Analysis on the Changes of Soil Freezing and Thawing Process and Its Relationship with Air Temperature in the Central Qinghai-Xizang Plateau

  • Lintong CAI , 1 ,
  • Xuewei FANG , 1 ,
  • Shihua LÜ 1, 2, 3 ,
  • Yu ZHANG 1 ,
  • Zhaoguo LI 3 ,
  • Shaobo ZHANG 1 ,
  • Xin LAI 1
Expand
  • 1. College of Atmospheric Science,Chengdu University of Information and Technology,Plateau Atmosphere and Environment Key Laboratory of Sichuan Province,Chengdu 610225,Sichuan,China
  • 2. Nanjing University of Information Science and Technology,Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters,Nanjing 210044,Jiangsu,China
  • 3. Northwest Institute of Eco-Environment and Resources,Chinese Academy of Sciences,Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Region,Lanzhou 730000,Gansu,China

Received date: 2020-06-15

  Revised date: 2020-09-17

  Online published: 2021-04-28

Highlights

Based on the in-suit observational data of 22 stations in the central Qinghai-Xizang Plateau(QXP) from 2010 to 2014 and the 3-hourly 0.25°×0.25° gridded data derived from GLDAS-NOAH from 1960 to 2014, the changes in freezing and thawing tensity and frequency over the central QXP was analyzed by linear regression method, and the relationship between freezing and thawing tensity and air temperature was also discussed.The results are as follows: (1) According to the observational data, the durations of freezing and thawing processes in the central QXP show considerable differences between the stronger and weaker freezing years.(2) The average temperature of the central QXP shows an increasing tendency, with a rate of 0.39 ℃·(10a)-1; the freeze start date was delayed at a rate of 0.91 d·(10a)-1, and the freeze end date was advanced at a rate of 2.88 d·(10a)-1 from 1960 to 2014.It is noteworthy that the freeze end date responded more quickly to the air warming compared to the freeze start date.(3) From the vertical point of view, the soil at 5 cm under the ground shows the most obvious differences in both temperature and liquid water content under different freezing and thawing tensity conditions.Besides, the differences decreased gradually with the increase of soil depth.The heat difference caused by the obviously different rates of water phase change in surface soil under stronger and weaker freezing conditions makes the remarkable differences in diurnal variations of soil temperature.

Cite this article

Lintong CAI , Xuewei FANG , Shihua LÜ , Yu ZHANG , Zhaoguo LI , Shaobo ZHANG , Xin LAI . Analysis on the Changes of Soil Freezing and Thawing Process and Its Relationship with Air Temperature in the Central Qinghai-Xizang Plateau[J]. Plateau Meteorology, 2021 , 40(2) : 244 -256 . DOI: 10.7522/j.issn.1000-0534.2020.00073

