Plateau Meteorology

Plateau Meteorology >

2020 , Vol. 39 >Issue 6: 1295 - 1308

DOI: https://doi.org/10.7522/j.issn.1000-0534.2019.000136

Evaluation of Simulated Performance of CLM4.5 in Alpine Meadow over the Qinghai-Xizang Plateau based on Measured Soil Properties

  • Youqi SU , 1, 3 ,
  • Yu ZHANG , 2 ,
  • Minhong SONG 2 ,
  • Shaoying WANG 1 ,
  • Lunyu SHANG 1 ,
  • Ke ZHOU 2
Expand
  • 1. Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Regions，Northwest Institute of Eco-Environment and Resources，Chinese Academy of Sciences，Lanzhou 730000，Gansu，China
  • 2. School of Atmospheric Science，Chengdu University of Information of Technology，Chengdu 610225，Sichuan，China
  • 3. University of Chinese Academy of Sciences，Beijing 100049，China

Received date: 2019-12-23

  Revised date: 2020-06-11

  Online published: 2020-12-28

Fold

Highlights

In order to improve the simulation ability of the land surface model CLM4.5（Community Land Model） to the alpine meadow on the Qinghai-Xizang Plateau， we used the observation data from June to September of three typical alpine meadow research stations， i.e.Maqu Station， Arou Station and Naqu Station， especially the measured soil properties， to run a single-point numerical simulation test of alpine meadow in summer half year， which provides a basis for improving the parameterization schemes of the model.The main conclusions are as follows： （1） CLM4.5 model can well reproduce the seasonal changes of soil temperature and moisture， radiation flux and surface energy flux on the underlying surface of alpine meadow.The simulation results after modifying soil properties was obviously better than that before modification， but there was still some deviation from the observed.（2） After modified soil properties， the simulation of soil moisture of each layer at Maqu Station and Naqu Station was closer to the observed， and the shallow soil moisture at Arou Station was better than that at deep layer.After modified soil properties， although the model’s land surface conditions were closer to the actual， the improvement of the simulated soil temperature was not obvious.（3） Although the simulated values of reflected radiation before and after modification of soil properties were low at all three stations， the simulated values after modification of soil properties were better than those before modification.However， there was no significant improvement in the simulation of surface long wave radiation， and the correlation between the simulated values and the observed values at Arou Station was higher and the deviation was smaller.（4） The sensible heat flux simulation values of CLM 4.5 model for each station was higher， and after modified soil properties， it was closer to the observed.After modified soil properties， the simulated and observed latent heat flux at Maqu and Naqu station were closer.

Cite this article

Youqi SU , Yu ZHANG , Minhong SONG , Shaoying WANG , Lunyu SHANG , Ke ZHOU . Evaluation of Simulated Performance of CLM4.5 in Alpine Meadow over the Qinghai-Xizang Plateau based on Measured Soil Properties[J]. Plateau Meteorology, 2020 , 39(6) : 1295 -1308 . DOI: 10.7522/j.issn.1000-0534.2019.000136

