黄河源积雪期土壤温湿及冻融特征分析与模拟

王雪妮 , 吕世华,2 , 姚 闯,3 , 马翠丽,4

（1. 成都信息工程大学，成都 610225；2. 中国科学院寒旱区陆面过程与气候变化重点实验室，兰州 730000；3. 山西省气候中心，太原 030006；4. 内蒙古自治区包头市气象局，包头 014030）

引言

作为气候系统的五大圈层之一，冰冻圈对气候变化的响应高度敏感，气候变化所引起的冰川、冻土、雪盖和海冰等的急剧变化对生态环境以及人类的生产生活均会产生重要影响。积雪是冰冻圈面积的最大组成部分，其变化影响着局地和区域的辐射平衡，对地表与大气之间的水热交换和能量平衡有着十分重要的影响。

积雪通过影响土壤温度对土壤冻结产生影响，主要表现为积雪影响土壤冻结的深度以及土壤冻结与消融的时间，且不同积雪厚度对土壤的冻结深度影响不同。张小磊等[1]发现东北地区积雪覆盖下土壤温度变幅明显小于无雪区，且土壤解冻时间随积雪厚度的增加而延后；此外，土壤不同层次的冻结对积雪深度变化的响应也有差异。李杨等[2]也在北疆地区发现，当积雪厚度较浅时，土壤冻结深度增加较明显，随着积雪厚度的增加，冻土深度变化较小，当积雪深度超过一定限值时，冻土深度还有下降的趋势。常娟等[3]研究了青藏高原积雪覆盖对高寒沼泽、草甸浅层土壤水热过程的影响，发现有积雪覆盖下浅层土壤开始冻结和消融的时间都有所滞后，且冻结持续时间相应有所增加，其中积雪覆盖对沼泽土壤温度的影响要大于草甸土壤。

积雪通过其高反照率、低热导率及大热容量改变了土壤温度，而土壤温度的变化进一步影响着土壤含水量。付强等[4]在哈尔滨对季节性冻土的温度及土壤液态含水量进行测定，发现有积雪覆盖的土壤比裸地平均地温高出1℃，土壤体积含水率（土壤剖面0～100cm内）高出2%。边晴云等[5]分析了黄河源区多雪年和少雪年的水热特征发现，多雪年和少雪年土壤湿度差异较小，但少雪年土壤湿度开始增加的时间早于多雪年。姚闯等[6]分析了黄河源区多雪年和少雪年的土壤湿度，发现在整个积雪期内，多雪年浅层土壤湿度高于少雪年，积雪对浅层土壤有保湿作用。因此，在土壤冻结过程中，积雪对土壤的保温作用会延后土壤冻结时间，且会使土壤冻结深度减小。

由于青藏高原地形复杂，只能获取单站观测数据，且数据时间序列不够完整，因此研究人员在数据观测分析的基础上，开始广泛应用数值模拟的方法对高原天气和气候进行预测和评估。近几年，研究人员通过陆面模式在青藏高原土壤水热模拟方面开展了部分工作。赖欣等[7]发现CLM4.0（Common Land Model）能够较好地模拟黄河源区土壤湿度的空间分布及变化趋势。袁源等[8]发现利用CLM4.5模拟的各层土壤湿度与各个台站观测均显著相关，两者时空变化趋势一致，但模拟结果比台站观测系统性偏大。陈渤黎等[9−10]在玛曲地区利用CLM3.5和CLM4.0进行单点数值模拟试验，发现两种模式均能较成功的模拟地表能量与水分特征，且CLM4.0模拟结果更优。谢志鹏等[11]对高原地表能量进行模拟分析发现，CLM4.5能够较好的模拟高原春季、夏季和秋季非冻结期辐射、感潜热通量以及地表土壤热通量等的季节变化和日循环特征。

