EN中文

Arid Land Geography >

2025 , Vol. 48 >Issue 10: 1736 - 1746

DOI: https://doi.org/10.12118/j.issn.1000-6060.2024.652

Climatology and Hydrology

Spatio-temporal variations of atmospheric precipitable water in the Qinghai Plateau in the past 60 years

  • Junlan YI , 1 ,
  • Xian ZHANG , 2 ,
  • Donglin QI 3 ,
  • wei XU 2 ,
  • Pingping XIN 4
Expand
  • 1. Meteorological Bureau of Delingha City, Delingha 817099, Qinghai, China
  • 2. Haixi Prefecture Meteorological Bureau, Delingha 817099, Qinghai, China
  • 3. Qinghai Institute of Meteorological Sciences, Xining 810001, Qinghai, China
  • 4. Qinghai Dachaidan Meteorological Bureau, Dachaidan Administrative Committee 816200, Qinghai, China

Received date: 2024-10-24

  Revised date: 2025-01-18

  Online published: 2026-03-11

Fold

Abstract

Based on data from 42 surface meteorological stations in Qinghai Province, China from 1961 to 2020, the temporal and spatial distribution characteristics of precipitable water vapor (PWV) on the Qinghai Plateau were calculated and analyzed using an empirical formula between PWV and surface water vapor pressure. Results showed a clear increasing trend in PWV, with maximum values in summer, exhibiting a unimodal distribution. Spatially, PWV increased from west to east and from north to south, with high values in the eastern agricultural area and low values in the Qaidam Basin. Seasonal maxima were observed in the eastern agricultural area, while the minimum occurred in winter. Vertical spatial variation showed the opposite trend, generally increasing from east to west and from south to north, with the smallest values at the eastern and southern edges of the province, and the largest values at the eastern lake region, central Qaidam Basin, and northeastern Qinghai. The annual mean PWV on the Qinghai Plateau exhibited both abrupt and periodic variations, with a significant change detected in 1997. Periodic variations were most pronounced on the 6-10 year timescale. The Hurst exponent values were all greater than 0.8, indicating strong persistence and a high probability that the current upward trend will continue in the future. Correlation analysis revealed that PWV had the lowest correlation with the Asian Meridional Circulation Index and the highest correlation with the Arctic Oscillation Index.

Key words： precipitable water vapor; space-time change; Mann-Kendall test; Morlet wavelet; Hurst index; Qinghai Plateau

Cite this article

Junlan YI , Xian ZHANG , Donglin QI , wei XU , Pingping XIN . Spatio-temporal variations of atmospheric precipitable water in the Qinghai Plateau in the past 60 years[J]. Arid Land Geography, 2025 , 48(10) : 1736 -1746 . DOI: 10.12118/j.issn.1000-6060.2024.652

水汽作为大气基本组成成分，虽含量仅0%~4%，但其空间分布及相变潜热可显著改变天气系统演变与大气能量转换[1-3]。大气可降水量（Precipitable water vapor，PWV）指单位气柱从地面至大气层顶的总水汽量，是表征大气水汽含量与空中水资源潜力的核心指标，既能反映区域降水潜力，也是评估空中水资源开发价值的关键依据。研究PWV时空变化，不仅对厘清区域天气、气候变化机制至关重要，还对天文观测具有实践意义。PWV是影响天文观测红外质量的重要参数，高水汽含量会增加红外热背景、降低大气透明度，制约红外与亚毫米波望远镜观测精度[4-6]。张永婧等[7]依据全水汽空间分布，将利于天文观测的区域划分为4类；邓李才等[8]通过评估水汽等气象条件，证实冷湖塞什腾山为中纬度一流天文台，凸显了PWV对天文台选址与观测时段选择的支撑作用。
国内PWV研究已构建多尺度、多维度体系。全国尺度上，方文维等[9]指出我国PWV总体呈东南向西北递减趋势，奠定宏观研究框架。区域层面，黄小燕等[10-11]发现西北地区PWV显著增加；赵世康等[12]、唐仲涛等[13]、鲁同所等[14]分别针对新疆、祁连山及三江源展开研究，揭示PWV与降水关系、变化规律及水汽含量增加趋势，为水资源管理提供依据。青藏高原及周边[15-18]研究涉及拉萨PWV变化、青海不同功能区PWV计算及ERA5数据适用性验证。东北区域，秦鑫等[19]推导辽宁PWV计算公式且降水预报准确率高，徐爽等[20]发现沈阳强降水时PWV超38 mm且水汽累积与天气系统相关。尽管现有研究已覆盖我国西北、东北、青藏高原等多个区域的PWV，但青海高原因地形复杂，其PWV精细化分布仍待探索。本文通过标准等压面比湿差分求和法计算青海高原PWV，从不同的空间尺度研究其变化特征，以期为深层认识该地区大气水汽循环规律，合理开发利用空中水资源，气候变化、生态环境和社会经济的可持续发展等提供科学依据，为确定研究区冷湖天文台选址和最佳观测时间段提供理论依据。

