前の章|次の章

Sentinel-5Pに基づく中国湖沼と隣接陸地の雲量差の時空間パターンおよび影響因子の解析—夏秋二季を事例として

  • role： First author第一作者
  • Affiliation：

    Yale-NUIST Center on Atmospheric Environment, Key Laboratory of Ecosystem Carbon Source and Sink-China Meteorological Administration (ECSS-CMS) / Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, China

    Xinjiang Meteorological Service Center, Urumqi 830002, China

  • Email：202312080049@nuist.edu.cn
  • Introduction：王博，研究方向为湖气交换。E-mail： 202312080049@nuist.edu.cn
WANG Bo13,  
  • role： Corresponding author通信作者
  • Affiliation：

    Yale-NUIST Center on Atmospheric Environment, Key Laboratory of Ecosystem Carbon Source and Sink-China Meteorological Administration (ECSS-CMS) / Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, China

    Key Laboratory of Urban Meteorology, China Meteorological Administration, Beijing 100089, China

  • Email：wangw@nuist.edu.cn
  • Introduction：王伟，研究方向为地气系统能量平衡与水分循环。E-mail： wangw@nuist.edu.cn
WANG Wei12*,  
  • Affiliation：

    Yale-NUIST Center on Atmospheric Environment, Key Laboratory of Ecosystem Carbon Source and Sink-China Meteorological Administration (ECSS-CMS) / Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, China

LYU Heng1,  
  • Affiliation：

    Yale-NUIST Center on Atmospheric Environment, Key Laboratory of Ecosystem Carbon Source and Sink-China Meteorological Administration (ECSS-CMS) / Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, China

WEN Zhiwen1,  
  • Affiliation：

    Yale-NUIST Center on Atmospheric Environment, Key Laboratory of Ecosystem Carbon Source and Sink-China Meteorological Administration (ECSS-CMS) / Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, China

ZHU Zihan1,  
  • Affiliation：

    Yale-NUIST Center on Atmospheric Environment, Key Laboratory of Ecosystem Carbon Source and Sink-China Meteorological Administration (ECSS-CMS) / Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science & Technology, Nanjing 210044, China

JIN Qiuxiang1,  
  • Affiliation：

    Xinjiang Meteorological Service Center, Urumqi 830002, China

CHEN Dongmei3,  
  • Affiliation：

    Xinjiang Meteorological Service Center, Urumqi 830002, China

LI Yiteng3

サマリー

透明な湖と隣接する陸地間の雲量差の時空間パターン、影響因子および物理過程を明らかにすることは、湖陸間の放射差異の解明および陸地観測データを用いた湖モデルの適用性の検証の基礎である。本研究は2019年〜2023年のSentinel-5P雲量データとERA5およびERA5-Land再解析データを組み合わせ、中国の334湖と隣接陸地の雲量差（∆CF）について夏秋二季の時空間パターン、影響因子および物理過程を分析した。結果は以下の通りである: (1) 五つの湖区はいずれも夏秋両季において湖の雲量が隣接陸地より少ない傾向（∆CF < 0）を示し、とくにチベット高原湖区およびモンゴル・新疆湖区で顕著であった。(2) ∆CFは湖面積と有意な負の相関を持ち、東北平原−山地湖区で最も顕著であった（R = -0.95，P < 0.01）。チベット高原湖区を除き、他の湖区では∆CFと湖の平均深度の負の相関は有意でなかった。(3) 湖風発生時に湖面での沈降流が雲の形成を抑制し、それによって湖と隣接陸地間の雲量差を拡大させた。とくにセリンチョ湖が顕著であり、湖面での発散と隣接陸地での収束という流れ場配置では湖の雲量が隣接陸地より低かった。以上の結果は、湖陸間の雲量差を無視し、陸上の放射観測データのみを用いて湖モデルを駆動すると、湖面温度および蒸発速度が過小評価されることを示しており、この偏差はチベット高原湖区の湖風期に特に顕著である。

キーワード

Sentinel-5P; 湖陸雲量差; 形態因子; 湖風; 流れ場配置

1はじめに

湖は地球の気候システムの重要な構成部分であり、局地的な天気と地域の気候変動の中で重要な役割を果たしている（Adrian等，2009；Woolway等，2020）。陸地に比べて湖の熱容量が大きく、反射率が低く、粗さが小さい（Subin等，2012）、これらの独特な生物物理特性は地表エネルギーバランスと水分循環を変え、さらに湖の気候効果（Crosman和Horel，2010；Long等，2007；Woolway等，2019；Wang等，2023）。数値シミュレーションは湖の気候効果を研究し、その物理過程を解析する最も有効な手段である（Subin等，2012；戴永久 等，2018）。湖面観測データが不足しているため、現在の研究では湖周辺の陸上サイトの放射線観測データ駆動モデル（Guo等，2019；Lazhu等，2016；Ma等，2016）。この研究案には、湖面と隣接陸地で受信された入射短波放射と入射長波放射が同じであるという仮定、すなわち湖面と隣接陸地の雲量が同じであると仮定する仮定が含まれている。しかし、この仮説にはまだ観測データの検証が必要である。
リモートセンシング技術は湖の水環境を反転させながら（段洪涛 等，2022；苏雅楠 等，2024；Pi等，2022）、上記仮説を論証するためのデータサポート（Wu等，2024）。Ackerman等（2013）AVHRR（Advanced Very High Resolution Radiometer）データを用いた研究によると、1978年から2021年の夏にかけて北米の5つの湖では、隣接する陸地よりも雲が小さかった。Tian等（2022）GOES-16（Geostationary Operational Environmental Satellite）データを用いた研究によると、米国南部の大平原の広い水域では、午後の浅い積雲の出現頻度が近隣都市より4%低いことが分かった。Yao等（2023）Himawari-8データを用いた研究によると、青蔵高原の色林錯などの大型湖では夏に近隣陸地よりも雲量が低い「雲洞」現象が発生し、湖の雲量は周辺陸地よりも30%も低いことが分かった。リモートセンシング観測により、湖と隣接陸地の雲量に差異があることが確認され、通常、夏の昼間の湖の雲量は隣接陸地より低いことが示された。しかし、上述の研究は単一の湖またはある湖群に焦点を当てているが、湖の陸雲量の比較特徴の異なる気候区間の違いはまだはっきりしていない。
湖風環流は夏の昼間の湖沼雲量が隣接陸地より低いことを引き起こす主な物理過程である。昼間の湖水の昇温は陸地より遅く、湖面温度が低く、陸面温度が高い熱力の違いを形成し、低層空気は湖面から陸地に流れ、湖風を形成する。湖上の低空放射、高空放射の流れ場配置を呈し、沈下気流は湖上の雲の形成を抑制した（Yao等，2023）。湖の陸雲量の違いは、湖上の流れ場の影響を受けるほか、隣接する陸上の流れ場とも関係がある。チベット高原の大湖の一部には、湖面の低空輻輳、湖岸の低空輻輳の配置特徴も存在し、湖沼に「雲洞」が出現すると同時に、隣接陸地に「雲環」（Yao等，2023)、湖陸雲量の差をさらに増大させた。しかし、他の気候区で湖風が発生した場合の流れ場の配置がどのようになっているのか、湖陸雲量の違いに与える影響がどのようになっているのかは明らかではない。
湖陸熱力の違いのほか、湖風の発生、発展は湖沼形態の特徴と関係がある（Crosman和Horel，2010）。Yao等（2023）研究により、青蔵高原面積＞300 km2の湖「雲洞」と陸地「雲環」の対比特徴がより明らかになり、湖面積が大きいほど湖風が強いことを意味している。また、面積の小さい浅い湖よりも面積の大きい深水湖の方が湖風が発生する頻度が高い（Sills等，2011；Mariani等，2018）、例えばミシガン湖（面積：58030 km2、平均深さ：84 m）とオンタリオ湖（面積：19000 km2、平均深さ：85 m）の年間湖風発生頻度はそれぞれ41%（Laird等，2001）と30%（Comer和McKendry，1993）より高く、太湖（面積：2400 km2、平均深さ：1.9 m、周波数：23%）（Wang等，2017)、大塩湖（面積：4400 km2、平均深さ：4.9 m、周波数：6-15%）（Zhang等，2024)、オキジョビ湖（面積：1900 km2、平均深さ：2.7 m、周波数：5-17%）（Segal等，1997)、ユーフォラ湖（面積：410 km2、平均深さ：7 m、周波数：11%）（Segal等，1997)などの浅い湖があります。しかし、中国の異なる気候区における湖陸雲量の違いと湖の形態特徴との関係についてはまだ分析が必要である。
そのため、本文は中国面積＞40 km2の334個の湖を研究対象とし、2019年-2023年のSentinel-5 Pの雲量データを利用して、GEE（Google Earth Engine、［2025-02-01］）プラットフォームは湖と隣接する陸地の雲を大量に抽出する。まず、中国の5つの湖区湖の陸雲量の違いの時空構造を分析した、次に、各湖区の湖陸雲量の差異と湖の形態因子の定量関係を統計した、最後に、湖区ごとに1つの典型的な湖を選択し、湖風と流れ場の配置が湖の陸雲量の違いに与える影響を研究した。期を以て湖陸雲量の差異の時空構造を明確にし、この差異の主要な影響要素と重要な物理過程と定量化が湖陸放射線の差異に与える影響を明らかにするために科学的根拠を提供する。

