Plateau Meteorology

Plateau Meteorology >

2022 , Vol. 41 >Issue 2: 349 - 362

DOI: https://doi.org/10.7522/j.issn.1000-0534.2021.00121

Improvement and Verification of Freezing-Thawing Process Parameterization of BCC_AVIM Land Surface Process Model

  • Pengfei XU ,
  • Shihua Lü ,
  • Cuili MA ,
  • Yue XU ,
  • Jiangxin LUO ,
  • Yiming HUANG ,
  • Yu KOU
Expand
  • 1. Sichuan Provincial Key Laboratory of Plateau Atmosphere and Environment，School of Atmospheric Sciences，Chengdu University of Information Technology，Chengdu 610225，Sichuan，China
    2. Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Regions，Northwest Institute of Eco-Resources and Environment，Chinese Academy of Sciences，Lanzhou 730000，Gansu，China
    3. Baotou Meteorological Bureau，Baotou 014030，Inner-Mongolia，China
    4. Hengshan Meteorological Bureau，Hengshan 421300，Hunan，China
    5. Tumen Meteorological Bureau，Tumen 133100，Jilin，China

Received date: 2021-05-26

  Revised date: 2021-12-28

  Online published: 2022-04-20

Fold

Cite this article

Pengfei XU , Shihua Lü , Cuili MA , Yue XU , Jiangxin LUO , Yiming HUANG , Yu KOU . Improvement and Verification of Freezing-Thawing Process Parameterization of BCC_AVIM Land Surface Process Model[J]. Plateau Meteorology, 2022 , 41(2) : 349 -362 . DOI: 10.7522/j.issn.1000-0534.2021.00121

1 引言

冻融过程作为寒区土壤基本特征之一， 对于土壤水热， 物质与能量的变化， 陆—气之间的相互作用， 乃至对于天气预报与气候变化都有着极其重要的影响。已经有很多学者专家通过分析站点观测数据（杨梅学等， 2000； 李述训等， 2002； 尚伦宇等， 2010； 葛骏等， 2016； 姚闯等， 2019； 武月月等， 2022）； 或通过不同数值模式的模拟与相应的敏感性实验（郭东林和杨梅学， 2010； Zhang and Sun， 2011； 陈渤黎等， 2014； Zheng et al， 2018； 刘火霖等， 2020）； 或对不同的陆面过程参数化对比分析（Boone et al， 2000； Luo et al， 2003）， 指出土壤冻融过程可以通过影响土壤各层水热输送与能量的变化， 从而影响地表温度， 地表径流， 地表辐射通量， 地表热通量和地表湍流通量等地表气象要素。
Peng et al（2016）指出季节性冻融状态的变化是衡量气候变化的重要指标， 也是影响地表温度， 水文过程， 地表能量和湿度平衡的重要因子， 还指出在中国不同的地表类型下土壤冻结年平均面积的变化与年平均气温的变化是一致的。同样土壤冻融引起的陆气之间的水热交换对亚洲东部的气候有显著影响（Cheng and Wu， 2007）。土壤冻融同样可以通过影响土壤的物理化学和生物学过程改变土壤碳（C）氮（N）的释放从而影响地气之间能量与物质的交换（Deluca et al， 1992； Wang and Bettany， 1993； Austnes and Vestgarden， 2008； Campbell et al， 2014； Watanabe et al， 2019）。
因为土壤之中液态水发生相变时相变潜热的存在， 在土壤冻结和融解过程之中都会导致能量的变化从而达到加热或是冷却土壤的作用， 使得土壤温度的特征和规律发生改变， 从而也改变了陆气之间的热量交换。Poutou et al（2004） 指出土壤冻结过程会因能量的释放从而延缓冬天陆面的冷却， 同样融解过程会因为能量的吸收从而延迟夏天陆面的加热。并且另一方面， 冰的导热系数， 热容量等热力属性与液态水不同， 导致有冰存在的土壤各层热量的传输与计算都会发生改变， 进一步影响陆气之间的热量交换， 而同样从水力特性上看， 土壤因为冰的产生除了对于土壤各层之间液态水的输送有一定的阻挡作用 （Cherkauer and Lettenmaier， 1999）， 冰的存在还会改变土壤导水率， 影响土壤各层液态水与未冻水含量从而改变陆气之间水分的循环。也因为冰与液态水在水热属性上的差异， 最终导致发生冻融过程的土壤比起无冻融过程的土壤与大气相互作用更加复杂与重要。因此建立一个完善的， 能较好模拟季节性冻土冻融过程之中水热属性变化和物理过程的参数化方案， 能够极大程度上提升模式对于陆面过程乃至陆气相互作用的模拟效果。

