陶星宇 呂世華 劉宜綱

摘要 青藏高原（簡稱高原，下同）地形復雜，各個區(qū)域土壤條件差異較大，土壤礫石與有機質對土壤水熱有較大的影響。本文使用耦合了CLM4.5的區(qū)域氣候模式RegCM4.7，通過修改模式所用地表數據以及相應的土壤水熱參數化方案，分別建立了礫石方案（test2）和礫石-有機質方案（test3）。模擬結果表明：test2較原方案（test1）對于高原西部的模擬效果提升明顯，但對于高原東部的模擬效果欠佳。test3在test2的基礎上，提升了高原中部與東部淺層土壤的模擬效果。test3的淺層土壤區(qū)域平均溫度均方根誤差從2.11 ℃下降到0.47 ℃，淺層土壤區(qū)域平均濕度均方根誤差從0.05 mm3·mm-3下降到0.01 mm3·mm-3。同時，三種方案均能較好地模擬高原的地表溫度。其中test3誤差最小，區(qū)域平均的均方根誤差從2.18 ℃下降到0.74 ℃，與再分析數據更加接近。

關鍵詞青藏高原;RegCM4.7;礫石有機質;參數化方案

陸地作為大氣動量、熱量和水汽等要素的主要源匯強迫（Sellers et al.，1996），陸面過程是影響大氣環(huán)流和氣候變化的基本物理、生化過程之一，是地球系統(tǒng)科學研究的一個重要部分（曾慶存等，2008）。陸面作為氣候系統(tǒng)的重要組成部分，它決定著陸氣之間的能量傳輸以及物質交換。陸面不同于海洋區(qū)域，其比熱容較小且具有更大的粗糙度，這就導致了陸面與大氣之間的交換更為頻繁，將會在某些關鍵區(qū)域和關鍵時間產生重大的影響（李昀英等，2010）。由于高原的熱力作用對其自身以及東亞乃至全球氣候變化都具有重要影響（張超等，2018;楊珂珂等，2023），因此對于高原地區(qū)土壤水熱模擬的準確性就顯得尤為重要。

土壤中礦物質組成以及土壤顆粒的大小，對土壤的水熱屬性有著較大的影響。Cosby et al.（1984）就利用統(tǒng)計方法得到了土壤中砂石、黏土和粉土之間的比例關系。與中國其他區(qū)域土壤相比，高原地區(qū)的地質結構形成時間較晚，土壤較為粗糙，同時含有大量的礫石（Arocena et al.，2014），在高原的西部荒漠中，礫石含量甚至會達到35％～47％（Wu et al.，2012）。Luo et al.（2009）利用從16個采樣點采集的57個土壤樣本對高原中部的土壤質地進行了調查，發(fā)現18個土壤樣本的礫石質量比例（粒徑>2 mm）平均為22.92％。同時，高原的低溫條件導致土壤有機質分解緩慢，造成表層土壤有機質的累積。礫石與有機質在世界上大多數植被地區(qū)的土壤中普遍存在，因此會影響土壤的孔隙度、導熱率、含水率和入滲等特性（Hanson and Blevins，1979;Yuan et al.，2021），從而強烈影響表面能通量、氣溫（Peters-Lidard et al.，1998），土壤溫度（Beringer et al.，2001;馬琴等，2014）和土壤濕度（Letts et al.，2000），進而影響降水（王靜等，2018;高佳佳等，2021;央金卓瑪等，2022）。

然而以往的研究大多數局限于高原某幾個站點或某片區(qū)域，并未對整個高原地區(qū)的模擬效果進行評估，且一些參數仍需進一步改善。因此，本文在加入礫石數據的基礎上，繼續(xù)向模式所用地表數據中增加有機質數據，并對相應的土壤水熱參數化公式進行修改，從而提升模式的模擬效果。

1 資料與方法

1.1 再分析數據

CRA40-Land（簡稱CRA40-L）再分析數據是由中國氣象局制作的中國第一代陸面再分析數據，空間分辨率為34 km，時間分辨率為6 h（http：／／www.nmic.cn／）。經檢驗評估表明，該產品數據較國際其他產品在中國地區(qū)精度更高、質量可靠、應用效果良好。

