Comparative Study on the Sources of Precipitation Water Vapor in the Shaliu River Basin of Qinghai Lake in Abnormal Climate Years

  • Zhigang WANG ,
  • Shengkui CAO ,
  • Guangchao CAO ,
  • Youcai WANG ,
  • Ligang KANG
Expand
  • 1. College of Geographical Sciences,Qinghai Normal University,Xining 810008,Qinghai,China
    2. Qinghai Provincial Key Laboratory of Physical and Environmental Processes,Xining 810008,Qinghai,China
    3. Academy of Plateau Science and Sustainability,People’s Government of Qinghai Province & Beijing Normal University,Xining 810008,Qinghai,China

Received date: 2021-03-15

  Revised date: 2021-05-25

  Online published: 2022-11-03

Cite this article

Zhigang WANG , Shengkui CAO , Guangchao CAO , Youcai WANG , Ligang KANG . Comparative Study on the Sources of Precipitation Water Vapor in the Shaliu River Basin of Qinghai Lake in Abnormal Climate Years[J]. Plateau Meteorology, 2022 , 41(5) : 1153 -1160 . DOI: 10.7522/j.issn.1000-0534.2021.00048

1 引言

气候变化在深刻改变全球水文循环和水资源分布(董立俊等, 2019)。随着全球气候变暖(赵倩倩等, 2021), 气候异常事件发生频率和强度显著增加(董思言和高学杰, 2014), 造成水汽源区对流和大尺度演变过程发生变化(段连强等, 2020), 显著影响全球水汽输送和水文循环(程国微等, 2020)。厄尔尼诺和拉尼娜事件作为一种大尺度的海-气相互作用的极端气候现象, 该事件的发生对全球水汽输送和降水强度会造成显著影响(吴萍等, 2017秦甲等, 2011袁良和何金海, 2013)。例如, 2017年和2019年是最近一次发生拉尼娜(滕宇威等, 2020)和厄尔尼诺陆化杰等, 2020)的年份, 探究气候异常年份降水水汽来源和输送途径对深入理解青藏高原东北部水资源平衡具有重要意义。
青藏高原被称为“亚洲水塔”(姚檀栋等, 2019), 近年来青藏高原趋于暖湿化, 其升温幅度超过全球同期平均升温率的2倍, 气温每10年增加0.3~0.4 ℃; 降水量增加速率约为2.2%·(10a)-1陈德亮等, 2015)。青藏高原作为一个水汽“转运站”, 其水汽收支对高原及附近地区的降水分布和水循环具有重要影响(Chen et al, 2012赫小红等, 2020), 深刻影响亚洲地区以及全球的水循环(汤秋鸿等, 2019)。青藏高原降水水汽来源研究目前已受到广泛关注, 现有研究表明夏半年输送至青藏高原的水汽通道主要有三条, 分别为西风带、 印度洋-孟加拉湾和南海-孟加拉(王霄等, 2009); 曾钰婷等(2020)揭示那曲地区夏季水汽来源有5条输送路径; 李江萍等(2012)发现玛曲地区夏季强降水水汽主要来源于偏南的海洋气流。可见, 青藏高原不同区域水汽来源存在差异性。为了精确研究青藏高原水汽来源, Zhang et al(2016)利用Water Accounting Model (WAM)模型对青藏高原降水水汽来源进行追踪, 指出大部分水汽源于西风带和高原以南、 以东的季风控制区。杨梅学等(2004)利用同位素分析法指出藏北高原夏季的水汽源于孟加拉湾、 印巴次大陆和阿拉伯海。李生辰等(2009)利用欧拉法分析了三江源地区水汽输送特征发现特殊天气系统影响不同边界的水汽输送存在明显的季节差异。可见, 研究方法差异可能会造成青藏高原不同区域的降水水汽来源存在差异。WAM模型和同位素方法受观测气象数据参数精确度影响, 而欧拉法计算水汽通量具有瞬时性( James et al, 2004曾钰婷等, 2020), 不能客观分析水汽输送通道, 拉格朗日方法却弥补了其他方法缺陷, 能更加客观、 定量分析出不同水汽通道, 明确各通道的相对重要性(曾钰婷等, 2020)。
沙柳河流域位于青海湖北岸, 是青海湖流域第二大河流, 流域面积占青海湖流域1/12, 年径流量却占1/5 (Cui and Li, 2015雷义珍等, 2020), 流域内植被类型齐全, 相对高差较大, 整个流域较周边地区相对封闭和完整 (雷义珍等, 2020), 是研究水汽来源的典型区域。为此本文选取沙柳河流域作为典型研究区域, 利用HYSPLIT拉格朗日模式分析气候异常年份沙柳河流域降水水汽来源路径的异同性, 为该流域水循环研究提供了数据基础与理论支撑。

