Plateau Meteorology

Plateau Meteorology >

2020 , Vol. 39 >Issue 6: 1219 - 1231

DOI: https://doi.org/10.7522/j.issn.1000-0534.2020.00005

Impact and Sensitivity Analysis of Gravel Parameterization on Simulation of Land Surface Processes on the Qinghai-Xizang Plateau

  • Cuili MA , 1, 2 ,
  • Shihua LÜ , 1, 3 ,
  • Yongjie PAN 4 ,
  • Xuewei FANG 1 ,
  • ZhaoGuo LI 4 ,
  • Ting WANG 5
Expand
  • 1. Chengdu University of Information Technology，Chengdu 610225，Sichuan，China
  • 2. Baotou Meteorological Bureau，Baotou 014030，Inner-Mongolia，China
  • 3. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters，Nanjing University of Information Science and Technology，Nanjing 210044，Jiang su，China
  • 4. Key Laboratory of Land Surface Process & Climate Change in Cold and AridRegions，Northwest Institute of Eco-Environment and Resources，Chinese Academy of Sciences，Lanzhou 730000，Gansu，China
  • 5. Sichuan Meteorological Disaster Prevention Technology Center，Chengdu 610072，Sichuan，China

Received date: 2019-10-22

  Revised date: 2020-02-25

  Online published: 2020-12-28

Fold

Highlights

The gravel parameterization scheme is added to the land surface model CLM4.5， which verifies the applicability of the new scheme in the model and the simulation effect of soil temperature and humidity is better than the original scheme.The simulation of the peak soil temperature and the valley value of soil water content is effectively improved.The new scheme was used to study the effect of different gravel content on the land surface process.The analysis found that the soil thermal conductivity increases with the increase of gravel content， which increases the endothermic （exothermic） heat of the deep soil in summer （winter） and increases （reduces） the simulated value.When the soil water content is large （small）， the soil hydraulic conductivity increases （decreases） with the increase of the gravel content， which causes the simulated value of the soil water content to decrease （increased）.At the same time， the increase of gravel reduces the simulation of deep soil temperature in winter， making more water in the deep layer become ice， further reducing the soil hydraulic conductivity， and causing the simulation of deep soil water content to decrease.Gravel changes the soil hydrothermal process， which affects the surface radiation flux and energy flux.The contribution of different gravel contents in each month was different， and the total contribution showed that the net soil radiation decreased with the increase of gravel content.

Cite this article

Cuili MA , Shihua LÜ , Yongjie PAN , Xuewei FANG , ZhaoGuo LI , Ting WANG . Impact and Sensitivity Analysis of Gravel Parameterization on Simulation of Land Surface Processes on the Qinghai-Xizang Plateau[J]. Plateau Meteorology, 2020 , 39(6) : 1219 -1231 . DOI: 10.7522/j.issn.1000-0534.2020.00005

1 引言

砾石的水热属性与细土完全不同。砾石和碎石块会改变土壤导水路径的曲折度， 减小土壤的过水断面， 增加土壤大孔隙比例等影响到土壤水传输和溶质运移。Coile（1953）首先指出砾石对土壤含水量有一定影响， 砾石本身的含水量总是小于细土的含水量， 但是砾石本身的水分可以成为植物可吸收的有效水分， 考虑砾石时植物能吸收的有效水含量要高于不考虑砾石的情况， 这说明了砾石具有持水性。Epstein et al（1966）指出有砾石的土壤含水量比去除砾石的土壤大。Groenevelt et al（1989）指出砾石在土壤中的不同位置对土壤蒸发的影响也不一样， Kosmas et al（1993）指出当土壤的初始含水量不同时， 蒸发率与砾石含量的关系也各异。马东豪（2008）指出砾石对饱和导水率的影响非单调递增， 而是先增大后减小， 而周蓓蓓等（2009）和任敏（2011）的研究结论正好与马东豪（2008）的相反， 其研究指出随着砾石含量增加， 土石混合体的饱和导水率先减小后增加， 且砾石粒径不同时， 饱和导水率达到最低时砾石含量也有差异。杨艳芬等（2010）的试验结果出现了与上述两种情况不同的的第三种结果， 这可能由于实验所用砾石质地或者细土成分不同引起的， 也可能由于所选计算模型及参数的不同所致。
除上述之外， 砾石对土壤热性质也有重要的影响。Mehuys et al（1975）研究就指出土壤中的砾石会影响土壤温度等物理特性。Li et al（2002）等研究发现， 含砾石土壤的热扩散率要高于细土， 温度的日变化也会更明显的反映到含砾石的土壤中。Chen et al（2012）在研究高原土壤热导率时发现， 在参数化土壤有机质对土壤孔隙度和热参数的影响时， 砾石不可忽略。何玉洁等（2017）采用便携式热导仪测量青藏高原玛多和北麓河两地典型土壤导热率时指出， 砂砾石含量比重多的土壤孔隙度较小， 且砂砾石含量大的土壤在冻结状态下导热率高。
砾石影响了土壤水热属性， 造成土壤间热量和能量的传输变化， 进而影响整个陆面过程， 最终通过感热和潜热影响大气过程（马英赛等， 2019； 栾澜等， 2018； 解晋等， 2018）。作为世界“第三极”， 在全球气候中起重要作用的青藏高原， 由于土壤形成过程缓慢， 土壤中砾石含量很高（Arocena et al， 2012）， 并且砾石含量会随着土壤深度的增加逐渐增加（Ohtsuka et al， 2008）。在青藏高原西部荒漠地区砾石含量可达 35%~47%。因此在研究青藏高原陆面过程中， 砾石的作用不可忽略。而青藏高原人迹罕至， 实测资料较少， 且陆面模式中基本没有砾石的作用， 因此目前砾石对青藏高原陆面过程的影响研究较少。本文根据前人的理论经验， 将砾石加入到陆面过程模式中， 利用新的参数化方案， 研究不同砾石含量对青藏高原陆面过程的影响， 这对于加深陆面过程的认知以及提提升砾石参数化方案在陆面模式中的应用均具有重要意义。

