2018, Vol. 37
积雪作为最重要的陆面强迫因子之一, 对气候有着重要的影响, 积雪作为前期信号产生的气候效应是地球科学的前沿课题。对青藏高原(下称高原)积雪的研究, 近百年来一直为中外气象学者高度重视, 如19世纪末Blanford(1884)和20世纪初Walker(1910)利用有限的雪盖资料提出喜马拉雅山积雪和印度夏季风降水存在负相关关系; Yasunari et al(1991)用大气环流模式进行数值模拟试验模拟了高原积雪变化对东亚季风产生的影响; Zhao et al(2007)利用高原站点观测积雪资料和NCEP-NCAR、ECMWF再分析资料研究了高原积雪变化和大气环流和东亚夏季降水的关系等; 宋燕等(2016)也利用观测资料得到了高原积雪与东亚冬季风之间存在显著的同期和滞后年代际相关关系; 周利敏等(2016)曾利用卫星遥感雪深资料和NCEP-NCAR再分析资料得到了高原冬春积雪年代际的变化与夏季南亚高压的可能关系。Wang et al(2017)和杨凯等(2017)也利用通用地球系统模式CESM分别探讨了高原南、北部冬、春积雪与中国东部夏季降水的关系。总体而言, 以往研究主要集中于探讨高原积雪和东亚夏季降水的关系或对印度季风和东亚季风的影响。一般认为, 高原冬、春积雪多的年份, 随后印度夏季风和东亚夏季风出现迟且弱; 少雪年反之。这些研究对中国大范围的旱涝短期气候预测有重要的指导作用, 如1998年长江流域洪涝预测的成功, 依据之一就是注意到了前期高原积雪发生异常偏多的先兆信号(陈兴芳等, 2000); 同时高原积雪关键区冬季雪深对于我国西南地区春旱也有明显的指示意义(过霁冰等, 2012)。
积雪是短期气候预测业务中需要重点考虑的一个物理因子(王顺久, 2017), 但受观测资料和计算条件的限制, 以往的研究工作或采用空间分布不均的、有限的站点观测资料(集中于高原东部)来探讨高原积雪异常和大尺度旱涝的相关关系, 或利用分辨率较粗的全球环流模式对高原积雪异常和大尺度旱涝关系的机理进行简单解释。
空间分布均匀的高分辨率遥感雪深资料、格点降水资料可以提供更多的小尺度信息, 这些高分辨率观测资料的出现, 使得分析高原积雪整体分布对区域精细尺度降水的影响成为可能。另外, 在具有复杂地形和气候系统的东亚季风区, 高分辨率区域气候模式模拟平均气候的效果明显优于全球模式, 近年来越来越受到重视, 广泛应用于气候机理、气候变化和气候预测研究中(Gao et al, 2006, 2013; Shi et al, 2011; Zhang et al, 2009; 罗小青等, 2014; 王澄海等, 2013; 王美丽等, 2015; 徐小玉等, 2016; 张冬峰等, 2005)。
利用1980—2010年中国25 km遥感雪深资料和中国地区0.5°×0.5°格点降水资料, 在诊断高原冬春积雪异常与中国东部夏季降水关系的基础上, 采用高分辨率区域气候模式RegCM4.1, 模拟高原冬春积雪异常对中国东部夏季降水和大气环流的影响, 并就其结果进行机理分析。
2 资料、模式及试验设计、研究方法雪深资料使用中国西部环境与生态科学数据中心发展的中国雪深长时间序列数据集, 水平分辨率25 km, 该数据集通过使用Che et al(2008)的修正算法, 对美国国家雪冰数据中心NSIDC处理的SMMR1(1978—1987年), SSM/I2(1987—2008年)和AMSR-E3(2002—2010年)逐日被动微波亮温数据进行反演得到。此套资料与台站观测资料在积雪稳定区分布较为一致, 具有代表性(李小兰等, 2012), 同时该数据集资料具有空间分辨率高、分布均匀和资料完整等优点, 选用其1980—2010年的数据。使用观测降水资料为国家气象信息中心制作的中国地面降水月值0.5°×0.5°格点数据(赵煜飞等, 2014), 数据经过了交叉质量检验, 选用其1980—2010年的数据。
所用的区域模式为国际理论物理研究中心ICTP(The Abdus Salam International Center for Theoretical Physics)的区域气候模式RegCM4.1(Giorgi et al, 2012), 模式运行所需的初始和侧边界条件为欧洲中期天气预测中心ECMWF(European Centre for Medium-Range Weather Forecasts)的全球大气再分析产品ERA-Interim(Dee et al, 2011), 海温驱动场使用水平分辨率为1°×1°美国国家大气海洋局NOAA最优插值周海表温度资料OISST。试验中辐射采用NCAR CCM3方案(Kiehl et al, 1996), 行星边界层方案使用Holtslag et al(1990), 大尺度降水采用SUBEX方案(Pal et al, 2000), 积云对流参数化选择Grell(1993), 陆面过程使用BATs(Dickinson et al, 1993)。模式中心点位于36°N、105°E, 东西方向格点数为160, 南北方向为109, 模式水平分辨率为50 km, 范围包括整个中国及周边地区(图略), 垂直方向分成18层, 层顶高度50 hPa。受海温资料时间长度所限(起始时间为1981年10月29日), 模拟试验起始时间为1981年11月1日。
研究计算1980—2010年高原地区(25°N—40°N, 70°E—105°E, 且海拔超过2 500 m的地区)遥感反演冬春季(12月至翌年5月)区域平均积雪深度距平值, 根据时间序列选取正距平较大的6年定义为多雪年, 负距平较大的6年定义为少雪年, 分别分析冬春季多雪和少雪年随后的中国东部(中国区域内105°E以东的区域)夏季降水分布。在诊断高原冬春积雪异常与中国东部夏季降水关系的基础上, 进行冬春积雪异常对中国东部降水及大气环流影响的模拟试验, 就其结果进行机理分析。模拟研究包括5个试验:参照试验、冬春季和春季少雪试验、冬春季和春季多雪试验。参照试验以ERA-Interim再分析资料和NOAA观测海温资料作为驱动, 进行1981年11月1日至2012年1月1日的连续模拟积分试验, 试验结果主要用来检验模式对高原积雪分布的模拟能力, 并为随后的多雪和少雪强迫试验提供模式运行初始启动资料。少雪强迫试验, 包括1月和4月少雪强迫敏感试验, 分别代表冬春季少雪试验和春季少雪试验, 冬春季少雪试验(1月少雪强迫敏感试验)中, 以参照试验1982—2011年逐年1月1日输出结果启动模式, 其中模式积雪初始值设置为参照试验输出的1/3, 进行逐年1月1日至10月1日的模拟试验; 春季少雪试验(4月少雪强迫敏感试验)中, 以参照试验1982—2011年逐年4月1日输出结果启动模式, 其中模式积雪初始值设置为参照试验输出的1/3, 进行逐年4月1日至10月1日的模拟试验。同样多雪强迫试验也包括冬春季多雪试验和春季多雪试验, 试验设计和少雪强迫试验设计相同, 但模式积雪初始值设置为参照试验输出的3倍。
3 结果分析 3.1 高原冬春积雪异常和中国东部夏季降水关系从1980—2010年高原遥感反演冬春季积雪深度距平(图 1)可以看出, 依据冬春季积雪深度距平值, 分别选取6个年份定义为多雪年和少雪年, 多雪年依次为1982, 1983, 1986, 1987, 1998和2000年, 少雪年依次为1985, 1988, 1994, 2002, 2004和2006年。
|
图 1 1980—2010年高原冬春季遥感反演积雪深度距平 Figure 1 Anomalies of winter-spring (from December to May) snow depth over Qinghai-Tibetan Plateau from 1980 to 2010 |
1998和1986年两个多雪年, 冬季逐月积雪深度在7~9 cm·d-1, 而少雪年2004和2006年, 冬季逐月积雪深度在2~4 cm·d-1, 多雪年和少雪年积雪深度相差2~3倍; 6个多雪年和6个少雪年春季积雪基本相差1倍, 较春季模拟试验使用3倍的积雪和1/3的积雪强迫弱。总体而言, 冬春季高原积雪异常, 基本由冬季积雪异常决定, 多雪年积雪深度为少雪年的1~3倍(表 1)。
|
表 1 高原多(少)雪年冬春季积雪深度 Table 1 Winter-spring (from December to May) snow depth in more (less) snow years over Qinghai-Tibetan Plateau |
图 2为6个高原多(少)雪年随后的中国夏季平均降水距平百分率的合成分布, 其中, 白色实线所围区域表示通过α=0.1检验的区域。从图 2中可以看出, 少雪年中国东部夏季降水东北北部偏少0~20%, 东北南部到华北大部分地区降水偏多0~10%, 部分地区偏多10% ~50%, 黄淮、江淮、江南北部偏少0~50%, 长江以南大部分地区偏多0~50%, 从北向南呈现“-+-+”的空间分布。多雪年则呈现相反的“+-+-”分布, 东北大部地区降水偏多0~50%, 华北大部偏少0~20%, 黄淮、江淮、江南北部大部偏多0~20%, 江南南部到华南偏少0~20%。高原多(少)雪年以后, 夏季降水异常通过90%信度检验的地区主要集中在降水偏多(少)20%以上的区域。
|
图 2 高原少(a)、多雪(b)年中国夏季平均降水距平百分率(单位: %) Figure 2 Anomalies of mean summer (from June to August) precipitation in China in less snow years (a) and more snow years (b) over Qinghai-Tibetan Plateau.Unit: % |
从中国范围内1980—2010年遥感反演雪深和参照试验1982—2011年模式模拟雪水当量的冬春季空间分布(图 3)可以看出, 整体而言, 遥感反演数据高原东部雪深数值最大, 中心数值大于100 mm·d-1, 高原中部偏南地区雪深数值较小, 部分地区雪深不足2.5 mm·d-1。模拟基本再现了遥感观测数据中高原积雪深度的空间分布特征, 如积雪深度东南部最大, 中部偏南地区最小, 南缘和北缘地形陡峭处积雪相对也较深, 和遥感反演数据相比, 模式模拟积雪受地形的影响较为明显。模式对积雪气候态具有一定的模拟能力, 为使用模式探究高原冬春积雪异常对中国东部夏季降水影响的研究提供了一定的基础。
|
图 3 遥感反演(a)和模式模拟(b)多年平均冬春积雪分布(单位: mm·d-1) Figure 3 The spatial distribution of multi-annual mean winter-spring (from December to May) snow depth in remote sensing dataset (a) and simulation (b).Unit: mm·d-1 |
图 4为模拟试验中冬春、春季少雪对夏季降水的影响(少雪试验与参照试验夏季降水之差), 其中, 白色实线所围区域表示通过α=0.1检验的区域。从图 4中可以看出, 冬春季高原少雪, 中国东部夏季淮海以北地区降水偏多为主, 江淮及江南东部部分地区降水偏少为主, 中国东部降水总体呈北多南少的“+-”分布。春季高原少雪, 中国东部夏季降水基本呈“+-+”分布, 东北到华北大部分地区降水偏多为主, 华北南部、黄淮、江淮降水偏少, 长江以南地区降水偏多。
|
图 4 模拟实验中冬春(a)、春(b)季高原少雪时夏季降水变化(单位: %) Figure 4 Precipitation anomaly in winter and spring (a) and spring (b) experiments by RegCM 4.1.Unit: % |
总体而言, 数值模拟试验结果表明, 高原冬春积雪异常可以影响随后中国东部夏季降水。冬春季高原少雪, 随后的夏季中国东部降水基本为“北涝南旱”分布; 春季高原少雪, 随后的夏季中国东部降水呈现“南北多, 中间少”的分布情况。高原冬春多雪情形下, 降水异常呈现相反的空间分布(图略)。
3.3 高原冬春积雪异常引起的环流变化模拟从高原冬春季、春季少雪对700 hPa流场的影响(少雪试验和参照试验夏季流场之差, 图 5)中可以看出, 高原冬春少雪, 夏季700 hPa印度季风区西风气流增强, 东亚季风区从中国西南沿长江中游、黄淮到渤海湾西南气流增强, 亚洲季风偏强。受偏强夏季风影响, 中国东部除江淮、江南东部外, 其他地区降水以偏多为主; 江淮、江南东部在偏西偏强副热带高压增强反气旋环流影响下, 区域降水偏少[图 4(a), 图 5(a)]。高原春季少雪, 夏季700 hPa印度季风区西风气流增强和东亚季风区西南气流增强更加明显, 亚洲夏季风进一步偏强, 使得中国东部东北到华北北部降水偏多, 江南广大地区增强西南气流的影响下, 降水也偏多, 黄淮、江淮、华北南部由于气流补偿作用反气旋环流增强, 降水偏少[图 4(b), 图 5(b)]。
|
图 5 模拟实验中冬春(a)、春(b)季高原少雪时夏季700 hPa流场的变化(单位: m·s-1) Figure 5 Stream field anomaly on 700 hPa in winter and spring (a) and spring(b) experiments by RegCM 4.1.Unit: m·s-1 |
数值模拟试验表明高原冬春少雪, 有利于亚洲季风的增强和向北推进, 引起中国东部降水异常。高原冬春多雪, 对随后夏季大气环流的影响和少雪时相反(图略)。
4 讨论气候模式数值试验能够从机理上解释独立的外界强迫对气候的作用, 如这里的数值试验研究单独给出高原积雪异常对中国东部夏季降水的影响。实际情形中, 气候异常是多影响因子共同作用的结果, 文中数值试验模拟中所给出的积雪异常强迫和实际情形差别较大, 因而模拟的降水异常和观测在空间分布和数值上也有一定的差异。
短期气候预测是大气科学研究的难点之一, 气候异常成因的复杂性及其影响因子的不确定性, 使得目前短期气候预测理论和方法还不够完善和成熟, 预测水平还不能满足社会发展和防灾减灾的需求(Kirtman et al, 2009; 肖子牛, 2010)。特别在中国地区, 由于地理位置的特殊性, 短期气候预测具有更大的科学难度, 影响中国气候的因子包括中低纬度及近赤道地区的海洋状况异常、欧亚积雪、高原积雪、陆面状况以及大气环流本身变化等, 本研究仅从高原冬春积雪异常强迫的角度探讨其对中国东部汛期降水的影响。未来有必要进一步研究影响中国气候异常的气候信号如海洋、积雪以及大气环流共同作用下对气候的影响, 增强气候预测业务应用的可靠性和准确性。
5 结论(1) 遥感反演雪深和格点降水资料分析结果表明:高原冬春(12月至翌年5月)少雪, 中国东部夏季降水从北向南呈两少两多的“-+-+”分布; 冬春多雪, 则中国东部夏季降水从北向南呈两多两少的“+-+-”分布。
(2) 在诊断高原冬春积雪异常与中国东部夏季降水关系的基础上, 利用模式验证了这一统计分析关系。数值试验模拟结果表明, 高原冬春积雪异常影响中国东部夏季降水异常。冬春季高原少雪, 中国东部夏季降水从北向南呈“+-”分布; 春季高原少雪, 中国东部夏季降水从北向南呈“+-+”分布。高原冬春多雪, 引起降水相反的变化。
(3) 模拟试验结果表明, 高原冬春季、春季积雪异常影响亚洲夏季风。高原冬春季少(多)雪, 使得亚洲夏季风偏强(偏弱); 较之高原冬春季积雪异常强迫, 春季积雪异常对夏季大气环流和中国东部降水的影响较为明显。
Blanford H F. 1884. On the connection of Himalayan snowfall and seasons of drought in India[J]. The Proceeding of the Royal Society of London, 37(232-234): 3–22.
DOI:10.1098/rspl.1884.0003 |
|
Che T, Li X, Jin R, et al. 2008. Snow depth derived from passive microwave remote-sensing data in China[J]. Annals of Glaciology, 49(1): 145–154.
DOI:10.3189/172756408787814690 |
|
Dee D P, Uppala S M, Simmons A J, et al. 2011. The ERA-Interim reanalysis:configuration and performance of the data assimilation system[J]. Quart J Roy Meteor Soc, 137(656): 553–597.
DOI:10.1002/qj.828 |
|
Dickinson R E, Henderson-Sellers A, Kennedy P J, 1993. Biosphere-Atmosphere Transfer Scheme (bats) Version 1e as coupled to the NCAR Community Climate Model[R]. NCAR Technical Note NCAR/TN-387+STR. DOI: 10.5065/D67W6959.
|
|
Gao X J, Wang M L, Giorgi F. 2013. Climate change over China in the 21st century as simulated by BCC-CSM1.1-RegCM4.0[J]. Atmos Oceanic Sci Lett, 6(5): 381–386.
DOI:10.3878/j.issn.1674-2834.13.0029 |
|
Gao X J, Xu Y, Zhao Z C, et al. 2006. On the role of resolution and topography in the simulation of East Asia precipitation[J]. Theor Appl Climatol, 86(1): 173–185.
DOI:10.1007/s00704-005-0214-4 |
|
Giorgi F, Coppola E, Solmon F, et al. 2012. RegCM4:Model description and preliminary tests over multiple CORDEX domains[J]. Climate Res, 52(1): 7–29.
DOI:10.3354/cr01018 |
|
Grell G. 1993. Prognostic evaluation of assumptions used by cumulus parameterizations[J]. Mon Wea Rev, 121(3): 764–787.
DOI:10.1175/1520-0493(1993)121<0764:PEOAUB>2.0.CO;2 |
|
Holtslag A, de Bruijin E, Pan H L. 1990. A high resolution air mass transformation model for short-range weather forecasting[J]. Mon Wea Rev, 118(8): 1561–1575.
DOI:10.1175/1520-0493(1990)118<1561:AHRAMT>2.0.CO;2 |
|
Kiehl J T, Hack J J, Bonan G B, et al, 1996. Description of the NCAR Community Climate Model (CCM3)[R]. NCAR Technical Note NCAR/TN-420+STR. DOI: 10.5065/D6FF3Q99.
|
|
Kirtman B, Pirani A. 2009. The state of the art of seasonal prediction:outcomes and recommendations from the first world climate research program workshop on seasonal prediction[J]. Bull Amer Meteor Soc, 90(4): 455–458.
DOI:10.1175/2008BAMS2707.1 |
|
Pal J S, Small E E, Eltahir E. 2000. Simulation of regional-scale water and energy budgets:Representation of subgrid cloud and precipitation processes within RegCM[J]. J Geophys Res, 105(D24): 29579–29594.
DOI:10.1029/2000JD900415 |
|
Shi Y, Gao X J, Wu J, et al. 2011. Changes in snow cover over China in the 21st century as simulated by a high resolution regional climate model[J]. Environ Res Lett, 6(2011): 1–8.
DOI:10.1088/1748-9326/6/4/045401 |
|
Walker G T. 1910. Correlation in seasonal variations of weather Ⅱ[J]. Memoirs of India Meteorological Department, 21(2): 22–45.
|
|
Wang C H, Yang K, Li Y L. 2017. Impacts of spatiotemporal anomalies of Tibetan Plateau snow cover on summer precipitation in Eastern China[J]. J Climate, 30(3): 885–903.
DOI:10.1175/JCLI-D-16-0041.1 |
|
Yasunari T, Kitoh A, Tokioka T. 1991. Local and remote responses to excessive snow mass over Eurasia appearing in the northern spring and summer climate:A study with the MRI·GCM[J]. J Meteor Soc Japan, 69(4): 473–487.
DOI:10.2151/jmsj1965.69.4_473 |
|
Zhang D F, Zakey A S, Gao X J, et al. 2009. Simulation of dust aerosol and its regional feedbacks over East Asia using a regional climate model[J]. Atmos Chemistry and Phys, 9(4): 1095–1110.
DOI:10.5194/acp-9-1095-2009 |
|
Zhao P, Zhou Z J, Liu J P. 2007. Variability of Tibetan spring snow and its associations with the hemispheric extratropical circulation and East Asian summer monsoon rainfall:An observational investigation[J]. J Climate, 20(15): 3942–3955.
DOI:10.1175/JCLI4205.1 |
|
陈兴芳, 宋文玲. 2000. 冬季高原积雪和欧亚积雪对我国夏季旱涝不同影响关系的环流特征分析[J]. 大气科学, 24(5): 585–592.
Chen X F, Song W L. 2000. Circulation analysis of different influence of snow cover over the Tibetan Plateau and Eurasia in winter on summertime droughts and floods of china[J]. Chinese J Atmos Sci, 24(5): 585–592.
|
|
过霁冰, 徐祥德, 施晓晖, 等. 2012. 青藏高原冬季积雪关键区视热源特征与中国西南春旱的联系[J]. 高原气象, 31(4): 900–909.
Guo J B, Xu X D, Shi X H, et al. 2012. Characteristics of winter apparent heat source in the key area of snow cover on Qinghai-Xizang Plateau and Spring Drought in Southwest China[J]. Plateau Meteor, 31(4): 900–909.
|
|
李小兰, 张飞民, 王澄海. 2012. 中国地区地面观测积雪深度和遥感雪深资料的对比分析[J]. 冰川冻土, 34(4): 755–764.
Li X L, Zhang F M, Wang C H. 2012. Comparison and analysis of snow depth over China observed and derived from remote sensing[J]. Journal of Glaciology and Geocryology, 34(4): 755–764.
|
|
罗小青, 杨梅学, 王学佳, 等. 2014. 两种积云参数化方案对青藏高原夏季降水影响的模拟[J]. 高原气象, 33(2): 313–322.
Luo X Q, Yang M X, Wang X J, et al. 2014. Simulation influences of summer precipitation by two cumulus parameterization schemes over Qinghai-Xizang Plateau[J]. Plateau Meteor, 33(2): 313–322.
DOI:10.7522/j.issn.1000-0534.2013.00177 |
|
宋燕, 李智才, 肖子牛, 等. 2016. 太阳活动与高原积雪及东亚环流的年代际相关分析[J]. 高原气象, 35(5): 1135–1147.
Song Y, Li Z C, Xiao Z N, et al. 2016. Analysis on interdecadal correlation between solar activity and snow depth over the Qinghai-Xizang Plateau and East Asian atmospheric circulation in winter[J]. Plateau Meteor, 35(5): 1135–1147.
DOI:10.7522/j.issn.1000-0534.2015.00059 |
|
王澄海, 孙超. 2013. 一个基于WRF+CLM区域气候模式(WRFC)的建立及初步试验[J]. 高原气象, 32(6): 1626–1637.
Wang C H, Sun C. 2013. Design and preliminary test of the Regional Climate Model (WRFC) Based on Coupling WRF3.2 and CLM4.0[J]. Plateau Meteor, 32(6): 1626–1637.
DOI:10.7522/j.issn.1000-0534.2013.00021 |
|
王美丽, 高学杰, 石英, 等. 2015. RegCM模式对云南及周边地区干旱化趋势的预估[J]. 高原气象, 34(3): 706–713.
Wang M L, Gao X J, Shi Y, et al. 2015. Projection of the future drought over Yunnan and its surrounding areas by RegCM4[J]. Plateau Meteor, 34(3): 706–713.
DOI:10.75/j.issn.1000-0534.2014.00013 |
|
王顺久. 2017. 青藏高原积雪变化及其对中国水资源系统影响研究进展[J]. 高原气象, 36(5): 1153–1164.
Wang S J. 2017. Progresses in variability of snow cover over the Qinghai-Tibetan Plateau and its impact on water resources in China[J]. Plateau Meteor, 36(5): 1153–1164.
DOI:10.7522/j.issn.1000-0534.2016.00117 |
|
肖子牛. 2010. 我国短期气候监测预测业务进展[J]. 气象, 36(7): 21–25.
Xiao Z N. 2010. Advances of the short-Range climate monitoring and prediction in China[J]. Meteor Mon, 36(7): 21–25.
|
|
徐小玉, 王亚非. 2016. 利用RegCM4.0模拟5—8月青藏高原异常加热的下游效应[J]. 高原气象, 35(5): 1169–1181.
Xu X Y, Wang Y F. 2016. Simulation of the effect of Qinghai-xizang Plateau anomalous heating on the downstream flow from May to August RegCM 4.0[J]. Plateau Meteor, 35(5): 1169–1181.
DOI:10.7522/j.issn.1000-0534.2015.00058 |
|
杨凯, 胡田田, 王澄海. 2017. 青藏高原南、北积雪异常与中国东部夏季降水关系的数值试验研究[J]. 大气科学, 41(2): 345–356.
Yang K, Hu T T, Wang C H. 2017. A numerical study on the relationship between the spring-winter snow cover anomalies over the northern and southern Tibetan Plateau and summer precipitation in East China[J]. Chinese J Atmos Sci, 41(2): 345–356.
DOI:10.3878/j.issn.1006-9895.1604.16119 |
|
张冬峰, 高学杰, 白虎志, 等. 2005. RegCM3模式对青藏高原地区气候的模拟[J]. 高原气象, 24(5): 714–720.
Zhang D F, Gao X J, Bai H Z, et al. 2005. Simulation of climate over Qinghai Xizang Plateau utilizing RegCM3[J]. Plateau Meteor, 24(5): 714–720.
|
|
赵煜飞, 朱江, 许燕. 2014. 近50a中国降水格点数据集的建立及质量评估[J]. 气象科学, 34(4): 414–420.
Zhao Y F, Zhu J, Xu Y. 2014. Establishment and assessment of the grid precipitation datasets in China for recent 50 years[J]. J Meteor Sci, 34(4): 414–420.
DOI:10.3969/2013jms.0008 |
|
周利敏, 陈海山, 彭丽霞, 等. 2016. 青藏高原冬春雪深年代际变化与南亚高压可能联系[J]. 高原气象, 35(1): 13–23.
Zhou L M, Chen H S, Peng L X, et al. 2016. Possible connection between interdecadal variations of snow depth in winter and spring over Qinghai-Xizang Plateau and South Asia High in summer[J]. Plateau Meteor, 35(1): 13–23.
DOI:10.7522/j.issn.1000-0534.2014.00152 |