基于CLM4.5土壤風(fēng)蝕模型的河北省土壤釋塵量模擬

王小偉 ，王 衛(wèi)

（1. 河北師范大學(xué)資源與環(huán)境科學(xué)學(xué)院，河北省環(huán)境演變與生態(tài)建設(shè)實(shí)驗(yàn)室，石家莊 050016；2. 河北女子職業(yè)技術(shù)學(xué)院，石家莊 050051）

0 引 言

隨著經(jīng)濟(jì)社會(huì)不斷發(fā)展，中國(guó)大氣污染問題日益嚴(yán)重。研究表明，由地表風(fēng)蝕而注入到大氣中的土壤風(fēng)蝕塵，是大氣污染物的主要組分之一[1-3]。土壤風(fēng)蝕起塵不但造成大氣污染，還破壞了土壤結(jié)構(gòu)，造成土壤物質(zhì)流失，加劇了地區(qū)的荒漠化[4]。懸浮在大氣中的土壤風(fēng)蝕粉塵，不但危害人體健康[5-6]，還改變地面大氣輻射平衡和氣溶膠的酸堿度[7]，對(duì)硫酸鹽和硝酸鹽的輸送和沉降有著重要的影響[8-9]；長(zhǎng)距離輸送而注入海洋的土壤風(fēng)蝕粉塵還影響了海洋的生物地球化學(xué)過程和生物量，可能引起全球氣候系統(tǒng)和生態(tài)系統(tǒng)的變化[10-11]。

土壤風(fēng)蝕粉塵引起一系列環(huán)境問題，使很多學(xué)者開始關(guān)注土壤風(fēng)蝕的釋塵量研究。學(xué)術(shù)界通過室內(nèi)風(fēng)洞試驗(yàn)和野外定點(diǎn)觀測(cè)，在風(fēng)沙物理學(xué)理論支持下，提出了很多半機(jī)理模型，定量模擬土壤的釋塵量。這些模型有：Gillette的風(fēng)蝕粉塵釋放模型[12-13]、美國(guó)EPA風(fēng)蝕粉塵釋放模式[14-15]、邵亞平的風(fēng)蝕粉塵釋放模型[16-18]、DPM風(fēng)蝕粉塵釋放模型[19-20]、DUSTRAN 模型[21]、Zender的DEAD模型[22]以及全球沙塵循環(huán)模型中關(guān)于沙塵釋放的模擬[23-24]等。相比國(guó)外土壤風(fēng)蝕粉塵模型的研究，國(guó)內(nèi)學(xué)者大多是應(yīng)用上述模型進(jìn)行釋塵量模擬研究[25-32]，也有部分開展自主的方法或模型研究[33-34]。研究結(jié)果表明，上述模型都能模擬出土壤風(fēng)蝕粉塵釋放的時(shí)空分布特征，但不同模型模擬出的釋塵通量存在顯著的差異，差異甚至達(dá)到幾個(gè)數(shù)量級(jí)[35]，主要原因是不同模式在模擬釋塵量時(shí)對(duì)起塵物理過程的簡(jiǎn)化程度及考慮參數(shù)各不相同。盡管上述關(guān)于土壤風(fēng)蝕粉塵的模型模擬研究取得了令人鼓舞的進(jìn)步[36]，但土壤風(fēng)蝕粉塵模型仍需更多的區(qū)域驗(yàn)證，盡可能多地把地面大氣狀況、植被覆蓋、土壤特性等參數(shù)考慮進(jìn)去，以進(jìn)一步改善模擬性能。

自全國(guó) 74個(gè)城市按照新標(biāo)準(zhǔn)開展空氣質(zhì)量監(jiān)測(cè)以來，空氣質(zhì)量相對(duì)較差的前 10位城市中，河北省 2013年占7席，2014年占6席，2015年占7席，2016年占4席，2017年1-11月占6席，是中國(guó)大氣污染最為嚴(yán)重的地區(qū)之一。研究表明，土壤風(fēng)蝕粉塵對(duì)大氣污染物PM10的貢獻(xiàn)率通常在20%～60%之間[28]，是造成大氣污染的主要因素之一。在目前觀測(cè)數(shù)據(jù)十分有限的情況下，開展河北省土壤風(fēng)蝕釋塵量模擬研究，深入了解土壤風(fēng)蝕粉塵釋放的過程與機(jī)理，對(duì)防治大氣污染具有重要意義。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

河北省位于 113°27′～119°50′E，36°05′～42°40′N 之間，陸地總面積18.85×106hm2。地貌類型復(fù)雜多樣，從省域西北向東南依次為壩上高原、燕山和太行山地、河北平原三大地貌單元。屬于溫帶大陸性季風(fēng)氣候，春干、夏雨、秋爽、冬寒；年降水量大體從省域東南向西北由多到少，并在燕山和太行山迎風(fēng)坡形成降水中心；年大風(fēng)日數(shù)的高值區(qū)包括省域西北部的壩上高原、冀西北間山盆地和東部的濱海平原，其他區(qū)域?qū)倌甏箫L(fēng)日數(shù)的相對(duì)低值區(qū)。受降水少等地帶性因素的影響，省域西北部的壩上高原和冀西北間山盆地的植被覆蓋度相對(duì)較低；受土壤鹽堿化等非地帶性因素的影響，省域東部濱海平原特別是滄州濱海平原的植被覆蓋度也相對(duì)較低；其他區(qū)域的植被覆蓋度相對(duì)較高[37]。

