高原气象  2019, Vol. 38 Issue (5): 944-958  DOI: 10.7522/j.issn.1000-0534.2018.00125
0

引用本文 [复制中英文]

苏东生, 文莉娟, 赵林, 等. 2019. 青海湖夏秋季局地气候效应数值模拟研究[J]. 高原气象, 38(5): 944-958. DOI: 10.7522/j.issn.1000-0534.2018.00125
[复制中文]
Su Dongsheng, Wen Lijuan, Zhao Lin, et al. 2019. Numerical Simulation of Seasonal Local Climate Effect in Qinghai Lake[J]. Plateau Meteorology, 38(5): 944-958. DOI: 10.7522/j.issn.1000-0534.2018.00125.
[复制英文]

资助项目

国家自然科学基金项目(91637107);中德科学中心中德合作项目(GZ1259);中科院"西部之光"计划"西部青年学者"A类项目(Y929641001);国家自然科学基金项目(41981220292)

通信作者

文莉娟(1978—), 女, 山西人, 研究员, 主要研究方向为陆面过程和气候变化.E-mail:wlj@lzb.ac.cn

作者简介

苏东生(1989—), 男, 兰州人, 硕士研究生, 主要从事高原湖泊模拟研究.E-mail:sds@lzb.ac.cn

文章历史

收稿日期: 2018-08-29
定稿日期: 2018-11-02
青海湖夏秋季局地气候效应数值模拟研究
苏东生1,2, 文莉娟1, 赵林1, 李照国1, 杜娟1,2     
1. 中国科学院西北生态环境资源研究院 寒旱区陆面过程与气候变化重点实验室, 甘肃 兰州 730000;
2. 中国科学院大学, 北京 100049
摘要: 由于水陆热力性质差异,湖泊对局地天气气候具有显著影响,占中国湖泊总面积一半以上的高原湖泊对区域天气气候的影响不可忽视,但目前对高原湖泊局地气候效应的研究依然存在不足。本研究利用WRF-FLake动态耦合模式,设计了有湖与无湖两组实验,对高原最大湖泊青海湖的局地气候效应进行了整年的模拟研究。结果表明,耦合模式的模拟性能良好,青海湖在16月使得区域气温降低,而712月使得区域气温升高,且青海湖的存在降低了19月的日最高气温,增加了612月的日最低气温,使得气温日变化减小,白天青海湖为冷湖效应,而夜间青海湖为暖湖效应。26月青海湖轻微减少区域降水量,712月明显增加了区域降水量,且8月增加量最显著。青海湖对局地年降水量的贡献率在湖面上最大可达50%~60%,而在周边陆地为10%~30%,夏季青海湖增加的降水量最多,而秋季青海湖对总降水的贡献率最大,青海湖增加的降水在20:00(北京时,下同)至次日02:00最多,而14:0020:00最少,夏季增加的对流性降水较多,秋季增加的对流性降水较少。白天青海湖的冷湖效应使湖面产生下沉辐散气流,抑制对流的发展和水汽的扩散,导致湖泊降水效应减弱,而夜间青海湖的暖湖效应使湖面产生辐合上升气流,促进对流的发展和水汽的扩散,导致湖泊降水效应增强。
关键词: 青藏高原    青海湖    WRF-FLake    数值模拟    湖泊效应    
1 引言

湖泊特别是面积大的湖泊可以显著影响局地和区域的天气及气候, 这主要是由于湖泊与周边陆地在反照率、热容量、粗糙度以及物质能量交换方面存在巨大差异(Changnon et al, 1972; Bonan, 1995; Eerola et al, 2010)。Cox(1917)发现五大湖对冬季低压有加强作用, 随着观测能力的提高, 越来越多的观测研究发现, 在9月到次年3月的冷季, 五大湖湖面水温高于气温, 容易触发对流不稳定, 造成湖泊表面降水增加, 而在4—8月的暖季, 湖面水温低于气温, 会抑制午后非系统性的对流降水, 导致湖面的降水量少于周边区域(Changnon, 1961; Lyons, 1966; Jiusto et al, 1972; Wilson, 1977)。Bates et al(1993)模拟研究发现12月五大湖对局地降水的贡献可达25%, 在湖泊下风方向部分区域的贡献可达50%~70%。Scott(1996)发现, 五大湖在冬季最大可以增加其下风方向100%的降水, 而夏季使得其下风方向降水减少10%~20%。Miner et al(1997)对伊利湖的研究发现, 湖泊效应降水发生次数在10月最多, 然后是11月和9月。五大湖会减小湖泊区域气温的日变化与年变化, 并在秋冬冷季节增加表面温度和2 m气温, 使大气稳定性减弱, 地面气压下降, 产生局地环流, 导致气旋环流的生成或加强, 使辐合上升运动增强, 同时也增加了地表感热、潜热通量以及蒸发量, 引起降水的增加, 而在春夏暖季节产生相反的局地气候效应(Keen, 1978; Maddukuri, 1982; Bates et al, 1993; Lofgren, 1997; Notaro et al, 2013)。在国内, 林必元等(1988)发现洞庭湖有显著的湖陆风, 可以引起清晨和傍晚降水的加强。鄱阳湖夏季降低了最高气温, 提高了最低气温, 总体上呈热源效应, 提高了湖区夏季平均气温, 同时会产生明显的湖陆风环流(万军山等, 1993; 曹渐华等, 2015)。李强等(2011)模拟发现长江水体可以为降水提供充分的水汽以及潜热能量, 在白天(夜间)具有降温(保温)作用, 进而出现冷(暖)湖效应。许鲁君等(2014, 2015)用模式模拟发现, 洱海具有明显的湖陆风环流特征, 在白天减少湍流输送, 使边界层高度降低, 而夜间增强潜热、感热, 促进湍流发展, 使边界层高度增加。唐滢等(2016)发现太湖可以引起夏季地面气温降低和降水减少, 且在午后影响最为明显。

