高原气象

高原气象 >

2020 , Vol. 39 >Issue 3: 499 - 510

DOI: https://doi.org/10.7522/j.issn.1000-0534.2020.00013.

论文

基于GLDAS与再分析资料的青藏高原内循环降水率分析

  • 续昱 , 1, 2 ,
  • 高艳红 , 3
展开
  • 1. 中国科学院西北生态环境资源研究院/中国科学院寒旱区陆面过程与气候变化重点实验室, 甘肃 兰州 730000
  • 2. 中国科学院大学, 北京 100049
  • 3. 复旦大学 大气与海洋科学系/大气科学研究院, 上海 200438
高艳红（1973 -）， 女， 山西人， 教授， 主要从事青藏高原陆气相互作用及其区域气候效应. E-mail：

续昱（1993 -）， 男， 山西人， 博士研究生， 主要从事青藏高原水汽来源研究. E-mail：

收稿日期: 2019-11-28

  修回日期: 2020-03-19

  网络出版日期: 2020-06-28

基金资助

中国科学院战略性先导科技专项(XDA2006010202)

第二次青藏高原科考项目(2019QZKK010314)

国家自然科学基金项目(91537211)

收起

Analysis of Precipitation Recycling Ratio Based on GLDAS and Reanalysis Data over the Qinghai-Tibetan Plateau

  • Yu XU , 1, 2 ,
  • Yanhong GAO , 3
Expand
  • 1. Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Regions, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, Gansu, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Department of Atmospheric and Oceanic Sciences & Institute of Atmospheric Sciences Fudan University, Shanghai 200438, China

Received date: 2019-11-28

  Revised date: 2020-03-19

  Online published: 2020-06-28

Fold

本文亮点

内循环降水率是本地蒸发产生的降水与总降水量的比值, 可以表征陆气相互作用的强度。本研究使用准等熵拉格朗日后向轨迹追踪模型(Quasi-isentropic backward trajectory, QIBT), 基于全球陆面数据同化产品（Global Land Data Assimilation Systems, GLDAS)的降水和蒸发数据, 以及ERA-Interim再分析资料(ERAI), 选取降水量与气候平均态相当的2001年, 研究了青藏高原内循环降水率。其次, 使用2001年ERAI降水和蒸发数据替换GLDAS数据, 分析地表数据不确定性对内循环降水率的影响, 最后, 选取30年降水和蒸发量的极端情况, 探讨了极端干湿年对内循环降水率的影响。结果表明, 青藏高原内循环降水率东南部小于西北部, 年平均内循环降水率为0.42。极端干年大于2001年, 极端湿年小于2001年。使用再分析资料的降水和蒸发数据后, 内循环降水率减小为0.28, 与再分析资料对青藏高原降水量的高估有关。

本文引用格式

续昱 , 高艳红 . 基于GLDAS与再分析资料的青藏高原内循环降水率分析[J]. 高原气象, 2020 , 39(3) : 499 -510 . DOI: 10.7522/j.issn.1000-0534.2020.00013.

Highlights

Precipitation recycling ratio is the local evaporation that contributes to the local precipitation.It is an indication of land-atmosphere interaction over the Qinghai-Tibetan Plateau (QTP).This study was based on the Global Land Data Assimilation Systems (GLDAS) and the ERA-Interim (ERAI) data by using the Quasi-isentropic backward trajectory (QIBT) model.The study used the precipitation and evaporation from the GLDAS and other variables from the ERAI data to run the QIBT model.The precipitation recycling ratio was analyzed in 2001, a climatological averaged precipitation year.To evaluate the influence of the precipitation and evaporation to the results of precipitation recycling ratio, two tests were applied.One is to replace the precipitation and evaporation from the GLDAS with that from the ERAI.After the precipitation and evaporation in the GLDAS were replaced with that in the ERAI, the influence of the replacement was evaluated.Another is to replace the precipitation and evaporation in 2001 with that in extreme wet and dry years during 1982 -2011 (30 years).The variations of precipitation recycling ratio in extreme wet and dry year were also evaluated.The results are as follows: Precipitation recycling ratio in the northwest is stronger than that in the southeast over the QTP.The average precipitation recycling ratio is 0.42 over the QTP with the precipitation and evaporation from the GLDAS.Precipitation recycling ratio in some regions in the northern part of the QTP is larger than 0.50.Precipitation recycling ratio is 0.28 when the precipitation and evaporation in the GLDAS were replaced with the precipitation and evaporation in the ERAI.Precipitation recycling ratio is 0.31 for extreme dry year and 0.25 for extreme wet year.Precipitation recycling ratio is stronger in the extreme dry year than in the extreme wet year.The influence of replacement from GLDAS to ERAI is larger than that of replacement from normal year to extreme years.The higher precipitation in the ERAI than the GLDAS is the reason for the lower precipitation recycling ratio for the ERAI.Apparently, precipitation overestimation is responsible for the underestimation of precipitation recycling ratio in the ERAI.The deeply reason is that hourly precipitation in the ERAI is different from that in the GLDAS.ERAI underestimates the small and medium rainfall events, and overestimates the heavy rainfall events at the same time.In conclusion, the accuracy of precipitation is the most important factor in the study of the precipitation recycling ratio over the Tibetan Plateau.

