45 ℃, GLDAS资料标准差为1.59 ℃, 日变化特征不明显。而其他站相对较好, 全年平均差异为纳木错站2.84 ℃、 阿里站4.08 ℃、 藏东南站2.05 ℃、 那曲站3.05 ℃, 且能反映出日变化特征, 但除那曲站外, 其他站点日间空气温度均偏低。GLDAS向下辐射资料与观测值全年平均差异为珠峰站43.39 W·m-2, 纳木错站38.01 W·m-2, 阿里站30.05 W·m-2, 藏东南站36.16 W·m-2, 慕士塔格站37.54 W·m-2, 那曲站46.47 W·m-2, 且14:00除藏东南站较好以外其他站点均偏低, 而其他时次对应较好。
图3 驱动数据的GLDAS资料中2007 -2016年的空气温度（左）、 向下辐射（右）与观测值间的各月日变化曲线

Fig.3 The Diurnal variation of GLDAS forcing data and observed values of air temperature (left) and downward radiation (right) in each month from 2007 to 2016

5 模拟结果

5.1　默认参数化方案选项组合的模拟结果

使用模式默认参数化方案选项组合进行模拟, 针对6个站点的感热和潜热通量有以下模拟结果。

5.1.1　感热通量

图4分别给出了Noah-MP陆面模式模拟的感热通量和各个站点观测值的日平均值和月平均值特征曲线。由珠峰站的模拟结果[图4(a)]可以看出，在冬季及前后的1月、 3 -4月、 11 -12月感热通量模拟结果偏高, 而在夏季及前后的5 -9月偏低, 在2月和10月较好。此外, 观测值在5 -6月达到峰值, 而模拟结果的峰值则提前到了4月。纳木错站的模拟结果[图4(b)]在全年均偏高, 特别是在秋冬季, 其差异可达到约50 W·m-2, 其峰值则由观测值对应的5月推迟到6月。阿里站的模拟结果[图4(c)]显示, 除1月较好外其他月份均偏高, 在5 -9月差异较大, 约40 W·m-2, 而其峰值由观测的4 -5月推迟到5月。藏东南站[图4(d)]感热通量除10月、 11月模拟结果较好外其他月份偏高。而慕士塔格站的模拟结果[图4(e)]在2月较好, 其他月份偏高, 特别是在4月之后存在较大的差异, 且峰值明显延后。最后, 在那曲站的模拟结果[图4(f)]可以看出， 在11 -12月及3 -4月模拟较好, 在其他月份则偏高, 在5 -7月存在异常的峰值。感热通量的计算公式如下, 裸土部分感热通量 H g , b:
H g , b = ρ C p T g , b - T a i r r a h,
图4 Noah-MP陆面模式模拟的感热通量和各个站点观测值的日平均值（左）和月平均值（右）特征曲线

Fig.4 The Noah-MP land surface model simulated sensible heat flux and observed values of daily average (left) and monthly average (right)

植被覆盖的地表部分感热通量 H g , v:
H g , v = ρ C p T g , v - T a c r a h , g,
植被冠层感热通量 H v:
H v = 2 ( L e + S e ) ρ C p T v - T a c r b,
式中: ρ为空气密度（单位: kg·m-3）; C p为干空气比热容（ = 1005   J ∙ k g - 1 ∙ K - 1）; T g , b为裸土部分的地表温度（单位: K）; T g , v为植被覆盖的地表温度（单位: K）; T v为植被冠层表面温度（单位: K）; T a i r为空气温度（单位: K）; T a c为冠层空气温度（单位: K）; r a h为热传输空气阻抗; r a h , g为冠层下的热传输空气阻抗; r b为单位叶面积指数的叶面边界层阻抗; L e为有效叶面积指数; S e为有效茎面积指数。造成多数站点感热通量模拟结果偏高可能与GLDAS驱动数据中日间空气温度偏低使得地气温差偏高有关。

