综述

BCC-CSM模式土壤分层及其冻融砾石参数化集成方案对青藏高原土壤水热输送的模拟研究

  • 杨发利 ,
  • 杨显玉 ,
  • 吕世华
展开
  • 成都信息工程大学大气科学学院/高原大气与环境四川省重点实验室/成都平原城市气象与环境四川省 野外科学观测研究站/四川省气象灾害预报预警工程实验室,四川 成都 610225
杨显玉(1982 -), 男, 内蒙古赤峰人, 副教授, 主要从事陆面过程和气候变化等研究. E-mail:

杨发利(1999 -), 男, 云南玉溪人, 硕士研究生, 主要从事陆面过程与数值模拟研究. E-mail:

收稿日期: 2024-04-12

  修回日期: 2024-08-15

  网络出版日期: 2024-11-20

基金资助

国家自然科学基金面上项目(42275080)

第二次青藏高原综合科学考察研究项目(2019QZKK0103)

中国气象局地球系统数值预报中心数值预报模式研发专项(CXFZ2022M001)

Simulation of Soil Water and Heat Transfer on the Qinghai-Xizang Plateau Using the BCC-CSM Model with Enhanced Soil Stratification and Freeze-Thaw Gravel Parameterization

  • Fali YANG ,
  • Xianyu YANG ,
  • Shihua LV
Expand
  • College of Atmospheric Sciences,Chengdu University of Information Technology / Sichuan Province Key Laboratory of Plateau Atmosphere and Environment / Chengdu Plain Urban Meteorology and Environment Sichuan Province Field Scientific Observation Research Station / Sichuan Province Laboratory of Meteorological Disaster Forecast and Warning Engineering,Chengdu 610225,Sichuan,China

Received date: 2024-04-12

  Revised date: 2024-08-15

  Online published: 2024-11-20

Copyright

© Editorial Department of Plateau Meteorology (CC BY-NC-ND)

摘要

本研究旨在通过采用一种新颖的土壤分层及其冻融砾石参数化集成方案, 以增强对青藏高原土壤水热过程的模拟精度。鉴于该地区独特的地理形态和复杂的气候条件, 传统的数值模式在准确模拟方面面临挑战。新方案结合了土壤冻融参数化方案、 土壤砾石参数化方案以及土壤垂直离散化方案, 更全面地考虑了青藏高原土壤的特性和地形的复杂性。为验证所提出方案的有效性, 本研究采用国家地球系统模式中心的BCC-CSM大气环流模式对集成方案进行了测试和评估。模拟结果显示, 通过耦合土壤冻融和砾石参数化方案, 土壤水热分布的模拟效果得到了显著提升, 尤其是在冬季和土壤深层效果较明显。在此基础上, 对土壤分层进行加密(分别增至20层和30层), 进一步优化了青藏高原土壤温度和湿度的模拟结果。结果显示, 加密至30层的集成方案模拟效果最佳, 20层方案次之。该方案显著降低了土壤温度模拟的偏差和均方根误差, 尤其在青藏高原中西部, 且冬季模拟效果优于夏季。尽管土壤湿度模拟效果不如温度, 但加密方案仍一定程度上减少了误差, 且浅层土壤模拟效果更佳。土壤分层加密提高了模拟值与我国第一代全球大气和陆面再分析产品(Chinese Atmospheric Reanalysis, 简称CRA)之间的相关系数, 增强了模拟与观测的一致性, 尤其在青藏高原中部和西部。本研究不仅为深入理解青藏高原土壤水热过程的机理和特性提供了新的视角, 而且为未来的气候模拟和预测工作提供了关键的方法论和技术支持。此外, 本研究提出的集成方案对于其他高原地区土壤水热过程的模拟也具有参考价值, 并有望在更广泛的领域得到应用和推广。

本文引用格式

杨发利 , 杨显玉 , 吕世华 . BCC-CSM模式土壤分层及其冻融砾石参数化集成方案对青藏高原土壤水热输送的模拟研究[J]. 高原气象, 2025 , 44(3) : 563 -577 . DOI: 10.7522/j.issn.1000-0534.2024.00090

Abstract

This study aims to improve the accuracy of simulating soil hydrothermal processes on the Qinghai-Xizang Plateau by introducing a novel soil stratification method combined with an integrated freeze-thaw gravel parameterization scheme.The region's unique topography and complex climate pose challenges for conventional numerical models in achieving precise simulations.The proposed scheme incorporates freeze-thaw parameterization, gravel parameterization, and refined vertical soil discretization, offering a more comprehensive representation of the soil characteristics and terrain complexity specific to the Qinghai-Xizang Plateau.To evaluate the effectiveness of the scheme, the BCC-CSM atmospheric circulation model, provided by the National Earth System Modeling Center, was used for testing.The results demonstrate that integrating freeze-thaw and gravel parameterization significantly improves the representation of soil hydrothermal distributions, especially during the winter and at greater soil depths.By refining the soil stratification to 20 and 30 layers, the simulations of soil temperature and moisture have been further enhanced.The 30-layer stratification yields the most accurate outcomes, followed closely by the 20-layer configuration.This approach notably reduces bias and root mean square error in soil temperature simulations, particularly in the central and western regions of the Qinghai-Xizang Plateau, with better performance in winter compared to summer.While soil moisture simulation accuracy lags behind temperature results, the stratification refinement reduces errors, particularly in shallow soil layers.The enhanced stratification also improves the correlation between simulated values and CRA data, strengthening the alignment between simulation and observation, especially in the central and western parts of the plateau.This research provides new insights into soil hydrothermal processes on the Qinghai-Xizang Plateau and offers critical methodology and technical support for future climate simulations and predictions.Moreover, the proposed integrated scheme holds significant potential for simulating soil hydrothermal processes in other plateau regions and may be applied across a wide range of fields.

