Translated by Dr. Mengyi Jin
大气河流（Atmospheric Rivers, ARs），即大气中狭长的水汽通道，越来越多地被视为重要的水资源来源以及极端洪涝事件的驱动因素。随着气候变化加剧其影响，空间技术正助力科学家探测、监测并预测这些"天空中的河流"，以守护生命与基础设施安全。
大气河流的重要性日益上升
大气河流是一种全球性天气现象，它们正如人们听到这个词时所想象的那样——天空中的“河流”。不过，与地表的河流运输液态水不同，大气河流将大量的水蒸气从海洋输送到陆地。这个名称来源于它们的形状——狭长而细窄，长度可达数千千米。它们的典型特征包括：较高的整层水汽含量（Integrated Water Vapor, IWV [kg/m²]）和强劲的低层风，这二者共同导致整层水汽输送量（Integrated Vapor Transport, IVT [kg/m/s]）增加。整层水汽输送量可以用来衡量大气中水汽水平输送的总量。平均而言，假设整层水汽输送量为 550 kg/m/s，典型宽度为 850,000 米，一个大气河流每秒可输送约 4.7×10⁸ (±2×10⁸) 千克水汽（Ralph et al. 2017）。这一输送量大约是亚马逊河平均流量的 2.35 倍，亚马逊河每秒大约输送 2×10⁸ 千克液态水（基于 200,000 m³/s 的平均流量和 1,000 kg/m³ 的水密度）。
研究表明，在中纬度地区，超过 90% 的极向水汽输送都是通过大气河流完成的，尽管它们在任一纬度上仅占约 10%的地球周长。事实上，在任意时间点，地球的每个半球上通常会存在 3 到 5 条大气河流，如图 1 所示（Zhu and Newell 1994）。
最新研究表明，受气候变化影响，大气河流的宽度和长度可能增加 25%，能输送的水汽量会显著提升，而其总体发生频率将降低10%（Espinoza et al. 2018；Rhoades et al. 2020；Payne et al. 2020）。这将进一步强化大气河流的双重角色：既是关键的水资源，又是极端天气事件的驱动因素。
大气河流的双重特性
大气河流在补充水库、维持积雪和灌溉干旱地区方面发挥着至关重要的作用。然而，它们也可能引发极端降水、洪水和山体滑坡，造成严重的社会经济影响。
加利福尼亚州1861至1862 年冬季的洪灾突显了大气河流巨大的潜在破坏力。长达 43 天的风暴将中央谷地转变为一片500 千米长、 30 千米宽的内陆海洋，整个城镇被迫迁移，经济遭到毁灭性打击。这场由大气河流驱动的“超级洪水”至今仍提醒人们这些自然现象所具有的力量（Dettinger and Ingram，2013）。随着全球气温上升，大气河流的频率、持续时间和强度正在持续增加。联合国政府间气候变化专门委员会（IPCC）警告称，未来大气河流将带来更强的降水和更高的洪水风险（IPCC 2023）。
如今，通过对大气河流的关注，我们逐渐认识到它们在全球水资源管理中发挥着至关重要的、但过去常被忽视的作用，以及在气候变化背景下适应新环境的必要性。
空间技术如何探测和预测大气河流
大气河流的探测和观测高度依赖于能提供全球覆盖和高分辨率数据的空间技术。这在地面观测站点稀少的偏远地区或者海洋区域显得尤为重要。卫星传感器测量得到的如整层水汽输送量和整层水汽含量等关键变量，对于识别大气河流的强度、结构和水汽含量至关重要。这些数据不仅支持大气河流的识别，还被用于天气模型和气候预测，支持预警系统 （Liu and Hu 2025）。下文提供了若干示例：
全球导航卫星系统无线电掩星技术（GNSS RO）利用了全球导航卫星系统（GNSS）的信号在穿越地球大气层时产生的折射现象。该技术通过测量信号相位和振幅的变化，可获取高分辨率的大气温度、气压和湿度垂直廓线，并能有效探测大气河流中常见的水汽含量急剧变化的情况（Rahimi and Foelsche 2024）。GNSS RO技术具备高垂直分辨率（100米至1千米）的优势，且不受云层或降水干扰。然而，其水平分辨率有限（约200千米），同时由于低层大气密度导致的信号衰减或干扰，近地表区域存在数据空白。通过探测高湿度地区及水汽含量的急剧变化，GNSS RO有助于揭示大气河流的垂直结构。代表性GNSS RO任务包括气象、电离层与气候星座观测系统（COSMIC）及其后续任务COSMIC-2。此外，商业星座（如Spire Global公司的立方星群）与国际任务（包括欧洲气象卫星开发组织的气象业务卫星系列和美国联合极轨卫星系统）也提供了重要数据支撑。这些观测平台共同提供了全球范围的高垂直分辨率廓线，为大气河流的探测与分析提供了有力支持。
