引用本文
程红霞, 梁凤超, 李帅, 林粤江. 天山山区大气可降水量的空间聚集特征分析[J].国土资源遥感,2017,29(1): 116-121.
CHENG Hongxia, LIANG Fengchao, LI Shuai, LIN Yuejiang. Spatial clustering analysis of atmospheric precipitable water in the Tianshan Mountains[J].REMOTE SENSING FOR LAND & RESOURCES,2017,29(1): 116-121.  
Permissions
Copyright©2017, 《国土资源遥感》编辑部
《国土资源遥感》编辑部
天山山区大气可降水量的空间聚集特征分析
程红霞1,2, 梁凤超2, 李帅2, 林粤江3
1.中国气象局乌鲁木齐沙漠气象研究所,乌鲁木齐 830002
2.新疆气候中心,乌鲁木齐 830002
3.中国气象局气象干部培训学院新疆分院,乌鲁木齐 830013

第一作者: 程红霞(1977-),女,博士,高级工程师,主要从事遥感和地理信息系统应用方面的研究。Email: chx69@163.com。

收稿日期: 2015-07-13
基金项目: 中国气象局沙漠气象基金项目“利用卫星遥感数据研究天山山区大气可降水量时空分布特征”(编号: Sqj2012005)、科技支撑项目“新疆吐鲁番哈密地区空中云水资源开发利用”(编号: TUHA201523)、中国气象局关键技术集成与应用项目“新疆积雪遥感数据集建设与应用”(编号: CMAGJ2014M62)和国家自然科学基金项目“多源遥感数据支持的无资料地区积雪模型参数化研究”(编号: 41471358)共同资助
摘要

利用MODIS大气可降水量产品和高程数据,采用描述性统计和空间自相关分析方法,定量分析了2003—2013年间天山山区大气可降水量的空间聚集特征。结果表明,近10 a天山山区平均大气可降水量的空间分布格局呈现西多东少的变化,全局空间自相关系数为0.899 8,具有典型的空间聚集模式,即: 高值聚集区域占山区总面积的35.94%,集中在高程为2 000 m左右的天山山区周边地区; 低值聚集区域占山区总面积的38.79%,主要分布在高程3 000 m以上的中天山和东天山地区; 没有高低负相关,仅有较少的低高负相关的聚集方式,占山区总面积的0.05%,只在天山山区周边零星分布。高程与天山山区大气可降水量的空间相关系数为-0.831 3,是空间聚集格局分布与差异的主要原因。

关键词: 天山山区; 大气可降水量; 空间自相关
中图分类号:TP79 文献标志码:A 文章编号:1001-070X(2017)01-0116-06 doi: 10.6046/gtzyyg.2017.01.18
Spatial clustering analysis of atmospheric precipitable water in the Tianshan Mountains
CHENG Hongxia1,2, LIANG Fengchao2, LI Shuai2, LIN Yuejiang3
1. Institute of Desert Meteorology, CMA, Urumqi 830002, China
2. Xinjiang Climate Center, Urumqi 830002, China
3. Xinjiang Branch of CMA Training Centre, Urumqi 830013, China
Abstract

Based on the MODIS near infrared atmospheric precipitable water products with the resolution of 1km×1km and elevation data, using GIS spatial analyst and mathematical statistics method, this paper analyzed the spatial distribution and spatial correlation of atmospheric precipitable water in the Tianshan mountains during the period from 2003 to 2013.The results show that the atmospheric precipitable water in western mountain area is higher than the eastern mountain area. The atmospheric precipitable water in the Tianshan mountains has significantly positively correlated and its global spatial autocorrelation index is 0.899 8. The atmospheric precipitable water in the Tianshan mountains tends to be spatially clustered. The cluster of high values (HH) accounts for 35.94% of the total and are mostly distributed in elevation 2 000 m in surrounding area of Tianshan mountains. The cluster of low values (LL) accounts for 38.79% of the total and concentrated in the central and eastern region of the Tianshan mountains with elevation 3 000 m. The spatial outliers in which a low value is surrounded primarily by high values (LH) are scattered in the Tianshan Mountain. The spatial correlation coefficient between atmospheric precipitable water and elevation is -0.831 3. Elevation is the main reason for the distribution and difference of spatial clustering pattern.