1 引言

青藏高原地区作为世界上最大的高原之一, 其地形复杂、 气候多变, 对全球气候系统具有重要的调节作用。然而, 在面对全球气候变化的背景下, 青藏高原地区的土壤水热过程模拟仍然存在着诸多挑战与问题(吴国雄等, 2004)。土壤水热过程模拟的准确性与土壤冻融过程、 土壤砾石含量和模式土壤垂直离散化方案有很大的依赖性。诸多研究表明, 青藏高原冻土区的冻融过程对陆气相互作用过程之中的水热交换、 地表植被生长、 季节变化和东亚地区降水等方面都有重要作用(杨梅学等, 2006吴青柏等, 2003Cheng and Wu, 2007Li et al, 2002)。此外, 青藏高原的冻土冻融过程同样对整个东亚的大气环流有着重要影响(王澄海和尚大成, 2007王澄海等, 2021)。目前通过对CMIP6计划之中各模式数据分析研究, 可以得出各模式对青藏高原冻土相关变量的模拟效果还有待提升。例如对土壤冻融日期, 冻土深度分布等模拟不够准确(孟雅丽等, 2022胡桃等, 2022)。因此, 需要进一步改进高原冻土参数化方案, 从而提升模式对高原水热过程的模拟效果。除了考虑冻融过程外, 土壤的水热过程还与土壤成分密切相关。砾石的孔隙度、 密度与细土有所不同, 砾石的存在对土壤含水量的导水率有较大影响(Brouwer and Anderson, 2000)。砾石对土壤的热性质同样具有显著影响。研究表明, 土壤中的砾石含量会作用于土壤温度等物理特性(Mehuys et al, 1975)。砾石的存在显著影响了土壤的水热特性, 进而导致土壤内部热量和能量传输的变化。这些变化进一步作用于陆地表面的整体过程, 并最终通过感热和潜热通量的调整, 对大气过程产生影响(栾澜等, 2018解晋等, 2018; 马英塞等, 2019; 程攀等, 2023)。青藏高原的土壤形成过程较为缓慢, 导致土壤中砾石含量相对较高。此外, 随着土壤深度的增加, 砾石含量呈现逐渐上升的趋势(Ohtsuka et al, 2008)。因此在研究青藏高原土壤水热时, 砾石的作用不可忽略, 模式中引入砾石参数化方案是必要的。
使用模式研究土壤水热变化时, 应该考虑到土壤质地剖面的非均匀性, 土壤水热过程模拟的准确性与土壤垂直离散化方案有很大的关系, 当土壤分层过少过稀疏时, 模拟的误差会随之加大。在当前陆面过程模式中, 对土壤水分的定量表征通常通过两个主要方面实现: 首先, 在假设土壤垂向分布均匀的条件下, 利用Richards方程来模拟土壤水分的动态流动; 其次, 为地表土壤赋予不同的水文和热力学特性。尽管如此, 现实中的土壤质地往往呈现出垂向非均匀分布的特征。然而, 大多数陆面过程模式普遍采用简化的假设, 即认为土壤质地垂向均匀分布, 并仅用表层土壤的质地来代表整个土壤剖面的质地。这种简化处理可能无法准确捕捉土壤水分和热量传输的真实过程, 从而影响模式的模拟精度(熊丁辉等, 2018)。青藏高原土壤质地在不同深度差异较大, 土壤砾石含量也随深度而增加, 土壤有机质的含量也随深度差异较大。因此需要对原有的土壤垂直离散化方案进行加密, 使得模式对于土壤水热过程的模拟更为准确。刘子莎等使用BCC_AVIM陆面模式(Beijing Climate Center Atmosphere-Vegetation Interaction Model)探讨不同土壤垂直离散化方案对土壤水热输送的影响, 研究表明: 在相同土壤深度下, 使用更密集的土壤分层方案, 对于提升模式对土壤水热输送的模拟能力有一定的积极作用, 模拟结果更加贴近实测值(刘子莎等, 2024)。
土壤水热状况是气候系统中的一个重要组成部分, 与气候变化密切相关。通过研究土壤水热的变化, 可以更好地理解土壤水热对气候变化的影响, 从而为应对气候变化提供科学依据和技术支持(Yang et al, 2012Onwuka and Mang, 2018)。本文的主要工作是将改进后的土壤冻融参数化方案, 土壤砾石参数化方案与土壤垂直离散化方案进行结合, 形成一套土壤分层及其冻融砾石参数化集成方案, 与国家地球系统模式中心的BCC-CSM大气环流模式(Beijing Climate Center Climate System Model)进行耦合, 分析该参数化集成方案对土壤水热过程模拟的影响, 以达到提升模式模拟效果的目的。

2 模式参数化集成方案介绍

BCC-CSM大气环流模式原始的土壤冻融方案对高原地区的土壤冻融过程刻画效果较差, 为了更准确地模拟青藏高原地区的水热过程, 之前的研究者们对土壤冻融参数化方案进行了优化。虽然这些优化过程提高了模式对冻融过程的模拟精度, 但仍存在一定偏差(Niu and Yang, 2006Zhang et al, 2007Oleson et al, 2008Kozlowski, 2009Kurylyk and Watanabe, 2013Yang et al, 2018)。后续, 胥朋飞等人进一步改进了冻融参数化方案, 使其耦合到BCC_AVIM模式中, 并利用青藏高原玛曲站的观测数据验证了改进的有效性。结果表明, 这一改进明显提高了模式的土壤水热模拟性能(胥朋飞等, 2022)。杨凡等(2023)将改进后的冻融参数化方案耦合到BCC_CSM模式中, 模式的模拟效果也提升明显。本试验将使用杨凡等(2023)改进的土壤冻融参数化方案, 将其耦合到BCC-CSM大气环流模式中进行模拟分析, 改进后的土壤冻融参数化方案如下所示:
(1) 在原模式土壤冻融判断标准中加入过冷水的概念, 改进土壤冻结判断条件与含冰量更新标准, 并用平衡温度概念替换模式原恒定的冻结温度:
T i n + 1 > T q   a n d   W i c e , i > 0 , i = s n l + 1 , , N l e v s o i m e l t i n g T i n + 1 < T q   a n d   W l i q , i > 0 , i = s n l + 1 , , 0 f r e e z i n g T i n + 1 < T q   a n d   W l i q , i > W l i q , m a x , i = 1 , , N l e v s o i f r e e z i n g
式中: T i n + 1表示土壤各层下一个时间步长的温度。当满足方程(1)之中的冻结判定条件并且 H i < 0时, 对于原模式之中土壤层 i层( i = 1 , , N l e v s o i)的含冰量 W i c e , i n + 1调整的参数化改进为(胥朋飞等, 2022):
m i n W i c e , i n + W l i q , i n - W l i q , m a x , i n   ,   W i c e , i n - H i Δ t L f , W i c e , i n + W l i q , i n W l i q , m a x , i n 0 , W i c e , i n + W l i q , i n < W l i q , m a x , i n
(2) 在导水率的参数化方案中加入不可渗透分数。Oleson et al (2008)在部分不可渗透概念的基础上计算导水率的公式中加入了一个不可渗透分数, 公式如下:
f f r z , i = e x p - α 1 - W i c e , i W i c e , i + W l i q , i - e x p ( - α ) 0
式中: α是一个可调参数, 取值为3。将Oleson et al (2008)的工作加入到该参数化方案中, 因此土壤各层导水率 K z h , i计算公式改进为:
K z h , i = 1 - 0.5 f f r z , i + f f r z , i + 1 K s a t z h , i 0.5 θ i + θ i + 1 0.5 θ s a t , i + θ s a t , i + 1 2 b + 3 1 i 9 1 - f f r z , i K s a t z h , i θ i θ s a t , i 2 b + 3 i = 10
式中: K z h , i θ s a t , i分别表示土壤各层的饱和导水率和饱和含水量; b是Clapp-Hornberger指数。
在土壤砾石参数化方面, 潘永洁等人针对青藏高原砾石含量高的特点, 建立了一套简单的参数化方案改善CLM4.0模式对土壤水热过程的模拟(潘永洁等, 2015)。随后, 马翠丽等(2020a, 2020b)进一步改进了该方案, 使其适用于BCC_AVIM模式, 并利用青藏高原玛多站的实测数据验证了改进后的方案的可行性。徐悦等(2020)将改进后的土壤砾石参数化方案耦合到BCC_CSM模式, 模式的模拟效果也得到了提升。本试验将使用徐悦等人改进的土壤砾石参数化方案, 将其耦合到BCC-CSM大气环流模式中进行模拟, 改进后的土壤砾石参数化方案如表1所示。在原模式中, 仅将沙土含量(单位: %sand)和黏土含量(单位: %clay)纳入考量, 用以计算它们对土壤水热特性的影响。然而, 砾石含量(单位: %rock)也是一个不可忽视的因素, 其对土壤的水热特性同样具有重要影响。在此方案中, 土壤饱和含水量、 饱和导水率以及可调参数B被用来描述砾石对土壤水力特性的影响; 土壤基质势、 土壤容重、 土壤固体导热率、 干土壤导热率和固体土壤热容用于描述砾石对土壤热特性的影响。
表1 模式原方案与砾石参数化方案