作为“世界水塔”(Xu et al, 2008), 青藏高原湖泊面积占我国湖泊总面积一半以上(Ma et al, 2011), 湖泊对高原局地气候有重要影响, 通过青藏高原特殊地形作用(Duan et al, 2005), 其影响范围可能会扩大到东亚乃至全球。有研究表明, 近年来青藏高原降水量明显增加(曹瑜等, 2017; 韩熠哲等, 2017), 大部分高原湖泊呈明显扩张趋势(闫立娟等, 2016), 因此其局地气候效应越发明显。由于青藏高原海拔高, 具有空气密度小、气温低、太阳辐射强的气候特点(Gao et al, 1981; Ma et al, 2009), 因此高原湖泊对局地、区域气候的影响具有独特性。然而高原地区环境恶劣, 观测数据匮乏, 相对于五大湖区, 目前对高原湖泊局地气候效应的研究依然较少, 已有的研究主要有陈万隆等(1995)通过数值模拟发现白天青海湖为冷岛, 夜间则为热岛, 水陆表面的热力差异导致湖陆风环流产生。吕雅琼等(2007)发现夏季白天青海湖是冷干岛, 而夜间是暖湿岛, 白天湖面感热、潜热都小, 而夜间相反, 白天使得湖面边界层顶变低, 陆面边界层顶变高, 夜间则相反。夏季纳木错湖白天(夜间)表现为冷(暖)湖效应, 释放的感热、潜热通量较弱(较强), 同时纳木错湖产生的局地湖陆风环流对水汽的输送和对流的触发都有重要作用(吕雅琼等, 2008; Gerken et al, 2014)。扎陵湖、鄂陵湖在夏季白天(夜晚)具有很好的降温(保温)作用, 并表现出明显的冷(暖)湖效应, 白天(夜晚)有明显的湖(陆)风效应, 而且白天湖区边界层顶低, 周边陆地区域边界层顶高, 夜间相反, 白天湖面感热小于周边陆地, 夜间湖面潜热大于周边陆地, 其存在减小了最高温度而增大了最低温度, 并且湖泊较暖的表面温度可以引起底层辐合并为对流发生发展提供水汽和能量, 使得湖泊及湖泊周边降水量增加(杨显玉等, 2012; Wen et al, 2015)。方楠等(2017)对WRF-Lake模型在纳木错的适用性进行了研究, 发现加大湖体内部湍流混合能力后, 模拟结果有很大改进。从以上研究可以看出目前高原湖泊局地气候效应的研究大部分都是短期研究, 而使用的区域模式大多与Hostetler一维热扩散湖泊模式进行耦合, 将FLake湖泊模式耦合进WRF的应用及研究依然比较少。Hostetler是多层模式, 将湖水分为10层, 对每层物理过程都计算(Hostetler et al, 1993), 而FLake是两层模式, 对下层温跃层的温度结构用自相似理论进行了参数化(Mironov et al, 2008), 在对区域模式较为重要的湖面温度的模拟精度相差不大的情况下, 后者拥有更高的计算效率。因此本文以高原地区最大的湖泊青海湖为例, 引入国内应用较少的WRF-FLake动态耦合模式, 设计了有湖控制实验(CTL)与无湖实验(NLK), 通过两组实验的对比分析, 对青海湖一整年的局地气候效应进行研究, 加深了对青海湖局地气候效应的认识, 为当地生态环境保护提供依据。

2 资料来源、模式及方法 2.1 资料来源

所用观测数据为中国气象科学数据共享服务平台(http://data.cma.cn)提供的中国地面气候资料日值数据集(V3.0), 提取了其中青海湖北侧的刚察站和南侧的共和站这两个距离青海湖较近的站点在2016年的气温和降水量数据, 以及8天合成的水平分辨率5 km的MODIS地表温度(Land Surface Temperature, LST)数据产品MOD11C2和MYD11C2(Zhang, 2014), 用来对模式模拟结果进行验证。

ERA-Interim为欧洲中期天气预报中心(European Centre For Medium Range Weather Forecasts, ECMWF)第3代再分析资料, 提供了自1979年到现在的全球再分析资料, 本文使用0.75°×0.75°的ERA-Interim再分析资料为WRF模式提供初始场以及边界条件。

2.2 模式设置

WRF模式(Weather Research and Forecasting Model)是20世纪90年代后期由美国国家大气研究中心(National Center for Atmospheric Research, NCAR)、美国国家环境预报中心(National Centers for Environmental Prediction, NCEP)等机构联合开发的区域预报模式(Skamarock et al, 2008), 而FLake模式是一维的两层湖泊模式, 由Mironov et al(2008)开发, 将FLake耦合到WRF中的工作是由Gula et al(2012)完成的。根据已有研究, ERA-Interim再分析资料在高原地区表现更好(Kirillin et al, 2017), 因此本文用ERA-Interim每6 h 0.75°×0.75°再分析资料为WRF-FLake动态耦合模式提供初始场和边界条件, 对青海湖区域进行降尺度模拟, 研究其局地气候效应。考虑到青海湖面积较大, 本文采用了较高的水平网格分辨率以及一重嵌套相结合的方式设置研究区域, 投影方式为兰伯特投影, 区域中心坐标100.2°E, 36.9°N(图 1)。水平网格分辨率6 km, 水平格点数为120×90, 垂直分层35层, 模式顶层大气压50 hPa, 积分步长36 s, 每6 h输出一次结果, 下垫面土地利用类型选择了WRF提供的包含湖泊的30 s MODIS土地利用及植被类型数据, 该数据将土地类型共分为21类(Friedl et al, 2010)。本文参考了其他高原地区WRF模拟研究, 选用了最常见的一些参数化方案, 如RRTM长波辐射方案(Mlawer et al, 1997)、Dudhia短波辐射方案(Dudhia, 1989)、Noah LSM陆面过程方案(Chen et al, 2001)、YSU边界层方案(Hong et al, 1996)以及Kain-Fritsch积云对流参数化方案(Kain, 2004)。研究中发现Lin微物理方案(Lin et al, 1983)存在降水模拟偏大的现象, 因此参照Wen et al (2015)在鄂陵湖地区的研究, 采用Morrison double-moment scheme微物理方案(Morrison et al, 2005), 降水量偏大现象得到一定改善。

图 1 模拟区域及其地形(阴影区, 单位: m) 黑点为气象观测站位置, 线段AB为截取垂直剖面的位置 Fig. 1 Simulation domain and its terrain (the shaded, unit: m). Black spots is the meteorological station, line from A to B is vertical section location
2.3 实验设计

在模拟中设置了两组实验, 一组为控制实验(CTL), 使用WRF-FLake动态耦合模式对青海湖进行正常模拟。第二组为无湖实验(NLK), 将青海湖区域水体下垫面的类型修改为周边的草原下垫面类型, 同时利用NCL插值函数, 将原湖泊区域具有水体特征的下垫面属性变为草原下垫面属性, 其他模式设置与控制实验相同, 模式从2015年10月1日开始模拟, 到2016年12月31日结束, 2015年的模拟结果被用作spin-up。通过将两组实验进行对比, 从而研究青海湖这一年的局地气候效应。

