1 引言
青藏高原被誉为“世界屋脊”， 平均海拔4000 m以上， 占我国领土的四分之一， 是世界上最高、 地形结构最复杂的高原， 同时高原上的生态系统能对气候变化做出迅速反应，因此高原是气候变化的敏感区和预警区（郭东林等， 2009）。青藏高原高大的地形特征及其特殊的地理位置， 对全球气候系统的形成具有重要贡献（陈海山等， 2005）。另外， 青藏高原通过辐射、 感热、 潜热形成了北半球同纬度地区的一个强大的地面热源， 对气候形成和变化具有特殊的热力效应。青藏高原对大气的热力与动力效应通过高原近地层与边界层逐渐影响到自由大气， 因此分析高原近地层能量收支变化， 即热量、 水汽和动量的湍流通量变化成为了研究的重要内容（王澄海等， 2007）。已有研究表明， 高原大范围复杂陆气相互作用不仅在整个高原能量水分循环过程中扮演重要角色， 对我国、 东亚甚至北半球的气候也会产生重要的影响（季国良等， 2001； 刘新等， 2002； Wu et al， 2015）， 由此可推知在模式中将青藏高原陆面过程进行合理描述对减少气候预测结果的不确定性具有重要意义。
鉴于陆面过程的重要性， 自20世纪80年代以来， 中外科学家针对不同下垫面开展了一系列近地层综合观测实验（王介民， 1999； Ma et al， 2005）， 依据实验结果从而发展起了如BATS（Biosphere-atmosphere Transfer Scheme）、 SSIB（Simplified Simple Biosphere Model）、 Noah、 CLM（Communitity Land Model）等不同陆面模式， 并且很多学者对这些模式在不同下垫面的适用性进行了一系列研究（刘少锋和林朝晖， 2005； 杨扬等， 2015； Niu et al， 2011； Zeng et al， 2005）。由于青藏高原独特的地理位置、 地形高度、 气候条件以及复杂的下垫面特征， 因此该地区陆面过程有一定的特殊性和复杂性， 也增加了陆面模式描述陆面过程的难度。Yang et al（2009）利用SIB2、 CoLM和Noah三种模式对高原多个站点地表能量进行了模拟， 结果指出三种模式均能抓住感热、 潜热的日变化特征， 但是也存在明显的误差。谢志鹏等（2017）利用CLM4.5模拟了BJ站的地表能量， 发现模拟的地表能量季节变化、 日变化与观测吻合得较好， 但模拟的能量较观测在数值上有不同程度的偏差。由于模式模拟结果与观测还存在明显差异， 许多修改的参数及参数化方案被提出来以提升陆面模式的模拟效果。李锁锁等（2010）通过修改CoLM中空气动力学粗糙长度， 提升了模式对地表通量的模拟。Zheng et al （2014）提出了一种基于植被覆盖度的空气动力学粗糙长度计算方法， 能够提升Noah模式的模拟性能。Yang et al （2003） 提出了基于摩擦温度的热力学粗糙长度参数化方案， 结合空气动力学方法能够较准确地计算出感热。Zeng et al（2012）修改了CLM4.5默认热力学粗糙长度参数化方案中的系数， 结果提升了CLM4.5对改则站感热模拟的效果。Chen et al（2011）利用Noah模式在两个野外观测站进行单点模拟， 并在模式中通过调整热力学粗糙长度参数化方案中的系数， 使感热、 地表温度的模拟值和观测值之间的均方根误差降到最低， 但在两个站得到的系数并不相同。贾东于等 （2017） 通过修改玛曲站叶面积指数， 提升了CLM4.5对地表能量的模拟。由上述研究可知， 由于青藏高原下垫面的复杂性， 陆面模式中参数及参数化设置不都具有普适性， 合适的参数设置与参数化方案选择对提升模拟性能有很大帮助。另外探究不同参数和参数化方案对能水平衡模拟结果造成的不确定性有助于我们有针对性地进行误差分析并调整参数以及参数化方案来减小模拟误差。
鉴于青藏高原及其陆面过程的重要性， 利用CLM4.5陆面模型， 探究空气动力学粗糙长度、 叶面积指数、 植被覆盖度和热力学粗糙长度参数化方案的改变对陆面能水平衡的模拟结果产生的影响， 并且探讨了粗糙度及植被状态指数影响陆面能水平衡模拟性能的机制， 以期为高原地区的陆气相互作用的观测和数值模拟研究提供参考依据。
2 站点及资料介绍