1 数据与方法

1.1 研究区概况

青海高原位于青藏高原东北部，地理位置介于31°36′~39°19′N、89°35′~103°04′E之间，平均海拔超4000 m，是青藏高原向黄土高原、河西走廊的过渡带，也是长江、黄河、澜沧江上游关键水源涵养区，有“中华水塔”重要组成部分之称。属于典型的高原大陆性气候，年平均气温-5.8~8.6 ℃，冷季漫长寒冷、暖季短促凉爽，多无四季之分；降水分布不均，果洛降水最多、柴达木盆地西北部稀少，且80%降水集中在5—9月。作为西部生态安全屏障，其PWV变化直接影响冰川融水、河川径流与生态系统，对维系周边区域水资源安全、绿洲农业及生态保护意义重大，是研究高原水汽循环与气候变化响应的典型区域（图1）。
图1 研究区示意图

注：基于自然资源部标准地图服务网站审图号为GS(2019)3266号标准地图制作，底图边界无修改。下同。

Fig. 1 Schematic diagram of the study area

1.2 数据来源

本文所用数据采用青海省气象信息中心提供的境内42个气象观测站1961—2020年降水量、平均气温、相对湿度、水汽压逐月资料，研究时段内数据完整，具备气象资料的代表性、完整性和比较性。季节划分采用气象学标准进行划分：春季（3—5月）、夏季（6—8月）、秋季（9—11月）、冬季（12月—次年2月）。利用李红梅等[21]的划分方法，将青海高原分为以农作物为主的东部农业区、天然草场为主的环青海湖地区和三江源地区，以及荒漠为主的柴达木盆地4个生态功能区。文中选用的1961—2020年5个大气环流指数数据源于中国气象局国家气候中心（http://cmdp.ncc-cma.net/cn/index.htm）。

1.3 研究方法

青海高原地形复杂，气象探空站点稀少，而再分析资料的时空分辨率低，在高原地区的适用性没有经过检验，分析结果的正确性受到质疑。研究表明，PWV与地面水汽压存在良好的线性关系[22-23]。针对这一关系，黄小燕等[10]利用西北地区1981—2010年24个探空站一日2次的地面至300 hPa各层位势高度及比湿，采用各标准等压面上的比湿差分进行求和计算得到PWV，该研究为青海高原提供PWV反算路径，可弥补其探空数据缺口，还助力再分析资料订正与水循环研究。四季PWV与地面水汽压的关系分别为：
$\begin{array}{l}\mathrm{PWV}_{\text {毬奉 }}=1.5169 e, r=0.9706 \\\mathrm{PWV}_{\text {夏乘 }}=1.6216 e, r=0.9512 \\\mathrm{PWV}_{\text {梑李 }}=1.6074 e, r=0.9619 \\\mathrm{PWV}_{\text {春冬 }}=1.7437 e, r=0.9189 \end{array}$
式中：PWV为大气可降水量（mm）；e为水汽压（hPa）；r为相关系数。通过计算得到的四季PWV非常接近探空实测数据，平均相对误差为8.2%，满足精度要求，物理意义明确，可以用于青海高原无探空观测站的水汽计算和研究。
青海高原42个气象台站气象资料序列的算术平均值代表资料序列，采用了线性趋势法、Mann-Kendall法、小波分析[24]等方法分析PWV变化特征、突变和周期特征。空间插值采用反距离权重方法[25]；用R/S分析法来计算[26-28]预测未来青藏高原PWV变化趋势的持续性或反持续性的强度。由于PWV年际间差别较大，将1961—2020年PWV作标准化处理，将标准化PWV≥1.0为偏多年，PWV≤-1.0为偏少年，筛选出偏多、少年份，统计在偏多和偏少状况下PWV的时空差异。为分析年PWV与多雨年和少雨年PWV的空间相似程度，采用相似系数[29]来定量表示不同两幅图的相似程度，计算公式为：
c o s θ 12 = ∑ i = 1 m x i y i ∑ i = 1 m x i 2 ∑ i = 1 m y i 2
式中： c o s θ 12为两幅图的空间相似系数，相似系数等于1.0为完全相同，相似系数等于-1.0为完全相反，等于0.0时为完全不相似；m为台站数； x i为第一个向量的第i个元素； y i为第二个向量的第i个元素。

2 结果与分析

2.1 年内变化特征分析

2.1.1 月际变化特征分析

青海高原PWV逐月变化呈现单峰型，最大值出现在7月为15.4 mm，最小值出现在1月为2.1 mm，1—4月增加不明显，5月开始明显增加，7月达到最大，8月略有回落，9月急剧下降，次年1月达到最低值（图2a）。东部农业区、环青海湖地区、三江源地区、柴达木盆地的PWV月变化和青海高原基本一致，最大值依次为20.4 mm、15.0 mm、13.5 mm、12.0 mm，最低值依次为2.7 mm、1.7 mm、1.9 mm、1.8 mm。不同地区PWV存在一定差异，东部农业区各月PWV均略高于青海高原平均值；环青海湖地区各月PWV和青海高原基本接近，1—5月和9—12月三江源地区PWV与青海高原基本相同；柴达木盆地各月PWV均小于其余功能区。
图2 1961—2020年青海高原大气可降水量（PWV）变化

Fig. 2 Variations of precipitable water vapor (PWV) in the Qinghai Plateau from 1961 to 2020

