程浩秋 魏江峰 宋媛媛 單昱峰

引用格式：程浩秋，魏江峰，宋媛媛，等，2023.2022年夏季長(zhǎng)江流域干旱的水循環(huán)模擬和分析［J］.大氣科學(xué)學(xué)報(bào)，46（6）：813-824.

Cheng H Q，Wei J F，Song Y Y，et al.，2023.Simulation and analysis of the water cycle in the Yangtze River basin drought in summer 2022［J］.Trans Atmos Sci，46（6）：813-824.doi：10.13878／j.cnki.dqkxxb.20230323001.（in Chinese）.

*聯(lián)系人，E-mail：jwei@nuist.edu.cn

2023-03-23收稿，2023-05-25接受

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2022YFF0801603）

摘要? 基于WRF-WVT水汽追蹤模式，對(duì)2022年6—8月長(zhǎng)江流域極端干旱情況下的水循環(huán)進(jìn)行模擬研究，分析了長(zhǎng)江流域蒸散發(fā)對(duì)長(zhǎng)江流域局地和非局地降水的影響。結(jié)果表明，2022年夏季干旱導(dǎo)致長(zhǎng)江中下游陸地水儲(chǔ)量在5—8月期間減少100～150 mm。6—8月長(zhǎng)江流域約45％的蒸散發(fā)在當(dāng)?shù)睾腿A北形成降水，其中6月長(zhǎng)江流域蒸散發(fā)主要貢獻(xiàn)當(dāng)?shù)亟邓?，?、8月對(duì)當(dāng)?shù)睾腿A北降水的貢獻(xiàn)大致相等。6—8月長(zhǎng)江流域蒸散發(fā)貢獻(xiàn)的當(dāng)?shù)亟邓鹪聹p少，總量為8.2×107 m3（長(zhǎng)江流域平均91.2 mm），并且降水強(qiáng)度越高當(dāng)?shù)卣羯l(fā)貢獻(xiàn)率越小，對(duì)當(dāng)?shù)亟邓暙I(xiàn)最大的區(qū)域?yàn)樗拇ㄅ璧馗浇ㄗ畲蟪^40％）。長(zhǎng)江流域蒸散發(fā)為華北提供的降水在6—8月先增多后小幅度減少，總量為5.3×107 m3（華北平均58.4 mm），并且降水強(qiáng)度越高長(zhǎng)江流域蒸散發(fā)貢獻(xiàn)率越大。2022年夏季長(zhǎng)江流域蒸散發(fā)對(duì)當(dāng)?shù)睾腿A北地區(qū)暴雨的貢獻(xiàn)率都為12％左右。

關(guān)鍵詞長(zhǎng)江流域;干旱;降水;水循環(huán);水汽追蹤

水循環(huán)是海洋、陸地和大氣之間相互作用過程中最活躍且最重要的樞紐之一（蘇布達(dá)等，2020），對(duì)全球氣候和生態(tài)環(huán)境變化起著至關(guān)重要的作用。國(guó)際政府間氣候變化專門委員會(huì)（IPCC）第六次評(píng)估報(bào)告指出，全球變暖的背景下，全球干旱事件的頻率和強(qiáng)度呈上升趨勢(shì)，而極端干旱事件更加頻繁。同時(shí)，氣候變暖將導(dǎo)致潛在蒸發(fā)和極端降水增加、水循環(huán)增強(qiáng)（Milly et al.，2002;Kramer et al.，2015;IPCC，2021;符淙斌和馬柱國(guó)，2023）。這種趨勢(shì)將對(duì)人類健康和生產(chǎn)生活產(chǎn)生負(fù)面影響，包括增加疾病發(fā)病率、造成水資源短缺并導(dǎo)致巨大經(jīng)濟(jì)損失（Yusa et al.，2015;黃存瑞和劉起勇，2022;朱飆等，2023）。

降水作為水循環(huán)的重要一環(huán)，其水汽來源一直受到學(xué)者們的關(guān)注（Stohl and James，2004;Gimeno et al.，2010）。用于確定降水的水汽來源區(qū)域和輸送路徑的方法有多種，主要包括同位素分析法、大氣數(shù)值模式、分析水汽通量圖和拉格朗日模型。同位素分析法用于確定降水事件水汽源匯，同位素信號(hào)的靈敏度對(duì)結(jié)果有較大影響，以及其成本較高限制了該方法的廣泛應(yīng)用（Gimeno et al.，2010）?；跉W拉方法的大氣數(shù)值模式模擬的水汽通量和通量散度也可以作為判定水汽輸送特征的依據(jù)（許建玉等，2014）。由于水汽通量受到瞬變風(fēng)場(chǎng)的影響，由水汽通量圖不能得到準(zhǔn)確的水汽源匯區(qū)信息（Stohl and James，2004）。拉格朗日數(shù)值模式通過對(duì)氣塊運(yùn)動(dòng)軌跡的模擬，來精準(zhǔn)確定水汽的來源，又稱為反向追蹤（Stohl and James，2004;Stein et al.，2016）。相較于以上幾個(gè)方法，將水汽追蹤（WVT）嵌入到天氣研究與預(yù)報(bào)模式中的方法（又稱為正向追蹤），它詳細(xì)考慮了影響大氣水分的所有物理過程，保證了對(duì)降雨水分來源的嚴(yán)格分析，具有很高的精度，該方法可以直接標(biāo)定水汽源地對(duì)水汽進(jìn)行追蹤，能夠精準(zhǔn)模擬標(biāo)定區(qū)域?qū)χ苓厖^(qū)域降水的貢獻(xiàn)，并顯著提高了對(duì)小尺度水文周期特征的再現(xiàn)能力，是診斷降水（特別是極端降水事件）水分來源的更好選擇，且水汽來源估計(jì)的誤差幾乎完全來自WRF模型解的誤差，而不是WVT方法本身（Insua-Costa and Miguez-Macho，2018;Gao et al.，2020;Insua-Costa et al.，2022）。學(xué)者們已經(jīng)將該方法進(jìn)行廣泛應(yīng)用，比如對(duì)湖泊蒸散發(fā)追蹤并探究其對(duì)暴風(fēng)雪的影響（Insua-Costa and Miguez-Macho，2018），青藏高原降水再循環(huán)率研究（Gao et al.，2020），植被蒸騰作用對(duì)極端降雨的貢獻(xiàn)（Insua-Costa et al.，2022）等。

