1 引言
青藏高原（以下简称“高原”）作为全球平均海拔最高、 地表过程最复杂的高原， 不仅是气候变化的敏感区， 也被视为“亚洲水塔”（Qiu， 2008； 姚檀栋等， 2017）。高原的冰川储量占全国总量的80%以上， 孕育了多条亚洲重要河流， 是维系亚洲生态安全的关键屏障（姚檀栋等， 2017； 徐祥德等， 2019）。此外， 高原通过独特的动力和热力作用， 显著影响亚洲乃至全球气候系统（叶笃正和张捷迁， 1974； 周秀骥等， 2009； Ma et al， 2017； Lu et al， 2018）。因此， 对高原天气气候特征及其气候变化响应的研究， 既有助于理解高原复杂地表的多圈层能量交换过程及其天气气候效应， 也符合党和国家全面推进生态文明建设、 切实保护地球第三极生态的战略需求。
近年来， 受全球气候变化的影响， 高原气候呈现出明显的暖湿化趋势， 且对气候变化的响应更加敏感（Li et al， 2010； Yao et al， 2017）。研究表明， 高原作为中国气候变化的“启动区”， 不仅在全球气候变化中起着“驱动器”和“放大器”的作用（潘保田和李吉均， 1996； 冯松等， 1998）， 自身也是气候变化的敏感区和脆弱区（秦大河和丁永建， 2009）。数值模拟与观测对比证实， 高原地区是我国气温升高最快、 湿度增加最显著的区域（陈发虎等， 2021）， 其过去50年的升温速率是同期北半球均值的2倍（陈德亮等， 2015）， 降水量整体也呈上升趋势（Wang et al， 2018； Ding et al， 2023； Luan and Zhai， 2023）， 而高原积雪面积和积雪覆盖日数在过去40年间却显著降低（黄晓东等， 2023）。
鉴于高原的特殊性与重要性， 许多学者尝试利用观测数据分析其天气和气候特征。然而， 由于高原地区地形复杂、 气候条件恶劣， 气象观测站点数量有限且分布不均。例如， 占中国国土面积约13%的西藏自治区， 仅有不到2%的国家级地面气象观测站和4%的业务化探空观测站（熊安元等， 2021）， 且绝大多数站点集中在高原的中部和东部地区（Duan et al， 2014）。随着我国气象业务的不断发展， 高原地区已建立了大量区域地面站， 部分弥补了国家地面站数量不足、 分布不均的局限性。
近年来， 随着观测手段的丰富， 再分析数据和卫星遥感数据也作为观测数据被应用于高原天气气候的监测与分析（黄建平等， 2021； 马耀明等， 2021）。尽管气象观测在揭示高原天气和气候变化特征方面发挥了重要作用， 但高原复杂的自然环境和独特的地理条件决定了其气候系统的多样性和复杂性， 仅依靠传统的气象观测数据难以全面理解其多圈层相互作用的机制。为更深入地揭示高原地区的多圈层相互作用过程及其驱动因素， 近年来， 地球系统多圈层观测在高原逐渐兴起。青藏高原作为地球系统多圈层相互作用的“天然实验室”， 其观测技术体系正经历从单一大气圈层向“空-天-地-冰”一体化监测的革命性转变（Chen et al， 2021）。通过对大气、 冰川、 湖泊、 植被、 土壤等多个圈层的综合观测， 可以更系统地了解高原地区的能量和物质交换过程， 进而全面认识高原在区域乃至全球气候系统中的作用与地位（马耀明， 2012）。此外， 多个高原数据共享平台的建立， 也为高原多圈层数据的共享、 研究和业务应用奠定了坚实基础（熊安元等， 2021）。
尽管地球系统多圈层综合观测已成为高原观测体系的主流， 但鲜有研究对目前高原已建成的综合观测系统进行系统性总结与回顾。此外， 多圈层观测系统的建立又有哪些新的发现尚需进行进一步的整理和归纳。鉴于此， 本文系统调研了当前高原地区的多圈层观测状况， 总结了高原暖湿化及其驱动与响应的部分研究进展。本研究为高原地区多圈层观测数据的收集与高质量应用提供了重要参考， 为进一步的气候研究和实际应用奠定了基础。
2 青藏高原地区多圈层观测网络及数据介绍
台站观测始终是研究高原科学问题的重要基础。鉴于高原复杂地形与多样化下垫面特征， 单一观测手段难以满足多圈层相互作用研究的深度需求。因此， 建立完善的多圈层观测网络和系统化的观测指标体系对于高原科学问题的研究至关重要（马耀明， 2012； 彭萍和朱立平， 2017； 马耀明等， 2021； 杨斌等， 2021）。
