塔里木盆地位于中国西北内陆,属于温带大陆性气候,夏季干燥少雨,光照充足,光热条件非常适合发展农业。据统计,塔里木盆地农业GDP占当地总GDP的比例高达21.6%,盆地内约73%的就业人口从事农业工作[1-2],农业是塔里木盆地的支柱产业。截至2021年,塔里木盆地95% 的耕地为水浇地,农业用水占淡水使用量的92%[1],因此灌区的存在保障了塔里木盆地的农业发展,支撑着当地的经济社会发展。
塔里木盆地在地形上属于封闭性的山间盆地,盆地三面环山,北部坐落着天山山脉,南部分布着昆仑山脉和阿尔金山脉。在塔里木盆地东边有一个平坦的地形缺口,是塔里木盆地低空水汽输送的主要通道[3]。盆地内的绿洲灌区主要沿沙漠边缘在盆地北部和西部呈连续块状分布,形成了在群山围绕下沙漠-绿洲并存的特殊地形。
近10年,塔里木盆地西部暴雨事件频发[4-8],如2016年8月、2018年5月、2020年4月、2021年6月在塔里木盆地西部均发生了暴雨事件。研究表明,大部分暴雨是在南亚高压双体型的大尺度环流背景下受中亚低涡有利于降水的天气系统影响产生的[5, 9-10]。在上述暴雨事件中,2021年6月15—17日(“6·15”暴雨事件)的降水强度和降水范围均最为极端。据统计,塔里木盆地区域共有5个国家气象站和100个区域雨量站的累积降水量达到了当地暴雨标准,即24 h降水量>24.1 mm,其中有10个站点的累积降水量甚至超过48.0 mm,多个站点的日累积降水量超过了建站以来的最高值,甚至日降水量超过当地的平均年降水量[5]。研究发现,“6·15”暴雨的水汽来源主要是由环流带来的外部水汽,水汽绕过天山山脉后在塔里木盆地东部入口处由偏东急流带入盆地形成降水[11],而盆地西部山区地形抬升作用引起的气流垂直上升运动能够激发水汽垂直运动,导致暴雨发生[4]。目前针对塔里木盆地暴雨的研究主要集中在水汽来源和形成原因上,还缺少对于盆地内特殊的灌区分布情况和沙漠-绿洲的特殊地形条件与暴雨关系的相关研究。
关于塔里木盆地灌区与降水关系的已有研究,普遍以季节或年为时间尺度,发现近30年来盆地降水的增加与植被面积的增加有关[12-18]。同时,针对灌区灌溉影响的研究也发现,在有灌区的情况下,盆地内夏季的总降水量会增加[19]。但是,目前还缺少灌区对时间短、强度大的暴雨事件过程影响的机理性研究。
本文以“6·15”暴雨事件为例在中尺度气象模式,即天气研究与预报(weather research and forecasting, WRF)模式中设置2个模拟情景,分别为有灌区情景(irrigation,IRR)和没有灌区情景(default,DFT),对“6·15”暴雨过程开展高分辨率模拟。通过对比分析2个情景研究了灌区的存在对该次暴雨的水汽输送过程和形成过程的影响,从而提升对灌区影响暴雨形成机理的认识,加深对灌区与暴雨关系的理解。本研究结果能够为盆地未来灌区的发展规划和雨洪管理提供参考。
1 塔里木盆地西部“6·15”暴雨成因分析图 1为在“6·15”暴雨过程中6月15日在空中气压850 hPa处的气候条件,包括位势高度、温度和风速,数据来自欧洲中期天气预报中心第5代再分析数据(European Centre for Medium-Range Weather Forecasts reanalysis 5,ERA5)。图 1展示区域与WRF模型模拟区域一致,黑框是嵌套模拟的内层区域,红圈标注了盆地区域范围。本文中所展示的时间均已换算为当地时间,等值线均表示位势高度,m。盆地内在对流层底层气压850 hPa处是低压区域,暴雨过程中在盆地区域形成了自东向西的偏东急流,有利于向西的水汽输送。在降水发生前,塔里木盆地区域内没有明显的降温等现象(图 1a和1b)。在降水过程中,可以发现盆地区域东南部温度偏高而西北部温度偏低,来自东南的暖湿气流与西北的干冷气流在盆地西部相遇,为暴雨的形成提供了条件;同时,偏东急流与西部气流相遇后向南偏转,在盆地南部昆仑山北坡位置形成了辐合,促进了暴雨形成(图 1c)。在暴雨过程中辐合形势在盆地西南部不断扩大,在山区地形的阻挡下水汽聚集在盆地西南部,形成了大规模的强降水(图 1d)。因此,该次暴雨形成的主要原因为在盆地内形成了偏东急流,且急流在盆地西南部与西北气流形成辐合,同时在山区地形的阻拦下在该区域形成了大规模降水。
