应用气象学报  2008, 19 (2): 161-170   PDF    
青藏高原冬季NDVI与西南地区夏季气温的滞后关系
李学敏1, 周定文1,2,3, 范广洲1, 李洪权1, 华维1, 刘雅勤1     
1. 成都信息工程学院高原大气与环境研究中心, 成都 610225;
2. 中国科学院大气物理研究所, 北京 100029;
3. 中国科学院研究生院, 北京 100049
摘要: 该文利用EOF分解得到的1982—2001年西南地区夏季平均、最高和最低气温的时空特征显示, 西南地区夏季平均、最高气温的时空变化具有很好的一致性, 尤其是川渝地区20世纪80年代为气温负距平, 90年代开始有明显升温。利用GIMMS NDVI和西南4省市96个台站的气温资料进行了相关分析、合成分析以及SVD分析, 得到前期冬季青藏高原植被影响该区夏季气温的滞后关系以及影响较大的区域。结果表明:西南地区夏季平均气温、最高气温对青藏高原冬季植被变化较敏感, 其中青藏高原西部NDVI与西南地区夏季气温的相关强于东部; 青藏高原NDVI异常偏高对应西南地区夏季气温偏高, 其中最高气温升高较明显, 增温最大值出现在7月, 位于西南地区北部; 青藏高原冬季植被变化与西南地区平均气温、最高气温和最低气温的最佳耦合模态中影响程度及关键区域略有差异, 青藏高原冬季NDVI与夏季平均气温关系最密切, 其中青藏高原东北大部分地区和南部 (包括拉萨及林芝东部地区) 的影响最大, 气温对前期青藏高原NDVI变化反应的敏感区主要位于四川盆地及其附近地区。
关键词: 青藏高原    NDVI    西南地区    气温    
The Lag Relationship Between Winter NDVI over Tibetan Plateau and Temperature of the Southwest China
Li Xuemin1, Zhou Dingwen1,2,3, Fan Guangzhou1, Li Hongquan1, Hua Wei1, Liu Yaqin1     
1. Center for Plateau Atmospheric and Environmental Research, Chengdu University of Information Technology, Chengdu 610225;
2. Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029;
3. Graduate University of Chinese Academy of Sciences, Beijing 100049
Abstract: Many studies show the importance of vegetation to climate. Southwest China neighbors to Tibetan Plateau, by which climate of this region is influenced by its own system. Therefore, taking account of both factors it is considered that climate of Southwest China is affected by vegetation over Tibetan Plateau to some extent. The lag relationships between NDVI over Tibetan Plateau and temperature of Southwest China are discussed by using statistical methods. Empirical orthogonal function (EOF) analysis is made first to describe temporal and spacial characteristics of mean temperature, highest temperature and lowest temperature in summer over Southwest China during the period of 1982—2001. The results show that there is a coincidence between mean temperature and highest temperature, especially Sichuan and Chongqing are in a cool period during 1980s and getting warm in 1990s. Based on the monthly Normalized Difference Vegetation Index (NDVI) data that is made by GIMMS (Global Inventory Modeling and Mapping Studies) workgroup and the monthly mean air temperature, maximum air temperature and minimum air temperature data of 96 stations in Southwest China, the relationships between NDVI over Tibetan Plateau and temperature of Southwest China and key regions are analyzed by applying correlation, composite and singular value decomposition (SVD). The results show that mean temperature and highest temperature are more sensitive to vegetation change, and the correlation between temperature and preceding NDVI has a significant difference between tow parts of the Plateau, vegetation over the West Plateau shows a stronger influence on temperatures than the east part. Compared with the years of abnormally low NDVI, abnormally high NDVI in winter over the Plateau corresponds to a warming in Southwest China in summer, highest temperature increases most obviously, the maximum increase occurs in July in north of Southwest China. The best coupled patterns of NDVI and tem peratures are showed respectively, the extent of vegetation's impact on temperatures and key regions are distinguished. The strongest correlation is found between the Plateau NDVI of winter and mean temperature of summer; mean temperature is driven by vegetation in northeast part of the Plateau, Lhasa and Linzhi predominately. For highest temperature the area of remarkable correlation is located in west of the Plateau and the large area along the north edge of the Plateau, and for the lowest temperature is the belt region along the north edge of the Plateau. The regions sensitive to the change of winter NDVI are mainly located in Sichuan Basin and the vicinity of it.
Key words: Tibetan Plateau     NDVI     Southwest China     temperature    
引言

