Plateau Meteorology

Plateau Meteorology >

2023 , Vol. 42 >Issue 3: 553 - 563

DOI: https://doi.org/10.7522/j.issn.1000-0534.2021.00109

Response of Vegetation over the Qinghai-Xizang Plateau to Projected Warming Climate

  • Yan BAO ,
  • Yuqi WANG ,
  • Sulan NAN ,
  • Miao YU
Expand
  • 1. School of Atmospheric Science and Remote Sensing，Wuxi University，Wuxi 214105，Jiangsu，China
    2. Key Laboratory of Meteorological Disaster，Ministry of Education（KLME）/Joint International Research Laboratory of Climate and Environment Change（ILCEC）/Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters （CIC-FEMD）； Nanjing University of Information Science and Technology（NUIST），Nanjing 210044，Jiangsu，China
    3. Dandong Meteorological Bureau，Dandong 118000，Liaoning，China
    4. State Key Laboratory of Severe Weather，Chinese Academy of Meteorological Sciences，Beijing 100081，China

Received date: 2021-01-12

  Revised date: 2021-11-29

  Online published: 2023-05-18

Fold

Cite this article

Yan BAO , Yuqi WANG , Sulan NAN , Miao YU . Response of Vegetation over the Qinghai-Xizang Plateau to Projected Warming Climate[J]. Plateau Meteorology, 2023 , 42(3) : 553 -563 . DOI: 10.7522/j.issn.1000-0534.2021.00109

1 引言

植被是全球陆地生态系统的最重要的功能性主体， 是全球物质能量循环中的重要一环， 植被通过光合作用和呼吸作用进行碳的存储和消耗， 调节全球碳平衡， 维护全球气候稳定（Field et al， 1998； Marek et al， 1997）。气候变化是影响全球陆地植被分布的最主要因素（Myneni et al， 1997； 符淙斌等， 2002）， 在全球变暖的背景下， 全球陆地植被会做出相应调整， 进而对区域或者更大范围的大气起到影响， 因此预估未来气候背景下植被的变化， 了解植被对气候变化的反馈有十分重要的意义。
青藏高原（以下简称高原）是世界上海拔最高且地形最复杂的高原， 拥有世界上分布面积最广、 最典型的高寒植被生态系统。在全球变暖的背景下， 高原地区增温趋势明显， 增温开始时间比同纬度其他地区早， 增温趋势更为显著（Pepin et al， 2015； Wang et al， 2014； Yan and Liu， 2014； You et al， 2008； Duan et al， 2006； Liu and Chen， 2000）， 是全球变暖区域响应最显著的地区之一。近期的研究表明， 21世纪初期的十几年， 在北半球多地出现温度增加暂停hiatus现象的情况下 （Lean and Rind， 2009； Kosaka and Xie， 2013； England et al， 2014）， 高原增温仍在持续， 而且增温速度加快（Hua et al， 2017）。研究表明， 高原近30年来可能趋于暖湿（Gao et al， 2014， 2015）， 关于高原未来气候变化的预测也表明， 相对于20世纪末， 高原在21世纪末有显著变暖湿的倾向（王玉琦等， 2019）。在这种情况下， 植被生长获得了更好的水热条件， 高原季节性冻土活动积温增加， 积雪大面积消融， 植被生长空间扩展， 地表植被覆盖可能增加（杨元合和朴世龙， 2006； Bao et al， 2014）。但也有研究表明， 高温可能导致高原地表水分流失， 部分区域生态环境恶化， 自然植被覆盖呈退化趋势（徐维新和刘晓东， 2009）。同时， 高原植被的物候特征也随着气候增暖发生着一系列的变化， 植被生长季和初花期都有提前的迹象（Jiang et al， 2016； 孔东东等， 2017）， 且物候的区域性差别可能更明显。在全球变暖的背景下， 未来高原植被无论发生哪一种变化都会对高原的生态环境保护工作起到显著的影响。因此探讨高原植被未来变化对理解全球变化在不同区域的反馈和改善高原生态环境均有重要意义。
研究高原未来植被变化需要借助于模型工具， 动态植被模型及耦合了动态植被模型的全球气候模式是研究植被对气候变化响应的主要工具。Jiang et al（2013）利用耦合了动态植被模式DV（Dynamic Vegetation）和碳氮模型CN（Carbon and Nitrogen）的公用地球系统模式CESM（Community Earth System Model）， 预测了在A2情景下， 北美西部植被的未来变化； Notaro et al（2012）同时使用动态植被模式LPJ-DGVM（Lund-Potsdam-Jena Dynamic Global Vegetation Model， 由CMIP3多模型驱动）和生物统计模型， 对21世纪美国西南部植被的迁移、 类型转换及植被物种多样性进行了预测评估； Yu et al（2014）使用CMIP5 19个气候模型驱动动态植被模型CLM4.0-CNDV预估了21世纪末全球植被时空分布。在自然环境类似于青藏高原的高纬度和高海拔地区， 植被生态模型预测21世纪中期北极地区植被一半的地表覆盖类型将发生变化， 森林覆盖将增加52% （ Pearson et al， 2013）。这些基于数值模拟的研究工作为我们的研究提供了很好的借鉴方法。
已有的研究使用CMIP5多模式研究了历史时期高原植被的时空分布特征， 探讨了高原植被对气候变暖的反馈机制（Bao et al， 2014）。在研究中发现， 耦合模型对植被模拟的精确性与其动态植被模型子模式对高原植被描述的精确度密切相关。在使用相同的陆面-植被动态模型的前提下， 大气子模式物理过程越详尽， 分辨率越高， 越能真实地反映大气状态， 受其驱动的植被动力模型也能更好的模拟植被的动态分布特征。使用CMIP5多模式集成进行高原植被的模拟和未来变化的预测时， 由于不同模式使用的大气模式和动态植被模型不同， 会导致植被动力过程不统一， 对高原植被的模拟和预测产生很大的不确定性。同时， 因为CMIP5模式的水平分辨率较粗， 有近50%的模式的分辨率都大于2 ℃， 难以识别高原相对复杂的地形和植被类型分布。
为了最大限度地减少预测中的不确定性， 研究使用CMIP5多模式数据强迫NCEP/NCAR以驱动陆面-植被耦合模型CLM4.5-CNDV， 以获取全球持续变暖的状况下， 高原植被对气候变化的反馈作用， 以期量化高原植被对气候变暖的反馈效应， 为高原生态环境保护和生物安全研究和政策制定提供依据。
文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2019）1711的中国地图制作， 底图无修改。