1 引言

冻土分布面积占全球陆地面积的22%~25%(孙菽芬, 2005), 对全球气候变化具有重要的意义。季节性冻融循环过程极大的影响着地气系统之间能量交换的过程, 使得地面与大气之间的能量交换强度大幅提高(李述训等, 2002)。
青藏高原广泛分布着多年冻土和季节性冻土, 土壤的冻结和消融过程是青藏高原陆面特征的重要参量(Yang et al, 2007), 高原冻土的冻融过程对高原上空和东亚大气环流有显著的影响(王澄海等, 2003), 对东亚夏季风的爆发时间和强度有重要的影响(尚大成和王澄海, 2006)。冻结过程利于土壤的水分维持, 对高原季节转换尤为重要(杨梅学等, 2002)。此外, 高原冻融循环过程对农业(Henry, 2013)、 生态(Knox, 2001)、 水文和地表径流(Niu and Yang, 2006Zheng et al, 2018)等方面有重要意义。近年来, 伴随全球气候变化及人类活动影响, 青藏高原多年冻土活动层下界升高, 地温增加, 活动层加厚, 冻结日数减少, 冻土分布平均海拔呈不同程度增加, 冻土退化显著(Zhao et al, 2004Zhang et al, 2015)。青藏高原冻土冻结强度的持续变化必然会引起土壤冻融状态的改变, 通过影响地表反照率、 土壤热属性、 地表蒸发及植被生长状况, 最终导致地表能量和水分的再分配, 从而加强其气候效应(Wang et al, 2000高荣等, 2010)。
之前以台站观测资料为基础的研究, 主要集中在高原土壤冻融过程对复杂下垫面和大气间的物质、 能量交换造成的影响等方面。罗布等(2018)通过安多站2014年土壤温度和土壤湿度观测资料分析, 指出了东亚季风爆发前期土壤的消融过程期间, 土壤表层与大气之间的能量正反馈过程, 使得高原的“感热泵”效应增强。此外, 土壤的季节性冻结和消融过程对地表各能量通量的季节变化和日变化均有不同程度的影响。从季节尺度上看, 冻融过程对波文比(感热通量Hs与潜热通量LE的比值)的影响显著, 但对感热通量和潜热通量变化的影响相对较小; 土壤冻融过程导致的土壤水分相变过程对潜热通量的日变化影响较大, 而对感热通量的日变化影响则不够明显(葛骏等, 2016)。而关于全球变化背景下, 高原冻土冻结状态变化导致的土壤水热属性变化及其与气温关系方面的研究则相对较少。
由于冻土与气候之间关系的复杂性和陆面观测资料的缺乏, 仅用离散的台站观测资料分析研究冻土与气候之间相互作用的机制显然无法满足当前的需求, 这就使得数值模式迅速发展并逐渐成为研究陆面异常变化及其影响的重要手段(Yao et al, 2012)。随着陆面过程模式的不断完善, CLM(陈渤黎等, 2012Guo et al, 2018)、 NOAH(Song et al, 2014)、 SiB2(薛彦广等, 2010)等陆面模式开始在高原冻土区广泛使用。高分辨率大气强迫和植被功能型数据的使用, 进一步降低了模式模拟的误差(沈润平等, 2019)。然而, 由于青藏高原地形复杂, 气候条件恶劣, 气象台站分布离散, 相比于其他诸如气温、 湿度、 风速等常规气象观测项目的资料, 土壤温度、 湿度观测资料的获取显得尤为困难, 这也使得以往的青藏高原地面热状况变化多以单点或局地研究为主。全球陆面数据同化系统(GLDAS)陆面模式产品的释放则为在青藏高原区域开展长时间序列的地面热状况变化与气候变化相互作用及机制方面的研究提供了重要支撑。目前已经开展了较多GLDAS土壤温度、 湿度产品在高原的适用性检验工作(崔园园等, 2018钱安等, 2018许顺芳等, 2018)。邓明珊等(2018)基于土壤湿度观测数据, 评估了GLDAS四套陆面数据同化产品(NOAH、 CLM、 VIC、 MOSAIC)在青藏高原的适用性及其变化特征, 发现NOAH陆面模式资料在高原的适用性较好。保鸿燕等(2016)利用青藏高原2010 -2014年土壤湿度、 降水和地表温度观测资料, 分析了GLDAS-NOAH模式土壤温度数据与观测数据之间的误差及原因和土壤湿度的气候效应。杨楠和范广洲(2019)基于GLDAS-NOAH资料, 分析了2000 -2016年青藏高原土壤温度变化特征。上述研究工作主要分析了模式对高原土壤水热状况的模拟能力, 而关于高原冻结强度变化及其与气温关系方面的定量研究工作仍然开展地相对较少, 近年来只进行了一些尝试性工作(Guo and Wang, 2014Fang et al, 2019)。因此有必要利用多站点观测数据结合模式产品数据展开进一步分析。本文拟利用青藏高原中部22个站点2010 -2014年土壤温度、 湿度日尺度观测资料分析土壤冻融特征及冻结强度变化, 得到冻结强度变化与气温的初步关系; 结合GLDAS-NOAH长时间序列土壤温度日资料, 进一步探讨高原中部区域1960 -2014年土壤冻融强度变化与气温的关系。

2 资料来源与方法介绍

2.1 站点数据简介

青藏高原平均海拔4000 m以上, 辐射强, 日照多, 气温低, 日较差大; 干湿分明, 多夜雨; 冬季干冷, 为冷源, 夏季多雨多冰雹, 为热源(叶笃正等, 1957)。
青藏高原中部季节冻融区土壤温度、 土壤湿度资料来源于中国科学院青藏高原研究所(Yang et al, 2013)。青藏高原中部地区建立了由58个监测站组成的密集监测网, 分别在3个空间尺度(1.0°、 0.3°、 0.1°)和4个土壤深度(0~5, 10, 20和40 cm)测量了土壤湿度液态水含量和土壤温度。本文从中选用了部分站点(图1), 这些站点的海拔在4470~4950 m, 站点所在的区域具有生物量低、 土壤水分动态范围大、 冻融循环典型等特点。本文使用的资料时间为2010年8月1日至2014年12月31日, 考虑到部分站点测量并非连续, 时间序列存在偏移或缺省, 筛选出测量连续无中断的22个站点数据进行分析。
图1 青藏高原中部部分站点分布

括号内数字为海拔(单位: m)

Fig.1 Distribution of in-suit observational stations in central Qinghai-Xizang Plateau.The altitude for each station is in the brackets (unit: m)

2.2 数据简介

所用数据产品来源于由美国国家航天局(NASA)和美国海洋和大气局(NOAA)联合开发的全球陆面数据同化系统GLDAS 2(Global Land Data Assimilation System version 2)。它融合了卫星数据资料和地面观测站数据, 在再分析资料和同化资料等支持下, 配合陆地信息系统(Land Information System)建立起来的(Kumar et al, 2006)。本文选用空间分辨率为0.25°×0.25°, 时间分辨率为3 h的GLDAS-NOAH L4-2.0 1960 -2014年数据(https: //disc.gsfc.nasa.gov/datasets/GLDAS_NOAH025_3H_2.0/summary?keywords=GLDAS), 结合野外观测站点资料(31.13°N -31.88°N, 91.63°E -92.38°E), 分析高原中部2010 -2014年季节冻土区冻融强度变化特征并探讨其与气温的关系。

