高原气象

高原气象 >

2020 , Vol. 39 >Issue 3: 459 - 466

DOI: https://doi.org/10.7522/j.issn.1000-0534.2019.00121.

论文

1980 -2016年青藏高原变暖时空特征及其可能影响原因

  • 魏莹 ,
  • 段克勤
展开
  • 陕西师范大学地理科学与旅游学院, 陕西 西安 710119
段克勤(1970 -)， 男， 甘肃平凉人， 教授， 主要从事全球变化研究. E-mail:

魏莹（1994 -）， 女， 陕西宝鸡人， 硕士研究生， 主要从事气候变化与自然灾害研究. E-mail:

收稿日期: 2019-07-11

  修回日期: 2020-01-15

  网络出版日期: 2020-06-28

基金资助

国家自然科学基金项目(41571062)

收起

Temporal and Spatial Characteristics and Possible Causes Research of Qinghai-Tibetan Plateau Warming from 1980 to 2016

  • Ying WEI ,
  • Keqin DUAN
Expand
  • School of Geography and Tourism, Shaanxi Normal University, Xi'an 710119, Shaanxi, China

Received date: 2019-07-11

  Revised date: 2020-01-15

  Online published: 2020-06-28

Fold

本文亮点

为全面认识1980 -2016年期间青藏高原气温的时空变化, 利用气象台站地表气温（TO）数据, 对比分析了JRA-55（TJ）、 ERA-Interim（TE）和MERRA（TM）三种再分析2 m气温资料在高原东部的适用性, 并选取最优数据集相关参数进一步探讨高原气温变化的可能机制。结果表明, TO、 TJ、 TE和TM均能够揭示高原呈现的显著增温趋势, 其年平均增温趋势分别为0.52, 0.37, 0.29和0.26 ℃·(10a)-1。对比三种再分析资料与TO年、 季时空变化发现, TJ在高原的适用性优于TE和TM, 可用来弥补高原西部观测的不足。TJ显示高原整体存在“双中心”变暖区, 相比于夏季, 冬季的变暖中心会发生“南移”, 且中心最大变暖趋势[0.9 ℃·(10a)-1]大于夏季[0.8 ℃·(10a)-1]。夏季升温趋势存在南缓北快差异可能与降水潜热变化有关, 而中东部冬季变暖显著则可能与积雪-反照率反馈调节地表净辐射收支相关。

本文引用格式

魏莹 , 段克勤 . 1980 -2016年青藏高原变暖时空特征及其可能影响原因[J]. 高原气象, 2020 , 39(3) : 459 -466 . DOI: 10.7522/j.issn.1000-0534.2019.00121.

Highlights

In order to fully detect the temporal and spatial temperature changes on the Qinghai-Tibetan Plateau (QTP) during 1980-2016, The monthly mean surface air temperature at 2 m from the JRA-55 (TJ), ERA-Interim (TE) and MERRA (TM) were respectively compared with those observed value at meteorological stations in the QTP.All the data sets reveal QTP has experienced significant warming, with the annual warming trends of 0.52 (TO), 0.37 (TJ), 0.29 (TE) and 0.26 (TM) ℃·(10a)-1, respectively.By comparison the annual and seasonal variations and trends of three reanalysis data with TO, it is found that the applicability of TJ is better than TE and TM in the eastern QTP.Then, TJ can be used to make up for the lack of observation in the western QTP.Generally, TJ shows there is a “dual-center” warming zone in the whole QTP, and the warming center in winter moves southward contrast to in summer.The maximum warming rate [0.9 ℃·(10a)-1]in winter was larger than that[0.8 ℃·(10a)-1] in summer.In addition, the summer warming trend in northern QTP is much higher than that in southern QTP, which is maybe related to latent heat caused by the precipitation change.While the highest warming rate in winter occurs on the central western QTP, which is may caused by the increase of net radiation budget due to the snow-albedo feedback.