2 模式强迫数据的构造

CLM4.5-CNDV的强迫数据基于NCEP/NCAR 大气低层数据（Qian et al， 2006）提供的大气基本气候状态， 在IPCC-AR5设定的高气溶胶浓度排放路径RCP8.5情景下， 使用CMIP5多模式历史和未来时期的模拟结果计算气候变化率， 以构造21世纪相对真实的气候变化状况， 以此驱动陆面-植被耦合模型CLM4.5-CNDV， 研究未来全球变暖的状况下， 高原植被的时空分布特点（具体方法和选用模式参见文献Yu et al， 2014）。本研究重点研究在21世纪末全球进一步变暖的情况下， 高原植被未来气候变化的反馈情况。

3 高原未来植被预测

3.1　植被叶面积指数

叶面积指数（LAI， leaf area index）是衡量生态系统与大气能量和物质交换强度的重要参数（Zhou and Yu， 2006）， 对植被生物量有直接的指示作用。图1首先给出了RCP8.5气溶胶浓度排放路径下（2081 -2100）CLM4.5-CNDV模式模拟的LAI与历史参考期（1981 -2000）相对比的季节循环和二者的相对变化。结果表明， 在21世纪后20年高原月平均的LAI在3.0上下浮动， 相对于历史时期的气候平均， 未来高原植被的LAI无论是在生长季（5 -10月）还是在非生长季（12月至次年3月）， 整体都存在20%~30%的增加， 其中生长季LAI增加的幅度较非生长季稍大。非生长季高原植被LAI的显著增加反映了高原未来植被LAI的增加主要以常绿的乔木增加导致的LAI增加为主， 生长季高原植被增加的幅度稍大则反映了高原植被覆盖度的扩展及植被类型的转变（如从叶面积较小的草地和灌木到叶面积较大的乔木之间类型的转变）。由此表明未来高原气候的暖湿化对各个季节的植被分布都有影响， 以对生长季（尤其是夏季）的影响最显著。
图1 不同时期高原叶面积指数（LAI）的季节循环

