干旱作为全球气候灾害中的重要因素之一， 不仅对全球生态系统的稳定性和生物多样性构成了严重威胁， 还对社会经济发展产生了深远的影响。特别是在全球气候变化的背景下， 干旱的发生频率和强度也在不断变化。一些生态脆弱地区发生的干旱事件不仅威胁着水资源的供应， 还增加了粮食安全、 生态退化和社会冲突的风险。然而， 尽管这一领域的研究日益增多， 但过去四十年来干旱发生的时空变化特征及其在未来不同气候情景下的演变趋势仍存在着诸多未知与不确定性。本研究基于标准化降水蒸散指数SPEI（Standardized Precipitation Evapotranspiration Index）和CMIP6气候变化情景数据， 旨在系统分析全球干旱在过去四十年间的时空演变特征， 并预测在未来八十年内， 全球干旱在不同气候情景下（SSP1-2.6、 SSP2-4.5、 SSP5-8.5）以及不同地理条件下的变化趋势。研究结果表明： （1）在1980 -2022年期间， 全球干旱的时空变化特征表现出显著的区域差异。在全球范围内， 约57%的陆地未显示出显著的干旱趋势， 但约33%的陆地面积出现了持续的干旱化趋势， 干旱强度有所增加。相反， 仅10%的区域趋向于更加湿润， 可见全球逐渐干旱的区域明显大于逐渐湿润的区域， 这表明干旱化进程正在全球范围内蔓延； （2）在过去四十年里， 全球范围内正经历着无明显季节性差别的干旱趋势， 相较而言， 冬季的干旱区域不断扩大， 占全球陆地面积的33.2%； （3）不同植被覆盖类型对干旱的响应中， 稀疏植被覆盖区域更易受到干旱的影响， 而植被茂密的区域则倾向于湿润状态。此外， 不同气候类型中的干旱气候区则面临更为严峻的干旱挑战。在不同干湿区类型中， 极端干旱区的严重干旱面积在全球陆地面积占比最大， 最高可达67%， 表明旱地中干旱事件的发生频率更高； （4）在未来三种不同的气候变化情景下， 非洲、 南美洲、 亚洲东南部以及北美洲南部等地区的干旱事件发生概率显著增加， 特别是在热带或常暖型气候区、 极端干旱区以及常绿阔叶林区域， 干旱将变得更加频繁和严峻。预计在未来八十年内， SSP5-8.5情景下发生干旱事件的可能性最大， 强度最高， 即将面更加频繁且严重的干旱挑战。本研究的发现强调了全球干旱化趋势的广泛性和严重性， 特别是在气候变化的背景下， 干旱的频率和强度预计将大幅增加。这一趋势不仅加深了我们对干旱风险的认识， 还为政策制定者、 水资源管理者以及社会各界提供了重要的参考依据。为了应对未来可能加剧的干旱问题， 社会各界需要采取更加积极有效的措施， 推动适应和缓解干旱带来的挑战。加强水资源的合理管理， 改进农业灌溉技术， 提高生态系统恢复能力， 以及加强气候变化与干旱的监测与预警， 从而保障全球生态安全、 促进社会经济可持续发展。

近年来的快速城市化发展和全球变暖使得川渝地区的暴雨洪涝灾害呈现频发强发态势。这种变化不仅会对该区的生态环境和社会经济造成严重影响， 还会显著增加城市基础设施压力， 并威胁人民的生命财产安全。因此， 科学和准确地分析川渝地区过去和未来暴雨洪涝的灾害风险尤为重要。本文基于优选的川渝地区50个气象站点日值降水数据、 5个CMIP6模式降水数据、 共享社会经济路径SSPs下的人口和经济格点数据， 以及DEM和土地利用遥感数据等， 首先通过泰勒图、 定量化指标S和标准化距平序列评估了5个CMIP6单模式、 5个模式的等权重集合EWA-5（Equal Weighted Agggation）和不同权重集合UEWA-5（Un-Equal Weighted Agggation）对所选5个极端降水指数的模拟性能， 然后通过构建基于致灾危险性和承灾体易损度的综合暴雨洪涝灾害风险评估模型， 对基准期（1995 -2014年）和未来近期（2025 -2044年）和远期（2045 -2064年）三种不同气候变化情景（SSP1-2.6， SSP2-4.5， SSP5-8.5）下的暴雨洪涝灾害进行了不同时段的风险评估、 未来预估和对比分析。结果表明： （1）EC-Earth3模式模拟的5个极端降水指数的效果最好， R95p、 RX1day、 RX5day指数模拟和观测的相关系数分别为0.78， 0.90， 0.77， 整体UEWA-5的模拟性能优于EWA-5。（2）基准期5个极端降水指数在四川中部为高值区， 四川东部和重庆次之， 川西地区为低值区； 5个极端降水指数在1998年都呈现最大值， 其中一年中单日最大降水量RX1day达86 mm， 降水强度SDII指数值为11.3 mm·d^-1。（3）未来两个时期， 5个极端降水指数呈现出中间高， 四周低的空间分布特征， 社会脆弱性和辐射强迫等级越高， 极端降水指数值越大。对比两个时期， 远期各极端降水指数值更大， 特别是R95p均值为846.8 mm， 比近期增加了169.2 mm。（4）历史时期， 暴雨洪涝灾害较高的综合风险区位于四川中部和重庆市中心， 未来两个时期在四川中部的高和中高风险区范围将扩大， 中等风险区范围将缩小， 川西高原中低风险区范围也将减少， 四川南部和川渝东部的风险等级将分别降为中低和低风险区。对比未来两个时期， 四川中部的中高和中等风险区范围将扩大， 重庆西南部在远期将变为中等风险区， 其余区域基本维持原风险等级， 而随着社会脆弱性和辐射强迫的升高， 川渝地区的灾害风险等级变化不明显， 特别是川西高原和四川东北部的灾害风险等级变化较小。研究结果可为减少川渝地区灾害风险， 提高应急响应能力， 科学决策和防范等提供重要参考。

