EN中文

地理学报 >

2024 , Vol. 79 >Issue 7: 1842 - 1861

DOI: https://doi.org/10.11821/dlxb202407013

土地利用/土地覆被变化与地表过程

2000—2019年青藏高原山体效应动态变化及驱动力分析

  • 高煜 , 1, 2 ,
  • 刘琳 , 1, 2 ,
  • 张正勇 1, 2 ,
  • 田浩 3 ,
  • 陈泓瑾 1, 2 ,
  • 张雪莹 1, 2 ,
  • 张明羽 1, 2 ,
  • 王统霞 3 ,
  • 康紫薇 1, 2 ,
  • 余凤臣 1, 2
展开
  • 1.石河子大学理学院，石河子 832000
  • 2.绿洲城镇与山盆系统生态兵团重点实验室，石河子 832003
  • 3.石河子大学水利建筑工程学院，石河子 832000
刘琳(1981-), 女, 湖南衡东人, 教授, 硕士生导师, 主要从事GIS应用与资源环境遥感研究。E-mail:

高煜(1998-), 女, 山西大同人, 硕士生, 主要从事山地气候变化及生态环境研究。E-mail:

收稿日期: 2023-09-14

  修回日期: 2024-06-30

  网络出版日期: 2024-07-30

基金资助

国家自然科学基金项目(41761108)

收起

Dynamic evolution and driving force analysis of the mass elevation effect on the Qinghai-Tibet Plateau from 2000 to 2019

  • GAO Yu , 1, 2 ,
  • LIU Lin , 1, 2 ,
  • ZHANG Zhengyong 1, 2 ,
  • TIAN Hao 3 ,
  • CHEN Hongjin 1, 2 ,
  • ZHANG Xueying 1, 2 ,
  • ZHANG Mingyu 1, 2 ,
  • WANG Tongxia 3 ,
  • KANG Ziwei 1, 2 ,
  • YU Fengchen 1, 2
Expand
  • 1. School of Science, Shihezi University, Shihezi 832000, Xinjiang, China
  • 2. Key Laboratory of Oasis Town and Mountain-basin System Ecology of Xinjiang Bingtuan, Shihezi 832003, Xinjiang, China
  • 3. School of Water Conservancy & Architectural Engineering, Shihezi University, Shihezi 832000, Xinjiang, China

Received date: 2023-09-14

  Revised date: 2024-06-30

  Online published: 2024-07-30

Supported by

National Natural Science Foundation of China(41761108)

Fold

摘要

山体效应（MEE）是隆起地块的热力效应，其引起的水热组合空间分异深刻影响了山地及内部分区的地理生态格局与环境演变。本文基于MOD11C3和气象观测数据构建地—气温回归模型模拟青藏高原气温分布，估算并分析了2000—2019年高原全域及各地貌分区山体效应时空分异特征及动态演变格局，并借助地理探测器揭示不同时空尺度下研究区山体效应的成因规律。结果表明：① 2000—2019年高原全域山体效应均值为4.13 ℃，整体呈现由东北向西南向心圈层增强的空间格局和海拔垂向递减特征，与经、纬度均呈显著负相关；高原地貌分区山体效应多年均值为5.06 ℃，且各地貌分区内部空间分异更加明显和复杂，山体效应得以更精细和规律地刻画。② 高原山体效应季节性差异显著，干季山体效应略强于湿季；干季山体效应呈西北弱、东南强的分异格局，而湿季则呈西强东弱特征。③ 全球气候变化背景下研究区山体效应呈现不对称线性增强规律，其年际倾向率为0.26 ℃/10a，表现出东强西弱、以腹地为核心向边缘递减的“环状”特征，山体效应弱区显著增强，强区变幅较小。干季山体效应波动幅度及变化速率均大于湿季，干季是山体效应变化的主要贡献季节。④ 高原山体效应时空格局的驱动过程存在一定尺度效应。宏观尺度下山体效应受三维地带性因素主控，其中纬度地带性贡献度达36.37%，奠定了高原山体效应分布的整体基调，而微地形因素及下垫面、气候等差异对山体效应有区域性影响；地貌分区尺度下高原山体效应空间分异仍受纬度控制，但海拔对其贡献更为突出，进而可划为6个地形主导型和3个位置主导型分区；同时NDVI和气压等因子又增强了研究区山体效应的季节尺度空间差异。文本可为深化山地科学规律认知、应对气候变化等方面提供科学参考。

关键词： 山体效应; 时空分异; 地貌分区; 地理探测器; 青藏高原

本文引用格式

高煜 , 刘琳 , 张正勇 , 田浩 , 陈泓瑾 , 张雪莹 , 张明羽 , 王统霞 , 康紫薇 , 余凤臣 . 2000—2019年青藏高原山体效应动态变化及驱动力分析[J]. 地理学报, 2024 , 79(7) : 1842 -1861 . DOI: 10.11821/dlxb202407013

Abstract

The mass elevation effect (MEE) is a thermal phenomenon associated with uplifted landmasses, leading to spatial differentiation in water-heat assemblies that profoundly affect the geo-ecological pattern and environmental evolution of mountains and regions. This study developed a ground-air temperature regression model to simulate the temperature distribution on the Qinghai-Tibet Plateau using MOD11C3 data and meteorological observations, analyzing the spatiotemporal diversity and dynamic evolution of the MEE across the entire plateau and internal landform regions were estimated and analyzed from 2000 to 2019. Employing the Geodetector method, the research uncovered the genesis patterns of the MEE at different scales, revealing an average MEE of 4.13 ℃ with a pronounced centripetal pattern from northeast to southwest and decreasing elevation-dependent characteristics that were significantly negatively correlated with longitude and latitude. The average MEE of the landform regionalization was 5.06 ℃, indicating a stronger internal spatial differentiation within landform regionalization. Seasonally, the MEE was slightly stronger in the dry season, with distinct patterns of weakness in the northwest and strength in the southeast during the dry season, and the opposite in the wet season. The MEE showed an asymmetric linear enhancement pattern under global climate change, with an inclination rate of 0.26 ℃/10 a, presenting a "ring-like" characteristic of strong in the east and weak in the west and decreased from the hinterland core to the edge. The weak areas were significantly enhanced, whereas the strong areas showed small variations. The MEE fluctuation magnitude and change rate were both stronger in the dry season than in the wet season, with the dry season primarily contributing to MEE changes. The spatial and temporal patterns of the MEE were influenced by scale effects, with latitudinal zonation at the macroscale and microtopographic features at the regional level. Moreover, NDVI and barometric pressure were found to enhance the seasonal spatial variations of the MEE. This comprehensive analysis provides deep insights into the mountain science and responses to climate change.

Key words： mass elevation effect; spatiotemporal differentiation; landform regionalization; Geodetector; Qinghai-Tibet Plateau

1 引言

山地是地貌的基本格架，决定地球表层的格局与演化[1]。山体效应（Mass Elevation Effect, MEE）是由于山体/高原隆起影响地—气热量交换产生的热力效应，使得大型山地/高原普遍存在其内部温度高于外围同海拔自由大气温度的地理现象[2]，其引起的水热组合空间分异使山体内部的垂直自然带相对升高，对山地及区域的地理生态格局与环境演变有着深刻影响。山体效应的存在改变了全球林线、雪线的分布格局，造成南北半球林线、雪线高度的巨大差异[3-4]。林线、雪线对气候变化响应极度敏感已被共识[5]，而MEE强弱的改变可直接衡量山区水热条件变化程度，从而侧面反映山体内部垂直自然带结构类型、分布模式及海拔梯度变化。特别是对于发育丰富植被垂直带谱类型及拥有重要山地垂直带界线的区域，开展MEE时空分异及其演变规律研究更加具有典型性和必要性，对于深化山地科学规律认知、应对气候变化、实现区域可持续发展有着深远意义。
自德国科学家Quervain首次指出阿尔卑斯山自然垂直带界限存在自山体外部向内部逐步升高的现象以来[6]，MEE由定性描述发展至定量刻画，已取得了诸多成果。前期研究多基于代用因子间接量化[7⇓⇓-10]，分析其对垂直带分布的影响，但无法量化具体增温幅度。随着遥感技术发展，基于山体内外同海拔温差的直接量化成为MEE定量估算的新方法，并运用于青藏高原[11⇓-13]、安第斯山[11]、科罗拉多落基山脉[14]、阿尔卑斯山[15]、中国天山[16]等诸多山系MEE估算。青藏高原因其巨大隆起、热力效应显著成为MEE研究的热点区域，但以往研究多以高原整体进行MEE估算，忽略了地形差异对增温效应的影响，若以相对独立和完整的地貌单元分区进行估算，可提高MEE定量化表达的精确性。此外，如何科学、合理界定与选取山体内/外部是MEE估算的关键与难点，但已有研究并未明晰山体外部区域的范围选取，且以往MEE估算主要基于多年均温、夏季或最热月气温，仅能反映其静态或高位状态特征，存在一定片面性和局限性。而MEE多时相尺度的动态演变研究，可体现其长期时序波动和年内季节变化，实现MEE更多维细致的定量刻画，亦有助于探究山地增温效应对全球气候变化的响应程度和演变规律。
山体复杂地形地貌与其局地气候特征共同影响着不同尺度下陆地表层过程的规律和特征[17]，使MEE具有整体多样性、局地特异性的复杂空间分异特征，其成因机制具有影响因子的多元性和尺度转换的不确定性。同时不同尺度下MEE的主控因子不尽相同，加之各因子间的交互组合对MEE的效用及其显著性也呈多样性和复杂性。以往研究多侧重于选取纬度与地形因子的宏观解释[7-8,11,18]，有学者提出山地基面高度是MEE的第一影响因子，甚至超过纬度的影响[18]；大陆度可反映区域海陆关系，是影响垂直带分布高度的重要因素，可间接定量MEE[9]。山地基面高度对MEE的基础控制作用不可否认，但山地复杂性的地形地貌使得具有地带性分布的水热条件再分配，进而形成时空尺度多样的局地小气候，局地水热条件孕育的特殊生态环境系统又会反馈于气候分异格局，这样看来，山体内部的气温空间分异和增温效应的形成机制是个复杂的过程，也是近地表大气温度与生态环境长期能量交换和平衡的过程，有必要纳入更多的气候、地理位置、下垫面属性、微地形等因子，探究诸多因子对MEE的综合作用过程和机制。同时，识别多因子对MEE空间分异的重要性和贡献度显得尤为重要，便需寻求合适的地统计分析方法来诠释不同尺度下MEE的成因原理。地理探测器是揭示地理要素的空间分层异质性及其背后驱动因子的空间分析模型，具有物理含义明确、解释效力更高和适用范围广泛等优势[19]，可全面厘清多时空尺度下MEE驱动因子的优先级与贡献度，细化和深化MEE成因机制研究。
青藏高原是全球MEE最为强烈的区域之一[15]，分布着北半球最高林线[20]和最高雪线[21]，同时也是全球气候和生态环境变化的高敏感区[21,23]，对全球的气候格局与地域分异起着支配作用[1]，也对区域环境安全产生重大影响[24]。在全球变化背景下，高原加速变暖致使其成为研究MEE动态演变规律的理想对象。基于此，本文以地—气温回归模型模拟青藏高原气温分布为基础，量化高原全域及不同地貌分区MEE的空间特征及趋势差异，明晰高原MEE动态时空演化规律和成因机制，对于深化高原能量交换过程和平衡机理、深入理解区域和全球尺度下高原热力作用的气候效应具有重要意义，可为高原气候变化、生态环境演变研究和区域可持续发展提供科学依据。

