Plateau Meteorology

Plateau Meteorology >

2021 , Vol. 40 >Issue 4: 711 - 723

DOI: https://doi.org/10.7522/j.issn.1000-0534.2021.00017

Study on Surface Process Parameters and Soil Thermal Parameters at Shiquanhe in the Western Qinghai-Xizang Plateau

  • Xingbing ZHAO , 1, 2 ,
  • Changwei LIU 1 ,
  • Bing TONG 3 ,
  • Yubin LI 1 ,
  • Linlin WANG 4 ,
  • Yaoming MA 5 ,
  • Zhiqiu GAO , 1, 4
Expand
  • 1. School of Applied Meteorology，Nanjing University of Information Science and Technology，Nanjing 210044，Jiangsu，China
  • 2. Institute of Plateau Meteorology，China Meteorological Administration，Chengdu 610072，Sichuan，China
  • 3. Chinese Academy of Meteorological Sciences，Beijing 100083，China
  • 4. State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry，Institute of Atmospheric Physics，Chinese Academy of Science，Beijing 100029，China
  • 5. Institute of Tibet Plateau，Chinese Academy of Science，Beijing 100030，China

Received date: 2020-12-31

  Revised date: 2021-03-10

  Online published: 2021-08-28

Fold

Highlights

The land surface processes of the Qinghai-Xizang Plateau have important effects on regional and global weather and climate through its thermodynamic and mechanical forcing.Due to the harsh natural environment， the western Qinghai-Xizang Plateau lacks the land surface process parameters based on field measurements.Thus， the land surface process models usually use empirical or default parameters， which leads to great uncertainty in the simulation of this area and reduces the performance of weather and climate models coupled with land surface process models.With the data collected from June 2015 to January 2017 at Shiquanhe （32.50°N， 80.08°E， 4279.3 m above sea level） in the western Qinghai-Xizang Plateau， the conventional meteorological characteristics were analyzed and the land surface parameters， such as aerodynamic roughness， thermal roughness， surface albedo， and heat capacity， thermal conductivity， thermal diffusivity， and water flux density of soil， were estimated.Results show that （1） the wind speed was relatively low and the annual value was 2.17 m·s-1， and westerlies were dominant with the annual westerly wind frequency 59.2% and showed little season variation at Shiquanhe.The seasonal variation of air temperature， solar radiation and specific humidity were obvious.The difference between the maximum temperature and the minimum temperature could reach 47.1 K， and the maximum daily difference was 22.40 K.The average specific humidity was 2.6 g·kg-1， lower than in the easter or central Qinghai-Xizang Plateau.The monsoon could affect Shiquanhe area approximately in late May， and then brought most of the annual precipitation during June to September.The surface albedo was affected by soil moisture and had weak seasonal changes， with an average of 0.20， which is equivalent to deserts and Gobi.（2） The aerodynamic roughness and zero-plane displacement were affected by the distribution of ground features in directions， and the average were 5.58×10-2 m and 0.44 m， respectively.The thermodynamic roughness length or the excess resistance to heat transfer （kB-1） varied with the atmospheric stratification， and the atmospheric stratification of the boundary layer at Shiquanhe was mainly unstable.The performances of thermodynamic roughness parameterization schemes were different.Compared to other parameterization schemes the mean kB -1 calculated by the Z95 scheme agreed best with the value calculated with observation under unstable stratification.（3） The annual average soil heat capacity， thermal conductivity， thermal diffusivity， and water flux density were 0.95×106 J·m-3·K-1， 0.24 W·m-1·K-1， 2.73×10-7 m2·s-1， 0.12×10-5 m·s-1， respectively， which were relatively consistent with the observations in the desert and Gobi.

Cite this article

Xingbing ZHAO , Changwei LIU , Bing TONG , Yubin LI , Linlin WANG , Yaoming MA , Zhiqiu GAO . Study on Surface Process Parameters and Soil Thermal Parameters at Shiquanhe in the Western Qinghai-Xizang Plateau[J]. Plateau Meteorology, 2021 , 40(4) : 711 -723 . DOI: 10.7522/j.issn.1000-0534.2021.00017

