作为全球能量水分循环的关键区域， 青藏高原（下称高原）气候变化对高原及周边地区气候与环境变化具有重要影响。本文从高原表面增暖、 辐射变化、 降水的多尺度变率、 表面风速及环境变化方面回顾了高原近60年来气候变化及其环境效应与物理机制的研究进展， 并基于再分析和台站观测资料讨论了近10余年来高原表面温度和风速变化的特征及原因。最后， 就高原气候变化研究亟待解决的科学问题进行了梳理与展望。研究表明： （1）相较于北半球增暖， 高原增暖发生时间早， 增温速率大。海拔依赖型增暖和年代际大气增湿导致晴空向下长波辐射的增强是高原表面增暖的主要原因。近10余年来， 高原东部地区表面温度主要以年际变化为主。（2）受持续增暖和年际、年代际尺度的海温与大气环流异常影响， 高原不同季节和区域的降水呈现出多尺度变化特征。（3）在高原与中高纬度地区增暖的经向差异及大尺度环流异常的影响下， 高原表面风速在年代际尺度上变化显著。（4）高原环境变化主要表现为湖泊扩张、 多年冻土退化、 植被返青期总体提前； 受高原降水的年代际变化影响， 自20世纪90年代以来， 高原西部冰川趋于稳定甚至部分恢复， 而东南部地区冰川持续退缩； 夏季风系统的季节和季节内变化对高原植被生长和返青期的时空变化有较好的指示意义。（5）不同季节和区域表面温度和风速变化的机理研究和数值模拟需进一步深化； 提高气候模式对高原温度和降水的模拟性能仍是重要研究内容； 高原高分辨率的区域气候模拟与资料同化的研究亟待加强。

青藏高原作为气候敏感区域， 其降水对东亚水文循环和气候有着巨大的影响， 因此对于其变化的研究十分重要。降水是全球水文循环的重要变量， 是受气候变化影响的重要气候系统之一， 为了探究全球气候模式对青藏高原降水的模拟能力以及探究在新模式、 新情景下未来降水可能变化， 本文使用耦合模式比较计划第6阶段（CMIP6）最新的31个气候模式逐月降水资料， 以及国家气候中心所提供的CN05.1降水观测数据集， 评估CMIP6模式对青藏高原降水的模拟能力， 并择优选择模式在不同共享社会经济路径情景下（Shared Socioeconomic Pathway， SSP）进行高原未来降水预估。结果表明： 1995 -2014年青藏高原观测降水分布模态特征为自东南向西北递减并且降水集中在夏季， 大部分模式可以模拟出降水分布和季节性趋势但几乎都有高估降水的现象， 多模式平均降水高出观测102%； 总体上CMIP6最新模式对于青藏高原降水模拟能力较差， 模式相对于观测的平均相对偏差指数为102%， 说明大部分模式表现不理想， 定量分析所有模式后选出EC-Earth3-Veg-LR， MPI-ESM1-2-LR， EC-Earth3-Veg， MRI-ESM2-0为模拟较优模式， 可大致反映出青藏高原的降水特性； 气候模式在SSP1-2.6情景下青藏高原降水增长最慢， SSP5-8.5增长最快； 从辐射强迫较弱情景SSP1-2.6到较强情景SSP5-8.5， 近期（2021 -2040年）高原降水增幅在各情景下难发现较大差别， 但中期（2041 -2060年）和末期（2081 - 2100年）有明显增长， 说明碳排放强度对近期影响较小而对长期影响大； 未来降水增幅主要发生在念青唐古拉山以南地区， 从季节性来看夏季增幅最大， 其次是春季、 秋季， 增幅最小的是冬季， 因此应当注重青藏高原未来夏季和春季的降水变化， 做好应对措施。