特殊传感器微波成像仪/探测仪（SSMI/S） 是美国国防气象卫星计划搭载的被动微波遥感器。该设备可测量水汽分布、海面风场及降水参数，由此能够有效追踪海洋上空的大气河流并提供整层水汽含量反演数据（Wentz, Hilburn and Smith 2012；OSCAR 2024）。SSMI/S具有较宽的水平覆盖范围（分辨率25–50千米），在海洋环境下可靠性高，但在陆地上因地表发射率变化会导致精度下降（图2）。该传感器可捕捉水汽的平面分布特征，清晰呈现大气河流典型的狭长带状结构，对海洋区域监测尤为有效。
中分辨率成像光谱仪（MODIS）是搭载于美国国家航空航天局Aqua与Terra卫星上的光学传感器。该设备可获取大气过程的可见光与红外影像，有助于直观呈现大气河流的移动路径、空间范围，尤其是云系结构和相关降水模式（图3）。MODIS影像能够清晰呈现大气河流的云型特征与水汽羽流（Yang et al. 2006；NASA 2024a）。
MODIS具备高空间分辨率（约1千米）和全球覆盖能力，可获取高分辨率影像并测量整层水汽含量，但其对厚密云层的穿透能力有限。该传感器能够有效识别大气河流特有的水汽输送带特征，并同步监测云参数及海表温度。
地球静止环境业务卫星（GOES）是由美国国家海洋和大气管理局主导的系列地球静止卫星。该类卫星定位於赤道上空约36,000千米高度，轨道运行角速度与地球自转相同，从而实现对固定区域的连续观测（图4）。
GOES卫星定位于地球上空约36,000千米的固定轨道，可对大气和地表状况进行连续实时监测。当前在轨的GOES-R系列卫星（包括GOES-16、17、18和19）搭载的先进基线成像仪能够获取多光谱影像，涵盖可见光、红外及水汽通道，其影像示例如图5所示（NASA 2024b）。
GOES-R系列卫星具备近连续的时间覆盖能力，能有效追踪大气河流的移动，但其空间分辨率低于MODIS等极轨传感器。利用水汽通道和红外影像，该卫星可识别大气河流，并提供其云系结构、水汽含量和移动路径等接近连续的更新信息。这一特性使得GOES卫星在识别大气河流登陆及其相关极端降水格局方面具有独特优势。 表1汇总了上述各类观测任务与仪器，列出其关键特性及在大气河流研究中的具体贡献。
| 技术 | 卫星任务 | 在轨时间 | 观测要素 | 光谱分辨率 | 空间分辨率 | 时间分辨率 | 对大气河流研究的贡献 |
| MODIS | Terra （陆地观测） | 1999年至今 （设计寿命至2005年，现已超期） | - 光学影像（可见光与红外） - 整层水汽含量 - 云参数 - 海表温度 | 36个波段 （0.4 - 14.4 µm） | 250米 – 1千米 （因波段而异） | 1-2天 | 可视化大气河流云带与水汽羽流；追踪与大气河流形成相关的海表温度条件；高分辨率数据有助于识别大气河流登陆及相关降水 |
| MODIS | Aqua （水循环观测） | 2002年 - 2026年 | 同Terra | 36个波段 （0.4 - 14.4 µm） | 250米 – 1千米 （因波段而异） | 1-2天 | 与Terra卫星互补 |
| GNSS RO | FormoSat-3/ COSMIC-1 | 2006年 - 2020年 | 利用GPS信号反演水汽、温度、压力的高垂直分辨率廓线 | L1 (1575.42 MHz), L2 (1227.60 MHz) | 垂直分辨率：300-1500米 水平分辨率：300-600千米 | 通过识别高湿区和大气湿度陡梯度来探测大气河流； 改进数值天气预报模式，提升大气河流预报能力 | |
| GNSS RO (集成GPS掩星接收机 (IGOR)) | 2019年至今 （设计寿命至2024年，现已超期） | 同 COSMIC-1 | L1 (1575.42 MHz), L2 (1227.60 MHz) | 垂直分辨率：300-1500米 水平分辨率：300-600千米 | 提升了对热带和副热带区域的观测覆盖，这些区域对大气河流上游监测至关重要 | ||
| GNSS RO (全球导航卫星系统大气探测接收机 (GRAS)) | MetOp-A | 2006年 - 2021年 | 同 COSMIC-1 | L1 (1575.42 MHz), L5 (1176.45 MHz) | 垂直分辨率：300-1500米 水平分辨率：100-300千米 | 提供近全球覆盖（包括极区），因其太阳同步极地轨道， 可对全球范围（包括高纬度地区）的大气河流研究做出贡献 | |
