EN中文

干旱区地理 >

2024 , Vol. 47 >Issue 9: 1443 - 1450

DOI: https://doi.org/10.12118/j.issn.1000-6060.2024.107

第三次新疆综合科学考察

1979—2021年新疆昆仑山北坡潜在蒸散时空变化研究

  • 李红阳 , 1 ,
  • 陈天宇 2 ,
  • 王圣杰 , 1 ,
  • 张明军 1
展开
  • 1.西北师范大学地理与环境科学学院，甘肃 兰州 730070
  • 2.和田地区气象局，新疆 和田 848000
王圣杰（1987-），男，博士，副教授，主要从事同位素水文气候研究. E-mail:

李红阳（1999-），女，硕士研究生，主要从事寒旱区生态水文过程研究. E-mail:

收稿日期: 2024-02-23

  修回日期: 2024-05-08

  网络出版日期: 2026-03-11

基金资助

国家科技基础资源调查专项(2021xjkk0101)

国家自然科学基金项目(42261008)

收起

Spatiotemporal variations of potential evapotranspiration on the northern slope of the Kunlun Mountains in Xinjiang from 1979 to 2021

  • Hongyang LI , 1 ,
  • Tianyu CHEN 2 ,
  • Shengjie WANG , 1 ,
  • Mingjun ZHANG 1
Expand
  • 1. College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, Gansu, China
  • 2. Hotan Prefecture Meteorological Bureau, Hotan 848000, Xinjiang, China

Received date: 2024-02-23

  Revised date: 2024-05-08

  Online published: 2026-03-11

Fold

摘要

蒸散是陆面水循环的重要环节，在高寒干旱环境中表现更加复杂。新疆昆仑山北坡位于青藏高原北缘，山区实地气象观测匮乏，对潜在蒸散的认识也有待加强。通过Mann-Kendall检验和经验正交函数分析了1979—2021年新疆昆仑山北坡潜在蒸散的时空变化特征，比较了各流域的变化趋势，并且分析了潜在蒸散与其他气象要素的关系。结果表明：（1） 新疆昆仑山北坡年均潜在蒸散为733.5 mm，从塔里木盆地南缘向南呈现出逐渐减小的空间变化趋势。（2） 1979—2021年潜在蒸散总体呈波动上升趋势，线性变化率为8.7 mm·(10a)-1，其中2007年以前呈上升趋势，2007年后有下降趋势。（3） 在喀什噶尔河流域、叶尔羌河流域、和田河流域、克里雅河流域、车尔臣河流域以及库木库里盆地6个流域中，车尔臣河流域年均潜在蒸散最高（810.8 mm），其线性变化率也最大（11.4 mm·(10a)-1），和田河流域和克里雅河流域潜在蒸散的升高趋势相对较小，线性变化率分别为4.9 mm·(10a)-1和5.0 mm·(10a)-1。未来仍应加强新疆昆仑山北坡高海拔区域的水文气象观测，以便明确全球变化背景下的水文不确定性。

关键词： 潜在蒸散; 格网数据; 时空变化; 昆仑山北坡

本文引用格式

李红阳 , 陈天宇 , 王圣杰 , 张明军 . 1979—2021年新疆昆仑山北坡潜在蒸散时空变化研究[J]. 干旱区地理, 2024 , 47(9) : 1443 -1450 . DOI: 10.12118/j.issn.1000-6060.2024.107

Abstract

Evapotranspiration is an important component of the terrestrial water cycle, and is complex in cold and arid environments. The northern slope of the Kunlun Mountains in Xinjiang of China, situated on the northern edge of the Qinghai-Xizang Plateau, lacks a comprehensive understanding of potential evapotranspiration due to the absence of long-term meteorological observations. This study examined the spatiotemporal variations of potential evapotranspiration from 1979 to 2021, especially from a sub-basin perspective, and analyzed the relationship between potential evapotranspiration and other meteorological parameters using the Mann-Kendall test and empirical orthogonal function. The results indicate that: (1) The long-term mean of potential evapotranspiration is 733.5 mm per year, exhibiting a spatial variation trend that decreases gradually from the southern edge of the Tarim Basin towards the south. (2) From 1979 to 2021, the mean potential evapotranspiration has increased by 8.7 mm·(10a)-1. Before 2007, there was an increasing trend, although a decreasing trend can be seen after 2007. (3) Among the six sub-basins, i.e., the Kaxgar River Basin, the Yarkant River Basin, the Hotan River Basin, the Keriya River Basin, the Qarqan River Basin and the Kumkol Basin, the Qarqan River Basin has the highest annual mean potential evapotranspiration of 810.8 mm and the highest linear trend of 11.4 mm·(10a)-1. In contrast, the linear trends in the Hotan River Basin (4.9 mm·(10a)-1) and the Keriya River Basin (5.0 mm·(10a)-1) are lower. In the future, efforts should be made to enhance hydro-meteorological observations in high-altitude regions of the northern slope of the Kunlun Mountains in Xinjiang to understand hydrological uncertainties under the background of global change.

