이전|다음

Sentinel-5P 기반 중국 호수와 인접 육지 구름량 차이의 시공간 패턴 및 영향 요인 분석 — 여름 및 가을철 사례를 중심으로

  • 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

추상적인

맑은 호수와 인접 육지 간 구름량 차이의 시공간 패턴, 영향 요인 및 물리적 과정을 명확히 하는 것은 호수와 육지 간 복사 차이를 밝히고 육상 관측 데이터를 활용한 호수 모델 적용성을 입증하는 기초이다. 본 연구는 2019년부터 2023년까지의 Sentinel-5P 구름량 데이터와 ERA5 및 ERA5-Land 재분석 데이터를 활용하여 중국 내 334개 호수와 인접 육지 간 구름량 차이(∆CF)의 여름 및 가을철 시공간 패턴, 영향 요인 및 물리적 과정을 분석하였다. 결과는 다음과 같다: (1) 5개 호수 지역은 여름과 가을철 모두 호수의 구름량이 인접 육지보다 적은 특징(∆CF < 0)을 보였으며, 티베트 고원 호수 지역과 내몽골 신장 호수 지역에서 특히 두드러졌다. (2) ∆CF는 호수 면적과 유의미한 음의 상관관계를 보였으며, 동북평원-산악 호수 지역에서 가장 뚜렷했다(R = -0.95, P < 0.01). 티베트 고원 호수 지역을 제외한 다른 지역에서는 ∆CF와 호수 평균 수심 간 음의 상관관계가 유의하지 않았다. (3) 호수 바람 발생 시 호수면에서 하강 기류가 구름 형성을 억제해 호수와 인접 육지 간 구름량 차이를 확대시켰으며, 특히 세를링초 호수에서 두드러졌고, 호수면 발산 및 인접 육지 수렴류장 배치에서 호수의 구름량이 인접 육지보다 낮았다. 이상의 결과는 호수와 육지 간 구름량 차이를 무시하고 육상 복사 관측 데이터만을 사용해 호수 모델을 구동할 경우 호수 표면 온도와 증발 속도를 과소평가할 수 있음을 보여주며, 이는 티베트 고원 호수 지역에서 호수 바람 기간에 더욱 뚜렷하게 나타난다.