2.1.2 季节变化特征分析

青海高原PWV的季节变化（表1、图2b），表现出夏季最大，秋季和春季次之，冬季最小。青海高原夏季PWV最大（42.7 mm），占全年的48.7%,冬季最小（6.9 mm）占比为7.9%。4个生态功能区夏季值及占比分别为：东部农业区56.8 mm，占全年的47.5%；环青海湖地区41.3 mm，占全年的50.4%；三江源地区37.7 mm，占全年的48.1%；柴达木盆地32.3 mm，占全年的51.0%。其次是秋季，PWV在14.1~30.6 mm之间，最大值和最小值分别出现在东部农业区和柴达木盆地。春季PWV依次为东部农业区（23.0 mm）>环青海湖地区（15.1 mm）>三江源地区（14.6 mm）>柴达木盆地（11.3 mm），冬季PWV最小，在5.7~9.3 mm，最大值和最小值出现在东部农业区和柴达木盆地。
表1 青海高原大气可降水量（PWV）年和四季统计

Tab. 1 Statistics of annual and four-season precipitable water vapor (PWV) in the Qinghai Plateau

时间
尺度		 平均值
/mm		 最大值
/mm		 最小值
/mm		 气候倾向率
/mm·(10a)-1		 相关系数（r）
全年 87.6 97.6 80.1 1.01 0.46**
春季 16.4 20.1 14.2 -0.02 -0.02
夏季 42.7 50.0 39.0 0.49 0.36**
秋季 21.6 24.5 17.6 0.36 0.37**
冬季 6.9 8.6 5.2 0.17 0.43**

注：**、*分别表示在0.01、0.05水平上显著相关。下同。

青海高原PWV多雨年和少雨年逐月及季节变化如图3所示，可以看出PWV逐月变化也呈现单峰型，最大值在7月，分别为16.5 mm、14.3 mm，最小值在1月，分别为2.2 mm、1.8 mm。1—3月增加不明显，4月开始明显增加，7月达到最大，8月略有回落，9月急剧下降，次年1月达到最低值。青海高原多雨年的PWV在夏季最大，达45.1 mm，最低出现在冬季，为7.5 mm；少雨年同样在夏季最大，达41.4 mm，较多雨年相差3.7 mm，最低仍然出现在冬季，为6.5 mm，较多雨年相差1.0 mm。多雨年和少雨年逐月及季节变化与多年平均基本一致，多雨年和少雨年PWV的差异主要出现在6—9月和夏季。
图3 1961—2020年青海高原多雨年和少雨年PWV变化

Fig. 3 Variations of PWV in wet years and dry years in the Qinghai Plateau from 1961 to 2020

2.1.3 年际变化特征分析

近60 a青海高原PWV在80.1~97.6 mm之间（图4a），平均为87.6 mm，最大值和最小值之间相差17.5 mm，气候倾向率为1.0 mm·(10a)-1，通过了0.01的显著性检验，呈明显的线性增加趋势，60 a间增加了60.4 mm。从9 a滑动平均曲线分析来看，1970—1980年呈现微弱下降趋势，1990—2004年呈现快速上升趋势，2010年前后再次出现下降趋势。累积距平曲线显示，1961—1987年呈波动下降趋势，为偏少期，1988—2020年呈波动上升期，其中1997—2004年、2015—2020年呈快速增加趋势。年代际变化趋势表明，青海高原PWV随着年际增加而波动增加，1960—2020年PWV从86.4 mm增加至90.4 mm，其中1970—1980年减少最明显，减少了1.7 mm，1990—2000年增速最明显，增加了2.8 mm。从年代际距平值变化可以看出，1960—1990年为负距平，这时段PWV偏少；1990—2020年为正距平，该时段PWV偏多。
图4 1961—2020年青海高原PWV变化趋势和Mann-Kendall突变检验

Fig. 4 Annual PWV variation trend and Mann-Kendall mutation tests in the Qinghai Plateau from 1961 to 2020

运用Mann-Kendall非参数检验法，对青海高原年PWV进行突变性检验（图4b），20世纪60—90年代末，呈下降趋势，且在1980年超过1.96临界线，1988—2004年呈快速增加趋势，2005—2015年较平稳，2016年开始再次呈现持续增加趋势。UF和UB曲线在1997年左右出现交点，且交点在信度线之间，因此1997年为青海高原PWV发生突变的时间。
青海高原春季PWV呈缓慢下降趋势[-0.02 mm·(10a)-1]；夏、秋、冬季呈显著增加趋势，气候倾向率分别为0.49 mm·(10a)-1、0.36 mm·(10a)-1和0.17 mm·(10a)-1（表1）。由此可见，青海高原夏季PWV贡献率最大，冬季的贡献率最小。

2.2 空间变化特征分析

2.2.1 PWV的空间变化特征分析

青海高原地形复杂多样，盆地、高山和河谷相间分布，因此PWV存在明显的空间不均匀性（图5a）。1961—2020年青海高原PWV由西向东、北向南增加，高值区主要分布在东部农业区，最高值出现在民和，达140.2 mm，低值区分布在柴达木盆地，最低值出现在冷湖，仅为48.5 mm，两者相差91.7 mm；环青海湖地区及三江源地区平均PWV 55.9~99.9 mm，最大值和最小值在囊谦和五道梁，平均值78.3 mm。
图5 青海高原PWV和气候倾向率的空间分布

