Anterior|Próximo

Análise dos padrões espaço-temporais e fatores influentes das diferenças de nebulosidade entre lagos chineses e terras adjacentes baseada em Sentinel-5P — estudo nas estações de verão e outono

  • 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

Resumo

Esclarecer os padrões espaço-temporais das diferenças de nebulosidade entre lagos límpidos e as terras adjacentes, os fatores influentes e os processos físicos é fundamental para revelar as diferenças de radiação entre lago e terra e justificar o uso de dados de observação terrestre para dirigir modelos lacustres. Este artigo baseia-se em dados de nebulosidade Sentinel-5P de 2019 a 2023, combinados com dados de reanálise ERA5 e ERA5-Land, para analisar as diferenças de nebulosidade (∆CF) entre 334 lagos da China e as terras adjacentes durante as estações de verão e outono, examinando padrões espaço-temporais, fatores influentes e processos físicos. Os resultados mostram: (1) Cinco áreas lacustres apresentam em ambas as estações verão e outono a característica de nebulosidade do lago inferior à das terras adjacentes (∆CF < 0), mais evidente nas regiões de lagos do Planalto Tibetano e Mongólia Xinjiang. (2) ∆CF apresenta uma correlação negativa significativa com a área do lago, sendo mais pronunciada na região das planícies nordeste-montanha (R = -0,95, P < 0,01). Exceto na região dos lagos do Planalto Tibetano, a correlação negativa entre ∆CF e a profundidade média do lago não é significativa nas demais regiões. (3) Durante a ocorrência do vento lacustre, o fluxo descendente sobre a superfície do lago inibe a formação de nuvens, ampliando a diferença da nebulosidade entre o lago e as terras adjacentes, especialmente no Lago Serling Tso, onde a configuração do campo de fluxo com divergência sobre o lago e convergência sobre as terras adjacentes resulta em menor nebulosidade sobre o lago. Esses resultados indicam que ignorar a diferença de nebulosidade entre lago e terra e usar apenas dados de radiação terrestre para dirigir modelos lacustres subestimará a temperatura da superfície do lago e a taxa de evaporação, um viés mais evidente durante o período de vento lacustre no Planalto Tibetano.

Palavras-chave

Sentinel-5P; diferença de nebulosidade lago-terra; fator morfológico; vento lacustre; configuração do campo de fluxo

