1 引言

青藏高原是全球气候变化的敏感区，其动力和热力作用对大气环流、气候变化和灾害性天气形成发展有十分重要的影响（卞林根等，2001），而且高原上能量和水分循环对亚洲季风的形成与演化也具有十分重要的作用，所以加深对青藏高原陆面过程的了解，是改善大气环流模式对亚洲季风以及全球天气和气候预报效果的关键（王介民，1999）。其中土壤温度、湿度是检验陆面过程的重要指标，而土壤温湿等理化性质及模式模拟的水分循环和热通量等都与土壤质地有关（赵勇和钱永普，2007；梁晓和戴永久，2008）。近年来我国的陆面过程研究水平不断提高，但是在高原地区的模拟仍存在着一些问题：Yang et al.（2009）通过对比简单生物圈模式SiB2、通用陆面模式CoLM、Noah三个陆面模式在高原中东部高寒草甸的模拟，发现三个模式均低估了表层土壤水分；罗斯琼等（2008）利用陆面模式CoLM在青藏高原中部Bujiao（BJ）站进行单点数值模拟试验，指出在模式中没有考虑砾石对青藏高原土壤水热性质的影响, 这是模拟存在偏差的一个原因。除此之外，其他研究（刘少锋和林朝晖，2005；王澄海和师锐，2007）也指出陆面模式在高原地区的模拟有待进一步改进。

青藏高原地区较于同纬度地区温度偏低，有机质分解慢，从而导致土壤表层根系发达、有机质累积，在平均深度为72 cm的土层中积累了38.4×10⁹ t的有机碳，约占全国土壤总碳库的21%（方精云等，1996）；而面积为1.60×10⁸ hm²的草地生态系统，其土壤有机碳储量达到33.5×10⁹ t，其中，以高原草甸土和高原草原土有机碳积累量为主（王根绪等，2002）。土壤有机质的水热传输特性与矿物质相比有很大的区别。有机质能够改变土壤水分常数、水分特征曲线、饱和导水率等土壤水动力学参数，提高土壤的有效持水量（单秀芝等，1998），从而增强土壤吸热的能力，提高土壤温度（Lawrence and Slater，2008）。目前已有众多学者考虑有机质对土壤水热特性带来的变化，例如Letts et al.（2000）和Beringer et al.（2001）在加拿大和美国阿拉斯加州冻土地带估算了纯泥炭的影响，但是并没有考虑矿物质对土壤特性的作用；Lawrence and Slater（2008）在Farouki （1981）参数化方案的基础上将矿物质和有机质进行了权重分配，但是土壤热参数化方案的适用性并没有经过严格的验证；Chen et al.（2012）通过34个站点的77个土壤样品分析了土壤有机碳对土壤孔隙度、热传输参数等的影 响，进而提出了新的土壤热参数化方案并进行了验证，但是并没有考虑有机质对水传输特性的作用以及该参数化方案在模式中的适用性。

在高原的局部地区不仅含有较高的有机质，而且砾石含量也较高。砾石是指粒径大于2 mm，相对独立、不易破碎的矿物质颗粒（Miller and Guthrie，1984）。青藏高原土壤砂土含量较大,粘、壤土含量较少，局部地方石块和砾石含量较多；从表层向下，随着土壤深度增加, 土质越粗砾石越多（罗斯琼等，2008）。土壤中砾石的存在不仅会影响温度等物理特性（Mehuys et al.，1975），并且对土壤的孔隙度、导热率、含水量和入渗特性存在影响（Hanson and Blevins，1979；Box，1981；Cerdà，2001）。目前在CoLM模式的土壤分析中并没有考虑有机质和砾石的影响，但它们的存在对青藏高原土壤的水热性质的作用不能够忽视，因此，本文将改进的参数化方案引入该模式中，选取高原上不同类型下垫面的站点观测资料，进行单点数值模拟试验，考察新参数化方案对改进陆面模式CoLM在高原地区的模拟能力有何效果。

