張存杰 張思齊 周江興 聶肅平 吳萍 向陽 李想 汪方

（1 中國氣象局氣候研究開放實(shí)驗(yàn)室，北京 100081；2 中國氣象局云霧物理環(huán)境重點(diǎn)開放實(shí)驗(yàn)室，北京 100081）

0 引言

西北地區(qū)高山、高原、溝壑縱橫，地形復(fù)雜、地勢起伏較大，造就了以山系走向?yàn)橹?，山體影響水汽和氣流場分布的復(fù)雜地形云，特別是像天山、祁連山、三江源地區(qū)的高大山系，不僅關(guān)乎西北地區(qū)水資源利用和開發(fā)，而且是全國生態(tài)安全的重要屏障。西北地區(qū)干旱少雨,大多數(shù)河流年內(nèi)長時(shí)間干枯,水資源嚴(yán)重缺乏。該地區(qū)雖然面積約占全國的42%，但降水量只占全國17%。多年平均降水量在235 mm左右，而年可蒸發(fā)量卻高達(dá)1000～2600 mm，年可蒸發(fā)量是降水量的4～11倍。據(jù)統(tǒng)計(jì)，20世紀(jì)90年代初以來，西部地區(qū)農(nóng)田每年受旱面積860×10hm，占耕地總面積的1/3，比80年代增加1/3，呈加劇趨勢。據(jù)估計(jì)，西北地區(qū)平均年缺水量超過250×10m，由此造成西北地區(qū)經(jīng)濟(jì)和環(huán)境可持續(xù)發(fā)展所面臨的首要問題就是解決水資源短缺問題。不論是地表水還是地下水，都來自大氣中的云中降水，大氣降水是水資源中可持續(xù)利用的重要來源。因此，著眼于空中云水資源的研究增加對空中云水資源的開發(fā)利用，是緩解水資源短缺問題的有效途徑之一，也是恢復(fù)和改善西北生態(tài)脆弱地區(qū)的重要途徑。

由于西北地區(qū)地形云的復(fù)雜性、廣泛性、多樣性以及氣候特征差異性等，在人工影響天氣工程建設(shè)中需要了解作業(yè)背景的氣候及氣候變化特征，包括大尺度環(huán)流背景、典型降水天氣系統(tǒng)、水汽來源及水汽輸送通道、地形云和降水局地特征等。近幾十年來，國內(nèi)外學(xué)者和專家針對西北地區(qū)云水資源和人工影響天氣做了大量的研究和試驗(yàn)工作，如2005—2007年，甘肅省氣象局聯(lián)合西北五省及相關(guān)科研院所，開展了“祁連山空中云水資源開發(fā)利用研究”，該項(xiàng)目取得了一系列有價(jià)值的研究成果，對指導(dǎo)祁連山區(qū)人工影響天氣作業(yè)具有非常重要的科學(xué)意義，也為本項(xiàng)目的開展奠定了良好的基礎(chǔ)。

在氣候系統(tǒng)觀測還不完備的情況下，再分析資料是開展氣候系統(tǒng)氣候特征分析的有力工具，但受觀測資料變更、數(shù)值預(yù)報(bào)模式和同化方案差異等因素的影響，再分析資料的可信度有待進(jìn)一步檢驗(yàn)。不僅不同再分析資料在中國地區(qū)的質(zhì)量和性能存在差異，同種再分析資料在中國東部地區(qū)的可信度要高于西部地區(qū)，這是西部地區(qū)觀測臺站密度遠(yuǎn)小于東部地區(qū)導(dǎo)致的。此外，中國西北地區(qū)地形十分復(fù)雜，全球再分析模式往往分辨率較粗，對精細(xì)化下墊面特征考慮不夠充分，同時(shí)，再分析模式往往采用單一的物理過程配置組合，不能充分考慮物理過程參數(shù)化方案對區(qū)域氣候特征的適應(yīng)性，這些都會對區(qū)域再分析資料的質(zhì)量產(chǎn)生影響。因此，直接使用再分析資料分析中國西北地區(qū)的氣流場、水汽場等的氣候背景時(shí)空變化特征，可能會得到不可信的虛假信息。西北區(qū)域人工影響天氣能力建設(shè)項(xiàng)目“作業(yè)天氣背景條件分析”將利用地面、探空、衛(wèi)星、雷達(dá)等多源觀測資料，對再分析資料在西北地區(qū)的適用性開展進(jìn)一步評估，采用再分析資料強(qiáng)迫更高精度的區(qū)域氣候模式，結(jié)合國家氣候中心最新研制的3 km×3 km分辨率氣候資源數(shù)據(jù)集，開展西北地區(qū)及試驗(yàn)區(qū)降水場、氣流場、水汽場以及云水資源等分析，以期為西北人影工程得到更多有價(jià)值的參考信息。