本文用到了站点观测和卫星资料。站点观测资料来自于中国科学院那曲高寒气候环境观测研究站BJ观测点（91.90°E， 31.37°N， 海拔4509 m）， 那曲站BJ观测点位于西藏自治区那曲县罗玛镇娘曲村附近， 观测场周围地势较为平坦开阔， 且为牧区， 下垫面植被为高寒草地。那曲地区属于高原亚寒带季风半湿润气候区， 气候寒冷且相对干燥。BJ观测点架设着自动气象塔（AWS Tower）、 行星边界层塔站（PBL Tower）、 天空辐射仪、 土壤温湿观测系统、 涡动相关仪、 风廓线观测等， 其观测项目主要包括风向、 气温、 空气相对湿度、 气压、 降水、 辐射四分量和地表通量等。表1 为自动气象塔和行星边界层塔站部分观测项目及观测高度， 表2 为涡动系统及辐射四分量的观测仪器和架设高度。
表1 自动气象塔站、 行星边界层塔站各项目的观测高度Table 1 The height of observational instrument of AWS tower and PBL tower |
| 观测项目 | 自动气象塔站 | 行星边界层塔站 |
|---|---|---|
| 风向风速 | 0.91， 5.02和10.36 m | 0.75， 1.5， 3.6， 12和22 m |
| 气温 | 1.03和8.41 m | 0.75， 1.5， 3.6， 12和22 m |
| 空气相对湿度 | 1.03和8.41 m | 0.75， 1.5， 3.6， 12和22 m |
| 气压 | 1 m | 1 m |
表2 BJ观测点观测仪器说明Table 2 Specification of observational instrument at BJ site |
| 观测项目 | 观测仪器 | 观测精度 | 架设高度 /埋深 |
|---|---|---|---|
| 超声风速仪 | CSAT3， Cambell | ±0.5 cm·s-1 | 3.02 m |
| 气体分析仪 | L1-7500， Li-Cor | ±0.03 ppm | 3.02 m |
| 长波辐射 | CM-21， Kipp&Zonen | ±10% | 1.5 m |
| 短波辐射 | CM-21， Kipp&Zonen | ±10% | 1.5 m |
地表通量的计算方法为涡动相关法， 涡动相关法是目前测量地气湍流通量最好、 最直接的方法， 主要利用超声风温仪和气体分析仪测量高频瞬时风、 温、 湿脉动， 并通过协方差分析计算得到， 计算公式如式（1） 和式（2） 。对地表通量进行计算以及质量控制采用的是美国LI-COR公司推出的EddyPro软件， 质量控制主要包括： （1）剔除环境因子对传感器的干扰或电路不稳定带来的野点； （2）利用坐标旋转对坐标倾斜平面进行修正； （3）对频率响应的校正； （4）超声虚温校正； （5）Webb-Pearman-Leun-ing密度校正。同时EddyPro还可以根据平稳性假设检验和湍流整体特征检验对通量的结果做质量评估， 其中0级代表数据质量最好、 2级代表数据质量最差。为了保障涡动数据的准确度， 只采用总体质量数为0和1的湍流数据进行分析。用于对比模拟结果的观测数据时段为2014年6 -8月， 用于计算粗糙长度的观测数据时段为2014年1 -11月。
在观测时段， 观测点6 -8月3个月辐射平均日变化（图1 ）， 太阳短波辐射在14:00（北京时， 下同）左右达到最大值， 其中8月的短波辐射峰值在夏季三个月中最高， 达到800 W·m-2， 太阳短波辐射主要受太阳高度角和透明度系数的影响， 而大气透明度系数取决于水汽和云量（马伟强等， 2004）， 由于在6 -8月， 受季风的影响， 观测点多雨， 大气透明度较其他时段低， 因此最大值较低。大气长波辐射的日变化比太阳短波辐射的日变化小很多， 在278~340 W·m-2之间， 由于高原地区空气密度小， 大气中水汽含量少于平原地区， 因此高原大气长波辐射小于平原地区（王永生等， 1987）。而地面长波辐射与地面短波辐射分别受地表辐射温度和反照率影响［与太阳高度角和地表一些属性相关（李英和胡泽勇， 2006）］， 因此也表现出了明显的日变化特征。由BJ观测点观测时段的波文比的逐日变化与日平均能量闭合情况（图2 ）可以发现， 波文比从6月10日开始明显下降， 这是由于季风增加了降水量导致地面蒸发增大， 净辐射主要转化为了潜热。这一特点与Tanaka et al（2001）、 马耀明等（2000）观测结果一致。另外观测时段观测点能量闭合情况较好， 闭合度为0.98， 相关系数为0.80。
