Plateau Meteorology

Plateau Meteorology >

2020 , Vol. 39 >Issue 6: 1257 - 1269

DOI: https://doi.org/10.7522/j.issn.1000-0534.2019.00141

RegCM Gravel Parameterization Scheme for Regional Climate Model and Evaluation of Its Simulation Effect over Qinghai-Xizang Plateau

  • Yigang LIU , 1 ,
  • Shihua LÜ , 1, 2 ,
  • Yue XU 1 ,
  • Cuili MA 3
Expand
  • 1. Plateau Atmosphere and Environment Key Laboratory of Sichuan Province，College of Atmosphere Sciences，Chengdu University of Information Technology，Chengdu 610225，Sichuan，China
  • 2. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters （CIC-FEMD），Nanjing University of Information Science & Technology，Nanjing 210044，Jiangsu，China
  • 3. Baotou Meteorological Bureau，Baotou 014030，Inner-Mongolia，China

Received date: 2020-07-14

  Revised date: 2020-09-27

  Online published: 2020-12-28

Fold

Highlights

In order to consider the impact of gravel into the regional climate model RegCM4.7， soil data set containing gravel content suitable for RegCM4.7 model was established first and a set of gravel parameterization scheme for regional climate model was developed.Based on this， plateau regional simulation effect of gravel parameterization scheme was evaluated using China land surface integration reanalysis data （CRA-40）.Results showed that gravel existed in soil of the entire Qinghai-Xizang Plateau and the higher gravel content occupy below the middle layer of soil.The surface and soil temperature in the Qinghai-Xizang Plateau simulated by original soil water and heat parameterization scheme Generally lower than the reference data， whereas the gravel parameterization scheme had a higher simulation result compared with the original scheme； The volumetric water content in the Qinghai-Xizang Plateau simulated by original soil water and heat parameterization scheme higher in shallow soil， and lower in deep soil of western plateau， whereas the simulation of gravel parameterization scheme has been improved to a certain extent.Through validation， the gravel parameterization scheme has significantly improved the simulation effect of soil water and heat over the Qinghai-Xizang Plateau.

Cite this article

Yigang LIU , Shihua LÜ , Yue XU , Cuili MA . RegCM Gravel Parameterization Scheme for Regional Climate Model and Evaluation of Its Simulation Effect over Qinghai-Xizang Plateau[J]. Plateau Meteorology, 2020 , 39(6) : 1257 -1269 . DOI: 10.7522/j.issn.1000-0534.2019.00141

1 引言

青藏高原是全球气候变化的敏感区， 其动力和热力作用对大气环流、 气候变化和灾害性天气形成发展有十分重要的影响（罗勇， 1995； 吴统文等， 1998； 董敏等， 2001； 王澄海等， 2003； 王根绪等， 2006； 罗斯琼等， 2009； 马琴等， 2014； 杨成等， 2020； 冯晓莉等， 2020）， 而高原的土壤水热属性不仅影响土壤内部能量水分输送， 还可影响陆面与大气之间的物质能量交换过程， 进而影响高原区域气候的变化。因此模式对于高原土壤水热过程的模拟精度是检验模式在青藏高原模拟效果的重要指标。本文选用国际理论物理中心（ICTP）开发的区域气候模式RegCM， 该模式目前最新版本为RegCM4.7， 其耦合的陆面模块为CLM4.5模式， 该模式在表征陆面过程方面较上一版本融合了最新的研究进展， 并改善了地表与大气驱动数据集。目前该模式对于土壤水热过程的模拟已经有了长足的进展， 但受客观条件的限制， 应用于区域气候模式中的土壤水热参数化方案还存在很多问题， 对于青藏高原土壤水热过程的模拟效果仍有待进一步改进（刘少锋等， 2005； 王澄海等， 2007； 陈渤黎等， 2012； 王愚等， 2013； 熊建胜等， 2014； 潘永洁等， 2015； 李凯等， 2015； 胡伟等， 2020）。因此， 发展一套在青藏高原有良好表现的土壤水热参数化方案对于青藏高原陆面过程以及全球变化研究具有十分重要的意义。
罗斯琼等（2009）于2006年在青藏高原进行的土样调查结果表明， 青藏高原的土壤砾石含量较高， 沙石、 粘土含量较少， 且砾石含量随土壤深度而增加。目前国内外众多学者基于野外实验指出砾石对于土壤水热过程均有重要影响。Coile （1953）发现砾石具有持水性； 李燕等（2006）指出砾径的大小、 孔隙度以及砾石在土壤中的位置均会影响土壤中的含水量； 周蓓蓓（2009）研究了砾石含量对饱和导水率的影响； 何玉洁等（2017）利用热导仪分析了砂砾石含量对土壤导热率的影响； 王慧芳等（2006）发现不同砾径的土壤砾石对入渗的影响结果不同。但是目前陆面模式大都忽略了砾石含量对于土壤水热过程的影响， 而忽略砾石的存在很难准确获知土壤实际水热状态（Brouwer et al， 2000）， 罗斯琼等（2009）利用通用陆面模式CoLM对高原中部那曲地区进行数值模式实验时发现CoLM对高原土壤的导热率模拟存在偏差； Yang et al （2009）通过对比简单生物圈模式SiB2、 通用陆面模式CoLM、 Noah三个陆面模式在高原中东部高寒草甸的模拟发现三个模式均低估了表层土壤水分。值得注意的是， 罗斯琼等（2009）在Farouki土壤热传导率参数化方案的基础上发展了一个用于青藏高原中部的土壤热传导率参数化方案， 发现加入新方案的CoLM模式对土壤温度模拟的准确性比原模式有一定的提高； 潘永洁等（2015）针对青藏高原土壤砾石含量较高的特点发展了一套较适合青藏高原土壤特性的土壤参数化方案并在那曲站进行了应用， 通过与观测数据对比发现考虑了砾石对土壤水热过程影响后的新方案对土壤含水量和温度的模拟均有一定的改进。然而目前针对改进土壤水热参数化方案在青藏高原的检验大多在单点开展， 并未比较整个高原区域的模拟效果。因此， 本文首先建立了适配RegCM4.7模式包含砾石含量的土壤数据集， 并发展了一套应用于区域气候模式的砾石参数化方案。在此基础上利用中国陆面融合再分析数据（CRA-40）评估了砾石参数化方案在高原区域的模拟效果。