Fig.1 Seasonal cycle of LAI over the Qinghai-Xizang Plateau （QXP） in different periods

图2给出了高原生长季21世纪末最后20年（2081 -2100年）高原植被LAI和相对于历史时期的LAI的变化。相对于历史时期［图2（a）］， 未来高原东部为主要的植被增加区域， 植被较历史时期增加了20%~40% ［图2（b）］。线性趋势的空间分布图（图4）显示， 高原东部是植被LAI增速最快的区域， 在该区高原植被在生长期以1%·（10a）-1~2%·（10a）-1的线性趋势显著增加 ［图4（c）~（f）］， 虽然高原东南缘LAI的增速较历史时期放慢（历史时期在高原东部相应的高速增加区增速可达到3%·10a-1）［图4（c）， （d）］， 但较高原中部和北部、 西南部地区在历史参考期大面积的植被减少区域， LAI增加的区域范围向北扩展， 变化的趋势空间分布也相对较均匀。这些特征可能表明高原植被在整个21世纪并非持续增加， 也反映了高原在21世纪并非持续暖湿化， 而是在暖湿总趋势的基础上间隔地在不同时期出现干化（王玉琦等， 2019）。关于高原东南缘植被变化趋势减缓的另一种解释也可能是在21世纪末高原持续增温， 降水则受限于水汽等条件无法相应地增加， 此时降水成为影响高原植被生长的主要约束条件（徐兴奎等， 2003， 2008）， 降水的缺乏使得高原植被的生长受限， 在这种情况下， 增温反而阻碍了高原植被的生长， 从而导致了21世纪末， 高原植被LAI增加速度减缓。
图2 高原生长季（5 -10月）LAI在历史参考期（1981 -2000年）的空间分布 （a） 和未来（2081 -2100年）LAI相对于历史参考期的变化（b）以及历史参考期和未来的线性趋势［c， e， 单位： %·（10a）-1］及其显著性（d， f）

Fig.2 LAI during growing season （May-October） and during historical period （1981 -2000） （a） and its change in projection （2081 -2100） relative to historical period （b）， and LAI linear trend during historical period and projection ［c， e， unit： %·（10a）-1］ with their significance （d， f） over QXP

图3 不同时期高原4种主要土地覆盖类型 （a） 及14种自然植被类型覆盖度 （b） 的总量对比

图（b）中， NET-Temp指温带针叶常绿林； NET-Boreal指北方针叶常绿林； NDT-Boreal指北方针叶落叶林； BET-Tropical指热带阔叶常绿林； BET-Temp指温带阔叶常绿林； BDT-Tropical指热带落叶阔叶林； BDT-Temp指温带落叶阔叶林； BDT Boreal指北方落叶阔叶林； BES-Temp指温带阔叶常绿灌木； BDS-Temp指温带阔叶落叶灌木； BDS-Boreal 指北方阔叶落叶灌木； C3 Arc Grass 指C3类型的北极草； C3 Grass指C3类型的草； C4 Grass指C4类型的草

Fig.3 The land cover fraction of 4 landuse types （a） and 14 natural PFTs （b） during different periods.In Fig（b）， NET-Temp indicates NET-Boreal indicates needleleaf evergreen tree-temperate； NDT-Boreal indicates needleleaf evergreen tree-boreal； BET-Tropical indicates needleleaf deciduous tree-boreal； BET-Temp indicates broadleaf evergreen tree-tropical； BDT-Tropical indicates broadleaf evergreen tree-temperate； BDT-Temp indicates broadleaf deciduous tree-tropical； BDT Boreal indicates broadleaf deciduous tree-temperate； BES-Temp indicates broadleaf deciduous tree-boreal； BDS-Temp indicates broadleaf evergreen shrub-temperate； BDS-Boreal indicates broadleaf deciduous shrub-temperate； BDS Boreal indicates broadleaf deciduous shrub-boreal； C3 Arc grass indicates C3-type arctic grass； C3 grass indicates C3-type grass； C4 grass indicates C4-type grass