黄河源位于青藏高原东北部，除湖泊覆盖区外，多年冻土面积为2.5×104km2，约占整个源区面积的85.2%；季节冻土面积0.3×104km2，约占整个源区面积的9.8%[12]。黄河源区以多年冻土为基质条件，以大气降水和冰雪融水为物质传输载体，对气候的响应最敏感，也是生态环境最脆弱区[13]。黄河源区为黄河流域提供了40%的水量，对黄河流域9省区社会经济发展尤为重要[14]。虽然前人对于积雪对土壤冻结及土壤温湿影响的研究已有不少，但黄河源区的研究多针对土壤水分、不同天气条件下能量平衡特征，缺乏对积雪影响下水热传输特征的探究，且积雪影响水热传输的机制尚不明确。因此，本文将继续通过观测与模拟分析深入探讨黄河源区积雪与冻土条件下的水热传输机制。

1 数据与方法

1.1 研究区域介绍

研究区域位于青海省果洛藏族自治州西北部，该地区平均海拔4500m，主要分布有季节冻土，岛状多年冻土和大片连续多年冻土[15]，属高原大陆性气候，一年之中无四季之分，只有冷暖之别。气温日较差大，年平均气温为−3.5 ℃，年平均降水量为332.5mm，年可日照时数为4429.8[16]。观测点（34.91°N、97.55°E，邻近擦泽村）向东距离鄂陵湖湖面最近处约1500～1700m，四周地势较平坦，其余方向500～2000m外为低矮的山地。下垫面为高寒草甸，夏季植被高度10cm左右。土壤中砾石和岩石含量较高。

1.2 资料介绍

本文所使用的资料来源于国家气象中心提供的中国地面气候资料日值数据集以及黄河源地区鄂陵湖草地站的观测资料。观测资料时段自2016年10月1日～2018年6月31日。观测项目有向上、向下短波辐射（1.5m），向上、向下长波辐射（1.5m），地表热通量（5cm，10cm），感热、潜热通量（3.2m），以及土壤温湿度，观测深度分别为0.05m、0.10m、0.20m、0.40m、0.80m、1.60m、3.20m。所使用的观测仪器如表1所示。观测数据均为自动采集，时间分辨率为30min。在进行数据分析前，剔除了异常值。

表1 观测所使用的科学仪器介绍

由于黄河源区积雪主要集中在前冬和春季，因此定义一个积雪期为上年10月1日～当年4月31日。并参照边晴云等[5]、王澄海等[17]对高原积雪量的计算方法，利用国家气象中心提供的中国地面气候资料日值数据集中的玛多站逐日降水和逐日平均气温资料，得到2017年和2018年黄河源区玛多站在一个积雪期的累积降雪量。由于地表土壤热通量无法通过观测直接获得，因此利用观测到的5cm土壤热通量计算得到。2018年5cm土壤热通量在观测时段内缺测过多，因此用10cm土壤热通量计算得到[18]。本文所有的物理量均基于一个积雪期来分析。

此外，本文利用陆面模式CLM4.5（Community Land Model）模拟试验中的大气强迫场资料为黄河源玛多站时间分辨率为30min的气压、气温、相对湿度、风速、降水、向下短波辐射和向下长波辐射。模式中的土壤参数根据鄂陵湖草地站的实际土壤质地做了修改，土壤颜色、植被覆盖度、叶面积指数等地表资料均使用CLM4.5模式自带的地表资料。模拟时间段为2016年1月1日～2018年4月30日。并取前9个月作为spin-up来消除模式的不稳定性为模拟试验带来的误差。模式的输出为日平均值。