2 数据来源与方法介绍

2.1 研究区概况

沙柳河又名伊克乌兰河, 位于青藏高原东北部, 青海湖北部, 发源于刚察县境内第一高峰桑斯扎山南麓 (杨羽帆等, 2020), 是青海湖流域第二大河(图1)。沙柳河流域(37°10′55.92″N -37°51′2.16″N, 99°37′10.20″E -100°17′9.96″E)面积为1679.2 km2, 属于半干旱温带大陆性气候, 年平均气温约0.1 ℃, 年降水量约400 mm, 年蒸发量约1300 mm, 降水主要集中在夏季(杨羽帆等, 2020)。植物类型以亚高山草甸为主, 其次为山地草原, 主要土壤类型有沼泽草甸土、 栗钙土等(乔凯和郭伟, 2016兰垚等, 2020)。
图1 沙柳河流域位置

Fig.1 Location of the Shaliu river basin

2.2 数据来源及模式介绍

HYSPLIT模式所涉及的气象数据来源于美国海洋大气局(NOAA)国家环境预报中心(NCEP)的GDAS(全球资料系统)(ftp: //arlftp.arlftp.noaa.gov/pub/archives/gdas1)数据, 该数据时间分辨率为3 h, 空间分辨率为1°×1°。沙柳河流域附近地区年均降水量、 年均气温和年均日照时数数据均来源于青海省生态环境厅 (http: //sthjt.qinghai.gov.cn) 的青海省生态环境状况公报。
HYSPLIT模式分析水汽气团的来向, 其计算方法为: 假设质点的轨迹随风场运动, 通过空间和时间的线性插值得到三维速度矢量, 最终模拟的轨迹为质点在空间和时间上位置矢量的积分, 计算公式如下(江志红等, 2013曾钰婷等, 2020):
P ' ( t + Δ t ) = P ( t ) + V ( p , t ) Δ t
P ( t + Δ t ) = P ( t ) + 0.5 [ V ( p , t ) + V ( P ' , t + Δ t ) ] Δ t
式中: Δ t为时间步长; P ( t )为气块初始位置; V ( p , t )为初始位置的三维速度矢量; P ' ( t + Δ t )为气块初始假想位置; V ( P ' , t + Δ t )为初始假想位置的三维速度矢量; P ( t + Δ t )为气块的最终位置。

2.3 后向轨迹模拟设定及轨迹聚类分析法

为了更好地研究青海湖沙柳河流域降水水汽来源及输送特征, 先在流域内选取模拟点的经纬度坐标(37.73°N, 100.08°E), 输入模拟起止时间, 设定距离该地点近地面500 m和1000 m为模拟初始高度, 得到模拟时长间隔2 h(总模拟时长96 h)的水汽来源后向轨迹, 即原始轨迹。再利用TrajStat 模式里面轨迹聚类计算, 得到水汽来源轨迹聚类。
轨迹聚类分析原理是将距离较近的轨迹归类, 并运算得到相邻轨迹每小时停留时间的经纬度, 以此获得最终平均轨迹(Wang et al, 2009)。后向轨迹聚类通过计算每对轨迹组合的空间相异度(SPVAR)总空间相异度(TSV)对所有达到模式受点区域的气团轨迹进行分组聚类(Draxler and Hess, 1998)。SPVAR计算公式如下(Wang, 2012):
S P V A R = j = 1 x i = 1 t - D i j 2
式中: D i j 为第i条轨迹中第j个小时的停留点到平均轨迹相应点的距离; t为轨迹时间长度; x为该聚类中的轨迹条数; TSV为所有聚类的SPVAR之和 (童佳荣等, 2016)。

