陶星宇 吕世华 刘宜纲
摘要 青藏高原（简称高原，下同）地形复杂，各个区域土壤条件差异较大，土壤砾石与有机质对土壤水热有较大的影响。本文使用耦合了CLM4.5的区域气候模式RegCM4.7，通过修改模式所用地表数据以及相应的土壤水热参数化方案，分别建立了砾石方案（test2）和砾石-有机质方案（test3）。模拟结果表明：test2较原方案（test1）对于高原西部的模拟效果提升明显，但对于高原东部的模拟效果欠佳。test3在test2的基础上，提升了高原中部与东部浅层土壤的模拟效果。test3的浅层土壤区域平均温度均方根误差从2.11 ℃下降到0.47 ℃，浅层土壤区域平均湿度均方根误差从0.05 mm3·mm-3下降到0.01 mm3·mm-3。同时，三种方案均能较好地模拟高原的地表温度。其中test3误差最小，区域平均的均方根误差从2.18 ℃下降到0.74 ℃，与再分析数据更加接近。
关键词青藏高原;RegCM4.7;砾石有机质;参数化方案
陆地作为大气动量、热量和水汽等要素的主要源汇强迫（Sellers et al.，1996），陆面过程是影响大气环流和气候变化的基本物理、生化过程之一，是地球系统科学研究的一个重要部分（曾庆存等，2008）。陸面作为气候系统的重要组成部分，它决定着陆气之间的能量传输以及物质交换。陆面不同于海洋区域，其比热容较小且具有更大的粗糙度，这就导致了陆面与大气之间的交换更为频繁，将会在某些关键区域和关键时间产生重大的影响（李昀英等，2010）。由于高原的热力作用对其自身以及东亚乃至全球气候变化都具有重要影响（张超等，2018;杨珂珂等，2023），因此对于高原地区土壤水热模拟的准确性就显得尤为重要。
土壤中矿物质组成以及土壤颗粒的大小，对土壤的水热属性有着较大的影响。Cosby et al.（1984）就利用统计方法得到了土壤中砂石、黏土和粉土之间的比例关系。与中国其他区域土壤相比，高原地区的地质结构形成时间较晚，土壤较为粗糙，同时含有大量的砾石（Arocena et al.，2014），在高原的西部荒漠中，砾石含量甚至会达到35％～47％（Wu et al.，2012）。Luo et al.（2009）利用从16个采样点采集的57个土壤样本对高原中部的土壤质地进行了调查，发现18个土壤样本的砾石质量比例（粒径>2 mm）平均为22.92％。同时，高原的低温条件导致土壤有机质分解缓慢，造成表层土壤有机质的累积。砾石与有机质在世界上大多数植被地区的土壤中普遍存在，因此会影响土壤的孔隙度、导热率、含水率和入渗等特性（Hanson and Blevins，1979;Yuan et al.，2021），从而强烈影响表面能通量、气温（Peters-Lidard et al.，1998），土壤温度（Beringer et al.，2001;马琴等，2014）和土壤湿度（Letts et al.，2000），进而影响降水（王静等，2018;高佳佳等，2021;央金卓玛等，2022）。
然而以往的研究大多数局限于高原某几个站点或某片区域，并未对整个高原地区的模拟效果进行评估，且一些参数仍需进一步改善。因此，本文在加入砾石数据的基础上，继续向模式所用地表数据中增加有机质数据，并对相应的土壤水热参数化公式进行修改，从而提升模式的模拟效果。
1 资料与方法
1.1 再分析数据
CRA40-Land（简称CRA40-L）再分析数据是由中国气象局制作的中国第一代陆面再分析数据，空间分辨率为34 km，时间分辨率为6 h（http：／／www.nmic.cn／）。经检验评估表明，该产品数据较国际其他产品在中国地区精度更高、质量可靠、应用效果良好。
ERA5-Land（简称ERA5-L）再分析数据是以ECWMF第五代再分析产品ERA5模拟的陆地场大气变量作为强迫，采用修正的陆面水文模式HTESSEL、CY45R1模拟得到的。与ERA5相比，ERA5-Land具有更高的空间分辨率，其水平分辨率可达0.1°（9 km），时间分辨率为1 h。
1.2 观测数据