키워드

Sentinel-5P; 호수-육지 구름량 차이; 형태 인자; 호수 바람; 유동장 배치

1 인용문

호수는 지구 기후 시스템의 중요한 구성 요소이며 국지 날씨 및 지역 기후 변화에서 중요한 역할을합니다 (Adrian等，2009；Woolway等，2020）。호수는 육지에 비해 열 용량이 크고 반사율이 낮으며 거칠음이 적습니다 (Subin等，2012), 이러한 독특한 생물학적 속성은 지표 에너지 균형과 수분 순환을 변화시키고 호수 기후 효과를 가져올 수 있습니다 (Crosman和Horel，2010；Long等，2007；Woolway等，2019；Wang等，2023）。수치시뮬레이션은 호수의 기후효과를 연구하고 그 물리과정을 해석하는데 가장 효과적인 수단(Subin等，2012；戴永久 等，2018）。호수 관측 데이터가 부족하기 때문에 현재 연구는 일반적으로 호수 주변 육지 사이트의 방사선 관측 데이터 구동 모델(Guo等，2019；Lazhu等，2016；Ma等，2016）。이런 연구방안은 호수면이 린접륙지에서 접수하는 입사단파복사와 입사장파복사와 같다는 가설을 내포하고있다. 즉 호수면이 린접륙지의 구름량과 같다고 가정한다.그러나 이 가설은 아직 관측 데이터의 검증이 필요하다.
원격 탐지 기술은 호수의 물 환경을 반전시키는 동시에 (段洪涛 等，2022；苏雅楠 等，2024；Pi等，2022), 또한 상술한 가정을 논증하기 위한 데이터 기반 (Wu等，2024）。Ackerman等（2013）AVHRR (Advanced Very High Resolution Radiometer) 데이터 연구를 통해 1978~2021년 여름 북미 5대 호수의 구름량이 인근 육지보다 작다는 것을 발견했다.Tian等（2022）GOES-16 (Geostationary Operational Environmental Satellite) 데이터를 이용한 연구에 따르면 미국 남부 대평원의 넓은 수역은 오후에 얕은 적운의 출현 빈도가 인근 도시보다 4% 낮았다.Yao等（2023）Himawari-8 데이터 연구를 이용하여 칭짱고원의 색림착 등 대형 호수는 여름에 구름량이 인근 육지보다 낮은'구름굴'현상이 나타났으며, 호수의 구름량은 심지어 주변 육지보다 30% 낮았다.이로부터 알수 있는바 원격감지관측은 호수와 린근륙지의 구름량에 차이가 있다는것을 실증하였는데 일반적으로 여름철 낮에 호수의 구름량이 린근륙지보다 낮은것으로 표현된다.그러나 상술한 연구는 단일 호수나 어떤 호수군에 초점을 맞추고 있으며, 호수와 육지의 구름의 대비 특징은 서로 다른 기후 지역 간의 차이가 아직 명확하지 않다.
호풍환류는 여름철 낮에 호수의 구름량이 린근륙지보다 낮게 되는 주요한 물리과정이다.낮에는 호수의 온도가 육지보다 느리게 올라가 호수의 온도가 낮고 육지의 온도가 높은 열력 차이를 형성하며 저층 공기가 호수에서 육지로 흘러 호풍을 형성한다.호수의 저공 살포, 고공 살포의 유장 배치를 나타내며, 침하 기류는 호수 위의 구름의 형성을 억제한다 (Yao等，2023）。호수와 육지의 운량 차이는 호수의 유장 영향 외에도 인근 육지의 유장과 관련이 있다.청장고원의 일부 큰 호수에는 아직도 호수면의 저공살산, 호안의 저공살합의 배치특징이 존재하여 호수에"구름구멍"이 나타나는 동시에 린근륙지에"구름고리"(Yao等，2023), 호수와 육지의 구름 차이를 더욱 확대시켰다.그러나 다른 기후 지역에서 호풍이 발생할 때 유장 배치가 어떠한지, 호수와 육지의 운량 차이에 미치는 영향이 어떠한지는 아직 명확하지 않다.
호수와 육지의 열력 차이 외에 호풍의 발생, 발전은 호수 형태 특징과 관련이 있다(Crosman和Horel，2010）。Yao等（2023）연구 결과, 칭짱고원 면적> 300km2의 호수"윈둥"과 육지"구름 고리"의 대비 특징이 더욱 뚜렷하며, 호수 면적이 클수록 호수 바람이 강하다는 것을 의미한다.또한 면적이 작은 얕은 호수보다 면적이 큰 깊은 호수에서 호풍이 발생하는 빈도가 더 높습니다 (Sills等，2011；Mariani等，2018미시간 호수 (면적: 58030 km2, 평균 깊이: 84m) 와 온타리오 호수 (면적: 19000 km2, 평균 깊이: 85m) 의 연간 호풍 발생 빈도는 각각 41% (Laird等，2001) 및 30% (Comer和McKendry，1993), 태호보다 높음(면적: 2400km2, 평균 깊이: 1.9m, 주파수: 23%)(Wang等，2017), 대염호 (면적: 4400km2, 평균 깊이: 4.9m, 주파수: 6-15%)Zhang等，2024), 오키초비 호수 (면적: 1900 km2, 평균 깊이: 2.7 m, 주파수: 5-17%)Segal等，1997), 유포라 호수 (면적: 410 km2, 평균 깊이: 7 m, 주파수: 11%) (Segal等，1997) 등 얕은 호수.그러나 중국의 서로 다른 기후 지역의 호수 육운량 차이와 호수 형태 특징의 관계는 아직 분석해야 한다.
이를 위해 본고는 중국 면적> 40km2의 334개 호수를 대상으로 2019~2023년 Sentinel-5P의 클라우드 데이터를 활용하여 GEE(Google Earth Engine,[2025-02-01]) 플랫폼은 호수와 인근 육지의 구름을 대량으로 추출한다.먼저 중국 5개 호수 지역의 호수와 육지 운량 차이의 시공간 구도를 분석했습니다.둘째, 각 호수 지역의 호수 육운량 차이와 호수 형태 인자의 정량 관계를 통계했다;마지막으로 각 호수 지역에서 1개의 전형적인 호수를 선택하여 호풍과 유장 배치가 호수와 육지의 운량 차이에 대한 영향을 연구했다.호륙의 운량 차이의 시공간 구조를 명확히 하기 위해 이러한 차이의 주요 영향 요소와 관건적인 물리 과정과 양화가 호륙의 복사 차이에 미치는 영향을 밝히는 데 과학적인 근거를 제공한다.

2 연구구역 개황과 방법

2.1 연구 구역

이 연구에서 선택한 334 개의 호수는 동부 평원 호수 (EPL, 99 개), 몽신 호수 (IMXL, 37 개), 청장 고원 호수 (TPL, 159 개), 동북 평원 - 산악 호수 (NPML, 26 개) 및 운귀 고원 호수 (YGPL, 13 개) 등 5 개의 호수 지역에 분포되어 있습니다.Ma等，2011）（Fig. 1）。호수의 바람과 유장 배치가 호수와 육지의 구름량 차이에 미치는 영향을 탐구하기 위해 각 호수 지역에서 1개의 전형적인 호수를 선정하여 사례 분석을 전개한다.면적이 큰 동시에 주변 지형이 비교적 평탄한 호수를 전형적인 호수로 선택한다(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 데이터 및 방법