1.2 CLM4.5土壤風(fēng)蝕模型

CLM4.5土壤風(fēng)蝕模型是CLM(community land model)的一個(gè)子模型，其起塵模式是基于 DEAD（dust entrainment and deposition）模型改進(jìn)的。沙塵粒子的運(yùn)動(dòng)主要受重力和空氣動(dòng)力學(xué)拖曳力的影響[38]，當(dāng)拖曳力大于重力時(shí)，沙塵粒子脫離地面上升到某一高度，并隨大氣運(yùn)動(dòng)。垂直起塵通量Fj（kg/(m2·s)）的計(jì)算公式[39]如下

式中 T是用于平衡模型空間和時(shí)間分辨率的調(diào)整因子,用來得到一個(gè)較合理的氣候模擬。S是土壤侵蝕度因子,它與土壤遭受風(fēng)蝕的敏感性成正比[40]，位于0～1之間。在CLM4.5土壤風(fēng)蝕模型中，考慮到模型適用于全球范圍，為了得到較好的模擬效果，將氣候模擬調(diào)整因子 T和土壤侵蝕度因子S統(tǒng)一分別賦值為5×10-4和1。而本研究的時(shí)間分辨率和空間分辨率均高于CLM4.5模型，為了提高模擬精度，采用Wu等[41]確定的高分辨率的空間調(diào)整參數(shù)T=1.32×10-2和S=0.02來修正土壤風(fēng)蝕的釋塵量。fm是適宜起塵的裸露土壤占柵格的比例；α是起沙質(zhì)量功率；Qs是沙塵顆粒的水平躍移通量，kg/(m·s)；Mi,j是第i種塵源模式攜帶的第j種傳輸粒徑組的質(zhì)量分?jǐn)?shù)。裸露土壤占柵格的比例fm計(jì)算公式如式（2）所示。

式中flake、fwelt、fsno分別代表柵格中湖泊/水庫(kù)、濕地和積雪覆蓋的比例；fv指植被覆蓋率，位于0～1之間，具體計(jì)算公式見公式（3）。

式中L指葉面積指數(shù)，s指莖面積指數(shù)，(L+s)t是常數(shù)，等于0.3。

公式（2）中的 wliq,1和wice,1分別是表土層中液態(tài)水和冰的厚度，m；wliq,1/( wliq,1+wice,1)指地表冰凍比率。土壤中水層厚度等于土層厚度與體積含水量的乘積。冰層厚度等于土層厚度與體積含冰量的乘積。土壤含冰量是基于平衡態(tài)熱力學(xué)理論，按照土壤水勢(shì)和溫度的關(guān)系式以及土壤水力學(xué)特征關(guān)系來確定的[42]。具體見公式（4）和（5）。

式中θmax表示負(fù)溫狀態(tài)下的最大液態(tài)含水率；θs為土壤孔隙率，Li為熔化潛熱，J/kg；Tf為水的凍結(jié)溫度，K；φs為土壤飽和基質(zhì)勢(shì)，Pa；b為Clapp & Hornberger常數(shù)，g為重力加速度，m/s2。當(dāng)土壤凍結(jié)時(shí)，多余的液態(tài)含水率即為土壤含冰率θi。

式中的ρw和ρi分別代表水和冰的密度，kg/m3。

公式（1）中的起沙質(zhì)量功率 α的計(jì)算公式如（6）所示。

式中的Mclay指土壤中黏粒的質(zhì)量分?jǐn)?shù)。

公式（1）中的水平躍移通量Qs計(jì)算公式為

式中躍移常數(shù)Cs=2.61，ρa(bǔ)tm是大氣密度，kg/m3；u*t是摩阻風(fēng)速臨界值，m/s；u*s是基于歐文效應(yīng)的摩阻風(fēng)速，m/s。u*s的計(jì)算公式為

式中 u*是通常意義上的摩阻風(fēng)速，m/s；U10是距離地面10 m高的風(fēng)速，m/s；U10,t是10m高的風(fēng)速臨界值，m/s。u*和U10,t計(jì)算公式見公式（9）和公式（10）。

式中K是卡曼常數(shù)，等于0.4；Z是高度，m；U是Z高度的平均風(fēng)速，m/s；Z0是地表粗糙度，m。

公式（7）中的摩阻風(fēng)速臨界值u*t的計(jì)算公式為

式中w指土壤的質(zhì)量濕度，wt是土壤濕度的臨界值。

式中mi是第i種塵源模式的質(zhì)量分?jǐn)?shù)；是第i種塵源模式的質(zhì)量中位粒徑，m；σg,i是第i種塵源模式的幾何標(biāo)準(zhǔn)差，具體數(shù)值見表1；Dj,min和Dj,max是第j種傳輸粒徑組的最小和最大粒徑，m；具體數(shù)值見表2。

表1 塵源模式i的質(zhì)量分?jǐn)?shù)、質(zhì)量中位粒徑和幾何標(biāo)準(zhǔn)差Table 1 Mass fraction, mass median diameter, and geometric standard deviation, per dust source mode i

表2 第j種傳輸粒徑組的最小和最大粒徑Table 2 Minimum and maximum particle diameters in each dust transport group j