注重地球环境变化中物理、化学和生物3个基本过程及其三者之间的相互作用是全球变化科学中最重要的特点之一, 尤其是无生命的地圈和有生命的生物圈之间的相互作用, 其中大气圈与生物圈之间相互作用最为活跃。近百年来, 由于自然因子和人类活动的共同影响, 全球植被系统发生了显著变化, 这种变化反过来对区域或全球气候造成一定影响。20世纪70年代, Charney[1]首次提出了沙漠化问题的地球物理反馈机制, 指出非洲撒哈拉地区土地荒漠化与干旱之间的正反馈过程。Henderson-Sellers等[2]最早使用GCM模式进行了热带雨林砍伐的试验, 描述了当亚马逊流域森林被草地取代后, 地表温度、降水等的响应。Xue[3]认为植被退化导致蒸发减少, 改变了当地表面能量收支, 可以减弱亚洲季风环流, 从而导致降水减少。张井勇等[4]揭示我国北方过渡带及附近地区可能是植被覆盖变化对我国夏季降水影响的最敏感地区。

西南地区是我国地形最复杂的地区之一, 地处青藏高原 (以下简称高原) 东侧, 受高原季风、西南季风和高原背风坡等系统的共同影响, 气候独特。在全球温度变暖的背景下, 四川盆地平均气温从20世纪中叶以来一直呈下降趋势, 90年代开始略有上升[5], 其原因众说纷纭。2006年夏季重庆市和四川部分地区遭遇特大高温、干旱灾害。在国家实施西部大开发战略, 保护西部自然环境的背景下, 研究高原对西南地区气温的影响具有重要的现实意义。

西南地区邻近高原, 高原的水热状况对该区的气候有一定的影响。方之芳等[6]研究表明高原前期的大范围温度异常与贵州春、夏旱有较高的相关, 贵州夏旱的形成与高原异常增温、高原暖高压的辐散下沉气流和下坡地形等有关。巴颜喀拉山和念青唐古拉山的冬季积雪日数异常与川中盆地汛期干旱有相当好的联系, 春季青藏高原北部和祁连山的温度场的大范围异常则与川西的洪涝和川东的干旱有较好的相关[7]。高原的热力状况不仅与高原地形高度、积雪和冻土有关, 还与下垫面植被状况有密切关系。考虑高原地区植被的反照率、拖曳系数、蒸发系数以及土壤湿度等的变化对大气环流及降水影响较大[8]。范广洲等[9]认为高原植被还可以通过生理过程, 产生净CO2吸收, 从而降低大气CO2含量, 起到调整温室效应的作用, 并简单归纳出植被生理过程与气候变化相互作用的简单概念模型。综合考虑西南地区的地理位置以及植被对气候的重要作用, 本文从统计的角度研究区域尺度上高原冬季植被变化与该区夏季气温的关系。

1 资料

本文所用植被资料是美国国家航天航空局 (NASA) 的GIMMS (Inventory Modelling and Mapping Studies) 植被归一化指数 (NDVI), 是NASA研究人员于2003年11月推出的最新全球植被指数变化数据。资料空间分辨率为0.25°×0.25°, 时间范围从1982年1月到2001年12月。该资料考虑了全球范围内各种因素对NDVI值的影响, 对下面各种影响作了校正:①卫星传感器的不稳定性校正; ②热带阔叶林区云的覆盖引起的变形校正; ③太阳天顶角和观测角度的校正; ④火山气溶胶的校正, 比如1982年的厄尔奇重火山和1991年的皮纳图博火山的影响; ⑤对北半球冬季缺失的数据采用了插值法; ⑥短期大气气溶胶、水蒸汽及云层覆盖的影响校正。同时在规则的空间间隔中选取具有最大NDVI的像素, 减少了云和水汽的影响。利用经验模式分解 (EMD) 取代其他标准分解技术来校正卫星轨道偏移。与AVHRR资料相比GIMMS资料更完善, 因此本文将利用这一资料研究青藏高原植被变化特征及其与西南气候变化的关系。取高原所处经纬范围为25°~35°N, 70°~105°E。