3 结果分析

3.1  1月降水水汽来源比较

2017年和2019年1月沙柳河流域降水水汽来源如图2所示, 聚类分析表明, 2017年1月距近地面500 m高度, 其降水水汽来源西北向和西南向, 所占比例分别为44.53%和55.47%; 距近地面1000 m高度, 其降水水汽来自西北向和西南向, 所占比例分别为44.91%和55.09%[图2(a), (b)]。2019年1月距近地面500 m和1000 m降水水汽主要来源于西向[图2(c), (d)]。以上结果说明, 2017年流域水汽主要来源于西向和西北向; 2019年主要来源于西向。在模拟高度上, 500 m高度2019年1月降水水汽来源较2017年1月西北向水汽输送减弱, 西向水汽输送加强, 升至1000 m高空中, 西向水汽输送增强。从原始轨迹来看, 2019年1月存在东向水汽输送轨迹, 500 m高度表现尤为明显。
图2 2017年和2019年1月沙柳河流域500 m和1000 m高度水汽来源

Fig.2 Sources of water vapor at 500 m and 1000 m height in the Shaliu river basin in January of 2017 and 2019

3.2  4月份降水水汽来源对比

2017年4月距近地面500 m高度, 其降水水汽来源于西北向和西向, 所占比例分别为80.88%和19.12%; 距地面1000 m高度, 其水汽来源于西北方向, 所占比例为100% [图3(a), (b)]。2019年4月距近地面500 m高度, 降水水汽来源于西北向和东北向, 其所占比例分别为65.13%和34.87%; 距近地面1000 m高度, 降水水汽来源于西北方向, 其所占比例为100%[图3(c), (d)]。对比4月水汽来源, 结果表明在水汽来源方向上, 2017年水汽来源单一, 主要来源于西北方向; 2019年主要来源于西北向、 东北向。在模拟高度上, 2019年4月西向水汽输送较2017年减少, 东北向水汽输送增加, 东北向水汽输送在500 m高度占据比例达到34.87%。 水汽来源的原始轨迹显示, 2019年4月东向水汽输送轨迹较2017年明显偏多(图3)。
图3 2017年和2019年4月沙柳河流域500 m和1000 m高度水汽来源

Fig.3 Sources of water vapor at 500 m and 1000 m height in the Shaliu river basin in April of 2017 and 2019

3.3  7月降水水汽来源对比

2017年7月距近地面500 m高度, 其降水水汽来源于西北向和东向, 其所占比例分别为31.74%和66.25%; 距地面1000 m高度, 其水汽来源于西北向和东向方向, 其所占比例分别为44.14%和55.86% [图4(a), (b)]。2019年7月距近地面500 m高度, 降水水汽来源于西北向和东向, 其所占比例分别为68.98%和31.02%; 距近地面1000 m高度, 降水水汽来源于西向, 北向、 和东北向, 其所占比例分别为28.29%, 43.67%和28.04% [图4(c), (d)]。对比7月水汽来源, 发现在水汽来源方向上, 2017年7月东向水汽输送增加; 2019年7月500 m高度主要以西北向水汽输送为主导, 1000 m高度中主要以东北向水汽输送为主导。在不同模拟高度上, 2019年7月流域500 m高度西向和东向水汽输送较2017年减少, 西北向水汽输送增强。升至1000 m高空中, 2019年7月东向水汽输送减少; 2019年7月北向和东北向水汽输送增强。
图4 2017年和2019年7月沙柳河流域500 m和1000 m高度水汽来源

Fig.4 Sources of water vapor at 500 m and 1000 m height in the Shaliu river basin in July of 2017 and 2019