|
| 图 1 气压850 hPa处位势高度、温度和风速分布 |
图 2为6月15日暴雨形成过程中气压500 hPa处的位势高度、整层的水汽通量和水汽输送的方向,数据来源于ERA5。图 2说明偏东急流引起的水汽输送为暴雨形成提供了充分条件。在气压500 hPa处,降水形成前在盆地南部和北部均存在高压系统,在盆地外部2个高压系统共同作用以及盆地北部天山山脉和南部青藏高原的阻挡下,大量水汽绕过塔里木盆地继续向东运动,但在2个高压的夹层中,在塔里木盆地地形缺口处形成了自东向西输送的水汽,即偏东急流(图 2)。水汽进入盆地后沿盆地北部向西输送,在盆地西部山区地形的阻拦下,水汽在盆地西部向南偏转最终在盆地西南部积聚,在有利于降水的天气系统条件下形成了暴雨。
|
| 图 2 气压为500 hPa处位势高度、整层水汽通量和水汽输送方向 |
2 研究方法和数据
为了揭示灌区对塔里木盆地极端暴雨的影响,本文使用WRF模型模拟暴雨过程。利用WRF模型可设置地表下垫面信息的优势,分别设置了IRR和DFT的模拟情景。通过对比2个情景,分析灌区对暴雨形成过程的影响机制。由于塔里木盆地的农业发展主要依靠灌溉实现,且95% 的耕地为水浇地,因此为了能在模型中依靠土地利用类型设置有无灌区的对比实验,本研究将塔里木盆地区域土地利用类型为耕地的区域均视为灌区进行方案设置。
2.1 模型设置本文使用WRF模型,采用双层嵌套网格(图 3),网格数量分别为450×360和570×450,分辨率分别为9和3 km。模型垂向分为47层,上边界气压设置为50 hPa。模型的初始和边界条件由ERA5提供,其空间和时间分辨率分别为0.25°和1 h。为了研究暴雨水汽输送过程,需研究暴雨发生前的水汽输送过程,因此将模拟时间段设为当地时间2021年6月14日8时至6月18日8时。由于模型最外层的空间分辨率小于10 km,因此在2层嵌套网格中均关闭了积云方案[20],其余参数化方案设置如表 1所示。
|
| 图 3 模拟区域划分情况及区域内地形条件 |
| 参数化方案 | 方案设置 |
| 微物理方案 | WSM6 |
| 边界层方案 | YSU |
| 短波辐射方案 | RRTMG |
| 长波辐射方案 | RRTMG |
| 陆面过程方案 | Noah LSM |
| 近地面层方案 | Monin-Obukhov |
| 积云方案 | 关闭 |
2.2 相关数据
为了提升模拟的准确性,本文将WRF模型自带的土地利用、地表反照率、叶面积指数和植被分数等地表数据更新为2021年最新的实际数据信息。土地利用信息采用文[21]的方法,主要基于欧洲航天局-气候变化倡议(European Space Agency -climate change initiative, ESA-CCI) 的全球地表覆被(global land cover, GLC)数据进行更新,将该数据分类与WRF模型自带的美国地质勘探局(United States Geological Survey, USGS)土地利用数据进行对照并重新采样,得到2021年的土地利用信息用于模型模拟。地表反照率、叶面积指数和植被分数数据则均来自全球地表卫星(global land surface satellite, GLASS)的卫星遥感数据产品[22-23]。
