高原气象  2019, Vol. 38 Issue (1): 29-41  DOI: 10.7522/j.issn.1000-0534.2018.00066
0

引用本文 [复制中英文]

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
[复制中文]
Wang Yuqi, Bao Yan, Nan Sulan. 2019. Dynamic and Thermodynamic Effects on Climate Changes over the Qinghai-Tibetan Plateau in Response to Global Warming[J]. Plateau Meteorology, 38(1): 29-41. DOI: 10.7522/j.issn.1000-0534.2018.00066.
[复制英文]

资助项目

国家自然科学基金项目(41775084);南京信息工程大学人才启动经费资助项目(2243141501001);国家重点研究计划(973)项目(2013CB956004);国家重点研发项目(2018YFC1505706,2018YFC1505705)

通信作者

鲍艳(1977-), 女, 新疆石河子人, 副教授, 主要从事气候变化, 陆气相互作用, 植被动力研究.E-mail:ybao@nuist.edu.cn

作者简介

王玉琦(1991-), 女, 辽宁丹东人, 硕士研究生, 主要从事青藏高原与陆气相互作用研究.E-mail:yuqiwang77@163.com

文章历史

收稿日期: 2018-04-03
定稿日期: 2018-05-23
青藏高原未来气候变化的热动力成因分析
王玉琦1,2, 鲍艳1, 南素兰3     
1. 南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/气象灾害预报预警与评估协同创新中心, 江苏 南京 210044;
2. 丹东市气象局, 辽宁 丹东 118000;
3. 中国气象科学研究院灾害天气国家重点实验室所, 北京 100081
摘要: 利用第五次国际耦合模式比较计划(the Fifth Phase of Coupled Model Inter-comparison Project,CMIP5)的8个模式在高浓度排放路径RCP8.5下的输出资料对青藏高原(下称高原)21世纪未来气候变化进行预测,基于水汽收支方程对高原局地地表水通量P-E(降水-蒸发)变化进行热动力过程分解,求取平均环流(动力因子Mean Circulation Dynamic,MCD)、水汽辐合项(热动力因子,Thermal Dynamic,TH)等对P-E通量变化的相对贡献率,建立大尺度环流变化和高原局地气候变化的定量关系,探讨高原未来气候变化的热动力成因。研究结果表明:(1)高原未来整体变暖湿,与历史参考时期1986-2005年相比,21世纪末P-E通量增加17.9%,增湿梯度呈西北-东南向分布,以高原东南部林木分布区增加最显著;(2)在高原湿季(5-9月,也即高原植被生长季)内,因平均环流变化导致的水汽输送变化是高原未来变湿的主要原因,贡献了约53%的P-E通量增加,这与气候变暖后Hadley环流下沉支和中高纬西风环流的极向扩展有关;热动力因子贡献了12% P-E通量的增加,对高原未来的整体变湿贡献相对较小,但在三江源区热动力贡献较大,这与该区未来植被覆盖增加,植被对气候变化的正反馈加强有关。值得注意的是,受CMIP5多模式分辨率粗糙、模拟性能在高原地区差异较大等的影响,分析结果存在一定不确定性,结论比较初步,未来使用分辨率更高、物理过程更完善的模式,结合统计方法提高预测精度可进一步改善研究结果。
关键词: 青藏高原    气候变化    热动力成因    CMIP5    
1 引言

青藏高原(下称高原)西起帕米尔高原、东至横断山脉、跨度约2945 km, 南自喜马拉雅山脉南缘、北迄昆仑山-祁连山北侧, 跨度约1532 km, 是中国最大、世界海拔最高的高原, 总面积为257.24×104 km2, 占我国大陆面积的26.8%(张镱锂等, 2002), 平均海拔4000 m以上, 有世界“第三极”之称。在大气环流和高原地势格局制约下, 高原形成了独特的自然环境和气候特征, 气候整体呈现出从东南暖湿向西北干冷过渡的变化。高原在亚洲大气环流、南亚季风爆发以及对流层平流层交换中发挥重要作用, 直接或间接地影响着高原及邻近地区乃至全球的大气环流和天气气候系统(范广洲等, 1997; Wu et al, 2013; Zhang et al, 2013; Ma et al, 2014; Fallah et al, 2016; 龙妍妍等, 2018)。在全球变暖背景下, 高海拔的青藏高原地区呈现显著增温趋势, 高原气温增长比同纬度其他地区出现时间更早, 增长趋势更大, 是全球气候变化的敏感区(Liu et al, 2000; Duan et al, 2006; You et al, 2008; Wang et al, 2014; Yan et al, 2014; Pepin et al, 2015)。同时, 高原降水在近几十年也呈现增加的变化趋势(李晓英等, 2016; 韩熠哲等, 2017; Zhang et al, 2017), 相对气温变化而言降水的变化更为复杂并具有明显的地域性和季节性差异(吴绍洪等, 2005; Yang et al, 2014; 刘维成等, 2017; 曹瑜等, 2017; 计晓龙等, 2017)。高原也是亚洲多条重要河流的发源地, 素有“亚洲水塔”之称, 温度和降水的变化引起高原河流径流量变化对高原及东亚的水分布有重大影响(Immerzeel et al, 2010)。高原具有全球独特的高寒生态系统, 增暖导致了高原地区植物的生长周期变化及冰川退缩、冻土退化、沙漠化等一系列生态环境问题(李森等, 2001; Yao et al, 2004, 2012; Wu et al, 2008, 2010, 2017; Guo et al, 2012; Wu et al, 2013), 高原生态系统一旦遭到破坏, 恢复重建的难度很大且成本也较高, 不利于当地的经济发展和生态安全。同时, 高原气候变化导致的下垫面改变也会引起高原及其附近地区气候场分布的一系列调整, 对东亚季风、长江流域夏季降水和一些旱涝等灾害性天气产生显著影响(范广洲等, 1997; 段安民等, 2003; 刘晓东等, 1989; 周秀骥等, 2009; 王顺久, 2017)。可见, 青藏高原气候变化既通过大气环流与我国和北半球的天气气候系统存在密切联系, 也对自身脆弱的生态系统以及高原和亚洲的水资源分配产生重要影响, 并通过改变下垫面引起高原及下游区域的天气气候系统做出相应反馈。鉴于以上认识, 探究全球变暖背景下高原未来气候变化特征并分析其热动力成因具有重要的现实意义和科学理论价值。

