青藏高原區域多源土壤濕度數據的對比分析

孫 添， 王國杰， 婁 丹， Daniel

(1.南京信息工程大學大氣科學學院，江蘇南京 210044； 2.南京信息工程大學地理與遙感學院，江蘇南京 210044；3.氣象災害預報預警與評估協同創新中心，江蘇南京 21004)

青藏高原以“世界屋脊”著稱于世，平均海拔4 000～4 500 m，對大氣環流有著重要的影響，同時也是全球氣候變化的敏感區[1-2]。青藏高原下墊面的物理狀態一直受到氣象學家和地理學家所關注。土壤濕度是陸地水循環的重要組成部分，在陸地-大氣界面的水汽和能量交換中起著重要的作用，是聯系陸地水循環和能量循環的重要紐帶。土壤濕度對大氣過程的影響僅次于海表溫度，其記憶能力很強且長達數月，是提高季節性預報能力的一個重要途徑[3-4]。土壤濕度對大氣過程的局地反饋機制，尤其這種反饋機制對極端高溫、極端降水和干旱的季節性預報作用，是當前國際研究熱點。研究表明，土壤濕度對大氣過程的反饋作用，在干、濕氣候的轉換地帶最為強烈[5]。但是，土壤濕度不是常規氣象觀測數據，數據積累很少，并且現有的土壤濕度觀測資料沒有很好的空間代表性。

現代遙感技術的發展為獲取大范圍、長序列土壤濕度提供了可行途徑。一般而言，可采用紅外波段影像反演土壤濕度，但是紅外波段易受天氣條件植被等的影響。而微波波段不易受天氣條件等影響，且具有很強的穿透性，所以通過微波遙感獲取土壤濕度資料更具有優勢。趙逸舟等利用熱帶降水測量衛星(tropical rainfall measuring mission，簡稱TRMM)上攜帶的微波輻射儀(TRMM microwave imager，簡稱TMI)的亮溫數據反演出青藏高原中部地區的土壤濕度[6]；Shi等基于一個簡單的地表輻射(Qp)模型發展了裸土土壤濕度反演算法，并將其應用于風云三號衛星土壤濕度的反演工作[7]；劉強等利用增強微波掃描輻射計(advanced microwave scanning radiometer for earth observation satellite，簡稱AMSR-E)衛星數據通過雙通道土壤濕度反演算法獲得了青藏高原地區表層土壤濕度[8]；何媛等利用搭載在歐洲環境衛星的合成孔徑雷達(advanced synthesis aperture radar，簡稱ASAR)傳感器數據與站點觀測數據進行對比，估算了青藏高原東北部瑪曲地區的土壤濕度[9]；彭麗春等利用中國氣象局風云三號氣象衛星微波亮溫數據，通過土壤濕度三次多項式反演模型反演出土壤濕度[10]。在當前的土壤濕度微波遙感模型中，Owe等提出的地表參數反演模型(land parameter retrieval model，簡稱LPRM)比較有代表性[11-12]。中國氣象局風云三號系列衛星(FY-3A，2007年發射；FY-3B，2010年發射；FY-3C，2014年發射)是我國首次裝載微波成像儀(microwave radiometer imager，簡稱MWRI)的氣象衛星。利用風云三號衛星微波資料研發土壤濕度產品，提高我國自主衛星產品的國際競爭力，具有重要的應用價值和現實意義。本研究采用LPRM土壤濕度反演模型和FY-3B/MWRI微波亮溫資料反演了青藏高原地區的土壤濕度，并且與水文模型模擬數據、歐洲中期天氣預報中心再分析資料(European Centre for Medium-Range Weather Forecasts re-analysis interim，簡稱ERA-Interim)再分析和那曲地區的土壤濕度反演資料進行對比分析。

1 數據和方法

1.1 數據

1.1.1 微波亮溫數據與土壤濕度反演 本研究使用FY-3B微波亮溫數據進行土壤濕度的反演。FY-3B衛星的微波成像儀(MWRI)數據包含10.65 GHz(X波段)、18.7 GHz(Ku波段)、23.8 GHz(K波段)、36.5 GHz(Ka波段)、89 GHz(E波段)5個不同波段。每個波段含有2種極化探測模式：垂直極化(V)和水平極化(H)。LPRM模型使用X波段和Ka波段，其中X波段帶寬為180 MHz，定標誤差為1.0 kHz，地面分辨率為51 km×85 km；Ka波段帶寬為900 MHz，定標誤差為2.0 kHz，地面分辨率為18 km×30 km[13]。FY-3B 降軌地方時為01：40左右，升軌地方時為13：40左右。本研究使用 FY-3B 微波亮溫數據通過LPRM模型反演了數據連續性較好的2012年青藏高原地區土壤濕度數據(以下記為SMLPRM)。LPRM模型將微波亮溫與地表環境參數建立聯系，通過能量輻射傳輸模型和非線性循環方法，以最小化模型微波極化差指數(microwave polarization difference index，簡稱MPDI)與衛星觀測微波極化差指數間的差值為目標函數，進行土壤濕度的反演[14]。