Key words： potential evapotranspiration; gridded data; spatiotemporal variation; north slope of the Kunlun Mountains

蒸散是连接地表水量平衡和能量平衡的关键环节[1-2]，对水资源的可持续管理至关重要[3]。近几十年来，全球变暖加速了陆地和海洋的水循环过程[4]，导致陆地蒸散也出现不同尺度的变化[5-6]，从而对地球表层环境产生深远影响[7]。潜在蒸散是在一定气象条件下，当供水不受限制时地表所能达到的最大蒸散量[8-9]，是衡量作物需水量、植物生长状况和作物产量的重要指标[10]，其变化受到气温、风速、相对湿度和太阳辐射等气象因素的共同影响[11]。作为水量和能量收支的重要环节，蒸散与降水共同决定着区域的干湿变化[12]。在全球气候变暖的背景下，分析潜在蒸散的时空格局变化有利于定量研究气候变化对流域水循环的影响，对于水热转换过程的深入理解以及农业灌溉管理也具有重要意义。
寒旱区水文和能量循环对气候变化敏感，尤其是青藏高原地区[13-14]。青藏高原的地形显著增强了亚洲季风系统和干旱气候的形成，进而影响全球尺度的气候变化，同时亚洲季风系统反过来又控制着青藏高原的水资源动态变化[15]。全球变暖背景下，青藏高原的水资源变化显著，突出地表现在冰川和多年冻土退化、湖泊扩张、径流增加等方面[16-17]，准确估计潜在蒸散变化显得越发重要。Chen等[18]分析了1961—2000年青藏高原及周边地区101个站点的潜在蒸散，发现各季节的潜在蒸散都有所下降，并认为风速下降是影响潜在蒸散下降的主要原因。田露等[19]利用青藏高原东北部青海湖流域数据分析1967—2010年潜在蒸散变化，也发现潜在蒸散呈下降趋势。但是，有研究通过分析2000—2018年三江源的气象站点数据，认为潜在蒸散呈上升趋势，并且年变化率具有明显的空间差异[20]。寒旱区通达性有限，长期气象观测站点的分布密度低，制约了对潜在蒸散的综合认识，而数据同化技术有望促进对该问题的理解[21-22]。
新疆昆仑山北坡位于青藏高原北部，地形起伏大，气候寒冷干旱，水热条件分布复杂[23]，其部分区域的冰川退缩速度相对较慢，与青藏高原其他地区不尽相同，水文气候规律值得深入研究[24-25]。尽管新疆昆仑山北坡区域一直备受水文气象领域关注，然而由于自然条件恶劣，气象台站稀少且多建在河谷低地，对山区的潜在蒸散变化仍不甚明确，借助多源格网数据深入研究其潜在蒸散变化具有重要意义。因此，本文选择新疆昆仑山北坡为研究区，明确该区域潜在蒸散的时空变化规律。研究旨在丰富对新疆昆仑山北坡气候变化的认识，为环境脆弱区的生态文明建设和高质量发展提供科学支持。

1 数据与方法

1.1 研究区概况

昆仑山是横贯中国西部的高大山脉，西起帕米尔高原，沿新疆维吾尔自治区南部和西藏自治区北部，向东经青海省西部延伸到四川省西北部。山体西窄东宽，由北西—南东走向转为近东西向，长约2500 km，宽约100~250 km。昆仑山在新疆境内长约1500 km，是整个昆仑山的中西段，山脊线平均海拔6000 m[23]。新疆昆仑山北坡地区，北抵青藏高原北缘和塔里木盆地南缘，南至新疆维吾尔自治区南界，自西向东大致可以分为喀什噶尔河上游、叶尔羌河上游、和田河上游、克里雅河上游、车尔臣河上游以及库木库里盆地6个子流域（图1）。由于高原的热力学和动力学作用，新疆昆仑山北坡地区的大气环流具有明显的区域特征[26]，这使其成为我国年平均气温等值线最为密集的地区之一，温度梯度大，在纬距2°~4°的范围内，温差可达18~20 ℃[23]。年降水量分布复杂，多在200~400 mm之间，不仅与水汽输送路径有关，还受到天气和地形的影响，有时即使水平距离很近，也会由于下垫面的差异形成对流性的不稳定气层，产生降水量的差异[27]。
图1 新疆昆仑山北坡示意图