1 Introdução

Os lagos são uma parte importante do sistema climático da Terra e desempenham um papel importante nas mudanças climáticas locais e regionais.Adrian等，2009；Woolway等，2020）。 Em comparação com a terra, os lagos têm grande capacidade térmica, baixa reflexão e pequena rugosidade (Subin等，2012Essas propriedades biofísicas únicas alteram o equilíbrio energético da superfície e o ciclo da água, resultando em efeitos climáticos de lagos.Crosman和Horel，2010；Long等，2007；Woolway等，2019；Wang等，2023）。 A simulação numérica é o meio mais eficaz para estudar os efeitos climáticos dos lagos e analisar seus processos físicos.Subin等，2012；戴永久 等，2018）。 Devido à falta de dados de observação da superfície do lago, os estudos atuais geralmente usam modelos orientados por dados de observação de radiação em locais terrestres ao redor do lago (Guo等，2019；Lazhu等，2016；Ma等，2016）。 Essa abordagem implica uma hipótese de que a superfície do lago recebe a mesma radiação de ondas curtas e de ondas longas que a terra vizinha, assumindo que a superfície do lago possui a mesma quantidade de nuvens que a terra vizinha. No entanto, essa hipótese ainda está a ser validada pelos dados observacionais.
Tecnologia de teledetecção revertendo o ambiente hídrico dos lagos ao mesmo tempo (段洪涛 等，2022；苏雅楠 等，2024；Pi等，2022dados que apoiam as hipóteses acima (Wu等，2024）。Ackerman等（2013）Um estudo com dados do AVHRR (Advanced Very High Resolution Radiometer) descobriu que as nuvens nos cinco Grandes Lagos da América do Norte no verão de 1978-2021 foram menores do que nas terras vizinhas.Tian等（2022）Os dados do satélite GOES-16 (Geostationary Operational Environmental Satellite) revelaram que as águas abertas das Grandes Planícies do sul dos Estados Unidos são 4% menos frequentes durante a tarde do que as cidades vizinhas.Yao等（2023）Usando dados do Himawari-8, os estudos descobriram que grandes lagos, como o calamito do Altiplano Tibetano, apresentam um fenômeno de "buracas de nuvem" durante o verão, com até 30% menos nuvens do que as terras vizinhas. Observações de detecção remota confirmaram diferenças entre os lagos e a terra vizinha, que geralmente se manifestam como nuvens diurnas mais baixas durante o verão do que nas terras vizinhas. No entanto, os estudos se concentraram em lagos individuais ou em um grupo de lagos, e as diferenças entre as características contrastantes das nuvens de lagos terrestres em diferentes zonas climáticas ainda não estão claras.
A circulação do vento do lago é o principal processo físico que faz com que os lagos tenham menos nuvens durante o dia do verão do que as terras vizinhas. Durante o dia, o aquecimento da água do lago é mais lento do que na terra, formando a baixa temperatura do lago e a alta temperatura da terra, e o ar da camada baixa flui da superfície do lago para a terra, formando o vento do lago. Apresentando a configuração do campo de fluxo de radiação em baixa altitude e radiação em alta altitude sobre o lago, o fluxo de ar afundante inibe a formação de nuvens acima do lago (Yao等，2023）。 As diferenças de nuvem em terra e lago, além de serem afetadas pelo campo de fluxo no lago, também estão relacionadas ao campo de fluxo em terra vizinha. Nos grandes lagos da parte do planalto do Tibete, também existem características de configuração de radiação de baixa altitude na superfície do lago e combinação de baixa altitude na margem do lago, levando ao surgimento de "buracas de nuvem" no lago, ao mesmo tempo que aparecem "anéis de nuvem" na terra vizinha.Yao等，2023Aumenta ainda mais a diferença de nuvens no lago. No entanto, não está claro como o campo de fluxo está configurado quando o vento do lago ocorre em outras zonas climáticas e como isso afeta as diferenças nas nuvens do lago e do solo.
Além das diferenças térmicas entre os lagos e a terra, a ocorrência e o desenvolvimento do vento do lago também estão relacionados com as características morfológicas do lago (Crosman和Horel，2010）。Yao等（2023）O estudo descobriu que as características de contraste entre a "caverna de nuvem" do lago e o "anel de nuvem" terrestre na área do planalto do Tibete são mais óbvias, o que significa que quanto maior a área do lago, mais forte o vento do lago. Além disso, os ventos de lago ocorrem com maior frequência em lagos de água profunda maiores do que em lagos rasos menores (Sills等，2011；Mariani等，2018Lagos como o Lago Michigan (área: 58.030 km, profundidade média: 84 m) e o Lago Ontário (área: 19.000 km, profundidade média: 85 m) têm uma frequência de 41% durante todo o ano.Laird等，2001 (30 por cento)Comer和McKendry，1993 (2.400 km, profundidade média: 1,9 m; frequência: 23%)Wang等，2017Grande Lago Salino (área: 4.400 km, profundidade média: 4,9 m; frequência: 6-15%)Zhang等，2024Lago Okichobi (área: 1.900 km, profundidade média: 2,7 m; frequência: 5-17%)Segal等，1997Lago Eufora (área: 410 km, profundidade média: 7 m; frequência: 11%)Segal等，1997lagos de água rasa. No entanto, a relação entre as diferenças de nuvens de terra e lago em diferentes zonas climáticas da China e as características morfológicas dos lagos ainda está a ser analisada.
Para isso, este artigo analisou 334 lagos com uma área de mais de 40 km na China, usando dados de nuvem do Sentinel-5P de 2019 a 2023, com base no GEE (Google Earth Engine, em inglês). [2025-02-01]) A plataforma extrai em lote nuvens de lagos e terras vizinhas. Em primeiro lugar, analisaram o padrão espacial-temporal das diferenças de nuvens entre os cinco lagos da China; Em segundo lugar, foi calculada a relação quantitativa entre as diferenças de nuvens de terra e lago em cada região dos lagos e os fatores morfológicos dos lagos; Por fim, a escolha de um lago típico em cada região do lago estudou o efeito da configuração do vento do lago e do campo flutivo sobre as diferenças de nuvens no lago. O objetivo é fornecer uma base científica para determinar o padrão espacial-temporal das diferenças de nuvem entre os lagos e a terra, revelar os principais fatores que afetam essas diferenças e os principais processos físicos e quantificar os efeitos das diferenças de radiação entre os lagos e a terra.

2 Área de Pesquisa e Métodos

2.1 Área de pesquisa

Os 334 lagos selecionados para este estudo foram distribuídos em cinco regiões de lagos: a região de lagos da planície oriental (EPL, 99), a região de lagos de Monxin (IMXL, 37), a região de lagos da planície do Tibete (TPL, 159), a região de lagos da planície nordeste-montanha (NPML, 26) e a região de lagos da planície de Yungui (YGPL, 13).Ma等，2011）（Fig. 1）。 Para explorar o impacto do vento do lago e da configuração do campo flutuante sobre as diferenças de nuvens em terra e lago, escolheu-se um lago típico em cada região do lago para uma análise de caso. Considerando a grande área, escolha lagos com terreno mais plano como lagos típicos (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 Dados e métodos

