水蒸汽运输研究软件TROVA的开发与应用

软件X 20（2022）101228原始软件出版物TROVA：水蒸汽的运输何塞·C Fernán-Alvareza，b，Albenis Pérez-Alarcóna，b，Raquel Nietoa，Luis GimenoaaCentro de Investigación Mariña，Universidade de Vigo，Environmental Physics Laboratory（EPhysLab），Campus As Lagoas s/n，Ourense，32004，Spainb古巴哈瓦那哈瓦那大学应用技术和科学高级研究所气象系ar t i cl e i nf o文章历史记录：接收日期：2022年收到修订版，2022年7月27日接受，2022年关键词：水汽来源降水PythonFLEXPART-WRF蒸发a b st ra ct本文介绍了用Python和Fortran语言开发的用于研究水分源汇的水分运动VApor（TROVA）软件。TROVA包括文献中建立的主要拉格朗日方法，使用不同空间分辨率的全球FLEXible PARTicle扩散模型和区域FLEXPART-WRF模型的输出TROVA将有利于用户调查大气物理学和与该分支相关的领域，研究源汇水分关系的©2022作者（S）。由爱思唯尔公司出版这是CC BY-NC-ND下的开放获取文章许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。代码元数据当前代码版本1.0此代码版本使用的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-22-00100可再生胶囊的永久链接https://github.com/tramo-ephyslab/TROVA-master/blob/main/Inputs/GNU通用公共许可证（GPL）使用Git的代码版本控制系统使用Python、Fortran和MPI的软件代码语言、工具和服务编译要求、操作环境和依赖关系Linux操作系统如果可用，请链接到开发人员文档/手册电子邮件支持问题l. uvigo.es软件元数据当前软件版本1.0此版本可执行文件的永久链接https://github.com/tramo-ephyslab/TROVA-masterGNU通用公共许可证（GPL）计算平台/操作系统Python、Fortran和MPI/Linux安装要求依赖Python3，numpy1.16+，mpi4py3+，scipy1.2+如果可用，请链接到用户手册-如果正式出版，请在参考列表中引用该出版物问题的支持电子邮件l. uvigo.es通 讯 作 者 ： Centro de Investigación Mariña ， Universidade de Vigo ，Environmental Physics Laboratory （ EPhysLab ） ， Campus As Lagoas s/n ，Ourense，32004，Spain.电子邮件地址：jose.carlos.fernandez. uvigo.es（JoséC.Fernán-Alvarez）。https://doi.org/10.1016/j.softx.2022.1012281. 动机和意义由于生命对水资源的依赖，气象学和水文学界对了解特定区域的水分和降水的起源有相当大的研究兴趣[1]。有不同2352-7110/©2022作者。由爱思唯尔公司出版。这是一篇开放获取的文章，使用CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softx何塞·CFernán-Alvarez，Albenis Pérez-Alarcón，Raquel Nieto等人软件X 20（2022）1012282研究水分输送的方法，例如，几位作者已经实施了经典的欧拉[2]，拉格朗日[3，4]和稳定同位素方法[5]，以及新的复杂和强大的方法，如欧拉中尺度示踪剂工具[6]。然而，拉格朗日方法比其他方法具有优势，因为它提供了关于空气质量起源的细节以及沿着影响目标区域中水分的轨迹的颗粒中水分波动（增加和减少）的机制[7]。最近，该方法的准确性和鲁棒性促进了对不同气候区域水分源平均值的评估[7]。Stohl和James [4]开发的原始拉格朗日方法在给定的地区和与给定的水分源相关的汇的降水量;一个更复杂的方法， 由Sodemann等人[8]开发的用于确定特定水分来源的方法[4]。然后，这些方法进行了修改，以获得更好的结果，但与计算更昂贵，需要大量的数据的缺点。例如，Sun和Wang [9]将面源受体归因引入Stohl和James [4]的方法中，Keune等人[10]提出了一个统一的框架来估计大气水分（和热量）的起源，作为Sodemann等人[8]的衍生物，包括基于源受体关系进行偏差校正的可能性一般来说，所有这些方法都计算蒸发（E）和降水（E）的差（E-P），以基于颗粒轨迹来量化输送。