毛乌素沙地上空沙尘暴的前向轨迹及其影响范围

胡雯婕 马莉 吴秀芹 张克斌

毛乌素沙地上空沙尘暴的前向轨迹及其影响范围

胡雯婕 马莉 吴秀芹†张克斌†

北京林业大学水土保持学院, 北京 100083; †通信作者, E-mail: wuxq@bjfu.edu.cn (吴秀芹), ctccd@126.com (张克斌)

基于气象数据、MODIS 遥感影像数据和 NCEP 再分析资料, 利用 HYSPLIT 模型模拟 2000—2019 年毛乌素沙地上空不同海拔高度(500, 1000 和 1500 m)各季节沙尘暴的前向轨迹, 并与遥感影像识别出的沙尘信息进行比较, 识别毛乌素沙地沙尘暴的影响范围。结果显示: 1)在过去的 20 年中, 共有 143 个沙尘暴月和387 个沙尘暴日, 并且 2004 年以来, 毛乌素沙地发生沙尘暴的频率逐渐降低; 2)季节性气候条件对毛乌素沙地沙尘暴的移动路径有很大的影响, 春季沙尘暴发生频率较高, 秋季发生频率最低; 3)受毛乌素沙地沙尘暴影响的国内地区主要包括陕西省北部、山西省北部、河北省北部和中部、山东省北部和中部、北京市、天津市、内蒙古自治区东部以及东北三省, 国外受影响的地区有朝鲜、日本北部以及俄罗斯与我国交界处, 受影响的海域有渤海、黄海北部和日本海西北部。遥感影像与 HYSPLIT 模型的比较提供了一种对沙尘运输、扩散和沉积过程进行验证和加深了解的有效工具, 研究结果可以为防灾减灾决策及沙源地治理提供科学的参考依据。

毛乌素沙地; 沙尘识别; HYSPLIT模型; 影响区域

作为干旱半干旱地区的自然灾害之一, 沙尘暴指强风将地面大量尘沙吹起, 使空气相当浑浊, 水平能见度急剧降低至 1km 以下的天气现象[1]。按其能见度值, 可将沙尘暴分为 3 个等级: 1)沙尘暴, 0.5km≤<1.0km; 2)强沙尘暴, 0.05km≤<0.5km; 3)特强沙尘暴,<0.05km。沙尘暴的形成需具备 3个基本条件: 充足的沙源、足够强劲且持久的大风和不稳定的空气状态[2–3]。肆虐的扬沙天气给当地农业生产、社会经济、生态环境和人类健康带来严重危害, 如土壤肥力下降、农作物受损、太阳辐射减少和携带细菌病毒等病原体并大范围扩散[4]以及电信等设备受损坏[5]。沙尘暴还会导致大气能见度下降, 限制海陆空航行, 同时也增加交通事故隐患[6]。因此, 研究沙尘暴的来源、移动路径及其影响区域具有重要的现实意义, 能够为防灾减灾决策及沙源地治理提供科学依据。

世界范围的沙尘暴多发生于北非、中亚、西亚和澳洲等地区[7]。其中, 中亚是世界第二大沙尘源区[8], 我国西北地区是中亚沙尘源区的重要组成部分[9], 沙尘多由河西走廊、巴丹吉林沙漠、腾格里沙漠、毛乌素沙地、塔克拉玛干沙漠和柴达木盆地及其周边地区[2]贡献。自 20 世纪 90 年代以来, 我国华北地区沙尘暴发生频率呈下降趋势[10]。近年来, 国内外学者对世界不同地区沙尘暴的来源、频次规律和传输路径开展大量研究, 取得显著的成果。Yu 等[11]、Cao 等[12–13]和杨燕萍等[14]对亚洲、西亚和我国兰州市的沙尘来源做了分析研究。王石英等[15]基于气象资料和遥感影像数据, 结合相关研究资料, 认为阿拉善高原和河西走廊、浑善达克沙漠、塔里木盆地边缘绿洲农业区和长城–宁陕蒙农牧交错区是我国首都地区沙尘暴的主源区。Rashki等[16]和 An 等[17]分别研究了锡斯坦地区和东亚地区沙尘暴发生的频率、强度及其发生机制。张亚妮等[18]和郭萍萍等[19]先后对发生在我国北方地区的几次区域性沙尘暴天气的传输路径进行分析, 发现我国北方地区沙尘暴多由西北气流输送至东部地区。Tan 等[20]发现, 我国北京市的沙尘暴主要来源于内蒙古自治区, 通过模型计算沙尘排放通量, 发现该地区沙尘量年贡献占亚洲沙尘总量的 31%。之后, Tan 等[21]在对 1960—2010 年我国春季沙尘的排放量研究中发现, 西部戈壁和沙漠的粉尘排放量占全国总粉尘量的 86%。然而, 这些研究大部分局限于区域个例的沙尘气溶胶排放量[20]及沙尘暴来源分析, 缺乏对沙尘暴源区的影响范围分析、卫星监测数据和模型模拟相互印证的实例等研究。

