陆气相互作用是陆地表面与大气之间通过动量、热量及物质交换形成的复杂双向反馈过程。下垫面作为这一过程的关键界面，其性质与变化对陆气能量与物质交换具有重要调控作用（张强等，2017；陈海山等，2022）。积雪是中高纬度地区冬季常见的下垫面类型，具有高反照率、低热导率及相变特性等物理属性，主要通过以下三方面影响陆气过程：1）高反照率明显改变地表辐射收支，从而调节近地面大气稳定度。观测表明，青海甘德地区的积雪可使净辐射减少约58%，并使大气层结由不稳定趋于中性（张海宏等，2019）。2）低热导率产生热阻效应，抑制地气间热量交换，改变地气温差。积雪期地表温度通常高于气温，极端温差可达36.30 ℃；而在暖平流条件下，积雪抑制地表升温，温差可逆转至-10.00 ℃（Zhang，2005）；雪深每增加1 cm，地气温差可增大0.26 ℃（王升第等，2023）。3）积雪的消融与冻结过程明显影响地表能量分配。青藏高原东部不同季节的积雪分布导致湍流通量交换的主导形式在感热与潜热之间转换（李文静等，2021）；科罗拉多州的观测进一步表明，融雪阶段的湍流通量分配随融雪进程呈动态变化（Cline，1997）。积雪在消融过程中会由连续分布转为斑块状分布（Mott et al.，2017），这种雪盖的时空演变增强了地表热量的空间异质性，进而调控局地环流（Segal et al.，1991；Mott et al.，2015），并可通过大尺度环流过程对区域乃至全球气候产生重要影响（Walsh，1984；刘晓东，1989）。因此，准确刻画积雪的时空分布与演变过程，对提升陆气相互作用的数值模拟精度具有重要意义。

中尺度数值天气预报模式（Weather Research and Forecasting Model，WRF）具备多尺度嵌套能力及多种可选物理过程参数化方案，广泛应用于区域气象模拟、极端天气预警和水文循环研究等领域，并为空气质量预报提供高分辨率气象场（Powers et al.，2017）。陆面参数化方案作为WRF模式的重要组成部分，通过描述下垫面与大气间的能量与动量交换过程，为边界层参数化方案提供下边界条件，直接影响边界层气象场的模拟精度。当前陆面模式在复杂地表，尤其是非均匀下垫面的参数化处理中仍存在明显差异（乔娟等，2008；Román-Cascón et al.，2021）。这些差异通过地表能量和物质通量的传递过程，进一步影响边界层结构及近地面气象要素的时空分布特征，从而显著增加模拟结果的不确定性（任余龙等，2020）。

不同陆面方案基于对关键物理过程的不同表征与参数化设计，适用于不同模拟场景与研究对象。例如，在复杂地形条件下，Pleim-Xiu（简称“PX”）方案在短期臭氧8 h峰值浓度模拟中表现最佳，而Noah方案更适用于短期气象与空气质量模拟；SLAB与RUC方案在长期空气质量模拟中表现更优（Parra，2023）。高原湿地环境中，RUC方案的2 m气温均方根误差最小，但在能量通量和相对湿度模拟中表现较差；CLM方案对相对湿度的模拟效果最佳，而NoahMP方案在感热和潜热通量的空间分布模拟中表现最优（Zhang et al.，2020）。在江淮流域极端梅雨事件的模拟中，SSiB方案对降水量的模拟能力优于PX、Noah、SLAB、RUC、CLM和NoahMP方案（Di et al.，2023）。

此外，积雪过程明显增加了陆面模拟的不确定性。青藏高原积雪消融期，CLM方案模拟的2 m气温和雪深的平均误差最小，但与观测的相关性较低（姜琪等，2022）。NoahMP方案在中纬度亚洲地区明显高估积雪覆盖度和反照率，导致地表温度系统性偏低（Cao et al.，2024）。而在RUC方案中，融雪因子的不确定性会引起冬季100 m风速、2 m气温及湍流通量的明显变异，对气象要素方差的相对贡献率为14%~39%（Xia et al.，2023）。