長(zhǎng)江流域是我國(guó)經(jīng)濟(jì)最發(fā)達(dá)的地區(qū)之一，也是重要的水資源供給區(qū)域。2022年夏季，包括長(zhǎng)江流域在內(nèi)的中國(guó)中東部地區(qū)（100°～123°E，24°～36°N）出現(xiàn)了數(shù)量顯著偏多的極端高溫干旱事件（孫博等，2023）。多地水庫出現(xiàn)了庫容“汛期反枯”的罕見現(xiàn)象。因此，厘清長(zhǎng)江流域蒸散發(fā)產(chǎn)生的水汽對(duì)當(dāng)?shù)睾椭苓叺貐^(qū)降水的貢獻(xiàn)，對(duì)于深入了解2022年夏季高溫干旱事件對(duì)長(zhǎng)江流域水循環(huán)的影響具有重要意義。華北人口密集大，是中國(guó)重要的政治經(jīng)濟(jì)中心及工農(nóng)業(yè)基地，且華北處于長(zhǎng)江流域周邊。因此本文選取2022年夏季長(zhǎng)江流域干旱為例，基于WRF-WVT模式，研究高溫干旱情形下長(zhǎng)江流域水循環(huán)過程及蒸散發(fā)對(duì)當(dāng)?shù)丶叭A北降水的影響。研究對(duì)提高長(zhǎng)江流域水循環(huán)的認(rèn)識(shí)，合理利用水資源具有十分重要的現(xiàn)實(shí)意義。

1? 模式、數(shù)據(jù)和方法

1.1? 模式簡(jiǎn)介及其試驗(yàn)方案設(shè)計(jì)

本研究采用了嵌入新的水汽標(biāo)記工具（Water Vapor Tracer，WVT）的Weather Research and Forecasting Model （WRF）4.3.3版本，簡(jiǎn)稱WRF-WVT（Insua-Costa and Miguez-Macho，2018）。WRF-WVT通過WRF中的水分預(yù)測(cè)方程實(shí)現(xiàn)了對(duì)大氣中水分運(yùn)動(dòng)和相態(tài)轉(zhuǎn)化的精確描述。使用以下公式標(biāo)記了六種水分類型：

其中：qn表示考慮的不同水汽類型，即水蒸氣、云、雨、雪、冰和霰。等式（1）右側(cè)的前兩項(xiàng)分別表示平流和分子擴(kuò)散的趨勢(shì);其他三項(xiàng)分別對(duì)應(yīng)于參數(shù)化方案湍流輸運(yùn)、微物理和對(duì)流產(chǎn)生的趨勢(shì)。后三項(xiàng)解釋了影響大氣水汽的次網(wǎng)格物理過程，如相變和降水，或?qū)α骱屯牧鲾U(kuò)散引起的水汽再分配。為了追蹤來自給定區(qū)域的水分，對(duì)蒸散發(fā)ET引起的水分預(yù)測(cè)方程中的水分源項(xiàng)（地表向上水汽通量，QFX）進(jìn)行如下修改：

TRQFX=QFX·M。（2）

其中：TRQFX是追蹤的地表向上水汽通量;M為常數(shù)，對(duì)于感興趣的追蹤區(qū)域M=1，其他區(qū)域M=0。蒸散發(fā)一直跟蹤到形成降水，因此得到一個(gè)新變量（追蹤的降水）。同時(shí)該模式既可以追蹤二維平面的水汽，也可以追蹤三維空間的水汽。

本文研究的水汽源區(qū)為長(zhǎng)江流域，研究的華北區(qū)域包括北京、天津、山西省、河北省、山東省以及河南省北部、安徽省北部和江蘇省北部。WRF模式試驗(yàn)區(qū)域中心點(diǎn)定為（103°E，38°N），水平分辨率為30 km，網(wǎng)格格點(diǎn)數(shù)為159×202，垂直層數(shù)為35層，模式頂層氣壓為50 hPa，積分步長(zhǎng)為120 s，三小時(shí)輸出一次。模擬時(shí)段為2022年5月1日至9月1日，其中5月只用于平衡模式不用于分析。選用的參數(shù)化方案包括：YSU邊界層方案（Hong et al.，2006）、Noah-MP陸面模型方案（Niu et al.，2011）、WSM-6微物理方案（Hong and Lim，2006）和Kain-Fritsch對(duì)流方案（Kain，2004）。

1.2? 數(shù)據(jù)

使用歐洲中期天氣預(yù)報(bào)中心提供的第五代大氣再分析數(shù)據(jù)ERA5逐6 h數(shù)據(jù)驅(qū)動(dòng)WRF-WVT模式，其空間分辨率為0.25°×0.25°，具有較高精度（Hersbach et al.，2020），已經(jīng)被廣泛應(yīng)用于我國(guó)不同區(qū)域（包括長(zhǎng)江流域）的極端事件研究（Wang et al.，2020），且ERA5日尺度和月尺度的總降水量和極端降水量資料表現(xiàn)出較好的性能和重現(xiàn)性（Shen et al.，2022）。為了驗(yàn)證模式結(jié)果可靠性，我們使用加州理工學(xué)院噴氣推進(jìn)實(shí)驗(yàn)室（JPL）提供的0.5°×0.5°逐月陸地水儲(chǔ)異常（TWSA）產(chǎn)品（Landerer et al.，2020）;美國(guó)海洋和大氣管理局（NOAA）物理科學(xué)實(shí)驗(yàn)室提供的空間分辨率為1°×1°的月降水?dāng)?shù)據(jù)PREC／L（https：／／psl.noaa.gov／data／gridded／data.precl.html）;以及全球陸地?cái)?shù)據(jù)同化系統(tǒng)2.0版（GLDAS-2.0）提供的1.0°×1.0°逐3 h降水、土壤濕度、蒸散發(fā)和太陽向下短波輻射數(shù)據(jù)（Rodell et al.，2004），及來自普林斯頓大學(xué)氣象強(qiáng)迫場(chǎng)驅(qū)動(dòng)Noah陸面模式（Sheffield et al.，2006）。

