2. 南京信息工程大学大气科学学院, 江苏 南京 210044
素有“亚洲水塔”之称的青藏高原(下称高原, QTP), 平均海拔超4000 m。高原地形强迫作用会影响大气环流特征, 地表辐射加热区可直抵对流层中层。已有大量研究表明, 高原不仅对东亚而且对全球的气候变化起着重要作用(Boos et al, 2010; Chen et al, 2011; Yang et al, 2014; 钱正安等, 2017; 刘维成等, 2017)。高原是发生平、对流层物质交换的关键区域(Tian et al, 2017)。当水汽通过高原上空进入平流层后, 会向其他区域扩散, 最终构成全球性的平流层环流(Fu et al, 2006)。平流层的水汽浓度可以影响辐射收支平衡, 并参与光化学过程改变臭氧浓度, 因此对评估全球气候特征具有指示性意义(Forster et al, 1999; Zhan et al, 2007; 敬文琪等, 2017)。
受自然环境所限, 常规气象测站主要分布在高原中东部的低海拔地区, 且观测站点覆盖率极低。长期以来, 再分析资料在高原的研究中发挥着重要作用(Duan et al, 2005; Zhan et al, 2007; Xu et al, 2008; 夏昕等, 2016)。吴国雄等(1998)利用ECMWF分析资料研究了在季节转换时期, 高原地区大气的热力学和环流特征。孙颖等(2002)采用NCEP/NCAR再分析资料发现, 高原的热源异常会诱发季风活动异常。何金海等(2011)综合多种再分析资料, 分析了高原上空大气视热源的合理性和可信性。但是, 在高原地区, 再分析资料存在着很大的不确定性(Smith et al, 2001; Rusticucci et al, 2002; Zhao et al, 2006; Feng et al, 2011; 徐桂荣等, 2016)。Bao et al(2013)指出, 高原上再分析资料具有较小的温度偏差和较大的相对湿度偏差。You et al(2013)研究表明, 受地势、站点位置等因素的影响, 在高原地区再分析资料都存在温度负偏差。Wang et al(2012)通过研究发现, 高原的再分析资料显现出可降水量的正偏差。
全球定位系统GPS(Global Positioning System)掩星RO(Radio Occultation)探测为天气和气候研究提供了高精度的观测数据(Anthes et al, 2008)。GPS掩星资料具有很高的垂直分辨率和大气参数反演精度; 具有全球覆盖、全天候的特性, 且受云、雨或是气溶胶的影响较小; 具有绝对定标的优势, 不存在频率漂移的问题, 能保证资料的长期稳定(Rocken et al, 1997; Steiner et al, 1998; Anthes et al, 2008; Sokolovskiy, 2003)。与无线电探空和大尺度分析场相比, 利用GPS/MET RO探测的温度廓线在5~30 km内偏差小于1.5 K (Kursinski et al, 1996; Ware et al, 1996)。Hajj et al(2002)表明CHAMP(Challenging Minisatellite Payload)RO温度资料的精度可达0.6 K。在对流层顶以上, 利用CHAMP RO探测的温度资料与ECMWF分析资料的偏差小于1 K。在中高纬度地区垂直高度12~20 km内偏差更小, 数值不超过0.5 K (Wickert, 2001, 2004)。
近年来云对GPS RO测量的影响引起了学术界的高度重视。Zou et al(2012)从理论上推导了液态水、冰水与折射率的数学关系, 并发现云内COSMIC掩星探测折射率具有正偏差特征(Yang et al, 2012; Zou et al, 2012), 且在沿GPS射线的路径上, 云的覆盖度越大, 正偏差的数值也越大(Yang et al, 2017a)。而在COSMIC数据分析和存储中心CDAAC(COSMIC Data Analysis and Archive Center)的湿反演过程中, 以及在GPS折射率同化的观测算子中并没有考虑液态水和冰水的贡献。Yang et al(2012, 2017b)在向前模式中考虑了液态水和冰水项的贡献, 利用折射率反演了大气温度, 并分析了不同类型云内廓线的温度递减率特征。
