EN中文

自然资源学报 >

2022 , Vol. 37 >Issue 7: 1918 - 1934

DOI: https://doi.org/10.31497/zrzyxb.20220718

其他研究论文

1901—2017年藏西南高原气候及其生产潜力时空变化

  • 李焱 ,
  • 靳甜甜 ,
  • 高秉丽 ,
  • 张云霞 ,
  • 巩杰
展开
  • 兰州大学资源与环境学院/西部环境教育部重点实验室,兰州 730000
巩杰（1975- ）,男,甘肃庆阳人,博士,教授,研究方向为景观生态学。E-mail:

李焱（2001- ）,女,甘肃白银人,硕士,研究方向为草地生态。E-mail:

收稿日期: 2021-02-08

  修回日期: 2021-06-02

  网络出版日期: 2022-09-28

基金资助

第二次青藏高原综合考察研究资助(2019QZKK0603)

收起

Spatio-temporal variation of climate and its potential productivity in the Southwest Tibet Plateau during 1901-2017

  • LI Yan ,
  • JIN Tian-tian ,
  • GAO Bing-li ,
  • ZHANG Yun-xia ,
  • GONG Jie
Expand
  • College of Earth and Environmental Sciences, Key Laboratory of Western China's Environmental Systems (Ministry of Education), Lanzhou University, Lanzhou 730000, China

Received date: 2021-02-08

  Revised date: 2021-06-02

  Online published: 2022-09-28

Fold

摘要

研究全球变暖背景下藏西南高原气候及气候生产潜力时空分布,对该区农牧业发展、生态保护和可持续发展等具有重要意义。基于1901—2017年的中国气象再分析数据,利用Miami和Thornthwaite Memorial模型对近117年藏西南高原气候变化、气候生产潜力的时空分布及影响因素进行了分析。结果表明：近117年来藏西南高原年均温呈上升趋势,年均降水量呈下降趋势,并存在明显周期和突变点;温度生产潜力呈增加趋势,空间上自东南向西北递减;降水、蒸散和标准生产潜力呈减小趋势,呈现自南向北递减的空间分布特征;标准生产潜力由降水和温度共同决定,降水是主要限制因子。未来气候若持续“暖干化”变化,将导致藏西南高原气候生产潜力下降。为促进畜牧业发展和生态环境的改善,未来应进一步推进退牧还草、人工种草、舍饲养殖等工程,并选用耐寒耐旱高产草种,提高牧草产量,实现草畜平衡,以推动传统畜牧业向现代牧业转变,实现草原生态保护和可持续发展。

关键词： 气候变化; 气候生产潜力; Miami和Thornthwaite Memorial模型; 农业牧业; 青藏高原

本文引用格式

李焱 , 靳甜甜 , 高秉丽 , 张云霞 , 巩杰 . 1901—2017年藏西南高原气候及其生产潜力时空变化[J]. 自然资源学报, 2022 , 37(7) : 1918 -1934 . DOI: 10.31497/zrzyxb.20220718

Abstract

It is of great significance to study the spatial and temporal distribution of climate and climate productivity potential under the background of global warming for the development of agriculture and animal husbandry, ecological protection, and sustainable development in the Southwest Tibet Plateau (STP). Based on the Miami and Thornthwaite Memorial models, this paper analyzed the spatial and temporal distribution of climate change, climate productivity potential, and its influencing factors in the STP from 1901 to 2017. The results show that the annual average temperature increased and the annual average precipitation decreased in recent 117 years, and there are obvious periods and abrupt changes in the STP. The temperature productivity potential increased, and decreased from southeast to northwest in space. The precipitation, evapotranspiration, and standard productivity potential have all decreased, showing a decreasing trend from south to north. The standard productivity potential is determined by the precipitation and temperature, and the precipitation is the main limiting factor. In the future,if the climate continues to "warm and dry", the climatic productivity potential of the STP will decrease. To promote the development of the animal husbandry and improvement of ecological environment, in the future, it is better to make efforts on returning grazing land, artificial planting of forage grass, grass importing, barn feeding and breeding, selecting drought-tolerant prolific grass with high productivity, improving the forage yield, striving to achieve the equilibrium of breeding, for the shift from the traditional animal husbandry area to the modern one, and for the realization of sustainable development of local agriculture and animal husbandry and ecological protection in the STP.

Key words： climate change; climate potential productivity; Miami and Thornthwaite Memorial models; agriculture and animal husbandry; Tibet Plateau

IPCC第五次报告指出：近百年人类活动和气候变化导致全球气候变暖[1,2]。青藏高原地理位置特殊、自然环境复杂,是我国最大的生态脆弱区和气候变化敏感区[3,4],增温幅度明显高于其他地区[5]。在全球变暖背景下,气候变化不仅改变青藏高原温度、降水的空间分布,同时影响植被的空间分布以及生态系统的结构和功能等,使青藏高原生态环境发生改变,诱发了植物物候的变化[6]、净初级生产力和草地载畜能力下降[7]、天然草地退化等一系列问题[3]。因此,开展青藏高原气候及气候生产潜力变化研究显得尤为重要,可为高寒山地生态建设、畜牧资源利用及保护与可持续发展提供科学借鉴和决策支持。
气候生产潜力（Climate Potential Productivity）是指当土壤、养分等条件处于最适状态,水、温等气候资源得到充分合理利用时,单位面积土地上可获得的最高植物生物学产量或经济产量[8,9]。近年来,国内外学者对气候生产潜力的研究取得丰富的成果,常用的气候生产潜力估算模型主要有Miami模型[10]、Thornthwaite Memorial模型[11]、Chikugo模型[12]和综合植被模型[13]等。一些学者采用不同模型开展不同区域气候生产潜力的变化特征,如徐雨晴等[14]利用Thornthwaite Memorial模型揭示了近50年中国气候生产潜力的时空分布特征;李振杰等[15]利用Miami模型和Thornthwaite Memorial模型分析了云南省气候生产潜力时空变化及未来趋势,发现未来云南省气候将趋向“暖干化”,为此提出了应对气候变化的可行性措施和建议;罗布等[16]利用Thornthwaite Memorial模型发现藏北高寒牧区生产潜力受降水影响较大,这种影响随着纬度的升高而升高。此外,一些学者开展了针对某种农作物或某植被类型的气候生产潜力研究,如周刊社等[17]基于Miami模型分析了西藏怒江流域高寒草甸植被气候生产潜力的时空变化,发现青稞气候生产潜力依赖于气候资源和水资源的调配;赵雪雁等[18,19]利用Thornthwaite Memorial模型分析了青藏高原青稞、牧草的气候生产潜力,发现降水是影响青稞气候生产潜力的关键因子。总的来说,上述研究多集中于青藏高原及特定植被类型,针对喜马拉雅高寒山地和多民族聚居的藏西南高原的研究报道较少,涉及较长时间尺度的更少。
藏西南高原位于青藏高原西南部,是雅鲁藏布江、印度河、恒河的发源地,为“百川之源”,是重要的水源涵养地、气候变化的启动区和敏感区[20]。区内生态环境复杂多变,脆弱且敏感。受气候变化和人类活动的长期影响,区域植被生产力降低和草地退化严重。该地区生态环境一旦恶化将再难以恢复,这将对中国乃至全球生态有着深远的影响[21],探究藏西南高原植被的气候生产潜力对于区域生态安全屏障的构建至关重要。因此,本文利用1901—2017年藏西南高原年均降水和年均温数据,基于Miami和Thornthwaite Memorial模型计算气候生产潜力,分析该地区近117年来气温、降水及气候生产潜力的时空变化规律,以期为高寒草地资源利用、气候变化应对及适应、国家生态安全屏障建设等提供理论支撑和借鉴。