5.1.2　潜热通量

由Noah-MP陆面模式使用默认参数化方案选项的潜热通量模拟结果和各个站点观测的日平均值和月平均值特征曲线（图5）可以看出， 珠峰站潜热通量[图5(a)]夏季7 -8月模拟结果较好, 但存在个别高值日被低估, 此外其他月份整体被高估, 特别是5 -6月及9 -10月高估值较大。纳木错站[图5(b)]4月模拟结果较好, 8月除个别天数存在低估, 其他天数较好, 在5月和7月存在高估, 其他各月存在低估。阿里站[图5(c)]模拟结果在3月、 8月、 9月、 11 -12月较好, 在2月存在低估, 在其他月存在高估。藏东南站[图5(d)]除6月被低估外全年模拟结果整体较好。而慕士塔格站[图5(e)]模拟结果在12月和1月潜热通量较小时结果对应较好, 其他月份则被低估。那曲站[图5(f)]模拟结果在4 -5月及9月模拟较好, 而在夏季被低估了。
图5 Noah-MP陆面模式模拟的潜热通量和各个站点观测的日平均值（左）和月平均值（右）特征曲线

Fig.5 The Noah-MP land surface model simulated latent heat flux and observed mean values of daily (left) and monthly (right)

5.2　使用新参数化方案选项组合的模拟结果

Noah-MP陆面模式较Noah陆面模式最大的改进在于其提供了多种参数化方案选项组合, 可以针对实际模拟中不同植被、 土壤等条件选择更适合的参数化方案进行模拟。青藏高原不同区域的土壤、 植被特征差异明显, 然而在该区域的模拟中往往使用较单一的选项组合, 带来与观测值相差较多的模拟结果, 未能充分发挥该模式的优势。因此, 本研究拟在青藏高原上拥有不同特征的站点寻找更适合该站点的选项组合。新的组合（表4）提高了多数站点全年总体的模拟效果（更小的均方根误差, 更高的相关系数, 表5）, 但在一些站点中只能提高部分月份的模拟结果, 在其他月份未能带来改进甚至会带来更大的误差。
表4 选取的各站各变量的新参数化方案选项组合

Table 4 New multiple parameterization options of each variable at all stations

选项缩写 珠峰站 纳木错站 阿里站 藏东南站 慕士塔格站 那曲站
H LE H LE H LE H LE H LE H LE
CRS 1 1 1 1 2 1 1 1 2 1 1 1
DVEG 1 1 2 1 1 1 2 2 1 2 2 1
BTR 1 1 1 1 2 1 1 1 1 1 1 1
RUN 4 4 2 4 2 3 2 3 2 2 2 3
SFC 1 1 2 1 2 1 2 1 2 1 1 1
INF 1 2 1 1 1 1 2 1 1 1 1 2
FRZ 2 1 2 2 1 1 2 2 2 2 1 2
RAD 1 1 1 2 3 1 1 1 2 3 1 2
ALB 2 1 1 2 1 1 1 1 1 2 2 1
SNF 3 1 1 1 2 2 2 3 2 2 1 2
TBOT 2 2 1 2 1 1 1 1 1 1 1 1
STC 1 2 2 2 2 1 2 1 2 2 2 2

H为感热通量, LE为潜热通量

表5 各站使用默认参数化方案选项组合和新选项组合后均方根误差和相关系数对比

Table 5 The comparison of root-mean-square error and correlation coefficient from the result of default and new multiple parameterization options

物理量 站点 均方根误差RMSE /(W·m-2) 相关系数R
默认选项 新选项 ΔRMSE 默认选项 新选项 ΔR
感热通量 珠峰站 72.10 65.68 -6.42 0.64 0.71 0.07
纳木错站 83.77 70.42 -13.35 0.58 0.70 0.12
阿里站 76.72 68.41 -8.31 0.67 0.67 0.00
藏东南站 82.97 50.35 -32.62 0.57 0.78 0.21
慕士塔格站 92.59 68.37 -24.22 0.29 0.27 -0.02
那曲站 77.19 49.31 -27.88 0.67 0.87 0.20
潜热通量 珠峰站 37.43 30.02 -7.41 0.67 0.70 0.03
纳木错站 54.15 53.78 -0.37 0.56 0.57 0.01
阿里站 36.54 29.04 -7.50 0.64 0.73 0.09
藏东南站 56.44 53.06 -3.38 0.77 0.81 0.04
慕士塔格站 64.48 59.52 -4.96 0.55 0.56 0.01
那曲站 85.40 79.49 -5.91 0.63 0.69 0.06