气温资料使用四川、云南、贵州和重庆4省市共96个台站1982—2001年夏季 (JJA) 的月平均最高气温、最低气温和平均气温。

2 西南地区夏季气温的变化特征

为了研究西南地区夏季气温的时空特征, 通过EOF方法对我国西南地区1982—2001年共20年夏季气温标准化距平进行分析。从特征向量所占权重和累计权重来看, 平均、最高和最低气温的第一特征向量的方差贡献分别为33.27%, 35.24%, 45.01%, 远较其后的特征向量所占的比重大, 这表明对气温进行EOF分析结果比较理想。

西南地区夏季平均气温和最高气温的第一特征向量场 (图略) 分布比较相似, 呈东北负西南正的分布型, 负值区位于川渝黔, 云南大部分地区是正值区, 但值比较小, 表明夏季气温变化具有一定的空间差异, 第一特征向量大值中心分布在四川东部和重庆。1982—1993年间, 第一特征场时间系数波动较大, 但正值居多, 表明川渝黔夏季平均气温年变化较大, 总体上气温是偏低的。1994年以后时间系数基本为负值 (1999年除外), 这表明1994—2001年间川渝黔地区夏季气温明显偏高, 但时间系数的趋势是上升, 说明气温在1994年达到峰值后有下降的趋势; 此时云南大部分地区夏季平均气温偏低, 但有升高的趋势。平均气温和最高气温场比较相似, 其原因是:近50年来西南地区最高气温和最低气温的变化趋势有一定差异, 并且日最高气温对平均气温的影响较大[10], 所以平均气温和最高气温的变化具有较大的同步性或一致性。

与平均气温和最高气温不同, 该区的最低气温第一特征向量场全部为正值 (图略), 表明最低气温变化具有明显的空间一致性, 第一特征向量大值中心分布在滇黔交界地区以及四川西部。1982—2001年, 第一特征场时间系数总体变化趋势是上升的, 全区夏季最低气温变化为升高的趋势。1992年以前时间系数负值居多, 说明全区夏季最低气温偏低; 1993年以后时间系数基本为正值 (1997, 2001年除外), 全区夏季最低气温偏高, 1998年达到峰值。

3 西南地区气温与高原NDVI的关系 3.1 冬季整个高原以及高原东西部植被与后期夏季气温的相关

图 1为高原冬季NDVI与西南地区夏季气温的相关系数分布, 根据相关系数检验可知, 相关系数0.38通过90%信度检验, 相关系数大于0.44通过95%信度检验, 达到0.56则通过99%信度检验, 所以可以认为相关系数绝对值大于0.4(90%的数值) 的区域相关较好。从图 1可以看出, NDVI与平均气温和最高气温的显著相关程度与范围较大, 与最低气温没有大范围的显著相关, 只有贵州西南部可以通过信度检验, 说明西南地区的夏季平均气温、最高气温对高原植被的变化更敏感。对平均气温的显著正相关出现在四川东部、重庆北部; 显著负相关出现在云南、贵州南部, 最大相关系数达到-0.6(图 1a)。对最高气温的显著正相关区更大, 除四川东北部、重庆北部外, 还有四川西北部; 而显著负相关区小于平均气温, 位于云南东南部 (图 1b)。

图 1. 高原冬季NDVI与西南地区夏季气温的相关系数 (阴影区表示相关通过90%信度检验) (a) 平均气温, (b) 最高气温, (c) 最低气温 Fig 1. The correlation coefficient distributions between NDVI over Tibetan Plateau and summer temperatures of Southwest China (areas exceeding 90% confidence level are shaded) (a) mean temperature, (b) highest temperature, (c) lowest temperature