为了探讨南亚季风的强弱变化对青藏高原垂直环流的作用， 利用1990 -2019年近30年高分辨率的JRA55再分析资料计算了南亚季风Webster-Yang指数（WYI）并选取了南亚季风强弱年， 通过对比分析季风爆发前期（5月）、 爆发期（7月）和爆发后期（10月）三个不同时段南亚季风强弱变化对青藏高原垂直环流的影响。研究表明： （1）5月WYI强年在高原南侧的上升气流强度和范围均大于弱年， 7月高原主体与南侧的上升气流强度增大， 强弱年差异不明显， 10月WYI强年在高原南侧的垂直环流仍维持， 但强度减弱， WYI弱年在高原南侧高空已转为下沉气流。（2）5月和10月， 质量和能量均为从高原的南侧和北侧汇入高原， 7月则转为高原向南北两侧散出质量和能量； WYI强年高原南侧高层辐散的强度大于弱年， 低层辐合强度差异较小， 强弱年在5月能量与质量的传输强度差异最大， 7月最小。（3）WYI强年10月100 hPa南亚高压位置偏西，500 hPa西太副高维持，高原南侧的风场与温度场的减幅偏小， 表明强南亚季风会改变高原地区高空水平环流形势， 从而影响高原的垂直环流； WYI强年在5、 7、 10月高原主体的地表温度均大于弱年， 表明在强南亚季风带来的暖湿气流的影响下， 高原南侧的上升气流抬升至高原， 高原的地表温度明显上升， 高原地表热量增加进而影响高原垂直环流。

土壤冻融过程是青藏高原陆面过程中最突出的特征之一， 量化表征土壤冻融过程的关键参量变化特征对认识青藏高原气候变化、 生态和水文过程有重要的科学意义。本文利用青藏高原地区ECMWF/ERA5（European Centre for Medium-Range Weather Forecasts/ERA5）的浅层土壤温度、 体积含水量和气温资料， 通过线性回归、 Mann-Kendall检验法、 滑动t检验和相关分析等方法， 分析了表征青藏高原土壤冻融过程的三个关键参量-冻结开始时间、 融化开始时间和冻结持续时间的时空分布特征， 并探讨了其与气温、 海拔的相关性。结果表明： 青藏高原土壤冻融过程的空间分布特征为由西北到东南存在冻结推迟、 融化提前和冻结持续时间缩短的趋势。1979 -2018年间， 青藏高原整体土壤冻融过程改变显著， 冻结开始时间推迟14.0天， 变率为0.17 d·a^-1； 融化开始时间提前11.0天， 变率为0.07 d·a^-1； 冻结持续时间缩短25.0天， 变率为0.23 d·a^-1。青藏高原土壤冻融过程整体变化趋势一致， 局地变率存在差异。羌塘地区土壤冻结持续时间缩短最为明显， 南北部分别缩短47.2天和32.9天。三个冻融过程关键参量与气温、 海拔相关性显著。气温每上升1.0 ℃， 冻结开始时间推后5.2天， 融化开始时间提早4.5天。在青藏高原高寒气候带， 海拔每升高1000.0 m， 冻结开始时间提早9.1天， 融化开始时间推后4.9天。

利用常规观测资料、 FNL分析资料及经质控后的自动站小时降水数据， 诊断分析了青藏高原东坡地形在2017年7月2 -3日高原涡影响云南降水过程中的作用， 并利用数值模式WRFv4.0对此次过程进行了地形敏感性试验。结果表明： 高原涡是此次云南强降水的重要影响系统； 低涡中心及附近区域中高层维持暖心结构， 并呈现显著的上升、 下沉运动交替的分布； 过程累积雨量分布表现为两条明显的与山脉走向平行的西北-东南向雨带， 且具有强弱交错的分布特征， 强降水集中出现在午后至傍晚及前半夜两个时段内， 中心均位于地形边坡， 并随着低涡向下游传播； 南亚高压、 西北辐散气流、 西太平洋副热带高压及滇缅高压为低涡的东移发展提供了有利的高空环流场， 500 hPa正涡度及700 hPa水汽通量辐合中心对强降水落区具有较好指示意义； 低涡降水期间存在β中尺度重力波， 波动由青藏高原东坡地形激发， 沿着300~200 hPa的气层传播， 高空的非地转平衡运动及垂直风切变为重力波的发展及传播提供了有利条件， 重力波先于低涡及降水向下游方向移动及发展， 波脊处对应上升运动及辐散中心， 波槽处对应下沉运动及辐合中心， 强降水及波脊均位于低涡西南侧强辐合上升运动区； 地形高度降低后， 其机械阻挡抬升作用减弱， 重力波和高原低涡消失， 雨带强度及空间分布特征发生显著改变。高原东坡地形对高原涡的形成和发展， 以及高原涡影响下的云南降水具有重要作用。