2 RegCM模式砾石参数化方案

2.1　区域气候模式原始土壤水热参数化方案介绍

RegCM4.7模式中涉及的土壤水文过程均在土壤结构的前10层进行计算， N l e v s o i = 10。每层的土壤导水率 k是饱和土壤导水率 k s a t、 土壤体积含水量 θ、 土壤孔隙度 θ s a t、 B指数以及冰阻系数 Θ i c e的函数， 即：
k z h , i = Θ i c e 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 i + 3 , 1 ≤ i ≤ N l e v s o i - 1 Θ i c e k s a t z h , i θ i θ s a t , i 2 B i + 3 , i = N l e v s o i
冰阻系数是土壤含冰量的函数， 即： Θ i c e = 10 - Ω F i c e， 其中， Ω = 6， F i c e为土壤孔隙中充满冰的部分。
对于每层的土壤基质势：
ψ i = ψ s a t , i θ i θ s a t , i - B i
式中： ψ s a t , i为饱和土壤基质势； θ i为土壤体积含水量； θ s a t , i为饱和土壤体积含水量（即土壤孔隙度）； B i为B指数。
基于Clapp et al （1978）和Cosby et al （1984）及Lawrence et al（2007）的土壤水属性研究工作被认为是土壤中矿物属性与有机物属性的权重函数。模式中矿质土壤水属性包括矿质土壤B指数 B m i n， 矿质土壤孔隙度 θ s a t , m i n， 饱和矿质土壤基质势 ψ s a t , m i n及矿质土壤饱和导水率， 即：
B m i n , i = 2.91 + 0.159 ( % c l a y ) i
θ s a t , m i n , i = 0.489 - 0.00126 ( % s a n d ) i
ψ s a t , m i n , i = - 10.0 × 10 1.88 - 0.0131 ( % s a n d ) i
k s a t , m i n z h , i = 0.0070556 × 10 - 0.884 + 0.0153 ( % s a n d ) i
式中： % c l a y i与 % s a n d i分别为各层土壤中的粘土与沙石含量。
基于Farouki （1981）的研究工作， 土壤导热率与体积热容的公式如下：
λ i = K e , i λ s a t , i + 1 - K e , i λ d r y , i   , S r , i > 1 × 10 - 7 λ d r y , i   , S r , i ≤ 1 × 10 - 7     ,      i = 1 , … , N l e v s o i
λ i = λ b e d r o c k    ,     i = N l e v s o i + 1 , … , N l e v g r n d
c i = c s , i 1 - θ s a t , i + w i c e , i △ z i C i c e + w l i q , i △ z i C l i q
式中： K e , i为Kersten参数； λ s a t , i为饱和土壤导热率； λ d r y , i为干土壤导热率； S r , i为土壤饱和度； λ b e d r o c k为深层导热率； c s , i为土壤固态热容； w i c e , i为单位面积土壤中冰的质量； w l i q , i为单位面积土壤中液态水的质量； C i c e与 C l i q为冰与液态水的比热。
与土壤水属性类似， 模式中土壤热属性同样是土壤矿物属性与有机物属性的权重函数。模式中矿质土壤热属性包括矿质土壤固态导热率 λ s , m i n， 矿质干土壤导热率 λ d r y , m i n， 土壤容重 ρ d， 矿质土壤固态热容 c s , m i n和Kersten数 K e， 即：
λ s , m i n , i = 8.80 ( % s a n d ) i + 2.92 ( % c l a y ) i ( % s a n d ) i + ( % c l a y ) i
λ d r y , m i n , i = 0.135 ρ d , i + 64.7 2700 - 0.947 ρ d , i
ρ d , i = 2700 ( 1 - θ s a t , i )
c s , m i n , i = 2.128 ( % s a n d ) i + 2.385 ( % c l a y ) i ( % s a n d ) i + ( % c l a y ) i × 10 6
K e , i = l o g   S r , i + 1 ≥ 0 , T i ≥ T f S r , i , T i < T f