1 引言

陆面过程是地球科学系统各圈层之间的有机联系纽带（曾庆存等， 2008）。陆地与大气的相互作用直接影响局地天气过程和大气环流运动， 形成区域和全球气候的基本特征； 气候变化反作用于陆地与大气相互作用过程中， 影响地表生态等（Bonan， 1998）。通过近地层观测实验， 深入研究各种下垫面与大气之间相互作用的机制， 对于深入理解陆面过程机制， 优化陆面过程参数化方案， 进而提高天气预报和气候预测水平具有重要的意义。
青藏高原东西向约2000 km， 南北宽约1000 km， 平均海拔超过4000 m， 直达对流层中部。巨大地形产生的复杂的动力和热力作用， 复杂且变化剧烈的地形， 丰富多样的下垫面， 这些因素综合作用形成了青藏高原复杂并且独特的陆面过程， 对中国天气气候、 亚洲季风乃至全球气候的形成都具有重要影响（叶笃正和高由禧， 1979； Xu et al， 2008； Zhou et al， 2009； Boos and Kuang， 2010； Wu et al， 2012； Zhao et al， 2018， 2019； 李黎等， 2019； Fu et al， 2020； 刘火霖等， 2020）。天气和气候数值模式对青藏高原西部的模拟和预报一直存在不确性， 主要的原因有两点： （1）该地区可用于模式同化的数据稀少， 通常用作天气预报模式背景场的再分析资料在该地区可靠性也偏低（Wang and Zeng， 2012； 李瑞青等， 2012； 何冬燕等， 2013； Zhu et al， 2014； Zeng et al， 2015； 杨显玉等， 2020）。（2）作为天气和气候模式重要组成部分的陆面过程模块所需要的陆气相互作用参数一直无法精确确定。因此， 在青藏高原西部进行陆面过程实验， 获取长时间序列的大气边界层湍流数据和土壤水热运动数据， 研究该地区的陆气相互作用参数已经成为迫切需要。
关于青藏高原地区陆气相互作用参数的研究开始于20世纪90年代末。李家伦等（1999）利用1998年5 -8月期间第二次青藏高原大气科学试验（TIPEX）获取的湍流观测资料， 计算了改则的地表粗糙度（2.63 cm）。李国平等（2000）利用1997年9月至1998年12月改则、 狮泉河的自动气象站资料计算了两地的平均地表粗糙度（2.7 cm和2.9 cm）。马耀明等（2001）利用TIPEX资料研究了安多等两地的地表动力粗糙度和热传输附加阻尼（kB-1）。李国平等（2002）分季节计算了拉萨、 日喀则、 那曲、 林芝等地区的动力粗糙度。彭艳等（2005）研究了改则、 当雄、 昌都等3地区动力粗糙度及地表通量特征等。尚伦宇等（2010）研究青藏高原东部玛曲地区土壤冻融过程中的地表粗糙度， 发现冻融过程对地表粗糙度有明显的影响。Wang et al （2016）利用第三次青藏高原大气科学试验（TIPEX III）的资料研究了夏季青藏高原多地的地表粗糙度、 热传输附加阻尼等。这些研究多集中在青藏高原中部、 东部、 东北部等交通较为便利的地区， 研究采用的资料以季节性的短期试验观测资料为主， 难以准确描述季节差异。青藏高原西部属于高寒荒漠地区， 由于自然条件和交通等方面的困难， 对该地区陆面过程参数和土壤水热参数等的研究一直比较欠缺， 在青藏高原西部开展长期的系统观测， 获取湍流运动数据， 进而研究青藏高原西部地区陆气相互作用参数和土壤水热运动参数， 是进一步理解青藏高原西部的陆气相互作用过程的迫切需要。
陆气相互作用过程的关键参数包括空气动力粗糙度、 热力粗糙度、 地表反照率以及土壤的水热运动参数等。其中地表反照率表征地表对太阳辐射的吸收能力， 其他参数则反映了地表对获得的净辐射能量的分配能力。2015年6月至2017年1月， 中国气象局成都高原气象研究所在青藏高原西部狮泉河站进行了近地层观测实验， 获取了近地层风速、 风向、 气温和湿度廓线资料、 湍流通量观测资料以及土壤水热状况观测资料。本文拟采用上述资料， 利用目前常用的研究方法， 分析该地区常规微气象特征， 估算空气动力粗糙度、 热力粗糙度、 地表反照率及土壤热容量、 热传导率、 热扩散率和水通量密度等参数， 为改进该地区的陆面过程研究提供支撑。

2 观测资料与研究方法

2.1　观测资料

采用2015年6月至2017年1月期间中国气象局成都高原气象研究所狮泉河边界层观测站（下称狮泉河站）的观测资料。狮泉河站位于青藏高原西部阿里地区狮泉河镇（32.50°N， 80.08°E， 海拔4279.3 m），［图1（a）， 该图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2016）1585的中国地图制作， 底图无修改］。该地区年平均气温约为273.5 K， 年平均降水总量约为73 mm， 属于极度干旱地区。图1（b）展示了该站的下垫面， 地表土壤以砂石为主， 为当地分布较为广泛的下垫面类型。
图1 狮泉河站的地理位置（a）， 下垫面（b）和通量印痕（c）

（b）、 （c）中的卫星影像图来自网站： https： //www.amap.com

Fig.1 The geographical location （a）， underlying surface （b）， and footprint of surface turbulent fluxes （c） at the Shiquanhe site.The satellite map in subfigure （b） and （c） was from the website https： //www.amap.com

狮泉河站设置有常规气象观测及微气象观测设备， 包括向上及向下的长波和短波辐射表、 涡动相关系统和土壤水热监测系统等， 可以全天候观测地表附近空气温度、 湿度、 风速风向廓线， 太阳总辐射、 反射辐射、 大气和地表长波辐射， 湍流通量、 土壤温度、 湿度、 热通量， 以及气压、 降水等气象要素。观测仪器详细情况见表1。
表1 仪器型号及安装高度（深度）

Table 1 Instruments and installation heights （depths）

观测要素 仪器型号 架设高度（深度）
空气温度、 湿度 Vaisala HMP155A 1.03， 2.00， 4.08， 8.02和18.17 m
风速、 风向 Met One 010C & 020C 1.03， 2.00， 4.08， 8.02和18.17 m
气压 Vaisala PTB330 1.50 m
雨量 Vaisala RG13H 70 cm
短波辐射、 长波辐射

Kipp & Zonen CMP22

Kipp & Zonen CGR4

 1.50 m
湍流及通量（三维风速、 温度、 湿度、 CO2/H2O密度， 动量、 感热、 潜热等）、 Campbell EC150 5.45 m
土壤热流量 HUKSEFLUX HFP01 5， 10， 20， 40和80 cm
土壤温度 Campbell 109 5， 10， 20， 40和80 cm
土壤体积含水量 Campbell CS616 5， 10， 20， 40和80 cm
如图1（a）和（b）所示， 狮泉河站周边为青藏高原西部较为典型的小城镇， 建筑物以一层（低于5 m）平房为主， 均分布在观测塔百米以外。为了明确观测源区和各地面粗糙元对观测结果的影响， 采用Kljun模型（Kljun et al， 2015）分析了观测印痕［图1（c）］， 图1（c）中的三条蓝线分别表示50%， 70%和90%通量源区范围， 70%源区范围内地表相对均匀且平坦， 90%的贡献源区有道路和一些建筑物。

