0 引言

青藏高原海拔高，冻土广泛分布，是世界上最大的高海拔冻土区[1]。准确的多年冻土分布及其特征信息对于理解青藏高原地表能量和水分交换过程[2]，以及多年冻土对工程设施的影响[3]有着重要的意义。作为冰冻圈的主体，多年冻土是岩石圈与大气圈水热交换的产物，它的存在、 分布及水热过程受到多种时空尺度环境因子的控制和影响。在整个高原区域尺度，多年冻土主要受海拔高度的控制和影响[4]； 而在局域尺度上，各种局部因子，如植被、 土壤、 积雪、 地形等，对冻土的分布和特征有重要的影响[5-8]。其中，植被和土壤性质对多年冻土水热过程和空间分布的影响十分显著[5,7,9]，定量研究它们对多年冻土分布和属性特征的影响，对于提高人们理解多年冻土与寒区环境的关系有重要的意义[10-11]。

目前有关植被和土壤对多年冻土影响的研究，主要分为两类： 一类是基于观测资料的实地研究[6-7,12]，另一类是基于模型的模拟研究[10,13]。青藏高原人烟稀少，大面积观测困难，导致高原实际观测资料匮乏，进而限制了基于实地资料研究的展开。模型模拟通过数学方程来描述各种物理过程，能够作为重要的工具在实践中研究植被和土壤特征对整个高原多年冻土分布和属性特征的影响。通常，那些冻土模型又可以分成两类[14-15]： 一类是简单的经验统计模型[16-18]，另一类是物理详尽的过程模型[18-20]。经验统计模型由于计算效率高，需求的数据少，仍然被广泛地应用在高原多年冻土分布的模拟中，但它们不能充分考虑土壤和大气的水热交换过程，因而不能用来定量研究土壤和植被对多年冻土的影响[14]。物理详尽的过程模型(如陆面过程模型LSM)依据其复杂的大气、 植被、 土壤参数化方案，能够详细考虑它们的水热交换过程对多年冻土形成和分布的影响。Dankers等[10]提出了一个考虑土壤有机质的陆面过程模型，发现有机质能够有效地影响泛北极地区活动层厚度的模拟精度。但青藏高原的土壤有机质含量较少[21]，土壤颗粒较粗糙以及表面植被覆盖相对稀疏[13]，这些独特的自然特征使高原的多年冻土与北极有很大的差异[22]。目前，在青藏高原上基于过程模型的研究主要以单点[13,20,23-24]或小区域[19]应用为主，很少有研究去考虑土壤和植被特征对整个高原多年冻土分布模拟的影响，尤其是对模拟寒区工程十分关注的多年冻土稳定性特征，如活动层厚度、 年平均地温。

本文利用Noah LSM，对比一个考虑稀疏植被和粗糙土壤的Noah模型和原始方案的Noah模型，分析独特自然特征对模拟整个青藏高原多年冻土分布及其重要属性特征(包括活动层厚度和年平均地温)的影响，并通过野外实地调查的数据评估了加入稀疏植被和粗糙土壤参数化方案后Noah LSM在高原多年冻土模拟性能的改进效果。

学院依托高端权威线上课程，积极内化应用到线下工作和教学实际。学院印发了在线学习通知，要求认真学习“哈佛管理导师”“中欧在线MBA”和中央党校的课程，在行动学习中进一步开阔视野、更新观念、增长知识、提升能力，共同打造学院“价值中心”。目前，学院重点培训班，如党校班、中青班等，均开设了线上学习课程。国际班在线下案例开发中，授课老师带领并讲解学习了“哈佛管理导师”九大模块40 门课程，最终结合行动学习法，用“哈佛管理导师”学习成果形成了17 个中石油海外项目案例和15 个国内案例。

综观国内学术界十六大以来有关中国共产党生态文明思想的文献资料可知，专家学者们根据自身的学科背景，从不同的视角对中国共产党的生态文明思想展开了广泛的探索和研究，主要如下：