注：基于新疆标准地图服务网站审图号为新S（2023）061号的标准地图制作，底图边界无修改。下同。

Fig. 1 Schematic diagram of the northern slope of the Kunlun Mountains in Xinjiang

1.2 数据来源及处理

1.2.1 蒸散产品来源

本文使用了以下3种潜在蒸散数据产品：（1） 中国气象局研发的第一代全球大气和陆面再分析产品（以下简称CRA）[28]，时间范围为1979—2021年，时间分辨率包括6 h、1 d、1月，空间分辨率包括34 km、0.25°、0.5°、1.0°、2.5°。本文选取空间分辨率为34 km的月尺度数据，数据下载自中国气象数据网（https://data.cma.cn/data/cdcdetail/dataCode/NAFP_CRA40_FTM_MON.html）。（2） 英国东英格利亚大学气候研究组研发的时间序列产品（以下简称CRU）[29]，本文选取的版本为CRU TS v. 4.07，时间范围为1901—2022年，空间分辨率为0.5°，数据下载自东英格利亚大学网站（https://crudata.uea.ac.uk/cru/data/hrg/cru_ts_4.07/）。（3） 西北农林科技大学研发的中国1 km逐月潜在蒸散数据集（以下简称Z_PET）[30]，数据时间范围为1901—2022年，空间分辨率约为1 km[31]，数据下载自国家青藏高原科学数据中心（https://data.tpdc.ac.cn/zh-hans/data/8b11da09-1a40-4014-bd3d-2b86e6dccad4）。分析潜在蒸散与其他气象要素关系时用到的平均气温、最高气温、最低气温以及气压来自于英国东英格利亚大学的CRU TS v. 4.07数据集，风速和相对湿度来自于欧洲中期天气预报中心的ERA5数据集，其中相对湿度根据地面2 m气温和露点温度得到。

1.2.2 蒸散产品验证

为了选取效果最好的蒸散产品，在1979—2019年新疆昆仑山北坡及周边24个气象站点，根据Penman-Monteith公式得到的潜在蒸散量和实测蒸发皿蒸发量，采用双线性插值将3种产品分别插值到站点位置处，对3种蒸散产品进行验证。
潜在蒸散基于世界粮农组织修正后的Penman-Monteith公式[32]计算，该公式已被广泛应用潜在蒸散的计算[32-33]，尤其在干旱区具有较好的适用性[34]，利用气象站点日平均、最高和最低气温、相对湿度、降水量、风速、日照时数等得到，气象数据来源于中国气象数据网，主要方法如下：
E T P = 0.408 Δ R n - G + γ 900 T m e a n + 273 u 2 e s - e a Δ + γ 1 + 0.34 u 2
式中：ETP为潜在蒸散（mm·d-1）；Δ为饱和水汽压曲线斜率（kPa·℃-1）；Rn为太阳净辐射（MJ·m-2·d-1）；G为土壤热通量（MJ·m-2·d-1），日尺度记为0，忽略不计；γ为干湿常数（kPa·℃-1）； u 2为地面以上2 m风速（m·s-1）；Tmean为日平均气温（℃）；es为饱和水汽压（kPa）；ea为实际水汽压（kPa）；es-ea为饱和水汽压差（kPa）。除直接获取的气象数据外，其他变量在Python中由这些气象数据推导得到，月数据根据日数据得到。
对3种潜在蒸散产品进行点对点评估，研究发现，无论是何种验证方法，3种产品均显示出较高的决定系数（R2），均能够刻画出潜在蒸散的基本时空特征。其中，对于气象站点的潜在蒸散，CRA、CRU和Z_PET的决定系数分别为0.81、0.91和0.90；对于蒸发皿蒸发量，CRA、CRU和Z_PET的决定系数分别为0.75、0.84和0.81。因此，本文选取CRU进行后续研究。