由于在对流作用下云系发展强盛, 高原地区的数值预报水平一直受到观测资料缺乏的制约。而GPS掩星资料垂直分辨率高, 受云雨影响较小。消除水汽、云等因素引入的偏差、加强GPS掩星资料同化是提高高原地区数值预报水平的有效手段。郝民等(2010)指出GPS掩星资料对于提高高原数值预报具有重要意义。在利用GPS掩星资料同化初始场以后, 对流层下层的湿度场、中上层的风场预报效果得到了显著改善。Chen et al (2011)利用GPS掩星资料检验高原上空的对流层顶折叠事件, 发现事件发生频率远高于再分析资料的检测结果。GPS掩星资料的应用将会优化数值模式。马玉芬等(2013)将单次GPS掩星事件反演的资料融入了同化系统, 降低了高原地区的虚假预报降水量。观测资料误差的无偏性是资料同化的先决条件, 偏差订正是资料同化的前期准备。在资料同化时, 代价函数cost function算极小化的运算需设计观测资料与背景场的偏差。COSMIC掩星折射率的偏差在不同区域不同季节有差异, 引起折射率偏差的原因包括云水等。在进行资料同化时, 在受云水影响比较大的季节, 就需要在向前模式中加入液态水和冰水项。因此研究GPS掩星资料在高原地区的偏差特征, 对于反演和同化具有重要意义。
2 资料与方法目前拥有最先进的COSMIC低轨接收系列卫星LEO(Low-Earth Orbit), 由美国和中国台湾于2006年4月15日联合发射, 每天可以实现2500~3000次探测。COSMIC拥有6颗接收卫星, 而在此之前GPS掩星计划只配备一颗地球低轨卫星。因此, 与之前的GPS掩星计划相比, COSMIC将掩星的空间覆盖密度提高了一个数量级(Anthes et al, 2008; Son et al, 2011)。
当GPS卫星相对于地球低轨卫星COSMIC上升或者下沉时, 便会发生一次掩星事件。通过测量GPS卫星双频信号的多普勒频移, 可计算出折射角数据。在水汽浓度可以忽略不计的上对流层, 先通过Abel积分变换将折射角转化为折射率, 再根据流体静力学方程和理想气体方程得到温度、气压等大气参数信息。在对流层下层, 由于水汽模糊度的存在, 折射率N对水汽条件变得敏感。此时还需借助模式大气背景状态, 采用一维变分法求解水汽压(Ware et al, 1996; Zou et al, 1999)。在中性大气中, 大气折射率N可以看作气压P, 气温T, 水汽压Pw, 液态水项LWC(the liquid water content)和冰水项IWC(the ice water content)的函数, 函数关系表达式为(Yang et al, 2012, 2013):
$\begin{array}{l} N = 77.6\frac{P}{T} + 3.73 \times {10^5}\frac{{{P_w}}}{{{T^2}}} + 1.45{q_{{\rm{LWC}}}} + 0.69{q_{{\rm{IWC}}}} = \\ {N^{{\rm{dry}}}} + {N^{{\rm{vapor}}}} + {N^{{\rm{LWC}}}} + {N^{{\rm{IWC}}}}, \end{array}$ | (1) |
其中: Ndry为干项, 对折射率的贡献率超过了90%; Nvapor为水汽项, 对折射率的贡献率达到了8% ~9%;液态水NLWC和冰水项NIWC对折射率的贡献率占0.1% ~0.3%, 小于水汽项两个数量级。以往研究者(Ho, 2009; Anthes, 2011; Steiner et al, 2011)认为GPS信号的波长较长, 云水对GPS掩星的影响可以忽略不计。因此, 在GPS RO的反演过程中忽视了液态水和冰水项对折射率的贡献(Yang et al, 2012, 2013)。
本研究使用的是2007年1月至2013年12月由COSMIC掩量反演所得的二级产品, 大气湿廓线wetPrf资料, 以及与之相配的ECMWF分析资料ecmPrf, 数据均由COSMIC资料分析和存储中心CDAAC提供。CDAAC提供的ecmPrf产品已经将分析资料水平插值到wetPrf对应的廓线位置, 由于ecmPrf和wetPrf资料的垂直分辨率不同, 为了便于比较, 将ECMWF分析资料三次样条插值到COSMIC掩量资料对应的高度层上。
双权重质量控制方法能基于观测资料本身的统计分布特征、观测资料与模式资料之间偏差的统计分布特征, 筛除不满足统计规律的数据(Zou et al, 2006)。本研究先利用范围检验, 剔除了折射率为负值的COSMIC资料。然后利用双权重质量控制方法, 剔除了超过COSMIC折射率资料双权重平均值上下三倍标准差的数据。
