CLM5.0模式加密土壤分层方案对黄河源区玛多站土壤温湿度的模拟

  • 包逸群 , 1, 2 ,
  • 吕世华 , 1 ,
  • 刘子莎 1
展开
  • 1. 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
  • 2. 中国气象局兰州干旱气象研究所,甘肃 兰州 730020
吕世华(1957 -), 男, 甘肃漳县人, 研究员, 主要从事陆面过程、 区域气候及气候变化数值模拟等研究. E-mail:

包逸群(2000 -), 女, 甘肃定西人, 研究实习员, 主要从事陆面过程与数值模拟研究. E-mail:

收稿日期: 2024-05-27

  修回日期: 2024-09-26

  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)

Simulation of Soil Temperature and Humidity at Mado Station by CLM5.0 Model Encrypted Soil Layering Scheme

  • Yiqun BAO , 1, 2 ,
  • Shihua LÜ , 1 ,
  • Zisha LIU 1
Expand
  • 1. College of Atmospheric Sciences,Chengdu University of Information Technology/Sichuan Key Laboratory of Plateau Atmosphere and Environment/Sichuan Field Scientific Observatory of Urban Meteorology and Environment in Chengdu Plain/Sichuan Engineering Laboratory of Meteorological Disaster Forecasting and Early Warning,Chengdu 610225,Sichuan,China
  • 2. Institute of Arid Meteorology,China Meteorological Administration,Lanzhou 730020,Gansu,China

Received date: 2024-05-27

  Revised date: 2024-09-26

  Online published: 2024-11-20

Copyright

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

摘要

黄河源是黄河流域重要的水源涵养区, 研究不同土壤分层对冻融过程模拟结果的影响, 提高模式对水热输送过程的模拟能力, 对高寒地区冻融过程的研究有着重要意义。本文利用黄河源区玛多站的观测数据作为强迫场驱动陆面模式CLM5.0(Community Land Model)在玛多站进行模拟, 使用CLM5.0改进后的三种土壤分层方案, 模拟不同土壤分层对土壤冻融过程的影响, 对比模拟结果与观测资料, 分析改进后分层方案对陆面模式CLM5.0在黄河源区冻融过程中对土壤温湿度模拟能力的提升效果, 得出以下结论: (1)调整后的三种土壤分层方案对玛多站土壤温度的模拟效果有了较好的提升, 三种方案中30层方案的模拟效果最好, 模拟值与观测值的平均相关系数达到了0.954, 平均均方根误差为3.334 ℃; (2)调整后的三种土壤分层方案对玛多站土壤湿度的模拟效果也有了较为明显的提升, 能够准确地捕捉各层土壤湿度在一整年内的季节性变化, 受到降水影响, 模拟值与实测值的波谷模拟还有偏差, 三种方案中30层方案的模拟效果最好, 平均相关系数为0.770, 平均均方根误差为0.039 m3·m-3; (3)对于冻结初日与消融初日的模拟, 调整后的三种不同土壤分层对于冻结期与消融期模拟有明显影响, 浅层模拟的冻结初始日和消融初始日均与观测值相符, 而在深层对于冻结初始日和消融初始日的模拟有些偏差, 较观测值有延迟, 消融期也更为持久。

本文引用格式

包逸群 , 吕世华 , 刘子莎 . CLM5.0模式加密土壤分层方案对黄河源区玛多站土壤温湿度的模拟[J]. 高原气象, 2025 , 44(3) : 591 -603 . DOI: 10.7522/j.issn.1000-0534.2024.00096

Abstract

The source of the Yellow River is an important water conservation area in the Yellow River Basin, and it is of great significance to study the influence of different soil stratification on the simulation results of freeze-thaw process and to improve the model's simulation ability of water-heat transport process for the study of freeze-thaw process in the alpine region.In this paper, we use the observation data from Mado station in the Yellow River source area as the forcing field to drive the land surface model CLM5.0 (Community Land Model) to simulate in Mado station, and use the three improved soil layering schemes of CLM5.0 to simulate the influence of different soil layering on the soil freezing and thawing process, and compare the simulation results with the observations to analyze the influence of the improved layering schemes on the land surface model.CLM5.0 in the Yellow River source area in the process of freezing and thawing on the soil temperature and humidity simulation ability to improve the effect of the following conclusions: (1) adjusted three soil layering scheme on the simulation of soil temperature at Mardo station has a better effect of the improvement of the simulation of the three programs in the 30-layer program simulation of the best effect of the simulation, simulated values and the average correlation coefficient with the observed value reaches 0.954, the average root-mean-square error of 3.334 ℃ (2) The simulation effect of the three adjusted soil layering schemes on soil moisture at Mado station is also improved more significantly, which can accurately capture the seasonal changes of soil moisture in each layer in a whole year, affected by precipitation, the simulated values are not sufficiently relevant to the simulation of the troughs of the measured values, and the best simulation effect is achieved in the 30-layer scheme among the three schemes, with an average correlation coefficient of 0.770, and an average root-mean-square error of The average correlation coefficient is 0.770, and the average root mean square error is 0.039 m3·m-3; (3) For the simulation of the initial day of freezing and the initial day of ablation, the adjusted three different soil layers have obvious effects on the simulation of the freezing period and the ablation period, and the simulated initial day of freezing and the initial day of ablation of the shallow layer are in line with the observed values, while the simulation of the initial day of freezing and the initial day of ablation of the deeper layer is somewhat biased, with delays compared with the observed values, and the period of ablation is more persistent.