1 数据和方法

1.1 数据

改进的物理过程考虑了稀疏植被对模拟地表温度的影响，热力学粗糙度的计算能够严重影响地表温度[32]，原始的Noah模型采用式(1)～(2)来计算热力学粗糙度。

评估模型模拟改进效果的调查数据来源于冻土调查计划[28-29]。从2009年开始，建立了一系列活动层观测系统和深层钻孔温度观测系统。西昆仑、 改则和温泉分别代表典型的连续多年冻土区、 多年冻土与季节冻土的过渡区、 高山多年冻土区(图1)。西昆仑位于青藏高原的西北缘和塔里木盆地西南缘，面积为43.7×103 km2，海拔范围为4 400～5 600 m。改则位于连续多年冻土区南缘，地势相对平坦，平均海拔为4 700 m，面积为41.23×103 km2，多年冻土主要受局部因子(如植被)控制[8]。处于高原东部的温泉是典型的高山多年冻土区，面积为2.5×103 km2，海拔范围为3 430～5 300 m。调查的数据包括这3个区域250 m分辨率的冻土图，以及西昆仑和改则地区28个观测站点的活动层厚度和年平均地温。这些数据代表2010年的实际情况，广泛被用来评估其他模型[8,19]。同时，本文也用到了2010年青藏公路沿线26个站点的活动层厚度和年平均地温观测数据[30]以及2010年整个高原86个气象站的地表温度作为模型模拟的评估数据。

图1 青藏高原气象站、 验证站点和3个调查区(西昆仑、 改则和温泉)的位置 Fig.1 The map showing the locations of weather stations, validation sites and three representative survey areas (West Kunlun, Gerze and Wenquan)

1.2 方法

Ke=Sr

Re*=Zomu*/ν

新时期各地区的质监部门应该完善自身的结构设置和工作职能，加强队伍建设，对公路工程建设中各项需要注意的质量与安全问题进行齐抓共管，构建健全与完善的公路工程质量安全监管体系。监管机构在负责公路工程建设项目的质量安全监督与管理工作时，应该增强自身质量第一和安全至上的理念。公路工程建设单位也应该增强与时俱进的时代观念，建立起安全生产监督与管理网络，配合监管人员的工作，对建设施工中日常安全监管工作进行全面实时的监督，将相关质量安全信息传递给监管人员，使其可以及时发现问题，从而予以有效的处理措施，保障公路工程质量安全监管体系的顺利运行。

青藏高原面积达2.54×106 km2，海拔从东向西逐渐增高，平均海拔大于4 000 m。高原上的温度和降水有明显的区域变异，从西到东，温度逐渐升高，降水也逐渐增多。区域模拟需要的植被数据来源于1∶100万中国植被类型图[25]，土壤数据来源于新开发的土壤数据集，包括18层，深达15.2 m，空间分辨率为1 km[26]。气象驱动数据集来源于中国科学院青藏高原研究所开发的覆盖中国区域的网格数据集，该数据集的空间和时间分辨分别为0.1°(约10 km)和3 h，包括气温、 风速、 湿度、 气压、 长波辐射、 短波辐射和降水[27]。很多冻土研究都采用这个数据集，并证明它能较好地应用在高原上[19]。

(1)

此刻，盗走尸体的这只山精，体型粗壮，比成人还要高着一头，一身漆黑油亮的毛，蓬松而茂密，一看便是一只正处壮年的雄性山精。

(2)

式中： Zoh为热力学粗糙度； Zom为空气动力学粗糙度； C和k为经验系数，分别取值0.075和0.4； Re*为雷诺系数； ν为运动黏度； u*为摩擦速度。改进的Noah模型引入了一个新的热力学粗糙度参数化方案[32]，即

(3)

其中，T*=-H/(ρcpu*)，H为感热通量，ρ为空气密度，cp取值为1 004。新的方案在稀疏植被区对冻土的模拟有很好的精度[19]。

改进的物理过程还考虑了粗糙土壤(如砾石含量高的土壤)对热传导的影响，Noah模型采用式(4)计算土壤导热系数。

λ=Κe(λsat-λdry)+λdry

(4)

式中： λ为导热系数； Ke为Kersten数； λsat为土壤饱和时的导热系数； λdry为土壤干燥时的导热系数。原始的Noah模型计算干燥时的导热系数用式(5)～(6)，土壤不冻结时计算Kersten数用式(7)，冻结时计算Kersten数用式(8)。

(5)

γd=(1-θs)×2700

(6)

(7)

Noah LSM(3.4.1版)能够全面考虑大气、 植被、 积雪等局部因子对地面热状态的影响，但没有集成稀疏植被和粗糙土壤的参数化方案[31]。本文将这个版本的Noah模型称为原始的Noah模型，将它作为一个基准去对比改进的Noah模型，分析改进的物理过程对模拟冻土的影响。

其中，yit表示城市群t年i城市的人均GDP，agg表示产业集聚水平，inn表示技术创新，Zit是控制变量，包括外商直接投资 （fdi）、政府干预度 （gov）、信息化水平 （xxh），μit是随机误差项。考虑到滞后一期的经济增长会对当期经济增长产生一定的影响，为体现经济增长的动态性，在模型中引入经济增长的一阶滞后项 （yit-1）。