2 实测结果分析

2.1 地表反照率特征

地表反照率表征着地表对太阳辐射的反射能力，定义为地表反射辐射与入射太阳辐射的比值，是决定地表能量收支平衡的一个重要参量。地表反照率的大小受很多因素影响，主要有太阳高度角、下垫面状况、土壤湿度以及气象条件等因素，其中下垫面状况包括土壤颜色、土壤类型、地表粗糙度、植被覆盖及积雪等，其空间差异较大[19]。而冬春季积雪和土壤湿度是影响黄河源地区地表反照率的两个主要因素[20]。在积雪的影响下，黄河源地区地表反照率的值可＞0.5[21]。受太阳高度角的影响，白天地表反照率的日变化呈现出“U”型的变化趋势，中午的地表反照率最小[22−23]。因此，本文以当地时正午时刻（北京时13时）反照率的值来探究积雪对地表反照率的影响。图1为2017和2018年地表反照率和逐日降雪量，可以明显看到降雪影响着反照率的变化。两个积雪期中，大部分有降雪过程发生的日数里，地表反照率的值在当天都有一个骤增的过程，且在降雪过程发生次日或几天内，反照率又有一个骤减的过程。积雪的存在使到达地面的短波辐射大部分被反射。2017年有降雪的天数为33d，期间反照率平均值为0.42；而没有降雪发生的天数为179d，反照率的平均值为0.28。2018年有降雪的天数为49d，无降雪的天数为163d，有无降雪期间的反照率均值分别为0.45和0.30。2017和2018年地表反照率平均值分别为0.31、0.34，＞0.5的天数分别为35d、46d。

图1 逐日降雪量和地表反照率特征（a. 2017年，b. 2018年）

2.2 土壤冻融特征

为探讨积雪期中土壤冻融的特征，以秋、冬季日最低土壤温度首次连续5天＜0℃的第一天为土壤冻结初日；秋、冬季日最高土壤温度首次连续5天＜0℃的第一天为完全冻结初日；将消融初日定义为春、夏季日最高土壤温度首次连续5天＞0℃的第一天[5]。

表2给出了2017和2018年5～320cm土壤开始冻结、完全冻结以及开始消融的时间。综合两个积雪期土壤冻融情况来看，黄河源地区鄂陵湖草地站所观测的土壤深度至3.2m处，土壤从浅层至深层依次开始冻结，开始冻结的时间依次滞后，冻结深度可达到最大观测深度。5cm处的土壤从10月中旬开始发生冻结，到10月末完全冻结。在这期间，土壤处于日冻融循环状态，夜晚土壤温度降低时土壤冻结，白天气温回升时又消融，这种状态持续10d左右。直至10月末，土壤完全冻结，进入稳定的冻结时期。这个过程从10月末～3月末，可以持续150d。10cm土壤层开始发生冻结的时间比5cm土壤层迟6～9d，日冻融循环的天数有5d左右，在10月底土壤完全冻结，完全冻结的日数有150～160d，在3月末4月初土壤开始消融。20～160cm的土壤层日冻融循环天数只有1d，基本不需要缓冲，直接就进入了稳定冻结期。20～80cm土壤层有160～175d土壤处于完全冻结状态，160cm的土层土壤处于稳定冻结状态的天数有145d左右，最深层320cm的土壤处于完全冻结状态的时间最短，只有100d左右。由此可见，由于较浅层受外界气温影响较大，土壤从开始冻结进入完全冻结状态的时间比较深层要长，且各层土壤处于稳定冻结状态的持续时间也随土壤层的深浅而表现出不同的特征。

表2 2017和2018年土壤冻融时间

可以看到两个积雪期每层土壤的冻融时间相差不大，冻结初日与完全冻结初日最多前后相差6d，开始消融的时间每层土壤最多相差7d。而土壤完全开始冻结的过程从浅层逐渐向深层也可持续长达4个月的时间，浅层土壤上年10月末开始完全冻结，至当年3月初深层土壤才开始完全冻结。5cm和10cm土层3月末土壤开始消融，20～40cm土壤4月20日左右开始消融，深层320cm土壤开始消融的时间在5月末6月初。

