Page 214 - 《高原气象》2025年第3期

高 原 气 象 44 卷
772
气温约为 0. 7 ℃， 年平均降水量为 400 mm， 年蒸发 理过程上进行了扩展， 例如引入了独立的植被冠
量介于 1100~1500 mm。阿柔站所在区域是黑河流 层， 将植被冠层能量平衡从地表能量平衡中分离出
域的主要水源地， 该地区地下水径流和壤中流占主 来。此外， 该模型针对动态植被、 控制气孔阻力的
导， 地表径流极少， 适合开展土壤水分模拟试验（李 土壤湿度因子、 表层拖曳系数等 11 个子物理过程

芳等， 2022）。本文使用的气象观测数据均经过了严 分别融入了 2~5 种不同的参数化方案（Yang et al，
格的质量控制， 能够保证数据的准确性和可靠性。 2011）（表 1）。这极大提升了 Noah-MP 模型的适用
2. 2 Noah-MP模型 性， 同时为开展多参数化方案集合模拟试验带来了
相比于传统的 Noah 模型， Noah-MP 模型在物 更大的便利。

表1 Noah-MP 模型中10个物理过程对应的参数化方案
Table 1 Parameterization schemes corresponding to the 10 physical processes in the Noah-MP model

物理过程 参数化方案
雨雪分离（Partitioning precipitation into rainfall and snowfall， PCP） I： Jordan91［Default］， II： BATS， III： Niu11， IV： WRF， V： Wetbulb
控制气孔阻力的土壤湿度因子（Soil moisture factor for stomatal resis‐ I： Noah scheme［Default］， II： CLM scheme， III： SSiB scheme
tance and ET， BTR）

地表对蒸发或升华的阻抗（Ground resistent to evaporation/sublima‐ I： Sakaguchi and Zeng scheme［Default］， II： Sellers（1992）， III：
tion， GRE） Sellers（1992） for wet soil， d： rsurf=rsurf_snow for snow
表层拖拽系数（Surface layer drag coefficient， SFC） I： M-O［Default］， II： Original Noah（Chen97）
雪表层反照率（Snow surface albedo， ALB） I： BATS［Default］， II： CLASS

植被冠层辐射传输（Radiation transfer， RAD） I： gap=F＜1-VegFrac， II： gap=0， III： gap=1-VegFrac［Default］
第一层积雪或土壤温度的时间方案（The first-layer snow or soil tem‐ I： Semi-implicit［Default］， II： Full implicit， III： same as a. but snow
perature time scheme， TEMP） cover for skin temperature calculation
土壤温度下边界条件（Lower boundary condition of soil temperature， I： Zero-flux scheme， II： Noah［Default］
TBOT）
冻结土壤中过冷液态水（Supercooled liquid water in frozen soil， FRZ） I： NY06［Default］， II： Koren99
冻结土壤渗透（Frozen soil permeability， INF） I： NY06［Default］， II： Koren99

为了获取模型所需的土壤和植被参数， 文中根 进行排列组合， 开展包含有 17280 种不同组合方案
据中国土壤特征数据集确定阿柔站的土壤类型为 的浅层土壤水分集合模拟试验。在不考虑模型参
栗钙土。考虑到阿柔站所在区域主要为高寒草甸， 数和驱动数据不确定性的条件下， 进一步探讨浅层

牧草种类丰富且生长茂盛， 确定该站的植被类型为 土壤水分模拟结果对参数化方案的敏感性以及集
草地。为了评估 Noah-MP 模型对站点土壤水分的 合模拟结果的不确定性。
模拟性能， 本文选用阿柔站时间分辨率为 1 小时的 2. 3 分析和评价方法
气象观测数据作为模型的驱动数据， 利用模型的默 文中选取土壤液态水含量作为模拟变量， 并将
认参数化方案组合模拟阿柔站 2016年 1月 1日至 12 模拟结果与站点观测数据进行对比。为评估模型
月 31 日时段内的土壤水分变化。同时， 利用站点 的 模 拟 精 度 ， 本 文 采 用 均 方 根 误 差（Root Mean
的土壤水分观测数据对模拟结果进行评估。为了 Square Error， RMSE）作为模型模拟性能的评价指
确保模型在正式模拟前能够获得准确的初始条件， 标。RMSE 的值越小， 表示模型模拟值与观测值越
本文在正式模拟前， 利用 2015年 1月 1日至 12月 31 接近， 模拟精度越高， 模型模拟性能则越好。具体

日的气象观测数据对模型进行预热， 并以连续 2 年 计算公式如下：
土壤水分模拟结果平均值的差异小于 0. 1% 作为模 1 n 2
RMSE = ∑ [sim( ) i - obs( ) i ] （1）
型达到平衡状态的判定标准（Cai et al， 2014）。在 N i = 1
默认参数化方案组合土壤水分模拟试验的基础上， 式中： N 为全部样本数； sim 为土壤液态水的模拟
对 Noah-MP 模型主要物理过程的全部参数化方案 值； obs为土壤液态水的观测值。