冰冻圈是地球表层水以固态形式存在的圈层,包括冰川(山地冰川、冰帽、极地冰盖、冰架等)、冻土(季节冻土和多年冻土)、积雪、固态降水、海冰、河冰、湖冰等。冰冻圈各分量主要分布于高纬和高海拔区域,对气温的变化非常敏感,被称为气候变化的指示器。在历史气候的演变过程中,冰冻圈往往起着触发突变和缓慢强迫大气变化的关键作用。近百年来,全球发生了以变暖为主要特征的气候变化,全球平均陆地和海洋表面温度的线性趋势结果表明,1880—2012年全球平均地表温度升高0.85℃[1]。过去30年来,每10年的增温幅度均高于1850年以来的任何时期。在北半球,1983—2012年可能是最近1400年来气温最高的30年,较前10~20年有明显的增暖趋势[2]。全球变暖背景下,冰冻圈对全球变暖的响应非常迅速,局地的冰川、冻土及积雪发生了显著的变化[3-5]。
多年冻土约占地球陆地面积的1/4,主要分布在北半球,是冰冻圈中的主要分量之一。多年冻土对气候变暖高度敏感,其退化主要表现在多年冻土层温度升高、多年冻土范围缩小以及活动层厚度增大3个方面。观测表明,青藏高原、加拿大、阿拉斯加以及瑞典等地多年冻土发生了不同程度的退化[6-8]。不同区域多年冻土层的升温幅度存在明显差异。其中,阿拉斯加北部以及俄罗斯西部(欧洲北部)等多年冻土区域升温最明显,1971—2010年多年冻土层升温幅度达2~3℃[9-10]。2006—2010年,青藏铁路沿线多年冻土区6 m深度处冻土层温度以0.02 ℃/a的速度升高[11]。北半球冻土活动层厚度普遍增加,从20世纪90年代中期以来,增加最显著的区域位于俄罗斯西部(欧洲北部)、东西伯利亚和楚科塔,在加拿大和西西伯利亚地区略微下降[12]。而青藏高原东部多年冻土活动层厚度自1980年以来平均以0.71 cm/a的速度增加[13]。1967—2000年北极地区多年冻土面积以0.55×106~0.81×106 km2/a的速度减少[4]。1975—2005年,沃尔库塔地区10~15 m厚度的高温冻土完全融化,冻土南界北移80 km[12]。
积雪是冰冻圈中分布最广泛、年际变化和季节变化最显著的分量,对温度的变化十分敏感,任何时间和空间尺度的气候变化都会引起积雪的响应。卫星被动微波数据表明,北半球积雪范围及冬季雪水当量在1978—2010年整体呈现下降趋势,仅在欧亚大陆一些区域积雪范围略微增加[14-15]。20世纪80年代至21世纪初,整个北半球春季积雪范围以-0.55(±0.21)×106 km2/10a的速率减小[16-17],秋季积雪明显增加。青藏高原为我国季节性积雪的高值区[18-19],近40年来青藏高原积雪呈“偏少-偏多-偏少”的年代际特征,即20世纪70年代之前积雪偏少、之后偏多,90年代末积雪开始变少。但从1970—2010年整个时段看,青藏高原积雪呈较弱的减少趋势[20]。此外,冰川、海冰也发生了显著的变化。1975—2005年间北半球冰川变化最为剧烈的区域为欧洲阿尔卑斯山和北美西部落基山脉,冰川面积在过去几十年分别减少40%和30%左右;其次为青藏高原边缘地区,冰川减少23%[21]。近20~30年来,北极海冰以5.91×104 km2/a的速率缩小[22],在夏季退缩最为明显[23]。
冰冻圈不仅被动地响应气候变化,其各分量的变化也会对物理、生物及社会系统产生显著而持久的影响[12]。冻土中含有丰富的地下冰,其冻融过程能够调节土壤和地表的水热过程,进一步影响土壤的生物化学循环、表面能量收支、水文过程、大气环流以及植被[24-26]。冻土中储存的碳含量为当前大气中的两倍,其退化将会进一步加剧气候变暖[4, 27]。海拉尔河流域内气象和水文站点1974—2006年的资料显示,全球变暖将导致冻土的最大冻结深度减小,流域内有更多的地表水入渗变成地下水,使得冬季径流增加[28]。耦合气候模式的分析结果表明,到2100年冻土将释放68~508 Pg C,除去人为排放对温度的影响,到2300年将造成0.13~1.69℃的温升[29]。积雪的高反射率效应和水文效应可通过改变地表能量平衡、水循环以及大气环流等,进而影响气候,在地球气候系统中扮演着极为重要的角色。研究表明,欧亚大陆冬、春季积雪通过激发大气遥相关型以及改变土壤湿度、温度分布及辐射状况,进而对同期和后期大气环流型和东亚夏季风产生影响[30]。高原冬、春季积雪异常与中国东部夏季降水联系密切,当高原南部冬、春积雪异常偏多时,长江及其以北地区夏季降水偏多,华南大部分地区夏季降水偏少;而当高原北部冬、春积雪异常偏多时,华北及东北地区夏季降水偏多,长江下游南部地区夏季降水偏少[31]。
在全球变暖的背景下,积雪和冻土变化对气候的反馈作用引起了科学界和公众的广泛关注。气候变暖幅度的提高会引发冰冻圈各分量复杂的反馈作用,增加严重的、普遍的和不可逆转的影响的可能性[32]。当全球平均地表温度较工业化前上升2℃以上时,地球将面临着极端事件频发、海平面上升、淡水资源减少、人类健康受损、陆地及海洋生态系统严重破坏等后果[33]。为有效减缓和应对气候变化带来的风险,截至2016年6月底,全球178个缔约方签署了《巴黎协定》,就避免2℃全球变暖(相对于工业化前),并争取将温度升幅控制在1.5℃以内达成共识。1.5℃阈值发生时间的确定,有利于充分认识全球变暖趋势,为未来应对气候变化政策的制定提供有效的信息。预估全球升温1.5℃时北半球多年冻土及积雪的变化,定量评估多年冻土及积雪对气候变暖的响应,及时应对其反馈作用带来的风险,是关系到全球气候变化走向的关键科学问题。
