EN中文

地理学报, 2023, 78(11): 2797-2810 doi: 10.11821/dlxb202311010

地表过程

西藏羊卓雍错湖面水热通量变化及其与气象因子的关联

张雪芹,1, 靳铮2, 沈鹏珂3, 郑度1

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.复旦大学大气与海洋科学系，上海 200438

3.中国气象局国家气候中心，北京 100081

Lake surface water-heat flux variation and its correlation with meteorological factors in the Yamzhog Yumco, Tibet

ZHAG Xueqin,1, JIN Zheng2, SHEN Pengke3, ZHENG Du1

1. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

2. Department of Atmospheric and Oceanic Sciences, Fudan University, Shanghai 200438, China

3. National Climate Center, China Meteorological Administration, Beijing 100081, China

收稿日期: 2023-07-19   修回日期: 2023-11-14  

基金资助: 第二次青藏高原综合科学考察研究(2019QZKK0202-02)
国家自然科学基金项目(41471064)

Received: 2023-07-19   Revised: 2023-11-14  

Fund supported: The Second Tibetan Plateau Scientific Expedition and Research Program(2019QZKK0202-02)
National Natural Science Foundation of China(41471064)

作者简介 About authors

张雪芹(1971-), 山东泰安人, 副研究员, 主要研究方向为气候变化及其影响。E-mail: zhangxq@igsnrr.ac.cn

摘要

气候变暖背景下湖泊表层水热交换及其气候归因对高寒湖泊蒸发机制和水分平衡有重要影响。本文基于2016—2017年西藏高寒湖泊羊卓雍错非封冻期涡动相关湍流观测通量数据，首次探讨了该湖水热通量小时、日、月变化特征及其与气象因子的关联。研究发现，4—12月羊卓雍错湖面潜热通量平均值显著高于感热通量；水热通量季节差异明显，夏季较高的空气温湿度组合对湖面的湖—气能量交换控制作用显著。在小时、日、月等时间尺度上，与感热通量统计相关性最高的气象因子为湖—气温差；在半小时、日平均等时间尺度上，潜热通量与风速、风速—水汽压差协同量均为较强正相关；日、月平均时间尺度上的湖面水热通量则与水面净辐射通量呈显著负相关，这归因于水面净辐射季节变化以及因湖—气温差和水—气热容量差异所导致的湖面水热通量强度变化的位相差异。本文揭示了藏南高寒湖泊水热通量变化在不同时间尺度上的主控气象因子差异，增进了对高寒湖泊在气候变化背景下能量交换和蒸发机制的认识。

关键词： 湖面水热通量; 主控气象因子; 涡动相关; 高寒湖泊; 羊卓雍错

Abstract

Lake surface water-heat exchange and its climatic attribution critically influence the evaporation mechanism and water balance in alpine lakes in a warming climate. Based on the eddy covariance turbulent flux observation of Yamzhog Yumco, an alpine lake in Tibet, this paper explored the characteristics of the hourly, daily, and monthly variations of the lake surface water-heat flux and their correlations with meteorological factors during the non-freezing period in 2016 and 2017. We found that the average latent heat flux was much higher than the sensible heat flux on the lake surface from April to December. Moreover, the water-heat flux exhibited remarkable seasonal variation, and the higher air temperature and humidity in summer jointly controlled the lake-air energy exchange over the lake surface. First, the lake-air temperature difference was the most significant meteorological factor related to sensible heat flux on half-hourly, daily, and monthly scales. Second, the latent heat flux was strongly positively correlated with wind speed and the synergies of wind speed and water vapor pressure deficit on the daily and half-hourly scales. Third, the lake surface water-heat flux was significantly negatively correlated with the net radiation flux on the daily and monthly scales, which was attributed to the seasonal variation of the water surface net radiation and the phase difference of the water-heat flux intensity change due to the lake-air temperature difference and heat capacity contrast. The results revealed the differences of the main controlling meteorological factors in the variation of water-heat flux in the alpine lakes in south Tibet on different timescales. The work will hopefully improve our understanding of the mechanisms of energy exchange and evaporation over alpine lakes in the future projected climate conditions.

Keywords： lake surface water-heat flux; meteorological factor; eddy covariance; alpine lakes; Yamzhog Yumco

PDF (4756KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

张雪芹, 靳铮, 沈鹏珂, 郑度. 西藏羊卓雍错湖面水热通量变化及其与气象因子的关联. 地理学报, 2023, 78(11): 2797-2810 doi:10.11821/dlxb202311010

ZHAG Xueqin, JIN Zheng, SHEN Pengke, ZHENG Du. Lake surface water-heat flux variation and its correlation with meteorological factors in the Yamzhog Yumco, Tibet. Acta Geographica Sinica, 2023, 78(11): 2797-2810 doi:10.11821/dlxb202311010

1 引言

湖泊是全球气候系统和水循环的重要组成部分，它对大尺度环流和降水影响不容忽视[1]。作为内陆大气边界层重要的热源/汇及水汽源，湖泊会通过水陆热力差异引起局地大气热力环流，从而在一定程度上主导了水体周边区域特别是下风局部地区的小气候特征[2]。而湖泊下垫面的陆面过程模拟是大气数值模式的短板[3]。在数值预报模式和气候模式尺度精细化发展趋势下[4]，由于湖泊水体的热力和理化性质都显著区别于其他陆地下垫面，所以湖泊下垫面模型参数化方案的优化依赖于更广范围内的湖—气水热交换长期观测。水热通量观测数据是湖泊水热蒸发机制研究的基础科学依据，而准确估算通量强度是其中的关键[5]。

高原湖泊面积占全国湖泊总面积的51.4%，且受人类活动影响相对较小，因而高原湖泊成为全球气候变化的指示器[6⇓-8]。青藏高原在变暖变湿气候背景下水循环加强[9]，青藏高原湖泊长期观测对全球气候变化研究尤为重要。1976—2010年青藏高原湖泊变化空间分异格局表现为藏北湖泊扩张而藏南湖泊萎缩[10]。为此，有必要从流域水量平衡视角定量辨识不同湖泊补给条件及湖面蒸发对高原湖泊面积变化的贡献。涡动相关（Eddy Covariance, EC）方法是陆域蒸散测算的基础手段之一[11]，在纳木错[12]、太湖[13]、澳大利亚洛甘水库[14]、鄱阳湖和洱海[15⇓⇓⇓-19]等湖泊的水热通量和成分通量观测研究方面已有应用。然而，针对高寒湖泊开展的观测研究相对较少。目前，EC观测仅在青藏高原北部的纳木错[12,20⇓ -22]、扎陵湖和鄂陵湖[23]、青海湖[24]和色林错[25]等少量湖泊开展，为揭示高原北部大湖水热湍流通量的时间变化特征及其环境驱动提供了宝贵研究数据。