自20世纪60年代以来， 中国科学院、 中国气象局等机构曾多次组织针对高原地区的大规模观测试验， 先后于1979年和1998年组织了两次大规模的青藏高原大气科学试验（QXPMEX和TIPEX-Ⅱ）（Tao et al， 1986； Chen et al， 2003； Zhao et al， 2019）， 这奠定了高原早期的观测框架。随后通过中日合作的“全球能量水循环之亚洲季风青藏高原试验（GAME/Tibet）”“全球协调加强观测计划（CEOP）亚澳季风之青藏高原试验研究”（CAMP/Tibet）以及“第三次青藏高原大气科学试验（TIPEX-Ⅲ）”进一步完善了高原地区的观测布局和观测站点（Ma et al， 2006； 马耀明等， 2006； 赵平等， 2018）。这些观测系统持续运行至今， 积累了连续二十余年的关键气象数据， 对高原气象研究做出了巨大贡献。为进一步完善高原的多圈层观测， 中国科学院整合多所高校与科研机构力量， 建成“青藏高原观测研究平台（TORP）”（Ma et al， 2009， 2023； 马耀明等， 2021）， 该平台由21个综合观测研究站及16个观测站组成， 实现大气-水文-生态多要素同步监测（马耀明等， 2021）。
为了更好地理解高原多圈层相互作用的机制， 需要系统地监测不同资源的特征及其变化。表1展示了青藏高原的综合观测指标体系， 涵盖了植被资源、 水资源、 气候资源和土壤资源的多层次指标。然而， 高原综合观测指标体系的构建需整合多个部门、 国家机关以及科研院所的不同观测网络资源。例如， 中国气象局在高原地区设有340个国家级地面气象站（熊安元等， 2021）， 除国家站外， 青海和西藏两省区共有1942个区域地面站进行气象观测。然而， 这些站点大多集中在高原中部和东部地区， 西部地区的观测站点相对较少（Duan et al， 2014）。除气象局外， 水利部在青海和西藏两省区分别设有34个和48个国家基本水文站（包括国家重要水文站和一般水文站）。此外， 据不完全统计， 各部委、 高校和科研院所在高原地区还设立了多种生态和环境观测站（表2）， 其中31个台站由中国科学院管理和运行（杨斌等， 2021， 2022）。
表1 青藏高原综合观测指标体系（杨斌等， 2021）Table 1 Observation index system for the Qinghai-Xizang Plateau （Yang et al， 2021） |
| 资源类型 | 一级指标 | 二级指标 |
|---|---|---|
| 植被资源 | 植被特征 | 植被群落特征， 植被生产力， 生物量 |
| 水资源 | 地表水资源量 | 水文特征， 物理性质， 化学性质， 江河水资源量， 湖库水资源量 |
| 冰川资源量 | 冰川冰储量， 冰川气象， 冰川水文及积雪质量 | |
| 地下水资源量 | 地下水类别， 地下水资源量， 地下水净流量， 物理性质 | |
| 气候资源 | 气象参数 | 大气压， 大气能见度， 水汽， 云， 空气温度， 地表温度， 露点温度 |
| 辐射 | 太阳辐射资源量， 其他辐射量 | |
| 风能 | 风速， 风向， 风能 | |
| 大气降水 | 降水量， 降水强度， 降水量年内分配， 丰枯周期， 降水日数， 降水pH， 雪深与雪压， 降水资源量 | |
| 蒸发 | 水面蒸发量， 陆面蒸发量 | |
| 土壤资源 | 土壤物理性质 | 土壤质地， 土壤厚度， 土壤温度， 土壤容重， 土壤导热、 温率， 土壤含水量 |
| 土壤化学性质 | 土壤矿质全量， 微量元素、 重金属元素， 土壤盐， 土壤有机质， 土壤有机碳 | |
| 冻土资源量 | 冻土物理性质， 冻土化学性质， 冻土强度特性， 冻土冻胀特性 |
表2 青藏高原生态与环境观测站点分布（不含气象局和水利部站点）（杨斌等， 2022）Table 2 Distribution of ecological and environmental observation stations on the Qinghai-Xizang Plateau （excluding sites managed by the Meteorological Administration and Ministry of Water Resources） （Yang et al， 2022） |
| 观测站类型 | 数量/个 |
|---|---|
| 冰川及高寒生态观测站 | 13 |
| 草地生态观测站 | 5 |
| 森林生态观测站 | 11 |
| 湿地生态观测站 | 10 |
| 大气环境观测站 | 1 |
| 环境观测站 | 3 |
| 农业观测站 | 1 |
| 荒漠生态观测站 | 2 |