为了检验两种再分析数据在高原地区的应用效果，从西向东，依次选取阿里站、那曲站以及玛多站的观测数据与再分析数据进行对比检验。阿里站与那曲站的观测数据来自马耀明（2020）的高原地气相互作用过程高分辨率（逐小时）综合观测数据集（2005—2016）。玛多站观测数据来自中国科学院西北研究院黄河源气候环境研究站。由于土壤温湿度的观测仪器在部分观测点以及部分时间段损坏，为了保证数据的时间连续性，以及各个站点的时间统一性，只选择上述三个站点2013—2015年夏季（6—8月）的观测数据作为与再分析数据的对比数据。
1.3 观测数据与再分析数据的对比分析方法
由于两种再分析数据的土壤层厚度不完全对应，且再分析数据的土壤温湿度是某一层土壤的平均值。因此，选取阿里站和玛多站10 cm、20 cm的土壤温湿度，那曲站4 cm、20 cm的土壤湿度及10 cm、20 cm的土壤温度与两种再分析数据前两层的土壤温湿度作为浅层、深层土壤温湿度进行对比验证。
本文采取皮尔逊相关系数（R）及均方根误差（RMSE）来检验模拟的效果。所用时间变化的相关系数及均方根误差公式如下：
R=∑Ni=1（Mi-）（Oi-）∑Ni=1（Mi-）2∑Ni=1（Oi-）2。 （1）
RMSE=1N∑Ni=1（Mi-Oi）2。（2）
2 数据验证
2.1 土壤温湿度数据的验证
图1与图2为三个站点各层再分析数据和观测数据土壤温湿度的时间序列。在高原各个站点，两种再分析数据与观测数据的变化趋势相对统一。同时，三种数据的土壤温湿度日变化幅度都随着土壤深度的增加而趋于平缓。表1为各层再分析数据与观测数据的多年平均误差度量统计表，可以看出CRA40-L与观测数据的相关系数在绝大多数情况下高于ERA5-L，同时均方根误差更低。
2.2 再分析数据的选择及模拟数据与再分析数据的对比分析方法
站点的观测数据对于检验模式的模拟效果有着十分重要的作用，但高原地区观测台站稀少，且数据连续性较差。为了检验本文改进后模式在整个高原的模拟效果，因此选择适合的再分析数据与模拟数据进行对比检验。根据中国第一代全球大气和陆面再分析产品（CRA）用户手册中的描述可知：CRA40-L土壤湿度（0～10 cm）产品在中国区域质量优于GLDAS和CFSR-L，地表温度和各层土壤温度精度优于CFSR-L。
同时，根据上述检验可知，CRA40-L土壤温湿度数据相较于ERA5-L在高原地区与观测数据的偏差和均方根误差较小而相关系数较高。因此，本文再分析数据选用CRA40-L。
在与模拟数据进行对比时，选取模拟数据的0.007～0.12 m（0.007～0.027 m、0.027～0.062 m、0.062～0.12 m三层数值的加权平均）与再分析数据第一层（0～0.1 m）的土壤温湿度数据作为浅层土壤温湿度进行比较;选取模拟数据的0.12～0.37 m（0.12～0.21 m、0.21～0.37 m两层数值的加权平均）与再分析数据第二层（0.1～0.4 m）的土壤温湿度数据作为深层土壤温湿度进行比较。所用加權平均公式如下：
SM［1-i］=SM1×H1+SM2×H2+…+SMi×HiH1+H2+…+Hi。 （3）
其中：SM［1～i］为第1到i层平均后土壤温湿度值;SMi为第i层的土壤温湿度值;Hi为第i层的土壤厚度。
3 数值模拟试验设计
3.1 模式试验设计
模拟方案如下：使用RegCM4.7区域气候模式（Giorgi et al.，2012），模拟中心为87°E、33°N，采用Lambert投影，模拟区域为南北80个格点乘以东西120个格点，垂直层数18层，顶层气压50 hPa，水平分辨率30 km，时间积分步长60 s，边值与初始场数据为欧洲中期天气预报中心（ECMWF）提供的EIN15全球再分析资料，海温数据为美国海洋及大气管理局（NOAA）提供的Optimum Interpolation Weekly海温数据（OI_WK），陆面模块为CLM4.5且24 h输出一次数据。模拟时间为2012年1月1日—2018年12月31日。同时，将模式模拟的前2年作为模式的spin-up阶段，实际分析的模拟数据时间为2014—2018年夏季（6—8月）。原模式模拟数据记为test1，砾石参数化模拟数据记为test2，砾石-有机质参数化模拟数据记为test3，再分析数据记为CRA40-L。
3.2 模式所用有机质数据的建立
本文的土壤有机质质量百分比数据来源于沙、粘土和有机质的全球高分辨率数据集（Dai et al.，2019），用此数据来替换模式自身土壤有机碳密度数据。所用数据在垂直方向分为8层，该数据集与原模式相比，缺少了第1层与第10层，并且格点数与原模式也不匹配。因此参照刘宜纲等（2020）所用方法，通过插值的方式补全了缺失数据，使其能为模式所用。