1 引言

内循环降水的概念由Budyko et al(1953, 1974), McDonald (1962)与Trenberth (1998)提出, 描述了地表的蒸发进入大气, 最终成为降水到达地面的过程。后续Budyko(1974)与Brubaker et al (1993)开始对内循环降水进行定量研究。研究者提出内循环降水率这个概念来定义局地内循环降水的强度(Brubaker et al, 1993; Trenberth, 1998; Brude et al, 2001)。具体方法可以分为观测研究和模型研究, 其中观测研究多依赖于观测数据中的氧或氢同位素资料 (Salati et al, 1979; Kurita et al, 2008; Tian et al, 2007)。这种基于同位素资料的内循环降水研究常常只能存在于某个观测点, 想要对内循环降水的整个过程进行追踪较为困难（Curio et al, 2015）, 因此通常配合模型输出结果进行研究。对内循环降水率进行量化的模型一般可以分为两类: 一类是水量平衡法, 另一类利用数值模型来计算内循环降水率。
通过求解水汽平衡方程可以构建水量平衡模型。最初的水量平衡模型源于Budyko(1974)构建的水桶模型, 计算结果有很大的不确定性。Brubaker et al(1993)、 Eltahir et al(1996)和Burde et al(2001)将模型改进为二维模型。之后的研究者又针对二维模型进行了优化, 使模型的物理过程更加符合大气中的实际情况。例如Dominguez et al(2006)提出了Dynamic Recycling Model (DRM) 模型, 考虑了大气中的水汽含量的时间变化。此外Burde(2006)提出了快速水汽循环模型, 试图消除大气垂直混合均匀的假设。Van der Ent et al(2010)在水汽平衡模型Water Accounting Model (WAM)中考虑了水汽存储项的影响。国内的研究者伊兰等（1997）同样进行了内循环降水模型的建立, 康红文等（2005）和李若麟（2017）使用二维模型对国内的内循环降水率的特征进行研究和分析。
数值模型通常基于欧拉或拉格朗日框架。欧拉框架下的模型一般与天气和气候模式相耦合, 虽能反映实际的降水相关物理过程, 但计算量却很大(Van der Ent et al, 2013)。Quasi-isentropic backward trajectory(QIBT)模型是一种准等熵的拉格朗日追踪模型(Dirmeyer et al, 1999, 2007; Brubaker et al, 2001), 该模型可以用来研究灌溉地区的降水源、 季风降水(Harding et al, 2012; Tuinenburg et al, 2012; Wei et al, 2012)。其次QIBT可以应用高时空分辨率的数据作为输入对内循环降水进行研究(Brubaker et al, 2001)。前人也已将QIBT与其他模型进行了对比验证。例如Van der Ent et al(2013)将QIBT与WAM以及欧拉方法的模型进行了比较, 对QIBT结果进行了验证。Wei et al(2012)使用QIBT评估了长江流域的水汽来源。Xu et al(2019)使用QIBT对青藏高原东南部和长江中下游流域水汽来源以及内循环降水率进行了对比研究。
青藏高原作为世界第三极和亚洲水塔, 是亚洲水循环过程中的关键一环(Yao et al, 2012; Gao et al, 2014; 常姝婷等, 2019)。相较于全球其他区域, 青藏高原较高的内循环降水率表征了其较强的陆气相互作用(Dirmeyer et al, 2007)。但目前针对内循环降水率强弱的研究结果差异还比较大。例如Curio et al (2015)通过水汽输送的计算得到青藏高原的整体内循环降水率约为0.63; Hua et al(2016)使用DRM模型(Dominguez et al, 2006)得到青藏高原的内循环降水率为0.23~0.28; 而康红文等(2005) 通过降水再循环率评估模式(Eltahir et al, 1996)计算得到青藏高原东北部的内循环率约为20%; Zhang et al(2017)使用WAM模型(Van der Ent et al, 2010)得到青藏高原中西部内循环降水率约为18%; Guo et al(2014)使用水量平衡模型(Brubaker et al, 1993)得出青藏高原的内循环降水率最高可达60%。
对于青藏高原内循环降水率研究数据的选择, 前人多使用再分析资料的蒸发和降水, 如Chen et al(2012)基于FLEXible PARTicle dispersion model(FLEXPART)和NCEP再分析资料的研究发现, 青藏高原的主要水汽来源为延伸到阿拉伯海的水汽通道。Xu et al(2019)基于QIBT和ERA-Interim(ERAI)再分析资料研究得出青藏高原东南部湿季内循环降水率为35%。Hua et al(2016)使用DRM模型进行内循环降水率研究时, 使用了JRA-25再分析资料。苏涛等（2014）分析了全球内循环降水率的空间分布及其季节变化特征, 刘菊菊等（2019）、 陈丹等（2019）和朱丽等（2019）使用再分析资料对青藏高原进行了水汽来源的研究。另外Zhang et al(2017)为了消除再分析资料中降水的不确定性产生的影响, 采用观测站点的降水资料与再分析资料进行了融合。但仍然未将蒸发的不确定性纳入研究范畴。再分析资料对内循环降水率的影响仍需要进一步评估。
降水与蒸发是影响内循环降水的关键要素。Zhang et al(2017)发现随着青藏高原中西部的降水增加, 内循环降水率每10年增加1.4%。而青藏高原南北部由于降水量趋势不同（徐丽娇等, 2019）, Zhang et al(2019)又对南北内循环降水率的差异进行了对比, 结果表明, 随着降水的增加, 青藏高原北部内循环降水率也在增加, 而南部的内循环降水率却随着降水的减少而减小。说明这些内循环降水率的变化与青藏高原降水和蒸发的变化关系密切。蒸发和降水一方面表征了青藏高原的水量平衡, 另一方面影响着内循环降水率的强度, 是内循环降水中的重要环节。因此研究青藏高原内循环降水率对降水和蒸发变化的响应对理解青藏高原气候变化有重要意义。
针对上述关于青藏高原内循环降水率研究的不足, 如目前对内循环降水率强弱的研究结果差异比较大、 使用的再分析资料对降水量的高估、 前人研究中时空分辨率较低的数据和模型导致无法包括短时降水过程的内循环降水等。本研究基于GLDAS的地面观测资料与ERA-Interim高空场资料, 使用先进的三维QIBT模型和时间分辨率较高的6 h数据对青藏高原内循环降水率进行了研究, 探究青藏高原内循环降水率的强度。此外由于再分析资料中的蒸发和降水在青藏高原的不确定性较大, 因此通过评估再分析资料中的地面数据, 研究其对青藏高原内循环降水率的影响。一方面将GLDAS地面资料替换为ERA-Interim地面数据, 分析再分析资料ERA-Interim对内循环降水率的影响。另一方面, 由于降水和蒸发的年变化同样会造成内循环降水率的波动, 因此以极端干湿年为例, 研究降水和蒸发在极端干湿条件下的内循环降水率。综上, 本文使用三维后向轨迹模型, 基于GLDAS地面观测资料与ERA-Interim数据, 分析青藏高原的内循环降水率的时空特征, 评估ERA-Interim降水和蒸发数据对内循环降水率的影响, 探究再分析资料对内循环降水率产生影响的原因。