2 模式及基础理论介绍

2.1　原模式及土壤水热参数化方案介绍

选用美国国家大气中心（NCAR）研发的陆面过程模式CLM4.5， 该模式是当下发展较为完善并广泛应用于陆面过程研究的模式之一。CLM4.5的土壤水参数化方案是基于Clapp et al（1978）和Cosby et al（1984）的工作。土壤导水率和土壤基质势是土壤质地和土壤含水量的函数， 同时加入了冰对土壤水流动的阻碍作用， 公式如下：
K = Θ i c e K s a t θ θ s a t 2 B i + 3
ψ = ψ s a t θ θ s a t - B i
式中： K是土壤导水率（单位： mm·s-1）； θ ice是土壤中冰对水流的阻碍作用， 是土壤含冰量的函数 Θ i c e = 10 - Ω θ i c e θ s a t； K sat是饱和土壤导水率（单位： mm·s-1）； θ是土壤含水量（单位： mm3·mm-3）； θ sat是饱和土壤含水量（单位： mm3·mm-3）； Bi是可调参数。Ψ是土壤基质势（单位： mm）； Ψ sat是饱和土壤基质势（单位： mm）。
土壤矿物质水特性参数包括了可调参数B min、 矿物质饱和含水量（即孔隙度）θ sat， min（单位： mm3·mm-3）、 矿物质饱和基质势Ψ sat， min（单位： mm）和矿物质土壤饱和导水率K sat， min（单位： mm·s-1）， 表述如下：
θ s a t , m i n = 0.489 - 0.00126 ( % s a n d )
K s a t , m i n = 0.0070556 × 10 - 0.884 + 0.0153 ( % s a n d )
ψ s a t , m i n = - 10.0 × 10 1.88 - 0.0131 ( % s a n d )
B m i n = 2.91 + 0.159 ( % c l a y )
CLM4.5中土壤导热率是基于Farouki（1981）的工作。导热率是土壤质地和土壤饱和度的公式如下：
λ = K e λ s a t + ( 1 - K e ) λ d r y , S r , i > 1 × 10 - 7 λ d r y , S r , i ≤ 1 × 10 - 7
式中： λ是土壤导热率（单位： W·m-1·K-1）； K e是Kersten数； λ sat是土壤饱和导热率（单位： W·m-1·K-1）； λ day是干土壤导热率（单位： W·m-1·K-1）； Sr ， i是土壤饱和度。
土壤矿物质热特性包括土壤矿物质导热率（单位： W·m-1·K-1）、 干土壤矿物质导热率λ dry， min（单位： W·m-1·K-1）、 土壤容重ρ d ， i（单位： kg·m-3）和土壤热熔C s， min（单位： J·m-3·K-1）， 公式如下：
ρ d , i = 2700 ( 1 - θ s a t , i )
c s , m i n = 2.128 ( % s a n d ) + 2.385 ( % c l a y ) ( % s a n d ) + ( % c l a y ) × 10 6
λ s , m i n = 8.80 ( % s a n d ) + 2.92 ( % c l a y ) ( % s a n d ) + ( % c l a y )
λ d r y , m i n = 0.135 ρ d + 64.7 2700 - 0.947 ρ d

