黄河源区中雨近地面水汽输送特征及路径分析

康倍铭，杨佳泉，余化龙，吴丹华，魏加华*

(1.青海大学水利电力学院，青海 西宁 810016； 2.黄河上游生态保护和高质量发展实验室，青海大学，青海 西宁 810016)

全球气候变化背景下，降水、气温等水文气象因子均发生了不同程度的改变。黄河源区径流主要由降水产生，占源区总径流来源的95.9%[1]，前期降水变化势必会引起后期径流的改变。近年来，黄河源区最大无降雨天数开始减少，平均日降水强度和中雨天数开始增多[2]。随着中雨天数的增多，源区径流量发生变化，对当地生态环境、河道径流等带来影响。因此，研究黄河源区中雨近地面水汽来源及分布特征对保护黄河源区生态环境、推动黄河流域中下游地区高质量发展和生态保护具有重大意义。

近年来越来越多的学者将焦点转向黄河源区，开展降水、径流及其驱动因素的研究。王可丽等[3]对江河源区降水的年际变化和水汽分布特征进行了研究，结果表明近10年来黄河源区的降水有减少的趋势；权晨等[4]分析了三江源水汽输送路径和分布特征，指出三江源夏季水汽来源主要有两条，分别为西风控制下的西部路径和起源于索马里海域的跨赤道输送路径；张荣刚等[5]对2017年秋季黄河源区连阴雨的形成原因及过程进行了分析，认为南下的冷空气与来自太平洋副热带高压的暖湿气流在黄河源区上空交汇，导致了连阴雨的形成。以上研究主要是通过欧拉法，即计算水汽环流特征、势函数等物理量来表征源区水汽输送特征、降水与高程效应、雨滴谱特征等，对于区域大气风场位置、水汽通量的数值、不同水汽输送路径对源区降水的贡献率研究相对不足。

本文采用基于拉格朗日轨迹模型HYSPLIT 4.9[6]追踪水汽团运动，对水汽迹线进行模拟和聚类，分析水汽来源、水汽路径和通道的贡献率。利用2012—2016年NCEP/NCAR 0.75°×0.75°三维风场再分析数据和黄河源区地面气象站点的降水数据，研究黄河源区中雨近地面水汽输送特征及其路径，评估不同输送路径对源区降水的贡献率，研究结果对认识黄河源区水汽来源及其对源区生态保护、黄河上游来水预测具有参考价值。

1 数据处理

1.1研究区域黄河源区位于青藏高原东北部(95°50′E～103°28′E，32°12′N～35°48′N)，处于高原辐合线延长处的鞍形区，气候与降水受中纬度西风带和西南季风影响显著。流域面积接近12.2万km2，约占黄河流域总面积的15%，是黄河的主要产流区。区内干湿两季分明，降水有明显的季节性，降水主要集中于7—9月。黄河源区多年平均径流量205亿m3，约占黄河径流总量的34.4%[7-9]。

图1 气象站点分布图Fig.1 Distribution of weather stations

1.2数据来源及筛选选取2012—2016年为研究时段，气象资料来自NCEP/NCAR三维风场再分析数据，空间分辨率为0.75°×0.75°，时间分辨率为6 h，高度共有17个气压层，水汽追踪的起始高度为1 000、2 000、3 000 m AGL(距地高度)。降雨数据来自中国气象局气象数据中心的中国地面气候资料日值数据集(V3.0)中黄河源区达日、果洛、河南、久治、玛多和兴海6个站点(图1)。

据中国气象局对降水等级的划分[10]，筛选黄河源区2012—2016年中雨降水日0000UTC作为追踪轨迹的起始时间，各站点中雨降水主要集中在5—10月，中雨降水总天数累计358 d。

