1 引言

大气中的水汽是对流层中活跃多变的成分之一, 其不仅能通过参与云的形成来影响地球的辐射收支, 还能通过影响大气中其他温室气体来改变天气气候系统的敏感度, 在多种途径上直接或间接地影响天气和气候的变化(Schneider et al, 1999)。更为关键的是, 大气中的水汽还是产生降水的物质基础, 是影响陆表降水的关键因子之一, 其含量的多寡直接关系到各地降水过程和气候变化(周顺武等, 2011), 而水汽输送特征, 包括水汽的源地、输送路径、水汽通量, 以及水汽在输送过程中的收支变化等, 则是影响区域水循环的重要环节(Trenberth, 1998)。特别是在降水发生后, 对其水汽输送特征的探究, 如:水汽源地的蒸发补给强度、源地所提供水汽在输送过程的变化以及降水发生地的蒸发对局地水汽的补给等, 有助于更好地认识大气中水汽的源汇区特征和输送特征, 进而加深对整个水循环过程的理解。目前, 针对水汽输送, 国内外学者已经做了大量研究工作, 对全球尺度和大尺度的水汽循环过程已经有了较为清晰的认知, 但是对区域尺度上水汽输送特征的研究还有很大空间(陈斌等, 2011)。针对区域或流域降水的水汽输送特征, 科学家们已经提出了一些切实可行的研究方法: (1)同位素分析法, 该方法是界定降水事件水汽源汇的传统方法之一, 但因其较高的经济成本, 以及采样源多样性可能会导致误导性结果的产生, 限制了该方法的广泛应用(Gimeno et al, 2010); (2)水汽通量图也可大致表示水汽的传输过程, 但由于水汽通量会伴随风场发生瞬变, 所以用此方法只可得出相对粗略的水汽传输路径(Stohl et al, 2004); (3)大气模式的数值模拟和再分析数据集也是判定水汽源汇的有效手段之一(Gimeno et al, 2010), 基于欧拉方法的大气数值模式模拟的水汽通量和通量散度也可以作为判定水汽输送特征的依据(许建玉等, 2014)。但是相较以上几个方法而言, 拉格朗日数值模式更适用于水汽源汇区和输送路径的判定, 即通过对气块运动轨迹的模拟来追踪水汽源地是其主要优势所在(Stohl et al, 2004)。

近年来, 基于拉格朗日方法的轨迹模式因其突出的准确性和稳定度, 已被广泛应用到水汽输送的研究中, 科学家们提出了通过后向模拟确定水汽源地的算法((Dirmeyer et al, 1999, 2007; Reale et al, 2001)。其中, 基于拉格朗日方法的轨迹模型FLEXPART的提出(Stohl et al, 2004), 克服了早期对拉格朗日方法认知不足的限制(如:动态轨迹、地表蒸发如何分布到整个气柱中的假设)(Gimeno et al, 2010), 和只能定性地追踪气团的运动轨迹, 却无法定量判定气团运动过程中的水汽蒸发和耗散的缺陷。FLEXPART可以借助于再分析资料, 通过模拟后向轨迹追踪水汽源地, 在定性追踪气团轨迹的基础上进一步做定量分析, 相比欧拉模式而言, 它的优势在于减少了积分过程中的数值耗散, 保持了较高精度, 同时模式中考虑了中小尺度的对流和湍流过程, 减小了模式误差。