综上，不同陆面方案的模拟性能与研究区域、下垫面类型、气象变量及研究目标（如天气预报、气候模拟或空气质量研究）密切相关。系统评估各方案在积雪条件下气象场模拟的适用性差异，对优化WRF模式性能、提升气象场模拟精度具有重要意义。本研究基于WRF v4.3，选取SLAB、PX、RUC和NoahMP4种不同复杂度的陆面方案，模拟兰州新区冬季静稳天气下有（无）积雪覆盖的近地面气象场，结合新区4座测风塔观测的2 m、70 m气温及10 m、70 m风速风向等垂直梯度数据，对比分析不同方案在有（无）积雪条件下的模拟能力与差异，评估模式结果对陆面方案的敏感性，旨在深化对积雪条件下陆面过程对近地层气象要素影响的认识，为改进积雪环境下的数值模拟提供科学依据。

本研究以兰州新区为研究区域，采用四重嵌套网格，水平分辨率分别为27、9、3、1 km，最外层D01（181×151）包含青藏高原大地形作用，次外层D02（325×238）与中间层D03（409×262）包含甘肃省及祁连山，最内层D04（103×103）聚焦研究核心区[图1（a）]。模式设置60个垂直层，第一层离地高度为6.68 m，在近地面1 000 m范围内加密23层，以更准确地表征近地面气象要素的变化特征。已有研究表明土地利用性质和土壤质地等地表信息对数值模拟结果具有重要影响（孙昭萱等，2009；Zhang et al.，2013；赵采玲等，2018；卢冰等，2019；温晓培等，2022），因此，在第四嵌套区域（D04）中，使用2015年全球30 m土地覆盖数据集GLC_FCS30-2015（Zhang et al.，2021）、北京大学30弧秒土壤成分数据（Global Soil Dataset for use in Earth System Models，GSDE）（Shangguan et al.，2014）及3弧秒地形高程数据GDEM_2022（Zhang et al.，2022）。初始场与边界条件采用美国国家环境预报中心（National Centers for Environmental Prediction，NCEP）FNL资料（空间分辨率为1°×1°，时间分辨率为6 h），数据来源于美国国家大气研究中心（National Center for Atmospheric Research，NCAR）数据档案平台。图1（b）显示了D04区域的低丘缓坡地形特征。

WRF模式物理参数化方案包括：Kain-Fritsch（new Eta）积云对流方案（仅用于最外层域D01）、Lin微物理方案、RRTM长波辐射方案、Dudhia短波辐射方案、MYNN Level 2.5行星边界层方案以及MYNN近地面层方案。为评估不同陆面过程方案的模拟性能，设计了多组数值试验，选取从简单热扩散到复杂多参数化结构的4种典型陆面方案：SLAB、PX、RUC和NoahMP。

各陆面方案在积雪过程处理方面差异显著。NoahMP方案采用三层积雪模型，可动态模拟积雪的累积与消融过程（Niu et al.，2011），并根据雪深、雪密度、粗糙度长度及融雪因子动态调整积雪覆盖率，从而有效改善中纬度地区积雪-反照率反馈效应的模拟（Niu and Yang，2007）。RUC方案基于两层积雪模型，通过温度依赖的雪面反照率参数化和能量平衡方程的二次迭代优化积雪消融计算（Smirnova et al.，2016），其积雪覆盖率以雪深阈值为核心，当雪深低于阈值时采用非线性函数计算部分覆盖率。PX方案虽未包含积雪积累、升华或融化过程，但引入了随土地利用类型和雪深变化的积雪覆盖率参数化（Gilliam and Pleim，2010）。SLAB方案结构上与其他方案存在本质区别，仅对土壤热力过程进行参数化（Dudhia，1996），并通过静态积雪标识判定积雪存在与否，该标识在整个模拟期间保持不变（Skamarock et al.，2019）。所有试验的输出时间步长为1 h，前24 h作为模式预热期。

利用兰州新区4座70 m高测风塔的观测资料评估不同陆面方案的气象要素模拟性能。测风塔在10、30、50、70 m高度配置SWIC3型风速传感器和SWIPV1型风向传感器，以10 min间隔同步采集风场数据；在1.5 m和70 m高度布设有SWI10kProbe型温度传感器，用于温度观测。使用美国国家航空航天局（National Aeronautics and Space Administration，NASA）Worldview平台提供的中分辨率成像光谱仪（Moderate Resolution Imaging Spectroradiometer，MODIS）遥感影像识别D04区域地表积雪覆盖情况。使用欧洲中期天气预报中心（European Center for Medium Weather Forecasting，ECMWF）提供的第五代再分析资料（ERA5）分析500 hPa高度场的天气形势，包括位势高度、温度等。该数据的水平空间分辨率为0.25°×0.25°，时间分辨率为1 h，获取自哥白尼气候变化服务数据存储（Copernicus Climate Data Store，CDS）。