1.3 技術(shù)路線

圖1 土壤風(fēng)蝕粉塵模型流程Fig.1 Flow chart of soil wind-blown dust model

2 數(shù)據(jù)來源及處理

2.1 數(shù)據(jù)來源

風(fēng)速和土壤濕度來源于中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)（CLDAS），風(fēng)速是10 m風(fēng)速；土地覆被分類數(shù)據(jù)采用2013年的IGBP的全球土地覆被分類方案；植被覆蓋度中的葉面積指數(shù)采用全球陸表特征參量中 GLASS產(chǎn)品；湖泊、河流、濕地?cái)?shù)據(jù)來源于河北省土地2010年土地利用圖；積雪覆蓋比率數(shù)據(jù)采用 MOD10A2產(chǎn)品；冰凍比率的計(jì)算采用中國(guó)氣象科學(xué)共享網(wǎng)的地溫?cái)?shù)據(jù)；土壤數(shù)據(jù)來源于FAO的世界土壤數(shù)據(jù)庫(kù)（HWSD）。

2.2 數(shù)據(jù)處理

2.2.1 風(fēng) 速

研究選取CLDAS的2013年的10 m風(fēng)速數(shù)據(jù)，時(shí)間分辨率為逐小時(shí)，空間分辨率是0.05°，數(shù)據(jù)為NC格式。在Arcgis10.2的技術(shù)支撐下，通過Model builder批量完成數(shù)據(jù)格式轉(zhuǎn)換、重投影、重采集和研究區(qū)裁切等操作，轉(zhuǎn)換成1 km分辨率的河北省風(fēng)速網(wǎng)格數(shù)據(jù)。

2.2.2 土壤濕度

研究選取CLDAS土壤濕度數(shù)據(jù)中的0～5 cm土壤體積濕度數(shù)據(jù)，在 Arcgis10.2的技術(shù)支撐下，通過 Model builder對(duì)2013年土壤體積濕度數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換、重投影、重采集和研究區(qū)裁切等操作，再結(jié)合液態(tài)水的密度和表層土壤的體積密度，確定河北省1 km分辨率的表層土壤的質(zhì)量含水率(w)，通過與表層土壤質(zhì)量含水率的臨界值(wt)進(jìn)行比較，確定公式（11）中的fw。

2.2.3 地表粗糙度

地表粗糙度反映了地表粗糙元對(duì)風(fēng)力的削弱程度，是阻礙土壤風(fēng)蝕粉塵產(chǎn)生的重要因子。在對(duì) 2013年的IGBP的全球土地覆被分類方案進(jìn)行裁剪的基礎(chǔ)上，按照植被/土地覆蓋類型與地表粗糙度的關(guān)系[43]來確定1 km分辨率的河北省不同土地覆被類型的地表粗糙度網(wǎng)格數(shù)據(jù)。

2.2.4 植被覆蓋度

研究采用我國(guó)自主研發(fā)的覆蓋全球的GLASS LAI數(shù)據(jù)，空間分辨率為1 km，時(shí)間分辨率為8 d，利用MRT

由CLM4.5土壤風(fēng)蝕模型可知，影響土壤風(fēng)蝕粉塵釋放的因素包括土壤質(zhì)地、風(fēng)速、土壤濕度、地表粗糙度、裸露土壤比例等因素。裸露土壤比例由植被覆蓋度、地表冰凍比率、積雪覆蓋比率、湖和濕地比率決定。土壤質(zhì)地、地表粗糙度、湖泊、河流和濕地比率屬于相對(duì)穩(wěn)定因素。風(fēng)速、土壤濕度、植被覆蓋率、積雪覆蓋面積、冰凍比率等數(shù)據(jù)隨時(shí)間變化較大。各影響因素對(duì)土壤風(fēng)蝕粉塵的作用見土壤風(fēng)蝕粉塵模式流程（圖1）。進(jìn)行圖形拼接和投影轉(zhuǎn)換，在Arcgis10.2的技術(shù)支撐下，將2013年的GLASS LAI數(shù)據(jù)按照河北區(qū)域進(jìn)行裁剪。莖面積指數(shù)的確定按照陸面模型中的動(dòng)態(tài)植被模型（CLM_DGVM）的方法[44]確定，最后根據(jù)每8 d的fv數(shù)據(jù)線性插值成每天的植被覆蓋度數(shù)據(jù)。

2.2.5 湖泊、河流和濕地的比率

湖泊、河流和濕地的比率指柵格中湖泊、河流和濕地面積占柵格總面積的比率。湖泊、河流和濕地的面積隨時(shí)間變化不大，因此采用2010年MODIS和TM兩種遙感數(shù)據(jù)為主要數(shù)據(jù)源，以 NDVI作為特征參數(shù)，采用CART決策樹對(duì)影像進(jìn)行土地覆被分類，確定河北區(qū)域內(nèi)的湖泊、河流和濕地面積，再確定柵格內(nèi)湖泊、河流和濕地比率，即公式（2）中的flake、fwelt。

2.2.6 積雪覆蓋比率

積雪覆蓋面積的確定采用MODIS數(shù)據(jù)MOD10A2產(chǎn)品，空間分辨率為500 m，數(shù)據(jù)格式為HDF。研究區(qū)域在SIN投影方式下每8天有4張圖，選取2013年1-3月及10-12月共計(jì)96張圖，利用MRT軟件進(jìn)行圖像拼接與坐標(biāo)轉(zhuǎn)換，然后利用Arcgis10.2裁剪出河北區(qū)域，采用積雪分類編碼提取積雪面積，確定柵格的積雪覆蓋比率fsno。