1.3 研究方法

1.3.1 Mann-Kendall检验

本文采用Mann-Kendall（简称M-K）检验研究潜在蒸散的变化趋势及其显著性。M-K检验是一种基于秩和统计量的方法，通过比较数据的秩次来判断趋势的方向性[35]，统计值S与标准化检验统计值ZMK计算方法如下：
s g n X j - X i = + 1 ,             X j - X i     > 0 0 ,                     X j - X i     = 0   - 1 ,             X j - X i     < 0
S = ∑ i = 1 n - 1 ∑ j = i + 1 n s g n ( X j - X i )
V a r S = 1 18 n n - 1 2 n + 5
Z M K = S - 1 V a r S , S > 0 0 ,                         S = 0 S + 1 V a r S , S < 0
式中：Xi和Xj为不同时间序列的属性值；n为时间序列数据长度；Var(S)为方差；ZMK为时间序列数据变化趋势值。在双边趋势检验中，若给定Z值一个显著性水平α，则Z1-α/2的值在正态分布表中可以查出。当Z>Z1-α/2时，说明这个时间序列在给定的显著性水平α下，其变化趋势是显著的，本文的α取0.05，对应的信度水平为±1.96。

1.3.2 经验正交函数分析

经验正交函数分析（EOF）可用于评估空间主导模态，从矩阵数据中提取结构特征和主要数据特征量[36]。通过某种线性组合，它能够使得某些变量或某个变量的解释方差变得更大，从而得到这些重要的解释方差变量。EOF能够揭示数据中的潜在模式，并通过主成分提取出这些重要的空间特征。本文利用North检验方法评估EOF分析中得到的正交函数是否具有统计显著性。

2 结果与分析

2.1 潜在蒸散时空变化趋势

2.1.1 潜在蒸散时空变化

基于CRU产品研究发现，1979—2021年新疆昆仑山北坡潜在蒸散总体上呈现出波动上升趋势，线性变化率为8.7 mm·(10a)-1，整个研究区年均潜在蒸散为733.5 mm（图2a）。其中，2007年以前总体呈现出上升的趋势，2007年以后甚至呈现出下降的趋势。从空间变化分布（图2b）看出，从北向南潜在蒸散逐渐下降。具体来说，靠近塔里木盆地南缘的潜在蒸散最高，越靠近研究区南界的潜在蒸散越低，在和田河流域北部和车尔臣河流域北部潜在蒸散达到最大值，在克里雅河流域南部、和田河流域西南部以及库木库里盆地南部地区潜在蒸散处于较低水平。
图2 1979—2021年新疆昆仑山北坡潜在蒸散的年际变化和空间分布

Fig. 2 Interannual variation and spatial distribution of potential evapotranspiration on the northern slope of the Kunlun Mountains in Xinjiang from 1979 to 2021

1979—2021年新疆昆仑山北坡各流域潜在蒸散的平均值与线性趋势差异如表1所示，其中车尔臣河流域的年均潜在蒸散最高，为810.8 mm，与此同时其线性变化率也最大，为11.4 mm·(10a)-1。其余5个流域年均潜在蒸散均明显小于车尔臣河流域，从大到小依次是库木库里盆地、喀什噶尔河流域、克里雅河流域、和田河流域、叶尔羌河流域，年均潜在蒸散分别为719.8 mm、715.8 mm、704.3 mm、701.9 mm、700.2 mm。这5个流域潜在蒸散也都呈现出增加的趋势，对应的线性变化率分别为7.8 mm·(10a)-1、16.5 mm·(10a)-1、5.0 mm·(10a)-1、4.9 mm·(10a)-1、10.3 mm·(10a)-1，其中，和田河流域和克里雅河流域潜在蒸散的升高趋势相对较小。
表1 1979—2021年新疆昆仑山北坡各流域潜在蒸散的多年平均值和线性趋势

Tab. 1 Long-term mean and linear trend of potential evapotranspiration in various drainage basins on the northern slope of the Kunlun Mountains in Xinjiang from 1979 to 2021

流域 年均潜在蒸散
/mm		 潜在蒸散线性变化率/mm·(10a)-1
喀什噶尔河流域 715.8 16.5
叶尔羌河流域 700.2 10.3
和田河流域 701.9 4.9
克里雅河流域 704.3 5.0
车尔臣河流域 810.8 11.4
库木库里盆地 719.8 7.8