为研究积雪对不同陆面方案模拟性能的影响，选取2014年冬季两个典型时段开展对比试验。2月18日08：00至26日08：00（北京时，下同）为积雪覆盖期；1月11日08：00至19日08：00为无雪期。

通过相关系数R、均方根误差（Root Mean Square Error，RMSE）与平均偏差Bias评估不同方案模拟性能。

式中：Bias表示系统性偏差，正值表示高估、负值表示低估（Bennett et al.，2013）；用中心均方根误差（Centered Root Mean Square Error，CRMSE）描述随机误差部分；x、o分别为模拟值和观测值，x_i和o_i为第i个模拟值和观测值，n为数据总量，$\stackrel{-}{x}$和$\stackrel{-}{o}$为其平均值；SD_OBS为观测值的标准差（Standard Deviation，SD），SD_Model为模拟值的标准差。标准差反映数据离散程度，SD_Model越接近SD_OBS，则表明该方案越好地再现了观测数据在时间或空间上的波动幅度与变化强度。

采用泰勒图（Taylor，2001）直观比较各陆面方案在有（无）积雪条件下对风速与气温的模拟能力。泰勒图在极坐标系中综合展示模拟值与观测值之间的统计关系：径向坐标表示标准差，切向坐标表示R，模拟点与观测参考点（REF）之间的距离即为中心均方根误差。

为在同一泰勒图上展示量纲不同的变量（如风速和气温），需对数据进行归一化处理：将各变量的CRMSE和SD分别除以其观测值的标准差SD_OBS，以获得归一化中心均方根误差（Normalized Centered Root Mean Square Errors，NCRMSE）与归一化标准差（Normalized Standard Deviation，NSD）：

归一化后，R保持不变，观测数据的NSD恒为1。泰勒图上，模拟点距离参考点REF越近，即其NCRMSE越小，且R与NSD越接近1，表明该方案的模拟性能越优。

两个代表性时刻（2014年1月13日08：00和2014年2月19日08：00）兰州新区500 hPa高空形势相似（图2），均处于槽后位置（即高压脊前部），槽后气流以下沉运动为主，抑制对流发展，当地天气晴朗；500 hPa等高线与等温线近似平行分布，表明该区域斜压性较弱，无明显温度平流，天气系统结构相对稳定（鲁峻岑等，2023；张亚莉等，2024）。高空环流形势相似情况下，MODIS卫星遥感影像显示了不同时段地表状态存在显著差异（图3）。

有积雪覆盖时，4种陆面方案在4座测风塔处的2 m气温（简称“T₂”）和70 m气温（简称“T₇₀”）模拟值与相应观测值的对比见图4。各方案T₂和T₇₀与观测值的相关系数R为0.65~0.94，其中T₇₀的相关性较低。

所有方案均存在系统性冷偏差，散点主要分布在1：1线下方，但偏差幅度差异明显。PX、SLAB和RUC方案在两个高度均表现出较大冷偏差，而NoahMP方案偏差最小。具体而言，T₂的冷偏差范围为PX（-7.44~-5.56 ℃）> RUC（-7.23~-4.58 ℃）>SLAB（-6.20~-5.21 ℃）>NoahMP（-6.12~-2.57 ℃）；T₇₀冷偏差较T₂小，但仍较为显著，PX、SLAB、RUC、NoahMP方案分别为-4.92~-4.13 ℃、-5.74~-5.14 ℃、-4.78~-4.26 ℃、-3.19~-2.23 ℃。这些系统性冷偏差可能与陆面方案对积雪热力过程及其演变特征的刻画能力不足有关。

不同方案在各测风塔处的模拟性能亦存在差异。T₂各方案在15813塔模拟效果最好，NoahMP方案RMSE为3.34 ℃，RUC方案RMSE为5.35 ℃；而在15845塔模拟效果最差，所有方案的RMSE为5.70~8.05 ℃。T₇₀模拟误差在15816塔最低，PX、SLAB、RUC、NoahMP 4个方案的RMSE分别为4.73、5.80、4.70、2.71 ℃。

