Plateau Meteorology

Plateau Meteorology >

2025 , Vol. 44 >Issue 3: 578 - 590

DOI: https://doi.org/10.7522/j.issn.1000-0534.2024.00095

Study on the Influence of Different Soil Stratification Schemes on Soil Freezing and Thawing Process

  • Zisha LIU ,
  • Shihua LÜ ,
  • Yiqun BAO
Expand
  • College of Atmospheric Sciences，Chengdu University of Information Technology/ Sichuan Key Laboratory of Plateau Atmosphere and Environment / Sichuan Field Scientific Observatory of Chengdu Plain Urban Meteorology and Environment / Sichuan Engineering Laboratory of Meteorological Disaster Forecasting and Early Warning，Chengdu 610225，Sichuan，China

Received date: 2024-05-29

  Revised date: 2024-09-25

  Online published: 2024-11-20

Copyright

© Editorial Department of Plateau Meteorology （CC BY-NC-ND）
Fold

Abstract

In this paper， the BCC_AVIM land model and encrypted observation data are used to evaluate the simulation performance of different soil stratification schemes on soil temperature and humidity.The results indicate that the encryption scheme has the best simulation performance.In the BCC_AVIM land model， the soil layer is defined as ten layers and linearly interpolate the depth of each adjacent node to obtain a new 20-layer scheme， referred to as the encryption scheme in this paper.The soil stratification scheme with 20 soli layers in the reference model CLM5.0 is also applied to the BCC_AVIM land model， which is called CLM5.0 scheme in this paper.Comparing the simulation results of the soil stratification scheme before and after improvement with the encrypted observation data， it shows that： （1） The encrypted observation data and the original observation data can well reflect the changing trend of soil temperature and humidity at the whole vertical level， but for the soil freezing period， the encrypted observation data can better depict the temperature change of shallow soil and the humidity change of deep soil.（2） For the soil temperature and humidity during the freezing period， the simulation performance of the encryption scheme and CLM5.0 scheme show improvements compared with the original scheme.The encryption scheme is closest to the measured temperature and humidity data’s numerical values and amplitude changes.Furthermore， the encryption scheme is more reasonable in determining freezing time in the soil’s shallow and middle layers.（3） For the soil temperature and humidity during ablation， the simulation performance of the encryption scheme and CLM5.0 scheme are enhanced compared with the original scheme.After the shallow and middle soil layers enter the ablation period， the simulated and measured data of soil temperature and humidity by the encryption scheme are closer to the numerical values and curve trends.

Key words： soil layering program; soil temperature and humidity; freezing and thawing process; BCC_AVIM land model

Cite this article

Zisha LIU , Shihua LÜ , Yiqun BAO . Study on the Influence of Different Soil Stratification Schemes on Soil Freezing and Thawing Process[J]. Plateau Meteorology, 2025 , 44(3) : 578 -590 . DOI: 10.7522/j.issn.1000-0534.2024.00095

1 引言

陆面过程主要是指在陆地表面与土壤之间发生的一系列物理、 化学、 生物及水文过程（Niu et al， 2011； Kowalczyk et al， 2013； Shukla and Mintz， 1982； 牛国跃等， 1997； 戴永久， 2020； 王龙欢等， 2021）。这些过程不仅受到气候因素的影响， 同时也会对天气与气候系统产生显著的反馈效应（Bonan， 1998； Pielke and Avissar， 1990； Dickinson， 1995； Peixoto and Oort， 1992； 陈海山和孙照渤， 2002； 胡伟等， 2020； 孙菽芬， 2002； 张一帆等， 2020； 王龙欢等， 2021）。当前， 随着人类活动的加剧， 全球生态环境正经历前所未有的变革， 给陆面过程研究带来了更为严峻的挑战（Rodell et al， 2009； Xie et al， 2016； Zou et al， 2014）。为了深入探究这些复杂过程， 陆面过程模式作为重要的研究工具被广泛应用。然而， 陆面下垫面的复杂性、 分布的不均匀性， 给陆面过程模式的完善与发展带来了诸多技术难题（王龙欢等， 2021）。
黄河源区， 位于青藏高原的东北部， 是一个独特的地理单元， 其显著特征是连续多年冻土、 季节性冻土和岛状多年冻土交织共存。同时， 这里冰川广袤分布， 湖泊、 沼泽和河流众多， 冻土现象尤为显著（李开明等， 2013； 张国胜， 2000）。冻融过程， 作为寒区地表的物理特征， 是评估冻土存在性、 发育状态以及气候变化响应的关键指标。冻融过程不仅揭示了土壤的物理状态， 更是生态系统功能维持与演变的关键环节（刘帅等， 2009； 杨梅学等， 2006）。在全球气候不断变化的背景下， 深入研究冻融过程对我国天气模式、 气候动态的影响机制及其演变规律， 不仅具有重大的科学意义， 而且有助于提升我们对气候与环境变化的预测与适应能力。目前已经有学者专家利用CLM5.0陆面模式对青藏高原冻融过程的模拟效果进行了验证， 并对青藏高原冻融过程相关参数化方案进行了改进检验（曾璇等， 2023； 杨凡等， 2023）， 但是模式土壤分层方案对于土壤冻融过程模拟的敏感性验证还比较少。
此外， 研究已经表明， 在实际应用中， 若某一区域土壤的上下层饱和导水率存在显著差异， 那么对土壤水分进行垂向均匀化处理可能会引发显著的误差， 进而对区域土壤水分的准确评估造成严重影响（熊丁晖等， 2018）。在当前的陆面过程模式研究中， 为了模拟水分分布， 部分模式采用了基于土壤性质的参数化方案以及层次化处理方法来反映土壤的非均一性。然而， 研究发现， 即便针对同一地区的土壤条件， 由于不同陆面模式所采用的参数化方案及土壤层次划分的差异， 模拟结果仍然会呈现出显著的差异（李倩和孙淑芬， 2015）。付春伟等（2022）基于CLM4.5陆面模式， 对三种不同的土壤热导率参数化方案进行了深入的分析与评估， 为探究最优的土壤参数化方案提供了有力的科学支撑和理论依据。然而， 模拟的准确性不仅取决于所选的土壤性质参数化方案， 还受到土壤在垂直方向上分层的影响。因此， 为了降低模式模拟中的误差， 对土壤在垂直方向上的分层进行更为科学且精确的划分， 能有效提升对冻融期土壤温度与湿度变化趋势的模拟效果， 从而进一步提高陆面过程模式的模拟性能。

