陸面模型Noah-MP的不同參數化方案在沙漠區域的適用性研究

李火青,買買提艾力·買買提依明*，劉永強，琚陳相

(1.中國氣象局烏魯木齊沙漠氣象研究所/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.新疆大學資源與環境科學學院，新疆 烏魯木齊830046）

陸面過程是地球系統能量物質交互過程中最關鍵的過程之一，并始終影響不同時空尺度的天氣和氣候變化[1]。陸面為天氣和氣候模式提供必要的下墊面條件，陸面的物理特征實時作用于地表和大氣之間的能量、熱量交換[2]，從而作用于邊界層的發展。由于陸氣耦合過程的非線性特點，這種不確定主要是陸面過程的參數化方案的不確定性導致[3]。完善的陸面過程能夠比較準確地模擬陸氣之間的相互作用，可以間接提升天氣預報模式的準確性[4]。隨著陸面觀測資料的獲取和計算機技術進步，陸面模型已經發展到第五代[5-6]。為了陸面模型能夠更好地服務于天氣與氣候預報，世界氣象組織在1980—1983年實施了“世界氣候研究計劃（WCRP）”，將“陸面過程模型的比較計劃（PILPS）”確定作為改進天氣數值預報的重要計劃之一，目前已有多種陸面模型參與了比較計劃和評估[7]。陸面模型在30多年以來的比較和評估研究發現，不同陸面過程模型之間的差別主要取決于陸面過程中不同的物理過程對參數化方案不同[8]。耦合在數值預報模式中的不同的陸面過程參數化方案在不斷完善和增加。因此，分析和評估區域數值預報模式中不同陸面過程物理參數化方案對區域預報性能和模擬能力，優選合適的陸面過程參數化方案對區域預報性能的提高有重要意義[9]。

目前主流的天氣預報模式是由美國大氣科學研究中心（NCAR）研發的 WRF（Weather Research and Forecasting），廣泛應用于區域數值模式預報業務和科研中[10]。目前發布的最新版本是WRF4.0，耦合了8個陸面過程方案，其中Noah-MP是最新耦合進WRF的陸面過程方案[11]。陸面模型Noah-MP（The Community Noah Land Surface Model with Multi-Parameterization Options）具有多種可選物理參數化方案的優勢[12-13]?，F有的研究大多數是基于不同陸面方案WRF耦合和不同區域進行模擬分析。王秋云對比了WRF耦合三種不同陸面方案（SLAB、Noah和RUC）對高溫天氣模型性能，研究表明Noah方案對氣溫的預報準確率最高[14]。楊揚利用Noah、SHAW（Simultaneous Heat and Water）和CLM陸面過程模式在西北半干旱區的模擬性能對比分析，發現三個模型在能量、水量方面的模擬各有優劣[15]。陸面過程不僅對地表溫度有影響，還作用于低空氣象特征有明顯作用，賴錫柳等研究了WRF模式不同陸面過程方案模擬蘭州新區低空氣象場特征，統計分析結果表明Noah方案對低空的風速、溫度模擬效果不如RUC和SLAB方案[16]。不同的陸面方案對模式降水預報也有一定影響[17-18]，盧文旭利用WRF模式耦合4個陸面過程對江西南部暖區特大暴雨進行了模擬，發現地面水汽蒸發所釋放的潛熱以及水汽抬升和輻合釋放的潛能為維持暴雨強度提供了重要的能量支撐，對暴雨中心強度和位置變化的影響[19]。葉丹研究了基于陸面模式Noah-MP的不同參數化方案在半干旱區的適用性，通過模擬和分析選擇出半干旱區最優參數化方案的組合[20]。目前，不同參數化方案在干旱的沙漠區域研究很少，沙漠約占陸地表面積的14.2%，是地球上面積最大的陸地系統，沙漠地表反照率大，土壤熱容量小，含水量低，潛熱小，是地球系統中重要的感熱源，對全球和區域能量平衡及氣候變化具有重要的作用[21-22]。沙漠地表有著特殊的陸面物理過程，其邊界層通過下墊面對大氣的加熱作用與全球其它區域相比差異明顯[23]。目前對Noah-MP在沙漠下墊面最有參數化方案組合的研究尚為空白，本文的研究選擇Noah-MP陸面模型，利用塔克拉瑪干沙漠大氣環境監測站觀測數據，首先進行不同參數化方案組合模擬實驗。分析能量、水量方面的模擬偏差，總結每個參數方案的機理，進行有選擇的參數化方案組合試驗，統計不同方案組合在沙漠區域的模擬偏差，并進行分析和討論，最后選擇出最優的組合方案。

