游慶龍， 康世昌， 李劍東， 陳德亮， 翟盤茂， 吉振明

（1.復旦大學 大氣科學研究院大氣與海洋科學系，上海 200438；2.中國氣象局復旦大學海洋氣象災害聯(lián)合實驗室，上海 200438；3.中國科學院 西北生態(tài)環(huán)境資源研究院冰凍圈科學國家重點實驗室，甘肅蘭州 730000；4.中國科學院大學，北京 100049；5.中國科學院 大氣物理研究所大氣科學和地球流體力學數(shù)值模擬國家重點實驗室，北京 100029；6.瑞典哥德堡大學地球科學系，瑞典哥德堡 40530；7.中國氣象科學研究院，北京 100081；8.中山大學 大氣科學學院，廣東珠海 519082；9.南方海洋科學與工程廣東省實驗室（珠海），廣東珠海 519082）

0 引言

青藏高原（以下簡稱高原）下墊面復雜，冰川、凍土、湖泊等廣泛發(fā)育（圖1），被譽為地球第三極和“亞洲水塔”，在我國氣候系統(tǒng)穩(wěn)定、水資源供應、生物多樣性保護、碳收支平衡等方面具有重要的生態(tài)安全屏障作用，也處于“泛第三極”和“一帶一路”的核心區(qū)［1-12］。在全球變暖背景下，高原正經歷顯著升溫且未來將持續(xù)增暖，生態(tài)環(huán)境和氣候系統(tǒng)正在顯著發(fā)生變化，如氣候變暖和變濕、水循環(huán)加強、生態(tài)系統(tǒng)總體趨好、冰川消融、凍土退化和沙漠化加劇等［1-2，5，13-14］。高原是中緯度地區(qū)冰凍圈發(fā)育最廣泛的區(qū)域，在受氣候變化影響的各圈層中，高原冰凍圈首當其沖，是對氣候系統(tǒng)的反饋作用較為顯著和快速的圈層［7-8，15-17］。在高原大氣圈加速變暖過程中，冰凍圈及其環(huán)境正在發(fā)生顯著改變，如積雪期縮短、冰川物質持續(xù)虧損、冰川躍動和冰崩加劇、多年凍土溫度升高和持續(xù)退化等［15，18-25］。高原氣候快速變暖及其帶來的一系列影響，得到科學界廣泛關注，是目前地球系統(tǒng)科學研究的熱點區(qū)域之一。

圖1 青藏高原自然環(huán)境示意圖。湖泊［26］、冰川［27］、凍土［28］數(shù)據(jù)來自國家青藏高原科學數(shù)據(jù)中心（http：//data.tpdc.ac.cn）；積雪、湖冰、冰川和多年凍土面積數(shù)據(jù)來自（姚檀棟等，2019）［29］；氣象觀測站點數(shù)據(jù)來源于中國氣象局Fig.1 The environment of the Tibetan Plateau（TP）.The data on lakes［26］，glaciers［27］，and permafrost［28］are from the National Tibetan Plateau Scientific Data Center（http：//data.tpdc.ac.cn）；the area data on snow，lake ice，glaciers and permafrost are from Yao et al.，（2019）［29］and the meteorological observational sites are from the China Meteorological Administration

本文主要基于前人研究成果，通過梳理和分析近年來高原氣候變化研究的主要進展，包括極端氣候事件變化及其與大氣環(huán)流的關系、變暖放大效應和海拔依賴型增暖特征和機制、再分析資料在高原的適用性和模式模擬的不確定性，以及未來氣候變化預估幾個方面，并且提出在全球變暖背景下高原氣候變化研究中存在的主要問題與挑戰(zhàn)，進而為未來高原氣候變化研究提供思路與啟發(fā)。

1 高原氣候變化研究主要進展

1.1 高原極端氣候事件變化及其與大氣環(huán)流的關系

在全球變暖背景下，極端氣候事件頻率、強度和持續(xù)時間正在發(fā)生改變，由于其對社會經濟、生命財產以及生態(tài)系統(tǒng)的災害影響而受到越來越多的關注［30-31］。已有研究利用地面觀測臺站揭示了高原氣溫和降水極端氣候事件指標的時空變化特征，得出20世紀60年代以來，高原大部分地區(qū)與日最低氣溫相關的極端事件（冷夜、持續(xù)冷期、霜日和冰凍日）的變化趨勢普遍減少，而與日最高氣溫相關的極端事件（熱晝和持續(xù)暖期）則普遍從無顯著變化轉變?yōu)轱@著增強，其變化幅度高于中國和全球平均水平；極端降水事件指標（強降水量、強降水率、極強降水量、極強降水率、連續(xù)濕日、連續(xù)干日）和降水極值（最大一日降水量、最大連續(xù)五日降水量）總體上沒有發(fā)現(xiàn)顯著變化趨勢。但高原極端降水變化趨勢仍存在一定的區(qū)域性特征，特別是在高原中部極端強降水事件、極值和連續(xù)濕日數(shù)存在顯著的減小趨勢［1，25，32-33］。高原極端降水事件變化可能與大尺度環(huán)流異常有關，如偏南氣流在高原地區(qū)增強，使得孟加拉灣向北水汽輸送明顯加強，從而引起高原夏季極端降水事件的增加；同時，近幾十年來冬季歐亞大陸的反氣旋系統(tǒng)和氣旋系統(tǒng)之間的氣壓梯度加大，導致經向環(huán)流減弱和西風急流加強，通過環(huán)流調整增加高原上空水汽輸送，也引起了高原冬季極端降水事件的變化［34］。研究也發(fā)現(xiàn)高原極端降水事件變化與風暴軸變化有關，具體物理機制如下：北大西洋風暴軸加強（減弱），瞬變波對基本氣流的強迫作用加強（減弱），高緯西風加速（減弱），進而通過羅斯貝波列造成高原極端降水事件減少（增加）［35-36］。高原強降雪極端事件也與西風急流變化異常密切相關，研究指出了高原北支高空西風急流和南支高空西風急流的強度變化以及南北移動呈現(xiàn)明顯的反位相變化特征，二者的協(xié)同配置顯著地影響高原強降雪極端事件的年際變率：南支高空西風急流加強背景下，西伯利亞地區(qū)出現(xiàn)暖高壓異常，北支高空西風急流被異常的東風削弱，高原到中國東部出現(xiàn)冷低壓異常，西風異常加強，南支高空西風急流南、北側產生兩個次級環(huán)流，在高原上方產生異常上升運動，產生極端強降雪事件［37］。從大尺度大氣環(huán)流角度來闡述和解析高原極端氣候事件變化及成因，已成為高原現(xiàn)代氣候變化研究的前沿科學問題之一。

