La alta complejidad del problema de simulación de parámetros en modelos de superficie terrestre en áreas semiáridas dificulta la estimación razonable de las condiciones de simulación de la superficie que son importantes tanto para el clima como para el tiempo en diferentes regiones. En este estudio, utilizando los conjuntos de datos densos de un sitio típico de una región semiárida en el Tíbet y el modelo de superficie terrestre Noah con los parámetros de tierra restringidos de múltiples sitios, se obtuvo un criterio de eficiencia Kling-Gupta mejorado que comprende múltiples objetivos, incluyendo dimensiones variables y de capas, que luego se aplicó a esquemas de calibración basados en dos algoritmos de búsqueda global (optimización por enjambre de partículas y evaluación compleja aleatoria) para investigar las complejidades espaciales a escala de sitio en las simulaciones de temperatura del suelo. Las calibraciones se compararon y se validaron aún más. Los resultados muestran que el modelo de superficie terrestre Noah obtuvo simulaciones razonables de la humedad del suelo en comparación con las observaciones, con una buena consistencia, pero el ajuste negativo y los enormes errores espaciales en comparación con las observaciones indicaron su débil capacidad para simular la temperatura del suelo en tierras semiáridas regionales. Ambos esquemas de calibración mejoraron significativamente las simulaciones de humedad y temperatura del suelo, pero la optimización por enjambre de partículas generalmente convergió a un mejor objetivo que la evaluación compleja aleatoria, aunque con más incertidumbres en los parámetros y menos heterogeneidad. Además, las simulaciones inicializadas con las tablas de parámetros óptimas para las calibraciones obtuvieron mejoras sostenibles similares para la humedad y temperatura del suelo, así como una buena consistencia con el reanálisis de suelo existente. En particular, los errores de simulación de temperatura del suelo para la optimización por enjambre de partículas fueron imparciales, mientras que los de la otra metodología se encontraron sesgados alrededor de -3 K. En general, la optimización por enjambre de partículas fue preferible al realizar simulaciones de temperatura del suelo, y puede ayudar a mitigar los esfuerzos en la mejora de pronósticos de superficie en regiones semiáridas.