2 资料选取与方法介绍

2.1　研究区域与资料选取

将内循环降水率的研究区域限定在经纬度范围72.5°E -105°E, 25°N -40°N内。文中涉及的地图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)2923号的中国地图制作, 底图无修改, 其边界以国家青藏高原科学数据中心（http: //data.tpdc.ac.cn）划定的青藏高原边界为基准（图1）。图1的数据来自青藏高原SRTM (Farr et al, 2007)数字高程数据集（https: //data.tpdc.ac.cn/zh-hans/data/b918d825-da34-458b-a2f0-1ce6e0e37d22/）。
图1 内循环降水率的研究区域

Fig.1 Study region for precipitation recycling

Global Land Data Assimilation Systems(GLDAS)(Rodell et al, 2004)中的降水数据是基于National Oceanic and Atmospheric Administration(NOAA)/Global Data Assimilation System(GDAS)大气数据、 全球降水气候计划(Global Precipitation Climatology Project, GPCP)的同化资料, 蒸发是基于NOAA/GDAS气温和降水的同化产品和GPCP以及美国空军气象局农业气象模拟系统(Air Force Weather Agency’s AGRicultural METeorological modeling system, ARGMET)的全球陆面同化和NOAH陆面模型的模拟结果, 是除再分析资料外为数不多的网格蒸发资料, 可以看作间接观测资料, 对青藏高原降水与蒸发差值的时空变化表现较好（Gao et al, 2014）。本研究以GLDAS格点数据作为直接和间接的观测数据研究内循环降水率, 使用v2.1版本3 h时间分辨率的降水和蒸发数据(https: //disc.gsfc.nasa.gov/datasets/GLDAS_NOAH025_3H_2.1/summary?keywords=GLDAS)。
为了对GLDAS和ERAI的降水量进行评估, 本研究使用格点化的中国气象局站点观测资料和全球降水观测（Global Precipitation Measurement, GPM）[图2(a), (b)]的降水量与ERAI和GLDAS的降水量进行了对比。站点观测数据来自中国地面气候资料日值数据集(V3.0), 降水量数据逐日4次定时[02:00(北京时, 下同), 08:00, 14:00和20:00]观测数据统计日平均值。GPM是热带测雨卫星计划（Tropical Rainfall Measuring Mission, TRMM）的后续卫星降水计划, 提供了全球范围基于微波的3 h以内以及基于微波红外的0.5 h雨雪数据产品。站点观测资料和GPM数据均进行了空间重采样, 使其与GLDAS和ERAI[图2(c), (d)]的空间分辨率一致。对比结果表明: 相较于站点观测数据, GPM在青藏高原东南部的降水量高估, 其他地区的降水量与站点观测降水分布较为接近。相较于站点观测和GPM降水数据, GLDAS和ERAI降水量的空间分布均为东南向西北递减, 与观测相近。此外,GLDAS和ERAI蒸发量对比结果(图3)表明:两套数据的蒸发量大小相当,整体上均为南部大于北部。两套数据的主要差别存在于青藏高原西北部的羌塘高原和昆仑山脉地区，GLDAS蒸发量较弱，而ERAI较强。
图2 2001年不同资料年平均降水量(单位: mm·d-1)

Fig.2 Annual mean precipitation for different data in 2001.Unit: mm·d-1

图3 2001年GLDAS与ERA-Interim年平均蒸发量(单位: mm·d-1)

Fig.3 Annual mean evaporation for GLDAS and ERA-Interim in 2001.Unit: mm·d-1

赵天保等（2010）研究表明, 再分析资料为时空尺度内气候变化和变率提供了强有力的研究工具。Gao et al(2014)研究表明, ERA-Interim（Dee et al, 2009, 2011)在与NCEP-NCAR、 NCEP-DOE和ERA-40的比较中, 其对青藏高原水汽变化的时空分布特征的表现最好, 因此本研究所用的高空环流和水汽数据为再分析资料ERA-Interim。
研究中使用了垂直方向上60层的高空场资料, 对气块在三维空间上进行追踪, 这样可以有效缓解大气混合均匀假设。该资料主要变量包含比湿、 气温、 经向和纬向风。其他单层数据包含: 地表气压、 位势高度、 降水、 边界层高度以及潜热通量。

2.2　 QIBT模型

使用了Quasi-isentropic backward trajectory(QIBT)模型(Dirmeyer et al, 2007; Harding et al, 2012), QIBT是一种三维的准等熵拉格朗日后向轨迹追踪模型。后向轨迹的追踪每隔5天进行一次。在5天之内, 将目标区域每个格点的降水量进行累加, 得到5天总降水量。再将5天总降水量分为100份, 以每一份的值作为阈值。每隔1 h进行一次气块的释放。如果某格点1 h累积降水量超过阈值, 则释放气块并进行后向轨迹追踪, 并且该格点释放的气块的水平位置在格点经纬度范围内随机生成, 而垂直位置则采用水量权重取样法进行确定(Dirmeyer et al, 1999)。气块在拉格朗日框架下进行后向追踪(Merril et al, 1986)。后向轨迹经过研究区域中的格点时, 每个格点的蒸发源的值是由轨迹经过该格点时的蒸发与可降水量的比值决定的, 最后将轨迹经过的所有格点的蒸发源进行累加即可得到目标区域总降水量的蒸发源分布。由QIBT追踪降水得到的蒸发源的分布可以看作其得到的水汽来源。总的蒸发源约等于目标区域的总降水量, 即气块所携带的总降水量。在内循环降水率的处理上, QIBT在每个格点上每5天输出内循环降水率的值。
在使用QIBT在青藏高原的后向轨迹追踪研究中发现, 当追踪时长设置为7天, 即: 可以解释大部分的降水量。模型中设置的后向轨迹在以下三种情况下停止追踪: （1）轨迹经过格点的累计蒸发源超过气块包含的降水量; （2）后向追踪轨迹到达研究区域边界; （3）后向轨迹追踪时间超过7天。

