Plateau Meteorology

Plateau Meteorology >

2022 , Vol. 41 >Issue 2: 282 - 294

DOI: https://doi.org/10.7522/j.issn.1000-0534.2022.00003

Effects of Different Initial Values on the Simulation of Permafrost Hydrothermal Processes at Xidatan Station on the Three-River Regions

  • Zihang CHEN ,
  • Siqiong LUO ,
  • Jingyuan WANG ,
  • Xiaoqing TAN ,
  • Qingxue DONG ,
  • Wei JIN
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. University of Chinese Academy of Sciences，Beijing 100049，China
    3. Plateau Atmosphere and Environment Key Laboratory of Sichuan Province，School of Atmospheric Sciences，Chengdu University of Information Technology，Chengdu 610225，Sichuan，China

Received date: 2021-10-28

  Revised date: 2022-01-05

  Online published: 2022-04-20

Fold

Cite this article

Zihang CHEN , Siqiong LUO , Jingyuan WANG , Xiaoqing TAN , Qingxue DONG , Wei JIN . Effects of Different Initial Values on the Simulation of Permafrost Hydrothermal Processes at Xidatan Station on the Three-River Regions[J]. Plateau Meteorology, 2022 , 41(2) : 282 -294 . DOI: 10.7522/j.issn.1000-0534.2022.00003

1 引言

多年冻土是指温度在0 ℃或者低于0 ℃且连续存在时间在两年及以上的岩土层， 其主要分布在高海拔、 高纬度地区（吴晓东和吴通华， 2020； Dobinski， 2011）。青藏高原被称为“世界第三极”， 是中低纬度地区海拔最高， 面积最大的多年冻土区， 平均海拔在4000 m， 多年冻土区面积为1.06×106 km2， 约占青藏高原总面积40%（Zou et al， 2017）。三江源位于青藏高原核心地区， 是长江、 黄河和澜沧江的源头， 有“中华水塔”之称。该区域广泛分布有大片多年冻土和季节性冻土， 通过能量、 水分及碳循环， 三江源冻土在冻融过程中显著地改变了局地水文、 气候以及生态系统， 源区生态安全面临挑战（姚檀栋等， 2013）。
多年冻土是寒冷气候的产物（赵林和盛煜， 2019）。近几十年来， 随着全球气候变暖， 青藏高原地区变暖速度是全球平均变暖速度的2~3倍， 青藏高原多年冻土地温升高， 活动层厚度增加， 多年冻土面积减小， 多年冻土厚度减薄， 地面沉降， 季节性冻土面积不断增加（Kang et al， 2010； Wu et al， 2010； Wu and Zhang， 2010； Ran et al， 2018）。严重的冻土退化又会影响水资源、 生态系统、 工程设施以及气候变化（Yang et al， 2014； Qin et al， 2014； Guo and Sun， 2015； Guo et al， 2017； Schuur et al， 2015）， 因此监测和模拟土壤水热状态对适应土壤水热变化具有重要意义（徐洪亮等， 2021）。青藏高原多年冻土区已建立多个观测站（Cao et al， 2019）， 但考虑到土壤水热状态空间异质性， 观测台站分布不均以及青藏高原多年冻土区环境恶劣， 因此利用陆面模式进行数值模拟是研究青藏高原土壤水热过程的重要方法（Li et al， 2020， 2021； 马耀明等， 2021）。
陆面模式作为地球系统模式的陆面模块， 对水热过程的模拟能力是决定地球系统模式对区域或者全球气候模拟能力的重要因素（Gao et al， 2017； 李时越等， 2018）。许多研究对陆面模式的模拟性能进行评估和应用。Yang et al（2021）利用模式CLM5.0对9个土壤导热率方案在青藏高原多年冻土区土壤温度模拟性能进行评估， 结果表明需要根据不同地点选择合适的土壤导热率方案。Li et al（2020）评估和增强多参数Noah-MP， 用于青藏高原多年冻土区的唐古拉和北麓河土壤水热模拟， 默认的Noah-MP由于低估雪升华率， 使得雪的深度和持续时间被高估， 导致模式低估土壤温度和湿度。Guo and Wang（2013）利用模式CLM4.0研究多年冻土和季节性冻土近地表状态和变化。Luo et al（2009）基于CoLM改进土壤冻融的参数化方案， 允许土壤在0 ℃以下仍然存在液态水， 改进后的土壤液态水含量明显提高， 提升了土壤温度的模拟性能。Song et al（2019）利用CLM4.5研究不同大气条件下土壤湿度记忆性及其对地表水热通量的影响， 结果表明影响土壤湿度异常递减率主要是初始土壤湿度， 其次是大气条件。
综合以上分析可以看到， 陆面模式对冻土水热模拟性能还存在不足。陆面模式输入的大气强迫场、 水热参数化方案的不完善、 模式中不同初始值设置等都会对冻土水热过程模拟带来偏差。土壤温度的模拟与土壤热通量、 导热率和热容量有关。由于水和冰的热容量（水： 4.2 MJ·m-3·K-1； 冰： 1.9 MJ·m-3·K-1）和导热率（水： 0.57 W·m-1·K-1； 冰： 2.29 W·m-1·K-1）存在巨大的差异， 因此冻土中液态水含量和含冰量会通过影响土壤导热率以及热容量来影响土壤温度。由于土壤中的含冰量无法通过观测得到， 为避免土壤中冰的存在带来对土壤温度模拟的影响， 许多对于季节性冻土模拟研究选择从夏季开始（陈渤黎等， 2012， 2014， 2017； Luo et al， 2017； Deng et al， 2020； 罗斯琼等， 2008， 2009）， 但对于青藏高原多年冻土中冰常年存在， 因此利用陆面模式模拟多年冻土时， 初始含冰量的设置尤为重要。本文利用青藏高原多年冻土区西大滩观测场观测资料， 检验模式CLM4.5对多年冻土模拟性能， 探究模式中的初始土壤温度、 液态水含量以及初始含冰量对多年冻土的土壤温度、 液态水含量模拟的影响。