2.2　砾石对土壤水热参数影响的基础理论

砾石对土壤水热参数的影响， 已有不少研究。Poesen et al（1994）建立了混合砾石土壤孔隙度的公式如下：
θ s a t , m i n = ( 1 - V g ) θ s a t , f + V g θ s a t , g
式中： θ sat， f是细土孔隙度（单位： mm3·mm-3）， θ sat， g是砾石孔隙度（单位： mm3·mm-3）， V g是砾石体积含量。在本研究中砾石风化程度不高， 其孔隙度很低， 可以忽略不计。θ sat， g设置为零， θ sat， f可以根据细土中砂土含量计算得到。
Peck et al（1979）利用含球形镶嵌物的均匀介质计算得到不含砾石土壤的饱和导水率和含砾石土壤的饱和导水率的关系， 如下：
k s a t , m = k s a t , f 2 ( 1 - V g ) 2 + V g
通常认为砾石的持水能力较低， 但也有研究发现， 砾石风化程度越高， 土壤含水量会越高， 而且土壤含水量低时， 砾石具有一定的持水特性。Cousin et al （2003）也指出如果只考虑砾石容积而忽视其持水特性， 计算的有效水量会低估34%， 渗透量会高估15.8%。因此考虑砾石的持水特性， 将混合土壤基质势公式表述为如下：
Ψ s a t , m = Ψ s a t , f 1 - V g Ψ s a t , g V g
式中： Ψ sat， g是饱和砾石基质势， 根据Pan et al（2015）的估算结果， 将Ψ sat， g设置为-1.3 mm。
但是目前砾石对土壤可调参数B min的影响尚不清楚。本方案采用潘永洁（2015）在CLM4.0中的修改方案， 加入砾石对B min的影响， 将b g设置成6（沙土的孔径分布系数是 3， 粘土是 12）。
B m = b g V g + b f ( 1 - V g )
Russo（1983）提出利用砾石体积含量、 砾石容重和细土容重来计算出含砾石的土壤容重， 即：
ρ b = ρ n ( 1 - V g ) + 2650 V g
式中： ρ n = 2700 × ( 1 - θ s a t , f )， 是细土容重。
由于不同的砾石种类， 其结构和矿物组成不同， 砾石热熔也会不相同。本文参照Pan et al（2015）的结果， 将含砾石土壤的热熔简单地表达为如下公式：
c m = 2.128 V s a n d + 2.385 V c l a y + 2.5 V r o c k V s a n d + V c l a y + V r o c k × 10 6
式中： V sand和V clay是沙和粘土的体积分数。
新方案中土壤导热率采用Chen et al（2012）方案， 主要是将土壤有机质对土壤导热率的影响加入到 Johansen 方案中：
λ s , m i n = λ q f q λ s o c f s o c λ o f o
式中： λ soc=0.25， λ q=7.7和λ o=2.0分别是土壤有机质、 石英和其他矿物质的导热率； f q和f o是石英和其他矿物质的体积分数， 由于缺少观测数据， f q通常设定为砾石和沙和体积分数之和， f o等于粘土和粉土体积分数之和。
新方案中， 矿物质土壤干导热率和Kersten数参考Côté et al（2005）的工作， 表述为：
λ d r y , i = χ × 10 - η θ s a t , m
K e = κ S r 1 + ( κ - 1 ) S r
式中： S r是土壤饱和度（单位： W·m-1·K-1）； χ、 η和 κ（无单位）都是用于计算不同土壤类型的经验参数。本实验中χ和η的值分别为1.70和1.80， 相应的在土壤未冻结时 κ设置为4.6， 冻结时设置为1.7。

3 台站及资料介绍

本文研究站点为青藏高原黄河源区的玛多站（35.02°N， 97.65°E）。该站点海拔为4274 m， 平均气温-3.7 ℃， 年平均降水量321.4 mm， 属于半干旱高寒大陆性气候。地表类型为高寒草原， 土壤粒径较粗， 含有较多的砾石和岩石碎块。本文所用土壤成分含量数据（表1）、 土壤温度和湿度数据和大气强迫场数据（2011年9月至2018年11月温度、 风速、 湿度、 气压、 降水、 向下长短波辐射）均为实测数据。
表1 玛多站土壤成分

Table 1 Soil texture at Maduo site

土层 深度/m 沙土含量/% 黏土含量/% 砾石含量/%
1 0.0175 30.2 30.0 5
2 0.0451 36.47 25.5 5.7
3 0.0906 51.09 14.03 18.14
4 0.1655 49.36 13.59 27.08
5 0.2891 59.05 9.42 26.37
6 0.4929 71.97 2.47 24.54
7 0.8289 64.06 1.82 33.07
8 1.3828 75.56 2.96 20.62
9 2.2961 72.99 3.2 22.73
10 3.8019 63.80 2.95 31.80

4 新方案适用性验证

在陆面模式CLM4.5中加入砾石参数化方案， 模拟2011年9月至2018年11月玛多站土壤温湿度， 前三年做为模式的 sping-up阶段， 模拟值舍去， 分析2014年7月至2018年11月模拟值， 将模拟结果线性差值到实测土壤层， 对比其与实况值的相关系数（R）、 绝对偏差（MAE）、 均方根误差（RMSE）和RMSE观测标准偏差率（RSR）（式21~24）来验证模式的适用性。R越接近1， MAE和RMSE越小， RSR越接近0， 说明模式模拟效果越好。因为土壤温湿度的模拟影响整个陆面过程的模拟， 同时由于缺乏更多可用观测资料， 因此文中仅用土壤温湿度作为模式模拟适用性验证指标。
R = ∑ i = 1 N ( M i - M ¯ ) ( O i - O ¯ ) ∑ i = 1 N ( M i - M ¯ ) 2 ∑ i = 1 N ( O i - O ¯ ) 2
M A E = 1 N ∑ i = 1 N | M i - O i |
R M S E = 1 N ∑ i = 1 N ( M i - O i ) 2
R S R = ∑ i = 1 N ( M i - O i ) 2 ∑ i = 1 N ( O i - O ¯ )

4.1　土壤温度

新方案能够有效地模拟各层土壤温度的变化， 夏季土壤温度的峰值， 冬季的谷值均能很好地模拟（图1）。根据表2统计值显示： 各层土壤模拟值与实况值的相关系数均在0.93以上， 平均为0.971。土壤浅层温度的相关系数高于深层， 20 cm、 40 cm和80 cm相关系数均在0.98以上， 优于其他层次。各层土壤温度的绝对偏差均在1.9以下， 平均绝对误差为1.236， 土壤温度绝对偏差随土壤深度增加而减小， 320 cm层绝对误差最小， 为0.788。各层土壤温度均方根误差均在2.4以下， 平均为1.561， 均方根误差同样随土壤深度增加而减小， 320 cm最小， 为0.967。各层土壤的RSR均在0.42以下， 均接近于0， 平均值为0.263， 最小值为0.2（40 cm）。上述数据表明， 新方案能够在模式中有效模拟土壤温度的变化。
图1 2014年7月至2018年11月玛多站各层土壤温度原方案和新方案模拟数据与实况比较