2.2　研究方法

2.2.1　粗糙度

（1） 动力粗糙度和零平面位移

地表动力粗糙度（z 0m）是指平均风速减少到零时距离地面的高度， 取决于地表起伏、 粗糙元形态与排列等因素。零平面位移（d）， 是指由于地表粗糙元等的影响， 气流与下垫面的作用相当于发生在某一高度上， 粗糙度等也变成基于这一高度的物理属性（盛裴轩等， 2003）， 其大小取决于下垫面粗糙元分布（Dolman， 1986； 高志球等， 2002）。根据近地层相似性理论， 近地层风速可表示为：
u i = u * k l n z i - d z 0 m - ψ m z i - d L
式中： ui为高度zi处的风速； i为观测层数编号； u*为摩擦速度； k为von Karman常数（本文取0.4）； z 0m为动力粗糙度； d为零平面位移； ψ m为层结订正函数； L为Monin-Obukhov长度。在中性层结时， ψ m = 0， 近地层风速表达式则简化为：
u i = u * k l n z i - d z 0 m
首先， 计算零平面位移d。 利用3层风速观测资料， 分别代入式（2）中， 可以得到：
u 1 - u 2 u 1 - u 3 = l n ( z 1 - d ) - l n ( z 2 - d ) l n ( z 1 - d ) - l n ( z 3 - d )
即：
f ( d ) = u 1 - u 2 u 1 - u 3 - l n ( z 1 - d ) - l n ( z 2 - d ) l n ( z 1 - d ) - l n ( z 3 - d ) = 0
根据牛顿迭代法构造迭代函数
g ( d ) = d - f ( d ) f ' ( d )
给定d的初值， 反复迭代至设定精度即得到d。
接着计算动力学粗糙度z 0m。令 x = l n ( z - d )， a = u * k， b = - a l n ( z 0 m )， 则风速廓线公式可表示为： u = a x + b， 分别将ui、 zi、 d代入此式， 运用线性回归方法即可得到a、 b， 进而求出z 0m （周艳莲等， 2007）。
本文采用距地4 m、 8 m和18 m三个高度处近中性层结的风速风向廓线资料， 按风向从0°开始顺时针将观测数据分为16个方位， 每个方位22.5°， 分别计算各方位的零平面位移和动力粗糙度。计算过程中， 用稳定度参数 ξ（=z/L， z为观测高度）判断大气稳定度， 以 - 0.01 < ξ < 0.01为中性层结， ξ < - 0.01为不稳定层结， ξ > 0.01为稳定层结。

（2） 热力粗糙度

热力学粗糙度（z 0h）是指近地层气象条件满足Monin-Obukhov相似理论（MOST）时， 气温等于地表温度的高度。无量纲因子热传输附加阻尼kB -1［ = l n ( z 0 m / z 0 h )］， 给出了热力粗糙度和动力粗糙度之间的关系。当前的天气和气候数值模式中常用参数化kB-1的方法确定热力粗糙度（Owen， 1963； Chamberlain， 1966； Garratt and Francey， 1978； 贾立等， 2000）。
根据MOST可得：
T a - T s f c T * = R k l n z - d z 0 h - ψ h ( ξ )
该式可以变形为：
l n z - d z 0 h = k ( T a - T s f c ) R T * + ψ h ( ξ )
式中： ξ = ( z - d ) / L； Ta为高度z处的气温； Tsfc为地表温度； T*为特征温度； R为空气的比气体常数； ψ h ( ξ )是温度稳定度修正函数。参照求z 0m的方法， 可以通过线性拟合方法得到中性条件的热力粗糙度z 0h。对于非中性层结， 采用Cheng and Brutsaert （2005）推荐的稳定度修正函数 ψ h ( ξ ) = 2 l n 1 + y 2， 计算不稳定条件下的热力粗糙度； 采用Paulson （1970）推荐的稳定度修正函数 ψ h ( ξ ) = - m l n [ ξ + ( 1 + ξ n ) 1 / n ]， 计算稳定条件下的热力粗糙度。其中， y = ( 1 - 16 ξ ) 1 / 2， m=6.1， n=1.1。
本文拟对数值模式常用的热力粗糙度（或热传输附加阻尼kB -1）参数化方案进行评估。Zilitinkevich （1995）提出了基于雷诺粗糙数 R e *计算kB -1的方案（下称Z95方案），
k B - 1 = k C R e *
式中： C为经验常数， Zilitinkevich在研究中取0.8。Chen et al （1997）改进了Z95方案（下称C97方案）， 认为C取0.1可以减小NCEP（美国环境预报中心） η尺度预报模式的降水预报误差。Yang et al （2007）为了研究z 0h的日变化， 提出了适用于裸土下垫面的参数化方案（下称Y07方案），
z 0 h = 70 ν u * e - β u * 0.5 | T * | 0.25
式中： ν为空气运动粘度； β=7.2。Z95、 Y07等方案已经在Noah等陆面过程模式中广泛使用。

2.2.2　地表反照率

地表反照率（α）是地表向各个方向上反射的太阳总辐射通量与到达地表的太阳总辐射通量之比， 反映地表反射太阳辐射的能力， 是陆面的重要参数， 对数值模式模拟具有重要作要。地表反照率可由实测短波辐射按下式计算：
α = U S R D S R
式中： USR为地表反射的短波辐射（单位： W·m-2）； DSR为向下的短波辐射（单位： W·m-2）。地表颜色、 粗糙程度、 土壤湿度等因素会影响地表反照率（Dickinson et al， 1986； Liu et al， 2008）， 其中土壤颜色和粗糙程度变化不显著， 但土壤湿度变化较大是反照率变化的主要影响因素。为避免日出和日落时太阳高度角较低对地表反照率计算造成影响， 本文计算了狮泉河逐日日出日落时间， 忽略了日出后30 min和日落前30 min短波辐射观测数据， 并以计算得到的最小地表反照率作为日均地表反照率。