| MetOp-B | 2012年 – 2026年 | 同 COSMIC-1 | L1 (1575.42 MHz), L5 (1176.45 MHz) | 垂直分辨率：300-1500米 水平分辨率：100-300千米 | 同 MetOp-A | ||
| MetOp-C | 2018年 – 2032年 | 同 COSMIC-1 | L1 (1575.42 MHz), L5 (1176.45 MHz) | 垂直分辨率：300-1500米 水平分辨率：100-300千米 | 同 MetOp-A | ||
| SSMI/S | DMSP F16 | 2003年 – 2023年 | - 微波测量整层水汽 - 海面风场 - 降水数据 | 24个波段 (19.53 GHz-189. 9105 GHz) | 随频率变化 （25千米x17千米 - 70千米x42千米） | 在缺乏地基观测的海洋上空追踪大气河流水汽羽流；为偏远地区的大气河流分析提供关键数据 | |
| DMSP F17 | 2006年 – 2025年 | 同 DMSP F16 | 24个波段 (19.53 GHz-189. 9105 GHz) | 同 DMSP F16 | 全球重访： 约每天每星1次 | 同 DMSP F16 | |
| DMSP F18 | 2009年 – 2025年 | 同 DMSP F16 | 24个波段 (19.53 GHz-189. 9105 GHz) | 同 DMSP F16 | 全球重访： 约每天每星1次 | 同 DMSP F16 | |
| 2014年 – 2016年 | 同 DMSP F16 | 24个波段 (19.53 GHz-189. 9105 GHz) | 同 DMSP F16 | 全球重访： 约每天每星1次 | 同 DMSP F16 | |
| ABI 搭载于GOES-R | GOES-16 (原 GOES-R)* | 2016年 – 2025年 | - 连续实时成像 - 水汽通道 - 红外大气模态 | 16个波段 (0.47 – 13.3 µm) | 0.5千米 – 2千米 （取决于使用波段） | 30秒 - 15分钟 | 以高时间分辨率监测大气河流云系结构和水汽羽流； 动态追踪大气河流在海洋上空的移动及登陆过程 |
| GOES-17 (原 GOES-S)* | 2018年 – 2033年 | 同 GOES-16 | 16个波段 (0.47 – 13.3 µm) | 同 GOES-16 | 30秒 - 15分钟 | 同 GOES-16 | |
| GOES-18 (原 GOES-T)* | 2022年– 2037年 | 同 GOES-16 | 16个波段 (0.47 – 13.3 µm) | 同 GOES-16 | 30秒 - 15分钟 | 同 GOES-16 | |
| GOES-19 (原 GOES-U)* | 2024年 – 2039年 | 同 GOES-16 | 16个波段 (0.47 – 13.3 µm) | 同 GOES-16 | 30秒 - 15分钟 | 同 GOES-16 |
*注：GOES卫星在发射前以字母命名，进入静止轨道后改为数字编号（NASA n.d.）。
天基观测数据为全球预报模式提供了关键输入，例如全球预报系统(Global Forecast System, GFS)与欧洲中期天气预报中心的集成预报系统(European Centre for Medium-Range Weather Forecasts, ECMWF)。以近期美国西海岸的大气河流事件为例，上述模式基于卫星数据实现了对强降水、降雪及大风的精准预报（NWS and NOAA 2024）。这些预报成果使社区能够提前应对极端天气。
大气河流天基监测的业务化应用与预报能力建设