1 引言

青藏高原（下称高原）分布着广泛的冰川、 积雪和冻土, 其特殊的下垫面对全球变暖响应更加敏感（Yao et al, 2012; Cai et al, 2017）, 且变暖过程比周围非山地地区更加强烈（Kuang et al, 2016; You et al, 2016）。自1998年全球变暖停滞以来, 高原仍以0.16~0.50 ℃·(10a)-1的速率持续加速变暖（Duan et al, 2017; Xu et al, 2017; Rangwala et al, 2013; Liu et al, 2017）。变暖结果已经引起一系列的生态环境问题, 如水患风险加剧（徐柏青等, 2015）, 冰川冻土融化（Ran et al, 2018）以及北半球温度和降水的异常（刘舸等, 2018）。因而, 充分认识、 量化高原气温变暖趋势和规律对评估其对生态环境的潜在影响具有重要意义。
采用不同的数据获得的高原变暖趋势存在较大差异, 原因之一是高原西部以及高海拔地区气温的观测不足, 为弥补这一缺点, 再分析资料被大量使用（Thorne et al, 2010; Dee et al, 2011; You et al, 2013; 杜鹃等, 2019）。当前最新的第三代再分析资料有JMA的JRA-55（Ebita et al, 2011）、 ECMWF的ERA-Interim（Dee et al, 2011）和NASA的MERRA（Gelaro et al, 2017）。其中ERA-Interim能较好地描述高原年季和空间变化特征, 在高原的适用性优于ERA-40和NCEP等再分析资料, 且对夏季模拟的一致性好于冬季（李瑞青等, 2012; 孙玉婷等, 2013; Zou et al, 2014; 陈涛等, 2019）。MERRA在高原存在系统性偏低, 但与实测地面气温的长期变化具有较好的一致性, 年升温率为0.18 ℃·(10a)-1（除多等, 2016）。相比于ERA-Interim和MERRA, JRA-55在高原的验证和应用研究存在空白。JRA-55在中国整体区域的适用性已有研究, 朱智等（2015）分析5种再分析资料发现, JRA-55优于ERA-Interim和NCEP系列温度资料, 但Zhou et al（2017）对比JRA-55、 ERA-Interim和MERRA在内的8种再分析资料发现ERA-Interim的模拟能力最优。因而, 对比分析JRA-55、 ERA-Interim和MERRA三种再分析资料在不同区域的优劣, 是精确分析高原温度变化的前提。
高原变暖机制的研究受到广泛关注, 积雪反照率、 云、 水汽-辐射、 土壤湿度、 气溶胶等成为重点研究对象（Pepin et al, 2015）。积雪-气温正反馈机制加速了高原地表变暖已经达成共识（Thackeray et al, 2016; Guo et al, 2016）, 且高海拔会放大积雪年际变率（保云涛等, 2018）。云的复杂性和不确定性增加了主导云为高云或低云的争议（Guo et al, 2016; Duan et al, 2016; Schneider et al, 2017; 高星星等, 2017; 张琪等, 2018; Hua et al, 2018）。同时未饱和水汽会释放出更多的长波辐射增加高原变暖幅度（Rangwala et al, 2009; Naud et al, 2013）。变暖使土地从碳汇向碳源转化, 其“二氧化碳施肥效应”的反馈作用大大加快变暖速度（Green et al, 2019）, 且旱地变暖幅度比湿地高出20%~40%（Huang et al, 2017）, 使得变暖存在空间差异性。此外, 气溶胶粒子在影响到达高原地表的太阳辐射的同时, 还能作为云的凝结核改变云的光学属性和云量进一步影响高原降水, 并且富集在表雪层降低积雪反照率促进冰川融化, 综合影响地气辐射热量平衡（Stevens et al, 2009; Jia et al, 2018）。Su et al（2017）利用站点和JRA-55、 MERRA两种再分析数据, 从动力和热力学角度分析其机制, 发现云辐射、 潜热、 感热等具有较弱冷却效应, 晴天条件下的向下长波辐射和积雪正反馈加剧高原变暖, 尤其是在冬季。“水-冰冻圈-大气-生物圈”多系统互动网络监测平台揭示了高原变暖过程, 高原不对称变暖产生的高空气压梯度力下移使得地面风速降低, 导致地表向高空传递的热量减少, 引起臭氧消耗和CO2效应的同时加速永久冻土层退化, 释放土壤碳库增加大气碳来源从而加速高原变暖（Ma et al, 2017）。
上述研究从不同角度解释了高原的变暖机制, 然而气候系统是一个巨系统, 其各要素相互作用复杂, 使得高原变暖的机制研究难以量化。例如CO2的温室效应反馈放大了初始地表的变暖, 加速积雪融化和水汽增加的同时增加了由云层出射的长波辐射, 进一步放大地表变暖程度（Hu et al, 2018）。相比较, 与高原温度时空变化联系最为密切的因素还不甚明确。基于此, 本文利用1980 -2016年地面站点气温月值数据集, 对比分析JRA-55、 ERA-Interim和MERRA三种再分析气温资料, 根据其在高原所表现的模拟能力优劣, 选取最优资料的相关参数分析其与高原气温时空变化的关系, 以期进一步明确高原气温变化的影响机制。