2.2.3　土壤热属性参数

土壤热属性参数直接参与模式温度预报方程中土壤温度计算， 可以影响耦合了陆面过程的天气和气候模式的模拟结果。土壤热属性随土壤含水量、 容重、 孔隙度、 质地和矿物含量等参数变化（De Vries， 1963； Campbell， 1985）。土壤热属性参数包括土壤体积热容量、 热传导率、 热扩散率， 土壤水通量密度等。
土壤体积热容量（Cs， 单位： MJ·m-3·K-1）是指单位体积土壤温度每上升（下降）1 K吸收（释放）的热量， 可由土壤中固体、 液体和气体三相的体积热容量之和算得（De Vries， 1963）， 是土壤热属性中与土壤含水量和容重关系最明确的。土壤体积热容量愈大， 则土壤温度变化愈小。忽略土壤中空气的热力贡献， 土壤体积热容量可按下式估算（Garratt， 1992）：
C s = ( 1 - θ s ) C s d + θ C w
式中： θ是土壤的体积含水量（单位： m3·m-3）； θ s是砂土的饱和含水量（0.395 m3·m-3）（Garratt， 1992）， C s d是干砂土的体积热容量（1.280×106 J·m-3·K-1）（Garratt， 1992）； C w为水的体积热容量（4.186×106 J·m-3·K-1）。
土壤热扩散率（k， 单位： m2·s-1）的常用计算方法包括基于热传导方程的振幅法和位相法（Gao et al， 2008）、 基于热传导-对流方程的热传导-热对流法（Gao et al， 2008； Tong et al， 2016）。本文采用热传导-热对流方法计算土壤热扩散率。土壤热传导-热对流过程的数学物理模型如下：
∂ T ∂ t = k ∂ 2 T ∂ z 2 + W ∂ T ∂ z    ,    ( t > 0 , z > 0 ) T ( 0 , t ) = T 0 + A s i n ( ω t + ϕ 1 )    ,    ( t ≥ 0 )
其解析解为：
T ( z , t ) = T 0 + A e x p - z W 2 k + 2 4 k W 2 + W 4 + 16 k 2 ω 2 × s i n ω t + ϕ - z 2 ω W 2 + W 4 + 16 k 2 ω 2
在此基础上可以反演出土壤总体热扩散率k和土壤水通量密度W（ W = ∂ k / ∂ z - C w / C s w θ， 式中w为总体液态水运动速率），
k = ( z 1 - z 2 ) 2 ω l n ( A 1 / A 2 ) ( Φ 2 - Φ 1 ) [ ( Φ 2 - Φ 1 ) 2 + l n 2 ( A 1 / A 2 ) ]
W = ω ( z 1 - z 2 ) Φ 2 - Φ 1 2 l n 2 ( A 1 / A 2 ) ( Φ 2 - Φ 1 ) 2 + l n 2 ( A 1 / A 2 ) - 1
式中： A 1、 A 2、 Φ 1、 Φ 2为z 1、 z 2深度处土壤温度的振幅（K）和相位（rad）； ω = 2 π P = [ 7.292 × 10 - 5   ( r a d · s - 1 ) ]， 为地球转动角速度； P=24×3600 s， 是地表土壤温度的变化周期。
土壤热传导率（λs， 单位： W·m-1·K-1）反映土壤导热能力， 可以由土壤热扩散率k和土壤热容量Cs根据λs= Cs k计算得到。

3 结果与讨论

3.1　近地层气象要素变化基本特征

图2给出了狮泉河站常规气象要素的日平均值时间序列。图2（a）为风速， 试验期间平均风速为2.17 m·s-1， 30 min平均风速最大8.85 m·s-1。如图2（b）所示， 主导风向为西风， 偏西风（225°~315°范围内风向）年频次可达59.2%。
图2 2015年6月9日至2017年1月30日狮泉河站常规气象要素日均值序列

Fig.2 Conventional meteorological data collected at Shiquanhe site from 9 June 2015 to 30 January 2017

狮泉河气温具有明显的季节变化［图2（c）］， 试验期间平均气温276.6 K， 最高（低）月平均气温288.3 K （263.5 K）出现在8月（1月）。年最高气温与最低气温差值可达47.1 K， 气温最大日较差22.40 K， 出现在2015年12月26日。气温年变化呈单峰趋势， 3 -7月气温逐渐升高， 9月开始逐渐下降， 1月达到最低值。
狮泉河湿度季节差异显著， 试验期间平均比湿约2.6 g·kg-1。根据比湿大小， 本文将6 -9月定义为湿季， 其余月份为干季。2016年， 湿季平均比湿为5.3 （±2.2） g·kg-1， 干季平均比湿为1.2 （±2.2） g·kg-1。湿季最大比湿可达12 g·kg-1， 干季比湿小于2 g·kg-1。狮泉河的比湿整体上比较小， 与青藏高原北部改则相当， 较高原中部当雄和东部昌都略低（彭艳等， 2005）， 远低于高原东坡理塘地区， 理塘湿季比湿均在12 g·kg-1以上， 最大可达25 g·kg-1 （赵兴炳和李跃清， 2011）。
试验期间气压变化范围为594.1~612.8 hPa， 平均值为605.0 （±3.24） hPa。夏季（6 -8月）气压略微高于冬季（12月至次年2月）， 呈典型的高山气压特征。冬季， 低压系统过境时， 气压可降至约595.0 hPa。
图3分别是狮泉河站日平均总辐射、 地表反射辐射、 土壤温度、 土壤体积含水量及降水量的时间变化情况。从图3中可知， 太阳辐射季节变化显著， 夏季辐射强度明显高于冬季， 日均值序列呈正弦趋势变化， 最大日均值达402.5 W·m-2， 出现在2015年6月27日。地表反射辐射变化趋势与太阳辐射较一致， 地表反射辐射最大日均值为83.5 W·m-2， 发生在2015年6月19日。
图3 2015年6月9日至2017年1月30日狮泉河站短波辐射（a， b）， 土壤温度（c）及体积含水量（d）日均值、 降水量（e）日累积值

Fig.3 The daily mean of shortwave radiation （a， b）， soil temperature （c） and volumetric water content （d）， and daily sum of precipitation （e） at the Shiquanhe site from 9 June 2015 to 30 January 2017

土壤温度随太阳辐射变化而变化， 温度振幅随着深度的增加而降低， 相位随深度增加而滞后。各层土壤温度6 -10月均高于0 ℃， 表层土壤温度10月初夜间开始出现低于0 ℃的现象， 一直持续到次年6月； 5 cm和10 cm深处土壤温度到10月中旬以后开始出现低于0 ℃的现象， 12月中旬开始直到次年2月初， 均维持在0 ℃以下， 而后5 cm深处土壤温度白天开始高于0 ℃， 夜间仍然会降到0 ℃以下， 直到4月底开始维持在0 ℃以上， 10 cm深处土壤温度降到0 ℃以下和升到0 ℃以上的时间点均滞后于5 cm处。总体看来， 各层土壤温度降到0 ℃以下历时比回升到0 ℃以上历时略长。
狮泉河土壤体积含水量比较低， 仅在降水事件期间及稍后较短时间段内上升， 5 cm深处含水量最高可达0.14 m3·m-3， 10 cm深处最高达0.1 m3·m-3， 其余时段都低于0.05 m3·m-3， 波动不大。土壤温度降到0 ℃以下时， 体积含水量进一步降低， 5 cm和10 cm深处的体积含水量变化较一致。
季风约在5月下旬影响到狮泉河地区， 带来该地区一年的主要降水。狮泉河降水几乎都发生在6 -9月， 这与空气比湿和土壤水分的变化很好地对应。2015（2016）年6 -9月总降水量为119.9 mm（58.9 mm）。2015（2016）年最大日降水20.4 mm（12.8 mm）出现在8月4日（8月5日）。狮泉河降水量显著低于高原其他区域， 高原东部理塘年降水可达700 mm以上（赵兴炳和李跃清， 2011）， 高原东北部五道梁夏季降水超过380 mm （You et al， 2017）。