Fig.1 The simulation data from the original schemes and new schemes of soil temperature at each layer werecompared with the actual situation at Maduo Station from July 2014 to November 2018

表2 玛多站土壤温度原方案和新方案模拟数据与实况比较

Table 2 The simulation data from the original schemes and new schemes of soil temperature are compared with the actual situation at Maduo Station

统计量 方案 5 cm 10 cm 20 cm 40 cm 80 cm 160 cm 320 cm 平均
R 原方案 0.966 0.974 0.977 0.976 0.970 0.916 0.676 0.922
新方案 0.968 0.977 0.982 0.983 0.982 0.970 0.938 0.971
MAE/℃ 原方案 1.891 1.617 1.651 1.345 1.434 2.181 1.849 1.710
新方案 1.849 1.528 1.368 1.149 1.027 0.944 0.788 1.236
RMSE/℃ 原方案 2.476 2.125 2.143 1.739 1.772 2.929 2.558 2.249
新方案 2.352 1.932 1.740 1.466 1.308 1.166 0.967 1.561
RSR 原方案 0.277 0.244 0.276 0.237 0.311 0.713 1.113 0.453
新方案 0.263 0.222 0.224 0.200 0.230 0.284 0.420 0.263
对比新方案和原方案效果（图1）发现， 新方案和原方案在浅层土壤温度的模拟相差较小， 但深层模拟相差较大， 原方案对深层土壤温度模拟明显偏低， 且层次越深偏低越明显。新方案增加了深层土壤温度的模拟值， 使模拟值与实况更接近。对比各类统计值（表2）发现： 新方案各层土壤相关系数明显高于原方案， 且越到深层相关系数提升越明显（320 cm原方案相关系数为0.676， 新方案为0.938）， 平均各层土壤相关系数比原方案提升0.049。新方案的绝对偏差、 均方根误差和RSR也较原方案明显减小， 且深层较浅层改善更明显， 其中平均绝对偏差减小0.474， 平均均方根误差减小0.688， RSR减小0.190。这主要因为深层土壤中砾石含量比浅层多（表1）， 砾石对土壤中各参数的影响要深层大于浅层， 最终导致深层土壤温度模拟变化大。上述数据说明， 新方案对土壤温度的模拟要优于原方案， 明显提升了深层土壤温度峰值的模拟效果。从而进一步验证了新方案对土壤温度模拟的适用性。

4.2　土壤湿度

新方案对土壤湿度的模拟较土壤温度模拟偏差， 但仍能够模拟出土壤含水量变化， 浅层曲线变化明显， 深层曲线趋于平缓（图2）。各层土壤模拟值与实况值相关系数均在0.7以上， 平均为0.804。各层土壤绝对偏差均在0.06以下， 深层绝对偏差小于浅层绝对偏差， 平均绝对偏差为0.022。各层土壤均方根误差均在0.004以下， 同绝对偏差类似， 仍是深层小于浅层， 平均值为0.001。除了80 cm和320 cm层RSR大于1， 其余层次均小于1， 平均值为1.081。上述数据显示， 新方案可基本模拟实况土壤湿度的变化， 模拟值与实况值接近。
图2 2014年7月至2018年11月玛多站各层土壤湿度原方案和新方案模拟数据与实况比较

Fig.2 The simulation data from the original schemes and new schemes of soil moisture at each layer are compared with the actual situation at Maduo Station from July 2014 to November 2018

新方案与原方案对比发现， 5， 10和20 cm冬季土壤含水量模拟增加， 夏季土壤含水量模拟减小； 40， 80和160 cm土壤含水量模拟值均有所增加， 320 cm土壤含水量模拟峰值和谷值有所减小。这主要由于新方案改变了土壤导水率以及土壤温度， 最终影响土壤含水量的变化， 深层砾石含量较多， 因此砾石对土壤含水量模拟的影响较大， 具体原因将在下一节分析。整体看， 新方案有效改善了原方案中层（40， 80和160 cm）土壤含水量模拟偏低， 深层（320 cm）模拟偏高的情况， 土壤含水量的模拟值与实况值更接近， 更能表现实况的变化。从统计量看（表3）， 新方案模拟值与实况值各层土壤湿度的平均相关系数较原方案提升了0.021， 绝对偏差减小了0.002， RMSE无变化， 但RSR减小了0.185， 因此新方案模拟效果优于原方案， 验证了新方案对土壤湿度模拟的适用性。
表3 玛多站土壤湿度原方案和新方案模拟数据与实况比较

Table 3 The simulation data from the original schemes and new schemes of soil moisture are compared with the actual situation at Maduo Station