Keyword: Tianshan Mountains; atmospheric precipitable water; spatial autocorrelation
0 引言

在单位面积大气柱中, 从地面垂直到大气层顶的水汽总量称为大气可降水量(atmospheric precipitable water, APW)[1]。它是一个重要的气象参数, 对研究全球气候变化、水循环、人工影响天气、天气预报、大气辐射传输等具有非常重要的作用[1, 2]。

天山是塔里木河、伊犁河等众多重要河流的发源地, 也是新疆人工增雨(雪)的重点作业区域。在天山山区空中水资源的合理开发利用方面更关注于较高分辨率的大气可降水量的空间聚集和空间差异程度。一些学者主要利用气象台站或探空站[3]、GPS[4]、NCEP/NCAR再分析资料[5]和遥感数据[6]获取大气可降水量, 但由于天山山区地形复杂, 使得70%的气象台站设在天山南北坡的低山带和山前平原区, 且再分析资料的网格较粗以及在山区的适用性还需要验证, 不能很好地揭示天山山区大气可降水量内在的空间特性, 导致对大气可降水量的空间分布与变化研究不够确切和全面[7, 8, 9, 10, 11]。而遥感数据具有空间分辨率高、范围广的特点, 在空间上强化了大气可降水量的连续性与差异性, 更有助于研究大气可降水量的区域差异及其空间关联性。

鉴于MODIS大气可降水量2级产品(MOD05)具有分布面广、时空分辨率较高、免费获取等特点[12], 本文应用2003— 2013年间MOD05资料和高程数据, 利用空间统计学中的空间自相关方法, 定量分析了中国天山山区大气可降水量的空间聚集特征, 科学划定大气可降水量的聚集区域, 为开发天山山区空中水资源提供科学指导, 以达到进一步提高人工增雨(雪)效果的目的。

1 研究区概况与数据源
1.1 研究区概况

天山是新疆南疆和北疆、中温带塔里木盆地和暖温带准噶尔盆地的天然地理分界线。由于天山山区大部分高峰都有现代冰川发育, 冰川融水成了新疆重要的河川径流补给来源之一。天山山区地形复杂, 土壤类型多样, 气候垂直差异明显。根据文献[11], 选择天山山区内高程大于1 500 m的区域为研究区域, 具体位置如图1所示。

图1 天山山区位置示意图Fig.1 Geographical locations of the Tianshan Mountains

1.2 数据源及其预处理

本文使用MODIS日大气可降水量产品(MOD05), 数据来源于美国NASA的MODIS免费下载网站(http: //ladsweb.nascom.nasa.gov), 空间分辨率为1 km, 研究数据为2003— 2013年间的逐日降水量数据, 覆盖整个天山山区。采用 MODIS 重投影工具(MODIS reprojection tool swath, MRTSwath)把遥感数据统一转换为Albers投影, 再利用ENVI软件进行图像拼接、去除异常值和无效值、裁剪等预处理, 得到研究区的近红外逐日大气可降水量数据集。根据日大气可降水量累计值的平均获得月均大气可降水量集, 由年内月均大气可降水量累计值的平均获得年均大气可降水量集, 再由多年时间内年均大气可降水量累计值的平均得到多年年均大气可降水量。

2 研究方法

空间自相关(spatial autocorrelation)是用于度量某位置上的数据与其他位置上的数据间的相互依赖程度, 揭示数据在一定空间范围内的分布规律, 是空间范围内聚集程度的一种度量。空间自相关分为全局空间自相关和局部空间自相关。

1)全局空间自相关。用来分析某种地理现象或属性在整个研究范围内的空间特征, 进而判断此现象或属性在空间上是否存在聚集特征。Anselin全局Moran’ s I的计算公式为

I=∑i=1n∑j≠inwij(xi-x̅)(xj-x̅)S2∑i=1n∑j≠inwij, (1)

式中: I为全局空间自相关系数; S2为xi的离散方差; xi和xj是空间要素i和j的属性值; x̅是要素平均值; Wij是要素i和j之间的空间权重(当要素i和j邻接时, Wij=1, 当要素i和j不邻接时, Wij=0); n为要素总数。I的取值范围为[-1, 1], I> 0表示存在空间正相关, 且越接近1聚集程度越高; I< 0表示存在空间负相关, 离散的空间要素高值和低值相邻; I=0表示随机分布[13]。

