冰川冻土, 2023, 45(6): 1859-1874 doi: 10.7522/j.issn.1000-0240.2023.0142

寒区工程与灾害

高原寒区地表土壤冻融作用的空间参数化表征研究

高会然,1,3, 许冲1,3, 张万昌2, 易亚宁1, 肖子亢1,3

1.应急管理部 国家自然灾害防治研究院, 北京 100085

2.中国科学院 空天信息创新研究院, 北京 100094

3.复合链生自然灾害动力学应急管理部重点实验室, 北京 100085

Study on spatial parameterization of freeze-thaw action of surface soil in plateau cold regions

GAO Huiran,1,3, XU Chong1,3, ZHANG Wanchang2, YI Yaning1, XIAO Zikang1,3

1.National Institute of Natural Hazards，Ministry of Emergency Management of China，Beijing 100085，China

2.Aerospace Information Research Institute，Chinese Academy of Sciences，Beijing 100094，China

3.Key Laboratory of Compound and Chained Natural Hazards Dynamics，Ministry of Emergency Management of China，Beijing 100085，China

收稿日期: 2023-02-03   修回日期: 2023-05-17  

基金资助: 应急管理部国家自然灾害防治研究院基本科研业务专项.  ZDJ2022-34

Received: 2023-02-03   Revised: 2023-05-17  

作者简介 About authors

高会然，助理研究员，主要从事冻土变化与冻融灾害研究.E-mail：huirangao@ninhm.ac.cn , E-mail：huirangao@ninhm.ac.cn

摘要

在全球气候变暖背景下，寒区季节冻土环境变化对陆地表面与大气之间的物质与能量交换、陆地景观格局演化的影响十分剧烈。摸清季节冻土的分布格局及其时空变化对开展寒区自然科学研究、保障生态环境和人类生产活动安全均具有重要意义。经过数十年的发展，冻土遥感技术和冻土物理学取得了长足的发展。然而，当前冻土研究成果在区域尺度下灾害风险评估与防控领域中的应用仍处于较低水平。针对冻土研究成果在应用中的短板，以青藏高原东南缘的高山峡谷区及其周边地区为研究区，重点解决地表土壤冻融循环及其水热传输过程的系统性表达，建立了适用于青藏高原高海拔冻土区的空间全分布式的冻土水热耦合过程数值模型，分析了研究区2010—2020年的冻土系统演化过程。在此基础上，构建了地表土壤冻融作用的空间参数化表征方法，提出冻融作用对土体抗剪强度的损伤系数。研究表明，青藏高原东南缘季节冻土随气温升高变化剧烈，表现出较强的空间异质性。季节冻土除了周期性冻融循环外，总体呈退化趋势，为冻融作用下岩土体结构抗剪强度的变化增加了更多不确定性。最后，利用土体抗剪强度损伤系数，从时间变化和空间分布角度揭示了地表土壤冻融作用对冻土边坡稳定性的影响程度。土体抗剪强度损伤系数可以有效刻画地表季节冻土水热过程及其冻融作用特征，为冻融灾害相关研究提供新思路，也为寒区灾害风险评估与灾害防治等领域的研究提供了冻土系统动态演化数据和技术支撑。

关键词： 青藏高原东南缘 ; 季节冻土 ; 冻融作用 ; 土体损伤 ; 数值模拟

Abstract

Under the global climate change， frozen soil regions are sensitive to changes in external hydrothermal conditions， and are tend to degrade regionally， which is mainly manifested by the thickening of permafrost active layer， thinning of seasonally frozen soil layer and reduction in seasonal frozen days. As an important part of the cryosphere， the direct and indirect risks of the changes or degradation of frozen soil to the ecological environment system and the safety of human production have been gaining wide attention from scholars. The changes of surface soil in cold regions have significant impact on the evolution of the landscape pattern， and the material or energy exchange between land surface and atmosphere. Therefore， it is of great significance to monitor the distribution and spatiotemporal changes of seasonally frozen soil for carrying out natural scientific research in cold regions， or ensure the safety of ecological environment and human production activities. After several decades of development， remote sensing technology and frozen soil physics have made considerable progress. However， the application of frozen soil research results in the field of disaster risk assessment， prevention and control at regional scale is still at a low level. Aiming at the shortage of frozen soil process simulation and facing the short board in the frozen soil research results application， we focus on the systematic expression of land surface soil freeze-thaw cycle and its water and heat transfer process over the alpine canyon area and its surrounding areas on the southeastern margin of the Qinghai-Xizang （Tibet） Plateau. The dynamic balance of water and heat in various land surface processes such as meteorology， vegetation， snow cover and soil were considered comprehensively to establish a spatially distributed numerical model. Based on the simulated high-precision frozen soil characteristic parameters， the evolution process of the frozen soil system in the study area was analyzed deeply by using the methods of GIS spatial analysis and data processing technologies. The seasonal freeze-thaw cycle and its changing characteristics of surface frozen soil over the study area in the past decade have been analyzed， and the spatiotemporal evolution of the surface frozen soil in the complex geographical environments under climate change has been revealed in the present study. On this basis， a parametric characterization method of surface freeze-thaw action was developed based on various frozen soil characteristic parameters of the soil hydrothermal processes. Then， the damage coefficient of soil shear strength caused by freeze-thaw action is innovatively proposed by combining the relevant theories of soil shear strength and thawing stability of slopes. The results showed that surface frozen soil on southeastern of the Qinghai-Xizang Plateau changes sharply with the increase of temperature with strong spatial heterogeneity. In addition to the periodic freeze-thaw cycle， seasonally frozen soil showed a degradation trend overall. Degradations of frozen soil were mainly manifested by the increase of soil temperature and the increase of soil water content. Undoubtedly， it increases more uncertainties to the change of shear strength of rock and soil mass structure under freeze and thaw environment. Finally， influence degree of soil freeze-thaw action on slope stability in frozen regions were revealed from the perspectives of time variation and spatial distribution， based on the damage coefficient of soil shear strength that proposed in this study. The results indicated that the damage coefficient of soil shear strength could effectively express the hydro-thermal process of surface frozen soil and its freeze-thaw characteristics. This study can provide new ideas for the research of frozen soil， and provide data and technical support for the dynamic evolution of frozen soil system for the research of disaster risk assessment and disaster prevention in cold regions.

Keywords： southeast margin of the Qinghai-Xizang （Tibet） Plateau ; seasonally frozen soil ; freeze-thaw action ; soil damage ; numerical simulation

PDF (13400KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

高会然, 许冲, 张万昌, 易亚宁, 肖子亢. 高原寒区地表土壤冻融作用的空间参数化表征研究[J]. 冰川冻土, 2023, 45(6): 1859-1874 doi:10.7522/j.issn.1000-0240.2023.0142

GAO Huiran, XU Chong, ZHANG Wanchang, YI Yaning, XIAO Zikang. Study on spatial parameterization of freeze-thaw action of surface soil in plateau cold regions[J]. Journal of Glaciology and Geocryology, 2023, 45(6): 1859-1874 doi:10.7522/j.issn.1000-0240.2023.0142

0 引言

在全球气候持续变暖的背景下，冰冻圈领域已成为研究热点［1-4］。当前，冰冻圈研究不仅关注其在气候系统中的作用，还更加关注对人类社会可持续发展的现实影响和潜在威胁［5-7］。作为冰冻圈的重要组成部分，冻土的变化或退化对生态环境系统、人类生活和生产安全等方面的直接或间接风险，这些研究方向也越来越受到学者的关注［8-9］。