2 冻融参数化方案的改进

2.1　 BCC_AVIM模式及其冻融参数化方案简介

BCC_AVIM是由中国国家气候中心基于NCAR建立的通用陆面过程模式CLM3.0和由季劲钧等发展的大气-植被相互作用模型AVIM2， 开发而成的陆面过程模式（吴统文等， 2014）， BCC_AVIM陆面过程模式关于土壤热属性相关参数化方案是基于Farouki等的工作（Fuchs et al， 1978； Farouki， 1981； Jordan， 1991）。
其中BCC_AVIM陆面过程模式关于相变发生判定标准的参数化方案为：
T i n + 1 >   T f   a n d   W i c e , i > 0       m e l t i n g T i n + 1 <   T f   a n d   W l i q , i > 0      f r e e z i n g
式中： T i n + 1表示土壤各层下一个时间步长的温度； T f是水分冻结温度（单位： K）； W i c e , i和 W l i q , i是土壤各层之中冰和液态水的含量（单位： Kg·m-2）。
而在水分发生相变过程之中温度由 T i变成 T f时产生或者消耗的能量为 H i（单位： W·m-2）当满足方程（1）的冻融判定标准并且| H i|>0之后， 土壤之中冰的含量调整为：
W i c e , i n + 1 = W i c e , i n - H i ∆ t L f ≥ 0 , H i ∆ t L f > 0 m i n   W l i q , i n + W i c e , i n   ,   W i c e , i n - H i ∆ t L f , H i ∆ t L f < 0
式中： L f是融化潜热（latent heat of fusion）（单位： J·kg-1）。
同样液态水含量也会发生调整：
W l i q , i n + 1 = W l i q , i n + W i c e , i n - W i c e , i n + 1 ≥ 0

2.2　改进后冻融参数化方案的公式

在实际的土壤之中水分开始冻结时， 因为土壤粒子的吸附作用， 表面势能和毛细管作用导致靠近土壤粒子的一部分水分仍然保持液态， 这部分水分就是过冷水。Niu and Yang（2006）通过将土壤有冰存在时土壤基质势的参数化方案 （Fuchs et al， 1978； Kulik， 1978； Koren et al， 1999） 和另一种土壤基质势方案 （Spaans and Baker， 1996） 联立表示为土壤中液态水发生相变时的平衡方程， 并求解平衡方程得到发生冻结时的最大液态体积含水量和过冷水的参数化方案：
θ l i q , m a x = θ s a t 10 3 L f T - T f g T φ s a t 1 + 8 θ i c e - 2 - 1 b
更进一步， 实际上土壤之中冰的产生很少发生在0 ℃的时候（Zhang et al， 2007； Kozlowski， 2009； Kurylyk and Watanabe， 2013； Yang et al， 2018）， 因此Yang et al （2018）同样将平衡方程求解得到发生冻结时的平衡温度 T q（单位： K）：
T q = 10 3 L f T f 10 3 L f - g φ s a t θ l i q θ s a t - b
所以参考这些学者的工作， 在加入过冷水与平衡温度的概念之后， BCC_AVIM模式原参数化之中土壤冻融判断标准改进为：
T i n + 1 > T q   a n d   W i c e , i > 0 ,    i = s n l + 1 , … , N l e v s o i       m e l t i n g T i n + 1 < T q   a n d   W l i q , i > 0 ,    i = s n l + 1 , … , 0       f r e e z i n g T i n + 1 < T q   a n d   W l i q , i > W l i q , m a x , i ,    i = 1 , … ,   N l e v s o i      f r e e z i n g
当满足方程（6）之中的冻结判定条件并且 H i<0时， 对于BCC_AVIM原方案之中土壤层    i = 1 , … ,   N l e v s o i， 的含冰量 W i c e , i n + 1调整的参数化改进为：
m i n   W i c e , i n + W l i q , i n - W l i q , m a x , i n , W i c e , i n - H i ∆ t L f , W i c e , i n + W l i q , i n ≥ W l i q , m a x , i 0 , W i c e , i n + W l i q , i n < W l i q , m a x , i
同样Niu and Yang（2006）在CLM3之中引入了部分不可渗透面积（fractional impermeable area）的概念。Oleson et al（2008）在此基础上在计算导水率的公式之中加入了一个不可渗透分数（impermeable fraction）：
f f r z , i = e x p - α 1 - W i c e , i W i c e , i + W l i q , i - e x p ( - α ) ≥ 0
式中： α是一个可调参数， 值取为3。因此同样参考Oleson et al（2008）的工作将BCC_AVIM原方案之中土壤各层导水率 K z h , i计算公式改进为：
K z h , i = 1 - 0.5 ( f f r z , i + f f r z , i + 1 ) K s a t z h , i 0.5 θ i + θ i + 1 0.5 θ s a t , i + θ s a t , i + 1 2 b + 3 , 1 ≤ i ≤ 9 ( 1 - f f r z , i ) K s a t z h , i θ i θ s a t , i 2 b + 3 , i = 10
而原模式之中的导水率计算公式为：
K z h , i = K s a t z h , i 0.5 θ i + θ i + 1 0.5 θ s a t , i + θ s a t , i + 1 2 b + 3 , 1 ≤ i ≤ 9 K s a t z h , i θ i θ s a t , i 2 b + 3 , i = 10
式中： K s a t z h , i， θ s a t , i分别表示土壤各层的饱和导水率和饱和含水量； b是Clapp-Hornberger指数。