为充分认识未来北半球多年冻土及积雪的变化特征,本文使用参与耦合模式比较计划CMIP5的17个气候系统模式的结果,首先确定了1.5℃阈值发生的时间,在此基础上,预估北半球多年冻土及雪水当量在全球升温1.5℃情景下的变化,并进一步讨论其不确定性。
1 资料与方法气候系统模式考虑了大气-海洋-陆面-海冰之间复杂的相互作用,是研究气候变化机理、再现其过去演变过程及预测未来气候变化特征的重要工具[34-35]。在CMIP5中,共有58个气候模式进行了长期预估的数值模拟试验,不同模式中包含的变量不同。本文使用的变量包括逐月地表温度、近地层气温、降水、土壤湿度等,为保证模式的统一,选取了在历史试验(Historical)和典型浓度未来情景试验(RCP2.6,RCP4.5,RCP8.5)中都包括以上变量的17个气候模式。其中,只有前13个模式包含雪水当量,被用于本文雪水当量的预估。参考IPCC AR5 [1]的定义,本文选取1986—2005年作为当前气候参考时段,同时使用未来情景下大多数模式的公共时段2006—2100年的数据对北半球多年冻土及雪水当量进行预估。模式的基本信息见表 1。
![]() |
表 1 本文所用模式的基本信息 Table 1 CMIP5 models used in this study |
考虑到在相同排放情景下,不同气候模式的结果存在差异,而且在多年冻土的诊断中涉及逐月气温、降水以及土壤湿度等多个变量,现阶段还没有办法来科学衡量各个模式预估结果的优劣性。因此,本文使用双线性插值的方法将所有模式结果统一插值到1°×1°的格点上,重点分析各模式在等权重系数的条件下集合平均的结果。各个模式的结果用于研究预估结果的不确定性。需要指出的是,上述研究方法的合理性在气候变化预估领域已得到了广泛的认可[36-37],Shi等[38]分别通过多模式集合平均结果、各个模式计算与欧洲空间局(ESA)的雪水当量产品(GlobSnow)的相关性以及标准偏差比,得到在北半球区域上多模式集合平均结果较单个模式具有更可靠的模拟能力。
就多年冻土的诊断方法而言,目前主要分为两大类:基于地温的直接诊断方法和基于气温的间接诊断方法。直接诊断方法包括通过土壤层温度(TSL)、年平均地温(MAGT)、表面冻结指数(SFI)诊断;间接诊断方法包括通过年平均气温(MAAT)、空气冻结指数(F)和简化的冻土模型诊断,如Kudryavtsev方法。Wang等[39]对比了这两类方法对多年冻土的模拟效果,发现直接诊断方法对陆面模式依赖较大,不同模式模拟的土壤温度存在相当大的误差,导致多年冻土面积的预估结果在不同陆面模式之间存在较大的不确定性。在间接诊断方法中,Kudryavtsev方法假设气温的年变化呈正弦周期变化,充分考虑了积雪、有机质、植被以及土壤类型等因素对大气-土壤之间的热传递过程的影响,被广泛应用于寒区以及连续性冻土区域中[8]。因此,本文选取了Kudryvatsev方法预估多年冻土的面积。其中,需要用到的气候变量包括年平均最高气温、年平均最低气温、冬季平均积雪深度以及年平均土壤湿度。土壤类型由沙土、粘土和有机质构成,数据来源为CESM模式陆面模块CLM4.5中的地表数据。Kudryvatsev方法的详细计算过程以及参数的取值详见文献[40]。
土壤中季节性融化深度处的年均温度Tz可以表示为:
$\begin{align} &{{T}_{\text{num}}}=0.5\cdot {{T}_{\text{s}}}\cdot ({{\lambda }_{\text{f}}}+{{\lambda }_{\text{t}}})+{{A}_{\text{s}}}\frac{{{\lambda }_{\text{f}}}-{{\lambda }_{\text{t}}}}{\text{ }\!\!\pi\!\!\text{ }} \\ &\quad \quad \left[ \frac{{{{\bar{T}}}_{\text{s}}}}{{{A}_{\text{s}}}}\arcsin \frac{{{{\bar{T}}}_{\text{s}}}}{{{A}_{\text{s}}}}+{{\left( 1-\frac{{{\text{ }\!\!\pi\!\!\text{ }}^{2}}}{{{A}_{\text{s}}}^{2}} \right)}^{1/2}} \right], \\ \end{align}$ | (1) |
${{{\bar{T}}}_{z}}=\frac{{{T}_{\text{num}}}}{{{\lambda }^{*}}},$ | (2) |