1 主要研究目標(biāo)和內(nèi)容

1.1 研究目標(biāo)

利用不同時(shí)空分辨率的氣象臺站觀測資料、再分析資料、衛(wèi)星遙感資料等，結(jié)合高分辨率區(qū)域氣候模式模擬，對西北地區(qū)以及祁連山等試驗(yàn)區(qū)的降水場、氣流場、水汽場和云水資源等時(shí)空分布和演變特征開展研究，給出西北地區(qū)人影作業(yè)背景條件下的氣候特征和氣候變化規(guī)律及相應(yīng)的數(shù)據(jù)集及算法；與試驗(yàn)區(qū)觀測的資料進(jìn)行對比分析，給出西北地區(qū)降水場、氣流場、水汽場等要素的誤差評估和訂正算法。

1.2 研究區(qū)域

本項(xiàng)目研究區(qū)域包括西北地區(qū)和主要試驗(yàn)區(qū)域，西北地區(qū)包括甘肅、新疆、青海、寧夏和陜西五?。ㄗ灾螀^(qū)）（73°—112°E，31°—50°N），主要試驗(yàn)區(qū)包括祁連山地形云人工增雨（雪）試驗(yàn)示范基地試驗(yàn)區(qū)（98°—104°E，36°—41°N）、天山地形云人工增雨（雪）試驗(yàn)示范基地試驗(yàn)區(qū)（80°—95°E，41°—45°N）、三江源地區(qū)人工增雨（雪）試驗(yàn)示范基地試驗(yàn)區(qū)（89.5°—102.5°E，31°—36°N）以及寧夏六盤山區(qū)水源涵養(yǎng)地試驗(yàn)區(qū)（105°—107°E，35°—37°N）等區(qū)域，如圖1所示。

圖1 開展研究試驗(yàn)的主要區(qū)域范圍Fig. 1 The experimental areas

1.3 主要研究內(nèi)容

1）利用長時(shí)間序列氣象臺站觀測資料和再分析資料，分析近50年來西北地區(qū)以及祁連山等對比試驗(yàn)降水量場的氣候特征和氣候變化規(guī)律；

2）利用地面觀測、探空觀測以及模式再分析資料，揭示旱澇年以及強(qiáng)降水天氣過程的環(huán)流異常特征，并用高分辨率模式資料分析主要試驗(yàn)區(qū)復(fù)雜地形條件下三維流場特征。

3）利用模式再分析資料結(jié)合探空觀測、衛(wèi)星遙感及觀測試驗(yàn)資料等，分析西北地區(qū)和試驗(yàn)區(qū)水汽場氣候及氣候變化特征，揭示西北地區(qū)和試驗(yàn)區(qū)強(qiáng)降水過程的水汽來源、通道、收支等氣候特征。

2 技術(shù)方法和資料

2.1 試驗(yàn)區(qū)降水場分析方法

利用西北地區(qū)近3年3000多國家站和區(qū)域站資料，分析了西北地區(qū)和4個(gè)試驗(yàn)區(qū)月、季、年降水量特征，得到4個(gè)試驗(yàn)區(qū)更加精細(xì)的降水量空間氣候特征；利用降水量小時(shí)觀測資料，分析了4個(gè)試驗(yàn)區(qū)春季和夏季降水日變化特征，給出了每個(gè)分區(qū)降水頻數(shù)和降水強(qiáng)度的日變化特征；分析了4個(gè)試驗(yàn)區(qū)強(qiáng)降水過程的逐小時(shí)演變特征。

2.2 試驗(yàn)區(qū)多源資料的精細(xì)化降水場融合方法

利用收集到的對比試驗(yàn)區(qū)復(fù)雜地形環(huán)境下的多種降水量資料，開展適用于對比試驗(yàn)區(qū)多源資料的精細(xì)化降水場融合分析方法研究，提供對比試驗(yàn)區(qū)連續(xù)可靠的精細(xì)化降水量客觀分析場。

地面臺站觀測是最準(zhǔn)確的降水量測量方式，對于單點(diǎn)而言，相比其他各類資料都有更好的精度和準(zhǔn)確度。針對該地區(qū)長時(shí)間的地面常規(guī)氣象站和近年來已有自動(dòng)氣象站降水量資料的各自特點(diǎn)，建立與之適應(yīng)的質(zhì)量控制算法。建立基于最優(yōu)插值（OI）框架的多源降水量資料融合算法（圖2），實(shí)現(xiàn)試驗(yàn)區(qū)復(fù)雜地形下多源降水資料的最優(yōu)融合分析，主要步驟如下：以試驗(yàn)區(qū)質(zhì)量控制后的高分辨率臺站資料作為瞄定觀測資料，基于累積概率密度函數(shù)（CDF）偏差訂正算法，對高分辨率衛(wèi)星降水資料和國家氣象信息中心格點(diǎn)降水融合分析資料（CMIC）的系統(tǒng)性偏差進(jìn)行估算，去除這些降水資料中的系統(tǒng)性偏差；基于觀測背景余差協(xié)方差估計(jì)算法，確定不同來源降水場資料在融合之前的觀測誤差量值分布、背景場誤差量值和分布，以及觀測誤差和背景場誤差的空間協(xié)相關(guān)參數(shù)；建立基于最優(yōu)插值（OI）框架，建立適應(yīng)復(fù)雜地形的精細(xì)化多源降水融合算法，引入時(shí)間平滑算子，更好地保障高頻降水信號在融合過程中的傳遞，通過最優(yōu)化后的融合關(guān)鍵參數(shù)的輸入，實(shí)現(xiàn)復(fù)雜地形下多源降水資料的最優(yōu)融合分析；在不同資料交叉的時(shí)段選取合適的時(shí)間窗口進(jìn)行系統(tǒng)行偏差訂正，針對不同資料源特征建立概率偏差訂正函數(shù)，通過訂正函數(shù)的延伸實(shí)現(xiàn)在不同時(shí)段區(qū)間內(nèi)的氣候態(tài)偏差的去除，保證整個(gè)歷史融合時(shí)段上融合降水分析場的連續(xù)和完整性，為該區(qū)降水場氣候評估分析提供可靠資料。

圖2 多源資料的精細(xì)化降水場融合分析技術(shù)流程Fig. 2 Technology flow of precipitation refinementintegration analysis from multi-source data

2.3 試驗(yàn)區(qū)氣流場分析方法

利用地面觀測、探空觀測以及模式再分析資料，分析西北地區(qū)以及主要試驗(yàn)區(qū)復(fù)雜地形下的環(huán)流場特征，給出該地區(qū)環(huán)流的月、季平均特征以及年際、年代際演變特征，揭示旱澇年以及強(qiáng)降水天氣過程的環(huán)流異常特征，并用高分辨率模式資料分析主要試驗(yàn)區(qū)復(fù)雜地形條件下三維流場特征。

2.4 建立試驗(yàn)區(qū)高分辨率氣流場三維氣候數(shù)據(jù)集

基于中尺度數(shù)值模式WRF3.7.1ARW模塊，模擬區(qū)域采用兩重單向嵌套，第一重水平分辨率9 km×9 km，第二重水平分辨率3 km×3 km，模式垂直分層35層，大氣底層垂直非均勻加密。采用全球格點(diǎn)再分析資料產(chǎn)品（CFSv2）及OISST海表面溫度來驅(qū)動(dòng)模式。運(yùn)用分析技術(shù)，將包括2400個(gè)氣象站及160余個(gè)探空資料站在內(nèi)的多源觀測數(shù)據(jù)有效融入模式驅(qū)動(dòng)場，提高模式初、邊條件質(zhì)量；在模式積分過程中，運(yùn)用觀測逼近（observation nudging）的同化技術(shù)，通過引入人工趨勢項(xiàng)，使模式輸出結(jié)果松弛逼近到觀測資料，分別將觀測站點(diǎn)信息、全球模式再分析（CFSv2）信息同化到模式模擬結(jié)果中，最終開發(fā)出我國3 km數(shù)據(jù)集（以下簡稱BCC_3km）。該數(shù)據(jù)集提供2006—2016年30余種氣候要素逐小時(shí)信息,近地層垂直分層細(xì)，其中200 m以下垂直間隔為10 m，模式外層覆蓋面積超過3000萬km，涵蓋我國陸地和海域以及“一帶一路”主要國家和地區(qū)。與MERRA2相比，50 m高度處BCC_3km各省平均風(fēng)速與測風(fēng)塔的實(shí)測風(fēng)速絕對值更接近，尤其在復(fù)雜地形地區(qū)區(qū)域BCC_3 km優(yōu)勢更加明顯，適合復(fù)雜地形大氣環(huán)流分析。

