Spatial and Temporal Variations of Cloud Parameters over the Qinghai-Xizang Plateau during the Past Two Decades

Jingshu ZHANG; Linhai JING; Siyuan WANG

doi:10.7522/j.issn.1000-0534.2022.00081

Plateau Meteorology >

2023 , Vol. 42 >Issue 5: 1107 - 1118

DOI: https://doi.org/10.7522/j.issn.1000-0534.2022.00081

Spatial and Temporal Variations of Cloud Parameters over the Qinghai-Xizang Plateau during the Past Two Decades

Jingshu ZHANG ,
Linhai JING ,
Siyuan WANG

Expand

1. Key Laboratory of Digital Earth Science，Aerospace Information Research Institute，Chinese Academy of Sciences，Beijing 10094. China
2. International Reasearch Center of Big Data for Sustainable Development Goals，Beijing 100094，China
3. College of Resources and Environment，University of Chinese Academy of Sciences，Beijing 100049，China
4. Research Center for Eco-Environmental Sciences，Chinese Academy of Sciences，Beijing 100085，China

Received date: 2022-06-29

Revised date: 2022-08-31

Online published: 2023-09-26

Fold

Abstract

Accurate estimation of cloud cover is the basis for understanding the spatial and temporal characteristic of cloud parameters on the Qinghai-Xiznag Plateau （QXP）.The dynamic changes in cloud distribution on the Qinghai-Xiznag Plateau are analyzed by the correlation analysis， regression analysis and trend analysis method.Using the MODIS cloud daily product （MOD08_D3） data and ERA5 reanalysis data from 2000 to 2020， the temporal and spatial characteristics of cloud distribution and cloud parameters in different phases over the Tibetan Plateau are analyzed.The results show that the high cloud cover center is located in Medog County （77.3%）， and Nyingchi （72.5%） is the maximum cloud cloud-covered area.The total cloud cover over the QXP has decreased by 0.04% in the past 21 years.Regarding seasonal distribution， the probability of liquid water clouds present in Summer is the highest （31.7%）， and the probability of ice clouds present in Spring is the highest （26.5%）.The ice cloud occurrence per year is about 2% more than liquid cloud.Under the background of global warming， the atmospheric water vapor over the QXP shows a decreasing trend， whereas the cloud water content shows a gradually increasing trend.The annual average cloud water vapor is about 0.01 cm higher than the total atmospheric water vapor， and the total cloud water vapor increased by about 0.04 cm.This study provides a basis for understanding the influence of cloud water resources on global climate change and the water cycle over the QXP.

Key words： Qinghai-Xizang Plateau （QXP）; reanalysis data; cloud distribution; cloud parameters; Spatioal and temporal characteristics

Cite this article

Jingshu ZHANG , Linhai JING , Siyuan WANG . Spatial and Temporal Variations of Cloud Parameters over the Qinghai-Xizang Plateau during the Past Two Decades[J]. Plateau Meteorology, 2023 , 42(5) : 1107 -1118 . DOI: 10.7522/j.issn.1000-0534.2022.00081

References

null	Baker M B， 1997.Cloud microphysics and climate［J］.Science， 276（5315）： 1072-1078.
null	Bao S， Letu H， Zhao J， et al， 2019.Spatiotemporal distributions of cloud parameters and their response to meteorological factors over the Tibetan Plateau during 2003-2015 based on MODIS data［J］.International Journal of Climatology， 39（1）： 532-543.
null	Fujinami H， Yasunari T， 2001.The seasonal and intraseasonal variability of diurnal cloud activity over the Tibetan Plateau［J］.Journal of the Meteorological Society of Japan.Ser.II， 79（6）： 1207-1227.
null	Gao B C， Yang P， Guo G， et al， 2003.Measurements of water vapor and high clouds over the Tibetan Plateau with the Terra MODIS Instrument［J］.IEEE Transactions on Geoscience and Remote Sensing， 41（4）： 895-900.
null	Hubanks P， Platnick S， King M D， et al， 2020.MODIS Atmosphere L3 Global Gridded Product User's Guide & ATBD for C6.1 Products： 08_D3， 08_E3， 08_M3.
null	IPCC， 2021.Climate Change 2021： the physical science basis ［M/OL］.
null	King M D， Platnick S， Menzel W P， 2013.Spatial and temporal distribution of clouds observed by MODIS onboard the Terra and Aqua satellites［J］.IEEE Transactions on Geoscience and Remote Sensing， 51 （7）： 3826-3852.
null	Lei Y， Letu H， Shang H， et al， 2020.Cloud cover over the Tibetan Plateau and eastern China： a comparison of ERA5 and ERA-Interim with satellite observations［J］.Climate Dynamic， 54（5-6）， 2941-2957.
null	Li X， Che H， Wang H， et al， 2019.Spatial and temporal distribution of the cloud optical depth over China based on MODIS satellite data during 2003-2016［J］.Journal of Environmental Sciences， 80（6）： 66-81.
null	Liu Y， Wu W， Jensen M P， et al， 2011.Relationship between cloud radiative forcing， cloud fraction and cloud albedo， and new surface-based approach for determining cloud albedo［J］.Atmospheric Chemistry and Physics， 11（14）： 7155-7170.
null	Matus A V， Tristan S，L'Ecuyer，2017.The role of cloud phase in Earth's radiation budget［J］.Journal of Geophysical Research： Atmospheres， 122（5）： 2559-2578.
null	Platnick S， Meyer K G， King M D， et al， 2017.The MODIS cloud optical and microphysical products： Collection 6 updates and examples From Terra and Aqua［J］.IEEE Transactions on Geoscience and Remote Sensing， 55（1）： 502-525.
null	Qiu J， 2008.China： The third pole［J］.Nature， 454（7203）： 393-396.
null	Ramanathan V L， R D， Cess R D， Harrison E.F， et al， 1989.Cloud-radiative forcing and climate： results from the Earth Radiation Budget Experiment［J］.Science， 243（4887）： 57-63.
null	Rangwala I， James R M，2012.Climate change in mountains： a review of elevation-dependent warming and its possible causes［J］.Climatic Change， 114（3）： 527-547.
null	Rosenfeld D， Sherwood S， Wood R， et al， 2014.Climate effects of aerosol-cloud interactions［J］.Science， 343（6169）： 379-380.
null	Sen， P K， 1968.Estimates of the regression coefficient based on Kendall's Tau［J］.Journal of the American Statistical Association， 63（324）： 1379-1389.
null	Shang H， Letu H， Nakajima T Y， et al， 2018.Diurnal cycle and seasonal variation of cloud cover over the Tibetan Plateau as determined from Himawari-8 new-generation geostationary satellite data［J］.Scientific Reports， 8（1）： 1-8.
null	Simpkins G， 2018.Aerosol-cloud interactions［J］.Nature Climate Change， 8（6）： 457.
null	Stephens G L， Vane D G， Boain R J， et al， 2002.The cloudsat mission and the a-train［J］.Bulletin of the American Meteorological Society， 83（12）： 1771-1790.
null	Stephens G， 2006.The role of water vapor and clouds in the climate system［J］.Encyclopedia of Hydrological Sciences， 124（7）： 3984-4003.
null	Sunil S， Padmakumari B， Pandithurai G， et al， 2021.Diurnal （24 h） cycle and seasonal variability of cloud fraction retrieved from a Whole Sky Imager over a complex terrain in the Western Ghats and comparison with MODIS［J］.Atmospheric Research， 248： 105-180.
null	伯玥，王艺，李嘉敏，等， 2016.青藏高原地区云水时空变化特征及其与降水的联系［J］.冰川冻土， 38（6）： 1679-1690.
null	陈光灿，李函璐，傅云飞， 2021.利用MODIS和CERES遥感数据研究青藏高原的云辐射强迫效应［J］.高原气象， 40（1）： 15-27.DOI： 10.7522/j.issn.1000-0534.2019.00107 .
null	陈艳， 2007.中国西北干旱半干旱区沙尘气溶胶对云特性的影响及云的辐射强迫效应［D］.兰州：兰州大学.
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	黄建平，刘玉芝，王天河，等，2021.青藏高原及周边地区气溶胶、云和水汽收支研究进展［J］.高原气象， 40（6）：1225-1240.DOI： 10.7522/j.issn.1000-0534.2021.zk012 .
null	赖欣，范广洲，华维，等， 2021.青藏高原陆气相互作用对东亚区域气候影响的研究进展［J］.高原气象， 40（6）： 1263-1277.DOI： 10.7522/j.issn.1000-0534.2021.zk018 .
null	李兴宇，郭学良，朱江， 2008.中国地区空中云水资源气候分布特征及变化趋势［J］.大气科学，32（5）：1094-1106.
null	李文韬，李兴宇，张礼林，等， 2018.青藏高原云水气候特征分析［J］.气候与环境研究， 23（5）： 574-586.
null	刘菊菊，李天江，卫玮， 2021.气温变化对中国夏季云水量的影响［J］.高原气象， 40（4）： 747-759.DOI： 10.7522 /j.issn.1000-0534.2018.00138 .
null	刘屹岷，燕亚菲，吕建华，等， 2018.基于CloudSat/CALIPSO卫星资料的青藏高原云辐射及降水的研究进展［J］.大气科学， 42（4）：847-858.
null	马耀明，胡泽勇，王宾宾，等， 2021.青藏高原多圈层地气相互作用过程研究进展和回顾［J］.高原气象， 40（6）： 1241-1262.DOI： 10.7522/j.issn.1000-0534.2021.zk006 .
null	尚可，刘晓东， 2021.春季青藏高原对流层低层暖中心变化对中亚-高原降水异常的影响［J］.高原气象， 40（6）： 1443-1454.DOI： 10.7522/j.issn.1000-0534.2021.zk015 .
null	解承莹，李敏姣，张雪芹， 2014.近30a青藏高原夏季空中水资源时空变化特征及其成因［J］.自然资源学报， 29（6）： 979-989.
null	汪会，罗亚丽，张人禾， 2011.用CloudSat/CALIPSO资料分析亚洲季风区和青藏高原地区云的季节变化特征［J］.大气科学， 35（6）： 1117-1131.
null	王慧，张璐，石兴东，等， 2021.2000年后青藏高原区域气候的一些新变化［J］.地球科学进展，36（8）：785-796.
null	王志鹏，张宪洲，何永涛，等， 2018.2000—2015年青藏高原草地归一化植被指数对降水变化的响应［J］.应用生态学报， 29（1）：75-83.
null	杨耀先，胡泽勇，路富全，等， 2022.青藏高原近60年来气候变化及其环境影响研究进展［J］.高原气象， 41（1）： 1-10.DOI： 10. 7522/j.issn.1000-0534.2021.00117 .
null	赵宗慈，罗勇，黄建斌， 2022.地球能量失衡与全球变暖［J］.气候变化研究进展， 18（1）： 119-121.
null	张德杰，师春香，张涛，等， 2022.多种资料的云量产品在中国区域的对比分析［J］.高原气象， 41（3）： 803-813.DOI： 10.7522/j.issn.1000-0534.2021.00019 .
null	张华，王菲，赵树云，等， 2021.IPCC AR6 报告解读：地球能量收支、气候反馈和气候敏感度［J］.气候变化研究进展， 17（6）： 691-698.
null	张正国，简悦，李宇中，等， 2021.基于ERA5资料的广西地区云水资源评估［J］.气象科技， 49（5）： 806-814.
null	周思儒，信忠保， 2022.近20年青藏高原水资源时空变化研究［J］.长江科学院院报：1-10.
null	周婷，张寅生，高海峰，等， 2015.青藏高原高寒草地植被指数变化与地表温度的相互关系［J］.冰川冻土， 37（1）：58-69.

Options

Outlines

模态框（Modal）标题

Abstract

Cite this article

References