2 土壤分层方案简介

2.1　 BCC_AVIM模式及其土壤分层方案

BCC_AVIM陆面过程模式是基于季劲钧等发展的大气-植被相互作用模型 AVIM2进一步演化而来， 这一模式经过长时间的发展， 已相对成熟， 并且在中国气候预测与模拟业务实践中得到了广泛应用。此模式不仅涵括CLM3.0陆面模式中的土壤水热模块和陆地碳循环过程， 还融入了AVIM2模型中的化学生物模块（Farouki， 1981； Fuchs et al， 1978； Jordan， 1991； 吴统文等， 2014）。
BCC_AVIM 陆面过程模式中关于土壤的分层方案为：
Z i = f s e x p 0.5 i - 0.5 - 1
∆ z i = 0.5 z 1 + z 2 , i = 1 0.5 z i + 1 - z i - 1 , i = 2,3 … N - 1 z N - z N - 1 , i = N
z h , i = 0.5 z 1 + z 2 , i = 1,2 … N z N + 0.5 ∆ z N , i = N
式中： Z i为各层土壤的节点深度； Z h , i为各层土壤的界面深度； ∆ Z i为各层土壤的厚度； i表示土壤层的系数； N表示总土壤层数， 在此模式中界定为10层， f s为标准系数， 在此模式中规定为0.025。此方案在本文中称为原方案。

2.2　加密分层方案

从BCC_AVIM陆面模式中的原土壤分层方案中， 可以发现该模式在土壤柱的分层上相对简化， 仅划分为10个层次。这导致了土壤深度随层次增长迅速， 特别是在土壤浅层和中层， 分层较少且厚度偏差较大。因此， 本试验主要对BCC_AVIM模式中土壤深度与厚度的快速增加进行调整和优化， 使模式在模拟土壤浅中层冻土活动层时具备精细的层次划分和更细致的厚度分布。
为此， 我们采用线性插值的方法， 对各层土壤的节点深度、 界面深度以及土壤层厚度进行了重新计算， 将BCC_AVIM陆面模式原本划分的10层土壤层扩展至20层， 这一方案在本文中称为加密方案。

2.3　 CLM5.0土壤分层方案

d z s o i ( j ) = j * 0.02 , j ≤ 4 d z s o i 4 + j - 4 * 0.04 , 5 ≤ j ≤ 13 d z s o i 13 + j - 13 * 0.1 , 14 ≤ j ≤ n l e v s o i d z s o i n l e v s o i + j - n l e v s o i * 25 1.5 100 , n l e v s o i < j < n l e v g r n d
z i s o i j = ∑ i = 0 j d z s o i ( j )
z s o i j = 0.5 * ( z i s o i j - 1 + z i s o i j )
式中： d z s o i表示各层土壤的厚度； z i s o i表示各层土壤的界面深度； z s o i表示各层土壤的节点深度； j表示土壤层的系数； n l e v s o i为对于适用于土壤水分计算的总土壤层数， n l e v g r n d = n l e v s o i + 5， 增加的5层仅用于计算土壤温度。
参考陆面模式CLM5.0中的土壤分层方案并应用到BCC_AVIM模式中， 其土壤总层次也为20层， 在本文中称为CLM5.0 方案。
表1 改进前后方案土壤各层节点深度与界面深度

Table 1 The node depth and interface depth of each soil layer before and after improvement

原方案 加密方案 CLM5.0 方案
节点深度/m 界面深度/m 节点深度/m 界面深度/m 节点深度/m 界面深度/m
0.007 0 0.0035 0.005 0.01 0.02
- 0.017 0.007 0.012 0.04 0.06
0.028 - 0.017 0.022 0.09 0.12
- 0.045 0.028 0.036 0.16 0.20
0.062 - 0.045 0.053 0.26 0.32
- 0.090 0.062 0.076 0.40 0.48
0.118 - 0.090 0.104 0.58 0.68
- 0.165 0.118 0.141 0.80 0.92
0.212 - 0.165 0.188 1.06 1.20
- 0.289 0.212 0.250 1.36 1.52
0.366 - 0.289 0.327 1.70 1.88
- 0.492 0.366 0.429 2.08 2.28
0.619 - 0.492 0.553 2.50 2.72
- 0.828 0.619 0.723 2.99 3.26
1.038 - 0.828 0.933 3.58 3.90
- 1.382 1.038 1.210 4.27 4.64
1.717 - 1.382 1.554 5.06 5.48
- 2.296 1.727 2.011 5.95 6.42
2.865 - 2.296 2.580 6.94 7.46
- 4.429 2.865 3.148 8.03 8.60