2.2.1 Adquisição e processamento de dados em nuvem

Este artigo usa dados da nuvem Sentinel-5P da Agência Espacial Europeia (［2025-02-01］）。 O Sentinel-5P foi lançado em 2017 e o serviço de download de dados começou a ser oferecido em 2018. O instrumento de monitoramento troposférico TRPOMI (Tropospheric Monitoring Instrument) do satélite não só pode observar traços de gases como NO2 e O3 estreitamente relacionados com a atividade humana, mas também reforça a observação de nuvens e aerossóis. O satélite transitou às 13h30 hora local, perto do momento em que o vento do lago mais forte ocorreu. A largura da imagem é de 2.600 km, com cobertura global, resolução espacial de 1 km x 1 km e resolução temporal de 1 d (Compernolle等，2021）。 A nuvem de Sentinel-5P é uma fração de nuvem radiométrica efetiva, ou seja, a nuvem que corresponde quando o padrão calculado de reflexão do topo da atmosfera corresponde aos valores observados.Loyola等，2018）。 Os níveis elevados e baixos de radiação estão associados à espessura óptica da nuvem, e os algoritmos de transmissão de radiação geralmente subestimam as nuvens finas com pequena espessura óptica, resultando em nuvens de radiação menores que as nuvens geométricas (a relação entre a área de cobertura da nuvem e a área total da superfície do solo).Compernolle等，2021）。
A precisão dos produtos em nuvem Sentinel-5P foi amplamente comprovada.Lutz等（2016）Comparando os produtos em nuvem do Sentinel-5P e do AVHRR, as características da distribuição espacial global foram consistentes, com uma diferença média de <20%. Além disso,Compernolle等（2021）Três produtos de nuvem foram avaliados em latitudes médias e baixas: Sentinel-5P, OMCLDO2 (OMI Cloud Product) e MODIS, e descobriram que, além das diferenças sistemáticas entre a nuvem de radiação e a nuvem geométrica, a distribuição de nuvem dos três produtos era consistente. Este artigo usa o produto de nuvem Sentinel-5P L3 fornecido pela plataforma GEE e, para garantir a confiabilidade dos dados, apenas os dados com valores de qualidade > 0,5 são mantidos.

Algoritmos de emparelhamento de nuvens de lagos e terras vizinhas baseados no GEE

Algoritmos de emparelhamento com lagos e nuvens terrestres vizinhas baseados na plataforma GEE (Lyu等，2025Extraiu em lotes automáticos a nuvem de 334 lagos e suas terras vizinhas entre 2019 e 2023. Por exemplo, o algoritmo consiste em quatro etapas (Fig. 2）。 Em primeiro lugar, crie uma zona amortecedora ao redor do Lago Taiyi com a mesma área do Lago Taiyi como terra vizinha. Em segundo lugar, os dados da Classificação de Cobertura Terrestre MODIS (MCD12Q1) foram reamostrados para 1 km x 1 km usando interpolação bilinear para corresponder à resolução do produto de nuvem Sentinel-5P. Em seguida, a triagem do tipo de uso da terra foi feita com base nos dados MCD12Q1, mantendo apenas corpos de água dentro do lago, eliminando cidades e corpos de água do amortecedor terrestre. Por fim, calcular a média de nuvens do Lago Taiyi (nuvens médias em terras vizinhas)A redução dos dois representa a diferença de nuvem em terra e lago (）。
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 Identificação e caracterização do vento do lago

O vento do lago geralmente ocorre em dias ensolarados com baixa velocidade do vento de fundo e grande diferença de calor no lago. Defina o limiar de velocidade do vento de fundo (velocidade do vento terra-rotação) em 7 m/s com base nas considerações abaixo. Primeiro,Crosman和Horel（2010）A revisão descobriu que a velocidade de rotação do vento terrestre é de 6 a 11 m/s quando o vento do mar ocorre, e recomenda-se o valor mais baixo desse intervalo para determinar o vento do lago. Em segundo lugar, quando o vento do lago ocorre nas duas estações de verão e outono, a velocidade média do vento de rotação terrestre é próxima de 7 m/s (Wang等，2017）。 Além disso,赵乐鋆等（2025）A descoberta de que a velocidade do vento terrestre < 4,3 m / s é aplicável à distinção do vento do lago Yanyang, a velocidade do vento terrestre correspondente à velocidade do vento de rotação terrestre entre 5-9 m / s (Resio和Vincent，1977O valor médio é de 7 m/s. Velocidade do vento (diferença de temperatura da superfície do lago) (e velocidade vertical sobre o lago)Três variáveis para distinguir o vento do lago. As condições de julgamento são as seguintes:
1) Sem chuva no mesmo dia;
(2) Velocidade do vento de fundo durante a passagem do Sentinel-5P e 1 h antes e depois, a 2500 m acima do lago＜7 m/s；
(3) Diferença entre a temperatura da superfície terrestre vizinha e a temperatura da superfície do lago durante a passagem do Sentinel-5P e 1 h antes e depois＞0.5 ℃；
Velocidade vertical sobre o lago durante a passagem do Sentinel-5P > 0 (afundamento).
Determinar a velocidade de fundo do vento do lagoCalculado a partir da velocidade do vento latitudinal u e da velocidade do vento longitudinal v, as composições da velocidade do vento u, v, ω e a dispersão na análise do campo de fluxo são obtidas a partir dos dados da reanálise atmosférica do ERA5.［2025-02-01］）。 O ERA5 é a quinta geração de dados reanalíticos publicados pelo Centro Europeu de Previsão Meteorológica de Médio Plaço (ECMWF). Sua resolução espacial é de 0,25° x 0,25°, com um intervalo de tempo de janeiro de 1940 até hoje, dividido em 37 camadas na direção vertical.Hersbach等，2020）。 A precisão do produto de velocidade do vento ERA5 foi confirmada por dados de observação terrestre e espacial (Fan等，2021e é amplamente utilizado na análise das características do contorno da velocidade do vento (Hallgren等，2024；Rubio等，2024）。
Determinar a diferença de temperatura da superfície do lago usado pelo vento do lagoOs campos eólicos de 10 m de altura (u10 e v10), bem como os fluxos sensíveis ao calor dos lagos e das terras vizinhas são provenientes da ERA5-Land (［2025-02-01］）。 O ERA5-Land é o produto de reanálise de escala de queda do ERA5 em terra global, com resolução espacial aumentada para 0,1°0,1°, com uma resolução temporal de 1 h. O modelo de lago de água doce Flake, acoplado ao seu modelo de processo terrestre HTESSEL (Hydrology Tiled ECMWF Scheme for Surface Exchanges over Land), para simular o processo térmico do lago, é o único produto de reanálise terrestre conhecido para fornecer variáveis ​​do lago. A temperatura da superfície, os dados da velocidade do vento de 10 m e o fluxo de energia no ERA5-Land foram amplamente verificados.Muñoz-Sabater等，2021；Wang等，2022；Fatolahzadeh Gheysari等，2024）。