1 引言

陆面作为地球气候系统的重要组成部分， 决定着陆气之间的物质和能量交换特征（Yang， 2004）。复杂的地表特征（如地形、 植被类型、 地表粗糙度、 地表反照率、 土壤温湿度等）是影响陆气间物质、 能量交换的重要环节， 为大气运动提供了水汽、 热量、 动量的源汇（Dickinson， 1995； Giorgio et al， 1997； 孙菽芬等， 1998； Pielke， 2001）。同样， 大气也通过气温、 降水等使得陆面特征发生改变， 并进一步通过陆面的动力或热力作用对大气产生影响（涂刚， 2007； 周德刚等， 2009； 姚洁等， 2010； 黄珏等， 2013）。陆面过程模式是以客观物理机制为基础并辅以经验公式建立起来的计算机模型， 其对陆面过程问题进行研究分析， 预测未来情况下陆面过程各要素的变化趋势及其对天气、 气候的影响。陆面过程模式在数值天气预报模式和全球气候模式中发挥着重要作用（Dickinson et al， 1991； Chen et al， 2001； Steiner et al， 2005； 段志华等， 2012）。
青藏高原平均海拔在4000 m以上， 相较于同纬度其他地区， 高原太阳辐射强烈、 降水和温度的变化具有显著的时空变化， 进而导致其陆面特征也呈现出明显的空间差异， 如土壤质地粗、 有机质分解慢、 浅层土壤根系集中、 垂直异质性强， 地表能量通量及近地表气象要素日变化剧烈等， 是全球陆面过程和气候变化研究的热点地区（Ma et al， 2004； Chen et al， 2012； Luo et al， 2009； 岳平等， 2013）。近年来， 国内外学者在青藏高原地区相继开展了一系列大型陆面过程观测试验， 使得陆气相互作用以及大气边界湍流等方面的研究取得了丰硕的成果。同时， 大量观测数据的积累也为评估陆面过程模式在高原地区的模拟性能、 改进现有陆面过程模式参数化方案提供了有力支撑（沈润平等， 2009； 刘火霖等， 2020）。张宇等（2002）评估了陆面模式 LSM在藏北高原的的模拟性能时发现， LSM模式能较好地模拟出土壤温湿度等特征量的变化趋势， 对感热、 潜热通量的模拟结果较实测偏高。王澄海等（2007）发现在植被稀疏的高原西部地区， 陆面过程模式CoLM能较好地模拟出该区域的土壤热量和水分交换过程， 并且该区域的陆面过程以热力过程为主， 感热通量在地表能量的分配中占主导地位。罗斯琼等（2008）发现陆面过程模式CoLM对那曲地区的冬半年的地表能量分配的模拟存在较大偏差， 模拟的土壤热容量偏小， 热传导率偏大是导致浅层土壤温度模拟偏高的主要原因。Yang et al（2009）评估SiB2、 CoLM和Noah LSM三个陆面过程模式在高原中东部高寒草甸的模拟性能时发现， 三个模式对浅层土壤含水量的模拟偏小， 并认为其主要原因是由于模式未考虑土壤垂直异质性的影响。基于前人研究， 亦有部分工作对陆面过程模式相关参数化方案进行了改进或发展， 使之对物理过程的刻画与实际更为接近， 以期提高模式在高原地区的模拟效果。罗斯琼等（2009）利用高原土壤质地实测资料在Farouki土壤热传导率参数化方案的基础上综合Johansen和Cote的方案， 有效地改善了模式对高原土壤温度的模拟效果。马琴等（2014）将Chen et al（2012）提出新土壤热性质参数化方案引入CoLM模式中， 发现新方案能够较好地描述土壤热性质。潘永洁等（2015）考虑砾石在土壤水热过程的作用， 修改了CLM4.0模式土壤水热参数化方案， 发展了一套适合青藏高原土壤质地的土壤水热参数化方案， 新方案对土壤水热物理过程的模拟有一定提高。
尽管针对高原地区陆面过程模拟已有很多研究， 但采用实测土壤属性数据的研究还相对较少。研究表明， 土壤属性（土壤质地、 土壤有机质、 冠层高度等）会直接影响地表反照率、 粗糙度以及众多土壤水热性质参数（孔隙度、 土壤饱和基质势、 饱和导水率以及土壤导热率和土壤热容量等）（Arya et al， 1981； Minasny et al， 2007）， 进而使得土壤湿度、 总径流、 土壤渗透以及土壤蒸散发等发生变化（Oleson et al， 2010； 张宏等， 2012； 吴龙刚等， 2014）， 并最终对陆-气间的水分循环、 能量循环产生影响。在陆面过程模式中， 这些属性的不准确表达会直接影响到地-气间土壤水热性质参数及各种通量的准确计算， 进而对各要素的模拟产生影响。张宇等（2002）通过敏感性试验发现， 陆面过程模式对地表参数非常敏感。例如地表热通量对土壤质地和土壤亮度均较敏感， 地表水文过程只对土壤质地敏感（梁晓等， 2008）。因此， 利用实测土壤属性数据可使陆面过程模式地表参数更符合实际， 从而可能有效地改善模拟结果。本文利用陆面过程模式CLM4.5和实测的土壤属性数据， 对青藏高原地区典型高寒草甸下垫面进行单点数值模拟试验。本文工作的开展， 有助于了解土壤属性对土壤温湿度、 辐射、 湍流地表通量模拟的影响， 为更深入地理解青藏高原陆气相互作用的物理、 化学机制， 研究并改进陆面过程模式在青藏高原这一独特区域的模拟性能提供科学参考。

2 资料选取、 土壤导热率参数化方案及模式介绍

2.1　站点及资料选取

参照郑景云等（2013）对青藏高原地区的气候区划， 选取高原地区高寒草甸下垫面3个典型站点进行研究（图1， 数据来源于国家自然科学基金委员会“中国西部环境与生态科学数据中心”， http： //westdc.westgis.ac.cn）： 阿柔（100°27′E， 38°03′N， 海拔3033 m）位于青藏高原北部， 年平均气温0.7 ℃， 年均降水量469.6 mm， 6 -9月降水量约占全年降水量的80%； 那曲（91°53′E， 31°22′N， 海拔4505 m）位于青藏高原中部， 年平均气温-0.5 ℃， 年均降水量380 mm， 6 -9月降水量约占全年降水量的80%； 玛曲（102°08′E， 33°54′N， 海拔3443 m）位于青藏高原东部， 年平均气温1.1 ℃， 年均降水量615.5 mm， 降水主要集中在6 -9月。3个研究站点的植被类型均以蒿草为主。
图1 青藏高原植被类型和3个典型高寒草甸站的地理位置

Fig.1 Vegetation types and geographic locations of three typical alpine meadow research stations on the Qinghai-Xizang Plateau

由于青藏高原冬季包括更多复杂的陆面过程， 如冻土、 积雪等， 对模拟带来更多的不确定因素， 故本工作中仅使用5 -9月的观测资料进行模拟试验。站点观测资料包括： 地表辐射四分量、 感热通量、 潜热通量、 气压、 风速、 降水、 近地面气温、 相对湿度、 土壤温湿度（10， 20和40 cm）， 其中， 玛曲站大气强迫数据5月8 -22日缺测， 阿柔站无地表通量数据， 那曲站8月2 -30日辐射通量数据缺测。观测数据的时间分辨率分别为30 min（玛曲、 那曲）、 1 h（阿柔）。
从玛曲站、 阿柔站、 那曲站观测的模式输入气象要素随时间的变化（图2）中可看出， 3个研究站点的降水、 气压、 风速、 气温、 相对湿度及向下长短波辐射的日均值具有明显的季节变化， 玛曲站和阿柔站降水量、 日均气温、 相对湿度均高于那曲站， 这可能与两站地理位置更偏东有关。那曲站日均风速变化幅度最大， 玛曲站日均向下短波辐射变化较大。
图2 玛曲站（a）、 阿柔站（b）、 那曲站（c）观测的模式输入气象要素随时间的变化

Fig.2 The change of atmospheric forcing data in the model input with time at Maqu station (a), Arou station (b) and Naqu station (c)