ERA5-Land（簡稱ERA5-L）再分析數據是以ECWMF第五代再分析產品ERA5模擬的陸地場大氣變量作為強迫，采用修正的陸面水文模式HTESSEL、CY45R1模擬得到的。與ERA5相比，ERA5-Land具有更高的空間分辨率，其水平分辨率可達0.1°（9 km），時間分辨率為1 h。

1.2 觀測數據

為了檢驗兩種再分析數據在高原地區(qū)的應用效果，從西向東，依次選取阿里站、那曲站以及瑪多站的觀測數據與再分析數據進行對比檢驗。阿里站與那曲站的觀測數據來自馬耀明（2020）的高原地氣相互作用過程高分辨率（逐小時）綜合觀測數據集（2005—2016）?，敹嗾居^測數據來自中國科學院西北研究院黃河源氣候環(huán)境研究站。由于土壤溫濕度的觀測儀器在部分觀測點以及部分時間段損壞，為了保證數據的時間連續(xù)性，以及各個站點的時間統(tǒng)一性，只選擇上述三個站點2013—2015年夏季（6—8月）的觀測數據作為與再分析數據的對比數據。

1.3 觀測數據與再分析數據的對比分析方法

由于兩種再分析數據的土壤層厚度不完全對應，且再分析數據的土壤溫濕度是某一層土壤的平均值。因此，選取阿里站和瑪多站10 cm、20 cm的土壤溫濕度，那曲站4 cm、20 cm的土壤濕度及10 cm、20 cm的土壤溫度與兩種再分析數據前兩層的土壤溫濕度作為淺層、深層土壤溫濕度進行對比驗證。

本文采取皮爾遜相關系數（R）及均方根誤差（RMSE）來檢驗模擬的效果。所用時間變化的相關系數及均方根誤差公式如下：

R=∑Ni=1（Mi-）（Oi-）∑Ni=1（Mi-）2∑Ni=1（Oi-）2。? （1）

RMSE=1N∑Ni=1（Mi-Oi）2。（2）

2 數據驗證

2.1 土壤溫濕度數據的驗證

圖1與圖2為三個站點各層再分析數據和觀測數據土壤溫濕度的時間序列。在高原各個站點，兩種再分析數據與觀測數據的變化趨勢相對統(tǒng)一。同時，三種數據的土壤溫濕度日變化幅度都隨著土壤深度的增加而趨于平緩。表1為各層再分析數據與觀測數據的多年平均誤差度量統(tǒng)計表，可以看出CRA40-L與觀測數據的相關系數在絕大多數情況下高于ERA5-L，同時均方根誤差更低。

2.2 再分析數據的選擇及模擬數據與再分析數據的對比分析方法

站點的觀測數據對于檢驗模式的模擬效果有著十分重要的作用，但高原地區(qū)觀測臺站稀少，且數據連續(xù)性較差。為了檢驗本文改進后模式在整個高原的模擬效果，因此選擇適合的再分析數據與模擬數據進行對比檢驗。根據中國第一代全球大氣和陸面再分析產品（CRA）用戶手冊中的描述可知：CRA40-L土壤濕度（0～10 cm）產品在中國區(qū)域質量優(yōu)于GLDAS和CFSR-L，地表溫度和各層土壤溫度精度優(yōu)于CFSR-L。

同時，根據上述檢驗可知，CRA40-L土壤溫濕度數據相較于ERA5-L在高原地區(qū)與觀測數據的偏差和均方根誤差較小而相關系數較高。因此，本文再分析數據選用CRA40-L。

在與模擬數據進行對比時，選取模擬數據的0.007～0.12 m（0.007～0.027 m、0.027～0.062 m、0.062～0.12 m三層數值的加權平均）與再分析數據第一層（0～0.1 m）的土壤溫濕度數據作為淺層土壤溫濕度進行比較;選取模擬數據的0.12～0.37 m（0.12～0.21 m、0.21～0.37 m兩層數值的加權平均）與再分析數據第二層（0.1～0.4 m）的土壤溫濕度數據作為深層土壤溫濕度進行比較。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］為第1到i層平均后土壤溫濕度值;SMi為第i層的土壤溫濕度值;Hi為第i層的土壤厚度。