当前，冻土在全球范围内正呈区域性退化趋势，主要表现为多年冻土面积缩小、活动层加厚，季节冻土层变薄、冻结时长缩短等［10-13］。与多年冻土变化相比，季节冻土冻融循环过程周期短、范围广，对陆地表面与大气之间的物质与能量交换、陆地表面景观格局的影响剧烈而深远［5-6，14-16］。现有研究表明，季节冻土对地表景观的影响机制主要体现在冻土冻融的风化作用、冻胀和融沉作用以及冻结滞水作用［17］。一方面，季节冻土是深度不断变化的隔水层，并通过影响区域土壤水特性而形成特殊的水文过程和生态过程［18-19］。另一方面，在地表季节冻土冻融过程中，山体边坡土壤结构、坡体的稳定性、空隙水压力、土体摩擦力等物理特性发生不同程度的变化，为浅层地质灾害的发育提供致灾条件和驱动力［20-23］。因此，摸清地表季节冻土的分布格局及其时空变化对开展寒区自然科学研究、保障或维护人类的生产活动和生存环境安全均具有重要的研究意义。

传统的冻土研究多采用地面观测的方法，但是传统方法在数据实时获取、信息快速提取以及特征参量空间离散化的研究需求下面临重大挑战［24-26］。20世纪80年代以来，国内外学者利用遥感技术进行了大量的区域或全球尺度的冻土时空动态遥感监测研究，并取得一系列数据或技术成果［27-32］。但是，遥感冻土监测受限于当前遥感技术水平，低空间分辨率的遥感冻土数据产品在中小区域尺度上的实际应用仍十分有限。随着冻土物理学的发展以及对冻土系统中的水热传输特性和机制的深入研究，国内外学者发展出了多种基于物理机理的冻土水热传输过程数值模型。例如，Flerchinger等［32］构建的一维水热耦合过程模型SHAW（Simultaneous Heat and Water）模型，Wood等［33］提出的适用于大区域尺度水文过程模拟的VIC（Variable Infiltration Capacity）模型，陈仁升等［34］建立的嵌入分布式水文过程模型的高寒山区水热耦合模型（DWHC），Gao等［31］基于水热耦合原理研发了一套空间全分布式冻土水热过程数值模型（Fully Distributed Frozen Soil Hydrothermal Processes Integrated Modeling System，FFIMS模型），以及近十年来提出或改进的多种考虑冻融循环的陆面过程模型，如GEOTOP模型、CLM模型、UW-VIC模型等［35-38］，为冻土系统动态过程研究提供了有效的方法和手段。

当前，基于物理机理的冻土水热传输过程数值模型研究取得了较大的进展，部分陆面过程模型通过模型集成的方式，具备了精细刻画地表土壤冻融循环多参量和多过程的能力［39-40］。但是，目前冻土变化监测与模拟研究成果在陆面环境要素响应和冻土灾害防治等领域的应用能力仍处于较低的水平。一方面，高时空分辨率冻土特征参量数据获取难度相对较大，限制了大范围长时段冻土冻融循环及其冻融作用的定量分析；另一方面，地表土壤冻融作用作为冻土水热过程与陆面景观格局演变相互联系的重要纽带，其表征指标识别与空间参数化的定量研究不足。区域尺度冻土冻融作用的参数化表征及其进一步在灾害风险评估与防控领域中的应用研究仍是空白。

因此，为了精细刻画全球气候变化下的季节冻土水热过程，系统性表达冻土冻融循环的时空变化特征以及冻融作用特征，本研究以地处青藏高原东南缘的高山峡谷区及其周边地区为研究区，综合考虑气象、植被、积雪与土壤等多个陆面过程以及各个过程中的水热动态平衡，在基于冻土水热耦合系统性理论的空间全分布式的冻土水热耦合过程数值模型FFIMS模型框架下，进行了适用于青藏高原高海拔冻土区的冻土水热过程数值建模。在研究区开展长时段（2010年8月1日至2020年7月31日，共10个水文年）逐日冻土水热过程模拟，获取研究时段内高精度的冻土系统空间分布式水热过程参量，并着重分析研究区冻土环境特征及其时空变化特征。在此基础上，结合冻土边坡稳定性理论，创新性提出冻土冻融作用的空间参数化方法，定量研究地表土壤冻融循环对土体结构稳定性的影响，为区域尺度冻土相关研究和冻融灾害风险评估与灾害防控等研究提供思路借鉴和数据及技术支撑。

1 理论与方法

1.1　总体方法框架

空间分布式的季节冻土特征参数是开展地表土壤冻融作用空间参数化的数据基础，本研究首先利用现有的基于物理机制的分布式冻土水热过程数值模型，获取研究区长时间序列的冻土特征参数数据集，包括植被冠层、积雪、土壤剖面等冻土系统多要素、多过程空间水热参量。然后，利用GIS空间分析、数据挖掘等数据处理技术，分析近十年青藏高原东南缘季节冻土冻融循环及其变化特征，揭示气候变化下的复杂地理环境中的冻土时空演化规律。最后，根据土壤剖面水热过程的多种冻土特征参量，结合土体抗剪强度和冻土边坡稳定性相关理论，提出可以表征冻土冻融作用的空间参数化方案。主要研究框架如图1所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   本研究的主要方法框架示意图

Fig. 1   Overall framework of the integrated approach adopted in this study


1.2　分布式冻土水热过程数值建模

作为冻土过程数值模型基础理论的水热耦合原理考虑了气象、植被冠层、积雪与土壤等多个过程以及各个过程中的水热平衡［31，34，41-42］，各个过程中的水热平衡方程见式（1）~（5）。

（1） 植被冠层

植被及其冠层设计为单层单节点结构，同时考虑了植被生长和季节变化特征，冠层能量与水平衡方程如式（1）和式（2）所示。

ρaca∂T∂t=∂∂z(ρacake∂T∂z)+Hl
∂ρv∂t=∂∂z(ke∂ρv∂z)+El

式中：ρa、ca和T分别为大气密度（kg⋅m-3）、大气比热容（J⋅kg-1⋅℃-1）和冠层温度（℃）；ke为冠层热量传导系数（m2⋅s-1）；Hl为冠层向大气传输的热量（W⋅m-3）；ρv为蒸气密度（kg⋅m-3）；El为冠层蒸散发量（mm）。

（2） 积雪

将积雪设计为单层双节点的结构，考虑积雪的累积和升华以及水热在雪层中的传导过程，积雪能量平衡方程可用式（3）表示。

ρspci∂T∂t+ρlLf∂wsp∂t=∂∂z(ksp∂T∂z)+∂Rn∂z-Ls(∂qv∂z+∂ρv∂t)

式中：ρsp、wsp和ksp分别为雪密度（kg⋅m-3）、体积含水量（m3⋅m-3）和热传导系数（W⋅m-1⋅℃-1）；ci和ρl分别为冰的比热容（J⋅kg-1⋅℃-1）和水密度（kg⋅m-3）；Rn为积雪下的净辐射通量（W⋅m-2）；Lf和Ls分别为融化潜热与升华潜热（J⋅kg-1）；qv为水汽通量（kg⋅s-1⋅m-2）。

（3） 土壤

设计为不同网格不同深度的多层土壤结构，考虑了冻融过程对水热通量的影响，土壤能量和水平衡方程可分别表示为式（4）和式（5）。

Cs∂T∂t+ρiLf∂θi∂t=∂∂z(ks∂T∂z)-ρlcl∂qlT∂z-Lv(∂qv∂z+∂ρv∂t)
∂θl∂t+ρiρl∂θi∂t=∂∂zK(∂ψ∂z+1)+1ρl∂qv∂z+U

