地球物理学报  2010, Vol. 53 Issue (4): 833-841   PDF    
植被覆盖状况影响中国地表气温变化的观测事实
杨续超1,2 , 张镱锂2 , 丁明军3 , 刘林山2 , 王兆锋2 , 高大伟4     
1. 浙江省气象科学研究所, 杭州 310017;
2. 中国科学院地理科学与资源研究所, 北京 100101;
3. 江西师范大学地理与环境学院, 南昌 330022;
4. 浙江省气候中心, 杭州 310017
摘要: 利用NOAA/AVHRR归一化植被指数(NDVI)及观测气温与再分析地表气温的差值(Observation Minus Reanalysis, OMR)分析了植被覆盖状况对中国地表气温变化的影响.结果表明,地表气温OMR趋势值与NDVI在空间上呈现出显著的负相关关系,植被覆盖状况差(NDVI小于0.1)的区域地表升温较为显著,气温OMR趋势值超过0.2℃/10a,而植被覆盖度高(NDVI大于0.5)的区域气温OMR趋势值则变化不大,甚至出现降温.气温OMR趋势值对植被的季节变化还有着敏感的响应.不同区域植被覆盖状况的差异可能导致中国地表气温变化对全球变暖的响应不同,预测中国未来气候变化需要考虑植被覆盖状况及其动态变化的影响.
关键词: 地表气温      NDVI      OMR方法      观测资料      再分析资料     
Observational evidence of the impact of vegetation cover on surface air temperature change in China
YANG Xu-Chao1,2, ZHANG Yi-Li2, DING Ming-Jun3, LIU Lin-Shan2, WANG Zhao-Feng2, GAO Da-Wei4     
1. Institute of Meteorology, Zhejiang Metelrological Bureau, Hangzhou 310017, China;
2. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China;
3. School of Geography and Environment, Jiangxi Normal University, Nanchang 330022, China;
4. Climate Center of Zhejiang Province, Hangzhou 310017, China
Abstract: Using NOAA/AVHRR normalized difference vegetation index (NDVI) data, the impact of vegetation cover on surface air temperature change is investigated by subtracting the reanalysis from the observation (observation minus reanalysis, OMR). The results show that the temperature OMR trend is inversely correlated to the surface vegetation index and the strong (weak) surface warming corresponds to the surface barrenness (greenness). Areas with NDVI less than 0.1 show a large warming trend of more than 0.2℃/10a, but areas with NDVI larger than 0.5 show little surface warming and even decreasing trends of temperature. Moreover, the OMR trend sensitively responds to the seasonal vegetation cover change. Atmosphere-land feedbacks over areas with different vegetation covers can alter the response of regional surface air temperature to global warming induced by the increase in anthropogenic greenhouse gases concentrations. Thus, it is suggested that projection of future surface climate of China should incorporate the impacts of spatio-temporal variability in vegetation cover..
Key words: Surface air temperature      NDVI      OMR method      Observations      Reanalysis     
1 引言

IPCC第四次评估报告指出, 人类活动导致温室气体浓度增加引起了近50年来全球气候变暖, 其中, 土地利用变化有关的CO2释放量对全球CO2浓度的增加有重要贡献, 土地覆被变化还通过地表反照率的变化对辐射产生影响[1].土地覆被状况在很大程度上取决于地表植被覆盖状况.目前, 由于人类土地利用活动的直接影响和气候变化的结果, 全球植被的分布和机能也都随之发生变化.然而, 植被在受到全球变化影响的同时, 也通过改变地表反照率、下垫面粗糙度、土壤湿度、大气中的CO2含量等物理特性及其自身的生物、化学过程来影响地表与大气之间的辐射、热量、水汽和动量通量[2], 进而对区域乃至全球气候产生影响, 其对于气候的反馈作用可能加快或者减缓全球气候变化.由于难以从地表观测气温数据中分离出温室气体增加和植被覆被变化所引起的气温变化信息, 植被覆盖状况对地表气温的影响并没有从观测事实中得到很好的评估, 更多的研究采用了数值模拟试验方法[3~20].

NDVI(Normalized Difference Vegetation Index)是目前国内外最常使用的遥感监测地面植被覆盖状况的指标, 也是公认的表征植被变化的有效参数.国内外学者从不同角度对气候因子(主要是气温和降水)与NDVI之间的关系进行了大量研究, 但是绝大多数研究都侧重于全球气候变化背景下植被的动态响应[21~38], 利用NDVI来研究植被对气候反馈作用的工作并不多见.其中, Kaufmann等(2003)采用1982~1999年的GIMMS NDVI资料和站点观测数据统计分析了北美和欧亚大陆植被对地表气温的影响后发现, 气温升高引起的植被增加反过来会缓慢地减少地表气温的上升, 但是这种反馈有一定限度, 因为气温升高过快或者过高而超过某一临界值后植被反而会减少[39].张井勇等(2003)利用1981~1994年NOAA/AVHRR的NDVI资料和中国160个标准气象台站的气温、降水资料对我国不同区域植被对气候的影响做了滞后相关分析, 结果显示, 前期NDVI与温度的相关比较复杂, 同时温度较之降水对植被的滞后响应更弱一些[40], 原因可能在于观测气温的变化主要受大气环流变化以及温室气体增加的影响, 没有从观测气温中去除这些因素的影响会部分地掩盖这种相关.此外, Liu等(2006)和Notaro等(2006)分别利用与NDVI有较好线性关系的光合有效辐射分量(Fractionof Photosynthetically Active Radiation, FPAR)和观测气温、降水数据分析了全球[41]和美国[42]植被-气候间的反馈, 结果发现北半球中高纬以及美国北部地区植被对气温有较强的正反馈, 这可能与植被减少了地表反照率有关.李伟平等(2008)采用NOAA AVHRR全球月平均叶面积指数(LAI)和ERA40近地面气温进行时滞相关分析后也发现LAI对气温比较显著的正反馈主要分布在北半球中高纬度地区, 而20°S以南大部分地区为比较显著的负反馈[43].