2.2　区域气候模式土壤砾石参数化方案发展

从式（3）~（13）可以看出， RegCM4.7模式并没有在土壤水热参数化方案中考虑砾石的作用， 因此可能会对模拟造成较大的误差。本文在原始土壤水热参数化方案以及潘永洁等（2015）、 罗斯琼等（2009）研究工作的基础上发展了一套应用于区域气候模式中的砾石参数化方案。

2.2.1　砾石对土壤基质势的影响

在RegCM4.7模式中， B指数的改变会引起土壤导水率、 土壤基质势的变化。为了体现砾石对土壤贮水性质的影响， 将矿质土壤B指数修改为：
B m i n , i = 2.41 + 0.129 ( % c l a y ) i + 0.06 ( % g r a v e l ) i
式中： % g r a v e l i为各层土壤中的砾石含量。
并将饱和矿质土壤基质势修改为：
ψ s a t , m i n , i = - 10.0 × 10 1.88 - 0.0131 % s a n d i × 1 - % g r a v e l i + 1.3 % g r a v e l i

2.2.2　砾石对土壤孔隙度的影响

土壤孔隙度是影响土壤渗透性能、 水分运输和储存的关键因素， 在原方案的基础上， 考虑了砾石对它的影响：
θ s a t , m i n , i = 0.489 - 0.00126 % s a n d i - 0.004 ( % g r a v e l ) i

2.2.3　砾石对土壤饱和导水率的影响

根据Peck et al （1979）对于含砾石土壤的饱和导水率与去除砾石土壤的饱和导水率之间关系的研究， 修改过后的矿质土壤饱和导水率为：
k s a t , m i n z h , i = 0.0070556 × 10 - 0.884 + 0.0153 ( % s a n d ) i × 2 ( 1 - % g r a v e l ) i ( 2 + % g r a v e l ) i
模式原参数化方案中， 矿质土壤固态导热率为沙石导热率与粘土导热率的加权平均， 权重为沙石与粘土的含量。Chen et al （2012）将土壤有机质对土壤导热率的影响考虑进Johansen方案中：
λ s = λ q f q λ s o c f s o c λ o f o
式中： λ s o c = 0.25， λ q = 7.7， λ o = 2.0分别是土壤有机质、 石英、 其他矿物质的导热率； f s o c， f q， f o分别是土壤有机质、 石英、 其他矿物质的体积分数。因此， 将新方案的矿质土壤固态导热率修改为：
λ s , m i n , i = 7 . 7 ( % s a n d + g r a v e l ) i × 2 . 0 [ 1 - ( % s a n d + % g r a v e l ) i ]

2.2.5　砾石对干土壤导热率的影响

基于Côté et al （2005）的工作， 修改过后的矿质干土壤导热率为：
λ d r y , m i n , i = 0.917 × 10 - 1.29 θ s a t , m i n , i

2.2.6　砾石对土壤容重的影响

Russo （1983）提出利用细土容重与砾石容重来计算土壤容重， 因此新方案的土壤容重为：
ρ d , i = 2700 1 - % g r a v e l i 1 - θ s a t , m i n , i + ( % g r a v e l ) i × ρ g

2.2.7　砾石对土壤固态热容的影响

在原参数化方案中， 矿质土壤固态热容为沙石与粘土的加权平均， 权重为沙石与粘土的含量。在新方案中， 砾石对矿质土壤固态热容的影响也通过加权平均的方式计算得出：
c s , m i n , i = 2.128 ( % s a n d ) i + 2.39 ( % c l a y ) i + 2.20 ( % g r a v e l ) i ( % s a n d ) i + ( % c l a y ) i + ( % g r a v e l ) i × 10 6