2 研究方法

2.1轨迹模型HYSPLIT4.9简介轨迹模型HYSPLIT 4.9是由NOAA的空气资源实验室ARL和澳大利亚墨尔本气象研究中心基于拉格朗日法研发的，该轨迹模型在多种气象条件、多重物理过程下，可以找到不同类型污染物来源，并对污染物在输送过程中的扩散、沉降等进行分析，广泛用于气团运动、污染物扩散和水汽输送研究[11-16]。轨迹模型HYSPLIT 4.9有两种模式：前向轨迹和后向轨迹，其中后向轨迹是指追踪选定的气团运动至目标站点前的轨迹。其分析气团运动轨迹的思路是假定气团随风场运动，对风场进行时间和空间上的积分，得到的轨迹为气团的运动路径。以气团在一个时间步长内的运动为例，气团的最终位置是通过计算从初始位置(P)到第一猜测位置(P′)间平均速度得到的，具体表达式[17]如下：

气团的第一猜测位置：

P′(t+Δt)=P(t)+v(P，t)Δt

(1)

气团的最终位置:

P(t+Δt)=P(t)+0.5×[v(P，t)+v(P′，t+Δt)]Δt

(2)

式中：Δt为时间步长，Δt<0.75μmax，μmax为最大风速，本文取Δt=6 h。

2.2聚类分析为了直观分析每条路径的水汽分布特征，需对追踪模拟得到的迹线进行聚类。聚类时，引入了簇分析法，即依据两条迹线间空间方差最小的原则合并成簇。具体方法为假设所有迹线相互独立，开始时空间方差为0，计算迹线合并成簇的方差，选择空间方差最小的两条迹线进行合并。聚类后发现，开始合并迹线时，聚类空间方差增长率TSV迅速增大，之后增速变缓，进一步合并后，TSV发生剧变，说明合并的两迹线相似度较低。将TSV发生突变的前一个时间点作为迹线聚类成簇的结束点，得到的簇为最终簇[18]。

2.3源地水汽输送贡献率水汽从源地蒸发，向降水区运动时，一部分水汽会以再蒸发、沉降等形式散失，多次重复后，输送的水汽对某地区降水的贡献率将会越来越小。

定义某源地输送的水汽对某地区降水的输送贡献率[19]为：

式中：qlast表示气团最终位置的比湿，m表示各水汽源地的轨迹数，n表示水汽轨迹总数。

图2 6个气象站点中雨降水量统计图Fig.2 Statistics of moderate rain precipitation of 6 weather stations

3 黄河源区水汽来源路径分析

3.12012—2016年黄河源区中雨平均降水量统计黄河源区6个气象站点在2012—2016年的中雨平均降水量(图2)。图2中第一阶段代表一天中20：00至翌日8：00，第二阶段代表一天中8：00至当日20：00，每个阶段时间步长均为12 h。由图2可知，每个气象站点第一阶段降水量均高于第二阶段降水量。此外，不同气象站点间的第一阶段降水量和第二阶段降水量相差均为1 mm左右，气象站点间的两阶段总降水量相差较小。虽然，黄河源区面积较大，但本文选取的气象站点的降水量受地形因素等影响较小，说明能以6个气象站点的水汽分布特征近似描述源区的水汽分布。

图3 2012—2016年黄河源区中雨水汽来源路径模拟Fig.3 Simulation of water vapor source paths of moderate rain in the source region of the Yellow River from 2012 to 2016

3.2 2012—2016年黄河源区中雨水汽输送路径分析

基于地面气象站点降水观测数据，利用轨迹模型HYSPLIT 4.9对形成黄河源区中雨降水的水汽后向追踪240 h(图3)。图3中红色区域为黄河源区，蓝色线条表示源区6个站点、3个起始高度上形成中雨的水汽轨迹，模拟水汽迹线数1 074条。由图3可知，黄河源区中雨降水的水汽来自黄河源区西北、西南、东南、东北、东部、西部、南部和北部，其中西北、西南方向水汽迹线居多，粗略说明来自这两个方向的水汽对源区中雨降水的贡献程度较大。