2 研究区概况

青藏高原（26°00′N~39°47′N, 73°19′E~104°47′E）南起喜马拉雅山脉南缘，北至昆仑山、阿尔金山脉和祁连山北缘，西部为帕米尔高原和喀喇昆仑山脉，东部与秦岭山脉西段、黄土高原和四川盆地相接。高原高山大川密布，地貌复杂多样，参考中国地貌区划图（表1）将高原划分为9个二级地貌分区（图1）。由于特殊的地理位置和海拔高度，高原冰川积雪广布，也是世界中低纬地区面积最大、范围最广的多年冻土区[25]。高原气候特征与同纬度其他地区相差悬殊，具有独特的高寒气候，冬寒夏凉，太阳辐射强烈，日照充足；干湿两季分明，降水量自东南部（高于1000 mm）向西北部（低于100 mm）递减，且边缘多于腹地[25,27]。柴达木盆地是夹持于秦祁昆地槽褶皱带之间的封闭性山间断陷盆地[28]，东喜马拉雅南翼山麓地带则与高原海拔落差约6000 m[29]，上述区域与巨大隆升的高原整体相差较大，因此本文依据山体定义、山体效应内涵及高原地形地貌特征选取海拔高度≥ 3000 m的区域作为研究范围。
表1 数据说明及处理

Tab. 1 Data introduction and processing

类别 数据(单位) 时段/分辨率 空间分辨率 数据来源 说明及处理
地貌
区划
 - - - 北京大学城市与环境学院
地理数据平台(http://geodata.pku.edu.cn)		 中国地理数据图集(2012)采用等面积圆锥投影，标准纬线为25°N和47°N。在原分区基础上选取位于青藏高原的9个地貌分区(SHAPE格式)。根据格式间邻接关系将其归并至38个分区(SHAPE格式，图1)。
地形
特征		 DEM(m) - 30 m 中国科学院地理空间数据云(http://www.gscloud.cn) ArcGIS中GDEM数据重采样为500 m；提取坡度、坡向、地形起伏度和地面粗糙度数据(GRID格式)。
气候
环境		 MOD11C3(K) 2000—2019年逐月 5500 m LAADS DAAC(https://ladsweb.nascom.nasa.gov/search) 经MRT软件重投影及镶嵌(HDF格式)。
气温(℃)
日照时数(h)		 2000—2019年逐日 1000 m 中国气象数据网
(http://data.cma.cn)		 高原及周边87个气象站点逐日数据，剔除无效、异常值后，在ArcGIS中以日数据均值合成月数据并采样spline方法空间插值(TIFF格式)。
降水(mm)
气压(hPa)
相对湿度(%)
风速(m/s)		 2000—2019年逐月 1000 m 中国科学院资源环境科学数据中心(http://www.resdc.cn) 中国气象要素站点观测逐月数据集，基于全国2400多个气象站点日观测数据，通过整理、计算和使用ANUSPLIN插值软件处理(GRID格式)。
地表
覆盖
 NDVI 2000—2019年逐月 1000 m 中国科学院资源环境科学数据中心(http://www.resdc.cn) 中国年度植被指数(NDVI)空间分布数据集，基于SPOT/VEGETATION以及MODIS等数据经MVC法合成(TIFF格式)。
图1 青藏高原地貌分区示意

注：基于自然资源部标准地图服务网站GS(2023)2762号标准地图制作，底图边界无修改。

Fig. 1 Landform regionalization of the Qinghai-Tibet Plateau

3 数据来源及研究方法

3.1 数据来源及预处理

本文采用的数据主要分为4类，其中地形特征数据包括DEM、坡度、坡向、地形起伏度、地面粗糙度等；气候数据包括MOD11C3、气温、日照时数、降水、气压、相对湿度、风速等；地表覆盖以NDVI表征。数据均重采样至5.5 km×5.5 km分辨率，数据说明及预处理过程见表1。

3.2 研究方法

3.2.1 地—气温回归模型构建

近地表气温连续时空分布是MEE定量研究的基础。依据近地表气温与地表温度间的高度相关性建立回归模型是获取连续区域近地表气温分布的有效手段[30]。近地表气温作为下垫面辐射交换和热量平衡的综合反映，受到经度、纬度和海拔等要素的显著影响[31]，故本文选取上述因子，利用高原及周边地区87个气象站点2000—2014年实测数据构建地—气回归模型（式（1）），并以其2015—2019年数据检验模型精度，通过检验后借助ArcGIS Spatial Analyst工具模拟高原气温空间分布。
Y = β 0 + β 1 X 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + ε
式中： Y为气温； β 0、 β 1、 β 2、 β 3、 β 4为回归系数； X 1、 X 2、 X 3、 X 4分别为解释变量地表温度、海拔、纬度和经度； ε为误差项即残差。
本文建立的逐月气温回归模型R2均值大于0.855、标准误差均值在1.67 ℃以下；交叉验证中平均绝对误差均值为1.40 ℃，均方根误差大多在1.80 ℃附近，表明模型具有良好的拟合精度和适用性，满足后续研究要求。

3.2.2 山体效应估算

MEE本质是隆起地形的热力效应导致同海拔山体内部温度比外部高的分异格局，因此常用山体内外同海拔区域的温差表示[13]。将MEE估算分为同海拔气温转换（式（2））与山体内外温差估算（式（3））2步，具体过程如下：
T a h = T a + e l e v a t i o n - h × ∂
式中： T a h为山体内部海拔 h处的气温； T a为实际气温； h为区域的平均海拔； ∂为气温垂直递减率，本文采用谢应钦[32]计算的高原不同纬度带上的气温垂直递减率（表2）。
M E E = T a h - T b h
式中： M E E为山体效应值； T b h为山体外部在海拔 h处的气温。
表2 青藏高原内、外部划分及其对应纬度带气温垂直梯度

Tab. 2 Internal and external division and the lapse rate of air temperature in the corresponding latitude zone of Qinghai-Tibet Plateau

纬度带
 气温垂直递减率(℃/100 m) 内部地貌分区 外部地貌分区
高纬带 0.47 I区、II区、III区、IV区 黄土高原
中纬带 0.54 V区、VI区、VII区 秦岭大巴山高中山
低纬带 0.49 VIII区、IX区 四川低盆地
青藏高原MEE空间分异明显[13,33]，而山体内、外部界定和选取是MEE定量评估的关键之一。研究区地域辽阔，地貌类型多样、组合复杂，不同区域的基本地貌类型及其组合的规模结构差异很大[33]，其非地带性因素扰动纬度地带性的强度存在局地差异，故将高原视为整体进行“一刀切”统一估算不利于其细部分异特征的刻画。以往高原MEE定量研究采用的数据源及外部区域选取不尽相同[10,12 -13,34]，导致研究结果存在差异且难以对比，限制了对MEE完整性和系统性认识。为此有必要选取与高原各纬度带对应的区域作为外部地区，可实现MEE更为科学合理的表达。本文分别以高原全域尺度（MEE全域）及地貌分区尺度（MEE分区）进行估算，且在外部区域界定时选取与地貌分区纬度相似、体量相对接近的黄土高原、秦岭大巴山高中山、四川低盆地作为高原外部区域（内、外部对应关系，表2），将高原某区内部气温及其对应外部区域气温统一转换至高原该区平均海拔处，二者之差即为该区MEE值。