3.3 模式所用参数化方案
砾石与有机质的存在对于土壤的水热过程起到了重要作用。对于土壤水属性，砾石与有机质主要影响土壤饱和含水量、土壤饱和导水率、土壤饱和基质势等方面;对于土壤热属性，砾石与有机质主要影响土壤饱和导热率、干土壤导热率、土壤固体热容量、Kensten参数等方面。
本文所用的砾石方案对于土壤水属性和热属性的影响，主要参考Chen et al.（2012）和潘永洁等（2015）的工作;同时考虑了砾石与有机质后对于土壤水属性和热属性的影响，主要参照马琴等（2014）的工作。
4 结果分析
4.1 高原土壤砾石与有机质分布
图3为0.1 m及0.4 m深度处高原土壤砾石与有机质的含量分布，可以看出砾石在整个高原地区都有所存在，高原西部地区较东部砾石含量偏多，且随着土壤深度的增加砾石含量呈增加趋势。相较于砾石，土壤有机质的含量偏低，其主要存在于高原的中部以及东部地区，且随着土壤深度的增加有机质含量呈减小趋势。
4.2 高原土壤湿度模拟
图4为三种模拟数据与再分析数据土壤湿度相关系数的空间分布。不论是浅层土壤还是深层土壤，test1对于土壤湿度的模拟效果都较差，在高原的中部地区负相关区域明显多于其他两种方案。test2较test1提升了高原西部以及东部部分地区的相关系数，但对于高原中部以及东南部地区的模拟效果仍存在明显的负相关区域。test3在test2的基础上提高了高原中部以及东南部地区的模拟效果，相关系数较其余两种方案提升明显。
图5与图6分别为三种模拟数据与再分析数据的土壤湿度偏差及均方根误差的空间分布。由于浅层土壤中砾石的存在降低了土壤孔隙度的同时增加了指数B与土壤孔隙的弯曲度，从而降低了土壤基质势与饱和导水率，导致土壤水分下渗减缓。从图5中可以看出，不论是浅层土壤还是深层土壤，test2与test3相较于test1的土壤湿度都有所增加，与再分析数据的湿偏差有所减小。同时，砾石广泛存在于高原西部土壤，导致这一现象在高原西部更为明显。由于高原中部以及东部有机质含量较高，而高有机质含量的土壤持水性更好，因此test3相较于test2进一步增加了土壤湿度，高原中部与东部地区由湿偏差转为干偏差。对于均方根误差，test1在高原东南部的浅层土壤均方根误差明显偏大，而其余两种方案则很好地改善了这一问题。与偏差分布类似，不论是浅层还是深层土壤，test3在高原中部以及东部地区的均方根误差均小于其余两种方案。
图7为三种模拟数据与再分析数据在高原区域土壤湿度的时间序列。三种模拟数据的变化趋势与再分析数据较为一致，随着参数化的优化，模式对于土壤湿度的模拟更加准确。test1较再分析数据明显偏低，主要是因为原方案土壤孔隙度较大，土壤水分下渗较快。test3有机质的加入进一步提高了土壤的持水性，改善了test2土壤湿度偏低的现象。test3在浅层、深层土壤湿度均方根误差仅有0.01 mm3·mm-3与0.02 mm3·mm-3（表2）。总体来说，两种改进方案对于土壤湿度的模拟效果是逐步改善的。
4.3 高原土壤温度模拟
对于气候变化方面，许多学者研究指出土壤温度的变化将对其产生重要影响（王万秋，1991;房云龙等，2010）。因此，土壤温度模拟的准确性是陆面过程模式的一个重要环节。
图8为三种模拟数据与再分析数据相关系数的空间分布。test1与test2对于高原南部以及东部地区浅层土壤温度的模拟效果较差，而test3相较于其他两种方案，明显提升了模拟效果。同时，test3对于高原中部及东部边界地区的模拟效果也较其他两种方案有所提高。对于深层土壤，三种方案的模拟情况较浅层有所改善，相关系数的大值区面积增加。
图9与图10分别为三种模拟数据与再分析数据的土壤温度偏差及均方根误差的空间分布。对于浅层土壤，三种模拟方案都存在较大的暖偏差，尤其是高原的北部、东部部分边界地区以及柴达木盆地为暖偏差的大值区。由于砾石的加入，降低了土壤导热率，增加了土壤固体热容量，test2与test3改善了高原西部土壤温度偏差较大的问题。高原中部及东部为有机质含量的大值区，考虑了有机质的低导热性，test3与再分析数据更加接近。对于深层土壤，除了高原北部地区外，test1在其余区域大体呈冷偏差，test2与test3在除高原南部及西部边界地区外，仍呈不同程度的暖偏差。从图9中可以看出，由于test3进一步考虑了有机质的存在，从而增加了土壤的持水性，使得土壤温度进一步降低，减小了与再分析数据的偏差。均方根误差方面，三种模拟数据的分布较为一致，即自西向东、自北向南呈减小趋势。深层均方根误差较浅层有所减小，且test3对于高原中部及东部地区的改善较为明显。