2 资料选取

本文选取中国科学院藏东南高山环境综合观测研究站（简称藏东南站）和纳木错多圈层综合观测研究站（简称纳木错站）为研究对象。藏东南站（29°46′N，94°44′E）位于西藏自治区林芝县鲁朗镇北6km左右的鲁朗河谷，海拔高度3327m，属于高山草地；纳木错站（30°46′N，90°59′E）位于当雄县纳木错乡纳木错湖东南岸，海拔高度4730m，下垫面为高寒草甸。目前两个站都建立了大气边界层塔站观测系统和大气湍流观测系统，其中藏东南站的土壤温度和湿度观测垂直分为4cm、10cm、20cm、60cm和100cm五层，而纳木错站的土壤观测垂直分为10cm、20cm、40cm、80cm和160cm五层。分别选取2008年和2009年夏季6月1日至8月31日三个月的观测资料，并根据模式输入的需要，整理出时间步长为30分钟的向下长波辐射、向下短波辐射、降水速率、温度、u风速、v风速、气压、比湿共八项气象要素，对于缺测资料我们采取线性插值方法补齐。模式各层土壤温度、湿度初值根据实测结果在垂直方向线性插值得到，而模式结果则线性插值到相应观测所在层析以便于比较。

表 1列出了两个站点土壤成分的观测值，其中砂粒和粘粒百分比是指在细土颗粒（粒径小于2 mm）中所占的比例，有机碳和砾石百分比是在整个土壤中的比例。从表中我们可以看出藏东南站浅层20 cm及以上的土层有机碳含量（m_soc）明显高于中层，浅层砾石含量极少；而纳木错站有机碳含量低于藏东南站，砾石含量越往下层越多。因为泥炭的容重较矿物质的小很多，所以，Chen et al. （2012）采用有机碳的体积百分比（V_soc），这样能够突出土壤有机质的比重，并且通过有机碳的体积百分比来计算砾石的体积百分比：

表 1(Table 1)

表 1 两个观测站的土壤成分 Table 1 The composition of soil at two stations

表 1 两个观测站的土壤成分 Table 1 The composition of soil at two stations

3 参数化方案 3.1 CoLM模式及其参数化方案

CoLM模式是Dai et al（2003，2004）发展的新一代通用陆面过程模式，它考虑了陆面的生态、水文等过程，对土壤—植被—积雪—大气之间的能量与水分的传输进行了较好的描述。CoLM包括1层植被、10层土壤（距离表面0.007、0.028、0.062、0.119、0.212、0.366、0.620、1.038、1.728和2.865m），地面若有积雪，依据雪盖厚度分层，最多分为5层，下垫面类型采用的是25类USGS植被覆盖、17类土壤质地和8种土壤颜色。模式中的土壤热传导率参数化方案来自于Farouki（1981），导水率及土壤水势参数化方案来自Clapp and Hornberger （1978）以及Cosby et al.（1984）。

在矿物质土壤中，饱和土壤基质热传导率λ_s,m（单位：W m^–1 K^–1）表示为

模式中对于土壤水力学性质的描述采用的是Clapp and Hornberger（1978）的参数化方案。在矿物质土壤中，土壤饱和导水率k_{sat, m}、饱和基质势Ψ_sat,m以及Clapp-Hornberger指数b_m的表达式分别为

从以上公式我们可以看出，CoLM模式中的参数化方案都是关于矿物质土壤的函数，并没有考虑有机碳和砾石对土壤的影响。由于观测区域不仅土壤有机碳含量较高，而且砾石含量也较高，尤其是往土壤下层越高（例如表 1纳木错站），所以不能够忽略其作用。

3.2 新参数化方案

土壤孔隙度θ_sat是土壤的主要物理特征之一，对很多自然物理过程都有影响，如径流、土壤渗水容量、土壤持水量等，因此孔隙度计算的准确与否直接关系到模式的模拟效果。在土壤中，砾石的体积百分比对土壤有效含水量通常有负面的影响(Hanson and Blevins，1979)，其饱和含水量最低可以近似看为零（Poesen and Lavee，1994）。所以 在计算土壤饱和含水量θ_sat时，可以看作砾石部分含水量为零，只有细土颗粒和有机质部分能够持水：