3 试验设计与玛曲站观测资料

3.1　试验设计

试验设计是使用玛曲站观测资料数据作为强迫场数据驱动BCC_AVIM陆面过程模式， 使用改进前后的冻融过程参数化方案分别模拟2018 -2019年与2019 -2020年的两次冻融过程， 通过模拟结果与观测数据的对比分析改进前后参数化方案的模拟效果。
本文选用相关系数（r）、 均方根误差（RMSE）分别对冻融过程参数化方案模拟效果进行检验， 公式如下：
r = ∑ i = 1 N M i - M ¯ R i - R ¯ ∑ i = 1 N M i - M ¯ 2 ∑ i = 1 N R i - R ¯ 2
R M S E = 1 N ∑ i = 1 N M i - R i 2

3.2　玛曲站观测资料

玛曲站位于青藏高原东部， 气候类型为高原亚寒带半湿润大陆性季风气候， 海拔为3423 m， 地处季节性积雪区与季节性冻土区， 地表植被类型为典型高寒草甸， 土壤类型主要以沙土为主， 砾石含量较少， 年平均温度为1.9 ℃， 年平均降水为593 mm（1981 -2010年）（苏有琦等， 2020； Deng et al， 2020； 陆宣承等， 2020； 李文静等， 2021）。驱动BCC_AVIM陆面过程的强迫场数据为2018年11月1日至2019年7月31日和2019年11月1日至2020年7月31日期间的温度、 气压、 湿度、 风速、 降水、 向下长短波辐射数据（图1）。并按照（陈渤黎， 2014）划分土壤冻结状态的方法， 用土壤各层日平均温度将全年分为两个状态： 大于0 ℃定义为非冻结状态， 日平均温度小于0 ℃定义为冻结状态， 计算出玛曲站土壤各层非冻结状态与冻结状态的开始结束日期与持续时长（表1）。从表1中可以发现， 玛曲站土壤160 cm及其以下层全年非冻结； 并且2019 -2020年是一个冻结强年， 在土壤各层冻结状态持续时间都比2018 -2019年更长。
图1 玛曲站2018年11月1日至2020年7月31日强迫场数据

Fig.1 The forcing data at Maqu Station from 1 November 2018 to 31 July 2020

表1 根据土壤各层日平均温度确定的土壤各层2018 -2020年冻结状态和非冻结状态天数

Table 1 The number of days of frozen state and non-frozen state of soil layers in 2018 -2020 determined according to the daily average temperature of each layer of soil

土壤层 冻结状态（日期/天数） 非冻结状态（日期/天数）
5 cm

2018年11月21日至2019年3月28日/128天

2019年12月1日至2020年4月7日/129天

 2019年3月29日至11月30日/247天
10 cm

2018年11月29日至2019年3月16日/108天

2019年12月6日至2020年3月22日/108天

 2019年3月17日至12月5日/264天
20 cm

2018年12月10日至2019年4月9日/121天

2019年12月11日至2020年4月16日/128天

 2019年4月10日至12月11日/245天
40 cm

2019年1月1日至3月5日/64天

2019年12月29日至2020年4月23日/117天

 2019年3月6日至12月28日/298天
80 cm

2019年1月26日至3月24日/58天

2020年1月30日至5月12日/104天

 2019年3月25日至2020年1月29日/311天
160 cm — 2018年11月15日至2020年7月31日/625天

-表示无数据

本文将土壤各层由非冻结状态转变为冻结状态最早前10天与最晚后10天之间定义为冻结转变期（Freezing transition period）； 将土壤由冻结状态转变为非冻结状态最早前10天与最晚后10天之间定义为融解转变期（Melting transition period）， 对比分析改进前后参数化方案分别在两个转变期对土壤水热的模拟效果。并暂时选择前一年11月15日至来年2月15日为这两年的冻结转变期； 2月15日至6月1日为这两年的融解转变期。