2 资料方法和试验设计

2.1　观测站点与数据来源

本文所使用的观测数据来源于中国科学院青藏高原冰冻圈观测站西大滩观测场（以下简称“西大滩站”， 图1）。西大滩站（94.13°E， 35.72°N）， 海拔4538 m（肖瑶， 2020； 岳广阳等， 2013）， 位于青藏铁路沿线， 青藏高原多年冻土区北界， 三江源区边缘。下垫面以高寒草甸为主， 植被覆盖率为80%~90%， 2005 -2017年西大滩站平均活动层厚度为1.54 m（Liu et al， 2021）。根据附近气象站观测， 该地区2005 -2016年的年平均气温为-4.4~ -2.4 ℃， 多年平均为-3.6 ℃， 近10年来年累计降水量相对稳定， 平均为393 mm（Liu et al， 2021； Yin et al， 2021； Yang et al， 2021； Luo et al， 2018）。
图1 研究站点地理位置（引自Zou et al， 2017）

Fig.1 Geographical location of study site （From Zou et al， 2017）

西大滩站包含一个综合气象观测站和活动层水热变化观测场， 表1为西大滩站观测仪器及安装高度。本文选取西大滩站2015年7月1日至2016年8月31日（全文均为北京时）共计14个月的观测资料（肖瑶， 2020）， 将2 m气温、 风速、 大气压强、 湿度、 降水以及向下长波、 短波辐射作为模式输入的大气强迫场， 时间分辨率为30 min， 同时选取8层土壤温度（5 cm， 20 cm， 40 cm， 80 cm， 120 cm， 140 cm， 180 cm， 240 cm）以及土壤液态水含量（5 cm， 20 cm， 40 cm， 80 cm， 120 cm， 140 cm， 180 cm， 240 cm）的日均观测数据（吴通华， 2020）作为模式的验证数据。数据来源于国家冰川冻土沙漠科学数据中心（http： //www.ncdc.ac.cn）。
表1 西大滩站观测仪器及安装高度

Table 1 Observation instruments and mounting heights at Xidatan station

观测项目 仪器型号 观测精度 安装高度（深度）
空气温湿度 HMP45C， Vaisala ±0.5 ℃， ±3% 2 m
降水 T-200B， Geonor ±0.1 mm 1.5 m
短波辐射 CM3， Kipp & Zonen ±10% 2 m
长波辐射 CG3， Kipp & Zonen ±10% 2 m
风速 05103_L/RM， Campbell ±0.3 m·s-1 2 m
土壤温度 105T， Campbell ±0.1 ℃ -5， -10， -20， -40， -80， -120， -140， -160， -180， -240， -320 cm
土壤液态水含量 CS616， Campbell ±2.5% -5， -10， -20， -40， -80， -120， -140， -160， -180， -240， -320 cm

2.2　模式介绍

陆面过程模式CLM（Community Land Model）由美国国家大气研究中心（NCAR）所开发， 是通用地球系统模式CESM（Community Earth System Model）的陆面模块， 已被耦合在多个地球系统模式中。本文所使用的是CLM4.5版本， 与以前的版本相比， CLM4.5改进了如冻土导水参数化方案， 引入冰阻抗函数（Swenson et al， 2012）， 新雪覆盖度参数化方案（Swenson and Lawrence， 2012）， 提升在寒区陆地水文循环的模拟（Yang et al， 2018）， 本文使用CLM4.5进行单点离线模拟。
CLM4.5模式中植被和冰川陆地单元在垂直方向有15层， 土壤温度计算覆盖15层， 但是对于水文计算仅在前10层土壤， 最后5层被定义为基岩， 模式中默认15层土壤温度初始值为0.85 ℃， 前10层土壤液态水含量为0.15 m3·m-3， 最后5层基岩的液态水含量为0.0 m3·m-3。对于CLM4.5模式中各层初始土壤液态水含量和含冰量的计算：
w l i q , i = 0 , T i ≤ T f ∆ z i ρ l i q θ i , T i > T f
w i c e , i = ∆ z i ρ i c e θ i , T i ≤ T f 0 , T i > T f
式中： w l i q , i和 w i c e , i代表每层土壤中的质量液态水含量和质量含冰量（单位： kg·m-2）； ρ i c e和 ρ l i q代表液态水和冰的密度（单位： kg·m-3）； ∆ z i代表每层土壤的厚度（单位： m）； θ i代表第i层的土壤液态水含量（单位： m3·m-3）； T i和 T f分别代表每层土壤的初始温度和冻结温度（0 ℃）。
从式（2）中可以看到， CLM4.5对于初始含冰量的计算： 当每层土壤初始温度 T i ≤ T f时， 将初始液态水含量全部转为初始含冰量； 反之当每层土壤初始温度 T i ≥ T f， 则 w i c e , i = 0， w l i q , i = ∆ z i ρ l i q θ i， 即根据每层初始土壤温度决定是否将初始土壤液态水含量全部转为初始含冰量， “非水即冰”。受到土壤水势及盐分的影响， 当土壤温度低于0 ℃， 仍然存在液态水（陈瑞等， 2020； Luo et al， 2009）， 因此在多年冻土活动层冻结期或多年冻土层仍有液态水的存在。从以上分析可以看出， 这样的设计与多年冻土区实际情况不符。本文对初始含冰量计算进行修改。