2研究区の概況と方法

2.1研究区域

本研究で選択した334個の湖は5つの湖区に分布している：東部平原湖区（EPL、99個）、蒙新湖区（IMXL、37個）、青海チベット高原湖区（TPL、159個）、東北平原―山地湖区（NPML、26個）と雲貴高原湖区（YGPL、13個）（Ma等，2011）（Fig. 1）。湖風及び流動場の配置が湖陸雲量の差異に与える影響を探究するため、湖地ごとに1つの典型的な湖沼を選択して実例分析を展開した。面積が大きいことを考慮しながら、周囲の地形が比較的平坦な湖を典型的な湖として選択する（Table 1）。
figure

Fig. 1 Geographic locations of 334 studied lakes in China and five selected lakes in each lake zone

Table 1 Geographic information and morphological characteristics of five selected lakes

湖区代表湖泊纬度/°N经度/°E海拔/m面积/km2平均深度/ m体积/m3
TPL色林错31.8188.9945392129.02849000
IMXL呼伦湖48.94117.405402203.86.213100
EPL太湖31.20120.1902537.22.45140
NPML兴凯湖45.13132.29641057.0*6.318100
YGPL滇池24.82102.691886300.42.95863

2.2データと方法

2.2.1クラウドデータの取得と処理

本稿では、欧州宇宙局のSentinel-5 Pクラウドデータ（［2025-02-01］）。Sentinel-5 Pは2017年に打ち上げられ、2018年にデータダウンロードサービスを開始した。この衛星に搭載された対流層モニタTRPOMI（Tropospheric Monitoring Instrument）は、NO2、O3など人間の活動に密接に関連する微量ガスだけでなく、雲やエアロゾルの観測も強化している。この衛星は現地時間13時30分に通過し、最強の湖風発生時間に接近した。イメージングは幅2600 kmに達し、全世界をカバーでき、空間分解能は1 km×1 km、時間分解能は1 d（Compernolle等，2021）。なお、Sentinel-5 P雲量は有効放射雲量（effective radiometric cloud fraction）であり、すなわちモード計算の大気圏頂反射率が観測値と一致した場合に対応する雲量（Loyola等，2018）。放射雲量の高低は雲の光学的厚さと関係があるが、放射伝達アルゴリズムは一般的に光学的厚さの小さい薄い雲を過小評価し、放射雲量が幾何雲量（雲被覆面積と地表総面積の比）より小さい（Compernolle等，2021）。
Sentinel-5 Pクラウド製品の精度は広く検証されている。Lutz等（2016）Sentinel-5 PとAVHRRのクラウド製品を比較したところ、両者のグローバル空間分布特徴は一致し、平均差異は＜20%であることが分かった。さらに、Compernolle等（2021）中低緯度地域で3種類の雲量製品：Sentinel-5 P、OMCLDO 2（OMI Cloud Product）とMODISを評価し、放射雲量と幾何雲量の系統的な違いを除いて、3つの製品の雲量緯度分布は一致していることを発見した。本文はGEEプラットフォームが提供するSentinel-5 P L 3級クラウド製品を使用しており、データの信頼性を確保するために、品質タグ（QA values）＞0.5のデータのみを保持している。

2.2.2 GEEに基づく湖及び近接陸雲量マッチングアルゴリズム

GEEプラットフォームに基づいて、湖と近隣陸雲量のマッチングアルゴリズム（Lyu等，2025）、2019年〜2023年の334個の湖とその近接陸地の雲を自動的に大量に抽出した。太湖を例にとると、このアルゴリズムは以下の4ステップ（Fig. 2）。まず、太湖周辺に隣接陸地として太湖面積と等しいバッファを作成する。次に、双線形補間法を用いてMODIS土地被覆分類データ（MCD 12 Q 1）を1 km×1 kmに再サンプリングし、Sentinel-5 Pクラウド製品の解像度に一致させた。その後、MCD 12 Q 1データに基づいて土地利用タイプのスクリーニングを行い、湖の範囲内に水体のみを残し、陸域バッファ内の都市と水体を除去した。最後に、太湖の平均雲量（）と隣接陸地の平均雲量（）、両者の減算は湖陸雲量の差異（）。
figure