为了评估模拟结果的可靠性,本文收集并采用以下数据对模拟结果进行评估:
1) 新疆地区65个国家标准气象站的逐小时气温、湿度、风速和累积降水量数据集,用于评估相关指标模拟效果;经筛选,其中13个气象站在“6·15”暴雨降水落区内。
2) ERA5地表再分析数据产品(ERA5-Land)[24],空间分辨率为0.1°,为逐日累积降水量数据。
3) 基于全球卫星降水计划的综合多卫星检索降水数据(integrated multi-satellite retrievals for global precipitation measurement, GPM-IMERG)[25],空间分辨率为0.1°,为逐日累积降水量数据。
4) 第2代多源加权集合降水融合数据(multi-source weighted-ensemble precipitation, MSWEP-V2)[26],空间分辨率为0.1°,为逐日累积降水量数据。
2.3 方案设置为了对比研究灌区对暴雨的影响,本文设置了IRR和DFT模拟情景进行对比分析,其中IRR采用更新的地表信息进行模拟;对于DFT,在更新了地表信息数据的基础上,将盆地内土地利用类型为耕地区域的土地利用类型、地表反照率、叶面积指数和植被分数数据更换为没有植被生长的土地特征;其他模拟设置在2个情景中均相同。2个模拟情景的土地利用区别见图 4。在之后的分析中,研究结果均基于嵌套模拟内层区域的模拟结果进行展示和分析。
|
| 图 4 IRR与DFT地表土地利用信息对比 |
3 模型验证
本文将IRR的WRF模型模拟降水与ERA5-Land、GPM-IMERG、MSWEP-V2数据和6月15—16日气象站观测的累积降水量进行对比。图 5为在IRR情景下WRF模型与3个降水产品模拟期间累积降水量空间分布的对比情况,同时将13个气象站观测的累积降水量用圆点标出。从降水空间分布来看,WRF模型模拟的降水空间分布范围与ERA5-Land再分析数据产品和MSWEP-V2融合数据基本一致,且与站点观测值吻合较好;特别是降水量较高(超过40 mm)的区域,ERA5-Land再分析数据产品和MSWEP-V2融合数据均明显比站点观测值低,而WRF模型能够较好地模拟出暴雨的高值区域,暴雨强度与实际观测值更接近(超过60 mm)。
|
| 图 5 WRF模型与3个主流降水数据产品模拟期间累积降水量空间分布对比 |
表 2为WRF模型模拟结果的区域平均总降水量与3个降水数据产品的对比情况。可以看出,ERA5-Land再分析数据产品具有明显高估降水量的现象,WRF模型对区域降水量的模拟结果与MSWEP-V2和GPM-IMERG数据更接近,说明WRF模型降水量的模拟效果较好,在IRR下性能良好。
| 模拟产品 | WRF | MSWEP-V2 | GPM-IMERG | ERA5-Land |
| 平均总降水量/mm | 3.65 | 3.50 | 3.22 | 6.48 |
为更全面地验证模型模拟效果,将降水落区内13个国家气象站的降水观测值与IRR的WRF模型模拟值进行对比(图 6)。在降水期间,WRF模型的降水强度均与观测值较为吻合,表明模型能很好地捕捉降水发生的时间、峰值以及变化趋势,可以用于进一步分析。
|
| 图 6 WRF模型降水强度模拟值与气象站观测值对比 |
4 灌区对暴雨的影响分析
基于第1章对“6·15”暴雨气候条件的分析,由偏东急流带来的盆地外部的大量水汽是该次暴雨形成的主要原因。本章将对比分析有无灌区情景的模拟结果,重点关注暴雨的水汽输送过程和灌区对暴雨影响较大的区域,研究塔里木盆地灌区对盆地内暴雨的影响及影响机制。