2.2.8　砾石对Kersten数的影响

基于Côté et al （2005）的研究成果， 新的Kersten数的计算公式为：
K e , i = 1.7 S r , i 1 + 0.7 S r , i   , T i ≥ T f 4.6 S r , i 1 + 3.6 S r , i   , T i < T f

2.3　区域气候模式砾石资料的建立

对于区域气候模式RegCM4.7中的陆面模块CLM4.5， 每一个网格单元的模拟均需要获取如土壤颜色、 土壤质地等地表数据， 随后模式将不同来源获取的高分辨率输入数据集融入模式网格。土壤质地与有机物含量决定了土壤的水热属性。模式目前使用的土壤数据集由矿物土壤与土壤有机物两种质地组成， 其中矿物土壤数据由包含4931个土壤测绘单元的国际地圈-生物圈计划（IGBP）数据集组成， 而土壤有机物数据有两个来源， 全球大部分地区的土壤有机物数据来自国际土壤参考和信息中心（ISRIC）的土壤属性数据集， 高纬度的土壤有机物数据来自北部极地土壤碳数据库的0.25°精度版本。模式使用的土壤数据集的水平分辨率为0.083°， 垂直方向分为10层（即： 0~0.018， 0.018~0.045， 0.045~0.091， 0.091~0.166， 0.166~0.289， 0.289~0.493， 0.493~0.829， 0.829~1.383， 1.383~2.296和2.296~3.802 m）。目前模式使用的土壤数据集未包含砾石含量数据， 为了将砾石参数化方案应用于区域气候模式RegCM4.7中， 需建立适配模式并包含砾石含量的新土壤数据集。中山大学陆气相互作用研究小组开发的全球网格化土壤数据集包含土壤砾石含量（Shangguan et al， 2014， http： //globalchange.bnu.edu.cn/research/data）， 该数据集提供了更为准确的土壤信息， 且水平分辨率与原土壤数据集一致， 垂直方向共划分为8层（即： 0~0.045， 0.045~0.091， 0.091~0.166， 0.166~0.289， 0.289~0.493， 0.493~0.829， 0.829~1.383和1.383~2.296 m）， 较原始土壤数据集缺失第1与第10层， 利用插值补齐缺失层的砾石数据。由于中山大学的全球网格化土壤数据集与原始土壤数据集的数据结构存在差异， 因此对原始土壤数据集中部分变量的数据结构进行了修改。最终建立了适配RegCM4.7模式包含砾石含量的土壤数据集。

2.4　青藏高原砾石分布特征

从砾石含量在青藏高原的空间分布（图1）可以看出， 高原范围内均存在砾石， 且在土壤中层以下砾石含量更高。另外可以发现砾石含量在土壤浅层（0.1~0.4 m）分布比较均匀， 而中层以下（1.0~2.0 m）主要集中在高原西部。
图1 青藏高原区域各层土壤的砾石含量分布

Fig.1 The gravel content distribution over the Qinghai-Xizang Plateau

3 实验方案、 数据来源和评估方法

3.1　实验参数设置

模拟中心选取为33°N， 87°E， 网格点水平分辨率设置为30 km， 经向网格点数设置为80， 纬向网格点数设置为120， 垂直方向共分18层， 模拟区域覆盖整个青藏高原。选用ECMWF的EIN15再分析资料作为模式初始与侧边界条件， 缓冲区大小设置为15， 边界条件每6 h更新一次， 每30 min调用一次陆面模块。本研究模拟时段为2017年1月1日至2018年12月31日， 2016年8月31日至12月31日为模式spin-up阶段。

3.2　参照数据来源

参照数据选用同时段中国陆面融合再分析数据（CRA-40）， 根据中国气象局关于CRA-40的产品对比评估结果， CRA-40在中国区域与人工观测资料的偏差和均方根误差较小而相关系数较高， 表明CRA-40数据的精度优于其余产品。

3.3　评估方法

选用平均绝对误差（MAE）与相关系数（r）分别对砾石参数化方案与原始土壤水热参数化方案的模拟结果进行检验， 公式如下：
M A E = 1 N ∑ i = 1 N M i - R i
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： M i为模拟结果； R i为参照数据； N为样本数。