2.3 地表能量平衡特征

陆地和大气之间相互作用表现在能量交换和收支平衡上，其基本准则是能量平衡方程。地表能量简化的平衡方程为：

其中，H为感热通量，LE为潜热通量，Rn为地表净辐射，G为地表热通量。衡量地表能量通量的一个重要指标是能量闭合率CR[24]，其定义为：

CR的值越接近1时，表示能量闭合程度越好。但是大量的野外观测实验表明，地表能量不闭合的现象普遍存在[25]。2017～2018年黄河源玛多站的日平均能量闭合率在0.6左右，能量闭合状况较差。其原因一方面可能与所计算的地表土壤热通量在土壤冻融期间未考虑冰的热导率，与实际地表热通量存在一定的偏差有关；另一方面，观测时段主要为每年降雪集中时段，在较大风速及直射辐射下，积雪蒸发和升华速率高而无法被仪器测量到，从而导致能量闭合率偏小[26]。

地表净辐射是近地层能量的主要来源，其被用来进行感热、潜热交换以及被地表土壤热通量所消耗。如图2所示，在一个积雪期中，地表净辐射表现出先减小后增大的变化趋势，但其值均为正值，说明在整个积雪期中地表收入的能量大于支出的能量。2017和2018年两个积雪期中地表净辐射均在12月份出现最低值，月平均最低值相差不大，分别为29.5W/m2、25.5W/m2。月平均感热通量在一个积雪期中同地表净辐射有相似的变化趋势，也是从10月份开始减小，至2017年1月份出现最小值，为0.9W/m2，2018年12月份减小至最低，为6.4W/m2，之后则逐渐增大。两年中潜热通量的变化也相差不大，可以看到在表层土壤完全冻结阶段的上年11月份～当年2月份，潜热通量都维持着比较低的值，在此阶段潜热交换明显减弱。3、4月份土壤开始消融，潜热交换逐渐增强。在10月份，土壤尚未完全冻结阶段，地表能量交换主要以潜热交换为主，感热交换相对较弱。1月份之后，地表温度升高，感热交换又开始占主导地位，将地表热量向近地层大气输送。整个积雪期月平均地表热通量的值都较小，10月份时开始降低，在11月份时的值最小，2017年为−11W/m2，2018年为−10W/m2，然后又开始逐渐升高。在上年10月份～当年2月份期间均为负值，在此期间土壤暖，大气冷，土壤向地表大气传输热量。2、3月份时两年土壤热通量值开始转为正值，大气热，土壤冷，热量由地表大气开始向土壤输送。

图2 黄河源玛多站月平均能量分量（a. 2017年，b. 2018年，单位：W/m2）

2.4 土壤温度变化特征

土壤温度变化受土壤本身的物理属性影响，但其热力来源主要是太阳辐射，地表各种能量的交换也造成了土壤的温度变化[27]。图3为2017和2018年玛多站各层土壤月平均温度，和地表净辐射的变化趋势一致，各层土壤温度也在一个积雪期中呈现出先降低后升高的趋势，但浅层土壤温度在1月份时降至最低，说明浅层土壤温度变化对于地表净辐射的响应是有相应的滞后。在2月份之前，土壤温度由深层至浅层逐渐降低，土壤浅层冷，深层暖，深层热量向浅层输送，这与前文所分析的地表热通量的变化是一致的。从10月～次年1月，各层土壤温度均开始降低，浅层土壤温度受外界因素影响更大，降温速率快于深层土壤，5～40cm土壤温度降至1月份达到最低，2017年5～40cm最低温度分别为−12.7℃、−12.6℃、−11.5℃、−10.7℃，2018年 分 别 为−12.2℃、−11.9℃、−11.1℃、−10.3℃，均在−13～−10℃，5cm与40cm土壤最低温度相差2℃，各层相差不到1℃。80cm的土壤层2017年在1月份降至最低，2018年在2月份降至最低，最低温分别为−6.7℃和−7.0℃。160cm的土壤层在2月份出现最低温，320cm土壤层温度在3、4月份达到最低。随后，随着太阳高度角的变化，地表净辐射的增加，浅层土壤温度开始迅速回升，地表热通量由负转正。4月份时，浅层土壤温度高于深层，土壤浅层暖，深层冷。

