Page 216 - 《高原气象》2025年第3期
P. 216

高     原      气     象                                 44 卷
              774
             致， 都呈现出融化期增长、 冻结期下降的周期性规
             律， 符合阿柔站季节性冻土的变化规律。然而， 土
             壤水分模拟结果与观测相比整体上呈明显的低估，
             且模拟的土壤融冻时间要明显短于真实观测。同
             样地， 图 2（b）显示第二层土壤水分模拟结果的总体
             趋势与实测值相近， 但也存在明显的低估且土壤融

             冻时间短于真实观测， 这是由于模型对土壤冻融过
             程的表征与真实情况存在差异所导致。总的来说，
             Noah-MP 模型默认参数化方案组合模拟出的第一
             层和第二层土壤水分结果较为准确， 说明在阿柔站
             使用 Noah-MP 模型进行浅层土壤水分模拟是可
                                                                 图3 土壤水分集合模拟试验中同一物理过程的不同参数
             行的。
                                                                    化方案在“最优集合”（0~1）和“最差集合”（-1~0）
                  图 2（c）和（d）分别表示第三层和第四层土壤水                                       中的选择频率
             分模拟结果与观测数据的比较。从图 2（c）和（d）中                          Fig. 3 Frequency of selection of different parameterization
             可以看出， 模拟的土壤水分在夏季骤增、 冬季骤                            schemes for the same physical process in the "set of excellent
             减， 显示出冻融过程对土壤水分的影响。然而， 实                             schemes" （0~1） and "set of poor schemes" （-1~0） in the
             际观测值却一直保持平稳状态， 且土壤水分含量较                                  soil moisture ensemble simulation experiment
             低。相比于第一层和第二层土壤水分， Noah-MP模                         现的频率更高一些， 更有可能产生较好的土壤水分
             型默认参数化方案组合模拟出的深层土壤水分结                              模拟结果； 然而， 在“最差集合”中 SFC（2）的频率同
             果精度较差， 模型的模拟性能有待改进。模拟的深                            样高于 SFC（1）， 即与 SFC（1）相比较， SFC（2）更有
             层土壤水分的显著季节性波动可能是由于模型对                              可能产生较差的土壤水分模拟结果。在“最优集
             地下水补给机制的处理不充分， 或者在参数设置中                            合”和“最差集合”中参数化方案 SFC（1）和 SFC（2）
             未能准确反映土壤冻融循环的复杂性。这些结果                              出现的频率差异并不显著， 难以确定两种参数化方
             表明， 需要对 Noah-MP 模型进行进一步的调整， 以                      案中的哪一种更具优势， 变换选择这两种参数化方
             提高深层土壤水分模拟的精度。                                     案并不能导致浅层土壤水分模拟结果出现较大的
             3. 2 敏感性分析                                         差异。因此， 土壤水分模拟结果对物理过程 SFC不
                  根据浅层土壤水分多参数化方案集合模拟结                           敏感。
             果， 进行不同参数化方案的敏感性分析。图 3 为同                              从图 3 中还可以看出， 类似于物理过程 SFC 参
             一物理过程中不同参数化方案在“最优集合”（0~1）                          数化方案出现的频率， 控制气孔阻力的土壤湿度因
             和“最差集合”（-1~0）中被选择的频率。以表层拖                          子（Soil moisture factor for stomatal resistance & ET，
             拽系数（Surface layer drag coefficient， SFC）为例，        BTR），  植 被 冠 层 辐 射 传 输（Radiation  transfer，

             图 3 显示“最优集合”中 SFC（1）（即 M-O）方案出现                    RAD），  雪 表 层 反 照 率（Snow  surface  albedo，
             的 频 率 为 0. 41，  SFC（2）［ 即 Original  Noah           ALB）， 土壤温度下边界条件（Lower boundary con‐
             （Chen97）］方案出现的频率为 0. 59， 即表明在“最                    dition of soil temperature， TBOT）和地表对蒸发或
             优集合”中有 41% 的组合方案在针对 SFC 物理过程                       升华的阻抗（Ground resistent to evaporation/sublima‐
             的参数化方案上选择了 SFC（1）方案， 59% 的组合                       tion， GRE）五个物理过程的参数化方案在“最优集
             方案选择了 SFC（2）参数化方案。同时， “最差集                         合”和“最差集合”中的频率差异并不显著， 即表明
             合”中参数化方案 SFC（1）被选择的频率为 0. 36， 参                    浅层土壤水分的模拟结果对上述物理过程并不
             数化方案 SFC（2）被选择的频率为 0. 64， 即表明在                     敏感。
            “最差集合”中有 36% 的组合方案在针对 SFC 物理                            然 而 ， 第 一 层 积 雪 或 土 壤 温 度 的 时 间 方 案
             过程的参数化方案上选择了 SFC（1）方案， 64% 的                      （The  first-layer  snow  or  soil  temperature  time
             组合方案选择了 SFC（2）方案。以上结果表明， 参                         scheme， TEMP）， 冻结土壤中过冷液态水（Super‐
             数化方案 SFC（2）相比较 SFC（1）在“最优集合”中出                     cooled liquid water in frozen soil， FRZ）， 雨雪分离
   211   212   213   214   215   216   217   218   219   220   221