3 模拟结果分析 3.1 模拟结果验证 3.1.1 气温

为了对WRF-FLake模拟的2 m气温进行验证, 本文取了青海湖北侧的刚察站和南侧的共和站观测的2 m日平均气温与距离气象站位置最近的格点的WRF-FLake模拟结果进行对比, 这两个站点分别是位于青海湖北侧的刚察站和南侧的共和站(图 1)。对比结果如图 2所示, 可以看出模拟的气温年内和日间的变化及大小与气象站观测结果基本一致, 但存在微弱的冷偏差, 刚察站的模拟结果与站点观测结果相比存在-0.89 ℃的偏差以及1.69 ℃的均方根误差, 而共和站的模拟结果与站点观测结果相比存在-0.96 ℃的偏差以及1.97 ℃的均方根误差。根据Gao et al(2015)的研究结论, WRF对青藏高原地区的气温模拟结果与气象站观测结果相比存在2~5 ℃的低估, 主要是因为模式中距离站点最近的格点与实际站点位置之间存在一定偏差, 特别是高原地区地形复杂, 而气象站多建立在山谷地区, 因此气象站点的海拔大都低于模式中对应的格点高度, 导致模拟的气温看起来低于气象站观测结果。考虑到以上因素, 本文中气温模拟存在冷偏差在合理范围内, WRF-FLake模式能够较好的模拟出2 m气温的实际情况。

图 2 气象站观测与WRF-FLake模拟的2 m日平均气温对比 Fig. 2 Comparison of 2 m daily mean air temperature between meteorological stations observation and WRF-FLake simulation
3.1.2 降水

为了对WRF-FLake模拟的日降水量进行验证, 同样将刚察站与共和站的日降水量观测数据与距离站点位置最近的格点上WRF-FLake模拟结果进行对比(图 3)。通过对比, 可以看出模式可以较为准确的模拟出刚察站的大部分降水事件, 同时对共和站春季和夏季降水事件的模拟也比较准确, 但对共和站秋季部分降水事件的降水量模拟偏大。统计结果表明, 模拟的平均日降水量在刚察站存在0.97 mm的偏差和6.14 mm的均方根误差, 在共和站存在1.32 mm的偏差以及6.32 mm的均方根误差。模拟的降水偏多一方面可能与ERA-Interim再分析资料在高原地区存在偏差有关(Gao et al, 2015), 另一方面与高原地区复杂的地形有关。刚察站距离青海湖较近且地势较为平坦, 而共和站在青海湖南山的另一侧, 复杂的地形可能会增加模式模拟的偏差, 同时也使得小范围内降水分布更加不均匀, 而模式格点位置与对应的站点位置存在一定偏差, 造成共和站的降水模拟结果偏差较大, 因此刚察站的模拟结果更具有代表性, 模式对降水的模拟精度在可接受范围内。

图 3 气象站观测与WRF-FLake模拟的日降水量对比 Fig. 3 Comparison of daily precipitation between meteorological stations observation and WRF-FLake simulation
3.1.3 表面温度

为了进一步对模拟结果进行验证, 在青海湖湖面上取一点(36.68°N, 100.50°E), 该点为苏东生等(2018)对青海湖的研究中水温观测浮标所在位置, 将该位置6—12月湖泊未冻结时期WRF-FLake模拟的湖表面温度(TSK)与对应时刻MODIS LST的观测结果进行对比(图 4)。模式一天有4次输出结果, 分别是08:00(北京时, 下同), 14:00, 20:00和02:00, 而MODIS产品(MOD11C2、MYD11C2)一天也有4次观测结果, 大概分别是11:30, 12:30, 23:30和02:30。从对比结果可以看出, 模拟的湖表面温度(TSK)季节性变化与MODIS LST基本吻合, 但在6月, 模拟的湖表面温度比MODIS观测结果略微偏低, 主要是因为FLake对高原湖泊湖冰反照率存在高估(Lang et al, 2018), 忽略了透过冰层的太阳辐射, 导致模式对湖泊解冻后湖水温度的低估(Kirillin et al, 2017)。而在7—9月, 模拟的湖表面温度比MODIS观测结果略微偏高, 到了10月之后, 模拟的湖表面温度与MODIS观测结果基本一致。考虑到MODIS观测时间和模式输出时间不完全一致, 同时MODIS观测与浮标观测的湖表面水温之间也存在差异(Crosman, 2009; 苏东生等, 2018), 因此模拟结果的偏差在合理范围内, 本研究中WRF-FLake模式对夏季和秋季湖面水温的模拟结果是较为准确的。

图 4 MODIS观测与WRF-FLake模拟的6—12月湖面温度对比 Fig. 4 Comparison of the lake surface temperature between MODIS observation and WRF-FLake simulation from June to December
3.2 青海湖对局地气温和降水的影响

通过对控制实验(CTL)与无湖实验(NLK)之间2 m气温差异的对比[图 5(a), (b)]可以看出, 从全年来看[图 5(a)], 青海湖表现为冷效应, 使得湖面及周边气温降低, 且湖面区域气温降低最为明显, 其最大降温幅度可达1.83 ℃, 而湖泊周边陆地气温降低幅度较小, 在0.1~0.5 ℃范围内。青海湖在年内存在冻结期以及非冻结期循环, 研究表明湖泊冻结期与非冻结期之间的热力性质存在巨大差异(Rouse et al, 2003), 而湖泊对局地气候的影响主要出现在湖泊未冻结时期, 因此对夏季与秋季湖泊非冻结期青海湖的局地气候效应行研究[图 5(b)], 发现非冻结期青海湖表现为明显的暖湖效应, 可以使得湖表面及周边气温增加, 湖泊中心位置增温效应最明显, 最大可以使得气温升高1.62 ℃, 越靠近湖泊边缘地区, 其增温效应越小, 增温幅度在0.5~1.5 ℃, 而对于湖泊周边一定范围内的陆地, 青海湖的增温效应较弱, 增温幅度在0.1~0.5 ℃。

图 5 青海湖控制实验(CTL)与无湖实验(NLK)地面2 m气温(a~b, 等值线, 单位: ℃)及降水差异占比(c~d, 等值线, 单位: %) 等值线虚线为负值, 实线为正值; 虚线框表示用于计算格点平均值的区域 Fig. 5 Difference of 2 m air temperature (a~b, contour, unit: ℃) and precipitation difference ratio (c~d, contour, unit: %) at Qinghai Lake between control experiment (CTL) and no-lake (NLK) experiment.The dashed and solid contour line denotes negative and positive value, respectively.The dotted box indicates the region of grids used to calculate the average values