除地表观测外， 在高原及周边地区还设有多个长期无线电探空观测站。这些站点每日在08:00（北京时， 下同）和20:00进行两次无线电探空观测。为了弥补探空数据在高原西部的稀缺， 2015年在高原西部的狮泉河、 改则和申扎三地新建了三个长期无线电探空观测站（林志强等， 2023）。此外， 部分大型科考项目也在高原地区进行过无线电探空观测。例如， 中国科学院青藏高原研究所在2019年的第二次青藏高原综合科学考察中， 在高原8个测站进行了3次无线电加密探空观测， 每次持续时间为7天左右（Chen et al， 2024）。自2018年开始， 中国科学院青藏高原研究所在高原及周边的慕士塔格、 阿里、 珠峰、 藏东南、 那曲、 茫崖、 昌都、 乐山、 墨脱等地架设了9个微波辐射计， 组建了青藏高原对流层大气立体观测网， 首次获取高原上空对流层大气廓线连续观测数据， 这为恶劣天气临近预报提供了数据基础（图1）（Chen et al， 2024）。为进一步提升高原地区多圈层观测能力， 自然资源部于2019年启动了青藏高原自然资源要素综合观测工作， 计划在高原不同区域建立自然资源要素综合观测体系。目前， 已初步建成长江源地区和拉萨-林芝地区的高原综合气象观测网， 长江源冰川冻土观测网以及拉萨河、 尼洋河流域尺度资源观测网（杨斌等， 2021， 2022）。
除站点观测外， 遥感技术正与地面观测形成深度互补， 其广域覆盖优势有效解决了高原高海拔无人区的监测难题， 支持植被动态、 积雪变化等空间异质性分析（Jiang et al， 2020）。然而， 遥感数据亦存在时间连续性不足、 空间分辨率有限以及穿透深度制约等缺陷（Zhang et al， 2021）， 这决定了多源数据融合成为提升研究精度的必由之路。
随着高原多圈层观测网络的逐步完善， 对地球系统多圈层数据的收集、 整合与应用变得愈加重要。为进一步推动高原多圈层科学数据的开放共享与应用， 中国科学技术部和财政部于2019年联合成立了国家青藏高原科学数据中心（潘小多等， 2022）。截至2025年5月， 该中心已拥有6710个数据集， 其中4190个为开放数据集， 总数据量达到462.56 TB。这些数据集涵盖了冰冻圈、 古气候、 地表、 大气、 遥感、 空间物理、 天文、 海洋、 固体地球及人地关系等多个领域（表3）， 基本涵盖了地球系统多圈层的各个方面。然而， 由于数据集数量过多， 为方便用户筛选使用， 该中心还综合评选出了各领域的关键数据集供公众下载和使用（分类与数量详见表4）。国家青藏高原科学数据中心的建立促进了高原地区多圈层数据的系统化集成与开放共享， 为观测数据在高原更好的应用打下坚实的基础。
表3 国家青藏高原科学数据中心数据分类及数量信息（截至2025年5月）Table 3 Data categories and quantity information from the National Tibetan Plateau Scientific Data Center（by the end of May 2025） |
| 学科关键词 | 数据集总量/个 | 关键数据集数量/个 |
|---|---|---|
| 陆地表层 | 2466 | 27 |
| 人地关系 | 2002 | 6 |
| 大气 | 1280 | 20 |
| 固体地球 | 855 | 4 |
| 冰冻圈 | 588 | 17 |
| 遥感 | 410 | 1 |
| 古环境 | 308 | 6 |
| 其他 | 183 | 2 |
表4 国家青藏高原科学数据中心关键数据集分类（截至2025年5月）Table 4 Classification of key datasets in the National Tibetan Plateau Scientific Data Center （by the end of May 2025） |
| 学科关键词 | 高关注论文关联数据集/个 | 高亚洲观测数据集/个 | 地表参数数据集/个 | 冰冻圈数据集/个 | 近地表大气驱动数据集/个 | 关键数据集数量/个 |
|---|---|---|---|---|---|---|
| 陆地表层 | 10 | 6 | 9 | 2 | 0 | 27 |
| 人地关系 | 1 | 0 | 5 | 0 | 0 | 6 |
| 大气 | 7 | 5 | 1 | 1 | 6 | 20 |
| 固体地球 | 4 | 0 | 0 | 0 | 0 | 4 |
| 冰冻圈 | 4 | 1 | 1 | 11 | 0 | 17 |
| 遥感 | 0 | 0 | 0 | 1 | 0 | 1 |
| 古环境 | 6 | 0 | 0 | 0 | 0 | 6 |
| 其他 | 0 | 0 | 2 | 0 | 0 | 2 |
3 青藏高原气候变化特征的观测事实