青藏高原多年冻土近地表土壤冻融循环会影响土壤和大气之间的水分与能量交换， 研究其时空变化特征及对气候变化的响应对理解高原气候变化机制具有重要意义。本文基于通用陆面模式（Community Land Model 5.0， CLM5.0）计算1980 -2017年高原多年冻土区近地表冻融参量， 即土壤冻结开始时间、 冻结结束时间、 融化持续时间和冻结持续时间， 并分析其时空变化及与近地表温度、 降水量、 积雪厚度和植被指数的相关性。结果表明： （1）高原多年冻土近地表土壤冻结开始时间集中于9月到10月中下旬， 结束时间集中于2 -5月。半湿润区土壤融化时间最长而半干旱区最短， 平均相差15 d。高原多年冻土土壤冻融状态变化显著， 除喀喇昆仑山脉附近外， 大部分多年冻土地区显示冻结、 融化持续时间分别具有缩短和增长趋势。高原平均土壤融化持续时间增长速率为2 d·（10a）^-1， 其中半湿润区增长趋势最为显著， 达4 d·（10a）^-1。（2）高原多年冻土冻融参量与地理因子具有联系。在29°N -36°N和82.5°E -103°E融化持续时间呈增长趋势， 但速率分别降低和增加。随着海拔升高， 融化持续时间增长率降低。（3）高原多年冻土融化持续时间与积雪厚度、 近地表温度、 降水量以及植被指数均具有相关性且不同气候区域相关性不同。近地表温度在所有区域正相关性显著， 是影响土壤冻融变化的主要因素。降水量与积雪厚度分别呈现正相关和负相关且均在半湿润区显著相关。植被指数全区基本呈现正相关， 且半干旱区最显著， 具有较强相关性。（4）高原多年冻土融化持续时间与不同季节气候因子相关性不同。近地表温度在季节尺度同样显著影响土壤冻融过程， 其中春季最为显著。降水量在夏季为显著正相关， 而冬季为负相关。积雪厚度和植被指数均在春季的半干旱和半湿润区存在显著相关性， 分别呈负相关和正相关。（5）近地表温度在干湿季对高原多年冻土区域土壤冻融均有影响， 而积雪深度、 降水量和植被指数仅在湿季有较大影响。

基于中国雪深长时间序列数据集和高分辨率地面气象要素驱动数据集， 分流域和海拔梯度分析了1980 -2020年积雪季青藏高原雪深的时空变化规律， 并结合水热因子探究了雪深对气候变化的响应。结果表明： （1）1980 -2020年积雪季青藏高原雪深空间差异明显， 呈西高东低、 高海拔山脉地区大于盆地平原的分布格局， 高海拔山脉地区平均雪深普遍大于10 cm， 64.74%的区域平均雪深呈波动减小趋势， 显著减小区域占比为29.09%， 高原雪深平均减小速率为0.25 cm·（10a）^-1。（2）雪深及其变化趋势受海拔影响存在明显的垂直地带性， 平均雪深随海拔上升先增大后减小再增大， 4.2 km和4.8 km的海拔是分界线； 不同海拔区域的雪深均呈减小趋势， 雪深减小速率随海拔上升先增大后减小， 5.0 km的海拔是分界线， 5.0~5.2 km海拔的平均雪深减小速率最快， 达3.36 cm·（10a）^-1， 平均雪深年际变化存在明显的“海拔依赖性”， 高海拔地区的雪深减小速率明显高于低海拔地区， 尤其是4.8~5.5 km地区的雪深。（3）1980 -2020年积雪季青藏高原气候变化表现出整体“暖湿化”、 但西北部和南部“暖干化”的态势， 但雪深对气候变化的响应具有流域差异和海拔差异， 其中， 怒江、 恒河、 阿姆河和印度河流域暖干化的气候条件导致雪深减少； 雅鲁藏布江、 高原内陆、 长江流域、 柴达木和塔里木盆地气温对雪深的影响更显著； 而黄河、 黑河流域降水对雪深的影响更显著。小于3.5 km的地区暖干化的气候条件导致雪深减小， 而大于3.5 km的地区气温对雪深的影响更显著， 气温的海拔依赖性增暖现象解释了雪深的海拔依赖性减小现象。

使用有效的偏差订正方法以及将非平稳数据平稳化， 能够提升对气温分析的科学准确性， 以深入揭示其时空分布特征及演变规律。本研究使用1970 -2014年ERA5_Land近地表（2 m）月平均气温观测数据集， 首先利用泰勒图、 泰勒指数、 年际变率评估指数、 秩打分法对国际耦合模式比较计划第六阶段（CMIP6）的6种气候模式和多模式集合（MME）平均模式进行评估及优选， 然后用Delta偏差订正法和Normal分布匹配法对较优模式进行订正， 最后分析SSP1-2.6、 SSP2-4.5和SSP5-8.5情景下青藏高原2015 -2100年气温时空变化特点。结果表明： （1）本文选用的6种CMIP6模式及MME平均模式中， EC-Earth3模式模拟气温效果最优。（2）将EC-Earth3模式进行Delta偏差订正后的结果与观测结果对比， 其确定性系数和纳什效率系数的区域平均值分别为0.992和0.983， 而用Normal分布匹配法订正后， 其确定性系数和纳什效率系数的区域平均值分别为0.990和0.978， 相比之下， Delta偏差订正对模式月气温的订正效果更优。（3）通过EOF-EEMD结合发现， 三种情景下第一典型场年气温呈现全区一致变化， 且SSP1-2.6和SSP2-4.5情景下存在共同气温变化敏感区， 即藏北高原中部地区； 第二典型场气温呈现以扎曲河上游区域逐渐向四周反相变化， 其中SSP1-2.6情景下高原整体呈东部降温西部升温， SSP2-4.5和SSP5-8.5情景下高原先东部增温西部降温， 之后则东部降温、 西部增温。本研究可为气候模式数据在青藏高原地区的准确应用提供偏差订正方法的参考， 并为深入评估青藏高原气温变化对水资源、 生态系统和环境的影响提供了关键的基础信息支持。

青藏高原天气气候不仅对亚洲区域气候产生深远影响， 还在更大范围内调控北半球气候格局。国外多种大气再分析产品已被广泛用于揭示高原天气气候特征。中国气象局于2020年发布了第一代全球大气再分析产品（CRA）， 前期评估发现其在常规观测数据密集区表现优异， 但在观测稀疏的青藏高原地区性能尚待研究。因此， 基于第三次青藏高原大气科学试验5个台站2014年6 -8月共686条未被模式同化的高质量探空廓线， 对CRA在高原上空的温度、 风场和相对湿度进行独立检验； 并选取高原及周边21个探空站业务观测数据开展非独立性检验， 将评估结果与欧洲中期天气预报中心（ECMWF）中期再分析产品（ERA-Interim）、 ECMWF第五代再分析产品（ERA5）及日本55年再分析产品（JRA-55）共三套再分析产品进行对比分析。非独立检验结果表明： 在对流层和平流层低层， CRA温度和风场与业务探空观测的相关系数均大于0.9。相对于业务探空观测， CRA温度在对流层中高层的均方根误差（RMSE）小于1 ℃， 400 hPa和500 hPa温度平均偏差（Bias）接近于0 ℃。CRA近地面纬向风的RMSE约为2.5 m·s^-1， 随高度逐渐减小， 至100 hPa下降至1.5 m·s^-1。相对湿度在各高度层的RMSE均维持在20%以下。独立检验结果表明： 600~30 hPa， CRA相对于探空温度、 纬向风和经向风的均方根误差（RMSE）均值在高原西部分别为1.38 ℃、 3.19 m·s^-1和3.22 m·s^-1； 在高原东部分别为1.16 ℃、 2.65 m·s^-1和2.90 m·s^-1， 西部区域各要素误差略高于东部， 且表现出显著的日变化特征。600 hPa及以下， CRA的气温和相对湿度误差最大值均出现在午后。在500 hPa， CRA相对湿度误差最大值出现在傍晚。总体上， CRA能够客观地再现青藏高原地区温度、 风速和相对湿度的垂直变化特征。与其他几套再分析产品相比， CRA相对湿度最接近探空湿度观测， 风场误差略高于其他再分析产品， 但平均差异不超过0.4 m·s^-1。

