2018, Vol. 37
2. 中国科学院大学, 北京 100049;
3. 中国科学院青藏高原环境变化与地表过程重点试验室, 中国科学院青藏高原研究所, 北京 100101;
4. 中国科学院青藏高原地球科学卓越创新中心, 北京 100101
青藏高原(下称高原)平均海拔超过4 000 m, 丰富的冰川、雪盖、冻土、湖泊、河流蕴含有大量水资源, 是亚洲众多河流的发源地, 被称为“亚洲水塔”, 其中湖泊总面积达到43 151.08±411.49 km2(Zhang et al, 2014), 占全国总湖泊面积的52%, 在高原水循环和能量平衡中起到重要作用。自19世纪80年代之后, 高原整体气温升高, 湿度增加, 云量增加, 太阳到达地面的短波辐射减小, 风速减弱(Yang et al, 2014)。90年代以后, 高原内流区湖泊水位上升显著, 纳木错湖2003—2009年间湖面升高2.05 m(Lei et al, 2013; Zhang et al, 2011)。纳木错处于纳木错盆地中, 湖面海拔为4 724 m, 作为高原面积第三大湖, 湖泊面积为1 920 km2, 仅次于青海湖和色林错, 对区域气候产生的影响不可忽视。
湖泊周边区域降水受湖泊的调节。Gu et al(2016)通过对太湖夏季降水的研究发现, 夏季湖泊较大的热容使湖面温度低于周边温度, 抑制午后局地降水。Wilson(1977)发现安大略湖周边30 km的区域降水比湖上降水多10%。冬季, 由于湖面温度容易与陆表温度形成较大的温度梯度, 当干冷空气经过暖湿湖面时, 容易产生湖泊效应降水, 陆地降水比湖上降水少2%。李照国等(2016)利用黄河源区鄂陵湖的探空资料发现干冷空气入侵湖区时, 对流边界层急剧增长。同时, Li et al(2009)使用WRF模式模拟了纳木错2005年10月一次降雪过程, 发现湖面未冻结时, 西北冷空气经过暖湿湖面时, 湖泊为冷气团提供能量和水汽, 并可以造成下风向降水。
湖泊周边区域降水不仅受湖泊存在的影响, 还受上风向地形影响(Wilson, 1977; Alcott et al, 2013)。美国大盐湖地区的WRF模式模拟结果显示, 上风向地形导致的下山风会造成湖区空气变暖变干, 减少降水面积以及强度(Alcott et al, 2013)。Gerken et al(2013)发现地形造成的干绝热增暖或冷却会控制纳木错盆地边界层云的发展。盆地和山谷中, 受上风向下沉空气影响, 测站观测到降水出现减少的现象。
综上表明, 尽管高原纳木错地区湖泊的存在及上风向地形会对区域降水产生重要影响, 然而目前对这一影响研究不足。因此, 本文将尝试通过数值模拟来分析湖泊和上风向地形效应对纳木错周边降水的影响, 以期加深对高原区域能水循环的认识。将分析历史数据来评估影响纳木错地区降水的主要因子, 并选取适当的模拟时期, 结合模拟结果来分析湖泊与上风向地形效应具体影响机制和范围。
2 资料选取与试验设计由于高原站点稀疏, 降水数据使用中国区域地面气象要素数据集CMFD(China regional China meteorological forcing data set)(何杰等, 2011), 该数据集由中国科学院青藏高原研究所水文气象小组提供, 为逐3 h资料, 空间分辨率为0.1°×0.1°, 融合了Princeton再分析资料、GLDAS资料、TRMM 3B42降水资料以及中国气象局740个常规气象观测降水数据。纳木错2 m风、温度、降水数据来自位于纳木错湖东南岸的中国科学院纳木错多圈层综合观测研究站(简称纳木错站, 30°46.44′N, 90°59.31′E, 海拔4 730 m)。高空500 hPa风场数据来自于NCAR-NCEP再分析资料。文中涉及国家地图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)2883的标准地图制作, 底图无修改。