尽管高原多圈层综合观测网络建设已取得显著进展， 要系统剖析该区域气候变化的深层特征， 仍需依托对现有多源观测资料的综合集成与分析。这些宝贵的观测数据不仅为理解高原独特的大气过程提供关键支撑， 更是揭示其温度、 降水等关键气象要素长期演变规律及其多圈层响应的科学依据。当前， 基于观测事实的高原气候变化研究已积累丰硕成果， 特别是对高原“暖湿化”（变暖、 变湿）这一核心特征及其驱动与响应机制的认知日益深化。接下来将重点围绕已有研究取得的以下重要科学结论进行综述：
3.1 高原气候暖湿化特征及其驱动与响应
3.1.1 高原暖湿化趋势
作为气候变化的关键指标， 高原近地表温度在过去数十年间经历了显著的增温过程（柏露等， 2018； 包文等， 2024）。自20世纪中叶以来， 高原平均气温累计升高约1.8 ℃， 增温速率约为同期北半球平均水平的1.5倍， 存在明显的“增暖放大”现象（Wang et al， 2008； Yao et al， 2012； You et al， 2021； 包文等， 2024）。特别是自20世纪80年代以来， 增温趋势愈加显著， 即使在“全球增暖停滞”阶段（1998 -2012年）， 高原增温趋势依旧显著（Yang et al， 2021）， 且夜间升温速率高于白天（徐丽娇等， 2019； 杨耀先等， 2022）。季节上， 冬季增幅尤为突出， 约为年均增幅的2倍， 秋冬季增温速率整体高于春、 夏季（Kuang and Jiao， 2016； 李菲等， 2021）。空间上， 高原变暖存在显著空间差异和海拔依赖性（李栋梁等， 2005； Liu et al， 2009； Sun et al， 2015； 朱智等， 2015； 朱伊等， 2018）： 高原北部增温速率高于南部（与北部云量增加导致长波辐射增强及北部蒸发量低有关）（Duan and Xiao， 2015； Shen et al， 2015； 张佳怡等， 2022）； 高原边缘区增温速率也显著高于内陆中心区（由边缘复杂地形对局地辐射平衡的影响导致）（宋辞等， 2012； 王朋岭等， 2012）。值得注意的是， 高原地表温度的增速高于近地表气温， 导致地-气温差逐渐扩大（图2）（Su et al， 2017； 杨耀先等， 2022）。
图2 1961 -2017年青藏高原观测站点平均的年平均地表温度距平（杨耀先等， 2022）Fig.2 Tine series of anomalous annual mean site observational skin temperature， surface air temperature during 1961 -2017 （Yang et al， 2022） |
高原降水格局受复杂地形和环流系统影响， 其空间分布特征为自东南向西北递减（You et al， 2015； 韩熠哲等， 2017； 姚秀萍等， 2021）。受季风系统影响， 高原降水主要集中于夏季（占全年60%以上）（卢鹤立等， 2007； Xu et al， 2008； Hu et al， 2012； Ma et al， 2016； Wang et al， 2018）， 并受夏季频繁对流活动的影响具有日变化双峰特征， 即凌晨和傍晚降水强度和降水频次均达到高峰， 这在高原东部地区尤为典型（段春锋等， 2013； Zhang et al， 2014； 计晓龙等， 2017）。观测数据显示， 自20世纪60年代以来， 高原年均降水量总体呈增长趋势， 这种增长主要发生在冬季和春季（You et al， 2015； 段安民等， 2016； 杨昭明和张调风， 2021）。与变暖趋势类似， 降水变化的空间异质性显著： 高原东北部、 中部和西南部年均降水量呈上升趋势， 而东南缘部分地区则呈下降趋势（Wang et al， 2014； Gao et al， 2015； Kuang and Jiao， 2016； Latif et al， 2019）。夏季降水的空间差异尤为复杂， 总体可归纳为四种模式： 受印度夏季风影响的东西偶极型（Zhou et al， 2019）， 与高原涡生成频次有关的南北偶极型（李菲等， 2021）， 受西风急流活动调节的边缘-中部差异型（Sun et al， 2020）以及与高原上空不同环流型密切相关的多元复合型（许建伟等， 2020）。
综上， 尽管存在显著的空间异质性和季节差异， 基于长期观测数据的综合分析仍清晰地揭示了青藏高原正在经历持续的变暖与增湿趋势。这种暖湿化趋势对高原水热平衡、 冰冻圈过程及生态系统产生了深远影响。
3.1.2 地表关键响应： 土壤温湿度变化、 冻土退化
