2018, Vol. 37
2. 中国科学院大学, 北京 100049;
3. 成都信息工程大学大气科学学院/高原大气与环境四川省重点实验室, 四川 成都 610225;
4. 南京信息工程大学气象灾害预报预警与评估协同创新中心, 江苏 南京 210044;
5. 内蒙古气象台, 内蒙古 呼和浩特 010020
陆地表面约占地球表面30%的面积, 它与大气之间的动量、热量和水分交换对天气、气候具有重要影响(戴永久等, 1996)。土壤湿度作为陆面过程的一个重要因子, 在气候变化中的作用仅次于海表面温度。它通过改变地表反照率、热容量和向大气输送感热、潜热等影响天气和气候变化(马柱国等, 2001)。尤其是在中高纬地区, 土壤湿度对天气、气候的影响甚至超过海表面温度的作用(郭维栋等, 2007)。
青藏高原(下称高原)地势高耸, 平均海拔超过4 000 m, 最高海拔超过8 800 m, 构成全球独一无二的“第三极”主体骨架, 也是地球上独特的寒旱高极。在全球变暖的背景下, 其区域气候也发生了显著的变化, 高原的土壤湿度也随之产生响应。Meng et al(2017)利用欧空局最新发展的微波土壤湿度产品研究了青藏高原土壤湿度变化对全球变暖的响应, 发现高原夏季土壤湿度在1980—2013年期间总体呈现显著增加趋势, 其中高原中东部区域除横断山区外以变湿为主, 而西部地区受蒸发增加的影响呈现微弱的变干趋势。Van der et al(2014)利用微波遥感反演的土壤湿度产品也显示高原总体土壤湿度呈现变湿的趋势。高原土壤湿度的上述变化, 将使得高原区域土壤热容量、地表反照率、植被生长状况、蒸发和蒸腾作用发生变化, 进一步通过感热、潜热、辐射和动量交换的方式对高原的天气、气候产生影响(马柱国等, 1999)。高原素有“亚洲水塔”之称, 它向南、向东、向西发源, 成为了长江、黄河、怒江、澜沧江、雅鲁藏布江以及恒河、印度河等国际主要大江大河的发源地, 因而高原降水在全球变暖背景下的变化对水文水资源也有重要的影响。同时, 高原本身所产生的热力作用会直接影响东亚季风环流, 而高原降水的变化也是影响高原热力作用的一个重要因子, 而有关高原降水的研究是目前研究的热点和难点。
研究表明, 土壤湿度和降水的互馈作为陆气相互作用系统中的重要组成部分, 土壤湿度将通过正反馈和负反馈作用对降水产生影响。目前大部分研究表明土壤湿度与降水之间的关系为正反馈, 即当土壤湿度增加(或减少)时, 降水也会相应的增加(或减少)。其中, 正反馈过程土壤湿度变干(变湿)导致地表净辐射减少(增加), 引起大气湿静力能的减少(增加), 引起降水的增加。另一方面是土壤湿度变干(变湿), 引起地表感热通量增加(潜热通量增加), 加热(冷却)大气使大气边界层快速抬升(自由对流高度下降), 到达自由对流高度(到达大气边界层顶), 从而增加降水。如: Shukla et al(1982)利用数值模式在全球范围进行干、湿土壤对比试验发现干、湿土壤的模拟结果存在较大差异, 模拟结果中欧亚地区土壤湿度和降水之间呈现正反馈关系。Yeh et al(1984)通过数值模拟发现土壤湿度与降水之间存在正反馈关系。Milly et al(1994)通过数值模拟发现增加的土壤湿度导致蒸发、土壤含水量以及径流的增加, 进一步又导致了降水的增加。梁乐宁等(2010)通过研究发现春季华南土壤湿度与夏季降水存在正相关。马柱国等(2000)通过分析我国东部土壤湿度和降水资料发现土壤湿度和降水之间存在正反馈关系。而少部分研究表明土壤湿度与降水之间的关系为负反馈, 即当土壤湿度增加(或减少)时, 降水则表现为减少(或增加)。Ek et al(1994)通过一维边界层模型研究发现了干土壤可以产生降水的负反馈机制。Paegle et al(1996)研究中发现干土壤会导致很强的辐合以促进降水发生的负反馈情况。Giorgi et al(1996)通过敏感性试验发现美国存在干土壤产生降水的负反馈区域。梁乐宁等(2010)通过研究发现春季华南土壤湿度与夏季长江流域及以北地区降水存在负相关。王万秋(1991)对我国90°E—120°E, 30°N—40°N一带进行土壤湿度敏感性试验, 通过对比后20天干、湿土壤的模拟结果发现区域内存在干土壤条件下降水更多的区域, 也就是负反馈过程。
目前有关土壤湿度与对流降水关系的研究可以通过观测数据进行研究, Zaitchik et al(2006)将卫星图像、气象站观测资料以及再分析资料结合起来, 分析了2003年欧洲地区的一次高温热浪过程并对其中土壤湿度与降水的反馈过程进行了研究, 其研究结果表明土壤湿度是通过改变波文比进而对边界层稳定度产生影响的方式影响降水。此外, 数值模式也是研究土壤湿度与对流降水反馈过程和机理的重要方法。Avissar et al(1996)利用三维数值模式研究不均匀下垫面情形下土壤湿度与局地对流降水的关系发现土壤湿度分布不均匀会导致边界层中水分向较干土壤处运动, 这会促进边界层中的环流过程进一步有利于对流降水的产生。