分层雪密度演化方案对CICE海冰模型中北极雪和海冰模拟的影响

《Ocean Modelling》：Impacts of a layered snow density evolution scheme on Arctic snow and sea ice simulation in the CICE sea ice model

雪密度参数化改进使海冰模型CICE在北极冬季雪深和雪温模拟中减少正偏差，85%的净能量增益源于密度变化对热传导的影响，揭示应变压缩、风致压缩与积雪沉积的季节性驱动差异。

　　雪密度在雪和海冰热力学中扮演着关键角色。然而，当前的耦合全球气候模型通常依赖于经验常数来表征海冰模块中的雪属性，这限制了我们对雪过程如何影响雪和海冰演变的理解。为了解决这一问题，我们引入了洛斯阿拉莫斯海冰模型（CICE）中的分层雪密度参数化方案，该方案明确考虑了应变压实、风驱动压实和新鲜雪沉积等机制。与基准实验相比，我们的实验结果显示，这一方案显著减少了北极地区冬季雪深的正偏差和雪温的负偏差。冬季导热热损失的减少是温度偏差改善的关键因素，从而增强了冬季的净地表能量获得。其中，85%的额外能量增益归因于雪密度对北极地区热导率的影响。进一步的时空分析揭示了驱动雪深和密度变化的季节性差异。风压实和降雪在冬季成为相互竞争的过程，而在六月和七月，融化主导了这些变化。这些因素对北极地区多年平均雪密度变化的贡献分别为+0.161（风压实）、-0.198（降雪）、+0.016（应变压实）、+0.012（相变）和-0.003（雪-冰）kg·m?3·hr?1。对应的雪深变化速率分别为-0.095、+0.277、-0.020、-0.103和-0.009 cm·day?1。

北极海冰作为地球气候系统的重要组成部分，近年来经历了显著的变化，包括海冰范围、厚度分布和漂移动态等方面。雪覆盖在耦合大气-海冰-海洋系统中同样扮演着关键角色，尤其因其独特的光学和热传导特性而对海冰热力学产生重要影响。此外，雪覆盖还通过形成叠加冰和雪-冰，直接影响海冰的质量平衡。除了影响海冰演变，雪覆盖还对生物地球化学过程和人类活动产生深远影响，例如为哺乳动物提供栖息地、作为大气化学成分沉积的储存库，以及对破冰船操作带来日益增加的挑战。因此，全面评估雪对海冰时空变化的多方面影响，对于深入理解北极气候过程及其全球尺度的遥相关至关重要。

北极环境的恶劣条件严重限制了现场考察活动，导致缺乏现场雪测量数据。同时，基于卫星的雪监测也面临固有的限制，因为反演方法难以捕捉雪包特征在时间和空间上的显著异质性，尤其是在剧烈相变期间。鉴于这些挑战，数值雪模拟已成为一种重要的替代方案，使研究人员能够获取更易获得且详细的雪数据，用于研究雪及其与下垫海冰的耦合机制。

经验模型通过度日计算来估算融雪，提供了一种简单但实用的解决方案（如Hock, 2003）。中等复杂度模型通过显式解析能量平衡和相变过程，提高了热力学的真实性，因此被广泛应用于全球气候模型（GCMs）的海冰模块中（Rousset et al., 2015; Hunke et al., 2017; Golaz et al., 2022）。然而，忽略微观过程限制了它们对雪属性演变的诊断能力。一些先进的雪模型正在积极开发中，通过直接解析基础物理过程（如Wever et al., 2016; D’Amboise et al., 2017; Petty et al., 2017; Liston et al., 2020）来估算雪物理，包括雪密度演变和粒径演变，并同时捕捉热力学计算所需的宏观热和光学性质。

跨模型比较研究表明，模型与观测（遥感/浮标）在雪深上普遍存在时空差异，尤其是在季节循环中的早期融雪和积雪阶段（Chen et al., 2021; Webster et al., 2021; Zhou et al., 2021）。这些差异强调了改进海冰模型中雪物理的必要性，需要超越当前仅关注雪的异常反照率和保温效应的质量-能量平衡模型。模型应关注更高级的过程，特别是雪密度——这一关键参数控制着热导率和积雪量，从而主导了后续的海冰演变。弥合在雪表示方面的这些差距，将提高海冰建模、预测及其气候反馈的可靠性。