青藏高原是全球气候变化的敏感区与放大器， 其复杂的多圈层作用深刻影响区域及全球气候和水循环。本文系统总结了高原多圈层综合观测网络的架构与数据资源现状， 并基于多源观测数据综合评述了高原气候“暖湿化”特征及其多圈层（大气、 冰冻圈、 水圈、 生态圈等）响应的关键特征与机制。研究发现， 近年来高原升温速率增大、 降水总量增多但空间异质性显著。高原的“暖湿化”驱动了冻土退化、 冰川退缩、 湖泊扩张、 植被“变绿”以及极端事件增加等一系列显著变化。然而， 当前观测体系仍存在西部站点稀疏、 多圈层协同不足、 数据共享机制不完善等困难。为支撑地球系统科学研究和区域可持续发展， 未来亟需加强高原西部观测能力、 推广低成本自动化观测设备、 深化多源数据融合与模型同化以及构建安全高效的分级数据共享平台。本研究为深入认知高原气候系统复杂性及优化地球系统多圈层观测体系提供了重要参考。

雅安地区整体具有典型的“迎风坡”和“喇叭口”地形， 对雅安地区云-降水的观测和研究一直是中国山地气象的热点问题之一。本文利用2023年雅安地区秋雨期的Ka波段毫米波云雷达、 K波段微雨雷达和DSG4型激光雨滴谱仪观测资料， 对雅安秋雨期的冷暖两类云-降水展开了研究和对比。结果表明： （1）雅安秋雨期暖云-降水（WCP）的发生频次高于冷云-降水（CCP）， 但降水强度普遍较弱， 累计雨量更少。（2）在垂直结构和宏观特征方面， WCP与CCP存在明显差异。CCP的雷达回波反射率因子Z高频区分布更广、 回波更强， 不同高度Z高频区斜率大小反映出冰相粒子增长机制和速率与WCP液态云雨滴碰并增长速率的差异； CCP的线性退极化比LDR在零度层附近因冰相粒子融化突增， 平均多普勒速度V_m 高频区值更小， 速度谱宽W高频区值更大， 表明其雨滴平均尺度更大、 浓度分布更宽。宏观参数上， CCP的云底和云顶明显更高， 云层更厚， 且数值分布更分散。（3）在微观特征方面， 两类云-降水的雨滴谱随高度变化不同。随高度下降， CCP的小雨滴浓度因冰相粒子融化和雨滴碰并作用， 呈先增后减趋势； WCP的小雨滴浓度受蒸发、 碰并、 水汽输送和上升气流托举高度影响， 呈波动式变化。两类云-降水的中大雨滴浓度整体上都随高度下降而升高。从不同高度雨滴浓度差异来看， 在455 m以上， WCP所有粒径雨滴浓度几乎都低于CCP； 在455 m以下， WCP的小雨滴和大雨滴浓度高于CCP， 中雨滴浓度较低。（4）不同降水强度下的雨滴谱对比表明， 降水较弱时， WCP所有粒径雨滴浓度都较CCP低， 但当降水达到一定强度后（雨强R \ge5 mm·h^-1）， WCP会产生更多的小雨滴和少部分更大的雨滴。在3 km以下高度， WCP的Z、 LDR、 V_m 和W的少部分极大值均较CCP大， 这是由于该地区低空急流与地形抬升的协同作用， 使得WCP小雨滴在上升气流中反复碰并形成中大雨滴。

为系统分析气候变化背景下青海湖水位的变化过程及影响因素， 基于青海湖流域1959 -2017年月平均水位数据， 结合ERA5再分析数据和大气环流指数， 利用机器学习技术分析水位变化的主要影响因子及其预测能力。首先采用随机森林（RF）算法识别关键影响因子并进行重要性排序， 以评估模型性能随特征数量增加的变化趋势。随后将RF、 支持向量机（SVM）、 多层感知机（MLP）、 长短期记忆网络（LSTM）和多元线性回归（MLR）的预测结果进行对比， 以分析模型复杂度在水位预测中的表现。结果表明， 北大西洋涛动（NAO）、 大西洋多年代际振荡（AMO）、 降水、 气温（T1000）、 垂直风速（W1000）、 相对湿度（RH400、 RH450、 RH100）、 长波辐射（LW）以及尼诺3.4（Niño 3.4）是影响青海湖水位变化的主要因素。随着模型复杂度的增加， 最复杂的LSTM表现最佳， 其皮尔逊相关系数（R）、 纳什效率系数（NSE）、 归一化均方根误差（NRMSE）和克林-古普塔效率系数（KGE）在选取前10个特征时分别达到0.95、 0.96、 0.14和0.87。MLP次之， RF和SVM的性能接近， MLR表现最差。基于LSTM模型预测2017-2030年青海湖水位将上升2.55 m左右。分析结果为气候变化背景下高原湖泊水位变化的动态模拟与预测提供科学依据。

秦岭作为我国的中央水塔和重要的生态屏障， 气温变化对其水源涵养能力、 生态系统稳定性以及区域气候调节功能有着重要影响。为探究统计降尺度偏差校正处理后的全球气候模式（NEX-GDDP-CMIP6）数据对秦岭气温变化的模拟能力， 预估未来气温变化， 本文基于8个NEX-GDDP-CMIP6模式资料， 对比CN05.1观测资料， 评估了模式对秦岭年平均气温变化的模拟性能， 预估了四种共享社会经济路径情景下（Shared Socioeconomic Pathway， SSP）区域未来气温变化。结果显示， NEX-GDDP-CMIP6各模式均能很好地再现1961 -2014年观测的秦岭气温的分布型、 空间趋势和时间变化特征， 二者的相关系数分别为0.90~0.92、 0.51~0.77和0.46~0.57， 多模式集合平均（MME）模拟效果最好， 与观测对应的相关系数分别为0.92、 0.65和0.74。进一步基于MME预估的秦岭未来（2015 -2100年）气温持续增加， SSP情景越高， 增温幅度越大， SSP1-2.6、 SSP2-4.5、 SSP3-7.0和SSP5-8.5情景下的增温趋势分别为0.10 ℃·（10a）^-1、 0.26 ℃·（10a）^-1、 0.42 ℃·（10a）^-1和0.57 ℃·（10a）^-1， 趋势存在着海拔、 纬向和经向依赖性， 即： 随海拔上升、 纬度和经度增大而增大。相对于1995 -2014年参考时段， 4种情景下秦岭在本世纪近期（2021 -2040年）增温0.65~0.97 ℃， 中期（2041 -2060年）增温1.37~2.0 ℃， 末期（2081 -2100年）增温1.39~4.46 ℃。秦岭南、 北坡未来气温变化一致， 增温幅度近似秦岭平均， 北坡增温大于南坡， SSP情景越高， 北坡增温越快。研究结果可为秦岭生态保护及气候变化的适应性研究提供科学依据。

