地球科学进展, 2020, 35(3): 297-307 DOI: 10.11867/j.issn.1001-8166.2020.027

青藏高原综合科学考察研究

19822005年青藏高原降水再循环率的模拟研究

张宏文,1,3, 续昱1,3, 高艳红,2

1.中国科学院西北生态环境资源研究院/中国科学院寒旱区陆面过程与气候变化重点实验室,甘肃 兰州 730000

2.复旦大学 大气与海洋科学系/大气科学研究院,上海 200438

3.中国科学院大学,北京 100049

Simulation Study on Precipitation Recycling Ratio in the Tibetan Plateau from 1982 to 2005

Zhang Hongwen,1,3, Xu Yu1,3, Gao Yanhong,2

1.Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Regions, Northwest Institute of Ecology and Environmental Resources, Chinese Academy of Sciences, Lanzhou 730000, China

2.Department of Atmospheric and Oceanic Sciences & Institute of Atmospheric Sciences, Fudan University, Shanghai 200438, China

3.University of Chinese Academy of Sciences, Beijing 100049, China

通讯作者: 高艳红(1973-),女,山西太谷人,教授,主要从事青藏高原陆气相互作用及其区域气候效应研究. E-mail:gaoyh@fudan.edu.cn

收稿日期: 2020-01-03   修回日期: 2020-02-26   网络出版日期: 2020-04-07

基金资助: 第二次青藏高原综合科学考察研究专题“西风—季风协同作用及其影响”.  2019QZKK010314
中国科学院战略性先导科技专项“西风与季风相互作用和水资源变化”.  XDA2006010202

Corresponding authors: Gao Yanhong (1973-), female, Taigu County, Shanxi Province, Professor. Research areas include land-atmosphere interaction and its regional climate effect over the Tibetan Plateau. E-mail:gaoyh@fudan.edu.cn

Received: 2020-01-03   Revised: 2020-02-26   Online: 2020-04-07

作者简介 About authors

张宏文(1990-),男,黑龙江哈尔滨人,博士研究生,主要从事区域气候变化数值模拟研究.E-mail:zhanghw@lzb.ac.cn

ZhangHongwen(1990-),male,HarbinCity,HeilongjiangProvince,Ph.Dstudent.Researchareasincludenumericalsimulationofregionalclimatechange.E-mail:zhanghw@lzb.ac.cn

摘要

利用通用气候系统模式CCSM4的输出结果驱动区域气候模式WRF3.5版本进行动力降尺度模拟,评估了动力降尺度对青藏高原降水和蒸发的模拟能力,然后结合准熵平衡后向轨迹追踪法(QIBT)研究了CCSM4和WRF模拟的1982—2005年青藏高原降水再循环率的空间分布和季节变化特征,并给出了青藏高原不同土地覆盖类型的降水再循环率。结果表明:相比于驱动数据,动力降尺度模拟能更好地再现青藏高原降水和蒸发的空间分布特征;WRF模拟的青藏高原降水再循环率为32%,表明青藏高原降水主要来源于外部输送水汽的贡献,青藏高原南部流域表现出湿季低、干季高的季节变化特征,而青藏高原北部流域则表现出相反的季节变化特征;相比于驱动数据,WRF能够更精细地呈现青藏高原不同土地覆盖类型的空间分布特征,其中青藏高原草地、灌木和稀疏植被的降水再循环率较高。

关键词: 青藏高原 ; 降水再循环率 ; 动力降尺度 ; CCSM ; WRF

Abstract

A dynamical downscaling approach using a regional climate model WRF (Weather Research and Forecasting Model Vision 3.5) driven by a global climate model CCSM4 (The Community Climate System Model Version 4) was adopted, and the downscaling results for the historical period (1982-2005) were evaluated for annual mean precipitation rate and evaporation rate over the Tibetan Plateau (TP). Furthermore, the spatial distribution and seasonal variation characteristics of Precipitation Recycling Ratio (PRR) simulated by CCSM4 and WRF were analyzed with the QIBT (Quasi-isentropic Back-trajectory method). The results show that the historical spatial distributions of annual mean precipitation rate and evaporation rate over the TP were found to better reproduce in the dynamical downscaling modeling compared to its coarse-resolution forcing. The PRR of the TP is 32% simulated by WRF, with a higher PRR in the wet season and a lower PRR in the dry season for the river basins in the northern TP, but the opposite seasonal variation was found for the river basins in the southern TP. In addition, the different land covers over the TP are more precisely represented in the WRF model, the PRR of grassland, shrubland and sparsely vegetation is higher than that of other land cover types.

Keywords: Tibetan Plateau ; Precipitation recycling ratio ; Dynamic downscaling ; CCSM ; WRF.