2.3 研究方法

青藏高原季节冻土区冻融过程通常可以分为4个阶段: 完全冻结(土壤日最高温T max <0 ℃); 冻结过程(土壤剖面处于冻结过程; 土壤日最高温T max >0 ℃, 日最低温T min <0 ℃); 完全消融(土壤日最低温Tmin>0 ℃); 消融过程(土壤剖面处于消融过程; 判断条件同冻结过程)(陈渤黎等, 2014)。其中, 除完全消融状态外, 其余三个阶段可以统称为冻融阶段。由于地表冻融循环的起止时间分析易受到随机天气过程的影响, 表层的季节冻土可能处于反复的消融和冻结循环中。为了避免随机天气过程的影响, 只有连续三天土壤温度均满足下一冻融阶段的标准时, 才把满足条件的第一天记为下一冻融阶段的开始日(Guo et al, 2011)。
考虑到近地表作为地气系统的交界层, 能量交换频繁, 因此即使日最高土壤温度首次出现负值, 之后受到气候等因素影响仍会多次出现正值, 即冻结过程中土壤仍可能处于反复的冻结和消融的循环。过于严格的判定标准很可能会忽略部分土壤冻融循环过程。因此, 本文采取了将完全冻结和冻结过程合并的方式, 分析了地表5 cm土壤层的冻融过程(杨淑华等, 2018)。
根据中央气象局《地面气象观测规范》, 当温度低于0 ℃开始冻土观测。结合高原独特的气候特征, 以前一年8月1日后满足冻结条件的第一天判断为冻结起始日, 以当年7月31日前满足冻结条件的最后一天作为冻结结束日, 统计各站点冻结起始日和冻结结束日, 并比较各年冻结强度。冻结总持续天数(冻结过程加上完全冻结持续天数)长则认为该年冻结强度大; 反之则小。为方便整理分析, 文中冻融过程的起止日期以天数表示, 将每年的8月1日记为第1天, 次年的7月31日记为第365天(闰年则为第366天)。由于冻结年的表示跨越两个日历年, 为方便, 本文后续提及的年份统一以前一年表示, 例如, 2010年的冻融过程代表时间序列2010年8月1日至2011年7月31日内发生的冻融过程。此外, 由于2014年下半年的野外冻结状态观测数据不完整, 本文仅采用2010 -2014年内完整的冻融过程数据进行分析。

3 结果分析

3.1 青藏高原中部地表冻融过程变化

3.1.1 基于观测数据的土壤冻结特征分析

图2是各站点冻结起始日、 结束日和持续天数的对比图。从图2(a)可知, 站点之间冻结起始日的差别较大, 以2010年为标准, 约有1/3站点冻结起始日明显提前, 而约1/5则明显延后; 例如2013年, 站点BC03冻结起始日相对于2010年提前了19天, 站点MS3620则提前了18天; 而相邻站点BC04、 MS3513则分别延后了34天、 38天。然而仍有部分站点冻结特征年变化差异不大, 例如站点MS3488、 MS3494仅在冻结结束日有推迟, 从而使得冻结持续天数有所增加。值得指出的是, 同一冻结年相邻站点之间的冻结特征差异十分明显, 例如站点BC04在2010年第61天开始冻结, 而相邻站点BC03的冻结过程则发生在第116天, 分别为当年冻结开始最早和最晚的站点。这可能与站点间的土壤质地差异有关。基于站点的土壤质地实测资料及国际制土壤质地分类标准, BC03为粉砂质壤土, 而BC04为颗粒较粗的砂质壤土。因此, BC04站点的导热率大于颗粒较细的BC03站点, 当达到冻结条件时, BC04站点土壤降温更快, 冻结更早(陈军锋, 2014)。
图2 2010 -2014年各站点冻结起始日(a)、 冻结结束日(b)和冻结持续天数(c)

(a)中文字标注表示各年最早或最晚开始冻结的站点; (b)中则表示最早或最晚结束冻结的站点

Fig.2 The freezing start date (a), the freezing end date (b), and the duration of freezing period (c) for each site from 2010 to 2014.The text notes in (a) indicate the stations which are earliest or latest to start to freeze in each year, and that in (b) indicate the stations which are earliest or latest to end to freeze in each year

整体来看[图2(b)], 以2010年为标准, 各站点冻结结束日年差异更大, 对气候变化更敏感。相较于2010年, 各站点冻结结束日均发生了不同程度的推迟, 推迟时间在20~60天不等。受冻结起止时间的变化影响, 2010 -2014年间, 各站点冻结持续天数变化曲线波动范围逐渐减小, 冻结持续天数的差异也逐渐减小[图2(c)]。图2(c)与(b)的变化趋势相似性表明冻结持续天数的变化主要与冻结结束日的变化有关, 这与Guo et al(2018)得出的结论基本一致。
图3为2010 -2013年多站点平均的冻结期变化与气温变化对比图, 其中r表示线性回归的标准差。如图3(a)所示, 相较于2010年, 2011年冻结发生时间提前了约0.68天, 2012年继续提前了约0.91天, 但2013年明显推迟约4.64天; 相较于冻结起始日, 冻结结束日年变化幅度更大: 2011年冻结结束日较2010年推迟了约19.91天, 随后在2012年略微提前约7.95天, 紧接在2013年大幅度推迟约19.45天[图3(b)]; 而冻结持续天数则整体呈现增加趋势; 2013年冻结持续天数较2010年延长约28.26天[图2(c)]。
图3 2010 -2013年站点平均冻结起始日(a)、 冻结结束日(b)、 冻结持续天数(c)和GLDAS年平均气温变化(d)