高原南部湖泊的EC观测非常稀缺。羊卓雍错作为藏南山谷湖泊的代表，其湖面蒸发的湍流通量观测研究目前亟待补充。沈鹏珂等在藏南羊卓雍错湖面EC观测的研究初步揭示了湖面大气湍流特征，并验证了湖区近地层大气湍流输送的相似性理论的适用性[26-27]。羊卓雍错的蒸发与湖泊水量变化已有研究表明，在蒸发、降水以及人类活动的作用下，1974—2019年羊卓雍错水位波动下降[28]；湖泊面积减少，且降水和蒸发变化是湖泊水量变化的重要因素[29-30]。自1998年羊卓雍错水电站运行开始，人为因素对湖泊水量及水环境的影响大幅超过了气候要素的影响[31-32]。由于地形作用对区域尺度蒸发的影响研究较为匮乏，因而揭示羊卓雍错湖面蒸发机制是高原湖泊水量平衡研究不可或缺的重要一环。

为此，本文基于经人工神经网络插补后的湍流通量站点观测数据，探讨羊卓雍错湖泊水热通量的变化及其与主要气象因子（水面净辐射通量、水汽压差、湖—气温差、风速等）在小时、日和月等时间尺度下的关联性，有望提升对藏南高寒湖泊水热通量变化特征的认识，为高原陆面过程参数化方案优化提供必要的本地化数据。

2 数据与方法

2.1 EC观测系统概况

羊卓雍错为喜马拉雅山脉北麓最大内陆封闭湖泊，流域面积约9064 km2 [33]。EC设备最早于2016年3月架设在该流域白地水文站附近的浅水区（29°07′28″N, 90°26′27″E），海拔4420.6 m（图1）。观测点所在湖面狭长且地处山谷，在距离观测点不足2 km的范围内就存在500 m以上的海拔落差。受冬季严酷环境条件所限，羊卓雍错EC观测在非封冻期（4—12月）开展。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   西藏羊卓雍错流域地形和涡动相关通量观测位置

注：照片由张雪芹2016年12月31日拍摄于羊卓雍错涡动相关通量观测站点。

Fig. 1   Topography and eddy covariance flux observation site in the Yamzhog Yumco Basin, Tibet


羊卓雍错EC观测系统记录了2016—2017年非封冻期水热通量、湍流参数、三位风速、气温、湿度、水面温度和水面辐射等较为全面的观测变量，每项变量包含26208条记录。其中，因水汽传感器故障，2016年11—12月的潜热通量记录无效。

2.2 研究方法

2.2.1 湖面水热通量计算

通量计算时间窗口为30 min，即每个数据点代表过去30 min内的平均值。利用涡动相关计算软件EddyPro®（LI-COR®, Inc.）（版本：6.2.0）对EC系统的原始涡动数据（包含三维风速、温度、水汽密度等）进行通量计算和足迹分析，并进行了风速坐标轴旋转[34]、超声虚温修正[35-36]、Webb-Pearman-Leuning密度波动修正[37]和全频滤波谱修正[38]等一系列湍流动力学订正。进而，根据大气稳定状态检验和湍流条件检验，本文对通量数据质量进行等级划分[39]：0级、1级、2级分别为高质量、中等质量、低质量数据。其中，2级标记的感热和潜热通量低质量数据分别占全部数据的16%和5%，本文予以剔除。

为获取湖面水热通量数据，需要对通量记录进行足迹分析和源区划分。EddyPro软件计算30 min通量时，选用了基于拉格朗日三维侧风积分模型[40]的足迹分析方法，获取通量贡献源区信息。该模型在满足如下条件时具有较高可靠性：① 观测高度低于大气边界层高度；② 下垫面动力与热力性质在观测尺度上相对均匀；③ 奥布霍夫稳定度参数[41]在-200~1区间内；④ 湍流摩擦速度大于阈值（通常u* ≥ 0.2 m s-1）；⑤ 离地表观测高度大于1 m。经统计，未满足上述条件的数据占总量的2.1%，本文予以剔除。

根据通量足迹分析，本文选取观测点磁北顺时针70º~270º内远离陆地的范围作为湖面通量代表源区（图2）。两年通量源区总体分布格局大致相近，其中90%通量累积贡献点多分布在观测点400 m辐射半径内；400 m以外，90%通量累积贡献点数量大幅减少，且集中在北偏西、西偏北和东北等3个方向。2016—2017年北偏西风向频率较高，分别占8%、12%左右，但风速较弱；强风主要为偏西方向。经源区划分和数据筛选，湖面有效感热通量数据占观测总量的38%（2016年）和37%（2017年），湖面有效潜热通量分别占26%（2016年）和37%（2017年）。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   2016—2017年观测期间90%通量累积贡献区域足迹及风速风向分布

注：a、b图红点为EC观测位置，内、外圈分别代表距观测点400 m、800 m处半径范围；c、d图百分数为风向频率。

Fig. 2   Regional footprints of 90% cumulative flux contribution and wind speed and direction distribution during the observation period in 2016 and 2017


2.2.2 基于神经网络的水热通量数据插补

通量前述质量过滤和源区划分处理方法在提高湖面涡动相关通量数据可靠性的同时，却降低了通量时间序列的连续性。为此，本文从信息利用的角度设计了一种针对羊卓雍错湖面EC湍流通量数据的人工神经网络（Artificial Neurol Networking, ANN）模拟插补及验证方案[42]。在Linux环境下，基于Google®的TensorFlow开源机器学习框架[43]以及CUDA方案[44]并行计算技术，本文构建了超宽结构ANN模型进行通量插补，并采用10次折叠交叉验证方法[45]检验了模型的通量模拟性能。

