龙羊峡水库两侧沙区沙尘天气时空演变特征及驱动因素分析

doi:10.13474/j.cnki.11-2246.2026.0913

测绘通报 ›› 2026, Vol. 0 ›› Issue (9): 89-94,137.doi: 10.13474/j.cnki.11-2246.2026.0913

龙羊峡水库两侧沙区沙尘天气时空演变特征及驱动因素分析

张乐春¹, 张登山², 董凤翎³, 拓万兵⁴

1. 青海大学地质工程学院, 青海西宁 810016;
2. 青海大学省部共建三江源生态与高原农牧业国家重点实验室, 青海西宁 810016;
3. 青海省地理空间信息技术与应用重点实验室, 青海西宁 810008;
4. 青海理工学院工学院, 青海西宁 810016

收稿日期:2026-01-14 发布日期:2026-10-09
通讯作者: 张登山。E-mail:dshzhang2008@sina.com
作者简介:张乐春(1975—)，男，博士，讲师，主要从事风沙运动与干旱区地貌研究。E-mail:zlclccee@sina.com
基金资助:
青海省科技专项(海南州高寒沙区综合防沙治沙关键技术研发与综合示范)

Analysis of the spatio-temporal evolution characteristics and driving factors of sand-dust weather in the sandy areas on both sides of the Longyangxia Reservoir

Zhang Lechun¹, Zhang Dengshan², Dong Fengling³, Tuo Wanbing⁴

1. College of Geological Engineering, Qinghai University, Xining 810016, China;
2. State Key Laboratory of Plateau Ecology and Agriculture, Qinghai University, Xining 810016, China;
3. Qinghai Provincial Key Laboratory of Geospatial Information Technology and Application, Xining 810008, China;
4. College of Engineering, Qinghai Institute of Technology, Xining 810016, China

Received:2026-01-14 Published:2026-10-09

摘要/Abstract

摘要： [目的]本文旨在阐明龙羊峡水库周边沙区风沙活动的动力机制。[方法]以水库两侧塔拉滩与木格滩沙区为对象，基于2019—2023年冬春季气象与遥感数据，引入输沙势(DP)作为综合风动力指标，结合植被覆盖度、降水量等因子，系统分析沙尘天气的时空特征及其成因。[结果]①研究区冬春季沙尘天数整体呈上升趋势，空间分异显著，塔拉滩沙尘活动强度(月均1.83 d)远高于木格滩(月均0.17 d)；②沙尘天数与DP呈高度正相关，塔拉滩两者的Pearson相关系数r=0.794，木格滩r=0.857；③植被覆盖度与沙尘天数呈较低至低负相关，塔拉滩与木格滩的相关系数分别为-0.343与-0.186。[结论]该区域沙尘天气主要受风力驱动，DP较风速或起沙风频率能更全面地表征风沙动力过程，尤其在风力整体较弱的木格滩地区更具解释力。

关键词: 沙尘天气, 输沙势, 植被覆盖度, 降水量, 龙羊峡水库

Abstract: [Purposes] This study aimes to elucidate the dynamic mechanisms of wind-sand activities around the Longyangxia Reservoir.[Methods]Focusing on the Talatan and Mugetan sandy areas on both sides of the reservoir,this research systematically analyzed the spatiotemporal characteristics and driving factors of dust weather based on meteorological and remote sensing data from the winter and spring seasons of 2019—2023.The sand drift potential (DP)was introduced as a comprehensive wind dynamic indicator,combined with factors such as vegetation coverage and precipitation.[Findings] ①The number of dust days in the study areas showed an overall increasing trend during winter and spring,with significant spatial heterogeneity.Dust activity intensity in Talatan (monthly average of 1.83 d)was much higher than that in Mugetan (monthly average of 0.17 d).②Dust days were highly positively correlated with DP,with Pearson correlation coefficients of r=0.794 in Talatan and r=0.857 in Mugetan.③Both vegetation coverage and precipitation showed low to moderately low negative correlations with dust days,with correlation coefficients of -0.343 and -0.186 in Talatan and Mugetan respectively.[Conclusions] Dust weather in this region is primarily driven by wind forces.Compared to wind speed or frequency of sand-driving winds,DP provides a more comprehensive representation of the wind-sand dynamic process,particularly offering superior explanatory power in areas with generally weaker wind forces,such as the Mugetan area．

Key words: dust weather, sand drift potential, vegetation coverage, precipitation, Longyangxia Reservoir

中图分类号:

P208

张乐春, 张登山, 董凤翎, 拓万兵. 龙羊峡水库两侧沙区沙尘天气时空演变特征及驱动因素分析[J]. 测绘通报, 2026, 0(9): 89-94,137.

Zhang Lechun, Zhang Dengshan, Dong Fengling, Tuo Wanbing. Analysis of the spatio-temporal evolution characteristics and driving factors of sand-dust weather in the sandy areas on both sides of the Longyangxia Reservoir[J]. Bulletin of Surveying and Mapping, 2026, 0(9): 89-94,137.