本文所用卫星资料为MODIS（moderate-resolution imaging spectroradiometer）的MOD13Q1（MODIS/Terra Vegetation Indices 16-Day L3 Global 250m SIN Grid）产品中的归一化植被指数NDVI（Normalized Difference Vegetation Index）， 其时间分辨率为16天， 空间分辨率为250 m， 选取时间为2014年1 -11月。
3 方法介绍
3.1 模式介绍
公共陆面模式（Communitity Land Model， CLM）作为地球系统模式（Community Earth System Model， CESM）的陆面模块是目前世界上发展最完善， 最具有发展潜力的陆面模式之一。CLM4.5包含了较完整的水文模型、 土壤水热过程、 冻土模型和地下水模型。CLM4.5模式的地表空间不均匀性由嵌套次网格层次体系来表示。CLM4.5所在的每个网格由不同的陆面单元（landunit）、 柱体（column）、 植被功能类型（Plant Function Type， PFT）组成。每个网格可包含不同陆面单元， 每个陆面单元可包含不同数量的柱体， 每个柱体可包含不同的植被功能类型。其主要由4个部分组成： 生物地球化学过程、 生物地球物理过程、 动态植被过程和水文过程。其中生物物理过程在每个次网格上进行独立模拟， 相应的诊断变量在每个次网格上独立计算。
对于下垫面通量的计算， 模式将植被功能类型（PFT）分为裸土和植被， 在此基础上分别计算裸土和植被部分的下垫面通量， 最后根据各种植被所占比例进行加权平均。当植被在完全衰亡后或生长期以前， 植被下垫面接近于裸土， 植被部分的下垫面通量应与裸土下垫面通量的计算值相近。因此一些参与植被覆盖区域能量交换计算的地表参数［如地表到植被空气之间的湍流交换系数、 空气动力学粗糙长度、 零平面位移（Zeng et al， 2005； Zeng and Wang， 2007）］都能在一定程度上反应裸土状态下的地表属性， 换言之， 一些裸土参数也会影响植被覆盖部分能量的计算。
3.2 数值实验设计
本文用BJ站连续完整的高时间分辨率的观测资料作为模式的大气强迫场， 其中包括气温、 相对湿度、 风速、 气压、 降水速率、 以及向下长波辐射、 向下短波辐射， 观测高度为3 m， 模拟时间为2014年5 -8月， 积分步长为30 min， 考虑到模式对初始场具有一定的敏感性， 因此， 舍去2014年5月的模拟结果作为Spin-up过程。在此基础上本文进行三个方面的研究： （1）对不同热力学粗糙长度参数化方案进行讨论； （2）以两种空气动力学粗糙长度计算方法的计算结果替代模式中的所设定的默认值来探究其对地表能量以及辐射模拟的影响； （3）讨论模式模拟对叶面积指数和植被覆盖度变化的敏感性（实验设计如表3 所示）。
表3 植被参数的敏感性实验设计Table 3 The designs of sensitive experiments about vegetation parameters |
| 实验 编号 | 叶面积指数变化情况 | 植被覆盖度变化情况 |
|---|---|---|
| CTL | 不变 | 不变 |
| EXP1 | 在CTL基础上增加50% | 不变 |
| EXP2 | 在CTL基础上减少50% | 不变 |
| EXP3 | 不变 | 在CTL基础上增加25% |
| EXP4 | 不变 | 在CTL基础上减少25% |
3.3 热力学粗糙度参数化方案
CLM4.5模式中感热可以用空气动力学阻抗和表面阻抗表示为式（3） （Zeng and Dickinson， 1998）：
其中： 为大气密度； 为大气定压比热； 为地表温度； 为近地层空气温度； 为空气动力学阻抗（式4 ）； 为表面阻抗， 用式（3） 表示。
其中： L为莫宁-奥布霍夫长度； 和 为稳定性函数； 和 分别为空气动力学和热力学粗糙长度； k为卡曼常数； 为近地层风速。