以上分析整个高原植被变化与西南地区气温变化的关系, 但具体高原哪部分的植被作用更大却无法体现。为此取高原东部 (28°~38°N, 75°~90°E) 和西部 (25°~40°N, 90°~105°E), 分别研究高原西部、东部前期NDVI与西南地区夏季气温的相关程度。将高原分为东、西区是出于以下3点考虑:①受暖湿西南季风支配, 整个高原的降水量从东南往西北逐渐减少, 高原生态系统的分布和分异随降水的区域变化而呈现地带性分布规律, 总体上东部植被覆盖状况好于西部; ② Zhou等[11]分析了高原NDVI的年际变化特征, 认为1982—2002年高原冬季西部植被覆盖有明显的增加, 而东部增加不明显或有部分退化的趋势; ③根据地理位置上离西南地区的远近程度。

图 2给出高原西部和东部冬季NDVI与西南地区夏季最高气温场的相关系数, 可以看出:西南地区东北部与西部冬季NDVI是正相关, 云贵两省大部分地区是负相关区, 四川东部、重庆大部分地区正相关显著。东部NDVI与西南地区夏季最高气温的正负相关分布中, 东部NDVI影响的范围和程度均较小, 只有四川西北边缘可以通过信度检验。由于该区的平均气温与最高气温具有相似的变化特征, 因而高原植被与两者的相关系数场很相似, 夏季平均气温也与高原西部的植被关系更紧密 (图略)。这种相关在高原西部地区更明显的原因可能是:高原西部地区植被是相对稀少的, 但这20年来为明显增加的趋势, 引起高原西部热源的改变也比较明显; 赵平等[12]认为2—5月高原西部的Q1明显大于东部, 因而对夏季大气影响的贡献更大, 从而通过影响大气环流造成西南地区气温的显著变化。

图 2. 高原西部 (a)、东部 (b) 冬季NDVI与西南地区夏季最高气温场的相关系数 (阴影区表示相关系数通过90%信度检验) Fig 2. The correlation between winter NDVI over two parts of Tibetan Plateau and summer highest temperature of Southwest China (a) the West Plateau, (b) the East Plateau (areas exceeding 90% level are shaded)

图 3分别给出了高原西部和东部冬季NDVI与西南地区夏季最低气温场的相关系数, 可以看出:高原西部NDVI与西南地区夏季最高气温相关东北部为正, 西部和南部为负, 几乎都不能通过信度检验; 而高原东部NDVI的影响对西南地区北部、西部为正, 对东南部为负, 相关都不显著。因此高原东、西部植被对该区最低气温的影响均不大。

图 3. 高原西部 (a)、东部 (b) 冬季NDVI与西南地区夏季最低气温场的相关系数 (阴影区表示相关系数通过90%信度检验) Fig 3. The correlation between winter NDVI over two parts of Tibetan Plateau and summer lowest temperature of Southwest China (a) the West Plateau, (b) the East Plateau (areas exceeding 90% level are shaded)

3.2 NDVI异常年份的气温变化

以上分析了高原前期植被与西南地区气温的相关程度, 那么高原植被状况的异常对应的西南地区气温又有什么典型的变化呢?本文用合成分析的方法分析了NDVI较大和较小年份西南地区气温纬向平均的差异。对1982—2001年青藏高原NDVI值进行平均, 并计算其距平和均方差, 将有1/4以上格点的距平值大于其1倍均方差的年份为NDVI较大的年份, 小于其-1倍均方差的年份确定为NDVI较小的年份[13]。其中, 冬季NDVI大值年为1988, 1994, 2001年, 小值年为1983, 1985, 1998年。对选取的较大和较小年份中的1—12月纬向平均气温的差值场进行分析。

从高原冬季NDVI高值和低值年份合成的西南地区平均气温差值 (图 4a) 可见:后期春季全区平均气温3, 4月略偏高, 5月又有所偏低; 整个夏季西南地区北部平均气温偏高, 7月最显著, 而夏季南部平均气温略偏低。体现了高原冬季植被变化对西南地区影响的时空差异。大值年对应该区北部夏季平均气温高, 这相当于正的影响; 南部相当于负的影响。这与冬季NDVI与西南地区夏季平均气温的相关系数的分布型一致。

图 4. 高原冬季NDVI高值和低值年份合成的西南地区气温差值 (a) 平均气温, (b) 最高气温, (c) 最低气温 Fig 4. Composite differences of temperatures in Southwest China between the winter high and low NDVI years (a) mean temperature, (b) highest temperature, (c) lowest temperature