高原作为全球气候变化的敏感区和热点之一, 对未来全球变暖的响应尤为显著。近几十年高原气候逐渐由暖干向暖湿变化(施雅风等, 2003; 韦志刚等, 2003), 半干旱半湿润分界线有向西北推进的趋势(戴升等, 2013)。高原在21世纪不同时期将有不同程度的暖化(程志刚等, 2011; 胡芩等, 2015), 其中21世纪最后10年高原区域年平均地面气温升温可达2.7℃。高原未来增暖的幅度显著高于全球变暖的幅度(李红梅等, 2015), 在高浓度排放路径RCP8.5下增暖趋势和幅度更为显著(张人禾等, 2015)。现有的预测研究表明未来高原降水将有不同程度的增加(程志刚等, 2011; Su et al, 2013; 胡芩等, 2015; 张人禾等, 2015)。在未来全球持续变暖的背景下, 一方面气温的升高会促使高原地表蒸发增加而加大气候干旱的可能性, 同时高原未来整体植被生物量增加(Bao et al, 2014; Gao et al, 2017), 由此引起的植被蒸腾作用的增强也对高原干湿变化产生影响; 另一方面, 根据克拉伯龙-克劳修斯方程, 在假定大气相对湿度不变的情况下, 增暖引起大气水汽含量增多, 增加了大气降水的可能性, 这有利于高原地区气候变湿润, 这两种机制对高原未来的干湿变化有截然相反的作用, 预测高原未来干湿变化必须同时考虑降水和蒸散的作用。

在合理预测高原未来干湿变化的基础上, 进一步探讨其背后的变化机制具有非常重要的意义。以往的研究多以观测和再分析资料为基础, 对历史时期高原变湿的可能原因进行分析, 如有研究认为高原夏季降水增多与孟加拉湾的水汽输送及副高的水汽输送变化关系密切(缪启龙等, 2007); 也有研究对三江源区的干旱化机制进行来了探讨, 认为近40年来高原上长江源湿润化的主要原因是降水增多和风速减小, 黄河源干旱化的主要原因是平均气温上升和相对湿度下降(王朕等, 2017); 高原的干湿变化空间差异明显, 1979-2011年的再分析资料表明相对湿润的高原东南部变干而相对干旱的西北部变湿, 这与东亚西风急流向北推进、向极水汽输送增强以及夏季风环流加强有关(Gao et al, 2014)。这些研究均表明高原的干湿趋势变化与大尺度环流的变化密切相关。

数值模式是研究未来高原气候变化的有用工具。由世界气候研究计划发起的第五次耦合模式比较计划(the Coupled Model Inter-comparison Project Phase 5, CMIP5)融合了国际最先进的耦合模式系统, 对历史、现阶段和未来全球气候变化提供多种数据, 为开展未来气候变化预估和成因分析研究提供了丰富的数据基础。已有研究利用CMIP预测了21世纪美国西南干旱的持续发生, 对美国西南气候暖干化的热动力机制进行分析, 通过分解水汽收支方程, 从地表水平衡的角度揭示了美国西南部对气候变暖的大尺度响应机制、北美北部的湿润化以及夏半年北美大陆干旱的热动力机制(Seager et al, 2007, 2009, 2014)。Li et al(2015)以及Hirokazu et al(2014)运用类似的方法使用CMIP5多模式集成对未来北美西南部极端降水和21世纪世界八大季风区季风降水变化进行热动力分析, 揭示了其物理机制。这些研究为本研究的开展提供了先进的方法和经验。本文首先基于CMIP5多模式集成结果预测21世纪高原地表气候的变化趋势, 然后基于水汽收支平衡方程, 借鉴上述研究方法, 对P-E通量进行热动力过程分解, 量化各影响因子的贡献率, 从大气环流角度将高原气候变化与热动力响应过程相联系, 以探讨高原未来气候变化的热动力机制。

2 资料与方法 2.1 资料

选取8个CMIP5模式(表 1)历史阶段1950—2005年(参考时段1986—2005年)和高浓度排放路径RCP8.5下2006—2099年降水(Pr)、地表蒸发(Evap)、地表气温(T2m), 以及经向风(Ua)、纬向风(Va)、位势高度(Zg)、垂直速度(Wap)和比湿(Hus)进行高原未来气候变化的预测研究, 研究区域如图 1所示。在以往的研究中, 这些模式能够较好地再现历史时期高原地表气温和降水的时空分布特征(胡芩等, 2015), 并对高原植被动力具有相对较好的模拟能力(Bao et al, 2014), 使用这些模式进行高原未来气候变化趋势的研究可提高预测的可信度。

表 1 所选CMIP5气候模式的基本信息 Table 1 Basic information on the climate models in the CMIP5
图 1 研究区地理位置和地形(单位: m) Fig. 1 Geographic location and the terrain ofstudying area. Unit: m

因气候变化对大气CO2浓度变化非常敏感(Cox et al, 2000; Taylor et al, 2012; Collins et al, 2013; Yu et al, 2014), 选取在高浓度排放路径RCP8.5下进行研究可最大化各热动力因子对高原气候变化的影响, 从而更清晰地展示高原区域气候变化的热动力过程, 因此选择在RCP8.5气溶胶浓度排放路径下进行本研究。考虑到各模式的空间分辨率不同, 为了便于比较分析, 将不同模式的输出使用双线性插值方法统一插值到1°×1°的格点上, 垂直方向插值到NCEP 17层标准气压层, 使用月平均资料进行分析。作为高原未来植被对未来全球变暖响应和反馈研究的预研究部分, 本研究选取高原植被生长季5—9月, 即高原湿季作为研究时段, 除喜马拉雅山脉南麓和高原东南部外, 高原大部分地区湿季降水量可占全年降水量的80%以上(叶笃正等, 1979; 戴加洗, 1990; 冯松等, 1998), 是研究高原未来气候变化趋势的理想季节。

2.2 水汽平衡方程的热动力分解

根据大气水汽收支方程(Trenberth et al, 1995), 某地区长期的局地净的P-E通量可表达为:

$ \begin{array}{l} {\rho _w}g({\rm{P - E}}) = - \int_0^{{P_s}} {\nabla \cdot\left({\bar V\bar q} \right){\rm{d}}p - \int_0^{{P_s}} {\nabla \cdot\left({\overline {V\prime q\prime } } \right){\rm{d}}p} } \\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\; - {q_s}{V_s}\cdot\nabla {P_s}, \end{array} $ (1)

式中: -表示变量的平均值, 在本研究中代表月平均; '表示基于平均值的偏差; p表示气压; q表示比湿; V表示水平矢量风; ρw表示水的密度; ps代表地表气压; g为重力加速度; ▽符号为进行求水平散度的运算, 下标s代表地面, 因其变化通常小于其他量几个量级, 可以被忽略不计。如果定义“pre”和“post”分别为历史和未来时期各物理量的数值, 那未来时期相对于历史时期的变化可表示为:

$ \delta \left(\cdot \right) = {\left(\cdot \right)_{{\rm{post}}}} - {\left(\cdot \right)_{{\rm{pre}}}}, $ (2)

在本研究中, “post”代表未来2080—2099年, “pre”代表 1986—2005年历史时间段。未来相对于历史时期P-E的变化可表示为:

$ \begin{array}{l} {\rho _w}g\delta \left({\bar P - \bar E} \right) \approx - \int_0^{{P_s}} {(\delta \bar V \cdot \nabla {{\bar q}_{{\rm{pre}}}} + {{\bar V}_{{\rm{pre}}}} \cdot \nabla \delta \bar q + \delta \bar q\nabla } \\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\; \cdot {{\bar V}_{{\rm{pre}}}} + {{\bar q}_{{\rm{pre}}}}\nabla \cdot \delta \bar V){\rm{d}}p - \int_0^{{P_s}} \nabla \\ \;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\; \cdot \left({\overline {V\prime q\prime } } \right){\rm{d}}p - \delta S\;\;, \end{array} $ (3)

式中: $ \delta S = \delta \left({\overline {{q_s}{V_s} \cdot \nabla {P_s}} } \right) $, 表示地表贡献因子的变化; 由于式(1)中地表贡献因子相比其他变量小很多量级, 故δS的变化值可以忽略不计(Seager et al, 2007)。忽略δS, 综合上述方程, 未来相对于历史时期局地水通量P-E的变化可写为:

$ \left\{ \begin{array}{l} {\rho _w}g\delta \left({\bar P - \bar E} \right) \approx \delta TH + \delta MCD + \delta TE\\ \delta TH = - \int_0^{{P_s}} {\nabla \cdot (\overline {{V_{{\rm{pre}}}}} \left[ {\delta \bar q} \right]){\rm{d}}p} \\ \delta MCD = - \int_0^{{p_s}} {\nabla \cdot (\left[ {\delta \bar V} \right]{{\bar q}_{{\rm{pre}}}}){\rm{d}}p} \\ \delta TE = - \int_0^{{P_s}} {\nabla \cdot \delta \left({\overline {V\prime q\prime } } \right){\rm{d}}p, } \end{array} \right., $ (4)

MCD代表平均环流变化引起的水汽输送变化进而导致的P-E变化, 代表大气平均环流的动力作用(Mean circulation dynamics)对高原局地水平衡产生的影响; TH代表因大气暖化水汽含量增加引起的水汽辐合(Mean flow convergence)导致的P-E通量变化, 代表大气热动力(Thermo dynamics)对高原局地水通量平衡产生的影响; TE代表瞬变涡旋水汽项(Transient eddy)引起的P-E通量变化。热动力和动力两种作用分别反映了大气平均环流比湿(q)和风场(V)的变化对全球变暖的大尺度响应。瞬变涡旋项反映了大气瞬变波的输送, 以往的研究表明, 瞬变涡旋具有非常强的经向性, 表现为有使对高原北部降水增加趋势, 对未来高原的变湿有正贡献(Seager et al, 2010)。本文着重探究平均环流动力因子和热动力因子对未来高原水平衡变化的作用, 地表贡献因子及瞬变涡旋的贡献不做考虑, 因此平均环流动力因子和热动力因子的变化并不能完全解释未来高原P-E通量变化, 这也是本研究需要注意之处。

2.3 离差法

任何气候系统模式都只是对实际气候系统的某种近似, 气候系统本身的复杂性、模式发展水平限制引起的对气候系统描述的误差以及人类强迫等因子的影响使得预估结果存在不确定性(Zhou et al, 2006; Knutti et al, 2012; 王青霞, 2014), 在利用它们模拟和预估气候变化时, 必须要对预估结果的不确定性进行检验以期对模拟结果有更全面的认识。为提高预测结果的可信度, 本文使用“离差法”对CMIP5模式预估的高原未来RCP8.5排放浓度路径下的地表气温、降水、蒸发等气候要素结果进行简单的信度检验。

假设X是随时间变化的物理量, X(n, t)代表N个模式集合中的第n个成员模拟时间尺度为T年的第t年的值。定义集合平均和气候平均, 有N个模式的集合平均是:

$ {x_e}\left(t \right) = \frac{1}{N}\sum\limits_{n = 1}^N {x\left({n, {\rm{ }}t} \right)}, $ (5)

而气候平均则是考虑了时间年数T和模式个数N:

$ {x_c} = \frac{1}{{NT}}\sum\limits_{n = 1}^N {\sum\limits_{t = 1}^T {x\left({n, {\rm{ }}t} \right) = \frac{1}{T}\sum\limits_{t = 1}^T {{x_e}\left(t \right), } } } $ (6)

年际变率可表示为集合平均xe(t)的逐年变化, xe(t)的标准差σe可用来测试外部强迫信号。模式的离差[通过x(n, t)的标准差来判定]表示了模式的内部变化, 而这一点正是模式在进行气候预测时候的干扰信号。根据这两个平均值的表达式, 可以得出:

$ \sigma _e^2 = \frac{1}{T}\sum\limits_{t = 1}^T {[{x_e}\left(t \right) - {x_c}]{\rm{ }}, } $ (7)
$ \sigma _i^2 = \frac{1}{T}{\sum\limits_{t = 1}^T {\left\{ {\frac{1}{N}\sum\limits_{n = 1}^N {\left[ {x\left({n, {\rm{ }}t} \right) - {x_e}\left(t \right)} \right]} } \right\}} ^2}\;, $ (8)

显然总方差:

$ \sigma _t^2 = \frac{1}{{NT}}\sum\limits_{n = 1}^N {\sum\limits_{t = 1}^T {{{[x\left({n, {\rm{ }}t} \right) - {x_c}]}^2}} } \;\;, $ (9)

可以表示这两个方差即内部因子和外部因子的共同作用, 即: σt2=σe2+σi2(Zhou et al, 2006)。如果将大气外强迫变化(如CO2增加)导致的高原气候变化看成是高原对外部气候变化因子的反馈σe, 因模式差异导致的高原气候变化预测差异看成是内部因子的作用σi, 则可定义信噪比为:

$ \lambda = \frac{{{\sigma _e}}}{{{\sigma _i}}}, $ (10)