1.1.2 CTP-SMTMN數據 青藏高原土壤濕度和溫度觀測網(soil moisture and temperature monitoring network on the central Tibetan Plateau，簡稱CTP-SMTMN)是那曲區域多尺度觀測網。它在3種空間尺度(1°、0.3°和0.1°)上測量土壤濕度，測量深度分別為5、10、20、40 cm[15]。本研究僅使用表層土壤觀測值(0～5 cm)。因為LPRM反演土壤濕度的空間分辨率為0.25°×0.25°，所以本研究選擇中尺度的觀測數據(下文記為SMin-situ)。那曲在青藏高原中部，擁有豐富的植被層，其中中尺度觀測網有22個站點。圖1為那曲觀測網的地理位置。

1.1.3 ERA-Interim再分析資料 本研究采用歐洲中期天氣預報中心再分析資料(ERA-Interim)的土壤濕度再分析資料(以下記為SMERA)。ERA-Interim土壤濕度再分析資料是歐洲中期天氣預報中心最新的一套再分析資料。它采用了與ERA-40同樣的歐洲中期天氣預報中心陸表變化系統(tiled ECMWF scheme for surface exchanges over land，簡稱TESSEL) 的陸面同化方案，但是在ERA-40的基礎上升級為四維變分同化算法。該資料的空間分辨率為 0.75°×0.75°；垂直方向上分為4層，到地表距離分別為7、21、72、189 cm[16]。本研究使用2012年全年垂直厚度為7 cm的表層土壤含水量。

1.1.4 VIC土壤濕度數據模擬 本研究使用張學君等利用可變滲透量水文模型(variable infiltration capacity，簡稱VIC)模擬的青藏高原地區土壤濕度(以下記為SMVIC)(ftp：//hydro.igsnrr.ac.cn/pub/VIC_outputs/soil_moisture_layer1)[17]，該模擬采用中國氣象局756觀測站的相關站點觀測數據(最高氣溫、最低氣溫、降水、風速等)為驅動數據。VIC水文模型是一種基于空間分布網格化的分布式水文模型[18]，不僅可以同時進行陸-氣間水量平衡和能量平衡，也可以單方面計算水量平衡。VIC模型含有4種參數：植被參數、土壤參數、背景參數以及水文參數。背景參數包括流域地理特性和氣候參數。植被參數、土壤參數和水文參數均具有物理機制基礎。其中土壤參數和植被參數由1 km的全球陸地覆蓋類型數據庫和全球10 km的土壤數據庫確定。水文參數有7個，分別是B(入滲能力形狀參數)、Dmax(底層土壤1 d內產生基流的最大值)、Ds(當基流非線性增長發生時，所占Dmax的比例)、Ws(當基流非線性增長發生時，底層土壤含水量與最大土壤含水量的比值)、D1(地表土壤厚度)、D2(第2層土壤厚度)和D3(第3層土壤厚度)。

1.2 方法

1.2.1 地表參數反演模型(LPRM) 本研究采用LPRM模型，利用雙通道微波遙感數據來反演土壤介電常數和植被光學厚度，然后通過土壤介電常數求取土壤濕度。LPRM土壤濕度反演算法基于微波極化差異指數(microwave polarization difference index，簡稱MPDI)，該指數定義為

(1)

式中：Tb為微波亮溫數據，下標表示微波數據的2種極化方式(V為垂直極化，H為水平極化)。土壤濕度以及植被狀況影響著微波極化指數，MPDI包含林冠層的反射率和土壤的反射率，也包含土壤介電性能等。植被冠層上方的上行輻射與輻射亮溫在植被覆蓋區基于輻射傳輸方程建立聯系：

Tbp=TSerpΓp+(1-ωp)TC(1-Γp)+(1-erp)(1-ωp)TC(1-Γp)Γp。

(2)

