1 引言
青藏高原是世界上海拔最高， 地形最复杂的高原， 平均海拔超过4000 m， 其热力和动力作用影响周围水汽输送、 全球的环流系统和天气气候（段安民等， 2016； 刘超等， 2015）。感热通量作为表征高原热力作用的主要物理量之一， 对青藏高原气候形成有重要作用且其强度有明显的季节变化（叶笃正和高由禧， 1979）。影响高原感热通量的因素有很多， 如冻土、 积雪、 植被等通过调控地表能量平衡及水热交换影响高原感热通量（车涛等， 2019； 蒋元春等， 2020； 马俊杰等， 2020； 王慧等， 2021）。高原地表感热加热的变化对高原局地天气系统、 我国天气气候以及亚洲季风等大尺度环流系统有重要影响（吴国雄等， 2005； 于涵等， 2019； Zhang et al， 2019； 赖欣等， 2021； 马耀明等， 2021）。
目前， 除了再分析资料， 许多学者利用地面常规观测资料通过计算获得高原地区长时间序列的地表感热通量（Duan and Wu， 2008； Yang et al， 2009； 于威等， 2018； 解晋等， 2018； 张超等， 2018； Fan et al， 2021； 王慧等， 2022）。使用整体输送法计算感热通量时， 热交换系数 的计算方法有很多种， 常用的有： （1）取常数 0.004（Chen et al， 1985； 陈隆勋等， 1991； Li and Yanai， 1996； Duan and Wu， 2008， 以下简称为CH-C方案）； （2）采用陈万隆和翁笃鸣（1984）根据地表能量平衡倒算方法得到的 表达式（以下简称为CH-CW方案）； （3）采用Yang et al（2009）考虑大气稳定度和地表粗糙度影响的 参数化方案（以下简称为CH-Yang方案）。另外， Wang and Li（2019）根据归一化植被指数（NDVI）建立了区域尺度 参数化关系。利用不同热交换系数参数化方案计算得到的感热通量值之间存在差异， 如利用CH-Yang方案计算得到的感热通量值比利用CH-C和CH-CW方案得到的大15 W∙m-2左右（阳坤等， 2010）。因此， 使用站点常规观测资料计算得到的感热通量评估再分析资料或模式模拟结果时存在较大的不确定性。
本研究首先利用青藏高原已有通量观测站气象要素观测资料， 用三种 计算方法得到感热通量， 并与同一站点的感热通量观测结果进行对比， 确定与观测通量最接近的 计算方案， 再利用该方案计算得到青藏高原感热通量， 分析其时空变化特征及年际变化趋势， 结合归因分析， 讨论感热通量变化的可能原因， 为高原热源研究提供基础。
2 数据来源与方法介绍
2.1 数据来源
1984 -2020年青藏高原89个气象站（图1 ）逐日常规气象观测资料（包括1.5 m气温， 地面温度和10 m风速）来自中国地面气候资料日值数据集。这些站点基本分布在高原东部， 其中有9个站点位于柴达木盆地周边地区。海拔低于3000 m的站点有31个， 海拔高于4000 m的站点有20个， 其余38个站点海拔在3000~4000 m。图1 中地形数据来自国家青藏高原数据中心提供的青藏高原90 m分辨率SRTM数字高程数据集（FAO， 2018； Farr et al， 2007）， 青藏高原边界来自国家青藏高原数据中心提供的青藏高原边界总集（张镱锂等， 2014， 2012c）。
青藏高原湍流通量观测资料分别来自国家青藏高原科学数据中心提供的青藏高原地气相互作用过程高分辨率（逐小时）综合观测数据集（2005 - 2016）（Ma et al， 2020）。青藏高原地气相互作用过程高分辨率综合观测数据集包括那曲高寒气候环境观测研究站（简称那曲站， BJ）、 藏东南高山环境综合观测研究站（简称藏东南站， SETORS）、 珠穆朗玛大气与环境综合观测研究站（简称珠峰站， QOMS）、 纳木错多圈层综合观测研究站（简称纳木错站， NAMORS）、 阿里荒漠环境综合观测研究站（简称阿里站， NADORS）和慕士塔格西风带环境综合观测研究站（简称慕士塔格站）6个观测站2005 - 2016年逐小时气象梯度数据、 辐射、 土壤和涡动观测数据。由于慕士塔格站缺少地表温度资料， 且与邻近气象站距离超过100 km， 本文只选用该数据集中除慕士塔格站外的其他5个观测站的资料。具体数据情况见表1 。各通量站湍流观测资料使用TK3进行处理和质量控制。关于观测场地、 观测仪器以及观测数据质量控制的详细描述请参考Ma et al（2020）。
表1 青藏高原野外观测站数据情况Table 1 Data of field observation stations on the Qinghai-Xizang Plateau |
| 站点 | 经度 | 纬度 | 海拔/m | 观测时段 | 分辨率 | 变量 |
|---|---|---|---|---|---|---|
| 那曲站 | 91.10°E | 31.37°N | 4509 | 2010 -2016年 | 1 h | 感热通量 |
| 藏东南站 | 94.73°E | 29.77°N | 3327 | 2007 -2016年 | 1 h | 感热通量 |
| 珠峰站 | 86.95°E | 28.36°N | 4298 | 2007 -2016年 | 1 h | 感热通量、 10 m风速、 0 cm土壤温度、 2 m气温 |