红碱淖是中国最大的沙漠淡水湖， 近几十年来湖泊面积锐减， 湖泊水面蒸发是其水量主要消耗项， 因此本文将揭示其蒸发变化特征及驱动因素的作用机制。目前大多数对于红碱淖的研究直接使用或折算后使用气象站观测蒸发， 数据缺测较多且不连续， 未定性定量分析影响红碱淖蒸发变化的气象因子。针对上述问题， 本文分别利用气象站数据折算、 FAO（P-M）公式计算和CLM-LISSS模型模拟获取红碱淖湖面蒸发数据。通过与气象站折算后蒸发对比发现， CLM-LISSS模型模拟蒸发量值及相关性比FAO（P-M）公式计算结果更接近。基于CLM-LISSS模型蒸发结果表明， 模拟的红碱淖1980 -2018年蒸发的多年平均值为1004.56 mm， M-K突变检验未发现突变年份， 总体呈显著上升趋势（3.01 mm·a^-1）。与蒸发呈显著正相关的气象因子为气温、 风速和向下长波辐射， 且它们与蒸发的相关性和自身的变化趋势均通过了95%的显著性检验。进一步利用公式计算法和气候态扰动分析法分别定量分析了蒸发对气象因子的敏感系数和各气象因子对蒸发变化的贡献， 两种方法得到贡献较大的气象因子与定性分析结果一致， 均为气温、 风速和向下长波辐射， 但这两种方法得到的贡献排序略有不同且各因子贡献值差异较大， 这主要由于使用气候态扰动分析法计算贡献时， 蒸发的变化仅由单一因素的变化引起， 减少了其他驱动因素的影响， 有效地降低了蒸发趋势变化值与各气象因子贡献和的误差， 由128.40 mm（109.40%）降低至56.83 mm（48.42%）。气候态扰动分析法从机理和误差上均优于公式计算法， 其结果表明气象因子对蒸发变化的贡献占比由大到小分别为向下长波辐射（71.47%）、 气温（59.83%）、 风速（41.00%）、 气压（1.54%）、 向下短波辐射（-3.00%）以及比湿（-22.43%）。

积雪是冰冻圈的重要组成部分， 近年来气候变暖导致积雪面积正在减少， 这一变化可能引发水资源分配不均以及生物多样性下降， 进而影响当地的生活、 经济发展和生态环境。青海湖是我国最大的内陆湖泊， 近年来其水位快速变化， 入湖径流受流域内积雪及其变化的影响， 但青海湖流域积雪特征、 变化及其影响原因尚不清晰。基于中国MODIS逐日无云500 m积雪面积产品数据集以及中国区域地面气象要素驱动数据集（China Meteorological Forcing Dataset， CMFD）的气温和降水数据， 本文对青海湖流域积雪时空变化特征及影响原因进行了研究。结果表明： （1）2000 -2020年年均积雪频次分布与海拔之间存在较好的对应关系， 随着海拔的降低， 积雪频次也相应减少； 同时受年均气温和年降水量的影响， 其中， 受年均气温显著偏相关影响的区域主要分布在青海湖北部和东部， 受年降水量显著偏相关影响的区域主要分布在青海湖流域中部的布哈河中上游。（2）2001 -2017年， 青海湖流域和祁连山地区降水增加， 但受两地区年均气温增长和年降雪量减少的影响， 积雪面积减少。（3）青海湖流域和祁连山地区积雪面积年内变化较为相似， 均呈双峰波动特征， 但青海湖流域4 -7月积雪面积减少幅度以及8月至次年1月增幅均大于祁连山地区， 1 -3月祁连山地区积雪减少， 而青海湖流域积雪增长， 与青海湖融化后的湖泊效应对应较好。

全球变暖导致南极与北极海冰发生了快速变化， 并引起了一系列气候反馈。在这些反馈过程中， 极区海-气湍流热量交换起到了关键作用。太阳辐射作为极区海表能量的主要来源， 主要用于海冰融化和海-气热量交换， 但海冰较高的反照率导致其对辐射的吸收较小。海-气热量交换受海表与大气的温度梯度、 湿度梯度等影响， 海冰边缘区以显热为主， 距离海冰较远处以潜热为主， 在北极以显热为主， 而在南极以潜热为主， 并且南北极的海-气热量通量均具有季节性特征。海冰在一定程度上会阻碍海-气的热量交换。因此， 准确的海冰区海-气湍流热量交换参数化是模拟海-气相互作用关键， 但受极区环境的限制， 现场观测资料仍然极度稀缺， 精确刻画海冰区的海-气湍流交换依然极具挑战性。在未来研究中， 应加强极区海气通量的观测网络建设， 尤其是海冰区的原位观测， 这对深刻理解极区海气作用对气候变化的影响， 降低气候模式的不确定性至关重要。其次， 充分考虑海冰的动力与热力因素， 进一步优化参数化方案， 或研发新模型， 提高模拟精度。再者， 明确海冰区波浪对海-气湍流热量交换的影响， 补充研究的空白。最后， 进一步评估极区海-气湍流热量交换对气候变化的贡献， 深入揭示极区海洋对气候变化的反馈机制。

青藏高原夏季风是亚洲季风系统的重要组成部分， 显著影响着高原及其周边地区能量和水分循环。本文利用1980-2020年间的JRA-55月平均再分析资料和GPCC逐月降水资料， 结合高原季风指数， 采用相关分析、 回归分析、 合成分析等统计方法和动力诊断， 从降水、 大气环流、 水汽收支等方面， 分析了青藏高原夏季风期间的水汽输送特征， 探讨了高原夏季风对水汽输送的影响。研究结果表明： （1）从降水的角度分析， 高原夏季风偏强（偏弱）时， 高原中东部地区降水偏多（偏少）， 印度北部地区降水偏少（偏多）。（2）从水汽输送角度分析， 高原夏季风偏强时， 印度中部存在异常反气旋环流， 高原南侧存在异常西风气流， 高原上空水汽输送是由西风带水汽通道所主导。（3）从水汽收支角度分析， 高原夏季风偏强（偏弱）时， 高原南边界和西边界的水汽输入量增加（减少）， 北边界水汽输入量减少（增加）， 区域净水汽收支随之增加（减少）。（4）进一步研究发现， 高原夏季风对水汽辐合/辐散的影响主要由风的动力项贡献所主导的， 而水汽平流的热力项贡献较小。本文研究结果对于精细化认识青藏高原水汽收支和输送过程及其影响水循环机理具有一定的参考价值。