图4 高原主要土地覆盖类型的概率密度分布

Fig.4 Probability distribution functions （PDFs） for dominating landuse types over the QXP

3.2　主要地表类型覆盖度

LAI的空间分布变化反映了未来高原植被总量的增加、 植被变好的状况。这种变化与高原主要地表覆盖类型的变化密不可分。图3（a）给出了未来模式预估的高原4种主要土地覆盖类型的量值变化。从图3（a）中可以看出， 21世纪末较历史参考期裸土面积减少了10%左右， 相应地， 高原植被覆盖面积将在未来有所增加。草地覆盖面积从原来的8%左右减少了50%左右， 同时， 乔木覆盖面积显著增加， 从历史时期的41%增加到了54%左右， 灌木面积略有增加（较历史时期增加了2%左右）。总体来说， 高原未来植被LAI增加， 植被生物量变多， 高原有“绿化”的趋势。
高原主要地表覆盖类型的概率密度分布（图4）更清楚地表明了高原未来裸土覆盖减少， 植被覆盖增加的这一状况。图4（a）中表明， 从历史时期到未来， 裸土覆盖度有10%的概率从42%降低到34%左右， 裸土分布的概率由历史时期分布于41%~45%区间转移到未来RCP8.5气溶胶排放路径下的32%~36%区间上， 历史时期覆盖度超过40%的相对高的可能性（最高达16%）不存在了， 未来裸土的覆盖度相对均匀地分布在覆盖度34%左右。这预示着未来裸土的覆盖面积不仅降低了， 大面积相对集中的裸土分布也由于植被覆盖的扩展存在着破碎化的可能， 导致裸土面积的进一步缩减。与之相反， 未来高原乔木覆盖面积大面积增加的可能性有所增加 ［图4（b）］， 灌木分布面积增加的可能性也有所增加， 增加到10%的可能性能达到20% ［图4（d）］。图4（c）还反映出未来草地面积减小， 草地年际变化减小的可能性。
高原这四种土地覆盖类型的空间分布也表明 （图5）， 未来高原西北部裸土的覆盖度将明显减小， 相对于20世纪末， 21世纪末裸土覆盖面积减少了一成左右， 主要减少区域为西北-东南降水和土壤水分增加的带状分布带上［图5（a）］， 同时自然植被类覆盖度相应地增加［图5（b）］， 稍后分析可知， 这主要由于草地被乔木和灌木取代有关（其中乔木增加了12.3%， 灌木增加了2.4%［图5（d）］， 以乔木的覆盖面积增加最多（图7~9）。相应地， 草地覆盖面积减少了5.1%［图5（c）］， 这表明在未来气候变暖条件下， 高山草甸和高山草原等植被对气候的暖湿化较其他类型更为敏感。原本主要分布于高原中部和西南部的灌木则向西北干冷区域扩展， 这也体现了灌木类植被对气候变暖湿的响应。研究也发现， 在21世纪最后20年， 由于未来持续的增温， 在高原北部稀疏植被和荒漠分布区， 裸土的覆盖面积显示有增加的趋势［图6（a）］， 草地覆盖度在除了高原西部以外的大部分地区略有增加， 但增加不显著［图6（c）， （d）］。在高原北部沙漠分布区， 乔木出现了不合理的显著增加， 这显然与模式提供的植被初始状态的类型偏差有关（CLM4.5- CNDV 模式将高原北部荒漠区的植被类型定义为乔木）。图6还显示， 裸土显著增加（减少）的区域与灌木的显著减少（增加）区域有较好的对应， 这在很大程度上反映了高原植被对未来气候变化的适应性调整。已有的研究表明， 在RCP8.5的气溶胶浓度排放路径下， 21世纪末高原区域平均温度可能增加2.5 ℃（王玉琦等， 2019）， 远高于中国区域平均， 如上分析所述， 在温度升高的情况下， 高原植被生长需要的热量需求得到一定程度的满足， 温度已经不能成为植被生长的制约因素， 地表水分条件的作用突出， 或许成为影响植被生长的最重要气象因子。灌木和草地属于过渡植被类型， 对温度和降水响应较敏感， 未来过快的增温可能导致灌木这种植物物种来不及适应环境， 导致21世纪最后20年中， 灌木显著减少。
图5 21世纪末最后20年（2081 -2100年）高原4种主要土地覆盖类型的空间分布（左）及其相对于历史参考期的变化（右）