2.5 試驗(yàn)區(qū)水汽場分析方法

基于歐洲中期數(shù)值預(yù)報(bào)中心（ECMWF）和美國國家環(huán)境預(yù)報(bào)中心（NCEP/NCAR）高分辨率再分析資料結(jié)合探空觀測、衛(wèi)星遙感及觀測試驗(yàn)資料等，使用氣候統(tǒng)計(jì)診斷方法（空間場分解和時(shí)間序列譜分析等方法）以及水汽流函數(shù)和勢函數(shù)方法，分析近幾十年來西北地區(qū)及主要試驗(yàn)區(qū)水汽輸送（水汽源及水汽通道）和水汽收支（區(qū)域輸入、輸出量和總收支以及各邊界收支等）的空間分布和時(shí)間變化氣候特征，以及西北地區(qū)及主要試驗(yàn)區(qū)強(qiáng)降水過程的主要水汽來源和水汽輸送通道及區(qū)域和邊界水汽收支特征。

2.6 西北地區(qū)大氣水汽遙感數(shù)據(jù)集建立

相比于模式再分析資料和探空資料，衛(wèi)星遙感能獲得高空間分辨率的水汽資料。針對TERRA衛(wèi)星MODIS傳感器和風(fēng)云3號衛(wèi)星MERSI傳感器每天過境西北地區(qū)遙感反演的大氣水汽產(chǎn)品，利用地面探空儀、GPS和太陽光度計(jì)實(shí)測的大氣水汽量對衛(wèi)星遙感的水汽產(chǎn)品的精度進(jìn)行真實(shí)性檢驗(yàn)，并用探空儀和地基GPS實(shí)測的水汽量對衛(wèi)星遙感水汽產(chǎn)品進(jìn)行修訂。在此基礎(chǔ)上，由每天衛(wèi)星過境時(shí)5 min段的遙感水汽產(chǎn)品，制作合成了西北地區(qū)及其典型區(qū)域2000年2月—2019年1月MODIS遙感水汽月數(shù)據(jù)集和2010年2月—2019年1月MERSI遙感水汽月數(shù)據(jù)集。利用MERSI遙感水汽數(shù)據(jù)集，初步分析了西北地區(qū)和青藏高原地區(qū)水汽的空間分布特征、以及時(shí)間變化規(guī)律。

2.7 試驗(yàn)區(qū)地形云水汽場演變機(jī)理模擬分析

利用C W R F區(qū)域氣候模式（水平分辨率為30 km，垂直為36層）開展歷史氣候模擬（1979—2016年），提供西北地區(qū)高分辨率水汽場模擬數(shù)據(jù)集，據(jù)此分析西北地區(qū)水汽場變化特征及演變機(jī)理。主要步驟如下：利用ERA再分析資料強(qiáng)迫CWRF模式開展中國區(qū)域多物理配置集合歷史氣候模擬（1979—2016年）；結(jié)合地面觀測資料、衛(wèi)星遙感資料和再分析資料，分析CWRF模式對西北地區(qū)水汽場氣候背景、時(shí)空變化特征、水汽輸送和收支的模擬能力，研究水汽場變化的可能機(jī)理；研究CWRF模式西北地區(qū)水汽模擬對物理配置選擇（積云對流、云微物理過程、輻射方案等）的敏感性，分析物理配置選擇對水汽模擬影響的不確定性。

