EN中文

地理科学进展 >

2025 , Vol. 44 >Issue 12: 2448 - 2460

DOI: https://doi.org/10.18306/dlkxjz.2025.12.002

新疆科考专栏:干旱区气候变化与气候资源

新疆2001—2020年露点温度与降水的关系

  • 陈文辉 , 1, 2 ,
  • 崔惠娟 , 1, 2, * ,
  • 郑景云 1, 2
展开
  • 1.中国科学院地理科学与资源研究所，中国科学院陆地表层格局与模拟重点实验室，北京 100101
  • 2.中国科学院大学，北京 101408
* 崔惠娟(1986— )，女，辽宁沈阳人，博士，副研究员，硕士生导师，主要研究方向为气候变化和水文学。E-mail:

陈文辉(1997— )，女，山西长治人，博士生，主要研究方向为气候变化。E-mail:

收稿日期: 2024-12-02

  修回日期: 2025-06-10

  网络出版日期: 2025-12-26

基金资助

第三次新疆综合科学考察项目(2021xjkk0802)

收起

Relationship between dew point temperature and precipitation in Xinjiang, Northwest China during 2001-2020

  • CHEN Wenhui , 1, 2 ,
  • CUI Huijuan , 1, 2, * ,
  • ZHENG Jingyun 1, 2
Expand
  • 1. Key Laboratory of Land Surface Patterns and Simulation, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. University of Chinese Academy of Sciences, Beijing 101408, China

Received date: 2024-12-02

  Revised date: 2025-06-10

  Online published: 2025-12-26

Supported by

The Third Xinjiang Scientific Expedition Program(2021xjkk0802)

Fold

摘要

近几十年来，中国西北干旱半干旱地区尤其新疆地区，呈现暖湿化趋势。根据Clausius-Clapeyron (C-C)关系，大气持水量随温度升高而增加，从而可能导致极端降水强度上升。论文基于1990—2020年气象站观测数据和ERA5数据，采用年内温箱变率和年际趋势变率方法分析了新疆降水与露点温度关系的空间分布特征。结果表明：1990—2020年，新疆不同降水强度普遍随露点温度的增加而增加。主要的变率类型为次C-C变率(0%/℃, 5%/℃]，分布在北疆；而天山附近和南疆呈类C-C变率(5%/℃, 9%/℃]甚至超C-C变率(>9%/℃)特征，对露点温度的敏感性更强。观测到的趋势变率与温箱变率具有相似的空间格局，但具有更多的超C-C变率。此外，天山南麓垂直速度的减小可能导致降水强度的减小。研究结果证实了新疆暖湿化的热力学作用，为进一步认识气候变化对新疆降水事件的影响提供了坚实的基础。

关键词： 降水; 露点温度; Clausius-Clapeyron关系; 气候变化; 新疆

本文引用格式

陈文辉 , 崔惠娟 , 郑景云 . 新疆2001—2020年露点温度与降水的关系[J]. 地理科学进展, 2025 , 44(12) : 2448 -2460 . DOI: 10.18306/dlkxjz.2025.12.002

Abstract

In the past few decades, a warming-wetting trend has been observed in the arid and semiarid Northwest China, especially in Xinjiang. According to the Clausius-Clapeyron (C-C) relationship, the atmospheric moisture-holding capacity increases with rising temperature, which may lead to an intensification of extreme precipitation. In this study, we examined the spatial distribution of scaling relationships between precipitation and dew point temperature in Xinjiang, using intra-annual binning scaling and inter-annual trend scaling based on station observations and ERA5. The results show that the predominant binning scaling in Xinjiang is sub C-C scaling (0%/°C-5%/°C), transitioning from northern Xinjiang to C-C like scaling (5%/°C-9%/°C) or super C-C scaling (>9%/°C) near the Tianshan Mountains and southern Xinjiang. The observed trend scaling exhibited a similar spatial pattern to that of binning scaling, but with more super C-C scaling. Furthermore, the reduction in vertical velocity at the southern foothills of the Tianshan Mountains may lead to a decrease in precipitation intensity. Overall, these findings provide a solid basis for enhancing our understanding of how climate change influences precipitation events in Xinjiang.

Key words： precipitation; dew point temperature; Clausius-Clapeyron relationship; climate change; Xinjiang