Table 1 Gravel parameterization scheme and the original scheme

参数 模式原方案 砾石参数化方案
土壤饱和含水量 θ s a t , i = 0.489 - 0.00126 % s a n d θ s a t , i = 0.489 - 0.00126 % s a n d - 0.00489 % r o c k
饱和导水率 K s a t = 0.0070556 × 10 - 0.884 + 0.015 % s a n d K s a t = 0.0070556 × 10 - 0.884 + 0.0153 % s a n d × 2 1 - % r o c k 2 + % r o c k
可调参数B B i = 2.41 + 0.129 % c l a y B i = 2.41 + 0.129 % c l a y × 1 - % r o c k + 0.075 % r o c k
土壤基质势 ψ s a t = - 10.0 × 10 1.88 - 0.0131 % s a n d ψ s a t = - 10.0 × 10 1.88 - 0.0131 % s a n d × 1 - % r o c k + 1.3 % r o c k
土壤容重 ρ d = 2700 1 - θ s a t ρ d = 2700 1 - % r o c k 1 - θ s a t + % s a n d × ρ r
土壤固体导热率 λ s = 8.80 % s a n d + 2.92 % c l a y % s a n d + % c l a y λ s = 7 . 7 % s a n d + % r o c k × 2 . 0 1 - % s a n d + % r o c k
干土壤导热率 λ d r y = 0.135 ρ d + 64.7 2700 - 0.947 ρ d λ d r y = 0.917 × 10 - 1.29 θ s a t , m
固体土壤热容 C m = 2.128 V s a n d + 2.385 V c l a y V s a n d + V c l a y × 10 6 C m = 2.128 V s a n d + 2.385 V c l a y + 2.2 V r o c k V s a n d + V c l a y + V r o c k × 10 6
目前大多数陆面模式的土壤垂直离散化方案各不相同, 最佳的土壤分层问题至今仍无定论, 但先前已有研究表明: 更细致的土壤分层有助于提高土壤水热过程的模拟精度, 使其更贴近真实的自然系统。土壤分层的加密使模式能够更精细地模拟土壤温度和土壤湿度的垂直分布, 能更细致准确地模拟出土壤水热过程, 减少计算误差, 这对于土壤冻融过程、 季节性温度变化等方面具有重要影响(De Rosnay et al, 2000Martinez et al, 2001Heise et al, 2003)。BCC-CSM大气环流模式的土壤垂直分层一共有10层, 本试验将其进行加密, 更好地探究土壤分层对土壤水热模拟的影响。使用的土壤垂直离散化方案如表2所示, 在原有10层的基础上, 保持原先土壤深度, 采用线性插值的方法, 插值一个20层方案和一个30层方案。在BCC-CSM模式中关于土壤的垂直离散化方案由下列公式表示:
Z i = f s e x p 0.5 i - 0.5 - 1
Δ z i = 0.5 Z 1 + Z 2 , i = 1 0.5 Z i + 1 - Z i - 1 , i = 2,3 N - 1 Z N - Z N - 1 , i = N
Z h , i = 0.5 Z 1 + Z 2 , i = 1,2 , N - 1 Z N + 0.5 Δ Z N , i = N
式中: Zi 为土壤各层的节点深度; ΔZi 为土壤各层的厚度; Zh i 为土壤各层的界面深度; i表示土壤层的系数; fs 为标准系数, 在模式中等于0.025; N为土壤总层数, 在原始模式中N定义为10层。
表2 改进前后方案土壤各层节点深度

Table 2 The depth of each soil layer node before and after improvement

方案 原层次 20层方案 30层方案
节点深度/m 0.007 0.007 1.383 0.007 0.314
0.028 0.018 1.728 0.014 0.366
0.062 0.028 2.296 0.021 0.450
0.119 0.045 2.865 0.028 0.534
0.212 0.062 3.433 0.039 0.620
0.366 0.091 0.045 0.758
0.620 0.119 0.051 0.829
1.038 0.166 0.062 0.896
1.728 0.212 0.081 1.038
2.865 0.289 0.100 1.266
0.366 0.119 1.493
0.493 0.150 1.728
0.620 0.180 2.103
0.829 0.212 2.487
1.038 0.263 2.865
土壤层次/层 10 20 30