1 研究方法与数据来源

1.1 研究区概况

藏西南高原（26°59′~33°97′N,78°28′~90°40′E）位于青藏高原和西藏自治区的西南边陲,地处喜马拉雅山脉和冈底斯山脉之间,总面积约30.89万km2,主要包括日喀则市的仲巴、萨嘎、吉隆、聂拉木、定日、定结、岗巴、亚东、康马、江孜、仁布、萨迦、拉孜、昂仁、谢通门、南木林、桑珠孜区和白朗与阿里地区的札达、噶尔、革吉、措勤和普兰县区（图1）。研究区地势高低起伏,两头低、中间高,海拔在1553~8848.86 m之间,主要有高原、平原、河谷、冰川等地貌类型。受喜马拉雅山脉和冈底斯山脉影响,区域年均温在-4~ -2 ℃之间,年均降水量在200~350 mm之间。藏西南高原是青藏高原典型农牧区之一,日喀则市以农业为主,阿里地区以牧业为主。加之独特的气候环境和交通不便,人们更加依赖于自然资源来维持生计和生存发展。
图1 研究区概况

注：本图基于自然资源部标准地图服务系统下载的标准地图制作,底图无修改,下同。

Fig. 1 Location of the study area (Southwest Tibet Plateau)

1.2 数据来源

因气象站点较少,难以满足本文需求,故所用气象数据采用国家青藏高原科学数据中心（ https://data.tpdc.ac.cn/zh-hans/）的再分析数据集（中国逐月降水量数据[22]和中国逐月平均温度数据[23]）。研究时段为1901— 2017年,空间分辨率约为1 km,通过验证,该数据结果可信[24],如Jiang等[25]使用该数据研究了干旱对中国牧区生态环境的影响;研究区行政边界来自国家青藏高原科学数据中心,由1∶100万全国基础地理数据制作而得[26]。

1.3 研究方法

1.3.1 气候倾向率

对气候要素与时间序列采用最小二乘法来计算线性回归系数 a,得出气候要素的变化趋势,并建立一元一次线性回归方程,其计算公式[27]为：
X ^ i = a t i + b
式中： X ^ i为气象要素拟合值; t i为时间序列;回归系数 a和 b由最小二乘法估算,通常以 a × 10为气候倾向率,表示为气候要素每10 a的变化速率。气候变化趋势的显著性还需通过 t检验进行判断,公式为：
t = r 1 - r 2 n - 2
式中： t为统计量; r为相关系数; n为样本数（个）。 t需服从自由度 n - 2的 t分布。在一定的显著性水平 ∂下,当 | t | > t ( ∂ / 2 , n - 2 )时,则认为气象要素 X i的变化趋势显著。

1.3.2 气候生产潜力模型

（1）Miami模型
根据对植物生长及其生物量形成的关键因素——温度、降水两个气候因子来估算气候生产潜力,得到温度和降水生产潜力,其计算公式如下[27]：
Y t = 30000 / 1 + e 1.315 - 0.1196 t
Y r = 30000 1 - e - 0.000664 R
式中： t为年平均气温（℃）; R为年降水量（mm）;Yt和Yr分别为温度生产潜力 [kg/(hm2·a)] 和降水生产潜力 [kg/(hm2·a)]。
（2）Thornthwaite Memorial 模型
依据蒸散量与温度、降水和植被之间的函数关系来计算蒸散生产潜力。该模型考虑了温度和降水对植被的影响,相比Miami模型,该模型对气候生产潜力的估算更为准确,其计算公式如下[15]：
Y e = 30000 1 - e - 0.0009695 ( E - 20 )
式中：Ye为蒸散生产潜力 [kg/(hm2·a)]; E为实际年平均蒸散量（mm）,可用降水和温度之间的函数关系计算得到,其计算公式如下：
E = 1.05 R × [ 1 + ( 1.05 r / L ) 2 ] - 0.5
式中： L为年均最大蒸散量（mm）,是年均气温 t的函数,计算公式如下：
L = 300 + 25 t + 0.05 t 3
当且仅当 R > 0.316 L时,按式（6）、式（7）来计算;若 R ≤ 0.316 L,则 E = r。
（3）标准气候生产潜力
根据Liebig最小因素定律[9],需要对通过温度、降水和蒸散量计算所得的三个气候生产潜力取较低值,作为当地的标准气候生产潜力 Y b[8]：
Y b = m i n ( Y t , Y r , Y e )