3.2.1 土壤热参数化方案

Chen et al.（2012）提出了一个新的热参数化方案，该方案综合了Farouki（1981）、Johansen（1975）和Yang et al.（2005）的土壤热参数化方案，比模式中Farouki（1981）方案计算的土壤热传导率小，能够较好地描述土壤热参数性质，所以我们在该方案的基础上稍作改进。同时因为砾石的导热率同砂粒相似，我们采用简单的方式考虑砾石的作用，即增大砂粒的含量而减少粘土的含量：

Kensten数用指数形式表示，避免了负值的出现：

对于λ_s、λ_dry、C_s、K_e的计算，本文采用Chen et al.（2012）的参数化方案，其中λ_soc=0.25 W m^–1 K^–1是泥炭热传导率；λ_q和λ _o为石英热传导率和其他物质热传导率；分别等于7.7 W m^–1 K^–1和2.0 W m^–1 K^–1；q=0.5V_sand-new为土壤中石英含量；λ_{dry, sc}=0.05 W m^–1 K^–1是泥炭的干土壤热传导率；C_{s, sc}=2.5×10⁶ W m^–1 K^–1是泥炭热容量（Lawrence and Slater，2008，表 1）。

3.2.2 土壤水参数化方案

在泥炭土的参数中饱和导水率具有较大的变化性，对于纤维、半分解和高分解泥炭土，其饱和导水率至少相差一个量级（Lawrence and Slater，2008）。Lawrence and Slater，2008发展了一个新的水传输参数化方案，采用的是土壤有机碳的密度百分比，考虑到有机碳的密度较小，本文采用体积百分比以突出土壤有机碳的作用。而土壤中砾石的存在对导水率和对入渗规律的影响较为复杂，目前尚未有人研究砾石土/砾质土的非饱和导水率（符素华，2005；李燕等，2006），因此我们仍采用简单的方式考虑砾石的作用（公式12、13），土壤饱和导水率可以表示为

关于泥炭水水分参数的选取，Letts et al.（2000）总结了很多文献中提出的值，并将其分为低分解、半分解和完全分解三种泥炭。在青藏高原藏东南地区其植被覆盖度较高，降雨较多，温度较高，有机质分解相较于纳木错地区分解度更高，所以我们选择了一个较小的值k_{sat, sc}=1.0×10^–1mms–1，而纳木错地区海拔相对较高，植被覆盖较为稀疏，有机质分解较为缓慢，因此我们选择低分解泥炭的一个中值k_{sat, sc}=2.8×10^–1mms–1，对于不同的观测站，我们选取的Ψ_{sat, sc}和b_sc也不一样，具体见表 2。

表 2(Table 2)

表 2 两个观测站在水参数化方案中的数值确定 Table 2 The values of hydraulic parametrization over two stations 地点 ksat, sc/mm s–1 Ψsat, sc/mm bsc 藏东南站 1.0×10–1 10.2 6.1 纳木错站 2.8×10–1 10.1 2.7

表 2 两个观测站在水参数化方案中的数值确定 Table 2 The values of hydraulic parametrization over two stations

另外，许多陆面模式因为没有考虑土壤内部水分向地表迁移的阻抗，在土壤湿度较小的地区高估了土壤表面的蒸发（Kondo et al., 1990），CoLM也不例外。地表蒸发阻抗是表面蒸发以及上层土壤含水量计算的一个重要参数，缺乏该参数将造成模拟的潜热通量变化剧烈（Yang et al., 2009），所以我们在CoLM方案的基础上增加地表蒸发阻抗并采用SSiB中的计算方法（孙菽芬，2005），增加部分如下：

我们将新参数化方案计算的孔隙度和导热率同观测值和原参数化方案进行对比。从表 3中可以看出在藏东南站原方案对孔隙度的计算值偏小，平均偏低11.24%，新方案的计算更接近观测值，浅层土壤10 cm和20 cm比观测值平均高出6.5%，30 cm和40 cm平均偏低8.38%；纳木错站对孔隙度的计算原方案平均偏低2%，新方案平均偏高0.49%，更接近实测值。