与物理模型固定的变量关系不同，ANN模型由样本训练而来，且对输入数据的原始形态无任何限制。无论所测同步观测数据的时间同步性、空间尺度、量纲、精度、采样率、噪声水平存在怎样的差别，都可通过统计标准化处理输入ANN。由于输入样本组合改变会导致模型改变，从而给模拟结果带来不确定性，因此在选择输入ANN模型特征变量信息时，采取尽可能获取湍流输送过程中热力、动力学同步观测背景强迫信息的原则，即将所有观测要素中与湍流输送过程存在物理关联的变量（包含风速、湖面温度、气温、水汽压、饱和水汽压、湍流平均动能、稳定度、气压和水面辐射等）输入到神经网络。

ANN模型插值有效优化了羊卓雍错湖面湍流通量数据的时间连续性。插补后的通量数据时间覆盖率从不足0.40提升至0.98有余。由于湖面EC观测系统传感器故障，作为输入变量的水汽数据在2016年11—12月存有缺测，所以插补后通量数据尚存少量缺失（不足2%）。

分析表明ANN模型的模拟稳健性较强。羊卓雍错湖面感热通量、潜热通量和水汽通量的有效观测平均值分别为18.8 W m-2、81.5 W m-2和1.8 mmol s-1 m-2；三者的模拟平均误差分别仅为5.4 W m-2、15.7 W m-2和0.3 mmol s-1 m-2；10个交叉验证分组之间的误差波动幅度分别不超过1 W m-2、2 W m-2和0.05 mmol s-1 m-2；交叉验证组中全体观测值平均与模拟值平均的期望误差分别为2.0%、1.3%和1.8%。这表明超宽ANN模型的通量模拟性能十分稳定，在各个交叉验证组中波动较小，且模拟误差具有较好的正负对称性[41]。

数据插补后，因数据分布不均匀所导致的通量强度短期异常波动得到显著修复（图3）。其中，1 h内潜热通量平均日变化增减10 W m-2的波动消失；0:00—10:00和20:00—24:00插补后感热和潜热通量均有所降低，使其昼夜变化更为显著；10:00—20:00感热通量插补前后无明显变化，但潜热通量有小幅增加。整体看，插补后水热通量强度两年平均日变化曲线更为平滑。这表明基于神经网络方法的通量数据插补在一定程度上提升了数据的可分析性。原本平均值波动源于缺测数据在时间上分布的不均匀，且插补模型已经通过独立样本测试，所以ANN插补不存在掩盖原本数据信号的情况。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   2016—2017年4—12月感热通量和潜热通量数据插补前后平均日变化对比

Fig. 3   Comparison of the ensembled diurnal variation of sensible and latent heat fluxes from April to December in 2016 and 2017 before and after data interpolation


3 结果分析

3.1 湖面水热通量变化特征

2016—2017年4—12月，羊卓雍错湖面潜热通量逐月平均日变化值（每月30 d或31 d平均的半小时尺度日变化）的强度和波动范围明显高于感热通量（图4）。2016年和2017年观测期间，每年9个月的湖面潜热通量（感热通量）日平均值分别为79.2 W m-2（14.8W m-2）、74.3 W m-2（14.3 W m-2）；湖面潜热通量逐月平均日变化值在27.3~174.9 W m-2波动，感热通量逐月平均日变化值的波动范围则为-15.4~50.7 W m-2。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   2016—2017年4—12月逐月平均感热、潜热通量强度日变化

注：时间分辨率为30 min。

Fig. 4   Diurnal variation of monthly averaged sensible and latent heat flux intensity from April to December in 2016 and 2017 (Note: The time resolution was 30 min)


月变化方面，湖面4—6月、10—12月水热通量日变化幅度显著大于7—9月（图4、图5），其对应感热通量（潜热通量）日变化标准差分别为10.0 W m-2（25.9 W m-2）、9.5 W m-2（34.4 W m-2）、5.2 W m-2（17.2 W m-2）。当湖面温度、气温和相对湿度在10—11月开始下降时（图6），水热通量的日变化幅度和平均强度都达到了整个非封冻期的峰值（图4、图5）。此外，逐月平均感热通量和潜热通量峰值分别为25.7 W m-2（2017年11月）、105.0 W m-2（2016年10月）（图5）。这与湖面温度（图6c）和湿度变化（图6b）相比存在1~2个月的滞后。需要说明的是，2016年4月是观测期间水热通量唯一存在负值的月份，其感热通量为-1.2 W m-2（图5）。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   2016—2017年4—12月平均感热、潜热通量强度变化

Fig. 5   Monthly averaged intensity variation of sensible and latent heat flux from April to December in 2016 and 2017


图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   2016和2017年4—12月湖面气象要素日变化

注：净辐射强度、温差和风速日变化时间分辨率为30 min，相对湿度和温度时间分辨率均为1 d；相对湿度在2016年11—12月因传感器故障存在部分缺测。

Fig. 6   Diurnal variation of lake surface meteorological factors from April to December in 2016 and 2017


与2017年相比，2016年潜热通量的日变化幅度要大（图4）。其中，2016年4月份潜热通量日变化峰值超过122 W m-2，而2017年不足83 W m-2。2016年4—5月潜热通量平均强度（68.5 W m-2）明显大于2017年同期值（51.3 W m-2）（图5）。特别是在12:00—18:00时段，潜热通量2016年（107.9 W m-2）更是显著高于2017年（68.7 W m-2）（图4）。究其原因，在净辐射和温差等条件没有明显差异的情况下，2016年和2017年的潜热通量差异可能是因为午后（12:00后）湖面风速大小不同。特别是，4—6月以及10月，2016年的午后风速明显比2017年更大（图6）。

3.2 湖面气象要素变化特征

水面净辐射、相对湿度、水面温度和气温是影响湖面水热通量强度变化的关键气象因子[46]。

3.2.1 水面净辐射

水面净辐射日变化主要受太阳高度角变化控制，具有显著的昼夜变化。2016年和2017年4—12月羊卓雍错湖面净辐射逐月平均日变化大体一致，呈单峰分布且昼夜差异显著；逐月平均日变化峰值、最低值分别集中出现在12:00—16:00、22:00—08:00这两个时段（图6a）。2016—2017年4—12月水面净辐射平均值分别为127.4 W m-2、139.9 W m-2，波动范围分别为-110.9~706.7 W m-2、-112.8~757.1 W m-2。其中，净辐射日变化峰值最高分别出现在2016年6月（852.4 W m-2）、2017年9月（822.5 W m-2）；最低值则均出现在11月，分别为-169.8 W m-2（2016年）、-167.9 W m-2（2017年）。水面净辐射日变化峰值在观测期间无明显变化趋势，但22:00—08:00时段的净辐射最低值自9月开始下降，10—11月达到最低值。夜间水面以长波辐射方式向大气输送能量达到最高，与对应时段湖—气温差（图6d）以及风速（图6e）大幅上升一致。