1.3.3 趋势分析

趋势线分析法主要采用最小二乘法来逐像元模拟气候生产潜力随时间的变化趋势[28],可以在一定程度上消除个别年份极端气候对气候生产潜力的影响[29],其计算公式如下：
θ s l o p e = n × ∑ i = 1 n i × Y i - ∑ i = 1 n i ∑ i = 1 n Y i n × ∑ i = 1 n i 2 - ∑ i = 1 n i 2
式中： θ s l o p e为趋势斜率; Y i为第 i年的标准气候生产潜力 [kg/(hm2·a)]; i为年变量,取值在1~117之间,研究时间序列长度为117。当 θ s l o p e < 0时,说明气候生产潜力呈减小趋势,反之呈增加趋势。

1.3.4 突变检验

Mann-Kendall（M-K）突变检验法是时间序列趋势分析方法之一,被世界气象组织推荐并广泛应用于非参数统计检验方法,它具有不需要遵从一定的分布也不被异常值干扰的优点[15]。因此使用M-K突变检验法对气温和降水及气候生产潜力的变化趋势进行突变检验,具体方法参见文献 [15]。

1.3.5 小波分析

小波分析也叫多分辨率分析法,能够较好地反映在不同时间尺度上要素的变化周期,本文使用Morlet小波分析法计算藏西南高原气象要素的小波系数和小波方差,具体方法参见文献 [30]。

2 结果分析

2.1 藏西南高原气候时空变化

2.1.1 年均温和降水量的时间变化

藏西南高原近117年来年均温和年均降水量的年际变化趋势如图2所示。藏西南高原年均温以0.084 ℃/10 a的速率逐渐增加,1901—1960年间的年均温以0.092 ℃/10 a的速率上升,1961—2017年的年均温以0.239 ℃/10 a的速率上升（图2a）。研究区多年平均气温为-3.35 ℃,最高年均温为2010年（-2.08 ℃）,较历年平均值高1.27 ℃;最低年均温为1917年（-4.28 ℃）。藏西南高原年均降水量呈现波动下降趋势（其倾向率为 1.869 mm/10 a）（图2b）,多年平均降水量可达255.65 mm,1962年降雨量最大（307.99 mm）,2000年最小（188.70 mm）。
图2 1901—2017年藏西南高原年均温和年均降水量的年际变化

Fig. 2 Annual variations of mean temperature and precipitation in the Southwest Tibet Plateau from 1901 to 2017

2.1.2 年均温和年均降水的周期性

通过小波分析法对藏西南高原1901—2017年的年均温及降水量分析发现,近117年来藏西南高原年均温及降水量均存在明显的周期振荡特征（图3、图4）：年均温在57~64年尺度上存在震荡,但周期不完整;20~33年尺度上存在6次震荡,在20世纪90年代后期周期震荡减弱;在20世纪40-80年代间存在12~17年的震荡;在10年以下的小时间尺度上,正负位相交替更加频繁,突变点分布散乱,反映出在较小的时间尺度下,藏西南高原的年均温变化波动更加频繁（图3a）。由图3b可知：年均降水量在39年左右的时间尺度上,存在5次明显的“负—正”交替震荡周期,主要发生在20世纪20年代后期,表明近117年来藏西南高原经历了“枯水期—丰水期”交替变化过程;在10~20年时间尺度上存在较密集的震荡周期,主要分布在20世纪40年代至21世纪初期;在10年以下时间尺度上,年均降水量与年均温波动变化相似。小波分析的方差图可以反映年均温和年均降水量的波动能量随时间尺度的分布情况。如图4a所示,年均温在较大时间尺度上明显的峰值主要位于63年时间尺度,且峰差值最大,说明63年左右的周期震荡最强,为年均温的第一主周期。在1~30年时间尺度下,还发现3年、6年、15年和29年时间尺度上存在峰值现象,但由于3年、6年和15年峰值变化不明显,可忽略不计,因此29年时间尺度为第二主周期。年均降水量在较大时间尺度上存在5个明显的峰值,分别对应2年、 8年、13年、39年和53年的时间尺度。其中以13年主周期小波方差最大,说明13年时间尺度左右藏西南高原年均降水量震荡最强,为年均降水量的第一个主周期。
图3 1901—2017年藏西南高原年均温与年均降水量的Morlet小波系数等值线及小波方差变化曲线

Fig. 3 Morlet wavelet coefficient of annual mean temperature and precipitation in the Southwest Tibet Plateau from 1901 to 2017

图4 1901—2017年藏西南高原年均温与年均降水量的小波方差变化曲线

Fig. 4 Morlet wavelet variance curves of annual mean temperature and precipitation in the Southwest Tibet Plateau from 1901 to 2017

2.1.3 年均温和降水量的突变性检验

利用M-K突变检验法对藏西南高原117年年均温和年均降水量进行分析,显著性水平为0.05。由近117年藏西南高原年均温M-K突变曲线可知（图5a）,年均温的UF曲线在1922年后大于0,说明藏西南高原年均温在1922年后呈上升趋势;在1942年后呈显著升高趋势,在1992年发生突变（图5a）。年均降水量的UF曲线（图5b）在1901—2017年间呈现波动变化趋势,1950年前年降水量呈现波动增加和减小的趋势,1950年后降水量呈稳定下降趋势,且在多个时间段内超过0.05显著性水平临界线,说明降水量在部分时间段内下降趋势显著。UF曲线与UB曲线在1950年左右相交于临界线内,可见,年均降水量在1950年发生突变,突变前年均降水量为272.91 mm,突变后下降为257.11 mm。
图5 1901—2017年藏西南高原年均温与年均降水量M-K检验曲线

Fig. 5 Mann-Kendall test curves of annual mean temperature and precipitation in the Southwest Tibet Plateau from 1901 to 2017

2.1.4 年均温和年均降水量的空间变化

1901—2017年藏西南高原年均温在空间上呈现中间低、四周高和东高西低的分布特征（图6a）。海拔较低的县区年均温相对普遍较高,均在0 ℃以上,如桑珠孜、白朗、江孜、札达和噶尔等县区。藏西南高原大部分县区年均温在-5~0 ℃之间,如札达、普兰、仲巴南部和革吉北部等。气温低于-5 ℃的地区多地处藏西南高原中部,如普兰北部、革吉、措勤南部、仲巴中部等。这可能由于喜马拉雅山阻挡了冷空气南下,使得喜马拉雅山系以北地区气温低于以南地区,因此藏西南高原以南的县区外围气温高,内部气温低。
图6 1901—2017年藏西南高原年均温和年均降水量空间分布

