基于地表能量收支不平衡提取落基山脉涡度相关(Eddy Covariance)站点雪融信号的方法研究

《Water Resources Research》：Extracting Signals of Snowmelt From the Surface Energy Budget at a Rocky Mountain Eddy Covariance Site

　　

摘要：雪融是山地流域及西部河流系统的主导水文过程，然而许多落基山脉地表通量站点并未对雪包属性（如深度、密度及内部能量通量，特别是融化期间的这些属性）进行自动记录。本研究表明，春季地表能量收支(Surface Energy Budget)不平衡的变化可用于估算雪包能量通量。利用US-GLE AmeriFlux站点的观测数据，研究人员展示了一种数据驱动方法来提取春季节能量收支异常，并发现当以6小时分辨率计算时，该异常的83%可由融化雪的潜热通量(Latent Heat Flux)解释。此外，研究人员证明所建模型能够在保留年内其余时段观测到的能量不平衡统计结构的同时，解释此潜热通量。研究结果表明，在严格约束条件下分析地表能量收支可揭示潜在的水文过程，提高对地表能量收支测量结果的置信度，并为现有通量站点在不增加额外仪器的情况下估算雪融动态提供了一种低成本的数据驱动方法。

发表于《Water Resources Research》的该研究针对雪主导山区流域通量站点缺乏雪包及融水直接观测的问题，提出利用地表能量收支(Surface Energy Budget, SEB)残差（不平衡项）反演雪融过程的创新思路。研究人员以美国怀俄明州Medicine Bow山脉高海拔亚高山森林US-GLE（AmeriFlux站点，US-GLE）为研究对象，基于涡度相关(Eddy Covariance, EC)常规观测数据（净辐射R_n、感热通量H、潜热通量λE、土壤热通量G、储热通量S），将观测到的SEB不平衡项(Residual, Res = R_n? G ? S ? H ? λE)分解为基准偏差(Baseline Bias, B)、随机噪声(ε)及由雪融潜热构成的未观测水文信号(Φ_snowmelt)。通过用冬夏无雪期训练多层感知机(MLP)预测基准偏差B，从春季Res中减去B得到异常，将该异常与基于SLF-SNOWPACK雪包过程模型模拟的融水入渗(Meltwater Inputs, MWI)携带潜热通量对比验证。结果显示6小时尺度下雪融潜热可解释春季能量异常(Energy Budget Anomaly)的83%(R2=0.83)，且扣除雪融信号后春季残差分布与冬夏季无雪期残差分布趋同，证实SEB不平衡中包含具物理意义的雪融能量吸收信号，该方法可在无额外雪包仪器条件下估算景观尺度融水动态。

主要关键技术方法：

研究人员使用US-GLE站点AmeriFlux BASE产品（2019—2024年半小时数据），对湍流通量做去尖峰(Despiking)、u*过滤及基于梯度提升回归树(Gradient Boosting Regression Tree)的缺值插补；用Leibniz积分法则计算空气柱显热与潜热储热通量(S_H、S_λE)及表层土壤热储热(S_G)；用3小时滑动中值平滑超声雪深仪数据并校正净辐射长时序漂移。以冬夏季无雪期数据为训练集，用含单隐层（50个tanh神经元）的多层感知机回归器(MLPRegressor)拟合循环编码的水年日(DOY)与水年本身预测基准能量不平衡B。用高斯过程回归(Gaussian Process Regressor, GPR)代理优化SLF-SNOWPACK v3.7.0雪包模型叶面积指数(LAI)、冠层截留率及冠层高度参数，模拟雪包冷含量储热通量、融水储热通量与MWI潜热通量。以普通最小二乘回归及Kolmogorov-Smirnov检验对比6小时尺度残差异常与模拟雪融潜热通量。

研究结果

3.1 Direct Observations at US-GLE（US-GLE直接观测）： 分析US-GLE站点各能量分量及观测残差Res的季节性变化，发现3—7月存在显著正向能量不平衡（朝向地表），而冬夏季残差围绕近零波动，初步显示春季异常与雪包能量吸收相关。

3.2 Modeled Snowpack Energy（雪包能量模拟结果）： SLF-SNOWPACK模拟显示雪深峰值在3月中—4月中，雪水当量(Snow Water Equivalent, SWE)峰值在4月中—5月初，雪包等温化(isothermal)约在4月5—15日，最终雪深归零在DOWY 258—274。启发式判据识别雪融起止日较实测平均偏早约5天（除WY2024外吻合良好）。GPR代理优化得最优参数LAI≈3.5 m2/m2，冠层直穿率≈0.35，冠高≈15 m，模拟与观测雪温RMSE在预期不确定度内。春季模拟MWI潜热可达景观观测能量通量幅值的25%。

3.3 Energy Budget Residual（能量收支残差分析）： 6小时平均下，春季残差异常(Res ? B)与SLF-SNOWPACK模拟雪融潜热通量线性回归斜率为0.83、截距15.58 W/m2、相关系数r≈0.91。K-S检验表明春季原始残差分布与冬夏残差分布显著差异(p<0.001)，而扣除模拟雪融信号后的春季残差分布与冬夏残差分布差异大幅减小(p≈0.08但仍显著)，表明雪融贡献了大部分春季异常。不同时间步长分析显示2—6小时块平均时模型与残差匹配最佳，>1日平均相关性更高但反映季节均值回归效应，24—48小时因复杂地形排水流(Drainage Flows)致匹配度略降。

讨论与结论翻译：

研究人员指出该方法不要求完全闭合的能量收支，仅需各观测分量经严格质控与 Gap-filling 使随机误差最小化、基准偏差被良好表征即可。春季SEB残差异常主要源自融水携带的熔化潜热(Latent Heat of Fusion)，解释了为何该站点春季能量不闭合率偏高。方法局限性包括SLF-SNOWPACK为一维点模型未考虑侧向再分配、超声雪深空间代表性局限、低湍流期涡度相关数据质量及等温雪面上方稳定层对辐射与湍流的微小影响。雪融期起止判定启发式适用于具稳定越冬雪包的亚高山常绿针叶林站点，不适用于间歇性积雪区。该框架亦可推广至湿地排水、冻融循环等其他引起SEB异常的水文过程。

结论（Conclusions）： 研究表明雪主导区通量站点春季地表能量收支不平衡可作为雪融过程的有效代理指标。通过利用SEB不平衡中可预测的季节性模式，研究人员能够估算雪包能量收支及融水通量的量级与时间变化特征。该方法为高山、冰川及极地雪域环境中追踪雪融动态提供了新框架，提升了地表通量监测站点的水文应用价值，并提示表面通量测量中被视为"误差"的能量不平衡可能包含有价值的水文信号，不应被忽视。

——数据脚本见AmeriFlux DOI:10.17190/AMF/1246056 及 https://github.com/alextsfox/Snow-chapter-2025/releases/tag/WRR-Final