左图上方的数值为区域平均的覆盖率（单位： %）

Fig.5 Four dominating landuse types over the QXP of last 20 years in the end of 21st century （2081 -2100， left）， and changes relative to historical period （right）.Numbers of figures on the left panel represent area-averaged fractions （unit： %）

图6 未来高原4种地表主要土地分布类型的线性趋势［单位： %·（10a）-1］

Fig.6 Linear trend of four dominating landuse types over the QXP.Unit： %·（10a）-1

图7 未来高原植被功能类型（PFTs）覆盖率相对于历史时期的变化 （单位： %）

Fig.7 Differences of PFTs fraction between projection and historical period.Unit： %

图8 高原未来植被覆盖类型变化趋势［单位： %·（10a）-1］

图中“+”区为通过90%信度检验的区域

Fig.8 Projected PFTs changes over the QXP.Unit： %·（10a）-1.Areas with crosses［+］represent regions at 90% confidence level

图9 未来高原植被和气象因子相对于历史时期的差异变化

Fig.9 Differences of vegetation and climatic factors between projection and historical period

3.3　主要植被类型分布

未来在气候暖湿化的情况下， 高原植被类型分布（鲍艳等， 2023）也发生了显著的变化。图3（b）显示， 高原的乔木、 灌木和草地等自然植被的覆盖都有不同程度的变化， 尤其以温带针叶常绿林（NET-Temp）， 北方针叶常绿林（NET-Boreal）， 温带阔叶常绿林（BET-Temp）这3种常绿乔木和温带阔叶落叶林（BDT-Temp）覆盖面积增加最为显著， 这些常绿林在各个季节叶面积指数变化不大， 这就解释了为什么在未来RCP8.5排放路径下高原植被LAI在冬季也出现了较大增长。灌木中北方落叶阔叶灌木（BDS-Boreal）呈现较为显著的增加， 而与之同生长于北方， 但生长需要热量条件相对较低的温带北方落叶灌木（BDS-Temp）则显著减少。研究表明， 减少的温带北方落叶灌木（BDS-Temp）主要被更适合于温暖环境生长的北方落叶阔叶灌木（BDS-Boreal）所替代 ［图7］。类似地， C3 北极草（C3 Arc grass） 在未来更为暖湿的环境里几乎不存在了， 被温带的灌木和乔木所取代， C3 grass 也略有减少。这表明， 在未来更暖湿的环境中， 高原现有植被物种可能存在被更适于暖湿的环境的物种替代， 或向更暖的植被类型升级的可能性。这个结果在类似的研究中也有发现（Yu et al， 2014）。
植被覆盖面积增加和植被类型等的变化直接导致了植被LAI的增加。图9（a）表明， 相对于20世纪末， 21世纪高原植被LAI显著增加， 增加最多的地方在高原的东南部， 这与未来高原变暖湿后， 乔木的覆盖面积增加， 落叶林转为阔叶林的可能性增大， 和部分草地退化转化为更适宜生长的乔木都有关系。在高原西北地区， 植被LAI则变化较小， 高原西南边缘甚至有植被退化的现象出现。与LAI变化相对应， 植被的NPP也在东南部有较大量值的增加［图9（b）］， 表明高原未来的气候变化可能改变高原植被碳存储和碳汇的这种情况， 导致高原东西区域地表碳存储的差异增加。

4 结论和讨论

本研究使用NCAR的公用陆面-植被耦合模型CLM4.5-CNDV进行长期的数值模拟， 预测了高原未来（主要是21世纪末期）植被的时空分布特征、 植被分布带的迁移和主要植被类型的转换。其中， 模式大气驱动数据基于“美国大气科学研究中心”NCAR/NCEP历史时期的气候数据和“第五次国际耦合模式比较计划”CMIP5的多模式集成数据提供的未来气候的变化构建而成， 目的是为模式提供高原未来相对真实的气候变化特征。得到的结论如下：
（1） 未来高原植被状况变好， 高原变绿， 主要表现为裸土面积减少、 植被覆盖度增加、 植被LAI呈西北-东南带状增加。
（2） 未来高原植被迁移明显， 主要植被功能类型出现了从“冷”到“暖”的升级。主要分布于高原东南部的温带常绿阔叶林（BET-Temp）和温带常绿针叶林（NET-Temp）以增加为主， C3极地草被温带的灌木和乔木所取代， 植被覆盖度减少。北方阔叶落叶灌木（BDS-Boreal）、 温带落叶阔叶林（BDT-Temp）及北方常绿阔叶林（NET-Boreal）和北方阔叶落叶林（BDT-Boreal）等乔木向相对干冷的西北部扩展和迁移。
值得注意的是， 高原植被的变化与地表的水热状况和原有的植被状况都有密切关系。已有的研究多认为高原植被生长受热力作用， 即太阳辐射、 温度变化等的限制较多（杨元合等， 2006； 王青霞等， 2014； 刘振元等， 2017； 韩炳宏等， 2019）， 但在本模式的历史模拟结果（鲍艳等， 2023）和未来模拟中， 都显示了在模拟时段地表水循环分量， 确切来说是降水（历史时期）和10 cm土壤水（21世纪末）， 可能是影响高原植被生长的最重要因素， 这可以理解为在未来气候进一步变暖的情况下， 高原植被生长对热力条件的依赖已经在一定程度上满足的条件下， 水分条件可能超过温度等热力因素成为影响高原植被生长最重要的气候因子， 做为佐证， 图9（c）表明， 高原植被的变化与春天4、 5月的温度升高（融雪期及生长季开始期）并没有表现出很强的相关性， 与之相对， 10 cm土壤水含量则跟生长期LAI和NPP的变化有较好的对应［图9（d）］， 与LAI和NPP的空间相关分别可达0.82和0.76。土壤水含量代表了植被对地表水的利用情况， 因此能较好反映植被的变化情况。综合图7和图9（d）也可以发现， 10 cm土壤水的变化带与NET-Boreal、 BDT-Temp两种高原主要的乔木的增加带及BDS-Boreal和BDT-Boreal这两种乔木的减少带都有很好的对应。这些都表明， 未来在全球进一步变暖的背景下， 高原地表水分条件与高原植被类型之间的转换密切相关， 在本研究中， 高原植被的未来变化可能由地表水循环的状况决定。
在研究过程中也发现， 由于CLM4.5-CNDV本身提供的植被分布类型与高原植被实际分布存在着较大差异， 使本研究在模拟预测过程中出现了较大的偏差， 例如在高原西北处的原荒漠区， 由于模式将沙漠和稀疏植被等类型设置成乔木， 造成了模式对该处的植被预测出现了非常不合理的乔木覆盖增多的这种现象。这也表明， 基于卫星资料和实际观测为高原提供更为精细的地表植被覆盖资料对于高原植被模拟和预测的重要意义， 这也是未来模式更为精确化努力的方向之一。