3 數值模擬試驗設計

3.1 模式試驗設計

模擬方案如下：使用RegCM4.7區(qū)域氣候模式（Giorgi et al.，2012），模擬中心為87°E、33°N，采用Lambert投影，模擬區(qū)域為南北80個格點乘以東西120個格點，垂直層數18層，頂層氣壓50 hPa，水平分辨率30 km，時間積分步長60 s，邊值與初始場數據為歐洲中期天氣預報中心（ECMWF）提供的EIN15全球再分析資料，海溫數據為美國海洋及大氣管理局（NOAA）提供的Optimum Interpolation Weekly海溫數據（OI_WK），陸面模塊為CLM4.5且24 h輸出一次數據。模擬時間為2012年1月1日—2018年12月31日。同時，將模式模擬的前2年作為模式的spin-up階段，實際分析的模擬數據時間為2014—2018年夏季（6—8月）。原模式模擬數據記為test1，礫石參數化模擬數據記為test2，礫石-有機質參數化模擬數據記為test3，再分析數據記為CRA40-L。

3.2 模式所用有機質數據的建立

本文的土壤有機質質量百分比數據來源于沙、粘土和有機質的全球高分辨率數據集（Dai et al.，2019），用此數據來替換模式自身土壤有機碳密度數據。所用數據在垂直方向分為8層，該數據集與原模式相比，缺少了第1層與第10層，并且格點數與原模式也不匹配。因此參照劉宜綱等（2020）所用方法，通過插值的方式補全了缺失數據，使其能為模式所用。

3.3 模式所用參數化方案

礫石與有機質的存在對于土壤的水熱過程起到了重要作用。對于土壤水屬性，礫石與有機質主要影響土壤飽和含水量、土壤飽和導水率、土壤飽和基質勢等方面;對于土壤熱屬性，礫石與有機質主要影響土壤飽和導熱率、干土壤導熱率、土壤固體熱容量、Kensten參數等方面。

本文所用的礫石方案對于土壤水屬性和熱屬性的影響，主要參考Chen et al.（2012）和潘永潔等（2015）的工作;同時考慮了礫石與有機質后對于土壤水屬性和熱屬性的影響，主要參照馬琴等（2014）的工作。

4 結果分析

4.1 高原土壤礫石與有機質分布

圖3為0.1 m及0.4 m深度處高原土壤礫石與有機質的含量分布，可以看出礫石在整個高原地區(qū)都有所存在，高原西部地區(qū)較東部礫石含量偏多，且隨著土壤深度的增加礫石含量呈增加趨勢。相較于礫石，土壤有機質的含量偏低，其主要存在于高原的中部以及東部地區(qū)，且隨著土壤深度的增加有機質含量呈減小趨勢。

4.2 高原土壤濕度模擬

圖4為三種模擬數據與再分析數據土壤濕度相關系數的空間分布。不論是淺層土壤還是深層土壤，test1對于土壤濕度的模擬效果都較差，在高原的中部地區(qū)負相關區(qū)域明顯多于其他兩種方案。test2較test1提升了高原西部以及東部部分地區(qū)的相關系數，但對于高原中部以及東南部地區(qū)的模擬效果仍存在明顯的負相關區(qū)域。test3在test2的基礎上提高了高原中部以及東南部地區(qū)的模擬效果，相關系數較其余兩種方案提升明顯。

圖5與圖6分別為三種模擬數據與再分析數據的土壤濕度偏差及均方根誤差的空間分布。由于淺層土壤中礫石的存在降低了土壤孔隙度的同時增加了指數B與土壤孔隙的彎曲度，從而降低了土壤基質勢與飽和導水率，導致土壤水分下滲減緩。從圖5中可以看出，不論是淺層土壤還是深層土壤，test2與test3相較于test1的土壤濕度都有所增加，與再分析數據的濕偏差有所減小。同時，礫石廣泛存在于高原西部土壤，導致這一現象在高原西部更為明顯。由于高原中部以及東部有機質含量較高，而高有機質含量的土壤持水性更好，因此test3相較于test2進一步增加了土壤濕度，高原中部與東部地區(qū)由濕偏差轉為干偏差。對于均方根誤差，test1在高原東南部的淺層土壤均方根誤差明顯偏大，而其余兩種方案則很好地改善了這一問題。與偏差分布類似，不論是淺層還是深層土壤，test3在高原中部以及東部地區(qū)的均方根誤差均小于其余兩種方案。