3 主要工作進(jìn)展

3.1 建立基礎(chǔ)數(shù)據(jù)集

數(shù)據(jù)集包括：中國地面氣象觀測基礎(chǔ)數(shù)據(jù)集，西北地區(qū)區(qū)域自動(dòng)氣象站降水?dāng)?shù)據(jù)集，中國區(qū)域多源資料融合分析數(shù)據(jù)集（CLDAS2.0），NCEP再分析數(shù)據(jù)集，ECMWF再分析數(shù)據(jù)集（ERA5），國家氣候中心高分辨率氣候資源數(shù)據(jù)集（BCC_3km），MODIS衛(wèi)星反演水汽資料，F(xiàn)Y3A/MERSI衛(wèi)星反演水汽資料。

3.2 開展了試驗(yàn)區(qū)降水場精細(xì)化分析

利用近3年西北地區(qū)所有氣象觀測站（包括3000個(gè)多國家站和區(qū)域站）資料，分析了西北地區(qū)和四個(gè)試驗(yàn)區(qū)月、季、年降水量特征，得到四個(gè)試驗(yàn)區(qū)更加精細(xì)的降水量空間氣候特征；利用降水量小時(shí)觀測資料，通過分區(qū)，分析了四個(gè)試驗(yàn)區(qū)春季和夏季降水日變化特征，給出了每個(gè)分區(qū)降水頻數(shù)和降水強(qiáng)度的日變化特征；分析了四個(gè)試驗(yàn)區(qū)強(qiáng)降水過程的逐小時(shí)演變特征。利用CLDAS2.0高分辨率多源資料融合分析數(shù)據(jù)集，分析了四個(gè)試驗(yàn)區(qū)降水近10年的降水場空間特征和氣候變化特征。

3.3 開展了試驗(yàn)區(qū)氣流場分析

利用NCEP再分析資料分析了西北地區(qū)以及祁連山、天山、三江源等對比試驗(yàn)區(qū)不同季節(jié)大氣環(huán)流的氣候特征，研究了多時(shí)間尺度水汽路徑特征；并根據(jù)觀測資料進(jìn)行了西北地區(qū)典型降水事件的劃分，完成了西北地區(qū)典型降水事件的環(huán)流形勢和主要環(huán)流系統(tǒng)普查。揭示了在氣候變暖的背景下，西北地區(qū)汛期降水的新特征，以及降水和大氣環(huán)流關(guān)系的年代際演變趨勢。揭示了西北試驗(yàn)區(qū)旱、澇年近地層大氣流場特征。研究了西北地區(qū)東部夏季降水與西太平洋副熱帶高壓位置和南部水汽輸送密切相關(guān)。利用國家氣候中心高分辨率模式模擬資料，對四個(gè)試驗(yàn)區(qū)典型降水過程的氣流場進(jìn)行了分析。

3.4 開展了試驗(yàn)區(qū)水汽收支情況分析

利用模式再分析資料分析了西北地區(qū)以及祁連山、天山、三江源和六盤山試驗(yàn)區(qū)年、季節(jié)和月尺度的水汽場的氣候特征。分析了西北區(qū)和四個(gè)試驗(yàn)區(qū)強(qiáng)降水過程水汽的主要來源和水汽收支情況。分析了西北及四個(gè)試驗(yàn)區(qū)季節(jié)尺度和年尺度水汽收支變化特征。利用區(qū)域氣候模式CWRF對西北地區(qū)和四個(gè)試驗(yàn)區(qū)水汽含量和水汽收支情況進(jìn)行了模擬研究。

3.5 開展了西北地區(qū)大氣水汽遙感反演

針對TERRA衛(wèi)星MODIS傳感器和風(fēng)云3號衛(wèi)星MERSI傳感器每天過境西北地區(qū)遙感反演的大氣水汽產(chǎn)品，利用地面探空儀、GPS和太陽光度計(jì)實(shí)測的大氣水汽量對衛(wèi)星遙感的水汽產(chǎn)品的精度進(jìn)行真實(shí)性檢驗(yàn)，并用探空儀和地基GPS實(shí)測的水汽量對衛(wèi)星遙感水汽產(chǎn)品進(jìn)行修訂。基于訂正后的MERSI月水汽含量數(shù)據(jù)集（2010年2月—2016年7月），對西北地區(qū)水汽旱澇時(shí)空特征進(jìn)行了分析。