Fig. 6 Spatial distribution of the average annual temperature and precipitation in the Southwest Tibet Plateau

1901—2017年藏西南高原年均降水量呈现由西北向西南递增的分布特征（图6b）,但该地区降水量整体偏小,年降水量450 mm以下的县区主要在噶尔、革吉、仲巴、措勤等;年降水量450 mm以上的县区主要集中在藏西南高原南部且海拔较低的区域,如桑珠孜区、江孜、亚东、札达等。这可能由于喜马拉雅山系北部地势相对平缓,南部地形陡峻,形成巨大的地形反差,阻碍了印度季风北上,使得喜马拉雅以北因降水较少而呈现出干旱少雨的现象。

2.2 藏西南高原气候生产潜力时空变化

2.2.1 藏西南高原气候生产潜力时间变化

近117年来藏西南高原温度生产潜力Yt整体呈波动上升趋势（图7a）,其气候倾向率平均每10年增加40.6 kg/hm2;多年平均Yt为4846.35 kg/hm2,最大值为5472.71 kg/hm2（2010年）,最小值为4424.62 kg/hm2（1917年）,两者相差1048.09 kg/hm2。从降水生产潜力Yr的变化趋势看（图7b）,呈现波动减小的趋势,其气候倾向率每10年减少 24 kg/hm2。多年平均Yr为4569.53 kg/hm2,最大值为5382.84 kg/hm2（1962年）,最小值为3586.59 kg/hm2（2009年）,两者相差1796.25 kg/hm2。由图7c可知,蒸散生产潜力Ye波动状态明显且呈现减少趋势,平均每10年减少33.1 kg/hm2。多年平均Ye为6171.63 kg/hm2,最大值为7297.82 kg/hm2（1962年）,最小值为4789.48 kg/hm2（2009年）,两者相差2490.34 kg/hm2。图7d为根据最小因素定律[10]（植物的生长取决于最小量状况的营养成份量）,在Yt、Yr和Ye当中选取最小值作为该年份的标准气候生产潜力Yb。Yb在1901—2017年间呈波动下降趋势,每10年下降18.6 kg/hm2,但未超过0.05显著性水平,说明变化趋势并不显著。藏西南高原多年平均Yb为4498.42 kg/hm2,最大值为5067.08 kg/hm2（2015年）,最小值为3586.59 kg/hm2（2009年）,两者相差1480.49 kg/hm2。曲线在1940年前、后分别与Yt、Yr相似,仅在个别年份略有差异。
图7 藏西南高原温度、降水、蒸散和标准气候生产潜力年际变化

Fig. 7 Annual variations of temperature, precipitation, evaporation and standard climatic potential productivity in the Southwest Tibet Plateau

2.2.2 藏西南高原气候生产潜力变化的突变性检验

对藏西南高原四种气候生产潜力进行Mann-Kendall非参数检验,结果表明（图8）：温度生产潜力Yt的UF曲线在1903—1922年间和1925—1928年间小于0,表示Yt在这两个时间段内呈减小趋势;1928年后UF曲线大于0,呈逐年增加趋势,1942年上升趋势达到显著性水平,1992年发生突变（图8a）。由降水生产潜力Yr和蒸散生产潜力Ye（图8b、图8c）可以看出,两者的UF曲线在1901—1947年间呈波动减小趋势,从1950年后一直小于0,呈减小趋势,并在1950年发生突变。标准气候生产潜力 Y b为 Y t、 Y r、 Y e中的最小值,由于 Y r在大部分年份最小,所以 Y b与 Y r的变化曲线较为相似,1951年发生突变（图8d）。整体来看,四种气候生产潜力均在20世纪50年代后变化趋势趋于稳定,除温度生产潜力呈增加趋势外,其他生产潜力呈减小趋势,且在20世纪60-70年代显著性更加明显。
图8 1901—2017年藏西南高原气候生产潜力的Mann-Kendall检验曲线

Fig. 8 Mann-Kendall test curves of potential climate productivity in the Southwest Tibet Plateau from 1901 to 2017

2.2.3 藏西南高原气候生产潜力空间变化

1901—2017年藏西南高原气候生产潜力（ Y t、 Y r和 Y e）的空间分布特征较相似,但存在明显不均衡性,均为东部普遍高于西部、南部高于北部（图9）。 Y t整体呈现自西北向东南递增的趋势,其高值区主要位于日喀则市桑珠孜区人口密集的地区,每年可达10000 kg/hm2以上;低值区主要分布于海拔较高的冈底斯山脉,多高原和冰川,其值在176 kg/hm2以上（图9a）。 Y t气候倾向率在-82.96~241.32 kg/(hm2·10 a) 之间变化,高原西部阿里地区的札达、噶尔、普兰、革吉县南部呈减小趋势,变化幅度为-82.96~0 kg/(hm2·10 a);仲巴以东地区呈增加趋势,变化幅度为0~241.32 kg/(hm2·10 a);增长幅度最大的地区在亚东和吉隆的南部（图9b）,此处海拔低、气候湿润、森林茂密。 Y r和 Y e的空间分布情况相近（图9c、图9e）,呈现自北向南递增的趋势,西部地区生产潜力呈现明显的条带分布,生产潜力范围差距较大;东部地区生产潜力其复杂程度明显高于西部地区,森林茂密的亚东和吉隆县的南部生产潜力较高,其余地区呈现中间高、四周低的特点。 Y r和 Y e的最低值分别为838 kg/(hm2·a)和653 kg/(hm2·a),主要分布在阿里地区的革吉北部。Yr和Ye的气候倾向率有明显的空间分布特征,总体呈现自西向东逐渐递增的变化趋势（图9d、图9f）,其值在-248.48~40.29 kg/(hm2·10 a) 和-384.9~201.55 kg/(hm2·10 a) 之间变化,大部分地区呈下降趋势,仅高原东北部的县区呈明显增加趋势。
图9 1901—2017年藏西南高原气候生产潜力及气候倾向率的空间分布

Fig. 9 Spatial distribution of potential climate productivity and its climatic trend rate during 1901-2017 in the Southwest Tibet Plateau