1 資料與模型

1.1 觀測站點及資料

中國氣象局塔克拉瑪干沙漠氣象野外科學試驗基地（38°58′N，83°39′E，1 099.3 m，簡稱塔中站）建立在深入沙漠近200 km的塔克拉瑪干沙漠腹地，主要觀測流動性沙漠大氣邊界層的大氣物理化學特性、地－氣能量交換、風沙運動和沙塵暴形成與輸送以及沙漠大氣遙感參數驗證資料等。觀測站包括80 m鐵塔觀測系統；地層能量探測系統、包括輻射平衡各分量探測儀，土壤熱通量探測儀，開路渦動相關系統；梯度氣象要素標校自動氣象站；邊界層垂直廓線探測系統。圖1為觀測塔[24]。本次研究選取2014年塔中站氣溫、降水、大氣長波輻射、東向風速、北向風速、太陽短波輻射、氣壓，比濕等大氣強迫數據以及多層土壤溫濕度、感熱、潛熱通量。

圖1 塔中站觀測塔

1.2 模式介紹

Noah LSM是基于OSU陸面模型發展而來，遵循強迫-恢復原理。Noah將土壤分為四層（0.1、0.3、0.6和1.0m），地表分為單層積雪和冠層，能夠全面考慮大氣、植被、積雪等局部因素對地面熱狀態的影響，描述了土壤—積雪—植被與大氣的相互作用，能夠模擬土壤溫度、土壤含水量、冠層含水量、雪深、水汽、能量通量、向上長短波輻射強度等[25]。Noah-MP是Yang在Noah的基礎上改進參數化方案：（1）加入植被冠層，將地表和冠層溫度分離計算；（2）優化了冠層輻射傳入的二流近似方案；（3）增加植被動態參數；（4）改進積雪和凍土方案；（5）更新地表水滲流模型。針對不同地表環境提供的參數化方案有：輻射傳輸、動態植被、凍土滲透率、凍土中的過冷液態水、氣孔阻抗、雪表反照率、控制氣孔阻抗的土壤濕度因子、徑流和地下水、表層拖拽系數、降雨和降雪的區分等[12-13]。Noah-MP已經耦合在WRF中，經過大量實驗和研究，得到大量科研、業務工作者的認可。

1.3 參數化方案

參數化方案是Noah-MP的核心，是用數學、物理方法以揭示陸氣之間的能量、物質交互過程。每一個參數化方案都是經過對不同地表環境的大量模擬試驗和驗證得出，默認的參數化方案組合不一定適合特殊的區域。本次研究區域為沙漠，根據地表特征，重點介紹以下幾個參數化方案：

1.3.1 輻射傳輸方案

太陽輻射是驅動地球系統的外部能量，輻射傳輸方案是計算進入近地表層的太陽輻射能量，對陸面模型的能量計算非常重要。Noah-MP中設計了三種輻射傳輸方案，分別是：

（1）改進后的二流近似輻射傳輸方案。

該選項假定間隙概率為SZA（Sun Zenith Angel,太陽天頂角）的功能與植被的3D結構冠層間冠層間隙最大為1.0—GVF（當太陽天頂角為0時），作為輻射傳輸方案的第一選項：gap=F(3D,cosz)。

（2）全網格二流近似。

全網格二流近似方案采用二流近似輻射傳輸方案計算整個網格的輻射，默認地表與冠層之間的高度為0，作為輻射傳輸方案的第二選項：gap=0。

（3）植被冠層的二流近似輻射傳輸方案。

此方案僅用于計算冠層GVF為1時的輻射傳輸，該選項等效“馬賽克”模型，通常對林下葉層和有積雪的冠層有過高的估算[13]，作為輻射方案第三選項：gap=fevg-1。