3 结果分析 3.1 折射率的偏差特征从2007—2013年COSMIC掩星资料在2°×2°格点内的样本数(图 1)中可以看出, 高原西部的资料样本数约为220个, 略多于高原以东的样本数180个。高原南部和北部的样本数均大于高原地区。在高原以南, 样本数超过了240个, 接近赤道时, 又减小到了160个。高原以北的大部分地区样本数都超过了240个, 甚至可以达到340个。夏季水汽的水平输送, 主要通过西南季风区进入高原。对于同一地区的平原地区, 高原对流层内气候特征也会因其热力性质具有特殊性。为了检验不同条件对GPS掩星资料偏差的影响, 选取高原(87°E—97°E, 31°N—36°N)、西南季风区(74°E—84°E, 21°N—26°N)以及平原地区(107°E—117°E, 31°N—36°N)为研究区域(图 1中白色方框所标注的区域)。在高原和平原地区的样本数为200个, 在西南季风区大部分数值超过了260个。
从2007—2013年在高原、西南季风区和平原地区, 资料样本数的廓线(图 2)中可以看出, 冬季为12月至次年2月, 春季为3—5月, 夏季为6—8月, 秋季为9—11月。在春季和夏季, 资料的样本数比冬季和秋季略多。西南季风区资料总样本数最多, 数值在700~1100范围内。高原和同一纬度的平原地区总样本数近似, 数值在400~800之间波动。样本数的纬向分布差异与COSMIC卫星的轨道形态有关。对于同一地区, 由大气低层向高层, 样本数显著增大直至基本不变。这是因为在对流层下层, 受大气水平梯度、反演算法、射线追踪技术、地形条件等因素的影响, 仅有少量GPS探测信号进入对流层下层(Rocken et al, 1997; Anthes et al, 2008)。由于高原的平均海拔超过了4 km, 在该地区GPS信号的探测深度更浅。为了避免观测误差对分析结果产生影响, 在后续研究中只保留了超过总样本数90%的资料。
从图 3中可以看出, 整体来看, 除了秋季的平原地区, 折射率偏差的标准差在不同地区的分布特征相似, 表明数据离散程度具有一致性。秋季在平原地区15 km高度附近出现的显著标准差, 与信噪比衰弱、残余电离层噪音增大有关(Wickert et al, 2001)。在低层折射率偏差的标准差均大于高层, 因此低层折射率偏差的离散程度更高。在对流层顶附近(12~17 km), COSMIC掩星资料折射率偏差平均值最小, 与ECMWF分析资料具有良好的一致性。在对流层中下层(8 km)折射率呈显著的偏差特性。冬季, 在不同区域均出现了绝对值小于0.3%的折射率负偏差。春季, 在西南地区的对流层中下层出现了小于-0.5%折射率负偏差; 高原地区出现了数值为0.4%的折射率正偏差; 此时平原地区折射率偏差不显著, 绝对值小于0.2%。夏季和秋季, 在对流层中下层均出现了折射率的正偏差。尤其是夏季, 在高原、西南季风区和平原地区折射率偏差的最大值分别超过了0.7%, 0.6%, 0.5%。
折射率和温度通常呈反向变化, 和水汽呈正向变化。从图 4中可以看出, 12~17 km高度处, 冬季和春季, 温度偏差的标准差在不同地区的分布较为一致; 夏季和秋季, 温度偏差的标准差在平原地区最大, 在西南季风区最小。说明西南季风区的温度偏差平均值最具代表性。标准差的差异与不同区域温度的日变化有关, 12~17 km垂直高度处对应平原地区的对流层附近, 以及西南季风区的对流层顶以下。对流层顶在白天抬升, 夜间下沉, 因此在这一高度区间内, 平原地区的温度日变化最大, 西南季风区的温度日变化最小。
在12~20 km区间内, 不同地区的温度偏差波动性都很强。西南季风区在不同季节均出现了温度的最大正偏差, 尤其是秋季[图 4(d)], 这一偏差的振幅在15 km附近可以达到0.8 ℃。在8~12 km内, 不同区域的温度偏差的绝对值均小于0.3 ℃。8 km以下, 温度偏差呈明显的季节性差异。冬季[图 4(a)], 在高原的对流层下层出现了-0.5 ℃的温度负偏差, 在西南季风区出现了高于0.3 ℃的温度正偏差; 春季[图 4(b)], 在8 km以下不同地区的温度偏差较为一致; 夏季和秋季[图 4(c), (d)], 在8 km以下的不同地区温度偏差均为负值。尤其是夏季, 不同区域的温度偏差相差较大:西南季风区的温度偏差可达-0.8 ℃, 平原地区的温度偏差可达-0.6 ℃, 而高原的温度偏差仅为-0.3 ℃。