2.2.1 클라우드 데이터 확보 및 처리

이 문서는 유럽 우주국의 Sentinel-5P 클라우드 데이터(［2025-02-01］）。Sentinel-5P는 2017 년에 출시되었으며 2018 년에 데이터 다운로드 서비스를 시작했습니다.이 위성에 탑재된 대류층 측정기 TRPOMI(Tropospheric Monitoring Instrument)는 NO2, O3 등 인간 활동과 밀접한 관련이 있는 흔적 가스를 관측할 수 있을 뿐만 아니라 구름과 에어로졸 관측도 강화했다.이 위성은 현지 시간으로 13: 30에 국경을 통과해 최강 호풍 발생 시간과 근접했다.영상 폭은 2600km로 전 세계를 커버할 수 있으며 공간 해상도는 1km × 1km, 시간 해상도는 1d(Compernolle等，2021）。설명이 필요한 것은 Sentinel-5P 구름량이 유효 방사선 구름량(effective radiometric cloud fraction), 즉 패턴으로 계산된 대기권 상단 반사율이 관측값과 일치할 때 대응하는 구름량(Loyola等，2018）。복사운량의 높낮이는 구름의 광학두께와 관련되는데 복사전송계산법은 일반적으로 광학두께가 작은 얇은 구름을 과소평가하여 복사운량이 기하운량 (구름피복면적과 지표총면적의 비) 보다 작게 된다.Compernolle等，2021）。
Sentinel-5P 클라우드 제품의 정밀도는 광범위하게 검증되었습니다.Lutz等（2016）Sentinel-5P와 AVHRR의 클라우드 제품을 비교한 결과, 두 제품의 글로벌 공간 분포 특징이 일치하고 평균 차이가 <20%>라는 것을 발견했다.또한,Compernolle等（2021）중저위 지역에서 센티넬-5P, OMCLDO2 (OMI Cloud Product), 무디스 등 3가지 클라우드 제품을 평가했는데, 방사선 클라우드와 기하학적 클라우드의 시스템 차이를 제외한 3개 제품의 클라우드 위향 분포가 일치한다는 것을 발견했다.이 문서는 GEE 플랫폼에서 제공하는 Sentinel-5P L3 수준의 클라우드 제품을 사용하며 데이터의 신뢰성을 보장하기 위해 품질 표시(QA values)> 0.5의 데이터만 유지합니다.

2.2.2 GEE 기반 호수 및 인근 육지 클라우드 페어링 알고리즘

GEE 플랫폼을 기반으로 호수를 이용하여 인근 육지 구름과 페어링 알고리즘(Lyu等，2025), 2019-2023년 334개 호수와 그 인근 육지의 구름량을 자동으로 대량 추출했다.태호의 경우 이 알고리즘은 다음 4단계 (Fig. 2）。우선 태호 주변에 태호와 면적이 같은 완충지대를 만들어 인근 육지로 삼는다.둘째, 쌍선형 보간법을 이용하여 무디스 토지 커버리지 분류 데이터(MCD12Q1)를 Sentinel-5P 클라우드 제품의 해상도와 일치하도록 1km × 1km로 재샘플링한다.그런 다음 MCD12Q1 데이터를 기반으로 토지 이용 유형을 선별하여 호수 범위 내에 수체만 보존하고 육지 완충 지역의 도시와 수체를 제거합니다.마지막으로 태호의 평균 구름량을 계산한다 () 및 인근 육지의 평균 구름 (), 양자의 상감은 호수와 육지의 구름량 차이를 나타낸다 (）。
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 호풍의 판별 및 표징

호풍은 일반적으로 배경풍속이 작고 호륙의 열력차이가 큰 맑은 날에 발생한다.다음 고려 사항에 따라 배경 풍속 (지전 풍속) 임계값을 7 m/s로 설정합니다.우선,Crosman和Horel（2010）종합적으로 서술한 결과, 해풍이 발생했을 때의 지전 풍속은 6-11m/s이며, 호풍을 판정할 때 이 구간의 낮은 값을 취할 것을 건의한다.둘째, 태호의 여름과 가을 두 계절에 호풍이 발생할 때 지전 풍속의 평균치는 7m/s에 가깝다 (Wang等，2017）。또한,赵乐鋆等（2025）지면의 풍속 <4.3m/s가 파양호의 호풍을 판별하는데 적용되는 것을 발견하였는데, 이 지면의 풍속에 대응하는 지전의 풍속은 5~9m/s(Resio和Vincent，1977), 중간 값은 7 m/s입니다.이 글은 지전풍속을 종합적으로 사용한다 (), 호수와 육지 표면의 온도 차이() 및 호수 상공 수직 속도 () 세 가지 변수로 호풍을 판별한다.판별 조건은 다음과 같습니다.
(1) 당일 비가 내리지 않습니다.
(2) Sentinel-5P 통과 시 및 전후 1h, 호수 상공 2500m 높이의 배경풍속＜7 m/s；
(3) Sentinel-5P 통과 시 및 전후 1h, 인근 육지 표면 온도와 호수 표면 온도의 차이＞0.5 ℃；
(4) Sentinel-5P 통과 시 호수 위의 수직 속도> 0 (가라앉음).
호풍이 사용하는 배경풍속을 판별하다.위향 풍속 u와 경향 풍속 v로 계산한 결과, 풍속 분량 u, v, 및 유장 분석에서의 산도는 모두 ERA5 대기 재분석 데이터(［2025-02-01］）。ERA5는 유럽중기일기예보센터(ECMWF)가 발표한 5세대 재분석 데이터다.공간 해상도는 0.25 ° × 0.25 ° 이며 1940 년 1 월부터 지금까지 수직 방향으로 총 37 층 (Hersbach等，2020）。ERA5 풍속 제품의 정밀도는 지상 및 탐공 관측 데이터에 의해 확인되었습니다(Fan等，2021), 그리고 풍속 외곽선 피쳐 분석에 널리 사용됩니다 (Hallgren等，2024；Rubio等，2024）。
호풍에 사용되는 호륙 표면의 온도 차이를 판별하다및 10m 높이 풍장 (u10와 v10) 및 호수와 인근 육지의 감열량은 모두 ERA5-Land(［2025-02-01］）。ERA5-Land는 ERA5가 전 세계 육지에서 척도를 낮추어 재분석한 제품으로, 공간 해상도를 0.1 ° 로 향상시켰다0.1 °, 시간 해상도는 1 h입니다. 육면 프로세스 모드인 HTESSEL(Hydrology Tiled ECMWF Scheme for Surface Exchanges over Land)은 호수의 열 프로세스를 시뮬레이션하기 위해 담수 호수 모델 Flake를 결합하며, 현재 알려진 유일한 호수 변수를 제공할 수 있는 육면 재분석 제품입니다.ERA5-Land의 표면 온도, 10m 풍속 데이터 및 에너지 사용량은 광범위하게 검증되었습니다(Muñoz-Sabater等，2021；Wang等，2022；Fatolahzadeh Gheysari等，2024）。