原方案土壤层次为10层， 加密方案和CLM5.0方案土壤层次为20层（The soil layers of the original scheme are 10 layers， and the encryption scheme and CLM5.0 scheme are 20 layers）

3 试验设计与玛曲站观测资料

3.1　试验设计

在本研究中， BCC_AVIM陆面过程模式的运行是基于玛曲站提供的实际气象数据作为强迫场输入， 以2022年1月1日至2023年12月31日为模拟时间段。然而， 高原的土壤冻融状况在空间上呈现不同的特征， 多年平均（1993 -2012年）的结果指出， 高原土壤冻结日期、 融化日期以及冻融过程持续时间在空间分布上存在较大差异， 在浅层土壤， 高原东部地区的土壤开始冻结日期在10 -11月， 土壤完全融化日期在3 -4月（Yang and Wang， 2019）。因此， 在结合玛曲站实际观测资料的同时， 为了评估不同土壤分层方案对开始冻结日， 消融日判定的准确性， 本文暂时选择2022年10月25日至2023年2月15日这一时间段作为冻结过程， 2023年2月15日至6月1日作为消融过程。在这两个时期内， 对比分析了改进前后的不同土壤分层方案在模拟土壤水热状况方面的效果。对比分析不同土壤分层方案的模拟效果时， 采用线性插值方法将模拟结果与加密观测资料的土壤层进行对应。并将原方案、 改进后的加密方案以及CLM5.0方案的模拟结果进行了细致的比较。在检验模拟效果时， 选用了三种统计学方法： 首先， 通过计算相关系数（r）， 评估了各方案模拟结果与实测数据在变化趋势上的相似性和吻合度。其次， 采用了均方根误差（RMSE）与平均绝对误差（MAE）作为评估标准， 以量化不同方案模拟结果与实际观测值之间的偏差。具体公式如下：
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
M A E = 1 N ∑ i = 1 N | M i - R i |
式中： M i为模拟值； R i为观测值； M ¯为模拟值的平均值； R ¯为观测值的平均值； N为样本总数。

3.2　玛曲站观测资料

本文选用研究区域的站点为玛曲站（102°13′E， 33°88′N）， 地处青藏高原东北部上边缘区。该地区年平均降水量达到595 mm， 年平均气温为1.2 ℃， 属于季节性冻土区与季节性积雪区（Deng et al， 2020； 陆宣承等， 2020； 苏有琦等， 2020； 胥朋飞等， 2022）。本文所依据的主要观测数据来源于玛曲站所建立的地气水热传输观测系统所采集的气象要素数据。加密观测数据来源于2021年在玛曲站增设的土壤分层加密观测系统所采集的数据（如图1所示）。在分析模拟结果时， 主要应用土壤温、 湿度数据作为参照。为了驱动BCC_AVIM陆面过程模式， 采用了从上述资料中选取的模拟时间段（2022年1月1日至2023年12月31日）的强迫场数据， 这些数据包括温度、 湿度、 气压、 降水、 风速以及向下长短波辐射数据， 时间分辨率为30 min。
图1 土壤分层加密观测温湿观测探头分布

Fig.1 Distribution of temperature and humidity observation probes for layered and encrypted soil observation

4 模拟结果对比分析

4.1　观测资料与加密观测资料对比分析

从原观测资料与加密观测资料的土壤温度垂直剖面对比图（图2）可以发现， 加密观测资料与原观测资料的土壤温度在垂直层次上呈现出较高的相似性和一致性， 对于整个垂直层次上的土壤温度变化趋势都能较好地反映， 无论是夏季地表及浅层土壤由于太阳辐射强烈而引起的显著升温， 还是冬季受大气低温影响导致的土壤温度逐层下降， 两种观测资料都较好地反映了这种暖舌与冷舌随土壤深度的变化趋势。对于土壤冻结期而言， 时间在12月份到次年3月份， 加密观测资料对于浅层土壤的温度变化刻画更为细致， 主要表现为土壤层次在80 cm以上。例如， 加密观测资料对于浅层土壤发生冻结的时间比原观测资料对于浅层土壤发生冻结的时间判定稍微提前， 这一点与实际环境条件下冻土的变化过程更为相符。同样， 从原观测资料与加密观测资料的土壤湿度垂直剖面对比图（图3）中可以发现， 两种观测资料对于土壤湿度垂直分布规律的刻画在各层次上大致吻合， 都能较好地反映出垂直层次上土壤湿度的变化趋势。在夏季， 由于降水充沛， 土壤表层湿度较高， 而在冬季， 由于降雪等因素， 土壤各层湿度普遍较低。值得注意的是， 在土壤深层（土壤深度80 cm以下）， 加密观测资料对于深层土壤湿度的变化刻画更为细致， 能够更加精细地反映出湿度变化的梯度和动态过程。因此， 我们认为新增设的土壤分层加密观测系统所采集的加密观测数据具备一定的可靠性和稳定性， 同时， 对于整个垂直层次上， 加密观测对于土壤温、 湿度的刻画更为细致， 因此， 在后文的分析中， 我们采用加密观测数据与模拟结果进行对比分析， 验证不同土壤分层方案对于冻结期与消融期土壤温、 湿度模拟的敏感性。
图2 原观测（a）与加密观测（b）土壤温度垂直剖面对比（单位： ℃）