2.3　试验设计

为了研究不同资料或相同资料下的不同干湿情况对青藏高原内循环降水率的结果是否存在影响, 并对比这两种情况对内循环降水率影响的程度, 本研究针对两种情况分别设计了两组试验进行分析。Gao et al(2014)对青藏高原观测站点的数据分析表明, 青藏高原在2001年降水接近观测历史平均值, 因此本研究选取降水量相当于气候平均态的2001年作为典型年开展内循环降水研究。
控制试验的设计基于GLDAS地面资料与ERAI高空场数据展开。为了研究ERAI的降水和蒸发对青藏高原内循环降水率的影响, 从而设计了敏感性试验（ERAI替换试验）, 以2001年ERAI降水和蒸发替换GLDAS（图2, 图3）。将ERAI地面与高空场数据作为输入数据驱动QIBT, 分析内循环降水率结果。此外, 为了分析极端降水和蒸发对内循环降水的影响, 另外设计了一组敏感性试验（极端湿年试验和极端干年试验）, 分别以30年（1982 -2011年）相对于2001年的月平均最大和最小值为标准, 用ERAI的数据替换试验中2001年的降水和蒸发。降水和蒸发的变化百分比如表2和表3所示, 即2001年降水和蒸发的月平均替换为30年中月平均的最大和最小值, 以代表降水和蒸发的极端情况（图4）。之后将降水和蒸发极端值数据作为输入驱动QIBT, 以此分析内循环降水率结果。
表2 青藏高原平均2001年GLDAS、 ERA-Interim蒸发量以及ERA-Interim相对于GLDAS的相对误差

Table 2 Monthly evaporation in 2001 for GLDAS and ERA-Interim over the QTP, and the bias in percentage for ERA-Interim compared with GLDAS

月份 1 2 3 4 5 6 7 8 9 10 11 12 年平均
GLDAS/(mm·d-1) 0.20 0.27 0.43 0.59 0.98 1.33 1.79 1.70 1.33 0.77 0.43 0.20 0.84
ERAI/(mm·d-1) 0.23 0.34 0.57 1.19 1.67 2.01 2.41 2.18 1.72 1.01 0.38 0.23 1.16
相对误差 16% 25% 32% 103% 71% 51% 35% 28% 29% 31% -12% 13% 39%
表3 青藏高原2001年、 极端干年和极端湿年的月平均降水量以及极端湿/干年相对于2001年的百分比变化

Table 3 Monthly precipitation in 2001, extreme wet and extreme dry year over the QTP, and the relative change when the monthly precipitation in normal precipitation year (2001) is replaced with the monthly precipitation in extreme wet and extreme dry year

月份 1 2 3 4 5 6 7 8 9 10 11 12 年平均
2001年/(mm·d-1) 0.37 0.68 1.09 2.50 3.34 4.41 4.29 4.46 3.06 1.54 0.47 0.32 2.21
极端湿年/(mm·d-1) 0.81 1.25 1.78 2.60 3.77 5.51 5.96 6.15 3.73 2.05 0.80 0.49 2.91
百分比变化/% 120 84 63 4 13 25 39 38 22 33 71 53 47
极端干年/(mm·d-1) 0.17 0.41 0.87 1.60 2.64 3.40 3.69 2.99 2.51 1.06 0.20 0.11 1.64
百分比变化/% -55 -40 -20 -36 -21 -23 -14 -33 -18 -31 -58 -67 -35
图4 2001年ERA-Interim月平均降水量和蒸发量以及30年（1982 -2011年）月平均极端值

Fig.4 Variation of monthly mean precipitation and evaporation in 2001 and the maximum and the minimum monthly mean (upper and lower limit) from 1982 to 2011 in ERA-Interim

ERAI对降水和蒸发存在高估, 高估程度与极端干湿年的差值相当。相对于GLDAS, ERAI年平均降水的高估为61%（表1）, 并且对干季降水量的高估较强, 对湿季降水量的高估较弱, 在高估最严重的12月, GLDAS月平均降水量为0.11 mm·d-1, 而ERAI月平均降水量达到0.32 mm·d-1。但是对蒸发的高估却弱于降水, 年平均蒸发的高估为39%（表2）, 在干季的蒸发高估较弱, 而对湿季的蒸发高估较强, 最强的高估的月份出现在4月, GLDAS为0.59 mm·d-1, 而ERAI为1.19 mm·d-1。
表1 青藏高原2001年GLDAS、 ERA-Interim平均降水量以及ERA-Interim相对于GLDAS的相对误差

Table 1 Monthly precipitation in 2001 for GLDAS and ERA-Interim over the Qinghai-Tibetan Plateau (QTP), and the bias in percentage for ERA-Interim compared with GLDAS (QTP)