即多模式集合结果的绝对值与模式离差之比。该物理量可反映预测的可信度, 若比值>1, 则说明外强迫导致的气候变化大于由于模式内部变化导致的气候变化模拟差异, 即“信号”强于“噪声”, 此时视预估结果可信; 若比值<1, 即“信号”弱于“噪声”, 则视预估结果不可信。本文使用此方法对CMIP5多模式对高原未来地表气候变化预估的可信度进行简单检验。

3 未来气候变化

图 2首先给出5—9月高原地表气温、P-E通量、降水在历史时期(1950—2005年)和RCP8.5浓度排放路径下(2006—2099年)模式集合相对于参考时段(1986—2005年)变化的时间序列。图 2(a)表明模式集成较好地再现台站观测的高原近地面增温趋势, 观测与模式集成模拟的增温趋势相当, 分别为0.27 ℃·(10a)-1和0.29 ℃·(10a)-1, 均通过99%的显著性检验(P<0.01), 表明模式集成的结果较为可信。在20世纪中叶至21世纪初的50多年里, 高原温度呈现显著的线性增长趋势, 增温趋势可达0.18 ℃·(10a)-1(P<0.01)。在高浓度排放浓度路径RCP8.5下, 未来青藏高原加速增暖, 增温趋势可达0.60 ℃·(10a)-1, 增温速度远大于参考时期, 至2038年左右, 增温达到2 ℃, 到21世纪最后20年(2080—2099年)模式预估的温度相对于参考时段(1986—2005年)的变化范围为5.11~6.40 ℃, 明显高于RCP4.5下的2.73~2.93 ℃。

图 2 1950—2099年高原植被生长季(5—9月)温度(a)、降水(b)、P-E通量(c)相对参考时段(1986—2005年)的时间变化序列 实线是8个模式集成结果, 阴影区为模拟标准差范围; 右侧的盒须图为2080—2099年相对参考时段的变化, 从下到上分别代表模式集合的最小值、25%分位、中位、75%分位、最大值, “×”表示平均值 Fig. 2 Changes for temperature (a), precipitation (b) and precipitation minus evapotranspiration, P-E (c) during growing season (from May to September) for year 1950—2099 across the Qinghai-Tibetan Plateau (QTP) relative to reference period of 1986—2005. Lines are the observation and eight-model ensemble, and shaded area represents the ensemble deviation range of eight CMIP5 models; Box values from bottom to the top indicate the minimum, 25%, 50%, 75%, and maximum of the 8 models for 2080—2099; Mark "×" in each box denotes the mean value of the 8 models

使用P-E代表高原局地水量收支, 随着温度增加, P-E通量在20世纪中叶至21世纪初主要呈微弱增加趋势[图 2(b)](P<0.01), 增加趋势为7.10 mm·(10a)-1, 但小于降水增加趋势12.41 mm·(10a)-1[图 2(c)], 说明同期地表蒸发也发生了较大变化, 也说明使用P-E通量研究高原气候变化趋势的合理性。模式能较好刻画台站降水随时间的增加趋势, 但量值稍有低估[历史参考期观测和模拟的降水变化趋势分别为6.58 mm·(10a)-1和5.99 mm·(10a)-1, P<0.01], 相对于温度模拟存在着较大变率。在RCP8.5浓度排放路径下, P-E变化趋势主要由降水的变化来控制[图 2(b)], 如发生在20世纪60年代末和90年代初的几次较大的P-E通量减少都与同期降水量突然减少密切相关(李晓英等, 2016; 郑然等, 2016)。在RCP8.5排放浓度路径下, 2080—2099年平均P-E较参考期增加了0.39 mm·d-1, 是降水增加的50% (0.77 mm·d-1)。上述结果表明未来青藏高原气候将趋于暖湿, 降水增加, 这与之前大多数高原气候变化的预测结果一致(程志刚等, 2011; Su et al, 2013; 胡芩等, 2015; 张人禾等, 2015)。

图 2右侧的盒须图给出了8个模式在21世纪末(2080—2099年)地表气温、P-E和降水预测的范围, 结果表明模式间存在着不可忽略的差异性, 各模式对P-E预测的变率远大于对温度预测的变率, 说明CMIP5多模式对降水、蒸发的模拟和预测存在着很大的不确定性。模式集成预测的平均温度、P-E、降水都在模式中位数之上, 也表明大多数模式倾向于高估高原平均温度、降水和P-E通量。

图 3给出了未来RCP8.5浓度排放路径下2080—2099年(RCP8.5, RP), 高原地表气温、P-E和降水相对于历史参考时期1986—2005年(Historical period, HP)变化的空间分布。高原整体未来增温显著(“·”字覆盖区为信噪比>1的地区), 增暖中心在高原西北地区, 增温幅度从西北到东南递减[图 3(a)~(c)]。高原整体增湿[图 3(d)~(f)], 以高原东南部林木覆盖区增湿最为显著, 到21世纪末, P-E通量较历史时期增加了17.9%(0.64 mm·d-1), 是同期降水增加的86%左右(0.73 mm·d-1)。P-E通量的空间变化受降水控制, 与高原降水未来变化分布一致[图 3(g)~(i)]。地表蒸发增加为主, 在高原西北部裸土、稀疏植被覆盖区蒸发增加最显著, 东南部林木覆盖区蒸发增加最少。位于高原中部的三江源地区(31.5°N—36.5°N, 89.5°E—102.5°E)是高原植被叶面积指数(Leaf area index, LAI)增加最显著的地方(Bao et al, 2014), 由于植被对全球变暖的正反馈作用, 植被蒸腾增加显著[图 3(j)~(l)]。在大部分地区, 增暖造成的地表蒸发量的增加及植被对气候变化的正反馈效应造成的植被蒸散增加小于降水量的增加, 这也是P-E变化由降水变化主导的原因。由此推断, 全球变暖可能加大了高原东南-西北向的湿度梯度。高原西北地区裸土和稀疏植被分布区, 由于降水变化不大, 虽然增暖造成的蒸发增加较快, 但总体P-E通量变化不大。统计分析表明, 由于模式对降水和蒸发的预测存在着较大不确定性, 相比较高原南部降水增幅较大的地区降水和P-E的预测的可信度较高。

图 3 温度(a~c, 单位: ℃)、P-E通量(d~f, 单位: mm·d-1)、降水(g~i, 单位: mm·d-1)、蒸散(j~l, 单位: mm·d-1)在历史时期(左, 1986—2005年, HP)、RCP8.5下(中, 2080—2099年, RP)及其相对变化(右, RP-HP)的空间分布 点号区域表示信噪比>1 Fig. 3 Temperature (a~c, unit: ℃), P-E (d~f, unit: mm·d-1), precipitation (g~i, unit: mm·d-1), evapotranspiration (j~l, unit: mm·d-1) during historical period (left, from 1986 to 2005, HP) and under RCP8.5 (medium, from 2080 to 2099, RP), and changes relative to historical period (right, RP-HP).Dotted areas represent regions with the noise-signal ratio greater than 1
4 热动力成因分析