使用WRF 3.8.1版本模型及WRF耦合一维热扩散湖泊模型(Subin et al, 2012)。湖泊模型由湖泊、湖冰、降雪、湖底沉积5个物理部分组成, 通过涡流扩散和对流混合反转来考虑能量在湖体内的垂直交换。湖泊模型提取自CLM(Community Land Model) 3.5版本模型, 最初源自Hostetler et al(1990)湖泊大气耦合模型。Subin et al(2012)在CLM4湖泊模型的基础上湖面添加了最多5层雪层, 考虑湖水冻融过程、热量在湖泊底传输过程, 考虑湖底地形变化等, 还增加了冰湖以及深湖的混合作用, 将深湖湍流扩散系数扩大10倍。Gu et al (2015)根据湖泊深度重新将十层湖泊层分层, 将湖泊第一层深度设置为0.1 m来显示湖面变量的日变化, 并根据湖泊深度, 对深度大于15 m的湖泊湍流扩散率进行了102~105的系数改进, 进而改进了能量在湖泊中的垂直交换过程。方楠等(2017)研究发现将湍流系数增强项ked扩大100倍后, 湖泊模型对纳木错湖湖水温度模拟效果较佳。
文中进行了四组模拟试验, 模拟区域如图 1所示。首先测试耦合湖模型的WRF与非耦合湖泊模型的WRF结果差异。四组试验包括水体数据控制试验WCTRL、湖泊数据控制试验LCTRL、水体数据去湖敏感性试验WSENS_NL和水体数据地形平滑敏感性试验WSENS_SM。通过WCTRL试验与LCTRL试验比较, 决定是否使用耦合湖泊模型的WRF模式。通过WCTRL试验与WSENS_NL试验对比, 得到降水对湖泊的敏感性; 通过WCTRL试验与WSENS_SM试验对比, 得到降水对上风向地形的敏感性。湖泊数据试验是指利用美国地质勘探局USGS(United States Geological Survey)提供的水平分辨率30 s且附带湖泊数据的地理信息为WRF提供初始场, 湖泊在土地利用类型中的编码为28, 识别为湖泊, 包含湖泊深度数据, 试验中WRF耦合湖模型。水体数据试验是指利用不带湖泊数据的USGS 30 s数据为WRF提供初始场, 湖泊利用类型中编码为16, 识别为水体, 模拟中WRF不耦合湖模型。考虑到青藏高原湖泊数据中湖泊深度数据并不准确, 根据王君波等(2010)、黄磊等(2015)、Lei et al(2013)的观测值调整了扎日南木措、当惹雍错、纳木错湖深, 并设置色林错湖深为30 m。
|
图 1 WRF网格分辨率分别为30, 10, 3.33和1.11 km的区域 Fig. 1 WRF domains with 30, 10, 3.33 and 1.11 km grid spacing |
WSENS_NL试验在WCTRL试验基础上进行了下垫面土地利用类型替换, 将纳木错湖的土地利用类型替换成周边的草地。为了研究纳木错上风方地形导致的干绝热下沉增温对降水的影响, WSENS_SM试验将LCTRL试验中纳木错湖上风向地形根据湖面海拔4 724 m进行调整, 调整后的海拔为(初始海拔+4 724 m)×0.5, 保留了上游修改区域50%的地形[图 2(b)]。
|
图 2 WCTRL和WCTRL_NL中海拔分布(单位: m) Fig. 2 The distribution of elevation in WCTRL and WCTRL_NL. Unit: m |
试验中模型使用4重网格双向嵌套方法, 试验中心落在纳木错湖上(图 1), 考虑到模拟区域复杂地形, 从外向内水平分辨率分别为30, 10, 3.33和1.11 km, 网格数为100×100, 79×79, 139×136, 214×214。垂直方向地形追随坐标系下垂直35层。模式中使用ERA-Interim(Dee et al, 2009, 2011)逐6 h, 水平分辨率为0.5°×0.5°的再分析资料提供驱动数据。