2.1.2 基于EOF和M-K的潜在蒸散时空变化趋势

为了进一步分析新疆昆仑山北坡潜在蒸散在时空上的变化特点，对1979—2021年潜在蒸散数据进行了EOF分析。如图3所示，根据North检验对前2个潜在蒸散特征值进行了检验，结果表明这些特征值均通过了显著性检验。第一和第二特征解释方差分别为75.77%和10.25%，第一特征具有较好的收敛性，基本上能够反映新疆昆仑山北坡的主要空间分布特征（图3a）。第一特征向量场整体上为正值，在所有的空间位置上都存在正相关性。换言之，在第一特征主导下，当某个地区的潜在蒸散增加时，其他地区一般也会增加；反之，当某个地区的潜在蒸散减少时，其他地区也会减少。从第一模态的年际变化特征来看（图3c），整体呈现上升趋势，并且大致在2007年前波动上升更为明显，以后则速度减缓甚至出现波动下降的趋势，这与区域潜在蒸散的年际变化特征（图2a）相符合。第二特征呈现出东西反向的空间分布，具体来说潜在蒸散在西侧的喀什噶尔河流域和叶尔羌河流域主要为负值区域，而其余东侧的4个流域则主要为正值区域（图3b）。该特征向量场表明新疆昆仑山北坡地区的潜在蒸散变化存在着明显的东西差异，结合第二模态的年际变化特征（图3d），在第二特征主导下，当和田河流域、克里雅河流域、车尔臣河流域和库木库里盆地的潜在蒸散增加时，喀什噶尔河流域和叶尔羌河流域的潜在蒸散则可能呈下降趋势，这可能也反映了水汽输送过程的差异。
图3 1979—2021年新疆昆仑山北坡潜在蒸散经验正交函数第一和第二特征的空间分布和年际变化

注：EOF1、EOF2分别为经验正交函数分析第一、第二模态；PC1、PC2分别为第一、第二模态的年际变化特征，即特定时间的特定地点在数据集中的模式强度。

Fig. 3 Spatial distributions and interannual variations of the first and second loadings of empirical orthogonal functions of potential evapotranspiration on the northern slope of Kunlun Mountains in Xinjiang from 1979 to 2021

M-K检验结果（图4）表明，在显著性水平为0.05的情况下，研究区除了很小一部分区域潜在蒸散有不显著下降的趋势外，大部分区域潜在蒸散都呈现出显著增加的趋势。在喀什噶尔河流域、车尔臣河流域、库木库里盆地、和田河流域南部以及克里雅河大部分区域Z值大于1.96，表明潜在蒸散呈现出显著增加趋势。另外，在叶尔羌河流域和和田河流域中部部分区域Z值在0.5~1.0之间，表明在这些区域潜在蒸散虽然增加但是不显著。
图4 1979—2021年新疆昆仑山北坡潜在蒸散Mann-Kendall检验的Z值空间变化

Fig. 4 Spatial variations of Z values of Mann-Kendall test for potential evapotranspiration on the northern slope of Kunlun Mountains in Xinjiang from 1979 to 2021

2.2 潜在蒸散与其他气象要素的关系

通过计算平均气温、最高气温、最低气温、风速、相对湿度和气压等气象要素与潜在蒸散的相关系数，发现最高气温与潜在蒸散的相关性最大，相关系数0.70，其次是平均气温（0.64）和最低气温（0.51）。相对湿度（-0.23）以及气压（-0.04）与潜在蒸散呈微弱的负相关，风速（0.06）与潜在蒸散呈微弱的正相关。进一步利用1979—2021年的数据分析潜在蒸散与其他气象要素相关系数在空间上的分布情况（图5）。平均气温、最高气温、最低气温与潜在蒸散的相关性较高，基本都呈现出正相关关系，且普遍通过了显著性检验。此外，相对湿度在大部分区域与潜在蒸散呈现出负相关关系，但仍有部分地区呈不显著的正相关。平均风速与潜在蒸散呈正相关，但相关性较微弱。气压与潜在蒸散呈负相关，相关性也较微弱。
图5 新疆昆仑山北坡潜在蒸散与其他气象要素相关系数的空间分布

Fig. 5 Spatial variations of correlation coefficients between potential evapotranspiration and other meteorological elements on the northern slope of the Kunlun Mountains in Xinjiang