Fig. 5 Spatial distributions of PWV and climatic tendency rates in the Qinghai Plateau

青海高原多雨年和少雨年PWV均是表现出南多北少、东多西少的特征（图6）。为了进一步对比青海高原多雨年和少雨年PWV空间分布的相似程度，计算其相似系数。青海高原多雨年和少雨年PWV的空间相似程度为0.96，可见多雨年和少雨年PWV空间分布非常相似。
图6 青海高原多雨年和少雨年PWV空间分布

Fig. 6 Spatial distributions of PWV in wet years and dry years in the Qinghai Plateau

2.2.2 PWV气候倾向率的空间变化特征分析

与PWV空间分布呈相反态势，青海高原PWV的气候倾向率空间分布大致呈现由东向西、南向北增加趋势（图5b）。倾向率在东部边缘及南部边缘区域最小，约-0.60~-0.02 mm·(10a)-1，表明上述地区在1961—2020年PWV呈下降趋势，其中下降最多的是乐都，60 a以0.60 mm·(10a)-1的速度下降了3.6 mm。其次，囊谦以0.48 mm·(10a)-1的速度在60 a内下降了2.9 mm，其余地区呈现上升趋势。在环青海湖地区东部、柴达木盆地中部以及三江源地区东北部区域增加趋势最大，约1.95~2.4 mm·(10a)-1。上升最多的有天峻，以2.4 mm·(10a)-1的速度上升了1.5 mm，茶卡和泽库均以1.98 mm·(10a)-1的速度上升，互助以1.61 mm·(10a)-1的速度上升。PWV气候倾向率季节的最大值分布不均，春季和夏季最大值均出现在天峻[0.36 mm·(10a)-1和1.15 mm·(10a)-1]，秋季循化气候倾向率值最大[0.64 mm·(10a)-1]，冬季气候倾向率最大值出现在民和[0.38 mm·(10a)-1]，春季倾向率最低值出现在民和[-0.47 mm·(10a)-1]，夏季出现在乐都[-0.48 mm·(10a)-1]，秋季为杂多[-0.05 mm·(10a)-1]，冬季出现在东部农业区的贵南[-0.86 mm·(10a)-1]。

2.2.3 PWV与地理位置的关系

为进一步显现各地理单元PWV的差异，利用多元回归统计多年平均、多雨年和少雨年PWV与纬度、经度和海拔的关系（表2），其复相关系数分别为0.949、0.955和0.947，回归方程均达到0.01的信度水平，经度、纬度和海拔高度均通过0.01的信度水平。可见，青海高原年PWV的升幅自南向北、由西向东、随海拔高度的降低而增大。偏相关分析得出，年PWV与纬度、经度和海拔的偏相关系数分别为0.771、-0.789和-0.831；多雨年PWV与纬度、经度和海拔的偏相关系数分别为0.795、-0.793和-0.842；少雨年PWV与纬度、经度和海拔的偏相关系数分别为0.775、-0.783和-0.814，表明三者对PWV分布的影响大小依次为海拔、经度和纬度，这与燕振宁等[30]的研究结果一致。
表2 青海高原PWV与海拔（HB）、纬度（WD）和经度（JD）的关系

Tab. 2 Relationship between PWV and altitude (HB), latitude (WD), and longitude (JD) in Qinghai Plateau

年份类型 回归方程 复相关系数 F
多年
平均		 PWV=67.791+3.689WD-7.537JD-0.023HB 0.949 115.440
多雨年 PWV=52.185+3.833WD-7.313JD-0.023HB 0.955 129.785
少雨年 PWV=46.880+4.180WD-8.296JD-0.025HB 0.947 109.588
青海高原作为典型的高海拔复杂地形区，地势总体呈现西高东低的阶梯状分布特征，这种独特的地理格局使得区域内PWV的空间分布存在显著差异。本研究以42个气象观测站的海拔数据为基础，采用均值分割法将研究区域划分为高海拔区（>3200 m）和低海拔区（≤3200 m），重点探讨地形因素对PWV空间分布的影响机制，并进一步分析不同海拔分区下PWV与经纬度的偏相关关系。研究结果表明，高海拔区年PWV与纬度呈微弱正相关（r=0.180），与经度呈显著负相关（r=-0.986）；低海拔区则表现出与纬度的强正相关（r=0.925）及与经度的弱负相关（r=-0.282）。值得注意的是，高海拔区纬度变量（P>0.05）和低海拔区经度变量（P>0.05）的统计检验未通过显著性水平（α=0.05），这一结果进一步印证了不同海拔梯度下经纬度对PWV分布的影响机制存在显著差异。

2.3 周期分析

根据青海高原1961—2020年PWV的小波分析结果，其变化存在明显的周期性特征。小波系数显示（图7a），在20~30 a时间尺度上存在较强的振荡信号，且在整个研究期内具有较好的连续性，表明该周期较为稳定。小波方差图进一步验证了这一主要周期，其方差峰值出现在25 a左右，说明该时间尺度是PWV变化的第一主周期（图7b）。此外，在10 a尺度附近也存在一定波动，但能量较弱。总体而言，青海高原PWV在近60 a中以25 a左右的周期变化最为显著。
图7 1961—2020年青海高原PWV周期变化