Fig.2 Comparison of vertical profile of soil temperature between original observation （a） and encrypted observation （b）.Unit： ℃

图3 原观测（a）与加密观测（b）土壤湿度垂直剖面对比（单位： m3·m-3）

Fig.3 Comparison of vertical profiles of soil moisture between original observation （a） and encrypted observation （b）.Unit： m3·m-3

4.2　冻结期土壤温度与湿度对比分析

图4是冻结期不同土壤分层方案的模拟结果与加密观测资料的各层次土壤温度对比图， 土壤层次为0.05~1.6 m 层。结果发现， 改进前后的方案都能较好地模拟出冻结期各层次的土壤温度变化趋势。在土壤冻结期， 浅层土壤温度的日变化显著， 曲线多波动。随着土壤深度的增加， 气温变化对土壤温度的影响逐渐递减， 使得土壤温度曲线趋向平滑， 折点减少。三种土壤分层方案均能较好地模拟出土壤温度的这些变化。其中原方案， CLM5.0方案对于浅层土壤进入冻结状态之后的模拟都有温度偏低， 振幅过大的情况， 加密方案则明显改善了这种模拟的不准确性， 在温度数值和振幅变化上与实测数据最为一致。然而， 三种土壤分层方案对于浅层土壤发生冻结的时间判定都有所提前， 其中在土壤浅层0.05 m， 0.1 m层， 观测数据显示在11月下旬左右进入冻结状态， 而三种方案的模拟结果显示土壤进入冻结状态的时间在10月下旬左右， 模拟时间大约提前了20天。
图4 冻结期不同土壤分层方案（a~f）的土壤温度模拟结果对比

Fig.4 Comparison of soil temperature simulation results of different soil stratification schemes （a~f） during freezing period

从统计量来看（表2）， 加密方案、 CLM5.0方案对于土壤各层次温度的模拟相较于原方案与观测数据的相关性均有所提升。特别是加密方案， 其模拟结果与加密观测数据的相关系数提升到0.965。对于均方根误差和绝对偏差而言， 无论是加密方案还是CLM5.0方案， 相较于原方案都有一定程度的下降。
表2 冻结期土壤温度模拟与加密观测比较

Table 2 Soil temperature simulation compared to encrypted observations during freezing period

统计量 方 案 0.05 m 0.1 m 0.2 m 0.4 m 0.8 m 1.6 m 平均
R 原方案 0.942 0.953 0.940 0.955 0.949 0.987 0.954
加密方案 0.950 0.956 0.950 0.959 0.982 0.996 0.965
CLM5.0 方案 0.944 0.948 0.948 0.956 0.947 0.992 0.956
RMSE/℃ 原方案 4.474 4.336 2.700 2.381 2.881 2.996 3.294
加密方案 2.671 2.565 1.903 2.484 1.675 1.253 2.091
CLM5.0 方案 3.968 3.728 2.401 2.220 2.377 2.329 2.837
MAE/℃ 原方案 4.344 4.239 2.471 1.974 2.278 2.863 3.028
加密方案 2.502 2.365 1.478 2.002 1.302 0.959 1.768
CLM5.0方案 3.843 3.612 2.104 1.874 1.745 1.998 2.469
图5是冻结期不同土壤分层方案的模拟结果与加密观测资料的各层次土壤湿度对比图， 不同土壤分层方案均表现出对浅层土壤湿度的数值大小、 曲线变化趋势模拟较为准确。在冬季土壤进入冻结期， 土壤湿度逐渐降低， 同时伴随着土壤深度的增加， 降水对土壤湿度的影响逐渐减弱， 三种土壤分层方案对于深层土壤湿度的模拟效果一般。特别表现在1.6 m层， 三种土壤分层方案模拟的土壤湿度的数值大小与观测数据均存在一定偏差。从图5中还可以发现， 在土壤浅层， 时间在11月下旬左右， 加密观测数据显示土壤湿度有明显下降的趋势， 标志着土壤开始进入冻结状态， 而三种方案对于土壤发生冻结的时间预测明显偏早。
图5 冻结期不同土壤分层方案（a~f）的土壤湿度模拟结果对比

Fig.5 Comparison of soil moisture simulation results of different soil stratification schemes （a~f） during the freezing period

从统计量来看（表3）， 在土壤冻结期， 加密方案与CLM5.0 方案对土壤湿度的模拟效果均有所提升， 相比于原方案， 两种方案与加密观测数据的相关性均有所提升， 特别对于土壤浅中层的模拟效果有显著提升。同时， 加密方案和CLM5.0方案相比于原方案的均方根误差和绝对偏差均有所减小。
表3 冻结期土壤湿度模拟与加密观测比较