2 资料选取

研究范围（25°N -40°N, 73°E -105°E）及站点分布如图1所示。海拔地形数据采用SRTM90m数据（http: //srtm.csi.cgiar.org/SELECTION/inputCoord.asp）。
图1 研究区范围和气象站点分布

Fig.1 Location of the study area and meteorological observation sites

所用数据包括: 中国地面站点气温月值数据集（http: //data.cma.cn）、 JRA-55（Kobayashi et al, 2015）、 ERA-Interim（Dee et al, 2011）和MERRA（Rienecker et al, 2011）再分析月平均气温数据, 时间跨度为1980 -2016年。为了方便表示, 用TO、 TJ、 TE和TM分别表示站点、 JRA-55、 ERA-Interim和MERRA四种数据。文中涉及的地图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)1609号地图制作, 底图无修改。
三种再分析资料所选取分辨率如表1所示, 以使其在相同分辨率下具有可比性。JRA-55（TJ）再分析计划是日本JMA第二个全球大气再分析计划, 它是JRA-25的升级版, 在数据同化等方面做了较大的改进, 同化方案为4D-Var, 加入了如大气运动矢量AMV、 晴空辐射CSR等新的观测数据, 常用分辨率为1.25°×1.25°。NCAR将1.25版本处理为常规的高斯网格, 即0.5625°×0.5625°。ERA-Interim（TE）采用ECMWF集成预报同化系统IFS, 运用四维变分技术4D-Var, 分辨率为T255L60, 对卫星资料变量偏差的修正以及对观测系统中其他数据的处理等。MERRA（TM）是美国NASA全球模拟和同化办公室, 应用数据同化系统GEOS-5并采用三维变分同化技术3D-Var得到的, 致力于天气和气候时间尺度与水循环相关领域的高分辨率全球再分析资料。
表1 TJ、 TE和TM三种再分析资料分辨率

Table 1 Resolution of TJ, TE and TM three reanalysis data

数据 数据分辨率 所选分辨率
JRA-55（TJ） 1.25°×1.25°; 0.5625°×0.5625° 0.5625°×0.5625°
ERA-interim（TE）

3°×3°; 2.5°×2.5°; 2°×2°; 1.5°×1.5°; 1.125°×1.125°; 1°×1°; 0.75°×0.75°;

0.5°×0.5°; 0.4°×0.4°; 0.25°×0.25°; 0.125°×0.125°

 0.5°×0.5°
MERRA（TM） 0.5°×0.667° 0.5°×0.667°

3 高原变暖时空特征

3.1　三种再分析资料在高原东部的适用性分析

由于气象台站主要位于高原东部, 为客观比较再分析资料的适用性, 利用双线性插值方法从TJ、 TE和TM中提取与东部站点一一对应的气温数据, 在此基础上进行再分析资料与站点数据的对比分析（图2）。从图2中可以看出, TO、 TJ、 TE和TM四种数据年、 季气温变化较为一致, 整体呈现波动上升趋势。其中, 年均气温在1997 -1998年期间发生明显的跳跃, 2011年之后年均气温增加比较显著, 于2016年达到最高温度。夏季和冬季均显示出21世纪后高原气温变化多为正距平, 但在细节上存在显著差异。
图2 1980 -2016年全年、 夏季和冬季TO、 TJ、 TE、 TM气温距平

Fig.2 The anomaly temperature from TO、 TJ、 TE and TM in annual, summer and winter from 1980 to 2016