1.3? 方法

本文基于地表水平衡方程研究長(zhǎng)江流域水循環(huán)，如等式（3）所示：

DTWS=P-ET-R。（3）

其中：DTWS為陸地水儲(chǔ)量變化;P為降水;ET為蒸散發(fā);R為徑流。區(qū)域降水根據(jù)水汽來源不同可以分為再循壞和外循環(huán)兩個(gè)部分（蘇布達(dá)等，2020）：

P=Pm+Pa。? （4）

其中：P為總降水;Pm表示由于本地蒸散發(fā)形成的降水，稱為再循環(huán)降水;Pa是外部輸入水汽形成的降水，稱為外循環(huán)降水。再循環(huán)降水占總降水的比例稱為降水再循環(huán)率，表示為：

ρ=PmPm+Pa=PmP。? （5）

對(duì)于華北地區(qū)降水的研究主要討論長(zhǎng)江流域蒸散發(fā)對(duì)其影響，故將Pa分為兩個(gè)部分PYR和Pothers兩個(gè)部分：

Pa=PYR+Pothers。（6）

其中：PYR表示長(zhǎng)江流域蒸散發(fā)在華北形成的降水;Pothers是指除去PYR后，其他的外部輸入形成的降水。把長(zhǎng)江流域蒸散發(fā)在華北形成的降水占華北總降水的比例稱為非局地降水貢獻(xiàn)率，表示為：

ρ1=PYRPm+Pa=PYRP。? （7）

2? 結(jié)果

2.1? 2022年夏季長(zhǎng)江流域干旱事件的時(shí)空特征

2022年6—8月，長(zhǎng)江流域遭受了極端干旱事件，該地區(qū)降水距平百分率逐漸減小，從正值變?yōu)樨?fù)值，其中8月降水距平百分率最小。然而，同期華北地區(qū)的降水量超過了氣候平均水平（圖1a—c）。在7月和8月，幾乎整個(gè)長(zhǎng)江流域的降水和土壤濕度距平百分率都為負(fù)值，特別是中下游地區(qū)的降水距平百分率達(dá)到了-100％，即長(zhǎng)江流域7、8月干旱比較嚴(yán)重（圖1b、e、c、f）。7月，長(zhǎng)江流域絕大部分地區(qū)蒸散發(fā)的距平百分率為正，而到了8月，其中南部及下游地區(qū)的蒸散發(fā)距平百分率則由正轉(zhuǎn)負(fù)。這表明長(zhǎng)江流域在7月蒸散發(fā)量較多，而在8月部分地區(qū)的蒸散發(fā)量有所減少（圖1g—i）?；贐udyko（1961，1974）提出的用于定義土壤濕度與蒸散發(fā)關(guān)系的概念框架，6月和7月的高溫干旱發(fā)展期間，蒸散發(fā)受能量控制，而7月的溫度較6月更高，因此7月的蒸散發(fā)量也更大。然而，到了8月，高溫干旱事件逐漸達(dá)到了最嚴(yán)重的階段，此時(shí)土壤濕度不再飽和，蒸散發(fā)受土壤濕度控制，而土壤濕度因?yàn)楦珊凳录鴾p少，因此8月的蒸散發(fā)量相比于7月有所減少。

從1979—2022年夏季降水、陸地水儲(chǔ)量異常和蒸散發(fā)概率分布來看，相比于氣候態(tài)2022年6月降水偏多，7、8月偏少（圖2a）;陸地水儲(chǔ)量異常的變化和降水一致（圖2a、b）;6月蒸散發(fā)沒有明顯異常，7月偏多，8月偏少（圖2c）。2022年6—8月的降水和陸地水儲(chǔ)量異常都在逐漸減少（圖2a、b），蒸散發(fā)先增加后減少（圖2c）?？偟膩碚f，2022年7、8月長(zhǎng)江流域干旱異常最為嚴(yán)重（圖2a—c）。

2.2? 2022年6—8月長(zhǎng)江流域水循環(huán)模擬

為檢驗(yàn)?zāi)Ｊ侥M可靠性，使用觀測(cè)數(shù)據(jù)及再分析數(shù)據(jù)評(píng)估了模式2022年夏季逐月的累積降水和850 hPa位勢(shì)高度場(chǎng)。6—8月長(zhǎng)江流域的累積降水量逐漸減少，這與圖1a—c相吻合。6月長(zhǎng)江流域中下游處在西太平洋副熱帶高壓的外圍，太平洋的水汽沿副高外圍東南氣流向此處輸送，加上西南氣流水汽補(bǔ)給，導(dǎo)致長(zhǎng)江流域中下游降水比上游多。7—8月隨著副高的西伸北抬，長(zhǎng)江流域逐漸被副高控制，降水總量減少，雨帶發(fā)生相應(yīng)的移動(dòng)，使得7月中游降水略多于上游和下游，8月為下游少上游多（圖3a—c）。模式模擬的累積降水空間分布和NOAA觀測(cè)基本一致，6—8月逐月空間相關(guān)系數(shù)分別為0.76、0.71和0.79，且通過99％置信度的顯著性檢驗(yàn)，但模擬的結(jié)果數(shù)值上偏大（圖3d—f）。到目前為止，夏季降水模擬結(jié)果和觀測(cè)的結(jié)果仍然存在一定的偏差，這也是許多數(shù)值模式面臨的共同問題，模式中降水的高估主要與積云參數(shù)化方案等有關(guān)（Giorgi et al.，2012;Huang et al.，2015）。6—8月長(zhǎng)江流域降水逐漸減少，一定程度上導(dǎo)致了陸地水儲(chǔ)量減少（圖4）。