Fig.3 The variations of freezing start date (a), freezing end date (b), duration of freezing period (c), and averaged annual air temperature (d) change from 2010 to 2013

模式气温的年平均数据所取时间范围与冻结年范围一致, 例如, 2010年平均气温由2010年8月1日至2011年7月31日的气温平均而得。如图3(d)所示, 年平均气温的变化趋势与冻结起始日变化趋势相反, 在观测年经历了先逐渐增加, 后迅速下降的过程; 2013年平均气温相较于2012年下降了约0.68 ℃。综合来看, 冻结起始日与气温的变化对应性更好, 而结束日与持续时间的变化更快, 对气温变化的响应更迅速。2010 -2013年间, 高原中部地区平均冻结起始日推迟0.82 d·a-1, 冻结结束日延迟8.63 d·a-1, 冻结持续天数增加7.80 d·a-1; 而2010 -2013年年平均气温下降明显, 速率为0.15 ℃·a-1, 站点土壤冻结特征的变化速率已经明显超过了气温的变率。然而, 由于站点数据的时间序列较短, 一元线性回归的标准差较大, 代表性较差, 因此有必要进一步结合模式资料在长时间尺度下探讨高原中部土壤冻结强度变化与气温的关系。

3.1.2 野外站点土壤冻结强度变化与GLDAS的一致性

以上站点资料分析结果表明, 青藏高原中部季节冻土区正在经历着明显的冻结强度变化。但这种变化的未来趋势如何目前尚未有过多研究。因此有必要对影响青藏高原中部季节冻土区冻融过程的主要气候因子进行研究。已有研究表明, 青藏高原冻融时间与年平均气温的显著相关(99%置信水平), 相关系数大于0.90(杨淑华等, 2018)。由于观测资料限制, 需结合GLDAS资料(1960 -2013年, 此处及下文均为上文提及的年份表示法, 实际使用数据为1960 -2014年), 进一步探讨青藏高原中部地表冻融特征与气温的关系。由GLDAS年平均气温和近地表0~10 cm土壤温度年际变化(图4)可知, 1960 -2013年, 气温整体呈增加趋势, 增温速率为0.39 ℃·(10a)-1, 近地层(0~10 cm)土壤增温速率为0.34 ℃·(10a)-1, 地温对气温的增加响应迅速。特别是2010年, 年平均气温达到近54年来峰值, 对应的近地表年平均温度也达到峰值。土壤温度的明显增加直接影响土壤冻融过程, 使得该年土壤冻结强度减弱, 这也与野外站点资料分析的结论相一致。2010 -2013年, 年平均气温明显下降, 对应着土壤温度也有明显回落, 有利于近地表土壤冻结强度的增强, 这也与站点资料分析结果相一致。1960 -2013年, 高原中部地区气温增幅达到2.05 ℃, 气温的整体上升不利于土壤冻结过程的发生。金会军等(2010)指出, 气温的持续变暖是引发青藏高原多年冻土退化的根本原因, 因此可以推测, 在气温逐渐变暖的情况下, 青藏高原中部的季节冻土区也会逐渐退化。
图4 GLDAS年平均气温和10 cm土壤温度年际变化

Fig.4 Interannual changes of annual average air temperature and soil temperature at 10 cm derived from GLDAS

3.1.3  1960 -2013年近地表土壤冻结强度与气温的相关性

图5是利用GLDAS 3 h数据分析1960 -2013年及与野外观测时段对应的2010 -2013年冻结年内的冻结起止日、 持续时间和气温变化的对比图。其中, 模式2010 -2013年冻融特征变化与以上站点观测数据分析结果相一致, 因此模式分析结果具备一定的代表性及准确性。模拟结果显示, 1960 -2013年高原平均气温呈上升趋势, 其速率为0.39 ℃·(10a)-1; 冻结起始日延后, 速率为0.91 d·(10a)-1, 而冻结结束日则呈现提前的趋势, 其速率为2.88 d·(10a)-1; 相应的冻结持续天数减少, 速率达到3.79 d·(10a)-1。以上结果表明, 高原中部季节冻土冻结结束日对气温变暖的响应更为迅速, 这也与野外站点观测资料的分析结果相符。根据线性回归计算得出, 1960 -2013年, 冻结起始日推迟了约4.83天, 结束日提前了15.27天, 持续时间缩短了约20.10天。
图5 青藏高原中部平均冻结起始日(a)、 冻结结束日(b)、 冻结持续天数(c)和年平均气温(d)变化率

Fig.5 The trends of the freezing start date (a), the freezing end date (b), the duration of freezing processes (c), and averaged annual air temperature (d) over the central Qinghai-Xizang Plateau