表 3(Table 3)

表 3 土壤孔隙度的观测值与新、旧方案计算结果的对比 Table 3 Comparison of soil porositiescalculated from new, old parameterizations and observations 深度/cm 藏东南站 纳木错站 观测值 旧方案 新方案 观测值 旧方案 新方案 10 54.91% 42.10% 62.61% 44.80% 37.27% 45.69% 20 52.75% 43.07% 58.13% 38.38% 36.27% 39.50% 30 52.49% 40.58% 44.00% 35.45% 37.09% 35.40% 40 51.70% 41.15% 43.43%

表 3 土壤孔隙度的观测值与新、旧方案计算结果的对比 Table 3 Comparison of soil porositiescalculated from new, old parameterizations and observations

另外，由于只有土壤热传导率的观测值，所以通过计算干土壤热传导率λ_dry和饱和基质土壤热传导率λ_s，我们可以得到土壤热传导率λ的计算结果。图 1给出了两个观测站土壤热传导率新旧参数化方案的计算值与观测值的对比。从图中可以看出新方案比旧方案更接近实测值：藏东南站土壤含水量θ_liq在0.2～0.5之间，土壤热传导率的平均值为0.629 W m^–1 K^–1，新方案由于考虑土壤有机质的低导热性，计算均值为0.594 W m^–1 K^–1，比原方案减小许多，更接近观测值。纳木错站土壤含水量θ_liq较低，在我们的观测时间内大多数含水量在0.1左右甚至更低，在含水量小于0.1时，计算的热传导率平均值为0.241 W m^–1 K^–1，比观测值高出0.043 W m^–1 K^–1；当θ_liq大于0.1，新方案计算的平均值比观测值高0.356 W m^–1 K^–1，但相较于与原方案更接近观测值（图 1b）

图 1

Fig. 1

图 1 两个观测站的土壤热传导率对比：（a）藏东南站；（b）纳木错站 Fig. 1 Comparison between soil thermal conductivities at two stations: (a) Southeast Tibet station; (b) Namco station

3.3 试验设计

本文主要针对模式中的土壤水、热参数化方案以及地表蒸发阻抗三方面进行了优化。由于本文改进了土壤孔隙度参数化方案，而孔隙度的大小直接影响土壤水热的传输，所以本文在孔隙度参数化方案的基础上逐步改进，首先考虑土壤热参数化方案的引进对模式的影响，并设计了敏感性试验1（test1）；然后又引入了新的水传输参数，作为敏感性试验2（test2）；最后综合考虑三者的共同作用（test3）。本文共进行了四组试验（详见表 4），其中控制试验CTL（ConTroL）是用原模式进行的数值模拟。

表 4(Table 4)

表 4 试验设计 Table 4 Design of experiments 模拟试验 新热参数化方案 新水参数化方案 地表蒸发阻抗 CTL No No No test1 Yes No No test2 Yes Yes No test3 Yes Yes Yes

表 4 试验设计 Table 4 Design of experiments

4 新参数化方案在数值模式中的应用

我们将新的参数化方案用于CoLM陆面模式中，利用观测资料来驱动原始和修改后的模式，对藏东南站和纳木错站进行单点数值模拟试验。其中藏东南植被覆盖度取为0.6，纳木错站为0.25（由观测者给出的经验值）。

4.1 土壤湿度的模拟

土壤湿度作为表征土壤水分状况的重要参量，是陆气相互作用中的一个重要物理参量，能够改变土壤表面的反照率、热容量和植被生长状况等（马柱国等，2001；林朝晖等，2001）。对土壤湿度空间分布和时间变化的准确模拟有助于了解大尺度能量和水分交换过程，改善季节到年际时间尺度的气候和降水预报（Koster et al.，2004）。