4 参数化方案模拟结果对比分析

4.1　冻结转变期对比分析

本文主要分析改进前后方案模拟的水热在土壤10， 20， 80， 160 cm层与实测的对比， 图2为冻结转变期之中改进前后的冻融参数化方案温度模拟与站点观测数据对比图。从图2中可以发现， 改进后的方案相比原方案对温度变化趋势的模拟更加贴近观测数据。原方案在强弱冻融年份冻结转变期的土壤温度模拟都会出现变化幅度过大， 温度整体偏冷的偏差， 比如原方案模拟的2018年1月15日前后土壤10 cm层温度达到-10 ℃以下， 而此时的实测温度只有-5 ℃左右， 改进后的方案则有效减小了这种模拟偏差， 对土壤最低温度的模拟更接近实测数据。
图2 两个冻结转变期土壤各层温度对比

阴影部分为冻结状态（下同）， 黑色点虚线为0 ℃线

Fig.2 Comparison of soil temperature in the two freezing transition periods.The shaded part is the frozen state （the same as after）， the black dotted line is the 0 ℃ line

从图2中还可以发现， 原方案土壤各层日平均温度小于0 ℃时的日期早于实测由非冻结状态转变为冻结状态的日期， 尤其是在土壤深层原方案对于土壤进入冻结状态的日期模拟偏早一个月， 并且在2019 -2020年强冻融年份的160 cm土壤层， 实测显示土壤一直处于非冻结状态而原方案会模拟冻结发生的错误偏差， 改进后的方案相比原方案对土壤各层冻结发生的判定更加合理， 模拟温度首次降低到0 ℃以下的时间更加接近实测由非冻结状态转换为冻结状态的日期。
从统计量来看（表2）， 改进后的方案对于土壤各层温度模拟值与观测数据的相关性在两个冻融年份的冻结转变期都有了显著提升。其中改进后的方案的均方根误差均有了减小， 其中由2018年的2.145 ℃减小到1.189 ℃， 2019年的均方根误差由2.579 ℃减小到1.183 ℃。
表2 玛曲站冻结转变期土壤温度模拟与观测比较

Table 2 Comparison of simulation and observation of soil temperature during freezing transition period at Maqu Station

统计量 方案 5 cm 10 cm 20 cm 40 cm 80 cm 160 cm 平均值
2018年冻结转变期相关系数 原方案 0.875 0.888 0.854 0.818 0.916 0.993 0.891
新方案 0.756 0.826 0.893 0.910 0.993 0.997 0.896
2019年冻结转变期相关系数 原方案 0.775 0.794 0.800 0.810 0.960 0.993 0.855
新方案 0.769 0.803 0.824 0.820 0.961 0.996 0.862
2018年冻结转变期均方根误差/℃ 原方案 2.166 2.357 2.245 3.275 1.447 1.383 2.145
新方案 1.355 1.141 1.239 2.153 0.440 0.809 1.189
2019年冻结转变期均方根误差/℃ 原方案 2.878 3.037 2.931 2.899 1.885 1.843 2.579
新方案 1.522 1.208 1.092 1.351 0.632 1.291 1.183
图3为冻结转变期含水量对比图， 而图4为含冰量对比图。从图4中可以看出， 改进后的方案模拟的含冰量显著减少， 含冰量的产生日期更接近实测由非冻结状态转变为冻结状态的日期， 尤其是对土壤深层模拟提升效果更为明显。从图3可以明显看出， 原方案模拟的含水量在满足土壤冻结标准之后迅速下降为零， 之后整个冻结状态中含水量变化不大， 最显著的是土壤浅层， 而改进后的方案避免了土壤含水量在满足冻结判定标准之后急剧降低到零值的偏差， 对土壤各层含水量变化趋势和数值大小的模拟更加准确。
图3 两个冻结转变期土壤各层含水量对比

Fig.3 Comparison of soil moisture content in each layer of the two freezing transition periods

图4 两个冻结转变期土壤各层含冰量对比

Fig.4 Comparison of ice content in each layer of soil during two freezing transition periods

改进后的方案冻结状态含水量与观测数据相关性更好， 均方根误差更小， 并且同样对于强冻融年份的提升效果更加明显（表3）， 虽然改进后的方案对于土壤80 cm层含水量的均方根误差相比原方案有了一定增加， 但从其他土壤层和平均值来看， 改进后的方案模拟的含水量均方根误差都有了较好的降低效果， 对于强弱冻融年份的含水量模拟的均方根误差都由0.1降低至0.08左右。
表3 玛曲站冻结转变期土壤含水量模拟与观测比较