高原显著的暖湿化趋势直接作用于地表关键过程， 引发土壤温湿度的协同演化， 并驱动了多年冻土的显著退化。高原土壤温湿度的空间分布格局深受气候变化影响。高原土壤湿度呈现出自东南向西北递减的经向梯度特征， 这一格局在不同土层深度及季节均存在（Fan et al， 2019； 索朗塔杰等， 2022）且与观测到的高原降水空间分布特征高度吻合（韩熠哲等， 2017； 王静等， 2018； 吴小丽等， 2021）。同时， 土壤湿度的日变化幅度表现出强烈的空间异质性， 东部湿润区的日较差可达5%~8%， 而西部干旱区则普遍不足3%（赵逸舟等， 2007； Qin et al， 2013； Zhao et al， 2014； 张娟等， 2015； 赵平等， 2018； Fan et al， 2019； Li et al， 2022）。在年际尺度上， 伴随高原持续的暖湿化进程（Yao et al， 2017）， 高原土壤湿度也呈现显著上升趋势（赵林等， 2019）。这种土壤湿度的增加， 一方面得益于高原降水增多的直接补给作用（Yang et al， 2011）， 另一方面则更主要地源于气候变暖所导致的多年冻土区活动层增厚以及土壤内部冰体的融化（Guo and Wang， 2013； 赵林等， 2019）。
与土壤湿度类似， 土壤温度的空间格局（西北低、 东南高）受到地形、 纬度和海拔的综合影响， 与区域地理环境及大气环流形势紧密关联（李栋梁等， 2005； He et al， 2019； 杨楠和范广洲， 2019）。在季节尺度上， 土壤温度呈现典型的单峰型变化， 但不同深度的土层表现出明显差异： 表层（0 cm）土壤温度年较差可达30~40 ℃， 通常在7月达到峰值， 1月降至谷值； 而深层土壤（如3.2 m深处）的年较差则小于5 ℃， 其温度极值的出现时间比表层滞后2~3个月（周亚等， 2017）。在全球变暖背景下， 高原土壤温度整体呈现加速升温的趋势。具体到季节尺度， 春季的增温趋势最为强劲且高原南部增温强于北部， 夏季和秋季次之， 而冬季的增温趋势最弱， 其增温显著区域的范围也较其他季节明显缩小（杨楠和范广洲， 2019）。
高原作为典型高寒区， 其广阔分布的多年冻土和季节性冻土（占总面积的46%~56%）是调控区域水热平衡的关键因子之一（Zou et al， 2017； Ran et al， 2021）。在气候变化背景下， 高原多年冻土正经历显著退化。这种退化过程的核心体现是土壤温湿度的协同变化（如深层土壤温度升高、 活动层厚度增加、 土壤冰融化）， 这些变化直接调控着地表的能量分配、 水分运移以及冻融循环（Wu et al， 2016； 周钰瑶和施红霞， 2021）。冻土区土壤湿度的季节动态表现为一种典型的相变驱动型循环： 冬季整层土壤冻结； 春季随着温度回升， 浅层土壤开始融化， 土壤湿度显著增强； 夏季活动层完全融化， 土壤湿度维持在较高水平； 秋季随着土壤自上而下冻结， 湿度逐渐减弱直至冬季整层再次冻结（赵林等， 2000； 陈学龙等， 2008； 杨健和马耀明， 2012； 焦永亮等， 2014； 王澄海等， 2021； 袁源等， 2023）。最终， 这种受高原变暖驱动的冻土退化， 不仅对高原公路、 铁路等基础设施的稳定性构成严重威胁， 更通过显著改变地表反照率以及深刻影响区域水文过程， 对高原整体的水热平衡产生深远影响（Wu et al， 2016）。
3.1.3 水文响应： 冰川退缩、 湖泊变化、 河川径流改变
高原显著的暖湿化趋势及其引发的多年冻土退化改变了区域水循环过程， 其水文响应主要体现在冰川、 湖泊和河川径流的显著变化。
首先， 作为“亚洲水塔”的核心组成部分和亚洲多条大河（如长江、 黄河、 澜沧江、 怒江、 雅鲁藏布江等）的重要水源， 高原冰川在气候变暖的直接驱动下， 普遍观测到加速退缩的趋势（姚檀栋等， 2017； 徐祥德等， 2019； 王英珊等， 2025）。这种冰川退缩是高原气候变暖在水文循环中最直接的表现之一。短期内， 它导致冰雪融水补给量显著增加； 但从长期来看， 这预示着高原固态水资源（如冰川、 冻土）的持续萎缩。这种双重效应对“亚洲水塔”的稳定性构成了强烈挑战。
与冰川退缩形成鲜明对比， 高原内陆湖泊在高原暖湿化背景下呈现出显著的扩张趋势（许凤林和张国庆， 2024）。研究表明， 自20世纪90年代后， 伴随着高原暖湿化， 高原湖泊面积和水位都急剧扩张， 其中湖泊总面积扩张约1万平方公里（许凤林和张国庆， 2024）。这种湖泊扩张现象并非单一因素所致， 而是降水增加的直接贡献、 冰川融水增多的输入以及冻土退化导致地下冰融化释放水分共同作用的结果（Zhang et al， 2017， 2020； Yang et al， 2018； Jia et al， 2023； 包文等， 2024）。因此， 湖泊的扩张直观反映了区域水量平衡对高原暖湿化的响应。