表2为TO、 TJ、 TE和TM四种数据年、 夏和冬季气温变化趋势以及三种再分析资料同TO的相关性。从表2中可以看出, TO、 TJ、 TE和TM均揭示了高原呈现显著增温趋势。其中TO揭示高原全年、 夏季和冬季变暖趋势分别为0.45、 0.39和0.56 ℃·(10a)-1, 冬季变暖显著于夏季。并且TO年、 季变暖均显著大于TJ、 TE和TM三种再分析资料。对比再分析资料与TO的相关性发现, TJ与TO年、 夏和冬季的相关性最高, 其相关系数分别为0.98、 0.99和0.97。同时, TJ同TO（图2）的变化趋势最为接近, 整体呈现较好的一致性。相比较, TE和TM对高原升温趋势的反映偏低, 使用这两种再分析资料, 会更大程度地弱化高原的变暖幅度。
表2 TO、 TJ、 TE和TM气温趋势以及三种再分析资料同TO的相关性

Table 2 The temperature trends of TO, TJ, TE, TM and correlation of three reanalysis data with TO

时段 TO TJ TE TM
趋势/[℃·(10a)-1] R 趋势/[℃·(10a)-1] R 趋势/[℃·(10a)-1] R 趋势/[℃·(10a)-1] R
全年 0.45** / 0.35** 0.98** 0.29** 0.96** 0.28** 0.90**
夏季 0.39** / 0.35** 0.99** 0.26** 0.96** 0.23** 0.90**
冬季 0.56** / 0.39** 0.97** 0.35** 0.95** 0.33** 0.91**

**表示通过0.01显著性水平检验

图3进一步给出了1980 -2016年期间TO和与之相应的三种再分析气温变化趋势点对点的比较。从图3中可以看出, 三种再分析数据集对于高原气温变化的评估能力存在较大差异, 其相关系数在0.08~0.67之间。整体上, 当空间点上升温趋势越大时, 再分析资料表现越差。当TO的升温趋势越大时, TE的升温趋势越小, 这就造成TE对高原升温趋势的严重低估（表2）; TM次之。与其相比, 图3中TJ与TO的相关性最好, 即在TO的升温趋势越大的空间点上, TJ的升温趋势也越大。其中, TJ在冬季（0.32）表现弱于夏季（0.67）, 冬季与观测值的差异大于夏季, 这可能与TJ再分析资料同化模式对于冬季逆温效应考虑不足有关（王田野等, 2016）。
图3 1980 -2016年全年、 夏季和冬季高原东部站点及对应点再分析资料气温变化趋势散点分布

Fig.3 The temperature trends variability distribution of site and corresponding points of reanalysis data from the eastern Qinghai-Tibetan Plateau (QTP) in annual, summer and winter during 1980 -2016

综上可知, 不论在变化趋势上、 整体相关性上, 还是点对点的细节比较上, TJ在高原东部的适用性较TE和TM更好, 是研究高原气温变化的最优选择。

3.2　 JRA-55（TJ）所揭示的高原气温变化趋势空间分布

由上文可知, TJ再分析资料是用来研究高原气温变化的最优选择。图4分别显示了TJ在1980 -2016年期间高原年、 夏、 冬气温变化趋势的空间分布, 除喜马拉雅山脉西部局地表现出降温趋势外, 高原整体处于显著增温趋势中。
图4 1980 -2016年TJ数据全年、 夏季和冬季气温线性趋势空间分布[单位:℃·(10a)-1]

Fig.4 Distribution of temperature trends for TJ data in annual, summer and winter during 1980 -2016. Unit:℃·(10a)-1

整体而言, 高原变暖存在明显的“双中心”变暖区, 相比于夏季和全年, 冬季变暖中心会发生“南移”现象。高原全年[图4(a)]变暖中心位于北部祁连山地区和昆仑山脉西段附近, 升温中心趋势分别为0.6和0.5 ℃·(10a)-1。夏季[图4(b)]变暖中心同全年分布较为相似, 但变暖中心升温趋势更大, 在祁连山地区达到0.7 ℃·(10a)-1, 而在帕米尔可达到0.8 ℃·(10a)-1。冬季[图4(c)]变暖中心主要集中在高原中部, 高原中部升温率可达0.9 ℃·(10a)-1; 在西部出现相对较小的第二个升温中心, 升温率为0.7 ℃·(10a)-1。此外, 夏季高原变暖存在较为明显的南北差异, 变暖趋势从南向北不断增加, 如藏东南-柴达木盆地一线（95°E）升温趋势从0.2 ℃·(10a)-1增加到0.7 ℃·(10a)-1, 北部柴达木盆地升温趋势为藏东南地区的2~3倍。