4 砾石参数化方案及其在青藏高原模拟效果评估

4.1　地表温度在高原区域模拟效果的评估

首先对比两种方案在高原区域模拟的年平均地表温度的差异（图2）。发现两种方案均能够模拟出地表温度的基本情况， 但模拟值较参照数据偏低。新方案除高原东部部分地区外， 模拟值较原方案整体有所升高， 在高原西部与东北部升幅最为明显， 达1~2℃。分别对比两种方案在高原区域的模拟值与参照数据的平均绝对误差的分布发现［图3（a）， （b）］， 新方案在高原西部MAE大值区的面积较原方案略有缩小， 除高原西部外两种方案并无明显差异。图3（c）， （d）为两种方案在高原区域的模拟值与参照数据的相关系数分布情况， 可以发现新方案高相关系数区域的面积较原方案略有增大。
图2 两种方案在青藏高原区域对于地表温度模拟结果的差异

Fig.2 Discrepancy between the simulation results of two schemes for the ground temperature over the Qinghai-Xizang Plateau

图3 两种方案模拟的地表温度在青藏高原区域的平均绝对误差（上）与相关系数（下）

Fig.3 The mean absolute error (up) and correlation coefficient (down) of the ground temperature simulated by two schemes over the Qinghai-Xizang Plateau

4.2　土壤温度在高原区域模拟效果的评估

图4为两种方案在高原区域模拟的浅层土壤温度， 两种方案均可以模拟出浅层土壤温度的基本情况， 但模拟值较参照数据偏低。从图4（c）可以发现， 新方案模拟的浅层土壤温度除高原东部外整体有0.5 ℃左右的升高， 而在高原东部有0.1 ℃左右的下降。分别对比两种方案在高原区域的模拟值与参照数据的平均绝对误差的分布情况发现［图5（a）， （b）］， 两种方案MAE>6 ℃的区域主要集中在高原西部， 但新方案MAE大值区的范围有所减小。分别对比两种方案在高原区域的模拟值与参照数据的相关系数的分布情况可以发现［图5（c）， （d）］， 两种方案对于浅层土壤温度的时间变化均有较好的模拟效果。
图4 两种方案在青藏高原区域对于浅层土壤温度模拟结果的差异

Fig.4 Discrepancy between the simulation results of two schemes for the shallow soil temperature over the Qinghai-Xizang Plateau

图5 两种方案模拟的浅层土壤温度在青藏高原区域的平均绝对误差（上）与相关系数（下）

Fig.5 The mean absolute error (up) and correlation coefficient (down) of the shallow soil temperature simulated by two schemes over the Qinghai-Xizang Plateau

深层土壤温度的情况与浅层相似（图6）， 可以发现新方案在高原中部与东部的模拟值整体升高约0.4 ℃， 在高原西部升幅较为明显， 达1~2 ℃。分别对比两种方案在高原区域的模拟值与参照数据的平均绝对误差的分布情况发现［图7（a）， （b）］， 两种方案的MAE大值区均集中在高原西部， 但新方案大值区的范围较原方案明显减小。具体来看， 新方案在高原东北部MAE<3 ℃的面积有所增大， 而高原西部MAE>10℃的面积明显减小。对于相关系数［图7（c）， （d）］， 新方案同样有较为明显的提升， 高相关系数区域的范围明显增大。
图6 两种方案在青藏高原区域对于深层土壤温度模拟结果的差异

Fig.6 Discrepancy between the simulation results of two schemes for the deep soil temperature over the Qinghai-Xizang Plateau

图7 两种方案模拟的深层土壤温度在青藏高原区域的平均绝对误差（上）与相关系数（下）

Fig.7 The mean absolute error (up) and correlation coefficient (down) of the deep soil temperature simulated by two schemes over the Qinghai-Xizang Plateau

通过对比两种方案， 砾石参数化方案在高原区域模拟的土壤温度较原方案有所升高， 但仍低于参照数据。砾石参数化方案在土壤深层的MAE大值区的范围较原方案明显缩小， 高相关系数区域的范围明显增大， 表明砾石参数化方案在高原区域对于土壤温度的模拟效果有了一定的提升。两种方案在高原西部的MAE均明显大于东部， 且这种差异在土壤深层更加明显， 说明减小高原西部土壤温度的模拟误差是改进砾石参数化方案急需的工作。

