Page 215 - 《高原气象》2025年第3期

3 期 黄克秀等：黑河上游高寒山区土壤水分模拟对Noah-MP模型参数化方案的敏感性评估 773
本文选用 Natural Selection 方法（Zhang et al， 化方案统计频率的差异， 可以确定土壤水分模拟结
2016； 尤元红等， 2019）来分析浅层土壤水分模拟 果对参数化方案的敏感性。
结果对参数化方案的敏感性。首先， 计算每一种组 3 结果与讨论
合方案的土壤水分模拟值与观测值之间的 RMSE
值， 并对 17280 个 RMSE 值进行升序排列。然后， 3. 1 土壤水分模拟结果

选取全部 RMSE 值的前 5%（即表现最佳的约 864 种 图2为Noah-MP模型默认参数化方案组合土壤
方案）和最后 5%（即表现最差的约 864种方案）进行 水分模拟结果与观测值的比较。图 2（a）表示为第
比较。显然， 前 5% 的组合方案模拟结果显著优于 一层土壤水分模拟结果与观测数据的比较。从图 2
最后 5% 的组合方案， 因此， 将前 5% 所有 RMSE 值 （a）中可以看出， 从 4 月开始， 第一层土壤水分急剧
对应的组合方案集合标记为“最优集合”， 将后 5% 上升， 反映出土壤从冬季的冻结状态逐渐融化。随
所有 RMSE 值对应的组合方案集合标记为“最差集 后， 土壤水分在较长时间内维持在相对稳定的水
合”。 随后， 分别在“最优集合”和“最差集合”中统 平， 直到 11月土壤水分骤然下降， 标志着土壤进入
计同一物理过程中不同参数化方案被选择的频率。 冻结期。在整个模拟时间段内， 土壤在 4 月开始融
显而易见， 特定参数化方案在“最优集合”中出现的 化， 土壤水分略有增加， 但显著上升却出现在 5
频率越高， 说明该参数化方案对提高土壤水分模拟 月， 这表明模型低估了春季土壤的融化速率， 使得
精度的作用越显著； 反之， 该参数化方案在“最差 模拟的土壤开始融化时间比真实观测要迟。10 月
集合”中出现的频率越高， 则说明该参数化方案对 土壤水分骤然下降， 表明模型能够模拟出阿柔站土
降低模型土壤水分模拟性能的作用越大。通过 Nat‐ 壤开始冻结且液态土壤水分急剧减少的现象。但
ural Selection 敏感性分析方法可评估特定物理过程 从图 2 中可以看出， 模拟的土壤水分开始下降时间
中不同参数化方案的选取对土壤水分模拟结果的 要明显早于真实观测。从总体的变化趋势来看， 土
影响， 同时依据在“最优集合”和“最差集合”中参数 壤水分模拟结果与观测数据在变化趋势上基本一

图2 土壤水分模拟结果与观测数据对比（默认参数化方案）
Fig. 2 Variation of soil moisture， observed and simulated， by default parameterization combination