4 高原变暖空间差异性可能影响因素

为分析影响高原变暖空间差异的因素, 选取TJ的低云、 中云、 高云、 降水、 比湿、 土壤湿度、 雪深、 地表净辐射、 感热和潜热共10个与变暖有关参数, 来探讨哪些因素与高原变暖空间差异的关系最为密切。其中地表净辐射计算公式为:
R n = R S ↓ - R S ↑ + R L ↓ - R L ↑,
式中: R S ↓（ R S ↑）和 R L ↓（ R L ↑）分别表示向下（向上）短波和长波辐射。
值得注意的是, 高原变暖的空间差异性不是单一而是多种参数综合影响的结果, 参数之间关系复杂并且存在相互关联性, 需要通过量化研究确定影响变暖的主导因素。为辨别参数与高原变暖空间差异密切程度, 参考Palazzi et al（2017）研究海拔依赖性变暖因素的限定条件, 确定了本文影响高原气温空间差异的参数需满足的三个条件:
（1）参数必须具有同气温变化相似的空间分布特征;
（2）参数必须同气温变化存在显著相关性;
（3）参数的变化放大或减缓变暖需符合实际物理机制。
首先检查各参数变化趋势的空间分布特征（图5）, 每个独立参数的空间和季节差异十分显著。依据条件（1）, 对比图4和图5发现, 夏季低云、 中云、 降水、 比湿、 土壤湿度、 潜热和感热存在同升温较为相似的南北差异。高原北部中低云增加率在2%·(10a)-1以上, 降水增加最高为4 mm·(10a)-1, 比湿和土壤湿度较南部增加显著, 潜热感热则存在相反趋势。综合发现, 高原北部正在变暖变湿, 徐丽娇等（2019）也证实了这一点。
图5 1980 -2016年夏季和冬季期间各参数变化趋势空间分布

Fig.5 Seasonal distribution of parameters of summer and winter from 1980 to 2016

表3为1980 -2016年夏（上）/冬（下）季气温以及各参数变化趋势之间的空间相关系数。从表3中可以看出, 夏季, 降水同气温变化趋势的空间相关性最高（0.44）, 潜热次之（0.40）, 其次是低云（0.39）和土壤湿度（0.37）。这些要素都与水分变化密切相关, 降水增多, 意味着云量增加。云量增加一方面减少向下短波辐射, 另一方面又增加向下长波辐射, 其净辐射取决与云的特性。但降水会增加大气水汽含量（0.53）, 即增加大气逆辐射从而使地表变暖（Chung et al, 2014）。此外降水会导致土壤湿度增大（0.62）, 土壤湿度又导致潜热增加（0.76）加热大气。综合而言, 导致高原夏季北部升温趋势北快南缓的一个可能机理是夏季高原北部降水增加, 使得北部水分循环加快, 潜热增大, 最终反映在气温空间变化趋势的差异上。
表3 1980 -2016年夏（上）/冬（下）季气温以及各参数变化趋势之间的相关系数

Table 3 Correlation coefficients between parameters with temperature trends for summer (up) and winter (down) from 1980 to 2016

气温 雪 低云 中云 高云 降水 比湿 土壤湿度 净辐射 潜热 感热
气温 -0.17** 0.39** 0.36** -0.34** 0.44** 0.26** 0.37** 0.25** 0.40** -0.28**
雪 -0.24** 0.03 0.01 0.02 0.02 0.04 0.12** -0.30** 0.05 -0.29**
低云 0.19** 0.15** 0.77** 0.12** 0.57** 0.74** 0.85** 0.30** 0.62** -0.56**
中云 0.20** 0.33** 0.80** -0.12** 0.79** 0.67** 0.73** 0.20** 0.63** -0.61**
高云 0.13** 0.33** 0.78** 0.88** -0.22** -0.21** -0.13** -0.30** -0.29** 0.14**
降水 0.12** 0.15** 0.76** 0.70** 0.63** 0.53** 0.62** 0.19** 0.75** -0.71**
比湿 -0.60** 0.06 0.25** 0.11** -0.13** 0.35** 0.80** 0.39** 0.70** -0.59**
土壤湿度 -0.53** 0.20** 0.14** 0.13** 0.25** 0.06 0.48** 0.27** 0.77** -0.74**
净辐射 0.69** -0.44** 0.02 -0.10** -0.10** 0.17** -0.43** -0.61** 0.44** 0.06
潜热 -0.08** -0.15** 0.25** 0.10** 0.01 0.44** 0.47** -0.01 0.07** -0.86**
感热 0.67** -0.28** -0.01 -0.04 -0.01 -0.06 -0.64** -0.51** 0.82** -0.45**

*表示通过0.05显著性水平检验, **表示通过0.01显著性水平检验, —— 表示夏冬分界线

冬季, 仅比湿、 积雪、 净辐射和感热呈现出同升温趋势较为相似的空间分布（图4, 图5）。高原中部比湿整体减少的同时, 雪深减少率增加0.02 m·(10a)-1, 净辐射增加较为显著, 其最大增加率可达8 W·m-2·(10a)-1, 感热增加显著（樊威伟等, 2018）, 与冬季高原中东部升温趋势较快相对应。
从表3中还可以看出, 冬季, 净辐射与气温相关性最高（0.69）, 感热次之（0.67）, 土壤湿度存在显著负相关（-0.53）。冬季净辐射存在同气温变暖相似的“双中心”变化区, 净辐射增加变暖加剧, 满足成为驱动参数的三个条件。潜热和土壤湿度的空间分布不满足条件（1）, 因而不予具体分析。进一步发现雪对净辐射的影响较为显著（-0.44）, 仅次于土壤湿度（-0.61）。高原积雪融化导致地表反照率降低, 使得地表吸收更多的向下太阳辐射, 净辐射进一步增加, 地表温度增加; 同时变暖加速积雪冰川融化, 其正反馈机制不断放大变暖。综上, 高原积雪-反照率反馈通过调节地面净辐射收支异常, 可能是冬季高原升温趋势的空间差异的主要原因。

5 结论与讨论

（1） 利用TO评估了TJ、 TE和TM三种气温资料在高原东部的适用性发现, 再分析资料与观测结果呈现出较好的一致性, 在一定程度上能够再现高原气温的变化, 但存在低估现象。其中TJ数据与TO的年、 季相关系数最大, 在高原的适用性较好, 可作为研究高原整体气温变化的代用资料。
（2） TJ数据显示1980 -2016年期间高原整体呈现显著增温趋势, 年变暖率0.35 ℃·(10a)-1, 冬季变暖[0.39 ℃·(10a)-1]显著于夏季[0.38 ℃·(10a)-1]。空间分布上, 高原年季变暖均存在“双中心”变暖区, 冬季变暖中心会发生“南移”, 且变暖趋势显著于全年和夏季。
（3） 高原夏季升温存在南缓北快的差异, 这可能与降水引起潜热的南北差异有关, 冬季高原中东部变暖显著则与高原积雪-反照率反馈通过调节地面净辐射收支异常相关。
引起高原变暖的机制之间相互关系复杂, 无法确切量化其对气温的影响, 是研究高山地区变暖的问题所在。各参数在任何一种情况下都可以通过冷却或加热从而放大或抑制变暖, 实现新的能量动态平衡, 使得现有气候以及未来气候评估存在很大的不确定性。参数之间的相互作用关系复杂, 其对变暖的影响和贡献有待进一步综合考量。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Cai D, You Q, Fraedrich K, al et, 2017.Spatiotemporal temperature variability over the Tibetan Plateau: Altitudinal dependence associated with the global warming hiatus[J].Journal of Climate, 30(3): 969-984.

Chung E S, Soden B, Sohn B J, al et, 2014.Upper-tropospheric moistening in response to anthropogenic warming[J].Proceedings of the National Academy of Sciences, 111(32): 11636-11641.

Dee D P, Källén E, Simmons A J, al et, 2011.Comments on “Reanalyses suitable for characterizing long-term trends”[J].Bulletin of the American Meteorological Society, 92(1): 65-70.

Dee D P, Uppala S M, Simmons A J, al et, 2011.The ERA-Interim reanalysis: Configuration and performance of the data assimilation system[J].Quarterly Journal of the Royal Meteorological Society, 137(656): 553-597.

Duan J, Li L, Fang Y, 2015.Seasonal spatial heterogeneity of warming rates on the Tibetan Plateau over the past 30 years[J].Scientific Reports, 5: 11725.

Ebita A, Kobayashi S, Ota Y, al et, 2011.The Japanese 55-year Reanalysis “JRA-55”: An Interim Report[J].SOLA, 7: 149-152.

Gelaro R, Mccarty W S, Max J, al et, 2017.The Modern-Era Retrospective Analysis for Research and Applications, Version 2 (MERRA-2)[J].Journal of Climate, 30(14): 5419-5454.

Green J K, Seneviratne S I, Berg A M, al et, 2019.Large influence of soil moisture on long-term terrestrial carbon uptake[J].Nature, 565(7740): 476.

Guo D, Yu E, Wang H, 2016.Will the Tibetan Plateau warming depend on elevation in the future?[J].Journal of Geophysical Research: Atmospheres, 121(8): 3969-3978.

Hu X, Cai M, Yang S, al et, 2018.Air temperature feedback and its contribution to global warming[J].Science China Earth Sciences, 61(10): 1491-1509.

Hua S, Liu Y, Jia R, al et, 2018.Role of clouds in accelerating cold‐season warming during 2000 -2015 over the Tibetan Plateau[J].International Journal of Climatology, 38(13): 4950-4966.

Huang J, Yu H, Dai A, al et, 2017.Drylands face potential threat under 2 C global warming target[J].Nature Climate Change, 7(6): 417.

Jia R, Liu Y, Hua S, al et, 2018.Estimation of the Aerosol Radiative Effect over the Tibetan Plateau Based on the Latest CALIPSO Product[J].Journal of Meteorological Research, 32(5): 707-722.

Kobayashi S, Ota Y, Harada Y, al et, 2015.The JRA-55 reanalysis: General specifications and basic characteristics[J].Journal of the Meteorological Society of Japan.Ser.II, 93(1): 5-48.

Kuang X, Jiao J J, 2016.Review on climate change on the Tibetan Plateau during the last half century[J].Journal of Geophysical Research: Atmospheres, 121(8): 3979-4007.

Liu X D, Libin Y, 2017.Elevation dependent climate change in the Tibetan Plateau[J].Oxford Research Encyclopedia of Climate Science.DOI: 10.1093/acrefore/9780190228620. 013.593.

Ma Y, Ma W, Zhong L, al et, 2017.Monitoring and Modeling the Tibetan Plateau’s climate system and its impact on East Asia[J].Scientific Reports, 7: 44574.

Naud C M, Chen Y, Rangwala I, al et, 2013.Sensitivity of downward longwave surface radiation to moisture and cloud changes in a high‐elevation region[J].Journal of Geophysical Research: Atmospheres, 118(17): 10072-10081.

Palazzi E, Filippi L, von Hardenberg J, 2017.Insights into elevation-dependent warming in the Tibetan Plateau-Himalayas from CMIP5 model simulations[J].Climate Dynamics, 48(11/12): 3991-4008.

Pepin N, Bradley R S, Diaz H F, al et, 2015.Elevation-dependent warming in mountain regions of the world[J].Nature Climate Change, 5(5): 424-430.

Ran Y, Li X, Cheng G, 2018.Climate warming over the past half century has led to thermal degradation of permafrost on the Qinghai-Tibet Plateau[J].Cryosphere, 12(2): 595-608.

Rangwala I, Miller J R, Xu M, 2009.Warming in the Tibetan Plateau: possible influences of the changes in surface water vapor[J].Geophysical Research Letters, 36(6): 295-311.

Rangwala I, Sinsky E, Miller J R, 2013.Amplified warming projections for high altitude regions of the northern hemisphere mid-latitudes from CMIP5 models[J].Environmental Research Letters, 8(2): 024040.

Rienecker M M, Suarez M J, Gelaro R, al et, 2011.MERRA: NASA’s modern-era retrospective analysis for research and applications[J].Journal of Climate, 24(14): 3624-3648.

Schneider T, Teixeira J, Bretherton C S, al et, 2017.Climate goals and computing the future of clouds[J].Nature Climate Change, 7(1): 3-5.

Stevens B, Feingold G, 2009.Untangling aerosol effects on clouds and precipitation in a buffered system[J].Nature, 461(7264): 607-613.

Su J, Duan A, Xu H, 2017.Quantitative analysis of surface warming amplification over the Tibetan Plateau after the late 1990s using surface energy balance equation[J].Atmospheric Science Letters, 18(3): 112-117.