除冰川与湖泊外， 高原暖湿化也会对蒸散发、 径流等水文要素产生显著影响。这其中， 蒸散发能够调控水分在地表与大气之间的转移， 是高原水文循环的核心变量。研究表明， 2001 -2018年间高原东西部蒸散发呈现出相反的变化特征， 即东部显著增加、 西部显著减少， 这主要归因于高原不同区域环境变量对实际蒸散量影响程度的差异（Han et al， 2021）。这种蒸散发的空间差异性必然对径流产生连锁效应。作为高原水资源输出及下游供水保障的直接体现， 径流的变化趋势及其驱动机制深受气候变化的影响。研究表明， 气候变化造成的冻土退化会通过影响地表与地下水之间的连通性来调节高原的径流过程（Qin et al， 2017； Ma et al， 2017； Li et al， 2021）。进一步的研究表明， 冻土退化会造成夏季壤中流和秋季直接径流的减少， 但是在年际尺度上会导致直接径流和总流量的增加（Sun et al， 2020）。最终， 这种径流变化对高原自身及下游广大区域的生态环境和社会经济水资源安全具有深远的潜在影响。
3.1.4 初级生态响应： 植被生长季变化与“变绿”趋势的气候驱动
高原持续的暖湿化不仅改变了区域的水热物理环境， 也影响了高原的植被覆盖度， 使得近几十年来高原显著“变绿”。这一现象与高原植被生长季的改变密切相关。具体而言， 高原的暖湿化直接导致高原植被生长季的延长（鲍艳等， 2023； 郭建晓等， 2023； 杨亮等， 2023； 韦鑫海等， 2025）。生长季的延展又为植被提供了更长的有效光合作用时间窗口， 这驱动了高原生态系统整体生产力的提升。
基于广泛的遥感观测证据（如NDVI数据）， 研究一致证实高原整体呈现显著的“变绿”趋势（杨亮等， 2023； 历正豪等， 2024）。进一步的研究表明暖湿化所带来的生长季水热条件的协同改善是导致这一现象的主要原因。春季与夏季温度的升高直接促进植被的光合作用效率、 加速了生长速率和新陈代谢过程， 降水总量以及冻土退化导致的土壤活动层含水量增加为植被的生长与扩张提供关键的水分支持（郭建晓等， 2023； 韦鑫海等， 2025）。因此可以说高原植被的广泛“变绿”是生态系统对暖湿化气候背景最直接的响应。
青藏高原的“变绿”往往伴随着生态系统净初级生产力（NPP）的提升， 这通常被认为会显著增强区域碳汇功能。然而， 暖湿化对高原整体碳源汇平衡的影响仍存在争议： 部分研究认为高原暖湿化促进了碳吸收， 维持甚至增强了高原作为碳汇的功能（Chen et al， 2017； Ding et al， 2017）； 相反， 也有研究警示暖湿化可能加速冻土封存有机碳的分解、 或激发生态系统呼吸作用的增强， 进而可能导致高原从碳汇向碳源转变（马蔷和金会军， 2020）。值得注意的是， 高原土壤碳储量的空间格局（东南高， 西北低）主要由地表生态系统的类型和生产力水平差异所主导（Zhang et al， 2007； Nie et al， 2019； 王荔等， 2019）， 而其长期动态变化则受到气候变化与日益增强的人类活动等多重因素的复杂交织影响， 当前研究结论尚未达成一致。部分学者认为自1960年以来， 高原土壤碳储量和碳汇能力呈增加趋势（Zhang et al， 2007； Chen et al， 2017）， 也有学者持不同意见， 认为高原土壤碳储量并未发生明显变化（Yang et al， 2009）， 甚至部分地区呈降低趋势（Zhao et al， 2018）。尽管如此， 毋庸置疑的是， 高原的“变绿”作为暖湿化驱动下生态系统初级生产力提升的最直接表现， 构成了理解高原复杂碳循环变化及其未来走向的基础环节和关键起点。
3.2 极端气候事件的变化特征
随着高原气候暖湿化趋势加剧， 基于观测资料的研究揭示， 高原极端天气气候事件的频率和强度也发生显著变化（张人禾等， 2015）。这种变化不仅深刻影响着区域生态系统和生物多样性， 也对水资源管理、 农业生产及社会经济发展构成严峻挑战。目前聚焦于极端温度、 极端降水以及复合型极端事件的时空演变规律已取得较多进展， 主要可归纳如下。
3.2.1 极端温度
青藏高原极端温度变化的研究揭示了其显著的区域差异性和不对称性特征。在空间分布上， 高原不同流域和地形区域的极端温度呈现复杂格局。例如， 雅鲁藏布江流域的极端最高气温、 暖昼日数与暖夜日数自东向西递减， 而极端最低气温、 冷夜日数等冷指标则递增（次旺等， 2023）； 雅砻江流域则表现出南高北低的极端温度分布特征（杨晨等， 2023）。这种空间异质性可能与高原季风-西风协同作用及地形效应密切相关。例如， 柴达木盆地作为极端高温的显著升温中心， 其夏季最高气温升幅远高于周边地区（次央等， 2021）， 而三江源区的昼夜极端高温日数显著增加， 但极端低温日数大幅减少（游庆龙等， 2008； 赵梦凡等， 2022）。这些现象表明， 高原不同区域的气候响应存在显著差异， 需结合具体地形和环流背景进行深入分析。