3 讨论

全球变暖一般会促进水文循环的速度和强度[37]，造成区域降水模式与蒸散量的改变[38]，在水资源较为匮乏的内陆区域，基于蒸散的水资源管理十分必要[39]，研究干旱区蒸散的变化对探究水资源和水循环变化有重要意义。
本文评估了1979—2021年3种潜在蒸散产品数据在新疆昆仑山北坡适用性，评估结果表明CRU在研究区适用性更好，基于该产品分析得出1979—2007年潜在蒸散呈现出上升的趋势，其中在2007年前后有不同的变化趋势。相较于对气温和降水量的评估，以往对潜在蒸散产品的评估相对较少。有基于站点的研究发现1961—2000青藏高原及其周边区域的潜在蒸散在所有季节都有所下降，年均潜在蒸散以13.1 mm·(10a)-1的速率下降，占年总量的2.0%[18]；有学者利用1961—2008年全国595个气象站估算的潜在蒸散，得出除东北寒温带湿润地区外大部分气候区蒸散呈下降趋势[40]；还有研究利用2000—2018年三江源14个气象站点数据估算潜在蒸散，得出近20 a来三江源区域潜在蒸散呈上升趋势，增长率为1.4 mm·(10a)-1[20]。然而，这些研究实际上在新疆昆仑山北坡的站点极为有限，山区一般仅有西侧的塔什库尔干一个站点。由于地形复杂、海拔较高等自然条件的限制，交通和基础设施有限，高海拔山区气象观测网络较为稀疏，缺少长期观测数据，这使得数据验证仍存在不少困难。尽管格网数据能够弥补气象观测网络的稀疏性[21-22]，但是由于产品自身的系统和随机误差，从本文选取的不同产品来看其不确定性仍不容忽视，在分析资料匮乏区域的潜在蒸散时建议采用多源数据进行综合分析。未来在新疆昆仑山北坡加强包括气温、降水、湿度在内的长时间尺度气象观测仍有其深远意义，高海拔区域的水文气象观测有助于明确全球变化背景下的水文不确定性。

4 结论

（1） 新疆昆仑山北坡年均潜在蒸散为733.5 mm，从北向南潜在蒸散呈现出逐渐减小的空间变化趋势。
（2） 1979—2021年新疆昆仑山北坡潜在蒸散总体呈波动上升趋势，线性变化率为8.7 mm·(10a)-1，其中2007年以前呈上升趋势，2007年后有下降趋势。
（3） 在新疆昆仑山北坡6个流域中，车尔臣河流域年均潜在蒸散最高（810.8 mm），线性变化率也最大（11.4 mm·(10a)-1），和田河流域和克里雅河流域的潜在蒸散升高趋势相对较小，线性变化率分别为4.9 mm·(10a)-1和5.0 mm·(10a)-1。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Jung M, Reichstein M, Ciais P, et al. Recent decline in the global land evapotranspiration trend due to limited moisture supply[J]. Nature, 2010, 467(7318): 951-954.

[2]
Zhao L L, Xia J, Xu C Y, et al. Evapotranspiration estimation methods in hydrological models[J]. Journal of Geographical Sciences, 2013, 23(2): 359-369.

DOI

[3]
Adeyeri O E, Ishola K A. Variability and trends of actual evapotranspiration over west Africa: The role of environmental drivers[J]. Agricultural and Forest Meteorology, 2021, 308: 108574, doi: 10.1016/j.agrformet.2021.108574.

[4]
Voigt A, Shaw T A. Circulation response to warming shaped by radiative changes of clouds and water vapour[J]. Nature Geoscience, 2015, 8(2): 102-106.

[5]
Pascolini-Campbell M, Reager J T, Chandanpurkar H A, et al. A 10% increase in global land evapotranspiration from 2003 to 2019[J]. Nature, 2021, 593(7860): 543-547.

[6]
Xu S Q, Yu Z B, Yang C G, et al. Trends in evapotranspiration and their responses to climate change and vegetation greening over the upper reaches of the Yellow River Basin[J]. Agricultural and Forest Meteorology, 2018, 263: 118-129.

[7]
Zhao Y, Chen Y N, Wu C Y, et al. Exploring the contribution of environmental factors to evapotranspiration dynamics in the Three-River-Source region, China[J]. Journal of Hydrology, 2023, 626: 130222, doi: 10.1016/j.jhydrol.2023.130222.

[8]
Milly P C D, Dunne K A. Potential evapotranspiration and continental drying[J]. Nature Climate Change, 2016, 6(10): 946-949.