PDF (4229KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

张宏文, 续昱, 高艳红. 19822005年青藏高原降水再循环率的模拟研究. 地球科学进展[J], 2020, 35(3): 297-307 DOI:10.11867/j.issn.1001-8166.2020.027

Zhang Hongwen, Xu Yu, Gao Yanhong. Simulation Study on Precipitation Recycling Ratio in the Tibetan Plateau from 1982 to 2005. Advances in Earth Science[J], 2020, 35(3): 297-307 DOI:10.11867/j.issn.1001-8166.2020.027

1 引 言

青藏高原是全球海拔最高的高原,耸立在中国的西部,其热力作用和动力作用对东亚乃至全球的大气环流及演变有重要的影响[1,2]。青藏高原也是亚洲许多河流的发源地,为下游十几亿人口和生态环境提供了水资源,素有“亚洲水塔”之称[3]。过去几十年,青藏高原地表气温呈明显上升趋势,其升温率超过了全球平均及同纬度的其他地区[4]。在此背景下,青藏高原整体上呈现变湿的趋势,当地的水循环强度随之增强,从而影响青藏高原及下游地区的生态环境和人类生产生活[5]。一块陆地区域内的降水有2种水汽来源,即本地蒸发到大气中的水汽和外部平流输送的水汽[6]。前者对降水的贡献被称为降水再循环率,是陆面水循环对大气过程影响的定量指标,可以表征该地区陆面水文与区域气候相互作用的强弱[7,8,9]

全球气候模式(Global Climate Model,GCM)是进行气候模拟及预估的重要工具,被广泛应用于全球及区域尺度的气候变化研究[10,11]。然而,GCM的水平分辨率普遍在100~300 km,难以刻画区域尺度的下垫面特征,在中国区域尺度上仍存在较大的模拟偏差,特别是在青藏高原这一地形复杂区域[12]。Jiang等[13]评估了IPCC第三次到第五次评估报告中的77个GCM对中国气温和降水的模拟能力,指出多数GCM对中国气温模拟存在冷偏差,降水模拟偏多,高估了气温和降水的年际变率和空间变率。胡芩等[14]评估了CMIP5(Coupled Model Intercomparison Project Phase 5)中的44个GCM对1986—2005年青藏高原气温和降水的模拟能力,发现多数GCM明显低估了青藏高原的地表气温并高估了其降水。因此,采用高分辨率的区域气候模式(Regional Climate Model,RCM),对低分辨率的GCM输出结果进行动力降尺度模拟,已被广泛应用于青藏高原气候变化的研究中[15,16]。高学杰等[17]利用全球环流模式FvGCM(NASA/NCAR finite volume element AGCM)/CCM3(Community Climate Model 3)的输出结果驱动区域气候模式RegCM3(Regional Climate Model Version 3)对东亚地区的气候进行了动力降尺度模拟;Gao等[18]利用动力降尺度方法对1979—2011年青藏高原气候进行了模拟,指出动力降尺度方法明显提高了对青藏高原气温和降水的模拟能力。Zhang等[19]基于区域气候模式WRF(Weather Research and Forecasting Model)的动力降尺度模拟结果,结合水汽收支方程分析了未来青藏高原水分盈亏量(降水—蒸发)变化的热动力成因。因此,相比于GCM,动力降尺度的模拟结果更适用于青藏高原地区的降水再循环研究。

近几十年来,降水再循环模型得到了长足的发展,目前存在多种评估方法,被广泛地应用于区域尺度的降水再循环研究[9]。伊兰等[20]构建了一个降水再循环模型,分析了长江流域的降水再循环特征,发现研究区的年平均降水再循环率为10%。Wei等[21]采用准熵平衡后向轨迹追踪法(Quasi-Isentropic Back-Trajectory Method,QIBT)对长江中下游地区湿季的降水再循环特征进行了研究,指出陆地对该区域降水的贡献超过了海洋。苏涛等[9]分析了全球降水再循环率的时空变化特征,发现全球降水再循环率的空间分布和季节变化特征显著,中国大陆地区降水再循环率为33%。国内外学者也研究了青藏高原的降水再循环特征,并取得了诸多重要的研究成果:Guo等[22]分析了1979—2008年青藏高原降水再循环时空分布特征,表明降水再循环率在青藏高原东部明显增加,而在西部则呈现减少趋势;Curio等[23]基于水汽收支方程计算了2001—2012年青藏高原的降水再循环率,发现其降水主要来源于青藏高原外部水汽的输送,当地的降水再循环率约为63%;Zhang等[24]基于欧拉水汽追踪方法分析了1979—2013年青藏高原的水汽来源,表明目标区的本地蒸发水汽对降水的贡献明显增加,降水再循环率约为18%。目前,高分辨率的RCM数据开始应用于区域尺度的水汽来源分析,相比于卫星降水产品或再分析资料,它可以详细地描述该地区的水汽来源演变过程,更适用于青藏高原这一地形复杂地区的降水再循环研究[25]

本文利用区域气候模式WRF,对通用气候系统模式CCSM4(Community Climate System Model Version 4)的输出结果进行动力降尺度模拟,然后结合QIBT分析了青藏高原降水再循环率的空间分布和季节变化特征。本文的研究目的包含以下2个方面:青藏高原降水主要来源于本地蒸发水汽的贡献还是外部输送水汽的贡献?相比于驱动数据,动力降尺度模拟的青藏高原降水再循环率有何差别?本研究从动力降尺度角度定量分析青藏高原降水再循环率的时空分布特征,以期加深对青藏高原水汽循环的认识。