青藏高原被称为“亚洲水塔”， 其水资源的变化对下游的天气气候有重要的影响。降水是水循环的关键环节， 因此， 准确模拟青藏高原降水对我国水资源安全有重大意义。近年来， 一些研究发现对流解析模拟（即当网格尺度小于4 km时关闭对流参数化方案的模拟）能够提升青藏高原降水的模拟效果， 然而， 这些研究仅仅选取了1~3种对流参数化方案来进行对比研究， 对流解析模拟是否优于任意对流参数化方案仍然未知。本文评估了WRF模式中9种积云对流参数化方案与不使用对流参数化方案的对流解析模拟（Convection-Permitting Modeling， CPM）对2009年夏季青藏高原地区降水的模拟能力。结果表明： 模拟总体高估了青藏高原2009年夏季降水， 存在0.4~2.0 mm·d^-1的误差， 对青藏高原CAPE值和潜热通量的模拟过大可能是造成青藏高原降水模拟偏大的原因之一。在所有模拟中， G3积云对流参数化方案对平均降水和日变化的模拟效果最好， 能更好地模拟出平均降水的降水强度、 空间分布和降水落区以及降水日变化。CPM对降水整体的模拟效果次于G3积云对流参数化方案， 不能有效地改善对降水日变化的模拟， 但是可以改进对降水频率的模拟。在不同高原生态区内， 所有模拟都不能合理地模拟出荒漠区和喜马拉雅南麓的降水， 但相较于参数化方案， CPM可以大大地降低荒漠区的误差。在其他区域内， CPM和Tiedtke积云对流参数化方案的表现都较好。综合平均降水和降水频率， CPM、 Tiedtke和G3积云对流参数化方案对不同区域、 不同强度的降水模拟误差最小。因此我们建议： 模拟青藏高原夏季降水时可优先考虑G3和Tiedtke积云对流参数化方案， 在计算资源充足时， 可以考虑采用高分辨率的对流解析来提高青藏高原降水频率的模拟。

利用197 -2014年GLDAS-CLM（Global Land Data Assimilation System-the Community Land Model）地表参量数据集、 中国区域逐日观测资料格点化数据集（CN05.1）和ERA-nterim大气环流再分析数据， 研究青藏高原5月（春季）土壤湿度的异常变化特征与6月高原地表热通量的相关关系以及土壤湿度异常与我国夏季（7月）降水的联系和可能机理。结果表明： （1）1979 -2014年5月青藏高原0~10 cm区域平均土壤湿度异常偏高年有2000， 2001， 2004， 2005， 2006和2013年； 异常偏低年有1994， 1995， 1996， 1998和1999年。高原整体土壤湿度2000年前较2000年后干燥。从空间分布来看， 藏北高原、 三江源地区以及藏南谷地土壤湿度偏高年较偏低年有明显增加， 且结果通过了90%的置信度检验。（2）高原5月土壤湿度的异常变化与中国夏季的降水分布存在明显的相关关系， 当青藏高原土壤较为湿润（干燥）时， 从高纬至低纬地区， 相关区呈现“正负正负”（“负正负正”）带状分布特点。（3）5月高原土壤异常湿润时， 6月高原东部感热通量和西部的潜热通量异常增加， 其共同作用会加强其大气低层辐合环流和大气高层辐散环流， 使整个东亚中高纬地区850 hPa以上受强反气旋环流控制； 高原东北部500 hPa及以上为反气旋环流， 南部和西部为气旋性环流， 环流场配置会使南亚高压加强东移， 加强西太平洋副热带高压。（4）7月西太平洋副热带高压北侧黄淮地区伴有垂直上升运动， 暖湿气流与东北冷涡西侧南下的干冷气流汇合， 高层辐散配合低层辐合有利于黄淮地区降水。西北东部和华北区域由反气旋性环流控制， 伴有较强的下沉运动， 空气干冷， 无充足的水汽输送， 不利降水产生。