在这些分析中，当E-P> 0和E-P >0时，分别考虑了水汽源和水汽汇。该E-P计算可应用于拉格朗日粒子 弥 散 模 型 的 输 出 ， 例 如 来 自 FLEXible PARTicle 弥 散 模 型（FLEXPART [11-这些模型通常使用再分析数据，如ERA-中期（ERA- I，[18]），ERA 5 [19]或更早版本，或区域模型的输出，如天气研究和预报系统（WRF- ARW）[20]，使用不同的再分析或气候数据或使用COSMO模型输出[21]。垂直空气柱的E和P值由在预定义时间段内沿其轨迹穿过柱的水蒸气颗粒的湿度变化确定[22]。轨迹是从上述扩散模型的输出中获得的，通常跟踪它们的时间约为8然而，从这些模型的输出计算E-P场表示是非常麻烦的，无论是在后处理阶段还是在上述方法的应用这是由于所考虑的数据量很大，这取决于分析的颗粒数量，跟踪它们的天数以及空间和垂直分辨率。目 前 ， 基 于 Sodemann 等 人 [8] 的 方 法 的 一 些 工 具 ， 例 如WaterSip [25]，基于应用于沿其轨迹的颗粒行为的大量阈值来识别水分源，或者作为热和水分跟踪（HAMSTER）框架的适应，[10]，其通过调整某些气象场来应用偏差校正的然而，当前在线版本的HAMSTER仅支持整个运行配置的一度网格（用于定义目标区域（掩码）、参考数据（使用ERA-I强制的FLEXPART）和输出）。在这里，我们提出了一个软件，便于使用的方法Stohl和詹姆斯[4]和Sodemann等人。[八]《中国日报》使用FLEXPART和FLEXPART-WRF输出，可以考虑输入和输出数据的不同网格分辨率，以及用于水分源或汇的掩模：水蒸气的运输 （ TROVA ） 软 件 。 此 外 ， TROVA 与 FLEXPART 或FLEXPART-WRF的不同类型数值输出一起使用的通用性将有助于在未来气候情景下使用这些强迫模式的输出研究与水分源和汇相关的未来变化TROVA已被用于研究水分的来源和汇与不同的方法。具体而言，使用Stohl和James [4]的方法，在全球多个地区发表了大量出版物，其中一些可以在https://ephyslab.uvigo.es/moisturetransport/index.php/Publications上查阅。然而，最近基于Sodemann等人[8]的研究，已经使用该工具进行了研究，以确定与北大西洋盆地主要飓风相关的降水的水分来源[26，27]。第3节给出了水分源汇的例子。2. 软件2.1. 软件构架TROVA是一个主要算法用Python编写的软件，使用numpy，netCDF 4 ， scipy ， mpi 4py 和 其 他 基 本 Python 库 [28]（https://github.com/tramo-ephyslab/TROVA-master）。然而，更大的时间和计算要求的计算进行与Fortran开发的功能，提高了工具的效率。该软件是在Linux操作系统上开发和测试的，我们相信它与任何支持Python 3的系统完全兼容。此外，它还被用于具有不同核心编 号 的 高 性 能 计 算 CESGA （ Centro de SupercomputacióndeGalicia）（https://github.com/tramo-ephyslab/TROVA-master/tree/main/run_example_HPC ）。最后，使用配置输入文件，允许用户根据要解决的问题修改字段，而无需修改工具本身。TROVA输出对应于分析的每一天的E-P字段及其这些天的积分总和（NetCDF、ASCII和npy格式的输出文件）。此外，它还保存了分析时间间隔内所有颗粒为了更详细地了解TROVA，图。1给出了解释软件的一般算法的流程图。要执行的第一步是配置输入文件，其中设置运行参数。 第二步是在时间上向前或向后运行模型，以分别确定水分源或汇。跟踪模式在输入文件中定义。在第三步中，应指示跟踪颗粒所需的文件，然后使用用Fortran开发的函数。这将允许更高的计算效率并减少执行时间。第四步是根据Stohl和James（2005）方程在用户定义的输出网格上计算E-P场。最后，TROVA以用户定义的格式保存输出，可以是NetCDF、ASCII和npy。2.2. 软件功能TROVA允许使用Stohl和James [4]和Sodemann等人的主要方法，基于E-P场的计算来研究水分源和汇。[8]的一项建议。此外，TROVA还提供了在不同的空间分辨率下使用来自FLEXPART和FLEXPART-WRF的不同数值输出的优势表1示出了TROVA与WaterSip和HAMSTER的比较，其中可以观察到主要差异/优点何塞·CFernán-Alvarez，Albenis Pérez-Alarcón，Raquel Nieto等人软件X 20（2022）1012283∼∼∼图1.一、 TROVA软件结构/过程流程图。