4.1 灌区对“6·15”暴雨过程时空分布特征的影响图 7为IRR和DFT在不同累积降水量区域的平均降水过程线。从降水强度随时间的变化过程来看,IRR与DFT降水发生的时段和出现峰值的时刻基本一致,说明灌区对降水发生时段和出现峰值时刻影响不大。在累积降水量较少的区域(低于80 mm),IRR与DFT的降水过程和降水量基本一致。在累积降水量较多的区域(大于80 mm),IRR的降水量明显高于DFT的降水量,说明在“6·15”暴雨事件中,灌区主要对累积降水量较大的区域产生影响。
|
| 图 7 IRR与DFT不同累积降水量区域平均降水过程线 |
图 8为IRR与DFT的累积降水量差异,图中红线内的部分表示灌区区域,下同。从降水量差异空间分布情况来看,在塔里木盆地西南部灌区的东部边缘处IRR的累积降水量明显高于DFT,而这个区域正是暴雨雨强最大的区域。图 8中的箭头表示降水期间IRR模拟区域的风场情况。来自盆地西北部与盆地东部的风在盆地西南部相遇发生辐合,导致该区域发生了强度较大的暴雨,同时盆地西南部也是降水量差异最为明显的区域,这说明灌区可能对这里的辐合风速产生影响,进而导致了降水量的增加。
|
| 图 8 IRR与DFT累积降水量差异 |
4.2 灌区对暴雨过程中各气象要素的影响
图 9为降水期间灌区对模拟区域距地表 2 m处温度、比湿及距地表 10 m处风速的影响。灌区的存在对温度的影响较小,北部和西部大部分灌区表现出温度降低的现象,而在盆地内部和处于降水区域的西北部灌区温度有小幅度上升的现象(图 9a)。与温度变化相比,灌区引起的比湿变化更为剧烈,且其分布与温度变化相对应:在北部和西部灌区附近灌区引起的增湿效果非常明显,对应着降温现象;而盆地内部和西北部灌区有微弱的比湿降低现象,与温度升高相对应(图 9b)。在紧邻北部灌区的偏北区域存在一个比湿明显降低的区域,但这里既不是灌区上空也不是主要的降水落区,在4.3节中将对这一现象进行深入分析。
|
| 图 9 IRR与DFT距地表 2 m处温度、比湿以及距地表 10 m处风速差异 |
灌区的存在除了在热力学上给近地面带来影响,也会在动力学上给近地面带来影响。在降水期间,灌区上空整体表现出风速减弱的现象,风速变化方向与盆地内主导风的方向相反(图 8和9c),这减少了水汽向灌区方向的输送;在盆地西南部降水量明显增加的区域,风速表现出增强的现象,增强的风速有利于增强水汽辐合,促进降水形成;在西部灌区东边缘的区域风速沿主导风方向增加,这有利于水汽向南输送,可为暴雨形成提供更充足的水汽。
从降水时段各气象要素变化的情况来看,温度变化偏小,而比湿的差异明显,风速变化在灌区和降水区域更加明显。比湿和风速与暴雨的水汽输送过程紧密相关,同时偏东急流引起的水汽输送是导致本次暴雨的重要原因。
4.3 灌区对暴雨水汽输送过程的影响本节利用WRF模型模拟的高时空分辨率结果重点分析了灌区对气压750 hPa处空中水汽输送情况的影响。
图 10和11分别为6月15日降水刚刚发生时(15:00)和降水发生6 h后(21:00)气压750 hPa处空中的水汽输送条件。图 10和11对比分析了IRR与DFT的结果以突出灌区的影响,从上至下分别展示了IRR、DFT和2个情景下风速和比湿的差值。
|
| 图 10 灌区对气压750 hPa处空中降水发生时刻水汽输送(比湿和风速)的影响 |
|
| 图 11 灌区对气压750 hPa处空中降发生水6 h后水汽输送(比湿和风速)的影响 |
在降水刚刚发生时,大量水汽已随风输送到盆地西南部并形成了明显的水汽聚集区,盆地内的风场被偏东急流进一步加强,整体表现出风向一致朝向西南区域的现象(图 10a)。对比2个情景的水汽差异可以发现,在降水前灌区引起的比湿变化主要发生在盆地北部(图 10c)。观察2个情景的水汽输送过程可知,风场均在偏东急流的影响下自东向西运动,但在盆地北部灌区附近风场会略有偏转:在DFT中,主导风通过红圈所示水汽减少区域时,会向北偏转使水汽向北部山区运动(图 10b);而在IRR中,灌区的存在减弱了红圈位置的向北偏转的趋势(图 10a),风场的差异表明该处风速向东南方向变化,即灌区使向西北转向的风场减弱(图 10c),更多水汽通过该区域时向西继续运动,进而使该区域西部的水汽沿风速方向增加,水汽继续随风向西南运动,为盆地西南部降水提供更多水汽。