导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks

链接本文: http://tb.chinasmp.com/CN/10.13474/j.cnki.11-2246.2026.0913

http://tb.chinasmp.com/CN/Y2026/V0/I9/89

参考文献

[1] 胡雯婕, 马莉, 吴秀芹, 等.毛乌素沙地上空沙尘暴的前向轨迹及其影响范围[J].北京大学学报(自然科学版), 2021, 57(6):1161-1171.
[2] 张咪, 段菁春, 殷丽娜, 等.北京市2018年春季一次沙尘回流过程的污染特征[J].中国环境科学, 2021, 41(11):4990-4998.
[3] 徐冉, 张碧辉, 安林昌, 等.2000—2021年中国沙尘传输路径特征及气象成因分析[J].中国环境科学, 2023, 43(9):4450-4458.
[4] 叶洽, 郑小慎, 赵尚玉.2021年中国北部特大沙尘天气的遥感监测与路径分析[J].遥感学报, 2023, 27(8):1821-1833.
[5] 江鑫, 冯巧梅, 周俐宏, 等.风速加强可能是近年中国沙尘日数增加的主要因素[J].科学通报, 2024, 69(3):356-361.
[6] 邢瑜, 柳本立, Wagner L E, 等.2000—2023年东亚中部大规模沙尘事件源区贡献率变化研究[J].中国科学(地球科学), 2025, 55(11):3947-3960.
[7] 张焕平, 张占峰, 金惠瑛, 等.柴达木盆地沙尘天气的气候特征及与气象要素的关系[J].安徽农业科学, 2014, 42(5):1382-1384.
[8] 白松竹, 姚俊强, 马依拉古丽, 等.吐哈地区沙尘天气时空演变特征及气候影响因子[J].干旱区研究, 2025, 42(10):1791-1801.
[9] 杨舒畅, 秦富仓, 王曼霏.1960—2020年内蒙古自治区沙尘天气的时空演变特征及驱动因素[J].水土保持通报, 2023, 43(5):235-243.
[10] Xiao Fengjin, Zhou Caiping, Liao Yaoming.Dust storms evolution in Taklimakan Desert and its correlation with climatic parameters[J].Journal of Geographical Sciences, 2008, 18(4):415-424.
[11] 王陈伟, 张小啸, 薛一波, 等.艾比湖流域2010—2023年沙尘暴时空变化及驱动因素研究[J].中国环境科学, 2025, 45(10):5329-5337.
[12] Fryberger S G, Dean G.Dune forms and wind regime[M]//A Study of Global Sand Seas.Washington D.C.:United States Government Printing Office, 1979:137-169.
[13] 杨兴华, 何清, 霍文, 等.塔克拉玛干沙漠南缘风沙跃移运动研究:以策勒为例[J].中国沙漠, 2012, 32(4):910-914.
[14] 罗凤敏, 高君亮, 辛智鸣, 等.乌兰布和沙漠东北缘起沙风风况及输沙特征[J].农业工程学报, 2019, 35(4):145-152.
[15] 庞营军, 吴波, 贾晓红, 等.毛乌素沙地风况及输沙势特征[J].中国沙漠, 2019, 39(1):62-67.
[16] 陈宗颜, 董治宝, 汪青春, 等.柴达木盆地风况及输沙势特征[J].中国沙漠, 2020, 40(1):195-203.
[17] 张登山.青海共和盆地土地沙漠化影响因子的定量分析[J].中国沙漠, 2000, 20(1):59-62.
[18] 沙占江, 曾永年, 马海州, 等.遥感和GIS支持下的龙羊峡库区土地沙漠化动态研究[J].中国沙漠, 2000, 20(1):51-54.
[19] 李凤霞, 唐红玉, 苏文将, 等.青海省龙羊峡库区沙漠化遥感监测[J].中国沙漠, 2003(6):83-87.
[20] 李森, 颜长珍, 宋翔, 等.近30a龙羊峡水库周边地区沙漠化遥感监测[J].中国沙漠, 2011, 31(4):836-841.
[21] 马慧榕, 肖锋军, 董治宝, 等.2000—2020年青海省共和县土地沙漠化动态及其驱动因素[J].干旱区资源与环境, 2022, 36(6):139-148.
[22] 陈宗颜, 董治宝, 汪青春.青海共和盆地风况及风沙地貌[J].中国沙漠, 2018, 38(3):492-499.
[23] 陈宗颜, 董治宝, 鄂崇毅, 等.1971—2015年共和盆地风况特征及变化趋势[J].兰州大学学报(自然科学版), 2020, 56(2):224-230, 242.
[24] Achille L S, Zhang K B, Anoma C J K.Analysis of climate variability and relation to vegetation in garamba National Park from 1990—2020[J].Open Journal of Ecology, 2021, 11(10):700-723.
[25] 刘宁, 彭守璋, 陈云明.气候因子对青藏高原植被生长的时间效应[J].植物生态学报, 2022, 46(1):18-26.
[26] Lou Junpeng, Xu Guoyin, Wang Zhongjing, et al.Multi-year NDVI values as indicator of the relationship between spatiotemporal vegetation dynamics and environmental factors in the Qaidam Basin, China[J].Remote Sensing, 2021, 13(7):1240.
[27] 于璐.京津风沙源区植被覆盖变化归因及其对地表气温的影响[D].太原:山西大学, 2023.
[28] 王宁, 陈健, 张缘园, 等.2021年中国北方首次沙尘天气的多源遥感分析[J].中国环境科学, 2022, 42(5):2002-2014.
[29] 吴成永, 陈克龙, 曹广超, 等.近30年来青海省风蚀气候侵蚀力时空差异及驱动力分析[J].地理研究, 2018, 37(4):717-730.
[30] 祁栋林, 李晓东, 苏文将, 等.近50年青海省风蚀气候侵蚀力时空演变趋势[J].水土保持研究, 2015, 22(6):234-239.
[31] 祁栋林, 韩廷芳, 赵全宁, 等.青海省冬春季风蚀气候侵蚀力和起沙风日数的区域变化差异特征[J].水土保持研究, 2019, 26(2):23-30.
[32] 李璠, 徐维新, 祁栋林, 等.1961—2015年青海沙尘天气时空变化特征[J].干旱区研究, 2018, 35(2):412-417.

龙羊峡水库两侧沙区沙尘天气时空演变特征及驱动因素分析

Analysis of the spatio-temporal evolution characteristics and driving factors of sand-dust weather in the sandy areas on both sides of the Longyangxia Reservoir

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	王亮, 曹诚, 胡敏, 胡启亮. 基于IGU与IGF精密星历的GNSS大气可降水量反演精度评估与应用分析[J]. 测绘通报, 2026, 0(7): 37-46.
[2]	周磊, 李德伟, 李晓红, 狄桂栓. 联合IGS、Sentinel-1、ERA5多源数据的中国台湾岛大气水汽反演[J]. 测绘通报, 2026, 0(2): 38-45.
[3]	曹芮菡, 李新, 周定杰, 喜文飞, 黄广才, 王瑞亭, 郭蓁. 联合ALOS-2和Sentinel-1的复杂山区潜在滑坡识别[J]. 测绘通报, 2026, 0(1): 65-71.
[4]	余丰华, 刘正华, 黄丽, 周诗凯, 沈笛, 姚菊祥, 王亚男. 2000—2023年浙江省植被覆盖度时空演变及驱动力分析[J]. 测绘通报, 2025, 0(7): 110-117.
[5]	李晓天, 詹远增, 周伟, 赵建雪, 吕燕妃, 施利涛, 冯存均. 国产L-SAR卫星在不同植被覆盖度下的干涉能力[J]. 测绘通报, 2025, 0(2): 132-136.
[6]	吴昂道, 唐旭, 张骋. 融合GRNN神经网络的ZHD模型构建及其在中国区域PWV反演中的应用[J]. 测绘通报, 2025, 0(10): 87-93.
[7]	杜明斌, 曹云昌, 王晓峰, 郭巍, 涂满红, 殷岳, 顾问, 梁宏. 北斗卫星导航系统在数值天气中的应用[J]. 测绘通报, 2024, 0(7): 178-181.
[8]	马丽莎, 郑江华, 彭建, 李刚勇, 韩万强, 刘亮. 2001—2020年新疆草地退化遥感监测及影响因子[J]. 测绘通报, 2024, 0(6): 1-7.
[9]	康娟, 方贺, 石守海, 夏瑞, 彭金灵. 阿克苏地区天然林保护工程区植被覆盖度变化及驱动因子研究[J]. 测绘通报, 2024, 0(5): 41-47.
[10]	程安坤, 王敏, 孟欣, 季锐, 孙爽. 采用北斗PPP-B2b服务的大气可降水量反演及香港暴雨过程分析[J]. 测绘通报, 2024, 0(2): 118-123.
[11]	宁晓春, 杨明新, 曹文强, 王守兴, 谷强, 王雁鹤. 2000—2022年三江源植被覆盖度时空变化格局及其气候驱动机制[J]. 测绘通报, 2024, 0(12): 70-76,83.
[12]	李泽润, 喜文飞, 赵子龙, 刘海红, 张玉英, 张莉婷. SBAS-InSAR技术在昆明高铁南站山体形变监测中的应用[J]. 测绘通报, 2024, 0(1): 150-154.
[13]	余婷, 杨萍, 邓兴, 刘绥华, 周洋. 梵净山长时序植被覆盖变化趋势与对比分析[J]. 测绘通报, 2023, 0(10): 1-6.
[14]	朱晓武, 段宏山, 陈国恒, 刘垒. 粤港澳大湾区多系统GNSS大气可降水量反演分析[J]. 测绘通报, 2023, 0(10): 163-167.
[15]	赵侃, 师芸, 牛敏杰. Google Earth Engine平台下秦岭地区植被覆盖时空变化分析[J]. 测绘通报, 2022, 0(5): 49-55.