ΔRMSE和ΔR分别为两次模拟结果的差异值

5.2.1　感热通量

图4中黑线为使用新的参数化方案选项组合后的模拟结果的日平均及月平均曲线。为多数被高估的站点带来了更低的模拟值, 但部分月份会将原本高估的模拟结果转变为低估。具体如下: 珠峰站[图4(a)]整体提高了模拟值, 使得模拟结果偏低的5 -10月获得改进, 而在模拟结果偏高的4月、 11 -12月则带来更大的误差。藏东南站[图4(d)]除10 -11月外, 其他月份使被高估的模拟结果的得到了改进。纳木错站[图4(b)]、 阿里站[图4(c)]、 慕士塔格站[图4(e)]、 那曲站[图4(f)]整体降低了模拟值, 使得全年被高估的结果总体获得了改进, 但纳木错站4 -7月, 阿里站春季3 -5月, 慕士塔格站4 -7月, 那曲站夏季7 -8月降低值过多, 使得原本高估的模拟值转为低估。由图6左侧一列所有站点感热通量观测值和模拟值的散点分布也可以看出, 使用新的组合使得珠峰站在观测值较高时对应的低估（灰点）得到了改进（黑点）, 纳木错站, 阿里站, 藏东南站, 慕士塔格站, 那曲站的高估值得到改善。
图6 使用默认参数化方案选项组合和新组合模拟的各站感热通量、 潜热通量的模拟值结果与所有时次观测值的散点对比

Fig.6 The scatter plot of observations and simulation results from default and new multiple parameterization options of sensible heat flux and latent heat flux

5.2.2　潜热通量

图5中黑线为使用新的参数化方案选项组合后潜热通量模拟结果的日平均和月平均曲线。珠峰站[图5(a)]整体降低了模拟值, 使得本被高估的结果得到了改进, 但在7月被低估了。纳木错站[图5(b)]改进后使得4 -9月降低了模拟值, 在日平均, 月平均图上并未有优化的模拟结果, 但整体均方根误差和相关系数都显示更优的模拟结果, 这可能是由于观测资料连续性不足导致日平均后样本过少造成的（日平均图上观测值样本过少）。阿里站[图5(c)]新的模拟结果降低了潜热通量的模拟值, 使得本被高估的模拟结果得到了改进, 但在8月使得结果被低估。藏东南站[图5(d)]新的模拟结果提高了模拟值, 使得6月明显偏低的模拟结果得到了改善, 但在相邻的5月和7月则带来更大的误差, 此外, 藏东南站也受到观测资料连续性不足的影响。慕士塔格站[图5(e)]和那曲站[图5(f)]均改进了6月后明显低估的模拟值, 但在4 -5月带来了更大程度的低估。由图6右侧一列各站潜热通量观测值和模拟值散点图可以看出, 珠峰站, 纳木错站, 阿里站均使得原本偏高的模拟值变低, 慕士塔格站使得一部分被低估的值得到了改善, 但另一部分被更大程度的低估, 藏东南站和那曲站总体得到了改进。