Fig. 2 Schematic diagram showing steps involved in extracting Cloud Fraction （CF） over lake and its surrounding land （Taking Lake Taihu as an example）

2.2.3湖風の判別及び特徴付け

湖風は通常、背景風速が小さく、湖陸の熱力の差が大きい晴天で発生する。以下の考慮に基づいて、背景風速（地転風速）閾値を7 m/sに設定した。まず、Crosman和Horel（2010）総説によると、海風発生時の地転風速は6-11 m/sであり、湖風判定時に当該区間の低い値をとることを提案した。次に、太湖の夏と秋の2季に湖風が発生した場合、地転風速の平均値は7 m/s（Wang等，2017）。さらに、赵乐鋆等（2025）POYANG湖の湖風判別には地上風速＜4.3 m/sが適しており、この地上風速に対応する地転風速は5～9 m/s（Resio和Vincent，1977)、中央値は7 m/sです。本文は総合的に使用する地回転風速（）、湖陸表面温度差（）と湖上空の垂直速度（）3つの変数で湖風を判別する。判別条件は以下の通りである：
（1）当日は降雨が発生しなかった、
（2）Sentinel-5 P通過時及び前後1 h、湖沼上空2500 m高度における背景風速＜7 m/s；
（3）Sentinel-5 P通過時及び前後1 h、隣接陸地表面温度と湖表面温度の差＞0.5 ℃；
（4）Sentinel-5 P通過時の湖上方の垂直速度＞0（沈下）。
湖風の背景風速を判別する緯方向風速uと経方向風速vから計算され、風速成分u、v、ω及び流動場分析における散度はERA 5大気再分析データ（［2025-02-01］）。ERA 5は、欧州中期天気予報センター（ECMWF）が発表した第5世代再分析データである。その空間分解能は0.25°×0.25°で、時間範囲は1940年1月から現在まで、垂直方向に37層（Hersbach等，2020）。ERA 5風速製品の精度は地上と探空観測データによって確認されている（Fan等，2021）、風速プロファイル特性解析（Hallgren等，2024；Rubio等，2024）。
湖風に用いられる湖陸表面温度の差異を判別すると10 mの高さの風場(u10とv10)と、湖と隣接陸地の感熱フラックスはERA 5-Land(［2025-02-01］）。ERA 5-Landは世界陸上におけるERA 5のダウンスケール再分析製品であり、その空間分解能は0.1°に向上した0.1°、時間分解能は1 hである。その陸面プロセスモードHTESSEL（Hydrology Tiled ECMWF Scheme for Surface Exchanges over Land）には淡水湖モデルFlakeが結合されており、湖の熱過程をシミュレーションするために使用されており、現在知られている唯一の湖変数を提供できる陸面再分析製品である。ERA 5-Landにおける表面温度、10 m風速データ、エネルギーフラックスは広く検証されている（Muñoz-Sabater等，2021；Wang等，2022；Fatolahzadeh Gheysari等，2024）。

3結果と分析

3.1湖陸雲量差異の時空構造

Fig. 3中国の5つの湖区の2019年-2023年の湖陸雲量差異（∆CF）の季節変化の特徴を展示した。なお、湖の結氷と積雪が存在する3つの湖区（TPL、IMXL、NPML）では、冬春には隣接する陸地の雲量よりも湖の雲量が顕著に高い特徴（∆CF＞0）（Fig. 3—（c））。Sentinel-5 Pの反転雲量に対する積雪の干渉を考慮して（Compernolle等，2021）、後続分析は夏（6〜8月）秋（9〜11月）の2シーズンのみに注目する。
figure
figure
figure
figure
figure
figure

Fig. 3 Seasonal variations in lake-land cloud fraction difference （∆CF） from 2019 to 2023 in five lake zones

5年間の5つの湖区の湖陸雲量差異の季節変化の特徴は類似しており、夏と秋の2季のTPL、IMXLとEPL湖区の湖雲量は隣接陸雲量より著しく低く（t、P＜0.05）、NPMLとYGPL湖区の湖雲量は夏季だけで隣接陸より著しく低く（t、P＜0.01）。2022年を例に、6-11月、TPL湖区の＜i＞∆</i＞CFは-1.99%--1.12%で変化し、最低値は9月（-1.99%）に現れた。IMXL湖区の∆CFは-1.34%--0.39%で変化し、最低値は6月（-1.34%）に現れた。YGPL、EPL、NPMLの3つの湖区の∆CFは-0.62%-0.13%で、最低値はそれぞれ8月（-0.60%）、7月（-0.41%）、7月（-0.62%）に現れた。秋に比べて、夏の湖の雲の量は陸より低い。5年間、各湖区の∆CFの最低値が現れた年には差があった。IMXL、YGPL、EPL湖区の＜i＞＞＞＞CFの最低値はいずれも2021年に現れ、それぞれ-1.40%、-1.08%と-0.62%であるが、NPMLとTPL湖区の＜i＞＞＞＞CFの最低値はそれぞれ2019年（-0.79%）と2022年（-1.99%）に現れた。
夏と秋の2シーズンにそれぞれ210（63%）と204（61%）の湖と隣接する陸地の雲量に顕著な差異がある（t検査、P＜0.05）ことから、5つの湖区の2019年～2023年∆CF平均値の空間分布図（Fig. 4）。全体的に言えば、夏と秋の2季にはそれぞれ191個（91%）と182個（89%）の湖の雲量が隣接陸地より著しく低い。夏季、∆CF＜0の現象はTPLとIMXL湖区で最も顕著である（Fig. 4)，∆CFの中央値はそれぞれ-0.95%と-1.16%であり、特に青海湖（∆CF=-8.79%）、納木錯（∆CF=-7.47%）と阿雅克庫木湖（∆CF=-6.74%）である。この2つの湖区の中には、北ホルソン湖（∆CF=0.71%）やマナスダム（∆CF=3.99%）など、隣接する陸地よりも個別の湖雲量が顕著に高い場合もある。TPLとIMXL湖区に比べて、EPL、YGPLとNPML湖区∆CF＜0の湖数の占める割合が低下し、湖陸雲量の差異が縮小した。EPL、YGPL、NPML湖区にはそれぞれ44%、38%、25%の湖＜i＞＞＞＜i＞CF＜0、＜i＞＞＞＜i＞CFの中央値はそれぞれ-0.45%、-0.28%と-0.24%であり、＜i＞＞＞＞＜i＞CFの最低値は太湖（-2.96%）、テン池（-1.51%）、興凱湖（-5.58%）に現れた。秋の湖の陸雲量差の空間分布（Fig. 4）は夏季と類似しているが、TPLとIMXL湖区では、＜i＞∆</i＞CFの低値で出現した湖と夏季の結果に差があった。TPL湖区では、秋∆CFの低値が納木錯（-7.58%）、ハラ湖（-6.83%）、鄂陵湖（-6.82%）に出現した。IMXL湖区では、∆CFはアヤッククモの湖（-6.43%）、セリム湖（-5.12%）、アジッククラー湖（-4.03%）で低い値を示した。EPL、YGPL、NPMLの3つの湖区で、秋に∆CFの最低値が現れる湖は夏季と同じで、それぞれ太湖（-2.32%）、テン池（-1.16%）、興凱湖（-3.69%）である。
figure
figure
figure