3.4  9月降水水汽来源对比

2017年9月距近地面500 m高度, 降水水汽来源于西向和东北向, 其所占比例分别为66.16%和33.85%; 距近地面1000 m高度, 降水水汽均来源于西向和东北向, 其所占比例分别为85.64%和14.36% [图5(a), (b)]。2019年9月距近地面500 m降水水汽来源于西向、 北向和东向, 其所占比例分别为23.85%, 24.36%和51.79%; 距近地面1000 m降水水汽来源于西向、 西北向和东向其所占比例分别为10%, 54.87%和35.13% [图5(c), (d)]。对比9月水汽来源结果, 在水汽来源方向上, 2017年9月流域降水水汽主要来源于西向和东北向, 2019年9月主要来源于东向。在不同模拟高度上, 2019年9月流域500 m高度东向、 北向水汽输送较2017年9月增强; 升至1000 m高空中, 2019年9月东向水汽输送较2017年增强。水汽来源的原始轨迹显示, 2019年9月东向水汽来源轨迹强于2017年7月和2019年7月, 2019年9月东向水汽输送持续时间较长(图5)。
图5 2017年和2019年9月沙柳河流域500 m和1000 m高度水汽来源

Fig.5 Sources of water vapor at 500 m and 1000 m height in the Shaliu river basin in September of 2017 and 2019

4 讨论

4.1 与青藏高原其他地区水汽来源的对比

研究结果显示2017年1月、 4月和9月青海湖沙柳河流域水汽主要来自西风输送, 7月水汽主要来自东亚季风输送; 2019年1月和4月水汽主要来自于西风, 7月和9月主要来自东亚季风。Cui and Li (2015)利用稳定同位素法研究了青海湖流域降水水汽来源认为6 -8月降水水汽来源受东南季风影响, 其他月份降水水汽来源受西风环流; 6月和9月流域会发生大气环流的转变; Li et al (2015)研究祁连山葫芦沟流域水汽来源结果表明夏季水汽主要来源于东南季风, 其他季节水汽主要来源西风。与前人研究结果比较发现, Cui and Li (2015)Li et al (2015)等研究结果与2017年及2019年1月和4月的沙柳河流域降水水汽来源基本一致。但是9月水汽来源不同, 2017年和2019年分别来自西风和东亚季风。存在此种差异可能与2017年和2019年分别为拉尼娜和厄尔尼诺发生期有关。汪少勇等(2019)研究长江源区降水水汽来源发现5 -10月其水汽主要来自西南季风携带的海洋性水汽、 局地蒸发水汽及西风水汽, 其贡献比例分别为43%, 36%和21%; 权晨等(2016)的研究表明6月三江源区水汽主要来自于青藏高原西侧的水汽输送, 7月主要来自于阿拉伯海。这与Cui and Li (2015)认为青海湖流域夏季降水水汽受东南季风影响差异较大, 这是由于唐古拉山的阻隔, 导致西南季风无法到达青海湖流域。此外, 在水汽贡献比例上, 本研究聚类分析表明两年7月青海湖沙柳河流域西向水汽占比例为40%左右, 与汪少勇等(2019)研究结果反差较大, 这与2017年和2019年为气候异常年份密切相关。

4.2 气候异常对青海湖沙柳河流域降水水汽来源的影响

2017年在拉尼娜状态的影响下, 海洋性大陆和赤道东太平洋均呈现出异常纬向环流圈, 上升支在海洋性大陆至赤道西太平洋地区, 下沉向位于赤道中东太平洋(梁萍等, 2019)。经向方向上, 海洋性大陆至赤道西太平洋地区的上升气流有利于增强哈得来环流, 进而促使副热带高压西伸加强, 加剧了北方寒潮大风频繁出现, 降雨量却持续偏少(梁萍等, 2019)。2017年从春季以来, 北极涛动多为负位相, 使极地冷空气南压, 在亚洲中北部维持时间较长(海显莲等, 2018), 促使冷空气势力加强。2017年秋季, 北半球极涡偏向东亚地区, 贝加尔湖低压槽多冷空气分裂南下, 西太平洋副热带高压异常偏强偏西, 西部地区处于水汽输送弱辐散区, 导致降水偏少(梁萍等, 2019)。此现象的发生, 深刻的影响了2017年1月、 4月和9月青海湖沙柳河流域的降水水汽来源, 加剧了西向水汽输送强度, 缩短了东向水汽输送时间。
2019年在厄尔尼诺状态影响下, 副热带高压面积偏大, 强度偏强, 脊点位置偏西, 脊线位置偏北, 副热带高压分为东、 西两段(孙林海等, 2020), 东段位于130°E以东的西北太平洋地区, 位置较常年同期偏北, 引导水汽向我国北部地区输送(孙林海等, 2020)。此外, 环绕西段副热带高压的反气旋控制我国西南部至青藏高原南部, 使我国西部地区形成弱的水汽通量的辐合, 有利于增加我国西部降水量(孙林海等, 2020)。2019年冬季风强度存在显著的季节阶段性变化特征(赵俊虎等, 2020), 西伯利亚高压存在异常偏弱现象, 北极极涡较常年相对偏强, 北方涛动多呈偏强的正位相, 欧亚中高纬度主要是纬向环流(包庆等, 2019赵俊虎等, 2020), 有利于北向和东向水汽向沙柳河流域输送。此类现象的发生, 深刻地影响了2019年4月和9月青海湖沙柳河流域降水水汽来源, 减弱了西向水汽输送强度, 增加了东北向水汽输送路径, 延长了东向水汽输送时间。
综上, 2017年拉尼娜发生期加剧了沙柳河流域典型月份降水水汽西向输送强度, 缩短了东向水汽输送时间; 2019年厄尔尼诺发生期减弱了沙柳河流域典型月份降水水汽西向输送强度, 增加了北向水汽输送路径, 延长了东向水汽输送时间。可见, 对比厄尔尼诺和拉尼娜发生期, 在厄尔尼诺年青海湖沙柳河流域东向水汽来源提前, 持续时间较长, 直到9月后才开始减弱; 拉尼娜年则相反。在此情况下, 厄尔尼诺年有利于青海湖沙柳河流域降水的增加(表1)。厄尔尼诺发生期比拉尼娜发生期沙柳河附近地区气候发生显著变化(表1), 厄尔尼诺发生期三江源区、 青海湖流域和祁连山区年均降水量明显增加, 年均气温和年均日照时数均明显减少。其中三江源区年均降水量增幅最大, 祁连山区次之, 青海湖流域最小, 存在明显的区域差异性。
表1 2017年和2019年沙柳河流域附近地区年均气温, 降水量和日照时数

Table 1 Annual average temperatureprecipitation and sunshine hours in the vicinity of the Shaliu river basin in 2017 and 2019

年份 地区 年均气温 /℃ 年均降水量 /mm 年均日照 时数/h
2017年 三江源区 2.4 486.1 2647.3
青海湖流域 2.7 480.3 2930.6
祁连山区 4.7 437.4 2785.9
2019年 三江源区 2.0 601.6 2390.1
青海湖流域 2.1 495 2698.9
祁连山区 4.2 461.5 2579.2
气候异常会造成青海湖沙柳河流域水汽来源输送比例和降水量的变化, 这不仅有利于未来青海湖沙柳河流域水汽循环研究, 还为青藏高原东北部降水水汽来源研究提供了理论依据。当然, 本研究没有考虑到局地蒸发水汽对沙柳河流域水汽来源的影响, 尤其是青海湖的湖泊效应影响, 未来理应借助合适的方法进一步研究局地蒸发水汽对沙柳河流域降水水汽来源的影响。

5 结论

通过HYSPLIT拉格朗日模式进行气候异常年份青海湖沙柳河流域降水水汽来源及输送特征的对比研究, 得出以下结论:
(1) 2017年和2019年青海湖沙柳河流域水汽来源主要以西向和东向水汽输送为主, 其水汽来源以西风环流和东南季风进行水汽输送, 西南季风输送水汽无法到达。
(2) 2017年和2019年青海湖沙柳河流域水汽输送时间变化特征是4月前以西向水汽输送为主, 4月后西向水汽输送逐渐减弱, 东向水汽开始输送, 其到9月水汽输送开始减弱。然而, 2019年东向水汽开始输送时间较2017年早, 东向水汽输送减弱较2017年晚, 东向水汽输送一直持续到9月末。
(3) 2017年拉尼娜发生期加剧了沙柳河流域降水水汽西向输送强度, 缩短了东向水汽输送时间; 2019年厄尔尼诺发生期减弱了流域降水水汽西向输送强度, 延长了东向水汽输送时间, 造成青海湖沙柳河流域年均降水量的增加, 年均气温的降低。

References

null
Chen B Xu X D Yang S, et al, 2012.On the origin and destination of atmospheric moisture and air mass over the Tibetan Plateau[J].Theoretical & Applied Climatology110(3): 423-435.
null
Cui B L Li X Y2015.Stable isotopes reveal sources of precipitation in the Qinghai Lake Basin of the northeastern Tibetan Plateau[J].Science of the Total Environment527/528: 26-37.
null
Draxler R R Hess G D1998.An overview of the HYSPLIT_4 modelling system for trajectories[J].Australian Meteorological Magazine, 47: 295-308.
null
James P Stohl A Spichtinger N, et al, 2004.Climatological aspects of the extreme European rainfall of August 2002 and a trajectory method for estimating the associated evaporative source regions[J].Natural Hazards and Earth System Sciences4(5/6): 733-746.
null
Li Z X Gao Y Wang Y M, et al, 2015.Can monsoon moisture arrive in the Qilian Mountains in summer?[J].Quaternary International, 358: 113-125.
null
Wang Y Q2012.MeteoInfo: GIS software for meteorological data visualization and analysis[J].Meteorological Applications21(2): 360-368.
null
Wang Y Q Zhang X Y Draxler R R2009.TrajStat: GIS-based software that uses various trajectory statistical analysis methods to identify potential sources from long-term air pollution measurement data[J].Environmental Modelling & Software24(8): 938-939.
null
Zhang C Tang Q H Chen D L2016.Recent changes in the moisture source of precipitation over the Tibetan Plateau[J].Journal of Climate, 2016: JCLI-D-15-0842.1.
null
包庆, 吴小飞, 李矜霄, 等, 2019.2018~2019年秋冬季厄尔尼诺和印度洋偶极子的预测[J].科学通报64(1): 73-78.
null
曾钰婷, 张宇, 周可, 等, 2020.青藏高原那曲地区夏季水汽来源及输送特征分析[J].高原气象39(3): 467-476.DOI: 10.7522/j.issn.1000-0534.2019.00120 .
null
陈德亮, 徐柏青, 姚檀栋, 等, 2015.青藏高原环境变化科学评估: 过去、 现在与未来[J].科学通报60(32): 3023-3035.
null
程国微, 杜展鹏, 严长安, 等, 2020.水质监测频率与极端气候对高原湖泊入湖河流氮磷通量估算的影响[J].环境科学学报40(11): 3982-3989.
null
董立俊, 董晓华, 曾强, 等, 2019.气候变化条件下雅砻江流域未来径流变化趋势研究[J].气候变化研究进展15(6): 596-606.
null
董思言, 高学杰, 2014.长期气候变化——IPCC第五次评估报告解读[J].气候变化研究进展10(1): 56-59.
null
段连强, 刘风华, 苏永军, 等, 2020.中国东部季风区降水δ~(18)O与ENSO事件的关系[J].灌溉排水学报39(9): 138-144.
null
海显莲, 巨克英, 戴升, 等, 2018.2017年春季以来青海异常气候特征及其对生态环境影响[A].中国气象学会.第35届中国气象学会年会S6应对气候变化、 低碳发展与生态文明建设[C].中国气象学会: 中国气象学会, 2018: 6.
null
赫小红, 宋敏红, 周梓萱, 2020.夏季青藏高原空中云水资源的时空特征分析[J].高原气象39(6): 1339-1347.DOI: 10.7522/j.issn.1000-0534.2019.00135 .
null
江志红, 任伟, 刘征宇, 等, 2013.基于拉格朗日方法的江淮梅雨水汽输送特征分析[J].气象学报71(2): 295-304.
null
兰垚, 曹生奎, 曹广超, 等, 2020.青海湖流域植被碳利用效率时空动态研究[J].生态科学39(4): 156-166.
null
雷义珍, 曹生奎, 曹广超, 等, 2020.青海湖沙柳河流域不同时期地表水与地下水的相互作用[J].自然资源学报35(10): 2528-2538.
null
李江萍, 杜亮亮, 张宇, 等, 2012.玛曲地区夏季强降水的环流分型及水汽轨迹分析[J].高原气象31(6): 1582-1590.
null
李生辰, 李栋梁, 赵平, 等, 2009.青藏高原“三江源地区”雨季水汽输送特征[J].气象学报67(4): 591-598.
null
梁萍, 周兵, 马悦, 等, 2019.2017年秋季华西秋雨的多时间尺度变化特征及成因分析[J].气象45(8): 1104-1112.
null
陆化杰, 王洪浩, 刘凯, 等, 2020.厄尔尼诺发生期冬春季西北印度洋鸢乌贼耳石外形生长特性[J].生态学杂志39(11): 3694-3703.
null
乔凯, 郭伟, 2016.青海湖流域植被的净初级生产力估算[J].水土保持通报36(6): 204-209.
null
秦甲, 丁永建, 叶柏生, 等, 2011.两类El Nio事件对我国河西走廊地区水文气象要素的影响[J].高原气象30(5): 1279-1285.
null
权晨, 陈斌, 赵天良, 等, 2016.拉格朗日水汽源诊断方法在三江源区的应用[J].应用气象学报27(6): 688-697.
null
孙林海, 王永光, 2020.2019年秋季我国气候异常及成因分析[J].气象46(4): 566-574.
null
汤秋鸿, 刘星才, 周园园, 等, 2019.“亚洲水塔”变化对下游水资源的连锁效应[J].中国科学院院刊34(11): 1306-1312.
null
滕宇威, 张文君, 刘超, 等, 2020.ENSO空间形态变异对ENSO-IOD关系年代际减弱的可能作用[J].气象学报78(2): 210-220.
null
童佳荣, 周明亮, 孙自永, 等, 2016.基于D、 18O同位素和HYSPLIT4气团轨迹模型的黑河上游降水水汽来源研究[J].干旱区资源与环境30(7): 151-156.
null
汪少勇, 王巧丽, 吴锦奎, 等, 2019.长江源区降水氢氧稳定同位素特征及水汽来源[J].环境科学40(6): 2615-2623.
null
王霄, 巩远发, 岑思弦, 2009.夏半年青藏高原"湿池"的水汽分布及水汽输送特征[J].地理学报64(5): 601-608.
null
吴萍, 丁一汇, 柳艳菊, 2017.厄尔尼诺事件对中国夏季水汽输送和降水分布影响的新研究[J].气象学报75(3): 371-383.
null
杨梅学, 姚檀栋, 田立德, 等, 2004.藏北高原夏季降水的水汽来源分析[J].地理科学24(4): 426-431.
null
杨羽帆, 曹生奎, 曹广超, 等, 2020.青海湖沙柳河流域浅层地下水不同时期补给特征[J].干旱区地理43(3): 633-643.
null
姚檀栋, 邬光剑, 徐柏青, 等, 2019.“亚洲水塔”变化与影响[J].中国科学院院刊34(11): 1203-1209.
null
袁良, 何金海, 2013.两类ENSO对我国华南地区冬季降水的不同影响[J].干旱气象31(1): 24-31.
null
赵俊虎, 宋文玲, 柯宗建, 2020.2019/2020年冬季我国暖湿气候特征及成因分析[J].气象46(7): 982-993.
null
赵倩倩, 张京朋, 赵天保, 等, 2021.2000年以来中国区域植被变化及其对气候变化的响应[J].高原气象40(2): 292-301.DOI: 10.7522/j.issn.1000-0534.2020.00025 .
Outlines

/