根据联合国政府间气候变化专门委员会(IPCC)第六次评估报告，2001—2020年全球地表温度较1850—1900年升高了0.99 ℃(0.84~1.10 ℃)[1]。在全球变暖背景下，世界大部分地区的年降水量和极端降水事件呈显著增加趋势[2-4]。观测资料表明，近年来中国西北干旱与半干旱地区也表现出“增暖湿润”的气候变化特征[5-8]，其中降水量的增长主要受极端降水和短时对流性降水的驱动[9-11]。作为中国西北的核心区域，新疆地形复杂，由山脉与盆地交错组成，对气候变化极为敏感[12]。自1980年以来，新疆气温和降水均呈显著上升趋势，强降水事件发生的频率和强度不断增加[6,13-19]。强降水往往造成洪涝、滑坡、泥石流等灾害，对环境、社会和经济造成了深远影响[20]。因此，深入理解该地区极端降水的变化特征及其驱动机制，对于水资源的科学管理与气候风险防范具有重要意义。
降水强度随气候变暖的增强主要受大气水汽含量变化的热力学效应驱动。根据Clausius-Clapeyron (C-C)关系，气温每升高1 ℃，大气中饱和水汽压将增加约7%[21-23]，从而显著提升大气的持水能力。当水汽供应充足且存在抬升等触发机制时，更多的水汽凝结将释放更强的潜热，加剧对流发展并增强降水强度。因此，在假设大气动力条件保持不变的前提下[24-25]，C-C关系所体现的热力学效应可被视为极端降水潜在增强的理论上限。然而，由于历史观测记录的时间跨度有限，仅基于年际尺度上极端降水与温度变化的趋势变率，难以从局地或区域尺度的观测数据中可靠地估计这种关系[26]。为克服这一限制，Lenderink等[22]提出了“温箱分析”(binning method)方法。有学者利用温箱分析法对大样本逐日观测数据进行处理，揭示了极端降水与温度之间的年内响应关系[27]，从而更有效捕捉降水对温度变化的即时反应特征。进一步研究中，有学者建议采用露点温度(dew point temperature, DPT)替代地表气温指标，以更全面地反映湿度对降水过程的影响[28-31]。然而，正如Sun等[32]所指出的，温箱变率并非一定能准确预测未来极端降水的长期变化趋势。因此，进一步探讨温箱变率与趋势变率的差异，对于理解极端降水在气候变暖背景下的演变机制至关重要。
已有研究表明，降水对温度变化的响应不仅取决于热力条件，还与极端降水的类型、持续时间、地理位置及季节特征密切相关[33-36]。一般而言，Clausius-Clapeyron理论所预期的7%/℃变率多在次日或更短时间尺度上表现明显，而在日尺度上偏低，小时尺度则可能出现超C-C关系[37-40]。Utsumi等[33]基于全球尺度的分析发现，不同纬度区域的极端日降水强度随气温变化存在显著差异：高纬地区表现为单调增强，热带地区则为单调减弱，而中纬度地区则普遍呈现“单峰型”结构，即气温较低时降水增强、气温较高时反而减弱。此外，季节因素也显著调控降水与温度的关系[41]，例如Berg等[42]对欧洲的研究发现冬季呈现单调增强，夏季呈减弱趋势，春秋季则表现出单峰型响应结构。
由于气候系统高度非线性，区域尺度气候变率受多种动力与热力因子的共同影响，表现出强烈的不确定性。具体而言，大尺度环流形势、复杂地形结构、下垫面差异以及边界层过程等，均可能导致降水对温度响应的区域性差异。同时，在干旱、半干旱区域，高质量、长期连续的观测数据相对稀缺，使得在局地尺度准确估算C-C变率面临更大挑战。尽管已有研究关注中国整体或东部、南部等湿润地区降水—温度关系[31,43-44]，但针对西部干旱区，特别是新疆的系统研究仍较为匮乏。新疆地处亚欧大陆腹地，地貌复杂、气候干旱、降水稀少，具强烈大陆性特征。此外，观测站点稀疏且分布不均，进一步加大了区域降水—温度关系研究的不确定性。
针对上述问题，本文基于气象观测数据和ERA5再分析资料，分别采用温箱变率和趋势变率两种方法，从不同时间尺度评估极端降水对气温变化的响应特征，系统探讨新疆地区极端降水对温度变化的依赖关系，并检验C-C关系能否解释2001—2020年该区域的湿润化趋势。本文有助于深化对干旱区极端降水响应气候变暖机制的理解，也为区域水资源管理和气候变化适应策略的制定提供了科学依据。

1 数据与方法

1.1 研究区域和数据

新疆(图1)位于中国西北部，地处欧亚大陆腹地(34.2~49.1°N、73.4~96.3°E)。新疆具有典型的大陆性气候，地形复杂，地域广阔，自然环境多样，年平均降水量<250 mm[45]。独特的地形特征是“三山夹两盆”：阿尔泰山、准噶尔盆地、天山、塔里木盆地和昆仑山。本研究将新疆划分为北疆和南疆两个区域进行分析。
图1 新疆雨量测量站

注：本图基于自然资源部标准地图服务网站下载的审图号为GS(2022)4309号的标准地图制作，底图无修改。下同。

Fig.1 Location of the rain gauging stations in Xinjiang

观测资料来自新疆维吾尔自治区气象局运营的105个同质化地面站。气象资料包括1990—2020年的日降水量、平均气温、相对湿度和风速。经过严格的质量控制和均质化，选择91个气象站，确保每个站点的数据超过25年。为了识别不同强度降水的变化，采用基于湿事件(定义为日降水量>0.1 mm)的年日降水量的第90、75和50百分位数(P90、P75和P50)作为指标。
作为对比，从ERA5-land卫星获取了新疆地区的逐时总降水量、2 m露点温度和500 hPa逐时垂直速度。ERA5是欧洲中期天气预报中心(European Centre for Medium-range Weather Forecasts，ECMWF)最新一代的全球气候大气再分析，由哥白尼气候变化服务中心提供[46]。ERA5-land是一个专注于ERA5陆地分量的版本，具有更高的土地应用精度，空间分辨率为0.1°×0.1°[47]。
垂直速度(ω)是研究整体大气动力学的一个有价值的变量，它揭示了向上运动(负值)和向下运动(正值)的区域[48]。为便于理解及分析，本文取垂直速度的相反值(-ω)进行讨论，此时正值代表上升运动[49]。这些变量被处理成日时间尺度，并使用双线性插值网格化到0.25°× 0.25°的空间分辨率。