2.2　土壤导热率参数化方案

土壤导热率是陆面过程模式模拟土壤温度变化的一个重要参数， 同时也是一个较难估计的参数。它不仅依赖于土壤含水量， 还受矿物质组成、 土壤有机质含量、 土壤质地、 孔隙度、 干密度及气温等影响（Peter-Lidard et al， 1998； 罗斯琼等， 2009）。本文选取陆面过程模式常用的三种土壤导热率参数化方案： Johansen（J75）方案、 Farouki（F81）方案、 Côté and Konard（C2005）方案。
Johansen土壤导热率方案k（单位： W·m-1·K-1）表示为：
k = ( k s a t - k d r y ) K e + k d r y
式中： k sat 、 k dry分别表示土壤饱和导热率、 干导热率； Ke是Kersten参数。土壤饱和导热率是由土壤矿物质、 水和冰的导热率共同决定：
k s a t = k s 1 - θ s a t k i θ s a t - θ u k w θ u
式中： ks是土粒的导热率； ki、 kw为水和冰的导热率， 分别取 0.57 W·m-1·K-1、 2.29 W·m-1·K-1； θ s a t为孔隙度； θ u为土壤未冻水含量。
k s = k q q k o m V o m k o 1 - V o m - q
式中： kq、 k om 、 ko是石英砂、 有机质及土壤除石英砂外其他矿物质的饱和导热率， 分别为7.7， 0.25和2 W·m-1·K-1； q为土壤中石英砂的含量， 取砂粒含量的50%； V om为土壤有机质的体积（Chen et al， 2012）。土壤干导热率是土壤干密度ρd的函数：
k d r y = ( 1 - V o m ) k d r y , m + V o m k d r y , o m
式中土壤矿物质的干导热率：
k d r y , m = 0.135 ρ d + 64.7 2700 - 0.947 ρ d
式中： ρ d = 2700 ( 1 - θ s a t )且k dry ， om为0.05 W·m-1·K-1。Ke（Kersten）参数（未冻结土壤）表示为：
K e = 0.7 l o g S r + 1 , 粗 质 土 , S r > 0.05 l o g S r + 1 , 细 质 土 , S r > 0.1
式中： Sr为土壤饱和度。
Farouki方案是CLM4.5采用的土壤导热率参数化方案：
k = K e k s a t + ( 1 - K e ) k d r y , S r > 1 × 10 - 7 k d r y , S r ≤ 1 × 10 - 7
K e = l o g S r + 1 ≥ 0 ( 未 冻 结 土 壤 )
式中对于k sat的描述与J75方案一致， 只是将k s重新进行了定义：
k s = ( 1 - f o m ) k s , m + f o m k o m
式中： f o m = ρ o m ρ o m , m a x， ρom为某层土壤有机质的密度， ρ om ， max=130 kg·m-3。并且矿物质土壤的饱和导热率ks， m与土壤砂粒、 黏粒的含量有关：
k s , m = 8.80 % s a n d + 2.92 % c l a y % s a n d + % c l a y
土壤干导热率：
k d r y = ( 1 - f o m ) k d r y , m + f o m k d r y , o m
式中： k dry ， m与J75方案一致。
Côté and Konard方案（Côté et al， 2005）是基于Johansen方案， 并综合考虑了砾石、 砂土、 壤土、 黏土及泥炭土在冻结和未冻结状态下的土壤导热率而发展的参数化方案。该方案对于Ke数、 土壤干导热率的计算较J75方案有所不同：
K e = κ S r 1 + ( κ - 1 ) S r
k d r y = ∑ i f i χ i 10 - η i θ s a t
式中： fi分别代表土壤有机质、 矿物质颗粒的含量； χi、 i、 i的取值参照Côté et al（2005）。

2.3　模式及数值实验设计

公用陆面过程模式（Community Land Model）CLM4.5是NCAR于2013年发布的新一代陆面过程模式， 是公用地球系统模式CESM（Community Earth System Model）的重要组成模块。CLM4.5模式主要包括地球物理化学、 生物地球物理、 动态植被过程和水循环4个部分。相较之前的CLM版本， CLM4.5中的一些参数化方案得到改进， 主要包括光合作用过程参数化、 冠层辐射过程及冠层尺度上的叶面过程、 冻土导水参数化、 雪盖参数化， 引入了新的湖泊模型等， 这些改进使得 CLM4.5对土壤的水热传输过程及地表能量模拟更为准确（Bonan et al， 2011； Swenson et al， 2012a， 2012b； Subin et al， 2012）。
单点数值试验设计了两组， 一组采用模式原有的土壤属性数据， 另一组根据实地测量的下垫面类型、 土壤砂土和黏土的含量比例、 土壤有机质含量、 冠层高度等（表1）将模式的相应地表数据进行修改， 从表1中可看出， 在玛曲站随着土壤深度的增加， 砂粒、 黏粒含量减小、 有机质含量减少； 在阿柔站随着土壤深度的增加， 砂粒减小、 黏粒含量增加， 有机质含量减少； 在那曲站随着土壤深度的增加， 砂粒大幅增加、 黏粒含量减少， 有机质含量减少。玛曲站、 阿柔站的土壤质地为砂壤土， 那曲站为砂土。并利用各站空气温度、 相对湿度、 气压、 风速、 降水、 向下长短波辐射作为模式的大气强迫场， 根据各站实测土壤温湿度数据， 设置模式所需的各层土壤初始值， 分别对模式原有地表和修改后地表两种情况进行模拟。此外， 鉴于陆面过程模式对初始场的敏感性及对土壤的“记忆性”， 同时考虑到可利用观测数据的长度， 本研究首先进行了1个月（5月1 -31日）的spin-up， 对6 -9月的模拟结果进行分析（李时越等， 2018）。
表1 3个研究站点模式地表参数的设定