从年际尺度上看, 20世纪60年代初冻结起始日略微推迟, 随后大幅提前, 1968年提前至第68天, 随后逐渐推迟, 变化明显。80年代呈提前的趋势, 90年代中期又经历了一次转折, 逐渐推迟。可以发现这种变化趋势与气温变化趋势对应较好[图5(d)], 即年平均气温下降, 冻结提前; 反之推后。而冻结结束日的变化与气温的对应关系则相对较弱, 在80年代后期, 气温逐渐下降, 冻结结束日并未表现出明显的推迟趋势; 随后至90年代气温逐渐回升增温, 冻结结束日也未出现明显提前。因此单一的气温因素无法完全解释冻结结束时间的变化。总体上看, 由于冻结起始日的变化幅度较小, 而结束日的变化幅度更大, 冻结持续天数的变化幅度仍与冻结结束日变化更为一致。
综上可知, 1960 -2013年, 随着高原中部逐渐变暖, 季节冻土冻结起始日逐渐推后, 冻结结束日逐渐提前, 冻结持续天数随之变短, 冻结强度减弱。然而, 与站点数据对应的2010 -2013年, 高原年平均气温呈明显下降趋势, 使得冻结起始日、 结束日和持续时间的变化呈现出与20世纪60年代起相反的趋势。综上分析, 高原不同地区的升温速率的差异及年份突变仍需进一步从区域尺度上关注近期20年高原冻融特征变化与气候的关系(徐丽娇等, 2019)。

3.2 不同冻结强度下近地表土壤水热传输过程变化

选取冻结强度变化的典型站点(BC03、 BC04、 MS3513、 MS3633、 MS3494)进一步对比分析2010 -2013年间冻结强度变化对土壤水热传输过程的影响。以冻结持续天数长短为标准, 分别选取2010年8月1日至2011年7月31日、 2013年8月1日至2014年7月31日两个完整冻结年为冻结弱年和冻结强年, 通过对比分析冻结强年、 冻结弱年土壤液态水含量和土壤温度日变化差异值(图6图7), 探讨土壤冻结强度变化对水热传输的影响。
图6 典型站点冻结强年减去冻结弱年的土壤液态水含量差异年变化

Fig.6 Annual variation of difference of soil liquid water content in strong freezing years minus weak freezing years at typical stations

图7 冻结弱年(a)和冻结强年(b)5 cm土壤最高温度、 最低温度及冻融期变化对比

Fig.7 Comparisons of the maximum and minimum soil temperatures changes at 5 cm and the freeze/thaw periods between weak freezing year (a) and strong freezing year (b)

从各站点5~40 cm冻结强年、 冻结弱年土壤液态水含量差值(冻结强年减去冻结弱年, 站点MS3513土壤5 cm处液态水含量缺省值过多, 因此略去不画)的年变化(图6)可知, 冻结强年, 土壤冻结速率快, 土壤中的含冰量大于同时期的冻结弱年。土壤冰抗组作用使土层间导水率降低, 土壤液态水含量多集中于上层(5 cm, 10 cm)。故冻结强年, 土壤处于冻结过程及完全冻结阶段时, 上层土壤液态水含量明显多于冻结弱年上层土壤, 即差值呈现正值。
在完全冻结阶段和消融过程阶段, 此时的土壤处于冰、 水混合状态, 各站点土壤液态水含量的差值以正值为主, 这说明冻结强年土壤冰的含量的增加减小了土层间的透水性, 使得土壤的持水性强于冻结弱年; 而在冻结过程阶段, 此时的土壤处于液态水逐渐转化为冰的状态, 土壤液态水含量差值则以负值为主, 且多数站点呈现出土壤深度越浅, 差值越大的现象, 这说明冻结强年, 冻结作用的增强加速了表层土壤液态水向固态水转换的相变过程, 而这种作用则随着土壤深度的加深而逐渐减弱。然而, 站点MS3513的40 cm处土壤液态水含量远大于10 cm、 20 cm处, 站点BC03也存在类似情况。这可能是由于站点较高的砾石含量使得土壤导水率增大, 土壤水分更易传输至深层(潘永洁等, 2015)。
此外, 冻结过程阶段(10 -11月), 冻结强、 弱年土壤液态水含量差值呈单个谷值或双谷值变化, 除站点MS3633呈明显的负值外; 其余站点则表现为明显的正值。由前文分析可知, BC03站在2013年冻结起始日大幅提前, 而BC04则明显推迟。9月下旬至11月, 两个站点的冻结强、 弱年液态含水量差受降水的影响虽然变化一致, 但站点BC03的峰值小于站点BC04, 可见冻结过程使得液态水含量逐渐下降。完全冻结阶段, 不同冻结强度下各站点土壤液态水含量差异也存在明显不同, 如站点BC03、 BC04和MS3494在5 cm处的土壤湿度差异十分明显, 这可能与这些站点较高的土壤有机碳含量有关。土壤有机碳有利于降低土壤的热导系数, 增加土壤的持水能力(骆琪等, 2020)。完全冻结阶段, 冻结强年土壤冰与有机碳的叠加作用进一步减弱了土层间的透水性, 使得表层土壤的液态水含量明显高于冻结弱年。
从冻结强年、 冻结弱年5 cm处土壤温度变化及冻融期长度对比(图7)来看, 就高原中部整体而言, 冻结弱年冻结过程阶段始于10月26日, 至12月10日完全冻结; 冻结强年冻结过程阶段始于10月30日, 至11月5日完全冻结。冻结弱年冻结开始时间略早且冻结过程显著长于冻结强年, 约4倍。冻结弱年, 土壤于2月3日开始消融, 至5月1日完全消融; 而冻结强年, 土壤于3月13日开始消融, 4月20日完全消融。冻结弱年消融过程较冻结强年约早1个月, 持续约3个月, 约为冻结强年的两倍。冻结强年, 土壤的冻结、 消融速率都明显大于冻结弱年。
冻融过程中土壤水分的频繁相变引起的潜热变化对土壤热量传输产生影响。因此冻融强度的差异必然会导致土壤温度日变化的差异, 故分别选取冻结过程、 消融过程两个阶段各层土壤月平均温度日变化差值分析(图8)。图8左侧为冻结过程阶段对应的月份(10 -12月), 右侧为消融过程阶段对应的月份(2 -4月)。
图8 冻结强年减去冻结弱年各层土壤月平均温度差值日变化