从高原冬季NDVI高值和低值年份合成的西南地区最高气温差值 (图 4b) 可见:后期春季全区最高气温3, 4月略偏高, 5月略偏低; 整个夏季西南地区最高气温大范围 (24°N以北) 偏高, 7月升温最显著, 达到1.5 ℃, 24°N以南平均气温略偏低。体现了高原冬季植被变化对西南地区影响的时空差异, 并和冬季NDVI与西南地区夏季最高气温的相关系数“北正南负”的分布型 (图 2) 一致。

从高原冬季NDVI高值和低值年份合成的西南地区最低气温差值 (图 4c) 可见:后期整个春季全区最低气温偏高; 而夏季西南地区最低气温北部 (29°~32°N) 变化不显著, 南部略偏低, 总的来说植被的异常对最低气温的影响不明显, 再次体现出冬季NDVI与西南地区夏季最低气温的相关较小 (图 3)。

由此可见, 根据NDVI极端年份合成的气温差值完全可以反映西南地区气温对高原冬季植被变化的响应。

3.3 高原NDVI和西南地区气温的耦合模态

SVD (Singular Value Decomposition) 是一种分析两个要素场之间相关关系的方法, 即得到两要素场数对相关的空间分布, 这种空间分布能最大程度的解释两场的交叉协方差[14]。其主要优点是, 在气象场的时空分布耦合信号的诊断分析中具有普适性, 在分析两个不同要素场之间的联系时比自然正交函数、典型相关方法更为有效, 是研究两个要素场序列间时空关系的一个有力工具[15]

本文以高原冬季距平标准化的NDVI为左场, 以西南地区滞后一个季节 (夏季) 的距平标准化最高气温、最低气温或平均气温为右场作SVD分析, 并主要分析第一模态左、右场展开时间系数间的相关即模态相关系数, 它反映了每一模态左、右场的相关程度; 各模态左 (右) 场展开时间系数与右 (左) 场间的相关即该模态左 (右) 场对右 (左) 的异性相关, 其意义表示一个场的时间变化对另一个场的相关分布状况, 显著相关区代表了两要素场相互影响的关键作用区, 有利于寻找预测信号和指标。

表 1给出了高原冬季NDVI与西南3类气温SVD前4个模态的方差贡献。可以看到, 除冬季NDVI与夏季最低气温SVD的结果外其余第一模态的方差贡献均超过0.5。所以第一模态基本反映了两要素场相互关系中最重要的特征, 以下通过讨论各第一模态的异性相关和时间相关, 提取出高原NDVI与西南夏季气温关系较显著的信息。

表 1 高原NDVI与西南夏季平均、最高和最低气温SVD前4个模态的方差贡献 Table 1 Variance contribution of the first 4 SVD modes between winter NDVI over Tibetan Plateau and summer mean, highest and lowest temperature of Southwest China

从冬季NDVI的异性相关 (图 5a) 看到:高原东北带状地区、南部 (包括拉萨及林芝东部地区) 通过95%信度检验, 是影响西南地区气温的关键区。高原西南及东侧为正相关区, 但较少通过信度检验。与此相应的西南夏季气温的异性相关 (图 5b) 中, 以四川西部和云贵高原北侧一线为界, 其东北是明显的负值区, 以南为正值区。其中东北部通过99%的信度检验, 该区域气温与前期高原植被显著相关。

图 5. 高原冬季NDVI与西南夏季平均气温第一模态图 (a) 高原冬季NDVI的异性相关图, (b) 夏季西南平均气温的异性相关图, (c) NDVI场与平均气温场对应的时间系数曲线 (实线:NDVI; 虚线:气温) Fig 5. Spatial and temporal distributions for the first mode (a) preceding winter NDVI over Tibetan Plateau, (b) summer mean temperature over Southwest China, (c) temporal coefficient (solid line:NDVI; dashed line:temperature)

两要素场第一模态的时间系数 (图 5c) 进一步表明:20年来NDVI场与气温场时间序列的相关系数为0.81, 变化趋势均为下降。但NDVI的年际变化比气温大。1983年的时间系数为最大正值年, 表明冬季高原北部关键区NDVI负距平对应西南地区东北部夏季平均气温的负距平。1994年为最大负值年, 形势则与1983年明显相反。