近年来, 一些研究利用OMR (Observation MinusReanalysis, 观测气温减去再分析气温)方法估算了美国[44, 45]、中国东南部[46, 47]及北半球[48]城市化和其他土地利用变化对地表气温的影响以及中国地表气温变化对土地覆被类型的敏感性[49], 但很少有利用OMR方法以及遥感数据来研究植被覆盖状况对地表气温的反馈.OMR方法的基本原理在于美国国家环境预测中心和国家大气研究中心(NCEP/NCAR)的再分析资料能够表现出由于温室气体增加和大气环流等引起的大尺度气候变化, 但是其地表气温对下垫面类型不敏感, 因此使用站点观测气温减去NCEP/NCAR再分析地表气温就能将局地气温变化特征从温室气体浓度增加引起的全球变暖中剥离出来[44].OMR方法应用于欧洲中期数值预报中心(ECMWF)40年再分析资料(ERA40)时也能得到下垫面引起的气候变化信息, 但ERA40再分析资料间接使用了地表观测数据[50], 由此计算的气温OMR值会比NCEP/NCAR再分析资料偏小[45, 48].由于中国区域内ERA40再分析气温数据的可靠性明显高于NCEP/NCAR再分析气温数据, 特别是在地形复杂的中国西部地区[51, 52], 虽然NCEP/NCAR再分析气温数据没有同化地表观测资料, 但是该数据在中国区域内, 特别是西部地区的可靠性较差, 会给气温OMR值的计算带来较大的误差[49].基于再分析气温数据的这一特点, 本研究利用观测气温与ERA40再分析气温的差值从全球变暖中分离出下垫面引起的局地气温变化特征, 并采用NDVI作为反映植被覆盖状况及其动态变化的指标, 分析中国区域内植被覆盖状况对地表气温变化的影响, 以期为植被影响气温长期变化提供观测事实的支持, 并为预测中国区域未来气候变化提供科学依据.

2 数据与方法

观测气温数据采用地表气候变量数据集CRU-TS2.1[53]中国区域内1960~1999年的月平均气温数据, 空间分辨率为0.5°×0.5°.已有研究[49, 54]表明, 1960年以来的CRU格点气温数据在中国区域内具有很高的可靠性, 可以用于本研究在栅格水平上分析植被覆盖状况对中国地表气温变化的影响.再分析气温数据使用欧洲中期预报中心提供的月平均地表(2m)气温, 水平分辨率为2.5°×2.5°, 来自于http://data.ecmwf.int/data/d/era40_moda/.气温数据的处理以及OMR值、OMR趋势值的计算方法与文献[49]一致, 但本研究中将气温OMR值及OMR趋势值栅格重采样到8km×8km分辨率(图 2), 使其与NDVI数据的空间分辨率一致.

图 2 1960~1999年中国区域OMR趋势值分布图(单位:℃/10a) Fig. 2 Distribution of decadal OMR trends of China with 8 km × 8 km spatial resolution for 1960~1999(unit: ℃/10a)

植被指数数据采用美国NOAA Pathfinder AVHRR陆地数据集的8km旬NDVI数据亚洲部分, 时间为1982年1月~1999年12月(其中1994年9月中旬至12月下旬资料缺).在这个数据集中, 为尽量消除云的影响, 处理中采用了最大值合成法, 并且对气溶胶的影响进行了大气纠正.初始影像投影为Good Interrupted Homolsine Projection, 将其投影转换为等积圆锥投影(Albers Projection)后截取中国部分.本研究将旬NDVI进行了月平均、季节平均和年平均, 再分别计算多年平均值来反映中国区域内季节及全年的植被覆盖平均状况.