在时间变化方面， 高原极端温度指数自1961年以来呈现显著上升趋势， 但冷暖指标的变化速率存在明显不对称性（周玉科等， 2017； 次央等， 2021； 冯晓莉等， 2021）。研究显示， 极端最低气温的升幅普遍高于极端最高气温（唐红玉和李锡福， 1999； Song et al， 2014）。这种不对称性在冬季尤为显著， 夜间升温速率（如冷夜日数下降）显著快于白天（暖昼日数上升）（周玉科等， 2017； Gong et al， 2022）。分时段分析表明， 1995-2014年高原极端高温事件频次持续增加， 但极端低温事件频次先减少后略有回升， 这可能与大气环流变化（如西风急流减弱）和局地热力反馈（如冰雪反照率效应）的共同作用有关（何佩鸿和胡芩， 2024）。在未来， 高原热浪持续时间和暖夜均将呈增加趋势（Jiang et al， 2012）。
在驱动机制方面， 高原极端温度变化涉及多尺度过程的耦合。海拔依赖性增温现象表明， 最低气温的升幅随海拔升高而增强， 可能与高海拔地区冰雪覆盖减少的反照率反馈及云量变化的垂直分异有关（Zhang et al， 2022； 冯波等， 2025）。此外， 高原热力作用通过改变亚洲季风和西风带的强度及路径， 间接影响区域极端温度事件的频率和强度（吴国雄等， 2013）。这些机制的解析为理解高原气候系统的复杂性提供了关键科学依据。
3.2.2 极端降水
高原极端降水事件的变化同样引人瞩目。研究表明， 高原极端降水的空间分布整体呈现“东南多、 西北少”的典型格局， 夏季是极端降水事件的高发季节。高原东南部因夏季深对流活动频繁， 其极端降水量和持续时间均显著高于西北部（曹瑜等， 2017； 陈权亮等， 2022）。值得注意的是， 高原东坡部分地区单次极端降水过程持续时间可超过12 h， 且降水过程常表现出峰值前迅速集聚、 峰值后缓慢减弱的不对称特征（吴梦雯和罗亚丽， 2019）。
在长期变化趋势上， 多项研究表明， 自1960年代以来高原极端降水事件的频次、 强度及贡献率均呈显著上升趋势（曹瑜等， 2017； 冯晓莉等， 2020； 卢珊等， 2020）。这种增强趋势在夏季尤为突出， 特别是高原东部地区， 其极端降水事件的频率和强度增幅最大（马伟东等， 2020）。1990年代末至2000年代初是极端降水趋势发生年代际转折的关键时期， 此后高原中东部地区暖季极端降水频率和总量增幅加剧（李双行等， 2024； Li et al， 2025）。分区域看， 高原内陆在2010年后夏季极端降水事件频率显著上升， 这主要由两类天气模式主导： 第一类与罗斯贝波列诱导的西南风水汽输送相关， 第二类则与中高纬度环流异常和东南风水汽输送相关（Ding et al， 2025）。随着全球变暖导致的水循环加速， 高原极端降水事件的强度和频率在未来预计将进一步加剧（Jia et al， 2019； 陈炜等， 2021； 郝爱华等， 2023）。
高原极端降水变化的机制涉及多尺度环流协同作用和外强迫因子影响。研究表明， 高原涡与高原极端降水显著相关（Lin et al， 2022； Li et al， 2025）。在大气环流调控方面， 西太平洋副热带高压（西太副高）的位置和强度差异、 欧亚大陆上空的遥相关波列、 印度夏季风以及高原上空西风-季风相互作用等因素也显著影响高原的极端降水（Guo et al， 2024； 李双行等， 2024； Ding et al， 2025）。此外， 高原涡旋的早期爆发亦通过增强气旋性辐合和水汽输送， 显著增加了春季极端降水风险（Li et al， 2025）。
3.2.3 复合型极端事件
青藏高原作为全球气候变化的敏感区和放大器， 其复合型极端天气气候事件的发生频率、 强度及复杂性均呈现显著上升趋势， 对区域生态安全和水资源系统构成严重威胁（Xue et al， 2025）。这类事件通常表现为高温与干旱、 高温与高湿等要素的叠加或连续发生， 其危害远高于单一极端事件。典型案例如2022年夏季高原经历的复合高温干旱事件， 导致该季成为1961年以来高原最热且降雨量最少的夏季（周佰铨等， 2024）。进一步的研究表明， 自1961年以来， 高原地区的暖湿复合极端事件（如高温伴随高湿）整体呈上升趋势， 尤其在1996 -2019年发生频次较高， 尤其在高原东北部和西北地区， 这也与高原暖湿化的趋势一致（范智高等， 2023； Peng et al， 2023）。研究表明高原暖湿极端事件主要受到全球变暖以及人类活动的影响（Xue et al， 2025）。相对而言， 高原复合干热极端事件（如干旱伴随高温）仅呈现略微上升的趋势（程玉佳等， 2023； Hu et al， 2024）。