Thackeray C W, Fletcher C G, 2016.Snow albedo feedback: Current knowledge, importance, outstanding issues and future directions[J].Progress in Physical Geography, 40(3): 392-408.

Thorne P W, Vose R S, 2010.Reanalyses suitable for characterizing long-term trends[J].Bulletin of the American Meteorological Society, 91(3): 353-362.

Xu Y, Knudby A, Ho H C, al et, 2017.Warming over the Tibetan Plateau in the last 55 years based on area-weighted average temperature[J].Regional Environmental Change, 17(8): 2339-2347.

Yao T, Thompson L G, Mosbrugger V, al et, 2012.Third pole environment (TPE)[J].Environmental Development, 3: 52-64.

You Q, Fraedrich K, Ren G, al et, 2013.Variability of temperature in the Tibetan Plateau based on homogenized surface stations and reanalysis data[J].International Journal of Climatology, 33(6): 1337-1347.

You Q, Min J, Kang S, 2016.Rapid warming in the Tibetan Plateau from observations and CMIP5 models in recent decades[J].International Journal of Climatology, 36(6): 2660-2670.

Zhou C, Wang K, Ma Q, 2017.Evaluation of eight current reanalyses in simulating land surface temperature from 1979 to 2003 in China[J].Journal of Climate, 30(18): 7379-7398.

Zou H, Zhu J, Zhou L, al et, 2014.Validation and application of reanalysis temperature data over the Tibetan Plateau[J].Journal of Meteorological Research, 28(1): 139-149.

保云涛, 游庆龙, 谢欣汝, 2018.青藏高原积雪时空变化特征及年际异常成因[J].高原气象, 37(4): 899-910.DOI: 10.7522/j.issn.1000-0534.2017.00099.

陈涛, 智海, 边多, 2019.青藏高原观测地表温度与ERA-Interim再分析资料的差异及归因分析[J].山地学报, 37(1): 1-8.

除多, 杨勇, 罗布坚参, 等, 2016.MERRA再分析地面气温产品在青藏高原的适用性分析[J].高原气象, 35(2): 337-350.DOI: 10.7522/j.issn.1000-0534.2015.00018.

杜鹃, 文莉娟, 苏东生, 2019.三套再分析资料在青藏高原湖泊模拟研究中的适用性分析[J].高原气象, 38(1): 101-113.DOI: 10.7522/j.issn.1000-0534.2018.00110.

樊威伟, 马伟强, 郑艳, 等, 2018.青藏高原地面加热场年际变化特征及其与西风急流关系研究[J].高原气象, 37 (3): 591-601.DOI: 10.7522/j.issn.1000-0534.2017.00062.

高星星, 陈艳, 张武, 等, 2017.青藏高原云的气候特征及其对地气系统的影响[J].兰州大学学报(自然科学版), 53(4): 459-466, 480.

李瑞青, 吕世华, 韩博, 等, 2012.青藏高原东部三种再分析资料与地面气温观测资料的对比分析[J].高原气象, 31(6): 1488-1502.

刘舸, 赵平, 南素兰, 等, 2018.夏季青藏高原上空热力异常与其上下游大气环流联系的研究进展[J].气象学报, 76(6): 861-869

孙玉婷, 高庆九, 闵锦忠, 2013.再分析温度资料与西藏地区冬、 夏季观测气温的比较[J].高原气象, 32(4): 909-920.DOI: 1000-0534 (2013) 04-0909-12.

王田野, 吴通华, 李韧, 等, 2016.两种再分析月平均气温资料在蒙古国的适用性评估[J].高原气象, 35(3): 651-661.DOI: 10.7522/j.issn.1000-0534.2016.00033..

徐柏青, 2015.青藏高原气候变化: 变暖变湿[N].人民日报, (016).

徐丽娇, 胡泽勇, 赵亚楠, 等, 2019.1961 -2010年青藏高原气候变化特征分析[J].高原气象, 38(5): 911-919.DOI: 10.7522/j.issn.1000-0534.2018.00137.

张琪, 李跃清, 任景轩, 2018.青藏高原东侧不同云类对气温变化影响的初步分析[J].高原气象, 37(3): 734-746.DOI: 10. 7522/j.issn.1000-0534.2017.00085.

朱智, 师春香, 张涛, 等, 2015.多种再分析地表温度资料在中国区域的适用性分析[J].冰川冻土, 37(3): 614-624.

Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn