基于多源数据的典型干旱区云水资源气候特征研究

doi:10.11755/j.issn.1006-7639-2026-02-0208

摘要/Abstract

摘要：

为揭示新疆云水资源的时空分布特征，基于2007—2019年CloudSat和MODIS卫星资料和1979—2024年ERA5再分析资料，系统分析了新疆地区云量及云水参数（云水含量、云液水含量和云冰水含量）的变化特征。结果表明，3种资料均能刻画出新疆云水参数山区高、盆地低的主要空间分布特征，且冰水含量整体高于液水含量。ERA5空间分辨率较高，能够更清晰反映局地地形相关特征；MODIS与ERA5的空间分布一致性较好，但其云水含量存在系统性偏大；CloudSat的空间分布特征在局部区域存在差异，但整体数值与ERA5较为接近。云水含量夏季高、冬季低，春秋季为过渡阶段，各季节冰水含量普遍高于液水含量。1979—2024年北疆盆地和南疆盆地北部云量及云水含量呈显著减少趋势，而昆仑山中东部地区云水含量呈显著增加趋势。

关键词: 云量, 云水含量, 云冰水含量, 云液水含量, 典型干旱区

Abstract:

To reveal the spatiotemporal characteristics of cloud water resources in Xinjiang, this study systematically analyzes the variations in cloud amount and cloud water parameters (cloud water content, liquid water content, and ice water content) using satellite data from CloudSat and MODIS for 2007-2019 and reanalysis data from ERA5 for 1979-2024. The results show that all three datasets consistently capture the primary spatial pattern of cloud water parameters, characterized by higher values in mountainous areas and lower values in basins, with ice water content generally exceeding liquid water content. ERA5, with its higher spatial resolution, can more clearly represent terrain-related local features. MODIS shows good agreement with ERA5 in spatial distribution, although its cloud water content is systematically overestimated. CloudSat exhibits differences in spatial distribution in some local regions, while its overall magnitude is comparable to that of ERA5. Cloud water content is higher in summer and lower in winter, with spring and autumn serving as transitional seasons. From 1979 to 2024, cloud amount and cloud water content show significant decreasing trends in the northern Xinjiang Basin and the northern part of the southern Xinjiang Basin, while a significant increasing trend is observed in the central and eastern Kunlun Mountains.

Key words: cloud cover, cloud water content, ice water content, liquid water content, typical arid areas

中图分类号:

P426.52

李卓卓, 杨莲梅, 阿不都外力·阿不力克木. 基于多源数据的典型干旱区云水资源气候特征研究[J]. 干旱气象, 2026, 44(2): 208-218.

LI Zhuozhuo, YANG Lianmei, Abulikemu Abuduwaili. A study on the climatic characteristics of cloud water resources in typical arid areas based on multiple datasets[J]. Journal of Arid Meteorology, 2026, 44(2): 208-218.

图/表 12

图1 新疆地形

Fig.1 Topography of Xinjiang

图2 新疆2007—2019年ERA5、MODIS及CloudSat反演的云量多年平均空间分布

Fig.2 Spatial distribution of the mean cloud cover retrieved from ERA5， MODIS and CloudSat over Xinjiang during 2007-2019

图3 1979－2024年新疆云量年变化趋势空间分布（a，单位：%·a-1）及南北疆盆地平均云量的年际变化（b）（黑色打点区域通过置信水平为95%的显著性检验，下同；红色矩形分别为南北疆盆地）

Fig.3 Spatial distribution of the annual trend of cloud cover over Xinjiang from 1979 to 2024 (a, Unit: %·a-1), and the interannual variation of mean cloud cover over the basins of northern and southern Xinjiang (b) (The black dots area indicate passing the significance test at 95% confidence level, the same as below; the red rectangles represent the basins of northern and southern Xinjiang, respectively)

图4 新疆2007—2019年ERA5、MODIS及CloudSat反演的云水含量多年平均空间分布（单位：g·m-2）

Fig.4 Spatial distribution of the mean cloud water content retrieved from ERA5， MODIS and CloudSat over Xinjiang during 2007-2019 （Unit： g·m-2）

图5 新疆2007－2019年ERA5、MODIS及CloudSat反演的冰水含量多年平均空间分布（单位：g·m-2）

Fig.5 Spatial distribution of the mean ice water content retrieved from ERA5， MODIS and CloudSat over Xinjiang during 2007-2019 （Unit： g·m-2）

图6 新疆2007—2019年ERA5、MODIS及CloudSat反演的液水含量多年平均空间分布（单位：g·m-2）

Fig.6 Spatial distribution of the mean liquid water content retrieved from ERA5， MODIS and CloudSat over Xinjiang during 2007-2019 （Unit： g·m-2）

图7 新疆2007—2019年冰水含量（a）、液水含量（b）及云水含量（c）年变化趋势空间分布（单位：%·a-1）

Fig.7 Spatial distribution of the annual trend in ice water content (a), liquid water content (b), and cloud water content (c) over Xinjiang during 2007-2019 (Unit: %·a-1)

图8 新疆2007—2019年MODIS（a）及CloudSat（b）与ERA5云水含量差值空间分布（单位：g·m-2）

Fig.8 Spatial distribution of differences in cloud water content between MODIS and ERA5 （a） and between CloudSat and ERA5 （b） over Xinjiang during 2007-2019 （Unit： g·m-2）

图9 新疆2007—2019年不同资料反演的云水含量季节平均空间分布（单位：g·m-2）

Fig.9 Spatial distribution of seasonal mean cloud water content retrieved from different datasets over Xinjiang during 2007-2019 （Unit： g·m-2）

图10 新疆2007—2019年不同资料反演的冰水含量季节平均空间分布（单位：g·m-2）

Fig.10 Spatial distribution of seasonal mean ice water content retrieved from different datasets over Xinjiang during 2007-2019 （Unit： g·m-2）

图11 新疆2007—2019年不同资料反演的液水含量季节平均空间分布（单位：g·m-2）

Fig.11 Spatial distribution of seasonal mean liquid water content retrieved from different datasets over Xinjiang during 2007-2019 （Unit： g·m-2）

图12 新疆2007—2019年不同资料反演的云水含量标准差季节平均的空间分布（单位：g·m-2）

Fig.12 Spatial distribution of seasonal mean standard deviation of cloud water content retrieved from different datasets over Xinjiang during 2007-2019 （Unit： g·m-2）

参考文献 35

[1]	邓佩云, 常倬林, 何佳, 等, 2024. 六盘山地区大气水汽的时空差异与驱动因子分析[J]. 干旱气象, 42(3):376-384. DOI
[2]	方乐锌, 李昀英, 孙国荣, 等, 2016. 基于CloudSat-CALIPSO资料的全球不同类型云的水平和垂直分布特征[J]. 气候与环境研究, 21(5):547-556.
[3]	高建秋, 郑彬, 游积平, 等, 2022. 2018年广东空中水物质评估及开发分析[J]. 干旱气象, 40(3):516-523. DOI
[4]	耿蓉, 王雨, 傅云飞, 等, 2018. 中国及其周边地区多种水凝物资料的气候态特征比较[J]. 气象学报, 76(1):134-147.
[5]	郭娜, 陈伏龙, 王统霞, 等, 2025. 1979—2022年新疆地区空中水汽变化特征及未来多情景预估[J]. 干旱区研究, 42(10):1753-1 765.
[6]	赫小红, 宋敏红, 周梓萱, 2020. 夏季青藏高原空中云水资源的时空特征分析[J]. 高原气象, 39(6):1339-1 347.
[7]	李文韬, 李兴宇, 张礼林, 等, 2018. 青藏高原云水气候特征分析[J]. 气候与环境研究, 23(5):574-586.
[8]	刘健, 2013. 利用卫星数据分析青藏高原云微物理特性[J]. 高原气象, 32(1):38-45. DOI
[9]	刘菊菊, 游庆龙, 周毓荃, 等, 2018. 基于ERA-Interim的中国云水量时空分布和变化趋势[J]. 高原气象, 37(6):1590-1 604.
[10]	刘蕊, 2009. 新疆大气水汽含量、水汽通量及其净收支的计算和分析[D]. 乌鲁木齐: 新疆师范大学.
[11]	庞萬隆, 袁子玥, 马秀枝, 等, 2025. 新疆伊犁河流域近30 a极端高温时空分布特征[J]. 干旱气象, 43(4):521-530. DOI
[12]	乔丹杨, 王瑾婷, 彭力, 等, 2025. 一次强冰雹天气环境场及卫星云参数特征分析[J]. 沙漠与绿洲气象, 19(2):84-91.
[13]	史玉光, 孙照渤, 2008a. 新疆大气可降水量的气候特征及其变化[J]. 中国沙漠, 28(3):519-525.
[14]	史玉光, 孙照渤, 2008b. 新疆水汽输送的气候特征及其变化[J]. 高原气象, 27(2):310-319.
[15]	王凯, 孙美平, 巩宁刚, 2018. 西北地区大气水汽含量时空分布及其输送研究[J]. 干旱区地理, 41(2):290-297.
[16]	王旭, 张嘉伟, 马禹, 等, 2016. 天山山脉强降水云宏微观物理属性的空间分布特征[J]. 干旱区地理, 39(6):1153-1 161.
[17]	肖生春, 苏靖茸, 彭小梅, 等, 2024. 中国西北干旱内陆区季风-西风交互作用研究进展[J]. 高原气象, 43(6):1355-1 363.
[18]	姚俊强, 2024. 新疆空中水资源和地表水资源变化特征研究[J]. 干旱区研究, 41(2):181-190. DOI
[19]	余杰, 蔡淼, 周毓荃, 等, 2024. 2000—2019年西北地区云水资源时空特征研究[J]. 气象学报, 82(4):476-489.
[20]	张海宏, 石明明, 吴昊, 等, 2021. 基于ERA-Interim资料的青海省空中云水资源评估[J]. 干旱气象, 39(4):569-576.
[21]	张敬书, 荆林海, 王思远, 2023. 近20年青藏高原云分布特征及云参数时空变化分析[J]. 高原气象, 42(5):1107-1 118.
[22]	张沛, 姚展予, 贾烁, 等, 2020. 六盘山地区空中水资源特征及水凝物降水效率研究[J]. 大气科学, 44(2):421-434.
[23]	张正国, 陈燕丽, 简悦, 等, 2024. 桂西岩溶区云水分布和移动特征[J]. 高原山地气象研究, 44(3):129-136.
[24]	周茹, 李昀英, 陆春松, 2022. 基于CloudSat-CALIPSO资料的北极云宏观特征及形成机制研究[J]. 气候与环境研究, 27(5):630-642.
[25]	AUSTIN R T, HEYMSFIELD A J, STEPHENS G L, 2009. Retrieval of ice cloud microphysical parameters using the CloudSat millimeter-wave radar and temperature[J]. Journal of Geophysical Research: Atmospheres, 114(D8): 2008JD010049. DOI: 10.1029/2008jd010049.
[26]	DAI X G, YANG Y, WANG P, 2022. Asian monsoon projection with a new large-scale monsoon definition[J]. Theoretical and Applied Climatology, 147(3/4): 1 003-1 013.
[27]	ELIASSON S, BUEHLER S A, MILZ M, et al, 2011. Assessing observed and modelled spatial distributions of ice water path using satellite data[J]. Atmospheric Chemistry and Physics, 11(1): 375-391.
[28]	JING X, YANG J, LI T, et al, 2022. Pre-activation of ice nucleating particles in deposition nucleation mode: Evidence from measurement using a static vacuum water vapor diffusion chamber in Xinjiang, China[J]. Geophysical Research Letters, 49(15): e2022GL099468. DOI: 10.1029/2022GL099468.
[29]	KHANAL S, WANG Z E, FRENCH J R, 2020. Improving middle and high latitude cloud liquid water path measurements from MODIS[J]. Atmospheric Research,243:105033. DOI:10.1016/j.atmosres.2020.105033.
[30]	LI J F, WALISER D E, CHEN W T, et al, 2012. An observationally based evaluation of cloud ice water in CMIP3 and CMIP5 GCMs and contemporary reanalyses using contemporary satellite data[J]. Journal of Geophysical Research: Atmospheres, 117(D16): 2012JD017640. DOI:10.1029/2012jd017640.
[31]	TANG Y, WAN S M, CLIFT P D, et al, 2022. Northward shift of the Northern Hemisphere westerlies in the early to late Miocene and its links to Tibetan uplift[J]. Geophysical Research Letters, 49(18): e2022GL099311. DOI: 10.1029/2022GL099311.
[32]	WANG T, FETZER E J, WONG S, et al, 2016. Validation of MODIS cloud mask and multilayer flag using CloudSat-CALIPSO cloud profiles and a cross-reference of their cloud classifications[J]. Journal of Geophysical Research: Atmospheres, 121(19): 11 620-11 635.
[33]	WILCOX E M HARSHVARDHAN, PLATNICK S, 2009. Estimate of the impact of absorbing aerosol over cloud on the MODIS retrievals of cloud optical thickness and effective radius using two independent retrievals of liquid water path[J]. Journal of Geophysical Research: Atmospheres, 114(D5): 2008JD010589. DOI:10.1029/2008jd010589.
[34]	YANG P, WEI H L, BAUM B A, et al, 2003. The spectral signature of mixed-phase clouds composed of non-spherical ice crystals and spherical liquid droplets in the terrestrial window region[J]. Journal of Quantitative Spectroscopy and Radiative Transfer, 79: 1 171-1 188.
[35]	YAO Z Y, AN L, ZHANG P, et al, 2023. Characteristics of cloud water resource and precipitation efficiency of hydrometeors over northwest China[J]. Journal of Meteorological Research, 37(3): 353-369. DOI