图3 黄河源玛多站月平均土壤温度（a. 2017年，b. 2018年）

2.5 土壤湿度变化特征

土壤温度的升高和降低影响着土壤水分的变化。可以看到伴随着土壤温度的迅速降低，土壤含水量在10～11月份也有一个骤降的过程（图4）。浅层土壤在10月中旬开始发生冻结，土壤温度降至0 ℃以下，土壤液态水开始转变为固态水，浅层液态水含量迅速降低。2017年5cm、10cm、20cm土壤层含水量由0.15m3/m3、0.13m3/m3、0.14m3/m3降 为0.07m3/m3、0.06m3/m3、0.07m3/m3，2018年三层土壤含水量由0.2m3/m3、0.16m3/m3、0.15m3/m3降为0.07m3/m3、0.06m3/m3、0.07m3/m3。而40cm和80cm土壤层因土壤冻结时间相对滞后，土壤含水量骤减的时间也相对滞后。如图4所示，在该阶段，土壤含水量并非严格按照土壤深度的加深而降低。这是由于在土壤开始发生冻结的阶段，随着土壤浅层向深层依次开始冻结，在土壤基质势的作用下，土壤中的液态水向冻结锋面发生迁移，引起了土壤中液态水的重新分布。在土壤完全冻结阶段，12月～次年3月，10cm和20cm土壤含水量基本相同，40cm和80cm土壤层含水量也基本相同，各层土壤含水量波动幅度不大，基本保持不变。从3月底开始，随着土壤温度的回升，土壤由浅至深层开始消融，由浅及深，由于浅层融雪水的下渗以及水分由已融化区向未融化区迁移，土壤含水量也开始逐渐增大。

图4 黄河源玛多站月平均土壤体积含水量（a. 2017年，b. 2018年，单位：m3/m3）

3 数值模拟结果分析

陆面模式 CLM（Community Land Model）是气候系统模式 CESM（Community Earth System Model）的陆面模块，是根据 CLM（Common Land Model）和 NCAR LSM（NCAR Land Surface Model）并借鉴和吸收了LSM,IAP94，BATS等陆面模式的相对完善的过程描述和优点而发展起来的。陆面模式CLM(Community Land Model)是目前国际上发展最为完善且得到广泛应用的陆面模式，包含了较为详尽的水文过程、生物地球化学过程和动态植被过程[9]。本文利用CLM4.5进行离线（off-line）模拟试验，对黄河源玛多站2017和2018年两个积雪期的土壤温湿及地表能量平衡特征进行模拟，对CLM4.5在黄河源区的试用性进行评估。

3.1 土壤温度模拟结果

从所模拟的2017年（图5）和2018年（图略）两个积雪期的各层土壤温度的日变化图中可以看到，CLM4.5可以很好的模拟出整个积雪期中各层土壤温度的变化趋势。两年从浅层到深层各层土壤温度模拟值与观测值的相关系数均可达到0.95以上。2017年40cm和80cm的土壤层模拟和观测的相关系数为0.98，2018年80cm的土壤层为0.97，相比浅层，较深层模拟值与观测值的相关性更高。5～40cm模拟值与观测值的平均绝对偏差在1～2℃，80cm两者的平均绝对偏差不到1℃。各层土壤温度模拟值与观测值的均方根误差在2℃左右（表略）。因此，模式对于深层土壤温度的模拟效果比浅层稍好。

图5 2017年各层土壤温度模拟与观测对比（a. 5cm，b. 10cm，c. 20cm，d. 40cm，e. 80cm，f. 160cm，g. 320cm）

通过模拟和观测的土壤温度的时间-深度剖面图（图6）可以看到，2017年1～2月份期间对各层土壤温度模拟均有所偏低，对5cm和80cm的偏差在−1～2℃，其他土壤层在−1～0℃。对2017年其他时间段的模拟大致都偏高，尤其是2月中旬、3月下旬和4月上旬，且对深层土壤温度的偏差略小于浅层。2018年10月份和11月份（除中旬）基本对于各层的模拟都有所偏低，12月～次年4月对各层土壤温度模拟偏高。