作为我国沙漠化最严重的地区之一, 毛乌素沙地不仅是沙尘暴频发地, 也是我国华北地区, 特别是山西、河北及京津冀一带沙尘暴天气的加强源地。本研究基于气象数据、MODIS 遥感影像数据和 NCEP 再分析资料, 利用 HYSPLIT 模型模拟2000—2019 年毛乌素沙地上空不同海拔高度(500, 1000 和 1500m)各季节沙尘暴的前向轨迹, 并且与遥感影像识别出的沙尘信息进行比较, 确定毛乌素沙地沙尘暴的影响范围, 以期提供一种可以验证并增进对沙尘运输、扩散和沉积过程了解的有效方式, 为防灾减灾决策以及沙源地治理提供科学的参考依据。

1 研究区概况

毛乌素沙地位于内蒙古自治区、宁夏回族自治区以及陕西省的交界处, 地处 36°49′—40°12′N, 106°30′—111°56′E 之间[22], 总面积约 8.322 万 km2, 海拔 1100～1800m, 地势自西北向东南倾斜。主要地貌类型有梁地、滩地、河谷阶地和沙地等, 固定、半固定和流动沙丘分布于整个沙地[8]。受西伯利亚气团的影响, 毛乌素沙地属于典型的温带大陆性气候, 多年平均气温为 6.0～8.5ºC; 年均降水量为340mm, 由东南向西北递减; 沙地盛行西北风, 大风日数 30 天以上, 冬春两季风力强劲且频繁, 年均风速为 4.5m/s, 最大风速可达 28m/s[23]。本文研究范围包括内蒙古自治区的鄂托克旗、鄂托克前旗、伊金霍洛旗、乌审旗, 宁夏回族自治区的盐池县, 陕西省的榆林市、神木县、横山县、靖边县和定边县(图 1)。

2 数据来源与研究方法

2.1 数据来源

1)气象数据。本文所用气象资料来自美国国家海洋和大气管理局的全球地表日平均地表资料GSOD (Global Surface Summary of the Day), 是由全球地表逐小时气象数据集(Integrated Surface Hourly Dataset)计算而来的第 7 版数据, 通常滞后1～2 天。本文选取毛乌素沙地东部榆林站的 2000—2019 年的日平均风速、最大瞬时风速、风向及能见度数据。数据下载网址为 ftp://ftp.ncdc.noaa.gov/ pub/data/gsod。

图1 研究区地理位置

2)NCEP 再分析资料。用于模拟沙尘暴前向运行轨迹的 NCEP (National Centers for Environmental Prediction)再分析资料是从美国国家海洋和大气管理局(National Oceanic and Atmospheric Administra-tion, NOAA)的大气资源实验室(Air Resources La-boratory, ARL)获取的 GBL (Global Boundary Layer)资料, 为运行 HYSPLIT 模型所需的特定气象数据格式。其空间水平分辨率为 2.5°×2.5°, 包括 1000～ 10hPa 共 17 层上的位势高度、温度、纬向风和经向风, 1000～300 hPa 各层的比湿及 1000～100 hPa的垂直速度。数据下载网址为 ftp://arlftp.arlhq.noaa.gov/ pub/archives/reanalysis。

3)遥感影像数据。搭载在 Terra 和 Aqua 两颗卫星上的中分辨率成像光谱仪(MODerate-resolution Imaging Spectroradiometer, MODIS)是美国地球观测系统(EOS)计划中用于观测全球生物和物理过程的重要仪器, 共有 36 个光谱波段, 覆盖从可见光到红外(0.4～14.4μm)波段, 具有高空间分辨率、高时间分辨率、高光谱分辨率和高辐射分辨率的特点[24], 是用于沙尘信息定量提取和分析的有效工具[25]。本文选取 1000m 分辨率的 MODIS 影像数据(MOD 021KM 产品)进行沙尘提取分析, 数据预处理包括发射率数据校正和辐射定标等。数据下载网址为https://ladsweb.modaps.eosdis.nasa.gov。

2.2 研究方法

2.2.1 MODIS影像沙尘信息提取

热红外 TIR 技术是卫星遥感监测沙尘暴的基本方法之一, 不受白天或夜间观测条件限制, 并且地表温度、地表发射率和大气温度廓线等因素对 TIR技术的影响非常小。利用 MODIS 影像的 3 个波段组合(第 29, 31 和 32 波段)能够快速识别并反演沙尘暴粒子的有效半径[26], 本研究利用该方法对毛乌素沙地沙尘暴的影响范围进行识别。使用 Georeference MODIS 和 Mosaicking 等工具, 对 MOD021KM 数据进行辐射校正、几何校正、去除蝴蝶结效应和图像镶嵌等预处理流程, 并将辐射波段数值转换为亮温值, 通过遥感观测目标物体亮温差的典型值(表 1)和识别沙尘的判断条件(表 2), 将沙尘活动区从遥感影像中提取出来。