1.2 温箱变率

本文采用Lenderink等[22]提出的2 ℃等宽温箱法，用于分析极端降水分位数随露点温度(DPT)变化的温箱变率。首先，将各站点或ERA5网格的湿日降水数据(定义为日降水量大于0.1 mm)按照对应的露点温度进行分组。露点温度通过地表空气温度(SAT)和相对湿度计算得到，采用Magnus-Tetens经验公式完成计算。为了保证分组样本的统计稳定性，每个温箱的宽度设为2 ℃，并要求每个温箱中至少包含50个样本。对于样本数不足50的温箱将予以剔除；若某站点或网格的有效温箱数量少于两个，该站点或网格亦不纳入后续分析。随后，在每个有效温箱内分别计算降水强度的第90、75和50百分位值(P90、P75和P50)，并提取对应温箱内的平均DPT值，构建降水强度与DPT之间的温箱曲线。最后，采用最小二乘法对降水强度的对数(ln Pr)与平均DPT之间的关系进行线性拟合，进而估算温箱变率。拟合公式如下所示[28,30]：
l n   P r = β 1 D P T + β 0
α = e β 1 - 1 × 100 %
式中：Pr为降水强度，β1和β0分别为线性回归的斜率和截距，α是温箱变率。
极端降水与相应日气温的关系大致可分为单调增加、单调减少和单峰型结构三种类型。对于第三种类型，本文采用局部加权回归(locally weighted regression，LOESS)平滑方法识别极端降水强度对应的峰值温度[50]。在后续分析中，若检测到的峰值温度出现在气温分布区间的右半部分，则线性回归拟合仅适用于峰值温度之前的温度段；反之，若峰值位于左半部分，则拟合分析从峰值温度之后的温度段开始[51]。这种分段处理方式有助于避免因非线性转折点对变率估算产生干扰，从而提高拟合结果的物理解释性和稳定性。此外，参考Utsumi等[33]的研究，本文将降水—温度关系的变化率划分为4个区间，用以定量表征与C-C理论变率的偏离程度：类C-C变率(5%/℃, 9%/℃]、超C-C变率(>9%/℃)、次C-C变率(0%/℃, 5%/℃]和负变率(<0%/℃)。

1.3 趋势变率

温箱变率反映的是年内日尺度上，极端降水强度随露点温度变化的即时响应特征；而趋势变率通过多年序列(1980—2020年)衡量年际尺度上极端降水强度对温度变化的长期响应。具体而言，首先提取年极端降水强度的分位值(P90、P75、P50)以及年平均露点温度(DPT)，构建每个站点或网格单元的时间序列。随后，通过线性回归分析，将极端降水分位值作为因变量，DPT作为自变量，代入式(1)和式(2)，计算随温度升高1 ℃时降水强度的相对变化率。该方法可用于量化区域尺度上不同强度降水事件对气候变暖的敏感性，从而评估其与C-C理论预期的一致性，为理解长期气候变化背景下极端降水的演变机制提供理论支持。

2 结果分析

2.1 1990—2020年不同强度降水和年平均气温变化趋势

为更全面地理解新疆地区暖湿气候变化的演变特征，本文首先分析了1980—2020年间新疆区域年平均气温与年降水量的时空变化趋势(图2)。年平均气温与年降水量的时间序列数据是通过对各气象站逐年观测值进行空间平均得到的。结果显示，1990—2020年间新疆地区的年平均降水量为149 mm，呈现出6.2 mm/10 a的缓慢增长趋势，但增幅不显著。从空间上看，73%以上的站点降水量呈上升趋势，而位于天山南麓和东麓的站点降水量略有下降((-5%, 0%]/10 a)。此外，新疆西南部呈显著的增加趋势((15%, 30%]/10 a)。另一方面，气温呈快速而显著的上升趋势，为0.3 ℃/10 a(P < 0.05)，这与Deng等[52]的研究结果一致。此外，新疆中南部的升温速率远高于北疆，表明该地区对气候变暖的响应更为敏感。
图2 1990—2020年新疆地区年降水量和年平均气温的时间序列及其趋势空间分布

注：降水变化空间分布图中，深红色、深蓝色三角形表示变化趋势显著(P<0.05)，浅红色和浅蓝色三角形则表示不显著趋势(P>0.05)。

Fig.2 Annual time series of annual precipitation and annual daily average temperature and their spatial distribution of trend from observation station data over Xinjiang from 1990 to 2020

不同降水百分位数的趋势空间分布(图3a~3c)与年降水总量的空间格局(图2)基本一致。除新疆中部天山南麓部分气象站呈现出负向趋势外，其余大部分站点均表现为降水增加趋势，尤其在天山山脉及新疆西南部地区，部分站点的降水呈显著上升趋势，增幅可达(15%, 30%]/10 a。值得注意的是，随着降水分位数的降低，表现出显著增加趋势的站点数量有所上升，所占比例由P90时的约3%上升至P50时的11%，说明中等及较弱降水事件在近年来也呈增加趋势。
图3 1990—2020年中国新疆地区逐日降水站观测值和ERA5再分析值的第90、75和50百分位数的变化趋势

注：图a~c中，深红色、深蓝色三角形表示变化趋势显著(P<0.05)，浅红色和浅蓝色三角形则表示不显著趋势(P>0.05)；图d~f中，黑点表示变化趋势显著(P<0.05)。

Fig.3 The trend in the annual 90th (P90), 75th (P75) and 50th (P50) percentiles of daily precipitation from station observations and ERA5 reanalysis over Xinjiang from 1990 to 2020

相比之下，ERA5再分析数据未能很好再现不同分位数降水的空间变化格局。在P50、P75和P90三个分位数中，超过60%的区域呈现出下降趋势，仅新疆南部地区存在一定的上升趋势(图3d~3f)。更具体地，与台站观测结果相比，ERA5中表现出显著减少趋势的网格数量随分位数降低而逐渐增加，所占比例从P90的5%上升至P50的9%。尽管如此，在ERA5数据中仍可观察到某些区域强降水(P90)具有显著增加趋势，尤其在新疆西南部，局地每10 a增幅可达40%(图3d)。ERA5资料呈现与观测较大的不一致性可能和新疆观测站点分布稀疏，特别是在地形过渡区(如准噶尔盆地南缘)，使得ERA5的同化系统在该区域缺乏足够的观测约束，以及ERA5本身的空间分辨率和参数化方案有关。

2.2 观测的降水强度和露点温度的关系

不同降水百分位数观测到的温箱变率总体为正值，中位数为5%/℃(图4a)。在不同的降水百分位数中，次C-C变率(0%/℃, 5%/℃]占主导地位，其次是类C-C变率(5%/℃, 9%/℃]。图5展示了1990—2020年观测到的降水强度随露点温度变化的温箱变率和趋势变率的空间格局。不同降水分位数的温箱变率呈现一致的趋势，从北疆的次C-C变率(0%/℃, 5%/℃]开始，到天山和新疆西部的类C-C变率(5%/℃, 9%/℃]或超C-C变率(>9%/℃)(图5a~5c)。天山和新疆西部地区的温箱变率较大，表明该地区降水强度增加较为显著。结果表明，新疆西南部地区存在少量的负温箱变率。而且，随着分位数的减小，超C-C变率的比例从P90的17.1%增加到P50的25%，与趋势变化一致(图3a~3c)。
图4 站点观测(OBS)和ERA5数据的P90、P75和P50的温箱变率和趋势变率箱线图

Fig.4 Boxplots of the binning and trend scaling rates for P90, P75 and P50 from the station observations (OBS) and ERA5 data

图5 第90、75和50百分位降水强度相对于露点温度(DPT)的温箱变率和趋势变率

Fig.5 Binning and trend scaling rates for the 90th (P90), 75th (P75), and 50th (P50) percentile of precipitation intensity with respect to dew point temperature (DPT)

趋势变率也以次C-C变率为主，其空间分布与温箱变率相似(图5d~5f)。然而，在天山山脉和南疆地区，超C-C变率明显增加。总体而言，不同降水百分位数的温箱变率范围小于趋势变率(图4a)，尤其是中位数。具体来说，P50的温箱变率范围为-7%/℃~15%/℃，而P50的趋势变率范围为-13%/℃~25%/℃。
为深入分析不同区域的温箱曲线特征，本文绘制了各区域降水强度与露点温度的关系曲线(图6)，以探讨极端降水对气温变化的响应差异。总体来看，不同百分位数(P90、P75、P50)的降水在南北疆均呈现相似的温箱曲线形态。在北疆，三种分位数的温箱曲线均呈现峰型结构，峰值出现在露点温度约为0 ℃处，随后降水强度明显减弱。这可能与高温条件下降水过程持续时间缩短或冷却效应增强有关。P90和P75曲线的斜率接近C-C理论变率(7%/℃)，P50则略高于该值。在南疆，温箱曲线同样呈轻微峰型，峰值温度亦集中0 ℃左右。与北疆相比，南疆各百分位数的温箱变率斜率整体偏低，可能与部分站点存在负变率特征有关，反映出该区域极端降水对气温变化响应的不确定性较大。
图6 不同分区降水强度和日露点温度(DPT)的温箱曲线

注：黑色虚线表示7%/°C的C-C变率。

Fig.6 Binning curves with daily dew point temperature (DPT) for the P90, P75 and P50 across different sub-regions

2.3 ERA5数据中降水强度与露点温度的关系

为增强结果的稳健性，本文进一步采用ERA5再分析资料，计算不同降水百分位数对应的温箱变率与趋势变率(图4b和图7)。整体而言，ERA5所示的温箱变率呈正相关趋势，中位数约为5%/℃，与站点观测结果基本一致(图4)，证明了大气热力学对极端降水增加的主要作用。然而，ERA5明显低估了不同降水分位数的温箱变率：其中P90和P75的变率区间由观测数据中的-5%/℃~15%/℃缩窄至0%/℃~10%/℃，而P50的温箱变率亦被低估约5%/℃。与观测数据一致，ERA5中的趋势变率普遍大于温箱变率。在各降水百分位数中，趋势变率的幅度通常是温箱变率的3~4倍(图4b)，表明趋势变率受更多长时间尺度因素影响。
图7 基于ERA5数据的第90、75和50百分位降水强度相对于露点温度(DPT)的温箱变率和趋势变率

Fig.7 Binning and trend scaling rates for the 90th (P90), 75th (P75), and 50th (P50) percentile of precipitation intensity with respect to dew point temperature (DPT) based on ERA5 data

从空间分布来看，ERA5补充了站点观测在南疆地区的空缺，有助于更全面揭示区域温箱变率的空间结构(图7a~7c)。对于温箱变率P90和P75(图7a、7b)，次C-C变率广泛分布于大部分区域，而类C-C变率则主要集中在天山中部及南疆地区。P50的空间分布特征大致相似(图7c)，但南疆类C-C区域有所缩减。总体来看，尽管整体水平略有低估，ERA5仍能较好地捕捉温箱变率的空间分布模式。在趋势变率方面，与观测结果相比，ERA5显示天山地区以及新疆西南和南疆部分区域的温箱变率在趋势变率层面上进一步增强，表现出超C-C变率(图7d~7f)。此外，新疆其他大部分区域的趋势变率则为负值，反映出区域性差异显著。
最后，为验证露点温度作为温度指标在研究极端降水中的适用性，本文基于地表气温重新计算了极端降水的C-C变率(图8)。基于观测和ERA5的结果均显示，在新疆南部地区，极端降水的C-C变率不仅未表现出随气温升高而增强的趋势，反而出现了与理论预期相悖的负值。而采用露点温度作为指标时，该区域则表现出更为稳健的类C-C或超C-C变率特征(图5和图7)。这一差异与干旱区“水汽限制”理论高度一致，即在水分受限的区域，降水变化更依赖于大气中的实际水汽含量，而非地表温度所代表的热力条件。
图8 来自观测和ERA5数据的第90、75和50百分位降水强度相对于地表温度(SAT)的温箱变率

Fig.8 Binning scaling rates of the 90th (P90), 75th (P75), and 50th (P50) percentile precipitation intensity with respect to surface air temperature (SAT) from observations and ERA5 data

3 讨论

观测结果表明，除天山南麓外，1990—2020年新疆不同强度降水(P90、P75和P50)均呈上升趋势。这支持了新疆变得更湿润的观点，并与之前的研究一致[13,19,53]。站点观测和ERA5数据的结果表明，新疆不同分位数降水普遍随DPT的增加而增加，温箱变率和趋势变率主要为次C-C变率(0%/℃, 5%/℃]和类C-C变率(5%/℃, 9%/℃]，与全国的研究结果一致[31,43,54]。这表明热力学因子(即气温与大气持水能力之间的关系)是新疆研究期间变湿的主要驱动因素[55]。不同强度降水的温箱变率和空间分布具有相似性，这可能与该地区干旱的气候特征和低降水量有关。此外，新疆降水C-C变率的空间异质性也显示了伴随的动力效应带来的复杂性。天山山脉和南疆对温度表现出更大的敏感性，表现出超C-C变率，这可能是由于区域水汽输送系统与地形动力过程的协同作用。天山和南疆地区位于西风带、印度季风和东亚季风水汽输送的汇合区，水汽来源更为充沛，使得区域潜热释放更强。天山山脉的地形抬升作用进一步放大了这一响应，其南坡的强迫抬升可提升降水效率，形成显著的“湿岛”效应。相比之下，北疆地区主要受西风带和西伯利亚干冷气团的影响，水汽输送通量较南疆较少。另外，南疆的升温速率远高于北疆，也表明了该地区对气候变暖的响应更为敏感。
温箱变率和趋势变率的对比分析显示，在大多数区域，趋势变率显著高于温箱变率，这一结果在观测与ERA5再分析数据中表现一致。表明在年际尺度上，极端降水对持续升温的响应更为显著。这种差异可能源于趋势变率反映了长期积累的气候变化效应，包括大尺度水汽输送增强和气候系统内部反馈等，而温箱变率更受短期天气系统和局地条件控制。因此，从两个尺度同时评估变率，不仅揭示了极端降水对气温变化响应的非线性特征，也为理解其未来演变趋势提供了多角度的科学依据。
与新兴气候天气系统相关的天气动力学变化，使得预测极端降水在全球变暖背景下的变化趋势变得更加复杂和具有挑战性[49,56-59]。为进一步探讨天气动力过程对极端降水变化的影响，本文分析了代表中层大气垂直运动特征的500 hPa垂直速度(-ω)变化。结果表明，天山南麓地区的垂直速度(-ω)呈现显著下降趋势(图9)，意味着该区域的上升运动明显减弱。这种垂直运动的减弱可能限制了对流发展及水汽输送，是该区域降水强度下降的潜在原因之一(图3)。
图9 1990—2020年第90百分位降水强度对应的500 hPa垂直速度(-ω)趋势的空间分布

注：黑点表示变化趋势显著(P<0.05)。

Fig.9 Spatial patterns of trends in vertical velocity (-ω) at 500 hPa for P90 from 1990 to 2020

此外，气候系统的外部强迫因素也可能对区域降水产生显著影响。已有研究指出，北大西洋涛动(NAO)、大西洋多年代际涛动(AMO)、多元ENSO指数(MEI)以及印度洋偶极子(IOD)等气候遥相关因子与新疆极端降水具有密切关系[60]。这些大型气候系统通过调节跨区域的水汽输送路径和大尺度环流格局，间接影响新疆的水分供应状况和降水发生机制。值得强调的是，地表下垫面条件亦在调节气温与极端降水关系中发挥着重要作用。新疆地区地形复杂、下垫面类型多样，包括山地、荒漠、绿洲、农田等多种地貌单元，这些地表特征会通过改变地气交换过程中的热力状况和边界层稳定性，进一步影响对流系统的触发与发展。例如，在天山南麓干旱区，土壤湿度普遍偏低，潜热通量受限，地表感热增强，可能抑制了局地产生强对流的能力，从而导致降水响应温度升高的能力减弱。而北疆部分绿洲或农田区域，由于较高的土壤湿度和植被覆盖，有利于水汽再循环和局地对流发展，更容易出现与C-C关系一致的强降水增强趋势。
由于区域气候系统的复杂性，极端降水过程受多种因素的耦合调控，现有分析仍存在一定局限。未来研究应在更高时空分辨率的数据支持下，进一步提高温箱变率估算的准确性与代表性，同时系统考虑异常气旋、季风活动、副热带高压等动力因子对极端降水的调控作用。此外，需深入分析ENSO、IOD、NAO、AMO等海气模态的影响机制，并将地形、地表湿度、土壤水分等下垫面因素纳入综合评估体系，以更全面理解新疆地区极端降水对气候变暖的响应机制，提升干旱区水循环变化的预测能力。

4 结论

本文基于1990—2020年新疆91个气象站的逐日观测数据以及ERA5再分析资料，系统分析了不同日降水分位数与露点温度之间的热力响应关系。主要结论如下：
(1) 1990—2020年，新疆地区高四分位(P90)、上四分位(P75)和中四分位(P50)降水量均呈现显著增加趋势，空间分布较为一致，仅天山南麓部分站点表现出负趋势。相比之下，ERA5数据未能准确再现观测中降水变化的空间特征，仅在天山南部有限区域表现出上升趋势，而其他地区大多呈下降趋势，存在较明显偏差。
(2) 整体来看，观测数据与ERA5资料均表明新疆日降水对温度变化的响应以次C-C变率为主，其次为类C-C变率。不同分位数降水的温箱变率具有相似的空间分布特征：天山北部地区以次C-C变率(0%/℃, 5%/℃]为主，而天山中部及新疆西部地区则主要呈现类C-C变率(5%/℃, 9%/℃]或超C-C变率(>9%/℃)，新疆西南部局地则出现负C-C变率(<0%/℃)。降水强度随露点温度变化通常呈现“单峰型结构”，即在低温阶段随温度升高而增强，达到峰值后转而下降，峰值温度大多出现在0 ℃左右。
(3) 虽然温箱变率方法可提供气候变暖背景下降水变化响应的即时热力学指示，但需注意该方法基于分箱后的统计值，未直接反映实际降水趋势。因此，其结果在预测未来气候变化下的降水演变时应谨慎使用。与温箱变率相比，趋势变率在空间分布上虽基本一致，但呈现出更多超C-C变率和负变率的区域，进一步凸显了不同时间尺度下降水对温度响应机制的差异性。
(4) 天山山脉地区出现的超C-C变率，可能源于水汽输送系统与地形动力过程的协同作用。该区域位于西风带、印度季风及东亚季风的水汽输送交汇区，雨季期间水汽输送显著增强，为极端降水提供了充足的水汽条件。同时，天山山脉的复杂地形产生显著的地形抬升效应，有助于增强水汽上升与凝结过程，从而加剧潜热释放，进一步放大降水强度随温度升高的响应幅度。此外，天山南麓地区垂直速度(-ω)的减弱可能抑制局地对流活动，进而对降水强度产生一定的削弱作用。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
IPCC. Climate change 2021: The physical science basis[M]. Cambridge, UK: Cambridge University Press, 2021: 287-422.

[2]
Alexander L V, Zhang X, Peterson T C, et al. Global observed changes in daily climate extremes of temperature and precipitation[J]. Journal of Geophysical Research, 2006, 111(D5): D05109. doi: 10.1029/2005JD006290.

[3]
Fischer E M, Knutti R. Observed heavy precipitation increase confirms theory and early models[J]. Nature Climate Change, 2016, 6(11): 986-991.

DOI

[4]
唐明秀, 朱秀芳, 刘婷婷, 等. 基于CMIP6不同重现期的全球未来暴雨社会经济风险变化评估[J]. 地理科学进展, 2023, 42(3): 531-542.

DOI

[Tang Mingxiu, Zhu Xiufang, Liu Tingting, et al. Future global socioeconomic risk changes to rainstorms based on the different return periods of CMIP6. Progress in Geography, 2023, 42(3): 531-542.]

DOI

[5]
Shi Y F, Shen Y P, Kang E S, et al. Recent and future climate change in Northwest China[J]. Climatic Change, 2007, 80(3/4): 379-393.

DOI

[6]
Li B F, Chen Y N, Chen Z S, et al. Why does precipitation in northwest China show a significant increasing trend from 1960 to 2010?[J]. Atmospheric Research, 2016, 167: 275-284.

DOI

[7]
Peng D D, Zhou T J. Why was the arid and semiarid northwest China getting wetter in the recent decades?[J]. Journal of Geophysical Research: Atmospheres, 2017, 122(17): 9060-9075.

DOI

[8]
张学珍, 郑景云, 郝志新. 中国主要经济区的近期气候变化特征评估[J]. 地理科学进展, 2020, 39(10): 1609-1618.

DOI

[Zhang Xuezhen, Zheng Jingyun, Hao Zhixin. Climate change assessments for the main economic zones of China during recent decades. Progress in Geography, 2020, 39(10): 1609-1618.]

DOI

[9]
王澄海, 张晟宁, 张飞民, 等. 论全球变暖背景下中国西北地区降水增加问题[J]. 地球科学进展, 2021, 36(9): 980-989.

DOI

[Wang Chenghai, Zhang Shengning, Zhang Feimin, et al. On the increase of precipitation in the Northwestern China under the global warming. Advances in Earth Science, 2021, 36(9): 980-989.]

DOI

[10]
Wang Q, Zhai P M, Qin D H. New perspectives on 'warming-wetting' trend in Xinjiang, China[J]. Advances in Climate Change Research, 2020, 11(3): 252-260.

DOI

[11]
Han X Q, Xue H W, Zhao C S, et al. The roles of convective and stratiform precipitation in the observed precipitation trends in Northwest China during 1961-2000[J]. Atmospheric Research, 2016, 169: 139-146.

DOI

[12]
乔木, 周生斌, 卢磊, 等. 新疆渭干河流域土壤盐渍化时空变化及成因分析[J]. 地理科学进展, 2012, 31(7): 904-910.

[Qiao Mu, Zhou Shengbin, Lu Lei, et al. Causes and spatial-temporal changes of soil salinization in Weigan River Basin, Xinjiang. Progress in Geography, 2012, 31(7): 904-910.]

DOI

[13]
Li Q H, Chen Y N, Shen Y J, et al. Spatial and temporal trends of climate change in Xinjiang, China[J]. Journal of Geographical Sciences, 2011, 21(6): 1007-1018.

DOI

[14]
姚秀萍, 肖峰, 马嘉理. 新疆地区夏季降水研究进展与展望[J]. 沙漠与绿洲气象, 2023, 17(1): 1-9.

[Yao Xiuping, Xiao Feng, Ma Jiali. Research progress and prospect of summer precipitation in Xinjiang. Desert and Oasis Meteorology, 2023, 17(1): 1-9.]

[15]
吴秀兰, 张太西, 王慧, 等. 1961—2017年新疆区域气候变化特征分析[J]. 沙漠与绿洲气象, 2020, 14(4): 27-34.