References

null
Bao Y， Gao Y， Lv S， et al， 2014.Evaluation of CMIP5 earth system models in reproducing leaf area index and vegetation cover over the Tibetan Plateau［J］.Journal of Meteorological Research， 28（6）： 1041-1060.DOI： 10.1007/s13351-014-4023-5 .
null
Duan A， Wu G， Zhang Q， et al， 2006.New proofs of the recent climate warming over the Tibetan Plateau as a result of the increasing greenhouse gases emissions［J］.Chinese Science Bulletin， 51（11）： 1396-1400.DOI： 10.1007/s11434-006-1396-6 .
null
England M H， Mcgregor S， Spence P， et al， 2014.Recent intensification of wind-driven circulation in the Pacific and the ongoing warming hiatus［J］.Nature Climate Change， 24（3）： 222-227.DOI： 10.1038/nclimate2106 .
null
Field C B， Behrenfeld M J， Randerson J T， et al， 1998.Primary production of the biosphere： integrating terrestrial and oceanic components［J］.Science， 281（5374）： 237-240.DOI： 10.1126/science.281.5374.23 .
null
Gao Y， Cuo L， Zhang Y， 2014.Changes in moisture flux over the Tibetan Plateau during 1979-2011 and possible mechanisms［J］.Journal of Climate， 27（5）： 1876-1893.DOI： 10.1175/JCLI-D-13-00321.1 .
null
Gao Y， Leung L R， Zhang Y， et al， 2015.Changes in moisture flux over the Tibetan Plateau during 1979-2011： Insights from a high-resolution simulation［J］.Journal of Climate， 28（10）： 4185-4197.DOI： https： //doi.org/10.1175/JCLI-D-14-00581.1 .
null
Hua W， Fan G Z， Zhang L H， et al， 2017.Trends and uncertainties in surface air temperature over the Tibetan Plateau， 1951-2013［J］.Journal of Meteorological Research， 31（2）， 420-430， DOI： 10.1007/s13351-017 -6013-x .
null
Lean J L， Rind D H， 2009.How will Earth's surface temperature change in future decades？［J］.Geophysical Research Letters， 36（15）： 15708.DOI： 10.1029/2009GL038932 .
null
Liu X， Chen B， 2000.Climatic warming in the Tibetan Plateau during recent decades［J］.International Journal of Climatology， 20（14）： 1729-1742.DOI： 10.1029/2009GL038932 .
null
Marek M V， 1997.Global changes and terrestrial ecosystems in Monsoon Asia［J］.Biologia Plantarum， 39（3）： 402-402.
null
Myneni R B， Keeling C D， Tucker C J， et al， 1997.Increased plant growth in the northern high latitudes from 1981 to 1991［J］.Nature， 386（6626）： 698-702.DOI： 10.1038/386698a0 .
null
Notaro M， Mauss A， Williams J W， 2012.Projected vegetation changes for the American Southwest： combined dynamic modeling and bioclimatic-envelope approach［J］.Ecological Applications， 22（4）： 1365-1388.DOI： 10.1890/11-1269.1 .
null
Jiang X， Rauscher S A， Ringler T D， et al， 2013.Projected future changes in vegetation in western north America in the twenty-first century［J］.Journal of Climate， 26（11）： 3671-3687.DOI： 10. 1175/JCLI-D-12-00430.1 .
null
Jiang L， WAng S， Meng F， et al， 2016.Relatively stable response of fruiting stage to warming and cooling relative to other phenological events［J］.Ecology， 97（8）： 1961-1969.DOI： 10.1007/s00382-015-2914-5 .
null
Kosaka Y， Xie S P， 2013.Recent global-warming hiatus tied to equatorial Pacific surface cooling［J］.Nature， 501（7467）： 403-407.DOI.10.1038/nature12534.
null