月份 1 2 3 4 5 6 7 8 9 10 11 12 年平均
GLDAS/(mm·d-1) 0.15 0.29 0.44 0.93 1.84 3.13 3.19 3.06 2.34 0.81 0.19 0.11 1.37
ERAI/(mm·d-1) 0.37 0.68 1.09 2.50 3.34 4.41 4.29 4.46 3.06 1.54 0.47 0.32 2.21
相对误差 147% 135% 148% 170% 81% 41% 35% 46% 31% 91% 145% 192% 61%
从表3中可以看出, ERAI极端湿年降水量较普通年大47%, 波动最大的1月的极端湿年降水为0.81 mm·d-1, 普通年降水为0.37 mm·d-1。另外极端干年降水量较普通年小35%, 相差最大的12月普通年降水量为0.32 mm·d-1, 而极端干年降水量仅为0.11 mm·d-1。表4显示, 极端干湿年蒸发量与普通年相差较小, 极端湿年大27%, 极端干年小20%。综合来看, 极端湿年降水较极端干年大77%, 蒸发较极端干年大30%, 因此极端湿年和极端干年的相对大小与普通年ERAI相对于GLDAS的高估程度相当。
表4 青藏高原2001年、 极端干年和极端湿年的月平均蒸发量以及极端湿/干年相对于2001年的百分比变化

Table 4 Monthly evaporation in 2001, extreme wet and extreme dry year over the QTP, and the relative change when the monthly evaporation in 2001 is replaced with the monthly evaporation in extreme wet and extreme dry year

月份 1 2 3 4 5 6 7 8 9 10 11 12 年平均
2001年/(mm·d-1) 0.23 0.34 0.57 1.19 1.67 2.01 2.41 2.18 1.72 1.01 0.38 0.23 1.16
极端湿年/(mm·d-1) 0.27 0.40 0.68 1.36 1.90 2.23 2.43 2.31 1.82 1.04 0.42 0.25 1.26
百分比变化/% 17 19 20 14 14 11 1 6 6 3 10 7 11
极端干年/(mm·d-1) 0.16 0.26 0.41 0.95 1.47 1.77 1.95 1.96 1.38 0.80 0.33 0.17 0.97
百分比变化/% -30 -25 -28 -20 -12 -12 -19 -10 -20 -21 -14 -28 -20

2.4　其他统计方法

除年平均特征外, 还分别分析了干季（10月至次年4月）和湿季（5 -9月）的内循环降水率。在内循环降水率的处理上, QIBT在每个格点上每5天输出内循环降水率的值。本研究中的年平均、 月平均和干湿季平均值均以每5天产生的内循环降水率值为基准。降水、 蒸发和内循环降水率在青藏高原的均值通过计算青藏高原边界范围内的格点平均得到。
采用Quantile-Quantile Plot(QQ-plot), 将两组数据各自的理论分位点当作横纵坐标, 观察数据散点是否在一条直线的附近, 从而验证某两组数据是否来自同一分布。并使用五点三次平滑和线性插值法分别对内循环降水率的月平均变化折线和空间分布图的格点数据进行了平滑处理。表格3和4中相对大小的百分比是由两个值做差再除以减数得到。

3 研究结果

3.1　年平均内循环降水率

以GLDAS地面资料和ERAI高空场资料（控制试验）得到的年平均内循环降水率为0.42。而高原北部大部分区域达到50%以上, 表明该区域内循环降水所占比例过半, 本地蒸发对该地区降水的贡献占主导。北部内循环降水率高于50%的区域主要分布在昆仑山脉西段和中段附近、 柴达木盆地, 以及青海东部的祁连山附近。高原西南部的羌塘高原中南部以及藏南河谷地区内循环降水率为40%~50%。高原东南部, 尤其是外部水汽来源占主导的喜马拉雅山南麓以及藏东川西的暖湿地区的内循环降水率低于40%。从图5(a)中可以看出, 青藏高原内循环降水率有明显的空间分布差异。此外内循环降水率高值区在青藏高原北部以及西南部分区域, 低值区主要分布在海拔较低的东南部区域。由此可见内循环降水率与降水有显著的空间负相关, 整体分布为东南部内循环降水率低, 西北部高。
图5 2001年青藏高原GLDAS和ERAI的内循环降水率及其差值

差值图中的正值标记为加号

Fig.5 Precipitation recycling ratio for GLDAS and ERAI and the difference between ERAI and GLDAS in 2001 over the Qinghai-Tibetan Plateau.The positive numbers are marked as plus signs in difference plot

青藏高原南部小于50%的内循环降水率表明外部的降水来源占主导, 青藏高原的这种内循环降水率空间分布, 尤其是南部内循环降水率较低的地区可能与更多的来自外部的水汽有关。一种可能的原因是较强的季风带来的外部水汽使得青藏高原东南部的内循环降水率较低, 而北部受季风影响较小的区域内循环降水率较大。这与Tian et al(2007)和Yao et al(2012)将青藏高原南北划分为季风区和非季风区的结论相一致。

3.2　再分析资料对内循环降水率的影响

以ERAI替换GLDAS地面资料作为输入后, 青藏高原年平均内循环降水率为0.28, 替换后的内循环降水率在青藏高原整体减少, 内循环降水率高于0.5的区域由青藏高原北部变为柴达木盆地东侧、 西侧以及阿里地区西部三个分散的高值区[图5(b)]。ERAI对降水和蒸发的高估, 特别是对降水的高估, 造成了内循环降水率的整体低估。高原东南部仍然是内循环降水率低值区, 特别是雅鲁藏布江下游以及川西地区内循环降水率低于0.2。在青藏高原北部边缘和柴达木盆地, ERAI对内循环降水率的低估程度甚至达到了0.3以上。而阿里地区西部以及青藏高原东南部部分地区ERAI的内循环降水率却出现了高估, 这可能与这些地区的ERAI降水量低于GLDAS有关[图5(c)]。
对于ERAI对干湿季内循环降水率的影响来说。从图6中可以看出, 全年的内循环降水率均出现低估, 湿季低估较小, 而干季低估较大。以GLDAS为地面资料的青藏高原内循环降水率最大值在1月(0.63), 最小值在8月(0.23)。在湿季为0.5以下, 而干季可以达到0.5以上。ERAI为地面资料的内循环降水率在每个月均对内循环降水率出现低估: 3月的内循环降水率最高, 为0.40, 8月的内循环降水率最低, 为0.18。虽然干湿季的低估程度不同, 但两种地面数据的结果均显示, 湿季内循环降水率低于干季。这种差异表明不论以观测资料或是再分析资料研究内循环降水率时, 湿季的外部水汽来源仍占主导, 青藏高原在湿季以夏季风带来的水汽贡献降水为主。
图6 GLDAS、 ERA-Interim、 极端湿年、 极端干年的内循环降水率的月份变化