${{\lambda }^{*}}=\left\{ \begin{matrix} {{\lambda }_{\text{f}}},{{T}_{\text{num}}}<0; \\ {{\lambda }_{\text{t}}},{{T}_{\text{num}}}>0。\\ \end{matrix} \right.$ | (3) |
Ts表示年平均地温(℃),As表示年平均地温的振幅(℃)。λf和λt分别表示冻结和融化土壤的导热系数W/(m·℃)。当Tz < 0时,代表存在多年冻土,Tz > 0代表该区域无冻土或存在季节性冻土。
2 1.5℃阈值发生时间的确定本文与IPCC AR5[1]中使用的参考时段保持一致,选取1861—1880年作为工业化前的时期。由于地表温度存在明显的年际变化特征,在某一年达到某阈值后可能不会持续上升,有一定的波动性。因此,本文统计了连续5年超过1.5℃阈值的起始年。
表 2为各模式分别在3种典型浓度路径下较工业化前温度增幅达1.5℃的时间。多模式集合平均的结果表明,全球平均地表温度在3种排放情景下分别于2027、2026、2023年达到1.5℃阈值。考虑到冰冻圈分量对气候变暖响应的过程是一个渐变的慢过程,选取连续5年超过某阈值的起始年及其后10年这个时段作为达到某阈值的时段。3种情景下对应的1.5℃阈值时间分别为2027—2036年,2026—2035年,2023—2032年。
![]() |
表 2 各模式在3种排放情景下较工业化前(1861—1880年)温度增幅达1.5℃时间 Table 2 Corresponding time in 17 models when global surface temperature rises by 1.5℃ relative to pre-industrial (1861-1880) under three RCPs |
不同模式中物理过程以及参数化方案的差异,各模式对辐射强迫的敏感度不同,使得当前气候模式对未来气候变化的预估仍存在一定的不确定性。图 1表明,在RCP2.6情景下,各模式达到1.5℃阈值时间差异较大,其中NorESM1-M模式的预估结果与其他模式有显著差异,其预估的1.5℃阈值在21世纪将不会出现(表 2)。RCP8.5情景下,各模式之间的不确定性最小,表明辐射强迫越强,模式之间的不确定性越小。
![]() |
注:从上至下5条横线分别表示预估结果的最大值、上四分位数、中位数、下四分位数以及最小值。 图 1 17个模式在3种排放情景下较工业化前(1861—1880年)温度增幅达1.5℃阈值时间 Figure 1 Years in which the global average surface temperature rises by 1.5℃ above pre-industrial (1861-1880) level under the three RCP scenarios, as predicted by the 17 CMIP5 models |
图 2为RCP2.6、RCP4.5和RCP8.5情景下全球升温1.5℃时,通过Kudryavtsev方法估算得到的北半球多年冻土范围相对于1986—2005年的变化。北半球多年冻土在1986—2005年的面积约为16.24×106 km2,当全球升温1.5℃时,多年冻土南界北移1°~3.5°,明显的退化发生在中西伯利亚南部。在全球升温1.5℃时,在RCP2.6情景下,北半球多年冻土面积约为12.81×106 km2,减少了3.43×106km2(21.12%)(表 3);RCP4.5情景下,北半球多年冻土面积为12.33×106 km2,减少了3.91×106 km2(24.10%);在RCP8.5情景下,北半球多年冻土面积为12.09×106 km2,减少了4.15×106 km2(25.55%)。
![]() |
注:橙色表示1986—2005年平均多年冻土范围,蓝色表示全球升温1.5℃时多年冻土范围。 图 2 RCPs情景下全球升温1.5℃时北半球多年冻土的变化 Figure 2 Absolute change of permafrost extent (relative to 1986—2005) in the Northern Hemisphere when global average surface temperature rises by 1.5℃ (relative to 1861-1880) under three RCP scenarios |
青藏高原是中纬度地区多年冻土主要分布区域,多年冻土面积占全国多年冻土总面积的69.8%[41]。Kudryavtsev方法估算得到的1986—2005年青藏高原多年冻土面积为2.06×106 km2,较之前的研究结果[41-42]偏大,将高原南部的季节性冻土也划分成了多年冻土。其可能的原因是,Kudryavtsev方法中多年冻土的诊断是通过假设热量在土壤中向下传导的形式近似为波动变化,使用地表温度、地表温度的振幅,并且考虑冻结与非冻结土壤的不同导热状况通过式(2) 得到的。其中地表温度是气温在考虑了积雪和植被的衰减作用对于大气-土壤温度差异的贡献的基础上计算得到的。因此,气温数据的准确性对预估结果起到很大的影响。研究表明[43-44],由于高原复杂的下垫面性质,大多数CMIP5模式模拟的青藏高原地区的气温较观测值偏低2℃以上,分辨率较低的模式无法准确模拟出高原边缘陡峭的地形特点,导致气温模拟的偏差在高原边缘地区更大。因此,Kudryavtsev方法对青藏高原多年冻土的模拟偏差较大。当全球升温1.5℃时,高原东南部冻土略微减少,多年冻土面积在各排放情景下分别减少0.15×106 km2(7.28%)、0.18×106 km2(8.74%)和0.17×106 km2(8.25%)(表 3)。
