1 引言
积雪作为冰冻圈的重要组成部分之一， 极大地影响着陆气系统的能量交换。积雪又是大气环流作用产生的固态降水， 它在全球的水循环中也扮演着极其重要的角色（秦大河等， 2014）。冻土是一种特殊的下垫面， 其表面温度、 冻融状态的改变对陆面过程中的水分循环和能量传输影响重大（师锐， 2007）。许多研究均表明， 中国多年冻土层正在逐渐退化（胡汝骥等， 2015； Mackay， 2008； 金会军等， 2019； 任贾文等， 2014）。青藏高原（下称高原）是我国的积雪中心之一， 也是长江、 黄河、 澜沧江的源头汇水区， 其上广泛分布着多年冻土和季节性冻土。研究高原积雪与冻土间的相互作用对水资源的保护以及区域生态环境的改善都有显著的现实意义。
积雪具有高反照率， 可以减少土壤对太阳辐射的吸收， 从而减少地表向大气的能量输送。因此， 偏多的高原积雪可以使得东亚夏季风强度减弱并推迟， 进而改变我国夏季的降水分布（秦大河等， 2014； 王顺久， 2017）。积雪的绝热特性可以削弱地气间的热交换， 使得土壤温度在大气环境的影响下缓慢变化， 对土壤起到保护作用（边晴云等， 2017）。姚闯等（2019）对比分析单点多、 少雪年观测数据后指出， 积雪的异常偏多可以使得土壤提前冻结和消融滞后， 在完全冻结期又可以抑制土壤热量向外流失。王婷等（2019）通过研究遥感雪深和ERA-Interim土壤温湿度的相关性， 发现积雪增多有利于土壤由深层向浅层输送热量。Fu et al（2018）利用统计软件建立土壤温度与含水量的数学模型， 揭示出积雪覆盖下土壤温度与土壤含水量的指数关系， 且这种效应在冻结期比消融期表现好。也有研究指出， 积雪对土壤含水量的保护作用还取决于积雪的厚度和密度（付强等， 2015）， 积雪对土壤温度的保护作用还取决于积雪的开始、 持续时间和积累、 消融过程（Zhang et al， 2005）。因此， 积雪对土壤水热传输的影响是地气系统中极其重要又极具复杂性的过程。
现有对高原积雪和冻土的论述大多关注在高原积雪对我国降水格局的相关性和指示性分析（王澄海等， 2003； 杨凯等， 2017）。此外， 由于高原气象观测数据在时空上的不连续（Dai et al， 2012， 2015； Dente et al， 2012； Su et al， 2011， 2013）， 积雪对土壤水热的研究主要停留在单点试验， 且集中在高原东部， 研究成果也表现出很大的差异性。韦志刚等（1995）和王顺久（2017）均曾指出， 高原积雪在空间分布上具有明显的区域性特征。因此， 仍需要进一步研究高原积雪对土壤水热的影响， 并通过数值模式来深入探讨其内在物理机制。本文挑选了高原上的两个典型积雪年进行数值模拟， 对期间土壤的水热传输过程进行了详细分析， 期望可以为数值模式中积雪与土壤水热物理参数化方案的完善与改进提供一定的科学支持。
2 方案设计
区域气候模式（Regional Climate Model， RegCM4）是目前应用广泛的气候模式之一， 其对由小尺度扰动引起的天气过程具有较好的捕捉能力， 诸多研究（李小兰， 2013； 余莲， 2011； 周建玮， 2007）均已证明RegCM4对我国东部的夏季降水、 高原积雪的空间分布等具有较好的模拟能力。陆面过程模式（Community Land Model， CLM4.5）中设计的未冻水方案使得模式可以模拟到冬季土壤冻结后土壤中存留的液态水， 并能有效模拟土壤在冻结过程中的水热变化。CLM4.5在我国以及高原上的适用性也已得到广泛验证（高骏强， 2017； 李时越等， 2018； 谢志鹏等， 2017； 袁源等， 2019）。所以， 本文采用耦合了CLM4.5的RegCM4来模拟高原积雪对土壤冻融过程水热输送的影响机制。