3 地表气温OMR趋势与NDVI的关系 3.1 NDVI的空间分布

图 1是中国区域内多年平均(1982~1999年)的植被指数空间分布状况及季节变化特征.从年平均NDVI的分布来看, 存在着显著的东、西差异, 西北干旱区NDVI都在0.1以下, 东部的植被覆盖状况要明显的好于西部, 尤以西南及东南沿海地区的植被覆盖状况最好(图 1a).从NDVI的季节分布来看, 夏季是植被覆盖状况最好的季节, 东部绝大部分地区植被指数在0.3以上, 东北地区更是超过了0. 5;西北地区除了新疆北部部分地区NDVI有明显增加以外, 其余依然在0.1以下(图 1b).冬季中国东部大部分地区植被指数有所下降, 特别是东北地区下降最为显著, 青藏高原东南部植被覆盖也有明显减少, 而西南及东南沿海地区依然有较高的植被覆盖度(图 1c).从夏季与冬季NDVI的差异来看, 植被覆盖状况差的西北干旱区和植被状况好的西南及东南沿海地区没有表现出明显的季节变化, 东北、青藏高原东南部以及中部地区则表现出明显的季节变化特征, 特别是东北地区, 夏季与冬季植被覆盖状况差异最大(图 1d).

图 1 中国区域内NDVI的空间分布(色标中数据为无量纲) (a)年平均;(b)夏季;(c)冬季;(d)夏季-冬季. Fig. 1 Surface vegetation cover derived from NDVI over China. Vegetation index are averaged over (a) 1982~1999; (b) Summer: (c) Winter: (d) Summer-winter.
3.2 气温OMR趋势与NDVI的空间相关

将1960~1999年中国地表年平均气温OMR趋势值的空间分布(图 2)与年平均NDVI的分布(图 1a)进行对比可以发现, 气温OMR趋势值与植被覆盖状况有着明显的对应关系, 在我国西北和华北植被覆盖状况较差的区域气温OMR趋势值增暖较为明显, 而西南、东南、东北北部植被覆盖状况较好的区域OMR趋势值则较小.利用ArcGIS软件中的空间相关统计工具, 对气温OMR趋势值与年平均NDVI进行了栅格水平上的空间相关统计, 两者相关系数为-0.35.青藏高原西部植被覆盖度较差, 气温OMR趋势值也偏低, 可能是由于高原西部站点稀少, 地形复杂, CRU数据和ERA40再分析资料的可靠性都偏低, 导致该地区OMR趋势值的不确定性较大[49].将青藏高原西部移除后重新计算的气温OMR趋势值与年平均NDVI之间的空间相关系数达到-0.54, 这表明1960~1999年的地表气温OMR趋势值与年平均植被覆盖状况有非常显著的负相关关系, 不同植被盖度的区域对全球变暖有着不同的响应, 在植被覆盖状况差的地区地表气温升温更加明显, 而植被覆盖度高的区域升温则较弱.

同样的方法分别统计了栅格水平上CRU观测气温和ERA40再分析气温十年趋势值与年平均NDVI的空间相关系数, 结果显示, CRU观测气温趋势值与年平均NDVI没有表现出显著的相关关系(相关系数为-0.07), 其原因在于观测气温中包含了所有的气温变化信息, 其主要影响因素为大气环流的变化和温室气体增加引起的全球变暖; ERA40再分析气温趋势值与年平均NDVI之间的空间相关系数也仅为0.16, 表明ERA40气温对下垫面不敏感, 也不能反映出地表气温变化与植被覆盖状况之间的负相关关系.

3.3 不同植被覆盖状况下的气温OMR趋势值

将年平均NDVI每间隔0.1进行分级, 确定如下7级划分方式: 1: NDVI < 0.1, 2: NDVI=0.1~0.2, 3: NDVI=0.2~0.3, 4: NDVI=0.3~0.4, 5: NDVI=0.4~0.5, 6: NDVI=0.5~0.6, 7: NDVI=0.6~1.

利用ArcGIS软件中的分区统计工具(zonal statistic tool)计算不同NDVI等级上的年平均气温OMR趋势值, 结果表明:随着植被覆盖度的升高, 气温OMR趋势值逐渐减弱(图 3).其中, 植被覆盖状况好的区域(NDVI>0.4)主要分布在我国西南及东南沿海地区, 以常绿林地为主, 虽然反照率较低, 但是土壤湿度大, 蒸发强烈, 蒸发的降温效应抵消了全球变暖, 水汽的增加还有利于云的形成, 从而反射太阳辐射导致进一步的降温[55~59].在NDVI大于0.5的区域, 地表气温OMR趋势值则基本无变化, 甚至出现降温.中等植被覆盖度(0.2 < NDVI < 0.4)的区域, OMR趋势值为0.1~0.2℃/10a, 这些区域主要以耕地、草地、落叶阔叶林、落叶针叶林和落叶灌丛为主, 植被的降温效应比常绿林地弱.在NDVI小于0.1的区域升温最为显著, NDVI值超过0.2℃/10a的区域主要是植被覆盖状况差的沙漠、戈壁及裸土地等, 虽然反照率较高, 但是土壤湿度小, 蒸发降温效应弱, 使得地表能量更多的以感热形式向大气输送, 从而导致近地表气温的升高[55, 56].