1 引言

陆面是大气运动的重要下边界, 也是天气气候系统中重要的组成部分, 陆地与大气之间存在着复杂的相互作用。陆地表面的特殊物理性质导致其对大气的作用具有日变化、 季节变化、 记忆性和不均匀性等关键特征, 深刻地影响着局部天气和气候的时空分布以及演变规律(陈海山等, 2022戴永久, 2020戴永久和曾庆存, 1996)。陆面过程是指在大气条件和太阳辐射的作用下, 地球表面与大气层之间持续不断的动量、 能量和物质交换过程。土壤作为陆面过程的主体, 土壤的冻融过程会影响地气间的各种热量交换, 对区域气候造成影响(王澄海等, 2002)。冻土是陆面过程重要的强迫因子, 季节性冻土的土壤冻融过程在地表能量和水循环中起到非常重要的作用(付春伟等, 2022)。
黄河发源于青藏高原巴颜喀拉山北麓的约古宗列盆地, 是中国第二大河流(李开明等, 2013)。黄河源区位于青藏高原东北部, 海拔介于4100~4600 m之间, 气候类型为高寒半干旱气候, 是中国重要的水源涵养区。黄河源区的冻土情况较为特殊, 包含了多年冻土以及季节冻土, 是我国现代多年冻土分布最为复杂的地区, 对气候变化敏感且响应迅速, 通过深入了解和研究黄河源区的冻土情况, 可以更好地理解和预测该地区及周边地区的气候变化趋势, 对高原地区气候变化研究具有重要意义(陈琼等, 2010)。随着全球气候变暖的趋势日益显著, 黄河上游水源涵养区存在暖湿化趋势(张子涵等, 2023), 降水变化与径流量的不协调现象也变得愈发突出, 呈现出降水变化较小而径流变化较大的特点(马柱国, 2005)。黄河水量减少的原因除了降水变化之外, 还有水分在土壤各层的输送过程的影响(马柱国等, 2020)。黄河源区的土壤质地分布不均匀, 无论是在水平还是垂直方向都存在着显著的差异, 在水平方向上, 不同类型的土壤质地差异显著, 如高山草甸、 森林、 荒漠裸地等下垫面类型, 对水分运移的影响各不相同, 而在垂直方向上, 不同海拔的土壤层次也存在着差异, 影响着土壤水分的分布和输送。然而, 黄河源区的观测站点资料相对较为稀缺, 这导致了对于模式研究的数据供给不足, 缺乏充足的观测数据支撑, 使得该地区在区域和全球变化模式中的模拟结果往往与实际观测存在明显的偏差, 成为数值天气预报中的一个难点和重点关注区域。
由美国国家大气研究中心(NCAR)开发的公用陆面模式(Community Land Model, CLM)在公用地球系统模式CESM2.0(Community Earth System Model)中作为陆面模型, 是目前社会最先进的地球系统模式。CLM在气候科学领域得到了广泛的应用, 并为多个多模式比对项目做出了贡献, 针对土壤冻融过程的模拟, 许多学者都做了详细的研究。苏有琦等(2020)利用玛曲站、 阿柔站和那曲站三个观测站的实测土壤数据进行了CLM4.5的单点数值模拟试验, 结果表明, CLM4.5模式能够相对准确地模拟高寒草甸地区下垫面的土壤温湿度、 辐射通量和湍流通量的季节变化, 虽然通过修改土壤属性后, 模拟结果明显优于未修改前的效果, 但与观测值相比仍然存在一定的偏差; 闫旭春等(2023)对CLM5.0在阿拉斯加多年冻土区的表层土壤温度和碳循环进行了评估, 研究结果显示, CLM5.0能够捕捉到表层土壤温度的季节变化, 对高纬度多年冻土区的土壤温度季节变化进行了较为合理的模拟, 然而模拟净生态系统碳交换(NEE)的结果存在一定的不确定性; 曾璇等(2023)利用黑河流域上游的9个典型观测站实测数据, 对CLM5.0的土壤温度模拟性能进行了评估, 研究结果显示, CLM 5.0在模拟高寒山区土壤温度的年内变化和年际变化方面表现良好, 但模拟值普遍低估于实测值, 在高寒草甸地区, CLM 5.0对土壤温度的模拟性能略优于草地地区, 且浅层土壤的模拟结果优于深层, 低估的主要原因在于CLM5.0中土壤冰的模拟存在偏差; 宋耀明等(2014)利用通榆站的观测资料对CLM4.5的模拟性能进行了验证, 与观测数据对比后发现, CLM4.5能够较好地模拟出观测站点的辐射通量、 水热交换, 以及土壤温湿的变化特征。然而在冬季, 模拟结果与观测数据存在较大误差, 尤其在辐射通量、 水热交换以及土壤温湿方面。
在高寒地区由于下垫面土壤热力学性质的差异导致土壤温度和湿度的变化特征不同, 进而影响地表感热潜热的变化, 增加了模式模拟结果的不确定性, 所以在高寒地区模式模拟的冻融过程中的水热输送仍存在较大偏差(张寅生等, 2015), 在土壤冻结期, 忽略冻结过程将导致模拟的土壤温度高于实测温度, 而在土壤消融期, 忽略冻结过程将导致模拟的土壤温度低于实测温度, 对于土壤含水量的模拟也会低于实测值(杨梅学等, 2002周余华等, 2005)。在现有的陆面过程模型中, 对土壤水分的定量描述是通过以下两个方面来实现的: (1)在垂向分布均匀的介质基础上, 基于 Richards 方程来描述土壤水分的流动; (2)赋以地表土壤不同的水文特征和热力学特征。然而, 实际情况下土壤质地通常呈现垂向非均匀分布, 尽管部分陆面过程模型通过分层来模拟土壤的非均匀性, 但大多数模型仍假设土壤在垂向上均匀分布, 将表层土壤质地作为整个垂向的代表。由此产生的土壤水分模拟结果与实际垂向非均匀情况下的水分存在差异, 然而目前对这种差异的研究较少。刘子莎等(2024)通过研究发现在相同的土壤层次下, 浅中层拥有更密集的土壤分层, 对于提升模式对土壤水热输送的模拟能力有一定的积极影响。通过研究不同土壤分层对冻融过程模拟结果的影响, 改进陆面模式中冻融过程参数化方案, 从而提高模式对水热输送过程的模拟能力, 对于深入理解高寒地区冻融过程, 以及应对其可能带来的环境和气候变化等方面的挑战, 具有重要意义。
因此, 为了提高模式的准确性和可靠性, 需要更加细致地考虑土壤热力学性质的差异, 并充分考虑地表条件的特殊性。对于高寒地区冻融过程的模拟与预测, 需要进一步完善和改进陆面模式, 以提高其模拟能力和准确性, 所以研究不同土壤分层对冻融过程模拟结果的影响对于深入理解高原寒区水热传输机理至关重要。基于以上论述, 本研究利用黄河源区玛多站的观测资料驱动陆面模式CLM5.0(Community Land Model)在玛多站进行模拟, 使用CLM5.0改进后的三种土壤分层方案, 模拟不同土壤分层对土壤冻融过程中土壤水热输送的影响, 对比模拟结果与观测资料, 分析改进后的土壤分层方案对陆面模式CLM5.0在黄河源区冻融过程中土壤温湿度的模拟能力的提升效果。

2 研究区域与观测数据

2.1 站点介绍

黄河源区地处青藏高原东北部, 是指青海省玛多县黄河沿水文站以上的流域。黄河源区的气候类型属亚寒带半干旱气候, 多年平均气温约-3.9 ℃, 平均降水量为312 mm。该地区存在大片连续的多年冻土和季节性冻土, 其中季节冻土面积 0.3×104 km2, 约占整个源区面积的9.8%, 多年冻土面积达2.5×104 km2, 占整个源区总面积的85.2%(金会军等, 2010陈海存等, 2013罗琪等, 2017)。
本文研究的玛多站站点位于黄河源区鄂陵湖西岸(34.913°N, 97.553°E), 海拔为4274 m, 该地区是青藏高原三江源自然保护区的重点区域, 也是黄河源区草地退化最为严重的地区之一, 该地区的土壤表现出明显的垂直分带性: 海拔4700 m以上的区域主要为高山碎石土, 地表基岩裸露, 植被分布稀疏; 海拔4400~4700 m的地区以高山草甸土为主, 同时含有腐殖土和沙土成分; 而海拔4400 m以下的区域主要为高山草原土(屈长良等, 2019李静等, 2016)。