式中：下標p為極化方式(水平極化或者垂直極化)；TS和TC分別為土壤和林冠層的熱力學溫度；ω是單次散射反照率；Γ為林冠層透過率。第1項TSerpΓp是經植被層削弱的土壤上行輻射，第2項(1-ωp)TC(1-Γp)考慮了植被層自身的上行輻射，第3項(1-erp)(1-ωp)TC(1-Γp)Γp是植被的下行輻射經過土壤的向上反射后又再次被植被層削弱后的上行輻射。

植被冠層透過率Γ與植被光學厚度τ以及衛星微波傳感器的入射角u的關系可進一步定義為：Γ=exp(-τ/cosu)。將其與公式(1)、公式(2)聯立化簡，利用MPDI和土壤介電常數(k)來表示植被林冠層光學厚度τ，那么輻射傳輸方程里的植被項可以寫成由MPDI和k表示的方程；而輻射傳輸方程里剩余的未知量土壤發射率e可以通過Fresnel公式計算；此時剩余的唯一未知變量就是土壤的介電常數了。求得林冠層光學厚度和用土壤介電常數表達的土壤發射率之后，使用一個非線性的迭代過程，通過優化介電常數來求解水平極化下的輻射傳輸方程。當迭代收斂時，LPRM模型就可以利用全球土壤屬性數據庫[19]和混合介質模型[3]來計算土壤濕度。

1.2.2 統計分析方法 在本文中使用相關系數(r)、均方根誤差(root mean square deviation，簡稱RMSD)、非偏性均方根誤差(unbiased root mean square deviation，簡稱ubRMSD)來統計分析3套土壤濕度數據和站點觀測數據的差異性。相關研究表明，均方根誤差不能對誤差進行準確評估，有其局限性；而非偏性均方根誤差能更好地評估遙感數據與地面觀測數據之間的誤差范圍[20-21]。均方根誤差和非偏性均方根誤差的計算公式分別如下：

(3)

(4)

2 結果與分析

2.1 土壤濕度時間變化特征

從圖2中可以看出，SMLPRM數據在冬季缺失，這是因為冬季氣溫較低，土壤水分凍結，LPRM模型不能反演該地區的土壤濕度數據。在春季，隨著氣溫升高，凍結的土壤開始解凍，SMLPRM隨著氣溫的升高開始逐步增加。而SMVIC和SMERA土壤濕度數據在冬季變化較平緩，且在4月中旬至6月呈現一定程度的下降趨勢。夏季，站點觀測土壤濕度在6—7月升高達到最高值，在8月有所降低，SMLPRM、SMVIC、SMERA數據的變化均吻合站點數據的時間變化。在4—9月，與站點觀測數據相比，SMVIC數值偏低，而SMLPRM數值則明顯偏高。

圖3顯示的是標準化后的站點觀測值與土壤濕度產品數據的對比信息，以此分析SMLPRM、SMVIC、SMERA3套數據分別與土壤濕度站點觀測數據的吻合情況。標準化后的站點觀測值與標準化后的土壤濕度產品數據的比值越接近1 ∶1線，說明它們在時間變化方面越一致；若高于1 ∶1線，說明土壤濕度產品數據的時間變化率高于站點觀測數據的時間變化率；而低于1 ∶1線，說明土壤濕度產品數據的隨時間變化率低于站點觀測數據的時間變化率。從圖3可以看出，標準化后的SMLPRM與標準化后的站點觀測數據比值接近1 ∶1線，大部分處于1 ∶1線下部，說明SMLPRM時間變化率低于站點觀測數據的時間變化率；標準化后的SMERA與標準化后的站點觀測數據的比值大部分分布在1 ∶1線下部，少部分在1 ∶1線上部偏離較遠，說明SMERA數據時間變化率也主要表現為低于觀測數據；而SMVIC分布相對離散，表明其在時間變化方面與觀測數據的一致性較弱。

