青藏高原土壤水热分布特征及冻融过程在季节转换中的作用

利用GAME-Tibet期间所取得的高分辩率土壤温度和含水量资料，对青藏高原（主要是藏北高原）土壤水热分布特征及冻融过程在季节转换中的作用进行了分析。指出藏北高原4cm学深处土壤在10月份开始冻结，次年4-5月份开始消融，冻结持续时间长达5-7个月。冻结过程有利于土壤维持其水分，因此，在刚刚开始消融时土壤含水量仍然很高。从而为夏季风爆发前土壤通过蒸发向大气提供水分打下了基础。指出土壤冻融过程可能在高原季节转换中起着重要作用。     

浅谈直管地温表的观测规律

直管地温表安置在观测场内南侧,面积3×4m2,自东向西,由浅而深,表间相距约50cm,在地中央排成一行。40cm温度表于每日2、8、14、20时观测,80、160、320cm地温表于每日14时观测。土壤温度变化先从表面开始,逐渐影响土壤深层的温度变化。热量的传递需要一定的时间。当土壤表面热量累积达到最大值而出现一天中的最高温度时,土壤各深度的温度尚未达到一天中的极大值。因此,土壤最高、最低温度出现的时间,随深度增加而滞后。一般情况下40cm地温从每年1月初开始逐渐回升,到8月初达一年中的最高值,以后又逐渐下降,在次年的1月初达全年的最小值。80cm…     

ＣＬＭ３０对中国区域陆面过程的模拟试验 及评估Ⅱ：土壤湿度

利用NCAR公用陆面模式（Community Land Model 3.0,CLM3.0）及普林斯顿大学1948—2001年1°×1°、3 h一次的全球大气近地面强迫资料,对中国地区1948-2001年的土壤温度进行了off-line模拟试验,通过对模拟结果和全国台站观测土壤温度资料的对比,评估了CLM3.0对中国区域不同层次土壤温度的模拟能力。结果表明：模式能模拟出中国地区多年平均土壤温度的空间分布型,除部分地区模拟比观测偏高外,模式模拟的土壤温度普遍偏低;模式能较好地反映出中国地区土壤温度的年际变化,对4月的模拟稍好于7月。对于划分的8个子区域,东部区域模拟好于其它各区,除高原一带外,表层的模拟均好于深层;模式基本能抓住土壤温度的变化趋势,而且模拟出了7月长江流域以南地区土壤温度显著降低这一趋势,但模拟的趋势比观测有所偏弱。     

CARBON DYNAMICS OF WETLAND IN THE SANJIANG PLAIN

1INTRODUCTIONWetlandsplayanimportant roleintheprocessofcar-bonstorage.Thetotalcarbonstoredindifferentkindsofwetlandsisabout15%-35%ofthetotalcarboninthegloballandsoils(POSTetal.,1982;GORHAM,1991).Inaddition,wetlandsaresignificantnaturalsources fortheatmospheric CH4 (MOORE,1994).It isestimatedthatabout110×1012gCH4 originates fromanaerobicdecompositioninthenaturalwetlands,CH4 emission fromthenaturalwetlandsis15%-30%oftheglobalCH4 emission andtheCH4 emission from thepeat land at hi…     

ERA-interim气温、地温再分析数据在青海东部农业区的适用性评估

利用1999—2018年逐月ERA-interim再分析数据,选取青海省东部农业区的15个气象站点平均气温和土壤温度,采用误差和相关性分析,对比两种资料时间和站点空间变化规律,并对ERA-interim再分析资料的准确性进行验证评估。结果表明：ERA-interim再分析数据平均气温、5和15 cm土壤温度均低于观测值,分别偏低3.5、4.3和4.5℃;观测值与订正前后的再分析资料月际和季节变化基本一致,空间变化均表现出从东南部向西北部减小的趋势,而且最大值和最小值出现的站点完全一致。近20年来,观测值与再分析资料平均气温均呈现上升趋势,5和15 cm土壤温度观测值表现为升高趋势,而再分析数据呈减小趋势。与订正前相比,订正后的再分析资料与观测值的平均偏差和均方根误差明显减小,同时平均偏差和均方根误差年际变化均呈先增大后减小的趋势。年内平均偏差和均方根误差均呈现“M”型,最大值均出现在4月,最小值出现在12或1月。东部农业区地形复杂、海拔高度差异是再分析资料比观测值偏低的主要原因,利用回归方程实现平均气温和土壤温度再分析数据的订正,有效降低了ERA-interim再分析数据的偏差,提高再...     

两种陆面模式对中国区域土壤温度模拟的对比分析

为研究不同陆面模式对中国区域土壤温度的模拟效果,基于中国气象局陆面数据同化系统（CMA Land Data Assimilation System,CLDAS）大气驱动数据分别驱动Noah和Noah-MP陆面模式进行中国区域土壤温度的模拟（简称:CLDAS_Noah和CLDAS_Noah-MP试验）,使用2010—2018年中国气象局2380个土壤温度观测站点10和40 cm观测数据以及美国全球陆面数据同化系统（The Global Land Data Assimilation System,GLDAS）驱动的Noah模式（GLDAS_Noah试验）模拟的土壤温度结果,从空间分布、季节、分区等角度进行了评估,实现了不同驱动数据相同陆面模式和相同驱动数据不同陆面模式的对比分析。结果表明: GLDAS_Noah、CLDAS_Noah和CLDAS_Noah-MP试验均能合理模拟出中国区域土壤温度空间分布,但在量级上有一定差异,主要表现在中国东北、新疆、青藏高原等积雪区。对于相同陆面模式不同驱动数据,均方根误差显示CLDAS_Noah试验在季节与分区上均优于GLDAS_Noah试验,间接表明CLDAS大气驱动数据优于GLDAS大气驱动数据,且大气驱动数据是提高土壤温度模拟精度的重要因素之一;对于相同驱动数据不同陆面模式,总体上CLDAS_Noah-MP试验棋拟效果优于CLDAS_Noah试验,其中CLDAS_Noah试验模拟的10和40 cm深度土壤温度在冬季积雪区误差明显大于CLDAS_Noah-MP试验,可能与Noah-MP模式改进了积雪方案有关,但10和40 cm深度下CLDAS_Noah-MP试验在东北、华北、青藏高原地区对春季土壤温度模拟误差明显大于CLDAS_Noah试验,可能与Noah-MP模式融雪方案有关。总之,本研究对于后续开展土壤温度多模式集成、土壤温度站点资料同化,最终研制中国区域高质量土壤温度数据集具有一定的参考意义。      

农业气象试验站温室土壤温度控制系统

采用８０３１,８２７９,８２５５,ＡＤＣ０８０９,２８６４,６２６４等芯片组成一实用的温室土壤温度控制系统。由键盘输入温室土壤的上,下限温度,通过ＡＤＣ０８０９对温室土壤温度进行采样,并实时显示土壤温度。当土壤温度超越上,下限时,系统报警,并进行自动处理。     

季节冻土区黑土耕层土壤冻融过程及水分变化

利用黑龙江省水利科学研究院水利试验研究中心综合实验观测场2011年11月-2012年4月整个冻结融化期的实测野外黑土耕层土壤温度和水分数据, 对中-深季节冻土区黑土耕层土壤冻融过程中冻结和融化特征分阴、阳坡进行了分析, 研究了冻融过程中不同深度土壤水分的变化情况, 并探讨了降水对不同深度耕层土壤含水量变化的影响. 结果表明:黑土耕层土壤冻结融化过程分为5个阶段, 历时164 d, 约5.5个月. 阶段I, 秋末冬初黑土耕层土壤开始步入冻结期; 阶段II, 黑土耕层土壤整日处于冻结状态, 阴坡比同样深度的阳坡土壤温度低; 阶段III为黑土耕层土壤稳定冻结期; 阶段IV, 黑土耕层土壤步入昼融夜冻的日循环交替状态, 冻融循环的土层逐渐向深部发展, 阳坡比阴坡融化得更深、更早, 阴坡比阳坡经历冻融循环次数更多; 阶段V为稳定融化期, 在融化过程不存在冻融交替的现象, 直到整个冻层内的土壤全部消融. 各深度位置阴坡土壤温度的最高值出现时间比阳坡晚约0.5 h. 经过整个冻结融化期后, 阴、阳坡各层土壤含水量均大于冻结前, 阴坡土壤含水量比阳坡整体偏低. 在整个冻结融化期, 阳坡地下1 cm、5 cm、10 cm 及15 cm处含水量最大值出现在地下5 cm; 阴坡的含水量整体趋于平稳且在融化期受降水影响明显.     

基于机器学习的土壤温度预估研究综述

土壤温度是地球科学研究中的重要物理量。在陆-气相互作用研究中,土壤温度不仅影响土壤内部的物理、生物、化学过程,而且对陆-气之间能量和物质交换起重要作用。随着可获取的相关数据越来越丰富,机器学习方法已经被越来越多的研究人员引入到土壤温度预估中,在很多任务中已经超过了统计模型、物理模型的性能。本文对比了统计模型、物理模型和机器学习方法这三种土壤温度常用计算方法的异同,简要介绍了应用于土壤温度研究的各类机器学习模型的原理和特点,综合国内外文献归纳了传统机器学习和深度学习在土壤温度空间分布、时间变化和时空变化三方面的研究进展。在土壤温度空间分布研究中,传统机器学习方法能够通过影响因子的空间异质性学习空间特征,并利用站点观测数据计算土壤深处的温度,但随土壤深度增加模型效果减弱,而深度学习模型有能够提取空间特征的结构,但对数据量要求高,当前研究中仅用于地表温度的遥感反演;在土壤温度时间序列研究中,加入了周期性信息的传统机器学习方法具有更好的模型效果,深度学习中的序列学习模型能自动捕捉土壤温度变化规律,结合了非平稳序列分析方法的混合模型能充分考虑土壤温度变化的连续性和周期性;由于陆面过程复杂性,土壤...     

基于GIPL2模型的青藏高原活动层土壤热状况模拟研究

青藏高原活动层土壤热状况,对深入了解高原活动层的厚度变化特征、下垫面的热力作用以及对气候变化预测均有重要意义。利用GIPL2模型模拟青藏高原多年冻土区不同植被状况下活动层土壤热状况。模拟结果表明：模型在高寒草原（QT06）试验点模拟效果较好,高寒沼泽草甸（QT03）试验点的模拟效果较差,高寒草甸（QT01）、高寒荒漠草原（QT05）和高寒草原化草甸（QT04）试验点的模拟效果介于高寒草原试验点和高寒沼泽草甸试验点之间。QT01、QT03、QT04、QT05和QT06的土壤温度模拟值与观测值相比,均方根误差分别为0.67、1.29、0.73、0.7和0.56℃;相关系数分别为0.99、0.87、0.98、0.98和0.96;平均误差分别为0.37、0.61、0.31、0.45和0.16℃。QT06模拟结果较好,原因在于此点土壤质地变化不大,模型的分层与所取的参数更加接近此点的实际状况。QT03模拟结果较差,可能由于此地区土壤中存在砾石,在导热率参数化方案中没有考虑砾石含量,导致模拟结果偏差较大。总体而言,GIPL2模型对青藏高原活动层土壤热状况的模拟具有一定的优势,是一种模拟多年冻土区活动层土壤热状况较为理想的模型。