Table 3 Comparison of simulation and observation of soil moisture during freezing transition period at Maqu Station

统计量 方案 5 cm 10 cm 20 cm 40 cm 80 cm 160 cm 平均值
2018年冻结转变期相关系数 原方案 0.686 0.689 0.697 0.878 0.927 0.910 0.798
新方案 0.630 0.589 0.887 0.972 0.917 0.996 0.831
2019年冻结转变期相关系数 原方案 0.876 0.777 0.825 0.815 0.924 0.856 0.845
新方案 0.910 0.916 0.905 0.921 0.951 0.981 0.931
2018年冻结转变期均方根误差/（m3·m-3） 原方案 0.088 0.105 0.109 0.089 0.094 0.186 0.112
新方案 0.045 0.061 0.053 0.045 0.130 0.181 0.086
2019年冻结转变期均方根误差/（m3·m-3） 原方案 0.109 0.114 0.108 0.110 0.064 0.144 0.108
新方案 0.059 0.064 0.057 0.048 0.101 0.149 0.079
改进后的方案对于土壤水热有较好的改进作用， 那么势必会引起通量的变化。 从冻结转变期各通量的对比图（图5）可以发现， 改进后的方案对辐射通量的模拟与原方案其实差别不大， 相比于观测资料， 新方案在2018年和2019年进入冻结状态时对于向上长波辐射模拟值有一定的偏大， 应该与新方案对于土壤浅层和表面温度模拟偏高导致， 而向上短波的变化主要与积雪的响应更好一些（齐木荣等， 2020）， 因此新旧方案对于向上短波辐射的模拟变化不大。对于净辐射的模拟变化主要响应与新旧方案来对于向上长波的模拟变化。改进后的方案对冻结状态感热通量模拟有了一定的增加作用， 对地表热通量有相对应的降低作用； 潜热通量的值在冻结转变期之中除了与降水响应时刻骤增之外， 其他时候基本为0， 整个冻结转变期地表能量平衡中主要是感热通量占比较大； 改进后的方案在弱冻融年份对潜热的模拟增加效果明显， 在强冻融年份模拟则变化不大。
图5 两个冻结转变期通量对比

Fig.5 Comparison of fluxes during the two freezing transition periods

4.2　融解转变期对比分析

因为土壤冻融过程对土壤水热的影响会持续到夏季， 因此本文将融解转变期的时间延长至7月15日以分析冻融参数化的改进对夏季土壤水热的影响。从两个融解转变期之中土壤温度的对比（图6）中可以看出， 与冻结转变期的分析类似， 在冻结状态时改进后的方案温度模拟比原方案更高一些， 更接近观测数据。新方案对于冻融过程描述得更加准确之后， 对于土壤进入春夏季的水热变化同样有一定的提升效果， 并且在土壤深层对于夏季的提升效果更强。
图6 两个融解转变期土壤温度对比

Fig.6 Comparison of soil temperature between two melting transition periods

整体上看改进后的方案对于土壤进入非冻结状态日期的模拟都要更加接近实测资料， 并且改进后方案同样对于强冻融过程年份的日期模拟要更加准确一些， 效果更好一些。从表4可以发现， 改进后的方案除了在80 cm层对于温度的模拟相关系数有所降低之外， 从其他层次和平均值来看， 改进后的方案总体上对于融解转变期的土壤温度模拟相关系数更大， 均方根误差更小， 提升效果明显。
表4 玛曲站融解转变期期土壤温度模拟与观测比较

Table 4 Comparison of simulation and observation of soil temperature during the melting and transformation period at Maqu Station

统计量 方案 5 cm 10 cm 20 cm 40 cm 80 cm 160 cm 平均值
2018年冻结转变期相关系数 原方案 0.928 0.937 0.944 0.952 0.963 0.942 0.944
新方案 0.935 0.944 0.945 0.922 0.955 0.974 0.946
2019年冻结转变期相关系数 原方案 0.916 0.926 0.929 0.938 0.966 0.953 0.938
新方案 0.934 0.945 0.949 0.948 0.951 0.962 0.948
2018年冻结转变期均方根误差/℃ 原方案 2.424 2.115 1.942 2.268 1.647 2.311 2.118
新方案 2.496 2.156 2.242 2.088 1.632 0.850 1.907
2019年冻结转变期均方根误差/℃ 原方案 2.753 2.408 2.371 2.307 1.404 2.072 2.219
新方案 2.795 2.380 2.410 2.266 1.631 0.853 2.056
图7、 8分别为融解转变期土壤含水量与含冰量的对比图， 改进后的方案对于土壤各层的含冰量模拟更少， 对于冻结的判断更加合理， 对于深层土壤提升效果更为明显； 冻结状态的含水量模拟更好， 进入非冻结状态乃至进入夏季之后两个方案对含水量的模拟开始趋于一致， 此时两个案含水量的模拟与实测相比虽然趋势模拟一致但数值方面有较大偏差， 这应该是参数化方案在积雪消融与地表径流和入渗方面依然不够准确导致的。因此对融解转变期的湿度并不采用统计量分析方法。
图7 两个融解转变期土壤湿度对比