6 结论和讨论

通过对比青藏高原6个站点（珠峰站、 纳木错站、 阿里站、 藏东南站、 慕士塔格站及那曲站）的观测数据, 验证和分析了GLDAS驱动数据及其驱动的Noah-MP陆面模式在使用默认参数化方案选项组合和敏感性分析得出的新组合的模拟结果, 得出以下结论:
（1） GLDAS驱动数据中气温及向下辐射与青藏高原站点观测相同的变化趋势, 但在一些站点与观测值间存在较大偏差, 且不能很好的体现日变化特征, 可能为陆面模式在青藏高原的模拟带来不确定性。
（2） 使用Noah-MP陆面模式单独一组参数化方案选项组合在青藏高原不同下垫面区域进行模拟, 将带来较大误差。感热通量在除珠峰站（冬春季偏高、 夏秋季偏低）以外的其他站点均偏高, 这可能是由于驱动数据中日间空气温度偏低所致。潜热通量在不同站点存在较大差异, 在藏东南站较好, 在珠峰站偏高, 慕士塔格偏低, 在纳木错站秋冬季偏低、 阿里站春季偏高、 那曲站夏季偏低。
（3） 使用针对各个站点各个变量重新选择的组合提高了各站整体的模拟水平, 减小了全年结果的误差。但一些月份模拟水平并未得到提高, 甚至会有所降低, 说明一些参数化方案尚不能很好的刻画高原感热和潜热通量复杂的季节变化特征。
此外, Noah-MP陆面模式共有上千种参数化方案选项组合, 本文使用简化的方法将选择数量控制在30种以内, 以求取得更好的模拟效果, 但该方法不一定能获得最优的选项组合。此外, 各个选项组合获得更好模拟效果背后的物理机理仍有待进一步研究。
在研究模拟时间段选择时, 本研究最初选择的时间段为: 各站均为在2007 -2010年进行模式的spin-up以消除模式不稳定带来的误差, 2011 -2014年进行参数化方案选项的校准, 2015 -2016年进行模拟结果的验证。但在实际模拟过程中会受到观测资料连续性的影响, 在一些季节进行了多次校准, 而在其他季节校准次数较少, 带来模拟结果较大误差。因此本研究中使用观测资料连续性较好的一年进行校准, 另一个连续性较好的年份进行验证, 改善了模拟结果。但仅用一年资料可能无法充分地体现年际变化特征。此外, 一些改进组合后的模拟结果和观测值之间仍有较大的误差, 因此, 之前的研究对模型结构的改进, 如对土壤质地、 根系、 有机质等更准确的描述仍非常必要。

感谢中国科学院青藏高原研究所各野外台站与中国科学院西北生态环境资源研究院的那曲高寒气候环境观测研究站为本研究提供的珍贵观测资料。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Chen F, Manning K W, Lemone M A, al et, 2007.Description and evaluation of the characteristics of the NCAR high-resolution land data assimilation system [J].Journal of Applied Meteorology and Climatology, 46: 694-713.

Chen F, Mitchell K, Schaake J, al et, 1996.Modeling of land surface evaporation by four schemes and comparison with FIFE observations [J].Journal of Geophysical Research： Atmospheres, 101: 7251-7268.

Chen Y Y, Yang K, He J, al et, 2011.Improving land surface temperature modeling for dry land of China [J].Journal of Geophysical Research: Atmospheres, 116: D20104.

Ek M B, Mitchell K E, Lin Y, al et, 2003.Implementation of Noah land surface model advances in the national centers for environmental prediction operational mesoscale Eta model [J].Journal of Geophysical Research: Atmospheres, 108: D228851.

Gao Y H, Li K, Chen F, al et, 2015.Assessing and improving Noah-MP land model simulations for the central Tibetan Plateau [J].Journal of Geophysical Research: Atmospheres, 120: 9258-9278.

Koster R D, Dirmeyer P A, Guo Z C, al et, 2004.Regions of strong coupling between soil moisture and precipitation [J].Science, 305: 1138-1140.

Ma Y M, Kang S C, Zhu L P, al et, 2008.Tibetan observation and research platform atmosphere-land interaction over a heterogeneous landscape [J].Bulletin of the American Meteorological Society, 89: 1487-1492.

Niu G Y, Yang Z L, Mitchell K E, al et, 2011.The community Noah land surface model with multi-parameterization options (Noah-MP): 1.Model description and evaluation with local-scale measurements [J].Journal of Geophysical Research： Atmospheres, 116: D12109.

Pitman A J, 2003.The evolution of, and revolution in, land surface schemes designed for climate models [J].International Journal of Climatology, 23: 479-510.

Wu G X, Liu Y M, He B, al et, 2012.Thermal controls on the Asian summer monsoon [J].Scientific Reports, 2: 404.

Yang K, Chen Y Y, Qin J, 2009.Some practical notes on the land surface modeling in the Tibetan Plateau [J].Hydrology and Earth System Sciences, 13: 687-701.