图 2给出了藏东南观测站日平均降水率和各层土壤含水量的对比。从图中可以看出，每组试验均能模拟出土壤含水量的变化趋势，并且土壤水分的跳跃性增大和降水事件能够较好地对应，只是原模式（CTL）模拟偏干，随着参数化方案的逐步优化，模式对于土壤湿度的模拟有明显改善：（1）在优化土壤热参数化方案后（test1试验），20cm以上土壤含水量的模拟有所改善，但是在降雨事件发生后，含水量快速下降，这主要是新方案孔隙度计算值较大（见表 3），而土壤的持水能力不够。（2）在试验1的基础上优化水参数化方案后（test2试验），模拟结果更加接近实测值，主要的改进在于降水过后含水量下降趋势减缓，这是由于藏东南站20cm往上的浅层土壤有机质含量较大（表 1），持水性更好。（3）在综合考虑了土壤水、热参数化方案以及地表蒸发阻抗后（test3），模式在4cm和10cm的平均偏差分别减小了0.14，0.13，五层的平均偏差由0.106减小到0.04，更接近实测值，因为加入地表蒸发阻抗而减少了表面蒸发，使得土壤含水量增加，但是较实测值仍然偏小（表 5）；60cm以下的模拟稍微偏低，可能是因为我们假设40cm以下土壤有机质含量为零，导致下层孔隙度和持水能力偏低。60cm土壤水分观测值不连续，可能观测本身也存在问题，需要慎重对待。总的来说，三组试验相对于原方案对20cm以上土壤含水量的模拟是逐步改进的。

图 2

Fig. 2

图 2 藏东南观测站日平均（a）降水率和（b–f）各层土壤含水量变化 Fig. 2 The daily average values of (a) precipitation rate and (b–f) soil moisture at different depth at Southeast Tibet station

表 5(Table 5)

表 5 两个观测站土壤各层含水量的模拟值与观测值平均偏差 Table 5 Comparison of bias between observation and simulation of soil moisture over two stations

表 5 两个观测站土壤各层含水量的模拟值与观测值平均偏差 Table 5 Comparison of bias between observation and simulation of soil moisture over two stations

对于纳木错站的模拟却不如藏东南站，从图 3中我们可以看到，随着新方案的逐步优化，模式对土壤含水量的模拟并非都有所改进：（1）试验1对含水量的模拟明显偏高，这主要是因为新方案计算的孔隙度相较于原方案虽然更接近实测值，但是略微偏高，在这种误差的累积下，使得含水量模拟较高。（2）在改进土壤水传输参数后（test2），对于10cm和160cm土壤含水量的模拟相较于原模式（CTL）略有增大，对其他土壤层湿度的模拟更接近观测值，平均偏差约减小0.01。（3）增大地表蒸发阻抗以后（test3）相较于试验2没有显著改进，相较于原模式浅层20cm以上土壤湿度的模拟偏差略微增大。可能是模式中加入了地表蒸发阻抗以后，地表蒸发减小，也可能是对于表层土壤水分入渗考虑较为简单，高估了土壤的持水能力，以致对土壤湿度模拟偏大。总的来讲，新的参数化方案更适用于像藏东南站有机质含量较高的地区。

图 3

Fig. 3

图 3 同图 2，但为纳木错站 Fig. 3 The same as Fig. 3, but for Namco station

4.2 土壤温度的模拟

土壤温度尤其是地表温度是检验陆面过程模式模拟性能的重要指标，因为一个陆面过程模式中土壤温度计算的准确性关系到陆面与大气之间的能量和物质交换（周锁铨等，2004）；土壤温度异常会影响地表能量平衡，进而影响大气环流（Luo et al.，2009）。目前，已有许多研究指出土壤温度的变化对气候产生的重要影响（王万秋，1991；Zheng et al.，2002；Zhang et al.，2005；房云龙等，2010）。因此，正确模拟土壤温度是陆面过程模式数值模拟过程的一个重要环节。