2.2 数据来源和仪器介绍

本文所使用的模式驱动资料及观测对比资料均为来源黄河源区玛多境内鄂陵湖草地站的观测资料, 时段自2015年6月1日至2018年8月31日, 表1为观测所用的仪器, 观测项目有向上、 向下短波辐射(1.5 m), 向上、 向下长波辐射(1.5 m), 地表热通量(5 cm, 10 cm), 感热、 潜热通量(3.2 m), 以及土壤温湿度, 观测深度分别为 0.05 m、 0.10 m、 0.20 m、 0.40 m、 0.80 m、 1.60 m、 3.20 m。观测数据均为自动采集, 时间分辨率为 30 min, 由于自动观测项目存在不可控因素, 在进行分析前已对异常值以及缺测值进行了处理, 剔除了异常值, 对于缺测值取前后两天同一时段的平均值作为替代值。根据玛多站实际的土壤质地(表2), 对模型中的土壤参数进行了调整, 除此之外, 地表数据如植被覆盖率等则采用了CLM5.0模式自带的地表资料。
表1 观测所使用的科学仪器介绍

Table 1 Description of scientific instruments used in the observations

观测项目 仪器 仪器精度 架设高度(埋设深度)/m
感热通量 Campbell公司的CAST3超声风速仪 ±4.0 cm·s-1 3.2
潜热通量 LI-COR公司的LI-7500型H2O/CO2分析仪 ±2% 3.2
辐射四分量 Kipp&Zonen公司的CNR4辐射四分量观测仪 ±2.5% 1.5
土壤热通量 Hukseflux公司的HFP01热通量传感器 -15%~5% 0.05、 0.2
土壤温度 Campbell公司的109L型热敏温度探头 ±0.2 ℃ 0.05、 0.10、 0.20、 0.40、 0.80、 1.60、 3.20
土壤湿度 Campbell公司的CS616 ±2.5% 0.05、 0.10、 0.20、 0.40、 0.80、 1.60
表2 黄河源玛多站土壤质地

Table 2 Soil texture at Mado station, Yellow River source

土层 深度/m 有机质/(kg·m-3 黏土/% 砂土/%
1 0.0175 85.00 26.96 38.64
2 0.0451 75.12 26.96 38.64
3 0.0906 40.14 14.21 68.60
4 0.1655 31.37 21.28 65.41
5 0.2891 18.14 21.28 65.41
6 0.4929 1.92 3.44 94.03
7 0.7289 1.18 2.69 93.42
8 1.3828 1.10 3.97 94.17
9 2.2961 0.00 3.97 94.17
10 3.8019 0.00 4.32 91.52

2.3 研究方法介绍

为验证陆面模式对玛多地区陆面过程的模拟性能, 本文采用了相关系数(R)及均方根误差(RMSE)评估模式的模拟性能, 其计算公式如下:
R = i = 1 N ( M i - M ¯ ) ( R i - R ¯ ) i = 1 N ( M i - M ¯ ) 2 i = 1 N ( R i - R ¯ ) 2
R M S E = 1 N i = 1 N ( M i - R i ) 2
式中: Mi 表示模拟值; M ¯表示模拟值的平均值; Ri 表示观测值; R ¯表示观测值的平均值; N表示样本总数。相关系数(R)用于衡量模拟结果与观测值之间的相关性, 其取值范围为-1~1。当R接近1时, 表示模拟结果与观测值之间具有很强的正相关关系, 即模拟效果较好。均方根误差(RMSE)数值越接近0, 则表示模拟值与观测值之间的差异越小, 模拟效果越好。

2.4 陆面模式CLM5.0介绍

美国国家大气研究中心(NCAR)研发的陆面模式CLM(Community Land Model)是公共地球系统模式CESM(Community Earth System Model)的一个组成部分。CLM作为CESM中的陆面模块, 已经与几个气候模式相耦合, CLM借鉴和吸收了NCAR的陆面过程模式LSM(Bonan, 1995)、 中国科学院大气物理研究所陆面过程模式IAP94(Dai and Zeng, 1997)和生物圈-大气圈传输方案陆面模式BATS等陆面模式的优点和相对完整的过程描述。在国内外众多学者的共同努力下, CLM模型得到了不断的改进, 并已经发展到了CLM5.0版本, 被广泛用于大气科学、 气候科学、 水文学和生态学等领域, 用于研究陆地表面的能量和水分循环、 植被动态、 碳循环和土壤过程等。CLM5.0对土壤层次和土壤分辨率有了改进, 土壤厚度可以在空间上变化, 而不是应用空间均匀的土壤厚度(Brunke et al, 2016Swenson and Lawrence, 2015), 并将其设置为0.4~8.5 m深度范围内的值(Pelletier et al, 2016), 土壤厚度更加精确, 弃用了CLM4.5中使用的无侧限含水层参数化, 取而代之的是零通量边界条件和饱和区与非饱和区的精确模型。默认模型土壤层分辨率增加, 特别是在顶部3 m内, 更明确地表示了多年冻土带内的活动层厚度。引入了理查德方程的自适应时间步长解, 提高了模拟土壤水的精度和稳定性。

3 实验设计

3.1  CLM5.0土壤加密分层方案

在CLM5.0中土壤可以离散成任意层数, 模式自带的4种分层方案分别为10 层(3.5 m)、 20 层(8.5 m)、 23 层(3.5 m)和49 层(10 m), 其中20层方案为CLM5.0中的默认方案。由于CLM5.0在描述土壤厚度方面呈现出随着深度递增的趋势, 导致土壤柱的浅层和中层存在土壤厚度逐渐增加、 分层不够细致的问题, 这使得模型无法很好地反映整个活动土壤层的温度梯度分布和热量传递情况。为了解决这一问题, 对CLM5.0的土壤垂直离散化方案进行了调整, 主要目的是增加浅中层的土壤层数, 同时减少土壤厚度的增加速率。由此前的研究(包逸群等, 2024)得到CLM5.0模式原有的四种土壤分层方案中20层方案的模拟效果最好, 在此基础上通过对CLM5.0模式的土壤垂直离散化方案进行设置, 保持整体土壤深度不变(3.5 m), 增加浅中层土壤层数, 并减少土壤厚度增加速率, 从而提高模式对土壤温度和湿度变化的精确度和稳定性, 期待在增加了层数和细化了厚度分布后, 模式能更好地捕捉到土壤温度和湿度的微观变化。表3给出了改进后的三种不同土壤分层方案的节点深度, 分别为10层(3.5 m)、 20层(3.5 m)和30层(3.5 m)。
表3 改进后的3种土壤分层方案的土壤节点深度和土壤层次