国内外学者利用FLEXPART模式得出了诸多重要的研究成果:就确定研究区的水汽来源而言, Gimeno et al(2010)利用此模式得到了伊比利亚半岛的两个重要水汽源地, 并评估了不同源地在不同季节的重要性; Gimeno et al(2012)则是在全球尺度上探讨了陆地降水的海洋源地和大陆源地; 陈斌等(2011, 2012)利用此模式对中国部分地区的水汽源地做了研究, 他们判定了影响长江流域下游地区夏季的水汽源地、青藏高原夏季的水汽源汇等; Sun et al(2014a)研究了中国半干旱草原在冷季和暖季的水汽来源和输送特征, 还对影响华南、长江中下游地区和华北地区的水汽源地进行了识别和比较(Sun et al, 2014b), 并定量估算了陆地、西太平洋、印度洋的水汽输送对研究区降水量的贡献。在识别水汽源地的同时, 还有学者利用此模式研究了水汽来源的变化特征及其影响, Gómez-Hernández et al(2013)分析了1980-2000年地中海盆地不同地区水汽源地在季节尺度和年际尺度上的变化; Jiang et al(2017)探讨了1951-2010水分来源的变化对华北地区降水年代际尺度变化的影响。研究不同大气层的水汽输送特征也是该模式的应用方向之一, 陈斌等(2009a, 2009b)在此研究方向上开展了大量工作, 包括对2005年夏季亚洲季风区下平流层水汽对流源区的研究, 以及对青藏高原及其周边区域夏季上对流层水汽变化和输送特征的研究, 此外, 他们还分析了夏季青藏高原地区近地层水汽进入平流层的特征(陈斌等, 2012)。

黄河源区地处青藏高原东北部, 是夏季水汽输送转运站和重大灾害水汽输送的关键区之一(周长艳等, 2012), 源区地表类型复杂多样, 涵盖冰川、河流、湖泊/湿地等(Iqbal et al, 2018), 复杂的下垫面使其自身对全球的气候变化十分敏感(Hu et al, 2011)。更重要的是, 该区域为黄河上游最重要的水资源涵养区, 区域内的水文水资源问题, 将威胁到下游数亿人口的供水安全。而区域水汽输送会直接影响黄河源区的降水, 进一步参与其水文水循环过程, 已有研究表明, 流域降水量是引起黄河源区径流变化的主要因子, 前期降水异常对后期径流变化具有持续性影响(孙卫国等, 2009)。由此可见, 加深对该流域水汽输送特征的理解, 对认识黄河源区、乃至江河源区的气候和水文过程都具有重要的现实意义。

当前, 对于黄河源区乃至整个江河源区水汽输送特征的研究还较为欠缺, 研究手段大多基于对位势高度场和流场的分析(王可丽等, 2006)。李进等(2012)对黄河流域1月和7月多年平均及旱涝年整层积分的水汽通量、辐合(辐散)及各分区水汽收支情况的研究结果表明: 1月无明显水汽输送, 西、北边界微弱的水汽输入远小于东、南边界的输出, 而7月水汽沿西南、东南及西北3条路径输送, 涝年影响黄河中下游区, 旱年影响下游的小范围地区; 陈丹等(2018)借助小波变换等方法, 分析了四川盆地西部和东部暴雨异常时的水汽输送情况, 结果表明副热带高压偏北偏强时有利于西太平洋水汽输送至盆地西部, 副高偏南时西太平洋水汽向盆地东部输送较多。谢欣汝等(2018)基于多源数据探究了青藏高原夏季降水与水汽输送的关系, 研究表明就气候态而言, 水汽主要由南边界输入高原, 输入大值区为下层, 西边界和北边界也可由中层和下层向高原输入水汽, 水汽主要是从东边界中层输出。敬文琪等(2017)采用合成分析法定义了与长江中下游夏季降水关系密切的5条水汽路径:孟加拉湾路径、云贵路径、南海路径、低纬路径和汇合路径, 并对其强度进行了定量计算。

考虑到拉格朗日方法具备模拟空气块后向轨迹、追踪水汽源地的能力, 本研究基于流域降水的异常状态, 针对性地开展对黄河源区水汽输送的模拟, 着重分析流域内降水异常状态下的水汽输送特征, 并评估不同类型降水的水汽源地对黄河源区降水的贡献率。寄希望通过本研究, 加深对异常降水状况下水汽输送特征差异的认识, 进一步理解流域尺度上干-湿年份的同期水汽输送差异对该流域降水的潜在影响。