Table 1 The setting of land surface parameters in the CLM4.5 at three research sites

地点 土壤深度/m 砂粒/% 黏粒/% 有机质/(kg∙m-3) 植被覆盖 冠层高度/m
玛曲 0.0175 32.1 10.84 50.4 100%高寒草甸 0.2
0.0451 32.55 10.64 46.85
0.0906 33.06 10.35 41.04
0.1655 33.27 9.98 31.56
0.2891 31.91 9.63 16.22
0.4929 24.98 9.79 16.22
0.8289 24.98 9.79 16.22
1.3828 24.98 9.79 16.22
2.2961 24.98 9.79 0
3.8019 24.98 9.79 0
阿柔 0.0175 34.82 7.54 42.35 100%高寒草甸 0.1
0.0451 31.97 7.93 40.81
0.0906 27.72 8.51 38.44
0.1655 21.94 9.28 35.01
0.2891 15.73 10.07 30.66
0.4929 14.48 10.02 27.03
0.8289 14.48 10.02 27.03
1.3828 14.48 10.02 27.03
2.2961 14.48 10.02 0
3.8019 14.48 10.02 0
那曲 0.0175 97.87 0.145 17.14 100%高寒草甸 0.1
0.0451 95.187 0.695 15.85
0.0906 91.227 1.568 13.88
0.1655 85.954 2.916 11.08
0.2891 80.68 4.891 7.67
0.4929 81.251 7.485 5.31
0.8289 81.251 7.485 5.31
1.3828 81.251 7.485 5.31
2.2961 81.251 7.485 0
3.8019 81.251 7.485 0
利用模拟值与观测值之间的平均偏差（Bias）、 均方根误差（RMSE）评估模式模拟效果， 具体公式如下：
B i a s = 1 N ∑ i = 1 N ( S i - O i )
R M S E = 1 N ∑ i = 1 N ( S i - O i ) 2 1 2
式中： Si、 O i分别为模拟值和观测值； N为时间序列长度。

3 模拟结果分析与讨论

3.1　土壤湿度

通过CLM4.5模式模拟值与观测值在不同土壤层的土壤湿度日平均值变化曲线（图3）对比可知， 修改前后， CLM4.5均能较好地模拟出各站点土壤湿度随季节变化的特征； 模拟值大小与降水量对应很好， 较高土壤湿度的出现均对应多雨期； 同时， CLM4.5也较好地模拟出了观测资料所体现出的土壤湿度变化幅度随土壤深度大幅减小的特征以及深层土壤湿度相对表层土壤的“滞后”变化特征。由图3和表2可知， 在玛曲， 与观测值相比， 修改前模式整体低估了土壤湿度的大小且在10 cm处存在较大偏差（-0.12 m3∙m-3）。经过修改地表后， 模式虽仍然整体低估了土壤湿度的大小， 但是与实测值更为接近， 随着土壤深度的增加， 模拟值和观测值之间的平均偏差减小， 模式在下层土壤湿度的模拟效果（RMSE =0.07 m3∙m-3）要优于在上层土壤。在阿柔， 修改地表后模式在10 cm土壤处低估了土壤湿度， 在20 cm和40 cm处， 均高估了土壤湿度（Bias > 0.01 m3∙m-3）， 但修改地表后的土壤湿度模拟效果（RMSE <0.06 m3∙m-3）要好于修改前。在那曲， 修改后模式的模拟值与实测值更为接近。
图3 玛曲站（a）、 阿柔站（b）、 那曲站（c）降水量及模拟和观测的土壤湿度日均值

Fig.3 The precipitation, the simulated and observed daily mean values of soil moisture at Maqu (a), Arou (b) and Naqu (c) stations

表2 3个研究站点土壤湿度平均偏差、 均方根误差

Table 2 The Bias and RMSE of soil moisture at three research sites

站点 土壤深度 /cm 土壤湿度/(m3·m-3)
修改前Bias 修改前RMSE 修改后Bias 修改后RMSE
玛曲 10 -0.12 0.13 -0.10 0.11
20 -0.07 0.07 -0.05 0.05
40 -0.07 0.07 -0.02 0.03
阿柔 10 -0.11 0.11 -0.06 0.06
20 -0.06 0.07 0.01 0.02
40 -0.02 0.03 0.04 0.05
那曲 10 0.04 0.06 -0.02 0.05
20 0.10 0.10 0.06 0.06
40 0.09 0.09 0.06 0.06
上述分析表明， CLM4.5模式能较好地体现因地形、 气候等差异， 对模拟结果产生的影响。位于高原东北部的玛曲、 阿柔相较于高原中部的那曲而言， 年降水量多， 植被覆盖度高且土壤发育较好， 土壤质地密实， 土壤水分蒸发能力弱， 故模拟的各层土壤水分均高于那曲（图3）。修改土壤属性后， 三站的冠层高度较原冠层高度减小， 大气降水更容易进入土壤。且在玛曲和阿柔， 各层土壤的砂粒含量降低、 有机质含量增加， 故模式对孔隙度、 土壤吸力的计算有所增大， 对导水率的计算较模式自带数据显著减小， 故提高了各层土壤的持水能力， 有效的减小了土壤水分下渗， 使得各层土壤含水量增加。而在那曲， 各层土壤的砂粒含量较修改土壤属性前显著增加， 有机质含量虽然增加但相较其他两站而言含量很小， 对土壤水力学性质影响较小， 故模式对孔隙度、 土壤吸力的计算与原数据相比有所减小， 对导水率的计算显著增加， 降低了各层土壤的持水能力， 增加了土壤水分下渗， 与观测值的平均偏差较修改前明显减小。除此之外， 从上述结果可知， 修改土壤属性前后对于青藏高原地区不同站点10 cm处土壤湿度的模拟普遍偏低（修改前那曲除外）， 这可能与模式未考虑根系对土壤湿度的影响有关。一些研究表明， 植被根系的存在使得大量有机物累积， 提高了土壤的团聚性， 土壤结构较为紧实， 其大孔隙数减少小孔隙数增加， 土壤持水性增加（Huntington， 2007； Cristensen， 1996）。