图11为三种模拟数据与再分析数据在高原区域土壤温度的时间序列。对于浅层土壤，三种方案都有不同程度的暖偏差。其中，test1土壤温度数值明显偏大，均方根误差达到了2.11 ℃（表2），而test3较test2温度数值进一步减小，两者均方根误差分别为0.72 ℃、0.47 ℃。同时，test2与test3相较于test1相关系数分别从0.84提升到0.86、0.88。对于深层土壤，test1、test2与再分析数据仍呈暖偏差，均方根误差分别为2.12 ℃、0.73 ℃，而test3则解决了其他两种方案的不足，与再分析数据最为接近，均方根误差仅为0.28 ℃，同时相关系数也从0.91提升到0.94。
4.4 高原地表温度模拟
图12为三种模拟数据与再分析数据地表温度相关系数的空间分布。可以看出，三种方案的空间分布特征基本一致，即高原的东北部与西部地区为相关系数的大值区，而test2与test3较test1在高原的中部相关系数有所提高。同时，test3在test2的基础上，高原的东部与南部的边界地区的相关系数也有相应的增加。图13与图14分别为高原地区三种模拟数据与再分析数据的地表温度偏差及均方根误差的空间分布。test3相较于test2与test1最明显的改进在于高原的中部、中南部以及东南部地区，与再分析数据的偏差及均方根误差都有所减小。
图15为三种模拟数据与再分析数据在高原区域地表温度的时间序列。三种方案均能较好地模拟出地表温度的变化趋势，但数值较再分析数据均有不同程度的暖偏差。三种方案的相关系数均在0.85以上（表2）。夏季降水很容易使浅层土壤含水量达到饱和，由于浅层土壤砾石的存在，使得土壤孔隙度减小，减缓了水分的下渗，同时有机质的存在将进一步提升土壤的持水能力，两者共同作用导致浅层土壤湿度的增加，从而降低了地表溫度。
5 结论与讨论
由于高原地形复杂，高原西部地区砾石含量较多，而高原东部较同纬度地区温度偏低，导致浅层土壤有机质含量较高。根据这一特点，在前人研究的基础上，向所用陆面模式的地表数据中加入有机质数据，并根据相关研究对模式的土壤水热参数化方案进行修改，探究了新方案在高原不同地区的适用性。通过对土壤以及地表变量的对比分析，得出以下结论：
1）由于砾石的加入，test2在高原西部及东南部与再分析数据土壤温湿度的相关系数较test1更高，均方根误差更小，高原区域平均后数据的变化趋势与再分析更加一致，但高原中部及东部的模拟效果欠佳。
2）test3在test2的基础上加入了有机质数据，增加了土壤的持水性，一定程度上缓解了土壤湿度偏低的情况，使其对于高原中部以及东南部土壤温湿度的模拟效果有所提升，相关系数提高，均方根误差减小。
3）三种模拟方案对于高原区域地表温度的模拟效果较为一致，高原的东北部与西部地区为相关系数的大值区。区域平均后的地表温度相关系数均在0.85以上，但两种改进方案的均方根误差分别从2.18 ℃降低到0.87 ℃、0.74 ℃。
虽然新的参数化方案较原方案在高原的模拟效果有不同程度的提升，但仍在部分区域的模拟效果较差，这可能是所用土壤砾石以及有机质数据与实测数据存在差异导致的，未来应在这些地区实际测量数据。同时，根据前人的研究发现，高原不同区域所用公式参数会有所差异，若不根据不同地区选择相应的参数，将会导致模拟数据与观测及再分析数据存在较大偏差。因此，在之后的工作中应进一步调整参数化方案。
参考文献（References）
Arocena J，Zhu L P，Hall K，2014.Soil formation in high elevation and permafrost areas in the Qinghai Plateau （China）［J］.Span J Soil Sci，2（2）：34-49.doi：10.3232／sjss.2012.v2.n2.02.
