Page 7 - 《高原气象》2026年第3期
P. 7

3 期                      胡馨匀等:不同气象驱动数据对青藏高原积雪模拟的影响                                         615
               据连续性不足的问题, 为此本研究选定 2010 -2013                     2. 3 模型描述
               水文年这一具有完整观测记录的时段进行模拟验                                 陆面模式 SSiB3-SNICAR(Oaida et al, 2015)是
               证。从空间分布特征(图 1)来看, 这些台站主要集                         基于第 3 版简化生物圈模式(Simplified Simple Bio‐
               中分布于高原东部及东南部区域, 而西部羌塘高原                           sphere Model version 3, SSiB3)进一步耦合了积雪
               腹地台站分布稀疏。                                         反照率模块 SNICAR(Snow Ice and Aerosol Radia‐
                   本文所有涉及的地图是基于中华人民共和国                           tive Flanner and Zender, 2005)所形成的。SSiB3 模
               自然资源部地图技术审查中心标准地图服务系统                             式 耦 合 了 SAST(Snow-Atmosphere-Soil  Transfer
               下载的审图号为 GS(2016)1609 号的中国地图制                      model)积雪模块(Sun et al, 1999), 区分了积雪和土
               作, 底图无修改。                                         壤的热力学过程, 并包含了很多积雪过程(积雪压
                                                                 实、 热传导、 雪粒增长和融雪等)。引入的 SNICAR
                                                                 侧重考虑积雪粒径变化和雪中气溶胶对积雪辐射
                                                                 过程的影响, 提升了 SSiB3 的反照率模拟精度。模
                                                                 式使用的是 SSiB3 原始的积雪覆盖率方案(Sun and
                                                                 Xue, 2001), 并选择 Anderson(1976)提出的动态新
                                                                 降雪密度方案, 仅考虑近地面气温对新降雪的影
                                                                 响。模式中的降水相态划分方案将 0 ℃作为划分降
                                                                 水相态的固定阈值, 将低于此阈值的降水识别为固
                                                                 态降水(降雪), 其余为液态降水(降雨)。
                                                                     在本研究中, 设计了两组试验(CMFD 试验和
               图1 青藏高原海拔(单位: m)及中国气象局站点(圆点)分布
                  Fig. 1 Altitude (unit: m) and distribution of China   TPMFD 试验), 分别使用两套不同气象驱动数据集
                    Meteorological Administration (CMA) stations   驱动 SSiB3-SNICAR模式对高原积雪进行 0. 1°离线
                       (dots) over the Qinghai-Xizang Plateau    模拟, 模拟时长为 2010 年 9 月 1 日至 2015 年 8 月 31
                                                                 日(使用 2009 年 9 月 1 日至 2010 年 8 月 31 日作为
                   本研究使用了 2010-2015 水文年(即 2010 年 9
                                                                 spin-up)。
               月 1 日至 2015 年 8 月 31 日)雪季期间(9 月 1 日至次
                                                                 2. 4 积雪物候的定义
               年 5 月 31 日)青藏高原逐日无云 MODIS 积雪面积
                                                                     计算水文年(9 月 1 日至次年 8 月 31 日)的积雪
               比例数据集(Tang et al, 2013)与 0. 05°全球月平均
                                                                 物候时, 选择固定的积雪覆盖率阈值(50%)将网格
               地表温度数据(Chen et al, 2014)来验证模拟的积雪
                                                                 划分为有雪或无雪。该阈值常被广泛用于判定积
               覆盖率与地表温度。该积雪覆盖率数据是在 MO‐
                                                                 雪开始和消融结束的关键节点, 并且相对其他阈值
               DIS 逐日积雪产品 MOD10A1 的基础上, 使用基于
                                                                 对于山区积雪研究具有较高的性能(Notarnicola,
               三次样条函数插值的去云算法获得, 并采用横轴等
                                                                 2022)。积雪持续时间(snow cover days, SCD)被定
               角割圆柱投影方式。在本研究中, 原始的 500 m 数
                                                                 义为在整个水文年中被划分为有雪的总天数, 积雪
               据集被插值到 0. 1°。此外, MODIS 地表温度数据
                                                                 开始时间(snow cover onset date, SCOD)是水文年
               凭借其较好的时空连续性, 可有效缓解高原地面观
                                                                 中第一个连续积雪天数超过 5 天的第 1 天, 而积雪
               测站点稀疏导致的数据局限性, 且已被广泛用于高                           结束时间(snow cover end date, SCED)则是最后一
               原地表温度研究中。                                         个连续积雪天数超过 5 天的最后 1 天(Chen et al,
                   同时还使用了全球陆地表面卫星数据集(Glob‐                       2015)。使用 5 天的阈值可以减少高原瞬时积雪与
               al Land Surface Satellite, GLASS)地表短波反照率          遥感误差的影响, 提升积雪物候识别的稳定性
               产品(Liang et al, 2020)来评估模拟的地表反照率                 (Peng et al, 2013)。
               结果。GLASS 地表反照率产品的空间范围为全球
               陆 地 表 面 ,  时 间 分 辨 率 为 8 天 。 本 研 究 选 用            3  结果分析
               GLASS02B06, 并制成月平均数据用以研究。前人                       3. 1 不同气象驱动数据集的对比
               研究指出, GLASS 地表反照率产品相比 MODIS 地                         气象驱动数据通过调节气象要素影响降雪和
               表反照率产品在青藏高原地区表现出更好的空间                             融雪过程, 对积雪模拟产生影响。其中最直接、 最
               连续性和反演质量(陈爱军等, 2020)。                             重要的影响要素则是输入的降水和温度。
   2   3   4   5   6   7   8   9   10   11   12