图10为1901—2017年藏西南高原标准气候生产潜力的空间分布。藏西南高原标准气候生产潜力Yb在255.69~16442.8 kg/(hm2·a) 之间,空间分布不均匀,呈现自东南向西北减少的特征。以噶尔—革吉—仲巴—措勤—昂仁为界的北部地区较低,其值在 4000 kg/hm2以下,而界线以南的气候生产潜力普遍较高。形成这种空间分布的原因主要是阿里地区海拔较高、气候干燥、降水少,严酷的自然地理条件使得耕种作物不适宜于当地发展,多依赖畜牧业发展经济,但该地区天然草地生长态势较差,草地沙化和退化现象严重,因此藏西南高原西部的阿里地区标准气候生产潜力普遍较低。日喀则市海拔相对较低,气候条件较好,草地、森林及农作物生长态势好,因此日喀则市大部分县区标准气候生产潜力偏高。
图10 1901—2017年藏西南高原标准气候生产潜力的空间分布

Fig. 10 Spatial distribution of standard potential climate productivity and its climatic trend rate during 1901-2017 in the Southwest Tibet Plateau

图11为1901—2017年藏西南高原气候生产潜力水热配比的空间分布。通过计算降水生产潜力与温度生产潜力比值（Yr/Yt）来表示该区域内的水热配比情况,其空间分布可反映藏西南高原各县区水热配比情况。若Yr/Yt<1,说明该区域受 Y t影响较大;若Yr/Yt越接近1,说明该区域水热配比情况均衡;若Yr/Yt>1,说明该区域受 Y r影响较大。由图11可知,1901—2017年藏西南高原的水热配比呈条带状分布,从北到南依次可分成受Yt影响较大区域、水热较均衡区域、受 Y r影响较大区域。噶尔、革吉、仲巴、措勤北部Yr/Yt值小于0.5,札达、普兰县Yr/Yt值大于1.2,仅在仲巴南部、萨嘎、吉隆、定日和聂拉木北部海拔较低的地区降水和温度生产潜力比值趋近于1,说明其水热配比较均衡。
图11 1901—2017年藏西南高原气候生产潜力水热配比的空间分布

Fig. 11 Spatial distribution of the ratio of water to heat of potential climate productivity from 1901 to 2017 in the Southwest Tibet Plateau

2.3 藏西南高原气候生产潜力对气候变化的响应分析

2.3.1 气候生产潜力限制因素的时间分析

为进一步探讨气候生产潜力对气候变化的响应,对藏西南高原近117年的气候生产潜力与温度、降水和蒸散量等参数进行相关性分析（表1）。由表1可知,温度与气候生产潜力的相关性较小（相关系数为0.112,未通过P=0.05显著性检验）,说明区域内的气候生产潜力与温度不存在显著相关性,温度并非该区域植被生长的主要限制因子;气候生产潜力与降水、蒸散量存在显著相关性,降水与气候生产潜力的相关系数为0.851（P=0.01）;蒸散量与气候生产潜力关系更加紧密（相关系数为0.924,P=0.01）,而蒸散量是根据温度及降水计算而来的,表明温度对气候生产潜力存在影响,但远不足降水影响大。控制某因子不变,研究温度、降水与气候生产潜力的相关性（表1）。结果表明：气候生产潜力与温度、降水的偏相关性都通过了0.01显著性检验,在降水条件固定的情景下,气候生产潜力与温度的偏相关系数为0.311;在温度条件固定的情景下,气候生产潜力与降水的偏相关系数为0.857。综上可知,藏西南高原气候生产潜力受温度和降水两个因子的协同影响,但当温度相对充足时,降水是该区域气候生产潜力的主要限制性因子。
表1 温度、降水、蒸散量与草地生产潜力相关分析

Table 1 Correlation analysis of temperature, precipitation, evaporation and potential grassland productivity

项目 相关分析 偏相关分析
温度 降水 蒸散量 温度 降水
气候生产潜力 0.112 0.851** 0.924** 0.311** 0.857**

注：**表示通过0.01水平的显著性检验。

2.3.2 气候生产潜力限制因素的空间分析

为进一步揭示温度、降水与气候生产潜力的关系,利用式（9）对1901—2017年标准气候生产潜力与温度、降水数据进行逐像元的相关分析,并对结果进行显著性检验。将结果分为6个等级,即极显著正相关（ θ s l o p e>0,P≤0.1）、极显著负相关（ θ s l o p e<0,P≤0.1）、显著正相关（ θ s l o p e>0,0.1<P≤0.2）、显著负相关（ θ s l o p e<0,0.1<P≤0.2）、不显著正相关（ θ s l o p e<0,0.2<P≤1）、不显著负相关（ θ s l o p e<0,0.2<P≤1）,以期揭示空间上气候对藏西南高原气候生产潜力的影响程度。
从表2、图12可以看出,研究区气候生产潜力与温度呈正相关和负相关的面积分别占全区域的67.49%和85.10%。其中,呈现显著、极显著正相关的面积分别占全区面积的8.14%和43.69%,主要分布在札达、普兰、定结、岗巴、南木林、仁布等县;呈现显著和极显著负相关的面积分别占全区面积的7.32%和10.07%,主要分布在海拔较低的地区,以仲巴为主;呈现不显著负相关的面积占15.12%,主要分布在革吉北部与昂仁南部等。这可能由于不同海拔高度上不同植被类型生长所需的温度条件不同,在荒漠草地地区,植被生长受降水、温度等因素共同制约,而温度多控制植被为山地森林的地区[20]。气候生产潜力与降水呈正相关和负相关的面积分别占全区域的85.10%和14.90%,呈现负相关的面积主要分布在藏西南高原的札达、普兰、定结和岗巴等,其余县区均为正相关;呈现显著、极显著正相关的面积可达2.48%和78.09%;而呈现显著、极显著负相关的面积仅为2.25%和7.64%,说明藏西南高原降水对气候生产潜力的驱动作用比较显著。因此在1901—2017年间,当降水呈现下降趋势时,藏西南高原的气候生产潜力也呈现下降趋势,这与前文的研究结果保持一致。
表2 藏西南高原气候生产潜力与温度、降水的相关程度占总面积的百分比

Table 2 The percentage of the correlation between the climate productivity potential and temperature and precipitation in the total area of the Southwest Tibet Plateau (%)