圖4為2012年SMERA、SMVIC、SMLPRM和SMin-situ的暖季(5—11月)期間統計分析泰勒圖。在泰勒圖中，站點觀測數據位于相關系數為1和標準誤差為1的點。標準差比值為評估數據的標準差和站點觀測數據標準差的比值；標準差比值大于1，表明評估數據的數值變化的振幅大于站點數據的數值變化的振幅，而標準差比值小于1則表明相反的結果。從圖中可以看出，SMVIC與SMin-situ相關系數為0.68，標準差比值在0.5左右，而ubRMSD在 0.75左右，說明VIC土壤濕度與站點土壤濕度觀測數據在時間變化上一致性較低，而自身變化的范圍小于站點觀測數據的變化范圍，并且偏離站點觀測數據較遠。SMERA與SMin-situ相關系數在0.73左右，標準差比值在0.3左右，非偏性均方根誤差在0.65左右，說明ERA-Interim再分析資料與站點土壤濕度觀測數據在時間變化上一致性較高，但是自身變化的范圍遠小于站點觀測數據的變化范圍，偏離站點觀測數據較小。SMLPRM與SMin-situ相關系數在0.75左右，標準差比值在1.3左右，非偏性均方根誤差在0.8左右，說明LPRM土壤濕度數據與站點土壤濕度觀測數據在時間變化上一致性很高，自身變化的范圍遠大于站點觀測數據的變化范圍，偏離站點觀測數據較大。在3套數據中從時間變化上來看，LPRM土壤濕度數據與站點土壤濕度觀測數據一致性最高；而從誤差上來看，ERA土壤濕度數據表現較好，但是自身變化范圍太小。

相關研究表明，VIC土壤濕度數據的空間分布在青藏高原表現較好[23-24]。圖5將LPRM土壤濕度數據與VIC土壤濕度數據和ERA-Interim土壤濕度數據進行空間比較。圖5-a、圖5-c 中，春季和秋季SMLPRM數據在青藏高原西部存在大片空白區，這是因為該地區地表溫度較低，土壤水分凍結，無法采用遙感手段反演土壤濕度。春季，LPRM土壤濕度數據在青藏高原東部地區在0.25～0.4 m3/m3之間，與VIC土壤濕度數據在該地區分布接近，而ERA-Interim土壤濕度數據在0.25～0.35 m3/m3之間。夏季，LPRM土壤濕度數據在青藏高原中南部地區在0.4～0.45 m3/m3之間；其中，青藏高原南麓數值較高，這是因為印度洋季風帶來的暖濕氣流融化積雪并帶來降雨從而導致此處土壤濕度偏高[25-29]。同時在祁連山脈地區，夏季降水量豐富，導致土壤濕度升高[30]，在LPRM土壤濕度數據夏季平均分布圖中可以明顯地看到區域內土壤濕度增加，在VIC土壤濕度中該地區也有明顯的增濕現象。而青藏高原東部屬于林區，茂盛的植被和降水量增加導致東部地區土壤濕度升高；同樣在VIC土壤濕度數據中，夏季該地區土壤濕度升高，在0.3～0.4 m3/m3之間；不過在中南部地區表現不明顯，土壤濕度在0.15～0.25 m3/m3之間。而在ERA-Interim土壤濕度數據中該變化表現不明顯。在秋季，LPRM土壤濕度數據在青藏高原中南部的高值區范圍減小，植被枯萎以及降水量減小導致了該地區的土壤濕度減小；在VIC土壤濕度數據中，中南部地區土壤濕度在 0.15～0.3 m3/m3之間，東部地區土壤濕度也有所降低，在 0.3～0.45 m3/m3之間；而在ERA-Interim土壤濕度數據中，青藏高原南部地區土壤濕度下降，整個高原地區土壤偏干。

為了進一步研究SMLPRM、SMVIC、SMERA在春夏秋3季的空間分布的一致性和差異性，本研究做了SMLPRM與SMVIC以及SMLPRM與SMERA在3個季節相關系數的空間分布。圖6-a、圖6-d為春季的相關分布，圖6-b、圖6-e為夏季的相關分布，圖6-c、圖6-f為秋季的相關分布。在春季，LPRM土壤濕度數據與VIC土壤濕度數據在青藏高原東部地區主要呈現負相關，而與ERA-Interim土壤濕度數據在青藏高原東部地區則呈現一定程度的正相關，這表明春季LPRM土壤濕度數據在青藏高原東部地區與VIC土壤濕度數據有顯著差異，而與ERA-Interim數據的一致性略好。在夏季，LPRM土壤濕度數據與VIC土壤濕度數據在青藏高原東部地區呈現正相關，在青藏高原中南部地區相關系數達到0.6以上；與ERA-Interim土壤濕度的相關性也高；這表明LPRM土壤濕度與VIC和ERA-Interim數據都有較好的一致性。在秋季，LPRM土壤濕度數據與VIC土壤濕度數據在青藏高原東部的部分地區呈現負相關，部分地區呈正相關；而與ERA-Interim土壤濕度數據則呈現較好的正相關分布；這表明LPRM土壤濕度數據與ERA-Interim的一致性優于VIC土壤濕度數據。吳志勇等利用VIC模型模擬了全國逐日土壤濕度，通過比較發現VIC模型模擬的土壤濕度數據在中國西部地區以及西北干旱地區模擬效果不理想，在中國南部等濕潤和半濕潤地區模擬效果較好[31]。Bi等指出VIC數據在青藏高原東部地區表現較差，原因在于該地區土壤異質性較大，一定程度上影響土壤濕度的模擬精度。綜上所述，夏季LPRM土壤濕度數據在青藏高原南部和東部地區與VIC和ERA-Interim數據的一致性最好，數據質量較為可信[23]。