3 Resultados e análise

3.1 Diferenças nas nuvens do lago

Fig. 3As características das variações sazonais das diferenças de nuvem entre os cinco lagos da China em 2019 e 2023 (CF). Nota-se que em três regiões de lagos (TPL, IMXL e NPML) onde existem lagos congelados e nevados, o inverno e a primavera apresentam nuvens significativamente maiores do que as nuvens terrestres vizinhas ( ( (CF (0).Fig. 3—（c））。 Considerando a interferência da neve na nuvem invertida da Sentinel-5P (Compernolle等，2021As análises posteriores se concentraram apenas nas estações de verão (junho-agosto) e outono (setembro-novembro).
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

As diferenças de nuvens de lagos e terras em cinco regiões de lagos são semelhantes às variações sazonais ao longo dos cinco anos, com as regiões de lagos TPL, IMXL e EPL com nuvens significativamente menores do que as de terras vizinhas (teste t, P<0,05), e as regiões de lagos NPML e YGPL com nuvens significativamente menores do que as de terras vizinhas apenas no verão (teste t, P<0,01). Por exemplo, em 2022, entre junho e novembro, a CF da região dos lagos TPL varia de -1,99% a -1,12%, com o mínimo em setembro (-1,99%). A CF da região de lagos IMXL varia de -1,34% a -0,39%, com o mínimo em junho (-1,34%). A CF OO YGPL, EPL e NPML foram de -0,62% a 0,13% em três regiões de lagos, com os valores mais baixos em agosto (-0,60%), julho (-0,41%) e julho (-0,62%), respectivamente. No verão, os lagos têm menos nuvens do que a terra em comparação com o outono. Há diferenças no ano em que os valores mínimos de OsOs Os valores mínimos de OsOs Os valores mínimos de HáHá Há diferenças no ano em cinco anos em cada região de lagos. Os mínimos de OsOs ΔCF para IMXL, YGPL e EPL Lake Region ocorreram em 2021, em -1,40%, -1,08% e -0,62%, respectivamente, enquanto os mínimos de ΔCF para NPML e TPL Lake Region ocorreram em 2019 (-0,79%) e 2022 (-1,99%), respectivamente.
Há diferenças significativas entre a nuvem em 210 (63%) e 204 (61%) lagos nas estações de verão e outono (teste t, P<0,05), respectivamente, que mapeam a distribuição espacial da média AA A ACF em cinco regiões de lagos entre 2019 e 2023.Fig. 4）。 No geral, 191 lagos (91%) e 182 lagos (89%) tiveram uma nuvem significativamente menor em relação às terras vizinhas. No verão, o fenômeno NoNo No verão, o fenômeno de NoNo No No <0 é mais evidente nas regiões de lagos TPL e IMXL (Fig. 4As médias de CF foram de -0,95% e -1,16%, respectivamente, especialmente no lago Qinghai (-8,79%), na falha de nanomadeira (-7,47%) e no lago Ajakumu (-6,74%). As nuvens de lagos individuais também são significativamente mais elevadas em duas regiões de lagos do que em terras vizinhas, como o Lago Horuson do Norte (AsAs As As As nuvens do lago Horuson do Norte (AsAs As As As As As As regiões de lagos) e o reservatório Manas (AsAs As CF As nuvens do Lago Manas (AsAs CF As nuvens do Lago As nuvens do Lago Manas (< Em comparação com as regiões de lagos TPL e IMXL, as regiões de lagos EPL, YGPL e NPML apresentam menor proporção de lagos EmEm Em Em Em comparação com as regiões de lagos TPL e IMXL, o número de lagos em regiões de lagos EPL, YGPL e NPML Os</i CF CF <0 é menor e a diferença de nuvem As regiões de lagos EPL, YGPL e NPML tiveram 44%, 38% e 25% de lagos OsOs Os valores médios de OsOs Os Os valores médios de OsOs Os Os Os valores médios de OsOs Os Os valores mais baixos de OsOs Os Os Os valores mais baixos de OsOs Os Os Os valores mais baixos Os valores mais baixos de AsmédiaOs valores mais baixos Os valores mais baixos de Osvalores mais baixos Os valores mais baixos de < Osvalores mais baixos de <i de Asmédias médias foram de - Distribuição espacial das diferenças de nuvens no outono (Fig. 4É semelhante ao verão, mas nas regiões de lagos TPL e IMXL, os lagos com baixos valores de OsOs Os resultados de verão diferem. Na região dos lagos TPL, os baixos valores de outono OsOs Os CF ocorreram no erro de Nano (-7,58%), no Lago Hara (-6,83%) e no Lago Oren (-6,82%). Na região dos lagos IMXL, os valores mais baixos foram observados nos lagos Ajakkumu (-6,43%), Seirimu (-5,12%) e Ajakkul (-4,03%). Nas três regiões de lagos EPL, YGPL e NPML, os valores mínimos do outono OsOs Os mesmos lagos do verão são encontrados no outono NoNo No No No Os mesmos que no verão: o lago Tai (-2,32%), o lago Tsingkai (-1,16%) e o lago Shingkai (-3,69%).
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 Relação entre as diferenças de nuvens e as características morfológicas dos lagos