为清楚各水汽输送路径的分布特征及对源区中雨降水的贡献程度，6个站点均以迹线起始高度1 000 m(AGL)为例，对迹线进行聚类，追踪水汽源地，确定水汽路径。

达日站追踪起始高度1 000 m(AGL)，通过聚类气团运动迹线，得到5条水汽输送通道(图4a)，可分为西北路径、东北路径、东南路径和西南路径。西北路径为5号通道，源自巴基斯坦与塔吉克斯坦交界处，沿着昆仑山脉输送到源区上空，贡献率为17%。东北路径为2号通道，水汽贡献率为24%。东南路径为4号通道，水汽贡献率为9%。西南路径由1号、3号水汽通道组成，1号通道源自伊诺瓦底江附近，贡献率为21%。3号通道源自印度洋，途径孟加拉湾和缅甸，水汽贡献率为29%，是所有水汽通道中贡献率最大的一支。

果洛站追踪起始高度1 000 m(AGL)，聚类得到6条水汽输送通道(图4b)，分为西北路径、东南路径、偏西路径和西南路径。组成西北路径的6号通道源自新疆北部，绕过祁连山，从北部进入降水区，贡献率为11%。东南路径是水汽贡献率为34%的2号通道，源自长江中下游平原。偏西路径为1号通道，水汽贡献率为8%，源自帕米尔高原南部。西南路径中的3号、4号通道的水汽在缅甸合流，总贡献率为25%；5号通道水汽贡献率为22%，源自缅甸。

河南站追踪起始高度1 000 m(AGL)，聚类得到4条水汽输送通道(图4c)，可分为西北路径、东南路径和西南路径三条路径。西北路径为1号通道，源自伊犁河流域，穿过塔里木盆地，沿着昆仑山脉到达降水区，贡献率为21%；东南路径的2号通道与果洛站2号通道的输送路径相似，对源区降水的贡献程度最大，达到了52%。西南路径由3号、4号通道组成，4号通道运动至老挝上空时，受到东南季风的影响，方向转为向北，并在横断山脉处与3号水汽通道的水汽合拢，随后到达源区上空。

久治站追踪起始高度1 000 m(AGL)，气团运动迹线聚类后，得到了7条水汽输送通道(图4d)，主要分为西北路径、东南路径、偏东路径和西南路径。西北路径的为6号通道，东南路径是4号通道，分别源自巴尔喀什湖附近、南海附近，两者的水汽贡献率均为9%。偏东路径是水汽贡献率为33%的3号通道，源自华北平原中部，绕过中部的秦岭等山脉，到达源区上空。西南路径中的1号和2号水汽通道与河南站西南水汽通道的起始点和途径地域相同，但对源区中雨降水的水汽贡献率不同，还有一条源自印度西北部、贡献率为5%的5号通道。

玛多站追踪起始高度1 000 m(AGL)，迹线聚类得到5条水汽输送通道(图4e)，分为西北路径、偏北路径、偏东路径等4条水汽输送路径。西北路径为源自哈萨克斯坦的1号通道，途径天山山脉，沿着昆仑山脉到达降水区，贡献率为10%；偏北路径和偏东路径分别为5号通道、2号通道。西南路径由3号、4号通道组成，3号通道源自斯里兰卡东部，进入缅甸后，与源自当地的4号通道共同携水汽进入降水区，两者贡献率分别为28%、21%。

兴海站追踪起始高度1 000 m(AGL)，通过迹线聚类得到了7条水汽输送通道(图4f)，西北路径为7号通道，源自哈萨克斯坦，向东运动时，在受到戈壁阿尔泰山的阻挡之后，向南进入黄河源区，贡献率为9%。偏西路径和偏北路径分别为5号、6号通道，对源区降水的贡献率均为5%。偏东路径的水汽贡献率最大，为42%；东南路径源自南海西部，在东南季风作用下运动至源区，贡献率为9%。西南路径由3号、4号水汽输送通道组成，3号通道源自缅甸海岸，4号通道源自印度洋，水汽贡献率分别为26%和5%。