天基观测日益成为大气河流业务化监测的核心手段，其在公共安全与水资源管理方面的效益已得到实证。美国国家海洋和大气管理局研发的沿海大气河流监测与预警系统等业务平台（Coastal Atmospheric River Monitoring and Early Warning System, CARMEWS），通过融合GOES-R系列卫星与SSMI/S等卫星数据，可提供近实时的大气河流特征分析（White et al. 2010；NOAA 2025）。尽管目前尚未有公开记录显示仅依据大气河流预报即启动人员疏散，但这些观测数据持续为美国国家气象局在受影响的区域（如2021年与2023年加州大气河流事件期间）发布天气咨询与洪水监测提供支撑。大气河流侦察(AR Recon)计划通过将下投式探空仪与GNSS RO数据同化进入数值模式，显著提升了预报技巧，其目标是延长洪水风险管理的有效预见期（CW3E 2019;Center for Western Weather and Water Extremes n.d.）。同样，门多西诺湖的预报指导水库调度倡议(Forecast-Informed Reservoir Operations, FIRO)成功利用卫星支持的大气河流预报，优化了水库调度策略，在保障防洪安全的同时提高了蓄水效率（Fox 2024; CW3E 2025b）。尽管目前大气河流预报与应急疏散的直接关联仍然有限，但这些项目共同致力于提升业务能力，以期针对即将来临的大气河流事件发布及时的、定位精准的早期预警。
结论：为什么卫星技术对追踪大气河流很重要？
大气河流是重要的水资源补给通道，但也是极端天气事件的致灾因子。随着气候变化影响的加剧，其强度与频次正呈现增长趋势。通过运用GNSS RO、SSMI/S、MODIS与GOES等天基技术，科学家得以更精准地探测、监测与预测大气河流，助力社区开展防灾减灾与适应规划工作。天基数据不仅支撑着水资源管理优化，更通过完善早期预警系统，在全球范围内守护生命与生计。当前深化对大气河流的认知，正是为了适应快速变化的气候所发出的行动倡议。
Center for Western Weather and Water Extremes. 2019. “Atmospheric River Research, Mitigation, and Climate Forecasting Program.” April. https://cw3e.ucsd.edu/wp-content/uploads/CW3E_ARProgramPhase1_FinalRepo….
Center for Western Weather and Water Extremes. n.d. Atmospheric River Reconnaissance.
Center for Western Weather and Water Extremes.. 2025. “Forecast Informed Reservoir Operations.” Accessed August 6. https://cw3e.ucsd.edu/firo_lake_mendocino_fva/.
Dettinger, Michael D, and B Lynn Ingram. 2013. “The Coming Megafloods.” Scientific American.
Espinoza, Vicky, Duane E Waliser, Bin Guan, David A Lavers, and F Martin Ralph. 2018. “Global Analysis of Climate Change Projection Effects on Atmospheric Rivers.” Geophysical Research Letters 45 (9): 4299–4308. doi:10.1029/2017GL076968.
European Space Agency (ESA). 2020. “Types of Orbits.” March 30.
Fox, Alex. 2024. “Taking Flight: UC San Diego Shaping Future of Atmospheric River Forecasting.” Scripps Institution of Oceanography. https://scripps.ucsd.edu/news/taking-flight-uc-san-diego-shaping-future….
Francis, Diana, Ricardo Fonseca, Narendra Nelli, Deniz Bozkurt, Ghislain Picard, and Bin Guan. 2022. “Atmospheric Rivers Drive Exceptional Saharan Dust Transport towards Europe.” Atmospheric Research 266: 105959. doi: doi.org/10.1016/j.atmosres.2021.105959.
Gimeno, L., Nieto, R., Vázquez, M., & Lavers, D. (2014). Atmospheric rivers: a mini-review. Frontiers in Earth Science, 2. https://doi.org/10.3389/feart.2014.00002
Intergovernmental Panel on Climate Change (IPCC), ed. 2023. “Water Cycle Changes.” In Climate Change 2021 – The Physical Science Basis: Working Group I Contribution to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change, 1055–1210. Cambridge: Cambridge University Press. doi: 10.1017/9781009157896.010.
Liu, Tianying, and Shineng Hu. 2025. “An Algorithm to Develop a Satellite-Based Atmospheric River Database.” Geophysical Research Letters 52 (5): e2024GL111316. doi:10.1029/2024GL111316.
NASA. 2024a. “MODIS Moderate Resolution Imaging Spectroradiometer.”
NASA. 2024b. “GOES Satellite Network.” November.
NASA. n.d. “Geostationary Operational Environmental Satellites—R Series A Collaborative NOAA & NASA Program.” National Oceanic and Atmospheric Administration.
NASA Earth Observatory. 2023. “Atmospheric River Lashes California,” January.
NOAA. 2025. “NOAA’s Atmospheric River Research: Serving up Data Rain or Shine - NOAA Research.” Accessed August 6. https://research.noaa.gov/noaas-atmospheric-river-research-serving-up-d….
NWS, and NOAA. 2024. “U.S. Week-2 Hazards Outlook - Made December 17, 2024.” National Weather Service (NWS) Climate Predicion Center. December 17.
Observing Systems Capability Analysis and Review Tool (OSCAR). 2024. “Instrument SSMIS.”
Payne, Ashley E, Marie-Estelle Demory, L Ruby Leung, Alexandre M Ramos, Christine A Shields, Jonathan J Rutz, Nicholas Siler, Gabriele Villarini, Alex Hall, and F Martin Ralph. 2020. “Responses and Impacts of Atmospheric Rivers to Climate Change.” Nature Reviews Earth & Environment 1 (3): 143–57. doi:10.1038/s43017-020-0030-5.
Rahimi, B, and U Foelsche. 2024. “Observing Atmospheric Rivers Using GNSS Radio Occultation Data.” Atmospheric Measurement Techniques Discussions 2024: 1–40. doi:10.5194/amt-2024-81.
Ralph, F. Martin, S. F. Iacobellis, P. J. Neiman, J. M. Cordeira, J. R. Spackman, D. E. Waliser, G. A. Wick, A. B. White, and C. Fairall. 2017. “Dropsonde Observations of Total Integrated Water Vapor Transport within North Pacific Atmospheric Rivers.” Journal of Hydrometeorology 18 (9). American Meteorological Society: 2577–96. doi:10.1175/JHM-D-17-0036.1.
Rhoades, Alan M, Andrew D Jones, Abhishekh Srivastava, Huanping Huang, Travis A O’Brien, Christina M Patricola, Paul A Ullrich, Michael Wehner, and Yang Zhou. 2020. “The Shifting Scales of Western U.S. Landfalling Atmospheric Rivers Under Climate Change.” Geophysical Research Letters 47 (17): e2020GL089096. doi: 10.1029/2020GL089096.
Wentz, F.J., K.A. Hilburn, and D.K. Smith. 2012. “SSMI / SSMIS.” Santa Rosa, CA: Remote Sensing Systems.
White, Allen B., F. Martin Ralph, Paul J. Neiman, Daniel J. Gottas, and Seth I. Gutman. 2010. “The NOAA Coastal Atmospheric River Observatory.”
Yang, F, M A White, A R Michaelis, K Ichii, H Hashimoto, P Votava, A-X. Zhu, and R R Nemani. 2006. “Prediction of Continental-Scale Evapotranspiration by Combining MODIS and AmeriFlux Data Through Support Vector Machine.” IEEE Transactions on Geoscience and Remote Sensing 44 (11): 3452–61. doi:10.1109/TGRS.2006.876297.
Zhu, Yong, and Reginald E Newell. 1994. “Atmospheric Rivers and Bombs.” Geophysical Research Letters 21 (18): 1999–2002. doi: 10.1029/94GL01710.