除了局地气温外, 青海湖对局地降水也有显著影响, 从图 5(c)可以看出, 青海湖增加了湖面及周边区域的全年降水, 在西部湖面上青海湖对总降水的贡献率最大可达50%~60%, 随着区域向外围扩展, 青海湖的降水效应也在减弱, 在中东部湖面, 青海湖对总降水量的贡献为20%~50%, 而在青海湖外围的陆地上, 青海湖对总降水量的贡献为10%~30%, 同时湖泊效应降水区域有向西北方向扩展的趋势。在夏季与秋季青海湖未冻结期[图 5(d)], 湖泊效应降水区域分布与全年湖泊效应降水基本一致, 但其降水效应更加明显且范围有所扩大, 湖泊对降水的贡献在湖面上最大可达60%~70%。

图 5虚线方框内(99.3°E—101°E, 36.5°N—37.3°N)的两组实验气温差异进行区域平均, 可以得到该区域内青海湖控制实验(CTL)与无湖实验(NLK)之间日平均温度(T2)、日最大温度(Tmax)以及日最低温度(Tmin)月平均差异的年内变化情况[图 6(a)]。从平均气温(T2)的变化[图 6(a)]可以看出, 在1—6月青海湖表现为冷效应, 其中4月冷效应最为明显, 而从7—12月青海湖表现为暖效应, 在11月最为明显, 从最低气温的变化可以看出, 青海湖对最低气温的提升明显大于平均气温, 而对于最高气温, 只有在10—12月青海湖才使得最高气温上升, 而在其他时段降低了最高气温。由此可知, 青海湖可以明显提高最低气温而减小最高气温, 使得气温日变化范围减小, 这与Wen et al(2015)在鄂陵湖的研究结论类似, 不同的是鄂陵湖基本上全年都增加了最低气温而降低了最高气温, 而青海湖只有在6—12月使得最低气温增加, 在1—9月使得最高气温降低。

图 6 虚线框(图 5)内区域平均的控制实验(CTL)与无湖实验(NLK)2 m气温(a)及降水(b)差异的年内变化 Fig. 6 Interannual variation of area averaged difference of 2 m air temperature (a) and precipitation (b) in dotted box in Fig. 5 at Qinghai Lake between control experiment (CTL) and no-lake (NLK) experiment

从区域降水差异月平均值的年内变化[图 6(b)]可以看出, 青海湖对降水量的增加效应主要出现在7—11月, 其中8月增加量最大, 其次为7月和9月, 而在2—6月, 青海湖使得区域降水量有微弱减小, 这也是图 5中湖泊非冻结期湖泊降水大于全年降水的原因。从湖泊效应降水对总降水的贡献比率来看, 除去降水量稀少的12月外, 9月份湖泊效应降水对总降水的贡献比率最大, 达到了40%, 同时可以看出自夏季到秋季湖泊效应降水的量在减小, 但湖泊效应降水的贡献率依然较大。这一结果与鄂陵湖对降水的影响类似, 主要区别在于鄂陵湖4—5月就出现了增加降水的效应(Wen et al, 2015), 而青海湖到7月才出现增加降水的效应, 这可能与鄂陵湖海拔更高, 气温较低有关, 也可能与青海湖水体面积更大, 热迟滞效应更明显有关。

青海湖对局地气温的影响不仅存在季节性变化, 也存在日内变化, 图 7给出了控制实验(CTL)和无湖实验(NLK)模拟的夏季和秋季2 m气温分别在14:00和02:00的差异。从图 7(a)可知, 青海湖的存在使得夏季14:00湖面及周边区域2 m气温降低, 湖面2 m气温最大降幅可达3.7 ℃, 周边陆地气温下降幅度在0.5~2 ℃不等。而在夏季02:00, 青海湖存在较为明显的暖湖效应[图 7(b)], 湖面2 m气温最大上升幅度达2.5 ℃, 而周边陆地2 m气温也可上升0.5~1 ℃不等。到了秋季14:00青海湖使得湖面2 m气温微弱下降[图 7(c)], 下降幅度在0.5 ℃以内, 周边陆地2 m气温无明显降低。而秋季02:00青海湖暖湖效应非常明显, 可以使得湖面2 m气温升高3 ℃以上, 最大上升幅度达4.4 ℃, 而周边陆地2 m气温上升幅度也在0.5~2 ℃范围内。总体而言白天青海湖表现为冷湖效应, 使得湖面及周边陆地2 m气温下降, 而夜间青海湖表现为暖湖效应, 使得湖面及周边陆地2 m气温升高, 但白天的冷湖效应在夏季强于秋季, 夜间的暖湖效应在秋季强于夏季。

图 7 青海湖季节平均的控制实验(CTL)和无湖实验(NLK)2 m气温差异 Fig. 7 Seasonal averaged difference of 2 m air temperature at Qinghai Lake between control experiment (CTL) and no-lake (NLK) experiment

为了更深入的研究青海湖局地降水效应, 对降水最多的夏季和秋季分别进行了具体分析(图 8)可以看出, 夏季青海湖明显增加了湖泊及其周边区域的降水, 湖面上增加的降水量最大可达775 mm, 而在湖泊周边陆地上增加的降水较少, 在100~300 mm范围内[图 8(a)]。到了秋季, 湖面上降水最大增量为526 mm, 湖泊周边陆地上降水增加量为50~150 mm, 明显小于夏季[图 8(b)]。从增加的降水对总降水的贡献率来看, 夏季青海湖对总降水的贡献率在湖面上最大可达60%左右, 而在湖泊周边陆地上, 湖泊效应降水的贡献率在10%~30%[图 8(c)]。到了秋季, 湖效应降水对总降水的贡献率明显大于夏季, 在湖面区域其贡献率最大可达79.6%, 而在周边陆地其贡献率也达到了10%~40%[图 8(d)]。从以上结果可以看出在夏季青海湖湖泊效应增加的降水量较多, 但是在秋季其对总降水的贡献率更大。

图 8 青海湖控制实验(CTL)与无湖实验(NLK)降水差异及其占比 虚线为负值, 实线为正值; 虚线框表示用于计算格点平均值的区域 Fig. 8 Difference of precipitation and its proportion at Qinghai Lake between control experiment (CTL) and no-lake (NLK) experiment.Dashed line is negative, and the solid line is positive.The dotted box indicates the region of grids used to calculate the average values