4.3　土壤体积含水量在高原区域模拟效果的评估

在评估土壤温度模拟效果的基础上， 对两种方案模拟的土壤体积含水量进行评估。从浅层土壤体积含水量的模拟值与参照数据（图8）可以看出， 两种方案在高原均可以模拟出浅层土壤体积含水量西低东高的特点， 但原方案的模拟值要高于参照数据， 在高原东部偏差更加明显， 而新方案的模拟值有所降低， 整体降幅达0.05 mm3·mm-3。分别对比两种方案在高原区域的模拟值与参照数据的平均绝对误差的分布情况发现［图9（a）， （b）］， 原方案的MAE除高原西北部外均大于0.1 mm3·mm-3， 而新方案MAE>0.1 mm3·mm-3的范围明显减小。分别对比两种方案在高原区域的模拟值与参照数据的相关系数的分布情况发现［图9（c）， （d）］， 在高原不同区域结果有所不同， 两种方案的低值区均位于高原中部， 而新方案在高原西北部的相关系数有所增大。
图8 两种方案在青藏高原区域对于浅层土壤体积含水量模拟结果的差异

Fig.8 Discrepancy between the simulation results of two schemes for the shallow soil volumetric water content over the Qinghai-Xizang Plateau

图9 两种方案模拟的浅层土壤体积含水量在青藏高原区域的平均绝对误差（上）与相关系数（下）

Fig.9 The mean absolute error (up) and correlation coefficient (down) of the shallow soil volumetric water content simulated by two schemes over the Qinghai-Xizang Plateau

从深层土壤体积含水量的模拟值与参照数据（图10）可以发现， 两种方案在高原不同区域的模拟结果有所不同。在高原东部， 模拟结果与浅层土壤体积含水量类似， 但在高原西部， 原方案的模拟值较参照数据明显偏低， 而新方案进行了一定程度的修正。分别对比两种方案在高原区域的模拟值与参照数据的平均绝对误差的分布情况发现［图11（a）， （b）］， 新方案在高原区域的MAE明显小于原方案。对于相关系数［图11（c）， （d）］可以发现， 原方案的高值区主要集中在高原中部和东南部， 在高原西北部的范围较小， 而新方案扩大了高原西北部高相关系数区域的范围， 但在高原中部要低于原方案。
图10 两种方案在青藏高原区域对于深层土壤体积含水量模拟结果的差异

Fig.10 Discrepancy between the simulation results of two schemes for the deep soil volumetric water content over the Qinghai-Xizang Plateau

图11 两种方案模拟的深层土壤体积含水量在青藏高原区域的平均绝对误差（上）与相关系数（下）

Fig.11 The mean absolute error (up) and correlation coefficient (down) of the deep soil volumetric water content simulated by two schemes over the Qinghai-Xizang Plateau

通过对比， 两种方案在高原区域均能模拟出土壤体积含水量西低东高的特点， 但原方案模拟值存在较大误差， 而砾石参数化方案进行了一定程度的修正： 在土壤浅层对于高原区域土壤体积含水量的下调， 以及在土壤深层对于高原西部土壤体积含水量的上调。砾石参数化方案在高原区域的MAE明显小于原方案， 表明砾石参数化方案对于高原土壤体积含水量的模拟效果有了一定的提升。砾石参数化方案在高原中部的相关系数仍不理想， 因此提升高原中部土壤体积含水量时间变化的模拟效果是改进砾石参数化方案急需的工作。

4.4　各变量的模拟差异随时间的变化情况

图12给出了两种方案模拟的不同变量与对应参照数据在高原区域平均值的时间变化， 表1给出了对应的评估结果。两种方案均能较好模拟出地表温度的时间变化［图12（a）］， 但新方案的模拟误差更小。原方案模拟值与参照数据的平均绝对误差为2.54 ℃， 新方案为1.87 ℃， 两种方案模拟值与参照数据的相关系数均为0.99。图12（b）， （c）为浅层与深层土壤温度区域平均值的时间变化， 可以发现浅层土壤温度的时间变化与地表温度相似， 土壤温度在深层的变化幅度明显小于土壤浅层， 两种方案均能体现出这种差异。同时可以发现， 新方案的模拟误差在大部分时段更小， 无论在土壤浅层或深层， 新方案在3—10月的模拟效果最好， 但在冬季依然存在一定误差。在土壤浅层， 原方案模拟值与参照数据的平均绝对误差为1.76 ℃， 新方案为1.74 ℃， 两种方案模拟值与参照数据的相关系数均为0.99。在土壤深层， 模拟误差较浅层明显增大， 原方案模拟值与参照数据的平均绝对误差为6.50 ℃， 新方案为5.86 ℃， 相关系数原方案为0.91， 新方案为0.93。图12（d）， （e）为浅层与深层土壤体积含水量区域平均值的时间变化， 相较土壤温度， 两种方案对于土壤体积含水量的模拟能力还需改进， 但应用砾石方案后模式模拟效果仍有一定的提升。在土壤浅层， 原方案模拟值与参照数据的平均绝对误差为0.05 mm3·mm-3， 新方案为0.03 mm3·mm-3， 相关系数原方案为0.49， 新方案为0.54。在土壤深层， 原方案模拟值与参照数据的平均绝对误差为0.13 mm3·mm-3， 新方案为0.12 mm3·mm-3， 相关系数原方案为0.85， 新方案为0.88。值得注意的是， 不同于土壤温度， 土壤体积含水量的模拟值与参照数据的相关系数在土壤深层要大于土壤浅层， 可能的原因是由于深层土壤体积含水量时间变化的波动更小。
图12 各变量模拟值及参照数据的区域平均值的时间变化.