考虑到高原复杂地形, 物理参数化方案的选取参考Rasmussen et al(2011)在复杂地形科罗拉多河源头地的方案组合, 具体为Noah陆面过程方案、CAM长短波辐射方案、Mellor-Yamada-Janjic(MYJ)边界层方案、Thompson云物理参数化方案、新Grell-Devenyi积云参数化方案(分辨率为3.33和1.11 km的两个区域, 因为没有满足以上分辨率的积云参数化方案, 所以两个区域不采用任何积云参数化方案)(Maussion et al, 2011)。模拟时间为2008年9月25日至10月31日(时间选取主要参照第三部分分析结果), 其中前5天作为模式spin-up时间, 在本文中不进行讨论。耦合湖泊模型的试验中, 考虑到模拟时间为36天, 湖面边界强迫与湖模型内部动力过程未达到平衡, 替换湖面温度为驱动数据中每日平均湖面温度。
3 观测资料分析 3.1 纳木错周边降水分布特征利用CMFD降水资料计算了纳木错地区1992—2015年24年月平均降水量。从风场来看, 纳木错地区高空500 hPa风场在冬半年表现为强西风, 夏半年风速较小。从降水分布(图 3)来看, 纳木错地区降水1月降水主要分布在纳木错下风方, 最大降水带由纳木错西段向东北方向延伸, 少雨带出现在西南侧。2—3月降水主要集中在湖上, 与周围区域形成显著差异, 少雨带依旧出现在西南侧, 这一现象可能是由湖面温度高于陆地温度引起, 但此时湖面处于冻结状态, 湖面的向上潜热通量较小。从4月开始, 少雨带由西南侧转为西北侧, 一直持续到9月份。在4—9月的过程中, 配合亚洲夏季风进入以及移出高原, 纳木错湖周边降水出现规律变化。东亚夏季风引导暖湿空气到达念青唐古拉山南侧, 以7月最为明显, 念青唐古拉山南北两侧降水相差最大。此时的念青唐古拉山对向西北延至纳木错地区的水汽起到了阻挡作用。由于念青唐古拉山脉的阻挡, 纳木错地区向西北延伸的地区成为雨影区, 出现湖上降水明显低于东南侧降水的分布。值得注意的是10月和11月, 在纳木错下风方降水中有一极大降水落点, 且该落点所处雨带与湖泊连接, 此时, 由于湖面温度低于陆地温度促进了湖上空气对流不稳定, 受到西风影响, 下风向湖泊效应降水特征显著。12月, 降水分布并没有明显的特征, 在这一时期, 纳木错湖面开始冻结。纳木错完全冻结期出现在1月中下旬, 完全解冻出现在5月上旬, 最大冰厚出现在3月(曲斌等, 2012)。湖冰的出现可以有效减少由湖面向上进入大气的湍流热通量(Zhao et al, 2012), 切断湖面对大气能量水汽的提供, 从而抑制湖区对流降水。
|
图 3 1992—2015年纳木错地区月平均降水(彩色区, 单位: mm)及500 hPa风场(矢量, 单位: m·s-1)分布 Fig. 3 The monthly averaged precipitation(color area, unit: mm) and 500 hPa wind vector (vector, unit: m·s-1) over Nam Co from 1992 to 2015 |
纳木错湖坐落于盆地之中, 地形特点易导致空气干绝热下沉升温, 减少降水, 因此对纳木错站焚风进行统计研究。
赵世林等(1993)对太行山中段焚风进行统计分析, 焚风判定标准为风向在WSW-WNW范围, 风速超过2 m·s-1, 10 min站点变温为3 ℃, 或者30 min变温为5 ℃。王宗敏等(2012)对太行山东麓焚风进行了统计, 其焚风的判定标准为23个站中有一个或多个测站出现偏西风; 气温上升; 湿度下降。根据以上两个判据, 选择焚风的判定标准为纳木错站30 min增温3 ℃, 湿度减小, 风速超过2 m·s-1。根据2005—2015年纳木错自动气象站数据进行了各月份焚风累积发生次数统计。
通过2005—2015年纳木错站焚风累积发生次数的季节分布(图 4)中可以看出, 1—5月焚风次数依次减少。6—9月和11月焚风发生的几率较小。但10月发生频率不同于相邻季节, 10月的发生几率高于9月以及11月。12月焚风发生次数最多。焚风发生频次的季节差异可能和该时期的大气环流、冷空气活动有关。夏、秋季纳木错高空盛行西南风, 东亚季风带来的水汽较多, 阵性降水频发, 可能造成焚风发生频次少。冬、春季, 纳木错盛行西风, 空气干冷降水稀少, 可能会容易形成焚风。
|
图 4 2005—2015年11年累积焚风出现次数 Fig. 4 Frequency of foehn from 2005 to 2015 |
考虑到10月在秋季焚风次数较多, 而且有湖泊效应降水的明显特征, 属于焚风和湖泊效应的叠加期, 本文使用模式模拟来研究上风向地形以及湖的存在对纳木错地区10月降水的影响。
4 数值模拟结果分析 4.1 结果评估将两组控制试验结果与CMFD月降水量进行比较分析, 评估模式结果。图 5(a)结果显示, 降水集中在研究区域的东南侧, 雅鲁藏布江大拐弯附近。其他大部分地区介于20~50 mm之间。纳木错地区2008年10月降水呈现降水在湖泊下风向集中的趋势, 东端超过50 mm, 而西端降水较少。
|
图 5 第二层模拟区域CMFD降水量及其与是否耦合湖泊模型两次模拟降水量的差异(单位: mm) Fig. 5 CMFD precipitation and the precipitation difference between CMFD and simulated precipitation with or without coupling lake model in domain 2. Unit: mm |
WCTRL试验的降水强度及空间分布比LCTRL试验更接近观测到的分布[图 5(c), (d)]。其中WCTRL试验模拟结果与CMFD降水资料空间相关系数为0.65, 均方根误差RMSE为36.17 mm·mon-1。LCTRL试验模拟结果与CMFD降水资料空间相关系数为0.46, 同时均方根误差44.89 mm·mon-1, 在复杂山地中的模拟效果相比于WCTRL试验模拟结果较差。两组控制试验模拟的降水量在纳木错东南部出现增强, 沿念青唐古拉山南侧的降水增强更显著。模拟降水强度增强这一结果符合Gao et al(2013)利用WRF模式在高原会高估降水的评价。
观测与模拟降水量较低的空间相关系数以及降水强度的偏差可能和选择的参数化方案以及WRF模式本身的模拟效果有关。但添加湖泊数据以及进行湖深数据订正的初始条件反而给出较差的降水强度以及空间分布的模拟, 表明WRF模式耦合lake模型需要进一步的改进。根据两个模型的评估结果, 选定使用非耦合湖泊模型的WRF模式对降水进行研究, 定性讨论湖泊以及上风向地形对降水的影响。
4.2 湖泊和上风向地形对降水影响10月, 纳木错高空500 hPa被西风气流控制, 纳木错西方成为上风方向(图 3)。敏感性试验(图 6)表明, 上风向地形和湖泊的存在都会对纳木错湖区域降水产生一定影响。当湖泊存在时WCTRL模拟的第四层区域降水平均值为30.0 mm, 为WSENS_NL试验下的1.2倍, 其中最大降水量为149.0 mm。湖泊对下游地区10月降水量影响可达80 mm[图 6(a)]。湖泊对降水的影响范围包括大部分纳木错湖面以及纳木错下风方向, 其中湖泊效应降水在东北-西南方向较强, 与念青唐古拉山脉走向一致, 影响区域最远可达到纳木错下风向100 km。纳木错站观测到10月8—10日3天累积降水25 mm。分析比较此3天数据, 沿第四层模拟区域的中心位置纬线做剖面, 剖面线位置如图 6(a)红线所示, 从图 7(a)中可以看出, 湖泊的存在使地表以上2~4 km处相对湿度增大, 从湖表向上有一条垂直水汽带, 受到水平气流的作用, 随着高度升高向东倾斜。且因为湖泊的存在, 湖泊上风方区域海拔7~9 km范围内相对湿度增加, 下风向相对湿度增加显著, 空气比较容易达到饱和, 产生降水。
|
图 6 WCTRL与WSENS_NL和WSENS_SM的月降水差异(单位: mm) 红色线为垂直剖面线位置 Fig. 6 Difference of simulated precipitation between WCTRL and WSENS_NL, WCTRL and WSENS_SM. Unit: mm. Red line means the position of cross map |
|
图 7 2008年10月8—10日降水期间模拟的相对湿度差异(彩色区, 单位: %), 位温差异(等值线, 单位: K)和风矢量(风羽, 单位: m·s-1)剖面 Fig. 7 Cross map of the difference of simulated relative humidity (colour area, unit: %), potential temperature (contour, unit: K) and wind vector (barb, unit: m·s-1) from 8 to 10 October 2008 |
WCTRL试验对比WSENS_SM试验, 模拟降水在湖上以及湖的下风向区域出现微弱增强[图 6(b)]。就整个纳木错地区来看, WSENS_SM中降水更少, 其中第四层区域最大降水量为133.3 mm, 低出LCTRL试验最大值15.7 mm, 平均降水为29.3 mm, 低于WCTRL试验平均降水2.6%。同样利用10月8—10日数据进行垂直剖面分析, WCTRL试验对比WSENS_SM试验[图 7(b)], 发现有上风向地形时, 距离地面2~4 km处相对湿度变小, 上风向调整地形山区位温升高, 应该和山区的降水过程及其凝结潜热释放有关; WCTRL中距离地面2 km以内相对湿度高于WSENS_SM, 可能是由于降水增多导致蒸散发增加, 于是相对湿度也随之增加。在湖泊西侧山地背风坡近层中, 相对湿度变小, 但是上风向地形产生的焚风效应对湖泊下风向降水减弱效应影响并不显著。
综上分析可知, 敏感性试验中, 湖泊解释了模拟中第四层整个区域17%的平均降水, 上风向地形比较调整后地形, 增强了2.6%的降水, 由此可见, 湖泊的存在相较于上游地形在区域降水中有较为重要的影响。
5 结论与讨论对秋季湖泊效应和地形影响纳木错地区降水情况进行了分析, 发现地形对纳木错地区降水有一定影响, 但是上风方山地造成的焚风效应对纳木错地区降水的影响较弱; 而湖泊测存在是影响纳木错地区秋季降水的主要因子。具体结论如下:
(1) 纳木错地区降水空间分布形态存在年内差异。2—3月降水主要集中在湖上, 周围区域降水较少, 西南侧有一显著少雨带。从4月开始, 少雨带转到西北侧, 这种分布状态一直持续到9月份。4—9月, 夏季风进入以及移出高原过程中, 受暖湿气流影响, 念青唐古拉山东南侧降水较大。由于山脉阻挡, 纳木错地区向西北延伸的地区成为雨影区。9—11月, 湖面温度和陆地温度相差较大, 在纳木错下风方出现极大降水落点, 表明湖泊效应对降水的影响显著。12月降水分布特征并不明显。
(2) 纳木错地区1—5月焚风现象发生频次逐渐减小。6—9月, 11月, 焚风发生的频次很小。但是10月发生频率高于9月和11月。12月焚风发生次数最多。
(3) 无湖试验表明, 纳木错地区湖泊的存在会使周边地区尤其是下风向降水增多, 影响范围可达100 km。通过调整纳木错地区秋季上风向地形, 发现上风向地形的存在会小幅度增加整个区域降水。纳木错湖下风向区域降水并没有因为焚风效应的移除有显著变化。湖泊的存在相比于上风向地形对区域降水有较为重要的影响, 且湖泊主要对下风向降水影响显著, 影响范围可达100 km。
使用WRF模式耦合一维热扩散湖泊模型模拟青藏高原降水的效果有待进一步提高, 才能准确定量分析湖泊以及地形对降水的影响。
Alcott T I, Steenburgh W J. 2013. Orographic influences on a Great Salt Lake-Effect snowstorm[J]. Mon Wea Rev, 141(7): 2432–2450.
DOI:10.1175/MWR-D-12-00328.1 |
|
Dee D P, Uppala S. 2009. Variational bias correction of satellite radiance data in the ERA-Interim reanalysis[J]. Quart J Roy Meteor Soc, 135(644): 1830–1841.
DOI:10.1002/qj.v135:644 |
|
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.v137.656 |
|
Gao Y C, Liu M F. 2013. Evaluation of high-resolution satellite precipitation products using rain gauge observations over the Tibetan Plateau[J]. Hydrology and Earth System Sciences, 17(2): 837–849.
DOI:10.5194/hess-17-837-2013 |
|
Gerken T, Biermann T, Babel W, et al. 2013. A modelling investigation into lake-breeze development and convection triggering in the Nam Co Lake basin, Tibetan Plateau[J]. Theor Appl Climat, 117(1-2): 149–167.
|
|
Gu H, Jin J, Wu Y, et al. 2015. Calibration and validation of lake surface temperature simulations with the coupled WRF-lake model[J]. Climat Change, 129(3-4): 471–483.
DOI:10.1007/s10584-013-0978-y |
|
Gu H, Ma Z, Li M. 2016. Effect of a large and very shallow lake on local summer precipitation over the Lake Taihu basin in China[J]. J Geophys Res Atmos, 121(15).
|
|
Hostetler S W, Bartlein P J. 1990. Simulation of lake evaporation with application to modeling lake level variations of Harney-Malheur Lake, Oregon[J]. Water Res Res, 26(10): 2603–2612.
|
|
Lei Y, Yao T, Bird B W, et al. 2013. Coherent lake growth on the central Tibetan Plateau since the 1970s:Characterization and attribution[J]. J Hydrology, 483(3): 61–67.
|
|
Li M, Ma Y, Hu Z, et al. 2009. Snow distribution over the Namco lake area of the Tibetan Plateau[J]. Hydrology and Earth System Sciences, 13(11): 2023–2030.
DOI:10.5194/hess-13-2023-2009 |
|
Maussion F, Scherer D, Finkelnburg R, et al. 2011. WRF simulation of a precipitation event over the Tibetan Plateau, China-an assessment using remote sensing and ground observations[J]. Hydrology and Earth System Sciences, 15(6): 1795–1817.
DOI:10.5194/hess-15-1795-2011 |
|
Rasmussen R, Liu C, Ikeda K, et al. 2011. High-resolution coupled climate runoff simulations of seasonal snowfall over Colorado:A process study of current and warmer climate[J]. J Climate, 24(12): 3015–3048.
DOI:10.1175/2010JCLI3985.1 |
|
Subin Z M, Riley W J, Mironov D. 2012. An improved lake model for climate simulations:Model structure, evaluation, and sensitivity analyses in CESM1[J]. J Adv Model Earth Syst, 4(1): 2001.
|
|
Wilson J W. 1977. Effect of Lake Ontario on Precipitation[J]. Mon Wea Rev, 105(2): 207–214.
DOI:10.1175/1520-0493(1977)105<0207:EOLOOP>2.0.CO;2 |
|
Yang K, Wu H, Qin J, et al. 2014. Recent climate changes over the Tibetan Plateau and their impacts on energy and water cycle:A review[J]. Global and Planetary Change, 112(1): 79–91.
|
|
Zhao L, Jin J, Wang S Y, et al. 2012. Integration of remote-sensing data with WRF to improve lake-effect precipitation simulations over the Great Lakes region[J]. J Geophys Res Atmos, 117: D09102.
|
|
Zhang G, Yao T, Xie H, et al. 2014. Lakes' state and abundance across the Tibetan Plateau[J]. Science Bull, 59(24): 3010–3021.
DOI:10.1007/s11434-014-0258-x |
|
Zhang G, Xie H, Kang S, et al. 2011. Monitoring lake level changes on the Tibetan Plateau using ICESat altimetry data (2003-2009)[J]. Remote Sens Environ, 115(7): 1733–1742.
DOI:10.1016/j.rse.2011.03.005 |
|
方楠, 阳坤, 拉珠, 等. 2017. WRF湖泊模型对青藏高原纳木错湖的适用性研究[J]. 高原气象, 36(3): 610–618.
Fang Nan, Yang Kun, La Zhu, et al. 2017. Research on the application of WRF-lake Modeling at Nam Co Lake on the Qinghai-Tibetan Plateau[J]. Plateau Meteor, 36(3): 610–618.
|
|
何杰, 阳坤, 2011.中国区域高时空分辨率地面气象要素驱动数据集[DS].寒区旱区科学数据中心. doi: 10.3972/westdc.002.2014.
db. He Jie, Yang Kun, 2011. China meteorological forcing dataset[DS]. The cold and arid regions science data center at Lanzhou. doi: 10.3972/westdc.002.2014.db.
|
|
黄磊, 王君波, 朱立平, 等. 2015. 纳木错水温变化及热力学分层特征初步研究[J]. 湖泊科学, 27(4): 711–718.
Hang Lei, Wang Junbo, Zhu Liping, et al. 2015. Water temperature anc characteristics of thermal stratification in Nam Co, Tibet[J]. Journal of Lake Sciences, 27(4): 711–718.
|
|
李照国, 吕世华, 文丽娟, 等. 2016. 一次干冷空气过境对鄂陵湖地区大气边界层过程的影响[J]. 高原气象, 35(5): 1200–1211.
Li Zhaoguo, Lü Shihua, Wen Lijuan, et al. 2016. Influence of incursion of dry cold air on atmospheric boundary layer process in Ngoring Lake Basin[J]. Plateau Meteorology, 35(5): 1200–1211.
DOI:10.7522/j.issn.1000-0534.2015.00076 |
|
曲斌, 康世昌, 陈锋, 等. 2012. 2006-2011年西藏纳木错湖冰状况及其影响因素分析[J]. 气候变化研究进展, 8(5): 327–333.
Qu Bin, Kang Shichang, Chen Feng, et al. 2012. Lake ice and its effect factors in the Nam Co Basin, Tibetan Plateau[J]. Adv Climat Change Res, 8(5): 327–333.
DOI:10.3969/j.issn.1673-1719.2012.05.003 |
|
王君波, 彭萍, 马庆峰, 等. 2010. 西藏当惹雍错和扎日南木错现代湖泊基本特征[J]. 湖泊科学, 22(4): 629–632.
Wang Junbo, Peng Ping, Ma Qingfeng, et al. 2010. Modern limnological features of Tangra Yumco and Zhari Namco, Tibetan Plateau[J]. J Lake Sci, 22(4): 629–632.
|
|
王宗敏, 丁一汇, 张迎新, 等. 2012. 太行山东麓焚风天气的统计特征和机理分析Ⅰ:统计特征[J]. 高原气象, 31(2): 547–554.
Wang Zongmin, Ding Yihui, Zhang Yingxin, et al. 2012. Feature and mechanism of the foehn weather on east slope Taihang Mountains Ⅰ:Statistic feature[J]. Plateau Meteor, 31(2): 547–554.
|
|
赵世林, 王荣科. 1993. 太行山中段的焚风[J]. 气象, 19(2): 3–6.
Zhao S L, Wang R K. 1993. The foehn in the middle range of Taihang Mountain[J]. Meteor Mon, 19(2): 3–6.
|
2. University of Chinese Academy of Sciences, Beijing 100049, China;
3. Key Laboratory of Tibetan Environment Change and Land Surface Process. Institute of Tibetan Plateau Research, Chinese Academy of Sciences, Beijing 100101, China;
4. Chinese Academy of Sciences Center for Excellence in Tibetan Plateau Earth Sciences, Beijing 100101, China