Page 6 - 《高原气象》2026年第3期
P. 6
高 原 气 象 45 卷
614
义。陆面模式是气候模式的重要组成部分, 包含了 气象驱动数据不断产出, 如新开发的第三极地区长
积雪的热力学过程和动力学过程。在过去几十年 时 间 序 列 高 分 辨 率 地 面 气 象 要 素 驱 动 数 据 集 ,
中, 陆面模式在不断发展(Xue et al, 1991; Dai et (Third Pole Region Meteorological Forcing Dataset,
al, 2003)。然而, 陆面模式积雪模块在模式参数化 TPMFD)(Jiang et al, 2025)。TPMFD 数据集融合
方案、 参数和气象驱动数据方面仍存在不确定性。 了短期高分辨率WRF模拟, 时间覆盖范围更长, 精
首先, 积雪模块包括积雪覆盖率、 积雪反照 度更高, 可提供更精细的气象要素空间变化。然
率、 积雪密度等参数化方案。目前大多数参数化方 而, 更新后的气象驱动数据能否有效改善高原积雪
案都是经验性的, 但随着观测和卫星遥感数据的增 模拟性能需要进一步评估。
加, 积雪参数化方案在不断更新。Miao et al(2022) 为了探究不同气象驱动数据对青藏高原积雪
在积雪覆盖率参数化方案中引入了地形因子, 有效 模拟的影响, 本研究比较了两套气象驱动数据集
降低了冬季高原的积雪模拟偏差。Jennings et al CMFD 和 TPMFD 中气温和降水要素的差异, 并驱
(2018)发现结合温度和湿度因子有利于降水相态 动陆面模式SSiB3-SNICAR模拟高原积雪变化。
的划分。其次, 现有模式大多使用固定经验参数。 2 资料来源与方法介绍
例如, 积雪反照率作为积雪模拟的关键参数, 对地
表能量平衡具有关键反馈作用, 然而许多模式通常 2. 1 气象驱动数据
将积雪反照率设为一个固定值, 造成了显著的高原 主要使用了两套气象驱动数据集。中国区域
积雪模拟误差。研究指出, 考虑高原薄雪特性的积 地 面 气 象 要 素 驱 动 数 据 集(China Meteorological
雪反照率方案可以更好地模拟高原积雪的变化 Forcing Dataset, CMFD)是中国首个高时空分辨率
(Wang et al, 2020)。此外, 许多研究指出积雪覆盖 网格化的近地面气象驱动数据集(He et al, 2020)。
面积误差所引起的地表反照率误差是导致高原积 该数据集结合了普林斯顿驱动数据、 全球陆地数据
雪模拟“冷偏差”的重要因素(Chen et al, 2017; Lal‐ 同化系统(GLDAS)数据、 地表辐射预算(GEWEX-
ande et al, 2021)。以积雪反照率和积雪覆盖率误 SRB)方法的辐射数据以及中国气象局(CMA)台站
差为例, 积雪参数或参数化方案的模拟误差, 通过 数据。该数据集包含7个气象要素: 2 m气温、 地面
积雪反照率正反馈效应, 影响地表反照率和能量平 气压、 比湿、 10 m 风速、 向下短波辐射、 向下长波
衡过程, 并进一步造成更显著的积雪模拟误差。最 辐 射 和 降 水 速 率 , 覆 盖 整 个 中 国 区 域(15° N -
后, 积雪模拟对气象驱动数据的质量也非常敏感, 55°N, 70°E -140°E), 空间分辨率为 0. 1°×0. 1°, 时
特别是降水、 温度和辐射数据。Zhang et al(2021) 间分辨率为3 h。
发现利用不同再分析数据模拟的中国地区雪深变 与现有的再分析数据集相比, TPMFD 能更准
化存在较大差异, 并显示出显著的不确定性。He 确地描述在第三极地区的复杂地形降水。该数据
et al(2019)利用对流允许的 WRF 模拟降水数据作 集整合了 ERA5-CNN 的高分辨率模拟降水数据和
为模式输入, 相比其他高分辨率数据集显著改进了 9000多个雨量计的观测数据, 有效提高了高原降水
高原积雪模拟。 数据质量。ERA5-CNN 来源于短期 WRF 模拟和长
在现行的陆面模式驱动数据集中, 中国区域地 期ERA5再分析产品。TPMFD数据集包含与CMFD
面气象要素驱动数据集(CMFD)是国内第一个高分 数据集相同的气象要素。该数据集覆盖部分中国区
辨率气象驱动数据集(He et al, 2020), 整合了站点 域范围(25. 73°N -41. 37°N, 61. 03°E -105. 67°E),
观测数据、 再分析数据集和遥感产品。CMFD 由于 原始空间分辨率为 1/30°×1/30°, 时间间隔为 1 h。
其广泛的时间覆盖、 稳定性和连续性, 已被广泛应 在本研究中, 将 TPMFD 数据整合到与 CMFD 一致
用于陆面过程模拟。许多研究表明, 与其他数据集 的时空分辨率上进行模拟, 并且两套数据的研究区
相比, CMFD 可有效减少平均地表气温的偏差, 改 域均为青藏高原区域(25°N -40°N, 75°E -105°E)。
进积雪模拟, 并在植被和冻土模拟方面具有显著优 2. 2 验证数据
势(He et al, 2020; Kang et al, 2022)。尽管如此, 本研究使用中国气象局(CMA)在青藏高原区
CMFD 数据集仍存在一些局限性, 如低估了气温以 域布设的 102个气象台站获取的雪深观测资料进行
及高海拔地区复杂地形的冷季降水量等(Xie et al, 验证分析(除多等, 2018)。所采用的青藏高原台站
2017; Sun et al, 2023)。随着观测数据的丰富、 同 雪深数据集在原始气象观测基础上进行了质量控
化技术的进步以及卫星遥感数据的集成, 更精确的 制和数据筛选。由于部分站点在观测初期存在数