为了分析青海湖湖泊效应降水的日分布情况, 对图 8虚线方框内(99.3°E—101°E, 36.5°N—37.3°N)的两组实验降水差异进行区域平均, 并计算得到区域降水差异的日分布状况(图 9)。从图 9中可以看出, 夏季青海湖的湖泊效应降水主要出现在20:00至次日02:00, 占湖效应降水总量的43.5%。其次是02:00—08:00以及08:00—14:00, 分别占湖效应降水总量的29.7%和21.9%, 均以对流性降水为主。而在14:00—20:00时降水增加量占比最少, 只占降水增加总量的4.8%, 并且基本为对流性降水[图 9(a)]。而在秋季, 不同时段湖泊效应降水占比的大小顺序与夏季相同, 但是分布更加均匀, 湖泊效应增加的降水35.5%发生在20:00至次日02:00, 27.3%发生在02:00—08:00, 19.6%发生在08:00—14:00, 17.6%发生在14:00—20:00, 对流性降水占比小于夏季[图 9(b)]。总体而言, 青海湖湖泊效应降水主要出现在夜间, 其中以20:00至次日02:00最明显, 而在14:00—20:00, 降水效应最弱。

图 9 虚线框(图 8)内区域平均的控制实验(CTL)与无湖实验(NLK)降水差异日分布 Fig. 9 Daily distribution of area averaged difference of precipitationin dotted box in Fig. 8 at Qinghai Lake between control experiment (CTL) and no-lake (NLK) experiment
3.3 青海湖局地气候效应的可能机制

从控制实验(CTL)和无湖实验(NLK)的10 m风场差异图(图 10)中可以发现, 夏季14:00[图 10(a)], 青海湖的存在使湖面产生2~3 m·s-1的辐散气流差异。到夏季02:00[图 10(b)], 青海湖使得湖面出现3~4 m·s-1的辐合气流差异。在秋季14:00[图 10(c)], 青海湖对地面风场影响并不明显, 这可能是因为一年中湖泊温度变化滞后于陆面温度变化, 导致14:00湖泊-陆地温度差异变小, 湖泊冷湖效应减弱造成的。到了秋季02:00[图 10(d)], 青海湖表面的辐合气流较强, 风速差异最大可达3~4 m·s-1

图 10 季节平均的控制实验(CTL)和无湖实验(NLK)10 m水平风场差异 Fig. 10 Seasonal averaged difference of 10 m horizontal wind fields at Qinghai Lake between control experiment (CTL) and no-lake (NLK) experiment

图 11为控制实验(CTL)与无湖实验(NLK)沿着36.8°N的风场差异垂直剖面分布, 这里只对夏季与秋季14:00和02:00的垂直风场差异进行分析。从图 11(a)可以看到, 夏季14:00青海湖使得东部湖面存在下沉气流, 下沉气流到达湖面堆积形成局地高压, 而后在压力作用下向湖泊四周辐散形成湖风, 从地形可以看出, 青海湖东岸和西岸均为高山地形, 湖风到达湖泊边缘之后沿着山坡变为上升气流, 上升气流到达高空后又向湖泊中心辐合, 与下沉气流合并形成局地环流, 环流高度可以到达湖面上方2~3 km。由于青海湖西岸地形更高, 因此青海湖西岸陆地与湖泊热力差异更明显, 使得湖泊西岸垂直环流发展强于东岸, 这也是下沉气流中心偏向东部湖面的原因。而在夏季02:00[图 11(b)], 由于湖泊周边陆地温度下降幅度较大, 导致湖泊表面温度高于陆地, 因此湖泊上空出现上升气流, 而在两侧山地上空产生较弱的下沉气流。从秋季14:00两组实验的垂直风场差异[图 11(c)]可以看出, 青海湖东部湖面依然存在下沉气流, 两侧山区也存在上升气流, 然而与夏季相比, 其环流特征以及强度都明显减弱, 这可能是由于相比于夏季, 秋季太阳辐射减弱, 造成白天陆地温度降低, 而湖泊由于热容量大, 降温并不明显, 最终使得湖泊与陆地热力差异缩小, 导致湖泊产生的局地环流减弱。而在秋季02:00[图 11(d)], 青海湖使得湖面产生上升气流, 且由于秋季夜间陆地温度下降更显著, 湖泊的暖湖效应强于夏季, 在青海湖西侧可以形成明显的局地环流, 增强湖面及湖区对流, 促进降水发生。

图 11 季节平均的控制实验(CTL)与无湖实验(NLK)沿着36.8°N(图 1中线段AB)的风场差异垂直剖面分布 灰色区域为地形截面, 粗实线为青海湖 Fig. 11 Seasonal averaged difference of wind vertical cross section along 36.8°N (line AB in Fig. 1) at Qinghai Lake between control experiment (CTL) and no-lake (NLK) experiment.The gray area is the topographic section, solid thick line denote Qinghai Lake

对控制实验(CTL)与无湖实验(NLK)沿着36.8°N垂直剖面上的水汽混合比差异进行分析(图 12)可以发现, 夏季14:00[图 12(a)], 青海湖明显增加了湖面上空600 m范围内边界层低层大气的水汽混合比, 越靠近湖面增加量越大, 最大可增加1.6 g·kg-1, 而在湖面上空600~2600 m高度范围内的边界层中高层, 青海湖使得水汽混合比减小, 最大可减小0.68 g·kg-1, 这可能与夏季白天青海湖冷湖效应造成湖泊上空产生下沉气流有关, 这种上干下湿的特征与吕雅琼等(2007)的研究结论一致。到了夏季02:00[图 12(b)], 青海湖可以增加其上空1800 m范围内大气的水汽混合比, 增加量同样随高度增加而减小, 近湖面区域最大增加量可达0.82 g·kg-1。在秋季14:00[图 12(c)], 青海湖对湖泊上空水汽混合比的影响可以达到湖泊上空大概1000 m高度, 近湖面区域混合比最大可以增加0.86 g·kg-1。到了秋季02:00[图 12(d)], 青海湖对湖泊上空水汽混合比的影响高度与夏季夜间相同, 水汽混合比最大可增加0.71 g·kg-1

图 12 季节平均的控制实验(CTL)与无湖实验(NLK)沿着36.8°N(图 1中线段AB)垂直剖面上的水汽混合比差异垂直剖面分布 灰色区域为地形截面, 粗实线为青海湖 Fig. 12 Seasonal averaged difference of water vapor mixing ratio at vertical cross section along 36.8°N (line AB in Fig. 1) at Qinghai Lake between control experiment (CTL) and no-lake (NLK) experiment.The gray area is the topographic section, solid thick line denote Qinghai Lake

湖泊的存在可以明显改变陆-气之间的能量物质交换, 从而改变局地气候。图 13为限定区域内控制实验(CTL)与无湖实验(NLK)之间感热、潜热以及水汽通量差异。从季节性变化来看, 夏季感热通量差异为负, 秋季为正, 说明夏季青海湖的存在可以减少地面释放的感热, 而秋季青海湖的存在增加地面感热通量, 但无论是在夏季还是秋季, 青海湖的存在总会使得地面的潜热和水汽通量增加[图 13(a)]。从日变化来看, 夏季14:00青海湖明显减小局地感热通量, 但20:00, 02:00以及08:00表现为微弱的增加效应, 同时潜热通量与水汽通量在14:00增加量最小, 而在20:00, 02:00以及08:00增加量较大[图 13(b)]。秋季青海湖对感热、潜热以及水汽通量的影响与夏季类似, 但对20:00, 02:00以及08:00的感热以及全天的潜热和水汽通量的增加效应更加明显, 而对14:00的感热的减小作用变弱[图 13(c)]。

图 13 虚线方框中(图 8)区域平均的控制实验(CTL)与无湖实验(NLK)感热、潜热及水汽通量差异的月变化及日变化 Fig. 13 Monthly and diurnal variation of area averaged difference of sensible heat, latent heat and water vapor flux between control experiment (CTL) and no-lake (NLK) experiment in dotted box in figure 8

综合以上青海湖对局地气温、环流、湿度以及热量和水汽通量影响的分析可以看出, 青海湖对局地气温有明显的调节作用, 白天可以使湖面气温降低, 而夜间使得湖面气温升高, 这种对局地气温的调节作用导致湖面气温与周边陆地气温之间存在温度差异, 从而引发局地环流的产生。白天青海湖表现为冷湖效应, 其存在可以使得湖面产生下沉气流, 气流在湖面堆积产生气压梯度力, 导致湖面出现辐散风场, 这一方面抑制了对流的发展, 另一方面使得青海湖增加的水汽集中在湖面边界层底层和周边陆面, 加上白天湖泊会减少地表感热通量, 并且增加的潜热通量以及水汽通量均较少, 导致白天湖泊效应降水较少。而到了夜间, 由于水陆热力差异, 湖泊周边陆地降温幅度大于湖面, 因此青海湖逐渐呈现暖湖效应, 在湖面上空产生辐合上升气流, 辐合在20:00初步形成, 之后在第二天02:00得到加强, 在08:00辐合气流达到成熟阶段(图略), 在这一过程中, 青海湖的存在加强了其上空的对流, 同时上升气流将青海湖蒸发的水汽带到边界层上层, 为对流降水提供了充足的水汽, 且湖泊增加的感热、潜热通量为对流发展提供了能量, 造成湖泊效应降水集中在傍晚到第二天早晨这段时间内的现象。

4 结论与讨论

利用WRF-FLake动态耦合模式, 通过设置控制实验(CTL)与无湖实验(NLK)进行对比, 主要对夏、秋两季青海湖局地气候效应进行了模拟研究, 主要结论如下:

(1) 青海湖的存在使得夏季和秋季非冻结期湖区的平均气温升高, 湖面中心区域平均气温上升幅度最大, 周边陆地上升幅度较弱。1—6月青海湖表现为冷效应, 4月最为明显, 7—12月青海湖表现为暖效应, 11月最为明显。青海湖导致湖区日最低气温上升而最高气温降低, 使得气温日变化范围减小。同时青海湖对局地气温的影响存在日变化, 白天青海湖表现为冷湖效应, 使得湖区2 m气温下降, 而夜间青海湖表现为暖湖效应, 使得湖区2 m气温升高, 白天冷湖效应夏季强于秋季, 夜间暖湖效应秋季强于夏季。

(2) 青海湖明显增加了湖面及其周边区域的年降水量, 增加的降水主要出现在在7—11月, 而3—5月湖泊使得局地降水有微弱减少。湖面上湖泊效应降水最明显, 降水贡献率最高可达60%, 在湖泊周边陆地上, 湖泊效应对总降水的贡献率为10%~30%。夏季湖泊效应降水量大于秋季, 但秋季湖泊效应降水的贡献率高于夏季。湖泊效应降水主要发生在傍晚到第二天早晨, 其中夏季增加的对流性降水多于秋季。

(3) 白天青海湖的冷湖效应使湖面产生辐散下沉气流, 抑制湖泊上空对流的发展, 同时将湖面蒸发的水汽集中在边界层低层, 导致白天湖泊效应降水较少。而在傍晚到次日早晨, 青海湖的暖湖效应使湖面产生辐合上升气流, 促进湖面上空的对流的发展, 同时将湖面蒸发的水汽带到边界层中上层, 导致该时段内湖泊效应降水显著增加。

通过本研究可以看出WRF-FLake动态耦合模式对高原地区的湖泊具有较好的模拟能力, 作为一维两层湖泊模式, FLake模式较为简单, 在对湖泊表面水温具有良好的模拟能力的同时也保持了较高的计算效率, 比较适合与WRF等局地气候模式进行耦合, 但该模式也存在一定的不足之处, 一方面由于FLake是一维湖泊模式, 没有考虑随着湖水和湖冰的移动而产生的水平方向的热力交换, 另一方面FLake对高原湖泊的湖冰反照率存在一定高估, 忽略了透过冰层的太阳辐射加热效应, 造成模式对湖泊解冻后湖水温度的模拟结果偏低, 这都有待湖泊模式的进一步改进。考虑到计算耗时以及数据量等问题, 本研究只对青海湖区域进行了一年的模拟, 用来研究青海湖局地气候效应仍然具有一定局限性, 而高原湖泊长期气候效应将有待进一步研究。

参考文献
Bates G T, Giorgi F, Hostetler S W. 1993. Toward the simulation of the effects of the Great Lakes on regional climate[J]. Monthly Weather Review, 121(5): 1373–1387. DOI:10.1175/1520-0493(1993)121<1373:TTSOTE>2.0.CO;2
Bonan G B. 1995. Sensitivity of a GCM simulation to inclusion of inland water surfaces[J]. Journal of Climate, 8(11): 2691–2704. DOI:10.1175/1520-0442(1995)008<2691:SOAGST>2.0.CO;2
Changnon Jr S A. 1961. Precipitation contrasts between the Chicago urban area and an offshore station in southern Lake Michigan[J]. Bulletin of the American Meteorological Society, 42(1): 1–10. DOI:10.1175/1520-0477-42.1.1
Changnon S A, Jones D. 1972. Review of the influences of the Great Lakes on weather[J]. Water Resources Research, 8(2): 360–371. DOI:10.1029/WR008i002p00360
Cox H J, 1917. Influence of the Great Lakes upon movement of high and low pressure areas[M]. US Government Printing Office.
Crosman E T, Horel J D. 2009. MODIS-derived surface temperature of the Great Salt Lake[J]. Remote Sensing of Environment, 113(1): 73–81.
Chen F, Dudhia J. 2001. Coupling an advanced land-surface hydrology model with the Penn State/NCAR MM5 modeling system. Part Ⅰ:Model description and implementation[J]. Monthly Weather Review, 129(4): 569–585. DOI:10.1175/1520-0493(2001)129<0569:CAALSH>2.0.CO;2
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.
Dudhia J. 1989. Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model[J]. Journal of the Atmospheric Sciences, 46(20): 3077–3107. DOI:10.1175/1520-0469(1989)046<3077:NSOCOD>2.0.CO;2
Eerola K, Rontu L, Kourzeneva E, et al. 2010. A study on lake temperature and ice cover in HIRLAM[J]. Boreal Environment Research, 15: 130–142.
Friedl M A, Sulla-Menashe D, Tan B, et al. 2010. MODIS Collection 5 global land cover:Algorithm refinements and characterization of new datasets[J]. Remote Sensing of Environment, 114: 168–182. DOI:10.1016/j.rse.2009.08.016
Gao Y, Tang M, Luo S, et al. 1981. Some aspects of recent research on the Qinghai-Xizang Plateau meteorology[J]. Bulletin of the American Meteorological Society, 62(1): 31–35. DOI:10.1175/1520-0477(1981)062<0031:SAORRO>2.0.CO;2
Gao Y, Xu J, Chen D. 2015. Evaluation of WRF mesoscale climate simulations over the Tibetan Plateau during 1979-2011[J]. Journal of Climate, 28(7): 2823–2841. DOI:10.1175/JCLI-D-14-00300.1
Gula J, Peltier W R. 2012. Dynamical downscaling over the Great Lakes basin of North America using the WRF regional climate model:The impact of the Great Lakes system on regional greenhouse warming[J]. Journal of Climate, 25(21): 7723–7742. DOI:10.1175/JCLI-D-11-00388.1
Gerken T, Biermann T, Babel W, et al. 2014. A modelling investigation into lake-breeze development and convection triggering in the Nam Co Lake basin, Tibetan Plateau[J]. Theoretical and Applied Climatology, 117(1/2): 149–167.
Hostetler S W, Bates G T, Giorgi F. 1993. Interactive coupling of a lake thermal model with a regional climate model[J]. Journal of Geophysical Research:Atmospheres, 98: 5045–5057. DOI:10.1029/92JD02843
Hong S Y, Pan H L. 1996. Nonlocal boundary layer vertical diffusion in a medium-range forecast model[J]. Monthly Weather Review, 124: 2322–2339. DOI:10.1175/1520-0493(1996)124<2322:NBLVDI>2.0.CO;2
Jiusto J E, Kaplan M L. 1972. Snowfall from Lake-Effect Storms[J]. Monthly Weather Review, 100(1): 62. DOI:10.1175/1520-0493(1972)100<0062:SFLS>2.3.CO;2
Keen C S, Lyons W A. 1978. Lake/land breeze circulations on the western shore of Lake Michigan[J]. Journal of Applied Meteorology, 17(12): 1843–1855. DOI:10.1175/1520-0450(1978)017<1843:LBCOTW>2.0.CO;2
Kirillin G, Wen L, Shatwell T. 2017. Seasonal thermal regime and climatic trends in lakes of the Tibetan highlands[J]. Hydrology and Earth System Sciences, 21(4): 1895. DOI:10.5194/hess-21-1895-2017
Kain J S. 2004. The Kain-Fritsch convective parameterization:An update[J]. Journal of Applied Meteorology, 43(1): 170–181. DOI:10.1175/1520-0450(2004)043<0170:TKCPAU>2.0.CO;2
Lyons W A, 1966. Some effects of Lake Michigan upon squall lines and summertime convection[M]. Satellite and Mesometeorology Research Project, University of Chicago.
Lofgren B M. 1997. Simulated effects of idealized Laurentian Great Lakes on regional and large-scale climate[J]. Journal of Climate, 10(11): 2847–2858. DOI:10.1175/1520-0442(1997)010<2847:SEOILG>2.0.CO;2
Lang J, Lyu S, Li Z, et al. 2018. An Investigation of Ice Surface Albedo and Its Influence on the High-Altitude Lakes of the Tibetan Plateau[J]. Remote Sensing, 10(2): 218. DOI:10.3390/rs10020218
Lin Y L, Farley R D, Orville H D. 1983. Bulk Parameterization of the Snow Field in a Cloud Model[J]. Journal of Climate and Applied Meteorology, 22: 1065–1092. DOI:10.1175/1520-0450(1983)022<1065:BPOTSF>2.0.CO;2
Miner T J, Fritsch J M. 1997. Lake-effect rain events[J]. Monthly Weather Review, 125(12): 3231–3248. DOI:10.1175/1520-0493(1997)125<3231:LERE>2.0.CO;2
Ma R H, Yang G S, Duan H T, et al. 2011. China's lakes at present:number, area and spatial distribution[J]. Science China (Earth Sciences), 54(2): 283–289. DOI:10.1007/s11430-010-4052-6
Ma Y, Wang Y, Wu R, et al. 2009. Recent advances on the study of atmosphere-land interaction observations on the Tibetan Plateau[J]. Hydrology and Earth System Sciences, 13(7): 1103. DOI:10.5194/hess-13-1103-2009
Mironov D, 2008. Parameterization of lakes in numerical weather prediction: Description of a lake model COSMO[M]. Deutscher Wetterdienst: Tech Rep No. 11. Deutscher Wetterdienst Offenbach am Main, Germany.
Maddukuri C S. 1982. A numerical simulation of an observed lake breeze over Southern Lake Ontario[J]. Boundary-Layer Meteorology, 23(3): 369–387. DOI:10.1007/BF00121122
Mlawer E J, Taubman S J, Brown P D, et al. 1997. Radiative transfer for inhomogeneous atmospheres:RRTM, a validated correlated-k model for the longwave[J]. Journal of Geophysical Research:Atmospheres, 102(D14): 16663–16682. DOI:10.1029/97JD00237
Morrison H, Curry J A, Khvorostyanov V I. 2005. A new double-moment microphysics parameterization for application in cloud and climate models. Part Ⅰ:Description[J]. Journal of the Atmospheric Sciences, 62(6): 1665–1677. DOI:10.1175/JAS3446.1
Notaro M, Holman K, Zarrin A, et al. 2013. Influence of the Laurentian Great Lakes on regional climate[J]. Journal of Climate, 26(3): 789–804. DOI:10.1175/JCLI-D-12-00140.1
Rouse W R, Oswald C M, Binyamin J, et al. 2003. Interannual and seasonal variability of the surface energy balance and temperature of central Great Slave Lake[J]. Journal of Hydrometeorology, 4(4): 720–730. DOI:10.1175/1525-7541(2003)004<0720:IASVOT>2.0.CO;2
Scott R W, Huff F A. 1996. Impacts of the Great Lakes on Regional Climate Conditions[J]. Journal of Great Lakes Research, 22(4): 845–863. DOI:10.1016/S0380-1330(96)71006-7
Skamarock W C. 2008. A description of the advanced research WRF version 3[J]. NCAR Technical, 113: 7–25.
Wilson J W. 1977. Effect of Lake Ontario on Precipitation[J]. Monthly Weather Review, 105(2): 207–214. DOI:10.1175/1520-0493(1977)105<0207:EOLOOP>2.0.CO;2
Wen L J, Lü S H, Li Z G, et al. 2015. Impact of two biggest lakes on local temperature and precipitation in the Yellow River source region of the Tibetan Plateau[J]. Advances in Meteorology(D14): ACH 9-1–ACH 9-6.
Xu X D, Lu C G, Shi X H, et al. 2008. World water tower:An atmospheric perspective[J]. Geophysical Research Letters, 35(20): L20815. DOI:10.1029/2008GL035867
Zhang G, Yao T, Xie H, et al. 2014. Estimating surface temperature changes of lakes in the Tibetan Plateau using MODIS LST data[J]. Journal of Geophysical Research:Atmospheres, 119(14): 8552–8567. DOI:10.1002/2014JD021615
陈万隆, 孙卫国, 周竞南, 等. 1995. 青海湖湖陆风的数值研究[J]. 湖泊科学, 7(4): 289–296.
曹瑜, 游庆龙, 马茜蓉, 等. 2017. 青藏高原夏季极端降水概率分布特征[J]. 高原气象, 36(5): 1176–1187. DOI:10.7522/j.issn.1000-0534.2016.00131
曹渐华, 刘熙明, 李国平, 等. 2015. 鄱阳湖地区湖陆风特征及成因分析[J]. 高原气象, 34(2): 426–435. DOI:10.7522/j.issn.1000-0534.2013.00197
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. DOI:10.7522/j.issn.1000-0534.2016.0038
韩熠哲, 马伟强, 王炳赟, 等. 2017. 青藏高原近30年降水变化特征分析[J]. 高原气象, 36(6): 1477–1486. DOI:10.7522/j.issn.1000-0534.2016.00125
吕雅琼, 杨显玉, 马耀明. 2007. 夏季青海湖局地环流及大气边界层特征的数值模拟[J]. 高原气象, 26(4): 686–692.
吕雅琼, 马耀明, 李茂善, 等. 2008. 青藏高原纳木错湖区大气边界层结构分析[J]. 高原气象, 27(6): 1205–1210.
林必元, 李敏娴, 骆平. 1988. 洞庭湖湖陆风特征与降水[J]. 南京气象学院学报, 11(1): 78–88.
苏东生, 胡秀清, 文莉娟, 等. 2018. 青海湖热力状况对气候变化响应的数值研究[J]. 高原气象, 37(2): 394–405. DOI:10.7522/j.issn.1000-0534.2017.00069
李强, 李永华, 周锁铨, 等. 2011. 基于WRF模式的三峡地区局地下垫面效应的数值实验[J]. 高原气象, 30(1): 83–93.
唐滢, 黄安宁, 田栗嵘, 等. 2016. 夏季太湖局地气候效应的数值模拟研究[J]. 气象科学, 36(5): 647–654.
万军山, 吕丹苗. 1994. 夏季鄱阳湖水体温度场及其气温效应[J]. 应用气象学报, 5(3): 374–379.
许鲁君, 刘辉志, 曹杰. 2014. 大理苍山-洱海局地环流的数值模拟[J]. 大气科学, 38(6): 1198–1210.
许鲁君, 刘辉志. 2015. 云贵高原洱海湖泊效应的数值模拟[J]. 气象学报, 73(4): 789–802.
闫立娟, 郑绵平, 魏乐军. 2016. 近40年来青藏高原湖泊变迁及其对气候变化的响应[J]. 地学前缘, 23(4): 310–323.
杨显玉, 文军. 2012. 扎陵湖和鄂陵湖大气边界层特征的数值模拟[J]. 高原气象, 31(4): 927–934.
Numerical Simulation of Seasonal Local Climate Effect in Qinghai Lake
SU Dongsheng1,2 , WEN Lijuan1 , ZHAO Lin1 , LI Zhaoguo1 , DU Juan1,2     
1. Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Regions, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, Gansu, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China
Abstract: Due to the difference of the thermal properties between water and land, the lake has a significant impact on the local weather and climate, lakes on Qinghai-Tibetan Plateau account for more than half of China's total lake area, the effects of plateau lakes on regional weather and climate cannot be neglected, but studies on the local climate effect of the plateau lake are still insufficient. In this study, two simulation experiments that with and without lake were conducted by using the WRF-FLake dynamic coupling model to study the local climate effect of Qinghai Lake, the largest lake on TP, in a whole year. The results show that coupled model have a good performance on TP lake, Qinghai Lake reduce regional mean air temperature from January to June, while increase it from July to December. Moreover, daily maximum air temperature was decreased from January to September and daily minimum air temperature was increased from June to December, which also reduced the daily variation of air temperature. Qinghai lake have a cold lake effect in the daytime and turns to a warm lake effect in the nighttime. Qinghai lake slightly reduced the amount of precipitation in the lake area from February to June and significantly increased the regional precipitation from July to December, especially in August. The contribution rate of Qinghai lake to local annual precipitation is up to 50%~60% on the lake surface, and 10%~30% on the surrounding land. Qinghai lake increased the maximum amount of precipitation in summer, while has the largest contribution to total precipitation in autumn. The increased precipitation caused by Qinghai lake distribute most from 20:00 (Beijing Time, same below) to 02:00 of nighttime, while least from 14:00 to 20:00 of daytime. Most of them is convective precipitation in summer but not in autumn. During the daytime, the cold lake effect of Qinghai lake produces a sinking and divergent flow on the surface of the lake that inhibit the development of convection and the diffusion of water vapor, leading to a weaken of the lake effect precipitation, while the warm lake effect of Qinghai Lake in the night generate convergence and upward airflow on the lake surface, promote the development of convection and the diffusion of water vapor, strengthen the lake precipitation effect.
Key words: Qinghai-Tibetan Plateau    Qinghai Lake    WRF-FLake    numerical simulation    lake effect