高原降雪主要集中在冬、 春季节， 定义一个积雪年为当年10月至次年5月。根据前人的研究成果（边晴云等， 2017； 王婷等， 2019； 姚闯等， 2019）， 本研究分别挑选了一个多雪年（2014年10月1日至2015年5月31日）和少雪年（2012年10月1日至2013年5月31日）进行数值模拟。通过多组积云对流参数化方案对比试验、 分辨率对比试验， 本文采用的模拟方案如下： 兰伯特投影， 模拟中心点为33°N， 87°E， 模拟区域包含高原及其周边地区（南北80×东西120个格点）， 垂直层数18层， 顶层气压50 hPa， 水平分辨率30 km， 时间积分步长60 s， 边值与初始场数据为EIN15， 海温数据使用OI_WK， 陆面模块为CLM4.5且24 h输出一次数据， 其他参数化方案的选择见表1 。考虑到模式自身的spin-up， 分别对多雪年和少雪年的模拟时段设置为2014年8月1日至2015年9月1日， 2012年8月1日至2013年9月1日。
表1 试验参数化方案选择Table 1 Selection of parameterization scheme |
| 参数化方案 | 参数化方案 |
|---|---|
| 侧边界方案 | 指数松弛方案 |
| PBL方案 | Holsting |
| 积云参数化方案 | MIT-Emanuel |
| 大尺度降水 | SUBEX |
| 海洋表面通量方案 | Zeng |
| IPCC方案 | A1B |
本文积雪深度数据来源于“黑河计划数据管理中心”（http： //westdc.westgis.ac.cn） 的“中国雪深长时间序列数据集（1979 -2016年）”（Che et al， 2008）（简称“遥感雪深”）来对比分析模拟结果中积雪的空间分布特征， 土壤温湿度数据使用玛多县鄂陵湖草地观测站（34.913°N， 97.553°E）以及来源于“国家青藏高原科学数据中心”（http： //data.tpdc.ac.cn） 的“青藏高原土壤温湿度逐时观测数据集（2008 -2016年）”（Su et al， 2019）中那曲-BC05站（31.332°N， 92.041°E）的土壤温湿度数据来验证模式对土壤温湿度的模拟能力， 然后分别对比分析模拟结果中多雪年和少雪年的土壤温湿度特征。
3 结果分析
3.1 积雪深度
为验证模式对积雪的模拟能力， 分别将两个积雪年的模拟雪深与遥感雪深进行了年平均， 并绘制成图1 的空间分布图。从图1 可以看出， 模式能够有效模拟出高原的多雪年与少雪年特征， 尤其是喜马拉雅山脉、 高原东南以及柴达木盆地南侧的积雪大值区， 模拟雪深与遥感雪深具有较高的一致性。多雪年的积雪面积与积雪深度都要明显高于少雪年。模拟雪深与遥感雪深在空间分布特征上也有显著差异： 模拟雪深的大值区主要集中在高原西部， 而遥感雪深则集中在高原中东部； 在量值上， 模拟雪深在喜马拉雅山脉、 高原西北、 高原东南3个大值区均要明显高于遥感雪深， 且模拟雪深的大值中心可达30~40 cm（图中的空白部分）， 而遥感雪深最高只有22 cm。
高原积雪的空间分布特征也显示出， 高原东西部积雪具有显著差异。积雪量的不同， 积雪对土壤的影响效果也不同。因此， 后文主要挑选了3个雪深不同的区域来分析积雪对土壤水热传输的影响机制， 每个区域均为5个经距×3个纬距， 3个区域［图1 （a）矩形区域］的大致范围为： A： 32°N -35°N， 81°E -86°E； B： 32°N -35°N， 96°E -101°E； C： 29°N -32°N， 93°E -98°E。A、 B、 C三个区域多雪年平均模拟雪深分别为4.91， 0.26和3.94 cm； 少雪年平均模拟雪深分别为3.01， 0.37和3.53 cm。
3.2 土壤温湿度观测值与模拟值
采用相关系数（R）、 平均偏差（ME）、 均方根误差（RMSE）来评估模式对土壤温湿度的模拟性能。R用以揭示模拟与观测数据变化趋势的相似程度， ME表征模拟与观测数据的总体偏差， RMSE表示模拟与观测值在一个积雪年内偏差绝对值的叠加。三个统计量的计算公式如下：
式中： x、 y分别为模拟数据与观测数据在积雪年内的平均值； xi、 yi分别为逐日的模拟数据和观测数据。