Table 3 Soil node depths and soil horizons for the three improved soil layering schemes

方案 土壤节点深度/m 土壤层次/层
方案一 0.007、 0.028、 0.062、 0.118、 0.212、 0.366、 0.619、 1.038、 1.717、 2.865 10
方案二 0.007、 0.017、 0.027、 0.045、 0.062、 0.09、 0.118、 0.165、 0.212、 0.289、 0.366、 0.492、 0.619、 0.828、 1.038、 1.382、 1.727、 2.296、 2.284、 3.433 20
方案三 0.0004、 0.001、 0.0019、 0.0031、 0.0045、 0.0064、 0.0088、 0.0118、 0.0158、 0.0208、 0.0273、 0.0357、 0.0464、 0.0602、 0.0778、 0.1005、 0.1297、 0.1671、 0.2151、 0.2768、 0.356、 0.4577、 0.5883、 0.7559、 0.9712、 1.2476、 1.6026、 2.0583、 2.6435、 3.3949 30

3.2 实验设计

使用玛多站观测资料驱动CLM5.0陆面模式, 利用改进后模式的三种土壤分层方案对玛多站进行土壤温度和土壤湿度的模拟, 模拟时间段为2015年6月1日至2018年8月31日, 由于模式前期的不稳定性, 取前2年为spin-up时间, 只分析2017年6月到2018年8月的模拟结果。模式的输出为日平均值。通过模拟结果与观测资料进行对比分析改进后不同土壤分层方案对土壤温湿度的模拟效果, 评估改进后土壤分层方案对CLM5.0模式在黄河源区土壤水热输送模拟能力的优化效果, 为进一步改进模式提供参考。

4 模拟结果分析

4.1 加密分层方案对玛多站土壤温度的模拟结果

在陆面过程中, 准确模拟土壤温度对整个大气模式的模拟准确性至关重要。土壤温度作为大气和地表之间关键的能量交换介质, 直接影响着大气边界层的稳定性、 大气运动的形成以及降水模式的产生。通过精确模拟土壤温度的变化, 可以更准确地预测大气中的湍流运动、 辐射传输和水汽输送等关键过程。因此, 对土壤温度的准确模拟对于提高模式的准确性和可靠性具有重要的意义。
图1为2017年6月至2018年8月玛多站调整后的三种土壤分层方案在不同土壤深度处对土壤温度进行模拟的结果, 并将其与观测值进行了对比。通过图1可以明显看出, 土壤分层方案的调整对土壤温度的模拟效果有明显影响。在0.05 m土壤层[图1(a)]的模拟中, 模式的模拟结果与实测值最为接近。在2017年6 -9月和2018年4 -8月期间, 模拟结果稍微偏低, 但在2017年10月至2018年3月期间, 模拟值与实测值基本吻合, 仅存在较小的偏差。这表明模式在浅层对于土壤温度的模拟能力很好。通过比较三种分层方案, 可以发现30层方案的模拟值与实测值最为贴近, 而10层方案在2017年6 -7月和2018年5 -7月出现的偏差稍大, 即在浅层对土壤温度的模拟中30层方案的效果最好。在0.1 m土壤层[图1(b)]的模拟中, 模拟偏差较0.05 m土壤层有所增大, 尤其在2017年6 -9月和2018年4 -8月更为明显。然而, 在2017年10月至2018年3月期间, 模拟值与实测值之间的偏差较小, 模拟值偏高。在0.2 m土壤层[图1(c)]的模拟中, 偏差比浅层更为明显。三种分层方案中, 10层方案的模拟偏差最大。在深层[图1(d)~(f)], 随着土壤深度的增加, 土壤温度的变化趋于稳定, 三种方案的模拟结果与实测值之间的偏差变大, 但仍然能够模拟出土壤温度的季节变化。整体而言, 改进后的土壤分层方案更为准确地模拟了土壤温度, 模拟结果更接近实测值。改进后的模拟值在浅层与观测值的波峰波谷之间展现出更好的对应关系, 而深层模拟值的偏差也有所减小。
图1 2017 -2018年各层(a~f)土壤温度3种加密分层方案模拟与观测对比

Fig.1 Comparison of simulation and observation of 3 encrypted stratification schemes for soil temperature in each layer (a~f) from 2017 to 2018

从模拟值与观测值统计分析表(表4)可以看出, 三种方案中30层方案在模拟效果上表现最好, 其平均相关系数达到0.954, 平均均方根误差仅为3.334 ℃。这些结果表明了调整后的土壤分层方案能够提高土壤温度模拟的准确性。
表4 各层土壤温度3种分层方案模拟值与观测值的统计分析

Table 4 Statistical analysis of simulated and observed values for three stratification schemes of soil temperature in each layer

统计量 分层方案 0.05 m 0.1 m 0.2 m 0.4 m 0.8 m 1.6 m 平均
R 10层 0.961 0.960 0.944 0.908 0.855 0.517 0.857
20层 0.965 0.976 0.973 0.974 0.898 0.762 0.924
30层 0.974 0.979 0.983 0.984 0.954 0.851 0.954
RMSE/℃ 10层 3.577 4.059 4.113 4.841 4.589 4.812 4.331
20层 3.388 3.392 3.241 3.348 4.538 4.568 3.745
30层 2.706 3.210 2.698 2.716 4.178 4.498 3.334

4.2 加密分层方案对玛多站土壤湿度的模拟结果

土壤湿度对地-气潜热通量、 辐射和大气的稳定性有着直接影响。在黄河源区, 土壤湿度不仅在水资源的时空分布中扮演着重要角色, 还与该地区的草甸退化和荒漠化等密切相关(洪涛等, 2013柳媛普等, 2007)。图2为2017年6月至2018年8月玛多站调整后的3种土壤分层方案在不同土壤深度处对土壤湿度进行模拟的结果, 并将其与观测值进行了对比。从图2可以看出, CLM5.0模式在进行土壤湿度模拟时, 经过调整的土壤分层方案能够较为准确地捕捉各层土壤湿度在一整年内的季节性变化。在0.05 m土壤层[图2(a)], 受到降水影响, 该层土壤湿度在2017年6 -10月, 2018年4 -8月有明显的动态变化, 模式所模拟的结果没有很好地结合到动态变化, 与实测值的波谷模拟不够贴切, 但整体上对土壤湿度的季节变化能很好地模拟出来, 三种分层方案中, 30层方案模拟结果与实测值更为接近; 随着土壤深度增加, 土壤湿度变化不再明显, 到深层0.4 m土壤层[图2(d)], 10层方案与20层方案模拟的偏差较大, 较实测值明显偏高, 30层方案更贴近实测值, 但也有一定偏差, 0.8 m及1.6 m土壤层[图2(e), (f)]土壤湿度已经接近平滑, 没有明显的动态变化。对比分析显示, 改进后的30层分层方案相较于10层和20层方案更为准确。模拟结果不仅与观测值基本一致, 而且在冻结和消融时间方面更加接近实际观测值。结合统计分析表(表5)的结果, 可以得出结论: 30层方案表现最佳, 其平均相关系数达到0.770, 平均均方根误差仅为0.039 m3·m-3
图2 2017 -2018年各层(a~f)土壤湿度3种加密分层方案模拟与观测对比

Fig.2 Comparison of simulation and observation of 3 encrypted stratification schemes for soil moisture in each layer (a~f) from 2017 to 2018

表5 各层土壤湿度3种分层方案模拟值与观测值的统计分析

Table 5 Statistical analysis of simulated and observed values for three stratification schemes of soil moisture in each layer

统计量 分层方案 0.05 m 0.1 m 0.2 m 0.4 m 0.8 m 1.6 m 平均
R 10层 0.765 0.717 0.671 0.627 0.603 0.518 0.650
20层 0.765 0.730 0.669 0.627 0.612 0.569 0.662
30层 0.771 0.786 0.729 0.815 0.816 0.704 0.770
RMSE/(m3·m-3 10层 0.084 0.083 0.068 0.054 0.052 0.044 0.064
20层 0.087 0.084 0.056 0.052 0.033 0.035 0.057
30层 0.070 0.057 0.048 0.021 0.022 0.017 0.039

4.3 加密分层方案对玛多站土壤冻结期与消融期的模拟结果分析

为进一步探讨土壤冻融的特征, 将土壤冻结初日定义为土壤深度0.05 m日最低温度连续小于0 ℃的第一天, 将土壤完全冻结初日定义为0.05 m土壤深度日最低温度小于0 ℃的第五天; 将消融初日定义为土壤深度0.05 m日最高土壤温度大于0 ℃的第一天(张戈等, 2023武月月等, 2022)。
表6为玛多站2017 -2018年土壤冻融时间的模拟结果与观测值的对比情况, 图3为改进后三种分层方案对2017 -2018年冻结期各层土壤温度的模拟结果与观测值的对比情况。从表6图3的结合分析中可以得出: 在0.05 m土壤深度[图3(a)]中, 观测值显示冻结期从10月17日开始, 10月23日完全进入冻结期, 三种方案所模拟的冻结初日也与观测值较为接近。然而, 随着土壤深度的增加, 冻结时间逐渐延后。在0.1 m土壤深度[图3(b)]中, 观测值显示10月23日进入冻结期, 而30层方案模拟的冻结初始日与实测值最接近, 为10月24日, 20层方案的模拟结果稍晚, 而10层方案模拟的冻结初日偏差较大。在0.2 m土壤深度[图3(c)]中, 观测值显示10月25日进入冻结期, 10层方案模拟的冻结初始日滞后约12天, 而30层方案的模拟结果与实测值最为接近。在0.4 m土壤深度[图3(d)], 观测值显示11月4日进入冻结期, 30层方案的模拟值与实测值仍十分接近, 但较观测值提前了3天, 而10层方案的冻结期滞后更为明显, 较观测值推迟了15天。至于0.8 m和1.6 m土壤深度[图3(e), (f)], 30层方案模拟效果较好, 与观测值显示的冻结初日相吻合, 但10层方案冻结初始日分别延至11月27日和1月15日。总体来看, 改进后的三种方案在模拟浅层土壤的冻结初日时表现更加准确, 但对于深层土壤的冻结初日模拟存在一些偏差。其中, 20层和30层方案的模拟结果相对较为准确, 而10层方案的模拟效果则不太理想, 冻结初日有所延迟, 且随着土壤深度的增加, 滞后更为明显。结合模拟值与观测值的统计分析(表7)来看, 改进后的三种分层方案中, 30层方案的模拟效果最为优秀, 模拟值与观测值的相关系数达到了0.988, 平均均方根误差为1.347 ℃。
表6 2017 -2018年玛多站土壤冻融时间模拟与观测对比

Table 6 Comparison of simulated and observed soil freeze-thaw times at Mado station from 2017 to 2018

统计量 方案 0.05 m 0.1 m 0.2 m 0.4 m 0.8 m 1.6 m
冻结初日/(月-日) 观测 10-17 10-23 10-25 11-04 11-20 12-23
10层 10-22 11-03 11-07 11-20 11-27 01-15
20层 10-21 10-25 11-02 11-05 11-25 12-24
30层 10-19 10-24 10-25 11-01 11-21 12-23
完全冻结初日/(月-日) 观测 10-24 11-02 11-03 11-05 11-21 12-24
10层 10-28 11-07 11-13 11-21 11-29 01-18
20层 10-26 11-05 11-06 11-14 11-28 12-24
30层 10-25 11-03 11-04 11-05 11-23 12-24
消融初日/(月-日) 观测 03-27 04-06 04-18 04-24 04-27 05-17
10层 04-24 05-18 06-08 06-28 07-01 07-09
20层 04-18 05-02 05-17 05-26 06-28 07-07
30层 04-02 04-20 05-14 05-18 06-27 07-06
图3 2017 -2018年冻结期各层土壤温度3种加密分层方案模拟与观测对比

Fig.3 Comparison of simulations and observations of three encrypted stratification schemes for soil temperatures in each layer during the freezing period from 2017 to 2018

表7 冻结期各层土壤温度3种分层方案模拟值与观测值的统计分析

Table 7 Statistical analysis of simulated and observed values for three stratification schemes of soil temperature in each layer during the freezing period