相关性 气候生产潜力
温度 降水
极显著正相关 43.69 78.09
极显著负相关 10.07 7.64
显著正相关 8.14 2.48
显著负相关 7.32 2.25
不显著正相关 15.66 4.53
不显著负相关 15.12 5.01
呈正相关比例 67.49 85.10
呈负相关比例 32.51 14.90
图12 藏西南高原气候生产潜力与温度、降水的相关性

Fig. 12 The correlation between climate productivity potential and temperature and precipitation in the Southwest Tibet Plateau

虽然藏西南高原海拔高,空气稀薄,但光能资源丰富,日照充足,能达到植被生长发育所需的光照条件,因此仅考虑气候生产潜力与温度和降水之间的关系。通过1901—2017年年均温、年均降水和年均气候生产潜力数据,利用SPSS软件建立多元回归模型,对温度和降水两个因子与气候生产潜力的关系做定量分析,模拟藏西南高原气候生产潜力的动态变化特征,其回归方程为：
Y e = 87.258 T + 11 . 255 R + 1912.899
式中：Ye为气候生产潜力（kg/hm2）; T为年均温（℃）; R为年均降水量（mm）,复相关系数可达0.859。根据回归方程可以得出温度和降水与气候生产潜力均呈现正相关关系,气温每升高1 ℃,降水每增加1 mm,气候生产潜力分别增加87.258 kg/(hm2·a) 和11.255 kg/(hm2·a)。

2.3.3 模拟未来气候变化情境下的气候生产潜力的变化

为模拟未来气候情景下Yb对温度、降水变化的敏感程度,本文依据IPCC AR5中RCP 4.5情景模拟结果[31],设置5种气候情景（气温升高或降低1 ℃和2 ℃及气温不变;降水增加或减少20%和10%及降水不变）来计算未来气候生产潜力。由表3可以看出,藏西南高原Yb随气温和降水的变化而变化,仅考虑单一气象要素时,Yb随降水变化的幅度大于温度。当温度保持不变,降水增加10%或20%时,Yb增加4.46%或7.79%;降水减小10%或20%时,Yb相应减少6.82%和17.06%。当降水保持不变,气温升高1 ℃或2 ℃,Yb相应增加1.43%或4.94%;气温降低1 ℃或2 ℃,Yb减少1.52%或12%,说明影响藏西南高原气候生产潜力的主导因素是降水。
表3 气候变化情景下藏西南高原气候生产潜力的变化率

Table 3 The rate of change of climate productivity potential under climate change scenarios in the Southwest Tibet Plateau

温度/℃ 降水/%
-20 -10 0 10 20
-2 -18.35 -13.91 -12 -11.38 -11.24
-1 -17.13 -9.28 -4.94 -2.92 -2.12
0 -17.06 -7.79 0 4.46 6.82
1 -17.06 -7.09 1.43 9.18 14.13
2 -17.06 -5.63 1.52 10.40 18.36
通常情况下,温度和降水会对气候生产潜力产生共同影响。当温度增加1 ℃、2 ℃,降水减少10%、20%时,即气候趋于“暖干化”,Yb将减少5.63%~17.06%;当温度减少1 ℃、2 ℃,降水减少10%、20%时,即气候趋于“冷干化”,Yb减少9.28%~18.35%。反之,当温度增加1 ℃、2 ℃,降水增加10%、20%,即气候趋于“暖湿化”,Yb将增加9.18%~18.36%;当温度减少1 ℃、2 ℃,降水增加10%、20%,即气候趋于“冷湿化”,Yb将减少2.12%~11.38%。这与之前结论——降水对Yb的影响占主导地位保持一致。可见,当气候呈现“暖湿化”时,对植被生长十分有利,“冷干化”不利于植被生长。由藏西南高原气候变化特征和趋势可知,未来藏西南高原气候有向“暖干化”方向发展的趋势,并不利于草地、森林等植被的生长,容易造成气候生产潜力下降。因此,在今后的发展中需要重点关注水资源合理利用,积极应对和适应气候变化。

3 结论与讨论

3.1 结论

基于1901—2017年中国气象再分析数据、Miami模型和Thornthwaite Memorial模型等,本文分析了近117年藏西南高原气候及气候生产潜力的时空变化,主要研究结论如下：
（1）1901—2017年藏西南高原年均温呈上升趋势,存在3年、6年、15年、29年和 63年的变化周期,并在1992年发生突变,空间上呈现四周高及东高西低的分布特征;年均降水量呈现波动下降趋势,存在2年、8年、13年、39年和53年的变化周期,空间上由西北向西南递增。
（2）藏西南高原温度生产潜力呈上升趋势,降水、蒸散和标准生产潜力均呈减少趋势,但未超过显著性水平。对三种气候生产潜力进行M-K非参数检验,结果表明：温度生产潜力呈现波动变化的特征,在1942年后呈显著增加趋势;降水和蒸散生产潜力在1950年发生突变,此后呈下降趋势。
（3）藏西南高原温度生产潜力自东南向西北递减,东部地区大于西部地区;降水和蒸散生产潜力呈自北向南递增的趋势。温度生产潜力的气候倾向率在西部县区呈减小趋势,仲巴以东地区呈增加趋势;降水与蒸散生产潜力的气候倾向率总体呈西南向东北逐渐递增的特征,大部分地区呈下降趋势,仅高原东北部的县区呈明显增加趋势。
（4）藏西南高原气候生产潜力受温度和降水共同决定,空间分布差别较大,和降水相关性显著,与温度的相关性不显著。受降水影响较大的区域主要位于阿里地区北部和日喀则市内,受温度影响较大的区域主要是阿里地区北部和日喀则市南北两端。藏西南高原气候生产潜力对温度和降水响应敏感,当温度每升高1 ℃,降水每增加1 mm,气候生产潜力每年增加87.258 kg/hm2和11.255 kg/hm2。