图6 模拟与观测温度差值时间-深度剖面（a. 2017年，b. 2018年，单位：℃）

地表净辐射的收支很大程度上影响着土壤温度，因此对于地表净辐射的模拟偏差会造成土壤温度模拟的偏差。地表净辐射(Rn)为净短波辐射(Sn)与净长波辐射(Ln)的差值，即Rn=Sd+Ld-Sup-Lup。在CLM4.5中，向下短波辐射Sd和向上长波辐射Ld作为大气强迫场输入模式中，因此模式对地表反射辐射Sup和地面长波辐射Lup的模拟效果决定了模拟的好坏。图7是2017和2018年Sup、Lup和Rn模拟值与观测值的差值以及逐日降雪量对比。可以看到，Sup模拟异常偏小时，基本都伴随着降雪过程的发生，说明模式中低估了积雪的作用，使得模拟的地表反射辐射较观测值小。这也是前文中2017年土壤温度模拟值在1月中旬～2月下旬这段时间偏小的原因。因此，对地表净辐射模拟的偏差大部分来自于模式对于积雪过程模拟的不准确。有降雪过程发生时，地表反射辐射均模拟偏小，则说明地表获得的短波辐射增多，而地表反射模拟偏小导致净辐射模拟偏大，使得地表净得到的能量增多，因此土壤温度模拟偏高。在积雪期，积雪深度是影响净辐射和地表温度的一个重要因子[28]。2017和2018年土壤温度高低值在时段分布上有着明显的差异，输出模式中的积雪深度发现，在两年土壤温度明显偏低的时段，积雪深度明显高于其他时段，积雪的低热导率使得短波辐射更难通过较厚的雪面传到土壤，因此模式对于积雪深度高值的模拟时段分布差异造成了两年土壤温度模拟偏差在时段分布上的差异。

图7 各辐射分量模拟与观测差值和逐日降雪量对比（a. 2017年，b. 2018年）

3.2 土壤冻融时间模拟

由2.5节分析可看到，在土壤不同的冻融阶段，土壤温湿及地表能量也表现出不同的变化。模式对于土壤冻融时间模拟的好坏也决定着对其他物理量的模拟性能。利用CLM4.5对黄河源玛多站土壤最高及最低温度的模拟，得到2017和2018年各层土壤的冻融时间，如表3所示。

表3 2017和2018年冻融时间观测与模拟对比

总的来看，两个积雪期中除深层（160～320cm）土壤开始消融的时间模拟有所滞后外，对各层土壤开始冻结、完全冻结以及消融时间CLM4.5模拟均较观测有所提前。对中间层（20～80cm）土壤层的冻融模拟与观测时间前后相差较浅层（5～10cm）和深层（160～320cm）小。这也表明模式浅层（深层）对于强迫场的响应更为敏感（迟缓）。同时，模式所模拟的土壤消融时间与观测时间的前后差也略大于冻结时间的前后差。

3.3 土壤湿度模拟结果

土壤湿度对于土壤冻融的变化最为敏感，在土壤开始冻结与开始消融阶段伴随着土壤含水量的急剧降低与升高。图8是2018年各个土壤层模拟与观测的土壤含水量的日变化对比（2017年图略），可以看出CLM4.5基本可以模拟出土壤含水量在一个积雪期中的变化趋势，但土壤含水量的骤减与骤增过程相对于实测是有所提前的。结合对于土壤冻融时间的模拟结果，可以认为土壤含水量在开始冻结与开始消融阶段较实测提前降低和提前升高的这种位相差可能是由于对土壤冻结和消融时间模拟的提前所造成的，当然这还需要在以后的工作中进一步验证。两个积雪期模式对土壤含水量的模拟值与观测值的相关性可达到0.9以上（表略），5cm土壤层的土壤含水量模拟的均方根误差和绝对偏差稍大，为0.06m3/m3，其它层的＜0.02m3/m3。