| 纳木错站 | 90.98°E | 30.77°N | 4730 | 2007 -2016年 | 1 h | 感热通量、 10 m风速、 0 cm土壤温度、 2 m气温 |
| 阿里站 | 79.70°E | 33.39°N | 4270 | 2010 -2016年 | 1 h | 感热通量、 1.5 m风速、 0 cm土壤温度、 1.5 m气温 |
2.2 方法
2.2.1 感热通量计算
本文使用整体输送法计算感热通量（Sensible Heat Flux， 以下简称SH）（Monin and Obukhov， 1954； Garratt， 1992）， 计算公式如下：
（1） 取常值（CH-C方案）， 即
（2） 考虑风速对地表感热通量的影响（CH-CW方案）， 即
式中： 是10 m风速（单位： m ）； z是海拔（单位： m）； P是本站气压（单位： hPa）。
（3） 考虑大气稳定度和地表粗糙度对地表感热通量的影响（CH-Yang方案）， 即
式中： 是von Karman常数， 取0.4； 是Prandtl数（ ， 当 ； ， 当 ）； 是Obukhov长度； 为地表摩擦风速； m·s-2； 和 为风速和气温的测量高度； 和 为动力粗糙度和热力粗糙度； 和 是对风速和温度廓线的稳定度校正函数。关于CH-Yang方案的详细算法可参考Yang et al（2009）。
考虑到CH-CW计算方案当分母V 0=0时， 出现异常大值， 本文将风速为0 m·s-1时的风速值设置为缺测， 得到各方案下感热通量值。
2.2.2 变化趋势和转折点判断
目前， 常用的气候变化突变点的判断方法有低通滤波、 滑动t检验、 Cramer法以及M-K法等（魏凤英， 2007）， 但是这些方法主要用于检验均值的突变。Tomé and Miranda（2004）提出了一种可检验趋势突变和变率突变的分段线性拟合模型（PLFIM）， 该方法不需要人为给定转折点个数， 但需要设定两个前提条件： （1）转折点之间的间隔须等于或超过某一给定的值（本文取10年）； （2）两个连续分段的线性变化趋势须相反（趋势突变）或变化趋势的差异达到某种程度（变率突变）（本文取0.01 W·m2·a-1）。该模型已被广泛应用于我国气候转型（施晓晖和徐祥德， 2006）、 极端降水（刘珂和姜大膀， 2014）以及潜在蒸发（曹雯等， 2015）等多年趋势变化研究以及青藏高原中东部地表感热通量变化趋势研究（王慧等， 2022）。
使用RSD（running slope difference） t检验对分段线性拟合转折点进行显著性检验（Zuo et al， 2019， 2020）， 具体计算方法如下：
， ， Y、 Z为转折点前后两个样本子序列； n和m分别为两个子序列的样本数； 、 是样本序列Y和Z的斜率； 、 是截距； 、 是误差项。RSD t检验公式如下：
式中： 、 是转折点前后Y、 Z两个样本子序列的最小二乘线性斜率； 、 是转折点前后Y、 Z两个样本子序列的最小二乘线性回归值； 是n和m的已知常数。如果 （ 为 的自由度）， 表示在显著性检验水平ɑ上拒绝Y和Z之间没有斜率差的假设， 即Y和Z之间有斜率差， Y和Z之间转折点通过置信区间为ɑ的显著性检验。
式中： 为回归常数； 为回归系数。a， b可用最小二乘回归进行估计。
对观测数据 及相应的时间 ， 回归系数b和常数a的最小二乘估计为
式中： ， 。回归系数b的符号表示气候变量 的变化趋势。当 时， 表明随时间数t的增加数x呈上升趋势； 当 时， 表明随时间t的增加， x呈下降趋势。b值的大小表示上升或下降的程度。本文用t检验对线性趋势的显著性进行检验。
2.2.3 归因分析方法
以往研究中常用偏微分方法对变化进行归因分析（Roderick et al， 2007； Chu et al， 2019； Gui et al， 2021； Zheng et al， 2009）。本文使用Gui et al（2021）和Chu et al（2019）的归因以及贡献率分析方法对感热通量的变化趋势进行归因分析。
根据式（1） ， 影响感热通量的因子有热交换系数 、 风速V 0、 地气温差T s-T a， 即有
式中： （由于只有少量站点的海拔低于2800 m且与气压P有关的部分数值很小， 这里只考虑风速的变化）。将公式（8） 简化表示为
分别表示 、 V 0和T s-T a对感热通量变化的贡献， 其中 用最小二乘法得到， 为C（SH）与L（SH）之间的差， 表示其他因子的贡献。
3 结果
3.1 三种方法计算的地表感热通量与观测的对比
3.1.1 感热通量计算值与本站通量观测的对比
为了与常规气象资料的四个时次对应， 使用CH-C和CH-CW方法计算感热通量时， 先用通量站点02:00、 08:00、 14:00、 20:00四个时次的气象资料求得风速、 地表温度和空气温度的日均值， 再用公式（2） 和（3）计算 ， -Yang方案直接使用通量站点逐小时风速、 地表温度和气温根据公式（4） 计算 ， 将三种方法计算的 分别代入公式（1） 得到感热通量。图2 给出了三种方法得到的感热通量与通量观测结果的对比。