Fig.6 Monthly variation of precipitation recycling ratio for GLDAS and for ERA-Interim in the normal precipitation year (2001), in the extreme wet year and the extreme dry year

3.3　极端干湿年对内循环降水率的影响

以ERAI极端干湿年替换GLDAS蒸发和降水替换后, 与ERAI普通年替换结果类似, 均使内循环降水率减小[图7(a), (b)]。极端干湿年对内循环降水率的影响为, 降水和蒸发越大, 内循环降水率越小。极端干年对应的内循环降水率为0.31, 极端湿年的内循环降水率为0.25。年平均内循环降水率空间分布与普通年2001年的情况类似, 同样为东南低西北高。表明极端干湿条件对内循环降水率的空间分布影响较小[图7(a), (b)]。极端干年和极端湿年的内循环降水率的空间分布的差异分布在青藏高原西北部, 中部和东部[图7(c)]。
图7 青藏高原极端干年和极端湿年的内循环降水率及其差值

Fig.7 Precipitation recycling ratio in extreme dry year, extreme wet year and difference of precipitation recycling ratio between the extreme wet year and the extreme dry year over the Qinghai-Tibetan Plateau

极端湿年的月平均内循环降水率均小于普通年2001年月平均, 而极端干年的月平均值大于2001年月平均的内循降水率。2001年内循环降水率最大值在3月（0.40）, 最小值在8月（0.18）。相较于2001年, 湿年月平均内循环降水率变化为 -17%~-5%, 平均月变化为-9%。而干年月平均内循环降水率波动范围为-32%~-2%, 平均月变化为9%。干季的内循环率波动较湿季更大(图6), 这可能与极端干湿年在干季的降水和蒸发的变化幅度较大有关（表3, 表4）。

3.4　再分析资料对内循环降水率产生影响的原因

ERAI对降水量的高估是导致ERAI内循环降水率小于GLDAS的原因。ERAI相对于GLDAS, 降水量高估61%, 而内循环降水率却低估33%。降水量每高估1%时, 对应的内循环降水率低估0.5%。ERAI极端湿年的降水量较极端干年大77%, 而内循环降水率小24%。因此对于ERAI同一套数据, 降水量变化1%, 对应内循环降水率变化0.3%。GLDAS与ERAI对内循环降水率的影响大于极端干湿年对内循环降水率的影响。这表明, 降水量干湿年变化对内循环降水率的影响小于降水资料替换的影响, 从图8中可以看出, 替换极端年降水量月数据对ERAI 6 h降水量的分布影响较小。而GLDAS与ERAI的6 h降水量分布不同, GLDAS与ERAI 6 h降水量的对应百分位的点偏离虚线较远, 可看出两套数据的6 h降水量数据分布明显不同。
图8 2001年青藏高原6 h累积降水量百分位与GLDAS, ERA-Interim极端湿年, 极端干年6 h累积降水量百分位散点分布

Fig.8 Comparison of quantiles of 6 h precipitation accumulation in normal precipitation year (2001) for ERA-Interim and GLDAS, extreme wet year and extreme dry year for ERA-Interim over the Qinghai-Tibetan Plateau

图9为GLDAS与ERA-Interim 6 h累积降水量概率密度百分比。从图9中可以看出, 在0~0.2 mm·(6h)-1的降水量区间, GLDAS的频率高于ERAI, 分别为54%和34%, 说明ERAI低估了小到中雨[0~0.2 mm·(6h)-1]的降水事件。小到中雨的降水事件的低估导致内循环降水率的低估。而ERAI在0.4~2 mm·(6h)-1的各区间内的降水发生的频率高于GLDAS, 表明ERAI降水量的高估主要是由于对大到暴雨[0.4~2 mm·(6h)-1]事件的高估。这种对大到暴雨的降水事件的高估同样导致内循环降水率的低估。同时GLDAS中6 h无降水的频率为2%, 而ERAI中未出现6 h无降水量的数据。ERAI对有无小时降水事件的反应能力较弱, 未能反映出无降水的事件。
图9 GLDAS与ERA-Interim 6 h累积降水量概率密度百分比

Fig.9 Probability density function of 6 h precipitation accumulation for GLDAS and ERA-Interim

内循环降水率的大小受到GLDAS与ERAI的降水量的影响, 且降水的小时分布的影响更大。特别是ERAI低估了小到中雨的降水事件, 且高估了大到暴雨的降水事件, 这导致了ERAI对内循环降水率的低估。

4 讨论与结论

4.1　讨论

内循环降水率与目标区域的空间分辨率存在尺度依赖关系(Eltahir et al, 1996; Dominguez et al, 2006; Dirmeyer et al, 2007), 当尺度越大时内循环降水率越大。最极端的例子是: 当目标区域为全球时, 内循环降水率为1; 而目标区域面积趋于极小值时, 内循环降水率趋于0。本研究中使用0.75°的空间分辨率, 文中的内循环降水率对应于每个空间格点, 当讨论整个青藏高原的内循环降水率时, 其值大于0.42。
本研究结果的内循环降水率的平均大小与之前Hua et al(2016)使用DRM模型的研究结果较为相似。但本研究结果中的内循环降水率仍然存在一定的不确定性。而内循环降水率的不确定性与模型的假设有很强的关联, 如FLEXPART模型(Stohl et al, 2005)中使用大气中比湿的变化来表示水汽贡献; DRM中水汽来源的计算则基于水汽平衡方程的指数表达式的解; 而QIBT假设降水的水汽来源由地表的蒸发与大气中的可降水量相除来决定, 直接将地表的蒸发与水汽来源联系起来。此外,相同框架下不同模型计算轨迹的方法也不同, QIBT和DRM使用的是Merrial et al(1986)中提到的算法而FLEXPART使用的则是Petterssen(1940)中提到的算法。
ERA5是ECMWF运营的最新一代再分析资料, 相比于ERAI, ERA5数据提供了更高的时空分辨率、 更多的历史观测数据利用到数据同化和模式系统等改进。为了对比不同再分析资料对青藏高原内循环降水率的描述能力, 本研究还探究了ERA5在2001年的内循环降水率的空间分布（图10）。结果表明: 青藏高原东南部内循环降水率与ERAI结果[图5(b)]相似, 均在0.3以下。而相比于ERAI在青藏高原西南部低于0.4的内循环降水率, ERA5的内循环降水率结果在西南部可以达到0.5以上, 青藏高原内循环降水率需要进一步进行分析和评估。
图10 基于ERA5降水量和蒸发量的2001年平均内循环降水率