3.2　动力粗糙度和零平面位移

通过对2016年1月1日00:00（北京时， 下同）至12月31日23:30整年的30 min平均风速风向资料进行分析， 给出了图4（a）所示的风玫瑰图， 狮泉河站风向分布明显以偏西风为主。利用风速廓线资料计算了16方位动力粗糙度， 其分布如图4（b）中箱-线图所示， 长方形框内的长黑线（不一定位于长方形框正中间）表示该方位动力粗糙度中位数（包含50%样本量的动力粗糙度）， 长方形框的上边缘和下边缘表示该方位动力粗糙度的上、 下四分位数， 也就是包含75%、 25%样本量的动力粗糙度值； 与从长方形框上、 下边缘延伸出的虚线垂直相连的横线“-”表示包含99%、 1%样本量的动力粗糙度值， 超出这两条横线之外的“+”表示异常值； 图中蓝色圆点表示该方位动力粗糙度的平均值。易见， 狮泉河站各方位的动力粗糙度存在差异， 这与狮泉河站地处高原小城镇中， 站点周围各方位建筑物分布不均匀， 高度和外部轮廓都不一致直接相关。但动力粗糙度随方位的变化与观测站周围地物分布的变化一致， 最大值0.15 m位于157.5 °方向， 最小值0.017 m 位于正北方向（0°）。绝大多数方位的动力粗糙度平均值和中位数基本一致， 1%和99%百分位数变动范围也较小， 说明各方位内下垫面相对均匀一致。在此基础上， 以风向频次为权重， 用加权平均方法计算的狮泉河站区整体动力粗糙度为5.58×10-2 m。表2给出了学者们在青藏高原各种下垫面上基于观测数据获取的动力粗糙度。总体上， 青藏高原各种下垫面的动力粗糙度都在10-2~10-3 m量级。青藏高原不同地区、 不同类型的下垫面动力粗糙度存在差异， 同一地区相同下垫面不同季节也存在差异， 表明动力粗糙度与下垫面的植被、 地形、 土壤状态、 季节差异等都有关系， 当然这些差异中也有一部分是由观测和计算方法等造成的。本文计算的动力粗糙度与高原河谷下垫面最为接近， 比草地、 草甸下垫面动力粗糙度略大。
图4 2016年狮泉河站风玫瑰图（a）及各方位的动力粗糙度（b）、 零平面位移（c）

Fig.4 Wind rose （a）， the aerodynamic roughness length （b） and zero plane displacement （c） in 16 azimuths at the Shiquanhe site in 2016

表2 青藏高原各种下垫面地表动力粗糙度

Table 2 Surface aerodynamic roughness length over different underlying surface in Qinghai-Xizang Plateau

地点 下垫面类型或地貌 动力粗糙度/m 时段 文献来源
改则 高寒山区荒漠， 针带草 2.63×10-3 5 -8月 李家伦等， 1999
改则 高寒稀疏草地 2.7×10-2 全年 李国平等， 2000
狮泉河 高寒稀疏草地 2.9×10-2 全年 李国平等， 2000
拉萨 高原河谷 3.02×10-2 3 -4月 李国平等， 2000
安多 草甸 4.46×10-3 7月 马耀明等， 2001
EIFE 戈壁（稀疏骆驼刺） 2.74×10-3 7月 马耀明等， 2001
拉萨 高原河谷 7.11×10-2 5 -8月 李国平等， 2002
日喀则 高原盆地 4.23×10-2 5 -8月 李国平等， 2002
那曲 高寒稀疏草地 5.42×10-2 5 -8月 李国平等， 2002
林芝 平坦的高原河谷 2.57×10-2 5 -8月 李国平等， 2002
当雄 草甸 2.0×10-3 5 -7月 彭艳等， 2005
改则 高寒稀疏草地 2.4×10-3 5 -7月 彭艳等， 2005
昌都 高原深切河谷中的草地 1.4×10-2 5 -7月 彭艳等， 2005
玛曲 退化湿地， 高寒草原 3.23×10-3 未冻结 尚伦宇等， 2010
玛曲 退化湿地， 高寒草原 2.27×10-3 冻结中 尚伦宇等， 2010
玛曲 退化湿地， 高寒草原 1.92×10-3 融解后 尚伦宇等， 2010
安多 高寒草原 6.0×10-3 7 -9月 Wang et al， 2016
班戈 高原草原 2.0×10-2 7 -9月 Wang et al， 2016
比如 高寒草原 1.06×10-1 7 -9月 Wang et al， 2016
嘉黎 峡谷内的高寒草甸 1.35×10-1 7 -9月 Wang et al， 2016
林芝 高寒草甸、 灌木、 乔木 2.47×10-1 7 -9月 Wang et al， 2016
纳木措 高寒草原 2.2×10-2 7 -9月 Wang et al， 2016
那曲 高寒草原 3.5×10-2 7 -9月 Wang et al， 2016
聂荣 高寒草原 2.3×10-2 7 -9月 Wang et al， 2016
狮泉河 裸土， 少量遮挡物 1.96×10-1 7 -9月 Wang et al， 2016
狮泉河 高寒地区戈壁小镇 5.58×10-2 全年 本文
图4（c）为计算得出的16方位零平面位移及其变化范围箱线图， 图中各标识点的统计意义与图4（b）相同。较大的零平面位移位于正东、 东偏南及正南方向， 最大值1.21 m位于正南方向（180°）， 是建筑物与观测设备距离最小的方位， 最小值0.28 m位于正西方向（270°）， 是观测点周围最开阔、 风浪区最长的方位。零平面位移随方位的变化与观测站周围地物的分布和变化一致， 各方位的零平面位移平均值和中位数也比较一致。以风向频次为权重， 用加权平均方法计算的狮泉河站平均零平面位移为0.44 m。