阿里站CH-Yang方案计算得到的感热通量值在2 -10月大于其他两种方案的计算值以及涡动观测结果， 观测值与CH-CW方案和CH-C方案计算结果更接近， 11月至次年1月观测值更接近于CH-Yang方案的计算结果［图2 （a）］； 对于纳木错站［图2 （b）］和珠峰站［图2 （c）］， CH-CW方案计算得到的感热通量整体上更接近于通量观测结果。各站点三种算法得到的感热通量与观测值都显著相关。对于珠峰站， CH-CW方案计算得到的感热通量与通量观测结果相关性更高， 对于阿里和纳木错站， CH-Yang方案计算得到的感热通量与观测值相关性更高。根据泰勒图［图4 （a）］， 珠峰站CH-CW方案计算的感热通量与观测结果更接近， 纳木错站、 阿里站CH-Yang方案的计算结果与观测结果更接近， 从三种方法得到的感热通量与通量观测结果的偏差（表2 ）可以看到， 总体上CH-CW方案计算的感热通量值与观测结果的偏差最小， CH-CW方案计算的感热通量值更接近观测结果。
图3 三种方法计算的月平均感热通量与通量观测结果的对比图中阴影表示α=0.05的置信区间 Fig.3 Comparison between the monthly average sensible heat flux obtained by the three methods and the eddy observations.Shadows indicate the α=0.05 confidence interval |
图4 三种方法计算的月平均感热通量与通量观测结果的相关系数、 中心均方根误差及标准差泰勒图Fig.4 Taylor chart of correlation coefficient， center root mean square error and standard deviation of monthly average sensible heat flux by the three methods and eddy observations |
表2 三种方法计算的本站感热通量与涡动观测结果的平均偏差（观测值-计算值）Table 2 Mean deviation （observed value-calculated value） between sensible heat flux calculated by three methods and eddy observations |
| 站点 | CH-C /（W·m-2） | CH-CW /（W·m-2） | CH-Yang /（W·m-2） |
|---|---|---|---|
| 珠峰站 | -25.01 | -13.66 | -25.10 |
| 纳木错站 | -20.12 | -8.23 | -24.67 |
| 阿里站 | 9.08 | 2.71 | -9.60 |
3.1.2 邻近气象站感热通量计算值与观测通量的对比
上述对比是在同一站点进行的， 但高原上通量观测站点较少， 长期观测数据更少， 通常使用常规气象观测资料计算感热通量。考虑通量观测站点与邻近常规气象站的距离会影响对比结果， 这里只选取与通量观测站点直线距离小于100 km的4个邻近气象站（表3 ）的通量计算结果进行对比。
表3 邻近气象站点及其与相应通量观测站点的直线距离Table 3 Distance between meteorological stations and their nearest flux observation stations |
| 通量站 | 常规气象站号 | 两点间直线距离/Km |
|---|---|---|
| 那曲站（91.90°E， 31.37°N） | 55299（92.04°E， 31.29°N） | 16 |
| 纳木错站（90.98°E， 30.77°N） | 55493（91.06°E， 30.29°N） | 54 |
| 珠峰站（86.95°E， 28.36°N） | 55664（87.05°E， 28.38°N） | 10 |
| 藏东南站（94.73°E， 29.77°N） | 56312（94.20°E， 29.40°N） | 65 |
从（图3 ）可以看到， 用CH-Yang方案计算的感热通量值最大。对于那曲站［图3 （a）］， 用邻近站点常规气象资料计算的感热通量均比通量站观测值小。徐丽娇等（2012）研究表明， 那曲通量观测站（BJ）与那曲气象站（NQ， 即区站号为55299的常规气象站）各气象要素变化特征有一定的差别， 2006年青藏铁路正式通车后， NQ站受城市热岛效应以及人类活动的影响增强， 气温增温率大于BJ站， 导致NQ站地气温差小于BJ站， 并且年平均风速低于BJ站。因此使用NQ站常规气象要素计算得到的感热通量值偏低， 但 CH-Yang方案的偏差最小（表4 ）。藏东南作为青藏高原主要的水汽输送通道（陈萍和李波， 2018）， 其感热通量受降水影响在6 -8月为低值［图2 （b）］， 该时期CH-C方案计算的感热通量与通量观测值接近， 其他月份CH-CW方案计算的感热通量与通量观测结果接近， 且1、 2月CH-CW方案计算的感热通量在观测误差范围内。虽然用CH-Yang方案计算的感热通量与观测值相关性更高一些， 但CH-CW方案计算的感热通量均值偏差更小（表4 ）。对于纳木错站和珠峰站， CH-CW方案计算的感热通量与观测结果相关性更高， 偏差最小（表4 ）。根据［图4 （b）］综合结果来看， 珠峰站和纳木错站CH-CW方案计算的感热通量与观测结果更接近， 那曲站和藏东南站CH-Yang方案的计算结果与观测结果更接近。