![]() |
表 3 RCPs下全球升温1.5℃时北半球和青藏高原多年冻土面积及变化 Table 3 Change of permafrost extent (relative to 1986-2005) in the Northern Hemisphere and Qinghai-Tibet Plateau when global average surface temperature rises by 1.5℃ (relative to 1861-1880) under three RCP scenarios |
图 3为不同排放情景下21世纪北半球多年冻土的变化。可以看出,到21世纪末,RCP4.5情景下的不确定性最大,各模式预估的多年冻土面积在4×106~13×106 km2之间。RCP8.5情景下各模式与MME之间的差异在21世纪末期逐渐达到最小。集合平均的结果表明,RCP2.6情景下,从21世纪中叶(2040年前后)开始,北半球多年冻土面积几乎保持不变;RCP4.5情景下退化较小;RCP8.5情景下多年冻土面积则持续减少。这与Wang等[45]的研究结果一致。北半球多年冻土面积到21世纪末将减少24%(RCP2.6)到87%(RCP8.5),与IPCC AR5[12]的预估结果较为一致,其结果表明,到21世纪末北半球高纬地区近表面(3.5 m)多年冻土面积会减少37%(RCP2.6)到81%(RCP8.5)。
![]() |
注:实线为集合平均的结果,阴影部分表示各模式预估的范围,集合平均前对各模式进行了9年滑动平均处理。 图 3 RCPs情景下21世纪北半球多年冻土面积的预估 Figure 3 Projected permafrost area over the Northern Hemisphere during the 21st century under the three RCPs |
常用于表征积雪的指标包括积雪面积、积雪深度以及雪水当量,各指标反映的侧重点不同。雪水当量既可反映出积雪的累积量,也可反映出积雪的覆盖率信息。研究表明,积雪的增加与消融不仅仅取决于温度,降水与气温之间的竞争才是决定积雪增加或减少的重要因素,雪水当量更能体现气温、降水的共同作用[46]。图 4为RCP2.6情景下,表 1中前13个模式21世纪北半球年平均雪水当量与集合平均预估值的泰勒图。除了CNRM-CM5外,各模式对年平均雪水当量的预估与MME的均方根误差分布在0.11~0.42之间,相关系数达0.91以上,均通过了0.001的显著性检验。CNRM-CM5对雪水当量的预估相较于其他模式偏差最大,均方根误差达0.81,相关系数为0.67。大多数CMIP5模式对21世纪北半球雪水当量预估具有较好的一致性。
![]() |
图 4 RCP2.6情景下13个模式和集合平均的结果模拟的21世纪北半球年平均雪水当量的相关系数和均方根误差 Figure 4 Root mean square error and correlation coefficient between simulated SWE in 13 models and MME over Northern Hemisphere during the 21st century for RCP2.6 |
图 5为各排放情景下全球升温1.5℃时北半球年平均及冬、春季平均雪水当量的相对变化。从图中可以看出,全球升温1.5℃时,北半球大部分区域年和季节平均雪水当量一致减少,只在中西伯利亚地区略微增加,与之前关于21世纪北半球雪水当量的研究结果[38, 47]一致。北美洲中部、欧洲西部以及俄罗斯西北部的雪水当量减少较显著,部分区域相对于1986—2005年减少约40%以上。中西伯利亚地区降雪对雪水当量的贡献为负,总降水以及累积降雪对雪水当量的贡献为正,且正贡献大于负贡献。即当中西伯利亚地区降雪量减少时,累积降雪却增加,说明降雪量大于积雪融化量,因此中西伯利亚地区雪水当量增加[48]。从图 5可以看出,冬、春季时,欧亚大陆雪水当量的分布呈明显的东增西减特征。相同排放情景下,与冬季相比,春季雪水当量减小的范围和强度较大,雪水当量增加的范围和强度较小,使得北半球雪水当量整体上在春季减少得较多,相对于1986—2005年减少约7.54 kg/m2(表 4)。全球升温1.5℃时,青藏高原年平均以及冬、春季平均雪水当量均减小(表 4),其减小速率大于全球平均退化速率。全球升温1.5℃时,北半球冬、春季平均雪水当量相对于1986—2005年分别减少约14.9%和13.8%。IPCC AR5表明,北半球春季积雪到21世纪末将减少7%(RCP2.6情景)~25%(RCP8.5情景)[1]。