图8 2018年各层土壤含水量模拟与观测对比（a. 5cm，b. 10cm，c. 20cm，d. 40cm，e. 80cm，f. 160cm，g. 320cm）

从土壤含水量模拟与观测值差值的时间-深度剖面图（图9）来看，两年浅层5cm处的土壤含水量在整个积雪期中模拟均有所偏高。在土壤完全冻结阶段，对10～40cm土壤含水量的模拟略偏高，偏高0.025m3/m3左右，而对深层80cm的模拟略偏低。在土壤消融阶段对含水量的模拟均有所偏高。对2017年10～11月份，10～40cm土壤含水量模拟偏低，80cm模拟偏高。对2018年10～80cm土壤含水量的模拟均偏低，尤其在土壤开始冻结阶段10～40cm土层偏低更多，偏低0.025～0.075m3/m3。总体来看，两年土壤含水量对10～40cm的土壤含水量模拟偏差较小，而对浅层5cm以及深层80cm的土壤含水量在完全冻结阶段偏差较大，5cm模拟偏高，80cm模拟偏低。这是由于CLM4.5的土壤质地中未考虑其中的砾石成分。土壤中的砾石会影响土壤的水热属性，既会影响土壤温度，也会引起土壤含水量的变化。浅层一定粒径的砾石存在会促进水分入渗。模式没有考虑浅层土壤中砾石的入渗作用，因此可能造成了浅层5cm土壤含水量的模拟偏高。而马翠丽等[29]将砾石参数化方案加入CLM4.5，并模拟了玛多站的土壤温湿度，发现加入砾石后模式对于各层土壤湿度的模拟效果均比原方案更接近实测。其次，从前文中对地表反射辐射模拟偏小，说明对降雪量模拟偏少，输入模式中的降水有一部分可能以液态降水降落，这可能是造成地表土壤含水量偏高的又一原因。

图9 模拟与观测湿度差值时间-深度剖面（a. 2017年，b. 2018年，单位：m3/m3）

4 结论

通过对黄河源玛多站2017和2018年两个积雪期土壤温湿特征和能量平衡特征进行分析和模拟，得到以下结论：

（1）两个积雪期每层土壤的冻融时间相差不大，土壤冻结和消融均从浅层至深层进行。各层土壤处于完全冻结状态的持续时间随土壤层的深浅表现出不同的特征。浅层5cm和10cm土壤整个完全冻结的过程可持续150～160d，中间层20～80cm处于完全冻结状态的时间最长有160～175d，最深层320cm的土壤处于完全冻结状态的时间最短，只有100d左右。

（2）黄河源玛多站两个积雪期能量闭合率只有0.6，能量闭合情况较非积雪期低。在一个积雪期中，地表净辐射表现出先减小后增大的变化趋势，月平均感热通量在一个积雪期中同地表净辐射有相似的变化趋势。在表层土壤完全冻结阶段潜热交换明显减弱，维持着比较低的值，在消融期，潜热交换逐渐增强。整个积雪期月平均地表热通量的值都较小。

（3）各层土壤温度在一个积雪期中呈现出先降低后升高的趋势，1月份最低。总的来说，土壤含水量深层少，浅层多，由浅到深逐渐减少。在土壤开始冻结阶段，土壤中的液态水含量迅速降低。整个完全冻结阶段，各层土壤含水量波动幅度不大，基本保持不变。在土壤消融阶段，土壤中的固态水开始迅速融化，土壤含水量是一个骤增的过程。

（4）通过对黄河源玛多站土壤温湿及能量平衡过程进行模拟，发现CLM4.5可以很好的模拟出土壤温度和湿度的变化趋势，土壤温度的模拟效果好于土壤湿度。对于土壤温度模拟的相关系数在0.95以上，土壤湿度在0.9以上。