2)局部空间自相关。用来分析在特定的局部区域指定属性的空间异质性, 主要用于识别不同空间位置的要素是表面相似性(高值或低值的空间聚类), 还是表面相异性(空间异常值), 推算出聚集地的空间位置和范围。Anselin Local Moran’ s I指数计算公式为

Ii=(xi-x̅)S2∑j=1, j≠inwi, j(xj-x̅), (2)

式中Ii为要素i的局部空间自相关指数。

在统计学上的显著性水平下, Anselin Local Moran’ s I 指数分为2种: 一是指数为正, 表示该要素与周边要素间空间差异显著性小, 是聚类的一部分, 聚类和异常值类型包括高高聚集(high-high, HH型)和低低聚集(low-low, LL型); 二是指数为负, 表示该要素与周边要素间的空间差异显著性大, 是异常值, 聚类和异常值类型是高值要素主要由低值要素围绕(high-low, HL型), 或低值要素主要由高值要素围绕(low-high, LH型)[14]。

3 结果分析
3.1 多年年均大气可降水量的空间分布

多年年均大气可降水量反映大气可降水量在一定时期的平均状况。2003— 2013年间天山山区多年年均大气可降水量的空间分布情况见图2。

图2 天山山区多年年均大气可降水量分布Fig.2 Spatial distribution of annual average APW in the Tianshan Mountains

近10 a该区年均大气可降水量值在0.002 8~0.441 8 cm之间, 平均值为0.126 9 cm, 呈现出两边小中间大的单峰分布, 其中: [0, 0.1)cm之间的区域占了总面积的37.86%, [0.1, 0.2)cm之间的区域占了总面积的51.53%, 0.2 cm及以上的区域仅占总面积的10.61%。而[0.06, 0.22)cm之间的区域就占了总面积的87.13%, 0.28 cm以上的区域只占总面积的0.04%。

从天山山区多年年均大气可降水量的空间分布总体上看, 天山山区大气可降水量的空间地域性和差异性明显, 空间分布特征整体表现为自西向东递减、从山区周边向山顶逐渐递减的趋势。天山山区多年年均大气可降水量的空间分布大致可以划分为4个低值区域和3个高值区域。低值区域为: 阿克苏北部、中天山的巴州北部和北疆西南部、东天山的吐鲁番和吉木萨尔县山区以及天山最东部的哈密市和伊吾县。高值区域是天山南脉西部的阿克苏地区、东天山西北部地区、西天山的昭苏县和特克斯县北部。这与李霞等[3]的研究结果大致相同。

3.2 空间自相关分析

由于大气可降水量受空间相互作用和空间扩散的影响, 彼此之间可能不再相互独立, 而是相关的。因此, 本文利用空间自相关性分析天山山区大气可降水量在不同空间位置上的相关性, 得到其空间分布及其聚集特征。

3.2.1 全局空间自相关分析

通过全局空间自相关指数的计算, 分析了天山山区大气可降水量的空间自相关性。2003— 2013年间天山山区的多年年均大气可降水量的全局空间自相关指数为0.899 8, 说明天山山区大气可降水量具有很强的空间正相关性, 即大气可降水量的空间分布不是随机的, 而是表现出显著的空间聚集性。由于全局指标有时会掩盖局部状态的不稳定性, 为了确定天山山区大气可降水量高值聚集和低值聚集的区域, 还需要分析其局部空间自相关特性。

3.2.2 局部空间相关分析

局部空间相关分析是在不同区域的基础上分析大气可降水量的空间变化规律, 能够将大气可降水量的空间特征比较直观地表现出来。利用公式(2)计算出研究区多年年均大气可降水量的局部空间自相关系数, 生成具有统计显著性(0.05的显著水平)的局部空间自相关图(图3)。

图3 天山山区大气可降水量局部空间自相关Fig.3 Spatial distribution of Anselin Local Moran’ s I of APW in the Tianshan Mountains

通过统计, 显著性水平下的天山山区聚类和异常值占总面积的74.78%, 主要分为3个区域:

1)高值聚集区域(HH型)。大气可降水量较高的高值聚集面积占总面积的35.94%, 天山山区多年年均大气可降水量在0.135 8~0.441 8 cm之间, 高程值在1 500~3 220 m之间, 主要聚集在天山山区周边地区, 包括天山山区的南部喀什和阿克苏、哈密地区北部以及伊犁河谷南部地区, 成为大气可降水量较高的区域。