1.3.2 感熱交換系數

感熱交換系數是計算大氣與下墊面之間能量和物質交換的關鍵參數，在Noah-MP中提供了兩種選擇，分別是Monin Obukhov相似性理論（文中簡稱M-O方案）和Chen97方案[8]。Chen97方案對感熱交換系數Ch的計算如下：

其中，κ是馮卡曼常數（取值 0.4），L是 Monin Obukhov長度，z為相對高度，z0m和z0h分別是動力學粗糙度和熱力學粗糙度，M-O方認為z0m=z0h。周榮衛對城市尺度的邊界層模擬研究發現，z0m和z0h取相同值時會對地表感熱通量的估算造成很大偏差[26]，根據塔中站的觀測和研究結果，本文z0m取值為 0.001m[27]，z0h=z0mexp(-κCRe0.5)，這里的 Re 是雷諾粗糙系數，Re=u*z0m/v，C為檢驗常數（取值0.1），u*為摩擦速度，v是空氣動力學粘滯系數[8]。M-O方案中的d是零平面位移高度（m）一般取決于植被/城市冠層高度，兩方案都用到了穩定修正函數（ψm和ψh），它的差別主要體現在z0h的計算。

1.3.3 土壤水分因子氣孔阻抗

土壤水分因子氣孔阻抗是計算土壤濕度和土壤蒸發的關鍵參數，它是表征土壤水分變化的過程中阻礙水分從土壤氣孔移動的因子，一般稱作β因子。在Noah-MP中提供了三種可選的方案，分別是：（1）Noah土壤濕度方案；（2）CLM 土壤基質勢方案；（3）SSiB不同表達函數的土壤基質勢方案[28]。（1）Noah土壤濕度方案參數化函數可以表示為：

其中，θwilt和 θref分別是土壤水分枯竭點（m3·m-3）和土壤水分飽和點（m3·m-3），它們都取決于土壤類型。Nroot和zroot分別是淺層和深層土壤植被根系含量。CLM的β因子是基于BATS方案改進[29]，可表達為：

其中，ψi=ψsat(θliq，i/θsat)-b是第 i層土壤的土壤基質勢，θsat是潛在飽和土壤基質勢，它依賴于植被和土壤類型。SSIB方案的β因子的計算為：

其中，從c2是坡度因子，范圍在4.36（農田）至6.37（闊葉灌叢）[28]。CLM的β因子變化范圍比Noah的范圍更窄。這三種方案在模型中，因外部原因都有很大的不確定性。

1.3.4 積雪反照率方案

冬季積雪反照率較高，由于受到積雪表面狀態變化的影響（顏色、密度、新舊），它不是一個穩定值。Noah-MP給出了2中可選的方案：

（1）BATS

BATS方案是計算積雪表面的可見光、近紅外波段的直接反射和漫反射，新雪反照率的計算包括：雪齡、SZA、粒度生長和雜質（雪上的灰塵或煙塵）等因素。

（2）CLASS

CLASS方案簡單地計算了包含新雪和舊雪的整個雪表面反照率，并表現出良好的模擬積雪時間和地表反照率。通常BATS方案對雪表反照率模擬值相對CLASS方案偏大。

2 模擬結果分析

利用2014年塔中站觀測數據制作的Noah-MP驅動數據，根據塔中站地理環境將模型參數表中地表比輻射率、反照率、地表粗糙度等默認值修正[27]。本次實驗模擬時段為2014年全年，分別進行3組不同參數化方案組合模擬實驗，具體見表1。

表1 不同參數化方案組合模擬實驗

為有效評估Noah-MP三組試驗在塔克拉瑪干沙漠的模擬效果，本次試驗對土壤溫度、土壤濕度、感熱通量、潛熱通量的模擬效果采用3種評估指標進行分析，分別為：（1）效率系數（Nash-Sutcliffe Efficiency,NSE），NSE值從負無窮到1，越接近1表示模擬結果越接近觀測值，NSE=1時，表明模擬至于觀測值一致，NSE>0.5表示模擬效率可以接受，當NSE<0時則表示模擬效率差；（2）決定性系數（R2），用于表征模擬值與觀測值之間的相關性；（3）均方根誤差（Root Mean Square Error，RMSE），常用于衡量模擬值與觀測值之間的偏差。其中前三個指標主要用于評價模型的模擬性能。NSE、R2、RMSE的分別定義為：