图12(e)为标准化处理后的结果, 其值不代表真实数据, 仅为直观展示对比结果

Fig.12 Temporal variation of regional means with each variable and reference data.Fig.12(e) is the result after the standardization process, the value does not represent the real data, just to visualize the comparison results

表1 两种方案模拟的地表、土壤温度与土壤含水量的检验结果

Table 1 Validation of ground temperature, soil temperature and soil moisture simulated by the two schemes

统计量 方案 地表温度 土壤温度 土壤体积含水量
浅层 深层 浅层 深层
MAE 原方案 2.54 ℃ 1.76 ℃ 6.50 ℃ 0.05 mm3·mm-3 0.13 mm3·mm-3
新方案 1.87 ℃ 1.74 ℃ 5.86 ℃ 0.03 mm3·mm-3 0.12 mm3·mm-3
r 原方案 0.99 0.99 0.91 0.49 0.85
新方案 0.99 0.99 0.93 0.54 0.88

5 结论与讨论

首先建立了适配RegCM4.7模式包含砾石含量的土壤数据集， 并发展了一套应用于区域气候模式的砾石参数化方案。在此基础上利用中国陆面融合再分析数据（CRA-40）评估了砾石参数化方案在高原区域的模拟效果。通过对比分析， 得到了以下主要结论：
（1） 高原范围内均存在砾石， 且土壤中层以下砾石含量更高。砾石含量在土壤浅层分布比较均匀， 而中层以下主要集中在高原西部。
（2） 原始土壤水热参数化方案在高原区域模拟的地表与各层土壤温度普遍低于参照数据， 而砾石参数化方案较原方案有所升高： 在高原大部分区域升高0.5 ℃左右， 在高原西部升幅较大， 土壤深层达1~2 ℃。通过对比参照数据， 砾石参数化方案对于地表与土壤温度的模拟误差更小， 时间变化更加趋近于参照数据。
（3） 原始土壤水热参数化方案在高原区域模拟的土壤体积含水量在土壤浅层偏高， 在高原西部的土壤深层偏低， 而砾石参数化方案进行了一定程度的修正： 在土壤浅层， 砾石参数化方案在高原区域的模拟值有所降低， 平均降幅约为0.05， 在土壤深层， 砾石参数化方案在高原西部的模拟值有所上升。通过对比参照数据， 砾石参数化方案对于土壤体积含水量的模拟误差更小， 但在高原中部对于时间变化的模拟效果还有待提升。
（4） 砾石参数化方案在高原区域对于土壤水热的模拟效果有一定提升， 但依然还存在以下问题： 首先砾石参数化方案在高原西部模拟的土壤温度依然存在较大的误差， 在高原中部对于土壤体积含水量时间变化的模拟也有待提升。其次目前砾石参数化方案对于砾石影响的考虑还过于简单， 仅考虑了砾石含量对土壤水热的影响， 并未考虑砾石的尺寸、 风化程度， 一些参数化方案的设计还过于简单， 一些经验参数还有待优化。后续研究中将进一步完善砾石参数化方案。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Brouwer J， Anderson H， 2000.Water holding capacity of ironstone gravel in a typic Plinthoxeralf in Southeast Australia［J］.Soil Science Society of America Journal， 64（5）： 1603-1608.DOI： 10. 2136/sssaj2000.6451603x.

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 in China （Earth Sciences）， 55（6）： 1001-1011.DOI： 10.1007/s11430-012-4433-0.

Clapp R B， Hornberger G M， 1978.Empirical equations for some soil hydraulic properties［J］.Water Resources Research， 14（4）： 601-604.DOI： 10.1029/WR014i004p00601.

Coile T S， 1953.Moisture content of small stone in soil［J］.Soil Science， 75（3）： 203-208.DOI： 10.1097/00010694-195303000-00004.

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.DOI： 10.1029/WR020i006p00682.

Côté J， Konrad J M， 2005.A generalized thermal conductivity model for soils and construction materials［J］.Canadian Geotechnical Journal， 42（2）： 443-458.DOI： 10.1139/t04-106.