Pearson R G， Phillips S J， Loranty M M， et al， 2013.Shifts in Arctic vegetation and associated feedbacks under climate change［J］.Nature Climate Change， 3（7）： 673-677.DOI： 10.1038/nclimate1858 .
null
Pepin N， Bradley R S， Diaz H F， et al， 2015.Elevation-dependent warming in mountain regions of the world［J］.Nature Climate Change， 5（5）： 424-430.DOI： 10.1038/nclimate2563 .
null
Qian T， Dai A， Trenberth K E， et al， 2006.Simulation of global land surface conditions from 1948 to 2004.Part I： forcing data and evaluations［J］.Journal of Hydrometeorology， 7（5）： 953-975.DOI： 10.1175/JHM540.1 .
null
Wang X， Sun Z， Zhou A G， 2014.Alpine cold vegetation response to climate change in the Western Nyainqentanglha Range in 1972-2009［J］.The Scientific World Journal， ID514736： 1-9.DOI： 10.1155/2014/514736 .
null
Yan L， Liu X， 2014.Has climatic warming over the Tibetan Plateau paused or continued in recent years［J］.Journal of Earth， Ocean and Atmospheric Sciences， 1（1）： 13-28.
null
Yu M， Wang G， Parr D， et al， 2014.Future changes of the terrestrial ecosystem based on a dynamic vegetation model driven with RCP8.5 climate projections from 19 GCMs［J］.Climatic Change， 127（2）： 257-271.DOI： 10.1007/s10584-014-1249-2 .
null
You Q， Kang S， Aguilar E， et al， 2008.Changes in daily climate extremes in the eastern and central Tibetan Plateau during 1961-2005［J］.Journal of Geophysical Research， 113（D07101）， 1-17.DOI： 10.1029/2007JD00 9389 .
null
Zhou T， Yu R， 2006.Twentieth-century surface air temperature over China and the globe simulated by coupled climate models［J］.Journal of Climate， 19（22）： 5843-5858.DOI： 10.1175/JCLI3952.1 .
null
鲍艳， 王玉琦， 南素兰， 等， 2023， 动态植被模型对青藏高原植被的模拟检验［J］， 高原气象， 42（2）： 333-343.DOI： 10.7522/ j.issn.1000-0534. 2021.00062 .
null
符淙斌， 温刚， 谢力， 等， 2002， 东亚季风区气候和生态系统相互作用的诊断和模拟研究［J］.南京大学学报（自然科学）， 38（3）： 281-294.DOI： 10.3321/j.issn： 0469-5097.2002.03.003 .
null
刘振元， 张杰， 陈立， 2017.青藏高原植被指数最新变化特征及其与气候因子的关系［J］.气候与环境研究， 22（3）： 289-300.DOI： 10.3878/j.issn.1006-9585.2017.14247 .
null
韩炳宏， 周秉荣， 颜玉倩， 等， 2019.2000-2018年间青藏高原植被覆盖变化及其与气候因素的关系分析［J］.草地学报， 27（6）： 196-203.DOI： 10.11733/j.issn.1007-0435.2019.06.023 .
null
孔冬冬， 张强， 黄文琳， 等， 2017.1982-2013年青藏高原植被物候变化及气象因素影响［J］.地理学报， 72（1）： 39-52.DOI： 10. 11821/dlxb201701004 .
null
徐兴奎， 林朝晖， 薛峰， 等， 2003.气象因子与地表植被生长相关性分析［J］， 生态学报， 23（2）： 221-230.DOI： 10.3321/j.issn： 1000-0933.2003.02.001 .
null
徐兴奎， 陈红， Levy J K， 2008.气候变暖背景下青藏高原植被覆盖特征的时空变化及其成因分析［J］.科学通报， 53（4）： 456-462.DOI： 10.3321/j.issn： 0023-074X.2008.04.013 .
null
徐维新， 刘晓东， 2009.春末夏初青藏高原植被对全球变暖响应的区域特征［J］.高原气象， 28（4）： 723-730.
null
王青霞， 吕世华， 鲍艳， 等， 2014.青藏高原不同时间尺度植被变化特征及其与气候因子的关系分析［J］.高原气象， 33（2）： 301-312.DOI： 10.7522/j.issn.1000-0534.2014.00002 .
null
王玉琦， 21世纪青藏高原植被变化的预测［D］.南京： 南京信息工程大学.
null
王玉琦， 鲍艳， 南素兰， 2019.青藏高原未来气候变化的热动力成因分析［J］.高原气象， 38（1）： 29-41.DOI： 10.7522/j.issn. 1000-0534.2018.00066 .
null
杨元合， 朴世龙， 2006.青藏高原草地植被覆盖变化及其与气候因子的关系［J］.植物生态学报， 30（1）： 1-8.DOI： 10.3321/j.issn： 1005-264X.2006.01.001 .
Options
Outlines

/

〈 〉

The system is designed and developed by Beijing magtec Technology Development Co., Ltd. with technical support: support@magtech.com.cn