统计量 方案 5 cm 10 cm 20 cm 40 cm 80 cm 160 cm 320 cm 平均
R 原方案 0.834 0.811 0.760 0.705 0.656 0.870 0.843 0.783
新方案 0.830 0.816 0.774 0.701 0.793 0.874 0.841 0.804
MAE/（m3·m-3） 原方案 0.053 0.023 0.028 0.024 0.016 0.009 0.013 0.024
新方案 0.056 0.026 0.029 0.020 0.008 0.007 0.012 0.022
RMSE/（m3·m-3） 原方案 0.004 0.001 0.002 0.001 0.000 0.000 0.000 0.001
新方案 0.004 0.001 0.002 0.001 0.000 0.000 0.000 0.001
RSR 原方案 0.824 0.618 0.836 1.167 1.801 1.132 2.486 1.266
新方案 0.858 0.646 0.867 0.999 1.055 0.844 2.295 1.081

5 不同砾石含量对土壤水热输送的影响

根据式（12）~（19）， 将砾石含量（W）设置为0， 10%， 30%， 50%和70%， 计算了不同砾石含量下矿物质土壤饱和含水量、 饱和导水率、 可调参数B、 土壤基质势、 土壤容重、 干土壤导热率和土壤热熔。并将砾石含量10%~70%的土壤水热参数与砾石含量为零的土壤水热参数对比［（砾石含量不同的土壤水热参数-砾石含量零的土壤水热参数）/砾石含量为0%的土壤水热参数］， 讨论了不同砾石含量对土壤水热参数的影响。
使用2016年12月至2018年11月玛多站数据， 将土壤中砾石含量设置为0~60%， 根据实测土壤数据， 当砾石含量增加或减少时， 土壤中含沙量和泥土含量相应减少或增加， 使三者总含量与实况一致， 保持不变。前一年模拟结果舍去， 分析2017年12月至2018年11月不同砾石含量土壤水热输送、 地表辐射通量和能量通量的影响。

5.1　不同砾石含量对土壤水热参数的影响

比较不同砾石含量下土壤各参数［图3（a）］可知， 砾石含量越高， 土壤饱和含水量、 饱和导水率越小， 但其他参数随砾石增加而增大， 矿物质固体土壤导热率和土壤热熔变化较小， 土壤基质势、 干土壤导热变化较大。随砾石含量增加， 矿物质土壤变化明显的量依次是： 饱和土壤基质势>干土壤导热率>土壤饱和导水率>饱和含水量>可调参数B>土壤容重>土壤热熔>固体土壤导热率。根据式（1）、 （7）和（20）， 不考虑含冰量、 冻融以及Sr≤1×10-7的情况， 计算得到土壤导水率和土壤导热率随砾石含量以及土壤含水量和土壤饱和度变化的关系［图3（b）~（c）］。土壤中砾石含量不变的时候， 土壤导水率随土壤含水量增大而增大。土壤含水量不变时， 当土壤含水量很小， 土壤导水率随砾石含量增大而减小， 但变化不明显； 当土壤含水量较多， 土壤导水率随砾石含量增多而增大。出现这种变化主要因为砾石的增多， 虽然可通过增大可调参数B， 减小饱和含水量使导水率增大， 但同时也减小了饱和导水率使导水率减小。当土壤含水量很小的时候， 可调参数B和饱和含水量对导水率的贡献小， 土壤饱和导水率对导水率的贡献增大， 造成土壤导水率随砾石含量增多而减小， 反之当土壤含水量多的时候， 可调参数B和饱和含水量对导水率的贡献增大， 土壤饱和导水率对导水率的贡献减小， 造成土壤导水率随砾石含量增多而增大。土壤导热率是kerster数、 饱和土壤导热率和干土壤导热率的函数， 而饱和土壤导热率又是土壤含水量的函数， 因此土壤导热率与土壤热属性参数和水属性参数均有关， 本文对上述量的表达式均有所更改， 对土壤导热率的影响复杂， 但整体看［图3（c）］， 土壤导热率随土壤饱和度增大而增大， 随砾石含量增大而增大。
图3 不同砾石含量（W）下土壤各参数比较（a）以及土壤导水率与土壤含水量的关系（b）和土壤导热率与土壤饱和度的关系（c）

Fig.3 Comparison of soil parameters under different gravel contents (a), relationship between soil water conductivity and soil water content (b), and the relationship between soil thermal conductivity and soil saturation (c)

5.2　不同砾石含量对土壤水热输送的影响

不同砾石含量对土壤温度的模拟显示［图4（a）］， 砾石含量的变化对浅层土壤温度模拟影响较小， 但对深层土壤温度模拟影响较为明显， 砾石含量越高， 深层夏季土壤温度模拟越高， 而冬季相反， 随砾石含量增加， 土壤温度模拟减小。这主要因为砾石含量越高， 土壤导热率越大， 夏半年（冬半年）土壤从（向）外界吸热（放热）， 且浅层（深层）土壤热量向深层（浅层）传递， 导热率越大， 吸收（放出）热量越多， 因此深层夏半年（冬半年）土壤温度升高（降低）。砾石含量对土壤含水量的模拟显示［图4（b）］， 砾石含量越高， 浅层土壤含水量模拟越低， 中层含水量模拟则相反。因为浅层土壤含水量较高， 而含水量较高时， 土壤导水率随砾石含量增大而增大［图3（a）］， 因此砾石越多， 水分向下层传输越明显， 土壤含水量则模拟越少。中层土壤含水量较低， 此时随砾石含量增加导水率略有减小， 同时土壤含水量较小时， 含砾石的土壤吸水性增强（潘永洁等， 2015）， 因此使更多的水分保持在此层， 所以土壤含水量随砾石增多而增大。土壤含水量不同时， 土壤导水率和土壤基质势对模拟土壤含水量造成不同的影响， 作用在土壤深层则表现为， 土壤含水量夏秋两季随砾石增加先增大后减小， 冬春两季则随砾石增加而减小。除此之外冬春季深层土壤温度模拟随砾石含量增多而减小， 更多的土壤水变为了土壤冰， 土壤含冰量增大［图4（c）］， 由公式（1）可知， 含冰量的增多又会进一步减小土壤导水率， 因此最终模拟的土壤含水量减少。浅层（中层）土壤中含水量的减小（增多）， 使得可变成冰的水分减少（增多）， 因此模拟的浅层（中层）土壤含冰量减少（增多）。可见浅层和中层含冰量的变化主要由于土壤中水分的变化， 而深层土壤含冰量的变化主要由于土壤温度的变化。
图4 2017年12月至2018年11月玛多站不同深度下不同砾石含量（W）新方案模拟的土壤温度（a）、 土壤含水量（b）和土壤含冰量（c）