3.2　土壤温度

土壤温度是评估陆面过程模式模拟效果的重要变量， 其模拟结果的准确性对模式中地气间能量通量和物质通量的模拟产生直接影响。图4给出了修改土壤属性前后3个站点土壤温度模拟值与观测值的比较。整体来看， CLM4.5能较好地体现3个站点土壤温度随季节变化的特征（修改前R 2> 0.82， P<0.01； 修改后R 2>0.77， P<0.01）。此外， 在不同深度上， 各层温度随时间的变化具有一定的滞后性， 模拟值的振幅与观测值基本一致， 但修改前后模拟值的大小较观测值还存在不同程度的偏差。
图4 玛曲站（a）、 阿柔站（b）、 那曲站（c）模拟和观测的土壤温度日均值

Fig.4 The simulated and observed daily mean values of soil temperature at Maqu (a), Arou (b) and Naqu (c) stations

由玛曲、 阿柔和那曲站模拟和观测的土壤温度日均值（图4）可知， 在玛曲， 修改土壤属性前， 模式均低估了三层土壤温度的大小（Bias <-0.17 ℃）且随着土壤深度的增加， 模拟偏差逐步增大； 经过修改， 模式在10 cm土壤处高估了土壤温度的大小（Bias=0.65 ℃）， 在20 cm、 40 cm处存在低估（Bias<-0.21 ℃）， 模拟效果优于修改前（修改前RMSE < 1.73 ℃， 修改后RMSE<1.06 ℃）。修改土壤属性前， 模式在阿柔分别低估了10 cm和20 cm的土壤温度， 高估了40 cm的土壤温度， 在那曲高估了各层土壤的温度； 修改后， 模式在阿柔、 那曲均高估了各层土壤的温度（阿柔Bias>1.45 ℃， 那曲Bias> 2.33 ℃）， 随着土壤深度的增加， 模拟偏差逐步增大。
从上述分析结果可以看出， 那曲较玛曲、 阿柔而言， 干旱少雨， 太阳辐射强烈， 下垫面植被稀疏， 土壤质地较粗， 使得地表更容易受到太阳辐射的影响， 故模拟的那曲各层土壤温度随季节变化的振幅比玛曲、 阿柔的剧烈。经过修改土壤属性后， 模式地表虽然与各站点实际地表状况更为接近， 但是模式对土壤温度的模拟并非都有所改进： 在玛曲和阿柔， 由于砂粒含量减小， 有机质含量增加， 模式对于孔隙度的计算偏大， 进而土壤热传导率减小， 且模拟的土壤湿度较修改前均有所增加， 使得土壤体积热容量增大， 故导致模式模拟的各层土壤温度均高于修改前， 在玛曲其大小和观测值更为接近， 而在阿柔模拟效果不如修改前。在那曲， 各层土壤的砂粒含量显著增加， 有机质含量很少且对土壤热力学性质的影响与土壤机械组成相比较小， 模式对于土壤热传导率的计算偏大， 热量更容易向下传导， 故导致下层土壤温度的平均偏差高于上层温度且模拟效果不如修改前。这可能与土壤温度相关的土壤热性质参数化方案不准确有关。为了进一步分析加入实测土壤属性数据后CLM4.5模式对土壤温度模拟改进不明显的原因， 根据实测土壤导热率随土壤液态水含量的变化曲线对比分析了三种陆面过程模式常用的土壤导热率参数化方案（图5）， 结果发现各站点、 各层土壤的导热率均随土壤含水量减小而下降； 砂粒含量越多， 土壤导热率越大。在含水量较小的情况下（Sr<0.2）， 三种方案计算的土壤导热率与实测量值相当， 随着含水量的增加， F81方案与观测值差值逐步增大。J75和C2005方案计算得到的土壤导热率变化曲线在各站点、 各层土壤中均与实测曲线较为接近。由上述分析， F81方案较J75、 C2005方案计算得到的土壤导热率都大， 高估了各层土壤导热率， 进而导致了模式对土壤温度模拟普遍偏高， 模拟效果改进不明显的结果。
图5 玛曲站（a）、 阿柔站（b）、 那曲站（c）J75、 F81及C2005土壤导热率方案比较

Fig.5 Compared with soil thermal conductivity J75, F81 and C2005 parameterization scheme at Maqu (a), Arou (b) and Naqu (c) stations

3.3　辐射通量

地表辐射平衡过程中， 太阳短波辐射和大气长波辐射是地表能量的来源， 同时地表又以长波辐射和反射短波辐射的形式释放能量。反射短波辐射则由地表反照率所决定。CLM4.5模式中短波辐射又被分为可见光和近红外光进行处理； 植被反照率由二流近似模型得到， 地表反照率则与地表湿度相关。对于长波辐射， 模式中采用 Stefan-Boltzman 定律计算， 其为地表温度的函数（杨扬等， 2016）。
从CLM4.5模式在3个测站反射辐射模拟值与观测值的比较（图略）可以看出， 模式修改前后均能较好地再现反射辐射的季节变化趋势。从整体看， 在玛曲和阿柔， 与观测值相比， 修改前模式对反射辐射存在明显的低估（玛曲和阿柔的Bias值分别为-15.26和-11.07 W·m-2）， 经过修改土壤属性后玛曲、 阿柔的平均偏差较修改前仍为负但模拟效果优于修改前； 那曲模拟值与观测值的平均偏差由正偏差变为负偏差且模拟值与观测值更为接近。由反射辐射的模拟值与观测值的散点分布（图6）可见， 那曲站的模拟结果与实测值更为接近， 相关系数达到了0.97； 而阿柔、 玛曲的模拟值明显低于实际观测结果。
图6 玛曲站（a）、 阿柔站（b）、 那曲站（c）反射辐射日均值散点分布