2.3　试验设计

为探究CLM4.5中初始土壤温度、 液态水含量以及含冰量对西大滩站多年冻土模拟性能的影响， 设计三组单点模拟试验： 第一组CLM4.5模式中初始土壤温度、 液态水含量为模式默认值； 第二组修改模式中的初始土壤温度、 液态水含量为实际观测值； 第三组是在第二组试验的基础上修改模式中对于初始土壤含冰量的计算：
w l i q , i = ∆ z i ρ l i q θ i , T i ≤ T f ∆ z i ρ l i q θ i , T i > T f
w i c e , i = ∆ z i ρ i c e ( θ s a t , i - θ i ) , T i ≤ T f 0 , T i > T f
式中： θ s a t , i为每层土壤的饱和含水量。式（3）中， 无论土壤温度是否在冻结温度以下， 均将各层土壤初始液态水含量设为每层土壤的液态水含量。由于土壤中的含冰量无法通过实际观测所得到， 式（4）中， 当每层土壤初始温度 T i ≤ T f时， 将每层土壤在初始温度下的饱和含水量与该层土壤初始液态水含量的差值设为初始含冰量。第一、 二、 三组试验分别命名为TEST0， TEST1， TEST2， 如表2。
表2 试验设计

Table 2 Design of experiment

试验名称 试验设置
TEST0 CLM4.5模式默认初始土壤温度、 液态水含量
TEST1 修改初始土壤温度、 液态水含量为观测值
TEST2 在TEST1基础上修改对含冰量的计算
三组试验单点模拟均进行2个月（2015年7月1日至8月31日）的spin-up， 分析2015年9月1日到2016年8月31日的模拟结果。土壤成分通过影响土壤导热率以及土壤导水率等来影响陆面过程模式对土壤温度、 湿度的模拟（Farouki， 1981； Laio et al， 2006； Gao et al， 2015； 苏有琦等， 2020； 李文耀等， 2020； 李磊等， 2021）因此三组试验的土壤成分修改为罗斯琼等（2009）在西大滩地区实测土壤成分值。表3列出了CLM4.5中设置的10层土壤初始温度、 液态水含量观测值以及各层土壤成分比例。
表3 西大滩站各层土壤初始温度、 液态水含量以及土壤成分

Table 3 Initial values of soil temperature， soil liquid water content and soil texture for different soil layers at Xidatan station

层次

节点深度 z i

/m

土壤厚度 ∆ z i

/m

土壤深度 z h , i

/m

初始温度T

/℃

初始液态水含量 θ

/（ m 3 · m - 3）

 土壤成分
砂粒/% 黏粒/%
1 0.0071 0.0175 0.0175 6.22 0.38 18.13 15.99
2 0.0279 0.0276 0.0451 6.22 0.38 18.13 15.99
3 0.0623 0.0455 0.0906 6.22 0.38 18.13 15.99
4 0.1189 0.0750 0.1655 5.14 0.40 18.13 15.99
5 0.2122 0.1236 0.2891 4.39 0.43 22.72 9.71
6 0.3661 0.2038 0.4929 1.03 0.40 22.72 9.71
7 0.6198 0.3360 0.8289 0.37 0.25 36.80 6.55
8 1.0380 0.5539 1.3828 -0.45 0.07 100.00 0.00
9 1.7276 0.9133 2.2961 -0.91 0.05 100.00 0.00
10 2.8646 1.5058 3.8019 -1.24 0.07 100.00 0.00

2.4　模式评估方法

利用观测各层土壤温度日均观测值， 将多年冻土活动层各层的时间段分为冻结期和融化期两个阶段， 为了避免随机天气对土壤温度的影响， 将日均土壤温度连续5天在0 ℃及以下、 高于0 ℃为依据划分冻结期和融化期（Yang et al， 2021； Guo and Wang， 2014）。
本文选取均方根误差（RMSE）、 平均偏差（MBE）、 相关系数（R）对模拟值与观测值进行评估：
R M S E = 1 N ∑ i = 1 N ( M i - O i ) 2
M B E = 1 N ∑ i = 1 N ( M i - O i )
R = ∑ i = 1 N ( M i - M ¯ ) ( O i - O ¯ ) ∑ i = 1 N ( M i - M ¯ ) 2 ∑ i = 1 N ( O i - O ¯ ) 2
式中： N是时间序列的长度； M i ( i = 1,2 , 3 , ⋯ , N )是模拟值； O i ( i = 1,2 , 3 , ⋯ , N )是观测值； M ¯是模拟值的平均值； O ¯是观测值的平均值。

3 模拟结果分析

3.1　土壤含冰量

图2给出了2015年9月至2016年8月西大滩站三组试验土壤含冰量模拟值的时间-深度剖面图。从图2（a）可以看到， TEST0土壤含冰量变化随深度有滞后性， 含冰量在2015年11月上旬至2016年8月上旬大于0.01 m3·m-3， 在该时期约1.3 m的土壤层上下出现两个高值区（≥0.10 m3·m-3）， 除此之外的研究时间段内， 含冰量几乎为0 m3·m-3， 这和多年冻土区的实际情况不符。TEST1［图2（b）］和TEST2［图2（c）］与TEST0明显不同， TEST1和TEST2在约1.8 m、 1.1 m以下的土壤含冰量常年大于0.01 m3·m-3、 0.025 m3·m-3； TEST2含冰量整体大于TEST0与TEST1； TEST1高值区（≥0.14 m3·m-3）位于2015年12月至2016年4月0~0.5 m土壤层； TEST2有两个高值区， 第一个高值区与TEST1位置相似， 量值略高于TEST1， 第二个高值区位于2016年3 -7月1.5~2.0 m土壤层， 最大值超过0.35。从中可以看到， 修改初始土壤温度和液态水含量后， 当达到一定的土壤深度， 土壤中会常年存在冰， 与多年冻土的冻土层常年含冰特性吻合， 进一步修改含冰量计算后使得这个深度变浅， 含冰量整体增加。
图2 2015年9月至2016年8月西大滩站三组试验土壤含冰量模拟值的时间-深度剖面（单位： m3·m-3）

Fig.2 Time-depth profiles of simulated soil ice content of three experiments at Xidatan station from September 2015 to August 2016.Unit： m3·m-3

3.2　土壤液态水含量

图3为2015年9月至2016年8月西大滩站观测和三组试验模拟的土壤液态水含量随时间和深度变化的剖面图。从观测值［图3（a）］可以看到， 约1.8 m以下的土壤液态水量常年稳定在0~0.10 m3·m-3。在1.8 m以上的土壤， 液态水含量大致呈现夏秋季较大， 到了冬季由于气温及土壤温度降低、 降水减少， 从浅层开始液态水逐渐转化为冰， 液态水减少， 到了夏季气温逐渐升高， 冰融化为液态水， 液态水含量增加。与观测值相比， TEST0 ［图3（b）］在整层土壤液态水含量呈现出随季节变化， 从冬季开始， 由于滞后性土壤液态水含量从上往深层减小到0~0.10 m3·m-3， 到了春季由于温度回升， 液态水含量开始增加。TEST1与TEST2在约1.0 m、 2.3 m以下的土壤液态水含量常年保持在0~0.10 m3·m-3， 与观测值相比， TEST1偏浅0.8 m， TEST2偏深0.5 m。在秋季和夏季0~2.3 m土壤， TEST2液态水含量整体大于TEST1。
图3 2015年9月至2016年8月西大滩站三组试验模拟与观测的土壤液态水含量时间-深度剖面（单位： m3·m-3）

Fig.3 Time-depth profiles of observed and simulated of three experiments soil liquid water content at Xidatan station from September 2015 to August 2016.Unit： m3·m-3

图4为三组试验在不同深度的土壤液态水含量模拟值与观测值比较。表3为三组试验土壤液态水含量和土壤温度的模拟值与观测值的统计量。在土壤液态水含量的统计量中， 除了TEST1在240 cm多年冻土层外， 其他试验在各层模拟值的相关系数均通过99%的显著性检验。从土壤液态水含量的观测值可以看到， 5 cm土壤液态水含量受到降水的影响， 曲线波动较大且响应较为迅速， 尤其是在夏季雨期。随着土壤深度增加， 液态水含量曲线波动逐渐平缓。
图4 西大滩站不同深度的土壤液态水含量模拟值与观测值比较

Fig.4 Comparison between simulated and observed soil liquid water content at different depths at Xidatan station

在5 cm土壤［图4（a）］， 三组试验在该层模拟出现正偏差（MBE>0）， 在2015年11月前， 三组试验土壤液态水含量模拟值缓慢减少进入冻结期， 且均大于观测值， TEST2模拟值最大， TEST0最小， 观测值在该时期变化幅度较小。液态水含量观测值在10月下旬骤降进入冻结期， 19天内从0.15 m3·m-3降到0 m3·m-3。三组试验在冻结期液态水含量模拟偏高约0.10 m3·m-3， 土壤液态水含量回升时间较观测值提前。2016年5月中旬到6月下旬由于降水增加和气温回升， 5 cm土壤液态水含量观测值急剧上升， 三组试验在该时期液态水含量模拟的波峰波谷对应较差， 模拟值均低于观测值。在20~120 cm土壤［图4（b）~（e）］ 三组试验液态水含量模拟值与观测值相比， 模拟的冻结期整体提前约半个月至1个月， 且模拟的冻结期持续时间均小于实际冻结期， 三组试验模拟结果均偏低（MBE<0）。在进入冻结期前， TEST2在20~120 cm土壤液态水含量模拟值高于其他两组试验， 偏差较小。三组试验在20~120 cm土壤冻结期的液态水含量模拟较好。从统计量来看， 在20~120 cm土壤， TEST2均方根误差均为最小。
在140~240 cm土壤［图4（f）~（h）］液态水含量全年处于较低水平， 变化幅度较小， 三组试验各有优势， TEST0、 TEST1、 TEST2分别在140 cm、 180 cm、 240 cm模拟较好。三组试验在140 cm、 180 cm土壤液态水含量模拟值在冬季下降的时间点与观测值相比有明显提前， TEST2在140 cm、 180 cm土壤液态水含量模拟值在夏季回升后持续增加， 一直到研究时段结束， 而TEST0和TEST1在夏季土壤液态水含量回升到最大值后保持不变， 这可能与增加了土壤含冰量有关。在240 cm土壤， TEST0模拟值大于观测值， 模拟效果较差， TEST2模拟效果较好。
总的来说， 结合表3中8层（5~240 cm）土壤液态水含量的统计量可以看到， 三组试验在5 cm土壤液态水模拟均偏高（MBE>0）， 总体上模拟偏低（平均MBE < 0）， 修改初始土壤温度和液态水含量使得平均RMSE减小， 但平均MBE增大， 进一步修改初始含冰量的计算后， 整体含冰量［图2（c）］增加， 8层土壤液态水含量的平均RMSE和MBE由最初的0.100 m3·m-3、 -0.020 m3·m-3下降为0.085 m3·m-3、 -0.019 m3·m-3， 使得模拟性能有所提升。
表3 西大滩站三组试验的土壤温度、 液态水含量模拟值与观测值的统计量

Table 3 Statistical results of observed and simulated of three experiments soil temperature and liquid water content at Xidatan station

土壤深度 /cm 统计量 土壤液态水含量/（ m3·m-3） 土壤温度/℃
TEST0 TEST1 TEST2 TEST0 TEST1 TEST2
5 RMSE 0.095 0.097 0.101 2.909 2.912 2.532
MBE 0.050 0.055 0.061 0.330 0.101 0.029
R 0.806* 0.793* 0.771* 0.965* 0.969* 0.967*
20 RMSE 0.153 0.143 0.138 3.321 3.469 2.791
MBE -0.077 -0.066 -0.055 0.845 0.410 0.241
R 0.765* 0.752* 0.716* 0.943* 0.950* 0.942*
40 RMSE 0.117 0.104 0.096 3.858 4.225 3.206
MBE -0.058 -0.047 -0.036 1.258 0.656 0.393
R 0.691* 0.733* 0.732* 0.895* 0.903* 0.887*
80 RMSE 0.166 0.169 0.145 3.150 3.870 1.949
MBE -0.106 -0.111 -0.090 1.718 0.744 0.345
R 0.715* 0.706* 0.763* 0.884* 0.877* 0.874*
120 RMSE 0.105 0.117 0.095 3.534 4.445 1.942
MBE -0.061 -0.077 -0.051 1.840 0.713 0.283
R 0.634* 0.623* 0.653* 0.747* 0.724* 0.794*
140 RMSE 0.034 0.056 0.038 3.049 3.555 1.256
MBE -0.021 -0.047 -0.015 1.943 0.488 0.169
R 0.799* 0.668* 0.780* 0.746* 0.728* 0.851*
180 RMSE 0.042 0.029 0.054 2.783 2.822 0.743
MBE 0.030 -0.007 0.031 2.044 0.261 0.053
R 0.750* 0.591* 0.698* 0.766* 0.756* 0.934*
240 RMSE 0.085 0.025 0.015 2.630 1.042 0.571
MBE 0.083 -0.012 0.002 2.298 -0.375 0.086
R 0.710* 0.027 0.727* 0.572* 0.903* 0.968*
平均 RMSE 0.100 0.093 0.085 3.154 3.293 1.874
MBE -0.020 -0.039 -0.019 1.535 0.375 0.200
R 5.870 4.893 5.840 6.518 6.810 7.217

*表示相关性通过99%（P<0.01）的显著性检验

3.3　土壤温度

图5为2015年9月至2016年8月西大滩站观测与三组试验模拟的土壤温度随时间和深度变化的剖面图。从土壤温度观测值［图5（a）］可以看出， 西大滩站0 ℃线在1.3 m左右， 表明该站活动层厚度约为1.3 m。TEST0 ［图5（b）］模拟西大滩站土壤温度出现“冷舌”， 在2.8 m以下土壤温度常年在0 ℃以上， 0~2.8 m土壤大致呈现“冬冻夏融”的季节性冻土特征， 未能呈现出西大滩站（多年冻土）土壤温度的特性， 该试验结果所模拟出的季节性冻土最大冻结深度约为2.8 m。TEST1 ［图5（c）］和TEST2 ［图5（d）］与TEST0明显不同， 模拟结果相较于TEST0均出现“暖舌”。TEST1与TEST2所模拟的活动层厚度分别约为2.8 m和1.7 m， 与实际观测值相比， TEST1和TEST2模拟的活动层厚度分别高估约115.4%和30.8%， TEST2在活动层厚度模拟要远好于TEST1。在冻结期， TES1和TEST2模拟的各等温线（如-2 ℃、 -4 ℃）底部均远大于观测值， 但TEST2较TEST1与观测值偏差较小， 模拟效果偏好， 两组试验的整体冻结期相较于观测值均提前。
图5 2015年9月至2016年8月西大滩站观测与三组试验模拟的土壤温度时间-深度剖面（单位： ℃）

Fig.5 Time-depth profiles of observed and simulated of three experiments soil temperature at Xidatan station from September 2015 to August 2016.Unit： ℃

从三组试验在不同深度的土壤温度模拟值与观测值比较（图6）可以看出， 研究站点120 cm以上的土壤为多年冻土的活动层， 140 cm以下土壤全年温度均在0 ℃以下， 为多年冻土层， 其中活动层（5~120 cm）的红色阴影表示融化期， 白色为冻结期［图6（a）~（e）］。从统计量（表3）来看， 三组试验在5~240 cm土壤的模拟中， 除了TEST1在240 cm土壤模拟值出现负偏差（MBE<0）， 其他模拟结果均正偏差（MBE>0）； TEST2在各层的均方根误差、 偏差最小。从土壤温度的观测值可以看到， 曲线波动随着土壤深度的增加而减缓。
图6 西大滩站不同深度的土壤温度模拟值与观测值比较

Fig.6 Comparison between simulated and observed soil temperature at different depths at Xidatan station

对于活动层， TEST0和TEST1在2015年9 -10月的土壤温度模拟值均出现不同程度的偏高， TEST0在该时段偏差最大， TEST2模拟较好， 尤其在40~120 cm土壤层。三组试验在20~80 cm土壤温度模拟值与观测值相比明显提前进入冻结期。根据本文对冻结期、 融化期划分， 120 cm土壤在2016年8月27日进入融化期， 其他研究时段均处于冻结期， 而三组试验在该层的土壤温度模拟值在秋季均处于融化期， 在12月进入冻结期。当三组试验在活动层的模拟值为0 ℃以下后， 与观测值相比均明显偏低， 并且各层明显偏低的持续时间各不相同， 各层持续2~3个月， 其中随着土壤深度增加， TEST1模拟值偏差变大， 偏低的持续时间也增长。当三组试验在5~120 cm土壤温度模拟值大于0 ℃后， 三组模拟值波动明显， 出现明显偏高， TEST2偏高幅度最小， 尤其是在40~120 cm土壤层。可以看到， 三组试验在活动层模拟均提前结束冻结期， 进入融化期， 其中TEST2在80、 120 cm土壤冻结期结束时间与其他两组试验相比较晚。
到了多年冻土层（140~240 cm）， TEST0在整个多年冻土层、 TEST1在140 cm和180 cm土壤、 TEST2在140 cm土壤未能呈现出多年冻土层特性， 依旧存在土壤温度在0 ℃以上的时间段， 尤其是TEST0在240 cm土壤均在0 ℃及以上， TEST1在140、 180 cm土壤仍然存在冻结期和融化期［图6（f）~（h）］。TEST1在240 cm以及TEST2在180 cm往下的土壤温度曲线全年都在0 ℃及以下。与西大滩站观测的活动层厚度为1.3 m相比， TEST1、 TEST2均高估活动层厚度， 但TEST2与观测值更为接近。TEST0在180 cm土壤温度开始降低时间点与观测值对应较好， TEST1和TEST2在多年冻土层土壤温度开始降低的时间点均提前， TEST1在多年冻土层土壤温度降低后， 出现明显偏低。总的来说， 在140~240 cm多年冻土层， TEST2模拟结果最好（R>0.85）， 偏差和均方根误差均最小， 与TEST0相比， TEST2在多年冻土层的均方根误差分别减小约58.8%， 73.3%和78.3%。
CLM4.5初始土壤温度和液态水含量会通过影响初始含冰量来影响多年冻土水热模拟。默认初始土壤温度、 液态水含量使得CLM4.5模拟西大滩站（多年冻土）土壤温度不能准确描述出多年冻土的特征［图5（b）］， 2.8 m以下土壤全年温度在0 ℃以上。修改初始土壤温度、 液态水含量为观测值后， 土壤温度模拟尽管平均RMSE有所增加， 但在2.8 m以下土壤全年温度在0 ℃以下。在修改初始土壤温度和液态水含量为观测值的基础上， 进一步修改初始土壤含冰量计算， 活动层厚度减少到1.7 m， 各层土壤温度均方根误差均最小， 8层土壤温度的平均RMSE、 MBE由最初的3.154 ℃、 1.535 ℃下降为1.874 ℃、 0.200 ℃。

4 结论与讨论

本研究利用CLM4.5模式对青藏高原三江源多年冻土区的西大滩站设置三组试验： 默认初始土壤温度和液态水含量、 修改默认初始土壤温度和液态水含量为观测值、 在修改初始值的基础上修改对初始土壤含冰量的计算， 三组试验分别进行14个月的数值模拟， 通过对比分析三组试验土壤含冰量模拟值， 三组试验土壤液态水含量、 温度的模拟值与观测值， 验证了模式对青藏高原多年冻土的模拟能力， 证实了模式初始值对多年冻土模拟性能有所影响， 得到以下主要结论：
（1） CLM4.5模式中默认初始土壤温度和液态水含量计算各层土壤初始含冰量为0 m3·m-3， 使得土壤液态水含量、 含冰量以及土壤温度模拟未能准确描述出多年冻土的特征。整层土壤来看， 默认初始值使得模拟的土壤含冰量在2015年11月上旬至2016年8月上旬大于0.01 m3·m-3， 在该时期约1.3 m土壤层上下有两个高值区（≥0.10 m3·m-3）， 其余时段土壤含冰量几乎为0。整层土壤液态水含量呈现出随季节变化， 从冬季开始减少， 春季开始增加。土壤温度未能呈现出多年冻土的特征， 在2.8 m以下土壤全年温度在0 ℃以上， 0~2.8 m土壤温度大致呈现冬季冻结， 夏季融化的季节性冻土特征。
（2） 修改初始土壤温度和液态水含量为观测值后， 模拟结果呈现多年冻土特征。土壤含冰量在1.8 m土壤以下常年大于0.01 m3·m-3， 高值区（≥0.14 m3·m-3）位于2015年12月至2016年4月0~0.5 m土壤层。0~1.0 m土壤液态水含量在冬季开始减少， 春季开始增加， 且在夏季和秋季的液态水含量大于同一时期默认初始值的模拟结果， 在1.0 m以下土壤液态水含量常年0~0.10 m3·m-3。2.8 m以下土壤温度常年低于0 ℃， 活动层厚度约2.8 m， 高估1.5 m。
（3） 修改初始值为观测值的基础上修改初始含冰量的计算， 土壤含冰量整体增加。在1.1 m以下含冰量常年大于0.025 m3·m-3， 与仅修改初始值相比， 深度提升0.7 m。土壤含冰量出现两个高值区， 第一个高值区与仅修改初始值的位置相似， 量值略大于仅修改初始值的模拟结果； 第二个高值区（≥0.35 m3·m-3）位于2016年3 -7月1.5~2.0 m土壤层。在0~2.3 m土壤液态水含量进一步增加， 在2.3 m以下常年维持在0~0.1 m3·m-3。1.7 m以下土壤温度常年低于0 ℃， 活动层厚度约1.7 m， 高估0.4 m， 各层土壤温度模拟改善明显。
本文对比分析了不同初始土壤温度、 液态水含量以及初始含冰量对CLM4.5模拟青藏高原三江源多年冻土区的西大滩站水热过程的影响， 从模拟结果可以看到， 初始土壤温度、 液态水含量会通过影响初始含冰量， 影响CLM4.5模式对多年冻土水热的模拟。默认初始土壤温度、 液态水含量使得计算初始含冰量为0 m3·m-3， 未能呈现多年冻土特性， 模拟结果偏差较大。修改初始土壤温度、 液态水含量能呈现多年冻土特性， 进一步修改初始含冰量的计算后， 增加了土壤含冰量， 改善了对多年冻土水热模拟效果。由于土壤含冰量无法实际观测， 当土壤初始温度 T i ≤ T f， 初始含冰量由土壤所能容纳的最大液态水含量得到 ( θ s a t , i - θ i )， 因此对模拟结果带来一定偏差， 如何确定初始含冰量更加较为准确的描述还有待进一步的研究。最后， 本文仅使用单个站点数据进行模拟， 需要进一步利用多个站点进行验证， 并由点到面进行模拟分析。

References

null
Cao B， Zhang T J， Wu Q B， al et， 2019.Brief communication： Evaluation and inter-comparisons of Qinghai-Tibet Plateau permafrost maps based on a new inventory of field evidence［J］.Cryosphere， 13（2）： 511-519.DOI： 10.5194/tc-13-511-2019 .
null
Deng M S， Meng X H， Lyv Y Q， al et， 2020.Comparison of soil water and heat transfer modeling over the Tibetan Plateau using two Community Land Surface Model （CLM） versions［J］.Journal of Advances in Modeling Earth Systems， 12（10）： 1-20.DOI： 10.1029/2020MS002189 .
null
Dobinski W， 2011.Permafrost［J］.Earth-Science Reviews， 108（3）： 158-169.DOI： 10.1016/j.earscirev.2011.06.007 .
null
Farouki O T， 1981.The thermal properties of soils in cold regions［J］.Cold Regions Science and Technology， 5（1）： 67-75.
null
Gao Y H， Li K， Chen F， al et， 2015.Assessing and improving Noah-MP land model simulations for the central Tibetan Plateau［J］.Journal of Geophysical Research-Atmospheres， 120（18）： 9258-9278.DOI： 10.1002/2015JD023404 .
null
Gao Y H， Xiao L H， Chen D L， al et， 2017.Quantification of the relative role of land-surface processes and large-scale forcing in dynamic downscaling over the Tibetan Plateau［J］.Climate Dynamics， 48（5/6）： 1705-1721.DOI： 10.1007/s00382-016-3168-6 .
null
Guo D L， Sun J Q， 2015.Permafrost thaw and associated settlement hazard onset timing over the Qinghai-Tibet engineering corridor［J］.International Journal of Disaster Risk Science， 6（4）： 347-358.DOI： 10.1007/s13753-015-0072-3 .
null
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.DOI： 10.1007/s11434-014-0347-x .
null
Guo D， Wang H， Wang A， 2017.Sensitivity of historical simulation of the permafrost to different atmospheric forcing data sets from 1979 to 2009［J］.Journal of Geophysical Research： Atmospheres， 122（22）： 12269-12284.DOI： 10.1002/2017jd027477 .
null
Guo D， Wang H， 2013.Simulation of permafrost and seasonally frozen ground conditions on the Tibetan Plateau， 1981-2010［J］.Journal of Geophysical Research： Atmospheres， 118（11）： 5216-5230.DOI： 10.1002/jgrd.50457 .
null
Kang S C， Xu Y W， You Q L， al et， 2010.Review of climate and cryospheric change in the Tibetan Plateau［J］.Environmental Research Letters， 5（1）： 1-8.DOI： 10.1088/1748-9326/5/1/015101 .
null
Laio F， D'Odorico P， Ridolfi L， 2006.An analytical model to relate the vertical root distribution to climate and soil properties［J］.Geophysical Research Letters， 33（18）： 1-5.DOI： 10.1029/2006GL027331 .
null
Li X F， Wu T H， Wu X D， al et， 2021.Assessing the simulated soil hydrothermal regime of the active layer from the Noah-MP land surface model （v1.1） in the permafrost regions of the Qinghai-Tibet Plateau［J］.Geoscientific Model Development， 14（3）： 1753-1771.DOI： 10.5194/gmd-14-1753-2021 .
null
Li X F， Wu T H， Zhu X F， al et， 2020.Improving the Noah-MP Model for simulating hydrothermal regime of the active layer in the permafrost regions of the Qinghai-Tibet Plateau［J］.Journal of Geophysical Research-Atmospheres， 125（16）： 1-20.DOI： 10. 1029/2020JD032588 .
null
Liu G Y， Xie C W， Zhao L， al et， 2021.Permafrost warming near the northern limit of permafrost on the Qinghai-Tibetan Plateau during the period from 2005 to 2017： A case study in the Xidatan area［J］.Permafrost and Periglacial Processes， 32（3）： 323-334.DOI： 10.1002/ppp.2089 .
null
Luo J， Niu F J， Lin Z J， al et， 2018.Variations in the northern permafrost boundary over the last four decades in the Xidatan region， Qinghai-Tibet Plateau［J］.Journal of Mountain Science， 15（4）： 765-778.DOI： 10.1007/s11629-017-4731-2 .
null
Luo S Q， Fang X W， Lyu S H， al et， 2017.Improving CLM4.5 simulations of land-atmosphere exchange during freeze-thaw processes on the Tibetan Plateau［J］.Journal of Meteorological Research， 31（5）： 916-930.DOI： 10.1007/s13351-017-6063-0 .
null
Luo S Q， Lu 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 .
null
Qin D H， Zhou B T， Xiao C D， 2014.Progress in studies of cryospheric changes and their impacts on climate of china［J］.Journal of Meteorological Research， 28（5）： 732-746.DOI： 10.1007/s13351-014-4029-z .
null
Ran Y H， Li X， Cheng G D， 2018.Climate warming over the past half century has led to thermal degradation of permafrost on the Qinghai-Tibet Plateau［J］.Cryosphere， 12（2）： 595-608.DOI： 10.5194/tc-12-595-2018 .
null
Schuur E A G， McGuire A D， Schadel C， al et， 2015.Climate change and the permafrost carbon feedback［J］.Nature， 520（7546）： 171-179.DOI： 10.1038/nature14338 .
null
Song Y M， Wang Z F， Qi L L， al et， 2019.Soil moisture memory and its effect on the surface water and heat fluxes on seasonal and interannual time scales［J］.Journal of Geophysical Research： Atmospheres， 124（20）： 10730-10741.DOI： 10.1029/2019JD030893 .
null
Swenson S C， Lawrence D M， Lee H， 2012.Improved simulation of the terrestrial hydrological cycle in permafrost regions by the Community Land Model［J］.Journal of Advances in Modeling Earth Systems， 4.DOI： 10.1029/2012MS000165 .
null
Swenson S C， Lawrence D M， 2012.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： 1-20.DOI： 10.1029/2012JD018178 .
null
Wu Q B， Zhang T J， Liu Y Z， 2010.Permafrost temperatures and thickness on the Qinghai-Tibet Plateau［J］.Global and Planetary Change， 72（1/2）： 32-38.DOI： 10.1016/j.gloplacha. 2010.03.001 .
null
Wu Q B， Zhang T J， 2010.Changes in active layer thickness over the Qinghai-Tibetan Plateau from 1995 to 2007［J］.Journal of Geophysical Research： Atmospheres， 115： 1-12.DOI： 10.1029/2009JD012974 .
null
Yang K， Wang C H， Li S Y， 2018.Improved simulation of frozen-thawing process in Land Surface Model （CLM4.5）［J］.Journal of Geophysical Research： Atmospheres， 123（23）： 13238-13258.DOI： 10.1029/2017JD028260 .
null
Yang K， Wu H， Qin J， al et， 2014.Recent climate changes over the Tibetan Plateau and their impacts on energy and water cycle： A review［J］.Global and Planetary Change， 112： 79-91.DOI： 10. 1016/j.gloplacha.2013.12.001 .
null
Yang S H， Li R， Wu T H， al et， 2021.Evaluation of soil thermal conductivity schemes incorporated into CLM5.0 in permafrost regions on the Tibetan Plateau［J］.Geoderma， 401： 1-16.DOI： 10.1016/j.geoderma.2021.115330
null
Yin G， Luo J， Niu F， al et， 2021.Thermal regime and variations in the island permafrost near the northern permafrost boundary in Xidatan， Qinghai-Tibet Plateau［J］.Frontiers in Earth Science， 9： 1-12.DOI： 10.3389/feart.2021.708630 .
null
Zou D F， Zhao L， Sheng Y， al et， 2017.A new map of permafrost distribution on the Tibetan Plateau［J］.Cryosphere， 11（6）： 2527-2542.DOI： 10.5194/tc-11-2527-2017 .
null
陈渤黎， 罗斯琼， 吕世华， 等， 2014.黄河源区若尔盖站冻融期土壤温、 湿度的模拟与改进［J］.高原气象， 33（2）： 337-345.DOI： 10.7522/j.issn.1000-0534.2013.00085 .
null
陈渤黎， 罗斯琼， 吕世华， 等， 2017.基于CLM模式的青藏高原土壤冻融过程陆面特征研究［J］.冰川冻土， 39（4）： 760-770.DOI： 10.7522/j.issn.1000-0240.2017.0086 .
null
陈渤黎， 吕世华， 罗斯琼， 2012.CLM 3.5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.
null
陈瑞， 杨梅学， 万国宁， 等， 2020.基于水热变化的青藏高原土壤冻融过程研究进展［J］.地理科学进展， 39（11）： 1944-1958.DOI： 10.18306/dlkxjz.2020.11.014 .
null
吴通华， 2020.2014-2016年青藏高原西大滩多年冻土活动层数据［DS］.国家冰川冻土沙漠科学数据中心（
null
李磊， 沈润平， 黄安奇， 等， 2021.土壤质地改变对CLDAS/Noah-MP土壤湿度模拟的影响研究［J］.高原气象， 40（3）： 621-631.DOI： 10.7522/j.issn.1000-0534.2020.00082 .
null
李时越， 杨凯， 王澄海， 2018.陆面模式CLM 4.5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 .
null
李文耀， 魏楠， 黄丽娜， 等， 2020.土壤数据集对全球陆面过程模拟的影响［J］.气候与环境研究， 25（5）： 555-574.DOI： 10.3878/j.issn.1006-9585.2020.20025 .
null
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.
null
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 .
null
马耀明， 胡泽勇， 王宾宾， 等， 2021.青藏高原多圈层地气相互作用过程研究进展和回顾［J］.高原气象， 40（6）： 1241-1262.DOI： 10.7522/j.issn.1000-0534.2021.zk006 .
null
苏有琦， 张宇， 宋敏红， 等， 2020.基于实测土壤属性CLM 4.5对青藏高原高寒草甸模拟性能的评估［J］.高原气象， 39（6）： 1295-1308.DOI： 10.7522/j.issn.1000-0534.2019.000136 .
null
吴晓东， 吴通华， 2020.多年冻土退化对气候和人类产生重要影响［J］.自然杂志， 42（5）： 425-431.DOI： 10.3969/j.issn.0253-9608.2020.05.011 .
null
肖瑶， 2020.2014-2016年青藏高原西大滩冻土气象数据集［DS］.国家冰川冻土沙漠科学数据中心（
null
徐洪亮， 常娟， 郭林茂， 等， 2021.青藏高原腹地多年冻土区活动层水热过程对气候变化的响应［J］.高原气象， 40（2）： 229-243.DOI： 10.7522/j.issn.1000-0534.2020.00071 .
null
姚檀栋， 秦大河， 沈永平， 等， 2013.青藏高原冰冻圈变化及其对区域水循环和生态条件的影响［J］.自然杂志， 35（3）： 179-186.
null
岳广阳， 赵林， 赵拥华， 等， 2013.青藏高原西大滩多年冻土活动层土壤性状与地表植被的关系［J］.冰川冻土， 35（3）： 565-573.DOI： 10.7522/j.issn.1000-0240.2013.0065 .
null
赵林， 盛煜， 2019.青藏高原多年冻土及变化［M］.北京： 科学出版社.
Options
Outlines

/

〈 〉

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