(8)

式中： γd为经验参数； θs为孔隙度； Sr为饱和度。改进的Noah模型采用了一个考虑粗糙土壤的热传导方案，计算土壤干燥时的导热系数用式(9)，计算Kersten数用式(10)[33]。

λdry=χ×10-ηθs

(9)

本研究利用Noah模型不同的土壤和植被参数化方案，调查了它们对模拟青藏高原多年冻土的影响，发现青藏高原植被和土壤特征能够严重影响多年冻土的分布和重要属性。加入稀疏植被和粗糙土壤参数化方案后，Noah模型在高原多年冻土模拟效果更好，改进的Noah模型在青藏高原具有更好的适用性，但研究还存在一些不足和值得探讨的地方： ①模型模拟的分辨率(0.1°)由气象驱动数据决定，调查图和其他参数数据(如土壤)的分辨率更高，降尺度或者升尺度都会带来一定的偏差。②对于模型的参数化方案，仅考虑了高原典型特征如稀疏植被和粗糙土壤对模拟多年冻土的综合影响，它们独立的影响以及高原上的其他特征(如积雪过程)对模拟多年冻土的影响有待进一步研究。③本文仅仅从模型结构(参数化方案)不同来研究对多年冻土分布和特征的影响，这个影响依赖于使用的植被和土壤数据的精度，而模型使用的参数对结果也有重要的影响，基于它们的影响需要在以后的工作中加以深入研究。④尽管使用了可以获取的最详实的野外调查资料来评估，但调查数据还不是很充分，还需要对模型模拟结果进一步分析和评估。

(10)

式中： χ、 η和k为经验参数，对于粗糙的砾石土壤χ和η分别取值1.7和1.8，冻结时和未冻结时k分别取值4.6和1.7。新方案在青藏高原对土壤温度和土壤水分模拟中也有较好的表现[13]。

通过对比分析原始和改进的Noah模型在整个高原上对多年冻土分布和属性模拟的差别，来确定植被和土壤对模拟多年冻土的影响程度。模型驱动数据均来自于中国区域的网格数据集，模拟的空间分辨率为0.1°，这个分辨率可以将整个青藏高原分成25 381个单元。植被和土壤数据均采用1∶100万中国植被类型图[25]和新开发的深层土壤数据，土壤植被类型对应的各种参数来源于Noah模型默认的参数列表。植被和土壤数据采用简单的最近邻域重采样，统一到模型模拟的分辨率(0.1°)。两个模型模拟计算深度均为15.2 m，这个深度足够模拟青藏高原多年冻土的年平均地温[34]。模型的下边界条件(40 m深度处的土壤温度)来源于一个回归模型，详情见文献[19]。模拟时段为2000年1月至2010年12月，并用2000年的气象驱动数据预热(spin-up) 30年，达到平衡状态时作为两个模型的初始条件。

然后，利用Noah LSM模拟出的2009-2010年土壤温度，根据多年冻土的定义去判断多年冻土是否存在。即一个单元被确定为多年冻土，至少有一层的土壤温度连续2年均小于0 ℃； 若没有被确定为多年冻土，但至少有一层土壤温度小于0 ℃ 时，被确定为季节冻土； 其余单元将判别为未冻土。同样地，利用模拟的2010年土壤温度，根据多年冻土活动层厚度和年平均地温的定义，计算了整个高原面上的活动层厚度和年平均地温。在技术上，通过线性插值确定夏天土壤温度为0 ℃时最深的深度即为多年冻土的活动层厚度； 将年平均地温振幅小于0.2 ℃处深度的温度作为多年冻土的年平均地温。

最后，对Noah LSM模拟的冻土分布和调查区冻土图进行对比，并计算总体精度定量评估植被和土壤对多年冻土分布模拟的影响，用54个站点的活动层厚度和年平均地温以及86个气象站点地表温度来评估它们对多年冻土特征模拟的影响。

2 结果与讨论

2.1 多年冻土分布

图2 改进的(a)和原始的(b)Noah模型模拟的冻土图及1996年(c)和2005年(d)冻土图 Fig.2 Frozen ground distribution maps simulated by improved Noah model (a) and by original Noah model (b), and from the

1∶3 000 000 frozen ground map published in 1996 (c) and from the 1∶4 000 000 frozen ground map published in 2005 (d)

图4展示了原始的和改进的Noah模型模拟的整个高原上多年冻土特征，包括活动层厚度和年平均地温。Noah模型在冰川附近也模拟了较浅的活动层，类似于Pang等[37]的发现。这是由于活动层厚度主要被夏天的温度控制[38]，而靠近冰川地区的夏天温度极低造成活动层很薄。同样地，由于冰川附近气温较低，Noah模型在这里也都模拟了较低的年平均地温，年平均地温能够指示多年冻土的稳定性[4]。因此，在冰川附近的多年冻土相对稳定，而在过渡区以及岛状多年冻土区，年平均温度较高，多年冻土容易发生退化。整个高原2010年平均活动层厚度由原始的Noah模型模拟的2.55 m增加到改进的Noah模型模拟的2.92 m，年平均地温也由-2.17 ℃增加到-1.65 ℃(表2)。

图3给出了原始的和改进的Noah模型模拟的冻土图与冻土调查图的对比，改进的Noah模型比原始的Noah模型在西昆仑、 改则和温泉的总体模拟精度分别提高了8.1%、 25.2%和8.8%，改则过渡区精度提高是最多的。这也反映了Noah陆面过程模型通常能基本模拟好连续冻土区(如西昆仑)的多年冻土，而最大差异主要在模拟过渡区的多年冻土分布(如改则)。原始的Noah模型，高估的多年冻土比例在西昆仑、 改则和温泉分别为4.8%、28.4%和9.3%。 这可能主要是由于原始的Noah模型会低估土壤温度[27]，尤其在多年冻土与季节冻土的过渡区(如改则)，低估少量的土壤温度就会造成多年冻土的严重高估。而改进的Noah模型考虑了稀疏植被和粗糙土壤，它们对模拟土壤温度有增温的影响[9,19]，因此会显著减少高估多年冻土面积的比例，在西昆仑、 改则和温泉分别仅高估0.3%、 2.1%和1.2%。

表1 图2中的多年冻土、 季节冻土和未冻土面积统计 Table 1 The areas of different frozen ground types obtained in Fig. 2

多年冻土面积/106 km2季节冻土面积/106 km2未冻土面积/106 km2分辨率方法1.1131.2390.1060.1°改进的Noah模型1.2161.1390.1030.1°原始的Noah模型1.4011.0571∶300万经验方法[35]1.1181.3401∶400万年平均地温模型[36]

图3 西昆仑、 改则和温泉基于调查的冻土图(a)及原始的(b)和改进的(c)Noah模型模拟的冻土图 Fig.3 The survey-based maps (a1, a2, a3), simulated maps by original Noah LSM (b1, b2, b3) and simulated maps by improved Noah LSM (c1, c2, c3) over West Kunlun (a1, b1, c1), Gerze (a2, b2, c2) and Wenquan (a3, b3, c3)

2.2 多年冻土特征

图2给出了改进的和原始的Noah模型模拟的整个高原的冻土图，并展示了两个被广泛使用的冻土图(1996年的1∶300万冻土图[35]和2005年的1∶400 万冻土图[36])。各个冻土图在连续冻土区的分布特征都很相似(如西昆仑)，多年冻土分布模拟的差异主要集中在过渡区(如改则)，以及南部的岛状多年冻土区。表1列出了这些冻土图中各冻土类型的面积。整个高原2010年多年冻土面积由原始的Noah模型模拟的1.216×106 km2减少到改进的Noah 模型模拟的1.113×106 km2(不包含冰川和湖泊)，分别占整个高原面积的47.9%和43.8%； 相应地，季节冻土面积由1.139×106 km2增加到 1.239×106 km2(不包含冰川和湖泊)； 改进的和原始的Noah模型模拟的未冻土面积相差很小(<0.003×106 km2)。同时，相比之前广泛使用的冻土图，Noah物理模型在高原上模拟的多年冻土面积接近于2005年的1∶400万冻土图中的多年冻土面积，而与1996年的1∶300万冻土图中的多年冻土面积相差较大。这个偏差一方面由于制图方法和使用数据的不同，另一方面由于时间差异，当前模拟的多年冻土面积较少也可能是多年冻土发生了退化。

图4 原始的Noah模型模拟的活动层厚度(a)与年平均地温(b)和改进的Noah模型模拟的活动层厚度(c)与年平均地温(d) Fig.4 The active layer thickness (a, c) and mean annual ground temperature (b, d) produced by original and improved Noah model, respectively

表2 整个青藏高原模型模拟的活动层厚度和年平均地温 Table 2 The active layer thickness and mean annual ground temperature (mean±standard deviation) simulated by original and improved Noah model over the Tibetan Plateau

项目活动层厚度/m年平均地温/℃原始的Noah模型模拟值2.55±1.56-2.17±1.36改进的Noah模型模拟值2.92±1.46-1.65±1.31

图5展示了验证站点处原始的和改进的Noah模型模拟的活动层厚度、 年平均地温和地表温度与观测值的对比。Noah模型能较好地模拟多年冻土特征(R>0.79)，尤其是改进后的Noah模型(R>0.85)。同时，相比模拟的地表温度和年平均地温，模拟的活动层厚度误差都相对较大，主要由于本文活动层厚度的计算采用温度的线性插值来估算温度为0 ℃的最大深度，这可能带来一定的偏差。同时，模型模拟的分辨率为0.1°(约10 km)，而站点观测数据往往在一个点上，一些局部变量(如地形、 积雪等)也可能造成一定的偏差。表3给出了验证站点处模型模拟值和观测值的平均值和标准差。Noah模型低估了地表温度，尤其是原始的Noah模型， 低估地表温度达到 1.15 ℃， 这造成活动层厚度和年平均地温被严重低估，分别达到0.6 m和0.38 ℃，而改进的Noah模型仅低估了0.02 m和0.01 ℃。

图5 验证站点处模型模拟的和观测的活动层厚度(a)、 年平均地温(b)及地表温度(c)比较 Fig.5 Relations between the simulated and the observed active layer thicknesses (a), between the simulated and the observed mean annual ground temperatures (b) and between the simulated and the observed ground surface temperatures (c) at the validation sites

表3 验证站点处观测的和模型模拟的活动层厚度、 年平均地温和地表温度 Table 3 Statistics (mean±standard deviation) on the active layer thickness, mean annual ground temperature, ground surface temperature of observations and simulated results by original and improved Noah model at the validation sites

项 目活动层厚度/m年平均地温/℃地表温度/℃观测值3.03±1.12-1.04±0.858.08±4.01原始的Noah模型模拟值2.39±0.91-1.42±0.926.93±3.99改进的Noah模型模拟值3.01±0.98-1.05±0.837.91±3.94

2.3 讨论

村长知道不能跟他一本正经，反正就是嘻嘻哈哈，说对了就当敲打他，说错了也只当开玩笑打哈哈。动不动找什么镇长书记，我还不晓得你。如今人家还说你呢。你上次去县里找赵书记，说是赵书记还跟你说了话。人家问你，赵书记说什么，你说赵书记叫你滚开些。

3 结论

本文基于Noah LSM，对比一个考虑稀疏植被和粗糙土壤的Noah模型和原始的Noah模型，分析了它们对模拟整个青藏高原多年冻土分布、 活动层厚度和年平均地温的差异。通过野外实地调查的数据对模拟结果进行了评估，得出如下结论：

(1) 青藏高原2010年多年冻土面积由原始的Noah模型模拟的1.216×106 km2减少到改进的Noah模型模拟的1.113×106 km2。它们模拟的主要差异出现在多年冻土与季节冻土的过渡区及高原南部的岛状多年冻土区。

(2) 原始的Noah模型会严重高估高原多年冻土面积，尤其是在多年冻土与季节冻土的过渡区，改进的Noah模型能有效降低这种高估。

中职生年龄一般为15～17岁，不仅有青春期中学生的普遍特征，还有一些自身所特有的心理特点。中职生基本上是中考失败的学生，都有考试失败、家人责骂、老师不重视以及认为中职学校学生低人一等的感受，他们频繁出现的课堂问题行为，与其自卑、焦虑、紧张、敏感和自我保护心理是分不开的。有的中职生为了引起老师和同学的关注，故意扰乱课堂秩序；有的学生则因多次受到老师责骂而心怀怨恨；一些学生无法静下心来学习。这样便形成了中职生比较特殊且严重的课堂问题行为。此外，厌学情绪也是不容忽视的原因。

第二点，在进行动物养殖时，缺乏必要的免疫程序。全国范围内动物养殖的品种较为复杂，为了适应市场，很多区域拥有具有区域性的动物养殖方案，这则造成了动物养殖免疫程序的混乱。另外，很多乡镇农户文化程度较低，对于动物免疫程序毫无概念，往往错过了最佳的动物防疫时机，造成动物免疫效果不理想。

(3) 青藏高原2010年平均活动层厚度由原始的Noah模型模拟的2.55 m增加到改进的Noah模型的2.92 m，年平均地温也由-2.17 ℃增加到-1.65 ℃。活动层靠近冰川附近较薄，而过渡区和岛状多年冻土区的多年冻土容易发生退化。

杨福旺告诉记者：“党的十八大以来，大规模的土地流转在全国铺开。这些年，我国已经有很高比例的土地在流转，这是农业集约化、高效化的需求决定的。”在这样的契机下，化肥销售的目标群体在发生着变化，在原来的一家一户几亩地的基础上衍生出了拥有数百亩、数千亩、数万亩土地经营权的主体。这就要求天脊集团针对新的目标群体制定出新的销售措施。经过深入的市场调研，杨福旺与团队决定实施“十百千万”工程。

(4) 原始的Noah模型严重低估了高原活动层厚度和年平均地温，改进的Noah模型能有效地降低这种低估。

总之，改进的Noah模型在青藏高原具有更好的适用性，稀疏植被和粗糙土壤对青藏高原多年冻土有重要影响，未来可以从其他物理过程方面的影响开展更深入的研究。

参考文献(References):

[1] Zhao Lin, Wu Qingbai, Marchenko S S, et al. Thermal state of permafrost and active layer in central Asia during the international polar year[J]. Permafrost and Periglacial Processes, 2010, 21(2): 198-207.

[2] Zhou Jian, Wang Genxu, Li Xin, et al. Energy-water balance of meadow ecosystem in cold frozen soil areas[J]. Journal of Glaciology and Geocryology, 2008, 30(3): 398-406. [周剑, 王根绪, 李新, 等. 高寒冻土地区草甸草地生态系统的能量-水分平衡分析[J]. 冰川冻土, 2008, 30(3): 398-406.]

[3] Sun Yongfu. Permafrost engineering in the Qinghai-Tibet Railway: research and practice[J]. Journal of Glaciology and Geocryology, 2005, 27(2): 153-162. [孙永福. 青藏铁路多年冻土工程的研究与实践[J]. 冰川冻土, 2005, 27(2): 153-162.]

[4] Cheng Guodong. Problems on zonation of high-altitude permafrost[J]. Acta Geographica Sinica, 1984, 39(2): 185-193. [程国栋. 我国高海拔多年冻土地带性规律之探讨[J]. 地理学报, 1984, 39(2): 185-193.]

[5] Chang Xiaoli, Jin Huijun, Wang Yongping, et al. Influences of vegetation on permafrost: a review[J]. Acta Ecologica Sinica, 2012, 32(24): 7981-7990. [常晓丽, 金会军, 王永平, 等. 植被对多年冻土的影响研究进展[J]. 生态学报, 2012, 32(24): 7981-7990.]

[6] Liu Guangsheng, Wang Genxu, Hu Hongchang, et al. Influence of vegetation coverage on water and heat processes of the active layer in permafrost regions of the Tibetan Plateau[J]. Journal of Glaciology and Geocryology, 2009, 31(1): 89-95. [刘光生, 王根绪, 胡宏昌, 等. 青藏高原多年冻土区植被盖度变化对活动层水热过程的影响[J]. 冰川冻土, 2009, 31(1): 89-95.]

[7] Pang Qiangqiang, Zhao Lin, Li Shuxun. Influences of local factors on ground temperatures in permafrost regions along the Qinghai-Tibet Highway[J]. Journal of Glaciology and Geocryology, 2011, 33(2): 349-356. [庞强强, 赵林, 李述训. 局地因素对青藏公路沿线多年冻土区地温影响分析[J]. 冰川冻土, 2011, 33(2): 349-356.]

[8] Zhao Shuping, Nan Zhuotong, Huang Yingbing, et al. The application and evaluation of simple permafrost distribution models on the Qinghai-Tibet Plateau[J]. Permafrost and Periglacial Processes, 2017, 28(2): 391-404.

[9] He Yujie, Yi Shuhua, Guo Xinlei. Experimental study on thermal conductivity of soil with gravel on the Qinghai-Tibet Plateau[J]. Journal of Glaciology and Geocryology, 2017, 39(2): 343-350. [何玉洁, 宜树华, 郭新磊. 青藏高原含砂砾石土壤导热率实验研究[J]. 冰川冻土, 2017, 39(2): 343-350.]

[10] Dankers R, Burke E J, Price J. Simulation of permafrost and seasonal thaw depth in the JULES land surface scheme[J]. The Cryosphere, 2011, 5(3): 773-790.