Fig.8 Daily variation of monthly average soil temperature difference of soil layers in strong freezing year minus weak freezing year value

其中, 表层5 cm处差值日变化显著, 振幅最大, 差值的日变化随土壤深度增加逐渐滞后, 而40 cm处差值日变化与5 cm处已大致呈相反趋势, 分别呈“倒S”与“S”型变化。冻结过程中, 40 cm处的差值在16:00(北京时, 下同)达到峰值, 而5 cm处的峰值在09:00左右。
10月, 冻结初始阶段, 5 cm、 10 cm土壤温度差值在00:00 -12:00处于0 ℃以上; 此时20 cm、 40 cm土壤温度差值均处于0 ℃以下[图8(a)]。较强的冻结强度使得表层土壤水分相变释放的潜热高于冻结弱年; 冻结强、 弱年5 cm土壤温度差值在16:00达到谷值, 冻结强度的增强加大了表层土壤与近地层大气间的热交换。11月, 冻结过程阶段, 由于冻结强年冻结速率大, 冻结持续天数短, 土壤很快进入完全冻结阶段, 而冻结弱年土壤仍处于缓慢冻结过程中。冻结强年此时的土层间温度梯度向下, 大气对土壤热量的传输使得冻结强年土壤温度在12:00之前大于冻结弱年, 而土壤水分相变释放的潜热使得冻融过程中土壤日温度差值虽整体呈现负值, 但不至于相差过大[图8(b)]。值得指出的是, 此时10 cm与20 cm土壤温度日变化差值变化位相与10月相反, 但振幅稍弱, 这可能与冻结强年, 近地表土壤过早完成冻结过程, 土壤温度逐渐趋于稳定有关。12月各层土壤日变化差值变化趋势与10月基本一致, 但20 cm处差值基本保持在 -0.5 ℃左右, 几乎没有波动, 这可能是由于此时冻结强、 弱年土壤均已完成冻结过程, 土壤温度基本处于稳定状态。
而消融过程阶段, 土壤温度梯度反向, 热量更多由底层土壤传输至上层, 故12:00后40 cm土壤温度差值普遍大于0 ℃。此外, 5 cm层的谷值逐渐提前到14:00, 但40 cm处仍在16:00保持峰值。整体上, 消融过程阶段各月变化趋势基本一致, 但冻融强度差异造成的土壤水分相变潜热吸收能力的差异使得冻结强、 弱年土壤温度差值进一步增大[图8(d), (e)]。
综合来看, 由于冻结强年与冻结弱年的消融阶段起止时间不同, 2 -4月, 仅表层5 cm和40 cm处土壤温度日变化差异明显, 而其余深度差异较小; 而冻结阶段, 由于冻结强年冻结过程阶段完成明显早于冻结弱年, 冻结强年的日土壤温度明显小于冻结弱年, 但20 cm处冻结强、 弱年土壤温度日变化基本相差不大。