其中，Ts，To分別是模擬值和觀測值，Ts，i，To,i分別為每個時次的模擬值和觀測值。由于塔中站通量儀器觀測不連續，僅對6月20—30日的模擬輸出進行分析。

2.1 土壤溫度

土壤溫度是陸面過程重要的物理量，它影響地表蒸發和能量平衡。在Noah-MP中土壤被分為四層，厚度分別為：0.1、0.3、0.6、1.0 m。土壤溫度也分為四層輸出，但是塔中站的土壤溫度觀測為0.05、0.1、0.2、0.4 m，目前還沒有合理的塔中站土壤溫度插值方法，因此本次研究僅對0.1cm層的土壤溫度模擬值與觀測值進行對比分析。

圖2為Noah-MP的10 cm土壤溫度模擬值與觀測對比曲線和散點圖，三組模擬值均能夠反映塔中站的土壤溫度變化，在6月23日前模擬的趨勢和偏差都比較小，在6月23日有一場降雨過程，土壤溫度模擬值均有明顯下降趨勢，第一、二組實驗在降雨后的波谷偏差較大，第三組的模擬值偏差相對最小，三組模擬均能較好的反映降水過后土壤溫度升高的趨勢。值得注意的是，一次降雨過后三組土壤溫度模擬值均出現了相位偏差，波峰和波谷提前出現。根據經典土壤熱傳導方程（9），當降雨后土壤濕度增大后土壤熱傳導率會增大，導致土壤熱擴散率增大，因此在降雨后的幾天溫度的波峰和波谷分別出現高估和低估，造成這種現象的主要原因是土壤濕度模擬存在很大的不確定性。從圖2的散點圖可以看出，第一組土壤模擬值總體偏低；第二組相關性最好，R2為0.913；第三組總體偏差最小，但相關性相對最低，R2為0.90。根據表1可知，第三組的NSE最大，達到0.851，且RMSE最小，僅為2.591℃。塔中站土壤為沙土，地表無植被覆蓋，經常出現較強陣性風。通過圖4可以看出，第三組選擇的Chen97方案能夠很好的反映感熱交換系數，而M-O方案計算感熱系數未對z0h進行大氣穩定度修正，在出現陣性風時導致Ch偏高。另外根據塔中站地表覆被特征，選擇全網格二流近似（gap=0，無植被覆蓋）更合理，結合統計分析表明第三組試驗的土壤溫度模擬效果最好。

其中，T為土壤溫度（℃），z是土壤深度（m），λ 為土壤熱傳導率（W·m-1·℃-1），Cg為土壤的體積熱容（J·cm-3·℃-1），t為時間（s）。

2.2 土壤濕度

圖2 三組Noah-MP實驗的10 cm土壤溫度模擬值與觀測值對比曲線和散點圖

表1 三組Noah-MP實驗的NSE、RMSE分析表

土壤濕度是能量平衡、水量平衡中的重要參數，對空氣濕度、溫度的模擬和預報能夠維持較長時間的作用。長期以來，土壤溫度的模擬和預報都存在著明顯的不確定性和較大偏差。本次試驗分別選取了三種土壤水分因子氣孔阻抗方案，能夠比較的只有10 cm土壤濕度。從土壤濕度模擬與觀測值對比曲線可以看出，三組模擬值能在一定程度上反映土壤濕度的變化趨勢。第一組模擬值在6月23日降水前存在高估，在降水后的2 d內明顯低于觀測峰值，總體偏差相對最小。第二組采用的Noah土壤水分因子氣孔阻抗方案的模擬明顯偏高，在降水前偏高一個量級，但又低于6月24的日土壤濕度觀測峰值，在25日后土壤濕度開始逐漸下降，不能反映每天土壤濕度的波動。第三組選擇的SSiB土壤水分因子氣孔阻抗方案，降水后有緩慢的上升趨勢，但與觀測峰值差距相對最大，在降水后總體高估，且未能反映土壤濕度的波動。從圖3散點圖可以看出，第一組模擬值在1：1線最集中，R2為0.79，高于其他兩組。根據表1可知，第一組NSE為0.512，在可接受范圍，RMSE為0.057，低于第二、三組。第二組的NSE為0.315，在不可接受范圍。第三組NSE最高，但RMSE又相對較大。