2.2.7 地表冰凍比率

選取2013年氣象共享網(wǎng)的地溫資料，利用克里金插值確定河北省地溫網(wǎng)格數(shù)據(jù)，用每日2點(diǎn)、8點(diǎn)、14點(diǎn)和20點(diǎn)地溫監(jiān)測(cè)數(shù)據(jù)計(jì)算地溫的日均值，結(jié)合依據(jù)土壤質(zhì)地確定的φs，b數(shù)據(jù)和CLDAS的土壤體積濕度，按照公式（4）和公式（5）計(jì)算每日土壤中的最大含水量及含冰量，以確定地表冰凍比率。

2.2.8 土壤質(zhì)地

土壤質(zhì)地?cái)?shù)據(jù)來源于HWSD，數(shù)據(jù)格式為Grid格式，投影方式為WGS84，空間分辨率為1 km。從世界土壤數(shù)據(jù)庫(kù)中裁剪出河北區(qū)域，然后在土壤屬性表中選取需要的黏粒含量、沙粒含量、有機(jī)質(zhì)比例等因子進(jìn)行計(jì)算，確定區(qū)域的起沙質(zhì)量功率（α）和土壤的質(zhì)量含水率(w)。

3 結(jié)果與分析

運(yùn)用CLM4.5土壤風(fēng)蝕模型，對(duì)2013年河北省的土壤風(fēng)蝕釋塵量進(jìn)行模擬估算：2013年河北省土壤風(fēng)蝕粉塵 PM10的釋塵通量為1.02 t/hm2，全年共向大氣中釋放PM101 922.87×104t 。

3.1 釋塵量時(shí)空分布特征

3.1.1 釋塵強(qiáng)度分級(jí)特征

2013年河北省土壤風(fēng)蝕釋塵強(qiáng)度存在明顯差異，按照增強(qiáng)時(shí)空分布差異區(qū)分度和各級(jí)別面積比例適度的原則，將河北省土壤風(fēng)蝕的釋塵強(qiáng)度劃分為 0～0.20、0.20～0.50、0.50～1.00、1.00～5、5～10 及＞10 t/(hm2·a) 6個(gè)等級(jí)（表 3），其中Ⅵ級(jí)為釋塵強(qiáng)度最高的等級(jí)。河北省釋塵強(qiáng)度最高的Ⅵ級(jí)區(qū)域總釋塵量為571.21× 104t，占全省總釋塵量的29.71%，面積占全省面積的1.42%；釋塵強(qiáng)度Ⅴ級(jí)區(qū)域總釋塵量為622.70×104t，占總釋塵量的32.28%，面積僅占4.82%；釋塵強(qiáng)度第3高的Ⅳ級(jí)區(qū)域總釋塵量為610.24×104t，占釋塵總量的31.74%，面積占比為12.76%；釋塵強(qiáng)度Ⅲ級(jí)區(qū)域總釋塵量為61.45×104t，占釋塵總量的3.20%，面積占全省面積的4.52%；釋塵強(qiáng)度Ⅱ級(jí)區(qū)域總釋塵量為 34.33×104t，占全省總釋塵量的1.79%；釋塵強(qiáng)度最低的Ⅰ級(jí)區(qū)域總釋塵量?jī)H為22.94×104t，占釋塵總量的1.19%，面積卻占全省總面積的71.10%。其中Ⅴ、Ⅵ級(jí)區(qū)域總釋塵量為1 193.91×104t，占到總釋塵量的62%，而面積占比僅為6.24%，由此可見，河北省土壤風(fēng)蝕粉塵釋放屬于小區(qū)域、高強(qiáng)度的排放模式。

表3 河北省土壤風(fēng)蝕粉塵PM10釋塵強(qiáng)度分級(jí)Table 3 Emissions intensity grades of wind-blown dust PM10 in Hebei Province

3.1.2 時(shí)間分布特征

1）月際分布特征

河北省2013年1-12月土壤風(fēng)蝕粉塵PM10的釋塵通量 按 時(shí) 間 順 序 分 別 為 ： 28.31×10-3、 130.98×10-3、281.14×10-3、 238.50×10-3、 26.20×10-3、 10.60×10-3、2.29×10-3、2.38×10-3、6.59×10-3、14.69×10-3、157.17×10-3、121.66×10-3t/hm2（圖2）。全年12個(gè)月中，3月份釋塵量最高，占全年的27.6%。植被覆蓋度低、凍土和積雪融化導(dǎo)致的裸露土壤比例增大，再加上土壤濕度低、風(fēng)力大是3月份土壤風(fēng)蝕粉塵釋塵量高的原因。7月份的土壤風(fēng)蝕粉塵最低，僅占全年釋塵量的0.2%，土壤濕度大、植被覆蓋度高是釋塵量低的主要原因。

圖2 2013年河北省各月和各季PM10的釋塵通量Fig.2 Monthly and seasonal average emission flux of PM10 in Hebei province at 2013

2）季節(jié)分布特征

2013年春季河北省大部分地區(qū)的土壤風(fēng)蝕PM10的釋塵通量低于1 t/hm2，壩上高原和滄州濱海平原釋塵通量較高，局部地區(qū)高于10 t/hm2，區(qū)域平均釋塵通量為0.55 t/hm2，占到全年的53.6%；夏季全省土壤風(fēng)蝕PM10的釋塵通量較低，只有滄州濱海平原和冀東濱海平原地區(qū)釋塵通量高于 0.50 t/hm2，區(qū)域平均釋塵通量為 0.015 t/hm2，僅占全年的1.5%；秋季全省釋塵通量逐漸回升，但大部分地區(qū)的土壤風(fēng)蝕 PM10的釋塵通量低于 0.50 t/hm2，滄州濱海平原和冀東濱海平原地區(qū)釋塵通量相對(duì)較高，但低于5 t/hm2，區(qū)域平均釋塵通量為0.18 t/hm2，占全年的17.5%，遠(yuǎn)低于春季；冬季釋塵通量在秋季基礎(chǔ)上進(jìn)一步升高，區(qū)域平均釋塵通量為0.28 t/hm2，占全年的27.4%，是釋塵通量次高的季節(jié)（圖2，圖3）。河北省土壤風(fēng)蝕粉塵PM10的釋塵量呈現(xiàn)明顯的春高夏低季節(jié)變化。春季由于植被稀少，氣溫回升快，裸露地表凍土和積雪融化，再加上風(fēng)力較大，使土壤風(fēng)蝕釋塵量最高；夏季雨水增多，植被旺盛，土壤濕度大，不利于起塵；秋季植被減少，土壤濕度下降，使秋季的釋塵量回升；冬季由于土壤濕度進(jìn)一步降低、植被覆蓋度下降，使地面起塵能力上升，釋塵量?jī)H次于春季。

圖3 河北省土壤風(fēng)蝕粉塵PM10釋塵通量季節(jié)變化Fig.3 Emission flux of wind-blown dust PM10 in different seasons in Hebei province

3.1.3 空間分布特征

2013年河北省土壤風(fēng)蝕釋塵量呈現(xiàn)明顯的地區(qū)差異（圖 4），全省高等級(jí)釋塵強(qiáng)度（Ⅴ、Ⅵ級(jí)）區(qū)域主要位于滄州濱海平原東北部、壩上高原西北部和冀東濱海平原南部地區(qū)，中等釋塵強(qiáng)度（Ⅳ級(jí)）區(qū)域主要位于壩上高原、冀西北間山盆地、滄州濱海平原、中部平原的東北部地區(qū)、太行山山地南部與平原交接地帶；冀北山地、燕山山前平原、太行山山地、太行山山前平原、中部平原的南部地區(qū)的釋塵強(qiáng)度都較低。按照全省自然區(qū)域統(tǒng)計(jì)，釋塵通量最高的為滄州濱海平原，年釋塵通量為5.365 t/hm2；其次為壩上高原，年釋塵通量為 3.542 t/hm2；冀東濱海平原、冀西北間山盆地、中部平原、太行山山地、燕山山前平原、冀北山地的年釋塵通量依次為：3.382、2.369、0.550、0.423、0.321、0.240 t/hm2。釋塵量最低的為太行山山前平原，年釋塵通量為0.198 t/hm2（圖5）。

圖4 2013年河北省土壤風(fēng)蝕粉塵PM10的釋塵通量Fig.4 Emission flux of PM10 from wind-blown dust in Hebei province at 2013

圖5 河北省土壤風(fēng)蝕粉塵PM10釋塵通量區(qū)域分布Fig.5 Emission flux of wind-blown dust PM10 in different regions

3.2 釋塵量成因特征

2013年河北省的年均風(fēng)速、土壤濕度和裸露土壤比例如圖 6所示，年均風(fēng)速的高值區(qū)域分布在濱海平原和壩上高原兩地，太行山山地和冀北山地的風(fēng)速較小。土壤濕度的高值區(qū)域主要是沿海區(qū)域，低值區(qū)域主要是壩上高原、冀北山地西北部-冀西北間山盆地-太行山山地一線。裸露土壤比例的高值區(qū)域主要分布在冀西北間山盆地、燕山山前平原和冀東濱海平原、山前平原和太行山山地南部與平原交接地帶。對(duì)比土壤風(fēng)蝕釋塵通量（圖4）與風(fēng)速、土壤濕度和裸露的土壤比例的分布規(guī)律可以發(fā)現(xiàn)，風(fēng)速高值區(qū)域、土壤濕度低值區(qū)域和裸露土壤比例的高值區(qū)域是河北省土壤風(fēng)蝕釋塵強(qiáng)度的高等級(jí)地區(qū)，與河北省土壤風(fēng)蝕釋塵通量空間分布具有一致性。

圖6 2013年河北省風(fēng)速、土壤濕度、裸露土壤比例年均值Fig.6 Average wind speed, soil moisture and proportion of bare soil of Hebei province at 2013

為了定量分析風(fēng)速、土壤濕度、裸露土壤的比例對(duì)土壤風(fēng)蝕粉塵釋放的影響，本研究對(duì)風(fēng)速、土壤濕度、裸露土壤比例的年均值及風(fēng)蝕粉塵的年釋塵通量進(jìn)行分區(qū)抽樣，研究區(qū)共取樣400個(gè)點(diǎn)，去除異常值后剩余371個(gè)點(diǎn)。利用SPSS19.0建立多元回歸模型，模型的t檢驗(yàn)和F檢驗(yàn)均達(dá)到0.01的顯著性，調(diào)整后的R2為0.230?；貧w模型如下：

式中X1為風(fēng)速；X2為土壤濕度；X3為裸露土壤比例。由模型結(jié)果可知，土壤風(fēng)蝕釋塵量與風(fēng)速、裸露土壤比例成正比，風(fēng)速和裸露土壤比例越大，釋塵量越高；與土壤濕度成反比，土壤濕度越大，釋塵量越低。風(fēng)速、土壤濕度和裸露土壤比例這 3個(gè)影響因素中，土壤風(fēng)蝕釋塵量對(duì)裸露土壤比例變化最為敏感，對(duì)風(fēng)速的變化最不敏感。因此，應(yīng)從減少裸露土壤比例方面入手，通過植樹造林、退耕還林、實(shí)施農(nóng)田保護(hù)性耕作等方式降低土壤風(fēng)蝕的釋塵量。

4 討 論

隨著觀測(cè)手段的不斷進(jìn)步，沙塵模式中輸入?yún)?shù)的精度逐漸提高，對(duì)于沙塵排放的測(cè)算和計(jì)算也更為準(zhǔn)確。但目前針對(duì)沙塵模式的模擬驗(yàn)證只局限在小區(qū)域內(nèi)，在較大范圍內(nèi)仍無法進(jìn)行。在本研究區(qū)這種自然起塵與人為起塵并存的區(qū)域如何進(jìn)行土壤風(fēng)蝕粉塵模擬結(jié)果的定量驗(yàn)證，有待于進(jìn)一步探索。

通過與相同區(qū)域不同模式模擬的釋塵通量進(jìn)行對(duì)比，本研究年均土壤風(fēng)蝕釋塵通量為 3.23 μg/(m2·s)，與郭俊等[31]采用GOCART模型模擬的2000～2007年的年均釋塵通量 0～4.6 μg/(m2·s)之間的模擬結(jié)果相近，能夠較好的模擬河北區(qū)域土壤風(fēng)蝕PM10的釋塵量。但由于本研究和對(duì)比研究的研究區(qū)范圍和研究基期存在差異，風(fēng)速、土壤濕度等影響土壤風(fēng)蝕粉塵產(chǎn)生的因子不同，會(huì)導(dǎo)致模擬結(jié)果對(duì)比的隨機(jī)性。因此，需要進(jìn)一步深化不同模擬成果對(duì)比的規(guī)范化。

5 結(jié) 論

1）2013年河北省土壤風(fēng)蝕粉塵PM10的年釋塵通量值為1.02 t/hm2，全年共向大氣中釋放PM101 922.87×104t。春季釋塵通量為0.55 t/hm2，占全年的53.6%，是一年中土壤風(fēng)蝕粉塵排放量最大的季節(jié)，夏季釋塵通量最低，為0.015 t/hm2。CLM4.5土壤風(fēng)蝕模型可以很好的模擬出河北省土壤風(fēng)蝕粉塵發(fā)生的時(shí)間變化特征。

2）2013年河北省土壤風(fēng)蝕釋塵量呈現(xiàn)明顯的地區(qū)差異，釋塵量最高的為滄州濱海平原，其次為壩上高原，冀東沿海平原、冀西北間山盆地、中部平原、太行山山地、燕山山前平原、冀北山地和太行山山前平原的釋塵通量依次降低，其中，排名前四的區(qū)域是河北省土壤風(fēng)蝕釋塵較嚴(yán)重的區(qū)域。

3）CLM4.5土壤風(fēng)蝕模型特定的參數(shù)體系空間分辨率較低，普遍為0.05°，對(duì)于小區(qū)域的模擬研究并不適用。因此，本研究充分利用衛(wèi)星遙感和地理大數(shù)據(jù)的優(yōu)勢(shì)，采用了空間分辨率為1 km的高分辨率的植被覆蓋度、風(fēng)速、土壤濕度、土地覆被分類、湖泊、河流和濕地?cái)?shù)據(jù)等本地化參數(shù)，提高了模型輸入?yún)?shù)的精度，提高了模擬結(jié)果的準(zhǔn)確性，在小區(qū)域土壤風(fēng)蝕釋塵量模擬方面進(jìn)行了新的嘗試。

[參 考 文 獻(xiàn)]

[1] 陳璐，陳莉，石夢(mèng)雙. 天津市郊區(qū)土壤細(xì)粒徑空間分布及變異性分析[J]. 環(huán)境科學(xué)與技術(shù)，2013，36(7)：29－34.Chen Lu, Chen Li, Shi Mengshuang. Spatial distribution and variability of soil fine diameter in suburbs of Tianjin [J].Environmental Science & Technology, 2013, 36(7): 29－34.(in Chinese with English abstract)

[2] Waldman J M, Lioy P J, Zelenka M, et al. Winter time measurements of aerosol acidity and trace elements in Wuhan,acity incentral China[J].Atmospheric Environment, 1991,25(1): 113－120.

[3] 陳杰，趙素平，殷代英，等. 沙塵天氣過程對(duì)中國(guó)北方城市空氣質(zhì)量的影響[J]. 中國(guó)沙漠，2015，35(2)：423－430.Chen Jie, Zhao Suping, Yin Daiying, et al. Effect of dust process on air quality in cities of Northern China [J]. Journal of Desert Research, 2015, 35(2): 423－430. (in Chinese with English abstract)

[4] Tegen I, Fung I. Modeling of mineral dust in the atmosphere:Sources, transport, and optical thickness [J]. Journal of Geophysical Research, 1994, 99(D11): 22897－22914.