4 结论与讨论

本文利用青藏高原中部观测网2010年8月至2014年12月的站点数据, 结合GLDAS-NOAH数据, 分析了青藏高原中部冻结强度的变化特征, 并初步探讨了变化特征与气温的关系及对土壤水热传输的影响, 得到了如下结论:
(1) 2010 -2014年站点表层5 cm土壤温度观测数据显示, 2010年为冻结弱年, 冻结过程的持续时间为46天, 约占冻结总持续时间的一半; 而2013年为冻结强年, 冻结过程的持续时间为仅7天。冻结强年土壤的冻结、 消融起始日都晚于冻结弱年, 但冻融速率明显偏大, 土壤冻融强度较强。
(2) GLDAS表明, 1960 -2013年, 高原平均气温呈上升趋势, 其速率为0.39 ℃·(10a)-1; 冻结起始日以0.91 d·(10a)-1的速率延后, 冻结结束日则以2.88 d·(10a)-1的速率提前, 高原中部冻结结束日对气温变暖的响应更迅速; 而冻结起始日则与气温变化的相关性较好: 降温时, 冻结起始日提前; 升温时, 冻结起始日推迟。
(3) 由于土壤温度受近地表气温的影响较大, 因此冻结强、 弱年5 cm处土壤温度日变化幅度差异最大; 而冻、 融强度的差异导致土壤水分相变引起的热量差异, 使得各层土壤温度的日变化产生明显差异, 而这种差异在冻结过程阶段表现得更为明显。总体上看, 消融过程阶段土壤温度差日变化振幅明显小于冻结过程阶段。由于冻结强年土壤完成冻结过程日期明显早于冻结弱年, 故自11月起冻结强年的土壤温度明显低于冻结弱年。此外, 冻结强年, 较强的冻结强度导致的土壤冰含量增加, 降低了各层土壤的透水性, 使得上层土壤在完全冻结和消融过程阶段维持较高的液态水含量; 而完全消融和冻结过程阶段则相反。从垂直方向上看, 不同冻结强度年表层5 cm处土壤温度、 湿度差异最大, 差值随土壤深度的增加逐渐减小。
由于本文使用的冻融阶段判定仅以土壤温度日变化为标准, 未考虑过多的土壤热力学过程, 因此冻融起、 止日、 冻融过程持续时间的判断及结论都具有一定的局限性。此外, 由于站点测量资料的更换及时间序列的不完整性, 本文筛选分析的高原中部站点数量有限且空间分布不均匀, 这也在一定程度上增加了相关分析结果的不确定性。青藏高原冻土的水文过程复杂, 受到海拔、 植被分布等地理因素的影响, 仅依据单站分析总结冻融循环特征变化及其与气候的关系有很大的局限性, 未来需采用多站点资料结合长时间序列、 高分辨率数值模拟进一步揭示更全面的物理过程及影响因素。
站点观测资料分析的站点间土壤冻结起止时间、 土壤液态水含量等差异较大, 但缺少降水等其他要素的观测资料, 无法进一步分析其差异产生的原因。此外, 许建伟等(2020)利用高原83个站点数据分析了1979 -2016年的降水变化特征, 发现5月、 9月和12月降水量变化不同, 而降水发生在冻结阶段的前后时期对土壤湿度的影响也不同。因此, 关于土壤湿度和冻融过程复杂的相互作用关系研究还需要进一步的工作。
GLDAS虽然有很多数据源, 但主要根据卫星数据构建, 难免存在着时间空间分布不均等问题。且由于缺少土壤湿度等变量的全球观测, GLDAS目前没有应用土壤含水量的同化方法(Bi et al, 2016), 因此数据分析结果仍有缺陷, 依靠GLDAS分析的冻融循环特征仍需更详尽的验证区域适用性。例如, Wang et al(2015)利用全国636个站点资料分析了1956 -2006年近地表的冻融强度变化, 指出近50年地表冻结起始日以0.10±0.03 d·a-1的速率延后, 冻结结束日以0.15±0.02 d·a-1的速率提前。本文基于GLDAS分析的高原中部冻结起止日变化趋势虽与观测结果一致, 但变化速率与Wang et al(2015)观测分析结果存在偏差, 这种偏差主要体现在冻结结束日变化速率方面, 这可能与陆面模式参数化方案描述偏差及研究分析时段不完全匹配等有关。
另外, 已有研究表明, 青藏高原独特的土壤质地对水热传输及冻融过程有不可忽视的影响 (潘永洁等, 2015), 不同土壤类型的蒸散发强度也有所不同。本文仅初步涉及了各站点土壤质地差异对冻融过程可能影响的探讨, 未来的工作仍需深入考虑土壤质地差异对土壤水热属性的影响, 并进一步优化陆面过程模式, 提高模式产品在高原地区的适用性, 从而全面探讨高原土壤冻结强度变化与气候间的相互作用机制。

感谢中国科学院青藏高原研究所提供的站点土壤温度、 湿度观测资料。

Bi H Y, Ma J W, Zheng W J, et al, 2016.Comparison of soil moisture in GLDAS model simulations and in-situ observations over the Tibetan Plateau[J].Journal of Geophysical Research: Atmospheres, 121(6): 2658-2678.

Fang X W, Luo S Q, Lyu S H, 2019.Observed soil temperature trends associated with climate change in the Tibetan Plateau, 1960 -2014[J].Theoretical and Applied Climatology, 135(1/2): 169-181.

Guo D L, Yang M X, Wang H J, 2011.Sensible and latent heat flux response to diurnal variation in soil surface temperature and moisture under different freeze/thaw soil conditions in the seasonal frozen soil region of the central Tibetan Plateau[J].Environmental Earth Sciences, 63 (1): 97-107.

Guo D L, Wang A H, Li D, et al, 2018.Simulation of changes in the near-surface soil freeze/thaw cycle using CLM4.5 with four atmospheric forcing data sets[J].Journal of Geophysical Research: Atmospheres, 123(5): 2509-2523.

Guo D L, Wang H J, 2014.Simulated change in the near-surface soil freeze/thaw cycle on the Tibetan Plateau from 1981 to 2010[J].Chinese Science Bulletin, 59(20): 2439-2448.

Henry H, 2013.Soil freezing dynamics in a changing climate: Implications for agriculture[M].Plant and Microbe Adaptations to Cold in a Changing World, 17-27.

Knox J C, 2001.Agricultural influence on landscape sensitivity in the Upper Mississippi River Valley[J].Catena, 42(2): 193-224.

Kumar S V, Peters-Lidard C D, Tian Y, et al, 2006.Land information system: An interoperable framework for high resolution land surface modelling[J].Environmental Modelling and Software, 21(10): 1402-1415.

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.

Song M H, Ma Y M, Zhang Y, et al, 2014.An off-line simulation of land surface processes over the northern Tibetan Plateau[J].Sciences in Cold and Arid Regions, 6(3): 236-246.

Wang K, Zhang T J, Zhong X Y, 2015.Changes in the timing and duration of the near-surface soil freeze/thaw status from 1956 to 2006 across China[J].The Cryosphere, 9(3): 1321-1331.