尽管风压实、应变和新鲜雪沉积已被确立为调控雪密度的关键因素，但它们的个体贡献仍缺乏充分量化，需要进一步研究。虽然已经开发了一些将高级雪模块与冰柱耦合的模型，用于特定应用（如Wever et al., 2020），但雪密度演变对雪质量与能量模拟的北极影响仍未被充分揭示。

本研究在洛斯阿拉莫斯社区冰代码（CICE）海冰模型中引入了时间变化的分层雪密度参数化方案，以进行多年度的北极范围调查，进一步理解雪在北极气候中的作用。我们希望回答三个关键问题：Ⅰ）新方案如何改变雪密度和雪深的时空模式？Ⅱ）在热力学模拟中，特别是能量平衡和温度演变方面，会产生哪些影响？Ⅲ）哪些因素主导了雪密度和雪深的演变？

在数据部分，用于驱动模型模拟的大气和海洋强迫数据在第2.1节中进行了详细说明。第2.2节介绍了用于验证模型输出的观测数据。为了交叉验证模拟的雪属性，第2.3节引入了来自遥感和模型来源的多种参考数据集，包括雪深和密度。

在模型配置部分，CICE/Icepack和标准实验的结构被详细描述。洛斯阿拉莫斯海冰模型CICE代表了一种先进的数值框架，用于模拟极地海冰的动态和热力学过程，包括生长、融化和漂移。标准架构包括：Ⅰ）一个用于大规模冰运动的运输/动力核心，以及Ⅱ）一个一维柱模块Icepack，负责垂直方向上的热力学、生物地球化学和机械再分配过程。我们的基准CICE实验（CICE_E0）采用了常数雪密度方案，作为对照。

结果部分详细描述了新方案对雪密度时空演变的影响。通过分解方法，解析了各个因素的季节性贡献。第4.2节描述了热导率在改进前后的变化。第4.3节扩展了第4.1节的分析框架，但重点放在雪深而不是雪密度上。第4.4节评估了所引入方案对地表能量平衡模拟的影响。最后，第4.5节将探讨这些结果的进一步意义。

在讨论部分，本研究通过增强物理准确性，引入了可行的多层雪物理机制，提高了CICE海冰模型中雪包模拟的水平。新方案在冬季雪模拟中带来了显著的改进。尽管在方法上与Hunke（2014）和Liston等人（2020）提出的冰厚度和雪深变化分解方法一致，但我们的研究关注的是不同的参数，并揭示了关键驱动因素在不同季节中的交替主导作用，从而阐明了其机制。

在结论部分，我们引入了分层雪密度参数化方案到CICE海冰模型中。该方案通过应变压实、风驱动压实和新鲜雪沉积等主要机制，动态模拟了雪密度的演变。这些机制直接改变了雪包的两个关键热力学属性：体积热容量和热导率系数，从而影响了通过雪-冰系统的热传导。主要结论包括：改进后的CICE模型在冬季的雪模拟中表现出更好的表现，能够更准确地反映雪密度和雪深的时空变化。通过引入这些机制，模型能够更精确地捕捉雪对海冰热力学和能量平衡的影响，从而提高对北极气候过程的理解。

在作者贡献部分，作者们感谢以下人员对本研究的贡献。Hao Yin负责数值模型的运行，以及数据的整理和分析。Jie Su参与了概念设计、修改和项目管理。Jiping Liu提供了有价值的建议并编辑了手稿。Mingfeng Wang对手稿进行了语言润色，并提供了关键的修改意见，特别是在模型的表达和分析方面。

在资金支持部分，本研究部分得到了中国国家重点研发计划（项目编号2023YFC2809101）、崂山实验室技术革新项目（编号LSKJ202202301）以及南方海洋科学与工程广东实验室（珠海）（SML2024SP023）的支持。

在作者声明部分，Hao Yin负责方法、软件、验证、形式分析、调查、数据整理、撰写初稿和可视化。Jie Su负责概念设计、资源、撰写和编辑、监督、项目管理、资金获取。Jiping Liu负责概念设计和撰写和编辑。Mingfeng Wang负责撰写和编辑。

在未引用参考文献部分，Rosati和Miyakoda, 1988; Steele等人, 2010; Wang等人, 2019; Cristea等人, 2022未被引用。

在CRediT作者贡献声明部分，Hao Yin负责撰写、编辑、初稿、可视化、软件、方法、调查、形式分析和数据整理。Jie Su负责监督、资源、项目管理、资金获取。Jiping Liu负责撰写和编辑。Mingfeng Wang负责撰写和编辑。

在竞争利益声明部分，作者声明他们没有已知的可能影响本研究的财务利益或个人关系。