Farouki O T， 1981.The thermal properties of soils in cold regions［J］.Cold Regions Science & Technology， 5（1）： 67-75.DOI： 10. 1016/0165-232X（81）90041-0.

Lawrence D M， Slater A G， 2008.Incorporating organic soil into a global climate model［J］.Climate Dynamics， 30（2/3）： 145-160.DOI： 10.1007/s00382-007-0278-1.

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： 31-39.

Russo D， 1983.Leaching characteristics of a stony desert soi1［J］.Soil Science Society of America Journal， 47（3）： 431-438.DOI： 10.2136/sssaj1983.03615995004700030008x.

Shangguan W， Dai Y J， Duan Q Y， et al， 2014.A global soil data set for earth system modeling［J］.Journal of Advances in Modeling Earth Systems， 6（1）： 249-263.DOI： 10.1002/2013MS000293.

Yang K， Chen Y Y， Qin J， 2009.Some practical notes on the land surface modeling in the Tibetan Plateau［J］.Hydrology and Earth System Sciences， 13（5）： 687-701.DOI： 10.5194/hess-13-687-2009.

陈渤黎， 吕世华， 罗斯琼， 2012.CLM3.5模式对青藏高原玛曲站陆面过程的数值模拟研究［J］.高原气象， 31（6）： 1511-1522.

董敏， 朱文妹， 徐祥德， 2001.青藏高原地表热通量变化及其对初夏东亚大气环流的影响［J］.应用气象学报， 12（4）： 458-468.DOI： 10.3969/j.issn.1001-7313.2001.04.008.

冯晓莉， 申红艳， 李万志， 等， 2020.1961-2017年青藏高原暖湿季节极端降水时空变化特征［J］.高原气象， 39（4）： 694-705.DOI： 10.7522/j.issn.1000-0534.2020.00029.

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.DOI： 10.7522/j.issn. 1000-0240.2017.0039.

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

李凯， 高艳红， Chen Fei， 等， 2015.植被根系对青藏高原中部土壤水热过程影响的模拟［J］.高原气象， 34（3）： 642-652.DOI： 10.7522/j.issn.1000-0534.2015.00035.

李燕， 高明， 魏朝富， 等， 2006.土壤砾石的分布及其对水文过程的影响［J］.中国农学通报， 22（5）： 271-271.DOI： 10.3969/j.issn.1000-6850.2006.05.072.

刘少锋， 林朝晖， 2005.通用陆面模式CLM在东亚不同典型下垫面的验证试验［J］.气候与环境研究， 10（3）： 684-699.DOI： 10. 3969/j.issn.1006-9585.2005.03.034.

罗斯琼， 吕世华， 张宇， 等， 2009.青藏高原中部土壤热传导率参数化方案的确立及在数值模式中的应用［J］.地球物理学报， 52（4）： 77-86.

罗勇， 1995.青藏高原冬春季雪盖对东亚夏季大气环流影响的研究［J］.高原气象， 14（4）： 505-512.

马琴， 刘新， 李伟平， 等， 2014.青藏高原夏季土壤有机质及砾石影响水热传输特性的数值模拟［J］.大气科学， 38（2）： 337-351.DOI： 10.3878/j.issn.1006-9895.2013.13119.

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.

王澄海， 董文杰， 韦志刚， 2003.青藏高原季节冻融过程与东亚大气环流关系的研究［J］.地球物理学报， 46（3）： 309-316.DOI： 10.3321/j.issn： 0001-5733.2003.03.005.

王澄海， 师锐， 2007.青藏高原西部陆面过程特征的模拟分析［J］.冰川冻土， 29（1）： 73-81.

王根绪， 李元首， 吴青柏， 等， 2006.青藏高原冻土区冻土与植被的关系及其对高寒生态系统的影响［J］.中国科学（地球科学）， 36（8）： 743-754.DOI： 10.3321/j.issn： 1006-9267.2006.08.007.

王慧芳， 邵明安， 2006.含碎石土壤水分入渗试验研究［J］.水科学进展， 17（5）： 604-609.DOI： 10.3321/j.issn： 1001-6791. 2006.05.004.

王愚， 胡泽勇， 荀学义， 等， 2013.藏北高原土壤热传导率参数化方案的优化和检验［J］.高原气象， 32（3）： 646-653

吴统文， 李培基， 1998.青藏高原多， 少雪年后期西北干旱区降水的对比分析［J］.高原气象， 17（4）： 364-372.

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.

杨成， 吴通华， 姚济敏， 等， 2020.青藏高原表层土壤热通量的时空分布特征［J］.高原气象， 39（4）： 706-718.DOI： 10.7522/j.issn.1000-0534.2020.00022.

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