2 研究区域及研究模型 2.1 研究区域概况

黄河源区地处青藏高原东北部, 位于32°12′N-35°48′N, 95°50′E-103°28′E, 流域以阿尼玛卿山、雅合拉达合泽山、巴颜喀拉山和布尔汗布达山作为其分水岭, 以青海省曲麻莱县的约古宗列曲为流域源头, 青海省唐乃亥水文站为流域出口, 源区总面积约为121970 km², 约占整个黄河流域15.0%(Iqbal et al, 2018)。源区西北部海拔较高, 东南部海拔相对较低, 自西向东呈递减趋势(Zhou et al, 2005)。该区域是黄河中上游的主要产流区(刘希胜等, 2016), 受青藏高原和东亚季风大陆性气候的双重影响, 属于高原亚寒带半湿润-半干旱大陆性季风气候, 表现为冬季干燥、夏季多雨(乔世娇等, 2015), 年平均降水量为300~600 mm, 黄河干流在源区出口处的多年平均径流量204.6×10⁸ m³, 占黄河全流域地表水资源量的34.4% (刘希胜等, 2016)。

2.2 降水观测数据

收集了由中国气象数据网提供的2007-2016年黄河源区11个气象观测站点(包含青海省境内的曲麻莱站、清水河站、达日站、久治站、河南站、果洛站、玛多站、兴海站, 四川省境内的若尔盖站、红原站和甘肃省境内的玛曲站)的24 h累计降水量资料, 站点位置分布见图 1, 各站月平均降水量见图 2。

2.3 研究模型及参数设置

FLEXPART(Flexible Particle Dispersion Model)模式是由挪威大气研究所(Norwegian Institute for Air Research)和德国慕尼黑工业大学(Technical University of Munich)联合开发的空气块轨迹－扩散模式, 其通过计算区域内所有气块的运动轨迹进而实现对大气物质输送和扩散过程的模拟(Stohl et al, 2005)。该模式的核心技术之一是“区域填塞”技术, 其是指在模式积分之初, 给定地理空间范围和高度场后, 将区域划分为足够多的气块, 气块按照大气密度均匀地分布, 模式开始积分后, 气块将在气象强迫条件的驱动下自由运动。模式将会输出模拟过程中每个气块的三维位置信息, 进而实现对整个区域大气输送和扩散过程的模拟(权晨, 2014)。模式通过输出粒子的三维位置信息, 由再分析资料的空间插值获取气块运动过程中的其他物理信息, 如位涡、比湿、密度、边界层高度、粒子质量等(陈斌等, 2011)。

在本研究中, 对应再分析驱动数据, FLEXPART模式模拟的时间积分步长设为6 h, 整个模拟的区域被“填塞”200万个分布相对均匀的气块。模式中后向排放气块的时间设为2012年7月和2015年7月, 排放区域地理范围为32°N-35.5°N, 95.5°E-103.5°E, 包含了整个黄河源区, 高度范围在3000~16000 m, 假设每天排放20000个气块, 后向(时间逆序)运动十天后气块离开模拟边界。模拟的积分时间分别为2012年和2015年的7月1日12:00(世界时, 下同)至7月31日12:00。即模拟了2012年和2015年7月不同降水类型所对应空气块后向10天的运动轨迹和湿度特征。

2.4 轨迹模型驱动资料

在本研究中, FLEXPART模式的驱动资料选取美国国家环境预报中心提供的最终分析场数据(National Centers for Environmental Prediction Final, NECP FNL), 该再分析数据集由美国国家环境预报中心(National Centers for Environmental Prediction, NCEP)和美国国家大气研究中心(National Center for Atmospheric Research, NCAR)联合发布, 其空间分辨率为1.0°×1.0°, 垂直方向从1000~10 hPa共分为26层, 时间分辨率为6 h, 对应00:00, 06:00, 12:00和18:00 4个时刻。其中, FLEXPART模式所需的输入变量主要包含两部分:一是空气块的三维位置信息(经纬度和位势高度), 二是空气块所处位置的气温、比湿、空气密度、大气边界层高度等(陈斌等, 2011)。