Fig.6 The scatter diagrams of reflected radiation flux at Maqu (a), Arou (b) and Naqu (c) stations

从玛曲、 阿柔和那曲站模拟和观测的地表长波辐射日均值（图7）可见， 修改前后模式对地表长波辐射的模拟均偏高且修改后地表长波辐射的改进不显著， 这可能与模式在修改地表前后对地表温度模拟偏高且修改后高于修改前有关。基于观测值， 修改地表前后模式在阿柔的模拟效果最好， 模拟值与观测值的变化趋势、 峰谷值基本吻合； 在那曲修改后较修改前模拟的振幅偏大。这与模式模拟地表温度与观测值的变化趋势一致。综上所述， 在修改了土壤属性后， 模式对阿柔站的地表长波辐射模拟效果优于其他两站， 模拟值与观测值的线性拟合线最接近于1∶1线， 相关性最高且偏差较小。
图7 玛曲站（a）、 阿柔站（b）、 那曲站（c）模拟和观测的地表长波辐射日均值

Fig.7 The simulated and observed daily mean values of surface long wave radiation flux at Maqu (a), Arou (b) and Naqu (c) stations

3.4　地表通量

地表通过湍流运动将热量和水汽输送给大气， 即表现为感热通量和潜热通量的交换。由玛曲和那曲站模拟和观测的感热通量（图8）及潜热通量（图9）的日均值可知， 在玛曲， CLM4.5模式模拟6 -9月的潜热通量明显高于感热通量； 那曲相反。这主要是由于高原地表覆盖和海拔造成的， 玛曲位于海拔较低， 植被覆盖度高且降水较为丰富的高原东部地区， 因而蒸发潜热较强， 潜热通量在地表能量的分配中占主导地位； 位于高原中部的那曲植被稀疏， 地表温度回升快， 风速大， 故造成地表感热通量的增大， 感热通量在地表能量的分配中占主导地位。模式很好的再现了高原地区感、 潜热通量空间分布特点（李茂善等， 2019）。
图8 玛曲站（a）、 那曲站（b）模拟和观测的感热通量日均值

Fig.8 The simulated and observed daily mean values of sensible heat flux at Maqu (a) and Naqu (b) stations

图9 玛曲站（a）、 那曲站（b）模拟和观测的潜热通量日均值

Fig.9 The simulated and observed daily mean values of latent heat flux at Maqu (a) and Naqu (b) stations

从图8可见， 感热通量的季节变化趋势在模式中得到了较好的体现， 模式修改后各站点的模拟值较修改前与实测值更为接近， 模拟效果优于修改前。从偏差统计结果来看， 模式修改地表前后在玛曲模拟的感热通量与观测值的Bias（修改前后分别为22.03 和18.93 W·m-2）、 RMSE（修改前后分别为24.14 和20.52 W·m-2）均比那曲小。这主要是因为那曲的下垫面植被冠层高度较玛曲低， 干旱少雨， 模式模拟的浅层土壤湿度、 浅层土壤温度分别低于、 高于玛曲， 地气温差大， 故修改地表前后模拟地感热通量均比玛曲的大。
从图9可看出， 模式也模拟出了潜热通量的变化趋势， 同样经过修改后各站点的模拟值较修改前更接近观测值， 模拟效果优于修改前（表3）。在整个模拟时段内， 模式在各站的模拟均对降水有响应， 降水发生时潜热变大。玛曲相较于那曲而言， 持续性降水更多， 经过修改土壤属性后下垫面植被高度降低， 模拟的浅层土壤较为湿润且浅层土壤温度高于修改前， 故蒸发增强， 修改地表后模式在玛曲的模拟值与观测值基本吻合。而在那曲修改前后的模拟值均普遍低于观测值， 但修改后模拟效果优于修改前， 与实际观测结果较为接近。
表3 3个研究站点潜热通量平均偏差、 均方根误差

Table 3 The Bias and RMSE of latent heat flux at three research sites

研究 站点 潜热通量/(W∙m-2)
修改前Bias 修改前RMSE 修改后Bias 修改后RMSE
玛曲 -3.02 20.08 -2.03 17.15
那曲 -38.73 47.89 -38.14 45.89