3.2 讨论

本文基于Miami模型和Thornthwaite Memorial模型,探讨了1901—2017年藏西南高原气候及气候生产潜力的时空分布,发现近117年来藏西南高原气温呈现显著增加趋势,降水波动减小,未来藏西南高原气候趋向“暖干化”。尽管部分学者研究发现青藏高原呈现“暖湿化”趋势,但本文的研究结果与刘正佳等[32]、陈舒婷[33]的研究结果相一致。如刘正佳等[32]发现青藏高原南部呈现“暖干化”发展趋势,而且降水在青藏高原东南部减小明显。陈舒婷等[33]发现青藏高原降水减少、气温增加,而且阿里地区的西部和南部、日喀则地区植被净初级生产力均呈减少趋势,造成这种差异的原因可能是气温和降水存在明显的空间差异,整体气候变化仅能从大尺度上说明问题,对于局部气候及其变化的精准解读有限。需要开展中长时间尺度系统分析,才能更好地揭示区域气候变化规律及趋势,提出气候变化应对策略及适应建议。
研究发现,藏西南高原气候生产潜力呈减少趋势,且大部分地区气候生产潜力都受降水量的影响,这和罗布等[16]在藏北高原的研究结果一致。若气候生产潜力趋于降低,将对当地的农牧业发展极其不利,加之气候变化容易诱发草地退化、草畜失衡、农牧争地等问题。因此,未来需要进一步推进退牧还草、人工种草、饲草进口、舍饲养殖等建设工程,推动传统畜牧业向现代牧业转变,实施草原生态保护;合理管控放牧活动,减少放牧和人为活动对草地的扰动和破坏,力争实现草畜平衡,防治高原草地退化,缓解和改善日益紧张的高寒山区人地关系。针对水资源匮乏现象,需要发展节水型农业、推广耐寒耐旱的作物品种,同时,需要加强节水和生态层面的宣传教育,提高公民节水和生态环境保护意识。
本文在数据及模型方面仍然存在一些局限性。首先,在数据选择上,由于青藏高原自然环境严酷,气象站点稀少,导致气象数据的插值结果存在很大的不确定性。因此,本文基于再分析数据开展百年尺度藏西南高原的气候及其空间变化分析,期望从中长时间尺度来揭示气候变化的客观规律,并减少站点数据插值等带来的不确定性,提高研究精度。其次,在模型上,Miami模型和Thornthwaite Memorial模型都是通过拟合植被净初级生产力与气候因子之间的经验关系得出的气候统计模型,诸多研究学者也会将气候生产潜力等同于潜在植被净初级生产力进行研究[34,35],尽管两种模型充分考虑了气温、降水等条件对植被的影响,能够较好地反映藏西南高原气候生产潜力的时空分布和变化,但并未考虑日照时间、辐射强度、土壤属性以及植被类型之间的关系。未来仍需进一步完善气候模型,深化气候生产潜力机理研究,提高模型普适性,特别是高寒山地的气候生产潜力,仍有待于进一步深入分析和研究。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
IPCC. Climate Change 2014: Impact, Adaptation, and Vulnerability. Cambridge: Cambridge University Press, 2014.

[2]
WANG L, CHEN W. A CMIP 5 multi-model projection of future temperature, precipitation, and climatological drought in China. International Journal of Climatology, 2014, 34(6): 2059-2078.

DOI

[3]
CHEN B X, ZHANG X Z, TAO J, et al. The impact of climate change and anthropogenic activities on alpine grassland over the Qinghai-Tibet Plateau. Agricultural and Forest Meteorology, 2014, 189: 11-18.

[4]
KUANG X, JIAO J J. Review on climate change on the Tibetan Plateau during the last half century. Journal of Geophysical Research Atmospheres, 2016, 121(8): 1979-4007.

[5]
SHI Y, WANG Y, MA Y, et al. Field-based observations of regional scale, temporal variation in net primary production in Tibetan alpine grasslands. Biogeosciences, 2014, 11(7): 2003-2016.

DOI

[6]
YU H, LUEDELING E, XU J C. Winter and spring warming result in delayed spring phenology on the Tibetan Plateau. PNAS, 2010, 107(51): 22151-22156.

DOI

[7]
KOHLI M, MIJIDDORJ T N, SURYAWANSHI K R, et al. Grazing and climate change have site-dependent interactive effects on vegetation in Asian montane rangelands. Journal of Applied Ecology, 2021, 58(3): 539-549.

DOI

[8]
赵慧颖, 田宝星, 宫丽娟, 等. 近308年来大兴安岭北部森林植被气候生产潜力及其对气候变化的响应. 生态学报, 2017, 37(6): 1900-1911.

[ZHAO H Y, TIAN B X, GONG L J, et al. Climate-induced potential productivity of forest vegetation during the past 308 years in Northern Daxingan Mountain Region, China. Acta Ecologica Sinica, 2017, 37(6): 1900-1911.]

[9]
张锐. 甘青新1959—2008年草地气候生产潜力的变化特征与预测研究. 兰州: 西北师范大学, 2011.

[ZHANG R. The characteristics of potential climate productivity of grassland and prediction research from 1959 to 2008 in Gansu, Qinghai and Xinjiang. Lanzhou: Northwest Normal University, 2011.]

[10]
LIETH H. Modeling the primary productivity of the world. Nature and Resources, 1972, 8(2): 5-10.

[11]
LIETH H, BOX EOX. Evapotranspiration and primary production: CW Thornthwaite Memorial Mode. Publications in Climatology, 1972, 25(2): 37-46.

[12]
UCHIJIMA Z, SEINO H. Agroclimatic evaluation of net primary productivity of natural vegetations chikugo model for evaluating net primary productivity. Journal of Agricultural Meteorology, 1985, 40(4): 343-352.

DOI

[13]
周广胜, 张新时. 全球气候变化的中国自然植被的净第一性生产力研究. 植物生态学报, 1996, 20(1): 11-19.

[ZHOU G S, ZHANG X S. Study on NPP of natural vegetation in China under global climate change. Acta Phytoecologica Sinica, 1996, 20(1): 11-19.]

[14]
徐雨晴, 周波涛, 於琍, 等. 1961—2010年中国气候生产潜力时空格局变化及其潜在可承载人口分析. 气象与环境学报, 2019, 35(2): 84-91.

[XU Y Q, ZHOU B T, YU L, et al. Climatic potential productivity and population carrying capacity in China from 1961 to 2010. Journal of Meteorology and Environment, 2019, 35(2): 84-91.]

[15]
李振杰, 段长春, 金莉莉, 等. 云南省气候生产潜力的时空变化. 应用生态学报, 2019, 30(7): 2181-2190.