在降水发生6 h后,降水强度即将开始明显增大并形成暴雨,此时进入盆地的水汽已基本完成向西南的输送,由于山区的阻挡,水汽主要积聚在暴雨落区(图 11a)。此时盆地北部灌区附近的西风风速较降水前已经大为减弱,在该区域的水汽输送也随之减弱,主要的水汽输送和聚集发生在降水区域(图 11a和11b),因此在红圈区域内风速的减弱使水汽减少的情况较降水发生前减轻,而在该区域西部的水汽则明显增加,在盆地西部的降水区域水汽增加也更加明显(图 11c),这说明因灌区而增加的向西输送的水汽已经随风抵达了降水区域上空。
综合2个时刻的水汽输送情况可以发现,在偏东急流引起的水汽输送过程中,主导风通过红圈区域时,会向北偏转使水汽向北运动,但灌区的存在减弱了主导风向北的偏转,使更多水汽继续向西运动至暴雨落区,说明灌区通过减弱风速影响水汽输送的过程,使更多水汽向西输送,进而增加了暴雨强度。
为进一步明晰灌区的存在对水汽输送过程的影响,本文选取了剖面A-A′和B-B′(图 10c)对2个情景下的风速和水汽进行垂向分析。剖面A-A′沿着风向北偏转的主要方向选取,剖面B-B′沿着水汽经过红圈所示水汽减少区域后继续向西输送的方向选取。计算了降水刚刚发生时剖面A-A′和B-B′的风速和比湿变化,旨在通过分析2个剖面来理解灌区在垂直方向上对水汽输送的影响。
图 12为6月15日降水刚刚发生时IRR和DFT剖面A-A′的水汽和风速分布情况,红线为剖面上灌区分布的位置,下同。在剖面A-A′上,低空大气区域风向主要指向北部山区,IRR下风速在垂直方向的变化更加剧烈,主要表现在经过灌区位置时,灌区引起的风向上抬升作用更加明显;而在灌区与北部山区之间,DFT的风速明显更大,水汽更多(图 12a和12b)。比湿和风速的差异说明灌区对风的阻拦作用使水汽在向北输送时在灌区上空发生了抬升,风经过灌区继续向北运动的趋势减弱,且风速明显减小,该区域低空水汽减少,而灌区的抬升作用则使高空水汽增加(图 12c)。
|
| 图 12 剖面A-A′水汽输送条件(比湿和风速)变化 |
图 13为6月15日降水刚刚发生时IRR和DFT剖面B-B′的比湿和风速分布情况。在该剖面上,低空大气区域风向主要指向西,引起水汽不断向西输送,灌区的影响与剖面A-A′类似,在风到达灌区时会因灌区的阻挡作用向上抬升,使IRR的风速在垂直方向的变动更剧烈,而DFT下水汽向西的输送更加顺畅,直至到达西部山区(图 13a和13b)。对比2个情景,可以发现IRR下在北部被灌区阻挡和抬升的水汽会向西继续运动,引起向西方向的水汽输送增加,而当这些水汽到达西部灌区时,灌区的阻拦作用同样存在,使得西部灌区与西部山区间水汽减少(图 13c)。
|
| 图 13 剖面B-B′水汽输送条件(比湿和风速)变化 |
综合分析2个剖面上灌区对水汽输送的影响可以发现,灌区对水汽输送起阻挡作用。对比IRR与DFT的地表设置可知,在IRR下,灌区因具有植被等原因,地表粗糙度比DFT更大,地表粗糙度的增加对风起到了阻挡作用,进而影响了灌区附近的水汽输送。在“6·15”暴雨期间,盆地北部的灌区对水汽向北输送的阻挡作用最为明显(图 10),这导致在IRR下沿着剖面A-A′方向向北部山区运动的水汽更少,同时被阻挡下来的水汽随强烈的偏东急流沿剖面B-B′方向继续向西运动。虽然剖面B-B′上连续的灌区会对向西的风产生阻挡作用(图 13a),但强烈的偏东急流和剖面A-A′被阻挡下来的水汽增加了剖面B-B′上的水汽,直至水汽输送至剖面B-B′最西处灌区时被阻挡(图 13c)。因此,在盆地北部灌区的共同作用下,灌区的阻挡作用使更多水汽积聚在降水区域,为暴雨形成提供了更充足的水汽。