图 6a可以看出, 高原西北部及沿高原北缘的大部分区域为负影响区, 西南边缘及东部为正值区, 其中高原西北部及沿高原北缘的大部分区域通过99%信度检验。夏季最高气温异性相关图 (图 6b) 中, 玉屏—六盘水—丽江以北为负值区, 以南均为正值, 四川中、东部以及重庆通过99%的信度检验。

图 6. 高原冬季NDVI与西南夏季最高气温第一模态图 (a) 高原冬季NDVI的异性相关图, (b) 夏季西南最高气温的异性相关图, (c) NDVI场和最高气温场对应的时间系数曲线 (实线:NDVI; 虚线:气温) Fig 6. Spatial and temporal distributions for the first mode (a) preceding winter NDVI over Tibetan Plateau, (b) summer highest temperature over Southwest China, (c) temporal coefficient (solid line:NDVI; dashed line:temperature)

两要素场第一模态的时间序列相关系数也达到0.81(但小于平均气温SVD时间序列的相关系数), NDVI与气温场的时间系数是一致下降的趋势, 表明随着冬季高原北部关键区的植被增加, 对应西南地区夏季最高气温在北部出现正距平, 南部气温降低。

高原冬季NDVI的异性相关场 (图 7a) 中, 沿高原北缘的带状区域及高原西南侧与印度境内为正值区, 东侧及西南侧与印度尼泊尔交界处为负值区, 其中北缘通过信度检验的带状高值区是影响西南的关键区域。西南夏季最低气温异性相关场 (图 7b) 中, 西南大部分区域为正值, 其中东北部通过95%的信度检验, 最大相关达到0.7。四川西北部、云南丽江和贵州南部地区是负值区, 均未通过信度检验。

图 7. 高原冬季NDVI与西南夏季最低气温第一模态图 (a) 高原冬季NDVI的异性相关图, (b) 夏季西南最低气温的异性相关图, (c) NDVI场和最低气温场对应的时间系数曲线 (实线:NDVI; 虚线:气温) Fig 7. Spatial and temporal distributions for the first mode (a) preceding winter NDVI over Tibetan Plateau, (b) summer lowest temperature over Southwest China, (c) temporal coefficient (solid line:NDVI; dashed line:temperature)

两要素场第一模态的时间序列相关系数是0.77, 图 7c中两条曲线都为明显上升的趋势。表明20世纪80年代高原北缘的带状区域NDVI是负距平, 对应西南东北部夏季最低气温是偏低的; 90年代开始该地区冬季NDVI的增加, 对应西南东北部夏季最低气温有较明显的升高。

4 结论

1) 运用EOF分解得到西南地区夏季气温的时空特征, 发现夏季月平均气温、最高气温的时空变化具有很好的统一性, 尤其是川渝地区20世纪80年代为温度的负距平, 90年代开始有明显的升温; 全区月平均最低气温为一致升高的趋势。

2) 高原冬季植被变化与西南夏季平均气温、最高气温有较好的相关, 其中高原东、西部NDVI与西南地区夏季气温的相关存在差异, 总体上西部NDVI的影响程度较大。

3) 高原冬季NDVI高值和低值年份合成的西南地区气温差值表明:高原NDVI大 (小) 值年, 西南地区夏季最高气温升高 (降低) 较明显, 其中7月的变化最大, 平均气温北偏高 (低) 南偏低 (高), 最低气温的变化不明显。

4) 通过SVD的方法分析了两要素场的影响程度及关键区域, 认为高原冬季NDVI与夏季平均气温关系最密切, 其中青藏高原东北大部分地区和南部 (包括拉萨及林芝东部地区) 影响最显著; 而对夏季最高气温影响较大的是高原西部及沿高原北缘的大部分区域; 沿高原北缘的带状区域对夏季最低气温也有较大影响。气温对前期高原NDVI变化反应的敏感区主要位于四川盆地及其附近地区。