从式（3 ）~（5 ）可以看出空气动力学粗糙长度和热力学粗糙长度直接影响着感热传输， 由于热力学粗糙长度和空气动力学粗糙长度无法直接测量， 一般根据风温廓线进行推算（Yang et al 2003； Sun， 1999）。然而在缺少观测资料的地区确定热力学粗糙长度和空气动力学粗糙长度就存在困难。许多研究将空气动力学粗糙长度和一些地表特征联系起来（Su， 2002； Li et al， 2021）， 同时， 确定空气动力学粗糙长度与热力学粗糙长度之间的关系， 推算出热力学粗糙长度。因此研究不同方案对模拟的影响进而确定一个合适的热力学粗糙长度方案对模式准确模拟感热是很重要的。对于CLM4.5模式， 只需要在裸土部分的一些参数计算上体现热力学粗糙长度与空气动力学粗糙长度差异， 原因是植被部分在冠层上部考虑了能量平衡等效于考虑二者之间的差异（Zeng and Dickinson， 1998； Zeng et al， 2012）。表4 为本文研究的参数化方案（表中 ， ）。表4 中这些方案对陆面模式的模拟的影响在许多学者工作中都有所讨论（Yang et al， 2008； Zheng et al， 2014； Wang and Ma， 2019）
表4 热力学粗糙长度参数化方案Table 4 Parameterization of roughness length for heat |
| 参数化方案 | 参考文献（原方案/ 待测方案） | 方案 简称 |
|---|---|---|
| Zeng and Dickinson， 1998 原方案 | Z98 | |
| Brutsaert， 1982 待评估方案 | B82 | |
| Kanda et al， 2007 待评估方案 | K07 | |
| Zilitinkevich， 1995 待评估方案 | Z95 | |
| Zeng et al， 2012 待评估方案 | Z12 | |
| Chen and Zhang， 2009 待评估方案 | CZ09 |
3.4 空气动力学粗糙长度计算方法
由于模式中空气动力学粗糙长度（Z 0m）由一些植被参数进行计算得到， 这种计算方法不能够很好取代基于风廓线测量的计算方法（Brutsaert， 1982）， 而植被参数也与实际值有明显差异， 这必将使空气动力学粗糙长度有所偏差， 谢志鹏等（2017）认为空气动力学粗糙长度的偏差是影响BJ观测点能量模拟的因素之一。因此本文选用两种方法来计算空气动力学粗糙长度来替换模式中的值。第一种是陈家宜等（1993）提出的方法， 此后简称为“陈方法”， 所需的是站点观测的单一高度平均风速和湍流通量等测定值。
由式（6） 通过拟合单一高度的 的观测值和 来拟合确定Z 0m， 其中： U为风速； u *为摩擦速度； 为空气温度； θ′ω′都通过观测获得， d=0.03 m为替代高度； k=0.35为卡曼常数。
第二种方法是利用MODIS卫星资料的归一化植被指数， 通过Massman模型（Massman and Weil， 1999）对空气动力学粗糙长度（Z 0m）进行反演［式（10 ）~（13 ）］， 此后简称为“Massman 方法”， 同时也参考了Chen et al（2013）和Sun et al（2016）对公式系数的订正。其中： C 1=0.32， C 2=0.26， C 3=15.1， Cd=0.2， LAI为叶面积指数。
已有工作对上述两种Z0m计算方法在BJ站进行了具体应用（Sun et al， 2016； 杨耀先等， 2014； 刘啸然等， 2019）， 其中杨耀先等（2014）将计算结果代入CoLM模式中， 明显提升了模式对地表通量的模拟效果， 刘啸然等（2019）评估了两种方法计算结果的差异， 结果表明两种方法的计算结果接近。两种方法运用数据类别的不同导致了它们的应用范围、 所包含信息有所区别， 用卫星资料反演的方法能应用于更多没有站点观测的区域， 而用站点观测资料的计算结果包含更多站点状况的信息。由于两种方法结果可靠性都得到了证明， 本文将利用CLM4.5模式研究这两种方法计算的Z 0m对能量模拟的影响。
4 结果分析
4.1 Z0h参数化方案对模拟结果的影响
从基于不同方案的地表温度日平均值变化的模拟情况与观测值的差异（图5 ）中可以看出， 所有方案均低估了地表温度， 从平均偏差上来看， 相比与Z98方案的平均偏差-1.4 K， 前面所提到的对感热模拟有明显提升的B82与Z12方案也较大程度地缩小了负的平均偏差到达到-0.5 K和-0.25 K。
模式高估了感热通量， 却低估了地表温度， 从而低估了地气温差， 这表明CLM4.5模式热力学粗糙长度原方案（Z98）在BJ站可能低估了感热传输的阻抗， 如上文提到Z0h的值与阻抗密切相关， 由公式（5） 进行定性分析可知， 当Z 0h较大时， 就会计算的到一个较小的附加阻尼R ss， 进而总的感热传输阻抗减小。因此也可以推断B82与Z12方案计算出的阻抗比较大， 进而使得感热模拟值正偏差较小。下面对Z 0h在陆面模式中如何影响感热模拟进行一个简要的阐述。在陆面模式中， 气温为大气强迫数据（站点的观测数据）， 模式以一个固定的地表温度为初值（假定与实际观测值相同）开始模拟， 由于Z98方案（模式默认方案）使得感热传输阻抗较小， 因此初始时刻， 在地气温差与实际情况一致的前提下就会使得模拟的感热较实际偏大， 地面支出能量增加， 进而用于加热土壤的盈余能量较少， 土壤温度比实际小， 在下一时刻， 由于阻抗较小， 感热仍然被高估， 但由于地气温差缩小起到了缓冲感热增大的作用， 进而地表温度也得到了控制。因此图中感热模拟的正偏差并未随时间明显增大。并且地表温度的增大也会影响蒸发过程加速， 进而增加感热， 减小表层土壤水含量。地表长波辐射与地表温度密切相关， 因此也会发生相应的变化。
4.2 Z0m对地表能量通量模拟结果的影响
图6 利用2014年1 -11月的站点资料与卫星资料计算的空气动力学粗糙长度Fig.6 The aerodynamic roughness length caculated with site data and satellite data from January to November 2014 |
图7 陈方案（a， b）和Massman方案（c， d）计算的Z 0m代入模式后感热（a， c）、 潜热（b， d）的模拟结果Fig.7 The sensible heat flux （a， c） and latent heat flux （b， d） was simulated after displacing Z 0m with the value caculated by Chen scheme （a， b） and Massman scheme （c， d） |
表5 动力学粗糙长度（ Z 0m）和热力学粗糙长度（ Z 0h）参数化的改动对感热潜热模拟的影响Table 5 The influence of variation of Z 0m and Z 0h parameter schemes on simulated sensible heat flux and latent heat flux |
| 改动部分 | 感热通量R 2 | RMSE/（W·m-2） | 潜热通量R 2 | RMSE/（W·m-2） |
|---|---|---|---|---|
| 未改动 | 0.9070 | 15.01 | 0.7584 | 31.46 |
| 站点数据计算值替换Z 0m | 0.9119 | 13.44 | 0.7613 | 31.11 |
| 引入Z12方案 | 0.9123 | 9.61 | 0.7787 | 28.98 |
| 引入B82方案 | 0.9092 | 10.81 | 0.7808 | 29.03 |
| 替换Z 0m并引入Z12方案 | 0.9158 | 8.56 | 0.7793 | 28.82 |
| 替换Z 0m并引入B82方案 | 0.9154 | 7.62 | 0.7825 | 28.33 |
此外我们将对感热有较好模拟效果的Z12和B82方案与站点湍流数据计算的空气动力学粗糙长度同时放入模式中以探究其叠加的影响， 从图9 可以看出， 在加入两种热力学粗糙长度方案后， 感热潜热模拟有进一步的提升。同时从表5 可以看到， 修改后空气动力学粗糙长度与修改后热力学粗糙长度相结合后对感热、 潜热的模拟比单独修改一处的模拟结果有进一步的提升。
4.3 植被参数的变化对水热交换模拟的影响
