在高寒地区，气温影响积雪融化、冰川消融、冻土转化以及陆气之间的水分和能量交换等过程，使得该区域水文过程对气温非常敏感。因此，获取准确的气温空间分布对于寒区水文模拟至关重要。近地表气温递减率(NLR)是将气温由站点向网格进行插值过程中的重要参数，是影响气温空间分布的重要因素。通常可以采用观测站点数据来获取NLR，而在观测站点较为缺乏的青藏高原等高海拔地区，可以采用遥感卫星数据（如MODIS的地表温度LST）来进行推算。研究发现MODIS的夜间地表温度LST与站点观测的气温有很好的一致性，而且有较高的空间分辨率便于计算NLR，因而适用于分布式水文模型的模拟。

　　中国科学院青藏高原地球科学卓越创新中心王磊研究员在基于能水平衡的多圈层分布式水文模型WEB-DHM的基础上，耦合三层积雪模块（WEB-DHM-S）改进模型对积雪物理过程的描述，在典型的寒区流域黄河源通过对流域水文过程和积雪过程的模拟，评估了不同NLR参数化方案对于积雪过程和流域径流等的影响，发现采用基于卫星遥感（MODIS夜间LST）获取的NLR对于改进模型的模拟效果有显著的作用。

　　在黄河源区流域，在1996-2005年共十年的时间序列上以流域出口唐乃亥站的径流以及流域的积雪深度为标准进行率定和验证（图1），作为控制试验（NLR采用基于观测站点数据推算的多年月平均值），共总设计了采用不同NLR参数化方案的9组试验（表1）。试验1-试验4采用不同时间尺度的NLR值（基于站点观测数据），发现提高NLR的时间尺度对于径流模拟结果的改进并不明显（<2.60%），对于蒸散发ET模拟结果的改进也有类似的结论。试验5-试验8采用通过网格卫星遥感数据计算得到的NLR值（基于MODIS夜间LST数据），在空间分布上具有更好的代表性，考虑流域的空间异质性，不同试验分别以不同海拔高度带、不同土地覆被类型、不同坡向、不同积雪厚度作为网格分类依据，发现试验5-试验8（即考虑NLR的空间异质性后）的结果相比较试验2有明显的改进（减少了夏季蒸散发，见图2），对于日径流的模拟改进了6%-7%。另外加入试验9，通过试验2、8和9来量化区分NLR对于雨雪分离以及对于雪层中物理过程各自的影响。

　　本研究发现流域径流模拟对NLR非常敏感，通过采用卫星遥感（MODIS的夜间LST）数据获取NLR，改进了模型在高寒流域对积雪相关物理过程的模拟，提高了模型对雪量（雪水当量、雪深等）以及径流的模拟精度，为寒区流域水文模型的发展做出了积极贡献。

　　该研究成果近期发表于JGR-Atmospheres期刊。

    论文链接：https://onlinelibrary.wiley.com/doi/10.1002/2016JD025506/abstract。

　　引用方式：Wang L, Sun L, Shrestha M, et al. Improving Snow Process Modeling with Satellite‐Based Estimation of Near‐Surface‐Air‐Temperature Lapse Rate. Journal of Geophysical Research-Atmospheres, 2016, 121(20)。

表1. 该研究中考虑的不同NLR情景及其对径流模拟的影响。唐乃亥水文站1996-2005径流量约为140.0 mm/年.

Note: The NLRs in EXP5-EXP9 were derived at the sub-regions of the basin by using MODIS nighttime LSTs, to represent the spatial heterogeneity of NLRs. The other NLRs except those for EXP1 were calculated from the 2-m observations at the 22 CMA stations in the basin. 

图1. 黄河源区流域（唐乃亥站以上）出口径流、以及平均雪深模拟结果（控制试验/CTRL）

图2. EXP5 -EXP8（考虑NLR的空间变异性）的模拟蒸散发值与EXP2（全流域使用单一的NLR）的区别