表4 三种方法计算的邻近气象站感热通量与涡动观测站结果的平均偏差（观测值-计算值）Table 4 Mean deviation （observed value - calculated value） between sensible heat flux of adjacent meteorological stations calculated by three methods and eddy observations |
| 站点 | CH-C /（W·m-2） | CH-CW /（W·m-2） | CH-Yang /（W·m-2） |
|---|---|---|---|
| 那曲站 | 20.32 | 10.03 | -0.03 |
| 纳木错站 | 11.97 | -2.31 | -12.85 |
| 珠峰站 | 11.55 | -1.48 | -19.15 |
| 藏东南站 | 14.16 | -5.52 | -10.41 |
比较表2 、 4 偏差结果可以看到， 本站感热通量值偏差结果普遍大于邻近站感热通量偏差， 分析纳木错站、 珠峰站以及其邻近站点风速以及地气温差发现， 纳木错站与邻近站（区站号： 55493）多年平均风速分别为5.04 m·s-1和2.24 m·s-1， 多年平均地气温差分别为4.62 ℃和4.70 ℃， 珠峰站与邻近站（区站号： 55664）多年平均风速分别为4.58 m·s-1和2.45 m·s-1， 多年平均地气温差分别为4.95 ℃和5.27 ℃。由于常规观测站（邻近站点）位于城市， 虽然远离市中心， 但还是会受到城市化的影响， 导致风速测量值低于野外观测站测量值， 使计算得到的感热通量值偏大， 从而计算值与本站观测值偏差普遍高于邻近站感热通量偏差。虽然偏差值偏大， 但根据图4 ， 综合相关系数、 标准差以及中心均方根误差结果， 本站三种算法得到的感热通量结果与观测结果比邻近站好。
上述分析表明， CH-CW方案计算的感热通量与通量观测均值偏差最小， 结果更接近。下面使用该方案计算得到的青藏高原89个气象站的感热通量， 结合分段线性拟合模型（PLFIM）， 分析青藏高原感热通量的年际变化趋势。
3.2 地表感热通量多年变化趋势
Fan et al（2021）使用CH-C方案计算得到1981 -2016年青藏高原感热通量多年变化趋势， 并分析发现2000年前感热通量下降， 2000年后感热通量上升。然而2000年后近20年， 感热通量是否持续上升， 其上升趋势是否有变化， 需进一步分析。下面采用CH-CW方案计算分析青藏高原1984 -2020年感热通量的长期变化特征。
3.2.1 青藏高原感热通量时空变化特征
根据分段线性拟合结果（图5 ）以及得到的不同时期的线性倾向率（表5 ）， 青藏高原感热通量在1984 -1999年呈减弱趋势， 变化率为-0.59 W·m-2·（10a）-1， 但只有秋季感热通量的减弱趋势通过了 的显著性检验， 并且各季节变化趋势都低于王慧等（2022）给出的该时期气候倾向率， 这可能与所用站点个数以及 的计算方法不同有关。1999 -2009年感热通量呈显著增强趋势， 除了夏季， 均通过了 0.01的显著性检验。2009 - 2020年除冬季外其他各季节感热通量由前一时期的显著增强转变为减弱趋势， 且夏季的减弱趋势通过了 的显著性检验， 气候倾向率为-6.22 W·m-2·（10a）-1， 春季和秋季减弱趋势不显著， 气候倾向率依次为-0.76 W·m-2·（10a）-1和-2.57 W·m-2·（10a）-1。青藏高原年平均感热通量在2009年后变化趋于平缓， 呈微弱下降趋势。
图5 1984 -2020年青藏高原89个气象站平均感热通量逐年变化趋势实线为PLFIM分段拟合结果， ▲为转折年份， 各转折点均通过了 的RSD t检验 Fig.5 Trend of annual average sensible heat flux of 89 meteorological stations on the Qinghai-Xizang Plateau from 1984 to 2020.The solid line is the PLFIM sectional fitting result， ▲ turning year， each turning point has passed the RSD t-test |
表5 各季节及全年不同时期青藏高原平均感热通量的气候倾向率Table 5 Climatic tendency of sensible heat fluxes over the Qinghai-Xizang Plateau in different seasons and different periods of the year |
| 时段 | 1984 -1999年 （时期Ⅰ） /［W·m-2·（10a）-1］ | 1999 -2009年 （时期Ⅱ） /［W·m-2·（10a）-1］ | 2009 -2020年 （时期Ⅲ） /［W·m-2·（10a）-1］ |
|---|---|---|---|
| 春季 | -0.31 | 9.78** | -0.76 |
| 夏季 | -1.34 | 4.88* | -6.22* |
| 秋季 | -0.82* | 8.82** | -2.57 |
| 冬季 | -0.15 | 8.48** | 5.37** |
| 全年 | -0.59 | 8.15** | -0.93 |
