阿吉古麗·沙依提，王 豫，買買提艾力·買買提依明*，高佳程，劉軍建，琚陳相，楊 帆

（1.中國氣象局烏魯木齊沙漠氣象研究所/新疆塔克拉瑪干沙漠氣象國家野外科學觀測研究站/中國氣象局塔克拉瑪干沙漠氣象野外科學試驗基地，新疆 烏魯木齊 830002；2.新疆沙漠氣象與沙塵暴重點實驗室，新疆 烏魯木齊 830002；3.中國氣象局樹木年輪理化重點實驗室，新疆 烏魯木齊 830002；4.新疆氣象學會，新疆 烏魯木齊 830002）

陸面過程作為地球各圈層相互作用的紐帶，其表現(xiàn)不僅受區(qū)域氣候狀況的影響，而且與下墊面特性密切相關[1-3]。陸面模型是用來探索地—氣能量和物質交換的重要工具，同時也是全球氣候、氣象模式和大氣化學模式中的基礎組成部分[4-5]。伴隨對陸面過程的深入認識，陸面模式的相關研究得到快速發(fā)展。1970 年以來，一系列大型陸面過程觀測實驗相繼展開，促進了陸面模式的快速發(fā)展，最初簡單的“水桶”模式已被考慮植被生化過程和碳循環(huán)的第三代陸面模式所取代。在陸面模式大量增加的同時，各種陸面參數(shù)化方案和陸面模式的比較計劃也不斷出現(xiàn)[6-7]。目前應用較廣泛的陸面模式有Noah LSM、SSiB、CLM、CABLE 等[8-10]。其中，Noah 陸面模式是在OSU（Oregon State University）模式的基礎上，由眾多研究機構共同發(fā)展的[11]，為當前陸面模式中的主流模式之一。Noah 陸面模式包括土壤熱力和水汽傳導2 個方程，分別采用常用的熱擴散方程及Richards方程計算土壤溫度和土壤含水量，利用雷諾數(shù)方法確定熱量粗糙度與動量粗糙度兩者的比率。冠層阻抗的計算考慮了土壤的有效水分和大氣條件（即Jarvis 方案），而且Noah 模式還加入了地表徑流方案[12]，適用于干旱半干旱地區(qū)。陸面過程參數(shù)的參數(shù)化方案能夠反映下墊面動力學和熱力學等特性，是控制陸—氣相互作用的重要因子，在陸面模式與氣候模型的模擬預測中扮演關鍵角色[13-15]。因此，確定最佳陸面過程參數(shù)化方案，不僅為深入理解陸氣相互作用機制、優(yōu)化參數(shù)化方案及改進模式預報提供重要依據(jù)，而且對認識當前氣候狀態(tài)及提高氣候預測水平具有重要意義。

戈壁在中國西北地區(qū)分布范圍廣闊[16]，面積約為66.1 萬km2，占我國總國土面積的6.9%[17]。戈壁作為干旱半干旱區(qū)一種特殊的下墊面，和周圍綠洲的水汽、能量交換對局地大氣環(huán)流和小氣候產生重要影響[18-19]。位于新疆東部哈密地區(qū)的黑戈壁區(qū)域是太陽能資源豐富的生態(tài)脆弱區(qū)，氣候惡劣、人跡罕至及黑色礫石下墊等特點使其在干旱半干旱區(qū)氣候過程中扮演著重要角色[20]。近年來，在我國干旱半干旱區(qū)域已陸續(xù)開展了一系列陸面觀測實驗，獲得了很多有價值的觀測和分析結果[21，22]。另外，很多學者利用各種陸面模式開展了干旱半干旱區(qū)陸面過程的模擬實驗，評價不同模式和參數(shù)化方案在該區(qū)域的適用性[23-25]。但目前有關東疆黑戈壁陸面過程參數(shù)的研究報道相對較少，如何選取合適的關鍵參數(shù)化方案來提升陸面模式在戈壁地區(qū)模擬性能的研究工作尚未深入開展。

本文利用東疆黑戈壁紅柳河陸氣相互作用觀測站資料，對該地域地表粗糙度、地表反照率、土壤導熱率及地表比輻射率進行分析，并將得到的參數(shù)替換為Noah 模式驅動數(shù)據(jù)中已有的參數(shù)，對戈壁地區(qū)的陸面過程進行模擬，為進一步認識該區(qū)域陸面過程參數(shù)特征提供科學依據(jù)。

1 數(shù)據(jù)與方法

1.1 站點資料

紅柳河站位于新疆東部哈密地區(qū)和甘肅省交界處，周圍上百公里內無其他測站。土壤發(fā)育微弱，石膏化過程和積鹽過程突出，表層有極不穩(wěn)定的孔狀結皮，其下為棕紅色緊實層及石膏層，其下的心土層為石膏結晶層，土壤發(fā)育為石膏棕色荒漠土[26]。該戈壁為暖性干旱極干旱氣候，年均氣溫為6.1 ℃，極端氣溫最高可達40.6 ℃，最低可至-35.1 ℃，年降水量不超過50.9 mm[27]。下墊面以礫石、沙礫為主，地表植被覆蓋稀疏，蓋度不足10%[20]。本文觀測數(shù)據(jù)來自紅柳河站位于新疆東部哈密地區(qū)黑戈壁區(qū)域建立的紅柳河陸氣相互作用觀測站（簡稱“紅柳河站”，41°32′N，94°43′ E，海拔1 579 m，圖1）。

圖1 紅柳河站地理位置示意圖（a）及觀測場照片（b）

1.2 模式介紹

Noah-MP 是Niu[9]和Yang[10]在Noah LSM 模式的基礎上構建的具有多個參數(shù)化方案選項的陸面模式，其繼承了Noah LSM 水熱耦合過程全面的優(yōu)點，并在此基礎上有機的耦合了多種不同陸面模式（如CLM，SSiB 等）中的植被冠層、輻射傳輸方案和水文模塊，使得研究人員可根據(jù)研究需要靈活的設置不同的陸面參數(shù)化方案組合[28]。Noah-MP 中內置了包含12 種物理過程在內的31 個參數(shù)化方案（表1），本研究將這些物理過程分為3 類，分別是植被過程（簡稱“veg”，包含DVEG，CRS，SFC，RAD）、土壤過程（簡稱“soil”，包含BTR，TBOT，INF）和冰、雪、徑流等水文過程（簡稱“water”，包含RUN，F(xiàn)RZ，SNF，STC，ALB）。

表1 Noah-MP 中的參數(shù)化方案

通過控制單一類型陸面過程中的所有機制改變，保持其他兩類陸面過程的機制選項與默認方案相同，進行全面實驗，研究每類陸面過程中所有方案組合對熱通量模擬結果的擾動，確定每類陸面過程對于熱通量模擬的貢獻，得到影響Noah-MP 對熱通量模擬的主導陸面過程類型。在識別出對熱通量模擬影響較大的陸面過程的基礎上，通過控制單個物理過程參數(shù)化方案的改變、其他物理過程與默認方案保持一致，通過統(tǒng)計分析，可評估此組合對熱通量模擬的不確定性。本研究中，針對以上描述的3 類過程12 種物理過程，選擇各種參數(shù)化方案進行了8種離線試驗，從而找出該地區(qū)最敏感和預報效果最好的參數(shù)化方案（表2）。用最優(yōu)參數(shù)化方案組合與模式默認參數(shù)化方案進行對比，定量評價最優(yōu)參數(shù)方案的模擬能力?？紤]到戈壁下墊面地形，依據(jù)Noah-MP 陸面模式技術文檔，在組合試驗中將Opt_dveg（動態(tài)植被模型），Opt_frz（過冷水過程），Opt_inf（凍土滲透過程），Opt_rad（冠層輻射傳輸），Opt_alb（積雪反照率），Opt_tbot（土壤底部溫度），Opt_stc（雪/土溫積分）定為固定值。

表2 Noah-MP 參數(shù)化方案優(yōu)選試驗方案

1.3 評估方法

為了更好地評價模式的模擬效果，本研究中使用均方根誤差（RMSE，Root-Mean Square Error）、平均偏差（MB，Mean Bias）、模式效率指數(shù)（NSE，Nash-Stucliffe Forecasting Efficiency）等統(tǒng)計變量進行統(tǒng)計。RMSE可直觀地給出模擬值與觀測值之間的偏差，值越小，模擬越接近觀測值；MB是用來計算模擬結果的準確度，值越小越好；NSE是用來評估模式可預報性能力，其取值范圍從負無窮到1.0，等于1.0 時，說明模式完美。計算公式如下：

式中：N 為數(shù)據(jù)的個數(shù)，Mi為某一時刻的模擬值，Oi為對應時刻的觀測值為觀測平均值。

1.4 陸面模式在線耦合試驗

睿圖—中亞系統(tǒng)（RMAPS-CA）以WRF v4.0 和WRFDA v4.0 為核心，采用兩重嵌套，全疆水平分辨率3 km，中亞區(qū)域水平分辨率為9 km（圖2），采用三維變分同化技術，以U/V 為控制變量進行多元觀測資料的同化分析，目前每日運行8 次（00/06/12/18UTC），最長預報時效80 h。模式物理過程設置為：WSM6 云微物理方案[29]，K-F 對流參數(shù)化方案（D02無積云對流方案）[30]，ACM2 邊界層參數(shù)化方案[31]，RRTMG 長波和短波輻射方案[32]和NOAH 陸面方案[33]。

圖2 睿圖—中亞區(qū)域數(shù)值預報模式系統(tǒng)預報區(qū)域

為了檢驗陸面過程Noah-MP 方案在RMAPSCA 系統(tǒng)中的預報效果，用于檢驗的預報樣本時間段為2017 年1 月1 日00 時（UTC，下同）—1 月31日12 時和2017 年7 月1 日00 時—7 月31 日12時，每天2 次（00 時UTC 和12 時UTC）更新循環(huán)預報，每次預報時效為24 h，樣本總數(shù)為124 個。選取冬夏兩季代表月整月時間段作Noah-MP 方案和Noah 方案的預報性能比較，能更充分地了解Noah-MP 陸面方案在新疆區(qū)域的預報表現(xiàn)。利用氣象學上通用的MET V7.0（Model Evaluation Tools）檢驗平臺，檢驗用的實況數(shù)據(jù)從新疆氣象信息中心Cimiss數(shù)據(jù)庫中獲取。一是對Noah-MP 和Noah 兩個方案的高空和地面的模式預報量（高空：溫度、U 風、V風、位勢高度；地面：2 m 溫度、10 m 風速）進行站點檢驗評分。為公平比較2 個系統(tǒng)的預報效果，將檢驗范圍限定為整個D02 的新疆區(qū)域。給出預報相對于常規(guī)探空和地面觀測的均方根誤差和平均偏差。

2 結果與討論

2.1 不同參數(shù)化方案組合模擬實驗

采用Noah-MP 單點模式進行模擬，其運行機制為某一時刻的輸入數(shù)據(jù)僅會產生同一時刻和所設置步長內的輸出結果。使用2019 年8 月8 日—11月12 日經(jīng)填充的氣象數(shù)據(jù)在模型中進行8 次循環(huán)使模型穩(wěn)定（經(jīng)過一次完整時間序列的模擬稱為1次循環(huán)），取第8 次的輸出數(shù)據(jù)作為模擬的最終結果。采用每半小時的數(shù)據(jù)進行研究。

表3 和表4 給出的是參數(shù)化方案組合后針對感熱通量、潛熱通量、凈輻射、地表溫度、10 cm 土壤溫度和10 cm 土壤濕度模擬對比結果。由表3 可以看出，依據(jù)MB 和NSE 結果，第二種組合方案對感熱通量的模擬誤差最?。?8.28 W·m-2），模式效率指數(shù)達到0.74，屬于模擬比實際偏高。從模擬的效果來看，影響感熱通量最大的是植被過程和水文過程，植被過程中湍流輸送過程參數(shù)化方案影響最大，水文過程中徑流和地下水參數(shù)化方案影響最大；對于潛熱通量，看不出影響特別大的參數(shù)化方案組合，試驗1#、3#、4#、5#的RMSE 和NSE 一模一樣，說明這4種組合對潛熱通量模擬是一致的。8 種參數(shù)化方案組合對凈輻射的模擬效果都不錯，模式效率指數(shù)普遍達到0.95 以上，其中第二種參數(shù)化方案組合模式效率指數(shù)最高，為0.98，模擬誤差最?。?4.92 W·m-2），屬于模擬比實測偏高。從模式效率指數(shù)可以看出，湍流輸送過程參數(shù)化方案對凈輻射的影響最大；對于土壤地表溫度，8 種參數(shù)化方案的模擬效果都不錯，模式效率指數(shù)都在0.91 以上，其中第二種參數(shù)化方案的模式效率達0.96，模擬誤差為-1.19 ℃，說明模式預報地表溫度偏低1.2 ℃左右。

表3 不同物理過程對紅柳河地區(qū)感熱通量、潛熱通量、凈輻射和土壤地表溫度模擬的影響

表4 不同物理過程對紅柳河地區(qū)10 cm 土壤溫度和土壤濕度模擬的影響

由表4 可以看出，8 種參數(shù)化方案組合對土壤濕度的模擬效果不如感熱通量、凈輻射和土壤地表溫度。8 種方案的模式效率指數(shù)在0.19 以上，其中第七種方案的模式效率指數(shù)達到0.278，土壤濕度的誤差為0.085 8 m3·m-3，平均誤差為-0.027 46 m3·m-3，說明模式預報土壤濕度偏干；對于土壤10 cm溫度來說，8 種方案中，第一種方案即模式默認方案的預報效率指數(shù)最高，達0.695，誤差在1.2 ℃左右，第二種方案雖然模式效率指數(shù)不是最高，但模擬和實測誤差最小的一種方案，土壤10cm 溫度誤差為0.4 ℃，即模式預報結果比實測低0.4 ℃。

2.2 模式默認參數(shù)化方案與最優(yōu)參數(shù)化方案對比

根據(jù)以上誤差和模式預報效率指數(shù)，確定了12種物理過程的最佳參數(shù)方案組合，即第9 個試驗。該試驗方案中針對植被過程中的冠層氣孔阻抗方案（CRS）選擇了Jarvis 動態(tài)方案（編號為2），湍流輸送過程方案（SFC）選擇了Chen97 方案，冠層輻射傳輸（RAD）選擇了基于植被覆蓋度的植被間隙方案；針對土壤過程中的土壤因子（BTR），選擇了Noah 方案；針對地表水文過程中的徑流和地下水（RUN），選擇了SIMTOP 方案。由表3～4 可知，最優(yōu)組合方案對感熱通量、凈輻射通量、0 cm 土壤地表溫度預報效果最好，但對潛熱通量、10 cm 土壤濕度和10 cm 土壤溫度的預報效果不太理想，可能戈壁地區(qū)潛熱通量整天都很小，甚至可以忽略[34]，因此潛熱通量變化本來就不明顯。另外，由于Noah-MP 模式使用均質土壤類型，不考慮土壤質地的垂直變化[35]，且本文計算土壤參數(shù)的過程中沒有考慮其他原因（如有機質含量，參數(shù)隨深度的變化）影響，造成10 cm 的土壤溫濕度預報效果不理想。

由圖3～8 可知，無論是模式默認參數(shù)化方案還是本研究提出來的最優(yōu)參數(shù)化方案，對感熱通量，凈輻射、地表溫度、10 cm 土壤溫度預報的效果比較好，其中對感熱通量，凈輻射、地表溫度本研究提出的最有參數(shù)化方案效果最佳。對于10 cm 土壤濕度和潛熱通量，兩種參數(shù)化方案都很好的模擬了潛熱和土壤濕度的變化趨勢，但預報數(shù)值幅度差異較大。Noah-MP 模式默認參數(shù)化方案，對潛熱通量預報效果較好。對于10 cm 土壤濕度，除了下雨前后沒有捕捉到以外，模式默認參數(shù)化方案預報效果與實況更加接近，本研究提出的最優(yōu)參數(shù)化方案預報值偏大。