2.2.2沙尘暴移动轨迹模拟

本研究利用 HYSPLIT 模型来模拟沙尘暴移动轨迹, 进而分析沙尘可能的影响范围。由美国国家海洋和大气管理局大气资源实验室和澳大利亚墨尔本气象研究中心联合研发的混合单粒子拉格朗日积分轨迹模型(Hybrid Single-Particle Lagrangian Inte-grated Trajectory, HYSPLIT)[27]主要被用于模拟气团的大气输送、扩散和沉降, 其中包括对沙尘[28–29]、火山喷发[30]、水汽输送[31–32]、森林火灾[33]、PM2.5[34–35]、苯[36–37]和霾污染[38]等的扩散模拟。

HYSPLIT 模型是一种混合计算模型, 其平流和扩散计算采用拉格朗日方法, 而浓度计算采用欧拉方法[39], 通过移动的参考系进行平流输送和扩散计算[27]: 假设空气中的粒子随风飘动, 那么它的移动轨迹就是其在时间和空间上位置矢量的积分, 最终位置由初始位置和第一猜测位置的平均速率计算得到[40]。第一猜测位置为

表1 遥感观测目标物体亮温差的典型值

表2 沙尘标识的判断条件

, (1)

最终位置为:

, (2)

本研究将榆林站视为 HYSPLIT 模型模拟的起始点, 利用美国国家海洋和大气管理局大气资源实验室提供的 GBL (Global Boundary Layer)资料, 模拟毛乌素沙地各季节发生沙尘暴时气团的3天前向轨迹。

3 结果与分析

3.1 沙尘暴频率

根据《地面气象观测规范》(QX/T 48—2007)[1], 将沙尘暴日定义为地面风速 10m/s 或以上, 能见度等于或小于 1000m 的天气。在过去的 20 年中, 毛乌素沙地沙尘暴的数量呈波动下降趋势(图 2), 共有 143 个沙尘暴月和 387 个沙尘暴日。2003 和 2004年的沙尘暴日数分别是有记录以来最低和最高的, 分别为 2 和 42 天, 此后在 2010 和 2015 年达到两次极大值, 但总体上呈下降趋势, 并在 2015 年后基本上保持不变。这与当年的气候条件密切相关。

毛乌素沙地的冬季和春季降水较少, 仅占全年降水的 20%[43], 气候较为干旱, 并且受西伯利亚–蒙古高压的控制, 盛行西北风, 频繁且风力强劲, 风旱同期, 同时地表植被覆盖度较低, 因而沙尘暴的活性在冬春两季呈上升趋势, 其中 2006 年春季沙尘暴日数创下最高纪录 24 天。随着来自赤道和低纬海洋的暖湿气团不断南上, 与势力减弱的北方冷气流相遇后形成大量降水, 气候变得温暖湿润, 植被生长旺盛, 沙尘暴缺乏足够的动力支持及物质条件, 夏、秋季沙尘暴日数明显变少, 均不超过 10 天。

图2 毛乌素沙地2000—2019年沙尘暴发生月数和日数(a)以及各季沙尘暴发生日数(b)

沙尘标识详见表2, 下同

3.2 沙尘暴的季节分布

3.2.1 春季

按气象学标准, 我国春季为 3－5 月, 该季节的沙尘暴是毛乌素沙地最常见的现象。毛乌素沙地的春季主要受西伯利亚冷高压–蒙古高压控制, 盛行西北风, 反气旋性风系强劲, 风沙活动盛行[43]。数据记录表明, 2000—2019 年毛乌素沙地春季沙尘暴日数共 213 天, 占四季总沙尘暴日数的 55.04%。其中 2006 年发生数最多, 为 24 天; 2003 年沙尘暴日数最少, 仅 1 天。2001 年 4 月 6—9 日发生在中亚的特大沙尘暴横扫整个中国北方地区并最终到达北美, 被认为是近 20 年来最强的一次沙尘传输过程[4]。本文选取此次沙尘暴事件作为案例进行分析, 此案例的 MODIS 影像沙尘暴识别与气团 3 天前向轨迹模拟结果分别如图 3 和 4 所示。

图 4 为 2001 年 4 月 6 日 0 时至 4 月 8 日 24 时(地方时)毛乌素沙地在海拔 500, 1000 和 1500m 处的 3 天前向轨迹。4 月 6 日当天能见度最低, 为 500m, 10 分钟内最大风速为 15.3m/s。500m 高度的气团向东北部移动, 经过山西、河北和内蒙古, 到达吉林省西部, 然后继续向北, 4 月 8 日到达黑龙江省最北端(漠河)后, 又返向移动至内蒙古自治区东部的西北角(呼伦贝尔), 并呈环状南下。在海拔 1000m 处, 气团从毛乌素沙地出发向辽宁省中部移动, 穿过吉林、黑龙江, 到达中俄交界处哈巴罗夫斯基区, 最后继续北上, 抵达萨哈林湾。在 1500m 高空, 气团从西部穿过山西省北部、河北省中部后, 到达北京和天津地区, 4 月 7 日穿过渤海湾到达鸭绿江入海口, 后沿中朝边界向东北方向移动, 最终止于俄罗斯东部鞑靼海(图3)。