CLM4.5中， 土柱被分为15层进行计算， 土层深度依次为0.7， 2.8， 6.2， 11.9， 21.2， 36.6， 62.0， 103.8， 172.8， 286.5， 473.9， 783.0， 1293.5， 2132.7和3517.8 cm。本文选取了离两个观测站点最近的格点， 并将模拟的土壤温湿度插值到观测相应的土壤深度（5 cm、 10 cm、 20 cm和40 cm）后再做统计分析。从表2 可以看出， 两个地区的土壤温度均模拟偏低， 其中玛多偏低2~5 ℃， RMSE为3~5 ℃， 那曲偏低5~6 ℃， RMSE约为6 ℃。陈渤黎（2014a， 2014b）和梁玲等（2009）均曾指出， RegCM对高原地区的气温模拟存在5~6 ℃的冷偏差， 而降水则模拟偏多。通过地气相互作用， 气温的偏低也会导致土壤温度的偏低。从变化趋势来看， 模式能够较好地捕捉到土壤的温度波动， 两个地区4个土层的相关系数均在0.95及以上。积雪的增加会减少土壤对太阳辐射的吸收， 两个地区4个土层多雪年的平均偏差均要低于少雪年， 玛多平均低1 ℃， 那曲平均低0.5 ℃。但积雪的增加会使得模式对土壤温度变化趋势的捕捉能力变差， 多雪年的相关系数整体比少雪年小0.01。
表2 多雪年、 少雪年模拟与观测土壤温度偏差统计Table 2 Soil temperature deviation of simulation and observation in high and low snowfall years |
| 试验区 | 参数 | 5 cm | 10 cm | 20 cm | 40 cm | ||||
|---|---|---|---|---|---|---|---|---|---|
| 2012年 | 2014年 | 2012年 | 2014年 | 2012年 | 2014年 | 2012年 | 2014年 | ||
| 玛多 | R | 0.96 | 0.96 | 0.97 | 0.96 | 0.97 | 0.96 | 0.97 | 0.96 |
| ME/℃ | -4.30 | -2.99 | -3.98 | -2.86 | -3.90 | -2.65 | -3.61 | -2.43 | |
| RMSE/℃ | 4.82 | 3.54 | 4.49 | 3.32 | 4.42 | 3.09 | 3.97 | 2.80 | |
| 那曲 | R | 0.97 | 0.95 | 0.98 | 0.96 | 0.97 | 0.96 | 0.97 | 0.97 |
| ME/℃ | -5.08 | -5.03 | -5.63 | -5.39 | -5.28 | -5.27 | -5.30 | -5.67 | |
| RMSE/℃ | 6.10 | 5.52 | 6.50 | 5.83 | 6.25 | 5.70 | 6.04 | 6.01 | |
相关系数R均通过了0.01的显著性水平检验 |
从土壤湿度的偏差统计（表3 ）来看， 土壤湿度的相关系数比土壤温度低0.1~0.3， 而玛多与那曲并没有表现出一致的湿偏差。玛多的四层土壤湿度均模拟偏高， ME为2%~5%， RMSE为3%~5%。积雪的增加， 使得玛多相关系数降低0.1左右， 湿度的偏差值也有些许降低， 多雪年4个土层ME分别比少雪年偏低0.73%， 0.39%， 0.54%和0.38%。对于那曲， 积雪偏多使得5 cm层相关系数增加， 而10 cm、 20 cm、 40 cm层相关系数却减小； 在偏差方面， 10 cm土层多雪年与少雪年均为干偏差， 20 cm土层多雪年与少雪年则均为湿偏差， 5 cm和40 cm土层多雪年与少雪年则表现为相反的偏差特征。
表3 多雪年、 少雪年模拟与观测土壤湿度偏差统计Table 3 Soil moisture deviation of simulation and observation in high and low snowfall years |
| 试验区 | 参数 | 5 cm | 10 cm | 20 cm | 40 cm | ||||
|---|---|---|---|---|---|---|---|---|---|