Fig. 4 Spatial distribution of the mean lake-land cloud fraction difference （∆CF） from 2019 to 2023 during summer and autumn across five lake zones （The size of the circles represent the absolute values of ∆CF. Pie charts show the percentage of lakes with ∆CF < 0 （blue） and with ∆CF > 0 （red）. Probability distributions of ∆CF for five lake zones are also shown with the median values for each lake zone are labeled）

3.2湖の陸雲量の差異と湖の形態特徴の関係

2019年から2023年までの平均的な夏と秋の2シーズンの湖陸雲量の違いと湖の形態因子（面積、平均深さ、体積）との相関関係：Fig. 5所示。5个湖区的湖陆云量差异∆CF均与湖泊面积呈显著负相关，即随着湖泊面积增加，湖泊云量较邻近陆地更低。夏季，该负相关关系在NPML湖区最显著（R=-0.95，P＜0.01），其次是YGPL湖区（R=-0.70，P＜0.01）和TPL湖区（R=-0.60，P＜0.01），在EPL（R=-0.53，P＜0.01）和IMXL（R=-0.32，P＜0.01）湖区相关性减弱。与夏季类似，秋季∆CF与湖泊面积呈显著负相关，但相关性有所降低，NPML、YGPL和TPL湖区的相关系数分别为-0.88（P＜0.01）、-0.70（P＜0.01）和-0.51（P＜0.01），在IMXL和EPL湖区相关系数分别降至-0.19（P＜0.05）和-0.34（P＜0.01）。除TPL湖区外，其他湖区的∆CF均与湖泊平均深度无显著相关性。受湖泊面积主控，∆CF与湖泊体积呈显著负相关，但相关系数较湖泊面积有所降低。夏季，NPML湖区∆CF与湖泊体积的负相关关系最显著（R=-0.69，P＜0.01），其次为TPL湖区（R=-0.52，P＜0.01）和YGPL湖区（R=-0.40，P＜0.01）。秋季，该负相关关系在NPML湖区最显著（R=-0.63，P＜0.01），其次为YGPL湖区（R=-0.49，P＜0.01）、TPL湖区（R=-0.45，P＜0.01）和IMXL湖区（R=-0.35，P＜0.01），而在EPL湖区不显著（P=0.53）。
figure
figure
figure

Fig. 5 Correlation coefficients between difference in lake-land cloud fraction and lake morphological characteristics （Surface area， average depth and volume） for five lake zones in summer and autumn

湖陸熱力の差の角度からΔCFと湖面積の負の相関関係を分析した。ERA 5-Landの空間分解能（0.1°0.1°）であるため、面積＞100 km2の湖を選択して分析を行った。NPML（6個）とYGPL（3個）の湖面積＞100 km2の湖数が少ないため、ここでは他の3つの湖領域の分析結果のみを示す。2020年夏を例に、TPL、IMXL、EPL湖区内では、各湖のΔCFはすべて湖陸感熱流束と相違している（）は負の相関を示し、TPL（R=−0.40、P＜0.05）とEPL（R=−0.47、P＜0.05）湖域で顕著である。同じ湖区内では、湖の面積が増大するにつれて湖陸感熱流束の差∆Hが増加し、正の相関関係はTPL（R=0.33，P＜0.05）、IMXL（R=0.52，P＜0.05）およびEPL（R=0.53、P＜0.01）湖域が顕著である。秋の結果は夏と似ている。これは、同じ湖区内で、面積が大きい湖ほど熱慣性量が大きく、昼間の湖の昇温は隣接する陸より遅く、陸は湖に比べて熱流束が高く、熱力の差が顕著で、湖風が強く、その分湖面の沈下運動が強く、雲になりにくいことを意味している。これは湖の面積が大きくなるにつれて湖風が強くなるという結論と一致している（Crosman和Horel，2010；Yao等，2023）。

3.3湖風が湖陸雲量の差異に与える影響

湖の形態特徴は湖の陸風発生の発展に影響することによって湖の陸雲量の違いを変える。2019年から2023年、2020年の雲量データの測定不足率は最も低く（2%）、この年のデータを5つの典型的な湖で湖風を識別し、異なる湖区で湖風が湖陸雲量の差異に与える影響と過程を分析することを選択した。2.2.3節で述べた判別条件に基づいて、統計結果Table 2。見られる：2020年に太湖で湖風が発生した日数が最も多い（夏：23 d、秋：39 d）、次に色林錯（夏：19 d、秋：4 d）、テン池（夏：12 d、秋：10 d）と呼倫湖（夏：11 d、秋：9 d）、興凱湖では13 dだけ湖風（夏：9 d、秋：4 d）が発生した。太湖を除く4つの湖湖風は主に夏に発生する。∆CF＜0の現象はすべて湖風期に現れるわけではないが、湖風期の60%を超える日数には∆CF＜0が現れ、この割合は色林間違いで87%に達した。

Table 2 Lake breeze frequency and lake-land cloud fraction difference （∆CF） for five selected lakes during summer and autumn in 2020

湖泊∆CF＜0天数湖风天数（夏/秋）发生湖风时∆CF＜0的天数发生湖风时∆CF＜0的天数占比/%
色林错14423（19/4）2087
呼伦湖9320（11/9）1260
太湖11862（23/39）4471
兴凯湖12213（9/4）862
滇池10122（12/10）1464
分析結果に対するサンプル差異の干渉を避けるために、まず各湖で湖風が発生した日を選別し、それから湖風発生日の近くで日数が等しい非湖風期を選別し、湖風発生が湖陸雲量差異を拡大するかどうかを分析し、結果はFig. 6を選択して設定できます。Fig. 6夏の色林錯湖風期の∆CFの平均値は-6.04%であり、顕著な（t検査、P＜0.01）は非湖風期結果（2.54%）より低かった、呼倫湖と太湖の湖風期における∆CFの平均値はそれぞれ-1.24%と-3.71%であり、また顕著な（t検査、P＜0.05）は非湖風期結果（2.98%、1.04%）を下回った、興凱湖とテン池の湖風期における∆CF平均値（-3.64%、-1.98%）も非湖風期結果（0.08%、1.69%）を下回ったが、差は顕著ではなかった（P=0.23、P=0.08）。由Fig. 6秋には呼倫湖を除く4つの湖の湖風期の∆CFの平均値が非湖風期の結果より低かったが、有意な差はなかったことが分かった。
figure
figure
figure