图4 世界时 2001 年 4 月 5 日 16 时(地方时 4 月 6 日 0 时)毛乌素沙地上空 500, 1000 和 1500m 的前向轨迹模拟结果

结合 MODIS 影像沙尘暴识别结果(图 3)与气团3 天前向轨迹模拟结果(图 4)可以看出, 来自毛乌素沙地春季沙尘暴的主要影响范围有陕西省和山西省北部、河北省北部、北京市、天津市、内蒙古自治区东部以及东北三省大部分区域。其中, 作为毛乌素沙地的下风向临近区, 陕西省、山西省及京津冀地区所受沙尘暴的影响最大。

图5 毛乌素沙地2013年8月3日(a)、4日(b)和5日(c) MODIS影像沙尘识别结果

3.2.2 夏季

毛乌素沙地夏季为 6－8 月, 受来自赤道和低纬海洋的暖湿气团影响, 空气较为湿润, 因而该季节发生沙尘暴的频率明显低于春季。来自北太平洋副热带高压的夏季风和来自南印度洋的西南季风为沙尘或沙尘暴提供上升的风力条件[43]。2000—2019年期间, 夏季监测到的沙尘暴总日数为 75 天, 其中沙尘暴日数最多的 3 年是 2004, 2011 和 2015 年, 分别为 9, 8 和 7 天。2003 和 2014 年没有发生沙尘暴, 沙尘暴日数等于或小于 5 天的共 16 年。该季节选取同期能见度较低的 2013 年 8 月 3 —5 日的沙尘暴事件作为案例进行分析, 其 MODIS 影像沙尘暴识别结果与气团 3 天前向轨迹模拟结果如图 5 和 6 所示。

图 6 为 2013 年 8 月 3 日 0 时至 8 月 5 日 24时(地方时)毛乌素沙地在海拔 500, 1000 和 1500m高空的 3 天前向轨迹。8 月 3 日能见度最低, 为 800m, 风速为 10.6m/s。沙尘暴起于毛乌素沙地海拔 500m 处, 经山西以北和北京市, 到达河北省东北部, 然后到达内蒙古东南部, 穿过通辽市、吉林省西北部, 最后在黑龙江西南部结束。在海拔 1000 m 处, 气团由榆林市东北部驶出, 并向东移动进入晋北地区, 之后经过河北和北京, 8 月 4 日到达内蒙古自治区与辽宁省交界处, 而后继续北上, 穿越通辽东部、吉林中西部和黑龙江中部, 最终移动到中俄边界上空。在 1500m 高空, 气团经过山西省中北部、河北省中部到达天津市, 穿过渤海湾北部到达辽宁省中部, 之后沿长白山北上到达三江平原, 最终止于俄罗斯斯米多维奇区(图5)。

对照 MODIS 影像沙尘暴识别结果(图 5)与气团 3 天前向轨迹模拟结果(图 6)可以看出, 毛乌素沙地夏季沙尘暴的主要影响范围为陕西省榆林市、山西省北部、河北省中部、北京市、天津市、内蒙古自治区东部以及东北三省。并且, 我国东北部受沙尘暴的影响远远小于山西和京津冀地区, 因为随着风力运动, 虽然沙尘范围在不断扩大, 但其势力被逐渐消耗, 直至消失殆尽。

图6 世界时 2013 年 8 月 2 日 16 时(地方时 8 月 3 日 0 时)毛乌素沙地上空500, 1000和1500 m的前向轨迹模拟结果

3.2.3 秋季

9―11 月是毛乌素沙地的秋季, 是蒙古高压和太平洋高压的过渡季节[43], 盛行偏西风。虽然处于植被生长枯萎阶段, 但整体上植被盖度较好, 因而在秋季观测到的沙尘暴数量比其他季节少得多, 能见度有所提高。统计结果表明, 2000—2019 年秋季沙尘暴日数为 44 天, 是 4 个季节中沙尘暴发生日数最少的。其中, 沙尘暴日数大于 5 天的仅有一年(2009 年), 在 2002, 2003, 2014, 2016 和 2018 年这 5年中均未发生过沙尘暴。本文选取同期能见度最低的 2010 年 11 月 10 日至 12 日沙尘暴事件作为案例进行分析, 其 MODIS 影像沙尘暴识别与气团 3 天前向轨迹模拟结果如图7和8所示。

图7 毛乌素沙地2010年11月10日(a)、11日(b)和12日(c) MODIS影像沙尘识别

图 8 为 2010 年 11 月 10 日 0 时至 11 月 12 日 24时(地方时)毛乌素沙地在海拔 500, 1000 和 1500m高度处的 3 天前向轨迹。11 月 10 日能见度为 700m, 10 分钟内最大风速为 11m/s。在 500m 高度, 从毛乌素沙地出发的气团首先向东南方向移动至山西南部, 之后转向东北, 掠过河南省北部和山东东营, 穿过渤海湾、渤海海峡、朝鲜半岛、东朝鲜湾和日本海, 最终到达日本秋田地区。海拔 1000m 处的沙尘暴亦先移动至山西南部和河南北部, 而后向东北方向出发, 经过山东聊城、济南、东营和烟台, 往北偏移, 穿过渤海湾后到达辽宁省东部边界地区(丹东), 沿中朝边界继续移动, 11 月 12 日到达俄罗斯符拉迪沃斯托克(海参崴), 最后穿越日本海, 止于日本北海道岛。气团开始的移动轨迹一致, 但 11月 10 日 8:00 (地方时)左右, 沙尘暴在风力运动下逐渐分散, 处于 1500m 高空的沙尘首先从西部穿过山东中部到达最东端(威海市), 而后持续向北, 越过渤海湾、朝鲜和我国吉林省, 11 月 12 日到达黑龙江, 最终到达俄罗斯扎维克斯克区(图 7)。