4.4 灌区对暴雨落区上空水汽条件的影响针对灌区引起盆地西南部降水量增加的现象,考虑周边山地地形,分别对剖面C-C′和D-D′进行垂向分析(图 8),综合研究在降水落区灌区对降水水汽条件的影响。剖面C-C′沿着从盆地西部山区经过灌区吹向降水区域风的方向选取,剖面D-D′沿着水汽经过北部灌区向南偏转后向降水区域输送风的方向选取,分别计算了剖面C-C′和D-D′降水过程中的平均风速和比湿变化,旨在通过2个剖面综合分析灌区和山区地形共同作用对暴雨形成的影响。
图 14为灌区对剖面C-C′和D-D′的平均比湿和风速的影响情况。在剖面C-C′的大部分区域,灌区几乎对比湿没有影响,主要的比湿变化发生在灌区的东南部,即灌区引起降水显著增加的区域,这里的水汽含量增加明显。风速的变化表明,灌区加强了南侧灌区和山区对风的地形抬升作用,在降水区域形成了垂向环流,引起水汽聚集;同时在北侧灌区上空近地面区域,IRR下向南的风速减弱,水汽向西北的输送减弱使更多水汽留在了暴雨落区(图 14a)。在剖面D-D′,比湿和风速的变化与剖面C-C′的变化规律基本一致,灌区的存在使IRR下向南的主导风速被加强,地形抬升作用同样被加强,垂向环流增强使水汽在剖面南侧聚集,为暴雨提供了充足水汽和有利的形成条件,促进了降水量增加。
|
| 图 14 剖面C-C′和D-D′的水汽输送条件(比湿和风速)变化 |
5 结论
本文以塔里木盆地西部“6·15”暴雨事件为例,进行了基于WRF模型的塔里木盆地有无灌区的对比模拟实验,通过对水汽输送过程、暴雨形成过程的深度分析,揭示了灌区对水汽输送和暴雨形成的影响机理,主要结论如下:
1) 大量水汽输送是暴雨形成的主要原因。由盆地南部和北部高压作用引起的塔里木盆地偏东急流为盆地内带来了大量水汽,在降水前水汽沿盆地北部向西输送,在盆地西部向南转向输送至盆地西南部,形成大规模降水。
2) 灌区对水汽输送的阻挡作用使更多水汽向暴雨区域输送。在盆地北部和西部均发现了灌区对风的阻挡作用,风经过灌区时被向上抬升,减弱了水汽向灌区方向的输送,这个现象在盆地北部最为明显;灌区的阻挡作用使输送过程中向北输送的水汽减少,向西南暴雨区域输送的水汽增多,为暴雨提供了更多水汽。
3) 灌区与山区地形的共同作用引起水汽积聚。在降水的主要落区,灌区和山区的共同作用使地形对风的抬升作用增强,山前形成的垂向环流与偏东急流带来的更多水汽的共同作用使降水量增加。
| [1] |
新疆维吾尔自治区统计局. 2021年新疆统计年鉴[EB/OL]. [2023-04-02]. http://tjj.xinjiang.gov.cn/tjj/zhhvgh/list_nj1.shtml. Statistic Bureau of Xinjiang Uygur Autonomous Region. 2021 Xinjiang statistical yearbook [EB/OL]. [2023-04-02]. http://tjj.xinjiang.gov.cn/tjj/zhhvgh/list_nj1.shtml. (in Chinese) |
| [2] |
LIU J, CHEN T W. Research on comprehensive development of "five modernizations" in Xinjiang [C]//Proceedings of the 2019 International Conference on Management Science and Industrial Economy. Guangzhou, China: Atlantis Press, 2020: 173-178.
|
| [3] |
杨妍. 多尺度水汽输送对降水的影响研究[D]. 北京: 清华大学, 2019. YANG Y. Study on the impact of multi-scale water vapor transports on rainfall [D]. Beijing: Tsinghua University, 2019. (in Chinese) |
| [4] |
周括, 冉令坤, 蔡仁, 等. 地形追随垂直运动方程在南疆极端暴雨中的诊断分析[J]. 大气科学, 2022, 46(3): 745-761. ZHOU K, RAN L K, CAI R, et al. Diagnostic analysis of terrain following vertical motion equation in southern Xinjiang extreme rainstorms[J]. Chinese Journal of Atmospheric Sciences, 2022, 46(3): 745-761. (in Chinese) |
| [5] |
胡素琴, 希热娜依·铁里瓦尔地, 李娜, 等. 南疆西部干旱区两次极端暴雨过程对比分析[J]. 大气科学, 2022, 46(5): 1177-1197. HU S Q, TILIWALDI X, LI N, et al. Comparative analysis of two extreme rainstorms in the arid area of western part of southern Xinjiang[J]. Chinese Journal of Atmospheric Sciences, 2022, 46(5): 1177-1197. (in Chinese) |
| [6] |
牟欢, 赵丽, 王旭, 等. 基于拉格朗日方法的一次南疆西部特大暴雨水汽来源分析[J]. 冰川冻土, 2021, 43(4): 1157-1165. MOU H, ZHAO L, WANG X, et al. Water vapor source analysis of a severe torrential rain in the west of southern Xinjiang based on the Lagrangian method[J]. Journal of Glaciology and Geocryology, 2021, 43(4): 1157-1165. (in Chinese) |
| [7] |
郑宁, 刘琼, 黄观, 等. 新疆三大山区可降水量时空分布特征[J]. 干旱区地理, 2019, 42(1): 77-84. ZHENG N, LIU Q, HUANG G, et al. Temporal and spatial distribution characteristics of total precipitable water vapor in Three Mountain Areas of Xinjiang[J]. Arid Land Geography, 2019, 42(1): 77-84. (in Chinese) |
| [8] |
林建, 杨贵名. 近30年中国暴雨时空特征分析[J]. 气象, 2014, 40(7): 816-826. LIN J, YANG G M. Spatio-temporal characteristics of rainstorm in China during 1981-2010[J]. Meteorological Monthly, 2014, 40(7): 816-826. (in Chinese) |
| [9] |
李如琦, 李建刚, 唐冶, 等. 中亚低涡引发的两次南疆西部暴雨中尺度特征对比分析[J]. 干旱气象, 2016, 34(2): 297-304. LI R Q, LI J G, TANG Y, et al. Comparison analysis on the mesoscale characteristics of two rainstorms processes caused by Central Asian vortex in the western part of southern Xinjiang[J]. Journal of Arid Meteorology, 2016, 34(2): 297-304. (in Chinese) |
| [10] |
张云惠, 陈春艳, 杨莲梅, 等. 南疆西部一次罕见暴雨过程的成因分析[J]. 高原气象, 2013, 32(1): 191-200. ZHANG Y H, CHEN C Y, YANG L M, et al. Cause analysis on rare rainstorm in west of southern Xinjiang[J]. Plateau Meteorology, 2013, 32(1): 191-200. (in Chinese) |
| [11] |
CHEN Y R, LIU B, CAI X, et al. Moisture transport and sources of an extreme rainfall event of June 2021 in southern Xinjiang, China[J]. Advances in Climate Change Research, 2022, 13(6): 843-850. DOI:10.1016/j.accre.2022.11.010 |
| [12] |
WU L Y, FENG J M, QIN F, et al. Regional climate effects of irrigation over Central Asia using weather research and forecasting model[J]. Journal of Geophysical Research: Atmospheres, 2022, 127(12): e2021JD036210. DOI:10.1029/2021JD036210 |
| [13] |
DONG W H, LIN Y L, WRIGHT J S, et al. Regional disparities in warm season rainfall changes over arid eastern Central Asia[J]. Scientific Reports, 2018, 8(1): 13051. DOI:10.1038/s41598-018-31246-3 |
