“佩太”风暴影响的西藏暴雪遥感监测及水汽输送特征

Study on the Remote Sensing Monitoring and Water Vapor Transport Characteristics of Blizzard in Xizang Affected by PETA Typhoon

摘要

利用FY-2G卫星云参量产品、全球定位系统（Global Positioning System, GPS）水汽和全球资料同化系统（Global Data Assimilation System, GDAS）资料，结合Hybrid Single-Particle Lagrangian Integrated Trajectory model（HYSPLIT）模式后向轨迹模拟，探讨了2018年12月18—19日西藏区域性暴雪天气的云宏微观物理特征及其对降雪的短时临近指示作用和水汽输送特征。结果表明：降雪强度与云顶亮温大小呈负相关，一般降雪量>1 mm/h时云顶亮温< -33℃，黑体亮温（Black Body Temperature, TBB）低值区对暴雪短时临近预报有指示作用。云顶高度（云顶温度）升高（降低）区域以及云顶亮温低值区与降雪落区有较好的对应。云系密实程度和云水丰沛程度可预示降雪演变趋势，云顶高度、云顶温度、云光学厚度、云粒子有效半径和液水路径变化先于地面降水1～2 h，可作为降雪临近预报关键指标因子；降雪前大气可降水量显著增加，可降水量峰值或高值时段与强降雪时段密切相关，大气可降水量（Precipitable Water Vapour，PWV）显著变大预示未来一段时间会出现强降雪。不同区域、同区域不同地点的水汽来源不尽相同，一江两河流域水汽主要来自西亚地区，印度半岛有一定贡献；三江流域水汽源来自印度半岛至孟加拉湾一带和地中海-伊朗高原地区；帕里水汽源来自西亚，错那水汽源主要来自印度半岛。

Abstract

Using FY-2G satellite cloud parameter products, GNSS/MET, and GDAS data, along with backward trajectory simulation from the HYSPLIT model, the macroscopic-microscopic physical characteristics of cloud and transport characteristics of water-vapor associated with the blizzard in Xizang in December 2018 were analyzed in this paper. The results show that the intensity of snowfall is negatively correlated with the brightness temperature of the cloud top. When snowfall exceeds 1 mm/h, the corresponding values of Black Body Temperature are mostly below -33℃, these characteristics can be used as a criterion for snowfall forecasting. Changes in cloud parameters occur 1\sim2 hours prior to the onset of surface precipitation, making them key indicators for short-term snowfall forecasting. Additionally, precipitable water vapor(PWV) significantly increases before snowfall, and its peak or higher values are closely associated with periods of heavy snowfall. Areas that show increasing/decreasing cloud top height/temperature, along with regions exhibiting low cloud top brightness temperatures, correspond well with snowfall areas. Furthermore, The cloud optical thickness and cloud liquid water content can indicate the trend of snowfall evolution. The primary source of water vapor for the Yarlung Zangbo River Basin on the Tibetan plateau is West Asia, while the Indian subcontinent serves as a second source. In the “Three Rivers” regions, the main water-vapor sources are the Indian Peninsula and the Bay of Bengal. For the southern margin of the Tibetan plateau, water vapor near Pali primarily originates from West Asia, whereas the water vapor in Cuona mainly comes from the Indian subcontinent.

Graphical abstract

关键词

“佩太”风暴 / 西藏暴雪 / 云宏微观物理特征 / GPS探测 / 后向轨迹

Key words

PETA Typhoon / Xizang snowstorm / cloud macroscopic-microscopic physical characteristics / GPS detection / backward trajectory

引 言

西藏暴雪具有降雪量大、影响范围广及持续时间长等特点，是冬季雪灾的直接诱因^[1,2]，对农牧业、电力等危害极大，尤其是孟加拉湾风暴影响的西藏暴雪灾害极为严重。目前，已有研究从天气学角度对西藏暴雪天气气候特征及形成机理等进行研究^[3,4]，罗布坚参等^[5]、张入财等^[6]和边巴卓嘎等^[7]对西藏暴雪天气进行了诊断分析指出，丰沛的水汽是暴雪出现的必要条件。随着卫星探测技术发展，卫星资料在天气监测和云降水物理研究中发挥了重要作用。朱福康等^[8]基于GMS-5卫星研究发现，青藏高原导致孟加拉湾风暴路径东折，高原阻挡作用影响到300 hPa高空，风暴中心及其强对流云系通常出现在喜马拉雅山南坡。刘岩等^[9]利用CloudSat等卫星资料指出，北疆暴雪的低云量大于60%，云高大于6 km，冰粒子数浓度峰值位于云层中部5.5 km。