Fig.7 Comparison of soil moisture during two melting transition periods

图8 两个融解转变期含冰量对比

Fig.8 Comparison of soil ice content in two melting transition periods

图9表示融解转变期通量的对比图， 相比于冻结转变期， 图9之中改进前后方案对于融解转变期辐射通量的模拟基本保持一致。可以明显发现在土壤由冻结状态进入非冻结状态乃至夏季之后感热通量减小， 潜热通量增大， 地表能量平衡逐渐由感热主导转变为潜热主导， 而其中改进后的方案对于感热通量模拟相比原方案在冻结状态模拟数值偏大， 但是在进入非冻结状态之后， 模拟数值偏小； 对于地表热通量总体上模拟的振幅减小； 改进后的方案对潜热通量的峰值数量与大小变化同样不大， 只是冻结状态对无降水的日期的潜热通量有较小的模拟增加作用。
图9 两个融解转变期通量对比

Fig.9 Comparison of fluxes during the two melting transition periods

5 结论与讨论

本文通过加入过冷水概念， 平衡温度概念和不可渗透分数概念， 优化改进了BCC_AVIM陆面过程模式对于土壤冻融过程原有参数化方案。通过分别模拟两个强弱冻融过程年份， 对比冻结转变期和融解转变期两个冻融年份改进前后方案的水热能量模拟效果， 发现改进后的方案对于土壤各层冻结融解的判定更加准确， 使得冻结状态与非冻结状态相互转换的日期更加接近实测数据； 使得含冰量的模拟效果提升显著， 同样使得含水量的模拟消除了原方案进入冻结状态骤减为零的偏差， 含水量的模拟更加接近实测； 对于土壤各层温度变化趋势与数值大小的模拟也有了较好的改善， 并且能较好地体现土壤各层是否发生冻融， 冻融过程物理变化特征与趋势； 因为水热模拟的改进， 使得在潜热感热地表热通量的模拟上有了一定的变化， 对于辐射通量来说， 模拟与原方案变化不大， 这应该是辐射通量的变化可能与积雪的响应更好有关； 并且改进后的方案对于强冻融年份的提升效果更优于弱冻融年份的提升效果； 最后发现在改进了冻融过程参数化方案之后， 对于土壤春夏季温度的模拟提升效果较为明显， 而对于土壤含水量和通量的模拟改进并不明显。
本文还存在几点不足与值得改进之处： （1）因为玛曲实测资料感热潜热通量数据的缺失， 不能直观地对比分析通量模拟的改进效果， 在之后更完善的工作中需要进一步运用含有完整通量数据的站点资料来分析； （2）本文只是简单对玛曲站进行了改进前后参数化方案的对比分析， 之后应该进一步对比分析前后方案对整个高原的模拟效果来验证改进方案的适用性； （3）改进前后的参数化方案对非冻结状态含水量的模拟效果还有待提升， 并且还有很多研究者发现青藏高原土壤质地如有机质与砾石含量对于土壤水热有较大影响（孙少波等， 2017； 马翠丽等， 2020； 刘宜纲等， 2022）， 之后的工作可以继续研究土壤质地对于冻融过程的影响作用。