根据 MODIS 影像沙尘暴识别结果(图 7)与气团 3 天前向轨迹模拟结果(图 8)可以发现, 毛乌素沙地秋季沙尘暴主要影响的国内地区有陕西省北部、山西省中南部、河北省北部、山东省中部和北部、吉林省、黑龙江省, 国外受影响的地区有朝鲜、日本北部以及俄罗斯与我国交界处。该季节影响范围与夏季有明显的差异, 地域上略偏东南方向。

图8 世界时 2010 年 11 月 9 日 16 时(地方时 11 月 10 日 0 时)毛乌素沙地上空 500, 1000 和 1500m 的前向轨迹模拟结果

3.2.4 冬季

随着极地气团不断南下, 毛乌素沙地逐渐被西伯利亚–蒙古高压控制[43], 盛行偏北风, 风力强劲, 此时到了冬季, 即 12 月―次年 2 月。毛乌素沙地冬季在极地和高纬大陆冷高压控制下, 在 20 年期间检测到的沙尘暴日数共 55 天, 其中 2004 年沙尘暴日数最多, 共 12 天。沙尘暴日数大于或等于 5 天的共有 4 年, 而在 2011, 2012, 2013, 2017和 2019 年的冬季没有发生沙尘暴。本文选取同期能见度最低、风速最大的 2004 年 2 月 12—14 日作为案例进行分析, 其 MODIS 影像沙尘暴识别结果与气团 3 天前向轨迹模拟结果如图9和10所示。

图9 毛乌素沙地2004年2月12日(a)、13日(b)和14日(c) MODIS影像沙尘识别

图10 世界时 2004 年 2 月 11 日 16 时(地方时 2 月 12 日 0 时)毛乌素沙地上空 500, 1000 和 1500 m 的前向轨迹模拟结果

对照 MODIS 影像沙尘暴识别结果(图 9)与气团 3 天前向轨迹模拟结果(图 10)可以发现, 毛乌素沙地冬季沙尘暴主要影响的国内地区有陕西省北部、山西省中南部、河北省北部、山东省中部和北部、辽宁省、吉林省东北部和黑龙江省东北部, 国外受影响的地区有朝鲜以及俄罗斯与我国交界处, 受影响的海域有渤海、黄海北部和日本海西北部。

4 结论

本研究基于气象数据、MODIS 遥感影像数据和 NCEP 再分析资料, 首先用卫星影像数据识别沙尘信息, 然后利用 HYSPLIT 模型模拟毛乌素沙地上空 2000—2019 年共 20 年各季节沙尘暴的影响区域。遥感影像与 HYSPLIT 模型的比较提供了一种可以验证并增进对沙尘运输、扩散和沉积过程的了解的有效工具。研究结果表明, HYSPLIT模型的计算结果与影像识别沙尘暴结果相吻合。毛乌素沙地为温带大陆性季风气候, 冬春季受西伯利亚–蒙古高压影响, 盛行西北风, 夏季受太平洋暖湿气团的影响, 盛行东南季风, 季节性气候条件对当地沙尘暴的移动路径有很大的影响, 且沙尘暴的活性在春季呈上升趋势, 秋季呈下降趋势。主要结论如下。

1)毛乌素沙地在春季受到西伯利亚–蒙古高压的强烈影响。沙尘暴的影响范围有陕西省和山西省北部、河北省北部、北京市、天津市、内蒙古自治区东部以及东北三省大部分区域, 主要影响东北偏北地区。

2)受来自赤道和低纬海洋的暖湿气团影响, 夏季发生沙尘暴的频率明显低于春季。沙尘暴的影响范围为陕西省榆林市、山西省北部、河北省中部、北京市、天津市、内蒙古自治区东部以及东北三省, 主要影响东北偏东地区。

3)秋季是由太平洋高压向蒙古高压过渡的季节。与其他季节相比, 秋季观测到的沙尘暴数量最少。沙尘暴影响的国内地区有陕西省北部、山西省中南部、河北省北部、山东省中部和北部、吉林省、黑龙江省, 国外受影响的地区有朝鲜、日本北部以及俄罗斯与我国交界处。主要影响东南偏东、东北部地区。

4)冬季主要受极地和高纬大陆冷高压的控制, 沙尘暴影响的国内地区有陕西省北部、山西省中南部、河北省北部、山东省中部和北部、辽宁省、吉林省东北部和黑龙江省东北部, 国外受影响的地区有朝鲜和俄罗斯与我国交界处, 受影响的海域有渤海、黄海北部和日本海西北部。主要影响东南和东北部地区。