[Wu Xiulan, Zhang Taixi, Wang Hui, et al. Characteristics of temperature and precipitation change in Xinjiang during 1961-2017. Desert and Oasis Meteorology, 2020, 14(4): 27-34.]

[16]
Zhang Q, Singh V P, Li J F, et al. Spatio-temporal variations of precipitation extremes in Xinjiang, China[J]. Journal of Hydrology, 2012, 434/435: 7-18.

DOI

[17]
Jiang F Q, Hu R J, Wang S P, et al. Trends of precipitation extremes during 1960-2008 in Xinjiang, the Northwest China[J]. Theoretical and Applied Climatology, 2013, 111(1): 133-148.

DOI

[18]
李佳秀, 杜春丽, 杜世飞, 等. 新疆极端降水事件的时空变化及趋势预测[J]. 干旱区研究, 2015, 32(6): 1103-1112.

[Li Jiaxiu, Du Chunli, Du Shifei, et al. Temporal-spatial variation and trend prediction of extreme precipitation events in Xinjiang. Arid Zone Research, 2015, 32(6): 1103-1112.]

[19]
Hu W F, Yao J Q, et al. Changes in precipitation amounts and extremes across Xinjiang (Northwest China) and their connection to climate indices[J]. PeerJ, 2021, 9: e10792. doi: 10.7717/peerj.10792.

[20]
张灵, 张俊, 杜良敏, 等. 长江上游降水对三峡水库蓄水关键月入库流量的影响[J]. 地理科学进展, 2020, 39(7): 1117-1125.

DOI

[Zhang Ling, Zhang Jun, Du Liangmin, et al. Influences of precipitation in the upper reaches of the Yangtze River on the key monthly inflow of the Three Gorges Reservoir. Progress in Geography, 2020, 39(7): 1117-1125.]

DOI

[21]
Trenberth K E, Dai A G, Rasmussen R M, et al. The changing character of precipitation[J]. Bulletin of the American Meteorological Society, 2003, 84(9): 1205-1218.

DOI

[22]
Lenderink G, van Meijgaard E. Increase in hourly precipitation extremes beyond expectations from temperature changes[J]. Nature Geoscience, 2008, 1(8): 511-514.

DOI

[23]
Lenderink G, van Meijgaard E. Linking increases in hourly precipitation extremes to atmospheric temperature and moisture changes[J]. Environmental Research Letters, 2010, 5(2): 025208. doi: 10.1088/1748-9326/5/2/025208.

[24]
Panthou G, Mailhot A, Laurence E, et al. Relationship between surface temperature and extreme rainfalls: A multi-time-scale and event-based analysis[J]. Journal of Hydrometeorology, 2014, 15(5): 1999-2011.

DOI

[25]
O'Gorman P A. Precipitation extremes under climate change[J]. Current Climate Change Reports, 2015, 1(2): 49-59.

PMID

[26]
Sun Q H, Zhang X B, Zwiers F, et al. A global, continental, and regional analysis of changes in extreme precipitation[J]. Journal of Climate, 2021, 34(1): 243-258.

DOI

[27]
Zhang X B, Zwiers F W, Li G, et al. Complexity in estimating past and future extreme short-duration rainfall[J]. Nature Geoscience, 2017, 10(4): 255-259.

DOI

[28]
Ali H, Fowler H J, Mishra V. Global observational evidence of strong linkage between dew point temperature and precipitation extremes[J]. Geophysical Research Letters, 2018, 45(22). doi: 10.1029/2018gl080557.

[29]
Ali H, Mishra V. Contrasting response of rainfall extremes to increase in surface air and dewpoint temperatures at urban locations in India[J]. Scientific Reports, 2017, 7: 1228. doi: 10.1038/s41598-017-01306-1.

PMID

[30]
Bui A, Johnson F, Wasko C. The relationship of atmospheric air temperature and dew point temperature to extreme rainfall[J]. Environmental Research Letters, 2019, 14(7): 074025. doi: 10.1088/1748-9326/ab2a26.

[31]
Chen W H, Cui H J, Zheng J Y. Prediction of Clausius-Clapeyron scaling of daily precipitation extremes over China[J]. Journal of Climate, 2024, 37(1): 165-177.

DOI

[32]
Sun Q H, Zwiers F, Zhang X B, et al. A comparison of intra-annual and long-term trend scaling of extreme precipitation with temperature in a large-ensemble regional climate simulation[J]. Journal of Climate, 2020, 33(21): 9233-9245.

DOI

[33]
Utsumi N, Seto S, Kanae S, et al. Does higher surface temperature intensify extreme precipitation?[J]. Geophysical Research Letters, 2011, 38(16): 239-255.

[34]
Ali H, Fowler H J, Lenderink G, et al. Consistent large-scale response of hourly extreme precipitation to temperature variation over land[J]. Geophysical Research Letters, 2021, 48(4): e2020GL090317. doi:10.1029/2020GL090317.

[35]
Donat M G, Lowry A L, Alexander L V, et al. More extreme precipitation in the world's dry and wet regions[J]. Nature Climate Change, 2016, 6(5): 508-513.

DOI

[36]
Wasko C, Parinussa R M, Sharma A. A quasi‐global assessment of changes in remotely sensed rainfall extremes with temperature[J]. Geophysical Research Letters, 2016, 43(24): 12659-12668.

[37]
Vergara‐Temprado J, Ban N, Schär C. Extreme sub‐hourly precipitation intensities scale close to the Clausius-Clapeyron rate over Europe[J]. Geophysical Research Letters, 2021, 48(3): e2020GL089506. doi: 10.1029/2020GL089506.

[38]
Hardwick Jones R, Westra S, Sharma A. Observed relationships between extreme sub-daily precipitation, surface temperature, and relative humidity[J]. Geophysical Research Letters, 2010, 37(22): 2010GL045081. doi: 10.1029/2010gl045081.