**表示通过α=0.01显著性检验， *表示通过α=0.05显著性检验 |
空间上， 青藏高原几乎所有站点的感热通量变化趋势在1999年前后［图6 （a）］和2009年前后［图6 （b）］出现了转折， 个别站点只有一个转折年份。第一个转折年份最早为1993年， 主要分布在高原中南部， 2000年出现转折的站点最多， 高原东南部及高原西部站点大多在1997年、 1998年出现转折［图6 （a）］。第二个转折年份出现在2009年左右， 在2010年出现转折的站点最多， 主要分布在高原南部； 高原东北部以及东部边缘转折年份大多为2008年、 2009年［图6 （b）］。
图6 1984 -2020年青藏高原89个气象站（圆点）年平均地表感热通量转折年份（数字）的空间分布N表示只有一个转折年， 各站点转折年都通过了α=0.05的RSD t检验 Fig.6 Spatial distribution of the turning year （numbers） of the change trend of the surface sensible heat flux at 89 meteorological stations （dots） on the Qinghai-Xizang Plateau from 1984 to 2020.N means there is only one turning year.The turning year of each site has passed RSD t test at α=0.05 |
为进一步讨论感热通量变化趋势在2009年后出现减弱趋势是在整个高原地区存在还是只存在于部分地区， 对各站点感热通量的气候倾向率进行分析。从图7 可以看出， 1984 -2020年青藏高原感热通量整体增加［图7 （a）］， 平均气候倾向率为1.30 W·m-2·（10a）-1， 其中有48%的站点感热通量增加显著， 20%的站点感热通量减弱。时期I（1984 -1999年）［图7 （b）］， 感热通量气候倾向率均值为-0.62 W·m-2·（10a）-1， 表明该时期高原整体感热通量减弱， 但大部分站点感热通量增强/减弱趋势不显著。空间上除高原中部腹地区域、 高原东北部祁连山区域、 东南部边缘地带以及高原西部各站点表现为增强趋势外， 其余站点都表现为减弱趋势。时期II（1999 -2009年）［图7 （c）］青藏高原超过90%的站点感热通量呈现增加趋势， 平均气候倾向率为7.69 W·m-2·（10a）-1， 最大气候倾向率接近20 W·m-2·（10a）-1。空间上， 高原东南部、 东北部、 中南部、 西部各站点增强趋势显著， 特别是高原西部站点。与时期II相反， 时期III（2009 -2020年）［图7 （d）］高原整体平均感热通量显著减小， 平均气候倾向率为-1.13 W·m-2·（10a）-1， 有66%的站点感热通量显著下降。上述分析表明， 1984 -2020年青藏高原整体感热通量增加， 1984 -1999年青藏高原感热通量以98°E为界西部增加， 东部减弱， 1999 -2009年高原整体感热通量显著增强， 2009 -2020年感热通量减弱。
图7 不同时期青藏高原89个气象站感热通量气候倾向率的空间分布［单位： W·m-2·（10a）-1］大圆点表示通过ɑ=0.05的显著性检验， 小圆点表示没有通过α=0.05的显著性检验 Fig.7 Spatial distribution of climate tendency rate of sensible heat flux ［unit： W·m-2·（10a）-1］ of 89 meteorological stations on the Qinghai-Xizang Plateau in different periods.The big dot indicates approval ɑ=0.05 significance test， small dots indicate failure α=0.05 significance test |
从各季节气候倾向率的空间分布来看， 时期Ⅰ， 春、 夏季［图8 （a）， （d）］在高原南部各站点感热通量呈下降趋势， 夏季［图8 （d）］减弱站点相对多一些， 秋、 冬季［图8 （g）， （j）］在高原东部感热通量下降， 且冬季感热通量最大气候倾向率可达-29 W·m-2·（10a）-1。时期Ⅱ， 春、 秋、 冬季［图8 （b）， （h）， （k）］高原整体感热通量呈增强趋势， 特别是在100°E以东各站点感热通量显著增加。夏季［图8 （e）］在高原32°N以北有一些站点出现下降趋势， 以南以及高原西部站点感热通量显著增强， 气候倾向率最大值可达32 W·m-2·（10a）-1。时期Ⅲ， 春季［图8 （c）］高原大部分站点变化趋势不显著， 但在高原东北部和中南部有少数站点感热通量显著减弱， 夏季［图8 （f）］高原整体感热通量下降， 秋季［图8 （i）］主要在32°N以南各站点感热通量显著下降， 以北各站点气候倾向率都比较小。冬季［图8 （l）］在高原32°N以北感热通量增强， 最大气候倾向率达39 W·m-2·（10a）-1， 以南部分站点感热通量下降。除冬季外， 1984 -2020年高原整体感热通量在时期Ⅰ、 Ⅱ和Ⅲ分别表现为减弱、 增强、 减弱的变化趋势， 冬季为减弱、 增强、 增强减缓趋势， 且各季节变化趋势在空间分布上也存在差异。