![]() |
图 5 全球升温1.5℃时(相对于1861—1880年)北半球年平均及冬、春季雪水当量相对变化(相对于1986—2005年) Figure 5 Relative change of snow water equivalent (relative to 1986-2005) in annual, winter (DJF) and spring (MAM) over the Northern Hemisphere when the global average surface temperature rises by 1.5℃ (relative to 1861-1880) under the three RCP scenarios |
![]() |
表 4 RCPs情景下全球升温1.5℃时(相对于1861—1880年)北半球和青藏高原年平均及冬、春季雪水当量及其变化 Table 4 Change of snow water equivalent (relative to 1986-2005) in annual, DJF and MAM over the Northern Hemisphere and the Qinghai-Tibet Plateau when global average surface temperature rises by 1.5℃ (relative to 1861-1880) under three RCP scenarios |
图 6为3种排放情景下(RCP2.6,RCP4.5,RCP8.5)21世纪北半球陆地雪水当量相对于1986—2005年的相对变化。集合平均的结果表明,雪水当量在3种排放情景中均呈下降趋势。在2050年之前,雪水当量在3种排放情景下的变化比较接近;2050年之后,辐射强迫越大,雪水当量减少越明显;到21世纪末,北半球陆地雪水当量在RCP2.6和RCP4.5情景下减少约10%;在RCP8.5情景下,雪水当量减少约20%。RCP2.6情景下各模式预估结果的不确定性最小,RCP8.5情景下不确定性最大。2050年之后,中低排放情景下(RCP2.6,RCP4.5)的不确定性趋于稳定,而RCP8.5情景下的不确定性持续增大。本文确定的1.5℃阈值发生时间在21世纪20—30年代之间,对应的雪水当量预估值的不确定性较小。
![]() |
注:实线为集合平均的结果,阴影部分表示各模式预估的范围,集合平均前对各模式进行了9年滑动平均处理。 图 6 RCPs情景下21世纪北半球陆地雪水当量变化(相对于1986—2005年) Figure 6 Projected changes (relative to 1986-2005) in snow water equivalent over Northern Hemisphere during the 21st century for three RCPs |
本文基于参加CMIP5的17个全球气候模式,首先预估了各模式达1.5℃阈值的时间,并在此基础上进行多模式集合平均,使用Kudryavtsev方法预估了全球升温1.5℃时冰冻圈的两个主要分量冻土和积雪的变化,并讨论其不确定性。
预估结果表明,全球平均地表温度在3种排放情景下(RCP2.6,RCP4.5,RCP8.5)分别于2027、2026、2023年达到1.5℃阈值。在RCP8.5情景下,1.5℃阈值发生时间的不确定性最小。全球升温1.5℃时,北半球多年冻土南界北移1°~3.5°,明显的退化发生在中西伯利亚南部。多年冻土面积在RCP2.6、RCP4.5和RCP8.5排放情景下较1986— 2005年分别减少约3.43×106 km2(21.12%)、3.91×106 km2(24.1%)和4.15×106 km2(25.55%);由于参加CMIP5的各气候模式的气温数据在青藏高原地区普遍偏低,Kudryavtsev方法对青藏高原地区的多年冻土预估偏大。在RCP2.6,RCP4.5,RCP8.5排放情景下,青藏高原地区的多年冻土分别减少0.15×106 km2(7.28%)、0.18×106 km2(8.74%)和0.17×106 km2(8.25%);北半球大部分区域年和冬、春季平均雪水当量一致减少,只在中西伯利亚地区略微增加。北美洲中部、欧洲西部以及俄罗斯西北部减小较显著,相对于1986—2005年减少约40%以上。青藏高原冬、春季平均雪水当量相对于1986—2005年分别减少约14.9%和13.8%。随着模拟时间的增长,雪水当量预估结果的不确定性在21世纪末达最大。到21世纪末,RCP4.5情景下各模式预估的多年冻土面积的不确定性最大,为4×106~13×106 km2;RCP8.5情景下各模式预估的雪水当量相对变化的不确定性最大,为-62%~24%。本文确定的1.5℃阈值发生时间在21世纪20—30年代之间,对应的雪水当量预估值的不确定性较小。
需要指出的是,本研究的结果建立在模式模拟基础上。由于模式模拟结果具有较大的不确定性,对冰冻圈的预估也就不可避免地存在较大的不确定性。因此,充分考虑未来排放情景的设计,通过物理过程的改进减少模式本身的不确定性,进一步减少预估的不确定性,是需要进一步深入研究的问题。
[1] |
IPCC. Climate change 2013: the physical science basis: summary for policymaker[M]. Cambridge: Cambridge University Press, 2013.
|
[2] |
秦大河. 气候变化科学与人类可持续发展[J]. 地理科学进展, 2014, 33(7): 874-883. DOI:10.11820/dlkxjz.2014.07.002 |
[3] |
Rafiq M, Mishra A. Investigating changes in Himalayan glacier in warming environment: a case study of Kolahoi glacier[J]. Environ Earth Sci, 2016, 75(23): 1469. DOI:10.1007/s12665-016-6282-1 |
[4] |
Burke E J, Dankers R, Jones C D, et al. A retrospective analysis of pan Arctic permafrost using the JULES land surface model[J]. Clim Dyn, 2013, 41(3-4): 1025-1038. DOI:10.1007/s00382-012-1648-x |
[5] |
Park H, Alexander F, Mikhail N Z, et al. Effect of snow cover on pan-Arctic permafrost thermal regimes[J]. Clim Dyn, 2015, 44(9-10): 2873-2895. DOI:10.1007/s00382-014-2356-5 |
[6] |
王澄海, 董文杰, 韦志刚. 青藏高原季节性冻土年际变化的异常特征[J]. 地理学报, 2001, 56(5): 523-531. DOI:10.11821/xb200105003 |
[7] |
Wang C H, Dong W J, Wei Z G. Anomaly feature of seasonal frozen soil variance on the Qinghai-Tibet Plateau[J]. Journal of Geographical Sciences, 2002, 12(1): 99-107. DOI:10.1007/BF02837433 |
[8] |
Slater A G, Lawrence D M. Diagnosing present and future permafrost from climate models[J]. Journal of Climate, 2013, 26(15): 5608-5623. DOI:10.1175/JCLI-D-12-00341.1 |
[9] |
Romanovsky V E, Smith S L, Christiansen H H. Permafrost thermal state in the polar Northern Hemisphere during the International Polar Year 2007–2009: a synthesis[J]. Permafrost & Periglacial Processes, 2010, 21(2): 106-116. |
[10] |
Oberman N G. Long-term temperature regime of the Northeast European permafrost region during contemporary climate warming[J]. International Conference on Permafrost (ICOP) Proceedings, 2012(2): 287-291. |
[11] |
Wu Q, Zhang T, Liu Y. Thermal state of the active layer and permafrost along the Qinghai-Xizang (Tibet) railway from 2006 to 2010[J]. Cryosphere, 2012, 6(3): 2465-2481. |
[12] |
IPCC. Climate change 2013: the physical science basis[M]. Cambridge: Cambridge University Press, 2013.
|
[13] |
张中琼, 吴青柏. 气候变化情景下青藏高原多年冻土活动层厚度变化预测[J]. 冰川冻土, 2012(3): 505-511. |
[14] |
Li Z, Liu J, Tian B. Spatial and temporal series analysis of snow cover extent and snow water equivalent for satellite passive microwave data in the Northern Hemisphere (1978-2010)[J]. Geosciene and Remote Sensing Symposium, 2012, 4871-4874. |
[15] |
Liu J, Li Z. Temporal series analysis of snow water equivalent of satellite passive microwave data in northern seasonal snow classes (1978-2010) [C]. IEEE International Geoscience and Remote Sensing Symposium, 2013: 3606-3609
|
[16] |
Thackeray C, Fletcher C, Mudryk L, et al. Quantifying the uncertainty in historical and future simulations of Northern Hemisphere spring snow cover[J]. Journal of Climate, 2016, 29: 8647-8663. DOI:10.1175/JCLI-D-16-0341.1 |
[17] |
陈月亮, 黄菲, 王宏, 等. 北半球雪水当量季节和年际尺度时空主模态变化特征[J]. 中国海洋大学学报:自然科学版, 2015, 45(7): 11-17. |
[18] |
王澄海, 王芝兰, 崔洋. 40余年来中国地区季节性积雪的空间分布及年际变化特征[J]. 冰川冻土, 2009, 32(2): 301-310. |
[19] |
Wang C H, Wang Z L, Cui Y. Spatial distributions and interannual variations of snow cover over China in the last 40 years[J]. Science in Clod and Arid Regions, 2009, 1(6): 509-518. |
[20] |
伯玥, 李小兰, 王澄海. 青藏高原地区积雪年际变化异常中心的季节变化特征[J]. 冰川冻土, 2014, 36(6): 1353-1362. |
[21] |
王宁练, 刘时银, 吴青柏, 等. 北半球冰冻圈变化及其对气候环境的影响[J]. 中国基础科学, 2015(2): 9-14. |
[22] |
孔爱婷, 刘健, 余旭, 等. 北极海冰范围时空变化及其与海温气温间的数值分析[J]. 地球信息科学学报, 2016, 18(6): 797-804. |
[23] |
刘艳霞, 王泽民, 刘婷婷. 1979—2014年南北极海冰变化特征分析[J]. 遥感信息, 2016(2): 24-29. |
[24] |
Lan C, Zhang Y X, Bohn T J, et al. Frozen soil degradation and its effects on surface hydrology in the northern Tibetan Plateau[J]. J Geophys Res Atmos, 2015, 120: 8276-8298. DOI:10.1002/2015JD023193 |
[25] |
Liljedahl A K, Boike J, Daanen R P, et al. Pan-Arctic ice-wedge degradation in warming permafrost and its influence on tundra hydrology[J]. Nat Geosci, 2016, 9: 312. DOI:10.1038/ngeo2674 |
[26] |
Wang C H, Dong W J, Wei Z G. Study on relationship between freezing-thawing processes of the Qinghai-Tibet Plateau and the atmospheric circulation over East Asia[J]. Chinese Journal of Geophysics, 2003, 46(3): 438-441. DOI:10.1002/cjg2.v46.3 |
[27] |
Guo D, Wang H. Permafrost degradation and associated ground settlement estimation under 2℃ global warming[J]. Clim Dyn, 2016, 1-15. |
[28] |
陆胤昊, 叶柏生, 李翀. 冻土退化对海拉尔河流域水文过程的影响[J]. 水科学进展, 2013(3): 319-325. |
[29] |
MacDougall A H, Christopher A A, Andrew J W. Significant contribution to climate warming from the permafrost carbon feedback[J]. Nature Geoscience, 2012, 5: 719-721. DOI:10.1038/ngeo1573 |
[30] |
张人禾, 张若楠, 左志燕. 中国冬季积雪特征及欧亚大陆积雪对中国气候影响[J]. 应用气象学报, 2016, 27(5): 513-526. DOI:10.11898/1001-7313.20160501 |
[31] |
Wang C H, Yang K, Li Y L, et al. Impacts of spatiotemporal anomalies of Tibetan Plateau snow cover on summer precipitation in East China[J]. Journal of Climate, 2016, 30: 885-903. |
[32] |
IPCC. Climate change 2014: impacts, adaptation, and vulnerability: summary for policymaker[M]. Cambridge: Cambridge University Press, 2014.
|
[33] |
Schneider S H, Mastrandrea M D. Probabilistic assessment of "dangerous" climate change and emissions pathways[J]. Proceedings of the National Academy of Sciences of the United States of American, 2007, 102: 15728-15735. |
[34] |
周天军, 立维, 吴波, 等. 中国地球气候系统模式研究进展: CMIP计划实施近20年回顾[J]. 气象学报, 2014, 72(5): 892-907. DOI:10.11676/qxxb2014.083 |
[35] |
叶笃正, 季劲钧. 迎接大气科学发展即将到来的新飞跃[J]. 地球科学进展, 2005, 20(10): 1047-1052. DOI:10.3321/j.issn:1001-8166.2005.10.001 |
[36] |
Meehl G A, Stocker T F, Collins W D, et al. Global climate projections [M]// Solomon S, Qin D, Manning M, et al. Climate change 2007: the physical science basis [M]. Cambridge: Cambridge University Press, 2007: 748
|
[37] |
Annan J D, Hargreaves J C. Reliability of the CMIP3 ensemble[J]. Geophys Res Lett, 2010, 37: L02703. |
[38] |
Shi H X, Wang C H. Projected 21st century changes in snow water equivalent over Northern Hemisphere landmasses from the CMIP5 model ensemble[J]. The Cryosphere, 2015, 9: 1943-1953. |
[39] |
Wang W, Rinke A, More J, et al. Diagnostic and model dependent uncertainty of simulated Tibetan permafrost area[J]. The Cryosphere, 2015, 10: 287-306. |
[40] |
Anisimov O A, Shiklomanov N I, Nelson F E. Global warming and active-layer thickness: results from transient general circulation models[J]. Global and Planetary Change, 1997, 15: 61-77. DOI:10.1016/S0921-8181(97)00009-X |
[41] |
周幼吾, 郭东信. 我国多年冻土的主要特征[J]. 冰川冻土, 1982, 4(1): 1-19. |
[42] |
Ran Y H, Li X, Cheng G D, et al. Short communication distribution of permafrost in China: an overview of existing permafrost maps[J]. Permafrost and Periglacial Processes, 2012, 23(3): 322-333. |
[43] |
张艳武, 张莉, 徐影. CMIP5模式对中国地区气温模拟能力评估与预估[J]. 气候变化研究进展, 2016, 12(1): 10-19. DOI:10.12006/j.issn.1673-1719.2015.113 |
[44] |
徐影, 张冰, 周波涛, 等. 基于CMIP5模式的中国地区未来洪涝灾害风险变化预估[J]. 气候变化研究进展, 2014, 10(4): 268-275. |
[45] |
Wang C H, Wu D, Kong Y, et al. Changes of soil thermal and hydraulic regimes in Northern Hemisphere permafrost regions over the 21st century[J]. Arctic, Antarctic, and Alpine Research, 2017, 49(2): 305-319. DOI:10.1657/AAAR0016-026 |
[46] |
王芝兰, 王澄海. IPCC AR4对中国地区未来50a雪水当量的预估[J]. 冰川冻土, 2012, 34(6): 1273-1283. |
[47] |
马丽娟, 罗勇, 秦大河. CMIP3模式对未来50a欧亚大陆雪水当量的预估[J]. 冰川冻土, 2011, 33(4): 707-720. |
[48] |
施红霞. 21世纪北半球冰冻圈主要分量的预估研究[D]. 兰州: 兰州大学, 2015 http: //cdmd. cnki. com. cn/Article/CDMD-10730-1015334220. htm
|