3.2.2 相对湿度

2016—2017年观测期间相对湿度变化特征相似，年内波动比较大、阶段性变化突出（图6b）。2016年和2017年的平均相对湿度分别为52.3%和50.3%，日均相对湿度最大值分别为85.5%和82.3%，日均相对湿度最小值分别为14.0%和14.2%。4月初—6月上旬相对湿度波动剧烈，多次在4~6 d时间内上升或下降幅度高达30%~50%。自6月中旬起相对湿度波动减缓，并直至10月上旬维持在60%~70%左右的高位。10月下旬相对湿度开始下降，并保持在大约20%~25%的较低水平，直至年末。

3.2.3 湖面温度与气温

2016—2017年观测期间，羊卓雍错湖面温度和距离水面以上2 m高度处气温的变化特征较为接近，但气温波动更为剧烈，特别是4—5月升温阶段、10月下旬到12月降温阶段（图6c）。2016年湖面温度平均、最低、最高值分别为8.1 ℃、-0.3 ℃、14.4 ℃；距湖面2 m处气温平均、最低、最高值分别为6.7 ℃、-6.2 ℃、13.5 ℃。2017年湖面温度平均、最低、最高值分别为8.3 ℃、0 ℃、14.8 ℃；距湖面2m处气温平均、最低、最高值分别为6.6 ℃、-5.7 ℃、13.5 ℃。

2016—2017年4—5月，羊卓雍错气温高于湖面温度；6—11月湖面温度则显著高于气温。湖面温度从6月中旬开始维持在8 ℃以上，且高于气温。自10月下旬开始，湖面温度缓慢下降。但在10月下旬到11月上旬仅20 d时间里，2016—2017年气温却均出现了一次大幅震荡，从8.0 ℃左右降低到-1 ℃左右，然后回升。这与同期保持平缓下降态势的湖面温度变化反差较大，从而导致整个观测期间湖—气温差最大值6.3 ℃（2016年）、8.1 ℃（2017年）的出现。

羊卓雍错湖—气温差存在显著的日变化特征（图6d）。每日10:30之后，湖面上方空气升温速度快于湖面，因而湖—气温差下降；12:00点前后的1~2 h，湖面空气升温波动较大；下午开始湖—气温差继续快速下降，直到晚上23:00左右达到最低点。之后，气温下降速度开始快于湖面温度，因而湖—气温差保持上升状态，直到第二天日出。

3.2.4 风速

羊卓雍错湖面上方2 m高度处的水平平均风速日变化（图6e）与水热通量逐月平均日变化（图4）类似。相比7—9月，4—6月和10—12月的风速日变化波动更大。在日变化波动相对显著的4月、5月、11月、12月，每日12:00前后风速由缓慢下降转为急剧上升，这与4—6、10—12月的水热通量日变化特征相近。

究其原因，可以从大气湍流发生的动力学和热力学条件来解释。动力学条件是指空气层中具有明显的风速切变；热力学条件则是空气层必须具有一定的不稳定性。2 m左右的高度已经是接近湖面的近地层，湖面相对于陆地表面更加光滑，因此触发湍流所需要的风速动能相对更大。4月、5月和11月、12月平均风速日变化峰值达到了5 m s-1甚至6 m s-1以上（图6e）。当湖面风速急剧增大时，风速切变提供了大气湍流运动的动力条件，较高的风速加速了湍流输送过程。而这种动力作用对湍流通量度的影响远高于热动力因素的作用。

3.3 湖面水热通量变化的气象主控因子

3.3.1 半小时尺度

本文采用皮尔逊相关系数衡量不同时间尺度上（半小时、日平均、月平均）气象因子与水热通量强度变化的线性关系（表1）。2016—2017年4—12月观测期间，在半小时尺度上，羊卓雍错湖面水热通量与各气象因子之间均为统计正相关，且均通过了p = 0.01的显著性检验。但只有潜热通量与风速、e-U协同量呈现出较强的统计正相关（二者相关系数分别为0.71、0.67），而感热、潜热通量与其他气象因子的相关系数均不足0.50。与高原北部湖泊的观测研究[21⇓-23]有所不同，藏南羊卓雍错半小时尺度的潜热通量—风速统计相关性（0.71）略高于潜热通量与e-U协同量的统计相关性（0.67）。在半小时尺度上，纳木错潜热通量与风速、e-U协同量的相关系数分别为0.48、0.67[21]；鄂陵湖潜热通量与e-U协同量的相关系数高达0.75，其统计相关性明显高于单一的风速因子[23]。

同期，湖面感热通量与风速、湖—气温差和净辐射在半小时尺度上均存在较弱统计正相关。其中，感热通量与湖—气温差、净辐射通量的统计相关稍大于风速（表1）。这表明半小时尺度上感热通量日变化是湖面净辐射强度、湖—气温差和风速等气象因子共同作用结果。

表1   半小时、日平均和月平均尺度上通量强度与各气象因子的皮尔逊相关系数

Tab. 1  Pearson correlation coefficients between flux intensity and each meteorological factor on half-hourly, daily, and monthly timescales

热通量气象因子半小时尺度日平均尺度月平均尺度
感热风速0.18**-0.04-0.46
湖—气温差0.27**0.68**0.87**
净辐射通量0.29**-0.41**-0.65**
潜热风速0.71**0.42**-0.13
水汽压差0.42**0.27**0.26
净辐射通量0.30**-0.22**-0.53
e-U协同量0.67**0.44**0.02

注：**表示相关系数通过了p = 0.01的显著性检验；e-U协同量指水汽压差与风速相乘所得变量。

新窗口打开| 下载CSV


3.3.2 日平均尺度

2016—2017年4—12月观测期间，在日平均尺度上，除感热通量与风速的相关外，羊卓雍错湖面水热通量与其他各气象因子均统计相关，且通过了p = 0.01的显著性检验。其中，感热通量与湖—气温差的相关系数最高（0.68），这反映了二者之间存在着较强的统正相关。相较半小时尺度，潜热通量与风速、水汽压差以及e-U协同量的相关系数均明显下降（表1）。此外，在观测期间，羊卓雍错湖面感热通量、潜热通量与水面净辐射通量均呈统计负相关，相关系数分别为-0.41、-0.22。

3.3.3 月平均尺度

2016—2017年4—12月观测期间，在月平均尺度上，只有感热通量与湖—气温差和净辐射均为统计强相关，且通过了p = 0.01的显著性检验（表1）。这其中，湖面感热通量与湖—气温差的统计相关性最为显著，相关系数高达0.87。此外，湖面感热通量与水面净辐射在p = 0.01的显著性水平上存有较强负相关（-0.65）。

3.3.4 不同时间尺度水热通量变化的气象主控因子

与感热通量统计相关性最高且最稳定的气象因子为湖—气温差，其次为净辐射通量；潜热通量在半小时、日平均尺度上的主控气象因子均为风速与e-U协同量（表1）。根据表1，本文对不同时间尺度上的水热通量和与之显著相关且相关系数最高的气象因子进行了回归分析（图7）。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   2016和2017年4—12月半小时尺度潜热通量与风速、日平均尺度感热通量与湖—气温差及月平均尺度感热通量与湖—气温差的回归关系

注：半小时、日平均、月平均尺度的样本量分别为26208个、546个、18个。

Fig. 7   Regressions relationship between half-hourly scale latent heat flux and wind speed, daily scale sensible heat flux and lake-air temperature difference, and monthly scale sensible heat flux and lake-air temperature difference from April to December in 2016 and 2017


半小时尺度上，潜热通量与风速的统计相关性最高。风速在0~6 m s-1的区间内相对更集中于拟合直线；从大约6 m s-1开始，拟合度随风速的增加逐渐下降（图7a）。日尺度上，最高统计相关性变量组合为感热通量和湖—气温差，其拟合关系在-6~6 ℃范围内较为均匀（图7b）。月尺度上，感热通量和湖—气温差的统计相关性最为显著，二者在 -1.5~4 ℃范围内拟合较好（图7c）。

4 讨论

羊卓雍错在日平均尺度上湖面感热净辐射通量、潜热通量，以及在月平均尺度上湖面感热通量，均与湖面净辐射强度显著负相关，其相关系数分别为-0.41、-0.22、-0.65（表1）。关于前述羊卓雍错湖面水热通量与净辐射通量的统计负相关性，其他更多高寒湖泊通量观测研究未见有报导。

在日、月平均尺度上统计湖面净辐射强度可避免净辐射昼夜变化的影响（图6a），从而突显水面净辐射在不同观测时段之间的变化特征。一方面，湖面向上的长波辐射强度主要取决于湖泊水体本身的温度。所以，在日照保持不变（即到达湖面的向下辐射不变）且湖面温度下降的情况下，水体向大气的长波辐射减少，从而导致水面的向下净辐射相应增大。与此同时，受表层水温下降影响，湖面感热通量和潜热通量强度下降，从而与水面净辐射通量增大形成统计上的负相关关系。此关系在平原地区鄱阳湖的观测研究中亦有报导[47]。另一方面，若考虑日照减少导致水面净辐射变小的情况，根据热力学理论的水—气热容量差异[48]，气温下降将快于水温，使得湖—气温差加大，进而湖面水热通量强度增大。这会导致水热通量强度与水面净辐射呈负相关。所以，在日尺度上，无论是湖面水温下降，亦或是水温、气温同时下降，水热通量强度与水面净辐射均为负相关，升温过程与此同理。

在月平均尺度上，6—8月净辐射相对较强（图6a），但湖面向大气的水热输送被较高的空气相对湿度和气温（图6b、6c）所控制而呈现相对低值（图4、图5）。10—11月，净辐射减弱，夜间水面净辐射为负值（图6a）。但水热通量强度由于湖—气温差扩大（图6d）而达到观测期最强（图4、图5）。这使得月平均尺度上感热通量与水面净辐射的统计负相关成立（表1）。

综上，羊卓雍错湖面水热通量与净辐射通量的统计负相关性，可由水面净辐射季节变化以及湖泊因湖—气温差和水—气热容量差异所引起的湖面水热通量强度变化的位相差异来解释。

5 结论

本文基于西藏羊卓雍错2016—2017年非封冻期（4—12月）涡动相关湍流观测数据通量源区划分和人工神经网络数据插补，结合研究区气象要素观测数据，首次分析了湖面水热通量的半小时、日、月尺度时间变化特征及其与气象因子的关联。结果显示：

（1）羊卓雍错湖面潜热通量平均值显著高于感热通量，两者在2016—2017年分别为79.2 W m-2和14.8 W m-2、74.3 W m-2和14.3 W m-2；湖面4—6月、10—12月水热通量日变化幅度显著大于7—9月；逐月平均感热和潜热通量均在10—11月达到峰值（分别为2017年11月：25.7 W m-2；2016年10月：105.0 W m-2），相比湖面温度变化滞后约1~2月。这体现了7—9月较高的温度和湿度以及湖泊自身的热容量大对湖—气能量交换存在显著的控制作用；

（2）在半小时、日和月平均时间尺度上，羊卓雍错湖面感热通量与湖—气温差和净辐射通量在p = 0.01显著性水平上均显著相关，且与感热通量统计相关性最高、最稳定的气象因子为湖—气温差；在半小时、日平均时间尺度上，潜热通量与风速、e-U协同量、水汽压差和净辐射通量在p = 0.01显著性水平上均显著相关，且其与风速、e-U协同量均为较强统计正相关；

（3）日平均尺度上羊卓雍错湖面感热通量、潜热通量，以及月平均尺度上湖面感热通量，均与湖面净辐射强度显著负相关，其相关系数分别为-0.41、-0.22、-0.65。羊卓雍错湖面水热通量与水面净辐射通量统计负相关性，可由水面净辐射季节变化，以及湖泊因湖—气温差和水—气热容量差异所引起的湖面水热通量强度变化的位相差异来解释。

参考文献

Hack J J, Caron J M, Yeager S G, et al.

Simulation of the global hydrological cycle in the CCSM Community Atmosphere Model version 3 (CAM3): Mean features

Journal of Climate, 2006, 19(11): 2199-2221.

DOI:10.1175/JCLI3755.1      URL     [本文引用: 1]

The seasonal and annual climatological behavior of selected components of the hydrological cycle are presented from coupled and uncoupled configurations of the atmospheric component of the Community Climate System Model (CCSM) Community Atmosphere Model version 3 (CAM3). The formulations of processes that play a role in the hydrological cycle are significantly more complex when compared with earlier versions of the atmospheric model. Major features of the simulated hydrological cycle are compared against available observational data, and the strengths and weaknesses are discussed in the context of specified sea surface temperature and fully coupled model simulations.