DOI

[9]
Valipour M. Analysis of potential evapotranspiration using limited weather data[J]. Applied Water Science, 2017, 7(1): 187-197.

[10]
张荣华, 杜君平, 孙睿. 区域蒸散发遥感估算方法及验证综述[J]. 地球科学进展, 2012, 27(12): 1295-1307.

DOI

[Zhang Ronghua, Du Junping, Sun Rui. Review of estimation and validation of regional evapotranspiration based on remote sensing[J]. Advance in Earth Sciences, 2012, 27(12): 1295-1307.]

[11]
马亚丽, 牛最荣, 孙栋元. 河西走廊潜在蒸散发时空格局变化与气象因素的关系[J]. 干旱区地理, 2024, 47(2): 192-202.

DOI

[Ma Yali, Niu Zuirong, Sun Dongyuan. Relationship between changes in spatial and temporal patterns of potential evapotranspiration and meteorological factors in Hexi Corridor[J]. Arid Land Geography, 2024, 47(2): 192-202.]

DOI

[12]
Gu L L, Hu Z Y, Yao J M, et al. Actual and reference evapotranspiration in a cornfield in the Zhangye oasis, northwestern China[J]. Water, 2017, 9(7): 499, doi: 10.3390/w9070499.

[13]
Hu J H, Che T, Sun H R, et al. Numerical modeling and simulation of thermo-hydrologic processes in frozen soils on the Qinghai-Tibet Plateau[J]. Journal of Hydrology: Regional Studies, 2022, 40: 101050, doi: 10.1016/j.ejrh.2022.101050.

[14]
Huang Q, Long D, Du M D, et al. An improved approach to monitoring Brahmaputra River water levels using retracked altimetry data[J]. Remote Sensing of Environment, 2018, 211: 112-128.

[15]
Krause P, Biskop S, Helmschrot J, et al. Hydrological system analysis and modelling of the Nam Co Basin in Tibet[J]. Advances in Geosciences, 2010, 27: 29-36.

[16]
Ding Y J, Zhang S Q, Zhao L, et al. Global warming weakening the inherent stability of glaciers and permafrost[J]. Science Bulletin, 2019, 64(4): 245-253.

DOI PMID

[17]
Liu Y, Chen H O, Zhang G Q, et al. The advanced South Asian monsoon onset accelerates lake expansion over the Tibetan Plateau[J]. Science Bulletin, 2019, 64(20): 1486-1489.

DOI PMID

[18]
Chen S B, Liu Y F, Thomas A. Climatic change on the Tibetan Plateau: Potential evapotranspiration trends from 1961—2000[J]. Climatic Change, 2006, 76(3-4): 291-319.

[19]
田露, 郭伟, 倪向南, 等. 青海湖地区潜在蒸散发变化特征及影响因子分析[J]. 地球环境学报, 2023, 14(3): 328-338.

[Tian Lu, Guo Wei, Ni Xiangnan, et al. Analysis of potential evapotranspiration trends and its factors in Qinghai Lake area[J]. Journal of Earth Environment, 2023, 14(3): 328-338.]

[20]
Wen X H, Pan W Q, Sun X G, et al. Study on the variation trend of potential evapotranspiration in the Three-River Headwaters region in China over the past 20 years[J]. Frontiers in Earth Science, 2020, 8: 582742, doi: 10.3389/feart.2020.582742.

[21]
Chen A F, Chen D L, Azorin-Molina C. Assessing reliability of precipitation data over the Mekong River Basin: A comparison of ground-based, satellite, and reanalysis datasets[J]. International Journal of Climatology, 2018, 38(11): 4314-4334.

[22]
Liu J, Shangguan D H, Liu S Y, et al. Evaluation and comparison of CHIRPS and MSWEP daily-precipitation products in the Qinghai-Tibet Plateau during the period of 1981—2015[J]. Atmospheric Research, 2019, 230: 104634, doi: 10.1016/j.atmosres.2019.104634.

[23]
郑度. 喀喇昆仑山-昆仑山地区自然地理[M]. 北京: 科学出版社, 1999.

[Zheng Du. Physical Geography of the Karakorum-Kunlun Mountains[M]. Beijing: Science Press, 1999.]

[24]
Yao T D, Thompson L, Yang W, et al. Different glacier status with atmospheric circulations in Tibetan Plateau and surroundings[J]. Nature Climate Change, 2012, 2(9): 663-667.