图 3 不同NDVI等级上的气温OMR趋势值分布 Fig. 3 Assessment of decadal OMR trend in grade of NDVI
4 地表气温OMR趋势值对植被季节变化的响应

从NDVI的季节差异来看(图 1d), 东北地区(主要包括黑龙江、吉林以及内蒙古自治区东北部)植被覆盖度季节差异最为显著, 西北干旱区(主要包括塔里木盆地、甘肃北部以及内蒙古自治区西部)和西南地区(主要包括云南以及四川南部)的季节差异最小.因此, 本研究选择了这3个区域来分析月平均气温OMR趋势值对地表植被覆盖状况季节变化的响应.其中, 东北地区植被覆盖度季节变化非常显著, 夏季NDVI值最大, 冬季则最小.相应的地表气温OMR趋势值也呈现出反向的季节波动, 夏季植被覆盖度好、升温较弱, 冬季则由于植被的存在使得反照率较低而导致升温较强[58, 59](图 4a).西北干旱区植被覆盖状况差, 全年的NDVI都在0.1以下, 没有显著的季节变化, 土壤湿度小, 蒸发反馈的降温作用弱[55, 56], 相应的各月份地表气温OMR趋势值也都比较高, 升温幅度都在0.1℃/10a以上(图 4b).西南区植被覆盖状况好, 全年的NDVI指数都在0.4以上, 没有显著的季节变化.相应的各月份地表气温增暖很不明显, 气温OMR趋势值都在0℃上下波动.这一地区土壤湿度大, 蒸发强烈, 森林的降温效应贯穿全年, 抵消了温室气体增加引起的全球变暖, 使得该区域的升温不明显[58, 59](图 4c).

图 4 (a)东北区,(b)西北区,(c)西南区气温OMR趋势季节变化对NDVI季节变化的响应,三角曲线为NDVI,方块曲线为月平均气温OMR趋势值 Fig. 4 Seasonal variation of the OMR trend in response to the seasonal vegetation change over (a) northeast China (b) northwest China (c) southwest China, Line with triangle denote seasonal NDVI change, the line with square denote the seasonal variation of OMR trend

对以上三个区域的分析表明, 在植被季节变化大的区域地表气温OMR趋势对地表植被覆盖状况的季节变化有着较为敏感的响应, 而植被季节变化小的区域对地表气温则有着持续性的影响.

5 结论与讨论

(1) 利用观测气温与再分析气温的差值将中国近40年局地地表气温变化从全球变暖中分离出来, 分析其与植被指数NDVI之间的关系, 结果表明, 年平均气温OMR趋势值与年平均NDVI呈现出空间上显著的负相关关系, 植被覆盖状况差的地区地表气温升温较为显著, 而植被覆盖度高的地区升温则较弱.在NDVI小于0.1的地区年平均气温OMR趋势值超过0.2℃/10a, 在NDVI大于0.5的地区气温OMR趋势值则基本无变化.数值模拟试验研究结果表明, 热带森林砍伐[3, 4, 10]和土地荒漠化[5]会导致局地气温的明显增加, 本文的研究结论也支持了模拟试验的结果.

(2) 对三个典型区域植被季节变化与气温季节变化的关系分析发现, 月平均地表气温OMR趋势对地表植被覆盖状况的季节变化有着较为敏感的响应, 而植被季节变化小的区域对地表气温则有持续性的影响.观测分析[60~63]显示, 中国近几十年地表气温变化出现北方明显变暖, 而南方地区, 特别是西南及长江下游部分地区变暖不明显或气温下降的现象.本研究表明除了人类活动排放的气溶胶引起的南方地区气温下降[64, 65], 中国南、北方地表植被覆盖状况不同引起的区域地表气温变化差异可能对此有重要贡献.

气候与植被处于一种动态平衡之中, 一旦气候(植被)发生变化, 植被(气候)必然会随之发生响应.相对于二氧化碳等温室气体在大气中均匀混合后所引起的全球性影响, 植被的生物地球物理反馈对地表气温的影响具有更强的区域性[19, 58], 植被覆盖状况及其动态变化可以通过改变反照率、粗糙度、土壤湿度以及蒸发过程对气候产生反馈, 从而改变区域地表气温变化对温室气体增加的响应[57].同时, 植被还通过碳循环来影响大气中的CO2含量, 进而影响气候变化[19, 59].另一方面, 植被覆盖状况又要受到气温、降水和辐射等气候因子的影响.因此, 利用包含了动态植被过程的模式来研究植被-大气相互作用, 实现植被-大气双向耦合, 将是当前研究的一个重要方向.在区域尺度上预测未来中国气候变化需要考虑植被覆盖状况及其动态变化的影响[57, 66].

由于ERA40再分析数据应用于OMR方法时可能会导致计算结果偏小, 因此中国区域内植被覆盖状况对地表气温的影响可能还要大于本文的研究结果.此外, 本研究是在大尺度植被覆盖平均状态下分析植被对地表气温的影响, 不同植被下垫面地-气相互作用强度、季节变化等存在很大差异, 进一步的深入研究需要在各代表性区域开展陆面野外观测试验, 通过局地的精细观测研究, 由点及面, 为陆面过程模式的发展、校验和改进提供支持.