3.2.3 山体效应时空变化分析

（1）倾向率分析。采用线性倾向率表征青藏高原MEE在高原加速增暖背景下的变化趋势：
θ s l o p e = 20 × ∑ i = 1 20 i × M E E i - ∑ i = 1 20 i × ∑ i = 1 20 M E E i   20 × ∑ i = 1 20 i 2 - ∑ i = 1 20 i 2
式中： θ s l o p e为山体效应倾向率， θ s l o p e > 0表示山体效应呈增强趋势， θ s l o p e < 0表示减弱趋势， θ s l o p e = 0表示无变化趋势； M E E i为第 i年山体效应估算值。
（2）显著性检验与分析。显著性检验可描述误差造成方程拟合差异的可能性大小，可检验回归模型的质量。使用F检验对式（4）所得倾向率进行显著性检验， F越大则说明拟合效果越佳，MEE变化趋势越明确。计算公式如下：
U = ∑ i = 1 20 M E E ^ i - M E E ¯ i 2
Q = ∑ i = 1 20 M E E i - M E E ¯ i 2
F = U × n - 2 Q
式中： U为回归平方和； Q为残差平方和； n为研究时段的年份数； M E E ^ i为第 i年MEE回归值； M E E ¯ i为MEE多年平均值。显著性水平取0.01与0.05，通过查询 F分布表可知， F 0.01 = 8.29、 F 0.05 = 4.41，当 F ≥ F 0.01则认为差异存在高度显著性，当 F 0.05 < F < F 0.01则认为差异存在显著性，若 F ≤ F 0.05则称差异无显著性。
综合倾向率和F检验结果，将高原MEE变化趋势划分为5个等级：极显著减弱（ θ s l o p e ≤ 0且 F ≥ F 0.01）、显著减弱（ θ s l o p e ≤ 0且 F 0.05 < F < F 0.01）、稳定（ F ≤ F 0.05）、显著增强（ θ s l o p e > 0且 F 0.05 < F < F 0.01）和极显著增强（ θ s l o p e > 0且 F ≥ F 0.01）。

3.2.4 山体效应驱动因素识别

MEE成因机制复杂，不同区域影响MEE的因子组合也不尽相同，因子间的交互组合方式多样[11,16]。地理探测器是检验因子空间分异性的有效手段。其空间分层异质性是指层内方差之和小于层间总方差的现象，分异性的大小由地理探测器的q值来衡量。因此本文借助因子探测器定量探究分析各驱动因素在不同时空尺度下对MEE的解释力。具体公式如下：
q = 1 - ∑ h = 1 L N h σ h 2 N σ 2 = 1 - S S W S S T
S S W = ∑ h = 1 L N h σ h 2
S S T = N σ 2
式中： h = 1 ,   2 ,   …,   L为变量 Y或因子 X的分层，即分类或分区； N h和 N分别为 h层和全区的单元数； σ h 2和 σ 2分别是层 h和全区 Y值的方差。 S S W和 S S T分别为层内方差之和和全区总方差； q为山体效应驱动因素解释力。地理探测器可对 q值显著性做出检验， q ∈ 0 ,   1， q值越接近于1，表示该因子对MEE的解释力越强，根据 q值大小可识别影响MEE的主导因子。
结合以往MEE和高原气候变化相关研究成果[10,13,17]，本文选取位置、地形、气候、地表覆盖等4类因子探究它们对MEE的作用机制。其中，位置因素主要包括纬度和经度，纬度是决定区域所能接收太阳辐射总量的重要因素，经度可一定程度表征海陆位置及气候干湿度。地形因素主要包括海拔、地形起伏度、地面粗糙度、坡度和坡向，可影响地表在不同高度、方向所能接收的太阳辐射量[35]。气候因素主要包括降水、气压、相对湿度、日照时数、风速，可反映区域综合气候条件。地表覆盖因素选取NDVI表征地表植被覆盖度，以体现植被对太阳辐射的直接阻隔作用以及自身蒸散发作用对周边环境的增湿降温作用[36]。
为深入对MEE的驱动方式和贡献程度进行细致分析，本文通过地理探测器的因子探测模块对驱动因子的q值进行计算，剔除不具备统计学意义的因子（坡度、坡向）；将其余因子q值排序以确定MEE的主导因子及类型，取因子中解释力最强的两个因子作为主导类型的划分标准，第一因子为主导因子，第二因子为辅助因子，若以上两个因子处于同一主导类型中，则选择排名第三的因子为辅助因子，以此类推；最后根据贡献率识别不同时空尺度下MEE的主导驱动因子，以探究MEE成因机制。

4 结果分析

4.1 青藏高原山体效应静态格局特征

4.1.1 高原整体山体效应分布格局

青藏高原MEE纬向地带性显著，整体由东北向西南呈现向心圈层增强格局（图2）。2000—2019年高原MEE均值为4.13 ℃，89.9%的高原区域均广泛存在MEE，这与叶笃正先生“无论冬夏，整个高原平均来说相对于大气都是热源”[37]的研究结论一致。为更明显表征高原内部山体效应强弱程度的空间异质性，以每3 ℃为间隔将山体效应依次划分为无（< 0 ℃）、弱（0~3 ℃）、较弱（3~6 ℃）、较强（6~9 ℃）、强（9~12 ℃）、极强（≥12 ℃）等6个等级。MEE不同强弱区空间分异显著，南北带状更迭。喜马拉雅山脉及周边增温效应最为显著，最高可达16 ℃；而西昆仑山脉—东昆仑山脉一带最弱，无MEE的区域仅分布于高原东北部祁连山区。MEE强弱大致以贯穿安多附近一带32°N~33°N为界，与高原南北部气温变化差异的分界较为吻合[38]。
图2 2000—2019年青藏高原MEE全域空间分布

Fig. 2 Spatial distribution of MEE estimated value in the Qinghai-Tibet Plateau between 2000 and 2019

MEE与山地或高原隆起规模及其地理位置有关，从三维地带性宏观尺度探析山体效应的空间分布规律可多视角展示其地域分异特征。MEE随海拔增高波动增强，存在明显海拔依赖性，其垂向变率为0.10 ℃/100 m（R2 = 0.68），但在不同海拔区间变化存在明显差异（图3a）。3000~5000 m区间，由于高原空气洁净稀薄，随海拔升高大气对太阳辐射的削弱作用减弱，到达地面的太阳辐射则较多，致使高原比毗邻自由大气更温暖[27]，高原增温效应持续加强；5000~5500 m区间，对应区域的多年冻土面积及其占比都达到峰值[39]，且冻土活动层厚度增速也达到峰值[40]，其融冻过程引起的下垫面属性变化对土壤水热传输以及地气间的能量和水分交换具有显著降温作用[41]，削弱了山体增温效应；6000 m以上区域增温效应大幅减弱，主要由于极高山广泛分布冰川/冰雪，其反照率反馈效应改变地面辐射及下垫面属性[42]，地面辐射的削弱显著，MEE随之减弱；6700 m以上的极高峻山峰，因其山脊狭窄、面积狭小限制了冰川发育[43]，故而山体增温效应再度增强。由此可见除海拔外，下垫面也是影响MEE的重要因素。
图3 山体效应估算值随海拔、经度、纬度变化

Fig. 3 Estimated MEE value varying with altitude, longitude and latitude

MEE随经度分布呈现由西向东波动减弱的变化特征（图3b），经向变率为每度0.14 ℃（R2 = 0.88），但在92°E、98°E处MEE有较大减幅。经度可反映区域的气候大陆度，已有研究表明一定范围内的气候大陆度有助于增强山体的增温效应，极强大陆性气候会导致MEE变弱[18]，这与本文MEE随经度的变化特征规律相符，但其波动性也说明了其变化机制的复杂性。MEE与纬度高度线性相关，纬向变率为每度0.84 ℃（R2 = 0.98），MEE受太阳辐射纬向递变控制而总体呈现由南向北逐渐减弱的特征，可认为纬度地带性奠定了高原MEE分布的宏观基调。
总体来看，MEE受三维地带性因素的宏观控制，区域异质性主要表现为由东北向西南减弱的圈层增强和随海拔升高而降低的垂直分异，但不同下垫面性质、降水等局地因素影响下其MEE强度也存在局地差异。

4.1.2 高原地貌分区山体效应分布格局

青藏高原作为地貌类型多变、地形构造复杂的独立大地理单元[25]，以地貌分区视角区别选择外部区域来估算MEE，能更客观精细地刻画高原内部MEE的局地特征，各区内部MEE空间分异亦更加显著（图4）。2000—2019年MEE分区仍呈现东北弱、西南强、内部显著分异的特征，其均值为5.06 ℃，高于MEE全域（4.13 ℃），这正是由于在整体与分区估算时参照的外部区域差异造成的。其中，MEE全域选取东部毗邻区域作为外部区域，过于宽泛笼统的外部区域选取在抬高黄土高原及秦岭大巴山同海拔气温水平的同时，拉低了四川盆地同海拔气温水平，致使中高纬度区域与外部区域的同海拔气温差减小，MEE被低估；而低纬度区域其同海拔差增大，MEE又被高估。因此在合理的纬度范围内分区选择高原外部地区可更加客观真实和细致地模拟高原MEE分布。
图4 2000—2019年青藏高原MEE分区空间分布