5 讨论

作为“环境杀手”之一, 沙尘暴给各国生态环境和人类健康带来严重威胁, 不仅影响附近的国家和地区, 甚至会飘洋过海影响到更多的国家和地区。我国是沙尘暴多发地, 其尘源地包括境内和境外两方面, 境内主要是我国北方风沙区, 境外包括蒙古国东南部戈壁荒漠地区和中亚哈萨克斯坦东部的沙漠区域[4]。通过模型计算沙尘排放通量发现, 我国内蒙古自治区沙尘的年贡献量占亚洲沙尘总量的31%[20]。作为我国沙尘暴的源地之一, 毛乌素沙地不仅影响我国华北地区, 伴随风力的影响, 还会席卷日本韩国等地, 甚至远达北美地区。国内外学者对沙尘暴区域个例的沙尘排放量及沙尘暴来源等开展了广泛的研究, 但对沙尘暴源区的影响范围及传输路径等的研究还相对较少。本研究以毛乌素沙地为研究区, 为模拟和验证沙尘暴移动路径, 进而确定沙尘暴的影响范围提供了一种有效的方式, 也为找寻京津冀及山西、辽宁等地沙尘暴的来源提供了证据, 还可以为沙尘暴预警, 预报提供有效的科学支撑。对沙尘暴传输路径的研究可为防风固沙服务的跨区流动研究提供参考, 帮助建立区域间补偿方与受偿方的空间对应关系, 为制定区域间的生态补偿政策提供有力的科学依据。

自 21 世纪以来, 毛乌素沙地植被覆盖度总体上呈增加趋势[23], 实现从“沙进人退”到“绿进沙退”、“人沙和谐”的历史性转变, 这与近年来在我国北方实施“三北”防护林工程[44]、沙漠化防治工程[45]、天然林保护工程、退耕还林还草工程[46]和京津冀风沙源区沙化土地治理[47]等重大生态修复措施有密切的联系。从长时间尺度看, 毛乌素沙地发生沙尘暴的频率逐渐降低, 其主要影响区域(如山西省)的沙尘暴日数由 1995 年的 146 天降至 2007 年的 9天[48]、北京扬沙天气由 20 世纪 80 年代以前平均每年发生 33 次到 21 世纪以来平均每年发生 9 次[49], 这些周边区域沙尘暴发生次数的下降与毛乌素沙地沙尘暴发生频率的降低有直接联系。随着毛乌素沙地的生态修复和环境治理, 其正在由我国华北地区沙尘的“加强源地”向“阻沙地”转变。在探究毛乌素沙地沙尘暴的季节特点时发现, 其春季沙尘暴数量最多, 主要是因为西伯利亚极地干冷气团不断南下侵袭, 使大气变得不稳定, 且植被覆盖率较低, 无法为地表提供有效的保护, 导致持续数天的沙尘暴和扬尘天气。在秋季观测到的沙尘暴数量最少, 因为受来自北太平洋的夏季风和南印度洋的西南季风的影响, 气候较湿润, 植被生长旺盛, 植被盖度整体上较高。

本文未深入讨论气候对毛乌素沙地沙尘暴天气的影响机制, 未来可对其相关性进行分析。此外, 由于数据限制, 目前仅采用距离研究区中心点最近且最具代表性的气象站风速数据模拟毛乌素沙地沙尘的移动轨迹, 未考虑气象数据的空间异质性, 可能影响模拟结果的准确性。今后可结合实地检验方式[14,50], 提高模拟沙尘暴移动路径的精度, 为确定沙尘暴受灾区域提供更直接的科学依据。

[1]中国气象局政策法规司.气象行业标准汇编 2007.北京: 气象出版社, 2009

[2]邱新法, 曾燕, 缪启龙.我国沙尘暴的时空分布规律及其源地和移动路径.地理学报, 2001, 56(3): 316–322

[3]王式功, 董光荣, 陈惠忠, 等.沙尘暴研究的进展.中国沙漠, 2000, 20(4): 349–356

[4]李江南.沙尘暴的危害与治理.生态经济, 2017, 33(7): 6–9

[5]AI-Hemoud A, AI-Sudairawi M, Neelamanai S, et al.Socioeconomic effect of dust storms in Kuwait.Ara-bian Journal of Geosciences, 2017, 10(1): 1–9

[6]杨东华.沙尘暴的危害及防治对策.环境研究与监测, 2013, 26: 72–74

[7]Wang F, Zhao X Q, Gerlein-Safdi C, et al.Global sources, emissions, transport and deposition of dust and sand and their effects on the climate and envi-ronment: a review.Frontiers of Environmental Sci-ence & Engineering, 2017, 11(1): 1–9