圖7為三種模擬數據與再分析數據在高原區(qū)域土壤濕度的時間序列。三種模擬數據的變化趨勢與再分析數據較為一致，隨著參數化的優(yōu)化，模式對于土壤濕度的模擬更加準確。test1較再分析數據明顯偏低，主要是因為原方案土壤孔隙度較大，土壤水分下滲較快。test3有機質的加入進一步提高了土壤的持水性，改善了test2土壤濕度偏低的現象。test3在淺層、深層土壤濕度均方根誤差僅有0.01 mm3·mm-3與0.02 mm3·mm-3（表2）?？傮w來說，兩種改進方案對于土壤濕度的模擬效果是逐步改善的。

4.3 高原土壤溫度模擬

對于氣候變化方面，許多學者研究指出土壤溫度的變化將對其產生重要影響（王萬秋，1991;房云龍等，2010）。因此，土壤溫度模擬的準確性是陸面過程模式的一個重要環(huán)節(jié)。

圖8為三種模擬數據與再分析數據相關系數的空間分布。test1與test2對于高原南部以及東部地區(qū)淺層土壤溫度的模擬效果較差，而test3相較于其他兩種方案，明顯提升了模擬效果。同時，test3對于高原中部及東部邊界地區(qū)的模擬效果也較其他兩種方案有所提高。對于深層土壤，三種方案的模擬情況較淺層有所改善，相關系數的大值區(qū)面積增加。

圖9與圖10分別為三種模擬數據與再分析數據的土壤溫度偏差及均方根誤差的空間分布。對于淺層土壤，三種模擬方案都存在較大的暖偏差，尤其是高原的北部、東部部分邊界地區(qū)以及柴達木盆地為暖偏差的大值區(qū)。由于礫石的加入，降低了土壤導熱率，增加了土壤固體熱容量，test2與test3改善了高原西部土壤溫度偏差較大的問題。高原中部及東部為有機質含量的大值區(qū)，考慮了有機質的低導熱性，test3與再分析數據更加接近。對于深層土壤，除了高原北部地區(qū)外，test1在其余區(qū)域大體呈冷偏差，test2與test3在除高原南部及西部邊界地區(qū)外，仍呈不同程度的暖偏差。從圖9中可以看出，由于test3進一步考慮了有機質的存在，從而增加了土壤的持水性，使得土壤溫度進一步降低，減小了與再分析數據的偏差。均方根誤差方面，三種模擬數據的分布較為一致，即自西向東、自北向南呈減小趨勢。深層均方根誤差較淺層有所減小，且test3對于高原中部及東部地區(qū)的改善較為明顯。

圖11為三種模擬數據與再分析數據在高原區(qū)域土壤溫度的時間序列。對于淺層土壤，三種方案都有不同程度的暖偏差。其中，test1土壤溫度數值明顯偏大，均方根誤差達到了2.11 ℃（表2），而test3較test2溫度數值進一步減小，兩者均方根誤差分別為0.72 ℃、0.47 ℃。同時，test2與test3相較于test1相關系數分別從0.84提升到0.86、0.88。對于深層土壤，test1、test2與再分析數據仍呈暖偏差，均方根誤差分別為2.12 ℃、0.73 ℃，而test3則解決了其他兩種方案的不足，與再分析數據最為接近，均方根誤差僅為0.28 ℃，同時相關系數也從0.91提升到0.94。

4.4 高原地表溫度模擬

圖12為三種模擬數據與再分析數據地表溫度相關系數的空間分布?？梢钥闯觯N方案的空間分布特征基本一致，即高原的東北部與西部地區(qū)為相關系數的大值區(qū)，而test2與test3較test1在高原的中部相關系數有所提高。同時，test3在test2的基礎上，高原的東部與南部的邊界地區(qū)的相關系數也有相應的增加。圖13與圖14分別為高原地區(qū)三種模擬數據與再分析數據的地表溫度偏差及均方根誤差的空間分布。test3相較于test2與test1最明顯的改進在于高原的中部、中南部以及東南部地區(qū)，與再分析數據的偏差及均方根誤差都有所減小。

圖15為三種模擬數據與再分析數據在高原區(qū)域地表溫度的時間序列。三種方案均能較好地模擬出地表溫度的變化趨勢，但數值較再分析數據均有不同程度的暖偏差。三種方案的相關系數均在0.85以上（表2）。夏季降水很容易使淺層土壤含水量達到飽和，由于淺層土壤礫石的存在，使得土壤孔隙度減小，減緩了水分的下滲，同時有機質的存在將進一步提升土壤的持水能力，兩者共同作用導致淺層土壤濕度的增加，從而降低了地表溫度。

5 結論與討論

由于高原地形復雜，高原西部地區(qū)礫石含量較多，而高原東部較同緯度地區(qū)溫度偏低，導致淺層土壤有機質含量較高。根據這一特點，在前人研究的基礎上，向所用陸面模式的地表數據中加入有機質數據，并根據相關研究對模式的土壤水熱參數化方案進行修改，探究了新方案在高原不同地區(qū)的適用性。通過對土壤以及地表變量的對比分析，得出以下結論：

1）由于礫石的加入，test2在高原西部及東南部與再分析數據土壤溫濕度的相關系數較test1更高，均方根誤差更小，高原區(qū)域平均后數據的變化趨勢與再分析更加一致，但高原中部及東部的模擬效果欠佳。

2）test3在test2的基礎上加入了有機質數據，增加了土壤的持水性，一定程度上緩解了土壤濕度偏低的情況，使其對于高原中部以及東南部土壤溫濕度的模擬效果有所提升，相關系數提高，均方根誤差減小。

3）三種模擬方案對于高原區(qū)域地表溫度的模擬效果較為一致，高原的東北部與西部地區(qū)為相關系數的大值區(qū)。區(qū)域平均后的地表溫度相關系數均在0.85以上，但兩種改進方案的均方根誤差分別從2.18 ℃降低到0.87 ℃、0.74 ℃。

雖然新的參數化方案較原方案在高原的模擬效果有不同程度的提升，但仍在部分區(qū)域的模擬效果較差，這可能是所用土壤礫石以及有機質數據與實測數據存在差異導致的，未來應在這些地區(qū)實際測量數據。同時，根據前人的研究發(fā)現，高原不同區(qū)域所用公式參數會有所差異，若不根據不同地區(qū)選擇相應的參數，將會導致模擬數據與觀測及再分析數據存在較大偏差。因此，在之后的工作中應進一步調整參數化方案。

參考文獻（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.

房云龍，孫菽芬，李倩，等，2010.干旱區(qū)陸面過程模型參數優(yōu)化和地氣相互作用特征的模擬研究［J］.大氣科學，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，杜軍，卓嘎，2021.青藏高原春季土壤濕度與夏季降水的關系［J］.大氣科學學報，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，鐘中，2010.陸面參數化方案對兩例不同類型暴雨可預報性的影響［J］.大氣科學，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）.

劉宜綱，呂世華，徐悅，等，2020.區(qū)域氣候模式RegCM礫石參數化方案及其在青藏高原模擬效果評估［J］.高原氣象，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

馬琴，劉新，李偉平，等，2014.青藏高原夏季土壤有機質及礫石影響水熱傳輸特性的數值模擬［J］.大氣科學，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）.

馬耀明，2020.青藏高原地氣相互作用過程高分辨率（逐小時）綜合觀測數據集（2005—2016）［DS］.國家青藏高原科學數據中心. 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）.

潘永潔，呂世華，高艷紅，等，2015.礫石對青藏高原土壤水熱特性影響的數值模擬［J］.高原氣象，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.青藏高原土壤濕度的變化特征及其對中國東部降水影響的研究進展［J］.大氣科學學報，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）.

王萬秋，1991.土壤溫濕異常對短期氣候影響的數值模擬試驗［J］.大氣科學，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.

楊珂珂，郭東林，華維，等，2023.CMIP6 HighResMIP對青藏高原氣候模擬的評估和預估［J］.大氣科學學報，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）.

央金卓瑪，羅布，卓嘎，2022.青藏高原春末土壤濕度對初夏降水的影響［J］.大氣科學學報，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.

張超，田榮湘，茆慧玲，等，2018.青藏高原4月感熱通量異常對長江以南夏季降水的影響［J］.大氣科學學報，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）.

曾慶存，周廣慶，浦一芬，等，2008.地球系統(tǒng)動力學模式及模擬研究［J］.大氣科學，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

（責任編輯：劉菲）