進(jìn)一步對(duì)比了2022年6—8月模式和GRACE衛(wèi)星觀測(cè)的陸地水儲(chǔ)量逐月變化。陸地水儲(chǔ)量逐月變化為本月陸地水儲(chǔ)量減上月，WRF-WVT模式中使用整層土壤濕度代表陸地水儲(chǔ)量，整層土壤濕度逐月變化即陸地水儲(chǔ)量逐月變化。此外，利用GRACE衛(wèi)星的陸地水儲(chǔ)量異常（相對(duì)于定值的異常）也可以計(jì)算陸地水儲(chǔ)量逐月變化，即本月陸地水儲(chǔ)量異常減上月的異常。

GRACE衛(wèi)星觀測(cè)的陸地水儲(chǔ)量逐月變化由6月的北部減少南部增多，轉(zhuǎn)換成7、8月全流域減少，即干旱逐步發(fā)展。8月長(zhǎng)江流域中下游衛(wèi)星觀測(cè)和模式模擬都出現(xiàn)最小值，陸地水儲(chǔ)量減少最大接近150 mm，表明8月干旱最為嚴(yán)重，5—8四個(gè)月水儲(chǔ)量減少了100～150 mm（圖4a—c），這與月累積降水量減少有關(guān)（圖1—3）。不論是空間分布還是數(shù)值大小，模式模擬和衛(wèi)星觀測(cè)都比較一致，特別是7—8月模擬效果最佳（圖4d—f），表明模式結(jié)果具有較高的可靠性。華北地區(qū)7、8月的陸地水儲(chǔ)量逐月變化為正值（圖7b—c），說明陸地水儲(chǔ)量增多，這和其月累積降水增多有關(guān)（圖3e—f）。

為了解長(zhǎng)江流域干旱發(fā)展的整個(gè)過程同時(shí)評(píng)估模式，本文又比較了2022年6—8月WRF-WVT模擬與ERA5、GLDAS的降水、陸地水儲(chǔ)量變化、蒸散發(fā)和太陽向下短波輻射的逐日時(shí)間序列。從再分析數(shù)據(jù)來看，蒸散發(fā)與太陽向下短波輻射變化較為一致，6月至8月中旬二者逐漸增加，8月下旬以后又逐漸減少，蒸散發(fā)受太陽輻射影響較大。降水量與陸地水儲(chǔ)量關(guān)系更為密切，二者變化一致，但幾乎與太陽輻射和蒸散發(fā)呈負(fù)相關(guān)（圖5b—c）。模式結(jié)果與再分析數(shù)據(jù)大致相同，模式結(jié)果與ERA5、GLDAS的降水時(shí)間序列相關(guān)系數(shù)分別為0.79、0.60，且通過99％置信度的顯著性檢驗(yàn)，再次說明模式能夠較好地再現(xiàn)2022年夏季長(zhǎng)江流域干旱事件，為后續(xù)分析長(zhǎng)江流域水循環(huán)奠定了良好的基礎(chǔ)。

2.3? 2022年6—8月長(zhǎng)江流域陸面蒸散發(fā)追蹤

因2022年長(zhǎng)江流域干旱事件導(dǎo)致流域內(nèi)水資源瀕近枯竭狀態(tài)，所以本研究主要關(guān)注長(zhǎng)江流域蒸散發(fā)對(duì)當(dāng)?shù)睾椭苓叺貐^(qū)水汽與降水的貢獻(xiàn)。6月長(zhǎng)江流域蒸散發(fā)產(chǎn)生的降水集中在長(zhǎng)江流域中南部，落在華北的雨量少，即6月長(zhǎng)江流域蒸散發(fā)主要影響當(dāng)?shù)亟邓▓D6a）。由于受到副高外圍西南氣流的引導(dǎo)作用，更多長(zhǎng)江流域蒸散發(fā)的水汽被輸送到華北地區(qū)，因此7—8月長(zhǎng)江流域蒸散發(fā)產(chǎn)生的降水在華北地區(qū)增加，其中7月最多（圖6a—c），但由于7月華北降水總量較大（圖3e），故長(zhǎng)江流域蒸散發(fā)對(duì)其降水的貢獻(xiàn)只有15％左右（圖6d—f）。

長(zhǎng)江流域蒸散發(fā)所貢獻(xiàn)降水的比例在長(zhǎng)江中上游四川盆地附近較大（圖6d—f），即該地區(qū)降水對(duì)外來水汽依賴相對(duì)較小。這可能是由于東南季風(fēng)對(duì)其影響較小，也可能是受地形影響，盆地地形不利于水汽向周邊擴(kuò)散。6—8月長(zhǎng)江流域蒸散發(fā)形成的降水總量在中下游逐月減少，但其占總降水的比例卻在逐月增加，這是由于中下游逐漸被西太副高控制（圖3，圖6c、f），外來水汽對(duì)其影響逐月減小。

長(zhǎng)江流域蒸散發(fā)產(chǎn)生的水汽除了保留在當(dāng)?shù)睾洼斔偷饺A北外，還會(huì)被輸送到其他地區(qū)。為了分析長(zhǎng)江流域蒸散發(fā)對(duì)不同地區(qū)降水的貢獻(xiàn)及其具體分配，本文將長(zhǎng)江流域蒸散發(fā)的水汽分為長(zhǎng)江流域形成的降水、華北地區(qū)形成的降水和其他。其他部分包括長(zhǎng)江流域和華北地區(qū)保留在大氣中的水分，以及在其他地區(qū)形成的降水和保留在大氣中的水分。本文主要分析追蹤水汽在長(zhǎng)江流域和華北地區(qū)產(chǎn)生的降水。