[8]陈思宇, 黄建平, 李景鑫, 等.塔克拉玛干沙漠和戈壁沙尘起沙、传输和沉降的对比研究.中国科学: 地球科学, 2017, 47(8): 939–957

[9]Yassin M F, Almutairi S K, Al-Hemoud A.Dust storms backward Trajectories and source identifica-tion over Kuwait.Atmospheric Research, 2018, 212: 158–171

[10]李正涛.京津冀地区沙尘活动及其对城市大气环境的影响[D].石家庄: 河北师范大学, 2013

[11]Yu J Y, Wang Y W, Chang C W.Asian dust storm activity and its association with atmospheric circu-lation from 1995 to 2006.Terrestrial Atmospheric And Oceanic Sciences, 2010, 21(2): 375–391

[12]Cao H, Liu J, Wang G Z, et al.Identification of sand and dust storm source areas in Iran.Journal of Arid Land, 2015, 7(5): 567–578

[13]Cao H, Amiraslani F, Liu J, et al.Identification of dust storm source areas in West Asia using multiple environmental datasets.Science of the Total Environ-ment, 2015, 502: 224–235

[14]杨燕萍, 王莉娜, 杨丽丽, 等.兰州市沙尘天气污染特征及潜在源区.中国沙漠, 2020, 40(3): 60–66

[15]王石英, 蔡强国, 吴淑安.美国历史时期沙尘暴的治理及其对中国的借鉴意义.资源科学, 2004, 26 (1): 120–128

[16]Rashki A, Kaskaoutis D G, Francois P, et al.Dust-storm dynamics over Sistan region, Iran: Seasonality, transport characteristics and affected areas.Aeolian Research, 2015, 16: 35–48

[17]An L C, Che H Z, Xue M, et al.Temporal and spatial variations in sand and dust storm events in East Asia from 2007 to 2016: Relationships with surface con-ditions and climate change.Science of the Total Environment, 2018, 633: 452–462

[18]张亚妮, 张碧辉, 宗志平, 等.影响北京的一例沙尘天气过程的起沙沉降及输送路径分析.气象, 2013, 39(7): 911–922

[19]郭萍萍, 杨建才, 殷雪莲, 等.甘肃省春季一次连续浮尘天气过程分析.干旱气象, 2015, 33(2): 303–309

[20]Tan S C, Shi G Y, Wang H.Long-range transport of spring dust storms in Inner Mongolia and impact on the China seas.Atmospheric Environment, 2012, 46: 299–308

[21]Tan S C, Li J W, Che H Z, et al.Transport of East Asia dust storms to the marginal seas of China and the southern North Pacific in spring 2010.Atmospheric Environment, 2017, 148: 316–328

[22]郭坚, 王涛, 韩邦帅, 等.近 30a 来毛乌素沙地及其周边地区沙漠化动态变化过程研究.中国沙漠, 2008, 28(6): 1017–1021

[23]郭紫晨, 刘树林, 康文平, 等.2000－2015 年毛乌素沙区植被覆盖度变化趋势.中国沙漠, 2018, 38(5): 1099–1107

[24]刘三超, 柳钦火, 高懋芳.利用 Terra 和 Aqua 双星MODIS数据协同研究沙尘暴.武汉大学学报(信息科学版), 2006, 31(12): 1051–1054

[25]张鹏, 张兴赢, 胡秀清, 等.2006 年一次沙尘活动的卫星定量遥感和分析研究.气候与环境研究, 2007, 12(3): 302–308

[26]Zhang P, Lu N M, Hu X Q, et al.Identification and physical retrieval of dust storm using three MODIS thermal IR channels.Global and Planetary Change, 2006, 52: 197–206

[27]Stein A F, Draxler R R, Rolph G D, et al.NOAA’s HYSPLIT atmospheric transport and dispersion mode-ling system.Bulletin of the American Meteorological Society, 2015, 96(12): 2059–2077

[28]Escudero M, Stein A F, Draxler R R, et al.Source apportionment for African dust outbreaks over the Western Mediterranean using the HYSPLIT model.Atmospheric Research, 2011, 99(3/4): 518–527

[29]Yassin M F, Almutairi S K, Al-Hemoud A.Dust storms backward Trajectories and source identifica-tion over Kuwait.Atmospheric Research, 2018, 212: 158–171

[30]Kim H C, Chai T, Stein A, et al.Inverse modeling of fire emission constrained by smoke plume transport using HYSPLIT dispersion model and geostationary observations.Atmospheric Chemistry and Physics, 2020, 20(17): 10259–10277

[31]Bagheri R, Bagheri F, Karami G H, et al.Chemo-isotopes (18O &2H) signatures and HYSPLIT model application: Clues to the atmospheric moisture and air mass origins.Atmospheric Environment, 2019, 215: 1–11

[32]Moura L Z, Lima C H R.Analysis of atmospheric moisture transport to the Upper Paraná River basin.International Journal of Climatology, 2018, 38(14): 5153–5167

[33]Rolph G D, Draxler R R, Stein A F, et al.Description and verification of the NOAA smoke forecasting system: the 2007 fire season.Weather and Forecas-ting, 2009, 24(2): 361–378