| [14] |
LI Z, CHEN Y N, LI W H, et al. Potential impacts of climate change on vegetation dynamics in Central Asia[J]. Journal of Geophysical Research: Atmospheres, 2015, 120(24): 12345-12356. DOI:10.1002/2015JD023618 |
| [15] |
MA S M, ZHOU T J, DAI A G, et al. Observed changes in the distributions of daily precipitation frequency and amount over China from 1960 to 2013[J]. Journal of Climate, 2015, 28(17): 6960-6978. DOI:10.1175/JCLI-D-15-0011.1 |
| [16] |
QIU B W, LI W J, ZHONG M, et al. Spatiotemporal analysis of vegetation variability and its relationship with climate change in China[J]. Geo-Spatial Information Science, 2014, 17(3): 170-180. DOI:10.1080/10095020.2014.959095 |
| [17] |
SONG Y L, ACHBERGER C, LINDERHOLM H W. Rain-season trends in precipitation and their effect in different climate regions of China during 1961-2008[J]. Environmental Research Letters, 2011, 6(3): 034025. DOI:10.1088/1748-9326/6/3/034025 |
| [18] |
王立洪, 张斌, 万英. 新疆南疆农业灌溉对生态与环境影响[J]. 水土保持研究, 2002, 9(1): 30-33. WANG L H, ZHANG B, WAN Y. Effect of agricultural irrigation on the ecological environment in southern Xinjiang[J]. Research of Soil and Water Conservation, 2002, 9(1): 30-33. (in Chinese) |
| [19] |
LIU J H, SUN T, NI G H. Where does the irrigated water in the Tarim Basin go? A hydrological analysis of water budgets and atmospheric transport[J]. Environmental Research Letters, 2023, 18(4): 044019. DOI:10.1088/1748-9326/acc262 |
| [20] |
STENSRUD D J. Parameterization schemes: Keys to understanding numerical weather prediction models[M]. Cambridge, UK: Cambridge University Press, 2009.
|
| [21] |
LI H Q, ZHANG H L, MAMTIMIN A, et al. A new land-use dataset for the weather research and forecasting (WRF) model[J]. Atmosphere, 2020, 11(4): 350. DOI:10.3390/atmos11040350 |
| [22] |
LIANG S L, ZHAO X, LIU S H, et al. A long-term global land surface satellite (GLASS) data-set for environmental studies[J]. International Journal of Digital Earth, 2013, 6(S1): 5-33. |
| [23] |
LIANG S L, CHENG J, JIA K, et al. The global land surface satellite (GLASS) product suite[J]. Bulletin of the American Meteorological Society, 2021, 102(2): E323-E337. DOI:10.1175/BAMS-D-18-0341.1 |
| [24] |
HUFFMAN G, STOCKER E, BOLVIN D, et al. GPM IMERG final precipitation L3 1 day 0.1 degree×0.1 degree V06 [Z]. Greenbelt, USA: Goddard Earth Sciences Data and Information Services Center (GES DISC), 2019.
|
| [25] |
BECK H E, WOOD E F, PAN M, et al. MSWEP V2 global 3-hourly 0.1° precipitation: Methodology and quantitative assessment[J]. Bulletin of the American Meteorological Society, 2019, 100(3): 473-500. DOI:10.1175/BAMS-D-17-0138.1 |
| [26] |
MUÑOZ-SABATER J, DUTRA E, AGUSTÍ-PANAREDA A, et al. ERA5-Land: A state-of-the-art global reanalysis dataset for land applications[J]. Earth System Science Data, 2021, 13(9): 4349-4383. DOI:10.5194/essd-13-4349-2021 |