Fig.4 Simulation of soil temperature （a）, soil water content （b）, and soil ice content （c） from new schemes at different depths of different gravel at Maduo Station from December 2017 to November 2018

砾石影响了土壤温度和土壤水冰的模拟， 进而影响土壤渗透、 蒸发以及植被的蒸发蒸腾， 最终造成土壤总水蓄和水深的变化。由表4可以看出， 相比于不含砾石的土壤， 含砾石土壤渗透率更大， 当砾石含量低于60%时， 随砾石增加， 渗透量增大。砾石含量较多， 更多的水分渗透到土壤中， 因此地表水分减小， 地表蒸发减小， 且砾石含量越多， 地表蒸发越少。更多的水分渗入土壤， 使得植被可吸收水分增多， 同时夏季土壤温度的增加， 也有利于高原地区植被的生长及呼吸作用（潘永洁， 2018）， 因此使植被蒸发蒸腾作用增强， 随砾石含量增加， β因子、 树冠蒸发和树冠蒸腾（砾石含量低于60%）均增大。砾石的增多， 土壤导水率增多， 更多水分进入土壤中， 且深层土壤含水量小， 砾石又增大了土壤基质势， 即增大了土壤保水性， 因此使得土壤中的总蓄水随砾石含量增多而增大。水深则表现为随砾石增多先增大后减小， 这主要因为当砾石含量过多时， 深层土壤的保水性不易使更多的水分继续入渗， 而是保持在深层， 因此土壤水分深度模拟减小， 同时砾石增多， 深层土壤含冰量模拟增多， 也阻碍了水分的进一步入渗。所以砾石含量对土壤导水率和深层土壤的保水性以及对含冰量模拟影响的共同作用， 造成了土壤水深度随砾石含量的增多先增大后减小。
表4 2017年12月至2018年11月玛多站新方案模拟的不同砾石含量下土壤水分循环相关因素值

Table 4 Values of factors related to soil water cycle with different gravel contents are simulated by new schemes at Maduo Station from December 2017 to November 2018

砾石含量/% 渗透 /（mm·d-1） 地表蒸发 /（mm·d-1） β因子 /（mm·d-1） 树冠蒸发 /（mm·d-1） 树冠蒸腾 /（mm·d-1） 总水蓄 /（mm·d-1） 水深/m
0 0.0470 1.2340 0.2501 0.0267 0.1196 3623.5520 8.5101
10 0.0508 1.2308 0.2566 0.0268 0.1234 3635.1770 8.5995
20 0.0565 1.2266 0.2635 0.0269 0.1286 3649.1910 8.6485
30 0.0610 1.2206 0.2724 0.0270 0.1350 3663.7920 8.6552
40 0.0658 1.2127 0.2823 0.0272 0.1401 3677.1830 8.6033
50 0.0720 1.2053 0.2911 0.0273 0.1433 3690.6190 8.4390
60 0.0664 1.1935 0.2917 0.0276 0.1409 3707.9560 8.0401

5.3　不同砾石含量对地表辐射通量的影响

砾石引起土壤水热的变化， 必然对陆面辐射通量和能量通量造成影响。由不同砾石含量陆面辐射通量与无砾石含量时陆面辐射通量的差值（图5）可以看出， 大多数月份各通量均随砾石含量增多而递增或递减， 砾石含量小于20%或大于50%， 可能出现相反变化， 但变化较小， 不做考虑。整体分析： 随砾石含量增多， 净短波辐射全年均减小， 净长波辐射秋冬季增大， 夏季减弱， 春季变化不明显。这主要因为， 砾石含量越多， 土壤导水率越大， 夏季浅层土壤含水量随砾石增多而减少［图4（b）］， 土壤层更干， 反射的太阳短波辐射增大， 同时流入深层土壤中的水分促进了植被增长， 植被对太阳短波辐射的阻挡作用增强， 最终造成净短波辐射随砾石含量增多而减小［图5（a）］。而冬季模拟的土壤积雪覆盖率和积雪深度增大［图5（c）~（d）］， 因此反射的太阳辐射增强， 也同样造成净短波辐射的减小。2月模拟的积雪覆盖率增多最明显， 因此模拟的净短波辐射减小也最明显。秋冬季净长波辐射增大， 主要因为秋冬季深层土壤向浅层传递热量， 砾石越多土壤导热率越大， 深层向浅层传递的热量越多， 造成土壤向外射出长波辐射越多， 因此净长波辐射增大。而夏季高原植被生长， 植被对净长波辐射的影响作用增大， 可能导致了夏季净长波辐射的减弱。春季受土壤冻融影响， 使得土壤热量传递较为复杂， 最终造成了净长波辐射变化不明显。
图5 2017年12月至2018年11月玛多站各量有砾石含量(W)和无砾石含量的模拟差值