统计量 方案 0.05 m 0.1 m 0.2 m 0.4 m 0.8 m 1.6 m 平均
R 10层 0.977 0.983 0.986 0.988 0.990 0.981 0.984
20层 0.982 0.988 0.992 0.994 0.985 0.989 0.988
30层 0.989 0.985 0.994 0.995 0.983 0.986 0.988
RMSE/℃ 10层 2.018 1.971 2.023 2.391 1.507 1.532 1.905
20层 2.446 2.008 1.784 1.250 1.104 1.600 1.698
30层 1.421 1.172 0.839 1.176 1.130 2.346 1.347
图4为改进后的三种分层方案对玛多站2017 - 2018年消融期各层土壤温度的模拟结果与观测值的对比情况。从图4中可以看出, 在0.05 m土壤深度[图4(a)]中, 观测值显示3月27日开始进入消融期, 4月下旬完全进入消融期, 三种方案中30层方案所模拟的消融期初始日为4月2日, 与观测值较为接近, 10层方案与20层方案模拟的消融初日与观测值有些延迟。在0.1 m土壤深度[图4(b)]中, 观测值显示4月6日进入消融期, 30层方案模拟的消融初始日为4月20日, 与实测值最接近, 而10层方案与20层方案模拟的消融初始日较晚, 消融期也更久, 10层方案模拟的消融初日为5月18日, 较观测值滞后一个月。在0.2 m土壤深度[图4(c)]中, 三种方案所模拟的完全消融阶段都有所滞后, 20层方案与30层方案滞后30天左右, 而深层滞后更为明显。在0.4 m、 0.8 m及1.6 m土壤深度[图4(d), (e), (f)], 模拟的消融期在5月中旬及6月之后。总体而言, 三种分层方案对于浅层模拟的消融初始日较为准确, 但对于深层消融初始日的模拟还存在一些偏差, 消融期存在的时间过久, 消融初日滞后明显。三种方案中30层方案的模拟效果较为准确, 而10层方案的模拟效果不太理想, 消融初日与完全消融阶段均有延迟。从模拟值与观测值的统计分析表(表8)可以看出, 30层方案的模拟效果最为优秀, 模拟值与观测值的平均相关系数达到了0.884, 平均均方根误差为3.263 ℃。
图4 2017 -2018年消融期各层(a~f)土壤温度3种加密分层方案模拟与观测对比

Fig.4 Comparison of simulation and observation of three encrypted stratification schemes for soil temperatures in each layer (a~f) during the ablation period from 2017 to 2018

表8 消融期各层土壤温度3种分层方案模拟值与观测值的统计分析

Table 8 Statistical analysis of simulated and observed values for three stratification schemes of soil temperature in each layer during the ablation period

统计量 方案 0.05 m 0.1 m 0.2 m 0.4 m 0.8 m 1.6 m 平均
R 10层 0.874 0.875 0.837 0.809 0.774 0.818 0.831
20层 0.876 0.890 0.873 0.861 0.820 0.857 0.862
30层 0.890 0.918 0.889 0.867 0.847 0.898 0.884
RMSE/℃ 10层 4.610 5.032 4.893 5.167 3.783 3.112 4.432
20层 4.105 4.041 3.773 3.750 3.689 2.631 3.664
30层 3.607 3.972 3.387 3.163 3.503 1.948 3.263

5 结论

本研究利用黄河源区野外观测台站数据驱动CLM5.0模式, 通过对CLM5.0的土壤垂直离散化方案进行调整, 对黄河源区的土壤冻融过程进行模拟分析, 将模拟结果与观测数据进行对比, 分析改进后的土壤分层方案对于土壤冻融过程中的土壤水热属性的敏感性, 评估改进后的方案对于土壤冻融过程的提升作用, 得出以下结论:
(1) 调整后的三种土壤分层方案对土壤温度的模拟效果有显著的改善, 模拟结果更为准确地反映了土壤温度的变化趋势, 整体的模拟结果都更加接近实测值, 浅层模拟值与观测值的波峰波谷能更好地对应, 深层模拟值的偏差也有所减小。三种方案中, 30层方案展现出了最佳的模拟效果, 与观测值的平均相关系数达到了0.954, 平均均方根误差为3.334 ℃。这一结果表明, 对土壤分层方案进行调整能够有效提升模型对土壤温度变化的模拟能力。
(2) 调整后的土壤分层方案对土壤湿度的模拟也呈现出较好的提升效果, 能够准确地捕捉各层土壤湿度在一整年内的季节性变化, 尽管受到降水的影响, 模拟值与实测值在波谷模拟还有偏差, 但总体上对土壤湿度的季节性变化具有良好的模拟能力, 在三种分层方案中, 30层方案的模拟结果与实测值更为接近, 通过统计分析表的数据可以看出, 该方案的模拟效果最佳, 平均相关系数达到了0.770, 平均均方根误差为0.039 m3·m-3。这一结果表明, 对土壤分层方案进行调整不仅有利于提升模型对土壤温度的模拟能力, 同时也对土壤湿度的模拟效果有显著改善。
(3) 调整后的3种方案对于冻结期模拟也较为准确, 特别在浅层土壤中, 模拟的冻结初始日与实测值相符, 然而在深层对冻结初始日的模拟有些偏差, 其中20层与30层方案的模拟效果相对较为准确, 而10层方案的模拟效果不太理想, 冻结初始日有明显延迟。通过统计分析表可以发现, 三种方案中30层方案的模拟效果最为突出, 平均相关系数达到了0.988, 平均均方根误差为1.347 ℃。这一结果表明, 对土壤分层方案的调整可以显著提升模型对于土壤冻结期的模拟能力, 尤其是在较浅的土层中, 更多的分层能够更准确地刻画冻融过程, 从而改善模拟结果的准确性。
(4) 调整后的3种方案对于消融期的模拟结果较好, 对于浅层消融初始日的模拟较为准确, 其中, 30层方案模拟的消融初始日与实测值最为接近, 而10层方案和20层方案的模拟结果则稍显滞后, 导致消融期延长, 对于深层土壤消融初始日的模拟存在一些偏差。其中30层方案的模拟还是较为准确的, 10层方案的模拟效果不太理想, 消融初日与完全消融阶段均有延迟。综合统计分析表可以发现, 30层方案的模拟效果最为突出, 平均相关系数达到了0.884, 平均均方根误差为3.263 ℃。这一结果表明, 通过对土壤分层方案的调整, 可以提高模型对于土壤消融期的模拟能力, 尽管在深层土壤方面仍存在一些偏差, 但这一结果为进一步改进模拟方案仍能提供一定参考。
由于黄河源区位于高原地区, 环境条件恶劣, 观测站点相对较少, 且观测数据存在间断性。在本研究中, 仅选取了玛多站一个观测站点对模型的分层方案进行了模拟验证, 而未对整个区域进行全面验证。此外, 本次模拟的时间跨度相对较短。因此, 在未来的研究中, 需要考虑使用更多的观测站点数据, 或者对整个黄河源区进行模拟验证, 以进一步完善模型的准确性和可靠性。
Bonan G B1995.A Land Surface Model (LSM Version 1.0) for ecological, hydrological, and atmospheric studies: technical description and user's guide[R].NCAR Technical Note, NCAR/ TN-417 + STR.

Brunke M A Broxton P Pelletier J, et al, 2016.Implementing and evaluating variable soil thickness in the Community Land Model, Version 4.5 (CLM4.5)[J].Journal of Climate29(9): 3441-3461.DOI: 10.1175/jcli-d-15-0307 .