Fig. 4 Spatial distribution of MEE estimated value in landform regionalization of Qinghai-Tibet Plateau between 2000 and 2019

高原各地貌分区因其山体结构、隆起程度及复杂地形各异，对其自身水热条件聚积再分配的强度也不尽相同[11]，MEE分区由强到弱依次为V区（6.39 ℃）> I区（6.37 ℃）> VIII区（6.10 ℃）> VII区（5.32 ℃）> IX区（5.20 ℃）> VI区（4.69 ℃）> II区（4.47 ℃）> IV区（2.10 ℃）> III区（0.99 ℃）。从地貌分区视角来看，MEE除受纬向递变宏观控制外，不同分区山体的面积、规模、结构、走向、微地形等非地带性因素均存在差异，其MEE也存在显著分异，如位于高原腹地核心的V区、山体构造复杂的VII区、隆起高度较高的I区MEE更为强烈。
非地带性因素通过影响地表热量与自由大气的交换，一定程度上破坏了气候的纬度地带性[11,44]，是造成MEE复杂分异的重要原因。V区作为高原腹地面积最大的分区，其周边高大山系作为地形壁垒阻挡水汽进入分区内部使其更趋干旱，降水大陆度增加，降低地面向大气传导的潜热通量，间接加剧MEE[45]。同时其内部MEE存在明显的南北分界，北部多年冻土、低植被覆盖等下垫面属性对应的高地表反照率导致MEE相对较弱，存在局地差异性。值得注意的是，II区无增温效应的典型区域（35 °N, 80 °E附近）位于西昆仑山及喀喇昆仑山之间的宽谷、盆地，地势坦荡，结构简单，与郑度等提出的高原“寒旱核心”区域局部吻合[46-47]。
综上所述，以地貌分区视角估算可更科学客观、精细地刻画高原MEE的空间分异。相较于宏观尺度上经、纬度与海拔对MEE的主控作用，局地尺度上的地形因素如隆起规模和结构形态差异亦对MEE有区域性影响，也是MEE局地空间分异的重要原因。由此可见，地形结构对MEE产生的影响不容忽视，其空间分异是多种因素共同影响的结果，且在不同区域其关键影响因素也不同。

4.1.3 高原干、湿季山体效应分布格局

青藏高原近地层能量交换随着微气象条件、下垫面的不同而有所差异，存在较为显著的季节变化特征，进而使高原增温效应呈现时空差异[48]。因“一年无四季，一天见四季”的独特高原气象特征，常规四季划分方法对高原不具有普适性。本文结合气温、降水、日照等综合因素，以5—9月为湿季，10月—翌年4月为干季[49-50]。高原MEE具有显著的干湿季差异（图5），MEE干季多年均值为5.10 ℃，略强于MEE湿季（5.01 ℃）；且MEE干季区域异质性亦更强。MEE干季空间分异特征与MEE年际较为相似，亦呈现西北弱、东南强的分异格局，这与高原干季北部和中部为冷源、东部和南部为热源的空间分布规律相似[51]，其中VIII区（6.33 ℃）增温效应显著高于其他分区。而高原湿季湿润度由东南向西北递减[52]，MEE湿季则呈现西强东弱特征，以V区（7.13 ℃）为高值区。
图5 2000—2019年青藏高原干/湿季山体效应估算值空间分布

Fig. 5 Spatial distribution of MEE estimated value in dry and wet seasons of Qinghai-Tibet Plateau between 2000 and 2019

相较干季，湿季内西昆仑山南翼的高原面及内部腹地MEE普遍增强，而IX区南部和VII区东部MEE则大幅下降。IX区为高原湿季降水最为丰沛、干湿季植被覆盖差异最为显著的区域，MEE季节差异亦最为显著，差值达1.90 ℃，可见MEE与下垫面热力性质和状况的季节性变化特征有关。东北部III区干、湿季MEE均最小且波动亦微小。总体来看，高原MEE干季强于MEE湿季，尤其在高原南缘及东部更为显著；MEE的干、湿季空间分异受高原冷热源分布、湿润度、降水等气候条件及下垫面性质耦合影响，且不同时期其关键影响因素差异显著。
前人在高原热力作用方面研究的很多观点与本文相似。如本文发现湿季高原西部山体效应比东部更为显著，而干季高原东南部山体效应最为强烈，与叶笃正[37]“夏季青藏高原西部比东部地区对自由大气的加热更强烈”“冬季高原东南角仍为热源”的结论一致。但叶笃正认为冬季高原上空的大气相较四周表现为冷源，而本文发现干季高原同海拔气温仍比周边区域略高，一方面缘于本文划分的干季在时间跨度上远长于常规的冬季（12月—翌年2月）；此外，叶笃正对青藏高原热力作用主要基于高层大气气压分异及气流运动的视角分析，而本文就高原近地表气温与周边区域温度差异比较展开，对流层大气温度的垂直差异较为明显，近地表气温除受高层大气温度影响外，还与下垫面属性及地表粗糙度等关系密切。总体来看，季节划分与不同高度层大气温度差异等原因，致使相关研究结果略有差异。

4.2 青藏高原山体效应动态演变特征

4.2.1 2000—2019年山体效应演变规律

近年来青藏高原暖湿化特征明显，造成高原对周围大气的加热作用时空差异显著[53]，为此有必要探究在全球气候变化背景下高原MEE的动态演变规律。2000—2019年高原MEE介于4.37~5.58 ℃之间，θslope(MEE—年际)为0.26 ℃/10a，年际MEE值差异明显，总体呈现波动式小幅增强趋势（图6）。依据MEE分区强弱及其θslope大小可大致分为：中西部及南部的高强度慢增长（I区、V区、VIII区）、中部及东南部中强度快增长区（II区、VI区、VII区、IX区）及东北部低强度快增长（III区、IV区）3种类型。
图6 2000—2019年青藏高原地貌分区年际山体效应变化

Fig. 6 Changes of MEE in landform regionalization of Qinghai-Tibet Plateau between 2000 and 2019

2000—2019年青藏高原MEE变化以增强为主（面积占比96.08%），呈现东强西弱、以腹地为核心向边缘递减的“环状”空间分布特征（图7a）。增强区主要分布于高原腹地及东北角，且以三江源区、祁连山脉最为显著。减弱区仅零星分布于VIII区的阿里山地，与田浩指出的降温区[54-55]一致。以地貌分区视角来看，各分区MEE虽均呈现增强趋势，但其年际变化幅度不同，具体为VII区（0.368 ℃/10a）> IX区（0.366 ℃/10a）> VI区（0.318 ℃/10a）> IV区（0.295 ℃/10a）> III区（0.292 ℃/10a）> V区（0.250 ℃/10a）> II区（0.195 ℃/10a）> VIII区（0.173 ℃/10a）> I区（0.085 ℃/10a）。变化显著性检验显示，各分区内的均一性亦存在局地差异，其中V区、VIII区内部异质性较强，V区θslope(MEE年际)由西南向东北增强，多年冻土区增温显著；VIII区一江两河流域θslope(MEE年际)显著高于其他地区，与张戈丽研究所得“一江两河”地区气温显著升高、其热量资源年际变化显著增加的结论相符[56]。高原MEE弱区呈现显著增强趋势，强区变幅较小，其变化整体呈现西南—东部不对称线性增强规律。
图7 2000—2019年青藏高原年际山体效应倾向率及显著性检验

Fig. 7 MEE inclination rate and significance test of Qinghai-Tibet Plateau between 2000 and 2019

综上，在全球变暖背景下高原MEE亦增强，且不同区域θslope(MEE年际)不同。高原东北部是MEE的变化敏感区，高原腹地为变化主体区，而高原西南部为稳定区，呈现不对称线性增强规律。

4.2.2 干、湿季山体效应演变规律

青藏高原与纬度相当的中亚、落基山脉等区域相比变暖趋势更加强烈[57]，且以干季变暖更为显著。在高原干、湿季气候变化规律各异背景下，以积雪、冻土、植被为下垫面的高原陆面过程必然对高原热状况和热性质的影响不同，进而改变高原与其上部大气间的相互作用[58]。研究期内，高原干、湿季MEE均呈现波动增强趋势。2017年中国冬季气温明显偏高[59]，西藏地区偏高达4 ℃以上，为高原MEE干季最大年。2014年夏季西南地区南部同时多见极端降水和极端高温事件，降水量通过改变地表反射率影响地—气系统热量交换过程，这可能是该年为MEE湿季极大年的原因之一。类似的极端气候事件是否对MEE产生影响有待进一步研究与验证。
高原θslope(MEE干季)呈现东北高、西南低的空间分布格局，高原腹地及祁连山脉增温较为显著（图8a），以VII区变化最为强烈（0.395 ℃/10a）。θslope(MEE湿季)为0.25 ℃/10a弱于干季MEE增强速率（0.27 ℃/10a），其增温重心则向西南偏移，呈现西北边缘低，腹地及东南部横断山区高的分布特征(图8c)，IX区变化最为强烈（0.394 ℃/10a）；MEE减弱区分布范围则进一步扩大，集中分布于昆仑山北部及阿里山地，占高原总面积3.85%。由显著性检验可知，MEE干季显著增强、极显著增强区与多年冻土区分布较为相似[60]；MEE湿季显著增强、极显著增强区仍主要分布于东北部及东南部大型山系，而高原南缘由稳定区变为显著增强区。在全球变暖背景下，高原大型山系MEE湿季增强显著，可能导致高原冰川退缩幅度增大，冰冻圈消融加剧。
图8 2000—2019年青藏高原干/湿季山体效应倾向率和显著性检验

