Page 62 - 《高原气象》2022年第1期
P. 62
高 原 气 象 41 卷
60
103. 65°E）地处青藏高原东部边缘与季风区交接的 的时间分辨率，模式的时间积分步长设置为 6 h，每
区域，海拔 2403~4502 m，属高原寒温带湿润季风 次模拟释放 2 万个粒子，释放范围为 32. 93°N-
气候，年平均气温 1 °C 左右，年降水量 600 mm 左 34. 32°N，102. 13°E-103. 65°E，垂直高度为海平
右，多集中在 5-10月，是我国典型的高原湿地，也 面以上3000~16000 m，模拟时间为粒子释放时间向
是我国乃至世界上最大的高原泥炭沼泽集中分布 后追踪 10 天，这是目前比较认可的水汽在大气中
区之一（赵娜娜等，2019），其境内河流多属于黄河 的平均停留时间（Trenberth，1998），模式每 6 h输出
水系，是黄河上游重要的水源补给区。 一次结果，包括在强迫场驱动下的粒子运动过程中
2. 2 SPEI计算数据 的三维空间信息以及比湿、空气密度等信息。
SPEI 指数的计算是基于月总降水以及月平均 3 方法介绍
温度进行的，因此本文使用国家气象科学数据中心
（http：//data. cma. cn/）提供的中国地面气候资料日 本文基于 SPEI 指数分析干湿状态，并利用 FL‐
值数据集（V3. 0），该数据集包含了中国基本气象 EXPART 模式模拟不同状态下的水汽输送特征，提
站自 1951年以来观测的气压、气温、降水等逐日数 取水汽源地并计算不同源地的水汽贡献率，其相关
据 ，本 文 主 要 使 用 若 尔 盖 气 象 站（站 点 编 号 ： 方法如下。
56079）的观测数据中的日平均温度以及 24 h 累计 3. 1 标准化降水蒸散指数（SPEI）
降水量数据，其中日平均温度数据精度为 0. 1 ℃。 SPEI 指数是基于 SPI 和 PDSI 两种指数的优缺
24 h 累计降水量数据精度为 0. 2 mm。在使用该数 点发展而来的（Vicente-Serrano et al，2010），综合考
据计算 SPEI之前，剔除数据异常值，并将降水数据 虑了温度因子和降水因子对干旱的影响，因此将温
处理成月总降水量，温度数据处理成月平均温度。 度因子导致的蒸散发计算在内
2. 3 FLEXPART模式、数据及参数设置 ( ) m
10T
PET = 16K （1）
FLEXPART 是基于拉格朗日方法的粒子扩散 I
模型，最初被用于模拟污染物扩散，现在被广泛应 式中：PET 是潜在蒸散量，T 是月平均温度，I 是 12
用于大气水分循环的研究工作中。该模式可以模 个月的月热指数值 i的总和，而 i则是从月平均温度
拟粒子释放，以及其在强迫场的驱动下的运动，并 计算得到，其计算公式如（2）所示，m是一个取决于
追踪运动过程中的三维位置信息（经纬度、高度）以 I 的系数，其公式如（3）所示，K 是通过纬度和月份
及比湿等信息（陈斌等，2011），从而识别粒子的运 计算的修正函数，公式如（4）所示
动轨迹，实现对大气中的传输和扩散过程的模拟。 ( ) 1.514
T
i = （2）
模型具有两种运行模式，分别是前向和后向模式， 5
3
-5
-7
前者指在时间上向前模拟，主要用于模拟释放物从 m = 6.75 × 10 I - 7.71 × 10 I 2 （3）
-2
其来源的扩散，而后者指在时间上向后模拟，主要 +1.79 × 10 I + 0.492
N
NDM
用于确定释放物的潜在来源。在本研究中主要利 K = ( )( ) （4）
12
30
用后向模式模拟研究区域的水汽来源及其输送路
式中：NDM 是一个月的天数，N 是最大日照时数。
径。本研究用于驱动 FLEXPART 的强迫场数据来
在得到PET之后，第i月的水分亏损量计算如下：
自美国国家环境预报中心提供的最终分析场数据
（5）
NECP FNL（National Centers for Environmental Pre‐ D i = P i - PET i
而不同时间尺度k的D i 计算如下：
diction Final），空间分辨率 1°×1°，时间分辨率 6 h。
12 j
尽管 FNL资料不是观测数据，但因为其分辨率相对 X i，j = ∑ D i - 1，l + ∑ D i，l ，j < k （6）
k
l = 13 - k + k l = 1
较高且覆盖全球，可以有效弥补对缺少地面站点的 j
k
区域的数据短缺，因此使用 FNL数据进行大气研究 X i，j = ∑ D i，l ，j ≥ k （7）
l = 1
具有重要意义（Eom and Myoung-Seok，2011），近
式中：i，j 分别代表年和月。接着使用三参数 log-
年来已经得到广泛使用，且对其可用性也进行了评
k
logistic拟合X i，j ，其概率分布函数为
估。苏彦入等（2018）利用地面观测数据对 FNL 等 β -1
é
再分析资料进行对比分析，指出虽然青藏高原地区 F (x) = ê1 + α ù ú （8）
ê ( ) ú
再分析资料与实测资料存有误差，但其分布和变化 ë x - γ û
特征具有一致性，仍具有可用性。对应于输入数据 式中：α、β、γ分别是尺度、形状、位置参数。