2)低值聚集区域(LL型)。大气可降水量较低的聚集区域面积占总面积的38.79%, 天山山区多年年均大气可降水量在0.002 8~0.114 3 cm之间, 高程值在1 558~6 950 m之间, 广泛分布在阿克苏到大西沟一带, 以及东天山的东西两端的高海拔地区, 形成了大气可降水量的低谷区。

3)低高关联区域(LH型)。低-高关联区域像元个数较少, 仅占总面积的0.05%, 天山山区多年年均大气可降水量在0.053 7~0.116 8 cm之间, 零星分布在乌鲁木齐、吐鲁番、哈密和阿图什等地区的天山山区周围, 成为相对孤立的大气可降水量低值区域。

3.3 空间聚集区域与高程的关系

高程是影响水汽分布的重要因素之一, 它不仅决定了上空气柱的厚度, 也决定了气柱的含湿能力[15]。为了解天山山区大气可降水量与高程差异之间的定量关系, 利用高程数据, 提取出研究区不同高程情况下的大气可降水量数据, 选定大气可降水量和高程作为空间相关分析的2个变量进行相关分析, 其空间相关系数为-0.831 3, 可以看出, 天山山区大气可降水量与高程的空间分布空间相关性很强, 呈现负相关的态势。出现这种情况的原因主要是由于大气可降水量受到天山山区高程的阻隔作用, 天山山区周围低海拔地区的平均大气可降水量明显高于高海拔地区。

为了研究天山山区大气可降水量不同聚集类型的空间分布特征, 分别计算了不同大气可降水量区间的平均高程值和占总面积的百分比。取不同聚集类型大气可降水量的最小值为下限, 以0.01 cm作为间隔, 分别计算了不同大气可降水量区间的平均高程值和频率, 一直计算到此类型大气可降水量的最大值, 具体计算结果见图4。

图4 天山山区大气可降水量聚集类型的平均高程和频率分布Fig.4 Elevation and frequency distribution of APW cluster in the Tianshan Mountains

在天山山区大气可降水量高值聚集区域, 总体上是随着大气可降水量的增加其平均高程在降低, 但不同区间大气可降水量的频率呈现单峰变化模式, 即在0.18~0.19 cm区间内的大气可降水量值会出现一个峰值, 其平均高程为1 831 m; 大气可降水量主要集中在0.15~0.22 cm之间, 平均高程为2 000 m左右; 大气可降水量大于0.25的区域占总面积的0.53%, 其高程基本稳定在1 550 m左右。

在天山山区大气可降水量低值聚集区域, 大气可降水量只出现随高程增高而单调递减的趋势, 曲线基本呈直线分布, 即随着大气可降水量的增大, 平均高程急剧下降, 其频率也发生了明显的先迅速增加后急剧减小的变化。从图4可以看出, 大气可降水量在0~0.01 cm区间平均高程为5 828 m, 到0.11~0.12 cm区间平均高程急剧下降为2 731 m, 且在0.06~0.07 cm间大气可降水量值最多, 平均高程为3 469 m, 大部分大气可降水量值处于0.05~0.10 cm之间, 平均高程分布在3 400 m左右。

根据以上分析, 天山山区大气可降水量不仅与其空间分布位置有关, 而且受高程变化的影响, 具有随高程增加而减小的规律。可以说明, 天山山区高海拔地区对大气可降水量具有一定的阻隔作用, 这在一定程度上影响和制约了大气可降水量的变化。

3.4 空间聚集区域内差异分析

利用变异系数测算空间聚集区域内大气可降水量的变异程度, 揭示聚集空间内大气可降水量和高程的差异规律。变异指数越小, 表示评价区域内各单元之间大气可降水量和高程的差距越小, 反之, 其差距越大。利用变异系数公式测算天山山区大气可降水量和高程差异以及各聚集区域内部差异, 结果见图5。

图5 天山山区大气可降水量和高程的差异分析Fig.5 Differences of APW and elevation in the Tianshan Mountains

变异系数值越大说明其值在相关范围内的差异程度越大。由图5可知, 不同区域大气可降水量和高程的变异系数大小顺序为: 天山山区> 低值聚集区> 高值聚集区。从变异程度分析, 利用空间自相关分析生成的高值聚集区和低值聚集区的大气可降水量变异系数仅是整个天山山区大气可降水量变异系数的1/3, 其高程变异系数也较低, 说明高值聚集区和低值聚集区内部的差异程度小, 聚集程度高。这更具体地表明, 利用空间自相分析方法生成的天山山区大气可降水量高值聚集区和低值聚集区得到了进一步聚集。