Fig. 8 MEE inclination rate and significance test in dry and wet seasons of Qinghai-Tibet Plateau between 2000 and 2019

综上，高原MEE干季波动幅度及变化速率均强于MEE湿季，干季是MEE变化的主要贡献季节。干、湿季不同时间尺度下，高原MEE显著变化区域不同，可知高原MEE在不同时期受其气候环境及下垫面属性影响，其变化规律存在差异。

4.3 青藏高原山体效应强度归因分析

综合前文研究可得，青藏高原山体增温幅度受三维地带性因素控制，并受非地带性因素的区域性影响，同时气候环境、下垫面状态与地—气间的水热交换过程息息相关，进而影响高原山体增温效应。且上述影响因素对MEE强度的贡献率存在时空差异，同一时期不同区域其影响因子组合不同、同一区域不同时期其影响因子组合也不同。为此需在不同时空尺度多视角下对高原MEE影响因素进行分析，以全面厘清MEE的成因机制。

4.3.1 地貌分区山体效应强度定量归因

青藏高原MEE在不同空间尺度下其因子组合、协同等方式和强度影响各异，呈现一定的规律性和差异性。为识别各因子对高原MEE的贡献率，本文借助地理探测器从高原全域及地貌分区两个尺度进行分析。
高原尺度探测结果显示，MEE全域主要受位置—气候因子组合影响，其中纬度是最重要的影响因素，总体贡献率高达36.37%，高原巨大空间幅度致使纬度对其增温效应控制作用明显[11]，经度贡献率为10.04%，可见地理位置为宏观控制性因素。气候因子贡献率为28.16%，其中气压（9.46%）是主要气候影响因子。同时地形（16.23%）和NDVI（9.18%）的作用也不容忽视（图9）。
图9 青藏高原各地貌分区山体效应因子探测结果及主导类型划分

Fig. 9 Factor detection results of MEE and division of dominant types based on landform regionalization

在不同地貌分区下，其因子主导类型则分为地形主导型（6个）和位置主导型（3个）。高原腹地的V区、VI区和IX区因处于高原低纬地区，地表太阳辐射相对强烈，MEE强且增温快，其主导类型为位置主导型。其余分区均为地形主导型，海拔是主要控制因子，其贡献率均在22%以上，最高可达42.37%（Ⅰ区），海拔高度对山区热量分布的影响不言自明，且山体高度是MEE存在的关键因素[13]，区域平均海拔越高，其山体基面高度也越高[11]。各地形主导型分区因子组合规律存在差异，如VIII区虽处于低纬区，但其海拔极高从而削弱了纬度影响，且其受西风与西南季风影响[61]，该区降水丰沛，其特殊复杂的地形与气候共同影响其MEE。VII区主要表现为地形特征与地表覆盖因素对MEE起协同主控作用，其中NDVI的贡献率可达19.88%，良好的植被可改变地表反照率、地表粗糙度和土壤湿度等地表属性，影响陆—气间的能量交换[62]，进而影响MEE。而III区则表现为地形特征与气候环境共同影响区域MEE格局，气候因子累积贡献率为48.39%，且III区为气候变化的敏感区[63]，其MEE受气候影响程度最大。
MEE各影响因子在高原全域与地貌分区不同空间尺度的贡献率存在差异，如纬度在高原大尺度范围内为MEE主控因子，但在局地小区域这一作用被弱化；而海拔在高原大范围内对MEE的影响远小于纬度，但在局地区域的作用则显著增强。总体来看，在高原尺度下MEE主要受地理位置与气候环境共同影响；在地貌分区尺度下MEE主要为地形主导型及地理位置主导型，但在个别区域，地表覆盖及气候环境成为MEE的关键影响因子，其作用不可忽视。随着空间尺度由宏观转换到局地，地理位置对MEE的宏观影响有所弱化，而地形要素、气候因素对MEE的局地影响逐渐增强，存在尺度效应。

4.3.2 干湿季山体效应强度定量归因

高原的热力作用与地表过程密切相关[58]，其近地表能量交换因下垫面属性及气候条件影响存在季节性差异从而间接影响MEE。以干、湿季及全年不同时间尺度进行探测，其结果表明高原干、湿季及全年MEE主导类型均为地理位置主导型，但MEE干季次主导因子为地表覆盖，湿季则为气候因素（图10）。在各类影响因素中，地形特征因素在干季和湿季中的贡献率差别不大，均为20%左右。气候因素在湿季贡献率高于干季，其中，湿季气压（12.93%）、相对湿度（7.99%）贡献率较其他气候因子更突出。湿季高原作为热源，热低压不断以湍流形式向高原上空输送感热的同时，也促使周边大气向高原辐合[48]。相对湿度作为表征热低压内部水汽饱和程度的指标影响着热低压的温湿结构，从而影响高原加热作用[62]。地表覆盖因素在干季贡献率显著高于湿季，可能由于高原干季植被稀少，感热通量最大，因此MEE相对较强。
图10 青藏高原干、湿季山体效应因子探测结果及主导类型划分

Fig. 10 Factor detection results of MEE and division of dominant types in different seasons

值得注意的是，地理位置因素在干季和湿季中的贡献率接近，但干季时纬度（35.82%）对MEE强度的贡献率占绝对优势，而湿季纬度、经度贡献率相当。经度可以体现高原东西不同的水汽输送过程，反映区域大陆度差异。因此，本文得到的不同时间尺度下MEE影响因子的变化特征实质上反映了青藏高原从南至北、从东至西不同的气候模态。
总体来看，青藏高原MEE不同时空尺度下的因子主导类型和组合方式多样，但对地貌分区MEE的影响强度仍存在一定的规律性。地形—气候、位置—地形组合类型为主导的区域最多、面积最大。地理位置主导区纬度贡献度最高，地形主导型区域海拔的贡献度最高。上述主导因子相互耦合、紧密互馈，在周期性、规律性、地带性和局地性等因素共同驱动下，形成了不同时空尺度下青藏高原MEE的复杂分布格局。

5 讨论

5.1 青藏高原与其他山系的山体效应比较

山体效应的强弱受千差万别的环境条件影响，表现出极强的空间异质性和成因复杂性[16⇓-18]。为了探讨不同海陆位置、不同隆升规模、不同山脉走向等典型山地MEE空间结构和成因机制异同，本文收集了近年来全球范围内具有代表性山地MEE研究的相关文献[11⇓⇓⇓⇓-16]，尽管学者们对于MEE量化的方法及使用的数据源不同，对各大型山系MEE比较研究存在一定局限性，但仍可进一步概观青藏高原与其他山地MEE异同性，也可为完善MEE产生机理提供理论支撑。
在全球七大山系的阿尔卑斯山、安第斯山、落基山、天山（中国境内）及青藏高原中，拥有昆仑山及喜马拉雅山的青藏高原MEE最为强烈，高度和范围仅次于青藏高原的安第斯山脉MEE次之[11]，而深居内陆的中国境内天山MEE相对最弱[16]。进一步探究不同山脉MEE影响因素发现，从隆升规模来看，山体基面高度作为MEE产生的第一因子[18]，各山脉MEE强弱与其对应山体基面高度高低具有良好的一致性[11,13]，山体基面高度对山地区域温度场的分布具有独立而且稳定的影响。从山脉走向来看，由一系列高大山脉及其间高原宽谷盆地组成的青藏高原，其巨大空间幅度导致纬度对MEE控制作用明显，类似南北走向的落基山、安第斯山的MEE受纬度控制作用也不可忽视[11,13]；而阿尔卑斯山作为东西狭长分布的山脉，纬度对其影响微乎其微[11]。从海陆位置来看，青藏高原MEE强弱则随经度变化呈现波动式减弱，一定范围内的气候大陆度可增强高原增温效应；而大陆性气候显著的落基山因其气候干旱、降水稀少，山体增温强烈[14]；同样为大陆性气候的中国天山，内外程度是影响其MEE的关键因子[16]。
与其他山系相比，青藏高原具有最高的山体基面高度、最大的空间幅度，是全球MEE最为剧烈且典型的区域，隆起规模及地理位置是青藏高原MEE的主要影响因素。上述山系MEE强弱及其影响因素异同可知MEE是多种因子综合作用的结果，且其主控因子对不同山体增温效应强弱的贡献存在显著差异。