利用基于历史资料的模式距平积分预报订正（ANO）方法， 结合欧洲中期天气预报中心第五代（ERA5）全球再分析资料， 对中国西南区域数值天气预报模式系统（简称SWMS）预报产品进行订正试验， 检验了ANO方法对2019年6月20 -25日一次复杂地形条件下灾害性区域暴雨过程气象要素的中短期天气预报订正改进效果。结果发现， SWMS模式在对流层中上层的预报性能较好， 但在中低层随着高度降低预报质量逐渐下降， 经ANO方法订正后各预报变量均有所改进， 前72 h预报500 hPa和700 hPa位势高度场的平均距平相关系数（ACC）提高0.1~0.2， 达到0.8左右， 而850 hPa的位势高度ACC最大提高0.6； 同时， 700 hPa 和850 hPa订正位势高度的均方根误差（RMSE）降低显著， 分别平均降低了24%和66%。温、 湿、 风场的订正效果也显示出很好的正效果， 展示了基于历史资料的ANO方法对我国西南复杂地形区域中短期数值预报的订正能力和提高SWMS模式数值预报技巧的有效性。

研究青藏高原高寒草甸生态系统碳水通量及水分利用效率（WUE）特征对准确评估气候变化背景下高寒草地生态系统的碳收支、 水循环及碳水耦合具有重要意义。本文利用2012 -2017年青藏高原东部中国科学院西北生态环境资源研究院若尔盖高原湿地生态系统研究站玛曲观测点高寒草甸下垫面的涡动相关系统的观测资料， 分析了生长季碳水通量、 WUE的变化特征， 并结合多元逐步回归和结构方程模型两种统计方法， 得到了生长季碳水通量和WUE变化的主要驱动因子。结果表明： （1）玛曲高寒草甸生态系统6年的年平均净生态系统碳交换（NEE）、 生态系统呼吸（Re）和总初级生产力（GPP）分别为-109.7、 798.6和908.3 gC·m^-2·a^-1， 整体呈碳汇； 蒸散（ET）6年年平均值为446.5 kg·m^-2·a^-1； WUE 6年平均值为2.0 gC·kg^-1。（2）生长季NEE和GPP日变化呈现明显的单峰型， 在一日14:00（北京时， 下同）左右达到峰值， Re全天变化较为平缓， 夜晚略低于白天； ET日变化呈单峰型， 月平均值和月累积值在7月达到最大； WUE日变化呈不对称的“U”型曲线， 最小值出现在13:00 -14:00， WUE日值和日变化幅度在7、 8月较大。（3）在生长季， 多元逐步回归和结构方程模型均证实了温度在控制碳通量中的主导作用， 以及辐射在控制ET中的主导作用， 温度和太阳辐射是生长季WUE的主要影响因素。

本研究通过对珠穆朗玛峰（以下简称“珠峰”）国家级自然保护区辐射场的全面观测， 揭示了其时空变化规律及其对生态环境和气候的潜在影响。本研究通过建立覆盖高寒灌丛、 高寒湿地和高寒荒漠草原等多种生态环境的气象梯度观测网络， 应用先进的辐射观测设备， 结合数据质量控制和自动化处理流程， 获取了多年连续、 高精度的四分量辐射通量实测数据。结果表明： （1）珠峰站和高寒灌丛站的净辐射通量在年际尺度上呈现年均增加0.7 W·m^-2的趋势； （2）在多年月平均净辐射通量方面， 珠峰站和高寒灌丛站从1月的15 W·m^-2逐步增加， 于8月达到峰值110 W·m^-2后开始回落， 至12月降至14 W·m^-2。多年月平均向下短波辐射通量从1月的210 W·m^-2逐渐升高， 至6月达到最大值375 W·m^-2， 随后在7月显著下降至230 W·m^-2， 并在7 -10月保持相对稳定， 10月开始显著回落， 12月降至最小值200 W·m^-2； （3）多年夏季日平均净辐射通量在珠峰站和高寒灌丛站从07:00（北京时， 下同）的0 W·m^-2开始增加， 于13:00达到峰值530 W·m^-2， 随后逐渐降低， 至20:00降为-110 W·m^-2。多年夏季日平均向下短波辐射通量则从07:00的0 W·m^-2增加， 13:00达到860 W·m^-2的峰值后下降， 21:00降为0 W·m^-2。冬季日平均净辐射通量从08:00的-120 W·m^-2上升， 至14:00达到最大值370 W·m^-2后逐渐减少， 至20:00再次降为-120 W·m^-2。冬季日平均向下短波辐射通量则从08:00的0 W·m^-2开始升高， 14:00达到最高值840 W·m^-2后下降， 20:00降为0 W·m^-2； （4）各站点之间的辐射通量差异显著， 尤其在高寒湿地站与其他两站之间对比突出。高寒湿地站的年均净辐射、 年均向下短波辐射、 多年月平均净辐射、 多年月平均向下短波辐射、 夏冬季日平均净辐射及向下短波辐射均高于珠峰站和高寒灌丛站。本研究的结果为理解高海拔地区的气候变化提供了新的视角， 并为遥感监测技术的发展、 全球气候模式的改进以及高原地区环境保护策略的制定提供了关键数据支持。

雅鲁藏布大峡谷地区（以下简称大峡谷地区）是青藏高原重要的水汽输送通道， 大峡谷的水汽输送对高原天气气候等有着重要影响。本文基于1986 -2021年ERA5再分析资料和CN05.1日降水资料， 分析了高原夏季风期和冬季风期大峡谷的水汽输送特征， 并研究了其与江河源区降水在夏季风期的关系。结果表明： （1）大峡谷地区可降水量在空间上整体呈东南多、 西北少的分布， 在时间上呈增长趋势， 夏季风期增长幅度大于年平均和冬季风期。大峡谷水汽通量主要来自印度洋至孟加拉湾的西南水汽输送， 其次是中纬度南支西风水汽输送。（2）大峡谷南、 西边界在全年都是水汽输入边界， 东、 北边界是水汽输出边界， 夏季风期水汽输送通量强于冬季风期。大峡谷是净水汽通量正值区， 净水汽收入呈显著减少趋势。（3）低层1000~600 hPa， 源于印度洋至孟加拉湾和西太平洋上的水汽输送从大峡谷南边界进入高原， 南边界是水汽输入的主要边界； 高层600~300 hPa， 中高纬度地区是显著的西风水汽输送， 水汽主要从西边界输入， 东边界输出。（4）夏季风期大峡谷的水汽通量与江河源中东部地区的降水存在显著正相关关系。孟加拉湾异常的东南水汽输送和孟加拉湾北部及高原西南侧异常的西南水汽输送从大峡谷西和南边界进入， 为江河源中东部带来充足水汽， 水汽在江河源中东部上升导致降水偏多。