1.2 高原變暖放大效應與海拔依賴型變暖特征及物理機制

高原變暖放大效應是指高原地面氣溫升溫幅度高于中國、同緯度地區(qū)以及全球平均水平的現(xiàn)象［圖2（a）］［38-39］。高原變暖放大效應現(xiàn)象在過往研究中已有提及，如不少學者通過地面觀測臺站、遙感衛(wèi)星以及氣候多模式等多源數(shù)據(jù)集［34，40-49］分析表明高原20世紀后半葉的變暖（20世紀50年代初）要早于北半球的趨勢（20世紀70年代中期），在過去半個世紀以來變暖趨勢明顯，平均氣溫變暖的趨勢與海拔密切相關，且高原的升溫速率具有明顯的季節(jié)差異［24，45，50］。

圖2 1979—2018年高原及全球、北半球、25°～40°N、中國年平均氣溫基于1979—2018平均的距平序列（a）以及五套再分析時間序列（b），**為通過95%顯著性檢驗［49］Fig.2 Time series and trends of annual surface mean temperature anomalies with respect to the means during 1979—2018 over the TP，the whole of China，regions between 25°N and 40°N，the Northern Hemisphere，and the global mean（a），and time series of annual surface mean temperature over the TPare from five reanalysisdata（b），the trends passed the significant test（P＜0.05）are marked by double asterisks［49］

海拔依賴型變暖（Elevation dependent warming）是指變暖速率隨著海拔的增加而系統(tǒng)性變化的空間模態(tài)和物理現(xiàn)象［51-53］。雖然高原變暖放大效應達成共識，但其是否有海拔依賴型變暖存在學術爭議。前人研究表明與高原周圍地區(qū)相比，高海拔地區(qū)臺站氣候變暖更明顯，且更高海拔的地區(qū)日最低氣溫的增溫速率更大，且在冬季和春季較明顯，并通過數(shù)值模擬得以證實［40］。從氣候多模式輸出得出海拔依賴型變暖可能會在未來氣候變化情景氣候下持續(xù)增強［43］，該機制可用來解釋高海拔地區(qū)冰芯重建的快速變暖［50，54-55］?；?000—2006年中分辨率成像光譜儀（MODIS）數(shù)據(jù)所得的高原氣溫趨勢與地表觀測的趨勢一致，在高原海拔3 000～5 000 m之間存在海拔依賴型變暖，但在海拔5 000 m以上此現(xiàn)象不明顯［56］?；赪RF模式模擬發(fā)現(xiàn)兩種排放情景（RCP4.5和RCP8.5）下2016—2035年和2080—2100年高原最大變暖速率出現(xiàn)在海拔5 000 m附近，其以上不存在海拔依賴型變暖特征［57］。最新的研究集成了高原的地面觀測臺站、MODIS遙感衛(wèi)星地表溫度、6套再分析資料以及21個CMIP5模式模擬氣溫數(shù)據(jù)等，對高原海拔依賴型變暖開展了系統(tǒng)的研究工作［58］，指出了由于高原觀測數(shù)據(jù)缺乏以及再分析、模式資料應用的偏差，高原存在正、負以及不顯著海拔依賴型變暖，其空間模態(tài)和物理機制在很大程度上仍然是未知等問題［58-60］。同時研究揭示了冰/雪-反照率反饋、云反饋、水汽反饋、氣溶膠反饋以及土地利用變化、臭氧和植被變化等熱力、動力及生物物理機制等在詮釋高原海拔依賴型變暖上的前提條件和局限性（圖3），給出了控制高原海拔依賴型變暖的主要物理機制還未達成共識的原因［58］。

圖3 高原變暖放大效應和海拔依賴型變暖的物理機制示意［39］Fig.3 Schematic diagram of the physical mechanisms controlling the profile of TPamplification and elevation dependent warming over the TP［39］

高原西部資料缺乏特別是海拔5 000 m以上的觀測十分有限，該地區(qū)氣候變化（比如變暖特征、趨勢幅度、年際和年代際特征等）的研究較少，高原變暖放大效應及海拔依賴型變暖現(xiàn)象及其具體物理機制在高原西部地區(qū)缺乏研究，該領域將會是高原大氣圈和冰凍圈相互作用方面的重要研究課題。