[5] Goudie A S. Desert dust and human health disorders [J].Environment International, 2014, 63: 101－113.

[6] Crooks J L, Cascio W E, Percy M S, et al. The association between dust storms and daily non-accidental mortality in the United States, 1993－2005[J]. Environmental Health Perspectives, 2016, 124(11): 1735－1743.

[7] Losno R, Bergametti G, Carlier P, et al. Majorions in marine rainwater with attention to sources of alkaline and acidic species[J]. Atmospheric Environment, 1991, 25(3－4): 763－770.

[8] Maki T, Puspitasari F, Hara K, et al. Variations in the structure of airborne bacterial communities in a downwind area during an Asian dust (Kosa) event [J]. Science of the Total Environment, 2014, 488: 75－84.

[9] Li H, Qian X, Hu W, et al. Chemical speciation and human health risk of trace metals in urban street dusts from ametropolitan city, Nanjing, SE China [J] Science of the Total Environment, 2013, 456: 212－221.

[10] Ren Y, Ichinose T, He M, et al. Aggravation of ovalbumin-induced murine asthma by co-exposure to desert-dust and organic chemicals: An animal model study[J].Environment Health, 2014, 13: 83.

[11] Choobari O A, Zawar-Reza P, Sturman A. The global distribution of mineral dust and its impacts on the climate system: A review [J]. Atmosphere Research, 2014, 138: 152－165.

[12] Gillette D A, Passi R. Modeling dust emission caused by wind erosion [J]. Journal of Geophysical Research, 1988,93(D11): 14233－14242.

[13] Gillette D A, Admas J, Muhs D, et al. Threshold friction velocitie sand rupture module for crusted desert soils for the input of soil particles into the air [J]. Journal of Geophysical Research, 1982, 87: 9003－9015.

[14] Foroutan H, Young J, Napelenok S, et al. Development and evaluation of a physics-based windblown dust emission scheme implemented in the CMAQ modeling system[J].Journal of Advances in Modeling Earth Systems, 2017, 9(1):585－608.

[15] Jeon W, Choi Y, Percell P, et al. Computationally efficient air quality forecasting tool: Implementation of STOPS v1.5 model into CMAQ v5.0.2 for a prediction of Asian dust[J].Geoscientific Model Development,2016, 9 (10): 3671－3684.

[16] Shao Y P, Raupach M R, Leys J F. A model for predicting Aeolian sand drift and dust entrainment on scales from paddock to region [J]. Soil Research, 1996, 34(3): 309－342.

[17] Lu H, Shao Y P. A new model for dust emission by saltation bombardment [J]. Journal of Geophysical Research, 1999,104(D14): 16827－16842.

[18] Shao Y P. Physics and Modeling of Wind Erosion[M].London: Kluwer Academic Publishers, 2000: 195－197.

[19] Alfaro S C, Gomes L. Modeling mineral aerosol production by wind erosion: Emission intensities and aerosol size distribution in source areas [J]. Journal of Geophysical Research, 2001, 106(D16): 18075－18084.

[20] Alfaro S C, Rajot J L, Lafon S, et al. Does soil composition have an influence on the sandblasting process [R]. Paris: The 2nd Workshop on Mineral Dust, 2003: 10－12.

[21] Shaw W J, Jerry A K, Fritz B G, et al. An evaluation of the wind erosion module in DUSTRAN [J]. Atmospheric Environment, 2008, 42(8): 1907－1921.

[22] Zender C S, Bian H S, Newman D. Mineral dust entrainment and deposition (DEAD) model: Description and 1990s dust Climatology [J]. Journal of Geophysical Research, 2003,108(D14): 4416.

[23] Joussaume S. Three-dimensional simulations of the atmospheric cycle of desert dust particles using a general circulation model [J]. Journal of Geophysical Research, 1990,95(D2): 1909－1941.

[24] Ginoux P, Chin M, Tegen I, et al. Sources and distribution of dust aerosols simulated with GOCART model[J]. Journal of Geophysical Research, 2001,106(D17): 20225－20273.

[25] 張小曳. 亞洲粉塵的源區(qū)分布、釋放、輸送、沉降與黃土堆積[J]. 第四紀(jì)研究，2001，21(1)：29－40.Zhang Xiaoye. Source distributions, emission, transport,deposition of Asian dust and loess accumulation[J].Quaternary Sciences, 2001, 21(1): 29－40. (in Chinese with English abstract)

[26] 宿興濤，王宏，許麗人，等. 沙塵氣溶膠直接氣候效應(yīng)對(duì)東亞冬季風(fēng)影響的模擬研究[J]. 大氣科學(xué)，2016，40 (3)：551－562.Su Xingtao, Wang Hong, Xu Liren, et al. A numerical simulation study on the impacts of dust aerosol direct climatic effects on the East Asian winter monsoon[J].Chinese Journal of Atmospheric Sciences, 2016, 40 (3): 551－562. (in Chinese with English abstract)

[27] 車慧正，張小曳，李楊，等. DPM模型計(jì)算中國(guó)北方沙漠地區(qū)粉塵釋放通量[J]. 干旱區(qū)資源與環(huán)境，2005，19(5)：49－55.Che Huizheng, Zhang Xiaoye, Li Yang, et al. Calculations of dust emission flux in northern deserts of China by DPM model[J]. Journal of Arid Land Resources and Environment,2005, 19(5): 49－55. (in Chinese with English abstract)