为了进一步认识青藏高原中东部和下游四川盆地的降水微观特征和差异， 本文利用2019年7 -8月和2020年7 -8月那曲、 玉树、 林芝、 巴塘、 泸定和成都6个地区的雨滴谱观测资料， 研究了不同地区之间的雨滴谱特征和差异， 并提出了各个地区降水的Gamma谱形状参数-斜率参数关系和反射率因子-雨强关系。结果表明： 因更多强对流降水的贡献， 盆地和邻近地区（成都和泸定）的雨滴谱整体比高原地区（那曲、 玉树、 林芝和巴塘）的更宽， 中大雨滴（直径≥1.0 mm）数浓度更高； 而高原地区的降水主要来自层云和弱对流， 整体雨滴谱更窄， 小雨滴（直径<1.0 mm）数浓度更高。6个地区的雨滴谱均随雨强增大而变宽， 数浓度也逐渐升高。不同地区之间的雨滴谱差异也会随雨强变化而改变， 当雨强超过0.1 mm·h^-1后， 那曲和林芝的小雨滴数浓度随雨强增大而增大的幅度明显比其他地区更大； 当雨强达到5 mm·h^-1后， 成都和泸定的中大雨滴数浓度与其他高原地区的差异也逐渐变大。在谱形状参数相同情况下， 成都和泸定的谱倾斜率更小， 反映了这两个地区雨滴数浓度随粒径增大而减小的速率比高原地区的更慢。在相同雷达回波强度（反射率因子）情况下， 那曲和林芝层云降水的雨强比其他地区大； 林芝对流降水在雷达回波低于40 dBZ时， 雨强也比其他地区的大， 而那曲对流降水在雷达回波大于40 dBZ后， 雨强比其他地区的小。

利用第六次国际耦合模式比较计划（CMIP6）中的18个模式， 基于欧洲中期天气预报中心第五代再分析资料（ERA5）再分析数据对青藏高原夏季降水数据进行了偏差校正， 并从平均降水和极端降水两方面评估了校正前后的CMIP6数据以及单个模式在1979 -2014年的表现。研究结果表明， 该校正方法高度依赖于用于偏差校正的ERA5再分析数据在研究区域的质量， 尽管偏差校正后的青藏高原夏季平均降水的误差和误差率上有所改善， 但在年际时间变化特征方面却不如偏差校正前的数据。大多数CMIP6模式能够较好地模拟1979 -2014年青藏高原上由西北至东南逐渐递增的平均降水空间变化特征。偏差校正前的降水数据在高原上会出现显著的高估， 误差率为60.4%， 经过偏差校正后的数据相对观测数据误差降低， 误差率为-13.9%， 并且偏差校正后的数据与ERA5的平均误差仅为0.003 mm·d^-1， 与ERA5的空间相关性高达0.999。空间趋势方面， 观测数据表明青藏高原大部分地区夏季降水在1979 -2014年呈现轻微增加的趋势， 只有东缘出现明显降低的趋势。偏差校正前后的数据都能够大致刻画出这一空间分布特征， 然而， 未经偏差校正的大多数单个CMIP6模式与ERA5的空间相关系数未超过0.5。与由独立观测降水数据的年际变化特征相比， 偏差校正前的数据高估了高原上的降水量， 而偏差校正后的数据相比观测结果则偏低。通过确定95%分位阈值选取了极端降水个例， 其集合平均极端降水空间分布与年平均降水类似， 也呈西北向东南递增的趋势。部分CMIP6模式较好地模拟了这一特征， 如MRI-ESM2-0（The Meteorological Research Institute Earth System Model version 2.0）和ACCESS-CM2（Australian Community Climate and Earth System Simulator Climate Model Version 2）， 与观测结果的空间相关系数分别为0.851和0.821。但偏差校正后的数据在空间相关性方面下降， 由偏差校正前的0.861降为0.730， 未能准确刻画高原极端降水阶梯式递增的特点。偏差校正后的极端降水数据误差分布与偏差校正前相似， 偏低区域主要集中在高原南部腹地和东部。进一步的极端降水贡献率分析结果表明， 观测结果与CMIP6降水数据均显示1979 -2014年期间极端降水贡献率变化趋势不明显。单个CMIP6模式中， EC-Earth3-Veg（European Community Earth-Vegetation model version 3）和EC-Earth3（European Community Earth Model version 3）及CanESM5（The Canadian Earth System Model version 5）在多个统计评估指标上排名靠前， 展示出较好的模拟能力； IPSL-CM6A-LR（Institut Pierre-Simon Laplace Climate Model 6A Low Resolution）在平均降水误差和极端降水的误差指标上表现出色。