[11] Barman R, Jain A K. Comparison of effects of cold-region soil/snow processes and the uncertainties from model forcing data on permafrost physical characteristics[J]. Journal of Advances in Modeling Earth Systems, 2016, 8(1): 453-466.

[12] Yue Guangyang, Zhao Lin, Zhao Yonghua, et al. Relationship between soil properties in permafrost active layer and surface vegetation in Xidatan on the Qinghai-Tibetan Plateau[J]. Journal of Glaciology and Geocryology, 2013, 35(3): 565-573. [岳广阳, 赵林, 赵拥华, 等. 青藏高原西大滩多年冻土活动层土壤性状与地表植被的关系[J]. 冰川冻土, 2013, 35(3): 565-573.]

[13] Pan Yongjie, Lü Shihua, Gao Yanhong, et al. Simulation of influence of gravel on soil thermal and hydraulic properties on Qinghai-Xizang Plateau[J]. Plateau Meteorology, 2015, 34(5): 1224-1236. [潘永洁, 吕世华, 高艳红, 等. 砾石对青藏高原土壤水热特性影响的数值模拟[J]. 高原气象, 2015, 34(5): 1224-1236.]

[14] Li Jing, Sheng Yu, Jiao Shixing. Progress in mapping and modeling the distribution of alpine permafrost in China and abroad[J]. Journal of Glaciology and Geocryology, 2009, 31(4): 679-687. [李静, 盛煜, 焦士兴. 高山多年冻土分布模型与制图研究进展[J]. 冰川冻土, 2009, 31(4): 679-687.]

[15] Riseborough D, Shiklomanov N, Etzelmuller B, et al. Recent advances in permafrost modelling[J]. Permafrost and Periglacial Processes, 2008, 19(2): 137-156.

[16] Li Xin, Cheng Guodong. A GIS-aided response model of high-altitude permafrost to global change[J]. Science in China: Series D Earth Sciences, 1999, 42(1): 72-79. [李新, 程国栋. 高海拔多年冻土对全球变化的响应模型[J]. 中国科学: D辑 地球科学, 1999, 29(2): 185-192.]

[17] Nan Zhuotong, Li Shuxun, Liu Yongzhi. Mean annual ground temperature distribution on the Tibetan Plateau: permafrost distribution mapping and further application[J]. Journal of Glaciology and Geocryology, 2002, 24(2): 142-148. [南卓铜, 李述训, 刘永智. 基于年平均地温的青藏高原冻土分布制图及应用[J]. 冰川冻土, 2002, 24(2): 142-148.]

[18] Wu Qingbai, Zhu Yuanlin, Liu Yongzhi. Application of the permafrost table temperature and thermal offset forecast model in the Tibetan Plateau[J]. Journal of Glaciology and Geocryology, 2002, 24(5): 614-617. [吴青柏, 朱元林, 刘永智. 青藏高原多年冻土顶板温度和温度位移预报模型的应用[J]. 冰川冻土, 2002, 24(5): 614-617.]

[19] Chen Hao, Nan Zhuotong, Zhao Lin, et al. Noah modelling of the permafrost distribution and characteristics in the West Kunlun area, Qinghai-Tibet Plateau, China[J]. Permafrost and Periglacial Processes, 2015, 26(2): 160-174.

[20] Xiao Yao, Zhao Lin, Dai Yongjiu, et al. Representing permafrost properties in CoLM for the Qinghai-Xizang (Tibetan) Plateau[J]. Cold Regions Science and Technology, 2013, 87: 68-77.

[21] Wu X D, Zhao L, Fang H B, et al. Environmental controls on soil organic carbon and nitrogen stocks in the high-altitude arid western Qinghai-Tibetan Plateau permafrost region[J]. Journal of Geophysical Research: Biogeosciences, 2016, 121(1): 176-187.

[22] Wang W, Rinke A, Moore J C, et al. Diagnostic and model dependent uncertainty of simulated Tibetan permafrost area[J]. The Cryosphere, 2016, 10(1): 287-306.

[23] Ma Qimin, Huang Yingbing, Nan Zhuotong, et al. Simulating one dimensional water-heat processes in a typical permafrost region in the Tibetan Plateau[J]. Journal of Glaciology and Geocryology, 2016, 38(2): 341-350. [马启民, 黄滢冰, 南卓铜, 等. 青藏高原典型多年冻土区的一维水热过程模拟研究[J]. 冰川冻土, 2016, 38(2): 341-350.]