Fig. 6 Comparison of the differences in lake-land cloud fraction （∆CF） between lake breeze periods and non-lake breeze periods for five selected lakes during summer and autumn in 2020

湖風発生時の流れ場配置を分析するために、2020年に典型的な湖で湖風発生時の上空散度の緯度−垂直断面図（Fig. 7、Fig. 9)、および近接地上風場図（Fig. 8、Fig. 10）。なお、テン池面積（298 km2）が小さいため、その流れ場はERA 5とERA 5-Land空間分解能では見せにくい。景色ごとに湖風発生時の散度断面図を分析すると、色林錯と興凱湖に湖風発生時の2種類の流場配置（Fig. 7、Fig. 9）に対して、呼倫湖と太湖で湖風が発生した場合の流れ場配置は1種類のみ（Fig. 9）。色林錯と興凱湖の第1種流場は湖面低層放射、高層放射（Fig. 7）。8月13日の興凱湖を例にとる（Fig. 7）、湖面上空900 hPa以下に明らかな気流の輻輳が存在し、この高さ以上は気流の輻輳であり、この時地上流場は湖から周囲の陸地に指向し、顕著な湖風特徴を呈した。湖面上方の沈下気流は雲の形成を抑制し、対応する湖沼と隣接陸地の雲量はそれぞれ34.70%と51.54%で、湖陸雲量の差∆CFは-16.84%であった。
figure
figure

Fig. 7 Vertical cross-section of divergence during the lake breeze occurrence at Selin Co and Xingkai Lake （Configuration 1） （The black horizontal lines denote the lake’s position， while the gray shading area represents the topography. The divergence is positive for air that is spreading out， or diverging（red）， and negative for the opposite， for air that is concentrating， or converging （blue））

figure
figure
figure

Fig. 8 Spatial distribution of cloud fraction during the occurrence of lake breeze at Selin Co and Xingkai Lake （Configuration 1）， with the 10 m surface wind field overlaid （The black curves indicate the lake boundary. The yellow curves indicate the buffer zone boundary around the lake. The black arrows represent the wind vector at 10 m height）

figure
figure
figure
figure
figure

Fig. 9 Vertical cross-section of divergence during the lake breeze occurrence at typical lakes （Configuration 2）

figure
figure
figure
figure
figure

Fig. 10 Spatial distribution of cloud fraction during the occurrence of lake breeze at typical lakes （Configuration 2）

分析によると、色林錯と興凱湖の第1種流場配置はいずれも大規模な環流背景の制御を受けている。2020年8月30日、色林錯は上空（300 hPa）に明らかな反サイクロン環流が存在し、低空（550 hPa）では主に局所的な高圧リッジの影響を受けている。このとき、強い輻射を伴う高空反サイクロンにより、空気が色林の誤った高空に堆積し、空気を沈下させる。沈下運動は上空から下方に延び、低層気圧の上昇を促し、低層放射を形成する。2020年8月13日、興凱湖は上空（850 hPa）と近床（1000 hPa）で局所高圧リッジ制御を受け、その東西両側に局所低圧系が存在した。同様に、高圧リッジ制御下の興凱湖上空の反サイクロン環流は空気を輻輳させ、気流を沈下させ、接地面に伝達し、低層気圧が上昇し、空気が発散する。2つの湖のこのような「高空輻射→気流沈下→低層輻射」の高低空配置は晴天を促し、湖風形成に有利な環流条件を作り出した。
第2の流れ場配置の他に、色林錯と興凱湖湖風発生時の別の流れ場配置は湖面輻射、隣接陸表輻射である。色林錯を例にとると、7月3日に湖風が発生した時（Fig. 9）、湖面の空気が沈み、気流が発散している。低層気流が湖面から陸地に吹くと、山の斜面が上昇を余儀なくされ、昼間は谷から山の斜面に吹く谷風が上昇運動をさらに促進した。これにより、隣接する陸地の空気が上昇し、気流が輻輳し、湖面での雲形成が抑制されるとともに、周囲の陸地での雲形成が促進される（Fig. 10）、この時の色林錯湖面と隣接陸地の雲量はそれぞれ14.53%と28.56%であり、＜i＞∆</i＞CFは−14.03%であった。第1の流れ場配置と比較して、この配置の下で湖の「雲洞」と隣接する陸地の「雲環」の対比特徴が現れた。興凱湖（-25.93%）と色林錯（-14.03%）の＜i＞∆</i＞CF数値は第1種流動場配置下の結果よりそれぞれ9.09%と9.76%減少した。

4議論を求める

4.1クラウドデータと背景風速閾値の適用性

Sentinel-5 P低評価薄雲は研究所で実証されているが（Loyola等，2018；Compernolle等，2021）であるが、この過小評価は巻雲を中心とした冬春の方が顕著であり、本研究で注目されている季節は夏と秋の2つである。色林錯（2020年3月16日）、呼倫湖（2020年1月1日）と興凱湖（2020年2月12日）の冬と春の各1日を選択し、Sentinel-5 Pの有効放射雲量と同期MODIS雲マスク製品-MYD 35 _ L 2（［2025−02−01］）3つの湖および隣接地では、Sentinel−5 Pの有効放射雲量はいずれもMODISの幾何雲量よりも低いが、湖は陸上の過小評価程度に相当するため、最終的にはこの3つの湖の冬・春・ΔCF＞0の特徴は変わらないことが分かった。具体的には、Sentinel-5 Pに基づいて得られた色林錯、呼倫湖と興凱湖のΔCFはそれぞれ13.85%、3.82%と5.58%で、MODIS幾何雲量計算に基づいて得られた結果（17.45%、10.44%、9.43%）よりやや低かった。
背景風速閾値の設定が大きすぎても小さすぎても湖風の判別に影響する。湖風日数の背景風速閾値変化（5-9 m/s）に対する感受性を分析したところ、背景風速閾値が5-7 m/sで変化した場合、5つの典型的な湖で判別された湖風日数に顕著な差はなかった、一方、閾値を8 m/sとすると、判別された湖風日数が急増した。太湖を例にとると、背景風速が5〜7 m／sの場合、湖風日数は39〜62 dで変化し、発生頻度（21〜34%）は地上観測結果（22.6%）に近い（Wang等，2017）。一方、背景風速を8 m/sとした場合、太湖湖風日数は7 m/s時より13 d増加し、得られた湖風発生頻度（41%）は地上観測結果の約2倍であり、非湖風天を湖風天と誤判する偏差があった。一方、背景風速閾値が小さすぎ、判別された湖風日数が少なすぎ、サンプル量の減少が統計分析の不確実性を増加させた。呼倫湖を例にして、閾値が5 m/sの場合、判別した湖風日数はわずか4 dである。そのため、先人の研究結論と感受性試験結果を総合して、本文は背景風速閾値を7 m/sとするのは一定の合理性がある。