Beringer J，Lynch A H，Stuart C F III，et al.，2001.The representation of Arctic soils in the land surface model：the importance of mosses［J］.J Climate，14（15）：3324-3335.doi：10.1175／1520-0442（2001）014<3324：troasi>2.0.co;2.
Chen Y Y，Yang K，Tang W J，et al.，2012.Parameterizing soil organic carbons impacts on soil porosity and thermal parameters for Eastern Tibet grasslands［J］.Sci China Earth Sci，55（6）：1001-1011.doi：10.1007／s11430-012-4433-0.
Cosby B J，Hornberger G M，Clapp R B，et al.，1984.A statistical exploration of the relationships of soil moisture characteristics to the physical properties of soils［J］.Water Resour Res，20（6）：682-690.doi：10.1029／WR020i006p00682.
Dai Y J，Xin Q C，Wei N，et al.，2019.A global high-resolution data set of soil hydraulic and thermal properties for land surface modeling［J］.J Adv Modeling Earth Syst，11（9）：2996-3023.doi：10.1029／2019MS001784.
房云龙，孙菽芬，李倩，等，2010.干旱区陆面过程模型参数优化和地气相互作用特征的模拟研究［J］.大气科学，34（2）：290-306. Fang Y L，Sun S F，Li Q，et al.，2010.The optimization of parameters of land surface model in arid region and the simulation of land-atmosphere interaction［J］.Chin J Atmos Sci，34（2）：290-306.doi：10.3969／j.issn.1674-7240.2007.11.011.（in Chinese）.
高佳佳，杜军，卓嘎，2021.青藏高原春季土壤湿度与夏季降水的关系［J］.大气科学学报，44（2）：219-227. Gao J J，Du J，Zhuoga，2021.Relationship between soil moisture in spring and precipitation in summer over the Tibetan Plateau［J］.Trans Atmos Sci，44（2）：219-227.doi：10.13878／j.cnki.dqkxxb.20200720001.（in Chinese）.
Giorgi F，Coppola E，Solmon F，et al.，2012.RegCM4：model description and preliminary tests over multiple CORDEX domains［J］.Climate Res，52：7-29.doi：10.3354／cr01018.
Hanson C T，Blevins R L，1979.Soil water in coarse fragments1［J］.Soil Science Society of America Journal，43（4）.doi：10.2136／sssaj1979.03615995004300040044x.
Letts M G，Roulet N T，Comer N T，et al.，2000.Parametrization of peatland hydraulic properties for the Canadian land surface scheme［J］.Atmosphere-Ocean，38（1）：141-160.doi：10.1080／07055900.2000.9649643.
李昀英，葉成志，钟中，2010.陆面参数化方案对两例不同类型暴雨可预报性的影响［J］.大气科学，34（2）：407-417. Li Y Y，Ye C Z，Zhong Z，2010.Impacts of land-surface process parameterization on model predictability of two kinds of heavy rainfall events［J］.Chin J Atmos Sci，34（2）：407-417.doi：10.3969／j.issn.1009-0827.2006.03.006.（in Chinese）.
刘宜纲，吕世华，徐悦，等，2020.区域气候模式RegCM砾石参数化方案及其在青藏高原模拟效果评估［J］.高原气象，39（6）：1257-1269. Liu Y G，Lü S H，Xu Y，et al.，2020.RegCM gravel parameterization scheme for regional climate model and evaluation of its simulation effect over Qinghai-Xizang Plateau［J］.Plateau Meteor，39（6）：1257-1269.doi：10.7522／j.issn.1000-0534.2019.00141.（in Chinese）.