式中：Cs为土壤比热容（J⋅kg-1⋅℃-1）；ks为土壤热传导系数（W⋅m-1⋅℃-1）；K为土壤导水率（m⋅s-1）；ψ为土壤水势（m）；U为土壤水通量的源/汇项（m3⋅m-3⋅s-1）。

在FFIMS模型的水热平衡方程的求解过程中，将植被冠层、积雪和土壤剖面分为有限层数，每层用一个节点表示，每个节点中的各水热分量的存储量以各节点所在层的土壤厚度为准。利用隐式有限差分方程组求解每个节点以及节点间的能量和水的平衡方程［43］。模型中各个子过程的理论和方法涉及大量参数和变量，包括一些可调参数、经验常数和物理常数等。其中，可调参数主要是指受研究区域环境条件影响的参数，需要根据研究区地形、气象、生态等条件调整。本研究建立的模型中主要的参数取值及其说明见表1。

表1   FFIMS模型可调参数及其在本研究中的取值

Table 1  Variable parameters of FFIMS model and their values in this study

参数参数说明取值（范围）单位
HEIGHT地面气象要素测量高度2 （2~10）m
WPSR近地层表面粗糙度0.5 （0.1~10）cm
MAXSTATM晴空下太阳辐射最大透过率0.76 （0~1）
WCANDT植物初始含水量0.999 （0~1）kg⋅kg-1
PINTRCP单位叶片截留最大降水量0.001 （0~0.1）mm
TCCRIT植被发生蒸腾的最低气温7 （0~10）℃
PLEAF0气孔阻力最小时的叶片水势-150 （-300~-100）m
ROOTDN土壤层中植被根系比例0.5 （0~1）
SNOWTMP降雪的最高温度1 （0~1）℃
WPSRS有积雪时的近地表面粗糙度0.15 （0.1~10）cm
PONDMX降雨或融雪的最大积水深度1 （0~1）cm
ALBDRY干土的反射率0.2 （0.15~0.3）
ALBEXP计算湿土反射率的指数2 （0~3.5）
DP土壤温度阻尼深度2 （0~10）m
WFTK计算土壤热导率的系数1 （0~1）
SALTKQ土壤基质与溶质的分配系数0.1 （0~1）kg⋅kg-1
DISPER水动力弥散系数0.005 （0~0.01）m2⋅s-1
TOLER_T能量平衡收敛容许误差0.1 （0.001~1）
TOLER_W水平衡收敛容许误差0.01 （0.001~0.1）

新窗口打开| 下载CSV


FFIMS模型的驱动数据、输入和输出均为空间分布式的数据，本研究中所有的数据均统一采样为1 km空间分辨率，模型模拟的时间步长为24 h（逐日模拟）。其中，模型驱动数据和输入数据主要包括气象驱动数据（气温、降水、风速、相对湿度、大气压强、日照时长等要素）、土壤属性数据（土壤类型、土壤深度、土壤机械组成、有机质含量等属性）、地表覆被属性数据（叶面积指数、叶面特征、植被高度、干生物量等）、土壤温湿度初始状态数据。模型输出数据主要是可以表征冻土系统特征或状态的变量，包括冠层水热参量（冠层辐射、冠层截留等）、积雪水热参量（雪面辐射、积雪厚度、雪水当量等）、土壤剖面水热参量（包括土壤剖面温度、土壤剖面含水/冰量、地表热通量等）。

1.3　冻融作用参数化表征方法

地表土壤的冻融作用直接影响或引起土体分裂以及土壤颗粒的重新组合，从而影响土体的抗剪强度，导致土体从稳定状态转向相对不稳定状态，威胁地区的边坡稳定、工程安全等［44-45］。但是，冻融作用对土抗剪强度以及相关指标的影响程度目前仍无定论。根据本研究获取的精细冻土特征参量，结合现有的理论研究基础，可以实现定量化表征冻土冻融作用对土体抗剪强度指标的相对损伤程度。因此，本研究以土壤剖面含水量和土壤剖面含冰量两个关键冻土特征参量为主要参数，构建土体抗剪强度的损伤系数。

土壤内摩擦角和黏聚力是表征土壤抗剪强度的两个关键指标。已有研究表明，土体抗剪强度随着土壤含水率的增加而降低，其中土壤内摩擦角随土壤含水率增加而减小，黏聚力随之多呈现先增大后减小的趋势［46-47］。土壤在冻结状态下，土体中既有固体冰也有液态水，此时的土体抗剪强度主要由土体固有特性和固体冰以及两者间的相互作用决定的［48-50］。一般情况下，土壤含冰量越高，土体抗剪强度越大。因此，本研究以统计时段内的土壤剖面含冰量的变化量为依据，将土体抗剪强度损伤系数表示为e的指数函数，见式（6）。

f=k⋅e-Δθice

式中：f为土体抗剪强度损伤系数（0≤f<1），f值越小，表示冻融作用对土体抗剪强度的损伤越大；Δθice为某时段内土壤含冰量的变化量（m3⋅m-3），计算方法见式（7）；k为关于土壤含水量的系数，计算方法见式（8）。

Δθice=∑d=2D-(θice,d-θice,d-1),θice,d≤θice,d-10,θice,d>θice,d-1
k=1D∑d=1D1-θw,d-θD')

式中：D为统计时间段（d）；θice，d 为d时刻的土壤剖面含冰量（m3⋅m-3）；θw，d 为d时刻的土壤剖面含水量（m3⋅m-3）；θD'为D时段土壤剖面含水量的平均值（m3⋅m-3）。

式（6）~（8）表示，随着冻土融化，土壤含冰量降低，土壤含水量上升，土壤含冰量的变化量增加，f值随之下降，意味着冻融作用对土体稳定性的损伤加大。土壤含水量通过影响土壤黏聚力从而对土体抗剪强度产生影响，关于土壤含水量的调节系数k决定了f值变化的程度。当土壤开始融化至融化初期，在土壤含水量低于θD'时，土壤含水量缓慢增加，k值不断增大，f值下降缓慢甚至有所增加，此时土体抗剪强度由土壤水和固体冰以及两者间的相互作用等条件决定；当土壤含水量高于θD'时，k值开始减小，f值降低，土壤冻融作用对土体抗剪强度的损伤增大。另外，由于土壤抗剪强度随冻融循环次数的增加呈先减小后趋于稳定的趋势，因此，多个水文年或多个时段计算的f值不能直接累加计算。

2 研究区与数据

2.1　研究区概况

以青藏高原东南部的高山峡谷地区为研究区（90.67°~104.2° E、28.6°~31.46° N），总面积为4.12×105 km2（图2）。研究区地势起伏剧烈，自东向西分别为四川盆地西部、青藏高原东南缘高山峡谷地带以及青藏高原腹地南部，海拔范围为302~6 436 m（平均约4 000 m）。研究区中部大面积的高山峡谷区历史构造运动强烈，地质构造发育，且岩土体破碎严重，是各类地质灾害的高易发和高风险区，对当地生态环境安全和人类生产建设安全具有潜在威胁。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   研究区位置和基本地理环境

Fig. 2   Location and basic geographical environment of the study area： location （a）， terrain and distribution of observation stations （b）， soil types （c）， and land use/cover types （d）


21世纪初，研究区多年冻土和季节冻土覆盖全域，其中金沙江以西主要为大片岛状多年冻土，以东为季节冻土和短时冻土。受气候变暖的影响，青藏高原总体变暖的趋势十分明显［51-52］。近40年来，青藏高原升温的速率比全球同期升温速率高2倍左右［2］，青藏高原东南缘是青藏高原地区升温最显著的区域之一［53］。因而，该地区多年冻土和季节冻土都发生了剧烈的变化和退化，对高原地表景观形态和地表自然过程产生了深远的影响。在此背景下，探索和查明高原寒区季节冻土的分布格局及其时空变化，是为寒区基础自然科学研究和保障人类生产活动和生存环境安全提供科学依据的重要手段。

2.2　基础数据

本研究收集了DEM高程数据、土壤质地、土地利用类型等基础资料，其中，DEM来源于USDS EROS数据中心（https：//srtm.csi.cgiar.org/srtmdata/）发布的90 m空间分辨率的SRTM DEM。土壤类型空间分布数据来源于全国土壤普查办公室编制并出版的《1∶100万中华人民共和国土壤图》，基本单元为土壤亚类（研究区共有79类，土壤深度约0.4~1.5 m），包含16种土壤属性数据项，如土壤深度、土壤机械组成、土壤有机质含量等，土壤属性数据库可在线访问（http：//vdb3.soil.csdb.cn）。土地利用类型数据来源于中国多时相土地利用现状数据库。土壤类型和土地利用类型数据均下载自中国科学院资源环境科学数据中心（https：//www.resdc.cn）。FFIMS模型通过数据查找表的方式实现模型所需的土壤和植被相关参数的空间参数化。

2.3　气象驱动数据

（1）气温和降水

空间分布式的气温和降水数据是FFIMS模型的主要驱动参数，本研究收集了研究时段内的1 km分辨率气温和降水同化数据产品（a high-resolution and long-term gridded dataset for temperature and precipitation across China， HRLT）［54］，数据来源于地球和科学环境科学数据库（https：//doi.pangaea.de）。HRLT数据产品使用综合统计分析方法，结合高程及其地形参数、地形湿度指数等协变量，对中国国家气象数据共享网发布的0.5°网格逐日气象数据参数进行空间插值，得到全国长时段高分辨率的最高气温、最低气温和降水数据产品。最高温度的平均绝对误差（MAE）、确定系数（R²）和Nash建模效率（NSE）分别为1.07 °C、0.98和0.98；最低温度的MAE、R²和NSE分别为1.08 °C、0.99和0.99；降水数据的MAE、R²和NSE分别为1.30 mm、0.71和0.70。

（2）其他气象参数

其他气象参数包括相对湿度、潜在蒸散发、大气压强、风速、日照时长、0 cm地表温度等，数据主要来源于中国国家气象数据共享网提供的研究区范围内的25个气象站（图2）的逐日观测资料（http：//data.cma.cn）。采用自然邻域空间插值方法（Natural Neighbor， NN）［55］，将气象站点数据转换为1 km分辨率的空间格网数据。由于上述气象参数具有空间大尺度的特点，利用有限的站点数据插值的方法是可行的。

2.4　站点观测数据

对于模型精度验证，本研究获取了位于青藏高原中东部那曲地区附近的土壤温/湿度监测数据集（SMTMN），该监测网络利用ECH2O EC-TM电磁传感器获得了研究区56个站点（位于本研究区的站点为16个，图2）上的地表土壤湿度和温度的长时间逐日地面观测数据集，数据采集时段为2010年8月1日至2016年12月31日。该数据集通过利用土壤质地和土壤有机碳含量对土壤含水量和土壤温度观测记录进行了校准和质量控制处理，具有较高的精度［56］。

2.5　遥感数据产品

本研究收集了两种地表土壤水分遥感数据产品，与FFIMS模拟的土壤含水量进行对比分析。一个是风云三号B星携带的微波湿度计获取的逐日地表土壤湿度数据集（以下简称“FY-3B”），下载自风云卫星数据中心（http：//satellite.nsmc.org.cn），该数据集的空间分辨率为0.25°，时间范围为2011年1月1日至2018年12月31日。另一个是融合了AMSR-E（NASA National Snow and Ice Data Center Distributed Active Archive Center）、AMSR2（Global Change Observation Mission）和SMOS（Soil Moisture and Ocean Salinity）土壤湿度数据产品的逐月地表土壤湿度数据集（以下简称“AAS”），下载自国家青藏高原科学数据中心（https：//data.tpdc.ac.cn），该数据集的空间分辨率为0.05°，时间范围为2011年1月至2018年12月。

2.6　土壤温湿度初始条件

由于模型的初始土壤水热条件是多层的结构，而土壤温湿度数据通常为地表单层土壤的状态。因此，在模型输入数据预处理模块，预设了两种土壤剖面一维温度场和湿度场的计算方法。通过地表单层土壤的温湿度数据，即可近似估算土壤垂直剖面上的温度和水分分布。土壤剖面一维温度场和湿度场的计算方法分别见式（9）和式（10）［5，57］。

Tz=Ta+(T0-Ta)exp(-z-z0Dp)
θz=θ0⋅exp(-0.869×z)

式中：Tz 为土壤深度为z时的土壤温度（℃）；z0为地表土壤层的厚度（m），z0<z；T0为地表土壤温度（℃）；Ta为多年平均气温（℃），近似等于土壤下边界温度；θz 为土壤深度为z时的土壤含水量（m3⋅m-3）；θ0为地表土壤含水量（m3⋅m-3）；Dp为土壤温度阻尼深度（m）。

3 结果与讨论

3.1　冻土水热过程数值模拟结果与验证

FFIMS模型模拟的部分结果展示见图3，空间分布图包括土壤剖面平均温度、土壤剖面平均含水/冰量以及地表热通量，曲线图为逐日的区域平均土壤温度、含水/冰量。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   FFIMS模型部分模拟结果的时空分布

Fig. 3   Spatiotemporal distribution of partial simulation results of the FFIMS model


陆面过程模型模拟的参量较多，而用于模型精度验证的实测数据类型相对较少。在模型模拟过程中，各参数之间相互联系又相互影响。一般而言，如果主要模拟参数的验证指标良好，则通常认为模型精度是可靠的。土壤剖面温度和含水量是冻土的关键特征变量，本研究主要利用青藏高原那曲地区16个野外站点的土壤温湿度观测数据，采用纳什系数（NSE）、均方根误差（RMSE）和决定系数（R2）指标，验证FFIMS模型的精度，总体精度验证结果见图4，逐年精度验证结果见表2。FFIMS模型模拟的土壤剖面温度的纳什系数和均方根误差分别为0.89（0.87~0.91）、2.38（2.33~2.74），土壤剖面含水量的纳什系数和均方根误差分别为0.59（0.44~0.74）、0.05（0.04~0.06），该结果验证了FFIMS模型在刻画冻土水热过程中具有良好的精度。从R2指标的验证结果看，模型模拟的地表土壤温度和土壤含水量的时间变化趋势在验证时段内是十分一致的，证明了FFIMS模型对冻土水热过程模拟的稳定性。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   FFIMS模型在16个冻土观测站的精度验证结果：土壤温度模拟结果与实测值时间序列对比（a），土壤温度模拟精度（b），土壤温度模拟值与实测值的箱线图（c），土壤含水量模拟结果与实测值时间序列对比（d），土壤含水量模拟精度（e），土壤含水量模拟值与实测值的箱线图（f）

Fig. 4   Overall accuracy verification results of the FFIMS model： comparison of time series between simulated soil temperature results and measured values （a）， simulation accuracy of soil temperature （b）， boxplot of simulated and observed soil temperatures （c）， comparison of time series between simulated soil water content results and measured values （d）， simulation accuracy of soil water content （e）， and boxplot of simulated and observed soil water contents （f）


表2   FFIMS模型逐年精度验证结果

Table 2  Annual precision verification results of the FFIMS model

水文年地表土壤温度地表土壤含水量
NSERMSE/℃R2NSERMSE/（m3⋅m-3）R2
2010—20110.902.330.930.690.060.82
2011—20120.872.740.960.480.060.60
2012—20130.912.230.950.530.060.74
2013—20140.882.610.940.440.050.70
2014—20150.892.330.940.550.060.76
2015—20160.902.320.950.740.040.87

新窗口打开| 下载CSV


图5展示了FFIMS模型模拟的土壤表层水含量与现有数据产品在逐日和逐月尺度上的对比验证结果。可以发现，模型模拟土壤水含量的变化趋势与现有的土壤湿度遥感数据产品具有较好的一致性。但是，与逐日的遥感数据产品的剧烈变化幅度相比，模型模拟的地表土壤水含量表现出了更稳定的变化趋势。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   FFIMS模型模拟的土壤表层水含量与遥感数据产品对比验证结果

Fig. 5   Comparison of surface soil water content simulated by the FFIMS model and remote sensing data products： daily FY-3B soil moisture data （a）， and monthly AAS soil moisture data （b）


3.2　冻土变化特征分析

（1）时间变化特征

本研究主要通过土壤剖面平均温度、土壤剖面平均含水/冰量和地表热通量等参数描述冻土系统水热过程，图6展示了以上多种参量的逐日和逐年变化曲线，图中灰色区域的上下边界分别表示该参量在研究区范围内的最大和最小值，红色折线表示年均值。其中，地表热通量指地表土壤单位面积的热量交换（W⋅m-2），具有方向性，正值表示大气向土壤传递热量。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   冻土水热参量逐日和逐年时间变化趋势

Fig. 6   Trend of daily and annual changes in the water and heat parameters of frozen soil： profile temperature （a）， liquid water content （b）， ice content （c）， and surface heat flux （d）


在本研究时段内，研究区气温增幅明显，年平均气温自4.0 ℃上升到5.9 ℃，平均增幅为0.2 ℃⋅a-1。总的来说，从逐日的冻融过程看，地表土壤冻融循环中的各水热参量呈周期性的规律变化，逐年变化幅度不明显。从研究区平均的角度看，近十年，青藏高原东南缘冻土系统呈现明显的消退趋势，主要表现为土壤剖面温度上升、土壤剖面含水量增加等。其中，土壤剖面的年均温度从3.5 ℃上升到6.2 ℃，平均温度上升率达1.9 ℃⋅（10a）-1；土壤剖面含水量从0.2 m3⋅m-3上升到0.26 m3⋅m-3，平均上升率为0.07 m3⋅m-3⋅（10a）-1；土壤剖面含冰量呈现波动降低趋势，但变化幅度较低，总体趋势平稳；地表热通量则呈显著上升趋势，从2.9 W⋅m-2上升到12.0 W⋅m-2，平均上升率为6.8 W⋅m-2⋅（10a）-1。地表土壤热通量上升，说明大气向陆地输送的热量增加，且热通量数值为正，意味着土壤温度总体上升的趋势仍将持续。

（2）趋势率空间分布特征

空间倾向率方法是在普通线性倾向率方法的基础上，扩展至空间网格尺度上的方法，即在每一个空间栅格上建立相关变量的时间序列，对时间序列逐一进行线性拟合，获取线性拟合的斜率（趋势率）与显著性检验值，从而形成空间分布的趋势特征。本研究利用空间倾向率方法分析研究区冻土相关特征参数的时空演化规律，重点分析各水热参量变化的空间分布特征。根据逐年土壤剖面平均温度、含水/冰量、地表热通量空间分布数据进行空间倾向率计算，获得其时间变化趋势的空间分布，结果如图7所示。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   冻土特征参量的空间趋势率特征及显著性水平

注：左半部分为空间倾向率计算结果，右半部分为相应参量倾向率的显著性水平空间分布；折线图分别展示了呈现显著上升（P1）、显著下降（P2）和不显著上升（P3）等变化趋势。

Fig. 7   Spatial trend rate characteristics and significance level of characteristic parameters of frozen soil： profile temperature （a）， liquid water content （b）， ice content （c）， and surface heat flux （d）

Note：The left half is spatial distribution of tendency rate of various parameters，and the right half is spatial distribution of significance level of the corresponding tendency rate；the line chart shows trends of significant increase（P1），significant decrease（P2），and insignificant increase（P3）.


从冻土水热参量变化趋势率的空间分布上看，各种参量的空间分布具有显著的异质性，空间分布特征受地形地貌、土壤质地等地表景观因素以及气候要素的影响。由于土壤温度是其他参量变化的主导因素，土壤温度与土壤含水/冰量等要素的趋势率在空间上的分布特征具有一定程度的相似性。其中，土壤温度变化趋势的空间分区特征最为明显，研究区西部地处青藏高原腹地的区域，除南部低洼地区，土壤温度总体呈显著上升的趋势；中部川藏高山峡谷地区地形多变，土壤温度变化的空间特征复杂；东部四川盆地的土壤温度呈不显著下降趋势或基本无变化，但与四川盆地交界的青藏高原东南边缘地带，是研究区内土壤温度上升幅度最大的区域。土壤含水量总体上呈现上升趋势，研究区大部分区域为显著上升趋势，局部为不显著上升，研究区南部洼地小面积的区域存在下降趋势。土壤含冰量总体呈现不显著下降的变化趋势，在空间分布上与土壤含水量上升趋势的分布特征较一致，其中呈显著下降趋势的地区多位于研究区东部的地势较低的沟谷地带。随着年均气温的升高，研究区地表土壤热通量呈逐年增加的趋势，且大部分地区较为显著，局部地区呈现下降的趋势。由于地表热通量随时间变化较剧烈，即使在同一天也可能出现较大的波动，因此其变化趋势的空间分布无明显规律性特征。

3.3　土壤冻融作用表征指数

根据FFIMS模型模拟的精细冻土水热过程参量，按照本研究提出的冻融作用参数化表征方法，计算了研究区土体抗剪强度损伤系数。图8展示了不同冻融循环次数（1个水文年为1次冻融循环，图中以n表示）下的土体抗剪强度损伤系数空间分布。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   不同冻融循环次数下的土体抗剪强度损伤系数空间分布

Fig. 8   Spatial distribution of the damage coefficient of soil shear strength under different freeze-thaw cycles


基于冻土冻融循环水热参量计算的土体抗剪强度的损伤系数，主要反映了区域地表土壤冻融作用对土体抗剪强度的相对损伤程度。损伤系数越低，表示损伤程度越大，边坡失稳发生冻融灾害的风险或概率（相对）加大。从时间变化上看，随着冻融循环次数的增加，冻融作用的损伤程度不断加剧，但其空间分布特征总体较稳定。从空间分布上看，土体抗剪强度损伤系数具有较强的地带性分布规律。高值区域集中分布在研究区东部和南部低洼峡谷地区，这些地区冻结天数较少甚至未发生冻结，土壤冻融作用相对较弱。无论在研究区西部的青藏高原腹地、中部的川藏高山峡谷地区，还是研究区东部低洼地区，均存在损伤程度较高（低值）的区域。其中，青藏高原东部边缘与四川盆地接壤地带有成片低值区域分布。受青藏高原东部边缘多年冻土退化程度较大的影响，该区域地表土壤冻融作用整体较强。

本研究以冻融循环5次的计算结果为例，进一步结合地形、植被类型进行了统计分析（图9）。统计结果表明，地表土壤冻融作用对土体的损伤程度与高程有较显著的相关性，高程低于1 000 m的区域损伤程度基本较小，而青藏高原腹地和高山峡谷区高程在5 000 m左右的区域，土体强度受冻融作用影响最大。由于研究区内的人类活动多处于地势低洼的地区，因此土地利用类型为农田和建设用地的区域，地表土壤冻融作用的损伤程度较小。反之，高海拔山区的草地和林地，尤其是地表裸露的区域（盐碱地、戈壁、裸土/石等），土体抗剪强度在冻融循环的作用下损伤程度较大。另外，通过对比不同植被覆盖率下的损伤系数发现，植被覆盖度越高，损伤系数越高，土壤冻融作用的损伤程度越低。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   不同高程（a）和土地利用类型（b）的土体抗剪强度损伤系数

Fig. 9   The damage coefficient of soil shear strength under different elevations （a） and land use/cover types （b）


图10展示了研究区平均土体抗剪强度和土壤冰融化量随冻融循环次数增加的变化。其中，年均损伤系数和累积损伤系数的区别在于，计算累积损伤系数的基准年份是研究时段的起始年份。通过定量统计可以发现，累积损伤系数随冻融循环次数的增加而降低，但随冻融循环次数的增加，累积损伤系数降低的程度逐渐减小，直至平稳的趋势。这表明冻融循环导致土体损伤失稳的作用具有一定的限度，不会成为引起冻融灾害发生的主导因素。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10   土体抗剪强度损伤系数和土壤冰融量随时间的变化

Fig. 10   Variations of the damage coefficient of soil shear strength and melted soil ice with time


另外，需要特别注意的是，本研究计算得到的损伤系数并不能反映土体抗剪强度本身大小或边坡固有稳定性特点。例如，损伤系数较低的区域，表示冻融作用对土体的损伤程度大，但并非意味着边坡稳定性差或冻融灾害发生概率高，仅表示该区域地表岩土体受到的冻土冻融作用更强烈。除了冻融作用外，土体本身的抗剪强度对边坡稳定性起到决定性作用，冻融循环起到了弱化其相对强度的作用。

4 结论

针对当前分布式冻土过程模拟研究的不足，弥补区域尺度冻土研究在自然灾害风险评估与防控领域中应用研究的短板，本研究以青藏高原东南缘的高山峡谷区及其周边地区为研究区，重点关注季节冻土冻融循环及其水热传输过程的系统性表达，建立了适用于青藏高原高海拔冻土区的空间全分布式的冻土水热耦合过程数值模型（FFIMS模型）。在获取高精度的冻土系统分布式水热过程参量的基础上，提出冻土冻融作用的空间参数化方法，得到以下主要结论：

（1）基于物理机制的FFIMS模型对地表冻融循环中的冻土水热过程的模拟效果较好，冻土系统主要特征参量（土壤温度和土壤含水量）经过验证精度良好，可以为精细刻画空间分布式冻土过程提供有效的模型方法。

（2）随着气温升高，青藏高原东南缘季节冻土变化剧烈，空间异质性较强，季节冻土除了周期性冻融循环外，总体呈退化的趋势，表现为土壤温度显著上升、土壤含水量显著上升、土壤含冰量不显著下降等，为冻融作用下的岩土体结构的抗剪强度变化增加了更多不确定性因素。

（3）另外，还进行了地表土壤冻融作用空间参数化表征方法研究，创新性地提出了土体抗剪强度损伤系数，通过统计分析表明该指标在数值表达和空间分布等方面是合理可行的。利用高精度的冻土过程特征参量，可以有效进行冻土冻融作用的参数化表达。

本研究成果可以为冻土相关研究提供新的思路，同时，为寒区区域尺度下的相关基础研究和灾害风险评估与灾害防治等领域的研究提供冻土系统动态演化的数据和技术支撑。

参考文献

Yao Tandong， Chen Fahu， Cui Peng， et al.

From Qinghai-Tibet Plateau to roof of the world and Pan-roof of the world

［J］. Bulletin of Chinese Academy of Sciences， 2017， 32（9）： 924-931.

[本文引用: 1]

姚檀栋， 陈发虎， 崔鹏， 等.

从青藏高原到第三极和泛第三极

［J］. 中国科学院院刊， 2017， 32（9）： 924-931.

[本文引用: 1]

Cheng Guodong， Zhao Lin， Li Ren， et al.

Characteristics， changes and impacts of permafrost in Qinghai-Tibet Plateau

［J］. Chinese Science Bulletin， 2019， 64（27）： 2783-2795.

[本文引用: 1]

程国栋， 赵林， 李韧， 等.

青藏高原多年冻土特征、变化及影响

［J］. 科学通报， 2019， 64（27）： 2783-2795.

[本文引用: 1]

Biskaborn B K， Smith S L， Noetzli J， et al.

Permafrost is warming at a global scale

［J］. Nature Communications， 2019， 10（1）： 264.

Qin Dahe， Yao Tandong， Ding Yongjian， et al.

The Cryospheric Science for sustainable development

［J］. Journal of Glaciology and Geocryology， 2020， 42（1）： 1-10.

[本文引用: 1]

秦大河， 姚檀栋， 丁永建， 等.

面向可持续发展的冰冻圈科学

［J］. 冰川冻土， 2020， 42（1）： 1-10.

[本文引用: 1]

Xu Xiaozu， Wang Jiacheng， Zhang Lixin. Frozen soil physics［M］. 2nd ed. Beijing： Science Press， 2010.

[本文引用: 3]

徐斅祖， 王家澄， 张立新. 冻土物理学［M］. 2版. 北京： 科学出版社， 2010.

[本文引用: 3]

Qin Yue， Lei Huimin， Yang Dawen， et al.

Long-term change in the depth of seasonally frozen ground and its ecohydrological impacts in the Qilian Mountains， northeastern Tibetan Plateau

［J］. Journal of Hydrology， 2016， 542： 204-221.

[本文引用: 1]

Ding Yongjian， Mu Cuicui， Wu Tonghua， et al.

Increasing cryospheric hazards in a warming climate

［J］. Earth-Science Reviews， 2021， 213： 103500.

[本文引用: 1]

Cui Peng， Guo Xiaojun， Jiang Tianhai， et al.

Disaster effect induced by Asian Water Tower change and mitigation strategies

［J］. Bulletin of Chinese Academy of Sciences， 2019， 34（11）： 1313-1321.

[本文引用: 1]

崔鹏， 郭晓军， 姜天海， 等.

“亚洲水塔”变化的灾害效应与减灾对策

［J］. 中国科学院院刊， 2019， 34（11）： 1313-1321.

[本文引用: 1]

Ding Yongjian， Zhang Shiqiang， Wu Jinkui， et al.

Recent progress on studies on cryospheric hydrological processes changes in China

［J］. Advances in Water Science， 2020， 31（5）： 690-702.

[本文引用: 1]

丁永建， 张世强， 吴锦奎， 等.

中国冰冻圈水文过程变化研究新进展

［J］. 水科学进展， 2020， 31（5）： 690-702.

[本文引用: 1]

Jin Huijun， Li Shuxun， Wang Shaoling.

Influence of climate change on permafrost and cold region environment in China

［J］. Acta Geographica Sinica， 2000， 55（2）： 161-173.

[本文引用: 1]

金会军， 李述训， 王绍令.

气候变化对中国多年冻土和寒区环境的影响

［J］. 地理学报， 2000， 55（2）： 161-173.

[本文引用: 1]

Jorgenson M T， Racine C H， Walters J C， et al.

Permafrost degradation and ecological changes associated with a warming climate in central Alaska

［J］. Climatic Change， 2001， 48（4）： 551-579.

Jiao Shihui， Wang Lingyue， Liu Gengnian.

Prediction of Tibetan Plateau permafrost distribution in global warming

［J］. Acta Scientiarum Naturalium Universitatis Pekinensis， 2016， 52（2）： 249-256.

焦世晖， 王凌越， 刘耕年.

全球变暖背景下青藏高原多年冻土分布变化预测

［J］. 北京大学学报（自然科学版）， 2016， 52（2）： 249-256.

Gao Huiran， Nie Ning， Zhang Wanchang， et al.

Monitoring the spatial distribution and changes in permafrost with passive microwave remote sensing

［J］. ISPRS Journal of Photogrammetry and Remote Sensing， 2020， 170： 142-155.

[本文引用: 1]

Yang Jianping， Yang Suiqiao， Li Man， et al.

Vulnerability of frozen ground to climate change in China

［J］. Journal of Glaciology and Geocryology， 2013， 35（6）： 1436-1445.

[本文引用: 1]

杨建平， 杨岁桥， 李曼， 等.

中国冻土对气候变化的脆弱性

［J］. 冰川冻土， 2013， 35（6）： 1436-1445.

[本文引用: 1]

Rowlandson T L， Berg A A， Roy A， et al.

Capturing agricultural soil freeze/thaw state through remote sensing and ground observations： a soil freeze/thaw validation campaign

［J］. Remote Sensing of Environment， 2018， 211： 59-70.

Ran Youhua， Li Xin.

Progress， challenges and opportunities of permafrost mapping in China

［J］. Advances in Earth Science， 2019， 34（10）： 1015-1027.

[本文引用: 1]

冉有华， 李新.

中国多年冻土制图： 进展、挑战与机遇

［J］. 地球科学进展， 2019， 34（10）： 1015-1027.

[本文引用: 1]

Liu Chuanzheng， Chen Chunli.

Research on the origins of geological disasters in China

［J］. Geological Review， 2020， 66（5）： 1334-1348.

[本文引用: 1]

刘传正， 陈春利.

中国地质灾害成因分析

［J］. 地质论评， 2020， 66（5）： 1334-1348.

[本文引用: 1]

Yang Guangyun， Yin Fazhang， Liu Xiaofeng， et al.

Study on hydrologic characteristics and runoff producing mechanism of frozen soil in cold region

［J］. Water Resources and Hydropower Engineering， 2007， 38（1）： 39-42.

[本文引用: 1]

杨广云， 阴法章， 刘晓凤， 等.

寒冷地区冻土水文特性与产流机制研究

［J］. 水利水电技术， 2007， 38（1）： 39-42.

[本文引用: 1]

Yu Lianyu， Zeng Yijian， Wen Jun， et al.

Liquid-vapor-air flow in the frozen soil

［J］. Journal of Geophysical Research： Atmospheres， 2018， 123（14）： 7393-7415.

[本文引用: 1]

Jiang Ping， Zhang Mengsu.

Real-time monitor method of soil slope stability in seasonal frozen area

［J］. Applied Mechanics and Materials， 2013， 303/304/305/306： 777-781.

[本文引用: 1]

Luo Lihui， Ma Wei， Zhang Zhongqiong， et al.

Freeze/thaw-induced deformation monitoring and assessment of the slope in permafrost based on terrestrial laser scanner and GNSS

［J］. Remote Sensing， 2017， 9（3）： 198.

Chu Zhicheng， Lei Shengyou， Yuan Xizhong， et al.

Local stability of permafrost slope under freeze-thaw cycles

［J］. Journal of Water Resources and Architectural Engineering， 2019， 17（6）： 23-28.

褚志成， 雷胜友， 原喜忠， 等.

冻融作用下多年冻土边坡局部稳定性研究

［J］. 水利与建筑工程学报， 2019， 17（6）： 23-28.

Morino C， Conway S J， Balme M R， et al.

The impact of ground-ice thaw on landslide geomorphology and dynamics： two case studies in northern Iceland

［J］. Landslides， 2021， 18（8）： 2785-2812.

[本文引用: 1]

Cao Meisheng， Zhang Tiejun.

Monitoring terrain soil freeze/thaw condition on Qinghai Plateau in spring and autumn using microwave remote sensing

［J］. Journal of Remote Sensing， 1997， 1（2）： 139-144.

[本文引用: 1]

曹梅盛， 张铁钧.

青海高原春秋季地表土冻融的微波遥感监测

［J］. 遥感学报， 1997， 1（2）： 139-144.

[本文引用: 1]

Zhang Tingjun， Jin Rui， Gao Feng.

Overview of the satellite remote sensing of frozen ground： visible-thermal infrared and radar sensor

［J］. Advances in Earth Science， 2009， 24（9）： 963-972.

张廷军， 晋锐， 高峰.

冻土遥感研究进展： 可见光、红外及主动微波卫星遥感方法

［J］. 地球科学进展， 2009， 24（9）： 963-972.

Ran Youhua， Li Xin， Cheng Guodong， et al.

Mapping the permafrost stability on the Tibetan Plateau for 2005—2015

［J］. Scientia Sinica： Terrae， 2021， 51（2）： 183-200.

[本文引用: 1]

冉有华， 李新， 程国栋， 等.

2005—2015年青藏高原多年冻土稳定性制图

［J］. 中国科学： 地球科学， 2021， 51（2）： 183-200.

[本文引用: 1]

Morrissey L， Strong L， Card D H.

Mapping permafrost in the boreal forest with Thematic Mapper satellite data

［J］. Photogrammetric Engineering and Remote Sensing， 1986， 52： 1513-1520.

[本文引用: 1]

Zhang T， Armstrong R L.

Soil freeze/thaw cycles over snow-free land detected by passive microwave remote sensing

［J］. Geophysical Research Letters， 2001， 28（5）： 763-766.

Guglielmin M.

Ground surface temperature （GST）， active layer and permafrost monitoring in continental Antarctica

［J］. Permafrost and Periglacial Processes， 2006， 17（2）： 133-143.

Gao Huiran， Zhang Wanchang， Chen Hao.

An improved algorithm for discriminating soil freezing and thawing using AMSR-E and AMSR2 soil moisture products

［J］. Remote Sensing， 2018， 10（11）： 1697.

Gao Huiran， Zhang Wanchang.

Coupling numerical simulation with remotely sensed information for the study of frozen soil dynamics

［J］. Sciences in Cold and Arid Regions， 2021， 12（6）： 404-417.

[本文引用: 2]

Flerchinger G N， Saxton K E.

Simultaneous heat and water model of a freezing snow-residue-soil system： I. theory and development

［J］. Transactions of the ASAE， 1989， 32（2）： 565-571.

[本文引用: 2]

Wood E F， Lettenmaier D P， Zartarian V G.

A land-surface hydrology parameterization with subgrid variability for general circulation models

［J］. Journal of Geophysical Research： Atmospheres， 1992， 97（D3）： 2717-2728.

[本文引用: 1]

Chen Rensheng， Shihua Lü， Kang Ersi， et al.

A distributed water-heat coupled （DWHC） model for mountainous watershed of an inland river basin （I）： model structure and equations

［J］. Advances in Earth Science， 2006， 21（8）： 806-818.

[本文引用: 2]

陈仁升， 吕世华， 康尔泗， 等.

内陆河高寒山区流域分布式水热耦合模型（I）： 模型原理

［J］. 地球科学进展， 2006， 21（8）： 806-818.

[本文引用: 2]

Peng S， Ciais P， Krinner G， et al.

Simulated high-latitude soil thermal dynamics during the past 4 decades

［J］. The Cryosphere， 2016， 10（1）： 179-192.

[本文引用: 1]

Wang Wenli， Rinke A， Moore J C， et al.

Evaluation of air-soil temperature relationships simulated by land surface models during winter across the permafrost region

［J］. The Cryosphere， 2016， 10（4）： 1721-1737.

Gao Bing， Yang Dawen， Qin Yue， et al.

Change in frozen soils and its effect on regional hydrology， upper Heihe basin， northeastern Qinghai-Tibetan Plateau

［J］. The Cryosphere， 2018， 12（2）： 657-673.

Obu J， Westermann S， Bartsch A， et al.

Northern Hemisphere permafrost map based on TTOP modelling for 2000—2016 at 1 km2 scale

［J］. Earth-Science Reviews， 2019， 193： 299-316.

[本文引用: 1]

Ran Hongwu， Fan Jihui， Huang Jing.

Review of the coupling of water and heat in the freeze-thaw process and its model of frozen soil

［J］. Pratacultural Science， 2019， 36（4）： 991-999.

[本文引用: 1]

冉洪伍， 范继辉， 黄菁.

冻融过程土壤水热力耦合作用及其模型研究进展

［J］. 草业科学， 2019， 36（4）： 991-999.

[本文引用: 1]

Andresen C G， Lawrence D M， Wilson C J， et al.

Soil moisture and hydrology projections of the permafrost region： a model intercomparison

［J］. The Cryosphere， 2020， 14（2）： 445-459.

[本文引用: 1]

Flerchinger G N， Reba M L， Marks D.

Measurement of surface energy fluxes from two rangeland sites and comparison with a multilayer canopy model

［J］. Journal of Hydrometeorology， 2012， 13（3）： 1038-1051.

[本文引用: 1]

Flerchinger G N， Reba M L， Link T E， et al.

Modeling temperature and humidity profiles within forest canopies

［J］. Agricultural and Forest Meteorology， 2015， 213： 251-262.

[本文引用: 1]

Gao Huiran.

Methodology study of frozen soil monitoring and simulation based on remote sensing and numerical model

［D］. Beijing： University of Chinese Academy of Sciences， 2021.

[本文引用: 1]

高会然.

基于遥感与数值模型的冻土监测与模拟方法体系研究

［D］. 北京： 中国科学院大学， 2021.

[本文引用: 1]

Zhang Huiren， Li Fahu， Wei Lü.

Effects of freeze-thaw status and initial water content on soil mechanical properties

［J］. Transactions of the Chinese Society of Agricultural Engineering， 2017， 33（3）： 128-133.

[本文引用: 1]

张惠忍， 李法虎， 吕威.

冻融状态和初始含水率对土壤力学性能的影响

［J］. 农业工程学报， 2017， 33（3）： 128-133.

[本文引用: 1]

Zhou Zhi， Li Haipeng， Wang Jianwei， et al.

Experimental study on shear strength of deep remolded clay under freeze-thaw loading

［J］. Journal of Glaciology and Geocryology， 2022， 44（2）： 583-590.

[本文引用: 1]

周志， 李海鹏， 王建伟， 等.

有载冻融作用对深部重塑黏土抗剪强度影响的试验研究

［J］. 冰川冻土， 2022， 44（2）： 583-590.

[本文引用: 1]

Czurda K A， Hohmann M.

Freezing effect on shear strength of clayey soils

［J］. Applied Clay Science， 1997， 12（1/2）： 165-187.

[本文引用: 1]

Kværnø S H， Øygarden L.

The influence of freeze-thaw cycles and soil moisture on aggregate stability of three soils in Norway

［J］. Catena， 2006， 67（3）： 175-182.

[本文引用: 1]

Fang Lili， Qi Jilin， Ma Wei.

Freeze-thaw induced changes in soil structure and its relationship with variations in strength

［J］. Journal of Glaciology and Geocryology， 2012， 34（2）： 435-440.

[本文引用: 1]

方丽莉， 齐吉琳， 马巍.

冻融作用对土结构性的影响及其导致的强度变化

［J］. 冰川冻土， 2012， 34（2）： 435-440.

[本文引用: 1]

Hotineanu A， Bouasker M， Aldaood A， et al.

Effect of freeze-thaw cycling on the mechanical properties of lime-stabilized expansive clays

［J］. Cold Regions Science and Technology， 2015， 119： 151-157.

Zuo Xiaofeng， Wang Lei， Zheng Fenli， et al.

Effects of freeze-thaw cycles and soil properties on mollisol shear strength in Chinese black soil region

［J］. Journal of Soil and Water Conservation， 2020， 34（2）： 30-35.

[本文引用: 1]

左小锋， 王磊， 郑粉莉， 等.

冻融循环和土壤性质对东北黑土抗剪强度的影响

［J］. 水土保持学报， 2020， 34（2）： 30-35.

[本文引用: 1]

Li Ren， Zhao Lin， Ding Yongjian， et al.

The climatic characteristics of the maximum seasonal frozen depth in the Tibetan Plateau

［J］. Journal of Glaciology and Geocryology， 2009， 31（6）： 1050-1056.

[本文引用: 1]

李韧， 赵林， 丁永建， 等.

青藏高原季节冻土的气候学特征

［J］. 冰川冻土， 2009， 31（6）： 1050-1056.

[本文引用: 1]

Zhuotong Nan， Huang Peipei， Zhao Lin.

Permafrost distribution modeling and depth estimation in the western Qinghai-Tibet Plateau

［J］. Acta Geographica Sinica， 2013， 68（3）： 318-327.

[本文引用: 1]

南卓铜， 黄培培， 赵林.

青藏高原西部区域多年冻土分布模拟及其下限估算

［J］. 地理学报， 2013， 68（3）： 318-327.

[本文引用: 1]

Luo Dongliang， Jin Huijun， Lin Lin， et al.

Degradation of permafrost and cold-environments on the interior and eastern Qinghai Plateau

［J］. Journal of Glaciology and Geocryology， 2012， 34（3）： 538-546.

[本文引用: 1]

罗栋梁， 金会军， 林琳， 等.

青海高原中、东部多年冻土及寒区环境退化

［J］. 冰川冻土， 2012， 34（3）： 538-546.

[本文引用: 1]

Qin Rongzhu， Zhao Zeyu， Xu Jia， et al.

HRLT： a high-resolution （1 day， 1 km） and long-term （1961—2019） gridded dataset for temperature and precipitation across China

［J］. Earth System Science Data， 2022， 14（11）： 4793-4810.

[本文引用: 1]

Sibson R.

A brief description of natural neighbour interpolation

［M］// Barnett V. Interpreting multivariate data. New York： Wiley， 1982： 21-36.

[本文引用: 1]

Yang Kun， Qin Jun， Zhao Long， et al.

A multiscale soil moisture and freeze-thaw monitoring network on the Third Pole

［J］. Bulletin of the American Meteorological Society， 2013， 94（12）： 1907-1916.

[本文引用: 1]

Liang Xu， Wood E F， Lettenmaier D P.

Modeling ground heat flux in land surface parameterization schemes

［J］. Journal of Geophysical Research： Atmospheres， 1999， 104（D8）： 9581-9600.

[本文引用: 1]

/

〈 〉

陇ICP备2021001824号-10
　 甘公网安备 62010202000676号
网站版权 © 《冰川冻土》编辑部
地址：兰州市天水中路8号　
邮编：730000　电话：0931-8260767　
E-mail：edjgg@lzb.ac.cn
总访问量 　 今日访问 　 在线人数
技术支持：北京玛格泰克科技发展有限公司