图8 各季节不同时期青藏高原89个气象站感热通量气候倾向率的空间分布［单位： W·m-2·（10a）-1］图中大圆点表示通过ɑ=0.05的显著性检验， 小圆点表示没有通过α=0.05的显著性检验 Fig.8 Spatial distribution of climate tendency rate of sensible heat flux［unit： W·m-2·（10a）-1］ of 89 meteorological stations on the Qinghai-Xizang Plateau in different seasons and periods.The big dots in the figure indicate passing ɑ=0.05 significance test， small dots indicate failure α=0.05 significance test |
3.2.2 青藏高原各气象要素变化趋势
以往研究表明青藏高原感热通量在2000年后增加主要是由于风速在2000年后回升造成的， 感热通量变化主要与风速有关， 地气温差的贡献相对较小（Fan et al， 2021）。本文青藏高原夏季感热通量在2010年后普遍减弱， 而风速基本上都是增加的， 与感热通量的变化趋势相反。根据感热通量的计算公式（1） ， 影响感热通量变化的要素有热交换系数 、 风速V 0以及地气温差T s-T a， 下面对青藏高原1984 -2020年各要素的变化趋势进行分析。
根据图9 中各要素标准化后的时间序列以及表5 中各要素的气候倾向率可以看到， V 0在1999年之前表现出显著下降趋势， 随后风速变化趋于平缓， 除春季［图9 （a）］表现为弱的下降趋势外， 其他季节为弱的上升趋势， 时期Ⅲ， V 0变化趋势进一步增大， 除春季［图9 （a）］外， 其他各季节V 0显著增加。热交换系数 与V 0基本呈反向变化， 因为根据 计算公式（3） ， 与V 0成反比。时期Ⅰ， T s-T a变化趋于平缓， 该时期气温与地表温度的倾向率值接近（表6 ）， 时期Ⅱ， 各季节地表温度显著增加， 与地表温度相比气温的倾向率较时期I增大， 特别是地表温度在这一时期的气候倾向率几乎是时期I的两倍多， 导致T s-T a在该时期显著增加。时期Ⅲ， 除冬季［图9 （d）］外， T s-T a呈下降趋势， 春、 夏季气温变化趋于平缓， 地表温度呈弱的下降趋势， 秋季气温增加， 地表温度气候倾向率比时期II减小， 这三个季节地表温度的气候倾向率都低于气温。冬季T s-T a较时期II气候倾向率减小， 但仍是显著增加， 该季节气温与地表温度的气候倾向率均较时期II有所减小， 气温气候倾向率低于地表温度。全年尺度上［图9 （e）］， V 0在1999年之前显著减小， T s-T a无明显变化， 1999 -2009年V 0趋于平缓， T s-T a显著上升， 2009年后V 0进一步增大， 上升趋势显著， T s-T a减小， 整体与V 0呈反向变化。
图9 1984 -2020年青藏高原各季节与全年标准化后的热交换系数 、 风速V 0和地气温差T s-T a的时间序列Fig.9 Time series of standardized heat exchange coefficient ， wind speed V 0 and ground air temperature difference T s-T a on the Qinghai-Xizang Plateau in different seasons and throughout the year from 1984 to 2020 |
表6 各季节和全年气象要素在不同时期的气候倾向率Table 6 Climatic tendency of meteorological elements in different seasons and years at different periods |
| 时间段 | 气温/［℃·（10a）-1］ | 地表温度/［℃·（10a）-1］ | 地气温差/［℃·（10a）-1］ | 风速/［m·s-1·（10a）-1］ | |
|---|---|---|---|---|---|
| 春季 | 1984 -1999年（时期Ⅰ） | 0.59* | 0.67* | 0.08 | -0.32** |
| 1999 -2009年（时期Ⅱ） | 0.71 | 1.70* | 0.99** | -0.07 | |
| 2009 -2020年（时期Ⅲ） | -0.36 | -0.48 | -0.12 | 0.09 | |
| 夏季 | 1984 -2000年（时期Ⅰ） | 0.40* | 0.42** | -0.02 | -0.27** |
| 2000 -2010年（时期Ⅱ） | 0.62 | 1.06 | 0.44* | 0.10 | |
| 2010 -2020年（时期Ⅲ） | 0.00 | -0.74 | -0.74** | 0.23** | |
| 秋季 | 1984 -1999年（时期Ⅰ） | 0.66* | 0.65* | -0.02 | -0.27** |
| 1999 -2009年（时期Ⅱ） | 0.23 | 1.15* | 0.92** | 0.03 | |
| 2009 -2020年（时期Ⅲ） | 0.64 | 0.30 | -0.34* | 0.26** | |