Luo S，Lu S Y，Zhang Y，et al.，2009.Soil thermal conductivity parameterization establishment and application in numerical model of central Tibetan Plateau［J］.Chinese J Geophy，52：919-928.doi：10.3969／j.issn.0001-5733.2009.04.008
马琴，刘新，李伟平，等，2014.青藏高原夏季土壤有机质及砾石影响水热传输特性的数值模拟［J］.大气科学，38（2）：337-351. Ma Q，Liu X，Li W P，et al.，2014.Simulation of thermal and hydraulic properties affected by organic and gravel soil over the Tibetan Plateau during summer［J］.Chin J Atmos Sci，38（2）：337-351.doi：10.3878／j.issn.1006-9895.2013.13119.（in Chinese）.
马耀明，2020.青藏高原地气相互作用过程高分辨率（逐小时）综合观测数据集（2005—2016）［DS］.国家青藏高原科学数据中心. Ma Y M，2020.A long-term dataset of integrated land-atmosphere interaction observations on the Tibetan Plateau （2005—2016）［DS］.National Tibetan Plateau Data Center.doi：10.11888／Meteoro.tpdc.270910.CSTR：18406.11.Meteoro.tpdc.270910.（in Chinese）.
潘永洁，吕世华，高艳红，等，2015.砾石对青藏高原土壤水热特性影响的数值模拟［J］.高原气象，34（5）：1224-1236. Pan Y J，Lü S H，Gao Y H，et al.，2015.Simulation of influence of gravel on soil thermal and hydraulic properties on Qinghai-Xizang Plateau［J］.Plateau Meteor，34（5）：1224-1236.doi：10.7522／j.issn.1000-0534.2014.00055.（in Chinese）.
Peters-Lidard C D，Blackburn E，Liang X，et al.，1998.The effect of soil thermal conductivity parameterization on surface energy fluxes and temperatures［J］.J Atmos Sci，55（7）：1209-1224.doi：10.1175／1520-0469（1998）055<1209：teostc>2.0.co;2.
Sellers P J，Tucker C J，Collatz G J，et al.，1996.A revised land surface parameterization （SiB2）for atmospheric GCMS.part II：the generation of global fields of terrestrial biophysical parameters from satellite data［J］.J Climate，9（4）：706-737.doi：10.1175／1520-0442（1996）009<0706：arlspf>2.0.co;2.
王靜，何金海，祁莉，等，2018.青藏高原土壤湿度的变化特征及其对中国东部降水影响的研究进展［J］.大气科学学报，41（1）：1-11. Wang J，He J H，Qi L，et al.，2018.The variation characteristics of soil moisture in Tibet Plateau and its influences on the precipitation in Eastern China：recent progress［J］.Trans Atmos Sci，41（1）：1-11.doi：10.13878／j.cnki.dqkxxb.20170806001.（in Chinese）.
王万秋，1991.土壤温湿异常对短期气候影响的数值模拟试验［J］.大气科学，15（5）：115-123. Wang W Q，1991.Numerical experiments of the soil temperature and moisture anomalies effects on the short term climate［J］.Chin J Atmos Sci，15（5）：115-123.（in Chinese）.
Wu X D，Zhao L，Fang H B，et al.，2012.Soil enzyme activities in permafrost regions of the western Qinghai-Tibetan Plateau［J］.Soil Sci Soc Am J，76（4）：1280-1289.doi：10.2136／sssaj2011.0400.
杨珂珂，郭东林，华维，等，2023.CMIP6 HighResMIP对青藏高原气候模拟的评估和预估［J］.大气科学学报，46（2）：193-204. Yang K K，Guo D L，Hua W，et al.，2023.Evaluation and projection of CMIP6 HighResMIP in simulating surface air temperature and precipitation over the Tibetan Plateau［J］.Trans Atmos Sci，46（2）：193-204.（in Chinese）.
央金卓玛，罗布，卓嘎，2022.青藏高原春末土壤湿度对初夏降水的影响［J］.大气科学学报，45（1）：40-50. Yangyin Z M，Luo B，Zhuo G，2022.Effect of soil moisture in late spring on precipitation in early summer over the Qinghai-Tibet Plateau［J］.Trans Atmos Sci，45（1）：40-50.（in Chinese）.