6—8月長(zhǎng)江流域蒸散發(fā)總量先增加后減少，其為當(dāng)?shù)胤謩e提供3.2×107 m3、2.8×107 m3、2.2×107 m3的降水，降水貢獻(xiàn)總量為8.2×107 m3，即長(zhǎng)江流域給當(dāng)?shù)亟邓骄暙I(xiàn)91.2 mm（圖7a）。6—8月長(zhǎng)江流域蒸散發(fā)給華北地區(qū)提供的降水也先增加后減少，貢獻(xiàn)量分別為9.2×106 m3、2.4×107 m3、1.9×107 m，降水貢獻(xiàn)總量為5.3×107 m，即長(zhǎng)江流域給華北平均貢獻(xiàn)58.4 mm的降水（圖7a）。

6月長(zhǎng)江流域35％的蒸散發(fā)在當(dāng)?shù)匦纬山邓?，少?0％的蒸散發(fā)在華北形成降水。7月長(zhǎng)江流域蒸散發(fā)在當(dāng)?shù)睾腿A北形成的降水均占總蒸散發(fā)的22％左右，8月和7月大致相同（圖7b）。即6月長(zhǎng)江流域蒸散發(fā)主要影響當(dāng)?shù)亟邓?，?、8月對(duì)當(dāng)?shù)睾腿A北降水影響基本一致。6—8月長(zhǎng)江流域45％左右的蒸散發(fā)在當(dāng)?shù)睾腿A北形成降水，其中長(zhǎng)江流域27.2％的蒸散發(fā)在當(dāng)?shù)匦纬山邓?7.4％的蒸散發(fā)在華北形成降水。長(zhǎng)江流域蒸發(fā)的水汽超過一半在長(zhǎng)江流域和華北以外的地區(qū)形成降水，或者保留在大氣中（圖7a—b）。

在全球變暖背景下，極端降水事件頻率更高，強(qiáng)度更強(qiáng)（趙宗慈等，2023），前文探究了長(zhǎng)江流域蒸散發(fā)對(duì)當(dāng)?shù)睾椭苓呏鹪吕鄯e降水的貢獻(xiàn)，接著細(xì)致地討論了其對(duì)當(dāng)?shù)睾椭苓叞ū┯暝趦?nèi)的不同強(qiáng)度降水事件的貢獻(xiàn)。根據(jù)國(guó)家標(biāo)準(zhǔn)《降水量等級(jí)》（喬林等，2012），各級(jí)別降水分類標(biāo)準(zhǔn)如下：小雨：1 d（或24 h）降雨量小于10 mm;中雨：1 d（或24 h）降雨量10～24.9 mm;大雨：1 d（或24 h）降雨量25～49.9 mm;暴雨：1 d（或24 h）降雨量50～99.9 mm。

長(zhǎng)江流域小雨、中雨、大雨和暴雨的降水量占比分別為23.9％、30.6％、24.5％和21.1％，頻次占比分別74.6％、16.8％、6.2％和2.4％。華北小雨、中雨、大雨和暴雨的降水量占比分別為18.0％、27.8％、28.6％和25.5％，頻次占比分別75.2％、14.9％、7.2％和2.6％。即各等級(jí)降水降雨量占比差距不大，頻次占比隨著雨強(qiáng)的增強(qiáng)而逐漸減少。

2022年夏季，長(zhǎng)江流域各等級(jí)的降水事件的再循環(huán)率隨著降水強(qiáng)度增強(qiáng)而減小，從24.6％下降到11.5％（圖8a），這是由于降水強(qiáng)度越強(qiáng)的降水，其水汽來源越依靠外部水汽輸送。相反對(duì)于華北地區(qū)，長(zhǎng)江流域蒸散發(fā)對(duì)其降水的貢獻(xiàn)率隨著降水強(qiáng)度增強(qiáng)而增加（圖8b）?？赡苁怯捎陂L(zhǎng)江流域蒸散發(fā)貢獻(xiàn)的水汽對(duì)于華北來說為外部水汽，故降水強(qiáng)度越強(qiáng)長(zhǎng)江流域蒸散發(fā)貢獻(xiàn)率越高。

同時(shí)分析了長(zhǎng)江流域蒸散對(duì)華北不同降水強(qiáng)度事件貢獻(xiàn)率的逐月變化。華北各等級(jí)降水事件6—8月的貢獻(xiàn)率逐月增加（圖8b），這與貢獻(xiàn)的降水量逐月增加相對(duì)應(yīng)（圖6d—f）。這是由于水汽輸送受到環(huán)流影響，6—8月隨著西太副高逐漸北抬，長(zhǎng)江流域輸送到華北的水汽逐漸增多（圖7），貢獻(xiàn)也隨之增加。整個(gè)夏季，長(zhǎng)江流域蒸散發(fā)對(duì)華北各等級(jí)降水的貢獻(xiàn)穩(wěn)定在13％左右（圖8b）。對(duì)于較為關(guān)注的暴雨事件，夏季長(zhǎng)江流域蒸散發(fā)對(duì)當(dāng)?shù)睾腿A北暴雨的貢獻(xiàn)率分別為11.5％和12.8％，且6—8月中8月貢獻(xiàn)率最大，分別為19.8％和16.0％（圖8）。

3? 結(jié)論和討論：

在全球變暖的背景下，極端事件頻發(fā)（IPCC，2021）。2022年夏季長(zhǎng)江流域發(fā)生嚴(yán)重干旱，長(zhǎng)江流域作為我國(guó)重要的水資源供給地，其水循環(huán)過程對(duì)本地以及周邊地區(qū)的天氣氣候會(huì)產(chǎn)生很大的影響，了解和量化大氣水汽的源匯關(guān)系對(duì)于了解區(qū)域水循環(huán)具有重要意義。本文基于水汽追蹤模型WRF-WVT分析了2022年長(zhǎng)江流域地表蒸散發(fā)對(duì)長(zhǎng)江流域和流域外降水的貢獻(xiàn)。主要研究結(jié)果如下：

1） 2022年6—8月，長(zhǎng)江流域由于降水減少，加之持續(xù)的高溫天氣，導(dǎo)致長(zhǎng)江中下游遭受嚴(yán)重的干旱，長(zhǎng)江中下游地區(qū)的陸地水儲(chǔ)量在2022年8月相比于5月減少了100～150 mm。