| 2012年 | 2014年 | 2012年 | 2014年 | 2012年 | 2014年 | 2012年 | 2014年 | ||
| 玛多 | R | 0.82 | 0.74 | 0.86 | 0.72 | 0.87 | 0.80 | 0.87 | 0.78 |
| ME/% | 3.50 | 2.77 | 3.41 | 3.02 | 2.52 | 1.98 | 5.20 | 4.82 | |
| RMSE/% | 5.18 | 4.91 | 4.00 | 4.33 | 3.34 | 3.45 | 5.36 | 5.13 | |
| 那曲 | R | 0.68 | 0.88 | 0.89 | 0.78 | 0.82 | 0.73 | 0.83 | 0.72 |
| ME/% | 4.18 | -0.53 | -5.00 | -6.87 | 0.72 | 0.03 | -0.07 | 0.20 | |
| RMSE/% | 5.32 | 4.62 | 6.68 | 9.22 | 2.11 | 2.67 | 1.76 | 2.34 | |
相关系数R均通过了0.01的显著性检验 |
3.3 多、 少雪年土壤温度对比
为了更好地探讨积雪对土壤的影响机制， 选取了模拟结果中影响最明显并且与观测最接近的4层土壤（6.2 cm、 11.9 cm、 21.2 cm和36.6 cm）进行讨论， 后文的陈述均是基于此4层土壤。为了揭示模式中积雪融化后对土壤的影响， 对多雪年和少雪年土壤温度和湿度特征的对比分析均为当年10月至次年6月。
从三个区域多雪年和少雪年月平均地表土壤热通量（图3 ）可以看出， 3个区域多雪年地表土壤热通量由负值转为正值的时间均要晚于少雪年， 表明多雪年土壤由热源转为热汇的时间晚于少雪年， 这与边晴云等（2017）和姚闯等（2019）通过分析观测数据得到的结果一致。从土壤温度（图4 ~6 ）来看， 区域C的温度最高（多、 少雪年平均温度分别为 -1.29 ℃和-1.45 ℃）， 区域B次之（多、 少雪年平均温度分别为-4.13 ℃和-4.31 ℃）， 区域A温度最低（多、 少雪年平均温度分别为-10.35 ℃和 -11.06 ℃）。进入10月后， 土壤由浅层向深层开始冻结， 温度逐渐降低， 3个区域的4层土壤均在1月达到最低温度。3个区域的土壤温度变化特征与该区域的气温变化（图2 ）表现出较好的一致性。
图2 三个区域多雪年和少雪年月平均气温Fig.2 Monthly mean air temperature of the three regions in high and low snowfall years |
图3 三个区域多雪年和少雪年月平均地表土壤热通量Fig.3 Monthly mean surface soil heat flux of the three regions in high and low snowfall years |
图4 区域A多雪年和少雪年不同深度月平均土壤温度变化Fig.4 Monthly mean soil temperature change of different depths in high and low snowfall years in region A |
图5 区域B多雪年和少雪年不同深度月平均土壤温度变化Fig.5 Monthly mean soil temperature change of different depths in high and low snowfall years in region B |
对比多雪年和少雪年， 由于积雪的绝热特性， 积雪可以抑制土壤向地表的热交换， 使得多、 少雪年土壤净输出的热量在不同阶段表现出显著差异， 而不同区域之间的差异也不同。虽然区域A多雪年在11月和12月的气温明显低于少雪年（分别偏低1.77 ℃和1.20 ℃）， 10月和1月气温也只是略微高于少雪年（分别高0.42 ℃和1.16 ℃）， 而10月至次年1月， 地表土壤热通量为负值， 土壤为热源， 多雪年地表土壤热通量绝对值却低于少雪年（分别偏低3.89， 1.01， 0.55和0.24W·m-2）， 多雪年土壤净输出的热量少于少雪年， 从而使得多雪年4层土壤温度均高于少雪年， 分别高0.33， 0.10， 0.18和1.54 ℃。