以上得到的是青藏高原植被与我国西南地区夏季气温之间关系的统计事实, 对西南地区夏季气温的预测具有较好的指示意义。而高原植被影响西南地区气温的物理机制值得进一步研究, 初步认为高原植被是通过改变地表状况, 改变大气热源, 造成后期高原下游地区的环流异常, 从而对该地区的温度造成一定的影响。

参考文献
[1] Charney J G, Dynamics of deserts and drought in the Sahel. Q J R Meteorol Soc, 1975, 101, (428): 193–202. DOI:10.1002/(ISSN)1477-870X
[2] Henderson-Sellers A, Gornitz V, Possible climate impacts of land cover transformations, with particular emphasis on tropical deforestation. Clim Change, 1984, 6, (3-4): 231–258.
[3] Xue Y, The impact of desertification in the Mongolian and the Inner Mongolian Grassland on the regional climate. J Climate, 1996, 9, (9): 2173–2189. DOI:10.1175/1520-0442(1996)009<2173:TIODIT>2.0.CO;2
[4] 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.
[5] 陈隆勋, 周秀骥, 李维亮. 中国近80年来气候变化特征及其形成机制. 气象学报, 2004, 62, (5): 634–645.
[6] 方之芳, 李超, 李贤琅. 青藏高原温度场与贵州干旱的联系. 高原气象, 1996, 15, (4): 496–502.
[7] 叶月珍, 方之芳. 青藏高原热力状况与四川盆地汛期降水的联系. 高原气象, 1999, 18, (2): 162–170.
[8] 周锁铨, 陈万隆, 徐海明. 青藏高原及其周围植被对夏季气候影响的套网格数值试验比较. 南京气象学院学报, 1998, 21, (1): 85–93.
[9] 范广洲, 程国栋. 影响青藏高原植被生理过程与大气CO2浓度及气候变化的相互作用. 大气科学, 2002, 26, (4): 509–518.
[10] 班军梅, 缪启龙, 李雄. 西南地区近50年来气温变化特征研究. 长江流域资源与环境, 2006, 15, (3): 346–351.
[11] Zhou Dingwen, Fan Guangzhou, Huang Ronghui, et al. Interannual variability of the normalized difference vegetation index on the Tibetan Plateau and its relationship with climate change. Adv Atmos Sci, 2007, 24, (3): 474–484. DOI:10.1007/s00376-007-0474-2
[12] 赵平, 陈隆勋. 35年来青藏高原大气热源气候特征及其与中国降水的关系. 中国科学 (D辑), 2001, 31, (4): 327–332.
[13] 王澄海, 董文杰, 韦志刚. 青藏高原季节冻融过程与东亚大气环流关系的研究. 地球物理学报, 2003, 46, (3): 309–316.
[14] John M Wallace, Catherine Smith, Christopher S Bretherton, Singular value decomposition of wintertime sea surface temperature and 500 mb height anomalies. J Climate, 1992, 5: 561–576. DOI:10.1175/1520-0442(1992)005<0561:SVDOWS>2.0.CO;2
[15] 丁裕国, 江志红. SVD方法在气象诊断分析中的普适性. 气象学报, 1995, 54, (3): 365–371.
[16] 董敏, 朱文妹, 徐祥德. 青藏高原地表热通量变化及其对初夏东亚大气环流的影响. 应用气象学报, 2001, 12, (4): 458–468.
[17] 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.
[18] 徐兴奎, 陈红. 中国西部地区地表植被覆盖和积雪覆盖变化对沙尘天气的影响. 科学通报, 2006, 51, (6): 707–714.
[19] Liu Zhengyu, Notaro M, Kutzbach J, et al. Assessing global vegetation-Climate feedbacks from observations. Meteorol Soc, 2006, 19: 787–813.
[20] 高志球, 卞林根, 程彦杰, 等. 利用生物圈模型 (SiB2) 模拟青藏高原那曲草原近地面层能量收支. 应用气象学报, 2002, 13, (2): 129–141.
[21] 莫申国, 张百平, 程维明, 等. 青藏高原的主要环境效应. 地理科学进展, 2004, 23, (2): 88–96.
[22] 郭铌, 杨兰芳, 李民轩. 利用气象卫星资料研究祁连山区植被和积雪变化. 应用气象学报, 2003, 14, (6): 700–707.