2） 長(zhǎng)江流域蒸散發(fā)是當(dāng)?shù)睾腿A北降水重要的水汽來源，隨著干旱的發(fā)展，2022年夏季長(zhǎng)江流域蒸散發(fā)對(duì)當(dāng)?shù)亟邓呢暙I(xiàn)隨時(shí)間逐漸減少，蒸散發(fā)對(duì)降水貢獻(xiàn)總量為8.2×107 m3（長(zhǎng)江流域平均91.2 mm），且中上游四川盆地附近降水貢獻(xiàn)率最大（超過40％）;2022年夏季長(zhǎng)江流域蒸散發(fā)對(duì)華北地區(qū)降水的貢獻(xiàn)先增多后小幅度減少，水汽貢獻(xiàn)總量為5.3×107 m3（長(zhǎng)江流域平均58.4 mm）。

3） 6月長(zhǎng)江流域35％的蒸散發(fā)在當(dāng)?shù)匦纬山邓?，少?0％的蒸散發(fā)在華北形成降水。7月長(zhǎng)江流域蒸散發(fā)在當(dāng)?shù)睾腿A北形成的降水均占總蒸散發(fā)的22％左右，8月和7月大致相同。即6月長(zhǎng)江流域蒸散發(fā)主要影響當(dāng)?shù)亟邓?，?、8月對(duì)當(dāng)?shù)睾腿A北降水影響基本一致。整個(gè)夏季長(zhǎng)江流域45％左右的蒸散發(fā)在當(dāng)?shù)睾腿A北形成的降水，即長(zhǎng)江流域蒸發(fā)的水汽超過一半在長(zhǎng)江流域和華北以外的地區(qū)形成降水，或者保留在大氣中。

4） 長(zhǎng)江流域蒸散發(fā)對(duì)當(dāng)?shù)亟邓呢暙I(xiàn)率隨著降水強(qiáng)度增強(qiáng)而減小。相反，對(duì)于華北地區(qū)降水，長(zhǎng)江流域蒸散發(fā)對(duì)其貢獻(xiàn)率隨著降水強(qiáng)度增強(qiáng)而增加。對(duì)暴雨事件，2022年夏季長(zhǎng)江流域蒸散發(fā)對(duì)當(dāng)?shù)睾腿A北地區(qū)暴雨的貢獻(xiàn)都為12％左右。

2022年夏季長(zhǎng)江流域蒸散發(fā)對(duì)當(dāng)?shù)亟邓呢暙I(xiàn)中，上游四川盆地附近降水貢獻(xiàn)率最大（超過40％），這與前人研究結(jié)果一致，如Cheng and Lu（2022）指出由陸地蒸散發(fā)貢獻(xiàn)的降水在大陸內(nèi)部的比率較高。雖然WVT方法對(duì)再現(xiàn)水文循環(huán)有一定的優(yōu)勢(shì)，但其準(zhǔn)確性受到模式誤差的影響（本研究為WRF），該方法應(yīng)用于全球氣候模式（GCMs）會(huì)對(duì)降水產(chǎn)生大幅高估（Su et al.，2013）。由于模擬時(shí)間段有限，本文沒有比較2022年夏季與其他年水循環(huán)的差別，例如對(duì)于較為關(guān)注的暴雨事件，2022年夏季長(zhǎng)江流域蒸散發(fā)對(duì)當(dāng)?shù)睾腿A北暴雨貢獻(xiàn)率在8月最大，但8月長(zhǎng)江流域干旱最為嚴(yán)重，蒸散發(fā)在該月貢獻(xiàn)最大可能是因?yàn)樵撛碌慕邓偭孔钌?，未來可以通過計(jì)算該貢獻(xiàn)率相比于氣候態(tài)的異常來衡量其重要性。

全球變暖背景下水循環(huán)變化，淡水資源緊缺，同時(shí)人類活動(dòng)顯著改變?nèi)蛩h(huán)（姜大膀和王娜，2021）。加強(qiáng)陸地水文循環(huán)與大氣水循環(huán)相互作用及耦合模型的研究，完善氣候變暖條件下陸面過程中降水、蒸散發(fā)及土壤水分相互制約的過程研究，對(duì)最終提高降水中短期預(yù)報(bào)、長(zhǎng)期預(yù)測(cè)及年代際預(yù)估水平有重要現(xiàn)實(shí)意義（劉春蓁等，2023）。本文分析了長(zhǎng)江流域蒸散發(fā)對(duì)本地和華北降水的影響，但沒有研究降水對(duì)這些影響因子的敏感性問題。土壤濕度和降水之間存在負(fù)反饋或者弱的正反饋機(jī)制，也有試驗(yàn)表明對(duì)于干濕土壤濕度都會(huì)導(dǎo)致降水減少（Giorgi et al.，1996;Paegle et al.，1996;Bosilovich and Sun，1999）。未來可根據(jù)更長(zhǎng)時(shí)間序列的數(shù)據(jù)比較不同年份的水循環(huán)，并深入研究降水對(duì)土壤濕度和蒸散發(fā)等的敏感性。

參考文獻(xiàn)（References）

Bosilovich M G，Sun W Y，1999.Numerical simulation of the 1993 Midwestern flood：local and remote sources of water［J］.J Geophys Res，104（D16）：19415-19423.doi：10.1029／1999jd900218.

Budyko M I，1961.The heat balance of the earths surface［J］.Soviet Geography，1961，2（4）：3-13.doi：10.1080／00385417.1961.10770761.

Budyko M I，1974.Climate and life［M］.New York：Academic Press.

Cheng T F，Lu M Q，2022.Global Lagrangian tracking of continental precipitation recycling，footprints and cascades［J］.J Climate，36（6）：1923-1941.doi：10.1175／JCLI-D-22-0185.1.