总体而言，积雪覆盖时，近地层气温模拟对陆面方案高度敏感。其中，NoahMP方案性能最优，其模拟结果与观测值的相关性最高，且均方根误差和偏差绝对值均显著低于其他方案，可能是因为NoahMP采用的三层积雪模型能够更准确地描述积雪演变的物理过程（Niu et al.，2011；Sun et al.，2023）。相比之下，SLAB方案气温模拟效果最差，可能由于其土壤热力过程简化且未充分考虑积雪的时空演变（Skamarock et al.，2019）。

基于有雪时期多个测风塔的风场观测数据，分析积雪地表条件下不同陆面方案模拟与观测的10 m风速（简称“WS₁₀”）和70 m风速（简称“WS₇₀”）日变化特征（图5）。观测结果表明，各测风塔的WS₁₀呈现明显的日变化规律，区域风速总体低于4 m·s^-1。除15816塔夜间风速略高于日间外，其余站点的WS₁₀多呈白天风速大于夜间的单峰型日变化特征，谷值通常出现在09：00左右，峰值出现在16：00—17：00。这种风速日变化特征与湍流混合强度的日变化密切相关，白天湍流混合增强，有利于高空动量下传至近地面，导致白天近地面风速大于夜间（Stull，1988）。WS₇₀的日变化特征与WS₁₀基本一致。

然而，各陆面方案模拟的WS₁₀与WS₇₀均呈夜间风速大于日间的“U”形日变化特征，与观测结果存在明显相位差异。除NoahMP与RUC方案在不同高度的风速模拟值与观测值存在一定相关性（R分别为0.47~0.57和0.41~0.68）外，其余方案大多数风速的模拟结果与观测值相关性均不显著。上述结果表明，在积雪覆盖的复杂地形区域，准确模拟近地面风速的日变化仍是数值模式面临的重要挑战，也凸显了改进积雪参数化方案的必要性。

有雪期间，10 m与70 m高度的观测风向表明，尽管各测风塔风向存在波动，但整体具有明显的昼夜交替规律，呈典型的夜间偏北风、日间偏南风特征（图6）。该现象与研究区域地形特征有关：测风塔北部约50 km处为祁连山脉东延余脉，最高海拔约3 200 m，而研究区地势相对低洼（海拔1 833~2 099 m），整体北高南低。地形高差导致昼夜间地表热力差异明显，形成典型的局地坡风系统，日间上坡风（偏南风）占主导，夜间转为下坡风（偏北风）。

各陆面方案基本能再现这一风向日变化规律（图6）。例如，15816塔10 m高度，所有方案均模拟出夜间东北风转日间西南风的现象；15811塔和15813塔10 m高度，也一致再现了夜间北风、西北风与日间偏南风的交替特征。然而，模拟风向与观测存在一定偏差。15811塔10 m高度，所有方案均未再现观测中的白天东南风特征，且夜间主导风向频率普遍高于实况。其中，PX、RUC与NoahMP方案模拟的夜间北风频率约为观测值的2倍；而SLAB方案模拟的夜间北风频率约为55%，与观测较为接近。15845塔10 m高度，观测风向日间以偏东南风为主（频率合计约30%），但所有方案均模拟出偏西风（频率合计约40%），与实况存在明显差异。70 m高度，15813塔观测风向夜间以东北偏东风为主（频率合计约58%），日间转为东南偏南风。NoahMP方案模拟的夜间风向范围较宽（东北至西南偏西），但日间风向与观测最为接近；其他方案模拟的夜间风向以西北、西北偏北风为主（累计频率40%~60%），与观测的东北偏东风存在约90°偏差。15816塔70 m高度，各方案均能模拟出日间主导的西南、西南偏南风（频率合计约35%~55%），但未能再现夜间东北风主导的特征。15845塔70 m高度模拟风向与观测的东、西主导风向均不一致，其模拟偏差可能与模式中该塔点地形高度与实际存在较大差异（达35 m）有关（Schmidli et al.，2018）。

无雪期，各陆面方案对2 m和70 m气温的模拟整体表现良好（图7）。所有方案均呈现较强相关性（T₂、T₇₀相关系数分别为0.89~0.97、0.80~0.94）和较低的均方根误差（分别为1.42~3.55 ℃、1.30~2.70 ℃），约84%的模拟偏差绝对值低于2.00 ℃，表明模式能够较好再现无雪时气温的变化特征。各方案普遍存在低温偏高、高温偏低的系统性偏差，模拟的日变化幅度较观测偏小。不同站点之间，15811塔的T₂模拟值与观测值最为一致，而15816塔的T₂模拟偏离1：1等值线最为明显，呈显著负偏差，RMSE达3.55 ℃。不同方案中，PX方案表现最优，T₂与T₇₀的R值均大于0.90，RMSE分别为1.42~2.33 ℃、1.30~1.47 ℃，温度日变化幅度和位相的模拟均最接近观测。

