陆面模型Noah-MP的不同参数化方案在沙漠区域的适用性研究

李火青,买买提艾力·买买提依明*，刘永强，琚陈相

(1.中国气象局乌鲁木齐沙漠气象研究所/中国气象局塔克拉玛干沙漠气象野外科学试验基地，新疆 乌鲁木齐830002；2.新疆大学资源与环境科学学院，新疆 乌鲁木齐830046）

陆面过程是地球系统能量物质交互过程中最关键的过程之一，并始终影响不同时空尺度的天气和气候变化[1]。陆面为天气和气候模式提供必要的下垫面条件，陆面的物理特征实时作用于地表和大气之间的能量、热量交换[2]，从而作用于边界层的发展。由于陆气耦合过程的非线性特点，这种不确定主要是陆面过程的参数化方案的不确定性导致[3]。完善的陆面过程能够比较准确地模拟陆气之间的相互作用，可以间接提升天气预报模式的准确性[4]。随着陆面观测资料的获取和计算机技术进步，陆面模型已经发展到第五代[5-6]。为了陆面模型能够更好地服务于天气与气候预报，世界气象组织在1980—1983年实施了“世界气候研究计划（WCRP）”，将“陆面过程模型的比较计划（PILPS）”确定作为改进天气数值预报的重要计划之一，目前已有多种陆面模型参与了比较计划和评估[7]。陆面模型在30多年以来的比较和评估研究发现，不同陆面过程模型之间的差别主要取决于陆面过程中不同的物理过程对参数化方案不同[8]。耦合在数值预报模式中的不同的陆面过程参数化方案在不断完善和增加。因此，分析和评估区域数值预报模式中不同陆面过程物理参数化方案对区域预报性能和模拟能力，优选合适的陆面过程参数化方案对区域预报性能的提高有重要意义[9]。

目前主流的天气预报模式是由美国大气科学研究中心（NCAR）研发的 WRF（Weather Research and Forecasting），广泛应用于区域数值模式预报业务和科研中[10]。目前发布的最新版本是WRF4.0，耦合了8个陆面过程方案，其中Noah-MP是最新耦合进WRF的陆面过程方案[11]。陆面模型Noah-MP（The Community Noah Land Surface Model with Multi-Parameterization Options）具有多种可选物理参数化方案的优势[12-13]。现有的研究大多数是基于不同陆面方案WRF耦合和不同区域进行模拟分析。王秋云对比了WRF耦合三种不同陆面方案（SLAB、Noah和RUC）对高温天气模型性能，研究表明Noah方案对气温的预报准确率最高[14]。杨扬利用Noah、SHAW（Simultaneous Heat and Water）和CLM陆面过程模式在西北半干旱区的模拟性能对比分析，发现三个模型在能量、水量方面的模拟各有优劣[15]。陆面过程不仅对地表温度有影响，还作用于低空气象特征有明显作用，赖锡柳等研究了WRF模式不同陆面过程方案模拟兰州新区低空气象场特征，统计分析结果表明Noah方案对低空的风速、温度模拟效果不如RUC和SLAB方案[16]。不同的陆面方案对模式降水预报也有一定影响[17-18]，卢文旭利用WRF模式耦合4个陆面过程对江西南部暖区特大暴雨进行了模拟，发现地面水汽蒸发所释放的潜热以及水汽抬升和辐合释放的潜能为维持暴雨强度提供了重要的能量支撑，对暴雨中心强度和位置变化的影响[19]。叶丹研究了基于陆面模式Noah-MP的不同参数化方案在半干旱区的适用性，通过模拟和分析选择出半干旱区最优参数化方案的组合[20]。目前，不同参数化方案在干旱的沙漠区域研究很少，沙漠约占陆地表面积的14.2%，是地球上面积最大的陆地系统，沙漠地表反照率大，土壤热容量小，含水量低，潜热小，是地球系统中重要的感热源，对全球和区域能量平衡及气候变化具有重要的作用[21-22]。沙漠地表有着特殊的陆面物理过程，其边界层通过下垫面对大气的加热作用与全球其它区域相比差异明显[23]。目前对Noah-MP在沙漠下垫面最有参数化方案组合的研究尚为空白，本文的研究选择Noah-MP陆面模型，利用塔克拉玛干沙漠大气环境监测站观测数据，首先进行不同参数化方案组合模拟实验。分析能量、水量方面的模拟偏差，总结每个参数方案的机理，进行有选择的参数化方案组合试验，统计不同方案组合在沙漠区域的模拟偏差，并进行分析和讨论，最后选择出最优的组合方案。

1 资料与模型

1.1 观测站点及资料

中国气象局塔克拉玛干沙漠气象野外科学试验基地（38°58′N，83°39′E，1 099.3 m，简称塔中站）建立在深入沙漠近200 km的塔克拉玛干沙漠腹地，主要观测流动性沙漠大气边界层的大气物理化学特性、地－气能量交换、风沙运动和沙尘暴形成与输送以及沙漠大气遥感参数验证资料等。观测站包括80 m铁塔观测系统；地层能量探测系统、包括辐射平衡各分量探测仪，土壤热通量探测仪，开路涡动相关系统；梯度气象要素标校自动气象站；边界层垂直廓线探测系统。图1为观测塔[24]。本次研究选取2014年塔中站气温、降水、大气长波辐射、东向风速、北向风速、太阳短波辐射、气压，比湿等大气强迫数据以及多层土壤温湿度、感热、潜热通量。

图1 塔中站观测塔

1.2 模式介绍

Noah LSM是基于OSU陆面模型发展而来，遵循强迫-恢复原理。Noah将土壤分为四层（0.1、0.3、0.6和1.0m），地表分为单层积雪和冠层，能够全面考虑大气、植被、积雪等局部因素对地面热状态的影响，描述了土壤—积雪—植被与大气的相互作用，能够模拟土壤温度、土壤含水量、冠层含水量、雪深、水汽、能量通量、向上长短波辐射强度等[25]。Noah-MP是Yang在Noah的基础上改进参数化方案：（1）加入植被冠层，将地表和冠层温度分离计算；（2）优化了冠层辐射传入的二流近似方案；（3）增加植被动态参数；（4）改进积雪和冻土方案；（5）更新地表水渗流模型。针对不同地表环境提供的参数化方案有：辐射传输、动态植被、冻土渗透率、冻土中的过冷液态水、气孔阻抗、雪表反照率、控制气孔阻抗的土壤湿度因子、径流和地下水、表层拖拽系数、降雨和降雪的区分等[12-13]。Noah-MP已经耦合在WRF中，经过大量实验和研究，得到大量科研、业务工作者的认可。

1.3 参数化方案

参数化方案是Noah-MP的核心，是用数学、物理方法以揭示陆气之间的能量、物质交互过程。每一个参数化方案都是经过对不同地表环境的大量模拟试验和验证得出，默认的参数化方案组合不一定适合特殊的区域。本次研究区域为沙漠，根据地表特征，重点介绍以下几个参数化方案：

1.3.1 辐射传输方案

太阳辐射是驱动地球系统的外部能量，辐射传输方案是计算进入近地表层的太阳辐射能量，对陆面模型的能量计算非常重要。Noah-MP中设计了三种辐射传输方案，分别是：

（1）改进后的二流近似辐射传输方案。

该选项假定间隙概率为SZA（Sun Zenith Angel,太阳天顶角）的功能与植被的3D结构冠层间冠层间隙最大为1.0—GVF（当太阳天顶角为0时），作为辐射传输方案的第一选项：gap=F(3D,cosz)。

（2）全网格二流近似。

全网格二流近似方案采用二流近似辐射传输方案计算整个网格的辐射，默认地表与冠层之间的高度为0，作为辐射传输方案的第二选项：gap=0。

（3）植被冠层的二流近似辐射传输方案。

此方案仅用于计算冠层GVF为1时的辐射传输，该选项等效“马赛克”模型，通常对林下叶层和有积雪的冠层有过高的估算[13]，作为辐射方案第三选项：gap=fevg-1。

1.3.2 感热交换系数

感热交换系数是计算大气与下垫面之间能量和物质交换的关键参数，在Noah-MP中提供了两种选择，分别是Monin Obukhov相似性理论（文中简称M-O方案）和Chen97方案[8]。Chen97方案对感热交换系数Ch的计算如下：

其中，κ是冯卡曼常数（取值 0.4），L是 Monin Obukhov长度，z为相对高度，z0m和z0h分别是动力学粗糙度和热力学粗糙度，M-O方认为z0m=z0h。周荣卫对城市尺度的边界层模拟研究发现，z0m和z0h取相同值时会对地表感热通量的估算造成很大偏差[26]，根据塔中站的观测和研究结果，本文z0m取值为 0.001m[27]，z0h=z0mexp(-κCRe0.5)，这里的 Re 是雷诺粗糙系数，Re=u*z0m/v，C为检验常数（取值0.1），u*为摩擦速度，v是空气动力学粘滞系数[8]。M-O方案中的d是零平面位移高度（m）一般取决于植被/城市冠层高度，两方案都用到了稳定修正函数（ψm和ψh），它的差别主要体现在z0h的计算。

1.3.3 土壤水分因子气孔阻抗

土壤水分因子气孔阻抗是计算土壤湿度和土壤蒸发的关键参数，它是表征土壤水分变化的过程中阻碍水分从土壤气孔移动的因子，一般称作β因子。在Noah-MP中提供了三种可选的方案，分别是：（1）Noah土壤湿度方案；（2）CLM 土壤基质势方案；（3）SSiB不同表达函数的土壤基质势方案[28]。（1）Noah土壤湿度方案参数化函数可以表示为：

其中，θwilt和 θref分别是土壤水分枯竭点（m3·m-3）和土壤水分饱和点（m3·m-3），它们都取决于土壤类型。Nroot和zroot分别是浅层和深层土壤植被根系含量。CLM的β因子是基于BATS方案改进[29]，可表达为：

其中，ψi=ψsat(θliq，i/θsat)-b是第 i层土壤的土壤基质势，θsat是潜在饱和土壤基质势，它依赖于植被和土壤类型。SSIB方案的β因子的计算为：

其中，从c2是坡度因子，范围在4.36（农田）至6.37（阔叶灌丛）[28]。CLM的β因子变化范围比Noah的范围更窄。这三种方案在模型中，因外部原因都有很大的不确定性。

1.3.4 积雪反照率方案

冬季积雪反照率较高，由于受到积雪表面状态变化的影响（颜色、密度、新旧），它不是一个稳定值。Noah-MP给出了2中可选的方案：

（1）BATS

BATS方案是计算积雪表面的可见光、近红外波段的直接反射和漫反射，新雪反照率的计算包括：雪龄、SZA、粒度生长和杂质（雪上的灰尘或烟尘）等因素。

（2）CLASS

CLASS方案简单地计算了包含新雪和旧雪的整个雪表面反照率，并表现出良好的模拟积雪时间和地表反照率。通常BATS方案对雪表反照率模拟值相对CLASS方案偏大。

2 模拟结果分析

利用2014年塔中站观测数据制作的Noah-MP驱动数据，根据塔中站地理环境将模型参数表中地表比辐射率、反照率、地表粗糙度等默认值修正[27]。本次实验模拟时段为2014年全年，分别进行3组不同参数化方案组合模拟实验，具体见表1。

表1 不同参数化方案组合模拟实验

为有效评估Noah-MP三组试验在塔克拉玛干沙漠的模拟效果，本次试验对土壤温度、土壤湿度、感热通量、潜热通量的模拟效果采用3种评估指标进行分析，分别为：（1）效率系数（Nash-Sutcliffe Efficiency,NSE），NSE值从负无穷到1，越接近1表示模拟结果越接近观测值，NSE=1时，表明模拟至于观测值一致，NSE>0.5表示模拟效率可以接受，当NSE<0时则表示模拟效率差；（2）决定性系数（R2），用于表征模拟值与观测值之间的相关性；（3）均方根误差（Root Mean Square Error，RMSE），常用于衡量模拟值与观测值之间的偏差。其中前三个指标主要用于评价模型的模拟性能。NSE、R2、RMSE的分别定义为：

其中，Ts，To分别是模拟值和观测值，Ts，i，To,i分别为每个时次的模拟值和观测值。由于塔中站通量仪器观测不连续，仅对6月20—30日的模拟输出进行分析。

2.1 土壤温度

土壤温度是陆面过程重要的物理量，它影响地表蒸发和能量平衡。在Noah-MP中土壤被分为四层，厚度分别为：0.1、0.3、0.6、1.0 m。土壤温度也分为四层输出，但是塔中站的土壤温度观测为0.05、0.1、0.2、0.4 m，目前还没有合理的塔中站土壤温度插值方法，因此本次研究仅对0.1cm层的土壤温度模拟值与观测值进行对比分析。

图2为Noah-MP的10 cm土壤温度模拟值与观测对比曲线和散点图，三组模拟值均能够反映塔中站的土壤温度变化，在6月23日前模拟的趋势和偏差都比较小，在6月23日有一场降雨过程，土壤温度模拟值均有明显下降趋势，第一、二组实验在降雨后的波谷偏差较大，第三组的模拟值偏差相对最小，三组模拟均能较好的反映降水过后土壤温度升高的趋势。值得注意的是，一次降雨过后三组土壤温度模拟值均出现了相位偏差，波峰和波谷提前出现。根据经典土壤热传导方程（9），当降雨后土壤湿度增大后土壤热传导率会增大，导致土壤热扩散率增大，因此在降雨后的几天温度的波峰和波谷分别出现高估和低估，造成这种现象的主要原因是土壤湿度模拟存在很大的不确定性。从图2的散点图可以看出，第一组土壤模拟值总体偏低；第二组相关性最好，R2为0.913；第三组总体偏差最小，但相关性相对最低，R2为0.90。根据表1可知，第三组的NSE最大，达到0.851，且RMSE最小，仅为2.591℃。塔中站土壤为沙土，地表无植被覆盖，经常出现较强阵性风。通过图4可以看出，第三组选择的Chen97方案能够很好的反映感热交换系数，而M-O方案计算感热系数未对z0h进行大气稳定度修正，在出现阵性风时导致Ch偏高。另外根据塔中站地表覆被特征，选择全网格二流近似（gap=0，无植被覆盖）更合理，结合统计分析表明第三组试验的土壤温度模拟效果最好。

其中，T为土壤温度（℃），z是土壤深度（m），λ 为土壤热传导率（W·m-1·℃-1），Cg为土壤的体积热容（J·cm-3·℃-1），t为时间（s）。

2.2 土壤湿度

图2 三组Noah-MP实验的10 cm土壤温度模拟值与观测值对比曲线和散点图

表1 三组Noah-MP实验的NSE、RMSE分析表

土壤湿度是能量平衡、水量平衡中的重要参数，对空气湿度、温度的模拟和预报能够维持较长时间的作用。长期以来，土壤温度的模拟和预报都存在着明显的不确定性和较大偏差。本次试验分别选取了三种土壤水分因子气孔阻抗方案，能够比较的只有10 cm土壤湿度。从土壤湿度模拟与观测值对比曲线可以看出，三组模拟值能在一定程度上反映土壤湿度的变化趋势。第一组模拟值在6月23日降水前存在高估，在降水后的2 d内明显低于观测峰值，总体偏差相对最小。第二组采用的Noah土壤水分因子气孔阻抗方案的模拟明显偏高，在降水前偏高一个量级，但又低于6月24的日土壤湿度观测峰值，在25日后土壤湿度开始逐渐下降，不能反映每天土壤湿度的波动。第三组选择的SSiB土壤水分因子气孔阻抗方案，降水后有缓慢的上升趋势，但与观测峰值差距相对最大，在降水后总体高估，且未能反映土壤湿度的波动。从图3散点图可以看出，第一组模拟值在1：1线最集中，R2为0.79，高于其他两组。根据表1可知，第一组NSE为0.512，在可接受范围，RMSE为0.057，低于第二、三组。第二组的NSE为0.315，在不可接受范围。第三组NSE最高，但RMSE又相对较大。

2.3 感热通量

感热通量是地表能量传输的主要分量，是塔克拉玛干沙漠的主要热源，从图5可以知三组试验模拟值均能够较好的反映感热通量的变化趋势，在6月23日降水前曲线吻合非常好，在降雨后的两天第二组模拟值在波谷出现明显低估。在6月24日后，三组模拟值在波峰均出现了高估现象。第一、二组试验选择的M-O方案，第三组试验选择的Chen97方案，三组感热通量模拟值在波谷均有不同程度低估，前两组在波峰出现高估最明显，第三组偏差相对较小。从图5中散点图和表1可以看出，第三组模拟值相关性最好，R2达到0.982，RMSE相对最小，为31.773 W2·m-2，低于前两组的一半，决定系数NSE为0.924，也是三组中最好的，从统计分析指标来看第三组的感热通量模拟效果最好。通过分析塔中站的地表温度、风速计算，由图4可看出Chen97方案计算的Ch能够反映随时间变化的特征，比较符合沙漠地表感热传输的真实情况。因此，说明Chen97方案最适合干旱的沙漠地区感热输送计算。

图3 三组Noah-MP实验的10cm土壤湿度模拟值与观测值对比曲线和散点图

图4 感热交换系数对比曲线

2.4 潜热通量

潜热通量主要表现为水的相态变化、地表/植被蒸散引起的热量吸收和释放，潜热通量受土壤气孔、温湿度、风速、植被状态等多因素影响，它的模拟和预报存在较大的不确定性。三组试验中土壤水分因子气孔阻抗方案分别选择了Noah、CLM、SSiB方案，模拟效果均不理想，在6月23日降水前第一、二组模拟值变化较小，基本在0 W2·m-2附近，基本没有随时间变化波动趋势，第三组模拟值相对观测值有相似的变化趋势，但明显低估。在降水后的3 d内，三组模拟值迅速增长，波动范围较大，总体远高于观测值，最大偏差接近300 W2·m-2。在6月27日及以后，三组模拟值的高估情况有所改善，与观测值变化趋势相似，但在波谷附近均有不同程度高估现象，但第三组相对较好。从图6的散点图可以看出，第一、二组模拟值相对1：1线比较离散，R2分别为0.134和0.06，第三组的三点相对集中，R2为0.257。根据表1数据可知，三组的NSE均为负数，模拟效率较差，说明模拟值总体偏离观测值较大，第三组RMSE最小，为57.425 W2·m-2，综合统计分析可以看出，第三组组合试验对潜热通量模拟效果最好。

为了进一步比较三组Noah-MP不同参数化方案组合模拟性能，图7给出了三组模拟的10 cm土壤温度和湿度、感热、潜热通量的泰勒图。在图中，归一化标准差用半径表示，圆心为直角点；相关性用角度表示，当点越靠近横轴，则相关性越高，REF点为圆心的小圆半径表示中心化均方根误差，表示模拟值与观测值之间偏离程度，当点距REF越近则中心化均方根误差越小，其计算公式如下：

其中，N表示样本总数，n表示每个观测或模拟时次，fn，rn分别为n时次的观测值和模拟值，f¯和r¯分别为观测值和模拟值的平均值。将E′换算为RMSE时需要乘变量的数学期望[24]。

图5 三组Noah-MP实验的感热通量模拟值与观测值对比曲线和散点图

图6 三组Noah-MP实验的潜热通量模拟值与观测值对比曲线和散点图

通过泰勒图（图7）可看出，第三组10 cm土壤温度离REF点最近，其相关性为0.952，相对最高。三组土壤湿度离REF点相对较远，说明土壤湿度模拟效果均不够理想，第一组模拟效果相对最好。第三组感热通量离REF点最近，相关性达到0.991，高于前两组，第三组的感热通量模拟效果最好。三组实验的潜热通量离REF点最远，且相关系数最低，第二组低至0.245，第三组相对最近。综合以上分析可知，除了10 cm土壤湿度模拟相对较差以外，第三组的模拟性能最优。

3 结论

图7 三组Noah-MP实验的模拟性能评估泰勒图

本文利用塔中站2014年观测数据驱动三组不同参数化方案组合的Noah-MP模拟实验，并基于观测数据，对10 cm土壤温湿度、感热潜热通量4个特征量进行了评估。三组模拟均能够反映塔中站4个特征量的变化趋势，但对潜热通量和10 cm土壤湿度的模拟效果都比较差。不同的参数化方案的差别体现在描述陆面热量和水分变化的物理过程存在差别，因此导致了三组试验模拟性能有差异，具体分析如下：

（1）对10 cm的土壤温度模拟，第三组模拟效果最好，第二组次之，第一组最差。影响土壤温度计算的主要原因是感热交换系数和辐射传输方案的选择，根据塔中站地理环境和分析结果表明Chen97方案和全网格二流近似（gap=0）辐射方案组合能较好的模拟沙漠土壤温度。

（2）三组试验对土壤湿度模拟效果差的主要原因是塔中站气候非常干燥，地表无植被覆盖，土壤为疏松细小沙粒，水分含量极低，当降水到达地面的短时间内会蒸发一部分，因此真正进入土壤的水分会相对减少。另外，选择不同的土壤水分因子气孔阻抗方案对土壤水分蒸发计算也存在差异，第一组选择的CLM方案对土壤类型影响蒸发方面有一定考虑，根据土壤基质势计算并取最小值，所以第二组对土壤湿度模拟没有偏高现象，选择Noah和SSiB方案的第二、三组土壤湿度模拟偏高。说明CLM土壤水分因子气孔阻抗方案更适用于干旱的沙漠区域土壤湿度模拟。

（3）三组试验均能够较好的模拟感热通量，第一、二组模拟值在波峰存在高估，尤其是第二组模拟值在降水后出现了明显低估情况，第三组对高估有所克制，模拟效果最好，主要得益于选择了感热交换系数Chen97方案，能够较为真实的刻画Ch变化特征。因此，Chen97方案更适合沙漠地表的感热计算。

（4）潜热通量在4个特征量中模拟效果最差，主要原因是沙漠土壤水分极低，观测降水和实际进入土壤的水量有差异，另外沙漠地表没有植被和植物根系，目前Noah-MP所给的参数化方案未针对极端干旱的沙漠进行优化，无法准确计算土壤蒸发和植被蒸散，因此对沙漠区域的潜热通量计算不够理想。

综上所述，Noah-MP的不同参数化方案组合试验均能够模拟沙漠区域陆面过程，不同的组合会导致不同的模拟效果，其中第三组综合模拟性能最优。对10 cm土壤湿度和潜热通量模拟效果差的原因不仅仅是模式参数化方案，还与土壤的物理参数、降水的观测有关，改进模拟效果需要对沙漠区域土壤水分因子气孔阻抗方案进行优化、并给出更加真实的地表环境和土壤信息。本文的研究仅能给出Noah-MP在沙漠地表模拟性能最好的参数化方案组合，需要通过长期的观测和模拟不断优化参数化方案，使其能够更好地模拟沙漠地表的陆面过程，改善已耦合Noah-MP的WRF模式在沙漠区域的温度预报性能。