2 模式、资料和方法

2.1 区域气候模式

本文使用区域气候模式WRF3.5版本对青藏高原进行动力降尺度模拟,并采用CCSM4全强迫(自然强迫因子和人类活动强迫因子)下的历史数据作为驱动场。WRF模式的物理参数化方案如下:美国国家大气研究中心(National Center for Atmospheric Research,NCAR)开发的CAM(Community Atmosphere Model)长波辐射和短波辐射方案[26]、WSM3微物理过程参数化方案、Grell-Devenyi积云参数化方案[27]、YSU(Yonsei University Planetary Boundary Layer)边界层方案[28]和Noah-MP(Noah-Multiparameterization Land Surface Model)陆面过程模式[29]。模式的空间分辨率为30 km×30 km,模拟的中心点为(106°E,35°N),格点数为210×154,模拟区域几乎覆盖了整个东亚地区,相比于驱动数据,WRF能更精细地再现青藏高原地形的空间分布特征(图1)。此外,模式垂直方向共有27层,最高层气压为50 hPa,驱动资料每6 h输入1次,海表温度每6 h更新1次。时间积分步长为120 s。模式结果每3 h输出1次。模拟时段为1979—2005年,用于分析的资料时段为1982—2005年。

图1

图1   青藏高原地形的空间分布

(a),(b)分别代表CCSM和WRF中青藏高原地形的空间分布;1~9分别代表塔里木河流域、祁连山区、柴达木盆地、羌塘高原、长江流域、黄河流域、湄公河流域、怒江流域和雅鲁藏布江流域

Fig.1   The topography over the Tibetan Plateau (TP)

(a), (b) show the topography for CCSM and WRF over the TP, respectively; 1~9 stands for the Tarim River Basin, Qilian Mountain, Qaidam Basin, Chang Tang Plateau, Yangtze River, Yellow River, Mekong River, Salween River, and Brahmaputra River, respectively


2.2 资料简介

本文采用全球陆面同化系统(Global Land Data Assimilation System,GLDAS)作为验证数据评估了动力降尺度对青藏高原降水和蒸发的模拟能力。GLDAS是由美国哥达德空间飞行中心(Goddard Space Flight Center,GSFC)和美国国家环境预报中心(National Centers for Environmental Prediction,NCEP)联合发展的一个全球范围高分辨率的陆面模拟系统,其使用的气象要素基于多源观测、再分析资料和大气同化产品[30]。GLDAS陆面数据同化系统共调用了CLM(Community Land Model)、Mosaic和NOAH(NCEP, OSU,Air Force and Office of Hydrology Land Surface Model) 3个陆面过程模型以及VIC(Variable Infiltration Capacity)水文模型。降水数据来源于卫星观测降水和美国国家海洋与大气管理局(National Oceanic and Atmospheric Administration,NOAA)气候预报中心的业务化融合分析降水资料(CPC Merged Analysis of Precipitation,CMAP)。数据时间长度为1979年至今,输出数据空间分辨率1°×1°,时间分辨率为3 h。研究表明,GLDAS能够较好地再现青藏高原降水的时空分布特征,包括日变化及月变化[31]。此外,本文也利用欧洲中尺度天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)第三代再分析资料ERA-Interim(ECMWF Re-analysis Interim)评估了动力降尺度对青藏高原及周边地区水汽通量的模拟能力。相对于上一代ERA-40再分析资料,ERA-Interim再分析资料改进了很多物理过程的描述,尤其是在水汽收支和能量循环方面[32]。数据的时间长度为1980—2005年,空间分辨率约为80 km,垂直方向共有60层,最顶层的气压为0.1 hPa。Bao等[33]研究表明ERA-Interim再分析资料在青藏高原的均方根误差和偏差明显低于其前几代的再分析资料。

2.3 准熵平衡后向轨迹追踪法(QIBT)

QIBT是一种三维水汽追踪方法,主要用于分析区域尺度的水汽来源[34]。该方法能够定量计算及区分研究区域外部输送水汽和本地蒸发水汽对降水的贡献[35]。其计算原理如下:首先,根据某一格点内的降水强度释放不同个数的降水粒子,每个降水粒子释放的水平位置随机确定,垂直位置根据水汽的分布随机选取。其次,以5天为1个循环,对每个降水粒子进行等熵后向轨迹追踪,降水粒子对经过的降水区域提供水汽,研究区外部输送水汽对降水的贡献等于蒸发量除以大气柱垂直方向上的可降水量,当网格累计蒸发量的贡献等于总降水量时,研究区域所有降水的来源均已被追踪,水汽追踪结束;此外,每当气块到达模式区域边界或者追踪时间超过7天,也停止水汽追踪;最后,计算研究区域每个网格点蒸发量对大气可降水量的贡献率,即降水再循环率,有关该方法的介绍详见参考文献[34]。本文利用CCSM和WRF两套数据,包含了气温、降水、比湿和风场等气象要素,结合QIBT方法分别计算了青藏高原的降水再循环率。

3 结果分析

3.1 模式对青藏高原降水和蒸发的模拟评估

降水和蒸发是再循环降水的重要组成部分,本文利用GLDAS作为验证数据,评估了动力降尺度及其驱动数据对1982—2005年青藏高原降水和蒸发的模拟能力(图2)。如图2a,d所示,GLDAS数据显示青藏高原年平均降水率和蒸发率均表现为从东南向西北逐级减小的空间分布特征,且在青藏高原南部山谷地区存在一个高值区。CCSM和WRF均能较好地再现这一空间分布特征,但也存在一定的湿偏差,尤其是在青藏高原东南地区。CCSM高估了青藏高原年平均降水率和蒸发率,其偏差分别为1.95和0.56 mm/d,均方根误差分别为2.67 和0.66 mm/d(表1)。相比于CCSM,WRF模拟的年平均降水率和蒸发率与验证数据的偏差及均方根误差变小,而与验证数据的空间相关系数变大(表1)。由此可见,相比于低分辨率的驱动数据,动力降尺度模拟能够更好地再现青藏高原年平均降水率和蒸发率的空间分布特征。

图2

图2   19822005年青藏高原年平均降水率和蒸发率的空间分布

(a)和(d)分别代表GLDAS数据中的年平均降水率和蒸发率; (b)和(e)分别代表CCSM模拟的年平均降水率和蒸发率; (c)和(f)分别代表WRF模拟的年平均降水率和蒸发率

Fig.2   Distributions of annual mean precipitation rate and evaporation rate over the TP from 1982 to 2005

(a), (d) show annual mean precipitation rate and evaporation rate in GLDAS; (b), (e) show annual mean precipitation rate and evaporation rate in CCSM; (c), (f) show annual mean precipitation rate and evaporation rate in WRF


表1   GLDAS, CCSMWRF数据中19822005年青藏高原年平均降水率和蒸发率的统计量

Table 1  The statistics of annual mean precipitation rate and evaporation rate averaged over the TP for GLDAS,CCSM and WRF from 1982 to 2005

数据平均值/(mm/d)偏差/(mm/d)均方根误差/(mm/d)空间相关系数
降水率蒸发率降水率蒸发率降水率蒸发率降水率蒸发率
GLDAS1.260.94
CCSM3.211.501.950.562.670.660.82*0.83*
WRF2.141.000.880.061.310.320.86*0.85*

注:*表示通过0.05显著性水平检验

新窗口打开| 下载CSV


3.2 青藏高原降水再循环率的时空分布特征

3.2.1 气候态分布

图3为CCSM和WRF模拟的1982—2005年青藏高原降水再循环率的空间分布。如图3所示,CCSM模拟的青藏高原降水再循环率为5%~25%,在羌塘高原西南地区存在一个高值区,而在湄公河流域和怒江流域的南部地区以及雅鲁藏布江流域的东部地区存在一个低值区,整个青藏高原的平均值为22%,表明青藏高原降水主要来源于外部输送水汽的贡献,而本地蒸发水汽对降水的贡献较小。相比于CCSM,WRF模拟的青藏高原降水再循环率较高,其中在青藏高原北部海拔较低的祁连山区和柴达木盆地尤为明显,而位于青藏高原南部的湄公河流域、怒江流域和雅鲁藏布江流域的降水再循环率较低,整个青藏高原的平均值为32%。这表明青藏高原降水主要来源于外部输送水汽的贡献,但是青藏高原北部地区蒸发的水汽对当地降水有着重要的贡献,其中在祁连山区尤为明显。前人也采用不同方法研究了青藏高原降水的水汽来源:Curio 等[23]利用水汽收支方程分析了青藏高原水汽输送特征,表明青藏高原南部的雅鲁藏布江流域受季风活动影响显著,当地水汽收支为正值,青藏高原外部输送水汽对该地区降水的贡献较大,而青藏高原东北部的祁连山区水汽收支为负值,外部输送水汽对该地区降水的贡献较小;康红文等[7]采用降水再循环率模型分析了我国北方降水的水汽来源,发现黄河流域上游降水由青藏高原较强的水汽所提供,当地的降水再循环率低于15%。

图3

图3   19822005年青藏高原降水再循环率的空间分布

(a)和(b)分别代表CCSM和WRF的模拟结果

Fig.3   Spatial distribution of annual mean precipitation recycling ratio over the TP from 1982 to 2005

(a), (b) show CCSM and WRF simulations respectively


3.2.2 季节变化

为分析青藏高原降水再循环率的季节变化特征,本文计算了CCSM和WRF模拟的1982—2005年青藏高原各流域降水再循环率的月平均值(图4)。如图4所示,CCSM模拟的塔里木河流域、祁连山区、柴达木盆地和羌塘青藏高原的月平均降水再循环率较高,数值范围为18%~40%,而其他5个流域的月平均降水再循环率较低。此外,除羌塘青藏高原以外,其他8个流域的降水再循环率均表现出湿季(5~9月)低,干季(10月至翌年4月)高的季节变化特征。WRF模拟的青藏高原各流域月平均降水再循环率的数值范围为20%~80%,其中青藏高原南部的湄公河流域、怒江流域和雅鲁藏布江流域同样表现出了湿季低干季高的季节变化特征,而在青藏高原北部的塔里木河流域、祁连山区、柴达木盆地、羌塘高原、长江流域和黄河流则表现出相反的季节变化特征。以往研究结果表明,地形分辨率是影响模式对青藏高原水汽输送模拟能力的重要因子[36,37],相比于驱动数据,高分辨率的动力降尺度模拟能准确地再现青藏高原南部山谷地区的复杂地形特征(图1),提高对青藏高原外部输送水汽的模拟能力。在WRF模拟的结果中,位于青藏高原南部的流域,受南亚季风活动影响显著,为这一地区的湿季提供了丰沛的水汽,当地降水再循环率呈现出湿季低干季高的季节变化特征,而位于青藏高原北部的流域,受南亚季风活动影响较小,本地湿季蒸发水汽对降水的贡献较大,降水率再循环率呈现出相反的季节变化特征。

图4

图4   19822005年青藏高原不同流域降水再循环率的季节变化

(a)塔里木河流域,(b)祁连山区,(c)柴达木盆地,(d)羌塘高原,(e)长江流域,(f)黄河流域,(g)湄公河流域,(h)怒江流域,(i)雅鲁藏布江流域

Fig.4   Seasonal change of precipitation recycling ratio in different river basins over the TP from 1982 to 2005

(a) Tarim River Basin,(b) Qilian Mountain,(c) Qaidam Basin,(d) Chang Tang Plateau,(e) Yangtze River,(f) Yellow River,(g) Mekong River,(h) Salween River,(i) Brahmaputra River


图4还可以看出,CCSM模拟的月平均降水再循环率比WRF普遍偏低,尤其是在青藏高原北部流域。为了进一步揭示其成因,本文分析了CCSM和WRF模拟的青藏高原各流域蒸发和降水的季节变化。如图5所示,青藏高原各流域的蒸发和降水均呈现出湿季高干季低这一季节变化特征,其中在青藏高原南部的湄公河流域、怒江流域和雅鲁藏布江流域尤为明显。相比于WRF,CCSM模拟的青藏高原各流域月平均蒸发率和降水率偏高,其中月平均降水率的高估更为明显,在雅鲁藏布江流域湿季降水量高达7 mm/d以上,降水量的高估是CCSM模拟的降水再循环率偏低的主要原因。此外,相比于青藏高原南部流域,CCSM模拟青藏高原北部流域月平均蒸发率较小,与WRF模拟的结果较为接近,导致CCSM模拟的青藏高原北部降水再循环率偏低。

图5

图5   19822005年青藏高原不同流域蒸发和降水的季节变化

(a)塔里木河流域,(b)祁连山区,(c)柴达木盆地,(d)羌塘高原,(e)长江流域,(f)黄河流域,(g)湄公河流域,(h)怒江流域,(i)雅鲁藏布江流域

Fig.5   Seasonal change of annual mean evaporation and precipitation in different river basins over the TP from 1982 to 2005

(a)Tarim River Basin,(b)Qilian Mountain,(c)Qaidam Basin,(d)Chang Tang Plateau,(e)Yangtze River,(f)Yellow River,(g)Mekong River,(h)Salween River,(i)Brahmaputra Rivery


3.3 模式对青藏高原水汽通量的模拟评估

为更深入地分析动力降尺度对青藏高原水汽输送的模拟能力,本文以ERA-Interim资料作为验证数据,评估了CCSM和WRF模拟的青藏高原及周边地区垂直积分的水汽通量空间分布。如图6所示,ERA-Interim再分析数据表明,青藏高原水汽主要来自于其以西地区的输送,偏西和偏南两支水汽通量交汇于青藏高原,但受青藏高原地形的阻挡作用,到达该地区的水汽大大减小,青藏高原水汽通量呈“南多北少”的空间分布特征。CCSM和WRF模拟的青藏高原水汽也主要来自于青藏高原以西地区的输送,青藏高原水汽通量的平均值分别为61.24和56.62 kg/(m∙s),表明CCSM模拟的青藏高原外部水汽输送强度高于WRF,导致CCSM模拟的降水量偏多(图4),使其模拟的青藏高原降水再循环率偏低。此外,CCSM和WRF模拟的水汽通量场与验证数据的空间相关系数为0.52和0.63,换言之,WRF模拟的水汽通量场与验证数据的空间相关系数更高。综上所述,相比于驱动数据,WRF能更好地再现青藏高原水汽通量的空间分布特征,从而更准确地模拟出青藏高原地区的降水再循环率。

图 6

图 6   19802005年青藏高原及周边地区垂直积分的水汽通量空间分布

(a)、(b)和(c)分别代表ERA-Interim、CCSM和WRF的模拟结果

Fig.6   Spatial distribution of the climatology for the vertically integrated water vapor flux over the TP and its surroundings from 1980 to 2005

(a), (b), (c) show the ERA-Interim, CCSM and WRF simulations respectively


3.4 青藏高原不同土地覆盖类型的降水再循环率

研究不同土地覆盖类型(积雪、森林、灌木和草地等)的水分在植被—大气之间的再循环过程,对科学认识该地区的水文过程具有重要意义[38]。因此,本文通过分析不同土地覆盖类型的降水再循环率来研究其蒸发水汽对降水的贡献,并比较了CCSM和WRF的模拟结果差异。如图7所示,CCSM模式中青藏高原的土地覆盖数据包括了森林、草地和稀疏植被3种类型,其中青藏高原东南部以森林和草地为主,而西北地区以稀疏植被为主。WRF模式中的土地覆盖数据则包括农田、草地、灌木、森林、稀疏植被和冰雪6种类型,其中以草地、灌木和稀疏植被为主。

图7

图7   土地覆盖类型的空间分布

(a)和(b)分别代表CCSM和WRF所采用的土地覆盖类型数据

Fig.7   Distribution of land cover types over the TP

(a), (b) show the land cover types for CCSM and WRF simulations respectively


图8为基于CCSM和WRF模拟结果计算的青藏高原不同土地覆盖类型的降水再循环率,如图所示,在CCSM模拟的结果中,青藏高原降水主要来源于外部输送水汽的贡献,而本地蒸发水汽对降水的贡献较小,且本地蒸发水汽主要来源于稀疏植被和草地的贡献,其降水再循环率分别为14%和5%。相比于驱动数据,WRF模拟的本地蒸发水汽对降水的贡献有所增加,本地蒸发水汽主要来源于草地、灌木和稀疏植被的贡献,降水再循环率分别为12%、10%和6%。这一结论与黄河源区的水汽来源研究结果相似,黄河源区草地和稀疏植蒸发的水汽对降水的贡献高于其他土地覆盖类型[39]。综上所述,相比于低分辨率的驱动数据,WRF模式能更精细地刻画青藏高原不同下垫面的空间分布特征,从而更好地体现青藏高原不同土地覆盖类型的降水再循环率。

图8

图8   CCSMWRF模拟的19822005年青藏高原不同土地覆盖类型的降水再循环率

Fig.8   Precipitation recycling ratio of different land cover types over the TP for the CCSMWRF from 1982 to 2005


4 结论与讨论

本文利用通用气候系统模式CCSM4的输出结果驱动区域气候模式WRF进行动力降尺度模拟,首先评估了动力降尺度对青藏高原降水和蒸发的模拟能力,然后比较了动力降尺度模拟及其驱动数据对青藏高原降水再循环率的模拟差异,最后分析了青藏高原不同土地覆盖类型的降水再循环率,得到以下主要结论:

(1)相比于低分辨率的驱动数据,动力降尺度模拟的年平均降水率和蒸发率与验证数据的偏差和均方根误差变小,而与验证数据的空间相关系数变大,更好地再现青藏高原年平均降水率和蒸发率的空间分布特征。此外,动力降尺度模拟也更好地再现了青藏高原水汽通量的空间分布特征。

(2)青藏高原降水主要来源于外部输送水汽的贡献。相比于驱动数据,WRF模拟的青藏高原降水再循环率较高,其中在青藏高原北部地区尤为明显。此外,CCSM模拟的青藏高原各流域降水再循环率主要表现出湿季低干季高的季节变化特征,WRF模拟的青藏高原南部流域降水再循环率也表现出相同的季节变化特征,而青藏高原北部流域则表现出相反的季节变化特征。

(3)CCSM模式中的土地覆盖数据以稀疏植被为主,其降水再循环率为14%。相比于驱动数据,WRF模式能更精细地刻画青藏高原以草地和灌木为主的土地覆盖类型的空间分布特征,青藏高原草地和灌木的降水再循环率分别为12%和10%。

本研究基于高分辨率的动力降尺度模拟结果,结合QIBT重点研究了历史时期青藏高原降水再循环率的时空分布特征。需要说明的是,目前针对青藏高原不同下垫面的降水再循环研究较少[38],本研究初步分析了青藏高原不同下垫面的降水再循环率,但是有关不同下垫面的降水再循环过程和机理,仍有待于进一步研究。同时,需要结合QIBT方法,对CCSM和WRF模拟的青藏高原水汽的源地(陆地和海洋)、水汽通量和水汽输送收支差异开展更深入的研究工作。最后,考虑研究区不同流域内部网格之间的贡献,也是后续研究工作需要补充和完善的方面,计划通过一系列的研究,加深对青藏高原水汽输送过程的认知。

参考文献

Zhang Renhe, Su Fengge, Jiang Zhihong, et al.

An overview of projected climate and environmental changes across the Tibetan Plateau in the 21st century

[J]. Chinese Science Bulletin, 2015, 60(32): 3 036-3 047.

[本文引用: 1]

张人禾, 苏凤阁, 江志红, .

青藏高原21世纪气候和环境变化预估研究进展

[J]. 科学通报, 2015, 60(32): 3 036-3 047.

[本文引用: 1]

Huang Jianping, Chen Wen, Wen Zhiping, et al.

Review of Chinese atmospheric science research over the past 70 years: Climate and climate change

[J]. Science in China(Series D), 2019, 49(10): 1 607-1 640.

[本文引用: 1]

黄建平, 陈文, 温之平,.

新中国成立70年以来的中国大气科学研究: 气候与气候变化篇

[J]. 中国科学:D辑, 2019, 49(10): 1 607-1 640.

[本文引用: 1]

Immerzeel W W, Van Beek L P H, Bierkens M F P.

Climate change will affect the Asian water towers

[J]. Science, 2010, 328(5 984): 1 382-1 385.

[本文引用: 1]

Gao Y, Li X, Leung L R, et al.

Aridity changes in the Tibetan Plateau in a warming climate

[J]. Environmental Research Letters, 2015, 10: 034013.

[本文引用: 1]

Chen Deliang, Xu Baiqing, Yao Tandong, et al.

Assessment of past, present and future environmental changes on the Tibetan Plateau

[J]. Chinese Science Bulletin, 2015, 60(32): 3 025-3 035.

[本文引用: 1]

陈德亮, 徐柏青, 姚檀栋, .

青藏高原环境变化科学评估: 过去、现在与未来

[J]. 科学通报, 2015, 60(32): 3 025-3 035.

[本文引用: 1]

Fu Xiang, Xu Xiangde, Kang Hongwen.

Research on precipitation recycling during meiyu season over middle-lower reaches of Changjiang River in 1998

[J]. Meteorological Science and Technology, 2006, 34(4): 394-399.

[本文引用: 1]

付翔,徐祥德, 康红文.

长江中下游1998年夏季梅雨期降水再循环研究

[J]. 气象科技, 2006, 34(4): 394-399.

[本文引用: 1]

Kang Hongwen, Gu Xiangqian, Fu Xiang, et al.

Precipitation recycling over the northern China

[J]. Quarterly Journal of Applied Meteorology, 2005, 16(2): 139-147.

[本文引用: 2]

康红文, 谷湘潜, 付翔, .

我国北方地区降水再循环率的初步评估

[J]. 应用气象学报, 2005, 16(2): 139-147.

[本文引用: 2]

Gao Yanhong, Cheng Guodong.

Several points on mass and entergy interaction between land surface and atmosphere in the Heihe River Basin

[J]. Advances in Earth Science, 2008, 23(7):123-128.

[本文引用: 1]

高艳红, 程国栋.

黑河流域陆地—大气相互作用研究的几点思考

[J]. 地球科学进展, 2008, 23(7):123-128.

[本文引用: 1]

Su Tao, Lu Zhenyu, Zhou Jie, et al.

Spatial distribution and seasonal variation characteristics of global atmospheric moisture recycling

[J]. Acta Physica Sinica, 2014, 63(9): 457-466.

[本文引用: 3]

苏涛, 卢震宇, 周杰, .

全球水汽再循环率的空间分布及其季节变化特征

[J]. 物理学报, 2014, 63(9): 457-466.

[本文引用: 3]

Zhang Xueqin, Peng Lili, Lin Zhaohui.

Progress on the projections of future climate change with various emission scenarios

[J]. Advances in Earth Science, 2009, 23(2): 174-185.

[本文引用: 1]

张雪芹, 彭莉莉, 林朝晖.

未来不同排放情景下气候变化预估研究进展

[J]. 地球科学进展, 2009, 23(2): 174-185.

[本文引用: 1]

Wang Xiaoxin, Jiang Dabang, Lang Xianmei.

Temperature and precipitation changes over China under a 1.5 ℃ global warming scenario based on CMIP5 models

[J]. Chinese Journal of Atmospheric Sciences, 2019, 43(5): 1 158-1 170.

[本文引用: 1]

王晓欣, 姜大膀, 郎咸梅.

CMIP5多模式预估的1.5 ℃升温背景下中国气温和降水变化

[J]. 大气科学, 2019, 43(5): 1 158-1 170.

[本文引用: 1]

Gao Y, Xiao L, Chen D, et al.

Comparison between past and future extreme precipitations simulated by global and regional climate models over the Tibetan Plateau

[J]. International Journal of Climatology, 2017, 38: 1 285-1 297.

[本文引用: 1]

Jiang D, Tian Z, Lang X.

Reliability of climate models for China through the IPCC third to fifth assessment reports

[J]. International Journal of Climatology, 2016, 36(3): 1 114-1 133.

[本文引用: 1]

Hu Qin, Jiang Dabang, Fan Guangzhou.

Evaluation of CMIP5 models over the Qinghai-Tibetan Plateau

[J]. Chinese Journal of Atmospheric Sciences, 2014, 38(5): 924-938

[本文引用: 1]

胡芩, 姜大膀, 范广洲.

CMIP5全球气候模式对青藏高原地区气候模拟能力评估

[J]. 大气科学, 2014, 38(5): 924-938.

[本文引用: 1]

Xu Zhongfeng, Han Ying, Yang Zongliang.

Dynamical downscaling of regional climate: A review of methods and limitations

[J]. Science in China(Series D), 2019493): 487-498.

[本文引用: 1]

徐忠峰, 韩瑛, 杨宗良.

区域气候动力降尺度方法研究综述

[J]. 中国科学: D辑, 2019, 493): 487-498.

[本文引用: 1]

Li Donghuan, Zou Liwei, Zhou Tianjun.

Changes of extreme indices over China in response to 1.5 ℃ global warming projected by a regional climate model

[J]. Advances in Earth Science, 2017, 32(4): 446-457.

[本文引用: 1]

李东欢, 邹立维, 周天军.

全球1.5 ℃温升背景下中国极端事件变化的区域模式预估

[J]. 地球科学进展, 2017, 32(4): 446-457.

[本文引用: 1]

Gao Xuejie, Shi Ying, Giorgi F.

A high resolution simulation of climate change over China

[J]. Science in China (Series D), 2010, 40(7): 911-922.

[本文引用: 1]

高学杰, 石英, Giorgi F.

中国区域气候变化的一个高分辨率数值模拟

[J]. 中国科学:D辑, 2010, 40(7): 911-922.

[本文引用: 1]

Gao Y, Xu J, Chen D.

Evaluation of WRF mesoscale climate simulations over the Tibetan Plateau during 1979-2011

[J]. Journal of Climate, 2015, 28(7): 2 823-2 841.

[本文引用: 1]

Zhang H, Gao Y, Xu J, et al.

Decomposition of future moisture flux changes over the Tibetan Plateau Projected by Global and Regional Climate Models

[J]. Journal of Climate, 2019, 32(20): 7 037-7 053.

[本文引用: 1]

Yi Lan, Tao Shiyan.

Construction and analysis of a precipitation recycling model

[J]. Advances in Water Science, 1997, 8(3): 205-211.

[本文引用: 1]

伊兰, 陶诗言.

一个降水再循环模型的建立及分析

[J]. 水科学进展, 1997, 8(3): 205-211.

[本文引用: 1]

Wei J, Dirmeyer P A, Bosilovich M G.

Water vapor sources for Yangtze River Valley rainfall: Climatology, variability, and implications for rainfall forecasting

[J]. Journal of Geophysical Research, 2012, 117: 1-11.

[本文引用: 1]

Guo Y, Wang C.

Trends in precipitation recycling over the Qinghai-Xizang Plateau in last decades

[J]. Journal of Hydrology, 2014, 517: 826-835.

[本文引用: 1]

Curio J, Maussion F, Scherer D.

A 12-year high-resolution climatology of atmospheric water transport over the Tibetan Plateau

[J]. Earth System Dynamics, 2015, 6(1): 109-124.

[本文引用: 2]

Zhang C, Tang Q, Chen D.

Recent changes in the moisture source of precipitation over the Tibetan Plateau

[J]. Journal of Climate, 2017, 30(5): 1 807-1 819.

[本文引用: 1]

Wang Ning.

Study on the Atmospheric Moisture Cycling over Continental China

[D]. Changsha: National University of Defense Technology, 2018.

[本文引用: 1]

王宁.

中国大陆地区大气水循环的研究

[D]. 长沙: 国防科技大学, 2018.

[本文引用: 1]

Collins W D, Rasch P J, Boville B A, et al.

Description of the NCAR Community Atmosphere Model (CAM 3

.0) (NCAR Technical Note NCAR/TN-

464+STR, 226)

[M]. Boulder, CO: National Center for Atmospheric Research, 2004.

[本文引用: 1]

Grell G, Dévényi D.

A generalized approach to parameterizing convection combining ensemble and data assimilation techniques

[J]. Geophysical Research Letters, 2002, 29(14): 10-13.

[本文引用: 1]

Hong S Y, Noh Y, Dudhia J.

A new vertical diffusion package with an explicit treatment of entrainment processes

[J]. Monthly Weather Review, 2006, 134: 2 318-2 341.

[本文引用: 1]

Niu G, Yang Z, Mitchell K E, et al.

The community Noah land surface model with multiparameterization options (Noah‐MP): 1. Model description and evaluation with local‐scale measurements

[J]. Journal of Geophysical Research, 2011, 116: D12109. DOI:10.1029/2010JD015139.

[本文引用: 1]

Rodell M, Houser P R, Jambor U, et al.

The global land data assimilation system

[J]. Bulletin of the American Meteorological Society, 2004, 85: 381-394.

[本文引用: 1]

Wang A, Zeng X.

Evaluation of multireanalysis products with in situ observations over the Tibetan Plateau

[J]. Journal of Geophysical Research, 2012, 117: 1-12.

[本文引用: 1]

Dee D P, Uppala S M, Simmons A J, et al.

The ERA-Interim reanalysis: Configuration and performance of the data assimilation system

[J]. Quarterly Journal of the Royal Meteorological Society, 2011, 137(656): 553-597.

[本文引用: 1]

Bao X, Zhang F.

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, 2013, 26: 206-214.

[本文引用: 1]

Dirmeyer P A, Brubaker K L.

Characterization of the global hydrologic cycle from a back-trajectory analysis of atmospheric water vapor

[J]. Journal of Hydrometeorology, 2007, 8(1): 20-37.

[本文引用: 2]

Xu Y, Gao Y.

Quantification of evaporative sources of precipitation and its changes in the southeastern Tibetan Plateau and middle Yangtze River Basin

[J]. Atmosphere, 2019, 10: 428.

[本文引用: 1]

Zhou C, Zhao P, Chen J, et al.

The interdecadal change of summer water vapor over the Tibetan Plateau and associated mechanisms

[J]. Journal of Climate, 2019, 324 103-4 119.

[本文引用: 1]

Lin C, Chen D, Yang K.

Impact of model resolution on simulating the water vapor transport through the central Himalayas: Implication for models’ wet bias over the Tibetan Plateau

[J]. Climate Dynamic, 2018, 513 195-3 207.

[本文引用: 1]

Ding Yongjian, Zhang Shiqiang.

Study on water internal recycle process and mechanism in typical mountain areas of inland basins, northwest China: Progress and challenge

[J]. Advances in Earth Science, 2018, 33(7): 719-727.

[本文引用: 2]

丁永建, 张世强.

西北内陆河山区流域内循环过程与机理研究:现状与挑战

[J]. 地球科学进展, 2018, 33(7): 719-727.

[本文引用: 2]

Yang Xianyu.

A Study on the Typical Plateau Lake-Atmospheric Interaction and Its Impact on the Local Precipitation

[D]. Beijing: University of Chinese Academy of Sciences, 2016.

[本文引用: 1]

杨显玉.

典型高原湖泊—大气相互作用及其对局地降水的影响研究

[D]. 北京: 中国科学院大学, 2016.

[本文引用: 1]

/