无雪期风速的观测与模拟日变化对比（图8）表明，各陆面方案均能较好地再现风速日变化特征。多数方案的模拟风速与观测显著相关（R>0.40，p<0.05），并准确反映风速随高度增大的变化规律，其中15811和15813塔的所有方案均通过显著性检验。不同方案之间的风速模拟偏差差异较小，量级一致。例如，15811塔10 m高度的模拟风速范围与观测基本一致（1.00~4.00 m·s^-1），最大绝对偏差分别为PX：0.45 m·s^-1，SLAB：0.40 m·s^-1，RUC：0.15 m·s^-1，NoahMP：0.84 m·s^-1。总体而言，模式在无雪期具有较好的风速模拟能力。

无雪期各测风塔风向的观测结果（图9）表明，主导风向清晰，与有雪期相比，主导风向分布型相似但风频集中程度更高。具体表现为：15811塔10 m高度夜间以北风为主（频率约40%），日间主导风向为西南风（约26%）；70 m高度夜间东北偏东风为主（约33%），日间西南风频率相比有雪时段增至约30%。15813塔10 m高度呈夜间西北风（约50%）与日间东南风（30%）的交替；70 m高度夜间东北风与日间东南、东南偏南风分别占比约30%与50%。15816塔10 m高度以夜间东北风和日间西南风为主；70 m高度日间西南、西南偏南风优势更为明显（累计频率约60%），夜间东北风约占30%。15845塔10 m高度夜间偏西北风（约30%），日间偏西南风（约30%）；70 m高度夜间主要为偏东风（约40%），日间为西南偏西风（约50%）。总体来看，10 m与70 m高度风向均呈典型“日间偏南风、夜间偏北风”的坡风系统特征。

各陆面方案在无雪期均较好地模拟出坡风系统的昼夜转换特征，能较好再现实际风向分布特征，特别是在模拟10 m高度15811塔的夜间北风、15813塔的夜间西北风，以及70 m高度15816塔的夜间东北风等方面表现良好。然而，受模式空间分辨率等因素限制，模拟结果在风向及出现频率方面仍与观测存在一定偏差。

本研究基于WRF模式中的PX、SLAB、RUC及NoahMP 4种陆面过程方案，对比有雪与无雪条件下观测数据与数值模拟结果，重点探讨积雪对模式模拟不确定性的影响，并系统分析了有无积雪条件下近地面气象要素模拟结果对陆面方案选择的敏感性差异。

无雪条件下，4种陆面方案整体表现较优，均能较好再现气温的周期性日变化特征，T₂和T₇₀模拟值与观测值的R较高，为0.80~0.97；NCRMSE较低，为0.27~0.60；NSD为0.5~1.0，约84%的温度模拟结果绝对偏差小于2.00 ℃。风速模拟同样表现较好，WS₁₀和WS₇₀模拟值与观测值的相关系数分别为0.48~0.81和0.46~0.82，均通过置信水平为95%的显著性检验，约80%的昼夜风速绝对偏差小于0.5 m·s^-1。所有方案均一致模拟出日间偏南风、夜间偏北风的昼夜环流型式，符合研究区典型坡风系统特征。结果表明，在当前模式框架下，WRF模式能够合理再现研究区域近地层气象场的基本特征。

有雪条件下，积雪的存在显著降低模式模拟性能。所有方案的T₂和T₇₀模拟R为0.65~0.94，均出现系统性冷偏差，偏差分别为-7.44~-2.57 ℃和-5.74~-2.23 ℃。相较于无雪期，偏差的绝对值明显增大，NCRMSE增至0.38~0.79。其中PX与SLAB方案的模拟效果较差，R值普遍低于0.80。无雪期表现最优的PX方案在积雪期性能明显下降，其温度NCRMSE从无雪期的0.28~0.49上升至0.57~0.66，最大增幅达136.0%；SLAB方案的NCRMSE从无雪期的0.36~0.60升高至0.67~0.79，且NSD均低于0.5。风速模拟性能同样减弱，R值普遍较低，NCRMSE由无雪期的0.60~1.32升至0.77~2.52。其中，RUC方案在15811塔处WS₁₀的NCRMSE增幅最大，由0.77上升至2.32，增幅达201.3%。此外，风向模拟偏差显著，风频误差普遍增大，以15811塔为例，积雪期夜间10 m北风的模拟频率约为观测值的两倍，日间70 m高度层的主导风向偏差更为明显。