| 冬季 | 1984 -1999年（时期Ⅰ） | 0.01 | 0.02 | 0.01 | -0.40** |
| 1999 -2009年（时期Ⅱ） | 0.62 | 1.52* | 0.90** | 0.08 | |
| 2009 -2020年（时期Ⅲ） | -0.24 | 0.28 | 0.52** | 0.17* | |
| 全年 | 1984 -1999年（时期Ⅰ） | 0.41 | 0.43* | 0.02 | -0.31** |
| 1999 -2009年（时期Ⅱ） | 0.48 | 1.31** | 0.83** | 0.04 | |
| 2009 -2020年（时期Ⅲ） | 0.00 | -0.14 | -0.15 | 0.18** |
**表示通过α=0.01显著性检验， *表示通过α=0.05显著性检验 |
上述各气象要素变化结果与王慧等（2021）研究结果一致。朱智等（2020）的研究也表明2008 - 2017年青藏高原地表温度呈增暖趋势， 且增暖幅度随着海拔高度的增加趋于平缓； 杨耀先等（2022）分析发现， 近10年高原东部表面增暖有所减缓。各要素对感热通量贡献不同， 如在年际尺度上， 风速对地表感热通量的贡献与地气温差对地表感热的贡献大小相当（于威等， 2018）； 地气温差对高原地表感热年际变化的影响比地面风速更加突出（王慧等， 2022）； 以及Duan et al（2022）研究发现， 六月青藏高原感热通量主要受地气温差影响， 高原夏季降水增多以及云的影响导致地气温差下降， 青藏高原感热通量下降。下面使用归因分析方法对不同时期各气象要素对感热通量变化的贡献进行分析。
3.3 青藏高原感热通量变化归因分析
根据公式（8 ）、 （9 ）对计算得到的C（SH）与L（SH）进行线性拟合， 结果如图10 所示。可以看到， 图中所有的点都分布在1∶1线附近， 无论是各季节还是全年， R 2都接近甚至超过0.9， 表明 、 V 0、 T s-T a能够合理和定量的解释它们对感热通量变化趋势的贡献。
图10 青藏高原89个气象站点不同时期各季节以及全年使用式（8）计算得到的感热通量变化趋势C（SH）与使用最小二乘法计算得到感热通量变化趋势L（SH）的对比Fig.10 Comparison of sensible heat flux change trend C （SH） calculated by equation （8） at 89 meteorological stations on the Qinghai-Xizang Plateau in different seasons and throughout the year with sensible heat flux change trend L （SH） calculated by least square method |
从不同时期各气象因素对感热通量变化的贡献来看（表7 ）， 时期Ⅰ， 各季节及全年感热通量的变化主要以V 0的负贡献为主， 贡献值分别为-0.73、 -0.92、 -0.54、 -0.32和-0.74 W·m-2·a-1， 的贡献次之， 但为正贡献， T s-T a的贡献值最小。该时期V 0显著下降， 导致感热通量呈现减弱趋势。时期Ⅱ， 感热通量的变化主要以T s-T a的正贡献为主， 各季节及全年T s-T a的贡献值分别为1.66、 0.45、 0.92、 1.34和1.08 W·m-2·a-1， 在这一时期V 0变化平缓， 对感热通量变化的贡献较小， 在夏、 冬季为正贡献， 春、 秋季为负贡献。 在各季节都为负贡献， 但贡献值很小。时期Ⅱ主要是由于T s-T a的显著增加以及V 0变化趋于平缓并出现弱的上升趋势， 使感热通量在该时期显著增强。时期Ⅲ， 除春季外其他各季节感热通量的变化主要以T s-T a的负贡献为主。春季， 因为T s-T a变化不显著， 使得T s-T a的贡献值为正值， 但从全年来看， 感热通量的变化还是以T s-T a的负贡献为主， 贡献值虽然较小， 但也为负贡献， 而V 0对感热通量变化的贡献在各季节及全年都为正贡献。因此， 时期Ⅲ除冬季外， 各季节及全年感热通量的变化主要是因为地表温度变化率低于气温变化率导致地气温差下降， 以及V 0进一步增加导致 减小， 使得感热通量在该时期呈现减弱趋势。冬季感热通量增强是由于T s-T a增大导致。
表7 各季节及全年不同时期各要素对感热通量变化的贡献Table 7 Contribution of various elements to the change of sensible heat flux in different seasons and different periods of the year |
| 时间段 | C（ ） /（W·m-2·a-1） | C（V 0） /（W·m-2·a-1） | C（T s-T a） /（W·m-2·a-1） | C（SH） /（W·m-2·a-1） | L（SH） /（W·m-2·a-1） | |
|---|---|---|---|---|---|---|
| 春季 | 1984 -1999年（时期Ⅰ） | 0.41 | -0.73 | 0.30 | -0.03 | -0.03 |
| 1999 -2009年（时期Ⅱ） | 0.16 | -0.28 | 1.66 | 1.55 | 0.98 | |