Fig. 7 Periodic variation of PWV in the Qinghai Plateau from 1961 to 2020

2.4 PWV未来变化趋势

青海高原年和四季PWV的Hurst指数计算结果均在0.5~1.0之间（表3），说明青海高原PWV未来趋势和过去趋势相同，PWV变化的整体方向将继承过去的趋势，四季和年平均PWV在未来很可能继续呈增加趋势，该过程变化趋势具有持续性特征。青海高原PWV的Hurst指数为0.910，大于0.80，为5级，表明持续性强度很强，就四季而言，春季PWV的Hurst指数等级为2级，持续性强度表现为较弱，其余三季Hurst指数等级为5级，持续性强度表现为很强。
表3 青海高原PWV年和季节的Hurst指数

Tab. 3 Annual and seasonal Hurst indices of PWV in the Qinghai Plateau

指数 全年 春季 夏季 秋季 冬季
Hurst指数 0.910 0.593 0.825 0.802 0.904

2.5 PWV与气候变化因子的关系

在全球气候变暖格局下，青海高原有着明显的区域气候特征，大气环流因子影响其区域的气候变化，与PWV的变化也有一定的对应关系。为了更好地揭示大气环流系统对PWV的影响，利用青海高原年降水量、年平均气温、大气环流因子（亚洲纬向环流指数、亚洲经向环流指数、北极涛动指数和西藏高原-2指数）对青海高原PWV影响进行相关系数分析（表4）。
表4 青海高原年PWV和大气环流指数的相关系数

Tab. 4 Correlation coefficient between annual PWV and atmospheric circulation index in the Qinghai Plateau

指标 年降
水量		 年平均
气温		 亚洲纬向
环流指数		 亚洲经向
环流指数		 西藏高原
-2指数		 北极涛
动指数
相关系数 0.58** 0.52** -0.037 -0.064 0.103 0.261*
水汽的温室效应一方面导致地面温度升高，蒸发加剧，大气中的水汽含量增加；另一方面温度升高导致饱和水汽压增大，大气中可容纳的水汽总量增加[30]。青海高原年PWV与年降水量、年平均气温呈正相关关系，相关系数分别为0.58和0.52，通过0.01的显著性水平检验，说明PWV与年降水量、年平均气温相关性较高，水汽对全球变暖和气候变化具有温室效应。
从青海高原年PWV与大气环流指数的相关性分析结果可看出，青海高原PWV与亚洲纬向环流指数、亚洲经向环流指数呈负相关，而与西藏高原-2指数和北极涛动指数呈正相关，其中与北极涛动指数的相关性最高，通过了0.05的显著性检验。
为了研究全球气候变暖青海高原大气可利用降水量的变化，基于青海高原PWV与平均气温、降水量和北极涛动指数的强相关性，结合青海高原年平均气温[31]和PWV均在1997年发生突变，将PWV、平均气温、降水量和北极涛动指数分两阶段（突变前1961—1996年和突变后1997—2020年）来分析各自变化特征（表5）。突变前后平均气温和降水量分别上升1.3 ℃和27.0 mm，其气候倾向率分别增加0.1 ℃·(10a)-1和37.9 mm·(10a)-1，北极涛动指数从5.0增加到23.6，其气候倾向率从不显著减小转变为显著增加，PWV突变前后仅增加了3.8 mm，而气候倾向率突变后比突变前增大5倍。结果表明，区域气候变暖与青海高原PWV的丰枯有着密切联系，随着全球气候的不断变暖，青海高原PWV偏多。
表5 青海高原PWV和气候因子变化趋势

Tab. 5 Trends in PWV and climate factors in the Qinghai Plateau

要素 1961—1997年 1997—2020年
平均值 气候倾向率 平均值 气候倾向率
PWV 86.1 mm 0.15 mm·(10a)-1 89.9 mm 0.75 mm·(10a)-1
北极涛动 5.0 -5.0 23.6 9.4
平均气温 1.8 ℃ 0.21 ℃·(10a)-1 3.1 ℃ 0.31 ℃·(10a)-1
降水量 348.2 mm 1.4 mm·(10a)-1 375.2 mm 39.3 mm·(10a)-1

3 讨论

青海高原PWV总体上升趋势与区域气候变暖背景下的水汽变化规律一致，与黄小燕等[10]揭示的1960—2015年中国西北地区PWV每10 a增加0.11 mm的结论高度契合，印证了西北干旱半干旱区水汽含量整体增加的共性特征。从区域细分看，柴达木盆地PWV上升幅度显著，与张娟等[17]1971—2010年柴达木盆地PWV气候倾向率84.9 mm·(10a)-1的结果相近，且校瑞香等[16]进一步支撑本研究青海高原PWV变化符合西北区域特征的判断。此外，唐仲涛等[13]发现1961—2020年祁连山地区PWV西部增幅大于东部，与本研究观测到的青海高原PWV空间差异规律一致，反映地形对水汽分布的调控作用具有区域普遍性。本研究青海高原秋冬PWV与亚洲经向环流指数负相关机制，姜萍等[1]佐证：新疆大气水分亏缺山区低、盆地高，2005年后增势与环流调控水汽输入减缓相关，印证环流对西北大气水分的影响。从PWV与降水的关系看，强安丰等[15]发现三江源区PWV与降水呈正相关但非简单对应，与多雨年、少雨年PWV稳定，降水差异源于转化率的结论一致。此外，梅成红等[18]验证了ERA5数据在青海地区PWV计算的适用性，为本研究数据可靠性及未来精细化研究提供方法支撑。
PWV对天文观测的支撑拓展了研究应用边界。冷湖地区低PWV利于天文观测，与邓李才等[8]冷湖赛什腾山为中纬度一流天文台址的结论直接呼应，对比王继昌等[4]对西藏物玛候选点的分析，青海冷湖PWV更低且季节波动小，叠加刘浩等[6]观测到的青海德令哈低气溶胶光学厚度，证实青海高原是天文观测的优质区域。
总体而言，本研究为青海高原PWV研究提供了新视角，后续研究可进一步完善该区域 PWV相关理论与应用体系。

4 结论

（1） 青海高原PWV月变化呈单峰型，7月最大，1月最小，均在夏季最大，冬季最小；年际变化来看青海高原PWV呈明显的增加趋势；季节变化上，除春季，其余季节的PWV也呈增加趋势。
（2） 空间分布上，青海高原PWV由西向东、北向南呈增加，高值区分布在东部农业区，低值区分布在柴达木盆地，空间变化与空间分布呈相反态势，青海省东部边缘及青南南部边缘区域最小，环湖地区东部、柴达木盆地中部以及青南东北部区域最大。
（3） 青海高原年均PWV存在明显的突变和周期变化，突变发生在1997年；6~10 a时间尺度上的周期变化较强，并具有全域性；年平均PWV的Hurst指数大于0.8，持续性强度表现很强，表明青海高原PWV未来保持当前继续上升趋势的概率比较大。
（4） 青海高原PWV与降水量和气温相关性较高，区域气候变暖与青海高原可利用降水量的丰枯有着密切联系，随着全球气候的不断变暖，青海高原全年可利用降水量偏多。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
姜萍, 胡列群, 许婷婷. 近60 a新疆大气水分亏缺的时空变化特征[J]. 干旱区地理, 2023, 46(1): 1-10.

DOI

[Jiang Ping, Hu Liequn, Xu Tingting. Spatiotemporal variations of vapor pressure deficit in Xinjiang in recent 60 years[J]. Arid Land Geography, 2023, 46(1): 1-10.]

DOI

[2]
刘晶, 周雅蔓, 杨莲梅, 等. 2016年伊犁河谷大气可降水量变化特征及其与降水的关系[J]. 干旱气象, 2019, 37(4): 565-576.

[Liu Jing, Zhou Yaman, Yang Lianmei, et al. Temporal variation characteristics of precipitable water vapor based on GPS data and its relation with precipitation at Yili River Valley in 2016[J]. Journal of Arid Meteorology, 2019, 37(4): 565-576.]

[3]
黄露, 范广洲, 赖欣, 等. 1978—2015年青藏高原大气可降水量的变化特征[J]. 西南大学学报(自然科学版), 2018, 40(2): 94-103.

[Huang Lu, Fan Guangzhou, Lai Xin, et al. Change characteristics of precipitable water vapor over Qinghai-Tibet Plateau during 1978—2015[J]. Journal of Southwest University (Natural Science Edition), 2018, 40(2): 94-103.]

[4]
王继昌, 姚永强, 杨国安. 西藏物玛与新疆卡拉苏天文候选点的气象条件[J]. 天文研究与技术, 2008, 5(4): 404-414.

[Wang Jichang, Yao Yongqiang, Yang Guo'an. Meteorological conditions at the astronomical candidate sites in Oma, Tibet and Kalasu, Pamirs[J]. Astronomical Techniques and Instruments, 2008, 5(4): 404-414.]

[5]
王晶星, 刘煜, 宋腾飞, 等. 大理洱海东岸山区天文气象条件初步统计分析: 2016至2017年大气季节特征[J]. 大理大学学报, 2018, 3(6): 30-33.

[Wang Jingxing, Liu Yu, Song Tengfei, et al. A preliminary statistical analysis of the astronomical meteorological conditions in mountainous areas in the east coast of Erhai Lake in Dali: The characteristics of the atmospheric season from 2016 to 2017[J]. Journal of Dali University, 2018, 3(6): 30-33.]

[6]
刘浩, 詹杰, 李建玉, 等. 青海德令哈大气气溶胶光学特征及可降水量分析[J]. 大气与环境光学学报, 2016, 60(3): 172-181.

[Liu Hao, Zhan Jie, Li Jianyu, et al. Analysis of optical characteristics of atmospheric aerosol and precipitable water vapor in Delingha, Qinghai[J]. Journal of Atmospheric and Environmental Optics, 2016, 60(3): 172-181.]

[7]
张永婧, 王盘兴, 姚永强, 等. 中国天文气象条件的地域分布[J]. 中国科学: 物理学力学天文学, 2010, 40(10): 1302-1314.

[Zhang Yongjing, Wang Panxing, Yao Yongqiang, et al. Climate regionalization in China for astronomical observations[J]. Scientia Sinica Physica, Mechanica & Astronomica, 2010, 40(10): 1302-1314.]

[8]
邓李才, 杨帆, 何飞, 等. 冷湖赛什腾山光学天文台址勘选结果及暗夜保护[J]. 青海科技, 2022, 29(3): 46-59.

[Deng Licai, Yang Fan, He Fei, et al. Lenghu astronomical observing site and dark sky protection[J]. Qinghai Science and Teachnology, 2022, 29(3): 46-59.]

[9]
方文维, 朱紫云, 林日新. 我国大气可降水量变化特征分析[J]. 海峡科学, 2019, 151(7): 19-24, 32.

[Fang Wenwei, Zhu Ziyun, Lin Rixin. Analysis of the characteristics of changes in atmospheric precipitation in China[J]. Strait Science, 2019, 151(7): 19-24, 32.]

[10]
黄小燕, 王圣杰, 王小平. 1960—2015年中国西北地区大气可降水量变化特征[J]. 气象, 2018, 44(9): 1191-1199.

[Huang Xiaoyan, Wang Shengjie, Wang Xiaoping. Variations of precipitable water in northwest China during 1960—2015[J]. Meteorological Monthly, 2018, 44(9): 1191-1199.]

[11]
张扬, 李宝富, 陈亚宁. 1970—2013年西北干旱区空中水汽含量时空变化与降水量的关系[J]. 自然资源学报, 2018, 33(6): 1043-1055.

DOI

[Zhang Yang, Li Baofu, Chen Yaning. The temporal and spatial variation of water vapor content and its relationship with precipitation in the arid region of northwest China from 1970 to 2013[J]. Journal of Natural Resources, 2018, 33(6): 1043-1055.]

DOI

[12]
赵世康, 穆振侠, 李刚, 等. 新疆大气可降水量时空演变特征及其与降水转化关系[J]. 干旱区研究, 2025, 42(2): 191-201.

DOI

[Zhao Shikang, Mu Zhenxia, Li Gang, et al. Spatial and temporal evolution characteristics of atmospheric precipitable water vapor in Xinjiang and its relationship with precipitation conversion[J]. Arid Zone Research, 2025, 42(2): 191-201.]

DOI

[13]
唐仲涛, 李甫, 张青, 等. 1961年—2020年祁连山地区大气可降水量变化分析[J]. 青海科技, 2021, 28(6): 113-118, 124.

[Tang Zhongtao, Li Fu, Zhang Qing, et al. Analysis of atmospheric precipitable water vapor changes in the Qilian Mountains from 1961 to 2020[J]. Qinghai Science and Technology, 2021, 28(6): 113-118, 124.]

[14]
鲁同所, 舒善杰, 廖偲含, 等. 近30年拉萨市大气可降水量变化特征研究[J]. 昆明理工大学学报(自然科学版), 2021, 46(3): 47-55.

[Lu Tongsuo, Shu Shanjie, Liao Sihan, et al. Variation characteristics of precipitable water vapor during the recent 30 years in Lhasa[J]. Journal of Kunming University of Science and Technology (Natural Sciences), 2021, 46(3): 47-55.]

[15]
强安丰, 汪妮, 解建仓, 等. 三江源区大气可降水量时空特征及其与降水关系[J]. 干旱气象, 2019, 37(1): 22-30.

[Qiang Anfeng, Wang Ni, Jie Jiancang, et al. Spatial-temporal characteristics and relations of precipitable water vapor with precipitation in the Three Rivers Source Region[J]. Journal of Arid Meteorology, 2019, 37(1): 22-30.]

[16]
校瑞香, 祁栋林, 周万福, 等. 1971—2010年青海高原不同功能区可降水量的变化特征[J]. 冰川冻土, 2014, 36(6): 1456-1464.

DOI

[Xiao Ruixiang, Qi Donglin, Zhou Wanfu, et al. The variation of precipitable water in different ecological function regions of Qinghai Plateau from 1971 to 2010[J]. Journal of Glaciology and Geocryology, 2014, 36(6): 1456-1464.]

DOI

[17]
张娟, 肖宏斌, 徐维新, 等. 1971—2010年柴达木盆地可降水量变化特征及其与气象条件分析[J]. 资源科学, 2013, 35(11): 2289-2297.

[Zhang Juan, Xiao Hongbin, Xu Weixin, et al. Precipitable water variation and its impact factors in recent 40 years in Qaidam Basin[J]. Resource Science, 2013, 35(11): 2289-2297.]

[18]
梅成红, 胡垚, 管琴, 等. 青海地区ERA5大气可降水量分布特征及性能分析[J]. 青海科技, 2023, 30(3): 164-170.

[Mei Chenghong, Hu Yao, Guan Qin, et al. Distribution characteristics and performance evaluation of ERA5 atmospheric precipitable water vapor in Qinghai Province[J]. Qinghai Science and Technology, 2023, 30(3): 164-170.]

[19]
秦鑫, 赵姝慧, 马嘉理, 等. 辽宁地区大气可降水量与降水关系的研究[J]. 气象, 2020, 46(1): 80-88.

[Qin Xin, Zhao Shuhui, Ma Jiali, et al. Relationship between atmospheric precipitable water vapor and precipitation in Liaoning Province[J]. Meteorological Monthly, 2020, 46(1): 80-88.]

[20]
徐爽, 胡鹏宇, 贾越, 等. 2020—2021年沈阳地区4次短时强降水过程的大气可降水量变化对比分析[J]. 气象与环境学报, 2023, 39(2): 28-34.

[Xu Shuang, Hu Pengyu, Jia Yue, et al. Comparative analysis of changes in atmospheric precipitable water vapor during four short-term heavy rainfall processes in Shenyang from 2020 to 2021[J]. Journal of Meteorology and Environment, 2023, 39(2): 28-34.]

[21]
李红梅, 李作伟, 王振宇, 等. 青海高原不同生态功能区气候突变时间的比较分析[J]. 冰川冻土, 2012, 34(6): 1388-1393.

[Li Hongmei, Li Zuowei, Wang Zhenyu, et al. Comparative analysis of climate abrupt changing time in different ecological functional regiong of Qinghai Province[J]. Journal of Glaciology and Geocryology, 2012, 34(6): 1388-1393.]

[22]
杨景梅, 邱金桓. 用地面湿度参量计算我国整层大气可降水量及有效水汽含量方法的研究[J]. 大气科学, 2002, 26(1): 9-22.

[Yang Jingmei, Qiu Jinhuan. Study on the method of calculating total column atmospheric precipitable water and effective water vapor content over China using surface humidity parameters[J]. Chinese Journal of Atmospheric Science, 2002, 26(1): 9-22.]

[23]
张学文. 可降水量与地面水汽压力的关系[J]. 气象, 2004, 30(2): 9-11.

[Zhang Xuewen. A relationship between precipitable water and surface vapor pressure[J]. Meteorological Monthly, 2004, 30(2): 9-11.]

[24]
魏凤英. 现代气候统计诊断与预测技术[M]. 北京: 气象出版社, 2007: 18, 63-66, 99-104.

[Wei Fengying. Statistics diagnosis and prediction of modern climate[M]. Beijing: Meteorological Press, 2007: 18, 63-66, 99-104.]

[25]
汤国安, 杨昕. ArcGIS地理信息系统空间分析试验教程[M]. 2版. 北京: 科学出版社, 2012: 289-291.

[Tang Guo'an, Yang Xin. ArcGIS geographic information system spatial analysis experimental tutorial[M]. 2nd Edition. Beijing: Science Press, 2012: 289-291.]

[26]
顾骏强, 施能, 薛根元. 近40年浙江省降水量、雨日的气候变化[J]. 应用气象学报, 2002, 13(3): 322-329.

[Gu Junqiang, Shi Neng, Xue Genyuan. Climatic variation of rainfall and wet days in Zhejiang[J]. Journal of Applied Meteorological Science, 2002, 13(3): 322-329.]

[27]
杜军, 高佳佳, 陈涛, 等. 1981—2023年雅鲁藏布江流域大气饱和水汽压差变化及影响因素[J]. 气候变化研究进展, 2024, 20(5): 544-557.

[Du Jun, Gao Jiajia, Chen Tao, et al. Spatio-temporal variation of vapor pressure deficit and impact factors in the Yalung Zangbo River Basin from 1981 to 2023[J]. Climate Change Research, 2024, 20(5): 544-557.]

[28]
顾玮, 古丽·加帕尔, 尹瀚民, 等. 新疆南疆地区太阳能资源时空分布特征及区划研究[J]. 干旱区地理, 2021, 44(6): 1665-1675.

DOI

[Gu Wei, Jiapaer Guli, Yin Hanmin, et al. Spatial and temporal distribution characteristic and division research of solar energy resources in southern Xinjiang[J]. Arid Land Geography, 2021, 44(6): 1665-1675.]

DOI

[29]
杨清, 陈伟, 王俊, 等. 气候变暖背景下安徽省地震时空特征与气象因子关系研究[J]. 安徽农学通报, 2022, 28(3): 169-172.

[Yang Qing, Chen Wei, Wang Jun, et al. Study on the relationship between spatiotemporal characteristics of earthquakes and meteorological factors in Anhui Province under the background of climate warming[J]. Anhui Agricultural Science Bulletin, 2022, 28(3): 169-172.]

[30]
燕振宁, 马学谦. 青海高原不同地区大气水汽含量的对比分析[J]. 干旱气象, 2018, 36(3): 365-372, 422.

DOI

[Yan Zhenning, Ma Xueqian. Comparison and analysis of precipitable water vapor in different regions of the Qinghai Plateau[J]. Journal of Arid Meteorology, 2018, 36(3): 365-372, 422.]

[31]
刘凯, 聂格格, 张森. 中国1951—2018年气温和降水的时空演变特征研究[J]. 地球科学进展, 2020, 313(11): 1113-1126.

[Liu Kai, Nie Gege, Zhang Sen. Study on the spatiotemporal evolution of temperature and precipitation in China from 1951 to 2018[J]. Advances in Earth Science, 2020, 35(11): 1113-1126.]

DOI

Options
Outlines

/

〈 〉