图4 起始高度1 000 m，各站点水汽输送通道的三维空间分布和水汽贡献率Fig.4 Three-dimensional distribution and contribution rate of water vapor transport paths at each station at an initial height of 1 000 m

3.3 2012—2016年黄河源区中雨水汽输送路径聚类分析

利用轨迹模型HYSPLIT 4.9聚类6个气象站点在1 000、2 000、3 000 m起始高度上的气团运动迹线，得到不同气象站点水汽输送路径及贡献率(表1)。

表1 不同气象站点水汽来源路径的贡献率

不同起始高度水汽输送路径对黄河源区中雨降水的贡献率见图5。

图5 不同起始高度水汽输送路径对黄河源区中雨降水的贡献率Fig.5 Contribution rate of water vapor transport paths at different initial heights to the precipitation of moderate rain in the source region of the Yellow River

通过分析黄河源区不同气象站点水汽路径的贡献率(图5)可知，黄河源区起始高度1 000 m(AGL)，水汽主要来自西南路径、西北路径和东部路径，水汽贡献率分别为35.1%、18.4%和19.4%；黄河源区起始高度2 000 m(AGL)，水汽主要来自西南路径、西北路径和偏东路径，水汽贡献率分别为36.0%、23.2%和14.2%；黄河源区起始高度3 000 m(AGL)，水汽主要来自西南路径、西北路径和偏西路径，水汽贡献率分别为37.6%、35.3%和16.7%。各气象站点、各起始高度的水汽来源中，起源于印度洋和孟加拉湾附近的西南路径及起源于中亚和巴尔喀什湖附近的西北路径对黄河源区中雨降水贡献程度较大，两条路径的总贡献率在50%以上，且西南路径的水汽贡献率大于西北路径。

综上可得：在中纬度西风和西南季风影响下，西北路径和西南路径输送的水汽对黄河源区的中雨降水贡献率较大，与其他基于再分析资料得到的结果基本相同[20-24]。

除此之外，通过分析各气象站点、各起始高度上迹线的三维空间分布特征后发现，西北路径和偏西路径的气团大部分均来自较高层，而西南路径、东南路径等路径的气团则主要来自于中低层。西北路径和偏西路径的干冷气团在向源区的运动过程中不断下沉，与其他路径的暖湿气团合拢后被抬升，最终冷暖气团在黄河源区上空交汇形成降雨。

4 讨论与结论

本文利用拉格朗日轨迹模型HYSPLIT 4.9对黄河源区中雨近地面水汽输送迹线进行模拟和聚类，定量分析了黄河源区中雨近地面水汽来源、路径及不同路径水汽对源区降水贡献率。通过水汽迹线模拟、聚类和水汽输送路径贡献率分析，8条水汽输送路径对黄河源区中雨近地面降水贡献率不一，其中西南路径和西北路径贡献率较大，对源区中雨降水起着主导作用，与张宇等[24]对三江源雨季水汽输送进行EOF分解得到的结论基本一致。统计黄河源区6个气象站点中雨降水的时间分布并结合权晨等[4]对三江源水汽来源的研究，中雨降水主要集中于每年7月和8月，此时印度洋季风比中纬度西风强盛，从孟加拉湾—阿拉伯海附近携带至源区的水汽更多，致使西南路径水汽贡献率更大，与本文分析8条水汽输送路径贡献率得到的结论一致，即西南路径贡献率大于西北路径。由此可知，拉格朗日轨迹模型在分析水汽来源及分布特征方面准确性较高，对认识黄河源区水汽来源和降水规律、预测上游来水等具有重要参考价值。本研究方法和数据仍然存在一定的局限性，下一步研究将考虑水汽输送迹线在最终位置的比湿以及采用高分辨率格点降水数据，进一步追踪水汽输送特征。

Feng等[25]研究表明，不同来源的数据在经过模拟、计算后得到的结果可能存在一定的差异，但整体不会影响最终结论。除此之外，气象站点可能存在数据缺测、站点偏移等问题，对最后的结果也会有一定的影响。