Plateau Meteorology

Plateau Meteorology >

2020 , Vol. 39 >Issue 1: 1 - 14

DOI: https://doi.org/10.7522/j.issn.1000-0534.2019.00009

Assessment of Freeze-thaw Process Simulation in Qinghai-Tibetan Plateau by Different Parameterization Schemes based on Noah-MP Land Surface Model

  • Huolin LIU , 1, 2, 3 ,
  • Zeyong HU , 1, 4 ,
  • Geng HAN 3 ,
  • Changchun PEI 3
Expand
  • 1. Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Regions, Northwest Institute of Eco-Environment Resources, Chinese Academy of Sciences, Lanzhou 730000, Gansu, China
  • 2. Xiamen Jimei Meteorological Bureau, Xiamen 361000, Fujian, China
  • 3. Quanzhou Meteorological Bureau of Fujian province, Quanzhou 362000, Fujian, China
  • 4. Chinese Academy of Sciences Center for Excellence in Tibetan Plateau Earth Sciences, Beijing 100101, China

Received date: 2018-07-11

  Revised date: 2019-01-18

  Online published: 2020-02-28

Fold

Highlights

Considering the large simulation bias of the freezing-thawing process from land surface models, an comparative analysis of the freeze-thaw process parameterization schemes based on Noah-MP land surface model are carried out and the simulations of different freeze-thaw process parameterization schemes are verified by observation data. Results show that the Noah-MP land surface model can capture the characteristics of freezing-thawing process. The freeze-thaw process simulation is quite sensitive to the freeze-thaw parameterization scheme. From the freezing phase to the melting phase, the simulated values of the four experimental groups are significantly different. Before the freezing phase and after the melting phase, the simulated values of the four experimental groups are quite consistent.Compared with the super cooled liquid water parameterization scheme, the frozen soil permeability parameterization scheme is more sensitive to the simulation of soil temperature during freezing-thawing period. Different super cooled liquid water parameterization schemes can cause large differences in simulated soil moisture.The simulation of surface energy flux is quite sensitive to the freeze-thaw parameterization scheme.There are significant differences in the simulation values of the surface energy flux by four tests during freezing phase, freezing stability phase and melting phase.

Cite this article

Huolin LIU , Zeyong HU , Geng HAN , Changchun PEI . Assessment of Freeze-thaw Process Simulation in Qinghai-Tibetan Plateau by Different Parameterization Schemes based on Noah-MP Land Surface Model[J]. Plateau Meteorology, 2020 , 39(1) : 1 -14 . DOI: 10.7522/j.issn.1000-0534.2019.00009

1 引言

青藏高原（下称高原）平均海拔在4000 m以上, 是全球气候变化的敏感区域, 被认为是“全球气候变化的驱动器与放大器”（潘保田等, 1996; Cheng et al, 2007）。高原表层广泛分布的季节性冻土和多年冻土, 对高原与大气之间的能量循环与水分循环产生深远影响（刘双等, 2018; 李燕等, 2018; 王奕丹等, 2019）, 同时对高寒生态（Jorgenson et al, 2001）、 水文径流（Wang et al, 2009）、 寒区工程（吴青柏等, 2013）等产生直接或间接的影响, 使其成为陆气相互作用研究的重点问题之一。
野外站点观测、 遥感技术和数值模拟是研究高原冻融过程的主要方法, 不少研究者利用野外观测资料分析了高原冻融循环及地表水热特征（杨梅学等, 2006; 杨淑华等, 2018; 姚闯等, 2019）, 但高原地域辽阔且下垫面复杂, 冻融过程具有显著空间差异性, 稀疏的观测站点资料难于真实的反映出高原冻融过程和陆气间水热交换特征。近年来, 遥感技术和数值模式的发展为大尺度冻融过程研究提供了契机, 然而大量的研究表明遥感反演产品分辨率和精确度较低, 且只能获取表层冻土的水热特征（Jackson et al, 1996; Li et al, 2012）。数值模拟是当前研究高原冻融过程的热门方法, 不少学者利用数值模式对高原冻融过程进行了数值模拟, 再现了高原冻融过程及陆气间水热交换特征（陈渤黎等, 2014; 孙少波等, 2017）。部分学者的研究表明冻融过程模拟对冻融参数化方案相当敏感（Luo et al, 2009; 夏坤等, 2011; 李震坤等, 2011; 熊建胜等, 2014）, 冻融参数化方案的优劣直接关系到模拟结果的好坏, 对数值模式冻融参数化方案进行评估具有重要意义。
冻土中部分液态水仍未冻结成冰, 称为过冷水。Noah-MP模式中计算过冷水含量的参数化方案有NYSW方案（Niu et al, 2006）和KorenSW方案（Koren et al, 1999）。冰对冻土中液态水的传输具有拦截效应, Noah-MP模式中计算冻土渗透率的参数化方案有NYPM方案（Niu et al, 2006）和KorenPM方案（Koren et al, 1999）。不同过冷水参数化方案与冻土渗透率参数化方案在高原的表现还有待评估, 本文基于Noah-MP模式评估过冷水参数化方案和冻土渗透率参数化方案在高原的适应性, 为冻融过程参数化方案的选取以及优化改进提供一定的参考依据。

2 资料来源及模式介绍

2.1　资料来源

观测资料来源于中国科学院那曲高寒气候与环境观测研究站, 该站简称“BJ站”。BJ站（91.90°E, 31.37°N）位于唐古拉山脉、 念青唐古拉山脉和冈底斯山脉之间, 海拔为4509 m, 下垫面为高寒草甸, 属于季节性冻土区, 年降水量约400 mm。BJ站的观测设备主要包括一个大气边界层气象观测塔, 一套土壤温湿度观测系统, 一个涡动协方差系统, 观测项目详见表1。
表1 BJ站观测项目

Table1 The observation items of BJ station

观测项目/单位 仪器型号 架设高度或深度
风向/(°) Gill, WindSonic 0.75, 1.5, 3, 6, 12, 24 m
风速/(m·s-1) Gill, WindSonic 0.75, 1.5, 3, 6, 12, 24 m
相对湿度/% Vaisala, HMP155A 0.75, 1.5, 3, 6, 12, 24 m
温度/℃ Vaisala, HMP155A 0.75, 1.5, 3, 6, 12, 24 m
土壤温度/℃ Campbell, 109 -5, -10, -20, -40, -80, -160 cm
土壤液态水含量/% Campbell, CS616 -5, -10, -20, -40, -80, -160 cm
土壤热通量/(W·m-2) Hukeflux, HPF01 -5, -10 cm

降水/mm

总辐射/(W·m-2)

Geonor, T-200B

Kipp & Zonen, CM12

 1.28, 1.58 m
反射辐射/(W·m-2) Kipp & Zonen, CM12 1.28, 1.58 m
天空长波辐射/(W·m-2) Eppley, PIR 1.28, 1.58 m
地面长波辐射/(W·m-2) Eppley, PIR 1.28, 1.58 m
大气压/hPa Vaisala, CS105 2 m
三维风速/(m·s-1) Campbell, CSAT3 3.02 m
温度Ta/K Campbell, CSAT3 3.02 m
水汽通量/(mg·m-3) LI-COR, LI7500 3.02 m

2.2　模式介绍

Noah-MP陆面模式是在Noah-LSM陆面模式（Mahrt et al, 1984; Chen et al, 1996）的基础上发展而来的。Noah-MP模式主要的改进部分有: 引入植被冠层, 单独计算植被冠层对地表能量和水分平衡的影响; 修正了二流近似方案中植被冠层空隙引起的辐射传输误差; 增加了基于积雪模型的三层雪层方案; 把冻土分为可渗透性部分和不可渗透性部分, 更好的描述了冻土的渗透性; 增加了基于径流方案的地下水模型。此外, Noah-MP模式可以对辐射传输方案、 气孔阻抗参数化方案、 冻土渗透率参数化方案、 冻土过冷水参数化方案、 积雪反照率参数化方案等进行选择(Niu et al, 2011; Yang et al, 2011)。

2.3　评价方法介绍

采用统计方法评估模式的模拟效果, 分别是平均偏差（ M B E）, M B E表示模拟值与观测值之间偏差的大小以及正负情况; 相关系数（ R）, R表示模拟值与观测值变化趋势的一致性; Nash-Sutcliffe效率系数（NS）, NS为1表示模拟值与观测值大小完全一致, NS值越接近1表示模拟效果越好。
M B E = 1 N ∑ i = 1 N x i - y i,
R = ∑ i = 1 N x i - x y i - y ∑ i = 1 N x i - x 2 ∑ i = 1 N y i - y 2 ,
N S = 1 - ∑ i = 1 N x i - y i 2 / ∑ i = 1 N x i - x 2,
式中: x i为观测值; y i为模拟值; x为观测值的平均; y为模拟值的平均; Ν为样本量。

3 冻融过程参数化方案介绍

3.1　土壤热传导方程

Noah-MP模式利用热传导方程对土壤温度进行计算:
C ∂ T ∂ t = ∂ ∂ z Κ T ∂ T ∂ z,
式中: T为土壤温度; C为土壤的热容量; Κ T为热传导率。
C = θ l i q C l i q + 1 - θ s a t C s o i l + θ s a t - θ C a i r + θ i c e C i c e,
式中: C l i q为水的体积热容量; C s o i l为土壤的体积热容量; C a i r为空气的体积热容量; C i c e为冰的体积热容量; θ s a t为土壤孔隙度; θ为土壤体积含水量; θ l i q为土壤体积含液态水量; θ i c e为土壤体积含冰量。
土壤热传导率 Κ T采用的是Johansen方案, 计算公式为:
Κ T = Κ e Κ s a t - Κ d r y + Κ d r y,
式中: Κ e为克斯滕数; Κ s a t为饱和土壤的热传导率; Κ d r y为干土壤的热传导率; Κ s a t和 Κ d r y的计算公式如下:
Κ s a t = Κ s l d ( 1 - θ s a t ) Κ i c e θ s a t - θ u f , s a t Κ l i q θ u f , s a t,
Κ d r y = 0.135 ρ d r y + 64.7 2700 - 0.947 ρ d r y,
式中: ρ d r y为干土壤的体积密度; Κ s l d 、 Κ i c e 、 Κ l i q分别为土壤基质、 冰、 水的热传导率; θ u f , s a t表示液态水的百分比与土壤孔隙度 θ s a t的乘积。

3.2　土壤水运动方程

Noah-MP模式利用Richards方程描述土壤水分传输过程, 计算公式为:
∂ θ ∂ t = ∂ ∂ z D ∂ θ ∂ z + ∂ Κ θ ∂ z + P - R - E,
式中: D和 Κ θ分别为土壤的扩散率和导水率; θ为土壤体积含水量; P表示降水; R表示径流; E表示蒸发; 土壤的扩散率 D与土壤含水量及土壤质地等有关, 模式中采用经验公式计算土壤的扩散率, 土壤导水率 Κ θ与土壤基质势 ψ的计算采用Clapp-Hornberger经验公式:
D = Κ θ ∂ ψ ∂ θ,
Κ θ = Κ θ , s a t θ θ s a t 2 b + 3,
ψ =       ψ s a t θ θ s a t - b    ,         T > T f r z 10 3 L f ( T - T f r z ) g T    ,     T ≤ T f r z
式中: θ s a t为饱和土壤体积含水量; Κ θ , s a t为饱和土壤导水率; ψ s a t为饱和土壤基质势; b为一个曲线拟合参数; L f为融化潜热; g为重力加速度; T f r z为水的冰点。

3.3　过冷水参数化方案

冻土中部分液态水仍未冻结成冰, 称为过冷水, Noah-MP模式计算过冷水含量的方法包括NYSW方案和KorenSW方案。
NYSW方案计算公式为:
ψ = 10 3 L f ( T - T f r z ) g T T ≤ T f r z,
当温度为 T f r z时, 假设 ψ （ T ） = ψ （ θ l i q ）, 可以求得冻土的最大过冷水含量 θ l i q , m a x,
θ l i q , m a x = θ s a t 10 3 L f T - T f r z g T ψ s a t - 1 b,
式中: θ l i q , m a x为最大过冷水含量; T为土壤温度; T f r z为水的冰点; L f为融化潜热; g为重力加速度; ψ土壤基质势; θ s a t为土壤孔隙度。
当土壤温度低于 T f r z且土壤液态水含量大于 θ l i q , m a x时, 土壤中大于 θ l i q , m a x部分的液态水将冻结成冰。
KorenSW方案计算公式为:
如果 T ≤ T f r z, 那么
θ l i q = θ,
θ i c e = θ - θ l i q,
式中: θ i c e为最初假设的含冰量; θ l i q为土壤液态水含量; θ为土壤体积含水量; 土壤导水率 Κ θ及土壤含冰量 θ ' i c e迭代计算公式为:
Κ θ = l n g ψ s a t L f 1 + C k θ i c e 2 θ s a t θ - θ i c e b - l n - T - T f r z T,
D n o m = 2 C k 1 + C k θ i c e + b θ - θ i c e,
θ ' i c e = θ - 0.02    ,   θ i c e - Κ θ D n o m > θ - 0.02 0    , θ i c e - Κ θ D n o m > 0 θ i c e - Κ θ D n o m    , o t h e r w i s e
式中: θ ' i c e为每次迭代中的含冰量; 当 θ ' i c e - θ i c e ≤ 0.005时, 则不再进行迭代, 如果迭代超过10次, 那么运用显示方法进行求解, Flerchinger显示解（Flerchinger et al, 1989）计算公式为:
θ l i q = θ s a t 10 3 L f g ψ s a t T - T f r z T - 1 b.

3.4　冻土渗透参数化方案

Noah-MP模式计算冻土渗透率参数化方案有NYPM方案和KorenPM方案。NYPM方案认为冻土渗透率主要受冻土的孔隙度和含冰量影响, 把冻土分为可渗透部分和不可渗透部分并假设这两部分对冻土的渗透作用是可以线性叠加, 基于上述假设NYPM方案冻土的水汽通量 q计算公式为:
q = 1 - F f r z q u + F f r z q f r z,
式中: F f r z为不可渗透部分比例; q u和 q f r z分别为可渗透部分和不可渗透部分的水汽通量。假设不可渗透部分的水汽通量 q f r z = 0, 则可以得到:
q = 1 - F f r z q u = 1 - F f r z K u ∂ （ ψ u + z ） ∂ z,
式中: K u和 ψ u是可渗透部分土壤的导水率和土壤基质势。对于不可渗透部分的比例 F f r z是根据土壤的含冰量的比例进行计算的:
F f r z = e - α （ 1 - θ i c e / θ s a t ） - e - α,
KorenPM方案未把冻土分为可渗透部分和不可渗透部分, KorenPM方案水汽通量 q计算公式为:
q = K θ ∂ （ ψ + z ） ∂ z,
式中: ψ为冻土的土壤基质势; Κ θ为冻土导水率。

4 实验设计及结果分析

Noah-MP模式对于多个物理过程提供了不同的参数化方案供选择, 对于冠层气孔阻抗、 感热输送系数、 辐射传输等物理过程参数化方案采用默认方案。针对过冷水参数化方案及冻土渗透参数化方案在高原的适用性评估, 采用相同的驱动资料进行4组试验, 根据模拟的土壤温度、 土壤液态水含量、 地表感热通量、 潜热通量等物理量评估4组试验的模拟效果。

4.1　土壤温度对比分析

为分析温度模拟对冻融参数化方案的敏感性, 图1对比了2013年9月1日到2014年9月1日4组试验模拟的土壤温度值与观测值的差异。结果表明, 4组试验夏季土壤温度的模拟偏差均较小, 冬季土壤温度的模拟偏差均较大, 夏季土壤温度的模拟结果均好于冬季, 浅层土壤温度的模拟效果好于深层。此外, 土壤温度模拟偏差在10 cm处先开始迅速增大, 然后向深层传递, 同样土壤温度模拟偏差的迅速减小也是最先从10 cm处开始, 随后40 cm处和80 cm处的土壤温度模拟偏差才开始明显减小。
图1 四组试验模拟的各层土壤温度与观测值的比较

Fig.1 Comparisons between simulated and observed soil temperature at different depths by four tests

4组试验冻融期间土壤日平均温度模拟值与观测值之间的统计如表3所示（统计时间为2013年10月15日至2014年5月15日）。统计分析结果表明, 在10 cm处4组试验模拟的土壤温度误差较小, 偏差仅为-1.56~-1.42 ℃, 相关系数达0.96~0.97, 模式效率系数NS为0.75~0.79。相对于10 cm处, 4组试验土壤温度的模拟偏差在40 cm和80 cm处较大, 且偏差随着土壤深度的增大而增大, 同时相关系数和模式效率系数也随着土壤深度的增大而减小, 表明土壤从冻结阶段到融化阶段期间, 浅层土壤温度的模拟效果要好于深层土壤。
表2 试验方案设计

Table 2 Description of experiments

试验 冻土过冷水参数化方案 冻土渗透参数化方案
试验1 KorenSW KorenPM
试验2 KorenSW NYPM
试验3 NYSW KorenPM
试验4 NYSW NYPM
表3 四组试验模拟的各层日平均土壤温度统计评估量

Table 3 Statistical evaluations for simulated soil temperature at different depths by four tests

土壤深度/cm 过冷水参数化方案 渗透参数化方案 MBE/℃ R NS
10 KorenSW KorenPM -1.56 0.97* 0.76
10 KorenSW NYPM -1.56 0.96* 0.75
10 NYSW KorenPM -1.48 0.97* 0.79
10 NYSW NYPM -1.42 0.96* 0.77
40 KorenSW KorenPM -2.23 0.94* 0.27
40 KorenSW NYPM -1.85 0.93* 0.44
40 NYSW KorenPM -2.24 0.94* 0.27
40 NYSW NYPM -1.69 0.93* 0.52
80 KorenSW KorenPM -2.58 0.90* -0.25
80 KorenSW NYPM -1.91 0.91* 0.29
80 NYSW KorenPM -2.58 0.90* -0.28
80 NYSW NYPM -1.71 0.91* 0.41

*表示达到0.01显著性水平

从偏差方面看, 无论是浅层土壤还是深层土壤, 试验4的土壤温度模拟偏差均是最小。从相关系数方面看, 4组试验较为接近, 最大差异仅为0.01。从模式效率系数来看, 试验4在40 cm处和80 cm处明显高于其余3组试验。总体而言, 试验4土壤温度的模拟效果最优。
此外, 夏季土壤温度的模拟并未启动过冷水和冻土渗透参数化方案, 4组试验本质是相同的, 模拟的土壤温度一致, 冬季4组试验模拟的土壤温度差异显著, 表明土壤温度的模拟对冻融参数化方案相当敏感。试验1与试验3土壤温度模拟值差异较小, 相关系数相同, 模式效率系数NS也相当接近, 同样试验2和试验4也具有这样的特点, 表明相对于过冷水参数化方案, 土壤温度的模拟对冻土渗透率参数化方案更为敏感。

4.2　土壤液态水含量对比分析

为评估冻融参数化方案对土壤液态水含量模拟值的影响, 对2013年9月1日到2014年9月1日4组试验模拟的土壤液态水含量与观测值进行检验, 图2对比分析表明, 4组试验均能较好的模拟出土壤液态水含量的变化趋势, 尤其是冻结阶段和融化阶段土壤液态水含量的急剧下降和上升趋势。此外, 夏季土壤液态水含量的模拟不涉及过冷水和冻土渗透率参数化方案, 4组试验模拟的土壤液态水含量一致, 冬季无论是浅层土壤还是深层土壤4组试验模拟的土壤液态水含量的差异显著, 表明土壤液态水含量的模拟对冻融参数化方案相当敏感。
图2 四组试验模拟的各层土壤液态水含量与观测值的比较

Fig.2 Comparisons between simulated and observed soil liquid water at different depths by four tests

此外, 无论是浅层土壤还是深层土壤试验1和试验3模拟的土壤液态水含量变化趋势基本一致, 相关系数也较为接近, 同样试验2与试验4模拟的土壤液态水含量也具有这样的特点, 表明冻土渗透率参数化方案的不同会导致模拟的冬季土壤液态水含量变化趋势差异显著。试验1与试验2之间偏差接近, 同样试验3与试验4之间也具有这样的特点, 表明过冷水参数化方案的不同会导致冬季模拟的土壤液态水含量差异显著。
表4给出了4组试验模拟的冻融期间日平均土壤液态水含量统计（统计时间为2013年10月15日至2014年5月15日）。在10 cm处4组试验土壤液态水含量的模拟误差较小, 偏差为-1.15%~1.69%, 相关系数为0.81~0.84, 模式效率系数NS为0.52~0.65, 随着土壤深度的增大, 土壤液态水含量的偏差开始增大, 同时模式效率系数NS也开始降低, 表明浅层土壤液态水含量的模拟效果好于深层土壤。
表4 四组试验模拟的各层日平均土壤液态水含量统计

Table 4 Statistical evaluations for simulated soil liquidwater at different depths by four tests

土壤深度/cm 过冷水参数化方案 渗透参数化方案

MBE

/%

 R NS
10 KorenSW KorenPM 1.69 0.84* 0.61
10 KorenSW NYPM 0.32 0.82* 0.65
10 NYSW KorenPM -0.82 0.83* 0.64
10 NYSW NYPM -1.15 0.81* 0.52
40 KorenSW KorenPM 4.53 0.77* -0.27
40 KorenSW NYPM 3.88 0.81* -2.41
40 NYSW KorenPM 2.20 0.77* -1.45
40 NYSW NYPM 2.30 0.82* -1.87
80 KorenSW KorenPM 5.40 0.82* -6.23
80 KorenSW NYPM 5.40 0.91* -5.84
80 NYSW KorenPM 3.39 0.85* -2.88
80 NYSW NYPM 3.75 0.92* -3.11

*表示达到0.01显著性水平

4.3　土壤湿度(土壤液态水含量+含冰量)对比分析

从2013年9月1日到2014年9月1日4组试验模拟的各层土壤湿度模拟值的对比分析（图3）可以得出, 在土壤融化阶段之后到冻结阶段之前, 4组试验模拟的土壤湿度一致, 这是因为在此期间土壤冻融参数化方案并未被启用, 4组试验本质是相同的, 而从冻结阶段到融化阶段4组试验模拟的土壤湿度差异显著, 表明土壤湿度的模拟对冻融参数化方案相当敏感。从冻结阶段到融化阶段试验1和试验3模拟的土壤湿度均呈现先增大后减小的显著变化趋势, 在10 cm处尤为显著, 土壤湿度在冻结阶段迅速增大, 融化阶段迅速减小, 而试验2与试验4模拟的土壤湿度变化幅度较小。试验2与试验4模拟的土壤湿度大小接近, 相关系数高达0.99。同样试验1与试验3之间的土壤湿度模拟值差异也较小。相对于过冷水参数化方案, 冻土渗透率参数化方案对土壤湿度的模拟更为敏感。
图3 4组试验模拟的各层土壤湿度的对比

Fig.3 Comparisons simulated soil moisture at different depths by four tests

4.4　土壤温度与液态水含量日变化对比分析

土壤温度和液态水含量是检验陆面模式模拟效果的重要物理量, 基于4组试验土壤温度与液态水含量日变化模拟值的分析, 选取2013年8月15—22日代表夏季, 2014年1月15—22日代表冬季, 图4对比结果表明, 夏季4组试验模拟值完全一致, 冬季4组试验模拟值存在显著差异。夏季过冷水参数化方案与冻土渗透率参数化方案并未启用, 4组试验物理参数化方案相同, 模拟结果一致。冬季受过冷水参数化方案与土壤渗透率参数化方案不同影响, 模拟的土壤冰含量差异显著, 导致土壤热容、 土壤热传导率等存在差异, 进而导致4组试验模拟的冬季土壤温度差异显著。冬季试验2与试验4模拟的土壤温度变化趋势相似, 试验4模拟的土壤温度高于试验2且随着土壤深度的加深更加显著, 试验1与试验3模拟的土壤温度变化趋势相似, 试验3模拟的土壤温度高于试验1且随着土壤深度的加深更显著。相对于过冷水参数化方案, 冻土渗透率参数化方案不同导致的土壤温度模拟值差异更为显著。
图4 四组试验模拟的夏季和冬季各层土壤温度日变化与观测值的比较

Fig.4 Comparisons between simulated and observed daily variation soil temperatureat different depths in summer and winter by four tests

4组试验液态水含量的模拟差异如图5所示, 夏季过冷水参数化方案与冻土渗透率参数化方案并未启用, 4组试验模拟值完全一致, 冬季4组试验模拟值存在显著差异, 表明土壤液态水含量的模拟对冻融参数化方案相当的敏感。夏季10 cm处和40 cm处模拟的土壤液态水含量均偏高, 10 cm处偏高较为明显。夏季土壤液态水含量模拟值偏差较大的原因涉及多方面, 包括土壤物理性质的差异引起的, 模式假设土壤是均匀的砂壤土, 然而实际土壤并不是均匀的砂壤土, 浅层土壤含有大量的有机质及植物根系, 导致土壤孔隙度、 土壤导水率等偏差较大, 从而导致模拟的土壤液态水含量偏差较大。冬季无论是10 cm处还是40 cm处, 4组试验土壤液态水含量模拟值差异明显, 模拟值从大到小依次为试验1、 试验2、 试验3、 试验4, Koren方案的模拟值要大于NY方案。冬季10 cm处, 试验1和试验2模拟值偏高, 试验3和试验4模拟值偏低, 试验2和试验3与观测值最为接近; 冬季40 cm处, 4组试验模拟的土壤液态水含量值均不同程度的偏高, 试验3和试验4与观测值较为接近。
图5 四组试验模拟的夏季和冬季各层土壤液态水含量日变化与观测值的比较

Fig.5 Comparisons between simulated and observed daily variation soil liquid waterat different depths in summer and winter by four tests

4.5　地表能量通量对比分析

为进一步分析地表能量通量模拟对冻融参数化方案的敏感性, 对比不同阶段4组试验模拟的地表能量通量与观测值的偏差如图6,7,8年11月1 -5日代表冻结阶段(图6), 2013年12月24 -28日代表冻结稳定阶段(图7), 2014年3月25 -29日代表融化阶段(图8), 分析表明在冻结阶段和融化阶段4组试验模拟的净辐射基本一致。冻结稳定阶段4组试验模拟的净辐射差异显著, 尤其是白天峰值处最大偏差可达50 W·m-2。4组试验地表反照率参数化方案相同的, 4组试验模拟的地表温度差异引起的地面长波辐射不同是导致4组试验模拟的净辐射差异显著的原因。
图6 冻结阶段4组试验模拟的地表能量通量与观测值的比较

Fig.6 Comparisons between simulated and observed the surface energy flux by four tests during freezing phase

图7 冻结稳定阶段4组试验模拟的地表能量通量与观测值的比较

Fig.7 Comparisons between simulated and observed the surface energy flux by four tests during freezing stability phase

图8 融化阶段四组试验模拟的地表能量通量与观测值的比较

Fig.8 Comparisons between simulated and observed the surface energy flux by four tests during melting phase

三个不同阶段4组试验模拟的土壤热通量均是白天偏大, 夜间偏小, 这是由于这三个阶段模拟的土壤温度均明显低于观测值, 导致大气与土壤之间温度梯度偏大, 进而导致模拟的土壤热通量白天偏大, 夜间偏小。冻结阶段和融化阶段4组试验模拟的土壤热通量差异显著, 尤其是白天峰值处4组试验之间最大偏差超过50 W·m-2, 试验1和试验3模拟的土壤热通量变化趋势基本一致, 同样试验2与试验4模拟的土壤热通量也具有这样的特点, 表明冻土渗透率参数化方案的不同会导致模拟的土壤热通量变化趋势差异显著。此外, 冻结阶段和融化阶段试验1和试验3模拟的土壤热通量效果要明显好于试验2与试验4。
三个不同阶段4组试验模拟的感热通量均存在明显的差异, 冻结阶段及融化阶段4组试验模拟的感热通量均明显大于观测值, 尤其是白天峰值处。冻结稳定阶段4组试验模拟的感热通量均明显小于观测值。在冻结过程和冻结稳定阶段, 试验2与试验4模拟的感热通量基本一致, 试验1与试验3之间也具有类似的特征, 表明感热通量的模拟对冻土渗透参数化方案更为敏感。
冻结稳定阶段4组试验模拟的潜热通量差异较小且明显大于观测值, 而冻结阶段和融化阶段4组试验模拟的潜热通量差异较为明显且均小于观测值, 白天峰值处最大偏差可达50 W·m-2。试验2与试验4模拟的潜热通量基本一致, 而试验1与试验3潜热通量模拟值存在较大差距, 表明冻土渗透率参数化方案选取NYPM方案, 潜热通量的模拟对过冷水参数化方案不敏感, 而冻土渗透率参数化方案选取KorenPM方案时, 过冷水方案的差异能引起模拟的潜热通量差异显著。

5 结论与讨论

基于Noah-MP模式对青藏高原冻融过程进行数值模拟, 并利用观测资料对4组试验的模拟结果进行评估, 得到以下几点结论:
（1） Noah-MP模式能够较好地模拟出青藏高原BJ站土壤冻融过程特征, 但模拟的土壤温度、 土壤液态水含量、 地表能量通量等物理量与观测值存在一定的偏差, 尤其是土壤液态水含量与观测值存在较大偏差。
（2） 冻融过程模拟对冻融参数化方案相当敏感, 冻结阶段到融化阶段期间, 4组试验模拟值差异显著, 冻结阶段之前及融化阶段之后, 4组试验模拟值相当一致。
（3） 相对于过冷水参数化方案, 冻融过程期间土壤温度的模拟对冻土渗透参数化方案更为敏感。土壤液态水含量大小的模拟对过冷水参数化方案较为敏感, 过冷水参数化方案不同会导致冻融期间土壤液态水含量模拟值差异显著, 土壤液态水含量变化趋势的模拟对冻土渗透率参数化方案更为敏感。
（4） 地表能量通量模拟对冻融参数化方案相当敏感, 4组试验地表能量通量模拟值在冻结阶段、 冻结稳定阶段、 融化阶段均存在显著差异。试验2与试验4模拟的地表能量通量变化趋势及大小较为一致, 试验1与试验3也具有类似的特征, 表明地表能量通量的模拟对冻土渗透参数化方案更为敏感。
本文基于Noah-MP模式研究了青藏高原冻融过程, 评估了过冷水参数化方案和冻土渗透率参数化在青藏高原的适应性, 得到了一些初步的结论, 但仍有不足之处, 4组模拟试验与观测之间的误差以及模拟试验之间的差异还需要深入研究探讨。此外, 本文仅评估了冻融参数化方案在青藏高原的适应性, 优化和发展完善冻融参数化方案仍是提高冻融过程模拟能力的重要方向。

References

Publishing order | Descend order by publishing year | Descend order by cited within
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(D3): 7251-7268. DOI: 10.1029/95JD02165.

Cheng G, Wu T, 2007. Responses of permafrost to climate change and their environmental significance, Qinghai-Tibet Plateau[J]. Journal of Geophysical Research, 112: F02S03. DOI: 10.1029/2006JF000631.

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 American Society of Agricultural Engineers, 32(2): 565-571.

Jackson T, Schmugge J, Engman E, 1996. Remote sensing applications to hydrology: Soil moisture[J]. Hydrological Science, 41(4): 517-530.

Jorgenson M, Racine C, Walters J, al et, 2001. Permafrost degradation and ecological changes associated with a warming climate in central Alaska[J]. Climatic Change, 48(4): 551-579.

Koren V, Schaake J, Mitchell K, al et, 1999. A parameterization of snowpack and frozen ground intended for NCEP weather and climate models[J]. Journal of Geophysical Research: Atmospheres, 104D16):19569-19585.

Li X, Jin R, Pan X, al et, 2012. Changes in the near-surface soil freeze-thaw cycle on the Qinghai-Tibetan Plateau[J]. International Journal of Applied Earth Observation and Geoinformation, 17: 33-42.

Luo S, Lü S, Zhang Y, 2009. Development and validation of the frozen soil parameterization scheme in Common Land Model[J]. Cold Regions Science and Technology, 55(1): 130-140.

Mahrt L, Pan H, 1984. A two-layer model of soil hydrology[J]. Boundary-Layer Meteorology, 29(1): 1-20.

Niu G Y, Yang Z L, 2006. Effects of frozen soil on snowmelt runoff and soil water storage at a continental scale[J]. Journal of Hydrometeorology, 7(5): 937-952.

Niu G Y, Yang Z L, Mitchell K E, al et, 2011. The community Noah land surface model with multiparameterization options (Noah-MP): 1. Model description and evaluation with local-scale measurements[J]. Journal of Geophysical Research: Atmospheres, 116: D12109. DOI: 10.1029/2010JD015139.

Wang G, Hu H, Li T, 2009. The influence of freeze-thaw cycles of active soil layer on surface runoff in a permafrost watershed[J]. Journal of Hydrology, 375(3/4): 438-449.

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. DOI: 10.1029/2010JD015140.

陈渤黎, 罗斯琼, 吕世华, 等, 2014. 陆面模式CLM对若尔盖站冻融期模拟性能的检验与对比[J]. 气候与环境研究, 19(5): 649-658.

李燕, 闫加海, 张冬峰, 2018. 青藏高原冬春积雪异常和中国东部夏季降水关系的诊断与模拟[J]. 高原气象, 37(2): 317-324. DOI: 10.7522/j.issn.1000-0534.2017.00040.

李震坤, 武炳义, 朱伟军, 等, 2011. CLM3.0模式中冻土过程参数化的改进及模拟试验[J]. 气候与环境研究, 16(2): 137-48.

刘双, 谢正辉, 高骏强, 等, 2018. 高寒生态脆弱区冻土碳水循环对气候变化的响应—以甘南州为例[J]. 高原气象, 37(5): 1177-1187. DOI: 10.7522/j.issn.1000-0534.2018.00016.

潘保田, 李吉均, 1996. 青藏高原: 全球气候变化的驱动机与放大器—Ⅲ. 青藏高原隆起对气候变化的影响[J]. 兰州大学学报(自然科学版), 32(1): 108-115.

孙少波, 陈报章, 车涛, 等, 2017. 青藏高原季节性冻土湿度模拟及参数优化—以黑河上游为例[J]. 高原气象, 36(3): 643-656. DOI: 10.7522/j.issn.1000-0534.2016.00059.

王奕丹, 胡泽勇, 孙根厚, 等, 2019. 高原季风特征及其与东亚夏季风关系的研究[J]. 高原气象, 38(3): 518-527. DOI: 10.7522/j.issn.1000-0534.2019.00025.

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.

夏坤, 罗勇, 李伟平, 2011. 青藏高原东北部土壤冻融过程的数值模拟[J].科学通报, 56(22): 1828-1838.

熊建胜, 张宇, 王少影, 等, 2014. CLM4.0土壤水分传输方案改进在青藏高原陆面过程模拟中的效应[J]. 高原气象, 33(2): 323-336. DOI: 10.7522/j.issn.1000-0534.2014.00012.

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.

杨淑华, 吴通华, 李韧, 等, 2018. 青藏高原近地表土壤冻融状况的时空变化特征[J]. 高原气象, 37(1): 43-53. DOI: 10.7522/j.issn.1000-0534.2017.00043.

姚闯, 吕世华, 王婷, 等, 2019. 黄河源区多、 少雪年土壤冻融特征分析[J]. 高原气象, 38(3): 474-483. DOI: 10.7522/j.issn.1000-0534.2018.00142.

Options
Outlines

/

〈 〉

The system is designed and developed by Beijing magtec Technology Development Co., Ltd. with technical support: support@magtech.com.cn