4.2湖陸雲量差異の潜在的影響を無視する

湖の陸雲量の違いを無視すると、湖面温度と蒸発速度のシミュレーションに誤差が生じる。雲は地表に到達する入射短波放射を減少させ、同時に地表に到達する下向き長波放射を増加させる（Wild等，2019；张华 等，2022；Wang等，2024）、短波放射の減少量は長波放射の増加量よりも大きいため、雲の純作用は地表大気放射の強制力を弱める（Wang等，2021）。昼間の湖雲量が隣接陸地より小さいことは、湖面が受信する放射エネルギーが隣接陸地より多いことを意味し、この場合、陸地放射線観測データを利用して湖モデルを駆動すると、湖面温度と湖の蒸発速度を過小評価するリスクがあり、このようなシミュレーション偏差はTPL、IMXL湖区の夏期においてより明らかである。色林錯を例にとると、その「雲洞」現象は暖季（5〜9月）湖面入射短波放射を隣接陸地より106 W／m2、長波放射は隣接陸地より1 W／m2、すなわち色林錯が隣接陸地より105 W／m2（Yao等，2023）。湖陸間の放射収支の差を考慮しないと、色林錯表面温度と蒸発潜熱がそれぞれ1.9 Kと48.9 W/m2過小評価されることが予想される。

4.3将来の改善の方向

湖モデルを結合する地球システムモデルも、湖陸間の雲量の違いを考慮していない。現在、結合モデル比較計画第6段階（CMIP 6）に参加している地球システムモデルのうち、湖の物理的過程を考慮しているのは個別モデルだけで、CESM（Community Earth System Model）だけが世界の湖シミュレーション結果（Danabasoglu等，2020）、その陸面プロセスモデルCLM（Community Land Model）はサブグリッド技術を用いて下敷き面の異質性（Lawrence等，2019）。しかし、このパターンは混合高度の仮定に基づいており、同じ格子点における湖沼、植生、都市、農地、氷河などの様々な地表単位における大気放射の強制は同じであると考えられている（李旭辉，2024）、湖と陸の間の雲量の違いによる放射線収支の違いを無視した。将来的には、観測の強化とモデルの改善という2つの側面からこの問題を解決しなければならない。まず、湖面の放射収支観測を強化し、多源衛星観測と結合して湖陸雲量の対比特徴と放射収支に対する影響をより客観的に描写する。次に、サブグリッド双方向陸−ガス結合などの方案を用いてモデル技術を改善する（Liu等，2024）、湖と陸との間の雲量の違いと関連する物理過程をよりリアルに特徴づけ、それによって湖が局地的な天気と地域の気候に与える影響をより正確にシミュレーションする。

5結節論

本文はSentinel-5 P雲量製品に基づいて、ERA 5とERA 5-Landの再分析データを結合して、夏と秋の2シーズンの中国5つの湖区湖とその隣接陸地雲量差異（∆CF）の時空構造、影響要素及び物理過程を分析した。主な結論は以下の通り：
（1）2019年―2023年、5つの湖区の＜i＞∆＜／i＞CF季節変化特徴は類似しており、いずれも夏と秋の2季の湖雲量が隣接陸地雲量より低く、TPLとIMXL湖区が最も顕著で、夏の青海湖、納木錯と阿雅克木湖の雲量はそれぞれ隣接陸地より8.79%、7.47%、6.74%低いことを示した。
（2）湖の面積は湖の陸雲量の差異に影響する主要な形態因子であり、5つの湖区ではいずれも＜i＞∆</i＞CFと顕著な負の相関関係を呈し、NPML（R=-0.95，P＜0.01）、YGPL（R=-0.70，P＜0.01）とTPL湖域（R=−0.60，P＜0.01）がより顕著である。湖の面積が大きければ大きいほど、陸地は湖より感熱流量が高くなり、湖風が強くなり、湖上は雲になりにくい。湖の面積の支配を受けて、∆CFと湖の体積も顕著な負の相関を呈している。TPL湖区を除いて、他の湖区の∆CFは湖の平均深さと顕著な相関性がない。
（3）湖風発生は湖陸雲量の差異を拡大し、色林錯、呼倫湖と太湖の夏季湖風期の＜i＞∆</i＞CFは非湖風期より著しく低下し、色林錯が最も顕著である（湖風期＜i＞∆</i＞CF=-6.04%、非湖風期＜i＞∆</i＞CF=2.54%）。有利な大規模環流を背景に、湖風発生時の2種類の流れ場配置（1：湖面低空輻射、高空輻射、2：湖面輻射、隣接陸地輻射）の沈下気流はすべて湖上の雲形成を抑制し、2下の＜i＞∆</i＞CFの配置の違いは配置の1より顕著で、興凱湖（-25.93%）と色林間違い（-14.03%）の＜i＞∆</i＞CF値はそれぞれ配置の1時の結果より9.09%と9.76%減少した。