Wang S L, Jin H J, Li S X, et al, 2000.Permafrost degradation on the Qinghai-Tibet Plateau and its environmental impacts[J].Permafrost and Periglacial Processes, 11(1): 43-53.

Yao T D, Thompson L G, Mosbrugger V, et al, 2012.Third pole environment (TPE)[J].Environmental Development, 3: 52-64.

Yang K, Qin J, Zhao L, et al, 2013.A multi-scale soil moisture and freeze-thaw monitoring network on the third pole[J].Bulletin of American Meteorological Society, 94(12): 1907-1916.

Yang M X, Yao T D, Gou X H, et al, 2007.Diurnal freeze/thaw cycles of the ground surface on the Tibetan Plateau[J].Chinese Science Bulletin, 52(1): 136-139.

Zhao L, Ping C L, Yang D Q, et al, 2004.Changes of climate and seasonally frozen ground over the past 30 years in Qinghai-Xizang (Tibetan) Plateau, China[J].Global and Planetary Change, 43(1): 19-31.

Zhang T J, Wang K, Zhong X Y, 2015.Changes in the timing and duration of the near-surface soil freeze/thaw status from 1956 to 2006 across China[J].Cryosphere Discussions, 8(4): 3785-3809.

Zheng D H, Velde V D R, Su B, et al, 2018.Impact of soil freeze-thaw mechanism on the runoff dynamics of two Tibetan rivers[J].Journal of Hydrology, 563: 382-394.

保鸿燕, 杨凯, 李一玲, 等, 2016.GLDAS土壤湿度在青藏高原地区的误差及其原因[C]//中国气象学会.第33届中国气象学会年会 S8 数值模式产品应用与评估.北京: 中国气象学会, 21.

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.

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.

陈军锋, 2014.季节性冻融期不同地下水位埋深下土壤水分迁移转化规律研究[D].太原: 太原理工大学.

崔园园, 覃军, 敬文琪, 等, 2018.GLDAS和CLDAS融合土壤水分产品在青藏高原地区的适用性评估[J].高原气象, 37(1): 123-136.DOI: 10.7522/j.issn.1000-0534.2017.00035.

邓明珊, 孟宪红, 马英赛, 等, 2018.基于GLDAS产品的青藏高原土壤湿度特征分析[J].干旱气象, 36(4): 595-602.

高荣, 钟海玲, 董文杰, 等, 2010.青藏高原积雪和季节冻融层的突变特征及其对中国降水的影响[J].冰川冻土, 32(3): 469-474.

葛骏, 余晔, 李振朝, 等, 2016.青藏高原多年冻土区土壤冻融过程对地表能量通量的影响研究[J].高原气象, 35(3): 608-620.DOI: 10.7522/j.issn.1000-0534.2016.00032.

金会军, 王绍令, 吕兰芝, 等, 2010.黄河源区冻土特征及退化趋势[J].冰川冻土, 32(1): 10-17.

李述训, 南卓铜, 赵林, 2002.冻融作用对地气系统能量交换的影响分析[J].冰川冻土, 24(5): 506-511.

罗布, 智海, 多典洛珠, 2018.青藏高原多年冻土区典型下垫面冻融过程作用分析[J].高原山地气象研究, 38(1): 11-16.

骆琪, 阳坤, 陈莹莹, 等, 2020.利用土壤水分数据估计高寒区土壤有机碳含量的方法研究[J].中国科学: 地球科学, 50(4): 570-580.

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.

钱安, 易爽, 孙广通, 等, 2018.GLDAS_NOAH_M.2.1水文模型在青藏高原的适定性分析[J].大地测量与地球动力学, 38(3): 254-259.

尚大成, 王澄海, 2006.高原地表过程中冻融过程在东亚夏季风中的作用[J].甘肃气象, 24(3): 19-22.

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, 2005.陆面过程的物理、 生化机理和参数化模型[M].北京: 气象出版社, 72-83.

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.

徐丽娇, 胡泽勇, 赵亚楠, 等, 2019.1961-2010年青藏高原气候变化特征分析[J].高原气象, 38(5): 911-919.DOI: 10.7522/j.issn.1000-0534.2018.00137.

许建伟, 高艳红, 彭保发, 等, 2020.1979-2016年青藏高原降水的变化特征及成因分析[J].高原气象, 39(2): 234-244.DOI: 10.7522/j.issn.1000-0534.2019.00029.

许顺芳, 王林松, 陈超, 等, 2018.利用GRACE及气象数据评估GLDAS水文模型在青藏高原的适用性[J].大地测量与地球动力学, 38(1): 8-13.

薛彦广, 高志球, 沙文钰, 2010.利用简单生物圈模式SiB2模拟青藏高原地表能量收支[J].大气科学, 34(1): 131-142.

杨梅学, 姚檀栋, 何元庆, 2002.青藏高原土壤水热分布特征及冻融过程在季节转换中的作用[J].山地学报, 20(5): 553-558.

杨楠, 范广洲, 2019.2000-2016年青藏高原土壤温度变化特征分析[J].西南大学学报(自然科学版), 41(9): 40-51.

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.

叶笃正, 罗四维, 朱抱真, 1957.西藏高原及其附近的流场结构和对流层大气的热量平衡[J].气象学报, 28 (2): 108-121.

Outlines

/