为了评估高分辨率模式间比较计划（HighResMIP）中的模式对青藏高原东坡暖季降水的模拟能力， 本文选取了其中16个具有不同分辨率的模式， 并结合CN05.1数据集， 对青藏高原东坡暖季（5 -9月）降水进行了全面评估。通过对比分析多个模式的输出结果与实际观测数据之间的差异， 揭示了各模式在捕捉降水时空变化特征、 降水强度以及与地形相关的降水机制等方面的优势和不足。研究发现， 高分辨率气候模式在模拟青藏高原东坡全年及暖季降水空间分布方面表现出较高的准确性， 但不同模式之间的模拟结果存在显著差异。部分模式（CMCC-CM2-HR4、 CMCC-CM2-VHR4、 FGOAL-f3-H）的年平均降水呈增长趋势， 与观测结果一致， 而其余模式则表现出稳定或减少趋势。此外， 模式在降水频率和强度的模拟上仍存在明显不足。对比高分辨率组和中低分辨率组， 所有模式均系统性低估弱降水事件（<1 mm∙d^-1）， 同时高估强降水事件（>4 mm∙d^-1）发生频率。中低分辨率组模拟的青藏高原东坡降相位模拟相较观测结果存在约30天的系统性偏差。相比之下， 高分辨率组在降水频率的模拟表现优于中低分辨率组。综合降水的时间分布、 频率及模式评分， ECWMF模式的模拟效果较好， 而FGOAL-f3-H模式存在显著的负偏差。

2022年8月13 -14日青藏高原东北侧甘肃榆中地区出现极端暴雨事件， 日降水量达130.6 mm， 最大小时降水量36.6 mm， 突破了该地区历史极值， 造成了严重的社会影响和经济损失。本文利用地面分钟级气象观测以及高空观测、兰州多普勒天气雷达及欧洲中期天气预报中心第5代全球大气再分析产品（ECMWF Reanalysis v5， ERA5）等资料， 通过分析此次极端暴雨中两个强降水阶段的观测特征、环境条件、地形影响和不稳定机制等。结果表明： （1）暴雨由西风带短波槽带来的弱冷空气和副热带高压外围的暖湿空气在陇中地区交汇引起， 700 hPa切变线提供了动力抬升条件， 地面冷锋提供了触发条件。（2）暴雨过程雷达反射率因子表现为持久的强回波并伴有“后向传播”特征， 存在低空急流和明显的辐合， 在第二阶段冷锋后部回波顶高和第一阶段相当， 但是范围更大， 且结构更为紧密， 对流云发展更加旺盛。（3）此次暴雨水汽条件充沛， 第一阶段低层强烈辐合、上升运动以及较高的对流有效位能， 存在显著的对流不稳定， 第二阶段的上升运动有所减弱， 对流有效位能为0， 动力及对流不稳定条件弱。（4）冷锋斜压锋生触发不稳定能量的释放是第一阶段降水的主要触发机制。冷锋过境后， 第二阶段降水由地形、锋生次级环流及不稳定等共同作用形成。由于夏季冷锋后强降水在青藏高原东北侧地区并不常见， 在业务中容易形成该类暴雨的漏报。因此， 需要加强对此类过程的监测和预警。

为解决中亚低涡背景下暴雨落区与时段极难把握的预报难点问题， 本文利用常规观测资料、 卫星、 雷达及ERA5 0.25°×0.25°再分析资料， 分析2024年6月30日至7月3日北疆对流性暴雨天气的中尺度特征及大气不稳定状态， 并揭示对流触发与维持机制。结果发现， 此次天气有两个暴雨中心， 其触发机制明显不同， 博州暴雨属强对流造成的短时暴雨， 中亚低涡底部分裂短波扰动东移， 中层西南风携带暖湿气流北上， 低层偏东风引导冷空气东灌， 暖湿气流沿冷垫爬升， 博州上空存在对流不稳定层结， 地面中尺度辐合线是主要触发因子， 中γ尺度对流系统不断生成且合并增强为中β尺度对流系统产生暴雨， 对流呈高质心结构。天山山区及北坡暴雨属混合性暴雨， 降水持续时间长， 中亚低涡减弱成槽东移， 中层西南气流引导暖湿气流北上， 低层西北急流携带冷空气南下， 冷暖空气交绥， 降水前及初期大气受对流不稳定影响， 为降水的产生积聚不稳定能量， 后期大气转为条件对称不稳定， 造成降水维持且增强。对流层中低层冷锋锋生是暴雨的主要触发因子， 锋面次级环流上升运动与对流运动发生、 发展密切相关， 且锋面扰动和积云对流呈正反馈作用， 多个中β尺度对流系统相继东移产生暴雨， 对流呈低质心， 为暖云降水。该研究通过细化中亚低涡背景下北疆强对流短时暴雨和混合性暴雨， 揭示其触发与维持机制， 为北疆暴雨的精细预报提供关键参考依据。

小兴安岭位于中国东北部的温带季风气候区， 以针阔叶混交林为主， 拥有亚洲最大、 最完整的红松原始森林， 对区域气候有重要的调控作用。为探究小兴安岭针阔叶混交林感热通量（H）和潜热通量（LE）特征， 以及环境、生物因子对其的调控作用， 采用涡度相关法对五营国家气候观象台2007 - 2023年H和LE进行研究， 并构建结构方程模型对其影响因子进行详细分析。结果表明： 小兴安岭针阔叶混交林H和LE的年际变化有波动减少趋势， 但二者变化趋势不完全相同， 40 m高度处的H和LE年平均值分别为19.84±1.83 W·m^-2和29.39±2.93 W·m^-2， 50 m高度处的H和LE年平均值分别为22.71±1.29 W·m^-2和31.76±1.07 W·m^-2。H的峰值出现在4月， 次峰值出现在10月， 而LE的峰值出现在7月， 其中5 -9月LE大于H， 说明有效能量的分配在5 -9月以潜热为主， 其他月份以感热为主。30 min尺度能量闭合率为49%， 各月能量闭合率范围为32%~61%， 其中生长季和非生长季分别为53%和38%， 日尺度能量闭合率为52%。结构方程模型显示， 小兴安岭针阔叶混交林的热量传输过程主要受能量限制， 净辐射对H和LE有正影响， 空气温度、 饱和水气压差、 土壤体积含水量、 叶面积指数对H和LE的影响均是相反的。气候变化对H和LE有复杂的调控机制， 对不同气候年份分别构建结构方程模型， 可以对H和LE复杂年际变化做出部分解释。

三江源区植被季节性变绿对区域生态环境和水资源安全具有深远影响。本研究利用2003 -2021年多源数据， 采用趋势分析、 相关分析和部分信息分解（PID）解耦分析， 探讨了三江源地区植被季节性变绿的水分驱动因子及其对气候变化的响应关系。结果表明： （1）2003 -2021年间， 三江源区春、 夏、 秋季叶面积指数（LAI）的线性趋势总体上升， 但是不同季节的环境条件差异显著。春、 秋季降水量、 土壤湿度（SM）和积雪覆盖（SC）的线性趋势均表现出增加趋势， 温度变化不明显； 夏季温度的线性趋势轻微上升， 但降水量和SM略有下降， SC变化不显著。（2）水分驱动因子对LAI的影响方面， 相关分析研究表明， 春、 夏季LAI与SM显著正相关， 秋季不显著； LAI与SC的相关性各季节均较弱。引入PID解耦分析方法， 有效地揭示了SM和SC对LAI的非线性和协同影响。SC在春、 秋季影响LAI变化的独立信息贡献更高， 成为主要水分驱动因子， 夏季则SM贡献更大； 同时， SM和SC的协同作用在各季节对LAI变化起重要作用， 协同信息贡献均超过30%。（3）水分驱动因子对气候变化的响应： 相关分析研究表明， SM在各季节均与降水显著正相关， 与春季温度显著负相关； SC在各季节均与降水显著正相关， 与春、 秋季温度显著负相关。PID分析也表明， 降水是影响三个季节SM和SC变化的主要气象因子， 对SM和SC的独立贡献均高于温度， 但温度和降水对各季节的SM和SC的协同作用也不容忽视。