3.3　热力粗糙度

如图5狮泉河站2016年ln（z 0m /z 0h）随ln（Re *）的变化情况所示， 圆点为ln（z 0m /z 0h）按ln（Re *）间隔0.1的区间平均序列， 红、 蓝和绿三色依次表示中性、 稳定和不稳定条件； 圆圈表示在平均区间内观测样本数大于50， 紫色、 黄色、 黑色实线表示Z95、 C97、 Y07方案计算的ln（z 0m /z 0h）， 黑色虚线为观测资料计算的ln（z 0m /z 0h）的整体平均值； 每个平均区间内中性（红色圆圈-实线）、 稳定（蓝色圆圈-实线）和不稳定（绿色圆圈-实线）样本数表示在底部子图中。根据相似理论计算得到的kB-1平均值为11.11， 中性条件下平均值为4.23， 稳定条件下平均值为13.10， 不稳定条件平均值为11.37， 根据热传输附加阻尼定义［kB -1 =ln（z 0m /z 0h）］可得z 0h =z0m/exp（kB -1 ）， 将以上计算得到的z 0m 、 kB -1代入， 计算的z 0h依次为8.35×10-7 m、 8.12×10-4 m、 1.14×10-7 m、 6.44×10-7 m。kB -1比较集中的分布在4~18， 对应于6<ln（Re *）<8.5的区间， 基本都是不稳定层结。这与之前研究得到的青藏高原草甸下垫面上的kB -1（安多2.56， 北PAM站2.0）（马耀明等， 2001）相差较大， 与高原稀疏浅草的沙漠下垫面的观测结果（12.3， z 0h=8.19×10-8 m）比较接近（贾立等， 2000）。狮泉河大气层结状况总体上以不稳定为主（62.5%）， 主要出现在白天； 稳定层结（26.6%）次之， 多出现在夜间； 中性层结（10.9%）多出现在日落后日出前。
图5 2016年狮泉河站ln（z 0m /z 0h）随ln（Re *）的变化

Fig.5 The calculated ln（z 0m /z 0h） versus ln （Re *） at the Shiquanhe site in 2016

与根据MOST计算的kB -1相比较， Z95方案计算结果与MOST计算的kB -1较集中的情况（不稳定条件）的结果比较吻合， 平均值为6.42， Y07方案则在中性条件下与MOST计算结果一致性较好， C97方案计算结果与MOST计算结果一致性较差。这进一步说明不同的参数化方案在不同的层结条件下具有不同的适用性。

3.4　地表反照率

从2015年6月9日至2017年1月30日地表反照率日序列和月均值（图6）可以看出， 2015年和2016年6 -9月因为降水过程的影响， 土壤湿度较大， 反照率个别值低于0.1。未受降水影响的反照率在0.18~0.24， 与HEIFE试验观测的反照率： 戈壁下垫面（0.228）、 沙漠下垫面（0.246）相当（邹基玲等， 1992）， 略低于（Stull， 2003）给出的沙漠地表反照率（0.25）。
图6 2015年6月9日至2017年1月30日狮泉河站地表反照率日序列、 月均值

Fig.6 The series of daily and monthly mean of the albedo at Shiquanhe site from 9 June 2015 to 30 January 2017

狮泉河的地表反照率呈现明显的季节变化， 冬季高夏季低， 与狮泉河降水季节变化［降水基本都发生在夏季（即雨季）， 见图3（e）］， 及对应的土壤湿度变化［夏季明显高于冬季， 见图3（d）］一致。降水期结束后， 土壤逐渐变干燥， 反照率逐渐上升， 在1月中旬地表反照率也达到峰值。3月后期， 反照率逐渐回落。
由图6中给出的地表反照率的月平均值和变化范围可发现， 月平均值呈现夏季低冬季高的变化趋势。月平均最小值为0.17（2015年7月）， 最大值为0.23（2017年1月）， 总体平均值为0.20， 降水期以外平均地表反照率为0.21。

3.5　土壤热属性参数

图7为0~10 cm土壤层物理属性的日平均变化。总体上， 土壤热属性随体积含水量变化， 干季值较小， 湿季较大； 降水事件通过改变土壤含水量显著影响着土壤热属性。土壤热容量的变化幅度不大， 但是趋势明显： 进入雨季后随着降水增加土壤体积含水量增大， 土壤热容量也逐渐增大， 雨季结束后又慢慢降低， 非雨季变化较小， 来年土壤温度上升以后再随雨季到来而增大。土壤热容量变化范围为0.90×106~1.19×106 J·m-3·K-1， 平均值为0.96×106 J·m-3·K-1（2016年平均值为0.95×106 J·m-3·K-1）。与土壤热容量变化类似， 土壤热传导率有相同的变化规律， 变化范围为（0.03~0.99） W·m-1·K-1， 平均值为0.25 W·m-1·K-1（2016年平均值为0.24 W·m-1·K-1）。土壤热扩散率的变化趋势与土壤热容量相似， 其变化范围为0.33×10-7~25.0×10-7 m2·s-1， 平均值为2.89×10-7 m2·s-1（2016年平均值为2.73×10-7 m2·s-1）。这与塔克拉玛干沙漠（刘永强等， 2011）、 敦煌戈壁（Zhang and Huang， 2004）的观测结果接近。狮泉河土壤比较干燥， 0~10 cm土层中水分通量密度较小， 有向地表迁移现象（W<0， 土壤中水分蒸发时）， 也有向土壤深部迁移趋势（W>0， 降雨时）， 向地表的最大迁移速度为0.26×10-5 m·s-1， 向土壤深部迁移的最大速度为5.47×10-5 m·s-1， 平均迁移速度为0.13×10-5 m·s-1 （2016年平均迁移速度为0.12×10-5 m·s-1）。土壤水分迁移速度在土壤体积含水量大时明显快于土壤含水量小的季节。
图7 2015年6月9日至2017年1月30日狮泉河站0~10 cm土壤层热属性参数日序列

Fig.7 The variations of daily mean of soil parameters of 0~10 cm soil layer at the Shiquanhe site from 9 June 2015 to 30 January 2017