2.3 感熱通量

感熱通量是地表能量傳輸的主要分量，是塔克拉瑪干沙漠的主要熱源，從圖5可以知三組試驗模擬值均能夠較好的反映感熱通量的變化趨勢，在6月23日降水前曲線吻合非常好，在降雨后的兩天第二組模擬值在波谷出現明顯低估。在6月24日后，三組模擬值在波峰均出現了高估現象。第一、二組試驗選擇的M-O方案，第三組試驗選擇的Chen97方案，三組感熱通量模擬值在波谷均有不同程度低估，前兩組在波峰出現高估最明顯，第三組偏差相對較小。從圖5中散點圖和表1可以看出，第三組模擬值相關性最好，R2達到0.982，RMSE相對最小，為31.773 W2·m-2，低于前兩組的一半，決定系數NSE為0.924，也是三組中最好的，從統計分析指標來看第三組的感熱通量模擬效果最好。通過分析塔中站的地表溫度、風速計算，由圖4可看出Chen97方案計算的Ch能夠反映隨時間變化的特征，比較符合沙漠地表感熱傳輸的真實情況。因此，說明Chen97方案最適合干旱的沙漠地區感熱輸送計算。

圖3 三組Noah-MP實驗的10cm土壤濕度模擬值與觀測值對比曲線和散點圖

圖4 感熱交換系數對比曲線

2.4 潛熱通量

潛熱通量主要表現為水的相態變化、地表/植被蒸散引起的熱量吸收和釋放，潛熱通量受土壤氣孔、溫濕度、風速、植被狀態等多因素影響，它的模擬和預報存在較大的不確定性。三組試驗中土壤水分因子氣孔阻抗方案分別選擇了Noah、CLM、SSiB方案，模擬效果均不理想，在6月23日降水前第一、二組模擬值變化較小，基本在0 W2·m-2附近，基本沒有隨時間變化波動趨勢，第三組模擬值相對觀測值有相似的變化趨勢，但明顯低估。在降水后的3 d內，三組模擬值迅速增長，波動范圍較大，總體遠高于觀測值，最大偏差接近300 W2·m-2。在6月27日及以后，三組模擬值的高估情況有所改善，與觀測值變化趨勢相似，但在波谷附近均有不同程度高估現象，但第三組相對較好。從圖6的散點圖可以看出，第一、二組模擬值相對1：1線比較離散，R2分別為0.134和0.06，第三組的三點相對集中，R2為0.257。根據表1數據可知，三組的NSE均為負數，模擬效率較差，說明模擬值總體偏離觀測值較大，第三組RMSE最小，為57.425 W2·m-2，綜合統計分析可以看出，第三組組合試驗對潛熱通量模擬效果最好。

為了進一步比較三組Noah-MP不同參數化方案組合模擬性能，圖7給出了三組模擬的10 cm土壤溫度和濕度、感熱、潛熱通量的泰勒圖。在圖中，歸一化標準差用半徑表示，圓心為直角點；相關性用角度表示，當點越靠近橫軸，則相關性越高，REF點為圓心的小圓半徑表示中心化均方根誤差，表示模擬值與觀測值之間偏離程度，當點距REF越近則中心化均方根誤差越小，其計算公式如下：

其中，N表示樣本總數，n表示每個觀測或模擬時次，fn，rn分別為n時次的觀測值和模擬值，fˉ和rˉ分別為觀測值和模擬值的平均值。將E′換算為RMSE時需要乘變量的數學期望[24]。