4 主要成果和結(jié)論

4.1 試驗(yàn)區(qū)降水場時(shí)空特征刻畫更加精細(xì)

收集的西北試驗(yàn)區(qū)區(qū)域站（2931個(gè)）是國家站（186個(gè)）的15倍，用于揭示西北試驗(yàn)區(qū)降水場的精細(xì)化時(shí)空特征（表1）。

表1 四個(gè)試驗(yàn)區(qū)國家站和區(qū)域站站數(shù)Table 1 The quantity of national stand and regionalstations in the experimental areas

利用區(qū)域站觀測資料（2016—2018年）分析了四個(gè)試驗(yàn)區(qū)的年、季節(jié)和逐月的精細(xì)化降水場分布特征。結(jié)果表明：區(qū)域自動(dòng)站資料的使用能夠更精細(xì)地刻畫出試驗(yàn)區(qū)降水的時(shí)間變化特征和空間分布特征，能有效提高人們對山區(qū)天氣和氣候背景條件的認(rèn)識，對西北地區(qū)人工影響天氣作業(yè)有重要參考價(jià)值。下圖舉例給出天山試驗(yàn)區(qū)氣象站點(diǎn)分布以及年降水空間分布特征（圖3和圖4）。

圖3 天山試驗(yàn)區(qū)國家站、區(qū)域站分布圖（紅點(diǎn)為國家站，藍(lán)點(diǎn)為區(qū)域站）Fig. 3 The distribution of observation stations in Tianshan area (red dot: national station, blue dot: regional station)

圖4 天山試驗(yàn)區(qū)年平均降水分布特征（單位：mm）Fig. 4 Spatial distribution of annual mean precipitation in Tianshan area (unit: mm)

利用區(qū)域自動(dòng)站小時(shí)降水觀測資料，對四個(gè)試驗(yàn)區(qū)降水的日變化特征進(jìn)行了分析，包括降水日變化的空間特征、降水在日內(nèi)不同時(shí)間出現(xiàn)的頻率和強(qiáng)度分布特征等（圖5）。對四個(gè)試驗(yàn)區(qū)典型降水過程進(jìn)行詳細(xì)分析。研究表明，利用高密度區(qū)域站小時(shí)資料，能夠細(xì)致地刻畫出強(qiáng)降水過程時(shí)間、空間演變特征，可以為人工影響天氣有效作業(yè)提供天氣背景特征。

圖5 六盤山試驗(yàn)區(qū)空間分區(qū)（a）、夏季降水強(qiáng)度（b）和夏季降水頻率（c）日變化Fig. 5 Topographic map and distribution (a), precipitationintensity (b) and daily precipitation frequency (c) inLiupanshan area

4.2 多源降水資料融合分析方法更加有效

利用全球降水觀測（Global Precipitation Measurement，GPM）數(shù)據(jù)集，開展了基于逐小時(shí)分辨率資料的CDF偏差訂正算法研制，完善了針對逐小時(shí)降水資料的CDF訂正算法。試驗(yàn)結(jié)果表明，新的變分位數(shù)CDF偏差訂正算法能更好地適應(yīng)小時(shí)降水?dāng)?shù)據(jù)隨機(jī)性強(qiáng)的特點(diǎn)，并且能更好地滿足不同網(wǎng)格點(diǎn)上降水資料量空間分布差異的影響，相比傳統(tǒng)CDF方法，其對模式降水?dāng)?shù)據(jù)的誤差有更好的訂正效果（圖6），訂正后的模式降水的整體偏差更接近為0。

圖6 采用不同分位數(shù)（a為100分位，b為500分位，c為2000分位）進(jìn)行偏差訂正后得到的CDF曲線（藍(lán)色：觀測，紅色：訂正前的模式結(jié)果，黃色：訂正后的模式結(jié)果）Fig. 6 The CDF curves of gauge observations (blue), model simulations before bias correction (red) and modelsimulations after bias corrections(yellow) using different quantiles (a: 100 quantile points, b: 500 quantile points, c: 2000 quantile points)

