青藏高原是全球气候变暖的敏感区。已有研究表明，青藏高原的升温速率远高于同期的全球平均值，具有显著的海拔依赖性，即在海拔4000-5000 m左右的雪线附近升温率速率最高，积雪反照率反馈机制是导致海拔5000米以下升温率随海拔升高而升高的重要原因，即雪线附近积雪减少速度较快、地面反照率降低、地表吸收太阳辐射增加，对气候变暖造成正反馈。但是，青藏高原上气象站分布稀疏且不均匀，遥感温度数据序列较短且易受高云量影响，再分析数据的空间分辨率较低，导致现有气温数据集难以精细刻画青藏高原升温速率的空间分布特征，特别是高海拔地区（>5000m），限制了对青藏高原升温海拔依赖性及其影响机制的进一步理解。
图1 基于MODIS数据所得气温递减率和基于网格内站点回归所得气温递减率进行再分析气温数据降尺度结果精度对比，分两种情景：再分析网格内至少有2个（a）或3个（b）站点。（Zhang et al., 2021, JAG）
图2 新发展气温产品（GB模型估算值）与最优再分析资料（JRA55降尺度）在100个国家气象站（common station）和13个高海拔独立站点（high-elevation station）的交叉验证精度对比。（Zhang et al., 2021, JAG）
基于新气温产品计算得到的升温速率空间分辨率与再分析资料相比得到大幅提高，并与最优再分析资料（即JRA55或ERA-Interim）保持了较为一致的升温速率空间分布特征（图3）。基于新气温产品，进一步分析了青藏高原不同高度带海拔依赖性升温的空间差异机制。结果表明：高程和多年积雪日数（SCD）是影响升温速率空间分布的两个重要因素（图4）。在图4的垂直方向上，升温速率的峰值高程在海拔4500-5000米，与前人研究较为一致，表明积雪反照率反馈机制可能起到了主导作用。研究发现，海拔2500-3000米的升温率峰值位于柴达木地区，可能与其特殊的下垫面和气候条件有关（例如，荒漠和少云等有利于快速加热地表）。在图4的水平方向上，升温速率随SCD增加而快速降低，表明积雪会通过消融和反射太阳辐射消耗掉可能用于升温的能量输入，对气候变暖具有“缓冲”效应。
图3 新气温产品与8种再分析资料的升温率空间分布对比：新产品（a）、NNRP-2（b）、20CRV2c（c）、JRA-55（d）、ERA-Interim（e）、MERRA-2（f）、CFSR（g）、GLDAS（h）和ERA5（i）。（Zhang et al., 2021, JAG）
图4 积雪（a）和冰川（b）对青藏高原海拔依赖性升温的影响。（Zhang et al., 2021, STE）
结合多年积雪日数的进一步分析发现，升温速率随海拔和SCD的变化趋势在青藏高原及其8个子区域高度一致。基于正交试验的方差分析表明，高程和SCD对青藏高原升温速率空间变化的总体贡献率分别为37%和22%，证实了SCD对解释青藏高原升温速率空间变化的重要性。为了进一步认识升温速率的海拔依赖性，研究团队构建了不同海拔范围的偏最小二乘路径模型。结果表明，高程对升温速率的总体影响在海拔5000米上下出现正负向翻转（图5b），这与高原总体升温速率随海拔的变化趋势一致（图5a）。在海拔5000米以下，积雪反照率反馈机制起主要作用，在图中表现为高程的直接影响较强（0.34），并可抵消高程-积雪日数（SCD）路径的间接负影响（即积雪的“缓冲”效应）（-0.25）；而在海拔5000米以上，高程的直接影响大幅降低（0.09），无法抵消经SCD的间接负影响（-0.2），表明积雪的“缓冲”效应可能是导致5000米以上升温率随海拔升高而下降的主要原因。
图5 青藏高原总体升温率随海拔的变化（a）及不同高程范围的偏最小二乘路径分析（b-c）。（Zhang et al., 2021, STE）
近期，上述成果陆续在《International Journal of Applied Earth Observation and Geoinformation》（JAG）和《Science of The Total Environment》（STE）期刊在线发表。两篇论文的通讯作者均为我所张凡研究员，第一作者为我所毕业的张宏波博士（现为中国农业大学副教授）。上述研究工作获得第二次青藏高原综合科学考察研究专项（2019QZKK0203）、中国科学院战略性科技先导专项（XDA20060202）和国家自然科学基金项目（41701079）资助。
相关论文：
1.Zhang, H., Immerzeel, W. W., Zhang, F.*, de Kok, R. J., Gorrie, S. J., Ye, M. (2021). Creating 1-km long-term (1980–2014) daily average air temperatures over the Tibetan Plateau by integrating eight types of reanalysis and land data assimilation products downscaled with MODIS-estimated temperature lapse rates based on machine learning. International Journal of Applied Earth Observation and Geoinformation
论文链接：https://www.sciencedirect.com/science/article/pii/S0303243421000015
2.Zhang, H., Immerzeel, W. W., Zhang, F.*, de Kok, R. J., Chen, D., Yan, W. (2021). Snow cover persistence reverses the altitudinal patterns of warming above and below 5000 m on the Tibetan Plateau. Science of The Total Environment
论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0048969721049640