1.3 再分析資料在高原氣候變化研究的適用性

再分析資料是指由不同業(yè)務數(shù)值預報模式的同化系統(tǒng)同化或融合地面或高空站定時觀測資料、衛(wèi)星等非定時觀測資料，以及模式外推計算結果后產生的實時模式產品資料［61-62］。高原冰川、湖泊、凍土、高寒草甸等各種自然要素共存，下墊面復雜，且由于復雜的地形、自然條件嚴酷、環(huán)境艱苦和氣候惡劣，高原常規(guī)地面觀測臺站稀少，限制了對高原資料稀缺區(qū)氣候變化的了解。不少研究已經開展了多套再分析資料的氣溫［63］、土壤溫濕度［64］、水汽［65］等數(shù)據(jù)在高原氣候變化研究中的適用性評估。整體而言，不同再分析數(shù)據(jù)在同一要素上的刻畫能力不同，同一套再分析數(shù)據(jù)在不同要素上的適用性也存在較大差異。

再分析與觀測資料的比較與研究多集中在高原氣溫的空間分布、變化趨勢與誤差成因等方面。對6種再分析產品（MERRA、NCEP/NCAR、CFSR、ERA-40、ERA-Interim和GLDAS）進行評估后發(fā)現(xiàn)，ERA-Interim和MERRA在日和月氣溫綜合表現(xiàn)上與高原觀測數(shù)據(jù)最為接近［63］。NCEP/NCAR和ECMWF再分析資料在高原地區(qū)沒有顯示明顯的變暖和較大的地域差別，再分析氣溫資料尤其是NCEP/NCAR地面氣溫資料在高原上明顯偏低［66］。相對于地面觀測臺站，NCEP/NCAR多為減少趨勢，但趨勢幅度和年平均氣溫之間的關系在一定程度上較好。再分析資料低估地表氣溫的趨勢可能是由于再分析系統(tǒng)采用與實際不一致的地形同化模型所致［67］。ERA-40與高原地表變暖的趨勢更為接近，這可能是因為ERA-40的氣溫資料同化了地面觀測臺站而NCEP/NCAR卻沒有同化［68］。對比高原地面臺站與ERA-40地表氣溫數(shù)據(jù)發(fā)現(xiàn)，ERA-40較少受局地的影響，同化系統(tǒng)使用的模式與真實地形有所不同，其氣溫偏差主要是由于臺站和網格點之間海拔所造成［69］。然而，在地面觀測臺站數(shù)據(jù)中氣溫趨勢幅度與年平均氣溫顯著的關系在ERA-40不太明顯，同化模型中地表各種參數(shù)也可能是造成差異的部分原因，但還需要進一步研究［70］。

最近的研究比較了高原地表海拔2 000 m以上的150個臺站與同區(qū)域的多套再分析資料（NCEP1、NCEP2、ERA-Interim、MERRA、JRA55）氣溫變化趨勢。整體而言，除NCEP2外，多數(shù)再分析資料能刻畫高原近期變暖趨勢［圖2（b）］，趨勢的空間分布也是如此（圖4）。與觀測臺站相比，NCEP1、NCEP2、ERA-Interim、MERRA、JRA55、CFSR等再分析資料數(shù)據(jù)在年和季節(jié)上都有冷偏差，年際偏差在67.4%（JRA55）到133.6%（NCEP2）之間。這種偏差可能與高原本身復雜的地形、模式空間分辨率及物理過程不完善以及稀少的地面、高空資料導致的同化結果有關；其差異也可能是一種系統(tǒng)性偏差，如觀測資料的不確定性、數(shù)值預報模式誤差和同化方法誤差等系統(tǒng)性誤差共同作用的結果［34］。多套再分析資料與地面觀測臺站的氣溫差異和同化地形差異呈負相關，表明再分析同化地形與觀測海拔之間的差異在一定程度上可以解釋冷偏差。在大多數(shù)情況下，同化高程模型的海拔高于地面觀測臺站的海拔高度，因為地面觀測臺站多位于平坦和谷底地區(qū)，表明在復雜的高原進行氣溫訂正時準確的氣溫遞減率至關重要［41，70-71］。最近基于地形因子指數(shù)和氣溫遞減率建立了高原再分析資料誤差訂正方法，可以消除45%的再分析冷偏差，尤其是JRA55和MERRA資料［49］。由于大多全球再分析數(shù)據(jù)分辨率低，在高原地形復雜（喜馬拉雅山、昆侖山、祁連山等等）地區(qū)的應用存在較大偏差，也有學者利用數(shù)據(jù)同化系統(tǒng)生成高原地區(qū)的再分析數(shù)據(jù)集［72］，為精細化研究高原氣候變化提供了數(shù)據(jù)支撐。

圖4 1979—2018高原年和季節(jié)地面觀測臺站以及五種再分析資料氣溫變化趨勢分布圖，網格處為通過95%顯著性檢驗［49］Fig.4 Spatial distribution of temporal trends of surface mean temperature from the observation and five reanalysis data over the TPon the annual and seasonal basis，and the trends passed the significant test（P＜0.05）are marked by grids［49］