3 결과 및 분석

3.1 호수와 육지의 구름 차이의 시공 구조

Fig. 3중국 5개 호수 지역의 2019년~2023년 호수와 육지의 구름량 차이( CF)의 계절 변화 특징을 보여준다.설명이 필요한 것은 호수 결빙과 적설이 존재하는 3개 호수 지역(TPL, IMXL, NPML)에서 겨울과 봄에 호수 구름량이 인근 육지 구름량보다 현저히 높은 특징을 보인다( CF> 0)(Fig. 3—（c））。Sentinel-5P 반사 구름에 대한 적설의 간섭을 고려합니다(Compernolle等，2021), 후속 분석은 여름 (6-8월) 가을 (9-11월) 두 시즌에만 초점을 맞춘다.
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年间5个湖区的湖陆云量差异的季节变化特征相似，夏秋两季TPL、IMXL和EPL湖区的湖泊云量显著低于邻近陆地云量（t检验，P＜0.05），NPML和YGPL湖区的湖泊云量在仅在夏季显著低于邻近陆地（t检验，P＜0.01）。以2022年为例，6—11月，TPL湖区的∆CF在-1.99%—-1.12%变化，最低值出现在9月（-1.99%）。IMXL湖区的∆CF在-1.34%—-0.39%变化，最低值出现在6月（-1.34%）。YGPL、EPL和NPML共3个湖区的∆CF为-0.62%—0.13%，最低值分别出现在8月（-0.60%）、7月（-0.41%）和7月（-0.62%）。与秋季相比，夏季湖泊云量较陆地更低。5年间，各个湖区的∆CF最低值出现的年份存在差异。IMXL、YGPL和EPL湖区的∆CF最低值均出现在2021年，分别为-1.40%、-1.08%和-0.62%，而NPML和TPL湖区的∆CF最低值分别出现在2019年（-0.79%）和2022年（-1.99%）。
여름과 가을 두 계절에 각각 210(63%)과 204(61%)개의 호수가 인근 육지의 구름량과 현저한 차이가 있음(t 검사, P<0.05), 이로써 5개의 호수 지역의 2019년~2023년 CF 평균치의 공간 분포도(Fig. 4）。전체적으로 여름과 가을 두 계절에 각각 191개(91%)와 182개(89%)의 호수가 인근 육지보다 구름량이 현저히 낮다.여름에는 CF <0의 현상이 TPL 및 IMXL 호수 지역에서 가장 두드러집니다(Fig. 4), CF의 중위수는 각각 -0.95% 와 -1.16% 이며, 특히 청해호( CF= -8.79%), 나목착( CF= -7.47%), 아야크쿠무호( CF= -6.74%)에서 그렇다.이 두 호수 지역에서도 북호루슨 호수 ( CF=0.71%) 와 마나스 저수지 ( CF=3.99%) 와 같은 개별 호수의 구름량이 인근 육지보다 현저히 높은 상황이 나타났다.TPL 및 IMXL 호수에 비해 EPL, YGPL 및 NPML 호수 CF <0의 호수 수 비중이 낮아지고 호수와 육지의 구름 차이가 줄어듭니다.EPL, YGPL, NPML 호수에는 각각 44%, 38%, 25%의 호수가 있다 CF <0, CF의 중위수는 각각 -0.45%, -0.28%, -0.24%, CF 최저치는 각각 타이후(-2.96%), 뎬츠(-1.51%), 싱카이후(-5.58%) 에서 나타났다.가을 호수 육운량 차이의 공간 분포 (Fig. 4) 여름과 비슷하지만 TPL 및 IMXL 호수 지역에서는 CF 낮은 값으로 나타나는 호수가 여름 결과와 차이가 있습니다.TPL 호수 지역에서는 가을철 CF 저치가 나목착(-7.58%), 하라호(-6.83%), 오릉호(-6.82%)에 나타났다.IMXL 호수 지역에서는 CF가 아야크 쿠무 호수(-6.43%), 세리무 호수(-5.12%), 아치크 쿠레 호수(-4.03%)에서 낮은 수치를 보였다.EPL, YGPL, NPML 등 3개 호수 지역에서 가을철 CF 최저치가 나타난 호수는 태호(-2.32%), 뎬츠(-1.16%), 싱카이호(-3.69%)로 여름과 같았다.
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 호수의 육운량 차이와 호수 형태 특징의 관계