Dai Y J Zeng Q C1997.A land surface model (IAP94) for climate studies part I: formulation and validation in off-line experiments[J].Advances in Atmospheric Sciences14(4): 443-460.DOI: 10.1007/s00376-997-0063-4 .

Pelletier J D Broxton P D Hazenberg P, et al, 2016.A gridded global data set of soil, intact regolith, and sedimentary deposit thicknesses for regional and global land surface modeling[J].Journal of Advances in Modeling Earth Systems8(1): 41-65.DOI: 10.1002/2015MS000526 .

Swenson S C Lawrence D M2015.A GRACE-based assessment of interannual groundwater dynamics in the Community Land Model[J].Water Resources Research51(11): 8817-8833.DOI: 10. 1002/2015WR017582 .

包逸群, 吕世华, 刘子莎, 等, 2024.CLM5.0陆面模式不同土壤分层方案对黄河源区玛多站土壤温湿的数值模拟[J].高原山地气象研究44(3): 9-16.

Bao Y Q S H Liu Z S, et al, 2024.Numerical simulation of soil temperature and humidity at Maduo Station in the source area of the Yellow River under different soil stratification schemes under CLM5.0 Land Surface Model[J].Plateau and Mountain Meteorology Research44(3): 9-16.

陈海存, 李晓东, 李凤霞, 等, 2013.黄河源玛多县退化草地土壤温湿度变化特征[J].干旱区研究30(1): 35-40.

Chen H C Li X D Li F X, et al, 2013.Change of soil temperature and soil moisture content in typical degenerated steppe in Maduo County in the headstream region of the Yellow River[J].Arid Zone Research30(1): 35-40.

陈海山, 杜新观, 孙悦, 2022.陆面过程与天气研究[J].地学前缘29(5): 382-400.DOI: 10.13745/j.esf.sf.2021.9.59.Chen H S

Du X G Sun Y2022.Land surface processes and weather research-a review[J].Earth Science Frontiers29(5): 382-400.DOI: 10.13745/j.esf.sf.2021.9.59 .

陈琼, 周强, 张海峰, 等, 2010.三江源地区基于植被生长季的NDVI对气候因子响应的差异性研究[J].生态环境学报19(6): 1284-1289.DOI: 10.16258/j.cnki.1674-5906(2010)06-1284-06.Chen Q

Zhou Q Zhang H F, et al, 2010.Spatial disparity of NDVI response in vegetation growing season to climate change in the Three-River Headwaters Region[J].Ecology and Environment19(6): 1284-1289.DOI: 10.16258/j.cnki.1674-5906(2010)06-1284-06 .

戴永久, 2020.陆面过程模式研发中的问题[J].大气科学学报43(1): 33-38.DOI: 10.13878/j.cnki.dqkxxb.20200103006.Dai Y J , 2020.Issues in research and development of land surface process model[J].Transactions of Atmospheric Sciences, 43(1): 33-38.DOI: 10. 13878/j.cnki.dqkxxb.20200103006 .

戴永久, 曾庆存, 1996.陆面过程研究[J].水科学进展7(S1): 40-53.

Dai Y J Zeng Q C1996.Study on Land Surface Process[J].Advances in Water Science7(S1): 40-53.

付春伟, 胡泽勇, 卢珊, 等, 2022.基于CLM4.5模式的季节冻土区土壤参数化方案的模拟研究[J].高原气象41(1): 93-106.DOI: 10.7522/j.issn.1000-0534.2021.00050.Fu C W

Hu Z Y Lu S, et al, 2022.A simulation study on soil parameterization scheme of seasonally frozen ground regions based on CLM4.5[J].Plateau Meteorology41(1): 93-106.DOI: 10.7522/j.issn.1000-0534.2021.00050 .

洪涛, 梁四海, 孙禹, 等, 2013.黄河源区多年冻土热传导系数影响因素分析及其在活动层厚度模拟中的应用[J].冰川冻土35(4): 824-833.DOI: 10.7522/j.issn.1000-0240.2013.0093.Hong T

Liang S H Sun Y, et al, 2013.Analyzing the factors that impact on the heat conductivity coefficient and applying them to simulate the depth of permafrost active layer in the headwaters of the Yellow River[J].Journal of Glaciology and Geocryology35(4): 824-833.DOI: 10.7522/j.issn.1000-0240.2013.0093 .

金会军, 王绍令, 吕兰芝, 等, 2010.黄河源区冻土特征研究[J].冰川冻土32(1): 10-17.DOI: 10.7522/j.issn.1000-0240.2010.0002.Jin H J

Wang S L L Z, et al, 2010.Research on the characteristics of frozen soil in the source region of the Yellow River[J].Journal of Glaciology and Geocryology32(1): 10-17.DOI: 10.7522/j.issn.1000-0240.2010.0002 .

李静, 盛煜, 吴吉春, 等, 2016.黄河源区冻土分布制图及其热稳定性特征模拟[J].地理科学36(4): 588-596.DOI: 10.13249/j.cnki.sgs.2016.04.013.Li J

Sheng Y Wu J C, et al, 2016.Mapping Frozen Soil Distribution and Modeling Permafrost Stability in the Source Area of the Yellow River[J].Scientia Geographica Sinica36(4): 588-596.DOI: 10.13249/j.cnki.sgs.2016.04.013 .

李开明, 李绚, 王翠云, 等, 2013.黄河源区气候变化的环境效应研究[J].冰川冻土35(5): 1183-1192.DOI: 10.7522/j.issn.1000-0240.2013.0133.Li K M

Li X Wang C Y, et al, 2013.Research on the environmental effect caused by climate change in the source region of the Yellow River[J].Journal of Glaciology and Geocryology35(5): 1183-1192.DOI: 10.7522/j.issn.1000-0240.2013.0133 .

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 transport with different vertical discretization schemes BCC_AVIM land surface model[J].Plateau Meteorology43(2): 303-317.DOI: 10.7522/j.issn.1000-0534.2023.00063 .

柳媛普, 吕世华, 李锁锁, 等, 2007.近几十年黄河源区气候与植被变化及相关分析[J].高原气象26(5): 1045-1051.

Liu Y P S H Li S S, et al, 2007.Changes and relation analyses of climate and vegetation in the source region of Yellow River in recent several decade years[J].Plateau Meteorology26(5): 1045-1051.

罗琪, 文军, 王欣, 等, 2017.黄河源高寒湿地-大气间水热和碳交换通量日变化特征的观测分析[J].高原气象36(3): 667-674.DOI: 10.7522/j.issn.1000-0534.2016.00062.Luo Q

Wen J Wang X, et al, 2017.Analysis of the diurnal characteristics of water and heat & CO2 exchanges at the alpine wetland in the source region of the Yellow River[J].Plateau Meteorology36(3): 667-674.DOI: 10.7522/j.issn.1000-0534.2016.00062 .