对比有无积雪条件下不同陆面方案的模拟结果发现，积雪明显增强各方案间的性能差异。以气温为例，各方案模拟结果与观测值的相关系数差异较小，因此可采用同一地点各方案NSD的极差（最大值与最小值之差）定量表征气象要素模拟对陆面方案的敏感性。由图10可见，积雪条件下，各测风塔的NSD离散性明显增强，而无雪期则较为集中，表明积雪显著增强模拟结果对陆面方案的敏感性。从无雪期到有雪期，15813塔处T₂和T₇₀的NSD极差分别从0.27和0.30增至0.61、0.75，对方案选取最敏感；15845塔的敏感性变化幅度次之，T₂和T₇₀的NSD极差分别从0.30增至0.62（增幅为106.7%）和从0.24增至0.63（增幅为162.5%）。

综合对比不同方案性能，无雪期各方案结果相近、差异较小；但在有雪条件下，NoahMP方案性能最优：其气温R值稳定在0.9左右，冷偏差最小，NSD接近1，NCRMSE多低于0.5。相比之下，其余方案的气温R值与NSD显著下降，冷偏差更为突出。风场方面，NoahMP方案在无雪期风速R值（0.48~0.82）处于较高水平；在有雪期少数风速模拟显著相关的前提下，其R值（0.46~0.57）最高，且主导风向模拟最接近观测。NoahMP方案的优势源于其三层积雪模型可更精确地表征积雪内部物理过程，而RUC方案的两层模型与SLAB方案的静态雪盖标志在过程描述上存在一定局限（吴统文等，2004；Sun et al.，2023）。此外，NoahMP方案采用动态积雪覆盖率算法，能够实时更新雪盖特征，从而更准确地再现积雪的时空演变（Sun et al.，2023）。在中尺度气象模拟中，尤其是在弱天气强迫下，准确表征下垫面非均匀性所导致的地表能量收支差异，是成功模拟局地环流及其驱动机制的关键（DE Foy et al.，2006；Meng et al.，2009），因此，在本次以静稳天气为主的模拟中，NoahMP方案表现出最优性能。然而，有雪条件下各方案模拟结果与观测仍存在偏差，说明陆面方案，特别是积雪物理过程的参数化，仍需进一步改进，以提升模式在不同气象条件下的适用性与精度。

本文基于WRF模式PX、SLAB、RUC及NoahMP 4种陆面过程方案，对兰州新区积雪期与无雪期近地面气象要素进行模拟，并结合同期观测数据评估模拟结果对陆面方案的敏感性，得到如下主要结论。

1）积雪显著降低模式模拟性能并增强不确定性。积雪条件下4种陆面方案均出现系统性冷偏差，2 m气温偏差为-7.44~-2.57 ℃，较无雪期增大超过5.00 ℃；半数方案相关系数低于0.80，PX方案的NCRMSE最大增幅达136.0%。风速模拟偏差在积雪期明显增大，RUC方案的NCRMSE增幅达201.3%；风向模拟误差也明显增大，风向频率误差可增至无雪期的2倍，白天风向偏差超过90°。

2）积雪显著增强近地面气象模拟的方案敏感性。无雪期4种方案的模拟结果相对一致，而积雪期差异明显扩大。15813测风塔2 m气温与70 m气温的NSD极差分别达0.61和0.75，显著高于无雪期的0.27和0.30；15845测风塔2 m气温与70 m气温的NSD极差增幅超过100.0%。

3）NoahMP方案模拟性能最佳，主要归因于其采用更为精细的积雪层结构与动态积雪覆盖率算法，能够更准确地表征雪盖时空演变特征及地-气交换过程，因此其模拟的气温、风速及风向均与观测最为接近。

积雪通过影响地表辐射收支、水文过程及积雪能量平衡，进而对边界层结构乃至中高层大气运动产生重要影响。本研究表明，静稳天气条件下，积雪过程显著影响近地面气象要素的模拟。未来研究将从不同陆面方案在积雪结构、融雪参数化和积雪覆盖率处理等方面的差异入手，系统分析影响积雪演变模拟的关键参数与物理机制，为提升冬季气象模式模拟能力提供科学依据。