4 结论与讨论

利用中国科学院西北生态环境资源研究院玛曲、 阿柔和那曲站的观测资料对CLM4.5模式在青藏高原地区高寒草甸下垫面的模拟性能进行了评估。模拟结果表明， 模式在三个站点均能模拟出陆面各特征量的季节变化趋势， 但是各站点的模拟性能并不相同。具体结论如下：
（1） 对于土壤湿度的模拟， 修改土壤属性前后CLM4.5模式均能较好的模拟出深层土壤湿度相对表层土壤湿度的“滞后”变化特征， 但是模式在10 cm处土壤湿度的模拟普遍偏低。经过修改土壤属性后， 各站的模拟值普遍与观测值更为接近， 同时模式在玛曲20 cm和40 cm处土壤湿度的模拟效果要优于10 cm处； 那曲相反。模式对土壤湿度的模拟存在偏差， 可能与模式未考虑根系对土壤湿度的影响有关。
（2） 在玛曲和阿柔， 修改土壤属性前， 模式对10和20 cm处土壤温度的模拟整体偏低， 在那曲整层土壤温度的模拟值偏高； 经过修改后， 在玛曲模拟值与观测值更为接近， 在阿柔、 那曲较修改前改进不明显。
（3） 在玛曲、 阿柔， 修改土壤属性前， 反射辐射的模拟值较观测值均偏低， 经过修改后模拟值更接近于观测值。而模式均高估了各站的地表长波辐射， 经过修改后阿柔的模拟性能最好， 模式在其余两站改进不显著。
（4） 模式基本能模拟出感热、 潜热通量的季节变化趋势。修改前后， 感热通量均被高估， 经过修改后模式对感热通量的模拟更接近观测值。有持续性降水条件下， 潜热通量的模拟值与观测值较为吻合。
通过以上研究可以看到， CLM4.5模式能够较好地再现青藏高原地区地气间的陆面过程特征， 土壤属性数据通过影响陆面过程模式对土壤水热性质的计算， 进而影响土壤温湿度的模拟。经过修改土壤属性后， 虽然模式的地表与实际状况更为接近， 但模式对各站点土壤温湿度的模拟性能并不相同： 模式有效改善了土壤湿度的模拟结果， 对土壤温度的改进则不明显。进一步通过对比分析各参数化方案计算得到的土壤导热率与实测土壤导热率发现， CLM4.5土壤导热率参数化方案均高估了各层土壤导热率， 土壤导热率参数化方案描述不准确导致土壤温度模拟普遍偏高。CLM4.5模式对下垫面植被覆盖差、 无持续性降水条件下的感热、 潜热通量的模拟也并不理想， 其原因在于本文仅对模式中影响土壤水热性质的土壤属性进行了修改。除此之外， 本文虽然对比分析了陆面过程模式常用的几种土壤导热率参数化方案并且发现J71方案和C2005方案均与实测值比较接近， 但是并未对该参数化方案在模式中的适用性做进一步分析， 而这也将作为本文后续研究工作的重点。

衷心感谢中国科学院西北生态环境资源研究院若尔盖高原湿地生态系统研究站， 那曲高寒气候环境研究站、 黑河遥感试验研究站及国家自然科学基金委员会“中国西部环境与生态科学数据中心”（http： //westdc.westgis.ac.cn）对本论文的数据支持； 感谢中国科学院西北生态环境资源研究院中国科学院超级计算兰州分中心对本论文数值计算的支持。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Arya L M， Paris J F， 1981.A physicoempirical model to predict the soil moisture characteristic from particle-size distribution and bulk density data1［J］.Soil Science Society of America Journal， 45（6）： 1023-1030.DOI： 10.2136/sssaj1981.03615995004500060004x.

Bonan G B， Lawrence P J， Oleson K W， et al， 2011.Improving canopy processes in the Community Land Model version 4 （CLM4） using global flux fields empirically inferred from FLUXNET data［J］.Journal of Geophysical Research： Biogeosciences， 116（G2）： G02014.DOI： 10.1029/2010jg001593.

Chen F， Dudhia J， 2001.Coupling an advanced land surface-hydrology model with the Penn state-NCAR MM5 modeling system.Part II： Preliminary model validation［J］.Monthly Weather Review， 129（4）： 587-604.DOI： 10.1175/1520-0493（2001）129<0587： CAALSH>2.0.CO； 2.

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.DOI： 10.1007/s11430-012-4433-0.

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.

Dickinson R E， 1995.Land-atmosphere interaction［J］.Reviews of Geophysics， 33（S1）： 917-922.DOI： 10.1029/95RG00284.

Dickinson R E， Henderson-Sellers A， Rosenzweig C， et al， 1991.Evapotranspiration models with canopy resistance for use in climate models， a review［J］.Agricultural and Forest Meteorology， 54（2/4）： 373-388.DOI： 10.1016/0168-1923（91）90014-H.

Giorgio F， Avissar R， 1997.Representation of heterogeneity effects in earth system modeling： Experience from land surface modeling［J］.Reviews of Geophysics， 35（4）： 413-437.DOI： 10.1029/97RG01754.

Huntington T G， 2007.Available water capacity and soil organic matter［M］.New York： Taylor and Francis， 139-143.

Luo S Q， Lü S H， 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.DOI： 10.1016/j.coldregions.2008.07.009.

Ma Y， Fan S， Ishikawa H， et al， 2004.Diurnal and inter-monthly variation of land surface heat fluxes over the central Tibetan Plateauarea［J］.Theoretical and Applied Climatology， 80： 259-273.DOI： 10.1007/s00704-004-0104-1.

Minasny B， McBratney A B， 2007.Estimating the water retention shape parameter from sand and clay content ［J］.Soil Science Society of America Journal， 71（4）： 1105-1110.DOI： 10.2136/sssaj2006.0298N.

Oleson K W， Bonan G B， Feddema J J， et al， 2010.Technical description of an urban parameterization for the Community Land Model （CLMU） ［R］.Climate and Global Dynamics Division.

Peter-Lidard C D， Blackburm E， Liang X， et al， 1998.The effect of soil thermal conductivity parameterization on surface energy fluxes and temperature［J］.Journal of the Atmospheric Sciences， 55（7）： 1209-1224.DOI： 10.1175/1520-0469（1998）055<1209： TEOSTC>2.0.CO； 2.

Pielke A R， 2001.Influence of the spatial distribution of vegetation and soils on the prediction of cumulus convective rainfall［J］.Reviews of Geophysics， 39（2）： 151-177.DOI： 10.1029/1999RG000072.