Segal M, Arritt R W.

Nonclassical mesoscale circulations caused by surface sensible heat-flux gradients

Bulletin of the American Meteorological Society, 1992, 73(10): 1593-1604.

DOI:10.1175/1520-0477(1992)073<1593:NMCCBS>2.0.CO;2      URL     [本文引用: 1]

Ren Xiaoqian, Sun Shufen, Chen Wen, et al.

A review of researches on the lake numerical modeling

Advances in Earth Science, 2013, 28(3): 347-356.

DOI:10.11867/j.issn.1001-8166.2013.03.0347      [本文引用: 1]

As an important component of land surface, the lake has been paid wide attention because of its role in the weather and climate prediction. And the related researches become a hot topic in the atmospheric science. This paper mainly summaries the basic classification, current understanding of the physical processes and parameterization schemes in the lake models. We further discuss the advantages and disadvantages of different schemes and compare their simulation results. Current lake models show a better simulation on the shallow lake, and need improvement in the deep and/or freezing lake simulations. Future work are required to build new parameterization schemes suitable for the deep, large and freezing lakes, and to construct new models suitable for all types of lakes. Any improvement in the lake models is suggested to be strongly dependent on the observational data of global lakes with high quality in the future.

[任晓倩, 孙菽芬, 陈文, 等.

湖泊数值模拟研究现状综述

地球科学进展, 2013, 28(3): 347-356.]

DOI:10.11867/j.issn.1001-8166.2013.03.0347      [本文引用: 1]

作为陆面过程的重要组成部分，湖泊在天气气候预测中的作用得到了相关研究者的广泛关注，并成为大气科学研究领域中的一个热点。主要综述了当前湖泊模式的基本类型、所考虑的关键物理过程及其参数化方案，并尝试分析了各个方案的优劣以及模拟效果。相关研究表明，现有的湖泊模式对浅湖的模拟比较成熟，而对深湖和冰湖的模拟有待改进。未来的研究亟需构筑适用于大湖、深湖以及冰湖的参数化方案，发展能全面模拟各类型湖泊的数值模式，并且湖泊数值模拟的改进依赖于今后更多高质量的全球湖泊观测结果。

Dutra E, Stepanenko V M, Balsamo G, et al.

An offline study of the impact of lakes on the performance of the ECMWF surface scheme

Boreal Environment Research, 2010, 15(2): 100-112.

[本文引用: 1]

Tanny J, Cohen S, Assouline S, et al.

Evaporation from a small water reservoir: Direct measurements and estimates

Journal of Hydrology, 2008, 351(1/2): 218-229.

DOI:10.1016/j.jhydrol.2007.12.012      URL     [本文引用: 1]

Schindler D W, Bayley S E, Parker B R, et al.

The effects of climatic warming on the properties of boreal lakes and streams at the experimental lakes area, northwestern Ontario

Limnology and Oceanography, 1996, 41(5): 1004-1017.

DOI:10.4319/lo.1996.41.5.1004      URL     [本文引用: 1]

A period of prolonged warmer, drier‐than‐normal weather in northwestern Ontario during the 1970s and 1980s resulted in severe forest fires that caused dramatic changes to lake and stream catchments. The changed interactions of weather with catchments and hydrological processes caused unexpected changes in physical, chemical, and biological processes in lakes and streams. Permanent first‐order streams became ephemeral. Flows at spring melt were lower, and chemical exports from catchments were reduced. Although catchments burned by forest fire had slightly higher flows and chemical exports than unburned basins in the years following fires, chemical exports generally declined due to lower streamflow. Decreased exports of silica indicated lower rates of weathering. Base cation exports also decreased, as did the ratio of base cations to strong acid anions in streams.

Ma R H, Yang G S, Duan H T, et al.

China's lakes at present: Number, area and spatial distribution

Science China Earth Sciences, 2011, 54(2): 283-289.

DOI:10.1007/s11430-010-4052-6      URL     [本文引用: 1]

Zhu Liping, Peng Ping, Zhang Guoqing, et al.

The role of Tibetan Plateau lakes in surface water cycle under global changes

Journal of Lake Sciences, 2020, 32(3): 597-608.

DOI:10.18307/2020.0301      URL     [本文引用: 1]

[朱立平, 彭萍, 张国庆, 等.

全球变化下青藏高原湖泊在地表水循环中的作用

湖泊科学, 2020, 32(3): 597-608.]

[本文引用: 1]

Chen Deliang, Xu Baiqing, Yao Tandong, et al.

Assessment of past, present and future environmental changes on the Tibetan Plateau

Chinese Science Bulletin, 2015, 60(32): 3025-3035.

[本文引用: 1]

[陈德亮, 徐柏青, 姚檀栋, 等.

青藏高原环境变化科学评估: 过去、现在与未来

科学通报, 2015, 60(32): 3025-3035.]

[本文引用: 1]

Yao Tandong, Piao Shilong, Shen Miaogen, et al.

Chained impacts on modern environment of interaction between westerlies and Indian monsoon on Tibetan Plateau

Bulletin of Chinese Academy of Sciences, 2017, 32(9): 976-984.

[本文引用: 1]

[姚檀栋, 朴世龙, 沈妙根, 等.

印度季风与西风相互作用在现代青藏高原产生连锁式环境效应

中国科学院院刊, 2017, 32(9): 976-984.]

[本文引用: 1]

Liu Y B, Qiu G Y, Zhang H S, et al.

Shifting from homogeneous to heterogeneous surfaces in estimating terrestrial evapotranspiration: Review and perspectives

Science China Earth Sciences, 2022, 65(2): 197-214.

DOI:10.1007/s11430-020-9834-y      [本文引用: 1]

Biermann T, Babel W, Ma W Q, et al.

Turbulent flux observations and modelling over a shallow lake and a wet grassland in the Nam Co basin, Tibetan Plateau

Theoretical and Applied Climatology, 2014, 116(1-2): 301-316.

DOI:10.1007/s00704-013-0953-6      URL     [本文引用: 2]

Lee X H, Liu S D, Xiao W, et al.

The Taihu eddy flux network: An observational program on energy, water, and greenhouse gas fluxes of a large freshwater lake

Bulletin of the American Meteorological Society, 2014, 95(10): 1583-1594.