区域B为3个区域中积雪最少的区域， 且平均雪深在0.5 cm以下， 以至于该区域4层土壤温度与气温的变化特征保持较高的一致性。10月至次年1月， 多雪年土壤温度和气温均高于少雪年， 4层土壤温度分别平均偏高0.99， 0.25， 0.54和2.10 ℃； 2 -6月则整体表现为少雪年土壤温度和气温高于多雪年， 除4月第4层土壤多雪年比少雪年高0.24 ℃外， 2、 3、 5、 6月4层土壤多雪年分别比少雪年平均偏低1.66， 0.07， 0.46和0.85 ℃。
对于区域C， 1月多雪年和少雪年气温相当， 但多雪年土壤净输出的热量少于少雪年（地表土壤热通量偏高2.13 W·m-2）， 多雪年4个土层的土壤温度均明显高于少雪年， 分别偏高1.54， 1.49， 1.40和1.23 ℃。2月， 多雪年土壤净输出的热量高于少雪年（地表土壤热通量偏低2.85 W·m-2）， 多雪年4层土壤温度则比少雪年分别偏低0.55， 0.49， 0.41和0.28 ℃。
以上分析表明， 在土壤的冻结阶段（10月至次年1月）， 积雪对土壤具有保温作用。积雪的异常偏多， 使得土壤向大气净输出的热量减少， 从而使得多雪年土壤温度高于少雪年。尤其是在1月， 积雪的保温作用最明显， 本文所选的3个区域多雪年土壤温度分别比少雪年平均高1.73， 2.10和1.42 ℃。由于积雪的绝热特性， 积雪的异常偏多， 也使得土壤由热源转为热汇的时间推迟10天左右。
3.4 多、 少雪年土壤湿度对比
土壤冻融状态的改变， 极大地影响着土壤内部的水循环。10月至次年1月气温降低， 土壤逐渐冻结， 土壤含水量也逐渐降低。文中将土壤温度为0 ℃所在的深度定义为土壤冻结深度， 并与2 -6月11.9 cm和36.6 cm层土壤含水量的逐日变化叠加分析（图7 ）。从图7 可以看出， 区域A从10月开始多雪年冻结深度就比少雪年高1 m左右， 而在5月初， 冻结深度达到最大时， 多雪年冻结深度则比少雪年高2.6 m。因此， 区域A多雪年土壤冻结程度远远大于少雪年。对于浅层土壤［图8 （a）］， 2 -4月多雪年和少雪年土壤含水量相当； 4月底土壤开始消融， 并且多雪年土壤开始消融的时间比少雪年晚15天， 因此5、 6月少雪年土壤湿度分别比多雪年高0.46%和2.15%。中层和深层［图8 （b）~（d）］， 土壤基本完全冻结， 土壤含水量变化幅度减小， 尤其是21.2 cm和36.6 cm层土壤含水量已基本保持不变， 多雪年土壤含水量也明显低于少雪年， 多雪年第2~4层土壤含水量分别比少雪年平均偏低2.1%， 2.9%和1.4%。
图7 三个区域多雪年与少雪年2 -6月土壤含水量与冻结深度逐日变化Fig.7 The daily variation of the soil water content and freezing depth of the three regions from February to June in high and low snowfall years |
在季节性冻土区， 积雪的保温作用不利于土壤冻结， 多雪年土壤冻结深度略低于少雪年， 区域B多雪年冻结深度比少雪年低0.5 m ［见图7 （c）， （d）］， 区域C则低0.3 m［见图7 （e）， （f）］。从区域B多雪年和少雪年不同深度月平均土壤湿度变化（图9 ）来看， 多雪年和少雪年的4层土壤含水量基本保持着相同的变化趋势。10月至次年1月， 土壤含水量逐渐减小， 第1层土壤含水量在2月开始增加， 而后3层土壤含水量则在3月份开始增加。从冻结深度的逐日变化还可以看出， 区域B多雪年土壤在3月底开始消融， 5月初完全消融， 而少雪年土壤则在4月中旬开始消融， 并在4月底完全消融。因此， 在10月至次年4月和6月， 多雪年4层土壤含水量均略微高于少雪年， 4个土层分别平均偏高0.50%， 0.41%， 0.34%和0.31%。5月则为少雪年土壤湿度高于多雪年， 4个土层分别高0.44%， 0.39%， 0.58%和1.52%。