15 km以上, 冬季和春季相对湿度偏差的标准差在西南季风区最大, 其数值可达18%。在夏季和秋季, 15 km以上不同地区的相对湿度偏差标准差都整体偏大, 且波动明显。此时标准差在西南季风区最大, 高原次之, 平原地区最小。夏季和秋季, 西南季风区的标准差最值出现在15 km附近, 数值分别为35%和34%;对应区域还出现了11%和10%的相对湿度偏差。15 km以上相对湿度偏差标准差的产生与水汽的平、对流交换有关。西南季风区是水汽由对流层进入平流层的关键区域, 因此在四季水汽偏差的标准差都最大。冬季和春季, 在高原和平原地区的水汽交换过程并不明显。一旦进入夏季, 尤其是在高原地区, 就会存在充足的水汽通过穿透性深对流和水平输送, 由对流层顶进入平流层。冬季、春季和秋季, 在高原上空8 km的区域出现了相对湿度负偏差[图 5(a), (b), (d)], 数值分别为-15%, -8%和-8%。夏季, 在8 km以下相对湿度偏差以正值为主[图 5(c)]。尤其是在高原地区, 相对湿度正偏差最大, 数值可达7%, 其次为西南季风区和平原地区。
采用世界气象组织(WMO, 1957)定义的温度垂直递减率法LRT(lapse rate tropopause)判定对流层顶:随着高度上升, 温度垂直递减率降低到不超过2 ℃·km-1的最低高度; 与此同时, 在此高度以上2 km范围内所有高度层之间的平均垂直递减率也不能超过2 ℃·km-1。图 6中对流层顶高度和位温的计算均基于GPS掩星资料。对流层顶在25°N—45°N的区间内存在一个明显的断裂带。对流层顶平均高度在25°N以南约为17 km, 在45°N以北约为10 km。从低纬到高原以南, 对流层下层的等位温面缓慢下凹。在高原以北到高纬度地区, 等温线则呈抬升趋势。说明高原地区具有强烈的热力学效应。高原上空的热力学特征主要由发展旺盛的对流凝结潜热所主导(夏昕等, 2016)。在高原地区, 等位温面与对流层顶断裂带相交, 有利于水汽沿等位温面的水汽输送。上述条件均表明, 高原为水汽的跨对流层顶输送提供了优厚条件。
在高原以南8~20 km的高度层内, 折射率偏差[图 6(a)]的绝对值小于0.2%。值得注意的是, 在热带对流层顶(30°N以南)下方出现了8%的相对湿度显著正偏差[图 6(c)]。在2~8 km的高度区间内可以看出, 在35°N以南出现了折射率正偏差[图 6(a)]。两个折射率正偏差的最值区出现在低纬地区(10°N—15°N)和高原(30°N—35°N)上空。出现在低纬地区的折射率正偏差可达0.8%, 出现在高原地区的折射率正偏差为0.4%。对应在低纬度地区和高原地区均出现了-0.8 ℃的温度负偏差[图 6(b)]和6%的相对湿度正偏差[图 6(c)]。在对流层低层存在显著的折射率负偏差、温度正偏差和相对湿度负偏差[图 6(a), (b), (c)]。
3.3 偏差产生的原因分析在对流层顶附近(12~17 km), COSMIC掩星的折射率偏差最小。此时COSMIC掩星资料与ECMWF分析资料具有良好的一致性。在对流层中下层(8 km)由廓线之间的无关性所带来的噪音干扰, 大气中水汽、云的小尺度变化都有可能是产生偏差的原因。在近地层水汽模糊度和折射率梯度增大造成的观测误差, 为COSMIC掩星资料引入了负偏差(Rocken et al, 1997; Kursinski et al, 1997)。
冬季大气状态干燥而稳定, 在对流层中下层折射率偏差[图 3(a)]的绝对值非常小, 但是受反演误差的影响, 整体呈现出绝对值小于0.3%的折射率负偏差。受季风活动影响, 春季对流层中下层的水汽浓度剧增、折射率的水平梯度增大, 在西南地区出现了小于-0.5%的折射率负偏差[图 3(b)]。在高原地区出现了0.4%的折射率正偏差, 可能与地势梯度有关。夏季和秋季, 在对流层中下层的不同地区均出现了0.2% ~0.8%的折射率正偏差[图 3(c), (d)]。8 km高度层上, 折射率最大正偏差可超过0.8%, 出现在低纬地区[图 6(a)]。Zou et al(2012)发现在深对流云中出现了超过1.8%的折射率正偏差。由公式(1)可知, 大气折射率为气温T、水汽压Pw、气压P、液态水LWC与冰水IWC的函数。对折射率的贡献主要为第一项(干项)和第二项(水汽项)。因此在反演温度、水汽, 或是计算观测算子时往往忽略了第三项(LWC, 液态水含量项)和第四项(IWC, 冰水含量项)(Yang et al, 2013; Zou et al, 2012)。
$\Delta {N_{O - R}} = ({N^{{\rm{obs}}}} - N_{{\rm{LWC}}}^{{\rm{obs}}} - N_{{\rm{IWC}}}^{{\rm{obs}}}) - (N_{{\rm{dry}}}^{{\rm{GPS}}} + N_{{\rm{vapor}}}^{{\rm{GPS}}}), $ | (2) |