Steiner A L， Pal J S， Giorgi F， et al， 2005.The coupling of the Common Land Model （CLMo） to a regional climate model （RegCM）［J］.Theoretical and Applied Climatology， 82： 225-243.DOI： 10.1007/s00704-005-0132-5.

Subin Z M， Riley W J， Mironov D， 2012．An improved lake model for climate simulations： Model structure， evaluation， and sensitivity analyses in CESM1［J］.Journal of Advances in Modeling Earth Systems， 4（1）： M02001．DOI： 10.1029/2011MS000072.

Swenson S C， Lawrence D M， 2012a．A new fractional snow-covered area parameterization for the Community Land Model and its effect on the surface energy balance［J］.Journal of Geophysical Research： Atmospheres， 117（D21）： D21107.DOI： 10.1029/2012jd018178.

Swenson S C， Lawrence D M， Lee H， 2012b.Improved simulation of the terrestrial hydrological cycle in permafrost regions by the Community Land Model［J］.Journal of Advances in Modeling Earth Systems， 4（3）： M08002.DOI： 10.1029/2012MS000165．

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.

Yang Z L， 2004.Modeling land surface processes in short-term weather and climate studies ［M］// Observation， Theory and Modeling of Atmospheric Variability.World Scientific Series on Meteorology of East Asia.New Jersey： World Scientific， 288-313.

段志华， 张钰， 张伟， 等， 2012.评估4种寒区陆面、 水文过程模式及在青藏高原的应用前景［J］.水资源与水工程学报， 23（6）： 43-50.DOI： 1672-643X（ 2012） 06-0043-08.

黄珏， 陈海山， 俞淼， 2013.1981 -2008年中国陆地植被NPP对气候变化响应的敏感性试验［J］.大气科学学报， 36（3）： 316-322.DOI： 10.13878/j.cnki.dqkxxb.2013.03.008.

李茂善， 阴蜀城， 刘啸然， 等， 2019.近10年青藏高原及其周边湍流通量变化的数值模拟［J］.高原气象， 38（6）： 1140-1148.DOI： 10.7522/j.issn.1000-0534.2018.00145.

李时越， 杨凯， 王澄海， 2018.陆面模式CLM4.5在青藏高原土壤冻融期的偏差特征及其原因［J］.冰川冻土， 40（2）： 322-334.DOI： 10.7522/j.issn.1000-0240.2018.0037.

梁晓， 戴永久， 2008.通用陆面模式对土壤质地和亮度的敏感性分析 ［J］.气候与环境研究， 13（5）： 585-597.DOI： 10.3878/j.issn.1006-9585.2008.05.01.

刘火霖， 胡泽勇， 韩赓， 等， 2020.基于Noah-MP模式的影响青藏高原冻融过程参数化方案评估［J］. 高原气象， 39（1）： 1-14.DOI： 10.7522/j.issn.1000-0534.2019.00009.

罗斯琼， 吕世华， 张宇， 等， 2008.CoLM模式对青藏高原中部BJ站陆面过程的数值模拟［J］．高原气象， 27（2）： 259-271.

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）： 919-928.DOI： 10.3969/j.issn.0001-5733.2009.04.008.

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.

沈润平， 郭倩， 陈萍萍， 等， 2019.高分辨率大气强迫和植被功能型数据对青藏高原土壤温度模拟影响［J］.高原气象， 38（6）： 1129-1139.DOI： 10.7522/j.issn.1000-0534.2018.00159.

孙菽芬， 牛国跃， 洪钟祥， 1998.干旱及半干旱区土壤水热传输模式研究［J］.大气科学， 22（1）： 1-10.DOI： 10.3878/j.issn. 1006-9895.1998.01.01.

涂刚， 2007.半干旱区不同下垫面地气相互作用研究［D］．北京： 中国科学院大气物理研究所， 1-128．

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.

吴龙刚， 王爱慧， 盛炎平， 2014.土壤质地对中国区域陆面过程模拟的影响［J］.气候与环境研究， 19（5）： 559-571.DOI： 10. 3878/j.issn.1006-9585.2013.13055.

姚洁， 陈海山， 朱伟军， 2010.北半球陆面过程对全球变暖响应特征的初步分析［J］.大气科学学报， 33（2）： 220-226.DOI： 10. 13878/j.cnki.dqkxxb.2010.02.009.

岳平， 张强， 李耀辉， 等， 2013.半干旱草原下垫面动量和感热总体输送系数参数化关系研究［J］.物理学报， 62（9）： 527-535.DOI： 10.7498/aps.62.099202.

杨扬， 杨启东， 孙旭映， 等， 2016.三个陆面过程模式在西北半干旱区的模拟性能对比［J］.气候与环境研究， 21（4）， 405-417.DOI： 10.3878/j.issn.1006-9585.2016.15105.

张宏， 胡波， 刘广仁， 等， 2012.中国土壤热通量的时空分布特征研究［J］.气候与环境研究， 17 （5）： 515-522.DOI： 10.3878/j.issn.1006-9585.2012.10124.

张宇， 吕世华， 2002.藏北高原陆面过程的模拟试验［J］.大气科学， 26（3）： 387-393．DOI： 10.3878/j.issn.1006-9895.2002. 03.09.

郑景云， 卞娟娟， 葛全胜， 等， 2013.1981-2010年中国气候区划［J］.科学通报， 58（30）： 3088-3099.DOI： 10.1360/972012-1491.

周德刚， 黄荣辉， 黄刚， 2009.近几十年来长江上游流域气候和植被覆盖的变化［J］.大气科学学报， 32（3）： 377-385.DOI： 10.13878/j.cnki.dqkxxb.2009.03.003.

Options
Outlines

/

〈 〉

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