区域C的土壤含水量变化特征（图10 ）与区域B类似， 6.2 cm层土壤含水量从2月开始增加， 中、 深层则是从3月开始增加。4月和6月， 多雪年4层土壤含水量均明显高于少雪年， 其中4月分别高0.50%， 0.82%， 1.06%和0.71%， 6月分别高1.03%， 0.86%， 0.73%和0.64%。5月少雪年完全消融的时间早于多雪年， 且两个积雪年冻结深度的日变化差异较小， 少雪年4层土壤含水量分别比多雪年高0.08%， 0.07%， 0.18%和0.33%。
综合分析可得， 积雪的偏多对土壤起到增湿作用， 主要表现在消融阶段（2 -4月）以及土壤完全消融后（6月）。在多年冻土区， 积雪偏多， 土壤冻结深度加大， 土壤中残留的液态水也较少， 积雪的增湿作用只在土壤浅层较为明显， 中、 深层土壤含水量在整个积雪年内基本保持不变。在季节性冻土区， 积雪的覆盖不利于土壤冻结， 多雪年土壤冻结深度低于少雪年， 并且由于多雪年土壤开始消融的时间早于少雪年， 而完全消融的时间则晚于少雪年， 因此2 -4月以及6月， 多雪年土壤含水量高于少雪年， 5月则为少雪年土壤含水量高于多雪年。4月和6月， 区域B和区域C多雪年土壤含水量分别比少雪年平均偏高0.45%和0.46%以及0.77%和0.82%； 5月多雪年则比少雪年分别平均偏低0.73%和0.16%。
4 结论与讨论
采用RegCM4-CLM4.5分别模拟了高原上的一个典型多雪年和少雪年， 通过对比模拟雪深和遥感雪深、 土壤温湿度的模拟值与观测值、 模拟结果中多雪年与少雪年土壤温湿度特征， 得出以下结论：
（1） 模式可以有效模拟出青藏高原的多雪年与少雪年特征， 模拟雪深的大值区主要位于高原西部、 喜马拉雅山脉以及高原东南部， 模拟雪深的大值中心比遥感雪深高10~20 cm。
（2） 模式可以较好地描述土壤温湿度的变化特征， 且土壤温度（R≥0.95）的模拟效果优于土壤湿度（R≥0.68）。土壤温度在高原区域存在3~5 ℃的冷偏差， 土壤湿度在不同地区的偏差特征则不同， 在玛多整体为湿偏差， 在那曲10 cm土层为干偏差， 20 cm土壤为湿偏差， 5 cm和40 cm多、 少雪年却为相反的偏差特征。积雪的偏多使得模式对土壤温度和湿度的模拟偏差减小， 同时对其逐日变化特征的捕捉能力变差（相关系数减小）。
（3） 积雪的高反射率和绝热特性在模式中均能得到体现。积雪的异常偏多可以使得土壤在冻结阶段向大气净输出的热量减少， 从而使得多雪年土壤温度高于少雪年。本文所选的3个区域多雪年土壤温度分别比少雪年平均偏高0.72， 0.97和1.42 ℃。此外， 积雪的异常偏多也可以使得土壤由热源转为热汇的时间滞后。
（4） 在季节性冻土区， 积雪对土壤还具有增湿作用， 尤其是在消融阶段以及完全消融后。2 -4月， 多雪年土壤开始消融的时间要早于少雪年， 使得多雪年土壤湿度高于少雪年； 5月少雪年土壤完全消融的时间早于多雪年， 少雪年土壤湿度也高于多雪年； 6月， 多雪年与少雪年土壤均已完全消融， 土壤湿度仍表现为多雪年高于少雪年。但由于气温较低， 使得积雪难以消融， 同时土壤的冻结阻碍了积雪融水和液态降水的下渗， 多雪年与少雪年土壤含水量之间的差异不超过±2%。
由于高原观测数据的连续性较差， 本文对土壤温湿度模拟值与观测值的偏差统计分析未能涉及到高原西部， 模式对高原西部的模拟能力有待进一步验证。在对比试验的过程中， 也发现， 模式初值与边值的选定对模拟结果影响较大。案例选择的不同， 以及初始时刻设置的不同， 都将导致模拟结果出现明显差异。李时越等（2018）也曾指出， 大气强迫数据是导致CLM4.5模拟误差的主要原因， 模式中的冻融参数化方案仍需加以完善。为了进一步验证模式中高原积雪在不同时间尺度上对土壤水热传输的影响机制， 在下一步工作中， 将做一个长时间段的气候模拟， 并尝试进行敏感性试验。