Yuan Y，Ma Y M，Zuo H C，et al.，2021.Modification and comparison of thermal and hydrological parameterization schemes for different underlying surfaces on the Tibetan Plateau in the warm season［J］.J Geophys Res Atmos，126（22）：e2021JD035177.doi：10.1029／2021JD035177.
张超，田荣湘，茆慧玲，等，2018.青藏高原4月感热通量异常对长江以南夏季降水的影响［J］.大气科学学报，41（6）：775-785. Zhang C，Tian R X，Mao H L，et al.，2018.Impact of the sensible heat flux anomaly over the Tibetan Plateau in April on summer precipitation in the south of the Yangtze River Region［J］.Trans Atmos Sci，41（6）：775-785.doi：10.13878／j.cnki.dqkxxb.20170124003.（in Chinese）.
曾庆存，周广庆，浦一芬，等，2008.地球系统动力学模式及模拟研究［J］.大气科学，32（4）：653-690. Zeng Q C，Zhou G Q，Pu Y F，et al.，2008.Research on the earth system dynamic model and some related numerical simulations［J］.Chin J Atmos Sci，32（4）：653-690.doi：10.3321／j.issn：1001-8166.2007.08.006（in Chinese）.
·ARTICLE·
Simulation of the effects of gravel and organic matter on soil thermal and hydraulic properties in summer over the Tibetan Plateau
TAO Xingyu1，2，L Shihua1，3，LIU Yigang4
1Plateau Atmosphere and Environment Key Laboratory of Sichuan Province，School of Atmospheric Sciences，Chengdu University of Information Technology，Chengdu 610225，China;
2Huafeng Meteorological Media Group Co.，Ltd，Beijing 100081，China;
3Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters，Nanjing University of Information Science and Technology，Nanjing 210044，China;
4Institute of Tibetan Plateau Research，Chinese Academy of Sciences，Beijing 100101，China
Abstract The Tibetan Plateau exhibits complex train，resulting in significant variability in soil conditions across different regions.Gravel and soil organic matter have a substantial influence on soil thermal and hydraulic properties.In this study，we employ the regional climate model RegCM4.7 coupled with CLM4.5 to modify the surface data and implement a corresponding soil thermal and hydraulic parameterization scheme.We conduct two tests：one considering the influence of gravel （test2）and another considering the combined influence of gravel and organic matter （test3）.Our results indicate that test2 significantly improves the simulation accuracy for the western part of the Plateau by incorporating gravel effects but exhibits poor performance for the eastern part.Test3 further enhances the simulation of shallow soil properties in the central and eastern regions based on test2.The regional average root mean square error of shallow soil temperature decreases from 2.11 ℃ to 0.47 ℃，and the regional average root mean square error of shallow soil moisture decreases from 0.05 mm3·mm-3 to 0.01 mm3·mm-3 when transitioning from test1 to test3.Furthermore，all three schemes successfully simulate the surface temperature of the Tibetan Plateau，with test3 exhibiting the smallest error.The root mean square error of the regional average decreases from 2.18 ℃ to 0.74 ℃，bringing it closer to the reanalysis data.
Keywords Tibetan Plateau;RegCM4.7;gravel and soil organic matter;parameterization scheme
doi：10.13878／j.cnki.dqkxxb.20220303001
（責任编辑：刘菲）
猜你喜欢土壤湿度砾石方根方根拓展探究中学生数理化·七年级数学人教版(2023年3期)2023-03-21考虑砾石颗粒形状及含量影响的砂-砾石混合物离散元模拟直剪试验科学技术与工程(2022年27期)2022-11-04Task 3疯狂英语·新悦读(2021年3期)2021-11-24土壤湿度传感器在园林绿化灌溉上的应用初探天津农林科技(2020年3期)2020-08-13基于51单片机控制花盆土壤湿度电子制作(2019年15期)2019-08-27均方根嵌入式容积粒子PHD 多目标跟踪方法自动化学报(2017年2期)2017-04-04揭开心算方根之谜中学生数理化·七年级数学人教版(2016年2期)2016-05-30四川盆地土壤湿度时空分布及影响因子分析高原山地气象研究(2016年4期)2016-02-28中国不同气候区土壤湿度特征及其气候响应高原山地气象研究(2016年4期)2016-02-28数学魔术新高考·高二数学(2014年7期)2014-09-18