A diferença média de nuvens no lago durante as duas estações de verão e outono de 2019 a 2023 está relacionada com os fatores morfológicos do lago (área, profundidade média e volume).Fig. 5mostrado. As diferenças de nuvem em terra e lago em cinco regiões de lagos foram significativamente negativamente relacionadas com a área do lago, ou seja, com o aumento da área do lago, a nuvem do lago é menor do que a terra vizinha. No verão, a correlação negativa foi mais significativa na região de lagos NPML (R=-0,95, P<0,01), seguida pela região de lagos YGPL (R=-0,70, P<0,01) e TPL (R=-0,60, P<0,01), e a correlação diminuiu na região de lagos EPL (R=-0,53, P<0,01) e IMXL (R=-0,32, P<0,01). Semelhante ao verão, o outono ΔCF tem uma correlação significativamente negativa com a área do lago, mas a correlação diminuiu, com coeficientes de correlação de -0,88 (P<0,01), -0,70 (P<0,01) e -0,51 (P<0,01) para a região do lago NPML, YGPL e TPL, respectivamente, e -0,19 (P<0,05) e -0,34 (P<0,01) para a região do lago IMXL e EPL, respectivamente. Além da região de lagos TPL, nenhuma das regiões de lagos NenNenCF ExcExceptoa região de lagos TPL tem uma correlação significativa com a profundidade média do lago. Dependendo da área do lago, a AA CF tem uma correlação significativamente negativa com o volume do lago, mas o coeficiente de correlação é menor do que a área do lago. No verão, a correlação negativa com o volume do lago é mais significativa na região de lagos NPML (R=-0,69, P<0,01), seguida pela região de lagos TPL (R=-0,52, P<0,01) e pela região de lagos YGPL (R=-0,40, P<0,01). No outono, a correlação negativa foi mais significativa na região dos lagos NPML (R=-0,63, P<0,01), seguida pela região dos lagos YGPL (R=-0,49, P<0,01), pela região dos lagos TPL (R=-0,45, P<0,01) e pela região dos lagos IMXL (R=-0,35, P<0,01), e não significativa na região dos lagos EPL (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

A relação negativa entre ΔCF e a área do lago foi analisada a partir da perspectiva da diferença térmica do lago. Considerando a resolução espacial do ERA5-Land (0,1°0,1°), então escolha os lagos com uma área > 100 km para a análise. Como as regiões de lagos NPML (6) e YGPL (3) têm menos lagos com uma área > 100 km, somente as outras três regiões de lagos são apresentadas aqui. No verão de 2020, por exemplo, nas regiões de lagos TPL, IMXL e EPL, o ΔCF de cada lago difere do fluxo térmico sensível do lago terrestre.（A correlação é negativa e significativa nas regiões de lagos TPL (R=-0,40, P<0,05) e EPL (R=-0,47, P<0,05). Dentro da mesma região do lago, a diferença de fluxo térmico sensível ao lago na terra ΔH aumenta à medida que a área do lago aumenta. TPL（R=0.33，P＜0.05）、IMXL（R=0.52，P＜0.05） Tanto a EPL (R=0,53, P<0,01) como a região dos lagos são significativas. Os resultados do outono são semelhantes aos do verão. Isso significa que, dentro da mesma região do lago, quanto maior a área do lago, maior a inércia térmica, durante o dia o aquecimento do lago mais lento do que a terra vizinha, maior o fluxo de calor sensível da terra em comparação com o lago, maior a diferença de calor, maior o vento do lago, maior o movimento de afundamento da superfície do lago correspondente, mais difícil para as nuvens. Isso concorda com a conclusão de que o vento do lago aumenta com o aumento da área do lago (Crosman和Horel，2010；Yao等，2023）。