Fig.10 Precipitation recycling ratio based on precipitation and evaporation in the ERA5 in 2001 over the Qinghai-Tibetan Plateau

本研究的结果表明使用的再分析资料同样会对结果造成较大不确定性, 这种不确定性超过了自然变率差异。虽然在青藏高原ERA-Interim相较于其他再分析资料能更好的反应水汽状况, 但它同其他再分析资料一样仍然对青藏高原的降水量存在高估的现象（Gao et al, 2014）。除了GLDAS等观测同化资料, WRF模式动力降尺度也可以有效减小降水和蒸发的高估, 因此之后将使用WRF模式动力降尺度数据来驱动QIBT模型从而对内循环降水率进行深入研究。
另外, 青藏高原内循环降水率受到局地降水、 蒸发、 可降水量以及大气环流等要素和过程的影响。青藏高原经历着变暖和变湿, 这些气候要素存在着年代际变化, 因此导致了内循环降水率也会存在年代际的差异。降水、 蒸发和可降水量等变量在本研究使用的QIBT模型中均作为模型的输入变量, 研究中采用的极端降水和蒸发可以表现出内循环降水率在极端干湿情况下的差异, 而多年的趋势变化以及关于内循环降水率对气候变暖的响应分析还需要进一步研究。

4.2　结论

本研究以2001年为例, 计算了青藏高原内循环降水率, 然后将GLDAS地面资料替换为ERAI数据的降水和蒸发, 评估ERAI的蒸发和降水对内循环降水率的影响。此外还将2001年替换为极端干湿年（1982 -2011年）的降水和蒸发, 进一步评估降水、 蒸发强度对内循环降水率的影响。主要结论如下:
（1） 以GLDAS观测资料的地面数据为输入的青藏高原年平均内循环降水率为0.42, 东南部内循环降水率低于西北部。ERAI高估了青藏高原的降水和蒸发, 对应内循环降水率则出现低估, 年平均值为0.28。
（2） 极端干湿年对内循环降水率的影响小于蒸发和降水数据替换对内循环降水率的低估, 内循环降水率在极端干年对应高值为0.31, 极端湿年对应低值为0.25。
（3） ERAI降水和蒸发的高估导致了内循环降水率的低估, 但小时降水量的频率分布对内循环降水率的影响更强。ERAI低估了小雨到中雨的降水事件, 且高估了大到暴雨, 导致了ERAI对内循环降水率的低估。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Brubaker K L, Dirmeyer P A, Sudradjat A, al et, 2001.A 36-yr climatological description of the evaporative sources of warm-season precipitation in the mississippi river basin[J].Journal of Hydrometeorology, 2: 537-557.

Brubaker K L, Entekhabi D, Eagleson P, 1993.Estimation of continental precipitation recycling[J].Journal of Climate, 6: 1077-1089.

Budyko M, 1974.Climate and life[M].New York: Academic Press, 508.

Budyko M, Drozdov O, 1953.Characteristics of the moisture circulation in the atmosphere[J].Izvestiya Akademii Nauk Sssr, Seriya Geologicheskaya, 4: 5-14.

Burde G, Zangvil A, 2001.The estimation of regional precipitation recycling.Part i: Review of recycling models[J].Journal of Climate, 14: 2497-2508.

Burde G I, 2006.Bulk recycling models with incomplete vertical mixing.Part i: Conceptual framework and models[J].Journal of Climate, 19: 1461-1472.

Curio J, Maussion F, Scherer D, 2015.A 12-year high-resolution climatology of atmospheric water transport over the tibetan plateau[J].Earth System Dynamics, 6: 109-124.

Chen B, Xu X D, Yang S, al et, 2012.On the origin and destination of atmospheric moisture and air mass over the tibetan plateau[J].Theoretical and Applied Climatology, 110: 423-435.

Dee D P, Uppala S, 2009.Variational bias correction of satellite radiance data in the era-interim reanalysis[J].Quarterly Journal of the Royal Meteorological Society, 135: 1830-1841.

Dee D P, Uppala S, Simmons A, al et, 2011.The era-interim reanalysis: Configuration and performance of the data assimilation system[J].Quarterly Journal of the Royal Meteorological Society, 137: 553–597.

Dirmeyer P A, Brubaker K L, 2007.Characterization of the global hydrologic cycle from a back-trajectory analysis of atmospheric water vapor[J].Journal of Hydrometeorology, 8: 20-37.

Dirmeyer P A, Brubaker K L, 1999.Contrasting evaporative moisture sources during the drought of 1988 and the flood of 1993[J].Journal of Geophysical Research: Atmospheres, 104: 19383-19397.

Dominguez F, Kumar P, Liang X Z, al et, 2006.Impact of atmospheric moisture storage on precipitation recycling[J].Journal of Climate, 19: 1513-1530.

Eltahir E A, Bras R L, 1996.Precipitation recycling[J].Reviews of Geophysics, 34: 367-378.

Farr T G, Rosen P A, Caro E, al et, 2007.The shuttle radar topography mission[J].Reviews of Geophysics, 45, RG2004.