采用最優(yōu)融合算法對GPM衛(wèi)星降水和臺站降水進(jìn)行融合分析。圖7給出了2018年7月28日04時(shí)的降水分布，可以看到，GPM降水、CDF訂正降水、融合分析降水和CMIC降水產(chǎn)品刻畫的空間分布都保持了很好的一致性。而臺站降水在西部地區(qū)有一個(gè)較明顯的降水中心，在其他降水資料中都沒有體現(xiàn)。由于CMIC降水產(chǎn)品融合了雷達(dá)和臺站降水，GPM降水是衛(wèi)星從高空探測的反演，這兩個(gè)產(chǎn)品在該地區(qū)都沒有反演出降水，可能表示此時(shí)臺站降水體現(xiàn)的可能是一個(gè)虛假中心。而這個(gè)虛假中心，在我們的融合算法中沒有通過檢驗(yàn)，因此在最后的融合分析降水中沒有體現(xiàn)。這一結(jié)果也表明該小時(shí)融合降水算法對西北地區(qū)這種高頻降水資料是有效的。

圖7 2018年7月28日06時(shí)三江源地區(qū)GPM降水（a）、CDF訂正降水（b）、臺站降水（c）、融合分析降水（d）和CMIC降水（e）產(chǎn)品的空間分布Fig. 7 The spatial distribution of GPM precipitation (a),CDF corrected precipitation (b), gauge precipitation(c), merged analysis precipitation (d), and CMICprecipitation (e) over the Sanjiangyuan region at06:00 BT 28 July 2018

4.3 影響西北地區(qū)降水的主要流場特征

對西北地區(qū)高空氣流場研究表明，西北地區(qū)高空主要受兩支氣流控制：一支是沿天山山脈自西向東的西風(fēng)氣流，一支是從高原西和高原南側(cè)的爬流，自西向東控制整個(gè)高原及以東地區(qū)。西北地區(qū)水汽輸送路徑主要有三支（圖8）：一是來自西風(fēng)帶并沿青藏高原北側(cè)的西風(fēng)水汽輸送；二是來自孟加拉灣或印度洋地區(qū)的西南或偏南風(fēng)水汽輸送，該支水汽在青藏高原東南側(cè)沿高原向北輸送至西北；三是西太平洋副熱帶高壓西側(cè)的東南風(fēng)水汽輸送，當(dāng)副高偏西時(shí)，該支水汽輸送也可到達(dá)西北地區(qū)。自20世紀(jì)80年代后期以來，西北地區(qū)汛期降水呈現(xiàn)年代際增長的趨勢。滑動(dòng)相關(guān)分析結(jié)果表明（圖9），近十多年盛夏西北太平洋副熱帶高壓位置偏北偏西，引導(dǎo)西太平洋副熱帶高壓外圍水汽向西北地區(qū)東部輸送，來自西北南邊界的水汽增強(qiáng)，導(dǎo)致西北地區(qū)東部盛夏降水偏多。

圖8 盛夏（7—8月）降水量與700hPa的水汽輸送和500hPa高度場相關(guān) Fig. 8 The correlation between the midsummer (July andAugust) precipitation and the water vapor transport of700 hPa and the geopotential height field of 500 hPa

圖9 盛夏（7—8月）降水與700hPa南邊界（31°N，105—112°E）經(jīng)向水汽輸送滑動(dòng)相關(guān)系數(shù)Fig. 9 The running correlation eきcient between themidsummer (July and August) precipitation and themeridional vapor transport at southern boundary(31°N, 105°-112°E) at geopotential height of 700 hPa

4.4 試驗(yàn)區(qū)旱、澇年以及強(qiáng)降水過程近地層大氣流場特征

西北地區(qū)降水主要集中在夏季，澇年天山試驗(yàn)區(qū)大氣低層盛行偏北風(fēng)南側(cè)為東風(fēng)，六盤山、祁連山、三江源主要受高原抽吸作用在低層形成的輻合氣流所控制，主要表現(xiàn)為高原四周大氣向高原地表輻合；旱年天山試驗(yàn)區(qū)大氣低層盛行偏北風(fēng)，但南側(cè)東風(fēng)偏強(qiáng)，高原上及高原東側(cè)為偏北風(fēng)所控制，高原南側(cè)盛行偏東風(fēng)，高原地表不存在大范圍顯著的輻合區(qū)。六盤山、祁連山、三江源三試驗(yàn)區(qū)為干冷的偏北風(fēng)所控制，不利于試驗(yàn)區(qū)成云降水。