[39]
Berg P, Moseley C, Haerter J O. Strong increase in convective precipitation in response to higher temperatures[J]. Nature Geoscience, 2013, 6(3): 181-185.

DOI

[40]
Molnar P, Fatichi S, Gaál L, et al. Storm type effects on super Clausius-Clapeyron scaling of intense rainstorm properties with air temperature[J]. Hydrology and Earth System Sciences, 2015, 19(4): 1753-1766.

DOI

[41]
Berg P, Haerter J O, Thejll P, et al. Seasonal characteristics of the relationship between daily precipitation intensity and surface temperature[J]. Journal of Geophysical Research, 2009, 114: D18102. doi: 10.1029/2009JD012008.

[42]
Zeder J, Fischer E M. Observed extreme precipitation trends and scaling in Central Europe[J]. Weather and Climate Extremes, 2020, 29: 100266. doi: 10.1016/j.wace.2020.100266.

[43]
Chen W H, Cui H J, Ge Q S. The spatial and seasonal dependency of daily precipitation extremes on the temperature in China from 1957 to 2017[J]. International Journal of Climatology, 2022, 42(3): 1560-1575.

DOI

[44]
Yin J B, Guo S L, Gentine P, et al. Does the hook structure constrain future flood intensification under anthropogenic climate warming?[J]. Water Resources Research, 2021, 57(2): e2020WR028491. doi: 10.1029/2020WR028491.

[45]
Deng H J, Chen Y N, Shi X, et al. Dynamics of temperature and precipitation extremes and their spatial variation in the arid region of Northwest China[J]. Atmospheric Research, 2014, 138: 346-355.

DOI

[46]
Hersbach H, Bell B, Berrisford P, et al. The ERA5 global reanalysis[J]. Quarterly Journal of the Royal Meteorological Society, 2020, 146: 1999-2049.

DOI

[47]
Muñoz-Sabater J, Dutra E, Agustí-Panareda A, et al. ERA5-land: A state-of-the-art global reanalysis dataset for land applications[J]. Earth System Science Data, 2021, 13(9): 4349-4383.

DOI

[48]
Emori S, Brown S J. Dynamic and thermodynamic changes in mean and extreme precipitation under changed climate[J]. Geophysical Research Letters, 2005, 32(17): 2005GL023272. doi: 10.1029/2005gl023272.

[49]
Kunkel K E, Stevens S E, Stevens L E, et al. Observed Climatological relationships of extreme daily precipitation events with precipitable water and vertical velocity in the contiguous United States[J]. Geophysical Research Letters, 2020, 47(12): e2019GL086721. doi: 10.1029/2019GL086721.

[50]
Pumo D, Carlino G, Blenkinsop S, et al. Sensitivity of extreme rainfall to temperature in semi-arid Mediterranean regions[J]. Atmospheric Research, 2019, 225: 30-44.

DOI

[51]
Gao X C, Zhu Q, Yang Z Y, et al. Temperature dependence of hourly, daily, and event-based precipitation extremes over China[J]. Scientific Reports, 2018, 8(1): 17564. doi: 10.1038/s41598-018-35405-4.

PMID

[52]
Deng H X, Tang Q H, Yun X B, et al. Wetting trend in Northwest China reversed by warmer temperature and drier air[J]. Journal of Hydrology, 2022, 613: 128435. doi: 10.1016/j.jhydrol.2022.128435.

[53]
任国玉, 袁玉江, 柳艳菊, 等. 我国西北干燥区降水变化规律[J]. 干旱区研究, 2016, 33(1): 1-19.

[Ren Guoyu, Yuan Yujiang, Liu Yanju, et al. Changes in precipitation over Northwest China. Arid Zone Research, 2016, 33(1): 1-19.]

[54]
Hosseini-Moghari S-M, Sun S A, Tang Q H, et al. Scaling of precipitation extremes with temperature in China's mainland: Evaluation of satellite precipitation data[J]. Journal of Hydrology, 2022, 606: 127391. doi: 10.1016/j.jhydrol.2021.127391.

[55]
Westra S, Fowler H J, Evans J P, et al. Future changes to the intensity and frequency of short-duration extreme rainfall[J]. Reviews of Geophysics, 2014, 52(3): 522-555.

DOI

[56]
Nie J, Sobel A H, Shaevitz D A, et al. Dynamic amplification of extreme precipitation sensitivity[J]. PNAS, 2018, 115(38): 9467-9472.

DOI PMID

[57]
Prein A F, Pendergrass A G. Can we constrain uncertainty in hydrologic cycle projections?[J]. Geophysical Research Letters, 2019, 46(7): 3911-3916.

DOI

[58]
陈活泼, 孙建奇, 范可. 新疆夏季降水年代际转型的归因分析[J]. 地球物理学报, 2012, 55(6): 1844-1851.

[Chen Huopo, Sun Jianqi, Fan Ke. Possible mechanism for the interdecadal change of Xinjiang summer precipitation. Chinese Journal of Geophysics, 2012, 55(6): 1844-1851.]

[59]
陈冬冬, 戴永久. 近五十年中国西北地区夏季降水场变化特征及影响因素分析[J]. 大气科学, 2009, 33(6): 1247-1258.

[Chen Dongdong, Dai Yongjiu. Characteristics and analysis of typical anomalous summer rainfall patterns in northwest China over the last 50 years. Chinese Journal of Atmospheric Sciences, 2009, 33(6): 1247-1258.]

[60]
Huang W, Feng S, Chen J H, et al. Physical mechanisms of summer precipitation variations in the Tarim Basin in Northwestern China[J]. Journal of Climate, 2015, 28(9): 3579-3591.

DOI

Options
文章导航

/

〈 〉