平流层飞艇因其卓越性能， 在航空航天领域的飞行任务中展现出巨大潜力。但平流层环境的复杂性对飞行安全构成严峻挑战， 因此提前做好环境预测， 规避飞行风险， 对飞艇顺利完成飞行任务至关重要。尽管现有的热力学模型已为飞艇设计提供了理论基础， 但其分析仍不够完善， 因此本文引入云顶高度和云顶温度两项关键参数， 深入分析其对飞艇热平衡的影响效果： 云顶高度决定了云层与飞艇之间的相对位置， 云顶温度则直接反映了云层的热力学状态， 两者均会影响飞艇的辐射交换和热平衡状态。基于此分析强调了将这些因素纳入热力学模型的重要性和紧迫性， 为未来飞艇热力学模型的优化提供了新思路， 揭示了研究云层分布特征的关键意义。此外， 还强调了青藏高原地区作为天然实验室的独特优势， 并展开具体数据分析。本文基于CLARA-A3数据集， 分析了2015 -2020年间青藏高原地区的历史气象云层观测数据， 重点研究了云顶高度和云顶温度两参数的空间分布特征、 日均值和极值情况、 云量面积占比情况及两参数之间的相关性分析。结果表明， 云顶高度呈西北低东南高的空间分布特征， 而云顶温度则呈现西高东低的变化趋势； 同时， 7 -9月， 云顶高度全年最高， 云顶温度全年最低； 云顶参量的年度变化规律也得到验证； 进一步分析表明， 青藏高原地区存在极端的超高云和超低温气象现象， 存在观测点的日均云顶高度超18 km， 云顶温度低于-83 ℃的现象， 且多发生在7 -9月； 两变量经Spearman相关系数分析存在中等强度的负相关性， 其中7 -9月为强负相关性， 这为进一步量化云层对飞艇影响因素提供了重要数据支持。经上述研究表明， 云层对飞艇的潜在威胁不可忽视， 尤其在7 -9月， 平流层飞艇的部署准备工作需重点关注当地气象云参量的变化。提前掌握云层的观测数据， 实施气象预测准备工作， 是确保飞艇安全飞行的关键因素之一。本研究首次将真实气象数据分析应用于飞艇飞行环境评估， 验证了数据分析技术的可行性， 并强调了实测数据在模型验证中的关键作用， 为完善平流层飞艇热力学模型提供了新的研究视角。未来， 随着动态预测模型的持续优化， 飞艇在复杂气象环境中的安全性有望得到显著提升。

为减少低能见度造成的航班备降和返航， 利用地面观测数据和ECMWF高空、 地面数值预报产品， 基于机器学习算法建立景德镇机场当前和未来1 h低能见度短临预报模型。通过对比检验发现XGBoost和LightGBM机器学习算法在机场低能见度短临预报中优于SVM机器学习算法， 特征筛选对XGBoost和LightGBM机器学习算法的性能都有改善； 通过SHAP方法解释LightGBM机器学习模型， 分析各特征对模型输出的贡献。主要结论如下： （1）LightGBM和XGBoost建立的机器学习模型在机场低能见度预报方面表现良好， AUC可达0.98， 对于当前低能见度和未来1 h低能见度预报的F1_score最高可达0.92。（2）基于“机器学习特征工程要求特征相互独立”原理对特征进行清洗筛选， 有利于提高XGBoost算法模型对未来1 h低能见度的预报准确率， 而经过特征筛选的LightGBM模型在预报当前和未来1 h低能见度时比没有特征筛选的LightGBM模型漏报率更低。对当前低能见度的预报， LightGBM_24_0h模型最优， 对未来1 h低能见度的预报， XGBoost_24_1h模型最优， 且特征筛选对XGBoost算法的性能提升更大。（3）分别使用分裂次数和SHAP值分析LightGBM算法模型的特征重要性， 表明在不同特征重要性准则下， 机场实测相对湿度、 气温、 风、 海平面气压和ECMWF预报的1000 hPa相对湿度、 925 hPa垂直速度和散度、 850 hPa散度9个特征对机场低能见度的预报更重要， 且散度作为机器学习模型的输入特征可以极大提高机器学习模型的性能。（4）基于SHAP值解释特征重要性时， 排名前十的特征重要性累计占比80%， 说明在以雾为主的景德镇机场低能见度短临预报中LightGBM模型能根据关键预报因子输出预测结果， 且在预报未来1 h低能见度是否持续时， 可重点关注850 hPa散度、 1000 hPa相对湿度、 机场海平面气压和风向的变化。

基于双偏振雷达准确反演雨滴谱能够为研究大范围的降水微物理特性提供丰富的数据。为了进一步提高雨滴谱反演的精度， 本文提出了基于六、 七阶矩的双阶矩规范化雨滴谱反演算法（M6M7法）， 利用2022年5 -6月河源站双偏振雷达及周围雨滴谱仪观测的6次降水过程数据， 从整体统计、 不同降水强度和不同雨滴大小三个角度， 将新的雨滴谱反演算法与基于三、 六阶矩的双阶矩规范化雨滴谱反演算法（M3M6法）、 约束性Gamma雨滴谱模型反演算法（C-G法）进行对比， 并对每个算法的反演结果进行研究分析。结果表明， M6M7法在小雨阶段［0 mm·h^-1<降水强度（R）≤5 mm·h^-1］反演的滴谱参量误差是三种方法中最小的， 随着降水强度的增大， 除了液态水含量（LWC）、 R误差增大， 其余参量误差变化较小， 在各个粒子端大部分参量误差在三种方法中最小， 同时误差随粒子的增大变化较小。M3M6法相较M6M7法增加了差传播相移率（K_dp ）进行反演， 虽K_dp 对噪声敏感， 但在大到暴雨（R>30 mm·h^-1）环境中数据质量好， 故在大到暴雨的反演具有较小的估测误差， 且误差随粒子的增大（除LWC、 R）有所减小。在中雨（5 mm·h^-1<R≤30 mm·h^-1）阶段， C-G法偏差中值接近于0， 但部分误差变幅显著， 且随降水强度和粒子增大， 误差呈先减小后增大的趋势， 相对误差波动剧烈， 估测结果稳定性较差。整体评估显示， M6M7法估测各滴谱参量的偏差中值更接近于0且误差波动范围小， M3M6法和C-G法误差波动范围大， 总之， 新提出的M6M7法相较于传统方法整体反演效果更优且稳定性突出， 尤其在中小雨阶段优势明显， 而M3M6法在大到暴雨环境中反演效果更佳， C-G法则表现出反演反演不稳定的特点。融合M6M7法和M3M6法的综合算法， 经初步验证能进一步提升雨滴谱反演精度。