参考文献
[1] IPCC.Climate change 2007:The physical science basis.In:Contribution of Working Group I to the Fourth Assessment Report of the Intergovermental Panel on Climate Change.Cambridge, United Kingdom.New York, USA:Cambridge University Press, 2007
[2] 曹明奎, 李克让. 陆地生态系统与气候相互作用的研究进展. 地球科学进展 , 2000, 15(4): 446–452. Cao M K, Li K R. Perspective on terrestrial ecosystemclimate interaction. Advance in Earth Sciences (in Chinese) , 2000, 15(4): 446-452.
[3] Lean J, Warrilow D A. Simulation of the regional climatic impact of Amazon deforestation. Nature , 1989, 342: 411-413. DOI:10.1038/342411a0
[4] Henderson-Sellers A, Dickinson R E, Durbidge T B, et al. Tropical deforestation:modeling local-to regional scale climate change. J.Geophy.Res. , 1993, 98(D4): 7289-7315. DOI:10.1029/92JD02830
[5] Xue Y. The impact of desertification in the Mongolian and the Inner Mongolian grassland on the regional climate. J.Clima. , 1996, 9(9): 2173-2189. DOI:10.1175/1520-0442(1996)009<2173:TIODIT>2.0.CO;2
[6] 吕世华, 陈玉春. 西北植被覆盖对我国区域气候变化影响的数值模拟. 高原气象 , 1999, 18(3): 146–424. Lu S H, Chen Y C. The influence of northwest China afforestation on regional climate in China. Plateau Meteorology (in Chinese) , 1999, 18(3): 146-424.
[7] 符淙斌, 袁慧玲. 恢复自然植被对东亚夏季气候和环境影响的一个虚拟试验. 科学通报 , 2001, 46(8): 691–695. Fu C B, Yuan H L. An virtual numerical experiment to understand the impacts of recovering natural vegetation on the summer climate and environmental conditions in East Asia. Chin.Sci.Bull. (in Chinese) , 2001, 46(8): 691-695.
[8] 郑益群, 钱永甫, 苗曼倩, 等. 植被变化对中国区域气候的影响I:初步模拟结果. 气象学报 , 2002, 60(1): 1–6. Zheng Y Q, Qian Y F, Miao M Q, et al. The effects of vegetation change on regional climate I:Simulation results. Acta Meteorologica Sinica (in Chinese) , 2002, 60(1): 1-6.
[9] 郑益群, 钱永甫, 苗曼倩, 等. 植被变化对中国区域气候的影响II:机理分析. 气象学报 , 2002, 60(1): 17–29. Zheng Y Q, Qian Y F, Miao M Q, et al. The effects of vegetation change on regional climate II:Mechanisms. Acta Meteorologica Sinica (in Chinese) , 2002, 60(1): 17-29.
[10] Snyder P K, Delire C, Foley J A. Evaluating the influence of different vegetation biomes on the global climate. Clim Dyn. , 2004, 23(3): 279-302.
[11] 丁一汇, 李巧萍, 董文杰. 植被变化对中国区域气候影响的数值模拟研究. 气象学报 , 2005, 63(5): 613–621. Ding Y H, Li Q P, Dong W J. A numerical simulation study of the impacts of vegetation changes on regional climate in China. Acta Meteorologica Sinica (in Chinese) , 2005, 63(5): 613-621.
[12] 张井勇, 董文杰, 符淙斌. 中国北方和蒙古南部植被退化对区域气候的影响. 科学通报 , 2005, 50(1): 53–58. Zhang J Y, Dong W J, Fu C B. Impact of land surface degradation in northem China and southern Mongolia on regional climate. Chin.Sci.Bull. (in Chinese) , 2005, 50(1): 53-58.
[13] 陈燕, 蒋维楣, 徐敏, 等. 城市规划中绿化布局对区域气象环境影响的数值试验研究. 地球物理学报 , 2005, 48(2): 265–274. Chen Y, Jiang W M, Xu M, et al. Simulation of greenbelts effect on meteorological environment in urban planning. Chinese J.Geophys. (in Chinese) , 2005, 48(2): 265-274.
[14] 刘树华, 胡予, 胡非, 等. 沙漠-绿洲陆-气相互作用和绿洲效应的数值模拟. 地球物理学报 , 2005, 48(5): 1019–1027. Liu S H, Hu Y, Hu F, et al. Numerical simulation of landatmosphere interaction and oasis effect over oasis-desert. Chinese J.Geophys. (in Chinese) , 2005, 48(5): 1019-1027.
[15] 陈星, 雷鸣, 汤剑平. 地表植被改变对气候变化影响的模拟研究. 地球科学进展 , 2006, 21(10): 1075–1082. Chen X, Lei M, Tang J P. Simulating the effect of changed vegetation on the climate change in Eurasia. Advances in Earth Science (in Chinese) , 2006, 21(10): 1075-1082.
[16] 石正国, 延晓冬, 尹崇华, 等. 人类土地利用的历史变化对气候的影响. 科学通报 , 2007, 52(12): 1436–1444. Shi Z G, Yan X D, Yin C H, et al. Effects of historical land cover changes on climate. Chin.Sci.Bull. (in Chinese) , 2007, 52(12): 1436-1444.
[17] 梁玲, 吕世华, 尚伦宇. 黄土高原植被改变对夏季当地气候影响的数值模拟. 高原气象 , 2008, 27(2): 293–300. Liang L, Lu S H, Shang L Y. Numerical simulation of effect of Loess Plateau vegetation change on local climate. Plateau Meteorology (in Chinese) , 2008, 27(2): 293-300.
[18] 董喜春, 汤剑平, 王元, 等. 长江中下游地区城市化进程中地表植被变化气候效应的数值模拟. 气象科学 , 2008, 28(2): 147–154. Dong X C, Tang J P, Wang Y, et al. Numerical simulation of the climate effect of the urbanization course along the middle and lower reaches of Yangtze River. Scientia Meteorologica Sinica (in Chinese) , 2008, 28(2): 147-154.
[19] Bala G, Caldeira K, Wickett M, et al. Combined climate and carbon-cycle effects of large-scale deforestation. Proc.Natl.Acad.Sci. , 2007, 104(16): 6550-6555. DOI:10.1073/pnas.0608998104
[20] 刘飞, 巢纪平. 全球植被分布对陆面气温影响的半解析分析. 科学通报 , 2009, 54(12): 1761–1766. Liu F, Chao J P. Semi-analytical analysis of the response of the air temperature over the land surface to the global vegetation distribution. Chin.Sci.Bull. (in Chinese) , 2009, 54(12): 1761-1766.
[21] Yang L, Wylie B K, Tieszen L L, et al. An analysis of relationships among climate forcing and time-integrated NDVI of grasslands over the U. S.northem and central Great Plains.Remote Sens.Environ. , 1998, 65: 25-37.
[22] Richard Y, Poccard I. A statistical study of NDVI sensitivity to seasonal and interannual rainfall variation in southern Africa. Int.J.Remote Sens. , 1998, 19: 2907-2920. DOI:10.1080/014311698214343
[23] Kawabata A, Ichii K, Yamaguchi Y. Global monitoring of the interannual changes in vegetation activities using NDVI and its relationships to temperature and precipitation. Int.J.Remote Sens. , 2001, 22: 1377-1382. DOI:10.1080/01431160119381
[24] Wang J, Price K, Rich P. Spatial patterns of NDVI in response to precipitation and temperature in the central Great Plains. Int.J.Remote.Sens. , 2001, 22(18): 3827-3844. DOI:10.1080/01431160010007033
[25] Yu F F, Kevin D, James E, et al. Response of seasonal vegetation development to climatie variations in eastern central Asia. Remote Sens.Enuiron. , 2003, 87(1): 42-45. DOI:10.1016/S0034-4257(03)00144-5
[26] Wang J, Rich P M, Price K P. Temporal responses of NDVI to precipitation and temperature in the central Great Plains, USA. Int.J.Remote.Sens. , 2003, 24(11): 2345-2364. DOI:10.1080/01431160210154812
[27] Gong D Y, Chang H. Detection of large scale climate signals in spring vegetation index (Normalized Difference Vegetation Index) over the northern hemisphere. J.Geophys.Res. , 2003, 108: D16, 4498. DOI:10.1029/2002JD002300
[28] Ji L, Peters A J. A spatial regression procedure for evaluating the relationship between AVHRR-NDVI and climate in the northem Great Plains. Int.J.Remote Sens. , 2004, 25(2): 297-311. DOI:10.1080/0143116031000102548
[29] Piao S L, Fang J Y, Ji W, et al. Variation in a satellite based vegetation index in relation to climate in China. J.Veg.Sci. , 2004, 15(2): 219-226. DOI:10.1658/1100-9233(2004)015[0219:VIASVI]2.0.CO;2
[30] 孙红雨, 王长耀, 牛铮, 等. 中国地表植被覆盖变化及其与气候因子关系-基于NOAA时间序列数据分析. 遥感学报 , 1998, 2(3): 204–210. Sun H Y, Wang C Y, Niu Z, et al. Analysis of vegetation cover change and the relationship between NDVI and environmental factors by using NOAA time series data. Journal of Remote Sensing (in Chinese) , 1998, 2(3): 204-210.
[31] 李晓兵, 史培军. 中国典型植被类型NDVI动态变化与气温、降水变化的敏感性分析. 植物生态学报 , 2000, 24(3): 379–382. Li X B, Shi P J. Sensitivity analysis of variation in NDVI, temperature and precipitation in typical vegetation types across China. Acta Phytoecologica Sinica (in Chinese) , 2000, 24(3): 379-382.
[32] 赵茂盛, 符淙斌, 延晓冬, 等. 应用遥感数据研究中国植被生态系统与气候的关系. 地理学报 , 2001, 56(3): 287–296. Zhao M S, Fu C B, Yan X D, et al. Study on the relationship between different ecosystems and climate in China using NOAA/AVHRR data. Acta Geographica Sinica (in Chinese) , 2001, 56(3): 287-296.
[33] 谢力, 温刚, 符淙斌. 中国植被覆盖季节变化和空间分布对气候的响应-多年平均结果. 气象学报 , 2002, 60(2): 181–187. Xie L, Wen G, Fu C B. The response of the vegetation seasonal variability and its spatial pattern to climate variation in China:multi-year average. Acta Meteorologica Sinica (in Chinese) , 2002, 60(2): 181-187.
[34] 朴世龙, 方精云. 1982-1999年我国陆地植被活动对气候变化响应的季节差异. 地理学报 , 2003, 58(1): 119–125. Piao S L, Fang J Y. Seasonal changes in vegetation activity in response to climate changes in China between 1982 and 1999. Acta Geographica Sinica (in Chinese) , 2003, 58(1): 119-125.
[35] 毕晓丽, 王辉, 葛剑平. 植被归一化指数(NDVI)及气候因子相关起伏型时间序列变化分析. 应用生态学报 , 2005, 16(2): 284–288. Bi X L, Wang H, Ge J P. Wave-type time series variation of the correlation between NDVI and climatic factors. Chinese Journal of Applied Ecology (in Chinese) , 2005, 16(2): 284-288.
[36] 杨元合, 朴世龙. 青藏高原草地植被覆盖变化及其与气候因子的关系. 植物生态学报 , 2006, 30(1): 1–8. Yang Y H, Piao S L. Variations in grassland vegetation cover in relation to climatic factors on the Tibetan Plateau. Journal of Plant Ecology (in Chinese) , 2006, 30(1): 1-8. DOI:10.17521/cjpe.2006.0001
[37] 孙艳玲, 延晓冬, 谢德体. 基于因子分析方法的中国植被NDVI与气候关系研究. 山地学报 , 2007, 25(1): 54–63. Sun Y L, Yan X D, Xie D T. Study on the relationship between vegetation and climate in China using factor analysis. Journat of Mountain Science (in Chinese) , 2007, 25(1): 54-63.
[38] 郭铌, 朱燕君, 王介民, 等. 近22年来西北不同类型植被NDVI变化与气候因子的关系. 植物生态学报 , 2008, 32(2): 319–327. Guo N, Zhu Y J, Wang J M, et al. The relationship between NDVI and climate elements for 22 years in different vegetation areas of northwest China. Journal of Plant Ecology (in Chinese) , 2008, 32(2): 319-327.
[39] Kaufmann R K, Zhou L, Myneni R B, et al. The effect of vegetation on surface temperature:A statistical analysis of NDVI and climate data. GeoPhys.Res.Lett. , 2003, 30(22): 2147. DOI:10.1029/2003GL018251
[40] 张井勇, 董文杰, 叶笃正, 等. 中国植被覆盖对夏季气候影响的新证据. 科学通报 , 2003, 48(1): 91–95. Zhang J Y, Dong W J, Ye D Z, et al. New evidence for effects of land cover in China on summer climate. Chin.Sci.Bull. (in Chinese) , 2003, 48(1): 91-95. DOI:10.1007/BF03183342
[41] Liu Z Y, Notaro M, Kutzbach J, et al. Assessing global vegetation-climate feedbacks from observations. J.Climate , 2006, 19(5): 787-814. DOI:10.1175/JCLI3658.1
[42] Notaro M, Liu Z Y, Williams J W. Observed vegetationclimate feedbacks in the United States. J.Climate , 2006, 19(5): 763-786. DOI:10.1175/JCLI3657.1
[43] 李伟平, 季劲钧, 董文杰, 等. 年际时间尺度上全球植被与大气相互作用的诊断分析. 大气科学 , 2008, 32(1): 75–89. Li W P, Ji J J, Dong W J, et al. Diagnosis of global vegetation-atmosphere interactions at the interannual time scale. Chinese Journal of Atmospheric Sciences (in Chinese) , 2008, 32(1): 75-89.
[44] Kalnay E, Cai M. Impact of urbanization and land-use change on climate. Nature , 2003, 423: 528-531. DOI:10.1038/nature01675
[45] Kalnay E, Cai M, Li H, et al. Estimation of the impact of land-surface forcings on temperature trends in eastern United States. J.Geophy.Res. , 2006, 111: D06106.
[46] Zhou L M, Dickinson R E, Tian Y H, et al. Evidence for a significant urbanization effect on climate in China. Proc.Natl.Acad.Sci. , 2004, 101: 9540-9544. DOI:10.1073/pnas.0400357101
[47] Zhang J Y, Dong W J, Wu L Y, et al. Impact of land use changes on surface warming in China. Adv.Atmos.Sci. , 2005, 22(3): 343-348. DOI:10.1007/BF02918748
[48] Lim Y-K, Cai M, Kalnay E, et al. Observational evidence of sensitivity of surface climate changes to land types and urbanization. Geophys.Res.Lett. , 2005, 32: L22712. DOI:10.1029/2005GL024267
[49] 杨续超, 张镱锂, 刘林山, 等. 中国地表气温变化对土地利用/覆被类型的敏感性. 中国科学D辑:地球科学 , 2009, 39(5): 638–646. Yang X C, Zhang Y L, Liu L S, et al. Sensitivity of surface air temperature change to land use/cover types in China. Sci.China.Ser.D (in Chinese) , 2009, 39(5): 638-646.
[50] Frauenfeld 0 W, Zhang T, Serreze M C. Climate change and variability using European Centre for Medium-Range Weather Forecasts reanalysis (ERA-40) temperatures on the Tibetan Plateau. J.Geophy.Res. , 2005, 110: D02101. DOI:10.1029/2004JD005230
[51] 黄刚. NCEP/NCAR和ERA-40再分析资料以及探空观测资料分析中国北方地区年代际气候变化. 气候与环境研究 , 2006, 11(3): 310–320. Huang G. The assessment and difference of the interdecadal variations of climate change in northern part of China with the NCEP/NCAR and ERA40 reanalysis data. Climatic and Environmental Research (in Chinese) , 2006, 11(3): 310-320.
[52] 赵天保, 符淙斌. 中国区域ERA40、NCEP-2再分析资料与观测资料的初步比较与分析. 气候与环境研究 , 2006, 11(1): 14–32. Zhao T B, Fu C B. Preliminary comparison and analysis between ERA-40, NCEP-2 reanalysis and observations over China. Climatic and Enuironmental Research (in Chinese) , 2006, 11(1): 14-32.
[53] Mitchell T D, Jones P D. An improved method of constructing a database of monthly climate observations and associated high-resolution grids. Int.J.Ctimatol. , 2005, 25: 693-712. DOI:10.1002/(ISSN)1097-0088
[54] 闻新宇, 王绍武, 朱锦红, 等. 英国CRU高分辨率格点资料揭示的20世纪中国气候变化. 大气科学 , 2006, 30(5): 894–904. Wen X Y, Wang S W, Zhu J H, et al. An overview of China climate change over the 20th century using UK UEA/CRU high resolution grid data. Chinese Journal of Atmospheric Sciences (in Chinese) , 2006, 30(5): 894-904.
[55] Hales K, Neelin J D, Zeng N. Sensitivity of tropical land climate to leaf area index:role of surface conductance versus albedo. J.Climate , 2004, 17: 1459-1473. DOI:10.1175/1520-0442(2004)017<1459:SOTLCT>2.0.CO;2
[56] Dai A, Trenberth K E, Qian T. A global dataset of Palmer Drought Severity Index for 1870-2002:Relationship with soil moisture and effects of surface warming. J.Hydrometeorol. , 2004, 5(6): 1117-1130. DOI:10.1175/JHM-386.1
[57] Diffenbaugh N S. Atmosphere-land cover feedbacks alter the response of surface temperature to CO2 forcing in the westem United States. Clim.Dyn. , 2005, 24: 237-251. DOI:10.1007/s00382-004-0503-0
[58] Bonan G B. Forests and climate change:forangs, feedbacks, and the climate benefits of forests. Science , 2008, 320: 1444-1449. DOI:10.1126/science.1155121
[59] Jackson R B, Randerson J T, Canadell J G, et al. Protecting climate with forests. Enuiron.Res.Lett. , 2008, 3: 044006. DOI:10.1088/1748-9326/3/4/044006
[60] 陈隆勋, 朱文琴, 王文, 等. 中国近45年来气候变化的研究. 气象学报 , 1998, 56(3): 257–271. Chen L X, Zhu W Q, Wang W, et al. Studies on climate change in China in recent 45 years. Acta Meteorologica Sinica (in Chinese) , 1998, 56(3): 257-271.
[61] 王遵娅, 丁一汇, 何金海, 等. 近50年来中国气候变化特征的再分析. 气象学报 , 2004, 62(2): 228–236. Wang Z Y, Ding Y H, He J H, et al. An updating analysis of the climate change in China in recent 50 years. Acta Meteorologica Sinica (in Chinese) , 2004, 62(2): 228-236.
[62] 马振锋, 彭骏, 高文良, 等. 近40年西南地区的气候变化事实. 高原气象 , 2006, 25(4): 633–642. Ma Z F, Peng J, Gao W L, et al. Climate variation of southwest China in recent 40 years. Ptateau Meteorology (in Chinese) , 2006, 25(4): 633-642.
[63] 孙娴, 林振山. 经验模态分解下中国气温变化趋势的区域特征. 地理学报 , 2007, 62(11): 1132–1141. Sun X, Lin Z S. Regional features of the temperature trend in China based on Empirical Mode Decomposition. Acta Geographica Sinica (in Chinese) , 2007, 62(11): 1132-1141.
[64] 高学杰, 林一骅, 赵宗慈. 用区域气候模式模拟人为硫酸盐气溶胶在气候变化中的作用. 热带气象学报 , 2003, 19(2): 134–141. Gao X J, Lin Y H, Zhao Z C. Modelling the effects of anthropogenic sulfate in climate change by using a regional climate model. Journal of Tropical Meteorology (in Chinese) , 2003, 19(2): 134-141.
[65] Giorgi F, Bi X, Qian Y. Indirect vs direct effects of anthropogenic sulfate on the climate of East Asia as simulated with a regional coupled climate-chemistry/aerosol model. Clim.Change , 2003, 58(3): 345-376. DOI:10.1023/A:1023946010350
[66] Feddema J J, Oleson K W, Bonan G B, et al. The importance of land-cover change in simulating future climates. Science , 2005, 310(5754): 1674-1678. DOI:10.1126/science.1118160