表1[25]与水[25]和仓鼠[10]的比较。主要区别/优势。比较参数软件TROVA WaterSip HAMSTER输入数据FLEXPART和FLEXPART-WRF模式的输出，强制进行再分析（ERA-Interim和ERA 5）或气候情景使用ERA-Interim强制的FLEXPART和Lagranto模型的输出强制使用ERA-Interim输入数据空间分辨率几个（例如1、0.5、0.25和0.18）11输出数据空间分辨率几个（例如1、0.5、0.25和0.18）11实施拉格朗日方法Stohl和James [4]和Sodemann等人[8]Sodemann等人[8][8][9][10][11][12]基于源-受体关系进行偏倚校正的可能性用于未来水分源汇变化的相关研究是否否自动化是是否适用于高性能计算是是否否2.3. 软件确认TROVA 软 件 已 由 Perez-Alarcon 等 人 确 认 [26 ， 27] 使 用Sodemann等人的方法分析北大西洋盆地[8]的一项建议。在这些研究中，使用具有ERA-I（1μ m空间分辨率）的FLEXPART的输出作为输入数据。目前，已经使用Stohl和James [4]的方法进行了TROVA评估，以研究伊比利亚半岛的水源以及与北大西洋和地中海水源相关的汇[29]。在本研究中，FLEXPART与ERA 5（0.5和1）和ERA-I（1）一起使用，FLEXPART-WRF与WRF模型的输出（在0.25下使用ERA 5强制）以0.18的分辨率强制。3. 说明性实例为了演示TROVA软件的使用，给出了其在北大西洋两个目标区域（掩模，图2b-f）的应用的几个此外，一些例子来确定这些案例研究的水分源汇。重要的是要注意，FLEXPART的不同输出与来自ERA-I、ERA 5和FLEXPART-WRF的再分析数据有关(also使用ERA5强制）。我们还使用不同的空间分辨率（分别为1μm，0.5μ m和0.18μ m），这些输入数据来展示TROVA 可用于TROVA测试的数据可在以下链接获得：https://doi.org/10。5281/zenodo.6490365。图图2b-c代表热带气旋的水汽来源（图中红圈）。2a）使用Sodemann等人的方法[8]，2014年10月17日，18 UTC。这些何塞·CFernán-Alvarez，Albenis Pérez-Alarcón，Raquel Nieto等人软件X 20（2022）1012284∼∼∼∼≥图二. 与热带气旋和北大西洋热带气旋相关的水汽源汇的模式表示。这些模式对应于色散模型的数值输出：FLEXPART（0.5<$）[c，f]、FLEXPART（1<$）[b，e]和FLEXPART-WRF（0.18<$）[d]。ERA 5和ERA-I是用于强迫的再分析。TC和NATL源的掩模分别以粉红色和蓝色表示[a]。Perez-Alarcon等人[26，27]发表了对北大西洋盆地所有热带气旋（TC）进行个案研究或气候分析的结果。此外图图2d-f显示了北大西洋上空与目标位置相关的水汽汇，即所谓的NATL水汽源（图中的蓝色区域）。2a），2014年1月至3月（北方冬季）。在这种情况下，使用Stohl和James [4]的方法。这些结果与Gimeno等人发现的模式相似。[22 ]第20段。在这两个示例中，已经使用了两种类型的掩模，一种是移动的，用于跟踪TC（区域性），随着TC移动而改变位置（在这种情况下，仅示出一个位置），另一种是固定的，用于NATL（全局），允许在每个示例中实现图案的正确这些实施例的WVRT被认为是10天。在TROVA运行中考虑的天数是可调节的参数，取决于用于水蒸气停留的天数。这有利于使用Nieto等人确定的最佳积分时间。[30]因此提供了更好的水分来源模式的代表性。有必要澄清的是，相同案例研究的模式差异与输入数据的差异有关。这些差异与FLEX- PART和FLEXPART-WRF型号的配置差异相关，与TROVA软件无关3.1. TROVA的敏感性分析以下是软件的灵敏度分析，其中，与空间分辨率为0.2μ m的FLEXPART-WRF对应的输入数据被认为是恒定的，但TROVA输出网格的空间分辨率是变化的，以分析该软件对表示中不同分辨率的灵敏度的E-P模式。所考虑的时期对应于2014年1月至3月（ 北 方 冬 季 ） 。 重 要 的 是 要 注 意 ， 不 同 的 FLEXPART 或FLEXPART-WRF 输 入 数 据 没 有 被 考 虑 用 于 此 分 析 （ 如 图 所示）。2），因为这些数据呈现与每个模型的配置相关的差异因此，E-P模式的差异不能与TROVA直接相关。表2显示了伊比利亚半岛（IP，图1）降水的水分来源的计算统计数据。2、冬天。通常，随着输出网格的空间分辨率的降低，可以观察到E-P图案的平滑，如由平均值、极值和标准偏差所示。这一结果与计算输出网格节点处湿度变化（dq/dt，[4]）的方法有关;对于网格的每个点，当分辨率较低时，添加许多显示dq/dt 0或dq/dt> 0的粒子，并获得最终dq/dt值的平滑。