3.3 Efeito do vento do lago na diferença de nuvens

As características morfológicas do lago alteram as diferenças de nuvens no lago ao influenciar o desenvolvimento do vento terrestre. Em 2019-2023, com a menor taxa de ausência de dados de nuvem em 2020 (2%), os dados do ano foram selecionados para identificar ventos de lago em cinco lagos típicos e analisar o impacto e o processo do vento de lago nas diferenças de nuvem em diferentes regiões de lagos. Resultados estatísticos com base nas condições de distinção descritas na secção 2.2.3Table 2Visível: o maior número de dias de vento do lago ocorre no Lago Taihu em 2020 (Verão: 23 d, Outono: 39 d); Em seguida, o erro de Selene (Verão: 19 d, Outono: 4 d), o lago de Churan (Verão: 12 d, Outono: 10 d) e o lago de Churan (Verão: 11 d, Outono: 9 d); O vento do lago ocorre apenas em 13 dias no lago Xingkai (verão: 9 dias, outono: 4 dias). Além do lago, o vento do lago ocorre principalmente no verão. Embora o fenômeno EmbEmborao fenômeno EmboraEmbora o fenômeno EmboraEmbora o fenômeno EmbEmbEmborao fenômeno EmbEmbEmbEmborao fenômeno ΔCF <0 não se observe em todos os dias do período do lago, o fenômeno ΔCF <0 ocorre em

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
Para evitar que as diferenças na amostra interferam com os resultados da análise, primeiro selecione as datas de ocorrência do vento do lago em cada lago e, em seguida, selecione períodos de vento não do lago com o mesmo número de dias perto da data de ocorrência do vento do lago para analisar se a ocorrência do vento do lago aumentará a diferença na nuvem do lago e terra.Fig. 6 . porFig. 6Conhecido: a média ΔCF no período de ventos lacustres de verão foi de -6,04%, significativamente menor (teste t, P<0,01) do que o resultado no período de ventos não lacustres (2,54%); Os valores médios de ΔCF no período do vento do lago foram -1,24% e -3,71%, respectivamente, e também significativamente menores (teste t, P<0,05) do que os resultados no período do vento não do lago (2,98%, 1,04%); Embora as médias de OsOs Os valores médios do CF do lago e do lago de Xinkai e do lago do lago (-3,64%, -1,98%) também sejam inferiores aos resultados do período do vento não-lago (0,08%, -1,69%), a diferença não é significativa (P=0,23, P=0,08). porFig. 6No outono, com exceção do Lago Horon, as médias do período de vento do lago em quatro outros lagos foram inferiores às médias do período de vento não-lago, mas não houve diferenças significativas.
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

Para analisar a configuração do campo de fluxo durante a ocorrência do vento do lago, um perfil latitudinal-vertical da dispersão sobre o lago típico durante a ocorrência do vento do lago em 2020 foi traçado.Fig. 7、Fig. 9 (e mapas de campos eólicos perto do solo)Fig. 8、Fig. 10）。 É importante ressaltar que, devido à pequena área da bacia (298 km2), sua configuração de campo de fluxo é difícil de mostrar em resoluções espaciais ERA5 e ERA5-Land. A análise de perfil de dispersão no momento em que o vento do lago ocorre, descobriu que há duas configurações de campo de fluxo no momento em que o vento do lago ocorre no erro de Selim e no lago Xingkai (Fig. 7、Fig. 9e o lago Hulun e o lago Taihu têm apenas uma configuração de campo flutivo quando o vento do lago ocorre (Fig. 9）。 Os primeiros campos flutuantes do lago Silent Error e Xingkai são configurados para a radiação da camada baixa da superfície do lago e a radiação da camada alta (Fig. 7）。 Por exemplo, no dia 13 de agostoFig. 7Existe uma radiação significativa de fluxo de ar abaixo de 900 hPa acima da superfície do lago, e acima dessa altura é a radiação de fluxo de ar, quando o campo de fluxo do solo do lago aponta para a terra circundante, apresentando características significativas do vento do lago. O fluxo de afundamento acima do lago inibiu a formação de nuvens, com 34,70% e 51,54% de nuvens no lago e na terra vizinha, respectivamente, e uma diferença de nuvens no lago e na terra de -16,84%.
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）