丰沛水汽是暴雪形成的决定性因素。随着GPS水汽观测技术的发展，研究人员利用GPS大气可降水量（PWV）资料开展了强降雨雪的水汽特征研究。杨莲梅等^[10]、刘晶等^[11]和李曼等^[12]研究发现，PWV持续上升对未来出现降雨雪有一定的预示意义。近十年来，水汽轨迹分析逐渐在降水天气水汽输送及贡献量化方面应用广泛。Brimelow等^[13]指出马更些河流域南部极端降水事件水汽主要源自墨西哥湾；杜一博等^[14]指出，陕西夏季水汽来源主要来自欧亚中高纬地区、内陆的江河流域以及南海和孟加拉湾。关于青藏高原降水过程水汽输送方面，Curio等^[15]指出，印度夏季风的水汽输送在很大程度上受高山地形影响，但并没有完全被青藏高原阻挡，高原夏季降水水汽来自印度洋、孟加拉湾、阿拉伯海、南海乃至大西洋^[16-19]。Zhang等^[20]在考虑降水的蒸发水汽来源基础上，认为青藏高原蒸发源位于欧亚大陆、南亚次大陆和南印度洋一带。李颖等^[21]研究青藏高原冬季降水发现，各流域水汽贡献均位于西部源区。

西藏冬季由孟湾风暴引发的暴雪时有发生，2018年12月18日“佩太”风暴影响的西藏暴雪天气降雪强度之大、雪灾范围之广均超过历史同期极值，高低空配置、丰沛水汽和地形抬升是形成此次暴雪的重要因素^[22]。然而，截至目前关于西藏暴雪的卫星监测和水汽输送特征的相关研究较少。本文采用FY-2G卫星产品、GPS水汽数据和HYSPLIT后向轨迹模拟，分析孟湾风暴引发的暴雪天气的云宏微观物理特征与降水关系，以及水汽输送特征，以期为西藏雪灾监测预警提供参考依据。

1 资料与方法

地面资料选用西藏3个观测站逐小时GPS的PWV数据和39个国家级观测站小时降水数据。环流分析采用NCEP/NCAR 1°×1°再分析资料，时间分辨率为6 h。FY-2G卫星云参量源于云降水精细分析系统反演的黑体亮温（Black Body Temperature，TBB）（单位：℃）、云顶高度（Cloud Top Height，CTH）（单位：km）、云顶温度（Cloud Top Temperature，CTT）（单位：℃）、光学厚度（Cloud Opital Thickness，COT）（单位：无量纲）、云粒子有效半径（Cloud Particle Effectice Radius，CER）（单位：μm）、液水路径（Liquid Water Path, LWP）（单位：mm）产品，空间分辨率5 km×5 km。为研究云参量与降水的关系，采用站点周边9个格点云参数的算术平均值为该点的云参数值^[23]。NCEP全球同化GDAS资料的时间分辨率6 h，空间分辨率1°×1°，用于HYSPLIT模式计算气团的后向轨迹和水汽贡献率，其中拉萨、昌都、错那和帕里4个站点分别代表高原一江两河流域、藏东三江流域、高原南部边缘。文中地图均基于审图号为GS（2019）1823号的标准地图制作，底图无修改。

2 天气形势及降水实况

2018年12月17日8:00，中高纬度地区呈现“两槽一脊”环流形势，低压槽分别位于东、西西伯利亚，高压脊位于贝加尔湖以西。太平洋副热带高压较常年偏西，南支槽位于印度半岛西侧，热带风暴“佩太”在孟加拉湾地区活跃，高原地区受短波槽扰动影响；20:00低压槽东移至里海和巴尔喀什湖之间，南支槽也随之东移至印度半岛，高原地区完全受南支槽前西南气流控制。“佩太”风暴于17:00登陆印度半岛并逐渐减弱，外围云系沿槽前西南气流北上高原，携带了丰沛的水汽。受南支槽和“佩太”风暴共同影响，17—19日西藏中东部出现大到暴雪，其中10个县降水超过历年极值，错那过程降雪量达到48 mm，积雪深度48 cm。