Gao Y, Cuo L, Zhang Y, 2014.Changes in moisture flux over the tibetan plateau during 1979 -2011 and possible mechanisms[J].Journal of Climate, 27: 1876-1893.

Guo Y, Wang C, 2014.Trends in precipitation recycling over the qinghai-xizang plateau in last decades[J].Journal of Hydrology, 517: 826-835.

Harding K J, Snyder P K, 2012.Modeling the atmospheric response to irrigation in the great plains.Part ii: The precipitation of irrigated water and changes in precipitation recycling[J].Journal of Hydrometeorology, 13: 1687-1703.

Hua L, Zhong L, Ke Z, 2016.Precipitation recycling and soil-precipitation interaction across the arid and semi‐arid regions of China[J].International Journal of Climatology, 36: 3708-3722.

Kurita N, Yamada H, 2008.The role of local moisture recycling evaluated using stable isotope data from over the middle of the tibetan plateau during the monsoon season[J].Journal of Hydrometeorology, 9: 760-775.

McDonald J E, 1962.The evaporation‐precipitation fallacy[J].Weather, 17: 168-177.

Merrill J T, Bleck R, Boudra D, 1986.Techniques of lagrangian trajectory analysis in isentropic coordinates[J].Monthly Weather Review, 114: 571-581.

Petterssen S, 1940.Weather analysis and forecasting[M].New York, NY, USA: McGraw-Hill Book Company, 221-223.

Rodell M, Houser P R, Jambor U, al et, 2004.The global land data assimilation system[J].Bulletin of the American Meteorological Society, 85: 381-394.

Salati E, Dall'Olio A, Matsui E, al et, 1979.Recycling of water in the amazon basin: An isotopic study[J].Water Resources Research, 15: 1250-1258.

Stohl A, Forster C, Frank A, al et, 2005.The lagrangian particle dispersion model flexpart version 6.2[J].Atmospheric Chemistry and Physics, 5: 2461-2474.

Tian L, Yao T, MacClune K, al et, 2007.Stable isotopic variations in west china: A consideration of moisture sources[J].Journal of Geophysical Research: Atmospheres, 112:D10112.

Trenberth K E, 1998.Atmospheric moisture residence times and cycling: Implications for rainfall rates and climate change[J].Climatic Change, 39: 667-694.

Tuinenburg O, Hutjes R, Kabat P, 2012.The fate of evaporated water from the ganges basin[J].Journal of Geophysical Research: Atmospheres, 117:D01107.

Van der Ent R J, Savenije H H, Schaefli B, al et, 2010.Origin and fate of atmospheric moisture over continents[J].Water Resources Research, 46(9): W09525.

Van der Ent R V, Tuinenburg O A, Knoche H R, al et, 2013.Should we use a simple or complex model for moisture recycling and atmospheric moisture tracking[J].Hydrology and Earth System Sciences Discussions, 17: 4869-4884.

Wei J F, Dirmeyer P A, Bosilovich M G, al et, 2012.Water vapor sources for yangtze river valley rainfall: Climatology, variability, and implications for rainfall forecasting[J].Journal of Geophysical Research:Atmospheres, 117, D05126.

Xu Y, Gao Y, 2019.Quantification of evaporative sources of precipitation and its changes in the southeastern tibetan plateau and middle yangtze river basin[J].Atmosphere, 10: 428.

Yao T, Thompson L, Yang W, al et, 2012.Different glacier status with atmospheric circulations in tibetan plateau and surroundings[J].Nature Climate Change, 2: 663-667.

Zhang C, Tang Q, Chen D, 2017.Recent changes in the moisture source of precipitation over the tibetan plateau[J].Journal of Climate, 30: 1807-1819.

Zhang C, Tang Q, Chen D, al et, 2019.Moisture source changes contributed to different precipitation changes over the northern and southern tibetan plateau[J].Journal of Hydrometeorology, 20(2): 217-229.

常姝婷, 刘玉芝, 华珊, 等, 2019.全球变暖背景下青藏高原夏季大气中水汽含量的变化特征[J].高原气象, 38(2): 227-236.DOI: 10.7522/j.issn.1000-0534.2018.00080.

陈丹, 周长艳, 齐冬梅, 2019.夏季青藏高原及周边大气热源与四川盆地暴雨的关系[J].高原气象, 38(6): 1149-1157.DOI: 10.7522/j.issn.1000-0534.2019.00041.

康红文, 谷湘潜, 付翔, 等, 2005.我国北方地区降水再循环率的初步评估[J].应用气象学报, 16(2): 139-147.

李若麟, 2017.北半球干旱区降水转化和再循环特征及其在全球变暖背景下的变化[D].兰州: 兰州大学.

刘菊菊, 游庆龙, 王楠, 2019.青藏高原夏季云水含量及其水汽输送年际异常分析[J].高原气象, 38(3): 449-459.DOI: 10. 7522/j.issn.1000-0534.2018.00138.

苏涛, 卢震宇, 周杰, 等, 2014.全球水汽再循环率的空间分布及其季节变化特征[J].物理学报, 63(9): 457-466.

徐丽娇, 胡泽勇, 赵亚楠, 等, 2019.1961—2010年青藏高原气候变化特征分析[J].高原气象, 38(5): 911-919.DOI: 10.7522/j.issn.1000-0534.2018.00137.

伊兰, 陶诗言, 1997.一个降水再循环模型的建立及分析[J].水科学进展, 8(3): 205-211.

赵天保, 符淙斌, 柯宗建, 等, 2010.全球大气再分析资料的研究现状与进展[J].地球科学进展, 25(3): 242-254.

朱丽, 刘蓉, 王欣, 等, 2019.基于FLEXPART模式对黄河源区盛夏降水异常的水汽源地及输送特征研究[J].高原气象, 38(3): 484-496.DOI: 10.7522/j.issn.1000-0534.2019.00015.

Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn