第1章青藏高原气候条件时空分异特征
青藏高原地处中国西南部，总面积约250万km2，约占中国陆地领土面积的1/4，平均海拔超过4000m，是全世界范围*大、高度*高的高原大地形，有“世界屋脊”和“第三极”之称。由于其地形的特殊性，它还孕育着丰富的冻土、冰川、积雪、森林、草原、荒漠、湖泊等多种自然景观，这使得它对全球气候变化的响应十分敏感。就青藏高原本身而言，青藏高原大部分地区属半干旱、干旱区，青藏高原生态系统十分脆弱，降水对生态系统有着重要意义；另外，青藏高原被誉为“亚洲水塔”，它是众多外流河如长江、黄河、怒江、澜沧江、雅鲁藏布江的发源地，并且青藏高原北部和西部的内流河是当地重要的水资源。青藏高原地区的降水不但维系着青藏高原自身的发展，而且影响到中国以及东南亚、南亚各国的水资源安全；同时，对中国东部、西北干旱区、亚洲的气候和植被格局乃至全球气候变化都具有深刻的影响，因此对其进行探索和研究具有极为重要的意义。它一直倍受国内外气象学者的关注和研究（Ding and Chan，2005;Wu et al.，2012，2017;Zhou et al.，2019）。
青藏高原成为我国观测资料*为缺乏的地区之一，已严重阻碍了我们对青藏高原地-气相互作用过程和水分循环规律的科学认识，制约了数值模式的发展和我国灾害性天气气候预测水平的提高。
准确合理地再现青藏高原地区降水仍是世界性难题。相比于全球气候模式，区域气候模式具有更高的水平分辨率（Leung et al.，2003），其能够更合理地描述出山脉、海岸线以及一些更小尺度的物理过程（Christensen J H and Christensen O B，2007）。因此，区域气候模式可以重现和预测全球气候模式中无法捕捉到的精细尺度的气候信息（符淙斌等，2004）。很多学者运用区域气候模式开展青藏高原地区气候特征的模拟研究。研究表明，区域动力降尺度优于全球气候模式模拟的降水，区域气候模式能够模拟出青藏高原季节尺度和月尺度降水与气温的主要分布特征，但是模拟青藏高原降水较观测偏多（张冬峰等，2005；杨雅薇和杨梅学，2008；屈鹏等，2009；王澄海和余莲，2011；Wang et al.，2020）。
对流解析区域气候模式水平分辨率降到公里尺度就可以在网格尺度上显示解析深对流过程，不再采用积云对流参数化方案，从而避免了积云对流参数化方案带来的不确定性。对流解析区域气候模式被认为可以较大限度地提高降水的模拟性能（Prein et al.，2020;Kendon et al.，2021）；同时，学者已经证明了对流解析区域气候模式在复杂地形地区的显著优势（Prein et al.，2013，2015，2020;Sugimoto and Takahashi，2016；Ban et al.，2020；Li et al.，2020;Lind et al.，2020;Meredith et al.，2020;Knist et al.，2020;Scaff et al.，2020;Schwitalla et al.，2020;Yun et al.，2020;Gao et al.，2022）。Yun等（2020）和Guo等（2020）认为对流解析区域气候模式可以合理地再现降水日变化及降水位相东传特征；对于青藏高原来说，对流解析区域气候模式模拟青藏高原降水的增值相较于模式地形、局地非绝热过程的“升尺度”效应对模式模拟的青藏高原水汽输送过程有重要影响（Zhao et al.，2021）；同时指出对流解析区域气候模式有望成为面向青藏高原地区开展动力降尺度研究的有力工具（Li et al.，2020；Guo et al.，2020；Kendon et al.，2021；Steven et al.，2020）。因此，研发具有*立版权且适合青藏高原地区的对流解析区域气候模式是非常必要的。
1.1青藏高原对流解析区域气候
模式模拟技术与方法1.1.1模型构建原理
青藏高原对流解析区域气候模式以中国科学院大气物理研究所东亚区域气候-环境重点实验室发展的具有*立版权区域集成环境系统模式为基础，其中该区域气候模式是以美国大气研究中心和美国宾夕法尼亚大学发展的第五代中尺度模式（MM5）为非静力动力框架，耦合了一些研究气候所需的物理过程方案，其中这些过程包括生物圈-大气圈输送方案、非局地混合的边界层参数化方案（中期预报，Medium Research Forecast，MRF）和修改辐射方案（通用气候模式版本3，The Community Climate Model Version 3，CCM3）。利用观测和遥感数据对该模式中的重要参数率定，实现模式本地化，建立青藏高原对流解析区域气候模式。
1.非静力模式的动力学框架
对于非静力模式，*先定义一个层结参考态p0（z）、T0（z）、ρ0（z）以及相应的参考态的扰动量。
在垂直方向中用σ坐标，σ定义为
式中，ps和pt分别为参考态表面气压和*高层顶气压，不随时间变化。这样，任意一点的气压可以表示为p=p*σ+pt+p′，其中p*=ps-pt，p*为三维气压扰动量，是模式的预报量。
（1）水平动量方程
式中，σ =dσdt，其中在σ=0和σ=1处σ =0；u和v分别为风速的向东分量和向北分量；Tv为虚温；Ф为位势；f为科氏参数；R为干空气的气体常数；m为投影因子；FH和Fv分别为水平扩散项和垂直扩散项；DIV为散度；Du为涡度。
（2）垂直动量方程
（3）气压倾向方程
（4）热力学方程
2.数值计算差分方案
（1）水平网格结构
模式水平网格采用“交错”网格结构，动量变量p*u和p*v定义在“点”（dot）网格上，而其他所有变量则定义在“交叉”（cross）网格上。这种网格结构称为“Arakawa B”格式（Arakawa and Lamb，1977）。使用该网格能给出明显优于非交错网格的结果，这主要是由于使用该网格结构能比较精确地计算气压梯度力项和水平辐散、辐合项。
（2）垂直网格结构
模式垂直方向采用σ地形垂直坐标。
3.物理过程参数化
（1）辐射方案
辐射计算方案采用CCM3软件包，而CCM3与CCM2的差别在于CCM3在长波参数化方案中，对于晴空辐射加入少量的CO2波段的痕量气体（CH4、N2O、CFC11、CFC12）；在短波参数化方案中加入了气溶胶。太阳辐射的计算考虑了O3、H2O、CO2和O2等气体的吸收和放射作用，遵循δ-埃丁顿近似法。它包括0.2～5μm 18个波谱段。长波辐射的计算考虑了O3、H2O、CO2等气体及云的贡献。对于云的散射和吸收，液态水滴云采用Slingo（1989）的辐射参数化方案处理，将云作为灰体来处理。云的光学特性，如云的光学厚度、单次散射反照率和非对称参数，以云含水量的形式给出。水滴有效半径采用云散射和吸收参数化方案计算得到。云量（Fcl）的计算如下：
式中，RH为相对湿度，%。
（2）行星边界层的物理过程
行星边界层中的垂直通量由式（1-13）给出：
式中，γc为描述由深对流造成的非局地输送的“反梯度”输送项。
涡动扩散率也由非局地形式给出：
式中，k为冯 卡门常数；wt为湍流对流速度，它依赖于摩擦速度、高度、莫宁-奥布霍夫长度；h为行星边界层高度。
温度和水汽的反梯度项由式（1-15）给出：
式中，C为常数，等于8.5；0c为地表温度或者水汽通量。此方程应用于地表*高层（假设为0.1h）和行星边界层高度顶之间。此区域之外，γc假设为0。
为了计算涡动扩散率和反梯度率，需要得到行星边界层的高度h，其可由式（1-16）得出:
式中，u（h）、v（h）、θv（h）为行星边界层各高度上的风分量和虚位温；g为重力；Ricr为临界里查森数；θs为地表附近气温的参考值。只要方程右边的各量已知，行星边界层高度h就可由式（1-16）反复计算出。计算出行星边界层高度h后，垂直涡动通量方程就可用来描述行星边界层中所有模式层的湍流输送。
（3）陆面过程方案
陆面过程方案为生物圈-大气圈输送方案（BATS）。该方案是为了描述植被在改变地表动量、热量和水汽通量输送中的作用而设计的一种陆面参数化过程。BATS中包含了18种植被类型、12种土壤纹理（由粗糙到细微）和不同的土壤颜色（由浅到深）。该方案包括植被层、雪被层、10ｃｍ的土壤表层、1～2ｍ的深层土壤以及根区。表层和根区土壤温度的预报方程用Dearorff（1978）力-恢复的方法。该方法考虑了上层土壤和大气之间辐射、感热、潜热的交换以及上层土壤和深层土壤之间的热量释放。土壤的热容量和导电率取决于土壤类型和湿度。冠层空气及叶面温度通过能量平衡方程得出。
土壤水的计算包括土壤表层、根区和整层土壤水含量的预报方程。这些方程考虑降水、雪融化、叶冠滴水、蒸发、地表径流、根区下渗透和土壤层间水的扩散性交换。雪深由降雪、融雪、凝华、升华计算所得。当地面上方**层大气模式层的温度低于271K时，降水就以雪的形式出现。
地表感热、水汽和动量通量由基于表层相似理论的标准地表拖曳系数方程计算（Henderson-Sellers et al.，1993）。拖曳系数取决于地表粗糙度和表层大气的稳定度。地表蒸发率依赖于随时间变化的有效土壤水。
耦合BATS时，对每个格点的植被类型、土壤纹理、土壤颜色、初始冰雪覆盖、土壤湿度及土壤温度均需随气候主模式所选区域而变化。根据这些量及其他内部产生量，采用BATS可以计算表层、深层土壤和叶面及冠层空气的温度，地表和深层土壤的湿度，雪盖，地表的动量、热量和水汽通量，这些通量又可以作为下边界条件反馈到主模式动量方程、热力学方程和水汽方程中。
1.1.2试验设计和资料介绍
利用北京师范大学提供的1∶100万水平分辨率为1km×1km的中国土壤粒径分布（沙子、淤泥和黏土含量）数据集，采用下列方程对饱和土壤水势、饱和土壤导水率、田间持水量和萎点含水量、土壤孔隙度和用于计算土壤水势的参数b进行重新率定。
常见土壤含水量范围内，土壤水势经常采用式（1-17）计算：
式中，φ为土壤水势；φs为饱和土壤水势；θs为土壤孔隙度；θ为土壤含水量；b为参数。Cosby等（1984）建立土壤饱和导水率、土壤水势、土壤孔隙度、参数b与土壤成分之间的统计关系。
式中，%sand为土壤含沙量百分比；%clay为土壤含淤泥量百分比。
采用Wetzel和Chang（1987）萎点含水量方法计算植被根区土壤水势降至200ｍ时的土壤含水量。采用Hill（1980）计算方法计算田间持水量。这两个参数计算如下：
式中，κsat为饱和土壤导水率；θref、θw分别为田间持水量、萎点含水量。
同时，由于陆面模式中植被覆盖度只是温度的函数，与青藏高原植被覆盖度存在非常大的差异，因此采用美国地质调查局（USGS）提供的月尺度的植被覆盖度资料。
目前，国际上广泛被用于区域气候模式和陆面过程模式的植被分类数据是美国地质调查局的高分辨率数据，其水平分辨率为0.0833°×0.0833°。这套数据集对美国境内的植被状况有比较精确的描述。在中国境内尤其是在青藏高原存在很多无资料区和无人区，与实际有非常大的差异。对青藏高原来说，采用的2005年植被数据集是由中国科学院资源环境科学数据中心提供的植被数据集。对2005年高分辨率植被类型数据集进行了重新分析，以表示每个网格框中的主要植被类型。但土地分类标准与美国地质调查局分类主要有两大区别：青藏高原土地植被数据没有对森林进行详细划分，只
展开