References

null
Austnes K， Vestgarden L S， 2008.Prolonged frost increases release of C and N from a montane heathland soil in southern Norway［J］.Soil Biology and Biochemistry， 40（10）， 2540-2546.DOI： 10. 1016/j.soilbio.2008.06.014 .
null
Boone A， Masson V， Meyers T， al et， 2000.The influence of the inclusion of soil freezing on simulations by a soil-vegetation-atmosphere transfer scheme［J］.Journal of Applied Meteorology， 39（9）， 1544-1569.DOI： 10.1175/1520-0450（2000）039<1544： TIOTIO>2.0.CO； 2 .
null
Campbell J L， Socci A M， Templer P H， 2014.Increased nitrogen leaching following soil freezing is due to decreased root uptake in a northern hardwood forest［J］.Global Change Biology， 20（8）， 2663-2673.DOI： 10.1111/gcb.12532 .
null
Cheng G， Wu T， 2007.Responses of permafrost to climate change and their environmental significance， Qinghai‐Tibet Plateau［J］.Journal of Geophysical Research： Earth Surface， 112（F2）.DOI： 10.1029/2006JF000631 .
null
Cherkauer K A， Lettenmaier D P， 1999.Hydrologic effects of frozen soils in the upper Mississippi River basin［J］.Journal of Geophysical Research： Atmospheres， 104（D16）， 19599-19610.DOI： 10.1029/1999JD900337 .
null
De Luca T H， Keeney D R， Mc Carty G W， 1992.Effect of freeze‐thaw events on mineralization of soil nitrogen［J］.Biology and Fertility of Soils， 14（2）， 116-120.DOI： 10.1007/BF00336260 .
null
Deng M， Meng X， Lyv Y， 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）， e2020MS002189.DOI： 10.1029/2020MS002189 .
null
Farouki O T， 1981.The thermal properties of soils in cold regions［J］.Cold Regions Science and Technology， 5（1）， 67-75.DOI： 10.1016/0165-232X（81）90041-0 .
null
Fuchs M， Campbell G S， Papendick R I， 1978.An analysis of sensible and latent heat flow in a partially frozen unsaturated soil［J］.Soil Science Society of America Journal， 42（3）， 379-385.DOI： 10.2136/sssaj1978.03615995004200030001x .
null
Jordan R， 1991.A one‐dimensional temperature model for a snow cover： Technical documentation for SNTHERM.89［R］.Hanover： Cold Region Research and Engineers Laboratory.
null
Koren V， Schaake J， Mitchell K， al et， 1999.A parameterization of snowpack and frozen ground intended for NCEP weather and climate models［J］.Journal of Geophysical Research： Atmospheres， 104（D16）， 19569-19585.DOI： 10.1029/1999JD900232 .
null
Kozlowski T， 2009.Some factors affecting supercooling and the equilibrium freezing point in soil‐water systems［J］.Cold Regions Science and Technology， 59（1）， 25-33.DOI： 10.1016/j.coldregions.2009.05.009 .
null
Kulik V Y， 1978.Water infiltration into soil［M］.Gidrometeoizdat， Moscow， 10.
null
Kurylyk B L， Watanabe K， 2013.The mathematical representation of freezing and thawing processes in variably‐saturated， non‐deformable soils［J］.Advances in Water Resources， 60， 160-177.DOI： 10.1016/j.advwatres.2013.07.016 .
null
Luo L， Robock A， Vinnikov K Y， al et， 2003.Effects of frozen soil on soil temperature， spring infiltration， and runoff： Results from the PILPS 2 （d） experiment at Valdai， Russia［J］.Journal of Hydrometeorology， 4（2）， 334-351.DOI： 10.1175/1525-7541（2003）4<334： EOFSOS>2.0.CO； 2 .
null
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.DOI： 10.1175/JHM538.1 .
null
Oleson K W， Niu G Y， Yang Z L， al et， 2008.Improvements to the Community Land Model and their impact on the hydrological cycle［J］.Journal of Geophysical Research： Biogeosciences， 113（G1）.DOI： 10.1029/2007JG000563 .
null
Peng X， Frauenfeld O W， Cao B， al et， 2016.Response of changes in seasonal soil freeze/thaw state to climate change from 1950 to 2010 across China［J］.Journal of Geophysical Research： Earth Surface， 121（11）， 1984-2000.DOI： 10.1002/2016JF003876 .