圖5 三組Noah-MP實驗的感熱通量模擬值與觀測值對比曲線和散點圖

圖6 三組Noah-MP實驗的潛熱通量模擬值與觀測值對比曲線和散點圖

通過泰勒圖（圖7）可看出，第三組10 cm土壤溫度離REF點最近，其相關性為0.952，相對最高。三組土壤濕度離REF點相對較遠，說明土壤濕度模擬效果均不夠理想，第一組模擬效果相對最好。第三組感熱通量離REF點最近，相關性達到0.991，高于前兩組，第三組的感熱通量模擬效果最好。三組實驗的潛熱通量離REF點最遠，且相關系數最低，第二組低至0.245，第三組相對最近。綜合以上分析可知，除了10 cm土壤濕度模擬相對較差以外，第三組的模擬性能最優。

3 結論

圖7 三組Noah-MP實驗的模擬性能評估泰勒圖

本文利用塔中站2014年觀測數據驅動三組不同參數化方案組合的Noah-MP模擬實驗，并基于觀測數據，對10 cm土壤溫濕度、感熱潛熱通量4個特征量進行了評估。三組模擬均能夠反映塔中站4個特征量的變化趨勢，但對潛熱通量和10 cm土壤濕度的模擬效果都比較差。不同的參數化方案的差別體現在描述陸面熱量和水分變化的物理過程存在差別，因此導致了三組試驗模擬性能有差異，具體分析如下：

（1）對10 cm的土壤溫度模擬，第三組模擬效果最好，第二組次之，第一組最差。影響土壤溫度計算的主要原因是感熱交換系數和輻射傳輸方案的選擇，根據塔中站地理環境和分析結果表明Chen97方案和全網格二流近似（gap=0）輻射方案組合能較好的模擬沙漠土壤溫度。

（2）三組試驗對土壤濕度模擬效果差的主要原因是塔中站氣候非常干燥，地表無植被覆蓋，土壤為疏松細小沙粒，水分含量極低，當降水到達地面的短時間內會蒸發一部分，因此真正進入土壤的水分會相對減少。另外，選擇不同的土壤水分因子氣孔阻抗方案對土壤水分蒸發計算也存在差異，第一組選擇的CLM方案對土壤類型影響蒸發方面有一定考慮，根據土壤基質勢計算并取最小值，所以第二組對土壤濕度模擬沒有偏高現象，選擇Noah和SSiB方案的第二、三組土壤濕度模擬偏高。說明CLM土壤水分因子氣孔阻抗方案更適用于干旱的沙漠區域土壤濕度模擬。

（3）三組試驗均能夠較好的模擬感熱通量，第一、二組模擬值在波峰存在高估，尤其是第二組模擬值在降水后出現了明顯低估情況，第三組對高估有所克制，模擬效果最好，主要得益于選擇了感熱交換系數Chen97方案，能夠較為真實的刻畫Ch變化特征。因此，Chen97方案更適合沙漠地表的感熱計算。

（4）潛熱通量在4個特征量中模擬效果最差，主要原因是沙漠土壤水分極低，觀測降水和實際進入土壤的水量有差異，另外沙漠地表沒有植被和植物根系，目前Noah-MP所給的參數化方案未針對極端干旱的沙漠進行優化，無法準確計算土壤蒸發和植被蒸散，因此對沙漠區域的潛熱通量計算不夠理想。

綜上所述，Noah-MP的不同參數化方案組合試驗均能夠模擬沙漠區域陸面過程，不同的組合會導致不同的模擬效果，其中第三組綜合模擬性能最優。對10 cm土壤濕度和潛熱通量模擬效果差的原因不僅僅是模式參數化方案，還與土壤的物理參數、降水的觀測有關，改進模擬效果需要對沙漠區域土壤水分因子氣孔阻抗方案進行優化、并給出更加真實的地表環境和土壤信息。本文的研究僅能給出Noah-MP在沙漠地表模擬性能最好的參數化方案組合，需要通過長期的觀測和模擬不斷優化參數化方案，使其能夠更好地模擬沙漠地表的陸面過程，改善已耦合Noah-MP的WRF模式在沙漠區域的溫度預報性能。