2019년-2023년 평균의 여름과 가을 두 계절의 호수 육운량 차이와 호수 형태 인자 (면적, 평균 깊이와 부피) 의 상관관계Fig. 5와 같습니다.5개 호수지역의 호수와 육지의 구름량 차이 CF는 모두 호수 면적과 현저한 마이너스 관계를 보인다. 즉 호수 면적이 증가함에 따라 호수 구름량은 인근 육지보다 더 낮다.여름에는 NPML 호수에서 음의 상관관계가 가장 두드러집니다(R=-0.95, P<0.01), YGPL 호수(R=-0.70, P<0.01), TPL 호수(R=-0.60, Ri>P/i><0.01><0.0>, <0.01>><0.0>>>>><0.01), EPL/i>(i><0.01),, P<0.01) 호수 지역의 관련성이 약화됩니다.여름과 유사하게 가을의 CF는 호수 면적과 현저한 마이너스 관계를 보이지만 관련성이 낮아져 NPML, YGPL, TPL 호수의 상관계수는 각각 -0.88(P<0.01), -0.70(P<0.01), -0.51(<0.01), -0.51(<0.0>) 및 EPL의 상관계수는 각각 -0.51<0.0(<0.0/i><0.0/i><0.0>로 낮아졌다.)<0.0>TPL 호수 지역을 제외한 다른 호수 지역의 CF는 호수의 평균 깊이와 큰 관련이 없습니다.호수 면적의 주요 통제를 받고, CF는 호수 부피와 현저한 마이너스 관계를 보이지만, 상관 계수는 호수 면적에 비해 다소 낮다.여름에 NPML 호수 구역은 CF와 호수 부피의 마이너스 관계가 가장 현저하다(R=-0.69, P<0.01), TPL 호수 구역(R=-0.52, P<0.01)과 YGPL 호수 구역(Ri><0.01),가을에는 NPML 호수에서 마이너스 관계가 가장 두드러집니다(R=-0.63, P<0.01), YGPL 호수(R=-0.49, P<0.01), TPL 호수(R=-0.45, Pi>PRi><0.01), EPL 호수 =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

호수와 육지의 열력 차이의 측면에서 CF와 호수 면적의 마이너스 관계를 분석한다.ERA5-Land를 고려한 공간 해상도(0.1°)0.1°)이므로 면적> 100km2의 호수를 선택하여 분석한다.NPML(6개)과 YGPL(3개) 호수 영역 > 100km2의 호수 수가 적기 때문에 다른 3개 호수의 분석 결과만 보여준다.2020년 여름을 예로 들면, TPL, IMXL, EPL 호수 지역 내에서 각 호수의 ≠ CF는 모두 호수와 육지의 열 감지량 차이이다（)는 마이너스 관계를 가지며 TPL(R=-0.40, P<0.05)과 EPL(R=-0.47, P<0.05) 호수에서 현저하게 나타난다.같은 호수 지역 내에서 호수와 육지의 감열 통량 차이는 H 호수 면적이 커짐에 따라 증강되며, 상관관계는TPL（R=0.33，P＜0.05）、IMXL（R=0.52，P＜0.05）및 EPL(R=0.53,P<0.01) 호수 지역은 모두 현저하다.가을철 결과는 여름과 유사하다.이는 같은 호수구역내에서 면적이 큰 호수일수록 열관량이 크고 낮에 호수의 온도상승이 린근륙지보다 느려지며 륙지가 호수에 비해 감열통량이 높을수록 열력차이가 뚜렷해지고 호풍이 강할수록 그에 상응한 호수면의 침하운동이 강해지고 더욱 구름이 되기 어렵다는것을 의미한다.이것은 호수의 면적이 커짐에 따라 호수의 바람이 강해진다는 결론과 일치합니다 (Crosman和Horel，2010；Yao等，2023）。

