積雪變化逆轉了青藏高原海拔5000m上下升溫速率的垂直分布
青藏高原是全球氣候變暖的敏感區。已有研究表明，青藏高原的升溫速率遠高于同期的全球平均值，具有顯著的海拔依賴性，即在海拔4000-5000 m左右的雪線附近升溫速率最高，積雪反照率反饋機制是導致海拔5000米以下升溫率隨海拔升高而升高的重要原因，即雪線附近積雪減少速度較快、地面反照率降低、地表吸收太陽輻射增加，對氣候變暖造成正反饋。但是，青藏高原上氣象站分布稀疏且不均勻，遙感溫度數據序列較短且易受高云量影響，再分析數據的空間分辨率較低，導致現有氣溫數據集難以精細刻畫青藏高原升溫速率的空間分布特征，特別是高海拔地區（>5000m），限制了對青藏高原升溫海拔依賴性及其影響機制的進一步理解。
針對這一問題，“亞洲水塔動態變化與影響”任務“河流演變與影響”專題研究團隊提出了一種可有效整合高海拔站點校核信息、遙感溫度數據高空間分辨率和再分析資料長時間序列多方優勢的氣溫估算新方法。該方法基于MODIS地表溫度數據，通過一套動態檢測滑動窗口高程標準差和高程-溫度相關性并合理去除異常值的自動程序，發展了時空連續的氣溫遞減率網格產品；使用估算的溫度遞減率對8種主流再分析資料（NNRP2、20CRV2c、JRA55、ERA-Interim、CFSR、MERRA2、ERA5、GLDAS2）進行空間降尺度，取得了比利用網格內站點回歸所得氣溫遞減率進行降尺度更高的氣溫數據精度（圖1）；對比3種常用機器學習方法（隨機森林、Cubist回歸、Gradient Boosting），使用優選的Gradient Boosting（GB）模型融合多種降尺度再分析氣溫數據和高海拔觀測信息，生成1980-2014年青藏高原逐日1公里分辨率氣溫產品。
新氣溫產品不僅在100個國家氣象站表現出了良好的估算精度，而且在13個高海拔獨立站點獲得了比最優再分析產品明顯更高的驗證精度（圖2）。同時，基于不同建模方案的情景實驗表明：如果不對再分析資料進行空間降尺度，或者不使用高海拔站點進行模型訓練，都會顯著降低模型在高海拔地區的氣溫估算精度。研究表明，在青藏高原高海拔地區應用再分析產品氣溫數據進行氣溫估算或數據融合時，高海拔獨立觀測和可靠的氣溫遞減率均不可或缺。
基于新氣溫產品計算得到的升溫速率空間分辨率與再分析資料相比得到大幅提高，并與最優再分析資料（即JRA55或ERA-Interim）保持了較為一致的升溫速率空間分布特征（圖3）。基于新氣溫產品，進一步分析了青藏高原不同高度帶海拔依賴性升溫的空間差異機制。結果表明：高程和多年積雪日數（SCD）是影響升溫速率空間分布的兩個重要因素（圖4）。在圖4的垂直方向上，升溫速率的峰值高程在海拔4500-5000米，與前人研究較為一致，表明積雪反照率反饋機制可能起到了主導作用。研究發現，海拔2500-3000米的升溫率峰值位于柴達木地區，可能與其特殊的下墊面和氣候條件有關（例如，荒漠和少云等有利于快速加熱地表）。在圖4的水平方向上，升溫速率隨SCD增加而快速降低，表明積雪會通過消融和反射太陽輻射消耗掉可能用于升溫的能量輸入，對氣候變暖具有“緩沖”效應。
結合多年積雪日數的進一步分析發現，升溫速率隨海拔和SCD的變化趨勢在青藏高原及其8個子區域高度一致。基于正交試驗的方差分析表明，高程和SCD對青藏高原升溫速率空間變化的總體貢獻率分別為37%和22%，證實了SCD對解釋青藏高原升溫速率空間變化的重要性。為了進一步認識升溫速率的海拔依賴性，研究團隊構建了不同海拔范圍的偏最小二乘路徑模型。結果表明，高程對升溫速率的總體影響在海拔5000米上下出現正負向翻轉（圖5b），這與高原總體升溫速率隨海拔的變化趨勢一致（圖5a）。在海拔5000米以下，積雪反照率反饋機制起主要作用，在圖中表現為高程的直接影響較強（0.34），并可抵消高程-積雪日數（SCD）路徑的間接負影響（即積雪的“緩沖”效應）（-0.25）；而在海拔5000米以上，高程的直接影響大幅降低（0.09），無法抵消經SCD的間接負影響（-0.2），表明積雪的“緩沖”效應可能是導致5000米以上升溫率隨海拔升高而下降的主要原因。
近期，上述成果陸續在International Journal of Applied Earth Observation and Geoinformation（JAG）和Science of the Total Environment（STE）期刊在線發表。兩篇論文的通訊作者均為中科院青藏高原研究所張凡研究員，第一作者為我所畢業的張宏波博士（現為中國農業大學副教授）。
圖1 基于MODIS數據所得氣溫遞減率和基于網格內站點回歸所得氣溫遞減率進行再分析氣溫數據降尺度結果精度對比，分兩種情景：再分析網格內至少有2個（a）或3個（b）站點。（Zhang et al., 2021, JAG）
圖2 新發展氣溫產品（GB模型估算值）與最優再分析資料（JRA55降尺度）在100個國家氣象站（common station）和13個高海拔獨立站點（high-elevation station）的交叉驗證精度對比。（Zhang et al., 2021, JAG）
圖3 新氣溫產品與8種再分析資料的升溫率空間分布對比：新產品（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）
圖4 積雪（a）和冰川（b）對青藏高原海拔依賴性升溫的影響。（Zhang et al., 2021, STE）
圖5 青藏高原總體升溫率隨海拔的變化（a）及不同高程范圍的偏最小二乘路徑分析（b-c）。（Zhang et al., 2021, STE）
相關論文：
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
論文鏈接：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
論文鏈接：https://www.sciencedirect.com/science/article/abs/pii/S0048969721049640