NdryGPS和NvaporGPS分别为利用式(1)中的气压P、气温T、水汽压Pw计算的折射率干项和水汽项。云中液态水和冰水对折射率的贡献率为
由式(1)可知, 折射率偏差主要受温度、湿度与云的影响。温度与折射率负相关, 它对折射率的贡献率超过90%;水汽与折射率呈正相关关系, 它对折射率的贡献率可达8% ~9%;云中液态水和冰水可以引入折射率正偏差, 其贡献率占0.1% ~0.3%。
气温对折射率的贡献率主要源于干项77.6
水汽压对折射率的贡献主演源于水汽项3.73×105
沿西南季风区(79°E), 利用两种资料所判定对流层顶高度偏差的概率密度分布(图 7)显示, 对流层顶高度偏差的概率密度正值多于负值。对流层顶高度偏差最大概率密度分布在0~0.2 km, 数值超过1200;其次在0.2~0.4 km区域内, 样本数超过800个。利用COSMIC掩星资料判定的对流层顶通常比利用ECMWF分析资料判定的对流层顶高。在对流层顶附近, ECMWF分析资料的分辨率较低, 不能像GPS掩星资料一样灵敏地刻画大气波动状态, 因此存在系统性偏差(Santer et al, 2003; Borsche et al, 2007)。在利用COSMIC掩星资料判定的对流层顶下方, 往往对应着利用ECMWF分析资料判定的对流层顶上方。逆温层会造成水汽传输困难, 导致平流层中的水汽浓度远小于对流层。所以在对流层顶下方出现了相对湿度正偏差。在对流层顶发生的质量交换是大气模式中的一个关键过程, 迄今还不能被人们完全理解。因此, 对流层顶附近的水汽正偏差不仅与资料垂直分辨率有关, 还可能与模式误差有关(Zhan et al, 2007)。
高原地形特殊, 对流活动频繁, 云水丰富, 小尺度天气活跃也限制了大部分卫星资料的同化应用。GPS无线电信号因波长很长(20 cm), 高垂直分辨率资料为研究小尺度天气过程提供更为精细的观测信息, 其资料同化应用是提高高原地区数值预报水平的重要保证。已有大量研究证明, GPS掩星资料在高原具有良好的适用性(郝民等, 2010; Chen et al, 2011; Feng et al, 2011; 马玉芬等, 2013; 徐桂荣等, 2016)。高原地区云系发展强盛, 而最新研究表明, 云水对GPS掩星观测的影响甚至可以达到它的反演误差(Zou et al, 2012; Yang et al, 2012)。因此, 分析高原地区GPS掩星资料的偏差特征可以为GPS掩星资料的同化和反演提供理论参考。
冬、春季节, 在高原对流层低层出现折射率负偏差, 这和GPS信号在水汽充沛的对流层容易出现多路径有关(Rocken et al, 1997)。夏季高原对流强烈, 对流层中下层云系发展旺盛, 折射率的正偏差可能和云中的液态水和冰水有关(Zou et al, 2012; Yang et al, 2012)。COSMIC掩星资料在对流层顶有很高的精度(Kursinski, 1997), ECMWF分析资料在对流层顶更干且对流层高度偏低, 因此夏季在西南季风区的对流层顶出现了相对湿度正偏差。夏季, GPS掩星资料在高原及其周边地区具有较大的偏差, 而在以前的GPS RO同化的观测算子中都没有考虑液态水和冰水项的贡献, 在GPS RO向前模式中引入云水的贡献, 分析云水对同化的影响是下一步工作的重点。
5 结论本文利用2007—2013年COSMIC掩星资料和ECMWF分析资料研究了大气折射率, 温度和相对湿度的偏差特征, 得到以下结论:
(1) 冬季和春季, 大气折射率在青藏高原对流层中下部有小的正偏差, 而在西南季风区和平原地区对流层中下部有明显的负偏差。
(2) 夏季, COSMIC掩星资料在对流层中下层(2~8 km)存在显著的折射率正偏差。在青藏高原、西南季风区和平原, 偏差数值可达0.7%、0.6%和0.5%。在折射率正偏差的出现区域, 会伴随着温度负偏差和水汽正偏差。在高原地区温度和相对湿度的偏差最显著, 可达-0.5 ℃和7%。
(3) 夏季和秋季, 在西南季风区的对流层顶附近出现了显著的相对湿度正偏差, 数值分别为11%和10%。
Anthes R A, Bernhardt P A, Chen Y, et al. 2008. The COSMIC/FORMOSAT-3-Mission early results[J]. Bulletin of Then American Meteorological Society, 89(3): 313–333.
DOI:10.1175/BAMS-89-3-313 |
|
Anthes R A. 2011. Exploring Earth's atmosphere with radio occultation:contributions to weather, climate and space weather[J]. Atmospheric Measurement Techniques, 4(6): 1077–1103.
DOI:10.5194/amt-4-1077-2011 |
|
Bao X, Zhang F. 2013. Evaluation of NCEP-CFSR, NCEP-NCAR, ERA-Interim, and ERA-40 reanalysis datasets against independent sounding observations over the Tibetan Plateau[J]. Journal of Climate, 26(1): 206–214.
DOI:10.1175/JCLI-D-12-00056.1 |
|
Boos W R, Kuang Z. 2010. Dominant control of the South Asian monsoon by orographic insulation versus plateau heating[J]. Nature, 463(7278): 218–222.
DOI:10.1038/nature08707 |
|
Borsche M, Kirchengast G, Foelsche U. 2007. Tropical tropopause climatology as observed with radio occultation measurements from CHAMP compared to ECMWF and NCEP analyses[J]. Geophysical Research Letters, 34(3): L03702.
DOI:10.1029/2006GL027918 |
|
Chen X L, Ma Y M, Kelder H, et al. 2011. On the behaviour of the tropopause folding events over the Tibetan Plateau[J]. Atmospheric Chemistry and Physics, 11(10): 5113–5122.
DOI:10.5194/acp-11-5113-2011 |
|
Duan A M, Wu G X. 2005. Role of the Tibetan Plateau thermal forcing in the summer climate patterns over subtropical Asia[J]. Climate Dynamics, 24(7-8): 793–807.
DOI:10.1007/s00382-004-0488-8 |
|
Feng S, Fu Y, Xiao Q. 2011. Is the tropopause higher over the Tibetan Plateau? Observational evidence from Constellation Observing System for Meteorology, Ionosphere, and Climate (COSMIC) data[J]. Journal of Geophysical Research Atmospheres, 116(D21): 21121.
DOI:10.1029/2011JD016140 |
|
Foelsche U, Borsche M, Steiner A K, et al. 2008. Observing upper troposphere-lower stratosphere climate with radio occultation data from the CHAMP satellite[J]. Climate Dynamics, 31(1): 49–65.
DOI:10.1007/s00382-007-0337-7 |
|
Forster P M D F, Shine K P. 1999. Stratospheric water vapour changes as a possible contributor to observed stratospheric cooling[J]. Geophysical Research Letters, 26(21): 3309–3312.
DOI:10.1029/1999GL010487 |
|
Fu R, Hu Y L, Wright J S, et al. 2006. Short circuit of water vapor and polluted air to the global stratosphere by convective transport over the Tibetan Plateau[J]. Proceedings of The National Academy of Sciences of The United States of America, 103(15): 5664–5669.
DOI:10.1073/pnas.0601584103 |
|
Hajj G A, Ao C O, Iijima B A, et al. 2002. CHAMP and SAC-C atmospheric occultation results and intercomparisons[J]. Journal of Geophysical Research Atmospheres, 109(D6): 6109–6154.
DOI:10.1029/2003JD003909 |
|
Ho S P. 2009. Estimating the uncertainty of using GPS radio occultation data for climate monitoring:Inter-comparison of CHAMP refractivity climate records 2002-2006 from different data centers[J]. Journal of Geophysical Research Atmospheres, 114(D23): 1470–1478.
DOI:10.1029/2009JD011969 |
|
Kursinski E R, Hajj G A, Bertiger W I, et al. 1996. Initial results of radio occultation observations of Earth's atmosphere using the global positioning system[J]. Science, 271(5252): 1107–1110.
DOI:10.1126/science.271.5252.1107 |
|
Kursinski E R, Hajj G A, Schofield J T, et al. 1997. Observing Earth's atmosphere with radio occultation measurements using the Global Positioning System[J]. Journal of Geophysical Research Atmospheres, 102(D19): 23429–23465.
DOI:10.1126/science.271.5252.1107 |
|
Rocken C, Anthes R, Exner M, et al. 1997. Analysis and validation of GPS/MET data in the neutral atmosphere[J]. Journal of Geophysical Research Atmospheres, 1022(D25): 29849–29866.