复合型极端事件对高原冰冻圈、 生态系统及水资源安全具有深远且连锁性的影响。首先， 这类事件加速冰川退缩和冻土退化， 例如高温干旱事件导致冰川物质亏损加剧， 冻土融化和活动层增厚， 进而引发冰崩等灾害（陈德亮等， 2015； 姚檀栋等， 2019； Zhu et al， 2025）。其次， 还会加剧高原生态系统的失衡风险， 主要表现为草地退化、 生物多样性减少及碳循环异常等（吴国雄等， 2013； 范智高等， 2023； Zhang et al， 2025）。不仅如此， 复合极端事件还会通过影响地表径流和降水分布等要素， 对高原水资源安全产生严重威胁（张建云等， 2019； Cao et al， 2025）。然而， 目前针对高原复合极端事件的研究仍相对匮乏。鉴于其在灾害风险和生态影响方面的重要性远超单一事件， 未来亟需加强对其触发机制、 演变规律及影响评估的深入研究。
4 总结与展望
基于多源观测数据的系统性研究， 显著推动了对青藏高原气候系统的认识， 特别是在揭示高原暖湿化特征及其驱动与响应机制方面取得了一系列重要成果。同时， 高原多圈层观测平台和数据共享机制的建设也取得了初步成效。然而， 当前研究仍面临若干亟待解决的挑战与问题。
（1） 观测站点分布不均及数据质量问题： 高原西部地区观测站点明显稀疏， 导致该区域数据覆盖不足且连续性较差。目前， 尽管中国气象局等国家部委以及高校、 科研院所在高原建立了各自的观测网络， 但这些站点绝大部分集中分布于高原中部与东部地区。在高原西部的广袤无人区， 受限于人口密度低、 自然环境恶劣及维护成本高昂等因素， 地表观测站点的数量和密度远低于中东部地区。虽然近年来卫星遥感技术实现了对高原全域的覆盖观测， 但其自身特性（如时间分辨率、 穿透能力、 反演精度等）仍难以满足针对高原西部复杂气候研究的精细化需求。鉴于此， 应结合区域气候特征与研究需求， 优先在高原西部公路沿线等交通相对便利的区域增建固定气象站， 并依托当地县市级气象局工作人员进行常态化运行维护， 以提升站点可持续性。此外， 还需引入人工智能、 多源数据融合等先进技术， 对西部观测稀疏区域的数据进行深度处理和高质量网格化重建， 显著增强该区域数据的可利用性和科研价值。
（2） 多圈层综合观测的不足： 现有高原观测站点的主体是气象观测站点。相比之下， 涵盖水文、 生态、 冰川冻土、 探空等多圈层的综合观测站点， 无论在数量还是空间密度上都明显不足。这种不足一方面源于这些观测的建设和维护成本显著高于气象观测； 另一方面， 此类站点主要由高校和科研院所负责建设和维护， 而高校和科研院所在资金和人力物力方面难以承担在高原全域系统化、 规模化建设多圈层观测站点的巨额成本， 更难以持续投入进行维护。因此， 亟需在高原观测中更多地应用各类便于维护、 成本较低的新型观测技术和设备。例如， 可利用微波辐射计、 激光雷达等自动化设备部分替代传统的人工探空观测； 同时， 应增加大气成分自动监测站、 土壤参数自动观测站以及径流与湖泊自动监测站点的建设， 以获取更多元的、 覆盖多圈层的高原观测数据， 逐步实现“地-空-天”一体化的综合观测体系。此外， 应积极推动气象、 水文、 生态与地球物理等不同学科领域的联合观测试验。
（3） 多圈层数据共享平台的完善： 在高原多圈层观测研究中， 数据共享面临多重挑战。由于不同机构与学科的观测内容、 技术手段及数据格式存在显著差异， 数据的标准化与共享协同存在明显障碍。尤其在高原西部及生态敏感区， 数据覆盖不足严重制约了整合共享的有效性。当前亟需构建高效可靠的数据共享平台， 以支持跨机构、 跨学科的实时数据互通。目前， 国家气象信息中心已启动地球系统大数据平台建设， 旨在实现地球系统多圈层数据的系统化收集。同时， 中国科学院等机构已建成了较为成熟的数据平台。例如2019年建成的国家青藏高原科学数据中心， 目前集成6710个数据集， 总数据量达到462.56 TB。然而， 实现多平台数据的标准化整合与高效利用仍面临三重核心挑战： 数据架构的异构性导致统一元数据标准与质控规范缺位， 致使跨学科数据孤岛现象突出， 引发重复建设和资源错配； 敏感数据安全机制尚未健全， 边境监测等关键数据的隐私保护与共享边界亟待厘清。为突破这些瓶颈， 需要建立以科学需求为导向的共享机制， 同步制定符合高原特殊性的数据安全分级标准， 从而充分释放多圈层科学数据的协同价值。