3.3 호풍이 호수와 육지의 구름량 차이에 미치는 영향

호수의 형태 특징은 호수와 육풍의 발생과 발전에 영향을 주어 호수와 육지의 운량 차이를 변화시킨다.2019년-2023년, 2020년의 구름량 데이터 부족률 (2%) 이 가장 낮으며, 해당 연도 데이터를 선택하여 5개 전형적인 호수에서 호풍을 식별하고, 서로 다른 호수 지역에서 호풍이 호륙의 구름량 차이에 미치는 영향 및 과정을 분석한다.2.2.3절에 기술된 판별 조건에 근거하여 통계 결과Table 2.가시적: 2020년 태호에서 호풍이 발생한 일수가 가장 많다(여름: 23d, 가을: 39d).그 다음은 색림착 (하: 19 d, 추: 4 d), 뎬츠 (하: 12 d, 추: 10 d), 후룬호 (하: 11 d, 추: 9 d);싱카이 호수에는 13 d의 호수 바람 (하: 9 d, 가을: 4 d) 만 발생합니다.태호를 제외한 나머지 4개 호수의 호풍은 주로 여름에 발생한다. CF <0의 현상이 모두 호풍기에 나타나는 것은 아니지만, 호풍기가 60% 를 넘는 날에 CF <0이 나타났는데, 이 비율은 색림에서 87% 까지 틀렸다.

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
샘플 차이가 분석 결과에 미치는 방해를 피하기 위해, 먼저 각 호수에 호풍이 발생한 날짜를 선별한 다음, 호풍이 발생한 날짜 부근에서 일수가 같은 비호풍기를 선택하여 호풍이 발생한 후 큰 호수의 육운량 차이를 놓을 수 있는지 분석한 결과,Fig. 6. 로Fig. 6알 수 있다: 여름 색림착호풍기의 CF 평균치는 -6.04%로 현저하다(t 검사, P<0.01)가 비호풍기 결과(2.54%)보다 낮다.후룬호와 타이호의 호풍기 CF 평균치는 각각 -1.24%와 -3.71%로 현저하다(t 검사, P<0.05)는 비호풍기 결과(2.98%, 1.04%)보다 낮다.싱카이호와 뎬츠의 호풍기 CF 평균치(-3.64%, -1.98%)도 비호풍기 결과(0.08%, 1.69%)보다는 낮지만 차이가 현저하지 않다(P=0.23, P=0.08).에 의하여Fig. 6가을철에 후룬호를 제외한 다른 4개 호수의 호풍기의 CF 평균치는 모두 비호풍기 결과보다 낮지만 뚜렷한 차이가 없다는 것을 알 수 있다.
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

호풍이 발생할 때의 유장 배치를 분석하기 위해 2020년 전형적인 호수에 호풍이 발생할 때의 상공 산도의 위향-수직 단면도(Fig. 7、Fig. 9), 그리고 근지면풍장도 (Fig. 8、Fig. 10）。설명해야 할 것은 뎬츠 면적 (298 km2) 이 작기 때문에 그 유장 배치는 ERA5와 ERA5-Land 공간 해상도에서 전시하기 어렵다는 것이다.경치별로 호풍이 발생했을 때의 산도 단면도를 분석한 결과, 색림착과 흥개호에서 호풍이 발생했을 때 2가지 유장 배치 (Fig. 7、Fig. 9), 후룬 호수와 타이 호수에 호수 바람이 불 때 단 하나의 유장 구성 (Fig. 9）。색림착과 흥개호의 첫 류장은 호수면의 저층살산, 고층살합 (Fig. 7）。8월 13일의 싱카이호를 예로 들면 (Fig. 7), 호수면 상공 900hPa 이하에는 뚜렷한 기류 살포가 존재하는데, 이 고도 이상은 기류 살포이며, 이때 지상 유장은 호수에서 주변 육지를 가리키며 뚜렷한 호풍 특징을 보인다.호수면 위쪽의 침하 기류는 구름의 형성을 억제하는데, 대응하는 호수와 인접 육지의 구름량은 각각 34.70%와 51.54%, 호수와 육지의 구름량 차이는 CF는 -16.84%이다.
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）