DOI:10.1029/97JD02400 |
|
Rusticucci M M, Kousky E. 2002. A comparative study of maximum and minimum temperatures over Argentina:NCEP-NCAR reanalysis versus station data[J]. Journal of Climate, 15(15): 2089–2101.
DOI:10.1175/1520-0442(2002)015<2089:acsoma>2.0.co;2 |
|
Santer B D, Sausen R, Wigley T M L, et al. 2003. Behavior of tropopause height and atmospheric temperature in models, reanalyses, and observations:Decadal changes[J]. Journal of Geophysical Research Atmospheres, 108(D1): 4002.
DOI:10.1029/2002jd002258 |
|
Smith S R, Legler D M, Verzone K V. 2001. Quantifying uncertainties in NCEP reanalyses using high-quality research vessel observations[J]. Journal of Climate, 14(20): 4062–4072.
DOI:10.1175/1520-0442(2001)0142.0.CO;2 |
|
Sokolovskiy S. 2003. Effect of superrefraction on inversions of radio occultation signals in the lower troposphere[J]. Radio Science, 38(3): 1058.
DOI:10.1029/2002rs002728 |
|
Son S, Tandon N F, Polvani L M. 2011. The fine-scale structure of the global tropopause derived from COSMIC GPS radio occultation measurements[J]. Journal of Geophysical Research Atmospheres, 116(D2): D20113.
DOI:10.1029/2011JD016030 |
|
Steiner A K, Kirchengast G, Ladreiter H P. 1998. Inversion, error analysis, and validation of GPS/MET occultation data[J]. Annales Geophysicae, 17(1): 122–138.
DOI:10.1007/s00585-999-0122-5 |
|
Steiner A K, Lackner B C, Ladstädter F. 2011. GPS radio occultation for climate monitoring and change detection[J]. Radio Science, 46(6): RS0D24.
DOI:10.1029/2010RS004614 |
|
Tian H, Tian W, Luo J, et al. 2017. Climatology of cross-tropopause mass exchange over the Tibetan Plateau and its surroundings[J]. International Journal of Climatology, 37(11): 3999–4014.
DOI:10.1002/joc.4970 |
|
Wang A, Zeng X. 2012. Evaluation of multireanalysis products with in situ observations over the Tibetan Plateau[J]. Journal of Geophysical Research Atmospheres, 117(D5): D05102.
DOI:10.1029/2011JD016553 |
|
Ware R, Rocken C, Solheim F, et al. 1996. GPS sounding of the atmosphere from low earth orbit:Preliminary Results[J]. Journal of Geophysical Research Atmospheres, 77(1): 19–40.
DOI:10.1175/1520-0477(1996)077<0019:GSOTAF>2.0.CO;2 |
|
Wickert J, Reigber C, Beyerle G, et al. 2001. Atmosphere sounding by GPS radio occultation:First results from CHAMP[J]. Geophysical Research Letters, 28(17): 3263–3266.
DOI:10.1029/2001GL013117 |
|
Wickert J, Schmidt T, Beyerle G, et al. 2004. The radio occultation experiment aboard CHAMP:Operational data analysis and validation of vertical atmospheric profiles[J]. Journal of the Meteorological Society of Japan, 82(1B): 381–395.
DOI:10.2151/jmsj.2004.381 |
|
World Meteorological Organization, 1957. Meteorology-A three dimensional science, WMO Bull[S]. 6: 134-138, Geneva, Switzerland.
|
|
Xu X, Lu C, Shi X, et al. 2008. World water tower:An atmospheric perspective[J]. Geophysical Research Letters, 35(20): 525–530.
DOI:10.1029/2008GL035867 |
|
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 & Planetary Change, 112(1): 79–91.
DOI:10.1016/j.gloplacha.2013.12.001 |
|
Yang S, Zou X. 2012. Assessments of cloud liquid water contributions to GPS radio occultation refractivity using measurements from COSMIC and CloudSat[J]. Journal of Geophysical Research Atmospheres, 117(D6): D06219.
DOI:10.1029/2011JD016452 |
|
Yang S, Zou X. 2013. Temperature profiles and lapse rate climatology in altostratus and nimbostratus clouds derived from GPS RO Data[J]. Journal of Climate, 26(16): 6000–6014.
DOI:10.1175/JCLI-D-12-00646.1 |
|
Yang S, Zou X. 2017a. Dependence of positive refractivity bias of GPS RO cloudy profiles on cloud fraction along GPS RO limb tracks[J]. Gps Solutions, 21(2): 499–509.