Findell et al(2003)借助一维大气边界层模型研究了不同清晨大气热力结构性质下土壤湿度和大气边界层的相互作用以及对流的发生情况, 并构建对流触发潜能-大气低层湿度指数概念框架用于区分不同大气状态下土壤湿度对对流降水的影响。目前, 该方法(Findell et al, 2003)已得到广泛应用, Findell et al(2003)将该方法用于美国, 得到了适用于美国地区的对流触发潜能-大气低层湿度指数概念框架; Tuinenburg et al(2011)将该方法应用于印度, 进行了有关印度地区对流触发潜能-大气低层湿度指数概念框架以及季风和非季风时期灌溉作用对对流性降水影响的研究; Ferguson et al(2011)应用该方法结合卫星遥感资料对全球范围内进行了土壤湿度与对流降水反馈分区。
Seneviratne et al(2010)总结了有关土壤湿度对天气、气候影响的研究并给出了土壤湿度与降水之间的反馈模型(图 1), 土壤湿度与降水反馈主要包括三个过程, 其中过程A和C是确定的, 即土壤湿度与蒸发以及降水与降水过后土壤湿度变化的关系, 而B过程是存在不确定性的, 也就是土壤湿度对降水过程的间接影响有不同的影响机制和反馈作用。
|
图 1 土壤湿度与降水反馈过程[引自Seneviratne et al(2010)] Figure 1 Feedbacks between soil moisture and precipitation [cited from Seneviratne et al(2010)] |
对于高原地区, Chow et al(2007)利用区域气候模式研究春季高原土壤湿度对中国夏季风的影响, 结果显示高原增加土壤湿度会导致中国东部夏季降水增加和华南夏季降水减少。张雯等(2015)将1992—2011年高原东部站点土壤湿度的资料与全国降水资料对比, 发现高原东部土壤湿度与我国东部降水之间存在显著相关关系。卓嘎等(2017)分析高原春季土壤湿度时空分布特征发现其与我国长江中下游夏季降水呈负相关。周娟等(2017)将高原季风与土壤湿度进行了相关分析, 研究发现晚春高原东部土壤湿度与夏季风呈正相关, 而高原西部则呈现负相关。当高原夏季风强时, 高原中东部降水偏多, 西部偏少, 而季风弱时, 降水则呈现相反趋势。
从以上研究可以看出, 目前, 有关高原土壤湿度对降水影响的研究更多关注的是土壤湿度通过影响大尺度环流进而影响我国降水的研究, 而对高原土壤湿度对其局地对流性降水影响的研究较少。高原以其强大的热力和动力作用成为了对流活动的高频区(徐祥德等, 2014), 那么, 当高原土壤湿度发生变化时, 高原夏季降水会发生怎样的变化？当高原土壤湿度发生变化后对高原的对流降水会产生怎样的影响？因此, 本文拟通过土壤湿度敏感性试验和对流触发潜能-大气低层湿度指数概念框架研究分析土壤湿度变化对对流降水, 尤其是午后对流降水的触发和抑制。
2 资料和方法 2.1 资料介绍ERA-Interim再分析资料(Dee et al, 2011)是欧洲中心(European Centre for Medium-Range Weather Forecasts, ECMWF)发布的最新的全球再分析资料, 该资料用于ERA-40再分析资料和欧洲中心即将推出的新一代再分析资料的过渡, 其时间跨度为1979年至今且不断更新。该资料包含多种不同分辨率的网格数据, 本文使用的是2003年和2009年8月1—31日, 时间间隔为6 h, 水平分辨率为0.25°×0.25°的格点资料。
TRMM(Tropical Rainfall Measuring Mission)资料为第七版(Version 7)降水资料, 该资料起始于1998年1月, 空间上覆盖了全球南北纬50°之间的范围。其时间分辨率包含三种, 分别为3 h(3B42)、日(3B42计算得出的)和月(3B43), 其空间分辨率只包含0.25°×0.25°一种。
ECV(Essential Climate Variable)土壤湿度融合产品(Liu et al, 2011, 2012; Wagner et al, 2012)为欧洲空间局(European Space Agency, 简称欧空局)利用多颗卫星的主动和被动微波遥感资料研发的长序列土壤湿度产品。目前, 该资料时间跨度为1978年11月1日至2015年12月31日, 时间分辨率为日, 空间分辨率为0.25°×0.25°。本文用到的资料为2003年8月以及2009年8月的ECV土壤湿度产品。
2.2 对流触发潜能-大气低层湿度指数概念框架Findell et al(2003)根据清晨大气的热力结构和低层大气湿度情况定义了对流触发潜能(Convective Triggering Potential, CTP)和低层大气湿度指数(Low-level Humidity Index, HIlow)。该方法的理论依据是:清晨的大气热力结构主要受夜间残余层的影响, 大气边界层在太阳辐射作用下的发展过程主要受两个因素的影响, 一方面是清晨大气的稳定程度, 另一方面是地表感热加热的强度。土壤干、湿状态决定了对地表净辐射及感热和潜热之间的能量分配, 进而影响了用于加热初始大气的能量, 而大气边界层发展速率又受到清晨大气稳定程度的制约。因此Findell et al(2003)定义CTP作为清晨大气稳定程度的表征; HIlow则表征大气初始状态和土壤湿度影响下的蒸发共同作用下的大气湿度状态。
2.3 试验设计WRF(Weather Research and Forecast Model)模式(Skamarock et al, 2008)是以美国国家研究中心(National Center for Atmospheric Research, NCAR)、美国环境预测中心(National Centers for Environmental Prediction, NCEP)等美国的科研机构为中心开发的新一代中尺度天气预报模式和同化系统。WRF模式系统具有可移植、易维护、可扩充、高效率和方便等诸多特性。由于该模式集成了过去几十年所有中尺度模式的研究成果, 在数值计算、模式框架、程序优化等方面采用了当前最为成熟和最优化的技术, 因此世界上大多数国家选用该模式作为中尺度预报模式应用业务和科研。WRF模式可支持多尺度模拟, 模拟精度范围可以从米到几千公里, 其水平网格采用Arakawa C格式, 这种格式有利于在高分辨率模拟中提高数值计算精度(闫之辉等, 2007; 章国材, 2004)。
利用WRF模式(V3. 8. 1版本, 于2016年4月发布)设计敏感性试验对高原地区进行模拟, 模拟时间为2003年8月1日00:00(世界时, 下同)至31日18:00和2009年8月1日00:00至31日18:00, 其中2003年为降水正常年, 2009年为降水偏多年(通过对降水数据分析得出)。控制和敏感性试验的模拟为单重模拟, 模拟区域如图 2[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)1609号的中国地图制作, 底图无修改]所示, 区域中心经纬度为(33°N, 90°E), 南北格点数为200, 东西格点数为330, 水平分辨率为10 km。垂直方向为采用eta坐标, 为不等间距的31个层次, 时间分辨率为60 s, 每30 min输出一次数据。参照栾澜等(2017)的文献, 模拟中积云参数化方案选取Kain-Fritsch方案, 下垫面土地利用类型资料为USGS资料, 长波辐射选用RRTM方案, 短波辐射选用Dudhia方案, 陆面过程选用Noah方案。模拟初边界场所选用的资料为ERA-Interim再分析资料, 微物理参数化方案选取Lin方案, 边界层参数化方案选取MYJ参数化方案。
|
图 2 模拟区域地形高度图(单位: m) 图中黑色曲线围成的区域为本文主要关注的高原区域 Figure 2 Elevation of the simulating domain. Unit: m. The domain within black lines is concerned in this paper |
由于主要关注土壤湿度变化对对流降水的影响, 因此设计土壤湿度敏感性试验以研究土壤湿度变化对对流降水的影响。参照ECV土壤湿度产品, 在高原区域, WRF模式模拟的土壤湿度比遥感产品偏湿10%~20%。同时鉴于土壤湿度初值扰动具有一定的记忆, 因此参照Meng et al(2015)在典型干旱半干旱区的研究结果, 即土壤湿度初值扰动的记忆时间约为5天。因此设计敏感性试验方案如表 1所示。
|
表 1 控制和敏感性试验方案说明 Table 1 Description of control and sensitive experiments |
从2003年8月和2009年8月WRF模式对降水模拟结果与TRMM资料的对比(图 3)可以看出, 2003年8月TRMM资料中降水率呈现东南到西北递减的趋势, 西北部地区降水率几乎为零, 控制试验和两组敏感性试验均能模拟出降水的从东南到西北所呈现的分布情况。将控制试验与两组敏感性试验进行对比可以发现, 两组敏感性试验从不同的程度上改进了高原西北部的降水, 其中EXP_0.8[图 3(d)]对于高原西部的降水改进较EXP_0.9[图 3(c)]明显。参照欧空局ECV土壤湿度产品(Liu et al, 2011, 2012; Wagner et al, 2012), 在高原区域, WRF模式模拟的土壤湿度比遥感产品偏湿10%~20%, 因此, 当土壤湿度减少时, 对降水的模拟有所改进是合理的。通过对比2009年8月TRMM降水资料和模式模拟的结果可以得到与2003年8月相似的结论。
|
图 3 2003年8月(上)和2009年8月(下)TRMM资料得出的降水空间分布与WRF模式模拟结果的对比(单位: mm·h-1) Figure 3 The comparation of simulated precipitation distribution between TRMM and WRF in August 2003 (up) and August 2009 (down). Unit: mm·h-1 |
在分析总降水的基础上, 对高原对流降水的模拟结果进行分析。从图 4可以看出, 2003年8月和2009年8月控制试验和敏感性试验对对流降水的模拟结果与总降水分布相似均体现出降水从东南向西北减少的形势。为进一步了解敏感性试验与控制试验模拟的对流降水的差异, 接下来的分析中将敏感性试验与控制试验中对流降水的模拟结果做差值(图 5)。其中, 2003年8月结果显示高原上对流降水增加的位置主要位于高原西南部和东南角, 降水减少的位置主要位于高原西部和东部。对于降水增加的区域, EXP_0.9较EXP_0.8的大值区更加集中, EXP_0.8模拟的对流降水的增加区较EXP_0.9向西延伸, 但增加量之间的差异并不明显。而对于降水减少的区域, EXP_0.9和EXP_0.8表现得基本一致, 但EXP_0.8对对流降水模拟减少量明显大于EXP_0.9。2009年8月敏感性试验与控制试验模拟结果差值显示, 降水增加区位于高原的东南部, 降水减少区主要位于高原的西南部。通过对比图 5(a)和(b)以及图 5(c)和(d)可以发现, 当模式中土壤湿度变干的程度越大, 2003年8月模拟结果中对西部降水减小量的影响体现得越明显, 而2009年8月模拟结果显示EXP_0.8较EXP_0.9在高原西部降水的减少和高原东部降水的增加均更为明显。
|
图 4 2003年8月(上)和2009年8月(下)高原对流降水分布的模拟结果(单位: mm·h-1) Figure 4 Distribution of simulated convective precipitation over Qinghai-Tibetan Plateau in August 2003 (up) and August 2009 (down). Unit: mm·h-1 |
|
图 5 2003年8月(上)和2009年8月(下)敏感性试验与控制试验模拟的对流降水的差值(单位: mm·mon-1) Figure 5 The difference of convective precipitation simulated between sensitive and control experiments in August 2003 (up) and 2009 (down). Unit: mm·mon-1 |
如图 6所示, 土壤湿度的变化会直接影响蒸发而导致潜热发生变化, 该过程与图 1中的A过程是相对应的, 而潜热会进一步通过间接的作用影响降水, 而这个过程(图 1中B过程)是存在不确定性的。本节将主要研究土壤湿度变化对午后对流降水的反馈情况。其中, 对于土壤湿度干湿状态对午后对流的触发没有影响的情况称为大气控制, 而对于土壤湿度变化对午后对流触发产生影响的情况称为土壤湿度控制, 而土壤湿度控制又分为正反馈和负反馈两种情况。其中, 正反馈是指控制试验中08:00—12:00无对流降水发生, 12:00—18:00有对流降水发生, 且敏感性试验中08:00—18:00均无对流降水发生; 负反馈指控制试验08:00—18:00无对流降水发生, 而敏感性试验中08:00—12:00无对流降水发生, 12:00—18:00有对流降水发生。
|
图 6 2003年8月(上)和2009年8月(下)土壤湿度平均更改日14:00潜热通量分布(单位: W·m-2) Figure 6 Sensible heat flux at 14:00 averaged on days which soil moisture changed in August 2003 (up) and 2009 (down). Unit: W·m-2 |
首先, 对土壤湿度干湿状态影响午后对流降水触发的情况, 即土壤湿度控制所占比例进行分析。图 7表示高原地区2003年8月和2009年8月模拟时段中土壤湿度控制所占的百分比分布。从图 7中可以看出, 总体上高原对流降水主要受大气控制(60%~90%)。从图 7(a)和(b)可以看出, 2003年8月高原中部和西部部分地区相对于其他地区受土壤湿度的影响更加明显(10%~40%)。将图 7(a)和(b)进行对比可以发现, 土壤湿度变干的程度越大时, 高原受到土壤湿度的影响也越大, 图 7(b)中比较明显体现出了高原中部和西部地区土壤湿度控制天数所占百分比有明显的增加, 即30%~40%的百分比区域扩大。2009年8月的模拟结果[图 7(c), (d)]显示, 土壤湿度控制区域主要位于高原的中部(10%~40%), 将图 7(c)和(d)对比可以看出EXP_0.8较EXP_0.9在高原中部土壤湿度控制天数的比例有所减少, 但土壤湿度控制的比例在高原西部有所增加。下一步将分析在不同土壤湿度条件下, 土壤湿度引起的午后对流触发(负反馈)和抑制(正反馈)情况。
|
图 7 2003年8月(上)和2009年8月(下)土壤湿度控制天数所占百分比分布(单位: %) Figure 7 Distribution of the percentage accounted by days which soil moisture controlled in August 2003 (up) and 2009 (down). Unit: % |
从2003年8月和2009年8月正反馈发生天数占总的土壤湿度控制天数的百分比分布(图 8)可以看出, 2003年8月的模拟结果中高原西部以正反馈为主, 在高原中部和高原东北部正反馈也占有了较大比例。2009年8月的模拟结果中正反馈发生比例较高的区域与2003年8月模拟结果相似, 即在高原西部、高原中部和高原东北部占有较大的比例。而2003年和2009年8月模拟结果中, 负反馈在高原的西南部、高原中部部分地区和高原东南部占有较大的比例。综合分析正反馈和负反馈在高原上的分布情况可以发现, 正反馈主要位于高原的西北部而负反馈主要位于高原的东南部。
|
图 8 2003年8月(上)和2009年8月(下)正反馈天数占土壤湿度控制天数百分比分布(单位: %) Figure 8 Distribution of percentage accounted by days which possitive feedback accur among soil moisure controlled days in August 2003 (up) and 2009 (down). Unit: % |
进一步对正负反馈所引发午后对流降水的变化量进行分析。从图 9可以看出, 2003年8月模拟结果中当土壤湿度变为原来的90%时, 由于土壤湿度变干所导致降水减少的区域主要集中于高原中部和西部地区; 当土壤继续变干时, 高原西部降水量变率更加明显。高原地区负反馈发生的区域主要位于高原中部和东部且分布较广, 降水增加的中心值可以达到24~30 mm·mon-1。将图 9(b)和9(d)对比可以发现, EXP_0.8较EXP_0.9在高原中部偏西北地区以及东北地区出现了更多负反馈所引发的午后对流降水。2009年8月模拟结果中由于正反馈所导致的对流降水的减少区域主要位于高原的中部和东部, EXP_0.8和EXP_0.9模拟结果的差别不明显。负反馈导致午后对流降水增加的区域主要位于高原的东南部, 且可以看出对于引发午后对流降水的变化量方面, 敏感性试验EXP_0.8较EXP_0.9的值大。
|
图 9 2003年8月和2009年8月正(左)、负反馈(右)引发午后对流降水量变化(单位: mm·mon-1) Figure 9 Difference of afternoon convective precipitation caused by positive (left) and negative (right) feedback. Unit: mm·mon-1 |
从负反馈导致的午后对流降水的增加量占总降水的百分比分布(图 10)可以看出, 2003年8月和2009年8月的模拟结果在降水量比较小的西北部地区和柴达木盆地周围, 该地区由于负反馈所引发的对流降水约占总降水比例高值区的百分比可以达到80%以上甚至更高。综合两年的模拟结果, 发现由于土壤湿度变干所引发负反馈触发的午后对流降水在较干旱的地区占有者更大的比例, 而这些产生的降水对于这些较为干旱的地区具有重要意义。
|
图 10 2003年8月(上)和2009年8月(下)负反馈触发的午后对流降水占总降水的百分比分布(单位: %) Figure 10 Distribution of the percentage accounted by afternoon convective precipitation triggered by negative feedback among total precipitation in August 2003 (up) and 2009 (down). Unit: % |
结合以上结果, 对2003年和2009年CTP-HIlow框架进行研究。图 11为2003年8月和2009年8月敏感性试验发生反馈区域清晨CTP和HIlow的值以及对应控制试验在相应区域的CTP和HIlow箱线图, 箱线图从下至上五个值分别对应下十二分位数, 下四分位数, 中位数, 上四分位数和上十二分位数。从图 11中可以看出, 土壤湿度变化对清晨CTP的影响不大, 这是因为CTP与净辐射关系密切, 说明该区域土壤湿度变化对地表反照率的影响不大(事实上WRF模式中修改土壤湿度后, 地表反照率变化不大), 造成净辐射变化不大, 因而CTP变化不大, 其影响主要体现在了HIlow值上面。因此接下来主要针对HIlow值进行分析, 结合2003年8月控制试验和敏感性试验的模拟结果, 若要发生午后对流降水, 对应的HIlow阈值约为12 K, 而2009年8月的结果则显示满足午后对流降水的HIlow的阈值约为18 K。与美国(Findell et al, 2003)和印度(Tuinenburg, 2011)的结果相比, 美国发生正反馈的HIlow阈值为5~10 K; 印度发生正反馈的阈值为7~12 K, 2003年模拟结果对应的HIlow阈值与印度相比更接近(表 2, 表 3)。而2009年模拟结果的HIlow阈值则相对较大, 说明2009年较干的地表状况引发土壤湿度对午后对流降水的触发。造成2003年与2009年结果差异的原因可能与两年不同的背景场有关。
|
图 11 2003年8月(上)和2009年8月(下)正负反馈区域CTP和HIlow箱线图 红色框为敏感性试验, 蓝色框为反馈发生区域对应控制试验区域的值 Figure 11 Box plots of regions with positive and negative feedback in August 2003(up) and 2009(down). Red boxes are sensitive experiments, blue boxes are control experiments |
|
|
表 2 青藏高原与印度和美国地区正反馈CTP-HIlow阈值对比 Table 2 The range of CTP-HIlow when it is positive feedback over Qinghai-Tibetan Plateau, India and United States |
|
|
表 3 青藏高原与印度和美国地区负反馈CTP-HIlow阈值对比 Table 3 The range of CTP-HIlow when it is negative feedback over Qinghai-Tibetan Plateau, India and United States |
利用WRF模式设计敏感性试验模拟研究了青藏高原土壤湿度变化对午后对流性降水的影响。得到的主要结论如下:
(1) WRF(V3.8.1)模式对高原降水的模拟虽然较观测值有一定的偏高, 但是体现出了对高原夏季降水较好的模拟效果。将敏感性试验中土壤湿度减少时, 模拟结果对高原西部降水有一定的改进。
(2) WRF模拟结果显示, 高原地区以大气控制为主(60%~90%), 在高原中部、西南部地区以及东北部区域土壤湿度占的比例相对于其他地区要大一些。通过进一步分析发现, 正负反馈在高原上普遍存在, 负反馈主要发生于高原的东南部, 正反馈主要发生于高原的西北部。
(3) 不同降水年份, 高原正负反馈所引发的午后对流降水的变化存在一定的差异, 但2003年8月和2009年8月的模拟结果均体现出了在西北部比较干旱的地区, 负反馈触发的午后对流降水占据了较大的比例。
(4) 2003年8月和2009年8月正负反馈发生对应的CTP和HIlow值存在差异, 这可能与两年不同的背景场有关。
WRF模式比较好的模拟出青藏高原的降水分布。当土壤湿度发生不同程度的变干时, 其对午后对流降水产生了一定的影响。由于受计算资源和时间的限制, 本文仅挑选2003年和2009年的8月进行了研究, 且敏感性试验仅考虑了土壤湿度为0.9和0.8倍时的情况。今后的研究中可以通过长时间的模拟以及选取多土壤干湿程度来设计敏感性试验使得有关土壤湿度影响的研究更加全面。
Avissar R, Liu Y. 1996. 3-dimensional numerical study of shallow convective clouds and precipitation induced by land-surface forcing[J]. J Geophys Res, 101(D3): 7499–7518.
DOI:10.1029/95JD03031 |
|
Chow K, Chan J C L, Shi X, et al. 2007. 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.
DOI:10.1002/joc.1511 |
|
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 |
|
Ek M, Mahrt L. 1994. Daytime evolution of relative humidity at the boundary layer top[J]. Mon Wea Rev, 122(12): 2709–2721.
DOI:10.1175/1520-0493(1994)122<2709:DEORHA>2.0.CO;2 |
|
Ferguson C R, Wood E F. 2011. Observed land-atmosphere coupling from satellite remote sensing and reanalysis[J]. J Hydrometeor, 12(6): 1221–1254.
DOI:10.1175/2011JHM1380.1 |
|
Findell K L, Eltahir E A B. 2003. Atmospheric controls on soil moisture-boundary layer interactions.Part Ⅰ:Framework development[J]. J Hydrometeor, 4(3): 552–569.
DOI:10.1029/2001JD001515 |
|
Giorgi F, Mearns L O, Shields C, et al, 1996. A regional model study of the importance of local versus remote controls of the 1988 drought and the 1993 flood over the central United States[J]. J Climate, 9:1150-1162. DOI:1520-0442(1996)009<1150:ARMSOT>2.0.CO;2.
|
|
Liu Y Y, Dorigo W A, De Jeu R A M, et al. 2012. Trend-preserving blending of passive and active microwave soil moisture retrievals[J]. Remote Sens Environ, 123: 280–297.
DOI:10.1016/j.rse.2012.03.014 |
|
Liu Y Y, Parinussa R M, Dorigo W A, et al. 2011. Developing an improved soil moisture dataset by blending passive and active microwave satellite-based retrievals[J]. Hydrology and Earth System Sciences, 15(2): 425–436.
DOI:10.5194/hess-15-425-2011 |
|
Meng X H, Li R Q, Luan L, et al. 2017. Detecting hydrological consistency and changes of soil moisture in summer over the Tibetan Plateau using the European Space Agency satellite soil moisture products[J]. Climate Dyn: 1–12.
DOI:10.1007/s00382-017-3646-5 |
|
Meng X H, Lü S H, Gao Y H, et al. 2015. Simulated effects of soil moisture on oasis self-maintenance in a surrounding desert environment in Northwest China[J]. Int J Climatol, 35(14): 4116–4125.
DOI:10.1002/joc.4271 |
|
Milly P C D, Dunne K A. 1994. Sensitivity of the global water cycle to the water-holding capacity of land[J]. J Climate, 7(4): 506–526.
DOI:10.1175/1520-0442(1994)007<0506:SOTGWC>2.0.CO;2 |
|
Paegle J, Mo K C, Nogues-Paegle J. 1996. Dependence of simulated precipitation on surface evaporation during the 1993 United States summer floods[J]. Mon Wea Rev, 124(3): 345–361.
DOI:10.1175/1520-0493(1996)124<0345:DOSPOS>2.0.CO;2 |
|
Seneviratne S I, Corti T, Davin E L, et al. 2010. Investigating soil moisture-climate interactions in a changing climate:A review[J]. Earth-Science Reviews, 99(3): 125–161.
DOI:10.1016/j.earscirev.2010.02.004 |
|
Shukla J, Mintz Y. 1982. The influence of land-surface evapotranspiration on the earth's climate[J]. Science, 215(4539): 1498–1501.
DOI:10.1126/science.215.4539.1498 |
|
Skamarock W C, Klemp J B, Dudhia J, et al, 2008. A description of the advanced research WRF version 3[R]. NCAR Technical Note NCAR/TN-475+STR, 113. DOI: 10.5065/D68S4MVH.
|
|
Tuinenburg O A, Hutjes R W A, Jacobs C M J, et al. 2011. Diagnosis of local land-atmosphere feedbacks in India[J]. J Climate, 24(1): 251–266.
DOI:10.1175/2010JCLI3779.1 |
|
Van der V R, Salama MS, Pellarin T, et al. 2014. Long term soil moisture mapping over the Tibetan Plateau using special sensor microwave/imager[J]. Hydrology and Earth System Science, 18(4): 1323–1337.
DOI:10.5194/hess-18-1323-2014 |
|
Wagner W, Dorigo W, De Jeu R, et al. 2012. Fusion of active and passive microwave observations to create an essential climate variable data record on soil moisture[J]. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Science, 1-7: 315–321.
DOI:10.5194/isprsannals-I-7-315-2012 |
|
Yeh T C, Wetherald R T, Manabe S, 1984. The effect of soil moisture on the short-term climate and hydrology change-a numerical experiment[J]. Mon Wea Rev, 112(3):474-490. DOI:1520-0493(1984)112<0474:TEOSMO>2.0.CO;2.
|
|
Zaitchik B F, Macalady A K, Bonneau L R, et al. 2006. Europe's 2003 heat wave:A satellite view of impacts and land-atmosphere feedbacks[J]. Int J Climatol, 26(6): 743–769.
DOI:10.1002/joc.1280 |
|
戴永久, 曾庆存. 1996. 陆面过程研究[J]. 水科学进展, 7(S1): 40–53.
Dai Y J, Zeng Q C. 1996. Study on land surface process[J]. Advances in Water Science, 7(S1): 40–53.
|
|
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.
DOI:10.14042/j.cnki.32.1309.1996.s1.007 |
|
梁乐宁, 陈海山. 2010. 春季华南土壤湿度异常与中国夏季降水的可能联系[J]. 大气科学学报, 33(5): 536–546.
Liang L N, Chen H S. 2010. Possible linkage between spring soil moisture anomalies over south China and summer rainfall in China[J]. Trans Atmos Sci, 33(5): 536–546.
DOI:10.3969/j.issn.1674-7097.2010.05.004 |
|
栾澜, 孟宪红, 吕世华, 等. 2017. 青藏高原一次对流降水模拟中边界层参数化和云微物理的影响研究[J]. 高原气象, 36(2): 283–293.
Luan L, Meng X H, Lü S H, et al. 2017. Impacts of microphysics and PBL physics parameterization on a convective precipitation over the Qinghai-Xizang Plateau[J]. Plateau Meteor, 36(2): 283–293.
DOI:10.7522/j.issn.1000-0534.2016.00086 |
|
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, 20(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]. Advance in Earth Sciences, 20(4): 563–568.
DOI:10.3321/j.issn:1001-8166.2001.04.019 |
|
马柱国, 魏和林, 符淙斌. 1999. 土壤湿度与气候变化关系的研究进展与展望[J]. 地球科学进展, 14(3): 88–94.
Ma Z G, Wei H L, Fu C B. 1999. Progress in the research on the relationship between soil moisture and climate change[J]. Adv Earth Sci, 14(3): 88–94.
DOI:10.3321/j.issn:1001-8166.1999.03.014 |
|
马柱国, 魏和林, 符淙斌. 2000. 中国东部区域土壤湿度的变化及其与气候变率的关系[J]. 气象学报, 58(3): 278–287.
Ma Z G, Wei H L, Fu C B. 2000. Relationship between regional soil moisture variation and climatic variability over east China[J]. Acta Meteor Sinica, 58(3): 278–287.
DOI:10.3321/j.issn:0577-6619.2000.03.003 |
|
王万秋. 1991. 土壤温湿异常对短期气候影响的数值模拟试验[J]. 大气科学, 15(5): 115–123.
Wang W Q. 1991. Numerical experiments of the soil temperature and moisture anomalies' effects on the short term climate[J]. Chinese J Atmos Sci, 15(5): 115–123.
DOI:10.3878/j.issn.1006-9895.1991.05.14 |
|
徐祥德, 赵天良, LuC, 等. 2014. 青藏高原大气水分循环特征[J]. 气象学报, 72(6): 1079–1095.
Xu X D, Zhao T L, Lu C, et al. 2014. Characteristics of the water cycle in the atmosphere over the Tibetan Plateau[J]. Acta Meteor Sinica, 72(6): 1079–1095.
DOI:10.11676/qxxb2014.091 |
|
闫之辉, 邓莲堂. 2007. WRF模式中的微物理过程及其预报对比试验[J]. 沙漠与绿洲气象, 1(6): 1–6.
Yan Z H, Deng L T. 2007. Description of microphysical processes in WRF model and its prediction experiment[J]. Desert Oasis Meteor, 1(6): 1–6.
DOI:10.3969/j.issn.1002-0799.2007.06.001 |
|
章国材. 2004. 美国WRF模式的进展和应用前景[J]. 气象, 30(12): 27–31.
Zhang G C. 2004. Progress of Weather Research and Forecast (WRF) model and application in the United States[J]. Meteor Mon, 30(12): 27–31.
DOI:10.3969/j.issn.1000-0526.2004.12.006 |
|
张雯, 王磊, 陈权亮. 2015. 青藏高原东部土壤湿度变化及其与中国降水的关系[J]. 成都信息工程学院学报, 30(1): 81–87.
Zhang W, Wang L, Chen Q L. 2015. The soil moisture in Eastern of Qinghai-Tibet Plateau and its relationship with precipitation in China[J]. Journal of Chengdu University of Information Technology, 30(1): 81–87.
DOI:10.3969/j.issn.1671-1742.2015.01.015 |
|
周娟, 文军, 王欣, 等. 2017. 青藏高原季风演变及其与土壤湿度的相关分析[J]. 高原气象, 36(1): 45–56.
Zhou J, Wen J, Wang X, et al. 2017. Analysis of the Qinghai-Xizang Plateau monsoon evaluation and its correlation with soil moisture[J]. Plateau Meteor, 36(1): 45–56.
DOI:10.7522/j.issn.1000-0534.2016.00003 |
|
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 |
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. College of Amospheric Sciences, Chendu University of Informtion Technology Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, Chengdu 610225, Sichuan, China;
4. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, Jiangsu, China;
5. Inner Mongolia Meteorological Observatory, Hohhot, 010020, Inner Mongolia, China