图 4a给出了藏东南观测站各层土壤温度的观测值和模拟值的日平均变化情况。原模式模拟上层偏暖，尤其是7月中旬和8月中旬的两个少雨时段，10cm以下的中下层则偏冷。试验1模拟的表层略偏暖，其他各层都略微偏冷。改进了水参数化方案之后，test2试验模拟的温度变化趋势要平缓一些，这主要是因为含水量模拟增大，使得土壤热容增大。试验1和试验2模拟的土壤内部10cm及以下的温度模拟相较于原模式偏小，主要是因为新的热参数化方案计算的导热率较小（见图 1a）。test3的模拟结果最接近观测值，虽然试验3对地表温度的模拟偏高，平均偏高2.7°C，但是中层的温度模拟有不同程度的改进，相较于原模式模拟结果与观测的偏差，中层10cm、20cm的平均偏差分别减少0.5°C、0.3°C，下层60cm、100cm的平均偏差则分别增大0.1°C和0.3°C（表 6）。相对而言，那木错站各层的温度模拟都比观测值偏低，尤其是10cm至40cm的中层土壤温度显著偏低（图 4b），这与该站土壤水分模拟偏高导致各层土壤热容偏大有关（图 3）。对整个模拟时间段求平均，试验1相较于原模式的模拟结果冷偏差增大，与考虑土壤有机质使得表层能量向下传播受阻相一致。test2试验比CTL和test1试验对20cm以上各层温度的模拟有所改进，test3试验模拟的40cm以上各层温度都比CTL有所改进（表 6）。

图 4

Fig. 4

图 4 两个观测站日平均各层土壤温度变化：（a）藏东南站；（b）纳木错站 Fig. 4 The daily average values of soil temperature at different depthat two stations: (a) Southeast Tibet station; (b) Namco station

表 6(Table 6)

表 6 两个观测站土壤各层温度的模拟值与观测值平均偏差 Table 6 Comparison of bias between observation and simulation of soil temperature over two stations

表 6 两个观测站土壤各层温度的模拟值与观测值平均偏差 Table 6 Comparison of bias between observation and simulation of soil temperature over two stations

从前面分析可知，综合考虑三种因素的test3试验结果较好，下面分析该方案与原方案模拟的土壤温度剖面。图 5是藏东南站日平均土壤温度的时间—深度剖面图。藏东南站表面土壤温度较低，最高温度位于10cm深度附近，温度波动随着季节向下传播的特征明显，表层的多个低温时间段都与图 2所示的降水过程对应。原方案（CTL）模拟的土壤温度偏差主要表现在表层偏暖，7月7日前后以及8月上旬少雨时段的暖偏差可传至20cm甚至更深，由10cm处暖中心向上、向下的热传导导致该层附近在大多数时段偏冷（图 5b）。在采用新方案后（test3），由于土壤导热率减小，从10cm处暖中心向上、向下的热传导减弱，该层的冷偏差因而减弱，而上述两个少雨时段表层的暖偏差及其向下传播的深度都减弱（图 5c）。从图 5b和c中可以看出，新旧方案对于表层温度模拟的暖偏差较大，除了模式中表面通量的计算误差以外，也可能是因为观测站点植被覆盖的影响导致土壤表层温度的观测值偏低。

图 5

Fig. 5

图 5 藏东南站日平均土壤温度的时间—深度剖面：（a）观测值；（b）CTL模拟值与观测值的差值；（c）test3模拟值与观测值的差值 Fig. 5 The time–depth crosssections of daily mean soil temperature at Southeast Tibet station: (a) Observation; (b) differences between CTL and observation; (c) differences between expttest3 and observation

图 6给出了纳木错站土壤温度的时间—深度剖面图。纳木错站植被稀疏，表层土壤温度最高，在初夏少雨时期，偶然的降水事件导致表层土壤温度降低，比如6月下旬、7月中旬（图 6a）。原方案（CTL）对于纳木错站土壤温度的模拟偏差表现为120cm以上偏冷，可能原因是土壤湿度模拟偏高而导致的土壤热容偏大，深层略微偏暖（图 6b）。而采用新方案后（test3），由于孔隙度的计算较原方案更接近实测值（见表 3），而且有机质的热传导率较低，以致计算得到的土壤热传导率较低，从图 6c中可以看出试验3模拟的冷偏差略有加大。但是在降水较多的8月份，因为试验3减少了表面蒸发而提高了表层温度，所以下层土壤温度模拟的冷偏差有较明显的改进。当然，新参数化方案仍存在一些问题，土壤内部温度模拟没有明显改善，需要进一步研究。