null
Poutou E， Krinner G， Genthon C， al et， 2004.Role of soil freezing in future boreal climate change［J］.Climate Dynamics， 23（6）， 621-639.DOI： 10.1007/s00382-004-0459-0 .
null
Spaans E J， Baker J M， 1996.The soil freezing characteristic： Its measurement and similarity to the soil moisture characteristic［J］.Soil Science Society of America Journal， 60（1）， 13-19.
null
Wang F L， Bettany J R， 1993. Influence of freeze‐thaw and flooding on the loss of soluble organic carbon and carbon dioxide from soil［J］.Journal of Environmental Qualotu， 22（4）： 709-714.doi： 10.2134/jeq1993. 00472425002200040011x .
null
Watanabe T， Tateno R， Imada S， al et， 2019.The effect of a freeze‐thaw cycle on dissolved nitrogen dynamics and its relation to dissolved organic matter and soil microbial biomass in the soil of a northern hardwood forest［J］.Biogeochemistry， 142（3）， 319-338.DOI： 10.1007/s10533-019-00537-w .
null
Yang K， Wang C， Li S， 2018.Improved simulation of frozen‐thawing process in land surface model （CLM4.5）［J］.Journal of Geophysical Research： Atmospheres， 123（23）， 13-238.DOI： 10. 1029/2017JD028260 .
null
Zhang X， Sun S F， Xue Y， 2007.Development and testing of a frozen soil parameterization for cold region studies［J］.Journal of Hydrometeorology， 8（4）， 690-701.DOI： 10.1175/JHM605.1 .
null
Zhang X， Sun S， 2011.The impact of soil freezing/thawing processes on water and energy balances［J］.Advances in Atmospheric Sciences， 28（1）， 169-177.DOI： 10.1007/s00376-010-9206-0 .
null
Zheng D， van der Velde R， Su Z， al et， 2018.Impact of soil freeze‐thaw mechanism on the runoff dynamics of two Tibetan rivers［J］.Journal of hydrology， 563， 382-394.DOI： 10.1016/j.jhydrol.2018.06.024 .
null
陈渤黎， 2014.青藏高原土壤冻融过程陆面能水特征及区域气候效应研究［D］.兰州： 中国科学院寒区旱区环境与工程研究所.
null
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 .
null
郭东林， 杨梅学， 2010.SHAW模式对青藏高原中部季节冻土区土壤温、 湿度的模拟［J］.高原气象， 29（6）： 1369-1377.
null
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， 22（5）： 506-511.DOI： 10.3969/j.issn.1000-0240.2002.05.005
null
李文静， 罗斯琼， 郝晓华， 等， 2021.青藏高原东部不同季节积雪过程对地表能量和土壤水热影响的观测研究［J］.高原气象， 40（3）： 455-471.DOI： 10.7522/j.issn.1000-0534.2020.00001 .
null
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 .
null
刘宜纲， 吕世华， 马翠丽， 等， 2022.区域气候模式RegCM砾石参数化方案在青藏高原不同区域土壤水分输送的模拟分析［J］.高原气象， 41（1）： 79-92.DOI： 10.7522/j.issn.1000-0534. 2020.00086 .
null
陆宣承， 文军， 田辉， 等， 2020.若尔盖高寒湿地-大气间水热交换湍流通量的日变化特征分析［J］.高原气象， 39（4）： 719-728.DOI： 10.7522/j.issn.1000-0534.2019.00073 .
null
马翠丽， 吕世华， 潘永洁， 等， 2020.陆面模式砾石参数化在BCC＿AVIM陆面过程模式中的应用及检验［J］.高原气象， 39（6）： 1232-1245.DOI： 10.7522/j.issn.1000-0534.2019.00129 .
null
齐木荣， 马千惠， 杨清华， 等， 2020.青藏高原冻结期地表热储分析——以鄂陵湖畔草地为例［J］.高原气象， 39（6）： 1270-1281.DOI： 10.7522/j.issn.1000-0534.2019.00134 .
null
尚伦宇， 吕世华， 李锁锁， 等， 2010.青藏高原土壤冻融对地表辐射特征的影响分析［J］.太阳能学报， 31（1）： 12-16.
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
孙少波， 陈报章， 车涛， 等， 2017.青藏高原季节性冻土湿度模拟及参数优化——以黑河上游为例［J］.高原气象， 36（3）： 643-656.DOI： 10.7522/j.issn.1000-0534.2016.00059 .
null
王澄海， 杨凯， 张飞民， 等， 2021.青藏高原土壤冻融过程的气候效应： 进展和展望［J］.高原气象， 40（6）： 1318-1336.DOI： 10. 7522/j.issn.1000-0534.2021.zk021 .
null
吴统文， 宋连春， 李伟平， 等， 2014.北京气候中心气候系统模式研发进展——在气候变化研究中的应用［J］.气象学报， 72（1）： 12-29.DOI： 10.11676/qxxb2013.084
null
武月月， 文军， 王作亮， 等， 2022.黄河源高寒草原下垫面土壤冻融过程中陆-气间的水热交换特征分析［J］.高原气象， 41（1）： 132-142.DOI： 10.7522/j.issn.1000-0534.2021.00014 .
null
杨梅学， 姚檀栋， 勾晓华， 2000.青藏公路沿线土壤的冻融过程及水热分布特征［J］.自然科学进展， （5）： 61-68.DOI： 10. 3321/j.issn： 1002-008X.2000.05.010 .
null
姚闯， 吕世华， 王婷， 等， 2019.黄河源区多、 少雪年土壤冻融特征分析［J］.高原气象， 38（3）： 474-483.DOI： 10.7522/j.issn. 1000-0534.2018.00142 .
Options
Outlines

/

〈 〉

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