冰川表面能量平衡：净辐射-湍流通量的分配图谱与温度/降水敏感性
冰川消融由大气-冰面能量交换控制，而净辐射与湍流通量（感热/潜热）的分配在不同气候区差异巨大。本文综合天山乌鲁木齐河源 1 号冰川能量-质量平衡模型、青藏高原帕隆 4 号/东绒布冰川实测、东西伯利亚 Sygyktinsky 冰川与玻利维亚热带 Zongo 冰川实验，给出"海洋型/大陆型/极地型"的分配图谱（感热贡献 3%~16%）与温度+1 K（-0.44 m w.e.）和降水+10%（+0.55 m w.e.）的敏感性判据。
一、能量平衡框架：净辐射之外还有多少湍流
冰川表面能量平衡方程：融化能量 M = R_net + H（感热）+ L（潜热）+ G（次地表）+ P（降水热量）。消融季各分量的占比是理解冰川气候敏感性的钥匙——但不同气候区答案完全不同，这正是"大陆型 vs 海洋型"争论的核心。
| 冰川 | 气候类型 | 净辐射占比 | 感热占比 | 潜热占比 | 特征 |
|---|---|---|---|---|---|
| 帕隆 4 号（青藏东南，Yang 2011） | 海洋型 | +98%（净长波 -12%） | +16% | -1% | 季风控制，融化为主要汇 |
| 东绒布（珠峰北坡 6523 m，Liu 2022） | 大陆型边缘 | 净短波 +103 W/m² | +12 W/m² | -20 W/m² | 升华显著，净长波 -62 W/m² 强冷却 |
| Sygyktinsky（东西伯利亚，Osipov 2021） | 大陆型 | 71~75 W/m²（89~95%） | 2~4（3~5%） | 2~3（2~4%） | 低风速 1.2 m/s，湍流占比极小 |
| Zongo（玻利维亚热带，Wagnon 1999） | 热带 | 全年近乎恒定 | 无显著季节变化 | 干季升华主导 | 湿度控制升华/融化分配 |
判别边界：低风速大陆型冰川（如 Sygyktinsky，风速 1.2 m/s）感热+潜热合计不足 10%；季风区海洋型冰川（帕隆 4 号）感热占 16%；而高海拔大陆型（东绒布）潜热为 -20 W/m²（升华吸热）可与感热抵消。套用统一湍流参数化必然跨区失效——风速与湿度梯度才是湍流占比的判据。
二、帕隆 4 号（海洋型）的能量结构
Yang 等（2011）在青藏东南帕隆 4 号冰川消融区（2009 夏）用自动气象站 + 测杆/热敏电缆验证能量平衡模型，总融化能量各分量占比：净短波 98%、净长波 -12%、感热 16%、潜热 -1%、次地表 -1%。
- 净短波是唯一主角，因此云量与地表反照率共同控制消融；
- 南亚季风推进期的云变化显著改变向下长波辐射与凝结放热，季风增强→消融加速，季风减弱→消融减缓；
- 温度指数模型（度日因子）在该区可用，但加入短波辐射的混合模型更稳健。
判别边界：海洋型冰川上"气温-消融"相关强是因为气温与云/长波耦合，而非直接机制；用度日模型外推未来气候须谨慎——云反馈会改变度日因子的有效性。
三、东绒布（珠峰北坡，大陆型高海拔）
Liu 等（2022）在 6523 m 的夏季实测：净短波 +103 W/m² 与感热 +12 W/m² 为能量源，净长波 -62 W/m² 与潜热 -20 W/m² 为能量汇。
- 季风活跃期云增多：向下长波增幅大于短波削减，整体促进融化；
- 非季风期融化弱：体积升温耗能 + 升华耗能 + 低云量长波亏损三因素叠加；
- 青藏高原对比显示：大陆型冰川升华/蒸发为主要汇，海洋型/亚大陆型以融化为主汇——这决定了不同冰川对气候变化的响应灵敏度差异。
四、天山 1 号冰川：敏感性量化
Che 等（Scientific Reports 2019）基于 2012–2015 气象资料的能量-质量平衡模型：
- 气温 +1 K → 年净质量平衡 -0.44 m w.e.；气温 -1 K → +0.30 m w.e.；
- 降水 +10% → +0.55 m w.e.；降水 -10% → -0.61 m w.e.；
- 敏感性非对称：升温损失大于等量降温增益；降水增加补偿有限——降水需增加 23% 才能抵消 +1 K 的温度损失；
- 短波辐射 +1% → -0.015 m w.e.；风速 +1% → -0.020 m w.e.；湿度 +1% → -0.018 m w.e.。
判别边界：降水敏感性依赖"雪/雨比例"与消融季能量；不同山系因降雪比例与消融季能量差异，同一气候强迫下的响应可差数倍——区域外推需按消融季降雪比例分层。
五、粗糙度参数化的前沿（格陵兰）
van Tiggelen 等（JGR 2022）用格陵兰多站点多年 EC 观测重新参数化动量/热量/水汽粗糙度长度：
- 新参数化模拟感热通量误差 <10 W/m²，累积冰面消融在 3/4 站点 <10%；
- 表面融化的高敏感性主要来自粗糙度选择——这是气候模型模拟格陵兰质量损失的最大湍流不确定性源。
六、实践要点
- 冰川站必测风速与湿度梯度（湍流占比的判据），低风速站不要直接用海面类参数化；
- 大陆型/高海拔冰川重视升华：潜热可达 -20 W/m²，忽略会使消融高估；
- 模型外推检查降雪比例与云反馈；度日因子仅在资料长度内有效。
参考来源
- Yang et al., Summertime surface energy budget and ablation modeling in the ablation zone of a maritime Tibetan glacier, JGR-Atmos 2011. https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2010JD015183
- Liu et al., Monsoon Clouds Control the Summer Surface Energy Balance on East Rongbuk Glacier (6,523 m), JGR-Atmos 2022. https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2020JD033998
- Osipov & Osipova, Surface energy balance of the Sygyktinsky Glacier, south Eastern Siberia, Scientific Reports 2021. https://www.nature.com/articles/s41598-021-00749-x.pdf
- Wagnon et al., Energy balance and runoff seasonality of a Bolivian glacier, Global and Planetary Change 1999. https://usuarios.geofisica.unam.mx/popoc/colaboracion/GTNH/assets/6wagnon-etal1999gpc.pdf
- Che et al., Energy balance model of mass balance and its sensitivity to meteorological variability on Urumqi River Glacier No.1, Scientific Reports 2019. https://www.nature.com/articles/s41598-019-50398-4.pdf
- van Tiggelen et al., Observed and Parameterized Roughness Lengths for Momentum and Heat Over Rough Ice Surfaces, JGR-Atmos 2023. https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2022JD036970