然而，当考虑更高的分辨率时，节点处的dq/dt值的总和考虑更少的粒子，并且图案显示更高的值。这并不意味着TROVA中的错误，只是用户必须知道他/她希望工作的分辨率，从而获得更均匀的图案或具有更大变化的图案。为了证实上述情况，我们分析了可以观察到不同网格分辨率的E-P图案的结构。为此，使用了结构相似性指数（SSIM，Wang等人[31]）。当SSIM值为1时，SSIM是完美的，当它接近时，-1.对于该分析，使用了图3中0.2、0.25、0.5和1度空间分辨率的水分源图像。图3a被认为是参考图像，因为它具有输入数据在0.2μ m，因此它的代表性应该是最完美的。一般来说，它被证实，有一个平滑的图案的空间分辨率降低，但结构被证明是非常相似的所有分辨率之间，如值为0.85的SSMI所示因此，建议使用与FLEXPART-WRF或FLEXPART输入数据非常相似4. 影响从海洋源到大陆的水汽输送形成了海洋蒸发和大陆降水之间的联系，从而建立了水汽在气候变化的背景下，水分输送的变化与温度升高引起的水分增加有关[33，34]。因此，研究水分输送对于更好地理解观测到的变化和推导出的何塞·CFernán-Alvarez，Albenis Pérez-Alarcón，Raquel Nieto等人软件X 20（2022）1012285表2比较中使用的统计图。决议统计图表(mm/天）结构相似性是说最大最小标准偏差SSIM0.2升0.122.000.00.15–0.25公斤0.101.850.00.130.860.5公斤0.081.250.00.110.851.0分0.071.100.00.100.86图三. 根据TROVA使用不同的空间分辨率计算的对伊比利亚半岛（IP）降水有贡献的水分来源模式（E-P>0）：(a)0.2，（b）0.25，（c）0.5和（d）1度。未来气候数据的预测[1，32]。因此，重要的是要有一套工具，用于不同模型输出的拉格朗日后处理。具体而言，TROVA使用户社区能够在现在和未来对这些模型输出进行后处理，以了解水文循环的变化。此外，TROVA允许将文献中建立的两种主要拉格朗日方法集成到一个工具中，从而便于对所获得的结果进行比较，并为科学界提出更具决定性的结果。5. 结论在这项研究中，TROVA软件，它的使用在大气水汽输送的分析和模拟我们预计，TROVA将使这一科学领域的广泛用户受益，并有助于了解水文循环的未来变化，从而预测某些地区的降水变化此外，该软件还将使人们能够研究未来的水分源和汇的变化，以进行气候分析、特定的局部事件、极端事件或气象现象。CRediT作者贡献声明何塞·C Fernán-阿尔瓦雷斯：概念化，方法论，软件，写作-原始草案，写作-审查编辑，数据策展，形式分析&。AlbenisPérez-Alarcón：数据处理，软件，方法，形式分析。拉奎尔·涅托：概念化，写作-路易斯·吉梅诺：概念化，写作竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作数据可用性数据将根据要求提供。致谢J.C. F-A感谢Xunta de Galicia（加利西亚地区政府）在ED 481A- 2020/193号赠款下的支持。A.P-A承认维戈大学的博士学位授予。这项工作得到了西班牙Ministerio de Ciencia，Innovación yUniversidades资助的SETESTRELO项目（PID 2021 - 122314 OB-I 00）的支持。Xunta de Galicia也在“竞争力研究联合会的巩固和结构建设”项目下提供了部分支助（竞争力研究小组参考竞争对手“（ED431C 2021/44）。此外，由于CESGA（Centro deSupercomputación de Galicia）提供的计算资源和技术支持，这项工作得以完成附录A. 补充数据与本文相关的补充材料可以在https://doi.org/10.1016/j.softx.2022.101228上找到。引用[1]Gimeno L，Stohl A，Trigo RM，Dominguez F，Yoshimura K，Yu L，et al.Oceanic and territorial sources of continental precipitation. Rev Geophys2012;50：RG4003。http://dx.doi.org/10.1029/2012RG000389网站。[2]Van der Ent RJ，Savenije HHG.大气环流的长度和时间尺度水分回收AtmosChemPhys2011;11：1853-63.http://dx.doi.org/10.5194/acp-11-1853-2011。[3]Stohl A，James PA. 大气支的拉格朗日分析全球水循环。 第I部分：方法描述、验证、和2002年中欧洪水的演示。