4 结论

基于青藏高原西部狮泉河站2015年6月至2017年1月的观测资料， 对当地的陆气相互作用参数进行了系统地研究， 得到了如下结论：
（1） 狮泉河站风速较小， 年均2.17 m·s-1， 年偏西风频次达到59.2%； 气温季节变化明显， 最高温度与最低温度差值可达47.1 K； 湿度很小， 试验期间平均比湿2.6 g·kg-1； 太阳辐射季节变化明显， 土壤温度的季节变化与太阳辐射变化基本同步， 变化也比较显著； 降水集中在6 -9月， 期间土壤湿度相应增大。
（2） 狮泉河站的零平面位移和动力粗糙度， 各方位存在差异； 动力粗糙度最小0.017 m， 最大0.15 m， 平均为5.58×10-2 m； 零平面位移最小0.28 m， 最大1.21 m， 平均为0.44 m； 零平面位移和动力粗糙度随方位的变化与各方位的粗糙元分布一致。
（3） 热力粗糙度与大气层结状态有关， 狮泉河站在中性、 稳定、 不稳定层结下平均值依次为8.12×10-4 m、 1.14×10-7 m、 6.44×10-7 m； 边界层大气层结以不稳定为主， Z95方案计算的不稳定层结热传输附加阻尼kB-1的平均值为6.42， 与观测值分布最为接近。
（4） 狮泉河站地表反照率在0.18~0.24， 与沙漠和戈壁下垫面反照率相当； 冬季地表反照率大于其他季节， 最大可达0.24； 夏季土壤湿度增大， 反照率小于其他季节。地表反照率全年平均为0.2。
（5） 狮泉河站土壤热容量、 土壤热传导率、 土壤热扩散率和土壤水通量密度年平均值依次为0.95×106 J·m-3·K-1、 0.24 W·m-1·K-1、 2.73×10-7 m-2·s-1和0.12×10-5 m·s-1， 受降水影响有微弱的变化， 与塔克拉玛干沙漠和敦煌戈壁的观测结果比较一致。
狮泉河站干旱少雨， 下垫面状况稳定， 与所在区域相对一致， 因此地表反照率、 土壤属性参数具有区域代表性， 可供相关研究参考。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Bonan G B， 1998.The land surface climatology of the NCAR land surface model coupled to the NCAR community climate model［J］.Journal of Climate， 11 （6）： 1307-1326.

Boos W， Kuang Z M， 2010.Dominant control of the South Asian Monsoon by orographic insulation versus plateau heating［J］.Nature， 463： 218-222.DOI： 10.1038/nature08707.

Campbell G S， 1985.Soil physics with BASIC： Transport models for soil-plant systems［M］.Amsterdam， the Netherlands： Elsevier Science， 1-149.

Chamberlain A C， 1966.Transport of gases to and from grass and grass-like surfaces［J］.Proceedings of The Royal Society of London.Series A， Mathematical and Physical Sciences （1934-1990）， 290 （1421）： 236-265.DOI： 10.1098/rspa.1966.0047.

Chen F， Janjić Z A， Mitchell K， 1997.Impact of atmospheric surface-layer parameterizations in the new land-surface scheme of the NCEP mesoscale eta model［J］.Boundary-Layer Meteorology， 85： 391-421.

Cheng Y G， Brutsaert W， 2005.Flux-profile relationships for wind speed and temperature in the stable atmospheric boundary layer［J］.Boundary-Layer Meteorology， 114： 519-538.DOI： 10. 1007/s10546-004-1425-4.

De Vries D A， 1963.Thermal Properties of Soils.In W.R.v.Wijk， Ed.， Physics of plant environment［M］.New York： John Wiley & Sons， 210-235.

Dickinson R E， Henderson-Sellers A， Kennedy P J， al et， 1986.Biosphere-atmosphere transfer scheme （BATS） for the NCAR Community Climate Model［R］.

Atmospheric Analysis and Prediction Division， National Center for Atmospheric Research， PB87-141511.

Dolman H， 1986.Estimates of roughness length and zero plane displacement for foliated and non-foliated oak canopy［J］.Agricultural and Forest Meteorology， 36 （3）： 241-248.DOI： 10.1016/0168-1923（86）90038-9.

Fu Y F， Ma Y M， Zhong L， al et， 2020.Land-surface processes and summer-cloud-precipitation characteristics in the Tibetan Plateau and their effects on downstream weather： A review and perspective［J］.National Science Review， 7 （3）： 500-515.DOI： 10.1093/nsr/nwz226.

Gao Z Q， Lenschow D H， Horton R， al et， 2008.Comparison of two soil temperature algorithms for a bare ground site on the Loess Plateau in China［J］.Journal of Geophysical Research： Atmospheres， 113： D18105.DOI： 10.1029/2008JD010285.

Garratt J R， 1992.The atmospheric boundary layer［M］.New York： Cambrige University Press， 291-293.

Garratt J R， Francey R J， 1978.Bulk characteristics of heat transfer in the unstable， baroclinic atmospheric boundary layer［J］.Boundary-Layer Meteorology， 15： 399-421.DOI： 10.1007/BF00120603.

Kljun N， Calanca P， Rotach M， al et， 2015.A simple two-dimensional parameterisation for Flux Footprint Prediction （FFP）［J］.Geoscientific Model Development， 8： 3695-3713.DOI： 10.5194/gmd-8-3695-2015.

Liu H Z， Wang B M， Fu C B， 2008.Relationships between surface albedo soil thermal parameters and soil moisture in the semiarid area of Tongyu northeastern China［J］.Advances in Atmospheric Sciences， 25： 757-764.DOI： 10.1007/s00376-008-0757-2.

Owen P， 1963.Heat transfer across rough surfaces［J］.Journal of Fluid Mechanics， 15： 321-334.DOI： 10.1017/S0022112063000288.

Paulson C， 1970.The mathematical representation of wind speed and temperature profiles in the unstable atmospheric surface layer［J］.Journal of Applied Meteorology， 9： 857-861.DOI： 10.1175/1520-0450（1970）009<0857： TMROWS>2.0.CO； 2.

Stull R B， 2003.An introduction to boundary layer meteorology［M］.Dordrecht， The Netherlands： Kluwer Academic Publishers， 643.

Tong B， Gao Z Q， Horton R， al et， 2016.Soil apparent thermal diffusivity estimated by conduction and by conduction-convection heat transfer models［J］.Journal of Hydrometeorology， 18： 109-118.DOI： 10.1175/JHM-D-16-0086.1.

Wang A H， Zeng X B， 2012.Evaluation of multi-reanalysis products with in situ observations over the Tibetan Plateau［J］.Journal of Geophysical Research Atmospheres， 117： D05102.

Wang Y J， Xu X D， Liu H Z， al et， 2016.Analysis of land surface parameters and turbulence characteristics over the Tibetan Plateau and surrounding region［J］.Journal of Geophysical Research： Atmospheres， 121 （16）： 9540-9560.DOI： 10.1002/2016jd025401.