马柱国, 2005.黄河径流量的历史演变规律及成因[J].地球物理学报48(6): 1270-1275.

Ma Z G2005.Historical regular patterns of the discharge in the Yellow River and the cause of their formation[J].Chinese Journal of Geophysics48(6): 1270-1275.

马柱国, 符淙斌, 周天军, 等, 2020.黄河流域气候与水文变化的现状及思考[J].中国科学院院刊35(1): 52-60.DOI: 10.16418/j.issn.1000-3045.20191223002.Ma Z G

Fu C B Zhou T J, et al, 2020.Status and ponder of climate and hydrology changes in the Yellow River Basin[J].Bulletin of Chinese Academy of Sciences35(1): 52-60.DOI: 10.16418/j.issn.1000-3045.20191223002 .

屈长良, 2019.1959-2018年黄河源头玛多地区气温变化特征及趋势分析[J].青海气象(2): 25-29.Qu C L, 2019.Analysis of temperature changes and trends in the Maduo region at the source of the Yellow River from 1959 to 2018[J].Journal of Qinghai Meteorology(2): 25-29.

宋耀明, 范轶, 马天娇, 2014.陆面过程模式CLM4.5在半干旱区退化草原站的模拟性能评估[J].大气科学学报37(6): 794-803.DOI: 10.13878/j.cnki.dqkxxb.20140105001.Song Y M

Fan Y Ma T J2014.Evaluation of simulation performance of land surface model NCAR_CLM4.5 at a degrated grassland station in semi-arid area[J].Transactions of Atmospheric Sciences37(6): 794-803.DOI: 10.13878/j.cnki.dqkxxb.20140105001 .

苏有琦, 张宇, 宋敏红, 等, 2020.基于实测土壤属性CLM4.5对青藏高原高寒草甸模拟性能的评估[J].高原气象39(6): 1295-1308.DOI: 10.7522/j.issn.1000-0534.2019.000136.Su Y Q

Zhang Y Song M H, et al, 2020.Evaluation of simulated performance of CLM4.5 in alpine meadow over the Qinghai-Xizang Plateau based on Measured soil properties[J].Plateau Meteorology39(6): 1295-1308.DOI: 10.7522/j.issn.1000-0534.2019.000136 .

王澄海, 董文杰, 韦志刚, 2002.陆面模式中土壤冻融过程参数化研究进展[J].地球科学进展2002(1): 44-52.

Wang C H Dong W J Wei Z G2002.The development of study on the soil freezing-thaw process in land surface model[J].Advances in Earth Science, 2002(1): 44-52.

武月月, 文军, 王作亮, 等, 2022.黄河源高寒草原下垫面土壤冻融过程中陆-气间的水热交换特征分析[J].高原气象41(1): 132-142.DOI: 10.7522/j.issn.1000-0534.2021.00014.Wu Y Y

Wen J Wang Z L, et al, 2022.The characteristics of land-atmospheric water and heat exchange during soil freezing-thawing process over the underlying surface of the alpine grassland in the source region of the Yellow River[J].Plateau Meteorology41(1): 132-142.DOI: 10.7522/j.issn.1000-0534.2021.00014 .

闫旭春, 吴晓东, 吕雅琼, 等, 2023.CLM5.0对阿拉斯加多年冻土区土壤温度和碳循环模拟的适用性评估[J].冰川冻土45(3): 902-914.DOI: 10.7522/j.issn.1000-0240.2023.0068.Yan X C

Wu X D Y Q, et al, 2023.Applicability evaluation of CLM5.0 in simulating soil temperature and carbon cycle in Alaskan permafrost region[J].Journal of Glaciology and Geocryology45(3): 902-914.DOI: 10.7522/j.issn.1000-0240.2023.0068 .

杨梅学, 姚檀栋, 何元庆, 等, 2002.藏北高原地气之间的水分循环[J].地理科学22(1): 29-33.DOI: 10.13249/j.cnki.sgs.2002.01.29.Yang M X

Yao T D He Y Q, et al, 2002.The water cycles between land surface and atmosphere in northern part of Tibetan Plateau[J].Scientia Geographica Sinica22(1): 29-33.DOI: 10.13249/j.cnki.sgs.2002.01.29 .

曾璇, 张兰慧, 白旭亮, 等, 2023.CLM5.0对干旱环境中高寒山区土壤温度模拟的适用性评估[J].干旱气象41(3): 368-379.DOI: 10.11755/j.issn.1006-7639(2023)-03-0368.Zeng X

Zhang L H Bai X L, et al, 2023.Evaluation of CLM 5.0 on simulating soil temperature in alpine mountainous area in arid environment[J].Journal of Arid Meteorology41(3): 368-379.DOI: 10.11755/j.issn.1006-7639(2023)-03-0368 .

张戈, 赖欣, 刘康, 2023.黄河源区玛曲土壤冻融过程中地表水热交换特征分析[J].高原气象42(3): 575-589.DOI: 10.7522/j.issn.1000-0534.2022.00083.Zhang G

Lai X Liu K2023.Characteristics of surface water and heat exchange during soil freezing and thawing of Maqu Station in the source area of the Yellow River[J].Plateau Meteorology42(3): 575-589.DOI: 10.7522/j.issn.1000-0534.2022.00083 .

张寅生, 马颖钊, 张艳林, 等, 2015.青藏高原坡面尺度冻融循环与水热条件空间分布[J].科学通报60(7): 664-673.DOI: 10.1360/N972014-00313.Zhang Y S

Ma Y Z Zhang U L, et al, 2015.Hillslope patterns in thaw-freeze cycle and hydrothermal regimes on Tibetan Plateau[J].Chinese Science Bulletin60(7): 664-673.DOI: 10.1360/N972014-00313 .

张子涵, 王学佳, 杨梅学, 等, 2023.黄河上游水源涵养区近60年关键气候要素的时空变化[J].高原气象42(6): 1372-1385.DOI: 10.7522/j.issn.1000-0534.2023.00011.Zhang Z H

Wang X J Yang M X, et al, 2023.Spatio-temporal changes of key climatic elements in the Upper Yellow River Water Conservation Area in recent 60 years[J].Plateau Meteorology42(6): 1372-1385.DOI: 10.7522/j.issn.1000-0534.2023.00011 .

周余华, 叶伯生, 胡和平, 2005.土壤冻融条件下的陆面过程研究综述[J].水科学进展16(6): 887-891.

Zhou Y H Ye B S Hu H P2005.Review of the study on land surface process in soil freezing and thawing[J].Advances in Water Science16(6): 887-891.

文章导航

/