4 结论

本文利用空间分辨率为1 km× 1 km 的MODIS日大气可降水量产品, 结合高程数据, 计算并分析了2003— 2013年间中国天山山区大气可降水量的空间聚集特征, 得出的初步结论如下:

1)2003— 2013年间, 天山山区多年年均大气可降水量在0.002 8~0.441 8 cm之间, 其中在0.25 cm以上的高值区域占总面积的0.13%, 主要分布在东天山哈密南部、天山山区西部和南部的山区周边地区, 而多年年均大气可降水量在0.05 cm以下的区域占总面积的5.83%, 主要分布在天山山区中部区域的山顶。

2)通过多年天山山区大气可降水量的空间自相关分析, 天山山区大气可降水量具有明显的空间聚集特征, 即高值聚集区域(HH)和低值聚集区域(LL)面积占总面积的74.78%; 而空间异常值区域只有低高关联区域(LH), 且仅有零星分布。

3)天山山区大气可降水量与高程的空间相关系数为-0.831 3, 呈显著的负相关。天山山区大气可降水量从山区周围到高海拔山顶逐渐递减, 其中天山山区大气可降水量的高值聚集区域主要分布在高程为2 000 m左右的天山山区周边地区; 低值聚集区域主要集中在高程为3 300 m左右的区域, 且高海拔区域是其大气可降水量最匮乏的区域。高程是天山山区大气可降水量空间聚集格局分布差异的主要原因。

4)天山山区大气可降水量高值聚集区域和低值聚集区域内部的差异性小, 空间聚集特征明显, 可以为天山山区大气可降水量的功能区划提供参考。

根据以上对天山山区大气可降水量的高空间分辨率研究, 认为天山山区大气可降水量在空间上呈现一定的规律性, 天山山区大气可降水量整体上呈中间低两边高、南北差异的聚集式分布格局, 且大气可降水量随着高程的增高而递减的趋势。大气可降水量的多少、分布及其变化不仅直接关系到云雨的形成, 而且还对整个地气系统的能量平衡产生影响。因此, 对于处于干旱-半干旱地区的新疆来说, 在天山山区大气可降水量的高值聚集区域进一步开发气候资源和水资源, 可以最大限度地保证社会、经济、生态环境和可持续发展。

The authors have declared that no competing interests exist.

参考文献
[1] 刘三超, 柳钦火, 高懋芳. 地基多波段遥感大气可降水量研究[J]. 国土资源遥感, 2006, 18(4): 6-9. doi: DOI: 106046/gtzyyg. 2006. 04. 02.
Liu S C, Liu Q H, Gao M F. Multi-spectral optical remote sensing of precipitable water[J]. Remote Sensing for Land and Resources, 2006, 18(4): 6-9. doi: DOI:10.6046/gtzyyg.2006.04.02. [本文引用:4]
[2] 刘丹, 邱新法, 史岚, 等. 基于NCEP资料的我国大气可降水量的计算及其时空分布[J]. 南京信息工程大学学报: 自然科学版, 2013, 5(2): 113-119.
Liu D, Qiu X F, Shi L, et al. Estimation of atmospheric precipitable water in China with NCEP data and its spatio-temporal distribution[J]. Journal of Nanjing University of Information Science and Technology: Natural Science Edition, 2013, 5(2): 113-119. [本文引用:1]
[3] 李霞, 张广兴. 天山可降水量和降水转化率的研究[J]. 中国沙漠, 2003, 23(5): 509-513.
Li X, Zhang G X. Research on precipitable water and precipitation conversion efficiency around Tianshan Mountain area[J]. Journal of Desert Research, 2003, 23(5): 509-513. [本文引用:2]
[4] 魏浩翰, 何秀凤. 利用区域GPS观测网探测夏季降雨中大气可降水量[J]. 河海大学学报: 自然科学版, 2011, 39(4): 454-457.
Wei H H, He X F. Detection of precipitable water vapor during summer rainfall using regional GPS network[J]. Journal of Hohai University: Natural Sciences, 2011, 39(4): 454-457. [本文引用:1]
[5] 史玉光, 孙照渤. 新疆大气可降水量的气候特征及其变化[J]. 中国沙漠, 2008, 28(3): 519-525.
Shi Y G, Sun Z B. Climate characteristics of atmospheric precipitable water over Xinjiang and its variation[J]. Journal of Desert Research, 2008, 28(3): 519-525. [本文引用:1]
[6] Sobrino J A, Kharraz J E, Li Z L. Surface temperature and water vapour retrieval from MODIS data[J]. International Journal of Remote Sensing, 2003, 24(24): 5161-5182. [本文引用:1]
[7] 赵传成, 丁永建, 叶柏生, 等. 天山山区降水量的空间分布及其估算方法[J]. 水科学进展, 2011, 22(3): 315-322.
Zhao C C, Ding Y J, Ye B S, et al. Spatial distribution of precipitation in Tianshan Mountains and its estimation[J]. Advances in Water Science, 2011, 22(3): 315-322. [本文引用:1]
[8] 李成才, 毛节泰. GPS地基遥感大气水汽总量分析[J]. 应用气象学报, 1998, 9(4): 470-477.
Li C C, Mao J T. Analysis for remote sensing of atmospheric precipitable water using ground-based GPS receiver[J]. Quarterly Journal of Applied Meteorology, 1998, 9(4): 470-477. [本文引用:1]
[9] 许民, 叶柏生, 赵求东, 等. 利用GRACE重力卫星监测新疆天山山区水储量时空变化[J]. 干旱区研究, 2013, 30(3): 404-411.
Xu M, Ye B S, Zhao Q D, et al. Spatiotemporal change of water reserves in the Tianshan Mountains, Xinjiang based on GRACE[J]. Arid Zone Research, 2013, 30(3): 404-411. [本文引用:1]
[10] 张正勇, 刘琳, 唐湘玲. 1960—2010年中国天山山区气候变化区域差异及突变特征[J]. 地理科学进展, 2012, 31(11): 1475-1484.
Zhang Z Y, Liu L, Tang X L. The regional difference and abrupt events of climatic change in Tianshan Mountains during 1960—2010[J]. Progress in Geography, 2012, 31(11): 1475-1484. [本文引用:1]
[11] 杨青, 史玉光, 袁玉江, 等. 基于DEM的天山山区气温和降水序列推算方法研究[J]. 冰川冻土, 2006, 28(3): 337-342.
Yang Q, Shi Y G, Yuan Y J, et al. Temperature and precipitation series in the Tianshan Mountains calculated based on DEM[J]. Journal of Glaciology and Geocryology, 2006, 28(3): 337-342. [本文引用:1]
[12] 孟宪红, 吕世华, 张堂堂. MODIS近红外水汽产品的检验、改进及初步应用——以黑河流域金塔绿洲为例[J]. 红外与毫米波学报, 2007, 26(2): 107-111.
Meng X H, Lyu S H, Zhang T T. Testing, improvement and application of MODIS near infrared water vapor products: Taking Jinta oasis in Heihe river basin as a case study[J]. Journal of Infrared and Millimeter Waves, 2007, 26(2): 107-111. [本文引用:1]
[13] 林锦耀, 黎夏. 基于空间自相关的东莞市主体功能区划分[J]. 地理研究, 2014, 33(2): 349-357.
Lin J Y, Li X. MFOZ planning of Dongguan based on spatial autocorrelation by using genetic algorithms[J]. Geographical Research, 2014, 33(2): 349-357. [本文引用:1]
[14] 朱瑜馨, 张锦宗, 聂芹. 山东省人口密度分布模式的GIS空间分析[J]. 国土资源遥感, 2011, 23(4): 147-150. doi: DOI: 106046/gtzyyg. 2011. 04. 27.
Zhu Y X, Zhang J Z, Nie Q. A study of the population spatial distribution model based on spatial statistics in Shand ong Province[J]. Remote Sensing for Land and Resources, 2011, 23(4): 147-150. doi: DOI:10.6046/gtzyyg.2011.04.27. [本文引用:1]
[15] 梁宏, 刘晶淼, 李世奎. 青藏高原及周边地区大气水汽资源分布和季节变化特征分析[J]. 自然资源学报, 2006, 21(4): 526-534.
Liang H, Liu J M, Li S K. Analysis of precipitable water vapor source distribution and its seasonal variation characteristics over Tibetan plateau and its surroundings[J]. Journal of Natural Resources, 2006, 21(4): 526-534. [本文引用:1]