Yang K, Koike T, Ishikawa H, al et, 2008.Turbulent flux transfer over bare-soil surfaces: Characteristics and parameterization [J].Journal of Applied Meteorology and Climatology, 47: 276-290.

Yang Z L, Niu G Y, Mitchell K E, al et, 2011.The community Noah land surface model with multiparameterization options (Noah-MP): 2.Evaluation over global river basins [J].Journal of Geophysical Research: Atmospheres, 116: D12110.

Zhang G, Chen F, Gan Y J, 2016.Assessing uncertainties in the Noah-MP ensemble simulations of a cropland site during the Tibet Joint International cooperation program field campaign [J].Journal of Geophysical Research: Atmospheres, 121: 9576-9596.

陈学龙, 马耀明, 李茂善, 等, 2008.藏北地区近地层大气和土壤特征量分析 [J].高原气象, 27(5): 941-948.

戴永久, 曾庆存, 1996.陆面过程研究 [J].水科学进展, 7(增刊): 40-53.

林朝晖, 刘辉志, 谢正辉, 等, 2008.陆面水文过程研究进展 [J].大气科学, 32(4): 935-949.

李崇银, 2002.气候动力学 [M].北京: 气象出版社, 311-337.

李宏毅, 肖子牛, 朱玉祥, 2018．藏东南草地下垫面地气通量交换日变化的数值模拟 [J]．高原气象, 37( 2): 443-454．DOI: 10.7522/j.issn.1000-0534.2017.00052.

刘新, 吴国雄, 刘屹岷, 等, 2002.青藏高原加热与亚洲环流季节变化和夏季风爆发 [J].大气科学, 26(6): 781-793.

马伟强, 马耀明, 李茂善, 等, 2005.藏北高原地区地表辐射出支和能量平衡的季节变化 [J].冰川冻土, 27(5): 673-679.

马耀明, 姚檀栋, 王介民, 2006.青藏高原能量和水循环试验研究——GAME/Tibet与CAMP/Tibet研究进展 [J].高原气象, 25(2): 344-351.

牛国跃, 洪钟祥, 孙菽芬, 1997.陆面过程研究的现状与发展趋势 [J].地球科学进展, 12(1): 21-26.

孙菽芬, 2002.陆面过程研究的进展 [J].新疆气象, 25(6): 1-6.

王介民, 邱华盛, 2000.中日合作亚洲季风实验——青藏高原实验(GAME-Tibet) [J].中国科学院院刊（5）: 386-388.

解晋, 余晔, 刘川, 等, 2018.青藏高原地表感热通量变化特征及其对气候变化的响应[J].高原气象, 37(1): 28-42.DOI: 10.7522 /j.issn.1000-0534.2017.00019.

谢志鹏, 胡泽勇, 刘火霖, 等, 2017.陆面模式CLM4.5对青藏高原高寒草甸地表能量交换模拟性能的评估 [J].高原气象, 36(1): 1-12.DOI: 10.7522 /j.issn.1000-0534.2016.00012.

徐祥德, 陈联寿, 2006.青藏高原大气科学试验研究进展 [J].应用气象学报, 17(6): 756-772.

薛根元, 周锁铨, 孙照渤, 等, 2005.陆面过程研究的新进展 [J].科技通报, 21(4): 378-385.

严晓强, 胡泽勇, 孙根厚, 等, 2018.那曲高寒草地上四种地表通量计算方法的对比 [J].高原气象, 37(2): 358-370.DOI: 10. 7522 /j.issn.1000-0534.2017.00067.

叶笃正, 张捷迁, 1974.青藏高原加热作用对夏季东亚大气环流影响的初步模拟实验 [J].中国科学, 4（3）: 301-320.

张人禾, 徐祥德, 2012.青藏高原及东缘新一代大气综合探测系统应用平台——中日合作JICA项目 [J].中国工程科学, 14(9): 102-112.

张永生, 吴国雄, 1999.关于亚洲夏季风爆发及北半球季节突变的物理机理的诊断分析: Ⅱ青藏高原及邻近地区地表感热加热的作用 [J].气象学报, 57(1): 57-74.

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