3 研究方法 3.1 降水异常的分析方法

针对黄河源区降水分布集中于夏季的特点, 本研究将首先统计研究区各测站多年内出现最大降水的月份, 并以此月为研究时段, 统计该月降水量的多年距平序列a_i:

${a_i} = {x_i} - \bar x, $

(1)

式中: $\bar x = \frac{{\sum\limits_{i = 1}^n {{x_i}} }}{n}$为研究区目标月降水量的多年平均值; x_i表示研究时段内研究区各站点当年目标月份的总降水量; n表示研究时段内的总年份。依据距平序列提取降水异常信号, 针对最大正、负异常对应的时段开展黄河源区流域水汽输送的模拟。

3.2 水汽蒸发源地的识别方法

判别研究区的水汽源地需要对模式的输出结果进行计算处理, 此部分介绍的计算方法是由FLEXPART模式的主要开发者提出并与其他判定水汽源地的方法做了比较, 证明用此方法来判定水汽源地是可行的(Stohl et al, 2004)。下述的计算过程要建立在一个假设条件之上, 即近似地认为地表蒸发和气块内的降水是引起气块水汽含量变化的主要过程, 蒸发使得气块水汽含量增加, 降水使得气块水汽含量减少。

对于一个单独的空气块, 则有:

$e - p = m\frac{{\Delta q}}{{\Delta t}}, $

(2)

式中: e和p分别为在时间步长Δt内地表蒸发进入该气块的水汽含量和气块降水量; m为气块质量, Δq为时间步长Δt内比湿的变化。

由单个气块在运动过程中的水汽变化可推算出一个区域的水汽变化情况。假定某区域面积为A, 以A为底面的整个三维大气柱由k个分布相对均匀的气块组成, 每个气块的质量为m, 由(2)式可以得到整个区域平均的水汽平衡方程:

$E - P \approx \frac{{\sum\limits_{i = 1}^k {(e - p)} }}{A} = \frac{{\sum\limits_{i = 1}^k m \frac{{\Delta q}}{{\Delta t}}}}{A}, $

(3)

当k足够大时, 计算出的E-P才精确。

式(3)中的E、P分别为面积平均的蒸发量与降水量。根据蒸发和降水之差(E-P)的正负判定该地区是否为水汽源地, 即认为(E-P)>0表示此地区蒸发大于降水, 为水汽源地, 反之则为水汽的汇。还需要强调的一点是, 水汽蒸发是发生在地表的过程, 所以只有大气边界层高度以下的气块水汽含量增加的地方才能被判定为水汽源地, 若气块在边界层以上水汽增加, 这可能是由其他物理过程所引起的, 例如:对流运动等(Sodemann et al, 2008), 所以此方法不考虑边界层以上的水汽含量变化。

3.3 潜在水汽源地对降水贡献率的估算方法

气块从水汽源地到目标区的运动过程中, 会经历多次蒸发和降水过程, 源地蒸发的水分不可能全部转化为目标区的降水, 初次蒸发对最后降水的贡献只会随着时间的推移越来越小。Sodemann et al(2008)提出了一个行之有效的计算水汽源地贡献率的方法, 它考虑了气块运动轨迹上的每一次蒸发和降水过程, 计算每一次蒸发对目标地降水的贡献。但是气块运动轨迹上存在蒸发的位置不一定都在上文判定的水汽源地内, 显然此方法不适用于求算已知水汽源地对目标区降水的贡献。因此, 陈斌等(2011)、Sun et al(2014a)对上述贡献率的判定方法做了改进, 该方法在计算某水汽源地对目标区降水的贡献率时, 源地和目标区内外的每一次蒸发与降水过程都会被区别对待, 即在确定水汽源地的基础上, 统计研究区释放的水汽总量(R_total), 进而后向追踪气块的运动, 并顺着这些气块的运动轨迹找出其在水汽源地第一次前向吸收的水汽含量Δq(Δq=q_t1-q_t0), 随后根据气块在运动过程中所处的具体位置对Δq进行逐步迭代, 最后按需计算水汽源地对目标区降水的贡献率, 即某水汽源地对目标区某次降水Δp的绝对贡献率为,

$C = \Delta q(\Delta p/q), $

(4)

对目标区总降水量R_total的贡献率为

${C_P} = C/{R_{{\rm{ total }}}}, $

(5)

按需改变水汽源地的位置, 重复上述计算步骤, 即可得出不同水汽源地对目标区降水的贡献率。

4 结果分析 4.1 月降水异常特征

对黄河源区流域内所有站点夏季月降水量的多年统计表明, 除久治和红原两站外, 其余9个站点的全年最大降水月份均为7月。此外, 针对单个站点的统计分析可知, 各测站7月出现年最大降水的次数最多, 即在研究时段内黄河源区流域内的所有站点观测的日降水量极大值在7月总计出现49次, 远大于5、6、8和9月(这4个月出现最大降水的次数仅为3, 25, 18和15次)。由此可知, 7月相较于夏季的其他月份而言, 其水汽输送情况能在最大程度上代表黄河源区夏季降水的典型特征。统计分析7月的降水异常(图 3), 2007-2016年间黄河源区7月降水异常呈现“负-正-负”的特征, 2007年和2008年7月为弱负异常, 随后五年均为正异常, 且随时间推移有显著增加趋势并于2012年出现了最大正异常, 月降水量高达1161.1 mm。但在2014年发生了正负异常转换, 2015年出现整个研究期间的最大负异常, 降水量为644.5 mm。

因此, 本研究挑选出2007-2016年间黄河源区7月降水异常的年份分别为2012年(最大正异常年)和2015年(最大负异常年), 着重分析这两年7月对应的水汽输送特征。为了便于讨论分析, 将2012年7月和2015年7月的日降水量根据观测到降水的站点个数划分为小/中/大(S/M/L)三种类型(表 1):小型降水-50%以下站点有降水或所有站点都无降水, 中型降水—降水站点个数在50%~75%, 大型降水—降水站点个数大于75%。虽然此分类标准主观性较强, 但还是能在一定程度上较为明确的地将研究时段内不同类型的降水区分开来, 得出具有代表性的模拟结果。由表 1可知, 依据同样的分类标准, 2012年和2015年雨季的降水量差别主要在于大型降水, 2015年大型降水量平均值仅为43.5 mm, 而在2012年则达到160.1 mm。

4.2 降水异常对应的水汽输送路径

图 4[该图及文中涉及的所有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)2948号的世界地图制作, 底图无修改; 并且这些图形是基于lambcyln投影制作, 使得底图在高纬地区略微变形]和图 5为目标气块后向运动的轨迹图, 为了能在准确描绘气块运动实际情况的前提下使得图中轨迹清晰可见, 设定每隔500条画一条轨迹。图中轨迹线的颜色变化表征了气块运动过程中的比湿变化, 即线条暖色区段表示气块水汽含量增加, 而冷色段表示水汽含量减小, 其中, 黑色小方块表示空气块后向运动轨迹的终点(气块的排放起点均为黄河源区)。由图 4可知, 2012年7月黄河源区三类降水对应空气块后向运动轨迹在10天前最远可至东欧平原、中亚西部、西印度洋赤道和斯里兰卡东南海域等地区, 其水汽输送路径主要可以概括为南北两支, 南支输送路径包括:索马里急流携带印度洋/阿拉伯海的水汽, 途径印度半岛-孟加拉湾等地, 从青藏高原西南侧进入黄河源区的“S”型跨赤道输送路径, 以及始于太平洋/南海, 途径长江中下游平原-四川盆地, 由青藏高原东侧进入黄河源区的“几”型输送; 北支输送是指在西风急流的控制下, 始于大西洋/非洲北部/欧洲平原等地, 途径多地后从青藏高原西侧或北侧进入黄河源区的输送路径。因为水汽蒸发高值区大都分布在南支输送路径上, 由此推断南支输送可能是黄河源区2012年7月对应的主要水汽输送路径。

而2015年7月黄河源区的水汽以北支输送为主, 包括西风急流控制下的输送路径, 以及在热带东风急流作用下由西太平洋和南中国海出发, 途径孟加拉湾-阿拉伯海-印度半岛东北部, 最后从青藏高原西侧或北侧进入黄河源区的水汽输送路径。小、中型降水对应青藏高原北侧的轨迹尤为密集, 南侧少有气块经过, 仅当大型降水时存在微弱的南支输送。由暖色区分布和轨迹的密度可推断北支输送有可能是黄河源区2015年7月对应的主要水汽输送路径。

4.3 潜在水汽源地的蒸发特征

气块的轨迹和湿度变化特征只能定性给出其在运动过程中的水汽收支情况, 但是无法量化黄河源区异常降水对应潜在水汽源地的准确信息, 鉴于此, 我们将模式输出的比湿信息网格化于分辨率为1°×1°的经纬度网格上, 获取黄河源区7月降水对应最大正负异常年份潜在水汽源的空间分布特征。从图 6可以看出, 在2012年7月, 黄河源区小型降水对应的潜在水汽源地主要为喜马拉雅山南麓、恒河平原、四川盆地至秦岭一线, 以及青藏高原北侧的阿尔金山、昆仑山、柴达木盆地的部分地区和帕米尔高原西北部的小片区域。中型降水对应水汽蒸发的高中心在喜马拉雅山南麓以及四川盆地东部; 大型降水对应的潜在水汽源地主要分布在喜马拉雅山-横断山以及四川盆地-秦岭一线, 高原上的水汽源地主要集中在其东部的柴达木盆地、唐古拉山以及昆仑山和阿尔金山的东段, 恒河三角洲也是其潜在水汽源地之一, 黄河源区的局地蒸发同样明显可见。三种降水对应的水汽蒸发高值区均位于喜马拉雅山南麓和四川盆地与横断山交界处。随着降水类型的变化(从小型降水至大型降水), 水汽源地的位置由外向内逐渐靠拢, 蒸发高值区的强度和面积增大。

对应2015年7月, 黄河源区小型降水的潜在水汽源地在青藏高原南北侧都有零星分布, 但蒸发强度总体呈现较弱的态势, 仅在祁连山附近有一较强的蒸发源地; 中型降水的水汽源地主要集中在青藏高原北侧, 最北可到达阿尔泰山, 准格尔盆地、阿尔金山、祁连山、柴达木盆地也是其潜在水汽源地, 四川盆地-秦岭一带也有微弱蒸发, 中型降水对应蒸发高值区大致在阿尔金山和祁连山交界处南侧; 而2015年大型降水的水汽源地分布与小型及中型有明显差异, 北侧分布与其中型降水类似, 但存在一个明显的高中心, 位于喜马拉雅山南麓尼泊尔境内的西端, 此外, 孟加拉湾北部也出现了明显的潜在蒸发源地。

通过对2012年和2015年7月不同降水类型的分析可以看出, 无论是小型或中型降水, 其对应的潜在蒸发源地均存在明显的差异, 以中型为例, 2015年蒸发源地主要位于青藏高原北侧的大片干旱和半干旱区, 而2012年则集中于喜马拉雅山至横断山一线。虽然大型降水在2012和2015年对应水汽蒸发源地的地理位置较为靠近, 但蒸发强度也是2012年明显大于2015年, 而在2015年, 孟加拉湾也是潜在水汽源地之一, 2012年却没有表现出类似的特征。

为了进一步探讨占7月总降水量70%以上的大型降水(主要降水类型)对应的水汽输送形势, 本研究将以日降水量10.0 mm为界限, 进一步将大型降水细分为L1型(<10.0 mm·d^-1)和L2型(>10.0 mm·d^-1), 分类结果表明, 2015年7月大型降水总计出现12天, 其降水量均小于10.0 mm·d^-1, 即12天均属L1型, 而2012年L1型和L2型对应的天数分别为13天和8天。因此, 本研究选取L1型降水, 探讨在干湿年份相近日降水量条件下的水汽源地分布特征。图 7为2012年和2015年L1型降水对应的潜在蒸发之差, 结果表明, 同样针对L1型降水, 2012年潜在蒸发源地的蒸发强度在喜马拉雅山南麓, 四川盆地与横断山交界一带明显高于2015年, 最大差别可达0.93 mm·d^-1, 而在青藏高原北侧的中亚至新疆的大片地区、孟加拉湾、阿拉伯海的印度沿岸地区和云贵高原东北部, 2015年的蒸发强度略大于2012年。特别值得注意的是, 在西藏自治区的亚东和错那县, 2015年黄河源区的L1型降水对应一个强蒸发的潜在水汽源地; 而2012年在青藏高原的可可西里地区至黄河源区一线存在较为明显的潜在蒸发源地。

4.4 不同水汽源地对流域降水的贡献

以上内容已经分析了不同降水类型对应的潜在水汽源地分布特征, 但是空气块从蒸发源地携带水汽后, 在输送过程中会经历多次的蒸发补给与降水损失, 因此, 为了区分不同蒸发源地对黄河源区降水贡献的实际大小, 依据潜在水汽源地蒸发特征的分析结果, 将代表性的潜在蒸发源地划分为5部分(图 8), 其中TPSW、SC、TPN、BB和SRYR分别代表青藏高原西南侧(23°N -33°N, 77°E-98°E)、四川盆地(29°N-35°N, 102°E-107°E)、青藏高原北侧地区(33°N-52°N, 80°E-112°E)、孟加拉湾北部(18°N-23°N, 85°E-94°E)、以及黄河源区自身(32°N-35.5°N, 95°E-103°E)。

由计算结果可知BB区域对黄河源区2012和2015年7月降水的贡献率均不到1%, 因此忽略该地区对黄河源区降水的影响。就四个主要蒸发源地对黄河源区2012和2015年7月降水的贡献率而言, TPSW、SC及SRYR三地对黄河源区2012年7月降水的贡献率大于2015年, 在2012年的贡献率分别为16.79%, 7.78%和22.11%, 约为2015年的2倍; 相反, TPN(包括天山、昆仑山、阿尔金山、祁连山等)对黄河源区2015年7月降水的贡献远大于2012年, 其贡献率高达52.9 %, 约为2012年的2.4倍。

此外, 黄河源区相较其他三个水汽源地而言面积虽小, 但无论在旱年还是涝年, 其局地蒸发的降水贡献率仅次于TPN区, 说明局地蒸发对其自身降水的贡献不容小觑。对于2012年7月而言, SRYR和TPN对黄河源区降水的贡献率相近, 说明黄河源区水分内循环在正异常降水中起到较为重要的作用; 而在2015年7月降水异常偏少的情况下, TPN对降水的贡献超过50%, SRYR的贡献率相较2012年来说减小, 说明黄河源区水分内循环的贡献减弱, 外部的水循环过程对其负异常年的降水做出了主要贡献。

为了进一步衡量黄河源区不同降水类型对应各蒸发源地的贡献, 计算了上述四个典型蒸发源地对不同年份小/中/大型降水的贡献率(图 10)。就同一源地对干湿年不同降水类型的贡献而言:在2015年, TPSW地区对三类降水的贡献率差别较大, 其对大型降水的贡献率高达21.1%, 而对小型和中型降水的的贡献率仅为3.6%和1.9%;SC地区对中型降水的贡献率最高, 约为小型、大型降水的2.4倍; 而TPN和SRYR对三类降水的贡献率较为接近, 前者对中型降水贡献最大, 后者对小型降水贡献最大。在2012年, TPSW的贡献率相差较大, 其中, 对中型降水的贡献率最大; SC对三类降水的贡献率基本持平, 而TPN和SRYR的贡献率类似, 对小型降水贡献率最大, 大型次之, 中型最小。由此推知, TPSW与SC可能为黄河源区大中型降水带去充足水汽, TPN和SRYR则是黄河源区小降水的主要水汽源地。

而对同一年份四个源地对不同降水类型贡献率的分析则表明:在2015年7月, TPN和TPSW为大型降水的主要贡献区, 但TPSW对小型及中型降水的贡献非常小; 而在2012年, TPSW、TPN及SRYR三地对小/中/大三种类型降水的贡献率均较为接近, 说明无论何种降水, TPSW和TPN提供了黄河源区主要可供降水的外来水汽。

5 结论与讨论

基于拉格朗日轨迹模式FLEXPART, 对黄河源区近10年间7月降水对应最强正负异常年(2012年和2015年)的空气块开展时间逆序的追踪, 着重从其对应的水汽输送路径、潜在源地分布、源地对降水的贡献率三个方面分析了流域内降水异常状态下的水汽输送特征, 得出以下结论:

(1) 2012年7月黄河源区对应两条代表性的南支水汽输送路径:始于印度洋/阿拉伯海, 途径印度半岛等地, 由青藏高原西南侧进入黄河源区; 始于太平洋/南中国海, 途径四川盆地后由高原东侧进入黄河源区。2015年7月对应两条代表性的北支水汽输送路径:始于大西洋/非洲北部/欧洲平原等地, 从青藏高原西侧或北侧进入黄河源区; 始于西太平洋和南中国海, 途径孟加拉湾-印度半岛东北部后, 由高原西侧或北侧进入黄河源区。

(2) 2012年7月黄河源区降水对应的潜在源地主要位于喜马拉雅山-横断山、四川盆地-秦岭一线、以及高原北部的部分山区盆地, 黄河源区的局地蒸发明显可见; 2015年7月降水对应的潜在源地主要分布于天山、阿尔金山、柴达木盆地、祁连山等地, 而大型降水的水汽源地还包括尼泊尔西部和孟加拉湾北部的部分区域。在日降水量相近时, 2012年的源地位于喜马拉雅山南麓、四川盆地与横断山交界一带; 2015年则在西藏亚东和错那县的周边地区存在一个强的蒸发中心。

(3) 各潜在源地对黄河源区降水贡献率的计算结果表明: TPN是2015年7月降水的主要贡献区; 而2012年7月降水的主要贡献区则为TPSW、TPN和SRYR; TPN和TPSW为2015年7月大型降水的主要贡献区, TPSW、TPN及SRYR对2012年7月三类降水的贡献率均较为接近, 这说明TPSW和TPN提供了黄河源区主要可供降水的外来水汽, 而黄河源自身的蒸发亦是其降水水汽的重要来源。

本研究基于对黄河源区降水资料的分析, 重点探讨了该地区在异常降水状况下的水汽输送特征及其差异。由于驱动轨迹模型的再分析资料在青藏高原地区存在一定的不确定性, 使得模拟结果和统计分析难免会存在一定偏差; 此外, 由于黄河源区地处高寒高海拔地区, 气候条件极为恶劣, 雨量站点观测分布稀疏且不均匀, 现有的观测站点并不能完全反映流域降水的时空分布特征。水汽输送及源汇关系的确定仍是一项具有挑战性的课题, 后期将以现有方法和模型为基础, 利用全球降水测量GPM计划(Global Precipitation Measurement)反演的区域降水时空特征, 提取不同降水过程信号对应的水汽输送特征并追踪水汽源地。通过本研究的分析可以看出, 在干旱状况下, 黄河源区的降水贡献主要来自于高原北侧的中亚-新疆-河西走廊等广大干旱地区, 因此, 今后将基于主被动微波土壤湿度观测任务(Soil Moisture Active Passive, SMAP)观测的地表土壤湿度异常, 着重探讨水汽输送路径上游的表层土壤湿度异常导致的地表蒸散发的增加会在多大程度上参与贡献黄河源区的降水。寄希望通过一系列的研究, 拓展对江河源区参与降水的水汽输送特征的认知。