| 2009 -2020年（时期Ⅲ） | -0.13 | 0.21 | 0.08 | 0.15 | -0.08 | |
| 夏季 | 1984 -2000年（时期Ⅰ） | 0.51 | -0.92 | -0.08 | -0.49 | -0.13 |
| 2000 -2010年（时期Ⅲ） | -0.04 | 0.07 | 0.45 | 0.48 | 0.49 | |
| 2010 -2020年（时期Ⅲ） | -0.34 | 0.54 | -1.03 | -0.84 | -0.62 | |
| 秋季 | 1984 -1999年（时期Ⅰ） | 0.29 | -0.54 | -0.23 | -0.48 | -0.08 |
| 1999 -2009年（时期Ⅱ） | 0.04 | -0.07 | 0.92 | 0.89 | 0.88 | |
| 2009 -2020年（时期Ⅲ） | -0.34 | 0.54 | -0.65 | -0.47 | -0.26 | |
| 冬季 | 1984 -1999年（时期Ⅰ） | 0.16 | -0.32 | 0.01 | -0.15 | -0.02 |
| 1999 -2009年（时期Ⅱ） | -0.01 | 0.02 | 1.34 | 1.35 | 0.85 | |
| 2009 -2020年（时期Ⅲ） | -0.10 | 0.17 | 0.67 | 0.75 | 0.54 | |
| 全年 | 1984 -1999年（时期Ⅰ） | 0.39 | -0.74 | -0.01 | -0.37 | -0.06 |
| 1999 -2009年（时期Ⅱ） | 0.08 | -0.15 | 1.08 | 1.01 | 0.82 | |
| 2009 -2020年（时期Ⅲ） | -0.17 | 0.28 | -0.29 | -0.18 | -0.09 |
粗体表示各时期的主要贡献项 |
上述分析表明， 青藏高原感热通量的变化在时期Ⅰ主要受风速显著减弱的影响， 在时期Ⅱ主要受地气温差显著增加的影响， 风速的影响次之， 时期Ⅲ主要由于地表温度变化趋于平缓导致地气温差下降以及风速进一步增加导致热交换系数减小， 使得感热通量呈现减弱趋势。
3.4 讨论
青藏高原积雪变化会强烈改变局地和区域地表能量平衡， 冰雪反照率的反馈作用、 多年冻土的变化等都会影响地表温度， 进而影响地表感热通量（蒋元春等， 2020； 马俊杰等， 2020； 车涛等， 2019）。车涛等（2019）对青藏高原积雪期（11月1日到次年3月31日）积雪特征的研究表明， 总体上20世纪80 - 90年代高原积雪面积较大， 2000年以后高原积雪面积显著减小， 并且2000年之前雪深波动较大， 2000年后雪深出现明显的下降； 蒋元春等（2020）表示， 2000年后积雪日数出现大范围减小， 且21世纪初冻结层下界明显升高。这些现象都表明2000年左右， 青藏高原积雪、 冻土等发生了显著变化， 这些变化会使地表温度增加， 使2000年后地气温差增大， 这与感热通量在2000年左右出现转折上升趋势， 特别是冬季感热通量上升显著相符。汪柳皓等（2022）研究表明， 近20年青藏高原整体“变绿”， 高原北部植被覆盖度明显改善， 该现象与2009 - 2020年夏季感热通量在高原北部站点下降趋势更显著相一致［图8 （e）］。王慧等（2021）的研究表明， 植被可以吸收大部分太阳辐射， 减少进入浅层土壤的能量， 使地表温度降低， 同时植被能降低近地表风速， 地表植被、 地表温度和热通量之间相互影响。降水同样会影响地表温度， 青藏高原“变湿”、 “变绿”影响地表温度变化， 使得青藏高原夏季感热通量在2009年后出现减弱趋势。春季和秋季同时受到高原积雪、 植被、 降水的影响， 感热通量在2009年后变化趋于平缓， 呈现微弱的下降趋势。
4 结论
本文利用青藏高原六个通量站的涡动观测资料， 定量评估了整体输送法中用三种不同热交换系数 计算方案（CH-C、 CH-CW和CH-Yang）得到的地表感热通量， 并使用青藏高原区域1984 -2020年89个气象站逐日常规气象观测资料结合CH-CW方案计算和分析了高原感热通量的时空变化特征及成因， 得到以下主要结论：
（1） 整体输送法结合三种不同热交换系数计算方案得到的感热通量与通量观测结果的定量对比分析表明， 用CH-CW方案计算得到的感热通量值更接近于通量观测结果。
（2） 1984 -2020年青藏高原整体感热通量增加， 其年变化趋势分别在1999年和2009年出现转折。感热通量在1984 -1999年减弱， 1999 -2009年显著增强， 2009年之后为弱的下降趋势。除了夏季， 各季节感热通量变化趋势出现转折的年份与全年一致， 夏季转折年份分别出现在2000年和2010年。除了冬季， 各季节变化感热通量变化趋势与全年变化趋势一致， 冬季感热通量在2009年后仍为增加趋势， 但与1999 -2009年气候倾向率相比有所减小。夏季2010年之后感热通量显著减弱。
（3） 青藏高原感热通量变化的归因分析结果表明， 1984 -1999年由于风速的显著减小使年均感热通量在该时段出现减弱； 1999 -2009年由于地表温度显著增加， 导致地气温差增大， 使该时段年均感热通量显著增强； 2009 -2020年地表温度变化趋于平缓， 而气温仍呈上升趋势， 使地气温差减小， 并且风速的进一步增加导致热交换系数减小， 使该时段年均感热通量减弱。