분석에 따르면 색림착과 흥개호의 첫 류장배치는 모두 큰 척도의 환류배경의 통제를 받았다.2020년 8월 30일, 색림은 고공 (300hPa) 에 뚜렷한 반기선환류가 존재하는데 저공 (550hPa) 에서는 주로 국지의 고압척추의 영향을 받는다.이때 비교적 강한 투합을 동반한 고공저기압으로 공기가 색림착고공에 퇴적되여 공기를 가라앉혔다.침하 운동은 고공에서 아래로 뻗어 저층 기압을 높여 저층 살포를 형성한다.2020년 8월 13일, 흥개호는 고공 (850hPa) 과 근지면 (1000hPa) 에서 모두 국지고압척추의 통제를 받았는데 그 동서 량측에 모두 국지저압시스템이 존재한다.이와 마찬가지로 고압척추가 통제하는 흥개호 상공의 반기선환류는 공기를 투합하고 기류가 가라앉아 지면에 접근하여 저층기압이 높아지고 공기가 살포된다.두 호수의 이런"고공살합→기류침하→저층살산"의 고저공배치는 맑은 날씨를 촉진시켜 호풍형성에 유리한 환류조건을 마련해주었다.
두 번째 유장 배치 외에 색림착과 흥개호 호풍이 발생했을 때의 또 다른 유장은 호수면 살포, 인근 육표 살포로 배치되었다.색림착의 경우 7월 3일 호풍이 발생했을 때 (Fig. 9), 호수의 공기가 가라앉고 기류가 흩어진다.저층기류가 호수면에서 륙지로 불었을 때 산비탈을 만나 핍박에 의해 상승하였고 낮에는 산골짜기에서 산비탈로 부는 곡풍이 상승운동을 한층 더 촉진시켰다.따라서 인접한 육지의 공기가 상승하여 기류의 투합을 나타내고 호수의 성운이 억제되는 동시에 주변 육지의 성운을 촉진한다 (Fig. 10), 이때 색림착호면과 인근 육지의 구름량은 각각 14.53% 와 28.56%, CF는 -14.03% 였다.첫 번째 유장 배치와 비교했을 때, 이 배치에서는 호수의"구름 구멍"과 인접 육지의"구름 고리"의 비교 특징이 나타났다.싱카이후(-25.93%)와 셀린땡(-14.03%)의 CF 수치는 첫 번째 유장 배치에서의 결과보다 각각 9.09%, 9.76% 낮아졌다.

4 토론

4.1 클라우드 데이터와 배경 풍속 임계값의 적용성

Sentinel-5P 과소 평가 얇은 클라우드는 연구소에 의해 입증되었지만(Loyola等，2018；Compernolle等，2021그러나 이런 과소평가는 권운을 위주로 하는 겨울과 봄에 더욱 뚜렷하며 본 연구소가 주목하는 계절은 여름과 가을 두 계절이다.셀린땡 (2020년 3월 16일), 후룬호 (2020년 1월 1일), 싱카이호 (2020년 2월 12일) 겨울과 봄에 각각 1일을 선택하여 센티넬-5P 유효 방사 구름량과 같은 기간 무디스 클라우드 마스크 제품인 MYD35_L2 ([2025-02-01]) 이 3개 호수와 인근 육지에서 Sentinel-5P의 유효 방사선 구름량은 모두 무디스의 기하학적 구름량보다 낮지만 호수가 육지의 과소평가와 비슷하기 때문에 결국 이 3개 호수의 겨울과 봄철 CF 0의 특징을 바꾸지 않았다는 것을 발견했다.구체적으로 센티넬-5P를 기반으로 얻은 셀린땡, 후룬호, 싱카이호의 경우 각각 13.85%, 3.82%, 5.58%로 무디스 기하학적 구름량을 기반으로 산출한 결과(17.45%, 10.44%, 9.43%)보다 약간 낮았다.
배경 풍속 임계값을 너무 크게 설정하거나 너무 작게 설정하면 호풍의 판별에 영향을 줄 수 있다.호풍 일수가 배경 풍속 임계값 변화(5-9m/s)에 대한 민감성을 분석한 결과, 배경 풍속 임계값이 5~7m/s로 변화할 때 5개 전형적인 호수가 판별한 호풍 일수는 현저한 차이가 없음;임계값이 8m/s로 설정되면 판별된 호풍 일수가 급증한다.태호의 경우 배경풍속이 5~7m/s일 때 호풍일수는 39~62d에서 변화해 발생빈도(21~34%)가 지상관측결과(22.6%)와 근접(Wang等，2017）。반면 배경풍속이 8m/s로 설정됐을 때 태호호 바람일수는 7m/s에 비해 13d 증가했고, 얻은 호풍 발생빈도(41%)는 지상 관측 결과의 약 두 배로 비호풍천을 호풍천으로 오판하는 편차가 있었다.다른 한편으로 배경풍속의 역치가 너무 작고 판별하여 얻은 호풍일수가 너무 적어 표본량의 감소가 통계분석의 불확실성을 증가시켰다.후룬호의 경우 임계값이 5m/s일 때 판별해 얻은 호풍일수는 4d에 불과했다. 따라서 선인들의 연구 결론과 민감성 시험 결과를 종합하면 본고는 배경풍속 임계값을 7m/s로 설정하는 데 어느 정도 합리성이 있다.