图 6

Fig. 6

图 6 同图 5，但为纳木错站 Fig.6 The same as Fig.5, but for Namco station

4.3 能量通量的模拟

图 7给出了藏东南站净辐射（向下的短波辐射与长波辐射之和减去向上的短波辐射与长波辐射之和）、感热通量和潜热通量的日平均值变化。从图中可以看出，在该站夏季的表面能量收支中，潜热通量起主要作用。随着方案改进程度的逐步递进，各个能量通量的模拟也更加接近观测值：对于净辐射的模拟，各个试验模拟结果相近，与观测值相比偏差不大。模式对辐射通量的模拟直接影响到对地表能量平衡的模拟，同时关系到净辐射在感热通量和潜热通量之间的分配。整个模拟时段平均而言，新参数化方案（test3）对各个能量通量的模拟均偏高，净辐射、感热通量和潜热通量分别偏高14.1 W m^–2、2.6 W m^–2和 34.6 W m^–2。虽然test3对净辐射的模拟偏差比CTL试验略微增大，但是与观测结果的决定系数提高到0.985；对感热通量的模拟相对于原方案的提高约0.2，表面感热通量偏大主要是因为地表温度的模拟偏高。各组试验对于潜热通量的模拟整体偏高，test3试验加入地表蒸发阻抗以后，对蒸发潜热的模拟有明显改进，普遍比原方案减弱，更接近观测值，与观测值的相关系数的平方达到0.87（表 7）。

图 7

Fig. 7

图 7 藏东南站（a）净辐射、（b）感热和（c）潜热的日平均值变化 Fig. 7 The daily average values of (a) net radiation, (b) sensible heat flux, and (c) latent heat flux over Southeast Tibet station

表 7(Table 7)

表 7 新旧方案模拟的能量通量与观测值的决定系数和平均偏差 Table 7 The coefficient of determination (R 2) and the simulated bias between observation and simulation of energy flux over two stations

表 7 新旧方案模拟的能量通量与观测值的决定系数和平均偏差 Table 7 The coefficient of determination (R 2) and the simulated bias between observation and simulation of energy flux over two stations

图 8给出了纳木错站净辐射、感热通量和潜热通量的日平均值变化，从图中可以看出CTL与test3的模拟结果较为接近。新方案（test3）对三个通量的模拟值与观测的决定系数分别为0.882、0.703和0.568，都比原方案的模拟有所提高。对于净辐射的模拟，新旧方案的模拟均偏大，但是新方案更接近观测值，平均偏差减小近10 W m^–2；新方案对潜热通量模拟的改进最为明显，平均偏差减小了20.2 W m^–2，虽然两种方案对土壤含水量的模拟都比观测值大，但是因为纳木错站土壤含水量较低，新方案表面蒸发阻抗较大，导致潜热通量模拟降低，更接近观测值。

图 8

Fig. 8

图 8 同图 7，但为纳木错站 Fig.8 The same as Fig. 8,but for Namco station

5 结论与讨论

青藏高原具有独特的地理位置和地形高度，其陆面过程相较其他地区存在着一定的特殊性。高原地区土壤发育较差，土壤层较薄，东南部地区较同纬度其他地区温度偏低，土壤有机质含量高，且土壤质地较粗,局部地方石块和砾石含量较多。根据这个特点，我们在Chen et al.（2012）的土壤热参数化方案和Lawrence and Slater（2008）的水传输特性参数化方案的基础上，发展了一个新的参数化方案以描述土壤有机质和砾石对土壤水热传输的影响，并用站点的实测资料对新方案进行了检验。本文对CoLM陆面模式中的土壤水、热参数化方案以及地表蒸发阻抗三方面进行了改进，并对青藏高原藏东南站和纳木错站进行了单点数值模拟试验。通过对比分析，主要得到以下几点结论：