在高原气候变暖与人为因素的双重影响下， 青藏高原的植被自20世纪80年代以后整体呈现明显的“变湿”、 “变绿”的趋势（Yao et al， 2019）。植被的变化会影响到水热交换进而影响到区域气候。目前已有不少工作对此展开研究， 刘光生等（2009）、 尤全刚等（2015）开展观测实验探究了植被覆盖度对土壤水热性质的影响。朱晗晖等（2018）、 贾东于等（2017）、 武利阳等（2018）利用模式探究了植被参数的改变对能量交换以及区域气候产生的影响， 为实际气候研究起到了指示作用。CLM4.5中， 所有的地表植被参数来源于2000年的卫星观测数据， 事实上在十多年间实际的植被参数可能发生了明显的变化， 这会导致模式中的植被参数不再具有代表性， 进而增加模拟误差， 了解植被参数的改变对模拟结果产生的影响是很有必要的， 因此本文也参考了前面学者的方法， 利用数值模式进行一些敏感性实验（表3 ）来探究植被参数变化在BJ站2014年6 -8月这段时间内对能量以及土壤温湿度模拟产生的影响。
模式中输出感热（潜热）的值是植被感热（潜热）与地面感热（潜热）两部分之和。图11 为叶面积指数的变化对能量模拟的整体影响， 叶面积指数的增加（减小）， 整体上使总感热减小（增加）， 意味着叶面积指数增加（减小）对地面感热的减小（增加）效应强于对植被感热的增加（减小）效应， 同时总体潜热增加（减小）， 说明叶面积指数增加（减小）对植被潜热的减小（增加）效应强于对地面潜热的增加（减小）效应。反射辐射的下降（上升）是由于叶面积指数增大（减小）， 从而减小（增加）了地表反照率， 而地面长波辐射减小（增大）可能与表层土壤温度降低（升高）相关。图12 为EXP1、 EXP2与控制实验CTL对土壤温湿度模拟的差值。叶面积指数的增加（减小）导致各层土壤温湿度均有一定的下降（升高）。这种变化正好可以对应于植被枝叶对辐射的拦截作用与对雨水的阻挡作用。
从图13 可以发现， 随着植被覆盖度增加（减小）， 感热通量整体上有所增加（减小）， 潜热通量整体有所下降（上升）， 反射辐射有所减少（增加）。如图14 所示， 植被覆盖度的增加（减少）引起土壤湿度与土壤温度都在整体上有所上升（降低）。由于影响水热交换与辐射平衡的植被参数有很多， 它们的改变对模拟结果产生的影响并不完全相同， 并且其作用结果也受到大气强迫场的影响， 例如植被对雨水的拦截作用在降雨量大的时段里就体现得更明显， 因此植被覆盖度的变化会导致所有植被参数都发生变化， 改变植被覆盖度之前与之后造成模拟结果产生差异的原因是比较难分析的， 本文在此也不作更深的研究与讨论。
5 结论与讨论
本文结合BJ观测点2014年6 -8月观测资料和该时段CLM4.5模式的模拟结果， 结合CLM4.5陆面模型， 探究空气动力学粗糙长度、 叶面积指数、 植被覆盖度和热力学粗糙长度参数化方案的改变对陆面能水平衡的模拟结果产生的影响， 并且探讨了粗糙度及植被状态指数影响陆面能水平衡模拟性能的机制， 得出以下结论：
（1） 本文所用的6种Z 0h参数化方案均能反映感热的变化趋势， 但较观测都有高估了感热， 其中Z12与B82方案与观测差异最小， 并缩小了地表温度模拟的负偏差。
（2） 基于不同类型数据计算了两组空气动力学粗糙长度的月均值， 在替换模式中原有值后， 明显减小了地表通量的模拟偏差。
（3） 利用Z12和B82热力学粗糙长度参数化方案分别与陈方法计算的Z 0m相结合一同耦合进模式， 其模拟结果比单独改变热力学粗糙长度或单独修改动力学粗糙度有所的提升。
（4） 将修改LAI与植被覆盖度后的模拟情况与未修改的模拟结果进行比较发现： 叶面积指数的增加（减少）， 使感热减小（增大）， 潜热增大（减小）， 反射辐射和地面长波辐射通量降低（增加）， 并且土壤温湿度也有所下降（上升）。
（5） 随着植被覆盖度的增加（减少）， 潜热通量降低（升高）， 感热、 反射辐射以及地面长波辐射增强（减弱）， 地面土壤温、 湿度有所增加（降低）。
本文虽通过一系列敏感性实验得出了以上结论， 但仍然存在许多不足， 例如虽然发现通过改变一些Z0h参数化方案能够提升感热模拟效果， 但并不能充分说明感热实际与模拟的差异主要来源于Z 0h参数化方案描述不够完善， 其可能还与土壤的一些参数有关， 并且模拟时段为2014年6 -8月， 如上方法是否在其他时段也有相似的结论是有待研究的。另外， 由于植被的变化必然引起大气的响应， 而CLM4.5中的大气场无法对地面进行响应， 所以单独利用陆面模式探究植被参数对水热交换以及辐射平衡的影响所得出的结论也是有局限的。在后续研究中， 我们将试图弥补不足之处， 解决还存在的问题。