Wu G X， Liu Y M， He B， al et， 2012.Thermal controls on the Asian summer monsoon［J］.Scientific reports， 2： 404.DOI： 10.1038/srep00404.

Xu X D， Lu C G， Shi X H， al et， 2008.World water tower： An atmospheric perspective［J］.Geophysical Research Letters， 35： L20815.DOI： 10.1029/2008GL035867.

Yang K， Koike T， Ishikawa H， al et， 2007.Turbulent flux transfer over bare-soil surfaces： Characteristics and parameterization［J］.Journal of Applied Meteorology and Climatology， 47： 276-290.DOI： 10.1175/2007JAMC1547.1.

You Q G， Xue X， Peng F， al et， 2017.Surface water and heat exchange comparison between alpine meadow and bare land in a permafrost region of the Tibetan Plateau［J］.Agricultural and Forest Meteorology， 232： 48-65.DOI： 10.1016/j.agrformet. 2016.08.004.

Zeng J， Li Z， Quan C， al et， 2015.Evaluation of remotely sensed and reanalysis soil moisture products over the Tibetan Plateau using in-situ observations［J］.Remote Sensing of Environment， 163： 91-110.DOI： 10.1016/j.rse.2015.03.008.

Zhang Q， Huang R H， 2004.Parameters of land-surface processes for Gobi in north-west China［J］.Boundary-Layer Meteorology， 110： 471-478.DOI： 10.1023/B： BOUN.0000007224.08804.b8.

Zhao P， Li Y Q， Guo X L， al et， 2019.The Tibetan Plateau surface-atmosphere coupling system and its weather and climate effects： The third Tibetan Plateau atmospheric science experiment［J］.Journal of Meteorological Research， 33 （3）： 375-399.DOI： 10.1007/s13351-019-8602-3.

Zhao P， Xu X D， Chen F， al et， 2018.The third atmospheric scientific experiment for understanding the earth-atmosphere coupled system over the Tibetan Plateau and its effects［J］.Bulletin of the American Meteorological Society， 99 （4）： 757-776.

Zhou X J， Zhao P， Chen J M， al et， 2009.Impacts of thermodynamic processes over the Tibetan Plateau on the northern hemispheric climate［J］.Science in China Series D： Earth Sciences， 52 （11）： 1679-1693.DOI： 10.1007/s11430-009-0194-9.

Zhu J H， Ma S P， Zou H， al et， 2014.Evaluation of reanalysis products with in situ GPS sounding observations in the eastern Himalayas［J］.Atmospheric and Oceanic Science Letters， 7 （1）： 17-22.DOI： 10.1080/16742834.2014.11447129.

Zilitinkevich S， 1995.Non-local turbulent transport： pollution dispersion aspects of coherent structure of connective flows［C］// C.

A.Brebbia， H.Power， eds.Air Pollution III Volume 1 Air Pollution Theory and Simulation.Southampton： WIT Press， 53-60.

曾庆存， 周广庆， 蒲一芬， 等， 2008.地球系统动力学模式及模拟研究［J］.大气科学， 32（4）： 653-690.

高志球， 卞林根， 逯昌贵， 等， 2002.城市下垫面空气动力学参数的估算［J］.应用气象学报， 13（）： 26-33.

何冬燕， 田红， 邓伟涛， 2013.三种再分析地表温度资料在青藏高原区域的适用性分析［J］.大气科学学报， 36（4）： 458-465.

贾立， 王介民， 胡泽勇， 2000.干旱区热力学粗糙度特征及对感热通量估算的影响［J］.高原气象， 19（4）： 495-503.

李国平， 段廷扬， 巩远发， 2002.青藏高原近地层通量特征的合成分析［J］.气象学报， 60（4）： 453-460.

李国平， 巩远发， 段廷扬， 2000.青藏高原西部地区的总体输送系数和地面通量［J］.科学通报， 45（8）： 865-869.

李家伦， 洪钟祥， 罗卫东， 等， 1999.青藏高原改则地区近地层通量观测研究［J］.大气科学， 23（2）： 142-151.

李黎， 吕世华， 范广洲， 2019.夏季青藏高原地表能量变化对高原低涡生成的影响分析［J］.高原气象， 38（6）： 1172-1180.DOI： 10.7522/j.issn.1000-0534.2018.00154.

李瑞青， 吕世华， 韩博， 等， 2012.青藏高原东部三种再分析资料与地面气温观测资料的对比分析［J］.高原气象， 31（6）： 1488-1502.

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.

刘永强， 何清， 张宏升， 等， 2011.塔克拉玛干沙漠腹地地气相互作用参数研究［J］.高原气象， 30（5）： 1294-1299.

马耀明， 塚本修， 王介民， 等， 2001.青藏高原草甸下垫面上的动力学和热力学参数分析［J］.自然科学进展， 11（8）： 824-828.

彭艳， 张宏升， 刘辉志， 等， 2005.青藏高原近地面层气象要素变化特征［J］.北京大学学报（自然科学版）， 41（2）： 180-190.

尚伦宇， 吕世华， 张宇， 等， 2010.青藏高原东部土壤冻融过程中地表粗糙度的确定［J］.高原气象， 29（1）： 17-22.

盛裴轩， 毛节泰， 李建国， 等， 2003.大气物理学［M］.北京： 北京大学出版社， 246

杨显玉， 吕雅琼， 文军， 等， 2020.不同参数化方案和再分析资料在典型高原湖泊地区的适用效果评估分析［J］.高原气象， 39（6）： 1195-1206.DOI： 10.7522/j.issn.1000-0534.2020.00051.

叶笃正， 高由禧， 1979.青藏高原气象学［M］.北京： 科学出版社， 1-278.

赵兴炳， 李跃清， 2011.青藏高原东坡高原草甸近地层气象要素与能量输送季节变化分析［J］.高原山地气象研究， 31（2）： 12-17.

周艳莲， 孙晓敏， 朱治林， 等， 2007.几种典型地表粗糙度计算方法的比较研究［J］.地理研究， 26（5）： 887-887.

邹基玲， 侯旭宏， 季国良， 1992.黑河地区夏末太阳辐射特征的初步分析［J］.高原气象， 11（4）： 381-388.

Options
Outlines

/

〈 〉

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