水文 气 象 学 杂 志 2004;5 ： 656-78. http ： //dx.doi.org/10.1175/1525-7541（2004）005%3C0656：ALAOTA%3E2.0.CO;2.何塞·CFernán-Alvarez，Albenis Pérez-Alarcón，Raquel Nieto等人软件X 20（2022）1012286[4] Stohl A，James PA.全球水循环大气分支的拉格朗日分析：第二部分：地球的河流集水区、海洋盆地，以及它们之间的水分传输。水文气象学杂志2005;6：961-84. http://dx.doi.org/10.1175/JHM470.1网站。[5] 丹 斯 加 德 W. 降 水 中 的 稳 定 同 位 素 。 Tellus 1964;16 ： 436-68.http://dx.doi.org/10.3402/tellusa.v16i4.8993网站。[6] Insua-Costa D，Miguez-Macho G.天气研究和预报模式中新的湿度标记能力 ： 2014 年 大 湖 效 应 暴 风 雪 的 制 定 ， 验 证 和 应 用 。 地 球 系 统 动 力 学2018;9：167-85。http://dx.doi.org/10.5194/esd-9-167-2018网站。[7] Gimeno L7 ， et al.Recent progress on the sources of continentalprecipitation as revealed by the moisture transfer analysis.地球科学评论2020;201 ： 103070 。 http://dx.doi.org/10.1016/j.earscirev.2019.103070 网站。[8] 孙伟华，王伟华.格陵兰冬季降水源的年际变化：拉格朗日湿度诊断和北大西洋振荡影响。J Geophys Res-Atmos 2008;113：D03107.网址：//dx.doi.org/10.1029/2007JD008503网站。[9] 孙宝，王宏.利用土壤水分资料研究中国半干旱草地的水分来源拉格朗日粒子模型FLEXPART。J Clim 2014;27：2457-74. 网址：//dx.doi.org/10.1175/JCLI-D-13-00517.1网站。[10] 作者：Jenkins L.用拉格朗日模式估计大气水汽和热量起源的统一框架。Geosci Model Dev 2022;15 ： 1875-98. http://dx.doi.org/10.5194/gmd-15-1875-2022。[11]Stohl A，Hittenberger M，Woodbury G.拉格朗日颗粒弥散模型FLEXPART对 大 尺 度 示 踪 剂 实 验 数 据 的 验 证 。 Atmos Environ 1998;24 ： 4245-64.http://dx.doi.org/10.1016/S1352-2310（98）00184-8。[12]Stohl A，Forster C，Frank A，Seibert P，Woomberg G. 拉格朗日粒子弥散模型FLEXPART 6.2版。Atmos Chem Phys 2005;5：2461https://www.atmos-chem-phys.org/acp/5/2461/[13]Stohl A等人，拉格朗日粒子弥散模型FLEXPART版本9.3.2016，https：//www.flexpart.eu/export/496c6079149f12fb3e7ecf1f35147079467965/flexpart。git/doc/latex-manual/flexpart9. 3 .第三章。pdf. [2022年3月[14]Piso I，et al. The Lagrangian particle dispersion model FLEXPART version10.3.GeosciModelDevDiscuss2019.333.第三百三十三http://dx.doi.org/10.5194/gmd-2018-[15] Brioude J，et al.拉格朗日粒子弥散模型FLEXPART-WRF 3.1版。GeosciModelDev2013;6 ： 1889-904.http://dx.doi.org/10.5194/gmd-6-1889-2013。[16] 李晓梅，李晓梅，李晓梅.非静力数值天气预报模式COSMO的在线轨迹模块Geosci Model Dev 2013;6：1989-2004. http://dx.doi.org/10.5194/gmd-6-1989-2013年。[17] 施 普 伦 格 ， 韦 恩 利 .LAGRANTO 拉 格 朗 日 分 析 工 具 - 版 本 2.0 。 GeosciModel Dev 2015;8：2569-86. http://dx.doi.org/10.5194/gmd-8-2569-2015。[18] Dee DP，et al.ERA中期再分析：数据同化系统的配置和Q J R MeteorolSoc 2011;137：553-97. http://dx.doi.org/10.1002/qj.828网站。[19]Hersbach H等人，ERA5全球再分析。Q J R Meteorol Soc 2020;146：1999-2049. http://dx.doi.org/10.1002/qj.3803网站。[20]Skamarock W，et al.高级研究WRF版本的描述3.技术报告，2008年，第113页。http://dx.doi.org/10.5065/D6DZ069T网站。[21][10]杨文辉，李文辉.用COSMO模式进行业务对流尺度数值天气预报：描述和敏 感 性 。 《 星 期 一 天 气 评 论 》 ， 2011 年 ;139 ： 3887-905 。http://dx.doi.org/10.1175/MWR-D-10-05013.1网站。[22]Gimeno L，Nieto R，Trigo R，Vicente-Serrano SM，López-Moreno JI.伊比利亚半岛的水分来自哪里？一个基于拉格朗日方法的答案。J Hydrometeorol2010;11：336-421. http://dx.doi.org/10.1175/2009JHM 1182.[23]van der Ent RJ，Tuinenburg OA.水在大气中的停留时间的再探讨。HydrolEarth Syst Sci 2017;21 ： 779-90. http://dx.doi 的 网 站 。 org/10.5194/hess-21-779-2017。[24]吉梅诺湖水蒸气在大气中的停留时间。 地球环境国家牧师。2021;2：558-69.http://dx.doi.org/10.1038/s43017-021-00181-9.[25]放大图片作者：Fremme A.海陆蒸发对长江流域降水变化的作用。水。地球系统科学2019;23：2525-40. http://dx.doi.org/10.5194/hess-23-2525-2019网站。[26]Pérez-Alarcón A，Coll-Hidalgo P，Fernánánti-Alvarez JC，Sorí R，NietoR，Gimeno L. 2017年北大西洋海盆与主要飓风相关降水的水分来源。第127章.http://dx.doi.org/10.1029/2021JD035554，e2021JD035554。[27]Pérez-Alarcón A，Sorí R，Fernánti-Alvarez JC，Nieto R，Gimeno L.北大西洋 热 带 气 旋 的 水 分 来 自 哪 里 ？ 氢 陨 石2022;23 ： 457-72.http://dx.doi.org/10.1175/JHM-D-21-0117的网站。1.一、[28]Anaconda文档。https://docs.anaconda.com网站。[2022年3月22日]。[29]Fernando-Alvarez JC，Vazquez M，Perez-Alarcón A，Nieto R，Gimeno L.不同版本水汽源汇估算的评价F L E X P A R T 和FLEXPART-WRF模型与ECMWF再分析数据。J Hydrometeorol 2022.（未公布结果）。[30]Nieto R，Gimeno L.增编：大气水分源和汇的拉格朗日研究的最佳积分时间数据库。科学数据2021;8：130。http://dx.doi.org/10.1038/s41597-021-00902-1网站。[31]Wang Z，Bovik AC，Sheikh HR，Simoncelli EP.图像质量评估：从错误可见性 到 结 构 相 似 性 。 IEEETransImageProcess2004;13 ： 600-12.http://dx.doi.org/10.1109/TIP.2003.819861网站。[32] 吉 梅 诺 湖 大 陆 降 水 的 海 洋 来 源 。 水 资 源 研 究 2014;50 ：3647http://dx.doi.org/10.1002/2014WR015477网站。[33]Bao J，Sherwood SC，Alexander LV，Evans JP. 未来极端降水的增加将超过观测到的结垢率。NatClimChang2017;7：128-32.http://dx.doi.org/10.1038/nclimate3201网站。[34]Prein AF等人，美国未来对流风暴的降雨量增加。Nat Clim Chang 2017;7：880-4. http://dx.doi.org/10.1038/s41558-017-0007-7.