如前文所提到的, 高原未来气候干湿变化与两种作用关系密切, 一方面根据克劳修斯-克拉伯龙方程, 全球变暖导致大气持水能力增强, 水汽增多, 大气可降水量增加, 可能导致降水增多, 高原变湿; 另一方面, 由于全球变暖, 近地面蒸发增大, 可能使地表变干。这两种作用截然相反, 共同对未来高原地表气候变化施加影响。已有的预测结果表明, 未来高原将变为暖湿, 降水增多(Su et al, 2013; 胡芩等, 2015; 张人禾等, 2015)。为探讨高原未来变湿的原因, 在方程(1)~(3)的基础上, 基于方程(4), 对水汽收支方程进行分解, 将高原局地地表P-E通量的变化表达为由平均环流变化引起的动力项、由大尺度水汽幅散辐合变化引起的热动力项和水汽瞬变涡旋项之和。图 4给出了动力和热动力因子分别导致的P-E变化。上述研究表明, 相对于历史参考时期, 21世纪末高原平均P-E通量增加了0.64 mm·d-1[图 3(f)], 其中平均环流的变化贡献了0.34 mm·d-1, 占P-E增加总量的53%[图 4(a)], 表明未来P-E通量增加主要由平均环流动力因子变化引起, 未来大气环流的调整有利于高原变湿, 这与Gao et al(2014)研究结果一致。热动力因子贡献了0.08 mm·d-1, 占P-E增加总量的12%[图 4(b)], 表明热动力因子对未来高原整体P-E通量增大也有正的贡献。平均环流动力因子与热动力因子对高原不同区域P-E通量的贡献不同, 平均环流的调整促使高原大部分地区的水汽输送增加, 导致地表P-E通量增大; 在三江源地区, 热动力因子造成的水汽幅散辐合可能是未来三江源地区增湿的另一个重要原因。在增暖的情况下, 三江源区大气水汽含量增加, 低空水汽辐合增强, 导致了该区进一步变湿。

图 4 平均环流动力作用(MCD)(a)和热动力作用(TH)(b)导致的P-E变化(RP-HP, 单位: mm·d-1) “+”表示变化值>0 Fig. 4 Components of P-E changes due to changes in mean circulation (MCD) (a) and changes in mean humidity (TH) (b) for RP-HP. Unit: mm·d-1. Crossing represents area with values larger than zero

上述研究表明仅考虑平均环流变化的动力因子与仅考虑水汽增多而引起的水汽幅散辐合作用加强的热动力因子并不能完全解释P-E通量的变化, 由此推测, 瞬变涡旋环流动力因子对高原变湿很可能有正贡献, Seager et al(2007, 2010)的研究也肯定了瞬变涡旋在中高纬度地区变湿中的加强作用。由方程(4)也可看出, 模式对高原未来P-E通量变化预测的准确性对研究结果有重要的影响, 降水、蒸发和P-E通量预测的不确定会给本研究带来较大的不确定性, 高原南部相对于其他地区结论较为可信(信噪比>1)。

对P-E通量变化项的分解结果表明在未来气候变暖背景下环流变化为代表的动力作用是引起高原整体P-E通量增大的主要原因。图 5给出了未来200 hPa和500 hPa气压场上位势高度和环流的变化。在200 hPa和500 hPa上, 北半球大部分地区位势高度均有增加, 其中中低纬度地区位势高度增加尤为突出, 这与在未来RCP8.5浓度路径下Hadley环流垂直运动范围增大导致对流层整体升高有关(Kang et al, 2012; Tao et al, 2015)。在200 hPa上, 高原位于气旋性异常环流下游, 受西南风控制, 在正涡度平流的作用下, 高空辐散, 有利于上升运动的加强。在500 hPa上高原主要受偏东风和偏北风异常控制, 且偏东风异常相对较大。在整个高原地区存在大的偏西风和偏南风异常(200 hPa)以及大的偏东风和偏北风异常(500 hPa), 并且经向、纬向风的水平梯度在200 hPa和500 hPa都增大, 比较200 hPa和500 hPa可知, 上下层风速切变增大, 在高原南部和东南部尤其明显, 有利于垂直运动的发展, 给未来降水的发生提供有利的动力条件。

图 5 200 hPa(a)和500 hPa(b)的风场(矢量, 单位: m·s-1)和位势高度(等值线, 单位: gpm)的相对变化(RP-HP) Fig. 5 Spatial distribution of horizontal wind speed (vector, unit: m·s-1) and geopotential height (contour, unit: gpm) at 200 (a) and 500 hPa (b) for RP-HP

为更清楚地展示未来北半球大气环流变化的细节, 图 6给出风场在高原经向水汽输送最大带90°E—98°E(Gao et al, 2014)上的纬度-高度剖面图。北半球盛行西风, 与历史参考时期相比, 在21世纪末期, 北半球西风控制范围扩展, 且西风急流中心北移[图 6(a)~(c)], 赤道东风随之向极移动并从赤道地区带来更多水汽, 导致高原南部水汽含量增加, 高原南部变湿, 图 3(f)中高原南部P-E增大正说明了这一点。在高原上空的对流层内, 低层为东风距平, 高层为西风距平, 与上图 5结论一致, 高原上空上下层风切变较历史时期增强, 在该水汽输送带上, 高原大部分地区上空的大气垂直运动变得更加剧烈, 与相应的水汽条件配合, 未来高原将显著变湿。

图 6 经向风(a~c)和纬向风(d~f)在HP(左)、RP(中)、RP-HP(右)下的纬向垂直剖面(单位: m·s-1) 经度范围90°E—98°E Fig. 6 Latitude-height cross sections featuring mean zonal (a~c) and meridional wind components (d~f) for HP (left), RP (medium) and RP-HP (right). Unit: m·s-1. The longitude is over 90°E—98°E

经向风的纬度-高度剖面图显示[图 6 (d)~(f)], 在北半球中低纬度, Hadley环流控制范围加大, 并伴随着向极、向上发展, 这与前人对Hadley环流的研究结果一致(Frierson et al, 2007; Lu et al, 2007; Kang et al, 2012; Tao et al, 2015)。在全球变暖的背景下, 热力效应使副热带地区静力稳定度上升, 推动斜压不稳定向极区移动从而造成Hadley环流边缘向极扩张(Frierson et al, 2007), 随之而来的信风带扩张引起大气经向水汽输送增加, 偏南气流向北深入直到相对干旱的高原北部, 给高原整体带来更充沛水汽, 伴随着Hadley环流下沉支的北移, 未来副热带干旱区也将北移(Lorenz et al, 2007), 高原趋于变湿。

未来平均大气环流的变化特征也能在散度场上体现, 图 7给出了200 hPa和500 hPa散度场的相对变化。研究表明, 三江源上空对流层高层200 hPa辐散和低层500 hPa辐合均有减弱, 这样的高低空场配置不利于垂直上升运动的增强, 直接导致该区域500 hPa垂直速度的减弱(图 8), 表明动力因子对三江源地区的变湿有负作用, 图 4(b)直接显示了这一点。与三江源地区相反, 包括高原南部在内的其他地区均表现为200 hPa辐散增强, 500 hPa辐合增强, 垂直上升运动加强(图 8), 表明平均环流动力因子对该区变湿具有正贡献[图 4(b)]。总散度场的变化由经向和纬向散度变化共同决定, 在200 hPa上, 纬向散度分量在整个高原区域内都呈现辐散增强[图 7(c)], 经向散度分量与之相反不利于总散度增强[图 7(e)], 与图 7(a)对照可知在200 hPa上纬向散度分量主导了除三江源之外其他区域总散度的变化。在500 hPa上, 整个高原区域内均有纬向辐合增强[图 7(d)], 经向方向上只在高原南部和中部有辐合增强, 且高原南部辐合增强明显, 与图 7(b)对照, 在500 hPa上高原南部辐合增强是由经向和纬向辐合增强共同决定, 与该区域上空200 hPa辐散增强相对应, 与三江源区域的情况不同, 未来高原南部高低空散度场的配置有助于抽吸作用和垂直运动加强, 给未来高原南部降水增多提供了动力条件。

图 7 200(左)和500 hPa(右)水平散度(a, b)及其纬向(c, d)和经向(e, f)分量的变化(RP-HP, 单位: ×10-6 s-1) “+”号表示散度>0×10-6 s-1 Fig. 7 Changes in total divergence (a, b) and zonal (c, d) and meridional divergence components (e, f) at 200 hPa (left) and 500 hPa (right) for RP-HP. Unit: ×10-6 s-1. Crossing represents area where the divergence is larger than 0×10-6 s-1
图 8 500 hPa垂直速度的变化(RP-HP, 单位: Pa·s-1) “+”号表示垂直速度>0 Pa·s-1 Fig. 8 Changes inmean vertical wind speed at 500 hPa for RP-HP. Unit: Pa·s-1. Crossing represents area wherethe mean vertical speed is larger than 0 Pa·s-1

图 9给出了未来2080—2099年P-E通量和平均环流动力因子(MCD)、热动力因子(TH)分别引起的P-E通量相对于参考时段变化的季节循环。相对于历史时期, 高原未来全年P-E都有增加, 以湿季(植被生长季)增加的幅度最大, 且增湿时间相对提前, 结束时间延后, 与有关高原植被生长季的变化相吻合。在全年的时间范围内, 平均环流动力因子引起的水汽总辐合对P-E增加起主导作用, 贡献了高原主要的增湿, 热动力因子的贡献远低于动力因子的贡献, 与前述研究结果相一致。

图 9 P-E通量和平均环流动力因子(MCD)、热动力因子(TH)分别引起的P-E通量变化 (RP-HP, 单位: mm·d-1) Fig. 9 Seasonal cycles of changes in P-E, mean circulation(MCD) and mean humidity (TH) for RP-HP over the QTP. Unit: mm·d-1
5 结论

使用CMIP5多模式集成结果预测21世纪高原地表气候的变化趋势, 然后基于水汽收支方程, 对P-E通量进行热动力过程分解, 将大尺度环流变化与高原气候变化相联系, 通过量化各影响因子的贡献率分析影响高原未来气候变化的热动力成因, 得到结论如下:

(1) 未来高原显著变暖湿, 增暖中心在高原西北地区, 增温幅度从西北到东南递减, 增湿以高原东南部为主, 与降水的时空变化一致, 到21世纪末, 在RCP8.5浓度排放路径下P-E较历史时期增加了17.9%。

(2) 相对于大气水汽含量增加等热动力因子的作用, 未来平均环流调整引起的高原变湿, 即动力因子对高原未来气候变化趋势起主导作用。在全球变暖背景下, 平均环流变化对高原P-E增加的贡献率为53%。Hadley环流向极移动导致了信风带扩张, 从而增强了对高原南部的水汽输送, 导致高原整体变湿。

(3) 在三江源地区, 热动力因子的作用和植被对气候的正反馈作用对该区的变湿均有正贡献。植被对气候变化的正反馈作用可能加强了高原东南-西北向的湿度梯度。

(4) 研究同时表明, 由于CMIP5模式的局限性, 模式集成对高原地表未来气候变化的预测具有不确定性, 本结果结果还有待进一步的研究论证。

参考文献
Bao Y, Gao Y H, Lü S H, 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
Fallah B, Cubasch U, Prömmel K, et al. 2016. A numerical model study on the behaviour of Asian summer monsoon and AMOC due to orographic forcing of Tibetan Plateau[J]. Climate Dynamics, 47(5/6): 1485–1495.
Collins M, Knutti R. 2013. Long-term climate change:projections, commitments and irreversibility[M]. Cambridge: Cambridge University Press.
Cox P M, Betts R A, Jones C D, et al. 2000. Acceleration of global warming due to carbon-cycle feedbacks in a coupled climate model[J]. Nature, 408(6809): 184–187. DOI:10.1038/35041539
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
Frierson D M W, Lu J, Chen G. 2007. Width of the Hadley cell in simple and comprehensive general circulation models[J]. Geophysical Research Letters, 34(18): 266–278.
Gao J, Jiao K, Wu S, et al. 2017. Past and future effects of climate change on spatially heterogeneous vegetation activity in China[J]. Earth's Future, 5: 679–692. DOI:10.1002/2017EF000573
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
Guo D, Wang H, Li D. 2012. A projection of permafrost degradation on the Tibetan Plateau during the 21st century[J]. Journal of Geophysical Research, 117(D5): 1–15.
Hirokazu E, Kitoh A. 2014. Thermodynamic and dynamic effects on regional monsoon rainfall changes in a warmer climate[J]. Geophysical Research Letters, 41(5): 1704–1711. DOI:10.1002/2013GL059158
Immerzeel W, Beek L, Bierkens M. 2010. Climate change will affect the Asian water towers[J]. Science, 328(5984): 1382–1385. DOI:10.1126/science.1183188
Kang S M, Lu J. 2012. Expansion of the Hadley Cell under global warming:Winter versus summer[J]. Journal of Climate, 25(24): 8387–8393. DOI:10.1175/JCLI-D-12-00323.1
Knutti R, Sedláček J. 2012. Robustness and uncertainties in the new CMIP5 climate model projections[J]. Nature Climate Change, 3(4): 369–373.
Li L, Li W. 2015. Thermodynamic and dynamic contributions to future changes in regional precipitation variance:focus on the Southeastern United States[J]. Climate Dynamics, 45(1/2): 67–82.
Liu X, Chen B. 2000. Climatic warming in the Tibetan Plateau during recent decades[J]. International Journal of Climatology, 20(14): 1729–1742. DOI:10.1002/(ISSN)1097-0088
Lorenz D J, Deweaver E T. 2007. Tropopause height and zonal wind response to global warming in the IPCC scenario integrations[J]. Journal of Geophysical Research, 112(D10): 1–11.
Lu J, Vecchi G A, Reichler T. 2007. Expansion of the Hadley cell under global warming:A likely new driver for droughts[J]. Geophysical Research Letters, 34(6): 125–141.
Ma Y, Hu Z, Tian L, et al. 2014. Study progresses of the Tibetan Plateau climate system change and mechanism of its impact on East China[J]. Advanced Earth Science, 29(2): 207–215.
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.
Seager R, Naik N, Vecchi G A. 2010. Thermodynamic and dynamic mechanisms for large-scale changes in the hydrological cycle in response to global warming[J]. Journal of Climate, 23(17): 4651–4668. DOI:10.1175/2010JCLI3655.1
Seager R, Neelin D, Simpson I, et al. 2014. Dynamical and thermodynamical causes of large-scale changes in the hydrological cycle over North America in response to global warming[J]. Journal of Climate, 27(20): 7921–7948. DOI:10.1175/JCLI-D-14-00153.1
Seager R, Ting M, Held I, et al. 2007. Model projections of an imminent transition to a more arid climate in southwestern North America[J]. Science, 316(5828): 1181–1184. DOI:10.1126/science.1139601
Seager R, Vecchi G A. 2009. Greenhouse warming and the 21st century hydro climate of southwestern North America[J]. Proc Natl Acad Sci, 107(50): 21277–21282.
Su F, Duan X, Chen D, et al. 2013. Evaluation of the global climate models in the CMIP5 over the Tibetan Plateau[J]. Journal of Climate, 26(10): 3187–3208. DOI:10.1175/JCLI-D-12-00321.1
Tao L, Hu Y, Liu J. 2015. Anthropogenic forcing on the Hadley circulation in CMIP5 simulations[J]. Climate Dynamics, 46(9/10): 3337–3350.
Taylor K E, Stouffer R J, Meehl G A. 2012. An overview of CMIP5 and the experiment design[J]. Bulletin of the American Meteorological Society, 93(4): 485–498. DOI:10.1175/BAMS-D-11-00094.1
Trenberth K E, Guillemot C J. 1995. Evaluation of the global atmospheric moisture budget as seen from analyses[J]. Journal of Climate, 8(9): 2255–2280. DOI:10.1175/1520-0442(1995)008<2255:EOTGAM>2.0.CO;2
Wang X, Sun Z, Zhou A G. 2014. Alpine cold vegetation response to climate change in the westernNyainqentanglha range in 1972-2009[J]. The Scientific World Journal: 1–9.
Wu Q B, Zhang T J. 2008. Recent permafrost warming on the Qinghai-Tibetan Plateau[J]. Journal of Geophysical Research, 113(D13): 1–22.
Wu Q B, Zhang T J. 2010. Changes in active layer thickness over the Qinghai-Tibetan Plateau from 1995 to 2007[J]. Journal of Geophysical Research, 115(D9): D09107. DOI:10.1029/2009JD012974
Wu Q, Yu W, Jin H. 2017. No protection of permafrost due to desertification on the Qinghai-Tibet Plateau[J]. Scientific Reports, 7(1): 1544. DOI:10.1038/s41598-017-01787-0
Wu T, Zhao L, Li R, et al. 2013. Recent ground surface warming and its effects on permafrost on the central Qinghai-Tibet Plateau[J]. International Journal of Climatology, 33(3): 920–930.
Yan L, Liu X. 2014. Has climatic warming over the Tibetan Plateau paused or continued in recent years[J]. Journal of Earth, Ocean Atmospheric Sciences, 1(1): 13–28.
Yang K, Wu H, Qin J, et al. 2014. Recent climate changes over the Tibetan Plateau and their impacts on energy and water cycle:A review[J]. Global Planet Change, 112(1): 79–91.
Yao T. 2004. Recent glacial retreat in High Asia in China and its impact on water resource in Northwest China[J]. Science China (earth Science), 47(12): 1065–1075. DOI:10.1360/03yd0256
Yao T, Thompson L, Yang W, et al. 2012. Different glacier status with atmospheric circulations in Tibetan Plateau and surroundings[J]. Nature Climate Change, 2(9): 663–667. DOI:10.1038/nclimate1580
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(D7): 1639–1647.
Yu M, Wang GL, Parr D, et al. 2014. Future changes of the terrestrial ecosystem based on a dynamic vegetation model driven with RCP8.5 climate projections from 19GCMs[J]. Climatic Change, 127(2): 257–271. DOI:10.1007/s10584-014-1249-2
Zhang W, Zhou T, Zhang L. 2017. Wetting and greening Tibetan Plateau in early summer in recent decades[J]. Journal of Geophysical Research, 122(11): 5808–5822.
Zhang Y, Wang D, Zhai P, et al. 2013. Spatial distributions and seasonal variations of tropospheric water vapor content over the Tibetan Plateau[J]. Journal of Climate, 26(15): 5637–5654.
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
曹瑜, 游庆龙, 马茜蓉, 等. 2017. 青藏高原夏季极端降水概率分布特征[J]. 高原气象, 36(5): 1176–1187. DOI:10.7522/j.issn.1000-0534.2016.00131
程志刚, 刘晓东, 范广洲, 等. 2011. 21世纪青藏高原气候时空变化评估[J]. 干旱区研究, 8(4): 669–676.
戴加洗. 1990. 青藏高原气候[M]. 北京: 气象出版社, 171-175.
戴升, 申红艳, 李林, 等. 2013. 柴达木盆地气候由暖干向暖湿转型的变化特征分析[J]. 高原气象, 32(1): 211–220. DOI:10.7522/j.issn.1000-0534.2012.00021
段安民, 刘青, 吴国雄. 2003. 青藏高原热状况与盛夏东亚降水和大气环流的异常[J]. 中国科学(地球科学), 33(10): 997–1004.
范广洲, 罗四维, 吕世华. 1997. 青藏高原冬季积雪异常对东、南亚夏季风影响的初步数值模拟研究[J]. 高原气象, 16(2): 140–152. DOI:10.3321/j.issn:1000-0534.1997.02.004
冯松, 汤懋苍, 王冬梅. 1998. 青藏高原是我国气候变化启动区的新证据[J]. 科学通报, 43(6): 633–636. DOI:10.3321/j.issn:0023-074X.1998.06.018
韩熠哲, 马伟强, 王炳赟, 等. 2017. 青藏高原近30年降水变化特征分析[J]. 高原气象, 36(6): 1477–1486. DOI:10.7522/j.issn.1000-0534.2016.00125
胡芩, 姜大膀, 范广洲. 2015. 青藏高原未来气候变化预估:CMIP5模式结果[J]. 大气科学, 39(2): 260–270.
计晓龙, 吴昊旻, 黄安宁, 等. 2017. 青藏高原夏季降水日变化特征分析[J]. 高原气象, 36(5): 1188–1200. DOI:10.7522/j.issn.1000-0534.2016.00119
李红梅, 李林. 2015. 2℃全球变暖背景下青藏高原平均气候和极端气候事件变化[J]. 气候变化研究进展, 11(3): 157–164. DOI:10.3969/j.issn.1673-1719.2015.03.001
李森, 董玉祥, 董光荣, 等. 2001. 青藏高原土地沙漠化区划[J]. 中国沙漠, 21(4): 418–427. DOI:10.3321/j.issn:1000-694X.2001.04.018
李晓英, 姚正毅, 肖建华, 等. 2016. 1961-2010年青藏高原降水时空变化特征分析[J]. 冰川冻土, 38(5): 1233–1240.
刘维成, 张强, 傅朝. 2017. 近55年来中国西北地区降水变化特征及影响因素分析[J]. 高原气象, 36(6): 1533–1545. DOI:10.7522/j.issn.1000-0534.2017.00081
刘晓东, 罗四维, 钱永甫. 1989. 青藏高原地表热状况对夏季东亚大气环流影响的数值模拟[J]. 高原气象, 8(3): 205–216.
龙妍妍, 范广洲, 李飞, 等. 2018. 高原夏季风对中国夏季极端降水的影响研究[J]. 高原气象, 37(1): 1–12. DOI:10.7552/j.issn.1000-0534.2017.00010
缪启龙, 张磊, 丁斌. 2007. 青藏高原近40年的降水变化及水汽输送分析[J]. 气象与减灾研究, 30(1): 14–18. DOI:10.3969/j.issn.1007-9033.2007.01.003
施雅风, 沈永平, 李栋梁, 等. 2003. 中国西北气候由暖干向暖湿转型的特征和趋势探讨[J]. 第四纪研究, 23(2): 152–164. DOI:10.3321/j.issn:1001-7410.2003.02.005
王青霞, 2014.青藏高原植被变化特征及未来变化趋势预估[D].兰州: 兰州大学.
王顺久. 2017. 青藏高原积雪变化及其对中国水资源系统影响研究进展[J]. 高原气象, 36(5): 1153–1164. DOI:10.7552/j.issn.1000-0534.2016.00117
王朕, 梁川, 张彦南. 2017. 青藏高原三江源区干湿变化特征及影响因素分析[J]. 水电能源科学, 35(2): 12–16.
韦志刚, 黄荣辉, 董文杰. 2003. 青藏高原气温和降水的年际和年代年际变化[J]. 大气科学, 27(2): 157–170. DOI:10.3878/j.issn.1006-9895.2003.02.03
吴绍洪, 尹云鹤, 郑度, 等. 2005. 青藏高原近30年气候变化趋势[J]. 地理学报, 60(1): 3–11. DOI:10.3321/j.issn:0375-5444.2005.01.001
叶笃正, 高由禧. 1979. 青藏高原气象学[M]. 北京: 科学出版社, 54-59.
张人禾, 苏凤阁, 江志红, 等. 2015. 青藏高原21世纪气候和环境变化预估研究进展[J]. 科学通报, 60(32): 3036–3047.
张镱锂, 李炳元, 郑度. 2002. 论青藏高原范围与面积[J]. 地理研究, 21(1): 1–8.
郑然, 李栋梁. 2016. 1971-2011年青藏高原干湿气候区界线的年代际变化[J]. 中国沙漠, 36(4): 1106–1115.
周秀骥, 赵平, 陈军明, 等. 2009. 青藏高原热力作用对北半球气候影响的研究[J]. 中国科学(地球科学), 52(11): 1679–1693.
Dynamic and Thermodynamic Effects on Climate Changes over the Qinghai-Tibetan Plateau in Response to Global Warming
WANG Yuqi1,2 , BAO Yan1 , NAN Sulan3     
1. 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;
2. Dandong Meteorological Bureau, Dandong 118000, Liaoning, China;
3. State Key Laboratory of Severe Weather, Chinese Academy of Meteorological Sciences, Beijing 100081, China
Abstract: Projected climate changes (indicated by P-E) in the Qinghai-Tibetan Plateau (QTP) in 21st century are accessed by 8 coupled climate models from the fifth Phase of the Coupled Model Inter-comparison Project (CMIP5), the possible dynamic and thermodynamic effects of large-scale general circulation on the QTP climate change are investigated based on the moisture budget equation. Results indicated the QTP is projected to be much warmer and wetter than historical period in future, with P-E increased by 17.9% in the wet season of May to September (or vegetation growing season) in the last 20 years of 21st century (from 2080 to 2099) under RCP8.5. Dynamic effects of mean flow change related to poleward expansion of Hadley cell are considered as the dominating factor of projected P-E increase, which contributes to 53% increment of P-E. Thermodynamic effects associated with specific humidity change contribute to 12% P-E increase. In the Three River Source (TRS) region where the most significant greening has been found in the QTP under RCP8.5, the positive feedback of vegetation to future climate change favor the region moisten. The uncertainty in our results highlight the need for understanding the interaction between land surface and regional climate, particularly incorporation more complicated vegetation-climate interactions mechanisms into the models to better quantify the vegetation feedback on climate change.
Key words: Qinghai-Tibetan Plateau (QTP)    climate change    dynamic and thermodynamic effects    CMIP5