符淙斌，馬柱國(guó)，2023.全球干旱／半干旱區(qū)年代尺度干濕變化研究的進(jìn)展及思考［J］.大氣科學(xué)學(xué)報(bào)，46（4）：481-490.? Fu C B，Ma Z G，2023.Progress and reflection on the study of interdecadal changes in dry and wet conditions in global arid and semiarid regions［J］.Trans Atmos Sci，46（4）：481-490.doi：10.13878／j.cnki.dqkxxb.20230517001.（in Chinese）.

Gao Y H，Chen F，Miguez-Macho G，et al.，2020.Understanding precipitation recycling over the Tibetan Plateau using tracer analysis with WRF［J］.Climate Dyn，55（9／10）：2921-2937.doi：10.1007／s00382-020-05426-9.

Gimeno L，Nieto R，Trigo R M，et al.，2010.Where does the Iberian peninsula moisture come from？ An answer based on a Lagrangian approach［J］.J Hydrometeorol，11（2）：421-436.doi：10.1175／2009jhm1182.1.

Giorgi F，Mearns L O，Shields C，et al.，1996.A regional model study of the importance of local versus remote controls of the 1988 drought and the 1993 flood over the central United States［J］.J Climate，9（5）：1150-1162.doi：10.1175／1520-0442（1996）009<1150：armsot>2.0.co;2.

Giorgi F，Coppola E，Solmon F，et al.，2012.RegCM4：model description and preliminary tests over multiple CORDEX domains［J］.Climate Res，52：7-29.doi：10.3354／cr01018.

Hersbach H，Bell B，Berrisford P，et al.，2020.The ERA5 global reanalysis［J］.Quart J Roy Meteor Soc.doi：10.1002／qj.3803.

Hong S Y，Lim J，2006.The WRF single-moment 6-class microphysics scheme （WSM6）［J］.Asia Pac J Atmos Sci，42：129-151.

Hong S Y，Noh Y，Dudhia J，2006.A new vertical diffusion package with an explicit treatment of entrainment processes［J］.Mon Wea Rev，134（9）：2318-2341.doi：10.1175／mwr3199.1.

Huang B，Polanski S，Cubasch U，2015.Assessment of precipitation climatology in an ensemble of CORDEX-East Asia regional climate simulations［J］.Climate Res，64（2）：141-158.doi：10.3354／cr01302.

黃存瑞，劉起勇，2022.IPCC AR6報(bào)告解讀：氣候變化與人類健康［J］.氣候變化研究進(jìn)展，18（4）：442-451.? Huang C R，Liu Q Y，2022.Interpretation of IPCC AR6 on climate change and human health［J］.Climate Change Res，18（4）：442-451.（in Chinese）.

Insua-Costa D，Miguez-Macho G，2018.A new moisture tagging capability in the weather research and forecasting model：formulation，validation and application to the 2014 Great Lake-effect snowstorm［J］.Earth Syst Dynam，9（1）：167-185.doi：10.5194／esd-9-167-2018.

Insua-Costa D，Senande-Rivera M，Llasat M C，et al.，2022.The central role of forests in the 2021 European floods［J］.Environ Res Lett，17（6）：064053.doi：10.1088／1748-9326／ac6f6b.

IPCC，2021.Climate change 2021：the physical science basis［R］／／Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge，United Kingdom and New York，NY，USA：Cambridge University Press.doi：10.1017／9781009157896.

姜大膀，王娜，2021.IPCC AR6報(bào)告解讀：水循環(huán)變化［J］.氣候變化研究進(jìn)展，17（6）：699-704.? Jiang D B，Wang N，2021.Water cycle changes：interpretation of IPCC AR6［J］.Climate Change Res，17（6）：699-704.（in Chinese）.

Kain J S，2004.The kain-fritsch convective parameterization：an update［J］.J Appl Meteor，43（1）：170-181.doi：10.1175／1520-0450（2004）043<0170：tkcpau>2.0.co;2.

Kramer R J，Bounoua L，Zhang P，et al.，2015.Evapotranspiration trends over the eastern United States during the 20th century［J］.Hydrology，2（2）：93-111.doi：10.3390/hydrology2020093.

Landerer F W，F(xiàn)lechtner F M，Save H，et al.，2020.Extending the global mass change data record：GRACE follow-on instrument and science data performance［J］.Geophys Res Lett，47（12）：e2020GL088306.doi：10.1029／2020gl088306.

劉春蓁，巢清塵，王守榮，等，2023.水文氣象學(xué)領(lǐng)域的水文循環(huán)研究進(jìn)展［J］.氣候變化研究進(jìn)展，19（1）：1-10.? Liu C Z，Chao Q C，Wang S R，et al.，2023.The research progress of hydrologic cycle in hydrometeorology［J］.Climate Change Res，19（1）：1-10.（in Chinese）.

Milly P C D，Wetherald R T，Dunne K A，et al.，2002.Increasing risk of great floods in a changing climate［J］.Nature，415（6871）：514-517.doi：10.1038／415514a.

Niu G Y，Yang Z L，Mitchell K E，et al.，2011.The community Noah land surface model with multiparameterization options （Noah-MP）：1.model description and evaluation with local-scale measurements［J］.J Geophys Res，116（D12）：D12109.doi：10.1029／2010jd015139.

Paegle J，Mo K C，Nogués-Paegle J，1996.Dependence of simulated precipitation on surface evaporation during the 1993 United States summer floods［J］.Mon Wea Rev，124（3）：345-361.doi：10.1175／1520-0493（1996）124<0345：dospos>2.0.co;2.

喬林，李延香，符嬌蘭，2012.降水量等級(jí)（GB／T 28592—2012）［S］.北京：中國(guó)標(biāo)準(zhǔn)出版社.? Qiao L，Li Y X，F(xiàn)u J L，2012.Precipitation levels（GB／T 28592—2012）［S］.Beijing：China Standard Press.（in Chinese）.

Rodell M，Houser P R，Jambor U，et al.，2004.The global land data assimilation system［J］.Bull Amer Meteor Soc，85（3）：381-394.doi：10.1175／bams-85-3-381.

Sheffield J，Goteti G，Wood E F，2006.Development of a 50-year high-resolution global dataset of meteorological forcings for land surface modeling［J］.J Climate，19（13）：3088-3111.doi：10.1175／jcli3790.1.