5.2 山体效应估算的不确定性分析

就目前山体效应估算方法来看，大多惯用山体“内部”与“外部”同海拔气温之差表征，但由于山体错落有致、峰谷相间的地形地貌使其“内部”结构复杂多样，相对独立和完整的地貌单元亦会孕育特殊的区域气候特征。为此，本文分别采用了青藏高原整体和地貌分区两种不同的“内部”，以估算青藏高原与“外部”区域同海拔气温的差值，并试图探究两种方法的差异性和适宜性。
以青藏高原整体估算方法本质上与以往估算青藏高原MEE方法[10]相同，在此不再赘述。而地貌分区估算青藏高原MEE的方法，是以MEE的概念—大地形海拔高度抬升引起水热组合空间分异产生的热力效应为基础，以地貌形态特征、地质构造、地势分布及海拔差异等条件划分青藏高原内部区域，并根据其所在纬度选取对应外部区域，进而计算得到MEE值。其估算结果与韩芳[12]、贺文慧[13]基于山体基面高度方法估算所得青藏高原MEE空间分布特征较为吻合，如祁连山脉存在无MEE区域、青藏高原MEE最为强烈的区域为雅鲁藏布江流域日喀则段等细部估算特征均一致。这也证明了地貌分区逐像元空间表征青藏高原MEE方法及结果较为可靠。
对比分析两种估算方法结果发现，以青藏高原整体估算相较于地貌分区估算而言，青藏高原中高纬度区（即Ⅰ~Ⅶ区）中绝大部分区域MEE被低估，且有27.42%区域被低估3 ℃以上，这些区域海拔分布相对较低；然而存在小部分区域MEE被高估，且高估3 ℃以上的区域均分布着冰川。而低纬度区（即Ⅷ、Ⅸ区）中则大部分区域MEE被高估，海拔越高的区域，其MEE高估越显著，而海拔相对较低的一江两河流域及横断山脉部分谷地区域，MEE则被低估（图11）。青藏高原整体估算方法可宏观展示MEE的空间分布特征，但易低估青藏高原中高纬度低海拔区域MEE值，高估低纬度高海拔区域MEE值，对青藏高原MEE细部特征刻画不够准确。相比之下，地貌分区估算方法更加全面地考虑了山地整体区间差异性和各区内部相似性的特征，其结果更有利于客观表征MEE的空间分异规律，可作为今后MEE估算的参考和有益补充。
图11 青藏高原山体效应整体与地貌分区估算偏差

Fig. 11 Deviation between the overall estimation and landform regionalization of MEE on Qinghai-Tibet Plateau

5.3 展望

MEE定量化具有广泛的应用前景，对于构建山地垂直带谱分布模型及理解全球气候变化具有重要的实际应用价值。未来MEE研究的进一步发展与完善可考虑以下两方面：
（1）长时间尺度研究和高时空分辨率数据有利于青藏高原MEE动态变化和驱动机制研究的深化和精细化。后续研究工作中应多考虑利用ERA5及其他多源数据融合产品替代MODIS LST产品，延长青藏高原地表温度时间序列，提高MEE时空分辨率，进一步提升MEE估算的精度和质量。
（2）MEE时空变化与山地垂直带谱分布息息相关，特别是对气候变化响应敏感的林线。研究生长季MEE变化规律可探寻MEE在植被对气候变化响应中的作用，未来应以不同时间尺度刻画MEE演变特征，以期揭示MEE对山地立体生态格局的影响。

6 结论

本文基于地—气温回归模型模拟青藏高原气温分布，估算并分析了2000—2019年高原及内部地貌分区MEE及其变化的时空分异及演变格局，借助地理探测器探测青藏高原不同时空尺度下山体效应变化的主导因子及其成因。主要结论如下：
（1）2000—2019年青藏高原MEE均值为4.13 ℃，整体呈现由东北向西南向心圈层增强的空间格局。MEE存在明显海拔依赖性，其垂向变率为0.10 ℃/100m，与经度、纬度均呈显著负相关。采用山体外部分区方法，依地貌分区估算的青藏高原多年MEE均值为5.06 ℃，且其内部显著的空间分异得以更客观、精细地刻画。
（2）青藏高原MEE具有显著的干湿季差异，MEE干季强于MEE湿季，其区域差异性亦显著，尤以青藏高原南缘及东部更为突出。MEE干季呈西北弱、东南强的分异格局，而湿季呈现西强东弱特征，VIII区和V区分别为两季MEE高值区，中昆仑山南翼的高原面及内部腹地MEE湿季普遍增强，而横断山极大/大起伏高山区南部和江河上游中/大起伏高山谷地区东部MEE湿季则大幅下降，横断山极大/大起伏高山区干、湿季MEE差异最为显著。
（3）2000—2019年青藏高原θslope(MEE年际)为0.26 ℃/10a，MEE变化以增强为主，呈现东强西弱、以腹地为核心向边缘递减的“环状”空间分布特征。高原腹地及东北部增强显著，尤以三江源区、祁连山脉最为突出，而减弱区仅分布于阿里山区，西南部变化较小。显著性检验显示MEE弱区呈现显著增强趋势，强区变幅较小，呈现西南—东部不对称线性增强规律。MEE干季的波动幅度及变化速率均大于MEE湿季的波动幅度及变化速率，干季是MEE变化的主要贡献季节。相对而言多年冻土分布区MEE干季强烈且变化较大，喜马拉雅山脉等大型山系MEE湿季变化显著。
（4）青藏高原MEE在不同时空尺度下其因子组合、协同等方式和强度影响各异，存在尺度效应。宏观尺度下MEE受三维地带性因素主控，其中纬度地带性奠定了青藏高原MEE分布的宏观基调；微地形因素如隆起规模和结构形态以及下垫面、气候等差异对MEE有区域性影响。地貌分区尺度下，因子主导类型主要分为地形主导区（6个）和位置主导区（3个），其中海拔和纬度是主控因子。季节尺度下，位置—地表覆盖与位置—气候因素组合是MEE主导类型，湿季气压（12.93%）、相对湿度（7.99%）贡献率较其他气候因子更突出；干季地表覆盖因素贡献率显著高于湿季。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Deng Wei, Cheng Genwei, Wen Anbang. The conception of mountain science development in China. Bulletin of Chinese Academy of Sciences, 2008, 23(2): 156-161.

[邓伟, 程根伟, 文安邦. 中国山地科学发展构想. 中国科学院院刊, 2008, 23(2): 156-161.]

[2]
Grubb P J. Interpretation of massenerhebung effect on tropical mountains. Nature, 1971, 229: 44-45.

[3]
Han Fang, Zhang Baiping, Tan Jing, et al. The effect of mountain basal elevation on the distribution of snowline with different mountain basal elevations in Tibetan Plateau and its surrounding areas. Geographical Research, 2014, 33(1): 23-30.

DOI

[韩芳, 张百平, 谭靖, 等. 山体基面高度对青藏高原及其周边地区雪线空间分布的影响. 地理研究, 2014, 33(1): 23-30.]

DOI

[4]
Zhao Fang. A quantitative study of the mass mountain effect based on the theoretical and real distribution of mountain altitudinal belts[D]. Beijing: University of Chinese Academy of Sciences, 2015.

[赵芳. 基于理想状态山地垂直带界限分布的山体效应定量化研究[D]. 北京: 中国科学院大学, 2015.]

[5]
Sun Jian, Cheng Genwei. Mountain altitudinal belt: A review. Ecology and Environmental Sciences, 2014, 23(9): 1544-1550.

[孙建, 程根伟. 山地垂直带谱研究评述. 生态环境学报, 2014, 23(9): 1544-1550.]

[6]
Quervain A D. The elevation of atmospheric isotherms in the Swiss Alps and their relationship with each other's altitudes. Gerlands Contributions to Geophysics, 1904, 6: 481-533.

[de Quervain A. Die Hebung der atmosphärischen Isothermenin der Schweizer Alpen und ihre beziehung zu den Höhengrenzen. Gerlands Beitr age zur Geophysik, 1904, 6: 481-533.]

[7]
Han Fang, Zhang Baiping, Tan Jing, et al. The effect of mountain base elevation on the altitude of timberline in the southeastern Eurasia: A study on the quantification of mass elevation effect. Acta Geographica Sinica, 2010, 65(7): 781-788.

DOI

[韩芳, 张百平, 谭靖, 等. 山体基面高度对欧亚大陆东南部林线分布的影响: 山体效应定量化研究. 地理学报, 2010, 65(7): 781-788.]

DOI

[8]
Han F, Yao Y H, Dai S B, et al. Mass elevation effect and its forcing on timberline altitude. Journal of Geographical Sciences, 2012, 22(4): 609-616.

DOI

[9]
Zhao Fang, Zhang Baiping, Pang Yu, et al. Mass elevation effect and its contribution to the altitude of timberline in the northern Hemispher. Acta Geographica Sinica, 2012, 67(11): 1556-1564.

[赵芳, 张百平, 庞宇, 等. 山体效应对北半球林线分布的影响分析. 地理学报, 2012, 67(11): 1556-1564.]

[10]
Yao Yonghui, Zhang Baiping. MODIS-based estimation of air temperature and heating-up effect of the Tibetan Plateau. Acta Geographica Sinica, 2013, 68(1): 95-107.

DOI

[姚永慧, 张百平. 基于MODIS数据的青藏高原气温与增温效应估算. 地理学报, 2013, 68(1): 95-107.]

[11]
Zhang Shuo. Main forming factors of mountain effect and its quantitative research[D]. Beijing: University of Chinese Academy of Sciences, 2015.

[张朔. 山体效应主要形成因素及其定量化研究[D]. 北京: 中国科学院大学, 2015.]

[12]
Han Fang, Zhang Baiping, Li Xican, et al. MODIS-based estimation of mass elevation effect in the Tibetan Plateau and its ecological effect. Mountain Research, 2016, 34(6): 788-798.

[韩芳, 张百平, 李西灿, 等. 青藏高原山体效应的遥感估算及其生态效应分析. 山地学报, 2016, 34(6): 788-798.]

[13]
He Wenhui. Mass elevation effect simulation based on mountain belts in the Tibetan Plateau and the central Andes[D]. Beijing: University of Chinese Academy of Sciences, 2016.

[贺文慧. 基于垂直带的山体效应数字模拟:以青藏高原、安第斯山区中段为例[D]. 北京: 中国科学院大学, 2016.]

[14]
Wang Jing, Zhang Baiping, Zhang Wenjie, et al. Quantitative research of mass elevation effect in Colorado Rocky Mountains. Geographical Research, 2017, 36(8): 1467-1477.

DOI

[王婧, 张百平, 张文杰, 等. 科罗拉多落基山脉山体效应定量化研究. 地理研究, 2017, 36(8): 1467-1477.]

DOI

[15]
Suo Nandongzhu, Yao Yonghui, Zhang Baiping. Comparative study on the mountain elevation effect of the Tibetan Plateau and the Alps. Geographical Research, 2020, 39(11): 2568-2580.

DOI

[索南东主, 姚永慧, 张百平. 青藏高原和阿尔卑斯山山体效应的对比研究. 地理研究, 2020, 39(11): 2568-2580.]

DOI

[16]
Zhang Mingyu, Zhang Zhengyong, Liu Lin, et al. Spatio-temporal pattern and attribution analysis of mass elevation effect in Tianshan Mountains of China. Acta Geographica Sinica, 2023, 78(5): 1254-1270.

DOI

[张明羽, 张正勇, 刘琳, 等. 中国天山山体效应评估及空间分异归因. 地理学报, 2023, 78(5): 1254-1270.]

DOI

[17]
Li Wuyang, Lan Xincan, Tang Jiale, et al. Influence of albedo and evapotranspiration on the mass elevation effect in the Qinling-Daba Mountains of China. Mountain Research, 2022, 40(4): 614-625.

[李午阳, 兰鑫灿, 唐家乐, 等. 地表反照率和蒸散发对秦巴山地增温效应的影响. 山地学报, 2022, 40(4): 614-625.]

[18]
Zhang Baiping, Yao Yonghui. Studies on Mass Elevation Effect. Beijing: China Environmental Science Press, 2015.

[张百平, 姚永慧. 山体效应研究. 北京: 中国环境出版社, 2015.]

[19]
Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective. Acta Geographica Sinica, 2017, 72(1): 116-134.

DOI

[王劲峰, 徐成东. 地理探测器: 原理与展望. 地理学报, 2017, 72(1): 116-134.]

DOI

[20]
Miehe G, Miehe S, Vogel J, et al. Highest treeline in the northern hemisphere found in southern Xizang. Mountain Research and Development, 2007, 27(2): 169-173.

[21]
Shi Y F, Zheng B X, Li S J. Last glaciation and maximum glaciation in the Qinghai-Xizang (Xizang) Plateau: A controversy to M. Kuhle's ice sheet hypothesis. Chinese Geographical Science, 1992, 2(4): 293-311.

[22]
Pan Baotian, Li Jijun. Qinghai-Tibetan Plateau: A driver and amplifier of the global climatic change (Ⅲ): The effects of the uplift of Qinghai-Tibetan Plateau on climatic changes. Journal of Lanzhou University, 1996, 32(1): 108-115.

[潘保田, 李吉均. 青藏高原: 全球气候变化的驱动机与放大器(Ⅲ):青藏高原隆起对气候变化的影响. 兰州大学学报, 1996, 32(1): 108-115.]

[23]
Yu Bohua, Lv Changhe. Assessment of ecological vulnerability on the Tibetan Plateau. Geographical Research, 2011, 30(12): 2289-2295.

DOI

[于伯华, 吕昌河. 青藏高原高寒区生态脆弱性评价. 地理研究, 2011, 30(12): 2289-2295.]

[24]
Zheng Du, Yao Tandong. Uplifting of Tibetan Plateau with its environmental effects. Advances in Earth Science, 2006, 21(5): 451-458.

DOI

[郑度, 姚檀栋. 青藏高原隆升及其环境效应. 地球科学进展, 2006, 21(5): 451-458.]

DOI

[25]
Zheng Du, Zhao Dongsheng. Characteristics of natural environment of the Tibetan Plateau. Science and Technology Review, 2017, 35(6): 13-22.

[郑度, 赵东升. 青藏高原的自然环境特征. 科技导报, 2017, 35(6): 13-22.]

DOI

[26]
Wei Ying. Characteristics of spatial and temporal temperature variations on the Tibetan Plateau and their future projections from 1980 to 2018[D]. Xi'an: Shaanxi Normal University, 2020.

[魏莹. 1980—2018年青藏高原气温时空变化特征及其未来预估[D]. 西安: 陕西师范大学, 2020.]

[27]
Tang Jie. Distribution, trends and causes of clouds, precipitation and extreme disastrous weather events on the Tibetan Plateau[D]. Nanjing: Nanjing University of Information Science & Technology, 2022.

[唐洁. 青藏高原云和降水与极端灾害天气事件分布、趋势及其成因研究[D]. 南京: 南京信息工程大学, 2022.]

[28]
Li Zongxing, Gao Jun, Li Wenfei, et al. The characteristics of geothermal field and controlling factors in Qaidam Basin, Northwest China. Earth Science Frontiers, 2016, 23(5): 23-32.

DOI

[李宗星, 高俊, 李文飞, 等. 柴达木盆地地温场分布特征及控制因素. 地学前缘, 2016, 23(5): 23-32.]

DOI

[29]
Wang Zuobo, Hu Yiming, Zhou Zhixin, et al. Verification of the vertical distribution pattern of species diversity of nonflying small mammal in the Lebu Valley of Eastern Himalayas, China. Acta Theriologica Sinica, 2020, 40(5): 493-502.

[王作波, 胡一鸣, 周智鑫. 东喜马拉雅勒布沟非飞行小型兽类物种多样性垂直分布格局. 兽类学报, 2020, 40(5): 493-502.]

[30]
Ma Jin. Retrieval and validation of long-term land surface temperature from satellite remote sensing[D]. Chengdu: University of Electronic Science and Technology of China, 2021.

[马晋. 长时序地表温度遥感反演与真实性检验方法研究[D]. 成都: 电子科技大学, 2021.]

[31]
Han Xiuzhen, Li Sanmei, Dou Fangli. Study of obtaining high resolution near-surface atmosphere temperature by using the land surface temperature from meteorological satellite data. Acta Meteorologica Sinica, 2012, 70(5): 1107-1118.

[韩秀珍, 李三妹, 窦芳丽. 气象卫星遥感地表温度推算近地表气温方法研究. 气象学报, 2012, 70(5): 1107-1118.]

[32]
Xie Yingqin, Zeng Qunzhu. The climate conditions of permafrost development in Tibetan Plateau//Lanzhou Institute of Glaciology and Cryopedology, Chinese Academy of Sciences. The 2nd National Permafrost Academic Conference Proceedings. 1983: 13-20.

[谢应钦, 曾群柱. 青藏高原多年冻土发育的气候条件//中国科学院兰州冰川冻土研究所. 第二届全国冻土学术会议论文选集. 1983: 13-20.]

[33]
Cheng Weiming, Zhou Chenghu, Li Bingyuan, et al. Geomorphological regionalization theory system and division methodology of China. Acta Geographica Sinica, 2019, 74(5): 839-856.

DOI

[程维明, 周成虎, 李炳元, 等. 中国地貌区划理论与分区体系研究. 地理学报, 2019, 74(5): 839-856.]

DOI

[34]
Yao Y H, Zhang B P. The mass elevation effect of the Tibetan Plateau and its implications for alpine treelines. International Journal of Climatology, 2015, 35: 1833-1846.

[35]
Yao Yonghui, Suonandongzhu, Zhang Yichi. Mountain elevation effect of the Alps and its implication for forest line. Progress in Geography, 2021, 40(8): 1397-1405.

DOI

[姚永慧, 索南东主, 张一驰. 阿尔卑斯山山体效应及其对林线的影响分析. 地理科学进展, 2021, 40(8): 1397-1405.]

DOI

[36]
Li Bin, Wang Huimin, Qin Mingzhou, et al. Comparative study on the correlations between NDVI, NDMI and LST. Progress in Geography, 2017, 36(5): 585-596.

DOI

[李斌, 王慧敏, 秦明周, 等. NDVI、NDMI与地表温度关系的对比研究. 地理科学进展, 2017, 36(5): 585-596.]

DOI

[37]
Ye Duzheng, Gao Youxi. Meteorology of Qinghai-Xizang Plateau. Beijing: Science Press, 1979.

[叶笃正, 高由禧. 青藏高原气象学. 北京: 科学出版社, 1979.]

[38]
Wang Ninglian. The boundary between the northern and southern Tibetan Plateau with different variations in the warm season air temperatures on the decadal time scale. Quaternary Sciences, 2006, 26(2): 165-172.

[王宁练. 青藏高原南部和北部暖季气温年代际变化差异的界线位置. 第四纪研究, 2006, 26(2): 165-172.]

[39]
Ran Youhua, Li Xin, Cheng Guodong, et al. Mapping the permafrost stability on the Tibetan Plateau for 2005-2015. Scientia Sinica (Terrae), 2021, 51(2): 183-200.

[冉有华, 李新, 程国栋, 等. 2005—2015年青藏高原多年冻土稳定性制图. 中国科学: 地球科学, 2021, 51(2): 183-200.]

[40]
Gong Tingting, Gao Bing, Ji Zichen, et al. Variation of active layer thickness of permafrost in the Qinghai-Tibetan Plateau based on MODIS temperature product. Scientia Geographica Sinica, 2022, 42(10): 1848-1856.

DOI

[龚婷婷, 高冰, 吉子晨, 等. 基于MODIS温度的青藏高原多年冻土活动层厚度变化研究. 地理科学, 2022, 42(10): 1848-1856.]

DOI

[41]
Guo Weidong, Ma Zhuguo, Wang Huijun, et al. Soil moisture: An important factor of seasonal precipitation prediction and its application. Climatic and Environmental Research, 2007(1): 20-28.

[郭维栋, 马柱国, 王会军. 土壤湿度: 一个跨季度降水预测中的重要因子及其应用探讨. 气候与环境研究, 2007(1): 20-28.]

[42]
Luo Hongyu, Yu Haipeng, Hu Zeyong, et al. Progress of the impact of the Qinghai-Xizang Plateau heat sources on climate anomalies in drylands of China. Plateau Meteorology, 2023, 42(2): 257-271.

DOI

[罗红羽, 于海鹏, 胡泽勇, 等. 青藏高原热源对我国旱区气候异常影响研究进展. 高原气象, 2023, 42(2): 257-271.]

DOI

[43]
Liu Shiyin, Yao Xiaojun, Guo Wanqin, et al. The contemporary glaciers in China based on the Second Chinese Glacier Inventory. Acta Geographica Sinica, 2015, 70(1): 3-16.

DOI

[刘时银, 姚晓军, 郭万钦, 等. 基于第二次冰川编目的中国冰川现状. 地理学报, 2015, 70(1): 3-16.]

DOI

[44]
Barry R G. Mountain Weather and Climate. New York: Cambridge University Press, 2008.

[45]
Schickhoff U. The upper timberline in the Himalayas,Hindu Kush and Karakorum: A renew of geographical and ecological aspects// Broll G, Keplin B. Mountain Ecosystems. New York, Springer Berlin Heidelberg, 2005: 275-354.

[46]
Zheng Du. Qinghai-Xizang Plateau and its effects on regional differentiation of physical environments in west China. Quaternary Sciences, 2001, 21(6): 484-489.

[郑度. 青藏高原对中国西部自然环境地域分异的效应. 第四纪研究, 2001, 21(6): 484-489.]

[47]
Zheng Du, Li Bingyuan. Evolution and differentation of the physico geographical environment of Qinghai-Xizang Plateau. Geographical Research, 1990, 9(2): 1-10.

DOI

[郑度, 李炳元. 青藏高原自然环境的演化与分异. 地理研究, 1990, 9(2): 1-10.]

DOI

[48]
Ma Yaoming, Hu Zeyong, Wang Binbin, et al. The Review of the observation experiments on land-atmosphere interaction progress on the Qinghai-Xizang (Tibetan) Plateau. Plateau Meteorology, 2021, 40(6): 1241-1262.

DOI

[马耀明, 胡泽勇, 王宾宾, 等. 青藏高原多圈层地气相互作用过程研究进展和回顾. 高原气象, 2021, 40(6): 1241-1262.]

DOI

[49]
Zhang Hongwen, Xu Yu, Gao Yanhong. Simulation study on precipitation recycling ratio in the Tibetan Plateau from 1982 to 2005. Advances in Earth Science, 2020, 35(3): 297-307.

DOI

[张宏文, 续昱, 高艳红. 1982—2005年青藏高原降水再循环率的模拟研究. 地球科学进展, 2020, 35(3): 297-307.]

DOI

[50]
Wei Zhigang, Huang Ronghui, Dong Wenjie. Interannual and interdecadal variations of air temperature and precipitation over the Tibetan Plateau. Chinese Journal of Atmospheric Sciences, 2003, 27(2): 157-170.

[韦志刚, 黄荣辉, 董文杰. 青藏高原气温和降水的年际和年代际变化. 大气科学, 2003, 27(2): 157-170.]

[51]
Ji Guoliang, Zhong Qiang, Shen Zhibao. Advances in observation and research of the surface heat source over the Qinghai-Xizang Plateau. Plateau Meteorology, 1989, 8(2): 127-132.

[季国良, 钟强, 沈志宝. 青藏高原地面热源观测研究的进展. 高原气象, 1989, 8(2): 127-132.]

[52]
Zhou Changyan, Tang Xinying, Li Yueqing. Overview of the research on the water vapor and water vapor transport over the Tibetan Plateau and its surroundings. Plateau and Mountain Meteorology Research, 2012, 32(3): 76-83.

[周长艳, 唐信英, 李跃清. 青藏高原及周边地区水汽、水汽输送相关研究综述. 高原山地气象研究, 2012, 32(3): 76-83.]

[53]
Chen Deliang, Xu Baiqing, Yao Tandong, et al. Assessment of past, present and future environmental changes on the Tibetan Plateau. Chinese Science Bulletin, 2015, 60(32): 3025-3035, 1-2.

[陈德亮, 徐柏青, 姚檀栋, 等. 青藏高原环境变化科学评估: 过去、现在与未来. 科学通报, 2015, 60(32): 3025-3035, 1-2.]

[54]
Tian Hao, Liu Lin, Zhang Zhengyong, et al. Spatiotemporal diversity and attribution analysis of land surface temperature in China from 2001 to 2020. Acta Geographica Sinica, 2022, 77(7): 1713-1729.

DOI

[田浩, 刘琳, 张正勇, 等. 2001—2020年中国地表温度时空分异及归因分析. 地理学报, 2022, 77(7): 1713-1729.]

DOI

[55]
Wei Ying, Duan Keqin. Temporal and spatial characteristics and possible causes research of Qinghai-Tibetan Plateau warming from 1980 to 2016. Plateau Meteorology, 2020, 39(3): 459-466.

DOI

[魏莹, 段克勤. 1980—2016年青藏高原变暖时空特征及其可能影响原因. 高原气象, 2020, 39(3): 459-466.]

DOI

[56]
Zhang Geli, Ouyang Hua, Zhou Caiping, et al. Response of agricultural thermal resources to climate change in the region of the Brahmaputra river and its two tributaries in Xizang during past 50 years. Resources Science, 2010, 32(10): 1943-1954.

[张戈丽, 欧阳华, 周才平, 等. 近50年来气候变化对西藏“一江两河”地区农业气候热量资源的影响. 资源科学, 2010, 32(10): 1943-1954.]

[57]
You Q L, Min J Z, Kang S C. Rapid warming in the Tibetan Plateau from observations and CMIP5 models in recent decades. International Journal of Climatology, 2016, 36(6): 2660-2670.

[58]
Yang Kai. Study on the impacts of soil freeze-thaw process and surface diabatic heating anomalies over Tibetan Plateau on climate in east asia[D]. Lanzhou: Lanzhou University, 2020.

[杨凯. 青藏高原冻融过程与地表非绝热加热异常对东亚气候影响的研究[D]. 兰州: 兰州大学, 2020.

[59]
Zheng Bin, Huang Yanyan, Gu Dejun. Effect of diabatic heating induced by regional water vapor anomalies in 2016/2017 warm winter over the south of China. Journal of Tropical Meteorology, 2019, 35(3): 289-295.

[郑彬, 黄燕燕, 谷德军. 局地水汽异常引起的非绝热加热对2016/2017年中国南方暖冬的影响. 热带气象学报, 2019, 35(3): 289-295.]

[60]
Xiao Yao, Zhao Lin, Zou Defu, et al. Analyses of the influence factors of permafrost distribution on the Qinghai-Xizang Plateau based on geographical detector. Journal of glaciology and Geocryology, 2021, 43(1): 311-321.

[肖瑶, 赵林, 邹德富, 等. 基于地理探测器的青藏高原多年冻土分布影响因子分析. 冰川冻土, 2021, 43(1): 311-321.]

[61]
Ge Qin. Glacier variations in response to climate change in the Himalaya during 1990-2015[D]. Lanzhou: Lanzhou University, 2018.

[冀琴. 1990—2015年喜马拉雅山冰川变化及其对气候波动的响应[D]. 兰州: 兰州大学, 2018.]

[62]
Lai Xin, Fan Guangzhou, Hua Wei, et al. Progress in the study of influence of the Qinghai-Xizang Plateau land atmosphere interaction on east Asia regional climate. Plateau Meteorology, 2021, 40(6): 1263-1277.

DOI

[赖欣, 范广洲, 华维, 等. 青藏高原陆气相互作用对东亚区域气候影响的研究进展. 高原气象, 2021, 40(6): 1263-1277.]

DOI

[63]
Che Tao, Hao Xiaohua, Dai Liyun, et al. Snow cover variation and its impacts over the Qinghai-Tibet Plateau. Bulletin of Chinese Academy of Sciences, 2019, 34(11): 1247-1253.

[车涛, 郝晓华, 戴礼云, 等. 青藏高原积雪变化及其影响. 中国科学院刊, 2019, 34(11): 1247-1253.]

Options
文章导航

/

〈 〉