3 试验设计及资料使用

为了将砾石参数化方案耦合到国家地球系统模式中心的BCC-CSM大气环流模式中, 有必要构建一套全新的地表数据集。在本研究中, 我们使用了徐悦等人基于中山大学提供的砾石数据所建立的地表数据集, 该数据集包含10个土壤层, 以适应BCC-CSM模式的土壤层次结构(徐悦等, 2020)。为了成功运行土壤垂直20层离散化方案和30层离散化方案, 需要把10层地表数据插值为20层与30层与模式分层相匹配。
将优化好的集成方案耦合到BCC-CSM全球气候系统模式中后, 进行了2000年1月1日至12月31日为期一年的模拟试验。选取的研究区域为青藏高原地区(25°N -40°N, 73°E -105°E)。青藏高原的高海拔和复杂地形导致该地区土壤温湿度观测资料的严重匮乏, 这一数据缺口严重制约了对该地区气候变化的研究工作。为了缓解数据缺失所带来的影响, 中国国家气象信息中心采纳了包括集合同化算法、 多源数据融合方法、 陆面过程模式Noah 3.3以及地表参数优化在内的多项核心技术, 构建了中国全球陆面再分析系统(CRA)。这一系统的建立旨在提高对中国区域陆面过程的模拟和理解, 从而为气候变化研究提供更为可靠的数据支持。该系统提供了从1979年至今的全球陆面再分析产品, 即CMARA/Land。这些产品具有3 h的时间分辨率和34 km的空间分辨率, 并分为4个垂直层次, 涵盖了从土壤表层到2 m深度的范围。经过产品评估, 发现CMARA/Land在中国区域的表现优于其他产品, 特别是在土壤湿度(0~10 cm)以及地表温度和各层土壤温度方面。这些评估结果表明, 该系统为青藏高原地区和全球气候研究提供了重要的数据支持。
为了评估模式对土壤水热模拟性能的提升效果, 本文将使用上述同化资料CRA土壤温湿度数据集与模拟结果对比分析, 该同化资料土壤垂直方向上分为4层(0~0.1, 0.1~0.4, 0.4~1.0和1.0~2.0 m), 时间分辨率为3 h, 空间分辨率为34 km。相较于国际上现有的再分析资料, CRA在中国及其邻近区域在地面、 高空、 海洋和飞机观测数据的使用量上显著增加。国家气象中心发布的CRA/Land产品经过对比评估, 在土壤湿度模拟方面, 相较于GLDAS和CFSR-Land, 有较小的偏差和均方根误差, 以及较高的相关系数。这一结果表明, CRA/Land在土壤湿度模拟的精确度方面略胜一筹。
模式模拟的结果土壤层次过多, 而对比资料CRA的层次较少, 为了研究方便, 将使用线性插值和加权平均的方法, 选取一个土壤浅层(0~0.1 m)对应同化资料的第一层, 一个土壤深层(0.4~1.0 m)对应同化资料的第三层。对模拟结果的检验主要选用两种统计方法: 一是均方根误差(RMSE), 表示模拟结果与对比资料的偏差, 是模拟结果与对比资料之间总体离散程度的量度; 二是相关系数(r), 表示模拟结果与对比数据变化趋势的相似程度, 具体公式如下:
R M S E = 1 N i = 1 N M i - R i 2
r = i = 1 N M i - M ¯ R i - R ¯ i = 1 N M i - M ¯ 2 i = 1 N R i - R ¯ 2
式中: Mi 代表模拟值; Ri 代表对比资料的值; M ¯代表模拟值的平均值; R ¯代表对比资料的平均值; N代表样本数。本文中采用的青藏高原地图来源于国家测绘地理信息局标准地图服务网站, 地图审图号为GS(2016)1609号。该标准地图作为底图, 在本文中未经任何修改。

4 结果分析

为了验证BCC-CSM大气环流模式不同土壤分层集成方案在青藏高原地区的模拟效果, 将模拟结果与国家气象中心的CRA同化资料进行对比分析。模式的模拟时间为2000年1 -12月, 空间分辨率为1.125°×1.125°, 选取的研究区域为青藏高原地区。为了探究不同时间段和不同土壤深度的模拟效果, 对比分析时选取时间段夏季(6 -8月)和冬季(10 -12月)做分析, 土壤深度选取土壤浅层(0~0.1 m)和土壤深层(0.4~1.0 m)做分析。本研究首先将土壤冻融参数化方案与土壤砾石参数化方案相结合, 并将其耦合至BCC-CSM大气环流模式中形成集成方案, 通过对比分析, 评估不改变土壤层次的情况下模式原始方案与集成方案的模拟效果。随后, 对集成方案的土壤垂直离散化方案进行了加密处理, 以探究土壤层加密对土壤水热状况的影响。

4.1 原始方案与集成方案模拟结果分析

把土壤冻融参数化方案与土壤砾石参数化方案相结合, 并将其耦合至BCC-CSM大气环流模式中, 形成土壤层为10层的参数化集成方案, 将模拟结果与模式原始方案的模拟结果分别与CRA数据进行对比分析, 评估不改变土壤层次的情况下模式原始方案与集成方案的模拟效果。表3列出了在青藏高原地区, 土壤分层不变的情况下, 原始方案和集成方案在夏冬两季, 土壤浅层和深层温度的模拟值与CRA数据之间的均方根误差及相关系数, 表中统计量针对研究区域和时间进行了区域平均和时间平均处理。从表3中可以得出, 在加入土壤冻融参数化方案和土壤砾石参数化方案后, 土壤温度的模拟效果得到了提升。夏季土壤浅层温度均方根误差从5.71 ℃减小到5.69 ℃, 相关系数从0.53提升到0.54; 土壤深层温度均方根误差从4.42 ℃减小到4.17 ℃, 相关系数从0.80提升到0.82。冬季模拟效果比夏季好, 土壤浅层温度的均方根误差从5.27 ℃ 减小到4.88 ℃, 相关系数从0.86提升到0.87; 土壤深层温度均方根误差从3.34 ℃ 减小到3.03 ℃, 相关系数从0.86提升到0.96。表4列出了在青藏高原地区, 土壤分层不变的情况下, 原始方案和集成方案在夏冬两季, 土壤浅层和深层湿度的模拟值与CRA数据之间的均方根误差及相关系数, 表中统计量针对研究区域和时间进行了区域平均和时间平均处理。从表4中可以得出, 土壤湿度的模拟效果有一定的提升, 夏季土壤浅层湿度均方根误差从0.108 m3·m-3减小到0.107 m3·m-3, 相关系数从0.649提升到0.651; 土壤深层湿度均方根误差从0.151 m3·m-3减小到0.144 m3·m-3, 相关系数从0.807提升到0.810。冬季土壤浅层湿度的均方根误差从0.108 m3·m-3减小到0.098 m3·m-3, 相关系数从0.563提升到0.578; 土壤深层湿度均方根误差从0.163 m3·m-3减小到0.153 m3·m-3, 相关系数从0.801提升到0.809。耦合了土壤冻融参数化方案与土壤砾石参数化方案后, 模式对于土壤湿度的模拟效果得到了一定的提升, 冬季的模拟效果优于夏季, 土壤深层的模拟效果优于浅层。
表3 10层土壤层原始方案与集成方案土壤温度的模拟值与CRA比较

Table 3 The comparison between the simulated soil temperatures of the original scheme and the integrated scheme for the 10 soil layers with CRA

参数 夏季 冬季
原始方案 集成方案 原始方案 集成方案
土壤浅层 RMSE/℃ 5.71 5.69 5.27 4.88
R 0.53 0.54 0.86 0.87
土壤深层 RMSE/℃ 4.42 4.17 3.34 3.03
R 0.80 0.82 0.86 0.96
表4 10层土壤层原始方案与集成方案土壤湿度的模拟值与CRA比较

Table 4 The comparison between the simulated soil moisture of the original scheme and the integrated scheme for the 10 soil layers with CRA

参数 夏季 冬季
原始方案 集成方案 原始方案 集成方案
土壤浅层 RMSE/(m3·m-3 0.108 0.107 0.108 0.098
R 0.649 0.651 0.563 0.578
土壤深层 RMSE/(m3·m-3 0.151 0.144 0.163 0.153
R 0.807 0.810 0.801 0.809

4.2 不同土壤分层方案下土壤温度模拟结果分析

图1给出了青藏高原地区在不同土壤分层方案下, 夏季与冬季土壤浅层温度模拟结果与CRA数据之间偏差的空间分布。从图1可知, 10层、 20层和30层参数化集成方案模拟结果与CRA数据偏差的空间分布基本一致。在夏季, 高原西部主要呈现负偏差, 而东部则以正偏差为主; 冬季在中部、 东南部和东北部部分地区为负偏差, 其余区域为正偏差。夏季时, 与10层、 20层方案相比, 30层方案在高原西部的正偏差减小, 负偏差增加; 在高原中北部, 负偏差减小, 而在东部地区, 正偏差增大。冬季时, 三个不同分层方案的模拟效果都优于夏季。特别是在高原西部和中部的正偏差和负偏差均减小。图2展示了青藏高原地区在不同土壤分层方案下, 夏季与冬季土壤深层温度模拟结果与CRA数据偏差的空间分布。由图2可知, 随着土壤分层方案的加密, 夏季高原中部的负偏差明显减小, 冬季西部和中部地区的负偏差也明显减小。冬季在高原东部的部分地区, 负偏差转变为正偏差。在土壤浅层和深层中, 30层方案的模拟效果优于20层方案和10层方案, 且土壤分层方案的加密有助于减少正负偏差, 尤其在高原中部地区最为明显。
图1 不同土壤分层方案夏冬季土壤浅层温度模拟结果与CRA偏差的空间分布(单位: ℃)

Fig.1 The spatial distribution of the deviation between summer and winter shallow soil temperature simulation and CRA under different soil layering schemes.Unit: ℃

图2 不同土壤分层方案夏冬季土壤深层温度模拟结果与CRA偏差的空间分布(单位: ℃)

Fig.2 The spatial distribution of the deviation between summer and winter deep soil temperature simulation and CRA under different soil layering schemes.Unit: ℃

图3给出了青藏高原地区在不同土壤分层方案下, 夏季与冬季土壤浅层温度模拟结果与CRA数据均方根误差的空间分布。从图3可知, 夏季在高原西部、 中部以及东部部分地区的均方根误差均减小, 高原中部地区最明显。冬季与夏季相似, 在西部、 中部和东南部的均方根误差均减小, 尤其是在高原中部和东南部。整体上30层方案的均方根误差减小最为明显, 其次是20层方案, 表明30层方案的模拟效果最佳, 土壤分层方案的加密显著提高了模拟效果。图4展示了青藏高原地区在不同土壤分层方案下, 夏季与冬季土壤深层温度模拟结果与CRA数据均方根误差的空间分布。由图4可知, 夏季在高原西部和中部部分地区的均方根误差减小, 冬季在高原中部和东部的均方根误差减小。土壤浅层和深层中, 深层的均方根误差减小程度不如浅层明显, 随着土壤分层方案的加密, 均方根误差均减小, 高原西部与中部地区最明显。
图3 不同土壤分层方案夏冬季土壤浅层温度模拟结果与CRA均方根误差的空间分布(单位: ℃)

Fig.3 The spatial distribution of the root mean square error (RMSE) between summer and winter shallow soil temperature simulation and CRA under different soil layering schemes.Unit: ℃

图4 不同土壤分层方案夏冬季土壤深层温度模拟结果与CRA均方根误差的空间分布(单位: ℃)

Fig.4 The spatial distribution of the root mean square error (RMSE) between summer and winter deep soil temperature simulation and CRA under different soil layering schemes.Unit: ℃

表5详细列出了在青藏高原地区, 夏冬季不同土壤分层方案下土壤浅层与深层温度模拟值与CRA数据之间的偏差、 均方根误差以及相关系数, 表中统计量针对研究区域和时间进行了区域平均和时间平均处理。随着土壤分层方案的加密, 夏季土壤浅层温度的偏差从0.30 ℃降至0.28 ℃, 均方根误差也从5.69 ℃降至4.88 ℃, 相关系数从0.54增至0.77。夏季土壤深层温度的偏差从正偏差转变为负偏差, 均方根误差从4.17 ℃降至3.74 ℃, 相关系数从0.82增至0.86, 模拟准确性的提升幅度不如浅层明显。冬季土壤浅层温度的偏差和均方根误差均减小, 分别从0.32 ℃和4.88 ℃降至0.31 ℃和3.67 ℃, 相关系数从0.87增至0.89。冬季土壤深层温度的偏差变化与夏季相反, 从负偏差转变为正偏差, 均方根误差从3.03 ℃降至3.01 ℃, 相关系数从0.96增至0.97。整体上土壤分层方案的加密提高了模式对于土壤温度的模拟效果, 其中30层参数化集成方案表现最佳, 其次是20层方案。从土壤深浅层来对比, 浅层温度的模拟效果优于深层; 从模拟时间来对比, 夏季的模拟效果提升更为明显, 优于冬季。
表5 不同土壤分层集成方案土壤温度的模拟值与CRA比较

Table 5 Comparison of simulated values of soil temperature with CRA for different soil stratification integration schemes

参数 夏季 冬季
10层 20层 30层 10层 20层 30层
土壤浅层 ME/℃ 0.30 0.29 0.28 0.32 0.32 0.31
RMSE/℃ 5.69 5.39 4.88 4.88 4.49 3.67
R 0.54 0.68 0.77 0.87 0.87 0.89
土壤深层 ME/℃ 0.05 -0.01 -0.19 -0.77 -0.29 0.11
RMSE/℃ 4.17 3.95 3.74 3.03 3.02 3.01
R 0.82 0.83 0.86 0.96 0.97 0.97
对青藏高原地区不同方案的土壤温度模拟值和CRA数据进行区域平均和月平均, 得到对应的时间序列, 如图5所示。土壤浅层和深层中, 30层方案的模拟效果最好, 土壤温度在7月达到最大值, 更贴近于CRA数据。深层模拟效果的提升好于浅层, 特别是夏季的模拟效果提升最为明显。
图5 土壤温度在青藏高原区域平均的时间序列(单位: ℃)

Fig.5 The average time series of soil temperature in the Qinghai-Xizang Plateau region.Unit: ℃

4.3 不同土壤分层方案下土壤湿度模拟结果分析

图6给出了青藏高原地区在不同土壤分层方案下, 夏季与冬季土壤浅层湿度模拟结果与CRA数据之间偏差的空间分布。从图6可知, 夏季土壤湿度在高原大部分区域为负偏差, 随着土壤分层的加密, 高原西部和中部部分地区的负偏差减小, 而东部尤其是东南部的负偏差增大。冬季土壤湿度模拟结果显示, 随着土壤分层方案的加密, 西部和中部地区的正偏差大值区减小, 西部和东部部分地区的偏差值由正转负。整体上冬季的模拟效果优于夏季。图7给出了青藏高原地区在不同土壤分层方案下, 夏季与冬季土壤深层湿度模拟结果与CRA数据偏差的空间分布。由图7可知, 土壤深层湿度模拟主要为负偏差, 除了高原中部少数地区外, 大部分地区的偏差值较大。夏季时, 随着土壤分层的加密, 高原中部和南部少数地区的偏差值减小。冬季的模拟结果与夏季相比, 负偏差值较小, 模拟效果比夏季好。整体上土壤湿度的模拟效果冬季优于夏季, 土壤浅层优于深层, 30层方案的模拟效果最好, 其次是20层方案。
图6 不同土壤分层方案夏冬季土壤浅层湿度模拟结果与CRA偏差的空间分布(单位: m3·m-3

Fig.6 The spatial distribution of the deviation between summer and winter shallow soil moisture simulation and CRA under different soil layering schemes.Unit: m3·m-3

图7 不同土壤分层方案夏冬季土壤深层湿度模拟结果与CRA偏差的空间分布(单位: m3·m-3

Fig.7 The spatial distribution of the deviation between summer and winter deep soil moisture simulation and CRA under different soil layering schemes.Unit: m3·m-3

图8给出了青藏高原地区在不同土壤分层方案下, 夏季与冬季土壤浅层湿度模拟结果与CRA数据均方根误差的空间分布。从图8可知, 随着土壤分层的加密, 夏季在高原西部、 中部和北部地区均方根误差明显减小, 而西南地区的均方根误差略有增大。冬季的模拟效果要优于夏季, 高原中部的均方根误差大值区消失, 西部和中部大部分地区的均方根误差减小, 东南部地区略有增大。图9给出了青藏高原地区在不同土壤分层方案下, 夏季与冬季土壤深层湿度模拟结果与CRA数据均方根误差的空间分布。由图9可知, 深层土壤湿度的模拟效果提升不如浅层明显, 中部的均方根误差略微减小。整体上土壤湿度的模拟效果冬季优于夏季, 土壤浅层优于深层, 且30层分层方案的模拟效果最佳。
图8 不同土壤分层方案夏冬季土壤浅层湿度模拟结果与CRA均方根误差的空间分布(单位: m3·m-3

Fig.8 The spatial distribution of the root mean square error (RMSE) between summer and winter shallow soil moisture simulation and CRA under different soil layering schemes.Unit: m3·m-3

图9 不同土壤分层方案夏冬季土壤深层湿度模拟结果与CRA均方根误差的空间分布(单位: m3·m-3

Fig.9 The spatial distribution of the root mean square error (RMSE) between summer and winter deep soil moisture simulation and CRA under different soil layering schemes.Unit: m3·m-3

表6详细列出了在青藏高原地区, 夏冬季不同土壤分层方案下土壤浅层与深层湿度模拟值与CRA数据之间的偏差、 均方根误差以及相关系数, 表中统计量针对研究区域和时间进行了区域平均和时间平均处理。土壤湿度模拟的偏差主要为负偏差, 随着土壤分层方案的加密, 偏差值减小。夏季土壤浅层均方根误差由0.11 m3·m-3降至0.10 m3·m-3, 相关系数由0.65增至0.77; 深层均方根误差由0.14 m3·m-3降至0.13 m3·m-3, 相关系数由0.81增至0.89。冬季土壤浅层均方根误差由0.10 m3·m-3降至0.09 m3·m-3, 相关系数由0.58增至0.67; 深层均方根误差由0.15 m3·m-3降至0.12 m3·m-3, 相关系数由0.81增至0.85。以上结果表明, 土壤分层方案的加密提高了模拟的准确性, 其中30层参数化集成方案的模拟效果最佳, 20层方案次之。从土壤深浅层次来对比, 浅层湿度的模拟效果优于深层; 从模拟时间来对比, 冬季的模拟效果提升更为明显, 优于夏季。
表6 不同土壤分层集成方案土壤湿度的模拟值与CRA比较

Table 6 Comparison of simulated values of soil moisture with CRA for different soil stratification integration schemes

参数 夏季 冬季
10层 20层 30层 10层 20层 30层
土壤浅层 ME/(m3·m-3 -0.08 -0.07 -0.07 -0.02 -0.05 -0.04
RMSE/(m3·m-3 0.11 0.10 0.10 0.10 0.10 0.09
R 0.65 0.68 0.77 0.58 0.61 0.67
土壤深层 ME/(m3·m-3 -0.14 -0.13 -0.12 -0.14 -0.13 -0.12
RMSE/(m3·m-3 0.14 0.13 0.13 0.15 0.13 0.12
R 0.81 0.86 0.89 0.81 0.83 0.85
对青藏高原地区不同方案的土壤温度模拟值和CRA数据进行区域平均和月平均, 得到对应的时间序列, 如图10所示。土壤浅层的30层方案更加贴近CRA数据, 均在7月达到峰值, 模拟效果优于20层方案与10层方案。土壤深层的模拟效果没有浅层好, 30层方案相较于20层方案和10层方案, 对土壤湿度的模拟效果提升不如浅层明显。两个层次中30层参数化集成方案的模拟效果最好, 随着土壤垂直离散化方案的加密, 土壤湿度的模拟效果得到了一定的提升。
图10 土壤湿度在青藏高原区域平均的时间序列(单位: m3·m-3

Fig.10 The average time series of soil moisture in the Qinghai-Xizang Plateau region.Unit: m3·m-3

5 结论

将改进后的参数化集成方案耦合到BCC-CSM大气环流模式中进行模拟, 通过分析青藏高原地区土壤温度和土壤湿度这两个最主要的变量, 进一步验证不同土壤分层集成方案对青藏高原地区土壤水热的影响, 并得出以下结论:
(1) BCC-CSM大气环流模式耦合了土壤冻融参数化方案与土壤砾石参数化方案后, 模式的模拟效果得到了一定的提升, 且冬季的模拟效果优于夏季, 土壤深层的模拟效果优于浅层。
(2) 土壤分层方案的加密(10层增至20层及30层)提高了青藏高原地区土壤温度和湿度模拟的准确性, 其中30层参数化集成方案的模拟效果最佳, 20层方案次之。
(3) 从土壤温度模拟结果得出, 加密的土壤分层方案有效地减少了模拟偏差和均方根误差, 尤其是在青藏高原的中部和西部地区。冬季的模拟效果优于夏季。
(4) 从土壤湿度模拟结果得出, 虽然土壤湿度的模拟效果提升没有土壤温度明显, 但加密的土壤分层方案仍有助于减少模拟偏差和均方根误差。土壤湿度冬季的模拟效果优于夏季, 土壤浅层的模拟效果优于深层。
(5) 从土壤温度和湿度的模拟结果可以得到, 随着土壤分层的加密, 模拟值与CRA数据之间的相关系数提高, 表明模拟结果与CRA数据的一致性增强, 模式在青藏高原地区对于土壤水热的模拟效果得到增强。
总体而言, 参数化集成方案对于模式模拟青藏高原土壤水热具有很好的提升效果, 土壤分层方案的加密对于提高青藏高原地区土壤温度和湿度模拟的准确性是有益的, 尤其是在高原的中部和西部地区, 30层参数化集成方案的模拟效果最佳, 20层次之。本文的研究成果仍受到相关再分析数据适用性的影响, 由于观测资料相对缺乏, 本研究中使用的模式初始条件和边界条件主要来源于再分析数据的插值, 其精确度受到限制。同时, CRA再分析资料可能也存在一定的不确定性。后续研究期望获取更丰富的观测资料, 有望提高模拟的准确性, 并使得对比分析结果更为精确。
Brouwer J Anderson H2000.Water holding capacity of ironstone gravel in a typic plinthoxeralf in southeast Australia[J].Soil Science Society of America Journal64(5): 1603-1608.DOI: 10.2136/sssaj2000.6451603x .

Cheng G Wu T2007.Responses of permafrost to climate change and their environmental significance, Qinghai-Tibet Plateau[J].Journal of Geophysical Research: Earth Surface, 112(F2).DOI: 10.1029/2006JF000631 .

De Rosnay P Bruen M Polcher J2000.Sensitivity of surface fluxes to the number of layers in the soil model used in GCMs[J].Geophysical Research Letters27(20): 3329-3332.DOI: 10.1029/2000GL011574 .

Heise E Lange M Ritter B, et al, 2003.Improvement and validation of the multi-layer soil model[J].Cosmo Newsletter3(1): 198-203.

Kozlowski T2009.Some factors affecting supercooling and the equilibrium freezing point in soil-water systems[J].Cold Regions Science and Technology59(1): 25-33.DOI: 10.1016/j.coldregions.2009.05.009 .

Kurylyk B L Watanabe K2013.The mathematical representation of freezing and thawing processes in variably-saturated, non-deformable soils[J].Advances in Water Resources, 60: 160-177.DOI: 10.1016/j.advwatres.2013.07.016 .

Li S X Nan Z T Zhao L2002.Impact of soil freezing and thawing process on thermal exchange between atmosphere and ground surface[J].Journal of Glaciology and Geocryology24(5): 506–511.DOI: 10.7522/j.issn.1000-0240.2002.0087 .

Martinez J E Duchon C E Crosson W L2001.Effect of the number of soil layers on a modeled surface water budget[J].Water Resources Research37(2): 367-377.DOI: 10.1029/2000WR900298 .

Mehuys G R Stolzy L H Letey J, et al, 1975.Effect of stones on the hydraulic conductivity of relatively dry desert soils[J].Soil Science Society of America Journal39(1): 37-42.

Niu G Y Yang Z L2006.Effects of frozen soil on snowmelt runoff and soil water storage at a continental scale[J].Journal of Hydrometeorology7(5): 937-952.DOI: 10.1175/JHM538.1 .

Ohtsuka T Hirota M Zhang X, et al, 2008.Soil organic carbon pools in alpine to nival zones along an altitudinal gradient (4400-5300 m)on the Tibetan Plateau[J].Polar Science2(4): 277-285.

Oleson K W Niu G Y Yang Z L, et al, 2008.Improvements to the Community Land Model and their impact on the hydrological cycle[J].Journal of Geophysical Research: Solid Earth113(G1): G01021-1-G01021-26-0.DOI: 10.1029/2007JG000563 .

Onwuka B Mang B2018.Effects of soil temperature on some soil properties and plant growth[J].Adv.Plants Agric.Res8(1): 34-37.

Yang K Wang C Li S2018.Improved simulation of frozen‐thawing process in land surface model(CLM4.5)[J].Journal of Geophysical Research: Atmospheres123(23): 238-258.DOI: 10.1029/2017JD028260 .

Yang L Wei W Chen L, et al, 2012.Spatial variations of shallow and deep soil moisture in the semi-arid Loess Plateau, China[J].Hydrology and Earth System Sciences16(9): 3199-3217.DOI: 10.5194/hess-16-3199-2012 .

Zhang X Sun S F Xue Y2007.Development and testing of a frozen soil parameterization for cold region studies[J].Journal of Hydrometeorology8(4): 690-701.DOI: 10.1175/JHM605.1 .

程攀, 吕世华, 孙虹雨, 等, 2023.土壤砾石参数化对高原涡形成发展作用的敏感性分析[J].高原气象42(3): 632-645.DOI: 10.7522/j.issn.1000-0534.2022.00075.Chen P

S H Sun H Y, et al, 2023.Sensitivity analysis of soil gravel parameterization on the formation and development of Plateau Vortices[J].Plateau Meteorology42(3): 632-645.DOI: 10.7522/j.issn.1000-0534.2022.00075 .

胡桃, 吕世华, 常燕, 等, 2022.CMIP6模式对青藏高原多年冻土变化的分析预估[J].高原气象41(2): 363-375.DOI: 10.7522/j.issn.1000-0534.2022.00009.Hu T

S H Chang Y, et al, 2022.Analysis and prediction of permafrost changes in the Qinghai-Tibet Plateau using CMIP6 models[J].Plateau Meteorology41(2): 363-375.DOI: 10.7522/j.issn.1000-0534.2022.00009 .

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.Xie J

Yu Y Liu C, et al, 2018.Variation characteristics of surface sensible heat flux over the Qinghai-Tibet Plateau and its response to climate change[J].Plateau Meteorology37(1): 28-42.DOI: 10.7522/j.issn.1000-0534.2017.00019 .

刘子莎, 吕世华, 胥朋飞, 等, 2024.BCC_AVIM陆面模式不同土壤垂直离散化方案对土壤水热输送的数值模拟[J].高原气象43(2): 303-317.DOI: 10.7522/j.issn.1000-0534.2023.00063.Liu Z S

S H Xu P F, et al, 2024.Numerical simulation of soil water and heat transfer in BCC_AVIM land surface model with different soil vertical discretization schemes[J].Plateau Meteorology43(2): 303-317.DOI: 10.7522/j.issn.1000-0534.2023.00063 .

栾澜, 孟宪红, 吕世华, 等, 2018.青藏高原土壤湿度触发午后对流降水模拟试验研究[J].高原气象37(4): 873-885.DOI: 10.7522/j.issn.1000-0534.2018.00008.Luan L

Meng X H S H, et al, 2018.Simulation experiment study on the triggering of afternoon convective precipitation by soil moisture over the Qinghai-Tibet Plateau[J].Plateau Meteorology37(4): 873-885.DOI: 10.7522/j.issn.1000-0534.2018.00008 .

马翠丽, 吕世华, 潘永洁, 等 , 2020a.陆面模式砾石参数化在BCC_AVIM陆面过程模式中的应用及检验[J].高原气象39(6): 1232-1245.DOI: 10.7522/j.issn.1000-0534.2019.00129.Ma C L , LüSH, PanYJ, et al, 2020a.Application and test of land surface model gravel parameterization in BCC_AVIM Land Surface Model[J].Plateau Meteorology, 39(6): 1232-1245.DOI: 10.7522/j.issn.1000-0534.2019.00129 .

马翠丽, 吕世华, 潘永洁, 等 , 2020b.砾石参数化对青藏高原陆面过程模拟的影响及敏感性分析[J].高原气象39(6): 1219-1231.DOI: 10.7522/j.issn.1000-0534.2020.00005.Ma C L , LüSH, PanYJ, et al, 2020b.Impact and sensitivity analysis of gravel parameterization on simulation of land surface processes on the Qinghai-Xizang Plateau[J].Plateau Meteorology, 39(6): 1219-1231.DOI: 10.7522/j.issn.1000-0534.2020.00005 .

马英赛, 孟宪红, 韩博, 等, 2019.黄土高原土壤湿度对地表能量和大气边界层影响的观测研究[J].高原气象38(4): 705-715.DOI: 10.7522/j.issn.1000-0534.2019.00036.Ma Y S

Meng X H, H B, et al, 2019.Observation study of the impact of soil moisture on surface energy and atmospheric boundary layer over the Loess Plateau[J].Plateau Meteorology38(4): 705-715.DOI: 10.7522/j.issn.1000-0534.2019.00036 .

孟雅丽, 段克勤, 尚溦, 等, 2022.基于CMIP6模式数据的 1961-2100年青藏高原地表气温时空变化分析[J].冰川冻土, 44(1): 24-33.DOI: 10.7522/j.issn.1000-0240.2022.0017.Meng Y L

Duan K Q Shang W, et al, 2022.Analysis of spatiotemporal variations in surface air temperature over the Qinghai-Tibet Plateau from 1961 to 2100 Based on CMIP6 Model Data[J].Journal of Glaciology and Geocryology44(1): 24-33.DOI: 10.7522/j.issn.1000-0240.2022.0017 .

潘永洁, 吕世华, 高艳红, 等, 2015.砾石对青藏高原土壤水热特性影响的数值模拟[J].高原气象34(5): 1224-1236.DOI: 10.7522/j.issn.1000-0534.2014.00055.Pan Y J

S H Gao Y H, et al, 2015.Numerical simulation of the impact of gravel on soil hydrothermal properties in the Qinghai-Tibet Plateau[J].Plateau Meteorology34(5): 1224-1236.DOI: 10.7522/j.issn.1000-0534.2014.00055 .

王澄海, 尚大成, 2007.藏北高原土壤温、 湿度变化在高原干湿季转换中的作用[J].高原气象26(4): 677-685.

Wang C H Shang D C2007.The role of soil temperature and moisture variations in the transition of dry and wet seasons over the Northern Tibetan Plateau[J].Plateau Meteorology26(4): 677-685.

王澄海, 杨凯, 张飞民, 等, 2021.青藏高原土壤冻融过程的气候效应: 进展和展望[J].高原气象40(6): 1318-1336.DOI: 10.7522/j.issn.1000-0534.2021.zk021.Wang C H

Yang K Zhang F M, et al, 2021.Climate effects of soil freezing and thawing processes over the Qinghai-Tibet Plateau: progress and prospects[J].Plateau Meteorology40(6): 1318-1336.DOI: 10.7522/j.issn.1000-0534.2021.zk021 .

吴国雄, 毛江玉, 段安民, 等, 2004.青藏高原影响亚洲夏季气候研究的最新进展[J].气象学报62(5): 528-540.DOI: 10.11676/qxxb2004.054.Wu G X

Mao J Y Duan A M, et al, 2004.Latest progress in research on the impact of the Qinghai-Tibet Plateau on Asian Summer Climate[J].Acta Meteorologica Sinica62(5): 528-540.DOI: 10.11676/qxxb2004.054 .

吴青柏, 沈永平, 施斌, 2003.青藏高原冻土及水热过程与寒区生态环境的关系[J].冰川冻土25(3): 250-255.DOI: 10.7522/j.issn.1000-0240.2003.0045.Wu Q B

Shen Y P Shi B2003.The relationship between permafrost and hydrothermal processes and the cold region ecological environment on the Qinghai-Tibet Plateau[J].Journal of Glaciology and Geocryology25(3): 250-255.DOI: 10.7522/j.issn.1000-0240.2003.0045 .

熊丁晖, 刘苏峡, 莫兴国, 2018.土壤垂向分层和均匀处理下水分差异的数值探讨[J].中国生态农业学报26(4): 593-603.DOI: 10.13930/j.cnki.cjea.170450.Xiong D H

Liu S X Mo X G2018.Numerical discussion on soil water differences under vertical stratification and homogeneous treatment[J].Chinese Journal of Eco-Agriculture26(4): 593-603.DOI: 10.13930/j.cnki.cjea.170450 .

胥朋飞, 吕世华, 马翠丽, 等, 2022.BCC_AVIM 陆面过程模式冻融过程参数化的改进与检验[J].高原气象41(2): 349-362.DOI: 10.7522/j.issn.1000-0534.2021.00121.Xu P F

S H Ma C L, et al, 2022.Improvement and testing of the freezing and thawing process parameterization in the BCC_AVIM land surface process Model[J].Plateau Meteorology41(2): 349-362.DOI: 10.7522/j.issn.1000-0534.2021.00121 .

徐悦, 吕世华, 马翠丽, 等, 2020.BCC_CSM模式砾石参数化方案在青藏高原模拟效果检验[J].高原气象39(6): 1246-1256.DOI: 10.7522/j.issn.1000-0534.2019.00140.Xu Y

S H M C L, et al, 2020.Evaluation of the gravel parameterization scheme in the BCC_CSM model over the Qinghai-Tibet Plateau[J].Plateau Meteorology39(6): 1246-1256.DOI: 10.7522/j.issn.1000-0534.2019.00140 .

杨凡, 吕世华, 张少波, 等, 2023.青藏高原土壤冻融参数化改进及其在BCC_CSM气候模式中的效果对比[J].高原气象42(5): 1093-1106.DOI: 10.7522/j.issn.1000-0534.2023.00002.Yang F

S H Zhang S B, et al, 2023.Improvement of soil freezing and thawing parameterization over the Qinghai-Tibet Plateau and its effect comparison in the BCC_CSM climate model[J].Plateau Meteorology42(5): 1093-1106.DOI: 10.7522/j.issn.1000-0534.2023.00002 .

杨梅学, 姚檀栋, Hirose N, 等, 2006.青藏高原表层土壤的日冻融循环[J].科学通报51(16): 1974-1976.DOI: 10.3321/j.issn: 0023-074X.2006.16.020.Yang M X

Yao T D Hirose N, et al, 2006.Diurnal freezing and thawing cycles of surface soil on the Qinghai-Tibet Plateau[J].Chinese Science Bulletin51(16): 1974-1976.DOI: 10.3321/j.issn: 0023-074X.2006.16.020 .

文章导航

/