3 暴雪云系的云特征分析

3.1 云宏观特征分析

3.1.1 云顶亮温

西藏冬季降水云多为积层混合云，具有弱对流特征，TBB的分布和演变可预报降雪落区、监测降雪云系的发生发展。分析TBB时空演变可知，2018年12月17日“佩太”风暴外围云系在槽前西南气流引导下北上高原，伴随地形抬升作用且不断加强。22:00西藏中部零散团状云系发展，18日0:00开始，错那和亚东县开始出现降雪，2:00时，降雪区的TBB均在-34℃以下（图1A）。云系在移动中不断合并加强，主体呈斜压叶状，尤其是在6:00时拉萨-那曲一带出现大面积TBB低值区，TBB介于-30\sim-60℃，强中心TBB甚至低于-60℃（图1B），2小时后拉萨-山南-那曲一带逐渐出现降雪，降雪期间TBB维持在-30 \sim -50℃。15:00以后，降雪云系主体移至藏北那曲中东部，一江两河流域的TBB回升至-20 \sim -30℃（图1C），日喀则-那曲中部降雪减弱。随着系统的东移北抬，18日18:00左右，藏东地区开始降雪，由于“佩太”外围云系在移动过程中逐渐减弱且位置偏北，林芝中部云层较薄，以雨夹雪为主，降水强度弱。林芝东北部和昌都以团状云系为主，20:00时TBB为-30\sim-50℃（图1D）。尤其在18日夜间昌都上空云系TBB维持在-30\sim-55℃之间，小时降雪量大于0.5 mm，最大小时降雪量2.1 mm。由此可见，TBB低值区与降水云带的发展、移动以及降雪落区有较好的对应。

云系发展旺盛程度与降雪强度密切相关。分析拉萨、昌都、帕里和错那的降雪量与TBB关系（图2）可知，降雪开始时，TBB明显降低或维持较低水平。降雪过程中，TBB与降雪量的演变大致呈负相关，其中，拉萨和昌都云系的TBB整体呈现缓慢上升趋势；而帕里和错那云系的TBB伴随的降雪持续始终维持在较低水平。低TBB（<-30℃）云区滞留时间越长，降雪时间越长、降雪量越大，降雪减弱或临近结束前TBB快速升高。从TBB与降雪量关系可知（图2E），降雪强度与TBB大小呈负相关，降雪量>1 mm/h时的TBB大多<-33℃。由此可见，TBB降低预示降雪开始，TBB低值区的维持对暴雪临近预报有一定的指示意义。

3.1.2 云顶高度和云顶温度

有云的情况下，TBB代表云顶黑体辐射温度，可以揭示出强天气的发展演变特征，TBB温度越低，表明云顶越高，对流越旺盛。由于云不是黑体，西藏冬季降雪云系多为积层混合云，故云顶温度（CTT）更能反映云顶高度（CTH）和云层厚度（COT）信息。17日22:00西藏中东部发展相对旺盛，CTH为6\sim7 km，部分地方达9 km，CTT约-30\sim-40℃。而西部CTT约为-25 ℃，少数积云CTT达-30℃，CTH约4\sim6 km，且18—19日期间CTH和CTT变化不大。18日0:00\sim1:00高原南部边缘的亚东、隆子和错那出现降雪，但CTT不是很低，约为-30\sim-40℃，可见高原南坡地形抬升对降雪发生具有重要作用。18日2:00高原云系进一步发展，高原中部CTT在-40\sim-50 ℃之间，CTH在7\sim9 km之间，降雪云系发展相对旺盛。4:00~6:00西藏中部CTH上升至10 km，CTT低于-45℃（图3A和3C），一江两河流域和那曲降雪逐渐增强。随着能量释放云顶逐渐下降，CTH维持在6~9 km，CTT在-20\sim-40℃之间。15:00以后，降雪云系主体移至藏北那曲中东部，一江两河流域和那曲中西部CTH（CTT）变为6\sim8 km（-20\sim-30℃），降雪强度减弱。19:00以后昌都开始降雪，20:00云系CTH（CTT）为7\sim9 km（-40\sim-50℃）。19日夜间云系CTH（CTT）在7\sim9.5 km（-30\sim-50℃）之间，与持续降雪保持较好的对应关系。可见降雪区CTH（CTT）上升（下降）与降雪落区扩展及持续时间关系密切，表明FY-2G云顶信息可作为降雪监测预警因子。

3.2 云微物理特征

COT、CER和LWP常用来描述云降水微物理特征，可描述云系垂直方向密实程度、云中平均粒子大小及云水是否丰沛。18日白天降雪期间（图4），西藏西部以零散的积云为主，COT、CER和LWP均很小，呈典型非降水云系特征；西藏中部云系云体密实，云粒子半径大，云水含量丰沛，与西藏中部的强降雪天气对应；西藏东部云系以松散的层状云为主，相对中部COT、CER和LWP较小，云系发展程度较弱，对应西藏东部的弱降雪天气。以18日14:00和17:00作为典型时次分析降水云云参数演变趋势，14:00高原中部COT介于24\sim52，CER在12\sim52 um之间，LWP约为200\sim1 000 mm，拉萨、那曲和林芝东北部小时降雪为0.5\sim0.8 mm；昌都一带COT约12\sim44，CER在12\sim28 μm之间，LWP在200\sim400 mm之间，降雪未开始。15:00以后，西藏中部降雪持续、东部降雪逐渐开始，昌都一带云系明变密实，云粒子半径变化不大，云水含量更为丰沛。17:00西藏中部降雪云系COT约12\sim64，CER在12\sim64 μm之间，LWP为200\sim1 000 mm之间，降雪天气持续，小时降雪为0.8 mm；林芝-昌都一带云系COT约12\sim52，CER在12\sim28 μm之间，LWP在200\sim500 mm之间，云水条件明显好转，18:00 \sim 19:00林芝和昌都市各地开始降雪。由此可见，云系密实程度和云水丰沛程度可反映出降雪演变趋势。

3.3 云参数和地面降水演变的对比分析

分析不同区域降水和云参数演变发现（图5），17日22:00时起，南部边缘CTT<-10℃，高原腹地CTT<-25℃。降水开始前，拉萨（图5A和图5B）和昌都（图5C和图5D）的CTT降至-30℃、CTH接近7 km，拉萨（昌都）的COT、CER和云水含量减小（维持最低水平），其中拉萨COT在10\sim20之间，CER约30\sim50 μm，LWP为240\sim520 mm，昌都COT和CER分别在5和4 μm左右，LWP为100 mm。降雪期，18日10:00\sim19日2:00 CTT（CTH）波浪式下降（上升），CTH维持在6.5 \sim 9.5 km、CTT低于-30℃，COT、CER和LWP基本维持在较高水平，拉萨14:00、18:00和20:00的LWP达500 mm以上，对应时次的降雪分别到0.7 mm、1.5 mm和1.4 mm；昌都14:00、18:00和20:00的LWP在255 \sim 507 mm之间，对应时次的降雪为0.9\sim2.1 mm。降水结束后，拉萨CTT（CTH）维持较低（高）水平，昌都CTT（CTH）迅速上升（下降），二者的COT、CER和LWP降至最低后略有回升。

降水开始前，高原南部边缘CTT下降、CTH上升，COT约为10、CER大于40 μm和LWP约为30 mm，说明云系发展较高且密实，云水含量大，云降水粒子粒径大。降水发展期间，CTT（CTH）波浪式下降（上升），CTH维持在6.5\sim9.5 km、CTT低于-30℃，COT、CER和LWP维持在较高水平，3:00、6:00、17:00和19:00帕里LWP达440\sim900 mm，对应时次的降雪在0.7\sim2.2 mm之间（图5E和5F）。4:00、7:00和14:00错那LWP（图略）在336\sim693 mm之间，对应时次降雪为1.8\sim2.0 mm。降水结束，高原南缘CTT（CTH）迅速上升（下降），COT、CER和LWP分别下降至20、25 μm和30 mm。

由上可知，FY-2G的CTT（CTH）、COT、CER和LWP先于地面降水变化1\sim2 h，先是云顶抬升、云体变厚，然后地面产生降水。

4 GPS水汽特征

水汽多寡及其输送是暴雪形成的决定性因素，GPS水汽能直观监测大气水汽多寡。12月18—19日拉萨、昌都和帕里GPS的PWV演变如图6所示。拉萨在降雪前12\sim24 h，PWV小于4 mm；降雪前12h PWV明显增大，最大达7.7 mm。伴随降雪出现，PWV先降后升并维持数小时，降雪期间PWV与降雪强度变化趋势一致；降雪减弱后，PWV迅速回落至4 mm以下，直至降雪过程结束。昌都降雪前12 h，PWV明显增大，18日12:00出现第一峰值，PWV为7.6 mm，随后减小。降雪开始时PWV达7.8 mm，随后PWV仍持续攀升，与21:00出现第二个峰值9.0 mm，此后开始缓慢减小，降雪峰值（2.1 mm/h）滞后PWV第二个峰值3 h。帕里降雪前6 h，PWV显著增大，增幅约2 mm/h。降雪出现时PWV为10.6 mm，降雪增强阶段，帕里PWV极值为12.6 mm，随后PWV减至11mm后再回升至第二个波峰。帕里降雪强度较大，强降雪期间PWV基本维持在2 mm左右，PWV较高可能是南部边缘强地形抬升导致水汽聚集所致。同时，暴雪期间拉萨和帕里出现多（两）个峰值，而昌都PWV只出现一个峰值，这可能与降雪持续时间或风暴外围云系东移减弱有关。综上可知，降雪前PWV有显著变化，极值出现在降雪前或降雪初期，强降雪时段与PWV峰值或高值时段密切相关。

5 后向轨迹追踪分析

5.1 水汽来源追踪及高低空配置

国内外常使用HYSPLIT研究某区域特定点不同高度水汽来源及具体路径^[24]。选取拉萨、昌都、错那和帕里作为目标区，利用HYSPLIT模型追踪12月18日前120 h高原不同区域水汽来源及输送特征（图7）。图中，红色、绿色和蓝色线分别代表低层（地表上空500 m）、中层（地表上空1 500 m）、高层（地表上空3 000 m）气团轨迹。

一江两河流域（图7A）低层水汽源于印度半岛4 500 m上空的暖湿气块，13日20:00气块比湿为0.2 g/kg、温度为-9.8℃，气块向东北移动下沉经过尼泊尔，比湿和温度增加；15日20:00至18日8:00该气团翻越喜马拉雅山脉并东移北上高原，地形抬升致使水汽凝结产生降水，温度和比湿减小。中层水汽源自中亚地区6 000 m的干冷气块，13日20:00气块比湿为0.2 g/kg、温度为-54.3℃，向西南移动并不断下沉，经过印度半岛后气候变暖变湿；16日20:00气团比湿变化不大、温度升至2.5℃，经尼泊尔北折，18日12:00比湿增至3.4 g/kg、温度为-14℃沿西南路径到达青藏高原一江两河流域。高层水汽源于伊朗高原7 000 m的干冷气块，13日20:00气块比湿为0.1 g/kg、温度为-38.3 ℃，向印度半岛移动中下沉变暖；17日20:00气团在尼泊尔境内北折，随后翻越喜马拉雅山脉，沿西南路径进入青藏高原，在抬升过程中气团比湿增大、温度降低；18日8:00抵达拉萨时比湿为2.5 g/kg、温度降至-22 ℃。

藏东三江流域（图7B）低层和中层水汽均源自印度半岛东北部的暖湿气团，气团西进北折上高原，翻越念青唐古拉山脉到达西藏东北部三江流域。中低层水汽源自印度半岛1 700 m上空的暖湿气块，13日23:00气块比湿为4.1 g/kg、温度为8℃左右，向西北方向移动下沉，途经印度半岛经墨脱水汽通道穿越喜马拉雅山脉后西折，翻越念青唐古拉山，经地形抬升作用比湿和温度波动式降低；18日8:00气团变暖变湿，17:00比湿和温度分别增至4.5 g/kg和-2.5℃。高层水汽源自印度半岛1 500 m的暖湿气块，13日23:00气团比湿为 6g/kg、温度为14.6℃，气团在印度半岛移动中逐渐变暖，翻越印度北部山脉，穿越喜马拉雅山脉错那一带水汽通道，温度和比湿波动下降，18日17:00气团比湿为2.8 g/kg、温度为-12.8 ℃。

风暴登陆位置与南部边缘不同区域暴雪强度密切相关。比较高原南部边缘地区帕里和错那的后向轨迹可以看出，帕里（图7C）低、中、高层水汽来源大致相同，均源自西亚地区6 000 m的干冷气团，沿西北路径东移南下至印度半岛过程中气团变暖，比湿变化不大，沿偏西路径经尼泊尔，沿亚东水汽通道穿越喜马拉雅山脉后抵达帕里，移动过程中气团具有下沉特征。中低层水汽在降水前36 h左右开始明显增大，降水前比湿在3 g/kg以上。高层水汽在降水前24 h左右开始明显增大，降水前比湿为2.4 g/kg。错那（图略）低层水汽12日23:00均来自孟加拉国1 500 m的暖湿气团，比湿分别为4.3 g/kg和6.7 g/kg，途经印度后在不丹境内东折北上沿喜马拉雅山脉勒布沟水汽通道抵达错那。中高层水汽主要来自地中海附近3 000 m的干冷气团，12日23:00比湿和温度分别为0.1 g/kg和-34.3 ℃，气团沿偏西方向经伊朗高原、阿拉伯半岛及印度半岛南下东移，气团比湿和温度波动明显，途经不丹后穿越喜马拉雅山脉后抵达错那。

高原不同区域的水汽输送有所区别，一江两河流域水汽输送主要源于西亚地区的中高层水汽，印度半岛低层水汽有一定的贡献，而三江流域整层水汽均源自印度半岛至孟加拉湾一带，高层贡献占比最大。另外，虽然帕里和错那均属西藏南部边缘，但水汽路径却不尽相同，帕里从低层到高层的水汽输送都源自西亚，错那中高层来自印度半岛，这可能与风暴登陆位置密切相关。

5.2 水汽来源聚类分析

前文定性分析了不同区域水汽来源，若存在水汽通道汇合，有必要确定水汽输送通道及贡献率。从图8可以看出，拉萨水汽输送基本源于地中海（61%）和西亚地区（37%）。昌都水汽源来自孟加拉湾一带的贡献率占47.7%，地中海地区和伊朗高原的贡献率约44.1%。帕里水汽输送来自以下三个区域：地中海和非洲一带的贡献率为68.3%，伊朗高原的贡献率为31.6%，阿拉伯海的贡献率占18.3%。错那水汽输送主要源于偏西路径，孟加拉湾-印度半岛一带的贡献率为67.8%，地中海和伊朗高原的贡献率约32.2%。

6 结论与讨论

利用FY-2G卫星云参量产品、GNSSMET和GDAS资料，结合HYSPLIT模式后向轨迹模拟，对2018年12月18—19日西藏区域性暴雪降水云系宏微观物理特征和水汽输送进行分析。结果表明：

（1）TBB降低预示降雪开始，TBB低值区与降水云带的发展、移动以及降雪落区有较好的对应。降雪强度与TBB大小呈负相关，一般降雪量>1 mm/h时TBB<-33℃，TBB低值区对暴雪短时临近预报有一定的指示作用。

（2）降水强度与云系发展旺盛程度、云系密实程度和云水丰沛程度紧密相关。降雪期间，云顶高度（云顶温度）升高（降低）、CTT（CTH）、COT、CER和LWP增大先于地面降水变化1～2 h，这些云特征参量演变特征可作为降雪临近预报关键指标因子。

（3）降雪前PWV显著增加，强降雪时段与PWV峰值或高值时段密切相关，PWV显著变大预示未来一段时间会出现强降雪。暴雪期间拉萨和帕里出现多（两）个峰值，而昌都PWV只出现一个峰值。帕里强降雪期间PWV较高是南部边缘强地形抬升导致水汽聚集所致。

（4）一江两河流域水汽输送主要源于西亚-地中海的中高层水汽，贡献率约98%，印度半岛低层水汽也有一定贡献。三江流域来自孟加拉湾一带的水汽贡献率占47.7%，源于地中海地区和伊朗高原的水汽贡献率约44.1%。高原南缘不同区域水汽路径也不尽相同，帕里从低层到高层都源自西亚，错那高层和低层的水汽输送来自印度半岛，中层来自西亚地区。

本文对高原暴雪遥感观测特征和水汽输送进行了研究，探讨了FY-2G云参数在暴雪天气中的应用。由于西藏冬季暴雪受到地形和云系演变的综合影响，因此利用FY系列卫星云参数深入开展卫星云参数与降水关系以及降雪临近精细预报和人影增雨（雪）作业条件监测技术研究值得进一步探索。

参考文献

[1] 戴加洗.青藏高原气候[M].北京:气象出版社,1990.

[2] 黄晓清,杨勇,石磊.西藏高原不同时段雪灾的空间分布及大气环流特征[J].中国沙漠,2013,33(2):396-402.

[3] 邹进上,曹彩珠.青藏高原降雪的气候学分析[J].大气科学,1989,13(4):400-409.

[4] 林志强,假拉,薛改萍,等.1980-2010年西藏高原大到暴雪的时空分布和环流特征[J].高原气象,2014,33(4):900-906.

[5] 罗布坚参,假拉,德庆,等.南支槽影响下西藏高原南部3次暴雪天气特征分析[J].气象,2019,45(6):862-870.

[6] 张入财,王君,陈超辉,等.印度双低涡对青藏高原西部一次典型暴雪过程的影响[J].干旱气象,2023,41(3):463-473.

[7] 边巴卓嘎,普次仁,德吉白珍,等.三次南支槽背景下西藏南部地区暴雪天气对比分析[J].高原科学研究,2022,6(2):11-20.

[8] 朱福康,郑新江,罗敬宁,等.藏南暴雪过程的水汽图像[J].科学通报,1998(20):2232-2235.

[9] 刘岩,马骁骏,李浩,等.基于CloudSat和Aqua卫星资料的北疆一次暴雪过程中云的宏微观物理属性[J].沙漠与绿洲气象,2015,9(2):9-15.

[10] 杨莲梅,李建刚,刘晶,等.西北气流下乌鲁木齐短时强降水中小尺度特征个例分析[J].暴雨灾害,2017,36(5):389-396.

[11] 刘晶,周玉淑,杨莲梅,等.伊犁河谷一次极端强降水事件水汽特征分析[J].大气科学,2019,43(5):959-974.

[12] 李曼,杨莲梅,赵玲.天山山区一次强降雪过程GPS可降水量特征分析[J].干旱区研究,2014,31(5):915-921.

[13] Brimelowjc, Reuter G W. Transport of atmosphericmoisture during three extreme rainfall events over the Mackenzie River Basin[J]. Journal of Hydrometeorology, 2005,6(4):423-440.

[14] 杜一博,李双双,冯典 等.全球变暖背景下陕西省夏季极端降水及其大尺度环流特征[J].高原气象,2024,43(2):342-352.

[15] Curio J, Maussion F, Scherer D A 12 -year high-resolu-tion climatology of atmospheric water transport over the Tibetan Plateau[J].Earth System Dynamics, 2015,6(1):109-124.

[16] Feng L, Zhou T J. Water vapor transport for summer precipitation over the Tibetan Plateau: multidata set analysis J]. Journal of Geophysical Research: Atmospheres, 2012,117(20):D20114.

[17] Chen B, Xu X D, Yang S, et al. On the origin and destina-tion of atmospheric moisture and air mass over the Tibetan Pla-teau[J]. Theoretical and Applied Climatology, 2012,110(3) :423-435.

[18] Xu X, Zhao T, Lu C, et al. An important mechanism sus-taining the atmospheric "water tower" over the Tibetan Plateau[J]. Atmospheric Chemistry and Physics, 2014,14(20):11287-11295.

[19] 阳坤,汤秋鸿,卢麾.青藏高原降水再循环率与水汽来源辨析[J].中国科学:地球科学,2022,52(3):574-578.

[20] Zhang C, Tang Q, Chen D. Recent changes in the moisture sourceof precipitation over the Tibetan Plateau[J].Journal Climate,2017(30): 1807-1819.

[21] 李颖,苏凤阁,汤秋鸿,等.青藏高原主要流域的降水水汽来源[J].中国科学:地球科学,2022,52(7):1328-1344.

[22] 刘崧,黄富祥,杨莲梅,等.北疆暴雪发生条件的卫星遥感监测[J].高原气象,2018,37(4):994-1001.

[23] 蔡淼,周毓荃,朱彬.FY2C/D卫星反演云特性参数与地面雨滴谱降水观测初步分析[J].气象与环境科学,2010,33(1):1-6.

[24] Gustafsson M, Rayner D, Chen D L. Extreme rainfall events in southern Sweden:Where does the moisture come from?[J]. Tellus A,2010,62(5):605-616.

基金资助

西藏自治区科技计划揭榜挂帅专项项目(JBGS2023000001)

中国气象局创新发展专项项目(CXFZ2023J042)