Page 5 - 《高原气象》2022年第6期
P. 5
高 原 气 象 41 卷
1368
西北减少(Qi et al,2013)。丰沛的水汽供给是产生 2021),降水季节分配不均,夏半年降水占全年降
极 端 降 水 的 必 要 和 重 要 条 件(Trenberth,1999, 水的 60%,冬半年占 40%。冬半年的降水为高山冰
2011)。因此,通过水汽来源研究青藏高原极端降 川、积雪以及来年径流的补给起到了很大的作用
水具有重大的意义。 (Liu and Yin,2001)。青藏高原更多受到印度季风
水汽来源对目标区域降水有重要的影响(Huang 和西风带的影响(An,2001;Yao et al,2013)。本文
and Cui,2015;Gimeno-Sotelo et al,2018;Vazquez 将青藏高原根据 33°N 纬线和 90°E 经线,划分为 4
et al,2016)。目前对水汽来源的研究主要有稳定同 个区域:NEQXP、NWQXP、SEQXP和 SWQXP,该
位素法、欧拉方法和拉格朗日方法等(Drumond et 区域划分基本可以反映青藏高原内部区域水汽循
al,2017)。稳定同位素法对水样观测的依赖过大, 环的特征(Chen et al,2019;Yao et al,2013;Tian
成本过高,欧拉公式很难描述从水汽源地到目标区 et al,2007)。
域的具体运动轨迹(Sun and Wang,2014),而拉格 2. 2 数据来源
朗日方法的主要优势在于它可以追踪事先定义的 本文采用美国环境预报中心(National Centers
气块集合的运动轨迹,并且定量给出水汽输送的情 for Environmental Prediction-Climate Forecast Sys‐
况。因此,学者们采用拉格朗日轨迹分析方法中具 tem Reanalysis,NECP)1979-2018 年的 CFSR(Cen‐
有 代 表 性 的 方 法 ——FLEXIible PARTicle(FLEX‐ ters for Environmental Prediction-Climate Forecast
PART),并将其应用到对水汽来源的研究中(Stohl System Reanalysis)驱动资料,该数据包括气温、相
and James,2004,2005)。 对湿度、风速等变量,垂直分层 64 层,数据的空间
目前,对于青藏高原及周边地区的水汽来源的 分辨率为 0. 5°×0. 5°,时间分辨率为 6 h(Watanabe,
研究,主要集中在夏季或暖季(Zhang et al,2019b; 2015;Saha et al,2014)。降水数据采用 3 种资料,
Sun and Wang,2014;Qiu et al,2019;Chen et al, 其中中国区域地面气象要素驱动数据集(China Me‐
2019,2012;Drumond et al,2011),而在积雪季的水 teorological Forcing Dataset,CMFD)来自国家青藏
汽来源研究较少。事实上,青藏高原水汽来源的贡 高原科学数据中心(He et al,2020),该数据因其长
献具有显著的空间异质性(Pan et al,2019;Zhang et 久性、稳定性和连续性特征,受到众多学者青睐
al,2019a)。同时,青藏高原内部各区域的水汽来源 (Deng et al,2021;Zhang et al,2021),特别是在青
及其差异仍不明确,特别是极端降水的水汽来源贡 藏高原地区,该数据质量明显优于 GLDAS(Global
献差异。本文将青藏高原分为四个地区:青藏高原 Land Data Assimilation System)降水数据(He et al,
东北部(NEQXP)、青藏高原西北部(NWQXP)、青藏 2020)。本文还采用高亚洲再分析资料(High Asia
高原东南部(SEQXP)和青藏高原西南部(SWQXP) Refined analysis-v2,HAR)的降水数据,该数据是通
(Yao et al,2013;Tian et al,2007),旨在解决青藏高 过 ERA5 再分析资料降尺度,空间分辨率为 10 km×
原内部各地区积雪季极端降水分布特征,并得到主 10 km(Wang et al,2020c)。CPC 数据集是美国海
要影响各地区极端降水的水汽源地,进而借助水汽 洋和大气局气候预测中心(NOAA Climate Predic‐
来源去解释各区域极端降水的变化特征。首先,提 tion Center Global Unified Precipitation)融 合 地 面
取青藏高原 4 个子区域,利用百分位阈值方法提取 观测和卫星遥感数据,充分考虑地形效应,生成
极端降水事件,分析极端降水的特征。其次,利用 的 一 套 降 水 产 品 ,该 产 品 空 间 分 辨 率 为 0. 5° ×
FLEXPART模拟极端降水事件的水汽来源,计算各 0. 5°(表1)。
水汽源地的水汽贡献,并分析各区域水汽来源的差 因 CMFD在数据制作过程中,融合了所有中国
异。最后,从水汽来源视角分析极端降水变化机 气象局国家气象信息中心降水观测站点的数据,因此
制。研究结果以期从水汽来源的角度为当前青藏 在青藏高原 NEQXP、NWQXP、SEQXP 和 SWQXP
高原积雪季极端降水的增加提供参考。 极端降水识别过程中,采用了来自国家青藏高原数
2 研究区概况及数据来源 据中心—第二次青藏高原综合科学考察研究的 8个
降水站点的降水数据对 CMFD、CPC 和 HAR 降水
2. 1 研究区概况 资料进行评估(图 1)。站点降水数据分别在昆莎冰
青藏高原属于高寒山地气候,全年平均气温变 川末端、孔雀河源、甲岗雪山、色林错东岸、狮泉河
化范围为-3~13 ℃(Wang et al,2020b)。青藏高原 源、塔尔玛乡、色林错湖畔大营和大冬树垭口(Che
南部降水较多,年降水量 800 mm 以上(罗伦等, et al,2019)进行观测,具体数据信息如表2。需要说