4.2 호수와 육지의 구름량 차이의 잠재적인 영향을 무시한다

호수와 육지의 구름량 차이를 무시하면 호수의 온도와 증발 속도의 시뮬레이션에 오차를 가져올 수 있다.구름은 지표면에 도달하는 입사 단파 복사를 감소시키는 동시에 지표면에 도달하는 하향 장파 복사를 증가시킨다 (Wild等，2019；张华 等，2022；Wang等，2024), 단파 복사의 감소량이 장파 복사의 증가량보다 크기 때문에, 구름의 순작용은 지표 대기 복사의 강박을 약화시키는 것이다 (Wang等，2021）。낮에 호수의 구름량이 인근 육지보다 작다는 것은 호수가 인접 육지보다 더 많은 방사능을 수신한다는 것을 의미하며, 이때 육지 방사능 관측 데이터를 이용하여 호수 모형을 구동하면 호수의 온도와 호수의 증발 속도를 과소평가할 위험이 존재하며, 이러한 시뮬레이션 편차는 TPL, IMXL 호수 지역의 여름철에 더욱 뚜렷하다.색림착오를 예로 들면, 그"구름구멍"현상으로 인해 난기 (5-9월) 호수의 입사 단파 복사는 인근 육지보다 106W/m2 높고, 장파 복사는 인근 육지보다 1W/m2 낮을 뿐, 즉 색림착오는 인근 육지보다 105W/m2 (sup>Yao等，2023）。호수와 육지 간의 방사능 수지 차이를 고려하지 않으면 색림 착표면 온도와 증발 잠열이 각각 1.9K와 48.9W/m2 저평가될 것으로 예상된다.

4.3 향후 개선 방향

결합 호수 모델의 지구 시스템 모델도 호수와 육지 간의 구름 차이를 고려하지 않았다.현재 결합모드 비교계획 6단계(CMIP6)에 참여하는 지구 시스템 모델 중 호수의 물리적 과정을 고려한 모델은 개별 모델뿐이며, CESM(Community Earth System Model)만이 전 세계 호수 시뮬레이션 결과(Danabasoglu等，2020), 그 육면 과정 모델인 CLM (Community Land Model) 은 차격자 기술로 밑받침면의 이질성을 표징한다(Lawrence等，2019）。그러나 이 모델은 혼합 고도의 가설을 바탕으로 같은 격자점에서 각종 지표 단원 (예를 들어 호수, 식생, 도시, 농경지, 빙하) 의 대기 복사 강박이 같다고 판단한다 (李旭辉，2024), 호수와 육지 사이의 구름 차이로 인한 방사능 수지 차이를 무시했다.앞으로 관측을 강화하고 모델을 개선하는 두 가지 측면에서 이 문제를 해결해야 한다.우선, 호수의 방사능 수지 관측을 강화하고 다원 위성 관측과 결합하여 호수 육운량의 대비 특징과 방사능 수지에 대한 영향을 더욱 객관적으로 묘사한다.둘째, 보조 메쉬 양방향 육-가스 결합과 같은 시나리오를 사용하여 모델 기술을 개선합니다 (Liu等，2024), 호수와 육지 사이의 구름 차이와 관련된 물리적 과정을 더욱 사실적으로 표징함으로써 호수가 국지 날씨와 지역 기후에 미치는 영향을 더욱 정확하게 모의한다.

5결론

이 글은 Sentinel-5P 클라우드 제품을 바탕으로 ERA5와 ERA5-Land를 결합하여 데이터를 재분석하고 여름과 가을 두 계절 중국 5개 호수 지역의 호수와 그 인근 육지 클라우드 차이( CF)의 시공 구조, 영향 요소와 물리적 과정을 분석했다.주요 결론은 다음과 같습니다.
(1) 2019년-2023년, 5개 호수지역의 CF계절변화특징이 비슷하여 모두 여름과 가을 두 계절의 호수구름량이 린근륙지구름량보다 낮은것으로 나타났는데 TPL과 IMXL호수지역이 가장 뚜렷했다. 여름철 청해호, 나무착과 아야크쿠무호의 구름량은 각각 린근륙지보다 8.79%, 7.47%, 6.74% 낮았다.
(2) 호수 면적은 호수와 육지의 구름량 차이에 영향을 주는 주요 형태 인자로서 5개 호수 지역에서 모두 CF와 현저한 마이너스 관계를 가진다.NPML（R=-0.95，P＜0.01）、YGPL（R=-0.70，P＜0.01）및 TPL 호수 지역(R=-0.60, P<0.01)이 더 중요합니다.호수의 면적이 클수록 육지가 호수에 비해 감열통량이 높고 호풍이 강할수록 호수에는 구름이 되기 어렵다.호수 면적의 주요 통제를 받고, CF는 호수 부피와도 현저한 마이너스 관계를 보인다.TPL 호수 지역을 제외한 다른 호수 지역의 CF는 호수의 평균 깊이와 큰 관련이 없습니다.
（3）湖风发生会放大湖陆云量差异，色林错、呼伦湖和太湖夏季湖风期的∆CF较非湖风期显著下降，以色林错最明显（湖风期∆CF=-6.04%，非湖风期∆CF=2.54%）。在有利的大尺度环流背景下，湖风发生时两种流场配置（一：湖面低空辐散、高空辐射；二：湖面辐散、邻近陆地辐合）的下沉气流均抑制湖上成云，且配置二下的∆CF差异较配置一更显著，兴凯湖（-25.93%）和色林错（-14.03%）的∆CF值分别较配置一时的结果降低了9.09%和9.76%。

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

더 읽기

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