英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

本科生毕业论文(设计)外文翻译

中文题目：利用地表-地下水集成模型研究网格分辨率对模拟地表能量通量的影响

外文题目：Impacts of Grid Resolution on Surface Energy Fluxes Simulated with An Integrated Surface-Groundwater Flow Model

目录

摘要 2

引言 2

建模方法 3

数值试验设计 4

地形异质性分析 6

结果与讨论 6

总结 11

利用地表-地下水集成模型研究

网格分辨率对地表能量通量模拟的影响

P. Shrestha¹, M. Sulis¹, C. Simmer^1,3, and S. Kollet^2,3

摘要

利用陆地系统模拟平台(TerrSysMP)中包括地表-地下水流动过程的水文模型，研究了德国Rur子流域土壤水分、土壤温度和地表能量通量等模拟对网格分辨率的依赖性。地球系统模型的最新发展为本研究提供了条件，它包括用于陆气相互作用和地下水动力学耦合的三维物理地下水模型。研究结果表明，对于100米至1000米之间的网格分辨率，非局地因素对土壤水分的影响高度依赖网格分辨率。局地植被对尺度效应有强烈的调节作用，尤其是对于地表通量和土壤温度的模拟，很大程度取决于冠层的辐射传输特性。研究还表明，对大于100米的网格分辨率，感热通量和潜热通量的时空变化可能会对陆气耦合模拟中的大气中尺度环流和边界层演变产生显著影响。

引言

近年来，越来越多的地球系统建模平台试图包括具有侧向流和地下-地表水相互作用的物理水文模型，以研究陆地大气和地下水动力学之间的联系(e.g., Anyah et al., 2008; Maxwell et al., 2011; Shrestha et al., 2014; Butts et al., 2014; Larsen et al., 2014)。研究表明，地下水动力学的加入改善了根区土壤湿度和地下水埋深空间变异性的模拟，显示出改进整个陆地系统预测的潜力。然而，从柱状-陆面模型转向具有侧向流动的三维模型时，一个新的空间复杂性维度就被添加进来，其中尺度问题变得非常相关(Becker and Braun, 1999)。这主要是由于引入了Grayson等人（1997）发现的对土壤水模式的非局部控制(例如，由地表和地下流动侧向通量主导的土壤水模式)，这也依赖于网格分辨率。由于计算条件或物理参数化的局限性,空间分辨率在100公里以上的大气模型仍在大于1公里的网格分辨率下运行，和大气模型耦合的水文模型通常在近似网格分辨率下运行,这可能不足以正确地模拟地下流动。Wood等人(2011)提出了超高分辨率模型概念，Beven和Cloke(2012)提出需要依赖于空间尺度的次网格尺度参数化来充分模拟土壤湿度的变化。

实际上，流域在一定尺度上表现出变异性和异质性(Bloschl，Sivapalan, 1995)，而在数值模型中，土壤温、湿度和地表通量的变异性仅由所选择网格分辨率下的异质性来控制。以往利用离线水文模型进行的研究表明，地形向较粗网格分辨率(如1公里)的聚合对水量平衡有强烈影响(e.g., Zhang and Montgomery, 1994; Kuo et al., 1999; Vivoni et al., 2005; Bormann, 2006; Herbst et al., 2006; Giertz et al., 2006; Dixon and Earls, 2009; Sciuto and Diekkrueger, 2010; Sulis et al., 2011)。这些研究主要关注流域流量、地下水埋深和土壤湿度对空间尺度的依赖行为。然而，当这些模型与大气模型耦合时，需要更好地理解土壤温、湿度和表面通量的模拟对空间尺度的依赖性。Shrestha等人(2014)在一种使用马赛克方法的理想化设置中，论证了地形驱动的地表-地下流动的次网格尺度地形对陆-气相互作用的重要性，并强调了精确模拟地表通量的时空变化对整个陆地系统演变的重要性。

本研究的目的是利用陆地系统建模平台(TerrSysMP, Shrestha et al., 2014; Gasper et al., 2014; Sulis et al., 2015)在没有使用次网格尺度参数化的温带气候下，研究与分辨率相关的模式异质性对模拟土壤温、湿度和地表通量变异性的影响。论文的其余部分组织如下：第2节描述了研究所使用的建模方法；第3节讨论了流域试验设计和设置；地形异质性分析见第4节；结果和讨论见第5节；结论见第6节。

建模方法

TerrSysMP的水文部分由NCAR公共陆面模式CLM3.5 (Oleson et al., 2008)和三维变饱和地下水和地表水流动代码ParFlow(Ashby and Falgout, 1996; Jones and Woodward, 2001; Kollet and Maxwell, 2006; Maxwell, 2013)组成。这两个模型(图1)使用OASIS3外置耦合器(Valcke, 2013)进行耦合。在顺序信息交换过程中，ParFlow将更新的前10层相对饱和度(Sw)和压力(Psi;)发送给CLM，CLM依次将前10层土壤湿度(表层土壤湿度通量(qrain)、土壤蒸散量(qe))的深度分化源和汇项发送到ParFlow(图1)。更详细的耦合描述可在Shrestha等人(2014)的文章中找到。在这项研究中，TerrSysMP的水文组成与其大气部分解耦，并利用德国气象局COSMO-DE (Baldauf et al.， 2011) 2.8 km空间分辨率和小时时间分辨率空间分布的大气强迫数据（气温(T)，风速(U)，比湿(QV)，降水(Rain)，气压(P)，入射短波(SW)和长波(LWdn)）作为外强迫。

图1.陆地系统建模平台(TerrSysMP)的水文组成示意图。OASIS3是陆面(CLM)和地下(ParFlow)模式的驱动程序。OASIS3的配置文件以顺序的方式规定了组件模型之间的端点数据交换。两种模型交换的变量分别为相对饱和度(Sw)、土压力水头(9)、表层土壤湿度通量(qrain)、土壤蒸散发(qe)、气温(T)、风速(U)、比湿(QV)、降水(Rain)、压力(P)、入射短波(Sw)和长波(LWdn)。

数值试验设计

该模型建立在Eifel山脉北部的Rur河子流域(TR32试验区;Vereecken et al., 2010;Simmer et al., 2014)，流域面积约325 km²(图2a)。子流域包括与Inde汇合的Wehebach支流。区域由北向南海拔范围为50 ~ 600m(图2b)，丘陵地带以农作物(c1n)为主，坡地以针叶常绿乔木(nle)和阔叶落叶乔木(bld)为主(图2c)。模型中城市区域以叶面积指数固定(LAI=0.6)的农业冠层(c1f)表示。地形和土地利用类型分别基于从TR32数据库(Waldhoff, 2012)获得的雷达地形任务(SRTM) 90m分辨率数据和15m分辨率数据。

图2.(a)位于德国、比利时、卢森堡和荷兰边界的Rur流域的地形分布。(b)本研究所用的Rur子流域(包括东部Wehebach支流的Inde流域)的地形，其上覆盖河网。(c)子流域土地利用类型。

将SRTM数据聚合到120、240、480和960m水平网格分辨率，用于模型区域设置(表1)，首先使用双线性插值将90m分辨率地形插值到120m，再聚合到更粗的分辨率。土地利用类型通过在较粗分辨率下指定唯一的优势植被类型(PFT)来聚合。所选网格分辨率在地形指数存在正空间自相关的范围内(Cai and Wang, 2006)，大致涵盖了大涡模式(LES)与中尺度大气模式之间的网格分辨率范围。对于网格分辨率大于1000m(大气模式)的全耦合中尺度建模，上述选定的网格分辨率可用于TerrSysMP水文分量的嵌入，以更好地解决地形、土地利用类型和地质的异质性。

所有网格分辨率的模型设置都使用相同的10个垂直拉伸层(从上到下2-100cm)，下面是20个恒定深度层(135厘米)，一直延伸到地下30米。在保持土壤参数空间恒定的情况下，采用均匀的土壤结构进行研究。地表以下的参数设置如下：饱和水力传导度Ks = 0.00034mh^-1；van Genuchten参数alpha; = 2.1, n = 2.0m^-1；孔隙度ϕ = 0.4449。这消除了土壤异质性对模拟土壤湿度变异性和土壤水力特性的非局部控制的所有影响。所有设置的土壤湿度剖面都初始化为水平均匀的静水压头和距地表5米的地下水位深。土壤温度水平初始化均匀，各层温度均为10℃。研究采用3600 s时间步长，利用COSMO-DE分析数据中的小时大气强迫对模拟进行了6年的集成。在这6年里，重复使用了2009年相同的大气强迫数据。模型输出分析平均为5天以上。使用NCL(NCAR,2013)进行数据分析。

地形异质性分析

表2总结了不同网格分辨率下地形的非均质性分析。剖面和平面曲率分别代表了流动加速度和收敛/发散流动。剖面曲率与最大斜率方向平行，正/负值表示网格单元处曲面向上凹/凸。平面曲率垂直于流动方向，正/负值表示网格单元一侧的曲面为凸/凹。平面和剖面曲率的分布随网格分辨率变粗而变化。平面曲率在小网格分辨率下呈负偏态，偏度随粗化程度的增大而减小，而剖面曲率的偏度变化可以忽略不计。然而，平面曲率和剖面曲率的峰度均随平面曲率指数幂的增大呈指数递减。这在不同网格分辨率下的D4流向流线图和子流域的局部坡度图中也可以定性地看到(图3a、b、c、d)，地形的聚合导致坡度大小的平滑和小尺度辐合带、辐散带的滤波。如果没有子网格尺度参数化，这种空间滤波将影响横向流和模拟的平均网格单元土壤湿度分布(Shrestha et al., 2014)。与Quinn等人(1995)的发现类似，网格粗化也会影响水的分界位置，很难准确地划分流域贡献区域，尤其是d480和d960。

图3.(a-d)四种网格分辨率下随坡度变化的流向及流线。黑色外轮廓代表120米分辨率流域边界。

结果与讨论

子流域的模拟非饱和水储量(S_unsat)在不同网格分辨率下表现出不同的时间演变(图4)。利用模拟的子流域面积对非饱和水储量进行归一化处理，以解释不同网格分辨率下流域大小的差异。第一年S_unsat的增加反映了从地面到地下5米水位深，地下水储量从水平均质水静力初始状态的调整。今年上半年，由于更有效的排水机制，较细网格分辨率调整得更快。第二年，S_unsat逐渐下降，所有模拟都在第5年达到准平衡。对于网格分辨率较粗的网格，该稳态值范围较低，这是由于低分辨率下排水效率较低造成的地下水位较高，同时入渗较高造成的结果。由图4b也可以看出，第6年的年平均非饱和水蓄量(Sunsat^t)与子流域的平均坡度是并发的。然而，随着分辨率的粗化，平均集水区坡度的减小也伴随着平面图和剖面曲率峰度的减小(见表2)。这些结果与Kuo等人(1999)的研究结果一致，他们将平均土壤含水量随网格粗化的增加与坡度和曲率的减小相关联。Sulis等人(2011)还通过降低局部坡度和由于聚合

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[17480]，资料为PDF文档或Word文档，PDF文档可免费转换为Word