A análise revelou que o erro de Saline e a primeira configuração do campo de fluxo do lago Xingkai foram controlados por um contexto de circulação em grande escala. Em 30 de agosto de 2020, houve uma circulação anticiclónica significativa em altitudes elevadas (300 hPa) e em altitudes baixas (550 hPa), principalmente afetada pela espinha de alta pressão local. Neste momento, o anticiclónio de alta altitude, acompanhado de uma forte radiação, faz com que o ar se acumule em altitudes erradas, forçando o ar a afundar. O movimento de afundamento se estende do alto para baixo, causando o aumento da pressão atmosférica da camada baixa, formando a radiação da camada baixa. Em 13 de agosto de 2020, o lago Xingkai foi controlado localmente pela espinha de alta pressão em alta altitude (850 hPa) e perto do solo (1000 hPa), com sistemas de baixa pressão locais em ambos os lados leste e oeste. Da mesma forma, a circulação anticiclónica sobre o lago Xingkai sob o controle da espinha de alta pressão faz com que o ar se irradie, a corrente de ar afunde e passe para perto do solo, a pressão baixa aumenta e o ar se espalha. A configuração de alta e baixa de dois lagos como "radiação em alta altura → afundamento da corrente de ar → radiação em camada baixa" contribuiu para o clima ensolarado, criando condições de circulação favoráveis para a formação do vento do lago.
Além da segunda configuração de campo de fluxo, outro tipo de campo de fluxo que ocorre quando o vento do lago Shingkai ocorre é a radiação da superfície do lago e a radiação da superfície terrestre vizinha. Israel, como exemplo errado, quando o vento do lago ocorreu em 3 de julhoFig. 9O ar do lago afundava e se espalhava. Quando as correntes de ar baixas sopram da superfície do lago para a terra, as encostas são forçadas a subir, e os ventos de aval que sopram do vale para a encosta durante o dia promovem ainda mais o movimento ascendente. Desta forma, a subida do ar na terra vizinha, a radiação do fluxo de ar, a formação de nuvens na superfície do lago é inibida ao mesmo tempo que promove a formação de nuvens mais fáceis na terra circundante.Fig. 10Nesta altura, a nuvem na superfície do lago e nas terras vizinhas era de 14,53% e 28,56%, respectivamente, e o CF era de -14,03%. Em comparação com a primeira configuração de campo flutivo, sob essa configuração aparecem características contrastantes de "cavernas de nuvem" do lago e "anéis de nuvem" da terra vizinha. Os valores OsOs OsOs Os valores OsOs Os Os valores OsOs Os valores de OsOs Os Os valores OsOs Os Os Os Os Os valores de OsOs Os Os Os Os valores OsOs Os Os Os valores OsOs Os Os Os Os valores OsOs Os Os Os Os valores

4 Discussões

4.1 Aplicabilidade dos dados de nuvem e limiares de velocidade do vento de fundo

Embora a nuvem subestimada Sentinel-5P tenha sido confirmada pelo Instituto (Loyola等，2018；Compernolle等，2021Mas essa subestimação é mais evidente na primavera de inverno, dominada por nuvens, enquanto o estudo se concentra nas estações de verão e outono. Comparando a nuvem de radiação eficaz do Sentinel-5P com o produto de máscara de nuvem MODIS do mesmo período – MYD35_L2 – selecionando um dia no inverno e primavera de Serenity (16 de março de 2020), Lake Horon (1 de janeiro de 2020) e Lake Xingkai (12 de fevereiro de 2020). [2025-02-01]) descobriu que, embora as nuvens efetivas de radiação de Sentinel-5P sejam menores em todos os três lagos e nas terras vizinhas do que as nuvens geométricas de MODIS, as características de ΔCF > 0 no inverno e primavera dos três lagos não foram alteradas em última análise devido à subestimação semelhante dos lagos em terra. Especificamente, os resultados obtidos com base em Sentinel-5P foram de 13,85%, 3,82% e 5,58% para o ΔCF do lago Horon e do lago Xinkai, respectivamente, ligeiramente abaixo dos resultados obtidos com base em cálculos de nuvens geométricas do MODIS (17,45%, 10,44% e 9,43%).
O limite de velocidade do vento de fundo definido muito grande ou muito pequeno afeta a distinção do vento do lago. A análise da sensibilidade dos dias do vento do lago à mudança do limiar de velocidade do vento de fundo (5-9 m/s) descobriu que, quando o limiar de velocidade do vento de fundo mudou de 5-7 m/s, não houve diferença significativa no número de dias do vento do lago identificados por cinco lagos típicos; Quando o limiar é definido em 8 m/s, o número de dias de vento do lago aumenta drasticamente. No lago Éter, por exemplo, quando a velocidade do vento de fundo é de 5 a 7 m/s, o número de dias do vento do lago varia entre 39 a 62 dias, com frequências (21 a 34%) próximas das observações terrestres (22,6%).Wang等，2017）。 Quando a velocidade do vento de fundo foi definida para 8 m/s, o número de dias do vento do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago do lago Por outro lado, o limiar de velocidade do vento de fundo é muito pequeno, o número de dias de vento do lago é muito baixo e a redução do volume de amostra aumenta a incerteza da análise estatística. Por exemplo, no Lago Horon, quando o limiar é de 5 m/s, o número de dias de vento do lago é de apenas 4 d. Assim, combinando as conclusões de estudos anteriores e os resultados dos testes de sensibilidade, é razoável definir o limiar de velocidade do vento de fundo para 7 m/s neste artigo.

4.2 Negligenciar os potenciais efeitos das diferenças de nuvem em terra e lago

Ignorar as diferenças de nuvens em terra e lago pode causar erros na simulação da temperatura da superfície do lago e da taxa de evaporação. As nuvens reduzem a radiação de ondas curtas que chega à superfície e aumentam a radiação de ondas longas que chega à superfície.Wild等，2019；张华 等，2022；Wang等，2024Como a redução da radiação de ondas curtas é maior do que o aumento da radiação de ondas longas, o efeito líquido das nuvens é enfraquecer a força de radiação atmosférica da superfície.Wang等，2021）。 Uma nuvem menor durante o dia do que a terra vizinha significa que a superfície do lago recebe mais radiação do que a terra vizinha, e se os dados de observação de radiação terrestre são usados ​​para conduzir o modelo do lago, há o risco de subestimar a temperatura da superfície do lago e a taxa de evaporação do lago, o desvio da simulação é mais evidente no verão nas regiões de lagos TPL e IMXL. Por exemplo, o fenômeno da "caverna de nuvem" de Israel faz com que a emissão de radiação de ondas curtas na superfície do lago durante a estação quente (maio-setembro) seja 106 W/m2 maior do que a das terras vizinhas, enquanto a radiação de ondas longas é apenas 1 W/m2 menor do que a das terras vizinhas.Yao等，2023）。 Sem considerar as diferenças entre os lagos e terras, espera-se que a temperatura da superfície e o calor potencial de evaporação sejam subestimados em 1,9 K e 48,9 W/m, respectivamente.