圖3 2019 年9 月感熱通量實測與模擬效果對比

圖4 2019 年9 月潛熱通量實測與模擬效果對比

圖5 凈輻射實測與模擬效果對比

圖7 10 cm 土壤溫度實測與模擬效果對比

圖8 10 cm 土壤濕度實測與模擬效果對比

2.3 陸面模式在線耦合試驗

從哈密國家站2 m 溫度24 h 預報的檢驗結果（表5）可知，Noah-MP 在RMAPS-CA 系統(tǒng)中2 m 溫度的預報效果整體優(yōu)于Noah，紅柳河站的冬季的預報偏差減小0.52 ℃，減小37.3%，夏季的2 m 溫度預報略差于Noah 的預報效果，增大0.03 ℃，增大5%。Noah-MP 方案對七角井、淖毛湖、伊吾、沁城4個國家站的2 m 溫度預報偏差均小于Noah。Noah-MP 在紅柳河站2 m 溫度的均方根誤差均小于Noah，分別減小1.06 和0.10，減小率為26.9%和5.4%，Noah-MP 對七角井、淖毛湖、伊吾、沁城的冬季2 m 溫度均方根誤差也小于Noah，對夏季七角井、淖毛湖、伊吾、哈密的夏季2 m 溫度均方根誤差也小于Noah。

表5 哈密地區(qū)國家站2 m 溫度24 h 預報的檢驗結果 ℃

從哈密國家站10 m 風速24 h 預報的檢驗結果（表6）可知，Noah-MP 在RMAPS-CA 系統(tǒng)中10 m風速的預報效果和Noah 各有優(yōu)劣，紅柳河站冬季的預報偏差增大0.02 m·s-1，增大4.4%，夏季的10 m風速預報差于Noah 的預報效果，增大0.67 m·s-1，增大369.25%。Noah-MP 方案在冬季對淖毛湖、伊吾24 個國家站的10 m 風速預報偏差均小于Noah。在夏季對七角井、巴里坤、哈密、沁城4 個國家站的10 m風速預報偏差均小于Noah。在2 m 溫度的均方根在檢驗評分看，Noah-MP 在紅柳河站的均方根誤差冬季小于Noah，減小0.11 m·s-1，減小率為5.6%，夏季大于Noah，增大0.39 m·s-1，增大率為20.2%，Noah-MP 對伊吾、哈密的冬季10 m 風速均方根誤差也小于Noah，對夏季七角井、巴里坤、伊吾的10 m 風速均方根誤差小于Noah。

表6 哈密地區(qū)國家站10 m 風速24 h 預報的檢驗結果 m·s-1

3 結論

本文基于陸氣相互作用觀測數(shù)據(jù)集，開展了Noah-MP 的離線模擬試驗，找出適合于戈壁區(qū)域的最佳參數(shù)化方案，并給出了土壤濕度對戈壁區(qū)域陸氣熱交換的影響，得到如下結論：

（1）針對感熱通量、潛熱通量，第二種參數(shù)化方案組合對感熱通量的模擬誤差最小（18.28 W·m-2），模式效率指數(shù)達到0.74，模擬值偏高。針對凈輻射通量，8 種參數(shù)化方案組合的模式效率指數(shù)均達到0.95 以上，其中第二種參數(shù)化方案組合模式效率指數(shù)最高，為0.975，模擬誤差最?。?4.92 W·m-2）。

（2）針對土壤地表溫度，8 種參數(shù)化方案組合的模擬效果均不錯，模式效率指數(shù)都在0.91 以上，其中第二種參數(shù)化方案的模式效率達0.96，模擬誤差為-1.19 ℃，說明模式預報地表溫度偏低1.2 ℃左右。針對土壤濕度，模式的模擬效果均不好，效率指數(shù)在0.19 以上，其中第七種方案的模式效率指數(shù)達到0.278，平均誤差為-0.027 46 m3·m-3，模式預報土壤濕度偏干。針對土壤10 cm 溫度，第一種方案即模式默認方案的預報效率指數(shù)最高，誤差在1.2 ℃左右，第二種方案雖然模式效率指數(shù)不是最高，但是為模擬和實測誤差最小的一種方案，模式預報結果比實測低0.4 ℃。

（3）從陸面模式在線耦合結果來看，Noah-MP在RMAPS-CA 系統(tǒng)中2 m 溫度的預報效果整體要優(yōu)于Noah。第二種方案在東疆黑戈壁地區(qū)的普適性最高。