1.4 氣候模式在高原的模擬偏差及主要不確定性

由于全球氣候模式分辨率較低、且受物理過程和動力框架設計的限制，目前氣候模型對資料稀缺地區(qū)的氣候變化模擬特別是極端氣候事件模擬還十分欠缺，地形復雜區(qū)域降水發(fā)生頻率和降水量模擬偏差較大，模擬出的極端降水事件就更加粗糙［73-77］。近年來高原氣候變化及極端氣候事件多基于耦合模式比較計劃第三和第五階段（CMIP3和CMIP5）全球氣候模式和降尺度相結合的模擬結果。基于氣候模式和統(tǒng)計降尺度分析方法的高原氣溫極值預估研究指出，21世紀高原極端高溫和極端低溫的概率變化均與平均氣溫的增暖趨勢一致，但高原中部地區(qū)的極端高溫對氣候變暖的敏感性明顯強于極端低溫，呈現(xiàn)明顯的區(qū)域差異特征［1-2，25，33］?；贑MIP5多模式集成預估未來高原地區(qū)氣溫和降水均將呈增加趨勢，且輻射強迫情景越高預估的氣溫和降水變化越大，其變化速度高原中國和全球平均水平（圖5）。全球氣候模式在高原地形刻畫上存在不足，預估的水汽輸送和干濕變化與觀測資料有差異，氣候模式能較好地模擬出年和季節(jié)平均地表氣溫和降水分布型，但在高原都存在“冷偏差”和“濕偏差”［78-83］。例如，CMIP5模式低估了高原地區(qū)年和季節(jié)平均地表氣溫，年均平均偏低2～3℃，秋季和冬季冷偏差相對更大；CMIP5模式對高原地區(qū)降水模擬能力較差，模擬的年和季節(jié)降水量普遍偏大，年均降水平均偏多1.3 mm·d-1，這主要是源于春季和夏季降水被高估［78］?；跉夂蚰Ｊ筋A估的極端氣候事件未來變化結果表明21世紀高原地區(qū)極端氣溫和極端降水強度均顯著增加，最長連續(xù)干旱天氣減少，但預估不確定性較大，年均氣溫、極端高溫和極端低溫均顯著升高，平均及極端強降水均顯著增加［81］。相比全球氣候模式，區(qū)域氣候模式水平分辨率較高且物理過程參數(shù)化方案較完善。以低分辨率的全球氣候模式結果作為初始場和邊界條件來驅動高分辨率的區(qū)域氣候模式的運行，捕捉中小尺度的強迫信號，在地形復雜區(qū)域可得到相對精細化和可靠的模擬結果，特別是針對青藏高原地區(qū)，動力降尺度可以有效地改進全球模式存在的模擬冷偏差［84］。有學者在高原開展區(qū)域尺度氣候模擬，并研究“國際區(qū)域氣候降尺度試驗”計劃（CORDEX）和高亞洲地區(qū)精細化數(shù)據(jù)（HAR）在高原氣候變化的適用性，提高氣候模擬精度和減少誤差［85-88］。

圖5 全球、北半球、北半球陸地、25°～40°N、中國以及青藏高原在未來三種排放情景下2006—2100年氣溫［（a），（c），（e）］和降水［（b），（d），（f）］變化的預估（相對1850—1900年）［38］Fig.5 Regionally-averaged surface annual mean temperature［（a），（c），（e）］and precipitation［（b），（d），（f）］（relative to 1850—1900）over the TP，the whole China，regions between 25°N and 40°N，Northern Hemisphere，Northern Hemisphere land，and the global mean during 2006—2100，projected under three Representative Concentration Pathways（RCP）scenarios in the future［38］

近年來，對流可分辨（convection-permitting modeling，亦稱作對流允許）模擬是數(shù)值模式應用和發(fā)展的熱點方向［89］。早期的大氣環(huán)流模式雖然能較好地再現(xiàn)大尺度氣候要素的平均特征，但其分辨率普遍在100 km以上，難以對中小尺度系統(tǒng)和局地極端天氣氣候事件進行較準確的描述。由于對流過程的空間尺度遠小于模式網格尺度，模擬對流降水實際是由網格內對流參數(shù)化方案產生，這些參數(shù)化方案對真實對流過程的表述通常較為簡單且粗糙，因此通常被認為是模擬誤差和不確定性［90］的重要來源。當模式水平分辨率達到4 km［91］或者更精細時，模式具有顯式模擬深對流物理過程的能力［92-94］，可改進中小尺度對流降水的模擬效果［95-97］。此類超高分辨率的模式在模擬時可以考慮關閉對流參數(shù)化方案，避免對流參數(shù)非正確表達而出現(xiàn)的模擬錯誤，改進模式對地形和局地地表強迫的表現(xiàn)能力。研究表明，對流可分辨對青藏高原降水模擬有較大的潛在增量［98-99］。有研究團隊最近在WCRP（World Climate Research Programme）下面的CORDEX框架下實現(xiàn)了青藏高原區(qū)域的對流解析分辨率模擬，可為復雜山區(qū)和觀測站點稀缺的中西部地區(qū)提供相對可靠的降水數(shù)據(jù)［100］。

氣候變化模擬研究的不確定性主要來自氣候系統(tǒng)的內部變率、模式對外強迫響應的不確定性及排放情形等三個方面［101-102］。高原地表溫度及變暖的模擬偏差與氣候模式中大氣云輻射參數(shù)化過程及對關鍵云輻射特性的描述能力不足緊密聯(lián)系［30，103］，而與地表狀況（特別是積雪和地表反照率）有關的陸面過程模擬偏差也是造成模擬偏差的重要原因［104］。眾多研究認為多模式加權集合是減少模式不確定性的重要手段，并提出一些減少不確定性的方法，如可靠性加權平均、秩和比法、貝葉斯模式平均等集合加權方法［81，101-102，105］。同時，通過建立大尺度環(huán)流背景和觀測資料構建模式，對分辨率較粗的模式輸出變量進行統(tǒng)計次網格化，其計算量小且耗時少，能夠直接與區(qū)域觀測信息相結合，可靈活應用于特定研究目的，使其在近年來得到快速發(fā)展，相繼出現(xiàn)了一些成熟的降尺度模型，并用于氣候變化預估及影響評估工作［73-74，77，106］。未來針對于氣候模式在高原資料稀缺地區(qū)應用的偏差特征，特別是針對高原冰凍圈要素的模擬，開展專門的模式能力評估，研究合適于復雜地形降尺度方法，減少模式應用的不確性，以期服務于高原氣候變化研究。

1.5 不同升溫閾值下高原氣候變化的預估及其風險評估

2015年12月在巴黎召開的氣候變化大會上通過《巴黎協(xié)定》，其中明確指出：把全球平均增暖控制在較工業(yè)化前水平2.0℃以內，并為把增暖控制在1.5℃以內而努力，以降低氣候變化所引起的風險與影響［107］。政府間氣候變化專門委員會（IPCC）于2018年10月8日在韓國仁川發(fā)布《IPCC全球升溫1.5℃特別報告》，再次使全球的目光聚焦于1.5℃［108］。基于此，不少國內外專家學者研究了全球和區(qū)域范圍內全球升溫1.5℃和2.0℃的氣候變化特征以及額外升溫0.5℃的差異，結果表明將會對包括極端天氣和氣候事件、冰川、海平面、人體健康、糧食生產、水資源和生態(tài)系統(tǒng)等在內的社會經濟等多個方面產生深刻的影響［108-109］。同時研究還發(fā)現(xiàn)降水的變化隨氣溫升高呈現(xiàn)線性遞增，強降水發(fā)生頻次也明顯增加，隨著溫度持續(xù)升高，超過一定閾值后的高溫熱浪天數(shù)隨溫度增加呈現(xiàn)出非線性增長關系［110］。然而從IPCC第五次評估報告可以看到21世紀末全球平均地表氣溫除RCP2.6以外的所有情景都超過2.0℃［30，109］。世界銀行2012年發(fā)布的報告指出：如果全球達到4℃升溫閾值，在很多地區(qū)將會出現(xiàn)破紀錄的極端氣候事件如高溫熱浪事件和極端干旱、洪澇事件，而升溫達到或超過4℃將導致糧食生產、水資源和生態(tài)系統(tǒng)等處于高或非常高的風險水平，對其構成嚴峻的威脅。因此世界各國必須盡一切努力避免出現(xiàn)2.0℃增溫以防止帶來災難性的后果［111］。《IPCC全球升溫1.5℃特別報告》還特別指出在未來升溫背景下極端氣候事件以及生態(tài)系統(tǒng)將會出現(xiàn)一些不可逆的“緩變”事件，譬如積雪和冰量減少以及海平面上升等［108］。未來升溫加劇背景下，氣候變化系統(tǒng)將出現(xiàn)一些不可逆的“臨界”狀態(tài)，一旦觸發(fā)“臨界”狀態(tài)，氣候系統(tǒng)就會進入新的平衡態(tài)，將對自然和人類系統(tǒng)帶來更大的氣候風險［108-109，112］。

已有研究表明全球升溫1.5℃和2.0℃閾值下，高原變暖幅度明顯更大（圖6），在RCP4.5/RCP8.5情景下，高原區(qū)域平均的平均、最高、最低氣溫變暖分別為2.1℃/2.1℃和3.0℃/2.9℃、2.0℃/2.0℃和2.9℃/2.8℃、2.3℃/2.3℃和3.2℃/3.1℃，冬季平均氣溫的變暖幅度（2.2℃/2.3℃和3.1℃/3.1℃）較其他季節(jié)更大；從空間分布形勢上看，年變暖呈西南高東北低的分布，而春、冬變暖呈南高北低的分布，夏、秋變暖則呈西高東低的分布［113］。有研究還預估了全球升溫1.5℃和2.0℃時高原春季和冬季雪水當量的變化特征以及全球升溫1.5℃和2.0℃的空間差異，結果表明高原冬、春季積雪水當量在未來將持續(xù)減少，春季減少幅度大于冬季，在全球升溫1.5℃和2.0℃背景下減少最大的區(qū)域為高原西部，與同期變暖顯著區(qū)域一致。發(fā)現(xiàn)全球升溫1.5℃和2.0℃背景下高原積雪水當量趨勢不是簡單的海拔依賴關系，而是在模式模擬結果的4 000～4 500m的海拔范圍損失最大，可能是由于表面反照率、云、水汽等因子的海拔依賴型空間模態(tài)的貢獻所致［114］。

圖6 歷史（Historical）與未來RCP2.6、RCP4.5和RCP8.5情景下CMIP5模式模擬的多模式集合平均（MMEM）的全球平均（a）和高原平均（b）1850—2100年的平均地表氣溫序列，以及平均地表氣溫首次達到或超過工業(yè)革命前（1850—1900）1.5℃、2.0℃和3.0℃的年份［38］Fig.6 Global-averaged（a）and Tibetan Plateau-averaged（b）surface annual mean temperature during 1850—2100 from the multi-model ensemble mean（MMEM）of the CMIP5 model simulations under the historical run，RCP2.6，RCP4.5 and RCP8.5，respectively.Years in the MMEM at which the surface annual mean temperature reaches or exceeds 1.5℃、2.0℃and 3.0℃above pre-industrial levels（1850—1900）for the first time are presented［38］

整體而言，由于高原是中緯度地區(qū)冰凍圈發(fā)育最集中的區(qū)域，研究全球升溫1.5℃和2.0℃背景下高原氣候變化的特征，特別是升溫更高的閾值背景下極端氣候事件變化以及其帶給高原冰凍圈不可逆的“臨界”狀態(tài)研究，分析和理解其非線性變化過程以及潛在氣候風險等科學問題顯得尤為現(xiàn)實而緊迫。

2 高原氣候變化前沿科學問題展望

2.1 深入認識高原復合極端事件變化及其生態(tài)環(huán)境影響

復合極端事件（compound extreme/concurrent extreme）一般有三種定義方法：一是至少有兩種極端事件同時或持續(xù)發(fā)生；二是多種極端事件的組合事件比其中任何一個事件的影響程度要大（即復合事件的影響放大效應）；三是盡管兩個以上事件中的任何一個事件沒有達到極端事件程度，但當它們組合能導致極端事件的產生，并造成一定的破壞力［30，108］。相對于單要素極端事件，復合極端事件往往對人類社會和環(huán)境造成更大破壞性影響［115］。有關極端天氣氣候災害事件的研究主要集中在單變量或單類型事件（例如極端高溫、極端降水）的分析，對于復合極端事件的研究較為薄弱且關注較少，特別是針對于高原獨特自然環(huán)境的復合極端事件變化研究缺乏。

高原對于全球增暖的響應較為敏感，在極端天氣氣候狀態(tài)下，高原冰凍圈和生態(tài)系統(tǒng)發(fā)生相關聯(lián)的變化可能產生級聯(lián)放大的影響。雖然高原人口分布較為稀少，但高原生態(tài)環(huán)境正在遭受復合極端氣候事件變化帶來的改變，如持續(xù)高溫和極端強降水事件等極端氣溫和降水事件持續(xù)增加和相互關聯(lián)將導致高原冰川不穩(wěn)定性增加，進而導致冰川災害風險的發(fā)生，大陸型冰川（發(fā)育于降水稀少的大陸性氣候地區(qū)，主要分布在高原內陸）和海洋型冰川（發(fā)育于降水豐沛的海洋性氣候地區(qū)，主要分布在高原東南部）都出現(xiàn)了冰崩、冰湖潰決等災害；同時多年凍土的退化也導致山區(qū)不穩(wěn)定性增強，導致滑坡等災害發(fā)生，對該地區(qū)生命和財產安全帶來重大威脅［6，9，15，20，22-24，48，50，116-118］。持續(xù)時間長的極端高溫事件和極端無降水事件更容易造成高原大范圍的生態(tài)失衡，從而對以高原為核心的“亞洲水塔”為源頭的十多條江河產生重大影響，如長江、黃河、印度河、恒河、布拉馬普特拉河、湄公河等，直接關系到約16億人口的生產和生活［5，14，38，58，81，119-124］。識別高原復合極端事件規(guī)律及其對生態(tài)環(huán)境產生的影響，已受到了政府部門、社會公眾和科研界的廣泛關注。

2.2 結合機器學習加強高原資料稀缺地區(qū)氣候變化研究

如何利用有限的站點資料進行高原資料稀缺地區(qū)的插值和填補，形成高分辨率的且空間分布合理的氣象氣候數(shù)據(jù)集一直是一個難點［125-126］。國內外研究機構目前已建立了不同版本的全球或區(qū)域格點數(shù)據(jù)集，這些數(shù)據(jù)集已成為很多研究工作的參考依據(jù)。但受制于高原高海拔，惡劣氣候、復雜地形的影響，現(xiàn)存數(shù)據(jù)集在該地區(qū)的應用分析還存在很大的不確定性和低可信度，難以滿足多數(shù)科學研究和氣象業(yè)務的需求。機器學習方法的應用與發(fā)展，在高性能計算機、“大數(shù)據(jù)”和先進算法的支持下，為提高資料稀缺地區(qū)的數(shù)據(jù)集構建和生成提供了新的思路和契機［126］。深度學習是機器學習的一個重要分支，其算法包括卷積神經網絡、循環(huán)神經網絡、生成對抗網絡和深度強化學習［127］。生成對抗網絡模型（generative adversarial network，GAN）是一種成熟的深度學習，可以將缺失的圖像補全為一幅完整的圖像［128］。基于生成對抗網絡優(yōu)越的數(shù)據(jù)生成性能，可以使用生成對抗網絡理論來建立神經網絡模型，確定變量場自身時空變化特征及與相關變量間的關系，從而實現(xiàn)高原氣候變化多元數(shù)據(jù)集，特別是高分辨率氣候要素場的重建。另外，為快速高效地獲取高時空分辨率的氣候數(shù)據(jù)集，也可以針對現(xiàn)有分辨率較低的產品做升尺度處理。與此類似，在深度學習中，也包含一些新興的超分辨率重建技術，如通過多層卷積神經網絡建立輸入和輸出之間非線性端對端的映射關系，將已有的低分辨率圖像轉換成高分辨率圖像。并將采用超分辨卷積神經網絡、高效子像素卷積網絡等超分辨率網絡技術對數(shù)據(jù)集進行升尺度處理，以獲取高精度大范圍的氣候要素數(shù)據(jù)集［126］。

基于現(xiàn)有高原觀測資料和第二次青藏高原綜合科學考察研究成果，結合機器學習等方法填補高原資料稀缺地區(qū)數(shù)據(jù)缺陷，構建高時空水平分辨率的氣候變化數(shù)據(jù)集，為深入開展精細化的高原氣候變化提供重要思路。

2.3 深化高原海拔依賴型變暖空間模態(tài)與機理及影響研究

高原海拔依賴型變暖的空間和區(qū)域差異性以及主導機制目前還存在爭論［58，123］。受觀測臺站、研究時段與研究手段限制，過去很少有系統(tǒng)地分析高原海拔依賴性變暖的規(guī)律與機制，目前缺乏較系統(tǒng)的南亞季風區(qū)、西風區(qū)以及兩者過渡區(qū)的高原海拔依賴性變暖特征與機理研究。由于高原地面觀測資料的缺乏以及模式模擬的不確定性，目前關于高原海拔依賴型變暖的研究還有很大提升空間。一方面關于增暖和積雪融化的海拔依賴型在多大時間尺度和空間尺度上存在有待進一步研究，同時其他一些要素的變化，如相關輻射要素、植被等在全球變暖背景下是否存在海拔依賴型也值得研究；另一方面考慮到海拔依賴型增暖的主導機制在不同時間尺度（如季節(jié)、年際等）和不同區(qū)域存在很大差異，需要增加相關定量研究（表1）。在全球變暖背景下，高原海拔依賴型變暖研究內容不斷豐富與擴展，包括氣候模式模擬中海拔依賴型的刻畫與量化、氣候代用指標重建海拔依賴型變暖的代表性、亞洲夏季風和海拔依賴型變暖的相互作用、海拔依賴型變暖對未來環(huán)境和水資源變化的重要性以及在極高海拔地區(qū)對海拔依賴型變暖理解的欠缺等科學問題［58］。鑒于此，未來需要結合觀測、衛(wèi)星遙感以及高分辨率模式輸出數(shù)據(jù)，利用多源資料和多方法，建立更全面的大氣圈與冰凍圈要素立體觀測網絡，對高原海拔依賴型變暖空間模態(tài)、機理及影響進行更系統(tǒng)的研究，有助于為預估極高海拔地區(qū)冰凍圈的變化提供基礎。

表1 高原溫度響應的物理機制［58］，包括平均溫度（T mean）、最高溫度（T max）和最低溫度（T min）的響應Table 1 The physical mechanism of TPtemperature response［58］，the temperature response includes mean temperature（T mean），maximum temperature（T max）and minimum temperature（T min）

2.4 加強多源再分析資料在高原氣候變化的適用性研究

由于高原大部分地區(qū)缺乏地面觀測，再分析資料是研究高原強有力的工具之一。近年來，隨著地面站點觀測、衛(wèi)星遙感、數(shù)值模式模擬等數(shù)據(jù)和同化手段更新與發(fā)展，再分析資料推陳出新，目前使用較多的再分析資料包括ERA5、ERA-20C、ERA-20CM、ERA-Interim、JRA-55、JRA-55C、JRA-55AMIP、MERRA-2、NCEP CFSR、NOAA-CIRES 20CRv2c、NOAA-CIRES-DOE 20CRv3等（表2）。由于不同再分析資料采用了不同的同化方案和預報模式，所同化的觀測資料也不同，加之高原本身下墊面的復雜性和觀測數(shù)據(jù)的稀缺，再分析資料在高原的適用性和可信性亟待研究。盡管前面所涉及也有不少研究開展過再分析資料在高原氣候變化研究中的適用性，但多基于單一要素和有限的再分析資料，整體而言再分析資料是時間和空間分辨率較高的數(shù)據(jù)集，在高原氣候變化研究中發(fā)揮著極其重要的作用，但是氣溫和降水以及各種環(huán)流資料與觀測實測值相比存在一些偏差，在使用時需要特別引起注意。同時有些再分析資料由于同化觀測數(shù)據(jù)較少，在高原大氣圈和冰凍圈相互作用以及反饋過程中也缺乏深刻理解，再分析資料在復雜地形區(qū)和資料稀缺地區(qū)的研究還面臨著很多挑戰(zhàn)。

表2 覆蓋全球的主要再分析資料信息表Table 2 Main global reanalysis data information

未來還需要加強再分析資料在不同季節(jié)不同空間尺度上的適用性研究以及多套再分析資料的對比分析，并且加入觀測資料對再分析資料進行訂正。此外中國再分析資料CRA-40（CMA’s Global Atmospheric Reanalysis）已經公開發(fā)布，但關于CRA-40在高原氣候變化中的適用性研究還十分缺乏，加強其在復雜地形的適用性評估及其與歐美地區(qū)再分析資料的對比有利于我國再分析資料的發(fā)展。最后，針對特定研究區(qū)域，研發(fā)區(qū)域再分析資料也是未來值得發(fā)展的科學領域［72］。

2.5 開展人為活動對高原氣候變化的影響研究

開展人類活動對高原氣候變化的影響研究，提高對高原氣候變化規(guī)律及成因機制認知，也是近來地球科學研究的一個重要方向。已有研究通過CMIP5多模式的分離強迫歷史模擬試驗，采用“最優(yōu)指紋”檢測與歸因方法，評估了人類活動對高原變暖的貢獻，并將觀測到的高原快速升溫（1961—2005年間增溫1.23℃）歸因為人類活動的影響，其中溫室氣體的最佳估計增溫貢獻為1.37℃，而人為氣溶膠略微抵消了這種影響，自然強迫（包括太陽輻照度變化和火山活動）對高原長期溫度變化的貢獻較小。研究顯示CMIP5多模式集合往往低估了受人類活動影響的變暖趨勢，歸因結果的約束表明高原模式直接預估增暖更加劇烈，意味著亞洲水塔的冰川退化加劇以及水文與地質災害風險將增加［129］。也有研究表明人類活動對高原極端氣候事件的影響也不容忽略。如研究使用了均一化的包含中國西部492個站的1958—2015年臺站觀測日氣溫數(shù)據(jù)集和CMIP5多模式分離強迫歷史模擬試驗逐日數(shù)據(jù)，評估了人為強迫對極端氣候事件的影響，結果表明人類活動很可能使2015年中國西部夏季極端氣溫事件，如年最高日最高氣溫和日最低氣溫的發(fā)生概率分別增加了至少3倍和42倍，表明利用觀測計算的概率變化（以及歸因風險分數(shù)）可能被低估［130］。

此外，也有學者利用觀測和數(shù)值試驗手段來研究人為排放污染物對高原氣候變化的影響。吸光性氣溶膠黑碳和粉塵也是高原變暖的貢獻者。大多數(shù)污染物在相對較低的海拔（小于3 000 m）聚集。在季風前期，喜馬拉雅地區(qū)5 000 m區(qū)域發(fā)現(xiàn)了較高含量的黑碳，在對流旺盛的季風活躍期，氣溶膠在高原和亞洲中部的大部分地區(qū)輸送高度超過10 km，可以解釋該地區(qū)過去幾十年來50%的變暖［131］。黑碳以兩種方式影響輻射收支，即吸收對流層輻射和降低地表積雪表面反照率，從而影響高原氣候變化，如黑碳冰川表面沉降和富集將引起冰凍圈的快速變化。研究認為大氣沉積的黑碳可以使高原冰川的可見光輻射吸收增加10%～100%，來自南亞的黑碳在高原冰川的沉降加速了冰川的融化［132］。然而，由于人為跨境污染物如黑碳等其難以觀測且在高海拔地區(qū)幾乎沒有系統(tǒng)性的觀測網絡，過去的研究多在模式中進行分析，很難定量評估其對高原氣候變化的影響。最近建立的大氣污染物監(jiān)測與冰凍圈變化研究網絡［Atmospheric Pollution and Cryospheric Change（APCC）network］分析服務平臺，通過第一手觀測監(jiān)測和數(shù)值模擬手段等綜合集成研究，關注高原碳質氣溶膠的含量水平、時空變化、區(qū)域來源、吸光特性及影響因素，為揭示大氣污染物的跨境傳輸和氣候環(huán)境的影響等前沿科學問題奠定堅實基礎［118，133］。

3 結論與展望

數(shù)十年來，高原氣候變化研究取得了大量的進展，獲得的認識包括但不限于：

（1）基于觀測數(shù)據(jù)的高原極端氣候事件頻率、強度和持續(xù)時間正在發(fā)生改變，但研究時段較短且高原西部地區(qū)極端氣候事件認識不足，極端氣候事件成因機制特別是與大氣環(huán)流的定量關系研究缺乏；

（2）高原變暖放大效應及海拔依賴型變暖特征明顯，結合積雪/冰反照率、云、水汽和輻射通量調節(jié)和氣溶膠等角度開展過高原海拔依賴型變暖機制方面的研究，不同機制在區(qū)域和時間尺度上未有一致結論；

（3）再分析資料在高原氣候變化研究中的適用性分析十分必要，且不同再分析數(shù)據(jù)在同一要素上的刻畫能力不同，適用性存在較大差異，通過基于地形因子指數(shù)和氣溫遞減率建立高原再分析資料誤差訂正方法需引起重視；

（4）高原正在經歷以變暖和變濕為特征的氣候變化，幾乎所有模式在高原都存在氣溫“冷偏差”和降水“濕偏差”，同時氣候模式在高原資料稀缺地區(qū)應用的偏差特征及不確性缺乏深入分析；

（5）由不同研究的對比可見，不同升溫閾值下氣候變化會出現(xiàn)“臨界”狀態(tài)且給生態(tài)環(huán)境帶來嚴重風險，且冰凍圈對氣候變化的響應是非線性的，但在高原缺乏系統(tǒng)的針對該問題或現(xiàn)象的研究。

盡管現(xiàn)有相關研究已經取得了很大進展，高原氣候變化仍然存在一些難點問題，還需多學科多團隊的集成綜合研究，我們歸納但不也限于如下幾點：

（1）復合極端事件變化及其生態(tài)環(huán)境影響研究較為薄弱且關注較少，而高原對于全球增暖的響應較為敏感，其冰凍圈和生態(tài)系統(tǒng)對復合極端事件發(fā)生相關聯(lián)的變化可能產生級聯(lián)放大的影響，需要加強高原復合極端事件變化及其生態(tài)環(huán)境影響研究；

（2）高原資料稀缺、自然環(huán)境惡劣、觀測資料不足，現(xiàn)有的氣候變化數(shù)據(jù)集在該地區(qū)的應用分析還存在很大的不確定性，嚴重影響了高原氣候變化規(guī)律與機制的認識，亟需結合機器學習等先進技術填補高原資料稀缺地區(qū)氣候變化研究；

（3）以往研究高原海拔依賴型變暖研究?；趩我粩?shù)據(jù)源，但其都有各自缺點，如再分析資料受同化數(shù)據(jù)影響和模式資料分辨率較粗等，都得出了各自有研究成果和結論，但是，尚沒有研究建立基于多源資料系統(tǒng)的對比分析，統(tǒng)一到同一參考標準下的研究，這使得基于單一數(shù)據(jù)源的海拔依賴型變暖現(xiàn)象還存在局限性和片面性；

（4）加強多源再分析資料在復雜地形的適用性評估及其與歐美地區(qū)再分析資料的對比，針對缺乏高海拔地區(qū)冰凍圈區(qū)域開展多源再分析資料在高原氣候變化的適用性研究，研發(fā)區(qū)域再分析資料，解決高原再分析資料應用存在的理論和方法障礙；

（5）加強高原氣候變化綜合立體觀測網絡建設，強化大氣污染物監(jiān)測與冰凍圈變化研究網絡服務平臺建設，開展人為活動對高原氣候變化的影響研究，提高高原氣候變化規(guī)律認識和預判其帶來的氣候風險預警能力。

謹以此文，紀念李吉均先生！

致謝：課題組蔡子怡、吳芳營、靳錚、楊葉和張晉韜等同學參與了數(shù)據(jù)和圖表整理，一并感謝。