4.3 Direções para melhorias futuras

Os padrões do sistema terrestre acoplados ao modelo de lagos também não levam em consideração as diferenças de nuvens entre os lagos. Atualmente, entre os modelos do sistema terrestre envolvidos na Fase VI do Programa de Comparação de Modelos Acoplados (CMIP6), apenas modelos individuais consideram os processos físicos dos lagos e apenas o CESM (Community Earth System Model) compartilha os resultados da simulação global de lagos.Danabasoglu等，2020O seu modelo de processo terrestre CLM (Community Land Model) utiliza a técnica de sub-grade para caracterizar a heterogeneidade do revestimento sob (Lawrence等，2019）。 No entanto, o modelo baseia-se na hipótese de altura de mistura, que sugere que a força de radiação atmosférica é a mesma em várias unidades da superfície (por exemplo, lagos, vegetação, cidades, terras agrícolas, geleiras) no mesmo ponto de grade.李旭辉，2024Ignora-se a diferença de rendimento de radiação causada pela diferença de nuvem entre os lagos e a terra. No futuro, esse problema deve ser resolvido tanto em termos de melhoria das observações quanto de melhoria dos modelos. Primeiro, reforçar a observação do saldo de radiação na superfície dos lagos e, em combinação com observações de satélite de múltiplas fontes, descrever de forma mais objetiva as características contrastantes da nuvem do lago e do solo e seu impacto no saldo de radiação. Em segundo lugar, a adoção de programas de acoplamento bidirecional terra-gás para melhorar a tecnologia de modelo (Liu等，2024Caracterizar de forma mais realista as diferenças de nuvens entre os lagos e a terra e os processos físicos associados, simulando assim com mais precisão o impacto dos lagos no clima local e no clima regional.

5 Conclusões

Com base no produto de nuvem Sentinel-5P, em combinação com dados de reanálise ERA5 e ERA5-Land, este artigo analisa o padrão espacial-temporal, os fatores de impacto e os processos físicos das diferenças de nuvem terrestre (OO O O O Este artigo, baseado no produto de nuvem Sentinel-5P, combinado com dados de reanálise ERA5 e ERA5-Land, analisa os padrões espaciotemporais, fatores de impacto e processos físicos das diferenças de As principais conclusões são as seguintes:
(1) De 2019 a 2023, as características de variação sazonal AsAs As As características semelhantes das cinco regiões de lagos são semelhantes, mostrando-se em duas estações de verão e outono com menos nuvens do lago do que as nuvens terrestres vizinhas, com TPL e IMXL mais evidentes nas regiões de lagos TPL e IMXL, com 8,79%, 7,47% e 6,74% menos nuvens do que as nuvens terrestres vizinhas no verão no lago Qinghai, Naomi Misu e Ajak Kumu, respectivamente.
(2) A área dos lagos é o principal fator morfológico que afeta as diferenças de nuvens em terra e lagos, com uma correlação negativa significativa com o ( (c cCF em todas as cinco regiões de lagos. NPML（R=-0.95，P＜0.01）、YGPL（R=-0.70，P＜0.01） A região do lago TPL (R=-0,60, P<0,01) é mais significativa. Quanto maior a área do lago, maior o fluxo de calor da terra do lago, mais forte o vento do lago, mais difícil é a formação de nuvens no lago. Dependendo da área do lago, o OO ΔCF também tem uma correlação significativamente negativa com o volume do lago. Outras regiões de lagos, com exceção da região TPL, não tiveram correlação significativa com a profundidade média do lago.
(3) a ocorrência do vento do lago aumenta a diferença de nuvens do lago e do solo, o erro do bosque, o período do vento do lago de verão do Lago Horon e do Lago Taihu diminuiu significativamente do que o período do vento não do lago, o erro do bosque de Israel é mais evidente (o período do vento do lago (i O O O O período do vento do vento do lago CF = -6,04%, o período do vento não do lago CF = -2,54%). Em um contexto de circulação de grande escala favorável, o fluxo de afundamento de duas configurações de campo de fluxo (1: radiação baixa na superfície do lago, radiação alta na superfície do lago; 2: radiação na superfície do lago, radiação terrestre vizinha) durante a ocorrência do vento do lago inibiu a formação de nuvens no lago, e as diferenças de CF EmEm Em</i OsCF sob a segunda configuração foram mais significativas do que na configuração 1, com valores de CF Em <Os valores de CF No lago Xingkai (-25,93%) e no lago Xingkai (-25,93%) e no erro cromatico (-14,03%) diminuíram em 9,09% e 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

Leia o texto completo

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