References

  1. 1.
    Ackerman S A, Heidinger A, Foster M J and Maddux B. 2013. Satellite regional cloud climatology over the great lakes. Remote Sensing, 5(12): 6223-6240
  2. 2.
    Adrian R, O’Reilly C M, Zagarese H, Baines S B, Hessen D O, Keller W, Livingstone D M, Sommaruga R, Straile D, Van Donk E, Weyhenmeyer G A and Winder M. 2009. Lakes as sentinels of climate change. Limnology and Oceanography, 54(6part2): 2283-2297
  3. 3.
    Comer N T and McKendry I G. 1993. Observations and numerical modelling of lake ontario breezes. Atmosphere-Ocean, 31(4): 481-499
  4. 4.
    Compernolle S, Argyrouli A, Lutz R, Sneep M, Lambert J C, Fjæraa A M, Hubert D, Keppens A, Loyola D, O’Connor E, Romahn F, Stammes P, Verhoelst T and Wang P. 2021. Validation of the sentinel-5 precursor TROPOMI cloud data with Cloudnet, aura OMI O2–O2, MODIS, and suomi-NPP VIIRS. Atmospheric Measurement Techniques, 14(3): 2451-2476
  5. 5.
    Crosman E T and Horel J D. 2010. Sea and lake breezes: a review of numerical studies. Boundary-Layer Meteorology, 137(1): 1-29
  6. 6.
    Dai Y J, Wei N, Huang A N, Zhu S G, Shangguan W, Yuan H, Zhang S P and Liu S F. 2018. The lake scheme of the Common Land Model and its performance evaluation. Chinese Science Bulletin, 63(28/29): 3002-3021
  7. 7.
    Danabasoglu G, Lamarque J F, Bacmeister J, Bailey D A, DuVivier A K, Edwards J, Emmons L K, Fasullo J, Garcia R, Gettelman A, Hannay C, Holland M M, Large W G, Lauritzen P H, Lawrence D M, Lenaerts J T M, Lindsay K, Lipscomb W H, Mills M J, Neale R, Oleson K W, Otto-Bliesner B, Phillips A S, Sacks W, Tilmes S, Van Kampenhout L, Vertenstein M, Bertini A, Dennis J, Deser C, Fischer C, Fox-Kemper B, Kay J E, Kinnison D, Kushner P J, Larson V E, Long M C, Mickelson S, Moore J K, Nienhouse E, Polvani L, Rasch P J and Strand W G. 2020. The community earth system model version 2 (CESM2). Journal of Advances in Modeling Earth Systems, 12(2): e2019MS001916
  8. 8.
    Duan H T, Cao Z G, Shen M, Ma J G and Qi T C. 2022. Review of lake remote sensing research. National Remote Sensing Bulletin, 26(1): 3-18
  9. 9.
    Fan W X, Liu Y, Chappell A, Dong L, Xu R R, Ekström M, Fu T M and Zeng Z Z. 2021. Evaluation of global reanalysis land surface wind speed trends to support wind energy development using in situ observations. Journal of Applied Meteorology and Climatology, 60(1): 33-50
  10. 10.
    Fatolahzadeh Gheysari A, Maghoul P, Ojo E R and Shalaby A. 2024. Reliability of ERA5 and ERA5-land reanalysis data in the Canadian prairies. Theoretical and Applied Climatology, 155(4): 3087-3098
  11. 11.
    Guo Y H, Zhang Y S, Ma N, Xu J Q and Zhang T. 2019. Long-term changes in evaporation over Siling Co Lake on the Tibetan Plateau and its impact on recent rapid lake expansion. Atmospheric Research, 216: 141-150
  12. 12.
    Hallgren C, Aird J A, Ivanell S, Körnich H, Vakkari V, Barthelmie R J, Pryor S C and Sahlée E. 2024. Machine learning methods to improve spatial predictions of coastal wind speed profiles and low-level jets using single-level ERA5 data. Wind Energy Science, 9(4): 821-840
  13. 13.
    Hersbach H, Bell B, Berrisford P, Hirahara S, Horányi A, Muñoz-Sabater J, Nicolas J, Peubey C, Radu R, Schepers D, Simmons A, Soci C, Abdalla S, Abellan X, Balsamo G, Bechtold P, Biavati G, Bidlot J, Bonavita M, De Chiara G, Dahlgren P, Dee D, Diamantakis M, Dragani R, Flemming J, Forbes R, Fuentes M, Geer A, Haimberger L, Healy S, Hogan R J, Hólm E, Janisková M, Keeley S, Laloyaux P, Lopez P, Lupu C, Radnoti G, De Rosnay P, Rozum I, Vamborg F, Villaume S and Thépaut J N. 2020. The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society, 146(730): 1999-2049
  14. 14.
    Laird N F, Kristovich D A R, Liang X Z, Arritt R W and Labas K. 2001. Lake Michigan lake breezes: climatology, local forcing, and synoptic environment. Journal of Applied Meteorology, 40(3): 409-424 [DOI: ＜0409:LMLBCL＞2.0.CO;2]
  15. 15.
    Lawrence D M, Fisher R A, Koven C D, Oleson K W, Swenson S C, Bonan G, Collier N, Ghimire B, Van Kampenhout L, Kennedy D, Kluzek E, Lawrence P J, Li F, Li H Y, Lombardozzi D, Riley W J, Sacks W J, Shi M J, Vertenstein M, Wieder W R, Xu C G, Ali A A, Badger A M, Bisht G, Van Den Broeke M, Brunke M A, Burns S P, Buzan J, Clark M, Craig A, Dahlin K, Drewniak B, Fisher J B, Flanner M, Fox A M, Gentine P, Hoffman F, Keppel-Aleks G, Knox R, Kumar S, Lenaerts J, Leung L R, Lipscomb W H, Lu Y Q, Pandey A, Pelletier J D, Perket J, Randerson J T, Ricciuto D M, Sanderson B M, Slater A, Subin Z M, Tang J Y, Thomas R Q, Val Martin M and Zeng X B. 2019. The community land model version 5: description of new features, benchmarking, and impact of forcing uncertainty. Journal of Advances in Modeling Earth Systems, 11(12): 4245-4287
  16. 16.
    Lazhu, Yang K, Wang J B, Lei Y B, Chen Y Y, Zhu L P, Ding B H and Qin J. 2016. Quantifying evaporation and its decadal change for Lake Nam Co, central Tibetan Plateau. Journal of Geophysical Research: Atmospheres, 121(13): 7578-7591
  17. 17.
    Lee X H. 2024. Fundamentals of Boundary-Layer Meteorology. Wang W, Xiao W, Zhang M, Hu N and Cao C, trans. 2nd ed. Beijing: Science Press: 202-206
  18. 18.
    Liu S, Han Y L, Wang P, Zhang G J, Wang B and Wang Y. 2024. More heavy precipitation in world urban regions captured through a two‐way subgrid land‐atmosphere coupling framework in the NCAR CESM2. Geophysical Research Letters, 51(13): e2024GL108747
  19. 19.
    Long Z, Perrie W, Gyakum J, Caya D and Laprise R. 2007. Northern lake impacts on Local Seasonal Climate. Journal of Hydrometeorology, 8(4): 881-896
  20. 20.
    Loyola D G, García S G, Lutz R, Argyrouli A, Romahn F, Spurr R J D, Pedergnana M, Doicu A, García V M and Schüssler O. 2018. The operational cloud retrieval algorithms from TROPOMI on board Sentinel-5 Precursor. Atmospheric Measurement Techniques, 11(1): 409-427
  21. 21.
    Lutz R, Loyola D, Gimeno García S and Romahn F. 2016. OCRA radiometric cloud fractions for GOME-2 on MetOp-a/B. Atmospheric Measurement Techniques, 9(5): 2357-2379
  22. 22.
    Lyu H, Wang W, Xiao W, Zhang K E and Lee X. 2025. Global land-lake thermal contrast in a warming world. Journal of Climate, 38(15): 3861-3876
  23. 23.
    Ma N, Szilagyi J, Niu G Y, Zhang Y S, Zhang T, Wang B B and Wu Y H. 2016. Evaporation variability of Nam Co Lake in the Tibetan Plateau and its role in recent rapid lake expansion. Journal of Hydrology, 537: 27-35
  24. 24.
    Ma R H, Yang G S, Duan H T, Jiang J H, Wang S M, Feng X Z, Li A N, Kong F X, Xue B, Wu J L and Li S J. 2011. China’s lakes at present: number, area and spatial distribution. Science China Earth Sciences, 54(2): 283-289
  25. 25.
    Mariani Z, Dehghan A, Joe P and Sills D. 2018. Observations of Lake-Breeze events during the Toronto 2015 Pan-American games. Boundary-Layer Meteorology, 166(1): 113-135
  26. 26.
    Messager M L, Lehner B, Grill G, Nedeva I and Schmitt O. 2016. Estimating the volume and age of water stored in global lakes using a geo-statistical approach. Nature Communications, 7(1): 13603
  27. 27.
    Muñoz-Sabater J, Dutra E, Agustí-Panareda A, Albergel C, Arduini G, Balsamo G, Boussetta S, Choulga M, Harrigan S, Hersbach H, Martens B, Miralles D G, Piles M, Rodríguez-Fernández N J, Zsoter E, Buontempo C and Thépaut J N. 2021. ERA5-Land: a state-of-the-art global reanalysis dataset for land applications. Earth System Science Data, 13(9): 4349-4383
  28. 28.
    Nanjing Institute of Geography and Limnology Chinese Academy of Sciences. 2019. Report on the Chinese Lakes Survey. Beijing: Science Press: 403-669
  29. 29.
    Pi X H, Luo Q Q, Feng L, Xu Y, Tang J, Liang X Y, Ma E Z, Cheng R, Fensholt R, Brandt M, Cai X B, Gibson L, Liu J G, Zheng C M, Li W F and Bryan B A. 2022. Mapping global lake dynamics reveals the emerging roles of small lakes. Nature Communications, 13(1): 5777
  30. 30.
    Resio D T and Vincent C L. 1977. Estimation of winds over the Great Lakes. Journal of the Waterway, Port, Coastal and Ocean Division, 103(2): 265-283
  31. 31.
    Rubio H, Hatfield D, Hasager C B, Kühn M and Gottschall J. 2024. Ship-based lidar measurements for validating ASCAT-derived and ERA5 offshore wind profiles. Atmospheric Measurement Techniques, 18(19): 4949-4968
  32. 32.
    Segal M, Leuthold M, Arritt R W, Anderson C and Shen J. 1997. Small lake daytime breezes: some observational andconceptual evaluations. Bulletin of the American Meteorological Society, 78(6): 1135-1148 [DOI: ＜1135:SLDBSO＞2.0.CO;2]
  33. 33.
    Sills D M L, Brook J R, Levy I, Makar P A, Zhang J and Taylor P A. 2011. Lake breezes in the southern Great Lakes region and their influence during BAQS-Met 2007. Atmospheric Chemistry and Physics, 11(15): 7955-7973
  34. 34.
    Su Y N, Chen S Q, Feng M and Chen F H. 2024. Progress and prospects in satellite remote sensing monitoring of terrestrial surface water. Chinese Science Bulletin, 69(22): 3268-3282
  35. 35.
    Subin Z M, Riley W J and Mironov D. 2012. An improved lake model for climate simulations: model structure, evaluation, and sensitivity analyses in CESM1. Journal of Advances in Modeling Earth Systems, 4(1): 2011MS000072
  36. 36.
    Tian J J, Zhang Y Y, Klein S A, Öktem R and Wang L K. 2022. How does land cover and its heterogeneity length scales affect the formation of summertime shallow cumulus clouds in observations from the US southern great plains? Geophysical Research Letters, 49(7): e2021GL097070 .
  37. 37.
    Wang L C, Lu Y B, Wang Z T, Li H P and Zhang M. 2024. Hourly solar radiation estimation and uncertainty quantification using hybrid models. Renewable and Sustainable Energy Reviews, 202: 114727
  38. 38.
    Wang W, Chakraborty T C, Xiao W and Lee X. 2021. Ocean surface energy balance allows a constraint on the sensitivity of precipitation to global warming. Nature Communications, 12(1): 2115
  39. 39.
    Wang X W, Shi K, Zhang Y L, Qin B Q, Zhang Y B, Wang W J, Woolway R I, Piao S L and Jeppesen E. 2023. Climate change drives rapid warming and increasing heatwaves of lakes. Science Bulletin, 68(14): 1574-1584
  40. 40.
    Wang Y R, Hessen D O, Samset B H and Stordal F. 2022. Evaluating global and regional land warming trends in the past decades with both MODIS and ERA5-land land surface temperature data. Remote Sensing of Environment, 280: 113181
  41. 41.
    Wang Y W, Gao Y Q, Qin H R, Huang J P, Liu C, Hu C, Wang W, Liu S D and Lee X. 2017. Spatiotemporal characteristics of Lake Breezes over Lake Taihu, China. Journal of Applied Meteorology and Climatology, 56(7): 2053-2065
  42. 42.
    Wild M, Hakuba M Z, Folini D, Dörig-Ott P, Schär C, Kato S and Long C N. 2019. The cloud-free global energy balance and inferred cloud radiative effects: an assessment based on direct observations and climate models. Climate Dynamics, 52(7): 4787-4812
  43. 43.
    Woolway R I, Kraemer B M, Lenters J D, Merchant C J, O’Reilly C M and Sharma S. 2020. Global lake responses to climate change. Nature Reviews Earth and Environment, 1(8): 388-403
  44. 44.
    Woolway R I and Merchant C J. 2019. Worldwide alteration of lake mixing regimes in response to climate change. Nature Geoscience, 12(4): 271-276
  45. 45.
    Wu Y Q, Gao J and Zhao A B. 2024. Cloud properties and dynamics over the Tibetan Plateau-a review. Earth-Science Reviews, 248: 104633
  46. 46.
    Yao X N, Yang K, Letu H, Zhou X, Wang Y, Ma X G, Lu H and La Z. 2023. Observation and process understanding of typical cloud holes above lakes over the Tibetan Plateau. Journal of Geophysical Research: Atmospheres, 128(13): e2023JD038617
  47. 47.
    Zhang H, Wang F, Wang F, Li J L, Chen X L, Wang Z Z, Li J, Zhou X X, Wang Q Y, Wang H B, You T, Xie B, Chen Q and Duan Y H. 2022. Advances in cloud radiative feedbacks in global climate change. Scientia Sinica Terrae, 52(3): 400-417
  48. 48.
    Zhang Y S, Han C B, Ma Y M, Fu S Z, Zuo H C and Huang Q. 2024. Influence of Lake Breezes on the triggering of moist convection on the Tibetan Plateau: a large-eddy simulation study. Journal of the Atmospheric Sciences, 81(6): 983-998
  49. 49.
    Zhao L J, Zhao X S, Fan X W, Wang L M, Lou T, Kong Y N and Xu L G. 2025. Characteristics of lake-land breeze events in Lake Poyang based on wind profiling radar data. Journal of Lake Sciences, 37(5): 1782-1794

続きを読む

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website