2018, Vol. 37
2. 复旦大学大气科学研究院, 上海 200433;
3. 中国气象科学研究院, 北京 100081
青藏高原(下称高原)是世界上面积最大、海拔最高、地形最复杂的高原, 同时享有“世界屋脊”“地球第三极”和“亚洲水塔”的称号, 作为全球大气运动的重要外强迫源, 影响着区域、亚洲乃至全球的大气环流、天气与气候变化(徐祥德, 2015), 是中国乃至世界气候变化的敏感区(丁一汇等, 2006), 也是中国、东亚的灾害天气与气候变异的“强信号”区。高原气候的微妙变化可能会导致其他区域甚至全球的遥响应(张耀存等, 1999; 徐祥德, 2015; Wu et al, 2016; 张长灿等, 2017), 因此, 在高原地区选择适当的指示因子来预测中国东部地区的降水, 具有很大的可行性与必要性。
众所周知, 土壤湿度在气候变化中具有重要的“记忆性”, 仅次于海温, 其异常可以持续数周甚至数月, 对长期天气预报和短期气候预测有重要的指示意义(Chahine, 1992; 郭维栋等, 2007)。因此众多学者选取高原的土壤湿度来对我国东部降水进行预测。
然而, 由于缺乏长期的、全区域的观测资料, 学者们(沈丹等, 2015; 李登宣等, 2016)分析高原土壤湿度对下游地区降水影响时多通过数值模式设计敏感性试验, 或采用再分析资料、陆面模式资料和卫星遥感反演资料等(下称替代资料)进行诊断分析, 所得结果存在一定的争议与分歧, 有些甚至相反, 例如Chow et al(2008)选取了长江流域发生灾害性洪水的1998年和普通年份1995年, 通过给定不同的初始土壤湿度利用区域气候模式(RCM)做敏感性试验, 发现高原春季土壤偏湿, 夏季长江流域降水增加, 南方降水减少; 而王瑞等(2009)利用耦合的全球海气模式(NCAR CCSM3)进行数值模拟, 得出相反的结论, 若5月中层土壤偏湿, 我国夏季华北和华南多雨、江淮少雨; 卓嘎等(2017)采用美国气候预测中心1961—2014年逐月土壤湿度资料进行研究, 发现高原春季土壤湿度与长江中下游降水量基本呈负相关关系。正是由于缺乏长时间、大范围的高原土壤湿度观测资料, 无法验证数值模拟和诊断分析结果的正确性和合理性, 因此一套可靠的高原土壤湿度替代资料对于正确认识高原土壤湿度的特征和气候效应十分关键。
近年来, 随着高原大气科学试验的开展, 积累了一些观测资料, 有些学者(Su et al, 2013; Chen et al, 2013; 席家驹等, 2014)利用这些少量而珍贵的土壤湿度观测资料, 对一些替代资料在高原的适用性进行了评估。Su et al(2013)利用那曲和玛曲的土壤湿度观测数据, 发现ECMWF再分析资料无论采用最优插值还是逐点扩展卡曼滤波, 得出的土壤湿度在季风期均高于观测值。Chen et al(2013)利用高原中部土壤湿度观测网数据, 发现全球陆面数据同化系统GLDAS(Global Land Data Assimilation System)中的4个陆面模式(CLM、MOS、NOAH、VIC)土壤湿度产品均低估了表层土壤湿度。席家驹等(2014)利用玛曲、那曲、阿里和狮泉河区域尺度的土壤水分观测网, 发现国际上比较受关注的AMSR-E/EOS土壤湿度产品(JAXA、NASA、VUA)在数值上与观测值存在较大误差, 但在空间分布上, NASA与VUA产品能够较好的描述高原观测网中的土壤湿度的空间分布特征。
除了将各种替代资料与观测资料进行对比外, 也会对替代资料进行相互比较, 进而寻找出最适合高原的替代资料, 例如刘川等(2015)对比了两套再分析资料和6套陆面模式资料, 发现GLDAS-CLM与观测值最接近; Van et al(2014)发现通过反演得出的SSM/I RETRIEVALS卫星资料比AMSR-E效果好; Wang et al(2016)得出了风云3B的资料在时间变化上比ERA-Interim的土壤湿度资料和热带测雨卫星(Tropical Rainfall Measuring Mission, TRMM)微波成像仪反演的土壤湿度效果更好。但是在之前的研究中, 由于所选替代资料和观测资料以及评估指标各有不同, 导致目前并没有一套公认的能够很好地描述高原土壤湿度变化特征的替代资料, 仍需在资料评估对比方面继续进行研究。
研究者(Su et al, 2013; Chen et al, 2013; Bi et al, 2016)在评估高原土壤湿度多种替代资料的适用性时, 更注重替代资料与观测值的偏差, 然而各套替代资料较观测资料大多存在着系统性的偏高或偏低, 这种系统性偏差对于分析土壤湿度的气候效应影响不大, 因此, 评估时应更注重各套替代资料的变化趋势、年际(年代际)变率等与观测资料是否一致。另外, 由于土壤湿度具有很大的时空变率, 替代资料在某一站点与观测资料相近, 并不一定能代表该套资料能够很好地反映整个高原的土壤湿度变化, 为此尽可能地将多个观测站点的资料都作为参考, 对各种替代资料在不同的站点进行评估与对比, 并选取5个以上的观测站点进行区域平均, 作为考量替代资料是否适用大范围地区的参考, 进而寻找出最适合高原的土壤湿度替代资料。基于此对高原土壤湿度的变化特征及气候效应进行分析, 所得结论才比较可信。
2 资料与方法 2.1 观测资料与替代资料的选取所用观测资料包括青藏高原科学数据中心(http://www.tpedatabase.cn)提供的藏东南站土壤温度湿度碳通量数据集和藏东南山地林线观测数据集, 以及黑河计划数据管理中心(http://westdc.westgis.ac.cn)提供的全球能量水循环(Global Energy and Water cycle Experiment, GEWEX)之亚洲季风青藏高原试验研究(GEWEX Asian Monsoon Experiment, GAME/Tibet)数据集, 所有观测数据集均已经过质量控制。藏东南站土壤温度湿度碳通量数据集有一个观测站, 站点名称为中国科学院藏东南高山环境综合观测研究站, 站点编号为Southeastern, 观测仪器为Campbell Co CS616;藏东南山地林线观测数据集有4个观测站, 站点名称分别为阴坡急尖长苞冷杉林内、阴坡急尖长苞冷杉林外、阳坡方枝柏林内、阳坡方枝柏林外, 相对应的站点编号分别为SQLN1、SQLN2、SQLS1、SQLS2, 观测仪器为美国Onset公司的S-SMA-M003土壤水分传感器; GAME/Tibet数据集采用了7个站点, 分别为MS3608、MS3637、安多、D110、NODA、沱沱河、D66, 土壤湿度监测仪器为Trime MUX。图 1(a)为高原海拔及各测站具体地理位置, 圆形和正方形站点分别为藏东南土壤温度湿度碳通量数据集和藏东南山地林线观测数据集的站点, 红色方框区为GAME/Tibet数据集, 正三角和倒三角分别为具有1997—1998年两年观测和只有1998年观测的GAME/Tibet站点, 图 1(b)为GAME/Tibet区域放大后的站点分布。由于某些站点相距很近, 例如SQLN1和SQLN2在地图上几乎重合, 因此我们把经度和纬度差距都小于0.5°的站点的资料进行平均, 得出了7套观测资料, 各观测站点的具体信息及相近站点合并后的各套观测资料的序号见表 1, 合并后的站点位置的经纬度为多站点经纬度的平均, 时间跨度为原始资料重合的部分, 其中o1、o2、o3位于高原东南部[图 1(a)蓝色站点], o4、o5、o6位于高原中部[图 1(a)紫色站点], o7位于高原北部[图 1(a)黑色站点]。图 1(a)中的蓝色方框(28.7°N—30.7°N, 94°E—100°E, 记为区域1)、紫色方框(30.5°N—35°N, 91°E—93°E, 记为区域2)、黑色方框(32°N—36.5°N, 91°E—94°E, 记为区域3)和红色方框(30.5°N—36.5°N, 91°E—94°E, 记为区域4)为进行区域性评估的4个范围。
|
图 1 青藏高原地形及各测站具体地理位置(a)和GAME/Tibet数据集的站点具体地理位置(b) Figure 1 Altitude of Qinghai-Tibetan Plateau (QTP), geographical location of all observation sites (a) and the sites of GAME/Tibet (b) |
|
表 1 观测资料的土壤湿度数据基本信息 Table 1 Basic information of soil moisture from observation data |
所要进行评估与对比的土壤湿度替代资料包括3套再分析资料(ERA-Interim、NCEP1、NCEP2)、4套陆面模式资料(全球陆面数据同化系统GLDAS-1的CLM、MOS、NOAH、VIC)以及1套由Van et al(2014)反演的卫星遥感数据(SSM/I RETRIEVALS), 表 2为各种替代资料的基本信息。下面同样用序号s1~s8来代表各套土壤湿度数据替代资料。在与观测资料进行对比分析时, 将各套评估资料都插值到上述的o1~o7观测资料站点位置, 并选择与观测资料相同的覆盖时段, 因此表 2中不再赘述经纬度和时间跨度。
|
|
表 2 替代资料的土壤湿度数据基本信息 Table 2 Basic information of soil moisture from substitute data |
由于各种观测资料和替代资料的时间分辨率都不同, 先将所有数据都处理成日资料。7套观测资料中除了o1只有4 cm处的观测值外, 其他站点均具有不同深度的观测数据。从图 2可以看出, o2~o7观测的土壤湿度从表层到深层的变化具有很好的一致性, 表层(4或5 cm)与中层(20 cm)、中层与深层(60 cm)的土壤湿度相关系数均在0.8以上。因此在与观测值进行对比时, 除了GLDAS-CLM将0~2 cm和2~5 cm的土壤湿度进行平均, 其他资料均使用第一层土壤湿度。采用双线性插值, 将各套替代资料分别插值到7套观测资料所在经纬度位置。由于卫星反演数据当年11月至翌年3月的土壤湿度是插值所得, 且再分析资料和陆面模式提供的土壤湿度包括固态水和液态水, 而观测获得的土壤湿度为液态水含量(刘川等, 2015), 因此仅对比非冻结期(4—10月)的土壤湿度。
|
图 2 观测资料中不同站点(a~f)的表层(4 cm或5 cm)、中层(20 cm)和深层(60 cm)日平均土壤湿度的变化 Figure 2 Variation of daily mean soil moisturein surface (4 or 5 cm), middle (20 cm) and deep (60 cm) layer from different observation data (a~f) |
为了定量评估各种替代资料在高原的适用性, 需要计算一些评估指数, 例如替代资料与实测数据之间的平均偏差、偏差标准差、相关系数和标准差比等。但是由于替代资料的表层土壤深度并非全部相同, 且与观测的表层土壤深度具有一定的差距, 若要研究高原土壤湿度的年代际、年际变化及其对周边气候环境的影响, 替代资料的系统性偏差对定性的结果没有太大的影响, 因此对替代资料的数值大小、与观测的偏差不作过多讨论。文中用到的评估指数有相关系数(R)和标准差比(σs/σo), 具体公式如下:
| $ R=\frac{\frac{1}{n}\sum\limits_{i=1}^{n}{\left({{S}_{i}}-\mathit{\bar{S}} \right)\left({{O}_{i}}-\bar{O} \right)}}{\sqrt{\frac{1}{n}\sum\limits_{i=1}^{n}{{{\left({{S}_{i}}-\mathit{\bar{S}} \right)}^{2}}}}\sqrt{\frac{1}{n}\sum\limits_{i=1}^{n}{{{\left({{O}_{i}}-\bar{O} \right)}^{2}}}}}, $ | (1) |
| $ {{\sigma }_{s}}/{{\sigma }_{o}}=\frac{\sqrt{\frac{1}{n-1}\sum\limits_{i=1}^{n}{{{\left({{S}_{i}}-\mathit{\bar{S}} \right)}^{2}}}}}{\sqrt{\frac{1}{n-1}\sum\limits_{i=1}^{n}{{{\left({{O}_{i}}-\bar{O} \right)}^{2}}}}}, $ | (2) |
式中: n为总的对比天数; Si为替代资料; Oi为观测数据; S和O分别为Si和Oi在对比时段内的平均值。
3 各种替代资料在高原的适用性分析图 3为8套替代资料(s1~s8)与7套观测数据(o1~o7)的相关系数, 几乎所有的相关系数都通过了90%的置信度检验(红色部分)。除了s1和s8两套资料外, 其他资料都在某些站点与观测资料相关为负, 例如s2和s7在高原北部的站点o7处与观测值的相关系数达到-0.6, s5和s6在高原东南部的站点o2处与观测值也呈负相关, 因此即使这些资料在其他某些站点模拟较好, 在此也不予考虑; 对比s1和s8来看, s1在o2和o3站点模拟效果都很差, s8仅在o3站点模拟效果较差, 总的来看, s1与观测值的相关性不如s8高。
|
图 3 表层日平均土壤湿度的8套替代资料(a~h)与7套观测资料的相关系数 红色表示超过90%置信度检验的部分 Figure 3 Correlation coefficient of daily mean soil moisture in surface layer between 8 sets substituted data (a~h) and 7 sets observation data.Red parts show the correlation coefficients have passed the confidence level at 90% |
Taylor图能够直观的表现出多套对比资料与观测资料的差异, 图 4给出了具有代表性的高原东南部站点[o2, 图 4(a)]、高原中部站点[o5, 图 4(b)]和高原北部站点[o7, 图 4(c)]的替代资料与观测值的Taylor图。从圆点出发的径向距离表示对比资料与观测资料的标准差比, 即图中黑色虚线半圆弧与横轴的交点值, 黑色径线与大半圆弧的交点则为相关系数(Taylor, 2001)。
|
图 4 表层日平均土壤湿度的8套替代资料(s1~s8)与高原东南(a, o2)、高原中部(b, o5)和高原北部(c, o7)观测值的Taylor分布 Figure 4 Taylor diagrams of correlation coefficients and standard deviations for daily mean soil moisture in surface layer among 8 sets substituted data (s1-s8) and the southeast (a, o2), middle (b, o5) and north (c, o7) observation data of QTP |
在高原东南部的o2站点[图 4(a)], s7和s8与观测值的相关系数在0.5~0.6, 通过了99%的置信度检验, 且这两套资料的标准差与观测标准差较为接近; 在高原中部的o5站点[图 4(b)], s3、s4、s6、s8与观测资料的相关系数都很高, 在0.7以上, 但s8的标准差与观测标准差更为接近; 在高原北部的o7站点[图 4(c)]处, s8与观测资料的相关系数最高, 接近于0.8, 但其标准差较观测偏大, 而其他几套资料标准差均偏小。s8除了在o3站点的相关系数较小, 其他站点都与观测资料有很高的正相关系数, s8在o1、o4、o6站点的相关系数分别高达0.53, 0.51, 0.45, 而另外的7套替代资料则有在两个及以上的站点处与观测相关系数较小或为负, 例如s7在o5、o7站点的相关系数分别为0.11和-0.51, 而s6在o2、o3站点处的相关系数仅为-0.17和0.01。虽然s8的标准差较观测标准差在某些站点仍有差距, 但总的来说在大部分站点效果较好。
为了进一步评估卫星反演资料SSM/I RETRIEVALS(s8)是否适用于大范围的地区, 定义了4个区域[见图 1(a)中的虚线方框]。从s8在4个区域的平均值与相同区域内的观测资料平均的相关系数[图 5(a)]可以看出, 该套资料在4个区域都与观测资料有较高的相关性, 相关系数均在0.6以上。图 5(b)为s8在4个区域与观测资料的标准差比, 除了在东南地区(区域1)的标准差与观测标准差几乎相同, 其他区域都表现出s8的标准差大于观测标准差。
|
图 5 s8在4个区域的日平均土壤湿度与相同区域观测资料的相关系数(a)和标准差比(b) Figure 5 The correlation coefficients (a) and the ratio of standard deviations (b) between s8 (SSM/I RETRIEVALS) daily mean soil moisture dataset and observations datasets in four areas |
总的来说, 卫星反演资料SSM/I RETRIEVALS(s8)在高原东南、中部和北部与观测值都有很好的正相关性, 除了在高原北部的标准差较观测偏大, 在高原东南和中部标准差与观测标准差较为接近, 适用于高原的大范围地区。同时, 该套土壤湿度资料时间长度有近20年, 空间分辨率也较高, 因此是我们研究高原土壤湿度多年变化特征及其气候效应的一套非常好的替代资料。下面将利用该套资料来分析高原土壤湿度的特征及其气候效应。
4 春季高原土壤湿度的特征春季是高原积雪融化和土壤解冻过程发生的重要时段, 土壤湿度变化敏感, 对跨季节预测和延伸期预报具有重要的意义。从卫星反演资料SSM/I RETRIEVALS多年平均的春季高原土壤湿度的空间分布[图 6(a)]可以看出, 其在南部边缘最大, 由东南向西北递减, 这与刘强等(2013)和石磊等(2016)的研究结论相近。通过春季土壤湿度近20年的变化趋势[图 6(b)]可以看出, 高原大部分地区的土壤湿度变化趋势为正, 且多通过了99%的Mann-Kendall置信度检验。马柱国等(2001)研究表明, 土壤湿度和降水呈正相关关系, 与气温呈反相关关系, 但是由于高原分布着大面积的积雪与冻土, 不同于中国其他地区, 春季高原土壤湿度受积雪融化和冻土解冻的显著影响, 与同期平均气温呈正相关关系(石磊等, 2016)。在全球变暖背景下, 近100年中国年平均地表温度增幅比同期全球升温幅度略高, 高原作为气候变化的敏感区, 增暖现象更为明显(丁一汇等, 2006), 张文纲等(2008)和李栋梁等(2005)也得出了高原土壤温度具有明显的上升趋势的结论, 与之对应的高原主体土壤湿度也显著增加[图 6(b)]。
|
图 6 卫星反演资料SSM/I RETRIEVALS在高原春季(4—5月)近20年的平均土壤湿度(a, 单位: m3·m-3)及其变化趋势[b, 单位: m3·m-3·(10a)-1] 打点区域通过了99%的Mann-Kendall置信度检验 Figure 6 The average (a, unit: m3·m-3) and trends [b, unit: m3·m-3·(10a)-1] of spring (April to May) soil moisture from SSM/I RETRIEVALS dataset on QTP in nearly 20 years.Dotted areas are through the Mann-Kendall confidence level at 99% |
由于高原土壤湿度具有非常显著的线性增长趋势, 因此在研究其年际变化时, 需要去除线性趋势。从去除线性趋势后的春季高原土壤湿度均方差[图 7(a)]可以发现, 在高原东部和西部分别存在一个均方差大值区, 即年际变率大值区, 其中东部关键区正好为三江源地区(长江、黄河、澜沧江的源头汇水区), 水资源充沛, 而西部关键区则紧邻塔里木盆地, 那里降水稀少, 蒸发强烈, 空气十分干燥。图 7(b)为春季(4—5月)的土壤湿度与夏季(6—8月)的土壤湿度相关系数分布, 上述两个年际变率大值区的土壤湿度在春季与夏季的年际变化相关系数都通过了95%的置信度检验, 表明东部和西部关键区的土壤湿度都具有很好的持续性, 因此这两个关键区的土壤湿度可以作为预测我国夏季降水的前期信号。
|
图 7 卫星反演资料SSM/I RETRIEVALS去除线性趋势后的高原春季(4—5月)土壤湿度均方差(a, 单位: m3·m-3)和春季(4—5月)与夏季(6—8月)土壤湿度的相关系数(b)分布 打点区域通过了95%的置信度检验, 红色方框为东部(30.5°N—36°N, 90°E—102°E)和西部(34.5°N—38°N, 75°E—82°E)两个均方差大值区 Figure 7 The standard deviations (unit: m3·m-3) of spring (April to May) soil moisture from SSM/I RETRIEVALS dataset on QTP after removing trends (a) and the correlation coefficients of soil moisture between spring (April to May) and summer (June to August) on QTP (b).Dotted areas are through the confidence level at 95%, red boxes are two large standard deviations areas in east (30.5°N—36°N, 90°E—102°E) and west (34.5°N—38°N, 75°E—82°E) |
王静等(2016)发现高原春季东部和西部年际变率大值区的土壤湿度都与我国长江流域的夏季降水存在显著的相关关系, 但两个区域土壤湿度的气候效应截然相反。前者与长江中下游夏季降水呈现正相关, 而后者却为负相关, 即高原东部土壤湿度偏湿, 西部偏干时, 长江中下游夏季降水偏多。这表明高原土壤湿度的气候效应具有显著的区域性。李登宣等(2016)利用GLDAS-Noah土壤湿度资料也得出了高原不同地区的土壤湿度与中国东部夏季降水的相关特征不同的结论。值得注意的是, 前人在利用数值模式进行敏感性试验时, 多将整个高原作为一个整体来研究(Chow et al, 2008; 沈丹等, 2015), 忽略了高原土壤湿度的空间差异, 这势必会对结果造成一定影响, 从而错误地估计了高原土壤湿度的气候效应。这也再次证实, 在前文的替代资料评估对比过程中, 应该尽可能用更多的站点观测资料作为参考进行对比研究, 才能评估出最适合高原的土壤湿度替代资料。
5 结论与讨论高原土壤湿度作为具有“记忆性”的陆面过程因子, 对局地和非局地的天气气候都具有重要的影响, 但是由于高原恶劣的自然环境和复杂的地形条件, 地面观测站点稀少, 长时间序列的土壤湿度观测资料更是十分匮乏, 在利用数值模式或替代资料研究高原土壤湿度时空变化特征及其气候效应时, 存在很大的不确定性, 因此寻找出最适合高原的土壤湿度替代资料, 具有很大的必要性。利用收集到的多套观测资料作为参考, 分别对各种替代资料在高原的适用性进行评估, 得出了以下结论:
(1) 所有观测资料都表现出高原土壤湿度在表层、中层、深层的变化具有很好的一致性, 表层与中层、中层与深层的土壤湿度相关系数均在0.8以上。
(2) 通过计算8套替代资料的表层土壤湿度与7套观测资料在非冻结期(4—10月)的相关系数和标准差比, 将多套对比资料在每个站点都进行对比分析, 发现卫星反演资料SSM/I RETRIEVALS(s8)在各个站点与观测值的相关系数都为正, 且在高原东南部、中部、北部与观测值都有很好的正相关, 除了在高原北部的标准差较观测偏大, 在高原东南和中部标准差与观测标准差均较为接近, 适用于高原的大范围地区。该套土壤湿度资料时间长度有近20年, 空间分辨率也较高, 是研究高原土壤湿度多年变化特征的一套较好的替代资料。
(3) 基于卫星反演资料SSM/I RETRIEVALS发现春季高原土壤湿度的空间分布具有南部边缘较大、由东南向西北递减的特征, 大部分地区的土壤湿度具有明显的线性增加趋势; 去除趋势后, 高原东西各有一个均方差大值区, 东西关键区内的土壤湿度从春季到夏季具有很好的持续性, 关键区内的土壤湿度可以作为预测我国夏季降水的重要因子。
张人禾等(2016)在对中国区域土壤湿度及其对中国气候影响的研究进展的评述中, 也指出了土壤湿度观测资料的匮乏严重限制了土壤气候学的发展, 有学者(沈润平等, 2016; 马思源等, 2016)指出ERA资料具有较为明显的优势, 但仅限于中国东部地区, 而高原分布着大面积的积雪与冻土, 不同于中国其他地区, 因此适用于中国东部的土壤湿度替代资料, 不一定能适用于高原地区, 高原的土壤湿度气候效应与中国其他地区也可能存在差异。关注高原地区的土壤湿度替代资料适用性、高原地区的土壤湿度特征及其气候效应, 是非常必要的。
致谢 感谢南京信息工程大学王国杰教授提供的青藏高原土壤湿度卫星资料SSM/I RETRIEVALS, 感谢欧洲中心提供的ERA-Interim土壤湿度资料、NOAA提供的NCEP/NCAR和NCEP/DOE土壤湿度资料、GES DISC提供的全球陆面数据同化系统资料GLDAS-1的4套土壤湿度资料, 以及非常感谢青藏高原科学数据中心、黑河计划数据管理中心提供的观测资料。
Bi H, Ma J, Zheng W, et al. 2016. Comparison of soil moisture in GLDAS model simulations and in situ observations over the Tibetan Plateau[J]. J Geophys Res, 121: 2658–2678.
|
|
Chow K C, Chan J C L, Shi X L, et al. 2008. Time-lagged effects of spring Tibetan Plateau soil moisture on the monsoon over China in early summer[J]. Int J Climatol, 28(1): 55–67.
|
|
Chen Y, Yang K, Qin J, et al. 2013. Evaluation of AMSR-E retrievals and GLDAS simulations against observations of a soil moisture network on the central Tibetan Plateau[J]. J Geophys Res, 118(10): 4466–4475.
|
|
Chahine M T. 1992. The hydrological cycle and its influence on climate[J]. Nature, 359(6394): 373–380.
DOI:10.1038/359373a0 |
|
Su Z, Rosnay P D, Wen J, et al. 2013. Evaluation of ECMWF's soil moisture analyses using observations on the Tibetan Plateau[J]. J Geophys Res, 118(11): 5304–5318.
|
|
Taylor K E. 2001. Summarizing multiple aspects of model performance in a single diagram[J]. J Geophys Res, 106(D7): 7183–7192.
|
|
Van der Velde R, Salama M S, Pellarin T, et al. 2014. Long term soil moisture mapping over the Tibetan Plateau using special sensor microwave[J]. Hydrology & Earth System Sciences Discussions, 10(5): 6629–6667.
|
|
Wang G, Hagan D F T, Lou D, et al. 2016. Evaluation of soil moisture derived from FY3B microwave brightness temperature over the Tibetan Plateau[J]. Remote Sens Lett, 7(9): 817–826.
DOI:10.1080/2150704X.2016.1192303 |
|
Wu Z W, Zhang P, Chen H, et al. 2016. Can the Tibetan Plateau snow cover influence the interannual variations of Eurasian heat wave frequency?[J]. Climate Dyn, 46(11): 3405–3417.
|
|
丁一汇, 任国玉, 石广玉, 等. 2006. 气候变化国家评估报告(Ⅰ):中国气候变化的历史和未来趋势[J]. 气候变化研究进展, 2(1): 3–8.
Ding Y H, Ren G Y, Shi G Y, et al. 2006. National assessment report of climate change (Ⅰ):Climate change in China and its future trend[J]. Adv Climate Change Res, 2(1): 3–8.
|
|
郭维栋, 马柱国, 王会军. 2007. 土壤湿度——一个跨季度降水预测中的重要因子及其应用探讨[J]. 气候与环境研究, 12(1): 20–28.
Guo W D, Ma Z G, Wang H J. 2007. Soil moisture——An important factor of seasonal precipitation prediction and its application[J]. Climatic Environ Res, 12(1): 20–28.
|
|
刘川, 余晔, 解晋, 等. 2015. 多套土壤温湿度资料在青藏高原的适用性[J]. 高原气象, 34(3): 653–665.
Liu C, Yu Y, Xie J, et al. 2015. Applicability of soil temperature and moisture in several datasets over Qinghai-Xizang Plateau[J]. Plateau Meteor, 34(3): 653–665.
DOI:10.7552/j.issn.1000-0534.2015.00034 |
|
刘强, 杜今阳, 施建成, 等. 2013. 青藏高原表层土壤湿度遥感反演及其空间分布和多年变化趋势分析[J]. 中国科学:地球科学, 43(10): 1677–1690.
Liu Q, Du J Y, Shi J C, et al. 2013. Analysis of spatial distribution and multi-year trend of the remotely sensed soil moisture on the Tibetan Plateau[J]. Science China:Earth Sciences, 43(10): 1677–1690.
|
|
李栋梁, 钟海玲, 吴青柏, 等. 2005. 青藏高原地表温度的变化分析[J]. 高原气象, 24(3): 285–299.
Li D L, Zhong H L, Wu Q B, et al. 2005. Analyses on changes of surface temperature over Qinghai-Xizang Plateau[J]. Plateau Meteor, 24(3): 285–299.
|
|
李登宣, 王澄海. 2016. 青藏高原春季土壤湿度与中国东部夏季降水之间的关系[J]. 冰川冻土, 38(1): 89–99.
Li D X, Wang C H. 2016. The relation between soil moisture over the Tibetan Plateau in spring and summer precipitation in the eastern China[J]. Journal of Glaciology and Geocryology, 38(1): 89–99.
|
|
马柱国, 符淙斌, 谢力, 等. 2001. 土壤湿度和气候变化关系研究中的某些问题[J]. 地球科学进展, 16(4): 563–568.
Ma Z G, Fu C B, Xie L, et al. 2001. Some problems in the study on the relationship between soil moisture and climatic change[J]. Adv Earth Sci, 16(4): 563–568.
|
|
马思源, 朱克云, 李明星, 等. 2016. 中国区域多源土壤湿度数据的比较研究[J]. 气候与环境研究, 21(2): 121–133.
Ma S Y, Zhu K Y, Li M X, et al. 2016. A comparative study of multi-source soil moisture data for China's regions[J]. Climatic Environ Res, 21(2): 121–133.
|
|
石磊, 杜军, 周刊社, 等. 2016. 1980-2012年青藏高原土壤湿度时空演变特征[J]. 冰川冻土, 38(5): 1241–1248.
Shi L, Du J, Zhou K S, et al. 2016. The temporal-spatial variations of soil moisture over the Tibetan Plateau during 1980-2012[J]. Journal of Glaciology and Geocryology, 38(5): 1241–1248.
|
|
沈丹, 王磊. 2015. 青藏高原土壤湿度对中国夏季降水与气温影响的敏感试验[J]. 气象科技, 43(6): 1095–1103.
Shen D, Wang L. 2015. A sensitivity test of effect of Tibet Plateau soil moisture on summer precipitation and temperature over China[J]. Meteor Sci Technol, 43(6): 1095–1103.
|
|
沈润平, 张悦, 师春香, 等. 2016. 长时间序列多源土壤湿度产品在中国地区的比较分析[J]. 气象科技, 44(6): 867–874.
Shen R P, Zhang Y, Shi C X, et al. 2016. Inter-comparison of various long-time soil moisture datasets in China[J]. Meteor Sci Technol, 44(6): 867–874.
|
|
王瑞, 李伟平, 刘新, 等. 2009. 青藏高原春季土壤湿度异常对我国夏季降水影响的模拟研究[J]. 高原气象, 28(6): 1233–1241.
Wang R, Li W P, Liu X, et al. 2009. Simulation of the impacts of spring soil moisture over the Tibetan Plateau on Summer precipitation in China[J]. Plateau Meteor, 28(6): 1233–1241.
|
|
王静, 祁莉, 何金海, 等. 2016. 青藏高原春季土壤湿度与我国长江流域夏季降水的联系及其可能机理[J]. 地球物理学报, 59(11): 3985–3995.
Wang J, Qi L, He J H, et al. 2016. Relationship between spring soil moisture in the Tibetan Plateau and summer precipitation in the Yangtze river basin and its possible mechanism[J]. Chinese J Geophys, 59(11): 3985–3995.
|
|
徐祥德. 2015. 青藏高原影响与动力学机制探讨[M]. 北京: 气象出版社.
Xu X D. 2015. Exploring the effect of Tibetan Plateau and its dynamical mechanisms[M]. Beijing: China Meteorological Press.
|
|
席家驹, 文军, 田辉, 等. 2014. AMSR-E遥感土壤湿度产品在青藏高原地区的适用性[J]. 农业工程学报, 30(13): 194–202.
Xi J J, Wen J, Tian H, et al. 2014. Applicability evaluation of AMSR-E remote sensing soil moisture products in Qinghai-Tibet plateau[J]. Transactions of the Chinese Society of Agricultural Engineering, 30(13): 194–202.
|
|
张耀存, 钱永甫. 1999. 青藏高原隆升作用于大气临界高度的数值研究[J]. 气象学报, 57(2): 157–167.
Zhang Y C, Qian Y F. 1999. Numerical studies on the effects of the critical height of Qinghai-Xizang Plateau uplift on the atmosphere[J]. Acta Meteor Sinica, 57(2): 157–167.
|
|
张文纲, 李述训, 庞强强. 2008. 近45年青藏高原土壤温度的变化特征分析[J]. 地理学报, 63(11): 1151–1159.
Zhang W G, Li S X, Pang Q Q. 2008. Variation characteristics of soil temperature over Qinghai-Xizang Plateau in the past 45 years[J]. Acta Geographica Sinica, 63(11): 1151–1159.
|
|
张人禾, 刘栗, 左志燕. 2016. 中国土壤湿度的变异及其对中国气候的影响[J]. 自然杂志, 38(5): 313–319.
Zhang R H, Liu L, Zuo Z Y. 2016. Variations of soil moisture over China and their influences on Chinese climate[J]. Chinese J Nature, 38(5): 313–319.
|
|
卓嘎, 德吉卓玛, 尼玛吉. 2017. 青藏高原土壤湿度分布特征及其对长江中下游6、7月降水的影响[J]. 高原气象, 36(3): 657–666.
Zhuo G, Deji Z M, Nima J. 2017. Distribution of soil moisture over the Qinghai-Tibetan Plateau and its effect on the precipitation in June and July over the mid-lower reaches of Yangtze River Basin[J]. Plateau Meteor, 36(3): 657–666.
DOI:10.7522/j.issn.1000-0534.2016.00073 |
|
张长灿, 李栋梁, 王慧, 等. 2017. 青藏高原春季地表感热特征及其对中国东部夏季雨型的影响[J]. 高原气象, 36(1): 13–23.
Zhang C C, Li D L, Wang H, et al. 2017. Characteristics of the surface sensible heat on the Qinghai-Xizang Plateau in the spring and its influences on the summertime rainfall pattern over the Eastern China[J]. Plateau Meteor, 36(1): 13–23.
DOI:10.7522/j.issn.1000-0534.2016.00028 |
2. Fudan University, Shanghai 200433, China;
3. Chinese Academy of Meteorological Sciences, Beijing 100081, China