DOI:10.1007/s10291-016-0541-1 |
|
Yang S, Zou X. 2017b. Lapse rate characteristics in ice clouds inferred from GPS RO and CloudSat observations[J]. Atmospheric Research, 197(1): 105–112.
DOI:10.1016/j.atmosres.2017.06.024 |
|
You Q, Fraedrich K, Ren G, et al. 2013. Variability of temperature in the Tibetan Plateau based on homogenized surface stations and reanalysis data[J]. International Journal of Climatology, 33(6): 1337–1347.
DOI:10.1002/joc.3512 |
|
Zhan R F, Li J P. 2007. Influence of atmospheric heat sources over the Tibetan Plateau and the Tropical Western North Pacific on the Inter-Decadal Variations of the Stratosphere-Troposphere Exchange (STE) of Water Vapor[J]. Science in China Series D-earth Sciences, 51(8): 1179–1193.
DOI:10.1007/s11430-008-0082-8 |
|
Zhao T B, Fu C B. 2006. Comparison of products from ERA-40, NCEP-2, and CRU with station data for summer precipitation over China[J]. Advances in Atmospheric Sciences, 23(4): 593–604.
DOI:10.1007/s00376-006-0593-1 |
|
Zou X, Zeng Z. 2006. A quality control procedure for GPS radio occultation data[J]. Journal of Geophysical Research Atmospheres, 111(D2): D02112.
DOI:10.1029/2005JD005846 |
|
Zou X, Vandenberghe F, Wang B, et al. 1999. A ray-tracing operator and its adjoint for the use of GPS/MET refraction angle measurements[J]. Journal of Geophysical Research Atmospheres, 104(D18): 22301–22318.
DOI:10.1029/1999JD900450 |
|
Zou X, Yang S, Ray P S. 2012. Impacts of ice clouds on GPS radio occultation measurements[J]. Journal of the Atmospheric Sciences, 69(69): 3670–3682.
DOI:10.1175/jas-d-11-0199.1 |
|
郝民, 郭英华, 马再忠. 2010. 一次降水天气过程的GPS掩星资料在GSI同化系统中的应用研究[J]. 高原气象, 29(1): 164–174.
|
|
何金海, 徐海明, 钟珊珊, 等. 2011. 青藏高原大气热源特征及其影响和可能机制[M]. 北京: 气象出版社, 243.
|
|
敬文琪, 崔园园, 刘瑞霞, 等. 2017. 影响长江中下游夏季降水的青藏高原水汽抽吸作用和水汽路径的定量化研究[J]. 高原气象, 36(4): 900–911.
DOI:10.7522/j.issn.1000-0534.2016.00084 |
|
刘维成, 张强, 傅朝. 2017. 近55年来中国西北地区降水变化特征及影响因素分析[J]. 高原气象, 36(6): 1533–1545.
DOI:10.7522/j.issn.1000-0534.2017.00081 |
|
马玉芬, 李曼, 史莲梅. 2013. 单个掩星事件湿度场资料同化实验[J]. 干旱区研究, 30(6): 1113–1121.
DOI:10.13866/j.azr.2013.06.028 |
|
钱正安, 宋敏红, 吴统文, 等. 2017. 世界干旱气候研究动态及进展综述(Ⅰ):若干主要干旱区国家的研究动态及联合国的贡献[J]. 高原气象, 36(6): 1433–1456.
DOI:10.7522/j.issn.1000-0534.2017.00075 |
|
孙颖, 丁一汇. 2002. 青藏高原热源异常对1999年东亚夏季风异常活动的影响[J]. 大气科学, 26(6): 817–828.
DOI:10.3878/j.issn.1006-9895.2002.06.10 |
|
吴国雄, 张永生. 1998. 青藏高原的热力和机械强迫作用以及亚洲季风的爆发:Ⅰ.爆发地点[J]. 大气科学, 22(6): 825–838.
DOI:10.3878/j.issn.1006-9895.1998.06.03 |
|
夏昕, 任荣彩, 吴国雄, 等. 2016. 青藏高原周边对流层顶的时空分布、热力成因及动力效应分析[J]. 气象学报, 74(4): 525–541.
DOI:10.11676/qxxb2016.036 |
|
徐桂荣, 乐新安, 张文刚, 等. 2016. COSMIC掩星资料反演青藏高原大气廓线与探空观测的对比分析[J]. 暴雨灾害, 35(4): 315–325.
DOI:10.3969/j.issn.1004-9045.2016.04.003 |
2. College of Atmospheric Science, Nanjing University of Information Science and Technology, Nanjing 210044, Jiangsu, China