（1）藏东南站的砂粒含量相较于纳木错站较低，20cm以上土壤层粘粒含量较高，有机质含量大约是纳木错站的2倍，20cm以下有机质含量极少，40cm以上砾石含量很低，可以忽略不计；而纳木错站砂粒含量很高，粘粒含量几乎为零，20cm以下砾石含量超过25%，比有机质所占比例要高出很多。

（2）新参数化方案计算的藏东南站土壤孔隙度较实测值平均偏高5.7%，浅层土壤10cm和20cm比观测值平均高出6.5%，30cm和40cm土壤层平均偏低8.38%，更接近观测值；纳木错站原方案对孔隙度的计算平均偏低2%，新方案略偏高0.49%，更接近观测值。

（3）新方案计算的藏东南站的热传导率均值为0.594 W m^–1 K^–1，较观测值稍微偏低，但是比原方案更接近观测值。而对于纳木错站，在土壤含水量低于0.1时，热传导率平均值为0.241 W m^–1 K^–1，比观测值高出0.043 W m^–1 K^–1；当含水量大于0.1时，新方案计算的平均值比观测值高0.356 W m^–1 K^–1，但相较于与原方案更接近观测值。

（4）各个控制试验对藏东南站土壤湿度的模拟都有所改善，其中在所有参数优化后（test3）的模拟改进效果显著：五层的平均偏差由0.106减小到0.04，更接近实测值；而新方案对纳木错站浅层20cm以上土壤含水量的模拟相较于控制试验CTL的模拟偏差略微增大。

（5）参数方案优化后模式均能较好模拟出日平均温度变化，但是仍存在着一定的偏差，在藏东南站新参数化方案对表层土壤温度模拟偏高，可能是因为净辐射的模拟偏高，另外，新方案考虑土壤有机质的低导热率，使得夏季地表面的净辐射不易向深层土壤传导而在表面积累，从而导致表面温度模拟偏高。10cm以下土壤温度的模拟值较观测值稍微偏低，比原方案模拟的平均误差减小0.1°C。对纳木错站而言，新方案对地表温度的模拟有较明显的改进，平均偏差从－1.8°C减小到－0.6°C，中层土壤温度模拟的冷偏差也有不同程度的改善。

（6）参数化方案优化后，模式对两个观测站能量通量的模拟有不同程度的改进。藏东南站净辐射、感热通量和潜热通量的模拟相较于观测值分别偏高14.1、2.6和34.6 W m^–2，从模拟值与观测值的决定系数来看，净辐射、感热通量、潜热通量的相关系数的平方分别达到0.985，0.945，0.87，其中感热通量的模拟改进最显著，相较于原方案提高约0.2；纳木错站对能量通量的日变化模拟也较好，相关系数的平方分别为0.882、0.703和0.568，但改进效果不如藏东南站。

（7）模式在改进土壤热参数化方案后（test1），对有机质含量较多的藏东南站土壤湿度的模拟结果有所改进，而对比较干燥且有机质含量较少的纳木错站土壤湿度的改进效果不明显，该站土壤温度的模拟反而更差；进一步改进土壤水参数化方案后（test2），对两个观测站土壤温、湿度的模拟有一定程度的改进，但是对地表通量的模拟并不理想；将所有参数化方案优化后的试验（test3）对地表能量通量的模拟有显著改善，相较于test2对土壤温、湿度的模拟则没有明显改进。总的来讲，test3相较于其他模拟试验的模拟结果更接近观测值。

虽然新的参数化方案对于两个观测站的模拟有不同程度的提高，但仍存在着一些问题：一方面，新的参数化方案更适用于有机质含量较高的地区，而对于像纳木错站这样有机质含量较低的地区，更要考虑砾石对土壤水热传输特性的影响。砾石含量高的土壤通透性好，导致土壤水分下渗量大。但土壤中砾石含量对导水率的影响较为复杂，而我们的参数化方案对砾石的考虑较为简单，需要进一步改善。另一方面，模式中地表蒸发阻抗增大后，土壤浅层含水量以及土壤内部温度的模拟结果在纳木错站并不理想。由于地表蒸发阻抗无法用实验仪器进行直接观测，所以参数化方案的选用给模式带来了很大的不确定性。