[34]刘迎云, 姜雨, 宗梁, 等.基于 HYSPLIT 模型的衡阳市大气 PM2.5潜在源分析.南华大学学报, 2019, 33(6): 12–17

[35]Yerramilli A, Dodla V B R, Challa V S, et al.An intergrated WRF/HYSPLIT modeling approach for the assessment of PM2.5source regions over the Mississi-ppi Gulf Coast region.Air Quality, Atmosphere & Health, 2012, 5(4): 401–412

[36]Draxler R R.Meteorological factors of ozone predic-tability at Houston, Texas.Journal of the Air & Waste Management Association, 2000, 50(2): 259–271

[37]Weber R J, Sullivan A P, Peltier R E, et al.A study of secondary organic aerosol formation in the anthropo-genic-influenced southeastern United States.Journal of Geophysical Research, 2007, 112: 1–13

[38]吴琼, 程远, 张丽婷, 等.扬州市一次持续霾天气的诊断分析.安徽农学通报, 2020, 26(8): 151–155

[39]黄健, 颜鹏, Roland R D.利用HYSPLIT_4模式分析珠海地面 SO2浓度的变化规律.热带气象学报, 2002, 18(4): 407–414

[40]马玉芬, 陆辉, 刘海涛.HYSPLIT 模式轨迹计算误差分析.南京信息工程大学学报, 2015, 7(1): 86–91

[41]戚佳明.基于HYSPLIT模型的大气CO2传输研究[D].北京: 中国地质大学, 2014

[42]王艳, 柴发合, 王永红, 等.长江三角洲地区大气污染物输送规律研究.环境科学, 2008, 29(5): 1430–1435

[43]柳苗苗.盛冰期以来毛乌素沙地风沙活动与气候变化研究[D].太原: 山西大学, 2018

[44]Li M M, Liu A T, Zou C J, et al.An overview of the “Three-North” Shelterbelt project in China.Forestry Studies in China, 2012, 14(1): 70–79

[45]Wu Z T, Wu J J, Liu J H, et al.Increasing terrestrial vegetation activity of ecological restoration program in the Beijing-Tianjin Sand Source Region of China.Ecological Engineering, 2013, 52: 37–50

[46]Jia X Q, Fu B J, Feng X M, et al.The tradeoff and synergy between ecosystem services in the Grain-for-Green areas in Northern Shaanxi, China.Ecological Indicators, 2014, 43: 103–113

[47]贾晓红, 吴波, 余新晓, 等.京津冀风沙源区沙化土地治理关键技术研究与示范.生态学报, 2016, 36(22): 7040–7044

[48]苗爱梅, 贾利冬, 武捷.近 51a 山西大风与沙尘日数的时空分布及变化趋势.中国沙漠, 2010, 30(2): 452–460

[49]尹晓惠, 时少英, 张明英, 等.北京沙尘天气的变化特征及其沙尘源地分析.高原气象, 2007(5): 1039–1044

[50]王芬娟, 钟章雄, 吴舒婷, 等.2014 年 5 月武汉市输入型沙尘污染案例分析.北京大学学报(自然科学版), 2015, 51(6): 1132–1140

Dust Storms Forward Trajectories and Influence Range over the Mu Us Desert

HU Wenjie, MA Li, WU Xiuqin†, ZHANG Kebin†

School of Soil and Water Conservation, Beijing Forestry University, Beijing 100083; † Corresponding authors, E-mail: wuxq@bjfu.edu.cn (WU Xiuqin), ctccd@126.com (ZHANG Kebin)

Based on meteorological data, MODIS remote sensing image data and NCEP reanalysis data, the forward trajectories of dust storms in different seasons at different altitudes (500, 1000, and 1500 m) over the Mu Us Desert from 2000 to 2019 were simulated by HYSPLIT model, and was compared with the dust information identified by remote sensing image to determine the influence range of dust storm in the Mu Us Desert.The results show that: 1) In the past 20 years, the number of dust storms in the Mu Us Desert decreased slowly, with 143 dust storms months and 387 dust storms days.Since 2004, the frequency of dust storms has gradually decreased.2) Seasonal climatic conditions have great influence on the moving path of dust storms in the Mu Us Desert.The frequency of dust storms is higher in spring and lowest in autumn.3) The main areas affected by dust storms in the Mu Us Desert include northern Shaanxi Province, northern Shanxi Province, northern and central Hebei Province, northern and central Shandong Province, Beijing, Tianjin, eastern Inner Mongolia Autonomous Region and Northeast Three Provinces.The affected areas abroad include North Korea, North Japan and the border between Russia and China.The affected sea areas include Bohai Sea, Northern Yellow Sea and sea of Japan Northwest.The comparison between remote sensing image and HYSPLIT model provides an effective tool to verify and enhance the understanding of dust transport, diffusion and deposition process, so as to provide scientific reference for disaster prevention and mitigation decision-making and sand source control.

the Mu Us Desert; dust identification; HYSPLIT model; area of influence

10.13209/j.0479-8023.2021.089

2021–01–08;

2021–03–16

国家重点研发计划(2019YFC0507600/2019YFC0507601)和国家自然科学基金(41671080)资助