Table 3 Soil moisture simulation compared to encrypted observations during freezing period

统计量 方 案 0.05 m 0.1 m 0.2 m 0.4 m 0.8 m 1.6 m 平均
R 原方案 0.627 0.617 0.734 0.798 0.769 0.571 0.686
加密方案 0.737 0.753 0.747 0.850 0.806 0.665 0.759
CLM5.0 方案 0.655 0.637 0.752 0.812 0.786 0.623 0.711
RMSE/（m3·m-3） 原方案 0.126 0.101 0.093 0.062 0.099 0.133 0.102
加密方案 0.117 0.092 0.08 0.057 0.068 0.125 0.089
CLM5.0 方案 0.123 0.097 0.095 0.060 0.059 0.119 0.092
MAE/（m3·m-3） 原方案 0.088 0.082 0.076 0.060 0.097 0.127 0.088
加密方案 0.078 0.080 0.075 0.053 0.064 0.119 0.078
CLM5.0方案 0.080 0.081 0.076 0.057 0.057 0.115 0.078

4.3　消融期土壤温度与湿度对比分析

从消融期不同土壤分层方案的模拟结果与加密观测资料的各层次土壤温度对比图（图6）中可以发现， 三种土壤分层方案均能较好地模拟出消融期土壤温度的曲线变化趋势。在浅层， 土壤进入消融期后， 原方案、 CLM5.0方案对于土壤温度的模拟结果依然表现为温度偏低且振幅偏大， 而加密方案对于这种模拟结果的不准确性有所改善， 特别表现在浅层土壤0.05 m， 0.1 m， 0.2 m层。同时， 在土壤浅层， 时间在3月上旬左右， 土壤进入非冻结状态， 三种土壤分层方案对于土壤发生消融这一时间的判定与观测数据大致吻合， 其中加密方案对于消融初始日的时间判定与观测数据更为接近。
图6 消融期不同土壤分层方案（a~f）的土壤温度模拟结果对比

Fig.6 Comparison of soil temperature simulation results of different soil stratification schemes （a~f） during ablation period

从统计量来看（表4）， 对比分析原方案与经过改进后的加密方案、 CLM5.0方案的实际效果发现， 改进后两种方案在消融期对土壤温度的模拟效果均有所提升。原方案与加密观测数据的相关系数为0.798， 加密方案将其提升至0.821， CLM5.0方案也提升到了0.810。此外， 从均方根误差和绝对偏差来看， 改进后的加密方案和CLM5.0方案相较于原方案均有不同程度的降低， 其中， 加密方案的均方根误差和绝对偏差表现为最好。
表4 消融期土壤温度模拟与加密观测比较

Table 4 Soil temperature simulation compared to encrypted observations during ablation period

统计量 方案 0.05 m 0.1 m 0.2 m 0.4 m 0.8 m 1.6 m 平均
R 原方案 0.885 0.895 0.823 0.774 0.771 0.643 0.798
加密方案 0.897 0.903 0.841 0.783 0.817 0.687 0.821
CLM5.0 方案 0.891 0.899 0.835 0.796 0.787 0.654 0.810
RMSE/℃ 原方案 6.115 5.324 5.255 4.541 3.717 2.224 4.529
加密方案 4.706 4.267 4.405 4.377 3.213 2.532 3.916
CLM5.0方案 6.013 5.290 5.224 4.351 3.345 2.713 4.489
MAE/℃ 原方案 5.543 4.654 4.122 3.190 3.187 1.495 3.698
加密方案 3.816 3.226 3.350 3.053 2.048 2.051 2.924
CLM5.0方案 5.407 4.509 3.915 3.028 2.517 1.488 3.477
从消融期不同土壤分层方案的模拟结果与加密观测资料的各层次土壤湿度对比图（图7）可以发现， 整体上， 三种土壤分层方案对于土壤湿度的变化趋势模拟效果均相对较差。对于土壤浅层而言， 加密观测数据在3月下旬左右， 土壤湿度有一个上升的趋势， 三种土壤分层方案对此趋势的模拟时间明显滞后， 模拟时间均显示在4月中旬左右土壤湿度上升， 进入消融状态。但加密方案的模拟结果对于土壤进入消融状态后土壤湿度的变化趋势与数值大小更加接近观测数据， 特别表现在浅层土壤0.05 m， 0.1 m层。从整体上看， 在土壤浅中层进入消融状态之后， 加密方案对于土壤湿度的模拟与加密观测数据更为接近， 但仍然存在一定偏差。
图7 消融期不同土壤分层方案（a~f）的土壤湿度模拟结果对比

Fig.7 Comparison of soil moisture simulation results of different soil stratification schemes （a~f） during the ablation period

从统计量来看（表5）， 在土壤消融期， 整体上加密方案、 CLM5.0方案相较于原方案对于土壤湿度的模拟效果均有所改善。原方案的相关系数为0.637， 加密方案提升到0.668， CLM5.0方案也提升到0.653。同时， 加密方案与CLM5.0方案相较于原方案的均方根误差和绝对偏差均有所降低。整体上， 对于消融期的土壤湿度而言， 加密方案的模拟效果依然表现为最好。
表5 消融期土壤湿度模拟与加密观测比较

Table 5 Soil moisture simulation compared to encrypted observations during ablation period

统计量 方 案 0.05 m 0.1 m 0.2 m 0.4 m 0.8 m 1.6 m 平均
R 原方案 0.614 0.456 0.628 0.597 0.547 0.981 0.637
加密方案 0.636 0.537 0.647 0.589 0.613 0.985 0.668
CLM5.0 方案 0.621 0.529 0.609 0.603 0.572 0.984 0.653
RMSE/（m3·m-3） 原方案 0.122 0.120 0.090 0.060 0.105 0.055 0.092
加密方案 0.070 0.116 0.068 0.058 0.045 0.048 0.067
CLM5.0 方案 0.102 0.120 0.077 0.056 0.048 0.050 0.075
MAE/（m3·m-3） 原方案 0.099 0.102 0.082 0.056 0.100 0.054 0.082
加密方案 0.066 0.097 0.061 0.052 0.042 0.047 0.061
CLM5.0方案 0.087 0.101 0.072 0.053 0.045 0.050 0.068

5 结论

通过改进前后的土壤分层方案分别模拟玛曲站单点数据， 并结合加密观测数据进行对比， 得到以下的结论：
（1） 加密观测资料与原观测资料对于整个垂直层次上的土壤温度与土壤湿度的变化趋势都能较好地反映， 对于土壤冻结期而言， 加密观测资料对于浅层土壤的温度变化和深层土壤的湿度变化刻画更为细致准确。
（2） 对于冻结期土壤温度而言， 改进前后的方案都能较好地模拟出各层次的土壤温度变化趋势。其中加密方案与观测数据的温度、 振幅变化更为接近。并且加密方案所模拟的土壤发生冻结的时间与观测资料更为吻合； 对于冻结期土壤湿度而言， 不同土壤分层方案均表现出对浅层土壤湿度的模拟结果较为准确， 对深层土壤湿度的模拟效果相对较差。同时， 三种方案对于土壤发生冻结的时间判定明显提前。
（3） 对于消融期土壤温度而言， 三种土壤分层方案对土壤温度的模拟效果较好。整体上， 加密方案的模拟效果表现为最佳； 对于消融期土壤湿度而言， 三种土壤分层方案对于土壤湿度的变化趋势模拟效果相对较差。但在土壤浅中层进入消融状态之后加密方案对于土壤湿度的模拟与观测数据在数值上更为贴近， 但仍然存在一定偏差。
本研究首次改进了土壤分层方案并将CLM5.0土壤分层方案应用于BCC_AVIM模式中， 并验证了其在土壤冻结和消融过程模拟中的有效性， 这对于提升模式的模拟性能具有重要意义。但文章仍有部分地方有待提升： （1）尽管验证了不同土壤分层方案对土壤温、 湿度模拟的敏感性， 但是目前只对玛曲站进行了简单的验证， 后续的研究可以多选择几个站点进行单点验证， 再进一步对整个青藏高原地区进行验证。（2）本文中提出的两种土壤垂直分层方案的改进， 均采用了将原有10层加密至20层的方法， 分层方法有些单一， 后续研究应进一步探讨新的分层方法， 并结合实际情况进行模拟验证。（3）经过对比分析发现， 在土壤深层区域， 三种土壤分层方案对湿度的模拟效果均不够理想。有研究者发现， 土壤质地的差异对土壤温度和湿度的模拟结果具有显著的影响。因此， 未来的研究有必要进一步深入探讨土壤质地如何影响土壤的水热传输过程， 以优化模拟效果。

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.DOI： 10.1175/ 1520-0442（1998）0112.0.CO .

Deng M， Meng X， Lyv Y， et al， 2020.Comparison of soil water and heat transfer modeling over the Tibetan Plateau using two Com-munity Land Surface Model（CLM）versions［J］.Journal of Advances in Modeling Earth Systems， 12（10）： e2020MS002189.DOI： 10.1029/2020MS002189 .

Dickinson R E， 1995.Land-atmosphere interaction［J］.Reviews of Geophysics， 33（S2）： 917-922.DOI： 10.1029/95rg00284 .

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 .

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 .

Jordan R E， 1991.A one-dimensional temperature model for a snow cover： Technical documentation for SNTHERM.89［R］.Hanover： Cold Region Research and Engineers Laboratory.

Kowalczyk E， Stevens L， Law R， et al， 2013.The land surface model component of ACCESS： description and impact on the simulated surface climatology［J］.Australian Meteorological and Oceanographic Journal， 63（1）： 65-82.DOI： 10.1071/ES13005 .

Niu G Y， Yang Z L， Mitchell K E， et al， 2011.The community Noah land surface model with multi-parameterization options （Noah‐MP）： 1.Model description and evaluation with local‐scale measurements［J］.Journal of Geophysical Research： Atmospheres， 116： D12109.DOI： 10.1029/2010JD015140 .

Peixoto J， Oort A H， 1992.Physics of climate［M］.NewYork： Wood‐ bury.

Pielke R， Avissar R， 1990.Influence of landscape structure on local and regional climate［J］.Landscape Ecology， 4： 133-155.DOI： 10.1007/BF00132857 .

Rodell M， Velicogna I， Famiglietti J S， 2009.Satellite-based estimates of groundwater depletion in India［J］.Nature， 460（7258）： 999-1002.DOI： 10.1038/nature08238 .

Shukla J， Mintz Y， 1982.The influence of land surface evapotranspi‐ ration on Earth's climate［J］.Science， 215（4539）： 1498-1501.DOI： 10.1126/science.215.4539.1498 .

Xie Z， Wang L， Jia B， et al， 2016.Measuring and modeling the impact of a severe drought on terrestrial ecosystem CO2 and water fluxes in a subtropical forest［J］.Journal of Geophysical Research： Biogeosciences， 121（10）： 2576-2587.DOI： 10.1002/2016JG003437 .

Yang K， Wang C H， 2019.Water storage effect of soil freeze-thaw process and its impacts on soil hydro-thermal regime variation［J］.Agricultural and Forest Meteorology， 265： 280-294.265： DOI： 10.1016/j.agrformet.2018.11.011 .

Zou J， Xie Z H， Yu Y， et al， 2014.Climatic responses to anthropogenic groundwater exploitation： a case study of the Haihe River Basin， northern China［J］.Climate Dynamics， 42（7/8）： 2125-2145.DOI： 10.1007/s00382-013-1995-2 .

陈海山， 孙照渤， 2002.陆气相互作用及陆面模式的研究进展［J］.南京气象学院学报， 25（2）： 277-288.

Chen H S， Sun Z B， 2002.Review of land-atmosphere interaction and land surface model studies［J］.Journal of Nanjing Institute of Meteorology， 25（2）： 277-288.DOI： 10.13878/j.cnki.dqkxxb.2002.02.021 .

戴永久， 2020.陆面过程模式研发中的问题［J］.大气科学学报， 43（1）： 33-38.DOI： 10.13878/j.cnki.dqkxxb.20200103006.Dai Y J ， 2020.Issues in research and development of land surface process model［J］.Transactions of Atmospheric Sciences， 43（1）： 33-38.DOI： 10.13878/j.cnki.dqkxxb.20200103006 .

付春伟， 胡泽勇， 卢珊， 等， 2022.基于CLM4.5模式的季节冻土区土壤参数化方案的模拟研究［J］.高原气象， 41（1）： 93-106.DOI： 10.7522/j.issn.1000-0534.2021.00050.Fu C W ，

Hu Z Y， Lu S， et al， 2022.A simulation study on soil parameterization scheme of seasonally frozen ground regions based on CLM4.5［J］.Plateau Meteorology， 41（1）： 93- 106.DOI： 10.7522/j.issn.1000-0534.2021.00050 .

胡伟， 马伟强， 马耀明， 等， 2020.GLDAS 资料驱动的 Noah-MP 陆面模式青藏高原地表能量交换模拟性能评估［J］.高原气象， 39 （3）： 486-498.DOI： 10.7522/j.issn.1000-0534.2019.00060.Hu W ，

Ma W Q， Ma Y M， et al， 2020.Evaluating performance of Noah-MP LSM with GLDAS forcing data over Qinghai-Tibetan Plateau［J］.Plateau Meteorology， 39 （3）： 486-498.DOI： 10.7522/j.issn.1000-0534.2019.00060 .

李开明， 李绚， 王翠云， 等， 2013.黄河源区气候变化的环境效应研究［J］.冰川冻土， 35（5）： 1183-1192.DOI： 10.7522/i.issn.1000-0240.2013.0133.Li K M ，

Li X， Wang C Y， et al， 2013.Research on the environmental effect caused by climate change in the Source Region of the Yellow River［J］.Journal Of Glaciology And Geocryology， 35（5）： 1183-1192.DOI： 10.7522/i.issn.1000-0240.2013.0133 .

李倩， 孙菽芬， 2015.陆面过程模型中垂直非均匀土壤的水分传输及相变的模拟［J］.大气科学， 39 （4）： 827-838.DOI： 10.3878/j.issn.1006-9895.1411.14227.Li Q ，

Sun S F， 2015.The simulation of soil water flow and phase change in vertically inhomogeneous soil in land surface models［J］.Chinese Journal of Atmospheric Sciences， 39 （4）： 827-838.DOI： 10.3878/j.issn.1006-9895.1411.14227 .

刘帅， 于贵瑞， 浅沼顺， 等， 2009.蒙古高原中部草地土壤冻融过程及土壤含水量分布［J］.土壤通报， 46（1）： 46-51.

Liu S， Yu G R， Qian Z S， et al， 2009.The thawing-freezing processes and soil moisture distribution of the steppe in central Mongolian Plateau［J］.Chinese Journal of Soil Science， 46（1）： 46-51.

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.Lu X C ，

Wen J， Tian H， et al， 2020.Analysis of the turbulent fluxes of water & heat exchange between the Zoige Alpine wetland and atmosphere［J］.Plateau Meteorology， 39（4）： 719-728.DOI： 10.7522/j.issn.1000-0534.2019.00073 .

牛国跃， 洪钟祥， 孙菽芬， 1997.陆面过程研究的现状与发展趋势［J］.地球科学进展， 12（1）： 20-25.

Niu G Y， Hong Z X， Sun S F， 1997.Status and developmental trends of land surface processes study［J］.Advance In Earth Sciences， 12（1）： 20-25.

王龙欢， 谢正辉， 贾炳浩， 等， 2021.陆面过程模式研究进展—以CAS-LSM为例［J］.高原气象， 40（6）： 1347-1363.DOI： 10.7522/j.issn.1000-0534.2021.zk016.Wang L H ，

Xie Z H， Jia B H， et al， 2021.Recent progress in the land surface process studies： a case study of CAS-LSM［J］.Plateau Meteorology， 40（6）： 1347-1363.DOI： 10.7522/j.issn.1000-0534.2021.zk016 .

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.Wu T W ，

Song L C， Li W P， et al， 2014.An overview on progress in Beijing Climate Center Climate System Model—Its development and application to climate change studies［J］.Acta Meteorologica Sinica， 72（1）： 12-29.DOI： 10.11676/qxxb2013.084 .

苏有琦， 张宇， 宋敏红， 等， 2020.基于实测土壤属性CLM4.5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.Su Y Q ，

Zhang Y， Song M H， et al， 2020.Evaluation of simulated performance of CLM4.5 in alpine meadow over the Qinghai-Xizang Plateau based on measured soil properties［J］.Plateau Meteorology， 39（6）： 1295-1308.DOI： 10.7522/j.issn.1000-0534.2019.000136 .

孙菽芬， 2002.陆面过程研究的进展［J］.新疆气象， 25（6）： 1-6.

Sun S F， 2002.Advance in land surface process study［J］.Bimonthly of Xinjiang Meteorology， 25（6）： 1-6.

熊丁晖， 刘苏峡， 莫兴国， 2018.土壤垂向分层和均匀处理下水分差异的数值探讨［J］.中国生态农业学报， 26（4）： 593-603.DOI： 10.13930/j.cnki.cjea.170450.Xiong D H ，

Liu S X， Mo X G， 2018.Numerical difference in soil water between vertically stratified and homogenized soil profiles［J］.Chinese Journal of Eco-Agriculture， 26（4）： 593-603.DOI： 10.13930/j.cnki.cjea.170450 .

胥朋飞， 吕世华， 马翠丽， 等， 2022.BCC_AVIM 陆面过程模式冻融过程参数化的改进与检验［J］.高原气象， 41（2）： 349- 362.DOI： 10.7522/j.issn.1000-0534.2021.00121.Xu P F ，

LÜ S H， MA C L， et al， 2022.Improvement and verification of freezing-thawing process parameterization of BCC_AVIM Land Surface Process Model［J］.Plateau Meteorology， 41（2）： 349-362.DOI： 10.7522/j.issn.1000-0534.2021.00121 .

杨凡， 吕世华， 张少波， 等， 2023.青藏高原土壤冻融参数化改进及其在BCC_CSM气候模式中的效果对比［J］.高原气象， 42（5）： 1093-1106.

Yang F， Lyu S H， Zhang S B， et al， 2023.Improvement of soil freeze-thaw parameterization on the Qinghai-Xizang（Tibet） Plateau and its effect comparison in BCC_CSM Climate Model［J］.Plateau Meteorology， 42（5）： 1093-1106.DOI： 10.7522/j.issn.1000-0534.2023.00002 .

杨梅学， 姚檀栋， Hirose N， 等， 2006.青藏高原表层土壤的日冻融循环［J］.科学通报， 51（16）： 1974-1976.DOI： 10.3321/j.issn： 0023-074X.2006.16.020.Yang M X ，

Yao T D， Hirose N， et al， 2006.The daily freeze-thaw cycle of the surface soil on the Qinghai-Tibet Plateau［J］.Chinese Science Bulletin， 51（16）： 1974-1976.DOI： 10.3321/j.issn： 0023-074X.2006.16.020 .

张国胜， 李械， 时兴合， 等， 2000.黄河上游地区气候变化及其对黄河水资源的影响［J］.水科学进展， 11（3）： 277-283.

Zhang G S， Li X， Shi X H， et al， 2000.Climatic changes over the upper Yellow River and its effects on water resources［J］.Advances in Water Science， 11（3）： 277-283.DOI： 10.14042/j.cnki.32.1309.2000.009 .

曾璇， 张兰慧， 白旭亮， 等， 2023.CLM 5.0对干旱环境中高寒山区土壤温度模拟的适用性评估［J］.干旱气象， 41（3）： 368-379.DOI： 10.11755/j.issn.1006-7639（2023）-03-0368.Zeng X ，

Zhang L H， Bai X L， et al， 2023.Evaluation of CLM 5.0 on simulating soil temperature in alpine mountainous area in arid environment［J］.Journal of Arid Meteorology， 41（3）： 368-379.DOI： 10.11755/j.issn.1006-7639（2023）-03-0368 .

张一帆， 缪昕， 郭维栋， 2020.考虑碳氮水过程的动态根系方案在陆面模式 SSiB4 中的应用及效果评估［J］.高原气象， 39（3）： 511-522.DOI： 10.7522/j.issn.1000-0534.2020.00005.Zhang Y F ，

Miu S， Guo W D， 2020.Applications and evaluations of dynamic root scheme with Carbon-Water-Nitrogen Interactions in Land Surface Model SSiB4［J］.Plateau Meteorology， 39（3）： 511-522.DOI： 10.7522/j.issn.1000-0534.2020.00005 .

Options
Outlines

/

〈 〉

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