[28] 陳莉，李濤，韓婷婷，等. WEPS模型下天津郊區(qū)風(fēng)蝕塵對(duì)城區(qū)空氣質(zhì)量的影響[J]. 中國(guó)環(huán)境科學(xué)，2012，32(8)：1353－1360.Chen Li, Li Tao, Hang Tingting, et al. Effect of wind-blown dust derived from Tianjin suburban on air quality of central district based on WEPS model[J]. China Environmental science, 2012, 32(8): 1353－1360. (in Chinese with English abstract)

[29] 元天剛，陳思宇，康麗泰，等. 1961～2010年中國(guó)北方沙塵源區(qū)沙塵強(qiáng)度時(shí)空分布特征及變化趨勢(shì)[J]. 干旱氣象，2016，34 (6)：927－935.Yuan Tiangang, Chen Siyu, Kang Litai, et al. Temporal and spatial distribution characteristics and change trends of dust intensity in dust source regions of northern China during 1961-2010[J]. Journal of Arid Meteorology, 2016, 34 (6):927－935. (in Chinese with English abstract)

[30] 陳思宇，黃建平，李景鑫，等. 塔克拉瑪干沙漠和戈壁沙塵起沙、傳輸和沉降的對(duì)比研究[J]. 中國(guó)科學(xué)：地球科學(xué)，2017，47(08)：939－957.Chen Siyu, Huang Jianping, Li Jingxin, et al. Comparison of dust emissions, transport, and deposition between the Taklimakan Desert and Gobi Desert from 2007 to 2011[J].Science China Earth Sciences, 2017, 47(08): 939－957. (in Chinese with English abstract)

[31] 郭俊，銀燕，王詠薇，等. 東亞沙塵分布、源匯及輸送特征的模擬研究[J]. 中國(guó)環(huán)境學(xué)，2017，37(3)：801－812.Guo Jun, Yin Yan, Wang Yongwei, et al.Numerical study of the dust distribution, source and sink, and transport features over East Asia [J]. China Environmental Science, 2017, 37(3):801－812. (in Chinese with English abstract)

[32] 陳廣善，劉曉東，陳葆德. 亞洲大陸2000～2002年春季大氣沙塵時(shí)空特征的數(shù)值模擬[J]. 環(huán)境科學(xué)，2006，27(1)：1－8.Chen Guangshan, Liu Xiaodong, Chen Baode. Numerical simulations of spatial and temporal characteristics of airborne dust over Asia during springs of 2000 to 2002[J].Environmental Science, 2006, 27(1): 1－8. (in Chinese with English abstract)

[33] 王仁德，常春平，彭帥，等. 基于粒度對(duì)比法的壩上農(nóng)田風(fēng)蝕與粉塵釋放量估算[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29(21)：108－114.Wang Rende, Chang Chunping, Peng Shuai, et al. Estimation on farmland wind-erosion and dust emission amount in Bashang of Hebei province by grain composition contrast[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(21): 108－114. (in Chinese with English abstract)

[34] 康永德，夏開偉，楊興華，等. 近地層沙塵水平通量與集沙效率野外觀測(cè)分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(13)：168－174.Kang Yongde, Xia Kaiwei, Yang Xinghua, et al. Analysis of horizontal flux and sand collecting efficiency of sand dust near ground surface based on field observations [J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(13): 168－174. (in Chinese with English abstract)

[35] Shao Y P, Dong C H. A review on east Asian dust storm climate, modelling and monitoring [J]. Global and Planetary Change, 2006, 52(1－4): 1－22.

[36] Harrison S P, Kohfeld K E, Roelandt C, et al. The role of dust in climate changes today, the last glacial maximum and in the future [J]. Earth-Science Reviews, 2001, 54(1-3): 43－80.

[37] 王衛(wèi)，馮忠江，陳輝. 河北地理[M]. 北京：北京師范大學(xué)出版社，2012：3－9.

[38] Clark I, Assamoi P, Bertrand J, et al. Characterization of potential zones of dust generation at eleven stations in the southern Sahara[J]. Theoretical and Applied Climatology,2004, 77(3): 173－184.

[39] Oleson K W, Lawrence D M. Technical description of version 4.5 of the Community Land Model[R]. NCAR Earth System Laboratory Climate and Global Dynamics Division,USA, 2013.

[40] Webb N P, Strong C L. Soil erodibility dynamics and its representation for wind erosion and dust emission models [J].Aeolian Research, 2011, 3(2): 65－179.

[41] Wu C L, Lin Z H, He J X, et al. Aprocess-oriented evaluation of dust emission parameterizations in CESM: Simulation of a typical severe dust storm in East Asia[J]. Journal of Advances in Modeling Earth Systems, 2016, 8(3): 1432－1452.

[42] Niu G Y, Yang Z L. Effects of frozen soil on snowmelt runoff and soil water storage at a continental scale[J]. Journal of Hydrometeorology, 2006, 7(5): 937－952.

[43] Zeng X B, Shaikh M, Dai Y J, et al. Coupling of the Common Land Model to the NCAR Community Climate Model [J]. Journal of Climate, 2002, 15(14): 1832－1854.

[44] Levis S, Bonan G B, Vertenstein M, et al. The community land model's dynamic global vegetation model(CLM-DGVM): Technical description and user's guide[R].National Center for Atmospheric Research, Colorado, 2004.