3 結論

基于中國氣象局FY-3B氣象衛星微波亮溫資料，本研究采用能量輻射傳輸模型LPRM反演了2012年青藏高原地表土壤濕度，并與ERA-Interim再分析資料、VIC水文模型模型模擬資料和那曲地區站點觀測資料和的土壤濕度產品進行了對比分析，可以初步得到如下結論：就絕對量而言，LPRM反演土壤濕度與那曲地區站點觀測數據的偏差較大。ERA-Interim再分析資料與VIC水文模型模型模擬資料的絕對量偏差明顯低于LPRM反演土壤濕度。就時間變化而言，LPRM土壤濕度數據與那曲地區觀測數據的相關系數最高，ERA-Interim再分析資料次之，VIC水文模型模擬資料最低。這表明LPRM土壤濕度與觀測資料呈現出的時間變化最為一致。3套格點數據的相關性呈現明顯的季節變化。在夏季，LPRM土壤濕度數據與VIC、ERA-Interim土壤濕度數據在青藏高原大部分地區呈現正相關；尤其是在青藏高原南部地區，相關系數均達到0.6以上。在春季和秋季，而LPRM土壤濕度數據與ERA-Interim再分析資料在青藏高原東部地區主要呈現正相關關系；而與VIC模型模擬數據則存在較大差異。在春季，LPRM土壤濕度與VIC數據主要表現為負相關；在秋季，兩者在青藏高原東南部主要表現為正相關，而在東中部地區則表現為負相關。但是，由于缺乏大范圍的土壤濕度觀測資料，尚無法厘清這種不確定性的來源。LPRM輻射傳輸模型在反演青藏高原土壤濕度的時間變化方面表現優異。但是，它在那曲地區反演的土壤濕度絕對量明顯偏高，仍需進一步改進和優化。改進土壤介電常數和地表糙度，是可能的努力方向。

參考文獻：

[1]Ye D. Some characteristics of the summer circulation over the Qinghai-Xizang (Tibet) Plateau and its neighborhood[J]. Bulletin of the American Meteorological Society，1980，62(1)：14-19.

[2]Yeh T C. Some aspects of the thermal influences of the Qinghai-Tibetan plateau on the atmospheric circulation[J]. Archives for Meteorology Geophysics & Bioclimatology，1982，31(3)：205-220.

[3]Wang J R，Schmugge T J. An empirical model for the complex dielectric permittivity of soils as a function of water content[J]. IEEE Transactions on Geoscience and Remote Sensing，1980，18(4)：288-295.

[4]Quesada B，Vautard R，Yiou P，et al. Asymmetric European summer heat predictability from wet and dry southern winters and springs[J]. Nature Climate Change，2012，2(10)：736-741.

[5]Seneviratne S I，Corti T，Davin E L，et al. Investigating soil moisture-climate interactions in a changing climate：a review[J]. Earth-Science Reviews，2010，99(3)：125-161

[6]趙逸舟，馬耀明，黃 鎮，等. 利用TRMM/TMI資料反演青藏高原中部土壤濕度[J]. 高原氣象，2007，26(5)：952-957.

[7]Shi J，Jiang L，Zhang L，et al. Physically based estimation of bare-surface soil moisture with the passive radiometers[J]. IEEE Transations on Geoscience and Remote Sensing，2006，44(11)：3145-3153.

[8]劉 強，杜今陽，施建成，等. 青藏高原表層土壤濕度遙感反演及其空間分布和多年變化趨勢分析[J]. 中國科學：地球科學，2013(10)：1677-1690.

