Page 7 - 《高原气象》2022年第6期
P. 7

高     原      气     象                                 41 卷
              1370
             出的气象参数包括纬度、经度、高度（单位：m）、比                           立真等，2020；闫燕等，2020）。为计算逐年降水变
                           -1
             湿（单位：g·kg ）、温度（单位：℃）、风速（单位：                        化情况，采用世界气象组织推荐经典非参数趋势计
                 -1
             m·s ）、行星边界层高度（单位：m）等。                              算方法，Mann-Kendall（M-K）趋势分析方法（Moh‐
                              e - p = m dq dt           （1）     sin and Gough，2010），借助 Sen 斜率方法来计算逐
             式中：m 表示气块质量；e和 q 分别表示气块的水汽                         年降水的变化率（Sen，1968；Gocic and Trajkovic，
             增长率和损失率；dq 表示单位时间比湿的变化量，                           2013）。
             为计算地表 A 区域的水汽变化情况，可以通过以下                           4   结果与分析
             公式（2）进行计算。
                             N             N   dq               4. 1  偏差分析
                    E - P ≈ ∑ (e - p) A = ∑ m      A    （2）
                            i = 1          i = 1  dt                CMFD、CPC 和 HAR 降水资料与 8 个降水站点
             式中：N 为区域 A 上空气块总量；E-P 表示 A 区域的                     逐日降水资料的平均相对误差分别为 1. 89、2. 95
             地面水通量，这个可以通过该区域所有气块的 e-p                           和 4. 19，平均绝对误差为 0. 54、0. 96 和 1. 30，显然
             总量，与该区域 N 的面积之商得到。需要注意的                            CMFD 的降水资料精度更好，CPC 次之（表 3）。从
             是，E-P 不能单独计算。当降水发生时，瞬时降水                           CMFD、CPC 和 HAR 降水资料在各站点的平均相
             率 P≈E-P<0；当降水没有发生，瞬时单位面积蒸发                         对误差和平均绝对误差来看，CMFD 降水资料在各
             率 E≈E-P>0（Stohl and James，2004，2005）。因此，           站点数据精度均优于 CPC 和 HAR。从 CMFD 在各
             当 E-P<0，水汽在该地区下沉，可能对该地区造成                          站点的精度评估差异来看，CMFD 在狮泉河源的精
             降水；当 E-P>0，表示该地区的水汽可能会影响到                          度评估最好，平均相对误差和平均绝对误差均最
             目标区域的降水。                                           小，而在塔尔玛乡和色林错河畔大营的精度相对较
                  除此之外，水汽从水汽源地向目标区输送时，                          差。CPC 在甲岗雪山的平均相对误差和平均绝对
             会经历水汽下沉和二次蒸发等过程（Sodemann et                        误差均最小，分别为 1. 32 和 0. 39，而 HAR 在狮泉
             al，2008），为充分考虑这些过程，本文借助 Sun                        河源的精度表现最好。因此，在下文的极端降水识
             and Wang（2014）的算法计算水汽贡献。将水汽源                       别中，均采用CMFD降水资料。
             地吸收（uptake）的水汽分为三个部分：（1）在到达目                       4. 2  极端降水识别及空间分布特征
             标区域前在输送途中损失（loss），（2）到达并在研究                            利用 CMFD 数据，计算青藏高原 4 个子区域
             区上空释放（released），（3）到达研究区但在研究区                      1979-2018 年极端降水事件的频次分布。从图 2 中
             上 空 没 有 释 放（unreleased），未 释 放 由 公 式（3）             可以看到，R95th 在 NEQXP、NWQXP、SEQXP 和
             计算。                                                SWQXP存在明显的差异，区域平均日降水量R95th
                      unreleased=uptake-loss-released   （3）     分别为 0. 99，0. 66，2. 99 和 1. 88 mm·d ，且南部
                                                                                                    -1
             3. 2  极端降水识别                                       极端降水强度更大。NEQXP 的极端降水事件主要
                                                                                -1
                  采用世界气象组织推荐并被广泛应用的百分                           集中在 1~2 mm·d ，其占该地区降水事件总数的
             位阈值方法来识别极端降水事件，分两个步骤。首                             79%；NWQXP 地区则有 360 次极端降水事件的日
                                                                                     -1
             先将日降水量计算为 NEQXP、NWQXP、SEQXP和                       降水量在 0. 66~2 mm·d 。在 SEQXP 地区，极端降
                                                                                      -1
             SWQXP 的面积平均降水量；其次，当各区域平均                           水事件分布在3~5 mm·d 共计311次，SWQXP极端
                                                                                         -1
             日降水量超过所在区域第 95 百分位（R95th）阈值时                       降水事件分布在 1~2 mm·d 共计 269 次，其中 SE‐
             则被视为极端降水事件（Qin et al，2018；何静等，                     QXP和 SWQXP日降水量均大于 8 mm·d ，有 25次
                                                                                                    -1
             2021）。青藏高原积雪季定义为从上一年 10 月 1 日                      和13次极端降水事件。
             到次年的 4 月 30 日（雷华锦等，2020）。从 1979-                       在积雪季，极端降水在 NEQXP、NWQXP、SE‐
             2018年青藏高原积雪季，分别为NEQXP、NWQXP、                       QXP 和 SWQXP 空间分布不同（图 3）。借助 CMFD
             SEQXP和 SWQXP选择了 424起极端降水事件。为                       数据得到积雪季极端降水后，在 CMFD极端降水发
             表示年极端降水特征，还计算年极端降水量（单                              生时，利用 HAR 和 CPC 降水资料也得到了对应极
                      -1
             位：mm·a ）和年极端降水日数（单位：d·a ）。                         端 降 水 时 间 的 NEQXP、NWQXP、SEQXP 和
                                                   -1
             3. 3  趋势计算及偏差分析                                    SWQXP 极端降水平均降水空间分布。从各区域极
                  借助均方根误差和平均绝对误差对青藏高原                           端 降 水 量 级 分 布 来 看 ，在 NEQXP 和 NWQXP，
             地区的 CMFD、CPC 和 HAR 降水资料进行评估（程                      CMFD 数据计算的极端降水的量级显然低于 CPC
   2   3   4   5   6   7   8   9   10   11   12