利用2018 -2023年贵州DSG1型降水现象仪观测时间序列资料， 对比分析雨雪雹三种降水类型的粒子数分布和尺度谱特征， 建立了基于粒子数、 粒子谱宽、 粒子众数的降水现象类型识别综合判定算法并评估了算法的适用性。具体结论为： （1）雨、 雪、 雹滴谱的直径谱宽集中分布在1~8 mm、 1~12 mm、 5~12 mm， 速度谱宽集中分布在3~15 m∙s^-1、 3~5 m∙s^-1， 12~15 m∙s^-1， 粒子众数速度分别为4.4 m∙s^-1、 1.1 m∙s^-1、 4.4 m∙s^-1， 通过粒子下落速度可有效识别雨、 雪降水类型。（2）雨滴谱、 雹滴谱的雨粒子数占比分别为50.1%、 64.3%， 雪滴谱的雪粒子数占比为70.2%， 均在总粒子数半数以上； 雹滴谱的冰雹粒子数占比为0.19%， 高于雨滴谱的冰雹粒子数占比0.005%。（3）粒子直径≥3 mm和粒子速度5 m∙s^-1的粒子， 主要存在于降雪天气过程中， 粒子直径≥5 mm和粒子速度≥10 m∙s^-1的粒子， 主要存在于冰雹和短时强降水天气过程中， 提高对速度的限定可以改善冰雹粒子识别的准确性。（4）通过对降水现象类型识别综合判定算法评估， 单一降水类型识别准确率达到95%以上， 冰雹误报率仅为1.7%， 可有效减少在短时强降水中误识别为冰雹的情况。

受全球变化影响， 原本湿润的西南地区自21世纪以来干旱事件频发， 已对区域内植被生长造成了不同程度的抑制， 威胁西南生态屏障安全。本研究采用标准化降水蒸散指数分析了西南地区2001 - 2016年极端干旱事件的频率和特征， 选择了持续时间最长、 影响范围最广的2009 -2010年极端干旱事件， 利用CLM5.0陆面过程模式（Community Land Model version 5.0）对2009 -2010年极端干旱事件下植被生长进行数值模拟， 并将模拟结果与三套遥感数据［Global Inventory Modeling and Mapping Studies （GIMMS）， Global Land Surface Satellite （GLASS）， Global Mapping （GLOBMAP）］进行对比验证CLM5.0对西南地区植被对干旱响应的模拟适用性。结果表明， 2001 -2016年， 中国西南地区发生3例持续时间超过6个月的极端干旱事件， 其中持续时间最长、 最严重的干旱发生在2009 -2010年。模拟发现在2009 -2010年极端干旱期间， CLM5.0对植被与干旱的相关性、 滞后响应、 累积效应以及抵抗力和恢复力的模拟效果较好， 植被对干旱的响应强度呈从东南向西北递减的特征， 68.66%的区域植被对干旱表现出滞后响应， 且滞后响应（78.02%）、 累积效应（89.17%）与干旱均呈现较大面积的正相关， 与多源遥感的描述有较高的一致性。在对不同植被类型的干旱抵抗力和恢复力的模拟方面， CLM5.0的模拟表现也较为出色， 森林比灌木和草甸有更强的干旱抵抗力， 且森林的干旱抵抗力和恢复力呈现明显的相反趋势。本研究使用CLM5.0模型模拟与多源遥感验证的方法， 为理解西南地区植被对干旱的多方面响应提供了一个补充视角， 有助于较全面地评估和预测西南干旱对植被活动的影响。

复合热浪事件不仅会危害人类健康， 而且不利于社会经济和生态系统的可持续发展。近年来川渝地区复合热浪事件显著增多， 探究影响川渝地区夏季复合热浪的因素及模式模拟差异的原因对研究川渝地区夏季复合热浪具有重要意义。利用最新的观测和再分析资料， 本文研究了川渝地区夏季复合热浪与青藏高原大气热源的关系， 评估了28个CMIP6（Coupled Model Intercomparison Project Phase 6）模式对两者关系的模拟能力， 进一步探讨了模拟差异产生的可能原因。结果表明， 川渝地区东部的夏季复合热浪日数年际变化最为显著， 其与同期青藏高原东南部的大气热源存在显著的负相关关系。当青藏高原东南部夏季大气热源偏弱时， 川渝地区东部高空出现异常的反气旋。该异常环流伴随着强烈的下沉运动一方面通过绝热增温， 另一方面通过减少云量、 增加地面净短波辐射， 进而有利于川渝地区东部复合热浪事件的发生。大部分CMIP6模式能够模拟出川渝地区夏季复合热浪日数和青藏高原夏季大气热源气候态的空间分布特征， 但模式对青藏高原夏季大气热源年际变率的模拟普遍优于其对川渝地区夏季复合热浪日数的模拟， 且模式对川渝地区夏季复合热浪与高原大气热源间的负相关关系的模拟存在较大的差异。进一步的研究表明， 模式能否模拟出青藏高原东南部夏季大气热源异常时川渝地区东部的垂直运动和云量异常， 是影响模式对川渝地区夏季复合热浪与青藏高原东南部大气热源关系模拟能力的主要原因。

网格降水、 潜在蒸散发（PET）、 地表温度产品为无资料地区的水文模拟提供了可供选择的数据来源， 但是其在具体区域的水文应用还需做进一步的评估。本研究针对不同的缺资料情形， 基于HBV-light水文模型综合评估了6种网格降水产品（CHIRPS、 CMORPH、 GPM、 GSMaP、 MSWEP和PERSIANN）、 3种潜在蒸散发产品（GLDAS、 GLEAM和ERA5-Land）和1种地表温度产品（MOD11A1）及其组合在讨赖河流域的水文适用性， 分析了不同降水和潜在蒸散发输入对实际蒸散发、 土壤水分等水文变量的影响， 据此提出不同缺资料情形的水文模拟策略。结果表明： 不同降水产品驱动的径流模拟效果在讨赖河流域的表现各异， 其中GPM和MSWEP数据驱动的径流模拟效果较好， 其验证期的NSE（Nash-Sutcliffe Efficiency）分别为0.58和0.54。在缺乏降水数据时， 推荐使用GPM和MSWEP降水产品作为降水的替代数据源。潜在蒸散发产品的选择则对径流模拟的影响较小， 验证期的NSE介于0.61~0.74。若仅关注径流模拟的精度， GLDAS、 GLEAM和ERA5-Land产品均可作为潜在蒸散发的替代数据源。在缺乏地表温度数据时， MOD11A1产品驱动的径流模拟在验证期的NSE为0.61。在缺乏所有的气象数据资料时， 最优的产品组合为GPM和MSWEP与其他3套潜在蒸散发产品组合， 其在率定期和验证期的NSE均在0.53以上。综合来看， 网格产品能在一定程度上弥补无资料或缺资料地区水文模拟的不足， 未来可以结合更多的流域对其适用性进行进一步评估。