Fig.5 Simulated difference between gravel content and non-gravel content at Maduo Station from December 2017 to November 2018

5.4　不同砾石含量对地表能量通量的影响

土壤中的水热输送及辐射通量的变化均会造成陆气间能量通量的变化。由不同砾石含量与无砾石含量的地表能量通量对比（图6）可知， 砾石含量对感热、 潜热、 土壤热通量的影响各个季节均有所不同。当砾石含量小于60%时， 冬末初秋感热通量随砾石含量增多而增大， 其他月份随砾石含量增多而减小［图6（a）］， 2月积雪覆盖率增大最大， 感热减小最小， 这与王婷等（2019）研究青藏高原积雪， 指出高原积雪与感热呈负相关的结论一致。土壤热通量代数值的变化与感热变化大多数月份相反， 3 -8月土壤热通代数值随砾石含量增多增大， 其他月份土壤热通量代数值随砾石含量增多减小。当砾石含量大于60%变化量有所减小。土壤热通量夏季为正， 方向向上， 冬季为负， 方向向下， 因此从图［6（c）］可以看出， 随砾石增多， 土壤热通量均是增大的， 冬季（夏季）热量由深层（浅层）向浅层（深层）传输增大。这主要因为砾石增大了土壤导热率， 因此土壤间热量传输增强。潜热通量变化较为复杂， 各月份均有所不同， 其中较为明显的为春季潜热通量减小， 夏季增大。这可能因为春季， 浅层土壤含水量和含冰量随砾石增多而减少， 地表水分转化为水蒸气的水分减少， 因此潜热减小。夏季， 潜热随砾石含量增多而增大， 可能由于砾石含量的增多， 植被的蒸腾和蒸发作用均增强， 因此潜热增大。各通量之和， 即净辐射值［图6（d）］随砾石含量增多而减小， 2月减小最明显， 这主要因为2月积雪覆盖率和雪深变化最大， 反射太阳辐射最多， 净短波辐射最小， 感热通量减小， 因此净辐射值最小。
图6 2017年12月至2018年11月玛多站陆面过程能量通量有砾石含量(W)与无砾石含量的模拟差值

Fig.6 Simulated difference between the gravel content and the non-gravel content of the land surface energy flux at Maduo Station from December 2017 to November 2018

6 结论与讨论

将砾石参数化方案加入到陆面模式CLM4.5中， 利用玛多站2014年7月至2018年11月实测土壤数据， 验证砾石参数化方案在模式中的适用性， 并讨论了不同砾石含量对陆面过程的影响， 得出如下主要结论：
（1） 引入砾石参数化方案后的陆面模式CLM4.5， 有效改善了土壤深层温度模拟偏低以及中层土壤含水量模拟偏低、 深层土壤含水量模拟偏高的现象， 验证了新方案在模式中的适用性。
（2） 利用新方案探讨了不同砾石含量对陆面过程的影响， 发现土壤导热率随砾石含量增多而增大， 夏半年土壤吸热， 随砾石含量增多， 深层土壤温度模拟偏高， 冬半年土壤放热， 随砾石含量增多， 土壤温度模拟偏低
（3） 土壤含水量较大（小）时， 土壤导水率随砾石含量增多而增大（减小）。土壤浅层含水量较大， 土壤导水率随砾石含量增多而增大， 更多的水份向下传输， 因此模拟的浅层土壤含水量减小； 土壤中间层含水量较小， 土壤导水率随砾石含量增多而减小， 更多的水分保留在中层， 使土壤含水量模拟增加。土壤导热率随砾石含量增多而增大， 使深层土壤夏季（冬季）吸热（放热）增强， 模拟值升高（降低）。而冬季深层土壤温度的减小又使土壤含冰量模拟增加， 更多的水变成了冰， 造成深层冬季土壤含水量的减小。
（4） 砾石改变了土壤的温湿度， 必然会引起陆面辐射通量和能量通量的变化。研究发现砾石含量增多， 净短波辐射减小， 净长波辐射秋冬季增大， 夏季减弱， 春季变化不明显。冬末至次年初秋感热通量随砾石含量增多而减小， 其他月份随砾石含量增多而增大。潜热通量变化较为复杂， 各月份均有所不同， 其中较为明显的为春季潜热通量减小， 夏季增大。土壤热通量绝对值随砾石含量增多而增大， 夏半年向外放热（正值）， 冬半年吸收热量（负值）。总的贡献表现为， 随砾石含量的增多， 土壤净辐射减小。
本文将砾石对土壤水热输送的影响加入到陆面模式CLM4.5中， 建立了砾石参数化方案， 验证了新方案对土壤水热输送的模拟效果优于原方案， 但实测资料较少， 仅验证了青藏高原玛多站， 未能进行多点和区域的验证， 使结论存在一定的局限性， 未来可通过多点采集， 增加实况资料， 进行多点验证和区域验证， 完善结论。分析不同砾石含量对土壤水热过程的模拟时， 将土壤中各层砾石含量设置为了相同值， 但实际土壤中砾石含量往往深层大于浅层， 后续应进一步分析不同层次不同砾石含量对土壤水热输送有何影响。在研究不同砾石含量对土壤温湿度、 辐射通量、 能量通量的影响时， 不同月份模拟结果差异较大， 并且土壤中含水量不同时， 砾石对土壤导水率的作用不同， 而土壤中的含水量受降水、 蒸发等影响明显， 因此不同砾石含量的土壤对不同大气强迫场的响应肯定不同， 文章仅分析了部分原因， 并未做深入探讨， 未来可进一步探讨大气强迫场对不同砾石含量土壤的影响差异和机制分析。

感谢中国科学院西北研究院黄河源气候环境研究站提供的观测数据。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Arocena J， Hall K， Zhu L P， 2012.Soil formation in high elevation and permafrost areas in the Qinghai Plateau （China）［J］.Spanish Journal of Soil Science， 2（2）： 34-49.

Chen Y Y， Yang K， Tang W J， et al， 2012.Parameterizing soil organic carbon’s impacts on soil porosity and thermal parameters for Eastern Tibet grasslands［J］.Science China （Earth Sciences）， 55（6）： 1001-1011.

Clapp R B， Hornberger G M， 1978.Empirical equations for some soil hydraulic properties［J］.Water Resources Research， 14（4）： 601-604.

Cosby B J， Hornberger G M， Clapp R B， et al， 1984.A statistical exploration of the relationships of soil moisture characteristics to the physical properties of soils［J］.Water Resources Research， 20（6）： 682-690.

Coile T S， 1953.Moisture content of small stone in soils［J］.Soil Science.75（3）： 203-207.

Côté J， Konrad J M， 2005.A generalized thermal conductivity model for soils and construction materials［J］.Canadian Geotechnical Journal， 42（2）： 443-458.

Cousin I， Nicoullaud B， Coutadeur C， 2003.Influence of rock fragments on the water retention and water percolation in a calcareous soil［J］.Catena， 53（2）： 97-114.

Epstein E， Grant W J， Struchtemeyer R A， 1966.Effects of stones on runoff， erosion， and soil moisture［J］.Soil Science Society of America， 30（5）： 638-640.

Farouki O T， 1981.The thermal properties of soils in cold regions［J］.Cold Regions Science and Technology， 5（1）： 67-75.

Groenevelt P H， van Straaten P， Rasiah V， et al， 1989.Modifications in evaporation parameters by rock mulches［J］.Soil Technology， 2（3）： 279-285.

Kosmas C S， Danalatos N G， 1993.The impacts of parent material and landdscape position on drought and biomass production of wheat and ersemiarid conditions［J］.Soil Technology， 6（4）： 337-349.

Li X Y， 2002.Effects of gravel and sand mulches on dew deposition in the semiarid region of China［J］.Journal of Hydrology， 260（1/4）： 151-160.

Mehuys G R， Stolzy L H， Letey J， et al， 1975.Effect of stones on the hydraulic conductivity of relatively dry desert soils1［J］.Soil Science Society of America Journal， 39（1）： 37-42.

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 Science， 2（4）： 277-285.

Pan Y J， Lyu S H， Li S S， et al， 2015.Simulating the role of gravel in freeze-thaw process on the Qinghai-Tibet Plateau［J］.Theoretical and Applied Climatology， 127（3/4）： 1011-1022.DOI： 10.1007/s00704-015-1684-7.

Peck A J， Watson J D， 1979.Hydraulic conductivity and flow in non-uniform soil［C］//Workshop on soil physics and field heterogeneity.CSIRO Division of Environmental Mechanics， Canberra， Australia.

Poesen J， Lavee H， 1994.Rock fragments in top soils： Significance and processes［J］.Catena， 23（1/2）： 1-28.

Russo D， 1983.Leaching characteristics of a stony desert soil［J］.Soil Science Society of America Journal， 47（3）： 431-438.

何玉洁， 宜树华， 郭新磊， 2017.青藏高原含砂砾石土壤导热率实验研究［J］.冰川冻土， 39（2）： 343-350.

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.

马东豪， 2008.黄土区土石混合介质水分运动实验研究及数值模拟［D］.北京： 北京中国科学院地理科学与资源研究所.

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.

潘永洁， 高艳红， 2018.气温和降水变化对土壤呼吸影响的数值模拟［C］// 合肥： 第35届中国气象学会年会.

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.

任敏， 2011.含砾石紫色土坡面砾石分异特点及入渗特性研究［D］.武汉： 华中农业大学.

王婷， 李照国， 吕世华， 等， 2019.青藏高原积雪对陆面过程热量输送的影响研究［J］.高原气象， 38（5）： 920-934.DOI： 10.7522/j.issn.1000-0534.2019.00026.

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.

杨艳芬， 王全九， 曾辰， 等， 2010.土石混合介质入渗模型及其参数影响因素研究［J］.干旱地区农业研究， 28（1）： 6-10， 26.

周蓓蓓， 2009.土石混合介质水分溶质运移的试验研究［D］.杨凌： 西北农林科技大学.

Options
Outlines

/

〈 〉

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