[24] Liu Yang, Zhao Lin, Li Ren. Simulation of the soil water-thermal features within the active layer in Tanggula region, Tibetan Plateau, by using SHAW model[J]. Journal of Glaciology and Geocryology, 2013, 35(2): 280-290. [刘杨, 赵林, 李韧. 基于SHAW模型的青藏高原唐古拉地区活动层土壤水热特征模拟[J]. 冰川冻土, 2013, 35(2): 280-290.]

[25] Chinese Editorial Board of Vegetation Map. Vegetation atlas of China (1∶1 000 000)[M]. Beijing: Science Press, 2001. [中国植被图编辑委员会. 1∶100万中国植被类型图[M]. 北京: 科学出版社, 2001.]

[26] Wu Xiaobo, Nan Zhuotong. A multilayer soil texture dataset for permafrost modeling over Qinghai-Tibetan Plateau[C]// Proceedings of 2016 IEEE International Geoscience and Remote Sensing Symposium. New York: IEEE, 2016: 4917-4920.

[27] Chen Yingying, Yang Kun, He Jie, et al. Improving land surface temperature modeling for dry land of China[J/OL]. Journal of Geophysical Research: Atmospheres, 2011, 116(D20) [2018-01-05]. http://onlinelibrary.wiley.com/doi/10.1029/2011JD015921/full.

[28] Chen J, Zhao L, Sheng Y, et al. Some characteristics of permafrost and its distribution in the Gaize area on the Qinghai-Tibet Plateau, China[J]. Arctic, Antarctic and Alpine Research, 2016, 48(2): 395-409.

[29] Liu Guangyue, Wang Wu, Zhao Lin, et al. Using transient electromagnetic method to sound permafrost depth in the West Kunlun Mountains[J]. Journal of Glaciology and Geocryology, 2015, 37(1): 38-48. [刘广岳, 王武, 赵林, 等. 基于瞬变电磁法(TEM)的西昆仑地区多年冻土厚度探测与研究[J]. 冰川冻土, 2015, 37(1): 38-48.]

[30] Wu Qingbai, Zhang Tingjun, Liu Yongzhi. Thermal state of the active layer and permafrost along the Qinghai-Xizang (Tibet) Railway from 2006 to 2010[J]. The Cryosphere, 2012, 6(3): 607-612.

[31] Ek M B, Mitchell K E, Lin Y, et al. Implementation of Noah land surface model advances in the national centers for environmental prediction operational mesoscale Eta model[J/OL]. Journal of Geophysical Research: Atmospheres, 2003, 108(D22) [2018-01-05]. http://onlinelibrary.wiley.com/doi/10.1029/2002JD003296/full.

[32] Yang K, Koike T, Ishikawa H, et al. Turbulent flux transfer over bare-soil surfaces: characteristics and parameterization[J]. Journal of Applied Meteorology and Climatology, 2008, 47(1): 276-290.

[33] Cté J, Konrad J M. A generalized thermal conductivity model for soils and construction materials[J]. Canadian Geotechnical Journal, 2005, 42(2): 443-458.

[34] Xie Changwei, Gough W A, Zhao Lin, et al. Temperature-dependent adjustments of the permafrost thermal profiles on the Qinghai-Tibet Plateau, China[J]. Arctic, Antarctic and Alpine Research, 2015, 47(4): 719-728.

[35] Li Shude, Cheng Guodong. Map of permafrost distribution on the Qinghai-Xizang (Tibetan) Plateau (1∶3 000 000)][M]. Lanzhou: Gansu Culture Press, 1996. [李树德, 程国栋. 青藏高原1∶300万冻土图[M]. 兰州: 甘肃文化出版社, 1996.]

[36] Chinese Academy of Sciences. Cold and Arid Regions Environmental and Engineering Research Institute. Map of the glaciers, frozen ground and desert in China (1∶4 000 000)[M]. Beijing: SinoMaps Press, 2005. [中国科学院寒区旱区环境与工程研究所. 中国冰川冻土沙漠图(1∶400万)[M]. 北京: 中国地图出版社, 2005.]

[37] Pang Qiangqiang, Cheng Guodong, Li Shuxun, et al. Active layer thickness calculation over the Qinghai-Tibet Plateau[J]. Cold Regions Science and Technology, 2009, 57(1): 23-28.

[38] Wu Q B, Zhang T J. Changes in active layer thickness over the Qinghai-Tibetan Plateau from 1995 to 2007[J/OL]. Journal of Geophysical Research: Atmospheres, 2010, 115(D9) [2018-01-05]. http://onlinelibrary.wiley.com/doi/10.1029/2009JD012974/full.