[9]何 媛，文 軍，張堂堂，等. 衛星微波遙感結合可見光遙感估算黃河源區土壤濕度研究[J]. 遙感技術與應用，2013，28(2)：300-308.

[10]彭麗春，李萬彪，劉輝志. FY-3A/MWRI數據反演半干旱地區土壤濕度的研究[J]. 北京大學學報(自然科學版)，2011，47(5)：797-804.

[11]Owe M，de Jeu R，Holmes T. Multisensor historical climatology of satellite-derived global land surface moisture[J]. Journal of Geophysical Research，2008，113：F01002.

[12]de Jeu R A M，Wagner W，Holmes T R H，et al. Global soil moisture patterns observed by space borne microwave radiometers and scatterometers[J]. Surveys in Geophysics，2008，29(4/5)：399-420.

[13]楊 軍，董超華，盧乃錳，等. 中國新一代極軌氣象衛星——風云三號[J]. 氣象學報，2009，67(4)：501-509.

[14]Liu Y Y，Dorigo W A，Parinussa R M，et al. Trend-preserving blending of passive and active microwave soil moisture retrievals[J]. Remote Sensing of Environment，2012，123(3)：280-297.

[15]Chen Y，Yang K，Qin J，et al. Evaluation of AMSR-E retrievals and GLDAS simulations against observations of a soil moisture network on the central Tibetan Plateau[J]. Journal of Geophysical Research Atmospheres，2013，118(10)：4466-4475.

[16]Dee D P，Uppala S M，Simmons A J，et al. The ERA-Interim reanalysis：configuration and performance of the data assimilation system[J]. Quarterly Journal of the Royal Meteorological Society，2011，137(656)：553-597.

[17]Zhang X J，Tang Q，Pan M，et al. A long-term land surface hydrologic fluxes and states sataset for China[J]. Journal of Hydrometeorology，2014，15(5)：2067-2084.

[18]Nijssen B，Schnur R，Lettenmaier D P. Global retrospective estimation of soil moisture using the variable infiltration capacity land surface model，1980-93[J]. Journal of Climate，1999，14(8)：1790-1808.

[19]Rodell M，Houser P R，Jambor U，et al. The global land data assimilation system[J]. Bulletin of the American Meteorological Society，2004，85(3)：381-394.

[20]Pratola C，Barrett B，Gruber A，et al. Evaluation of a global soil moisture product from finer spatial resolution SAR data and ground measurements at Irish sites[J]. Remote Sensing，2014，6(9)：8190-8219.

[21]Willmott C J，Matsuura K. Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance[J]. Climate Research，2005，30(1)：79-82.

[22]Taylor K E. Summarizing multiple aspects of model performance in a single diagram[J]. Journal of Geophysical Research，2001，106(D7)：7183-7192.

[23]Bi H，Ma J，Zheng W，et al. Comparison of soil moisture in GLDAS model simulations and in situ observations over the Tibetan Plateau[J]. Journal of Geophysical Research Atmospheres，2016，121(6)：2658-2678.

[24]Mcnally A，Shukla S，Arsenault K R，et al. Evaluating ESA CCI soil moisture in East Africa[J]. International Journal of Applied Earth Observation & Geoinformation，2016，48：96-109.

[25]段克勤，姚檀棟，王寧練，等. 青藏高原南北降水變化差異研究[J]. 冰川凍土，2008，30(5)：726-732.

[26]Xie C Y，Li M J，Zhang X Q，et al. Moisture transport features in summer and its rainfall effects over key region in southern margin of Qinghai-Xizang Plateau[J]. Plateau Meteorology，2015，34(2)：327-337.

[27]劉曉東. 青藏高原隆升對亞洲季風形成和全球氣候與環境變化的影響[J]. 高原氣象，1999，18(3)：321-332.

[28]李 理，李棟梁. 青藏高原土壤濕度對黃河流域夏季降水的影響[C]//S4青藏高原及鄰近地區天氣氣候影響. 北京：中國氣象學會，2012.

[29]解承瑩，李敏姣，張雪芹，等. 青藏高原南緣關鍵區夏季水汽輸送特征及其與高原降水的關系[J]. 高原氣象，2015，34(2)：327-337.

[30]賈文雄. 祁連山氣候的空間差異與地理位置和地形的關系[J]. 干旱區研究，2010，27(4)：607-615.

[31]吳志勇，陸桂華，張建云，等. 基于VIC模型的逐日土壤含水量模擬[J]. 地理科學，2007，27(3)：359-364.