DOI:10.1175/BAMS-D-13-00136.1      URL     [本文引用: 1]

McGloin R, McGowan H, McJannet D, et al.

Quantification of surface energy fluxes from a small water body using scintillometry and eddy covariance

Water Resources Research, 2014, 50(1): 494-513.

DOI:10.1002/wrcr.v50.1      URL     [本文引用: 1]

Zhao Xiaosong, Wang Shigang, Li Mei, et al.

Energy flux measurements and environmental controls in summer over the Poyang Lake, China

Journal of Lake Sciences, 2014, 26(6): 955-962.

DOI:10.18307/2014.0619      URL     [本文引用: 1]

[赵晓松, 王仕刚, 李梅, 等.

鄱阳湖夏季水热通量特征及环境要素影响分析

湖泊科学, 2014, 26(6): 955-962.]

[本文引用: 1]

Liu H Z, Feng J W, Sun J H, et al.

Eddy covariance measurements of water vapor and CO2 fluxes above the Erhai Lake

Science China Earth Sciences, 2015, 58(3): 317-328.

DOI:10.1007/s11430-014-4828-1      URL     [本文引用: 1]

Zhao X S, Liu Y B.

Phase transition of surface energy exchange in China's largest freshwater lake

Agricultural and Forest Meteorology, 2017, 244: 98-110.

[本文引用: 1]

Zhao X S, Liu Y B.

Variability of surface heat fluxes and its driving forces at different time scales over a large ephemeral Lake in China

Journal of Geophysical Research: Atmospheres, 2018, 123: 4939-4957.

DOI:10.1029/2017JD027437      URL     [本文引用: 1]

Poyang Lake is the largest freshwater lake in China. It is considered as an ephemeral lake—experiencing dynamic seasonal transitions ranging from a lake surface to wetland conditions. The influence of the seasonal water level transition on lake‐atmosphere energy exchange can have important consequences for local climate and water resource management. Here we study the dynamics of surface‐atmosphere energy exchange and examine the hydrological and meteorological controls on its partitioning for the period August 2013 to July 2016. Change in the water depth (WD) directly impacts water surface contribution and the inundated duration. The latent heat (LE) and sensible heat (H) fluxes showed an unimodal diurnal pattern in the wetland‐covered period and changed to an irregular pattern during the lake‐covered period when water surface contribution exceeded a value of 62%. The Bowen ratio (H/LE) was large/small in the wetland‐/lake‐covered period and decreased significantly with increasing WD. On a diurnal and daily timescale, the LE and H showed less dependence on wind speed (U) and water vapor or temperature gradient and greater dependence on net radiation when transitioning from the lake‐covered period to wetland‐covered period, respectively. On a monthly timescale, both the LE and H were mainly controlled by the net radiation. However, the interannual variations in LE and H were significantly correlated with the inundated duration and WD over Poyang Lake. The decreasing trend in Poyang Lake level, therefore, has potential to reduce lake evaporation and local precipitation and further amplify regional hydrometeorological droughts.

Cui Y, Liu Y B, Gan G J, et al.

Hysteresis behavior of surface water fluxes in a hydrologic transition of an ephemeral lake

Journal of Geophysical Research: Atmospheres, 2020, 125: e2019JD032364. DOI: 10.1029/2019JD032364

[本文引用: 1]

Zhou S Q, Kang S C, Gao T G, et al.

Response of Zhadang Glacier runoff in Nam Co Basin, Tibet, to changes in air temperature and precipitation form

Chinese Science Bulletin, 2010, 55(20): 2103-2110.

DOI:10.1007/s11434-010-3290-5      URL     [本文引用: 1]

Wang B B, Ma Y M, Chen X L, et al.

Observation and simulation of lake-air heat and water transfer processes in a high-altitude shallow lake on the Tibetan Plateau

Journal of Geophysical Research: Atmospheres, 2015, 120(24): 12327-12344.

DOI:10.1002/jgrd.v120.24      URL     [本文引用: 3]

Wang B B, Ma Y M, Ma W Q, et al.

Physical controls on half-hourly, daily, and monthly turbulent flux and energy budget over a high-altitude small lake on the Tibetan Plateau

Journal of Geophysical Research: Atmospheres, 2017, 122(4): 2289-2303.

DOI:10.1002/jgrd.v122.4      URL     [本文引用: 2]

Li Z G, Lyu S H, Ao Y H, et al.

Long-term energy flux and radiation balance observations over Lake Ngoring, Tibetan Plateau

Atmospheric Research, 2015, 155: 13-25.

DOI:10.1016/j.atmosres.2014.11.019      URL     [本文引用: 3]

Li X Y, Ma Y J, Huang Y M, et al.

Evaporation and surface energy budget over the largest high-altitude saline lake on the Qinghai-Tibet Plateau

Journal of Geophysical Research: Atmospheres, 2016, 121(10): 470-485.

[本文引用: 1]

Zhu L P, Wang J B, Ju J T, et al.

Climatic and lake environmental changes in the Serling Co region of Tibet over a variety of timescales

Science Bulletin, 2019, 64(7): 422-424.

DOI:10.1016/j.scib.2019.02.016      URL     [本文引用: 1]

Shen Pengke. Observations and analyses of atmospheric turbulence in the Yamdrog Yumco Basin, south Tibet[D]. Beijing: University of Chinese Academy of Sciences, 2018.

[本文引用: 1]

[沈鹏珂. 藏南羊卓雍错流域大气湍流特征观测分析[D]. 北京: 中国科学院大学, 2018.]

[本文引用: 1]

Shen Pengke, Zhang Xueqin.

Observation of atmospheric turbulence characteristics over the Yamzhog Yumco, south Tibet

Journal of Lake Sciences, 2019, 31(1): 243-255.

DOI:10.18307/2019.0123      URL     [本文引用: 1]

[沈鹏珂, 张雪芹.

藏南羊卓雍错湖面大气湍流特征观测分析

湖泊科学, 2019, 31(1): 243-255.]

[本文引用: 1]

Tang Handuo, Cidan Yangzong, Zeng Chen, et al.

Characteristics of the lake water level changes and influencing factors in Yamzhog Yumco in Tibet from 1974-2019

Journal of Arid Land Resources and Environment, 2021, 35(4): 83-89.

[本文引用: 1]

[唐汉铎, 次旦央宗, 曾辰, 等.

1974—2019年西藏羊卓雍错湖泊水位变化特征及其影响因素

干旱区资源与环境, 2021, 35(4): 83-89.]

[本文引用: 1]

Chu Duo, Pu Qiong, Laba Zhuoma, et al.

Remote sensing analysis on lake area variation of Yamzho Yumco in Tibetan Plateau over the 40a

Journal of Lake Sciences, 2012, 24(3): 494-502.

DOI:10.18307/2012.0324      URL     [本文引用: 1]

[除多, 普穷, 拉巴卓玛, 等.

近40a西藏羊卓雍错湖泊面积变化遥感分析

湖泊科学, 2012, 24(3): 494-502.]

[本文引用: 1]

Laba Zhuoma, Ci Zhen, La Ba, et al.

Characteristics of climate change at Yamdrog Yumtso lake during the 1971-2009

Journal of Tibet University (Natural Science Edition), 2012, 27(1): 15-19.

[本文引用: 1]

[拉巴卓玛, 次珍, 拉巴, 等.

羊卓雍措流域在1971—2009年期间的气候变化特征分析

西藏大学学报(自然科学版), 2012, 27(1): 15-19.]

[本文引用: 1]

Sang Y F, Chen D, Gong T.

What caused the decline of water level of Yamzho Yumco during 1975-2012 in the southern Tibetan Plateau?

Journal of Geophysical Research: Atmospheres, 2020, 125: e2019JD031121. DOI: 10.1029/2019JD031121.

[本文引用: 1]

Han W, Zhang E L, Sun W W, et al.

Anthropogenic activities altering the ecosystem in Lake Yamzhog Yumco, southern Qinghai-Tibetan Plateau

Science of the Total Environment, 2023, 904: 166715. DOI: 10.1016/j.scitotenv.2023.166715.

URL     [本文引用: 1]

Zhang Xueqin, Sun Rui, Zhu Liping.

Lake water in the Yamzhog Yumco basin in south Tibetan region: Quality and evaluation

Journal of Glaciology and Geocryology, 2012, 34(4): 950-958.

[本文引用: 1]

[张雪芹, 孙瑞, 朱立平.

藏南羊卓雍错流域主要湖泊水质状况及其评价

冰川冻土, 2012, 34(4): 950-958.]

[本文引用: 1]

Lee X, Finnigan J, Paw U, K T.

Coordinate systems and flux bias error

//Lee X, Massman W, Law B. Handbook of Micrometeorology. Atmospheric and Oceanographic Sciences Library. Dordrecht: Springer, 2004. DOI: 10.1007/1-4020-2265-4_3.

[本文引用: 1]

Van Dijk A, Moene A F, De Bruin H A.

The Principles of Surface Flux Physics: Theory, Practice and Description of the ECPACK Library

Netherlands: Wageningen University, 2004.

[本文引用: 1]

Lee X H, Massman W J.

A perspective on thirty years of the Webb, Pearman and Leuning density corrections

Boundary-Layer Meteorology, 2011, 139(1): 37-59.

DOI:10.1007/s10546-010-9575-z      URL     [本文引用: 1]

Webb E K, Pearman G I, Leuning R.

Correction of flux measurements for density effects due to heat and water vapor transfer

Quarterly Journal of Royal Meteorological Society, 1980, 106(447): 85-100.

DOI:10.1002/qj.v106:447      URL     [本文引用: 1]

Fratini G, Ibrom A, Arriga N, et al.

Relative humidity effects on water vapor fluxes measured with closed-path eddy-covariance systems with short sampling lines

Agricultural and Forest Meteorology, 2012, 165: 53-63.

DOI:10.1016/j.agrformet.2012.05.018      URL     [本文引用: 1]

Göckede M, Markkanen T, Hasager C B, et al.

Update of a footprint-based approach for the characterization of complex measurement sites

Boundary-Layer Meteorology, 2006, 118(3): 635-655.

DOI:10.1007/s10546-005-6435-3      URL     [本文引用: 1]

Kljun N, Kastner-Klein P, Fedorovich E, et al.

Evaluation of Lagrangian footprint model using data from wind tunnel convective boundary layer

Agricultural and Forest Meteorology, 2004, 127(3/4): 189-201.

DOI:10.1016/j.agrformet.2004.07.013      URL     [本文引用: 1]

Monin A S, Obukhov A M.

Basic laws of turbulent mixing in the surface layer of the atmosphere

Contributions to Geophysics Institute of Academy Sciences, 1954, 24(151): 163-187.

[本文引用: 2]

Jin Zheng, Zhang Xueqin.

Optimization method for alpine lake turbulent flux data based on micro-meteorological information utilization

Journal of Lake Sciences, 2020, 32(3): 877-886.

DOI:10.18307/2020.0326      URL     [本文引用: 1]

[靳铮, 张雪芹.

基于同步观测信息利用的高寒湖泊湍流通量数据插补方法

湖泊科学, 2020, 32(3): 877-886.]

[本文引用: 1]

Abadi M, Agarwal A, Barham P, et al.

TensorFlow: Large-scale machine learning on heterogeneous distributed systems

Proceedings of the 12th USENIX Symposium on Operating Systems Design and Implementation 2016. https://arxiv.org/abs/1603.04467.pdf..

URL     [本文引用: 1]

Garland M, Le Grand S, Nickolls J, et al.

Parallel computing experiences with CUDA

IEEE, 2008, 28(4): 13-27.

[本文引用: 1]

Kohavi R.

A study of cross-validation and bootstrap for accuracy estimation and model selection

International Joint Conference on Artificial Intelligence, 1995, 14(2): 1137-1145.

[本文引用: 1]

Nordbo A, Launiainen S, Mammarella I, et al.

Long-term energy flux measurements and energy balance over a small boreal lake using eddy covariance technique

Journal of Geophysical Research: Atmospheres, 2011, 116(2): D02119. DOI: 10.1029/2010JD014542.

[本文引用: 1]

Cui Y F, Zhang X Q, Liu Y B.

Radiative and aerodynamic contribution to evaporation: Eddy- covariance comparison between a plain and a plateau lake

Earth and Space Science, 2021, 8, e2021EA001913. DOI: 10.1029/2021EA001913.

[本文引用: 1]

Howell J R, Mengüç M P, Siegel R. Thermal Radiation Heat Transfer. USA: CRC Press, 2015: 70-78.

[本文引用: 1]

/

〈 〉