分別挑選天山、祁連山、六盤山及三江源2006—2016年極端降水事件，運(yùn)用高分辨率數(shù)據(jù)分析上述極端事件發(fā)生過程中大氣底層精細(xì)化流場演變。2007年7月17日，新疆天山日累積降水量達(dá)13.35 mm，為2000年以來最高。降水期間，沿天山山脈有明顯邊界層輻合帶。2009年8月17—18日，祁連山日累計(jì)降水量達(dá)19.57 mm，為1981年以來最高。降水期間，沿祁連山山脈有明顯邊界層輻合帶。2013年6月20日，六盤山日累計(jì)降水量達(dá)48.91 mm，為2010年以來次高。在六盤山中東部山區(qū)有明顯邊界層輻合帶。三次極端降水事件大氣底層精細(xì)化流場輻合區(qū)空間分布與山脈走向密切相關(guān)，這表明天山、祁連山和六盤山在上述三次極端降水事件提供重要的動(dòng)力作用。

4.5 西北試驗(yàn)區(qū)水汽特征

利用再分析資料對四個(gè)試驗(yàn)區(qū)水汽含量季節(jié)分布特征和年際變化特征分析表明，西北及四個(gè)試驗(yàn)區(qū)水汽含量夏季（7月）最多，其次是秋季和春季，冬季最少。比較四個(gè)區(qū)年平均和月平均水汽含量來看，六盤山年均和月均水汽含量最多，分別為122 mm和10.2 mm，其次是天山，分別為110.5 mm和9.2 mm，祁連山分別為94.4 mm和7.9 mm，三江源最少，分別為94.4 mm和6.2 mm。利用多年再分析資料分析表明，西北地區(qū)及四個(gè)試驗(yàn)區(qū)年均水汽含量近幾十年呈現(xiàn)出上升的趨勢。

基于訂正后的衛(wèi)星遙感資料，對西北地區(qū)水汽含量時(shí)空特征進(jìn)行了分析表明，西北地區(qū)的水汽含量東南部最高、西北部次之、中南高原區(qū)域的水汽量最低；西北地區(qū)水汽量的季節(jié)性變化明顯，冬季最低、春季較低、夏季最高、秋季次高。

本研究揭示了西北試驗(yàn)區(qū)水汽收支年際和季節(jié)變化特征分析。西北、三江源和六盤山全年是正的凈水汽收支，天山全年基本處于負(fù)的水汽收支，祁連山表現(xiàn)出明顯的上升趨勢（圖10）。西北地區(qū)、祁連山、三江源和六盤山夏季凈水汽收支最大，天山夏季凈水汽收支最少，呈負(fù)的水汽收支。西北、天山、三江源和六盤山夏季的凈水汽收支主要是經(jīng)向水汽輸送的貢獻(xiàn)，祁連山是緯向水汽輸送的貢獻(xiàn)，其他季節(jié)經(jīng)向和緯向輸送的貢獻(xiàn)相當(dāng)。

圖10 1979—2018年平均水汽收支（單位：106kg/s）Fig. 10 The time series of the water vapor budgetfrom 1979 to 2018

對西北試驗(yàn)區(qū)強(qiáng)降水過程的水汽來源分析表明，祁連山和六盤山的水汽主要源自西風(fēng)帶、北冰洋的水汽輸送和南海及西北太平洋的水汽輸送；天山的水汽主要源自西風(fēng)帶和北冰洋的水汽輸送；三江源的水汽主要源自阿拉伯海—孟加拉灣—南海的西南風(fēng)和東南風(fēng)水汽輸送。

對西北試驗(yàn)區(qū)強(qiáng)降水過程的水汽收支分析表明（圖略），祁連山和三江源地區(qū)強(qiáng)降水的發(fā)生主要是緯向水汽收入的貢獻(xiàn)，六盤山地區(qū)強(qiáng)降水的發(fā)生主要是經(jīng)向水汽收入的貢獻(xiàn)，天山地區(qū)緯向和經(jīng)向水汽輸入對強(qiáng)降水的發(fā)生都起了相當(dāng)?shù)恼暙I(xiàn)。