Shen L C，Wen J H，Zhang Y Q，et al.，2022.Performance evaluation of ERA5 extreme precipitation in the Yangtze River Delta，China［J］.Atmosphere，13（9）：1416.doi：10.3390／atmos13091416.

Stein A F，Draxler R R，Rolph G D，et al.，2016.NOAAs HYSPLIT atmospheric transport and dispersion modeling system［J］.Bull Ame Meteor Soc.doi：10.1175／BAMS-D-14-00110.1.

Stohl A，James P，2004.A Lagrangian analysis of the atmospheric branch of the global water cycle.part I：method description，validation，and demonstration for the August 2002 flooding in central Europe［J］.J Hydrometeor，5（4）：656-678.doi：10.1175／1525-7541（2004）005<0656：alaota>2.0.co;2.

蘇布達(dá)，孫赫敏，李修倉，等，2020.氣候變化背景下中國(guó)陸地水循環(huán)時(shí)空演變［J］.大氣科學(xué)學(xué)報(bào)，43（6）：1096-1105.? Su B D，Sun H M，Li X C，et al.，2020.Impact of climate change on terrestrial water cycle in China［J］.Trans Atmos Sci，43（6）：1096-1105.doi：10.13878／j.cnki.dqkxxb.20201014001.（in Chinese）.

Su F G，Duan X L，Chen D L，et al.，2013.Evaluation of the global climate models in the CMIP5 over the Tibetan Plateau［J］.J Climate，26（10）：3187-3208.doi：10.1175／jcli-d-12-00321.1.

孫博，王會(huì)軍，黃艷艷，等，2023.2022年夏季中國(guó)高溫干旱氣候特征及成因探討［J］.大氣科學(xué)學(xué)報(bào)，46（1）：1-8.? Sun B，Wang H J，Huang Y Y，et al.，2023.Characteristics and causes of the hot-dry climate anomalies in China during summer of 2022［J］.Trans Atmos Sci，46（1）：1-8.doi：10.13878／j.cnki.dqkxxb.20220916003.（in Chinese）.

Wang S M，Xu T H，Nie W F，et al.，2020.Evaluation of precipitable water vapor from five reanalysis products with ground-based GNSS observations［J］.Remote Sens，12（11）：1817.doi：10.3390／rs12111817.

許建玉，王慧娟，李宏毅，2014.夏季青藏高原地區(qū)水汽收支的初步模擬分析［J］.高原氣象，33（5）：1173-1181.? Xu J Y，Wang H J，Li H，2014.Preliminary simulation analysis of moisture budget over Qinghai-Xizang Plateau in summer［J］.Plateau Meteor，33（5）：1173-1181.（in Chinese）.

Yusa A N，Berry P，Cheng J J，et al.，2015.Climate change，drought and human health in Canada［J］.Int J Environ Res Public Health，12（7）：8359-8412.doi：10.3390／ijerph120708359.

趙宗慈，羅勇，黃建斌，2023.全球變暖與旱澇事件［J］.氣候變化研究進(jìn)展，19（2）：258-262.? Zhao Z C，Luo Y，Huang J B，2023.Global warming and floods／droughts［J］.Climate Change Res，19（2）：258-262.doi：10.12006／j.issn.1673-1719.2022.249.（in Chinese）.

朱飆，張強(qiáng)，李春華，等，2023.我國(guó)干旱半干旱區(qū)氣候變化特征及其對(duì)干濕波動(dòng)的影響［J］.大氣科學(xué)學(xué)報(bào)，46（1）：42-54.? Zhu B，Zhang Q，Li C H，et al.，2023.Characteristics of climate change in arid and semi-arid areas of China and its influence on climatic dry-wet fluctuation［J］.Trans Atmos Sci，46（1）：42-54.doi：10.13878／j.cnki.dqkxxb.20221101012.（in Chinese）.

·ARTICLE·

Simulation and analysis of the water cycle in the Yangtze River basin drought in summer 2022

CHENG Haoqiu，WEI Jiangfeng，SONG Yuanyuan，SHAN Yufeng

Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters／Key Laboratory of Meteorological Disasters，Ministry of Education／Joint International Research Laboratory of Climate and Environment Change／School of Atmospheric Sciences，Nanjing University of Information Science & Technology，Nanjing 210044，China

Abstract? In summer 2022，an extreme drought event occurred in the Yangtze River basin.Based on the WRF-WVT water vapor tracking model，this study simulated the water cycle in the Yangtze River basin under the extreme drought conditions that occurred from June to August 2022，and analyzed the effects of evapotranspiration on local and non-local precipitation in the Yangtze River basin.The results show that the summer drought of 2022 led to a 100—150 mm reduction in land surface water storage in the middle and lower reaches of the Yangtze River from May to August that year.In general，about 45％ of the evapotranspiration in the Yangtze River basin in June—August is formed in local and northern China precipitation，and the evapotranspiration from the Yangtze River basin mainly contributes to local precipitation in June，while the contribution to local and northern China precipitation is approximately equal in July and August.The total amount of local precipitation contributed by evapotranspiration in the Yangtze River basin decreases month by month to 8.2×107 m3 （average 91.2 mm throughout the basin），and the contribution of local evapotranspiration decreases with higher precipitation intensity，while the largest contribution to local precipitation occurs near the Sichuan basin（with the maximum exceeding 40％）.The contribution of evapotranspiration from the Yangtze River basin to precipitation in North China increases from June to August，then decreases slightly，with a total of 5.3×107 m3 （with an average of 58.4 mm in North China），and the contribution of evapotranspiration from the Yangtze River basin increases with precipitation intensity.In summer 2022，the contribution of evapotranspiration from the Yangtze River basin to heavy rainfall both locally and in North China was about 12％.

Keywords? Yangtze River basin;drought;precipitation;water cycle;water vapor tracking

doi：10.13878／j.cnki.dqkxxb.20230323001

（責(zé)任編輯：劉菲）