[25]
李成秀, 杨太保, 田洪阵. 近40年来西昆仑山冰川及冰湖变化与气候因素[J]. 山地学报, 2015, 33(2): 157-165.

[Li Chengxiu, Yang Taibao, Tian Hongzhen. Variation of western Kunlun Mountain glaciers monitored by remote sensing during 1976—2010[J]. Journal of Mountain Science, 2015, 33(2): 157-165.]

[26]
李江风. 新疆气候[M]. 北京: 气象出版社, 1991.

[Li Jiangfeng. Xinjing Climate[M]. Beijing: China Meteorological Press, 1991.]

[27]
张家宝, 邓子风. 新疆降水概论[M]. 北京: 气象出版社, 1987.

[Zhang Jiabao, Deng Zifeng. Introduction to precipitation in Xinjiang[M]. Beijing: China Meteorological Press, 1987.]

[28]
Liu Z Q, Jiang L P, Shi C X, et al. CRA-40/Atmosphere: The first-generation Chinese atmospheric reanalysis (1979—2018): System description and performance evaluation[J]. Journal of Meteorological Research, 2023, 37(1): 1-19.

[29]
Harris I, Osborn T J, Jones P, et al. Version 4 of the CRU TS monthly high-resolution gridded multivariate climate dataset[J]. Scientific Data, 2020, 7(1): 109, doi: 10.1038/s41597-020-0453-3.

[30]
Peng S Z, Ding Y X, Wen Z M, et al. Spatiotemporal change and trend analysis of potential evapotranspiration over the Loess Plateau of China during 2011—2100[J]. Agricultural and Forest Meteorology, 2017, 233: 183-194.

[31]
彭守璋. 中国1 km逐月潜在蒸散发数据集(1901—2022)[DB/OL]. [2024-02-23]. https://doi.org/10.11866/db.loess.2021.001.

[Peng Shouzhang. 1 km monthly potential evapotranspiration dataset in China (1901—2022)[DB/OL]. [2024-02-23]. https://doi.org/10.11866/db.loess.2021.001.]

[32]
Allen R G, Pereira L S, Raes D, et al. Crop evapotranspiration-guidelines for computing crop water requirements: FAO irrigation and drainage paper 56[M]. Rome: Food and Agriculture Organization of the United Nations, 1998.

[33]
祝昌汉. 再论总辐射的气候学计算方法(二)[J]. 南京气象学院学报, 1982, 5(2): 196-206.

[Zhu Changhan. A further discussion on the climatological calculation method of total radiation (Ⅱ)[J]. Journal of Nanjing Institute of Meteorology, 1982, 5(2): 196-206.]

[34]
焦丹丹, 吉喜斌, 金博文, 等. 干旱气候条件下多种潜在蒸发量估算方法对比研究[J]. 高原气象, 2018, 37(4): 1002-1016.

DOI

[Jiao Dandan, Ji Xibin, Jin Bowen, et al. Comparison of different methods for estimating potential evaporation in an arid environment[J]. Plateau Meteorology, 2018, 37(4): 1002-1016.]

DOI

[35]
Hamed K H, Rao A R. A modified Mann-Kendall trend test for autocorrelated data[J]. Journal of Hydrology, 1998, 204(1-4): 182-196.

[36]
Lorenz E N. Statistical forecasting program: Empirical orthogonal functions and statistical weather prediction[J]. Scientific Reports, 1956, 409: 997-999.

[37]
Huntington T G. Evidence for intensification of the global water cycle: Review and synthesis[J]. Journal of Hydrology, 2006, 319(1-4): 83-95.

[38]
卢冬燕, 朱秀芳, 刘婷婷, 等. 2 ℃温升情景下中国气象干旱特征变化[J]. 干旱区地理, 2023, 46(8): 1227-1237.

DOI

[Lu Dongyan, Zhu Xiufang, Liu Tingting, et al. Changes in meteorological drought characteristics in China under the 2 ℃ temperature rise scenario[J]. Arid Land Geography, 2023, 46(8): 1227-1237.]

DOI

[39]
Qin D Y, Lü J Y, Liu J H, et al. Theories and calculation methods for regional objective ET[J]. Chinese Science Bulletin, 2009, 54(1): 150-157.

[40]
Yin Y H, Wu S H, Chen G, et al. Attribution analyses of potential evapotranspiration changes in China since the 1960s[J]. Theoretical and Applied Climatology, 2010, 101: 19-28.

Options
文章导航

/

〈 〉