[LI Z J, DUAN C C, J IN L L, et al. Spatial and temporal variability of climatic potential productivity in Yunnan province, China. Chinese Journal of Applied Ecology, 2019, 30(7): 2181-2190.]

[16]
罗布, 边多, 白玛, 等. 藏北高寒牧区NPP的时空变化特征及2 ℃全球变暖背景下的预估. 冰川冻土, 2020, 42(2): 653-661.

DOI

[LUO B, BIAN D, BAI M, et al. The spatiotemporal change characteristics of net primary productivity in the Northern Tibetan Platea and its future change with 2 ℃ global warming. Journal of Glaciology and Geocryology, 2020, 42(2): 653-661.]

DOI

[17]
周刊社, 杜军, 袁雷, 等. 西藏怒江流域高寒草甸气候生产潜力对气候变化的响应. 草业学报, 2010, 19(5): 17-24.

[ZHOU K S, DU J, YUAN L, et al. Responses of climatic potential grassland productivity to climate change in an alpine meadow area over the Nujiang Basin, Tibet from 1980 to 2008. Acta Prataculturae Sinica, 2010, 19(5): 17-24.]

[18]
赵雪雁, 王伟军, 万文玉, 等. 近50年气候变化对青藏高原青稞气候生产潜力的影响. 中国生态农业学报, 2015, 23(10): 1329-1338.

[ZHAO X Y, WANG W J, WAN W Y, et al. Impact of climate change on potential productivity and phenological phase of forage in the Qinghai-Tibet Plateau in the past 50 years. Chinese Journal of Eco-Agriculutre, 2015, 23(10): 1329-1338.]

[19]
赵雪雁, 万文玉, 王伟军. 近50年气候变化对青藏高原牧草生产潜力及物候期的影响. 中国生态农业学报, 2016, 24(4): 532-543.

[ZHAO X Y, WAN W Y, WANG W J. Influence of climate change on potential productivity of naked barely in the Qinghai-Tibet Plateau in the past 50 years. Chinese Journal of Eco-Agriculutre, 2016, 24(4): 532-543.]

[20]
孙鸿烈, 郑度, 姚檀栋, 等. 青藏高原国家生态安全屏障保护与建设. 地理学报, 2012, 67(1): 3-12.

DOI

[SUN H L, ZHENG D, YAO T D, et al. Protection and construction of the national ecological security shelter zone on Tibetan Plateau. Acta Geographica Sinica, 2012, 67(1): 3-12.]

[21]
LIU S B, ZAMANIAN K, SCHLEUSS P M, et al. Degradation of Tibetan grasslands: Consequences for carbon and nutrient cycles. Agriculture, Ecosystems & Environment, 2018, 252: 93-104.

DOI

[22]
彭守璋. 中国1 km分辨率逐月降水量数据集(1901—2017). 国家青藏高原科学数据中心, 2020, Doi: 10.5281/zenodo.3185722.

DOI

[PENG S Z. 1-km monthly precipitation dataset for China (1901-2017). National Tibetan Plateau Data Center, 2020, Doi: 10.5281/zenodo.3185722.]

DOI

[23]
彭守璋. 中国1 km分辨率逐月平均气温数据集(1901—2017). 国家青藏高原科学数据中心, 2020, Doi: 10.11888/Meteoro.tpdc.270931.CSTR:18046.11.Meteoro.tpdc.270961.

DOI

[PENG S Z. 1-km monthly mean temperature dataset for china (1901-2017). National Tibetan Plateau Data Center, 2020, Doi: 10.11888/Meteoro.tpdc.270961.CSTR:18046.11.Meteoro.tpdc.270961.]

DOI

[24]
PENG S Z, DING Y X, LIU W Z, et al. 1 km monthly temperature and precipitation dataset for China from 1901 to 2017. Earth System Science Data, 2019, 11(4): 1931-1946.

DOI

[25]
JIANG P, DING W G, YUAN Y, et al. Diverse response of vegetation growth to multi-time-scale drought under different soil textures in China's pastoral areas. Journal of Environmental Management, 2020, 274: 110992, Doi: 10.1016/j.jenvman.2020.110992.

DOI

[26]
国家基础地理信息中心. 青藏高原1∶100万行政边界数据(2017). 国家青藏高原科学数据中心, 2019, Doi: 10.11888/Geogra.tpdc.270001.CSTR:18046.11.Geogra.tpdc.270001.

DOI

[National Basic Geographic Information Center. Administrative boundaries data at 1∶1000000 scale over the Tibetan Plateau (2017). National Tibetan Plateau Data Center, 2019, Doi: 10.11888/Geogra.tpdc.270001.CSTR:18046.11.Geogra.tpdc.270001.]

DOI

[27]
马伟东, 刘峰贵, 周强, 等. 1961—2017年青藏高原极端降水特征分析. 自然资源学报, 2020, 35(12): 3039-3050.

[MA W D, LIU F G, ZHOU Q, et al. Characteristics of extreme precipitation over the Qinghai-Tibet Plateau from 1961 to 2017. Journal of Natural Resources, 2020, 35(12): 3039-3050.]

DOI

[28]
吴珊珊, 姚治君, 姜丽光, 等. 基于MODIS的长江源植被NPP时空变化特征及其水文效应. 自然资源学报, 2016, 31(1): 39-51.

[WU S S, YAO Z J, JIANG L G, et al. The spatial-temporal variations and hydrological effects of vegetation NPP based on MODIS in the source region of the Yangtze River. Journal of Natural Resources, 2016, 31(1): 39-51.]

[29]
王林林. 柴达木盆地GPP时空变化特征及其影响因素分析. 兰州: 西北师范大学, 2016.

[WANG L L. Analysis of spatial-temporal variation characteristics and its influencing factors of GPP in Qaidam Basin. Lanzhou: Northwest Normal University, 2016.]

[30]
王炎强, 赵军, 李忠勤, 等. 1977—2017年萨吾尔山冰川变化及其对气候变化的响应. 自然资源学报, 2019, 34(4): 802-814.

[WANG Y Q, ZHAO J, LI Z Q, et al. Glacier changes in the Sawuer Mountain during 1977-2017 and their response to climate change. Journal of Natural Resources, 2019, 34(4): 802-814.]

DOI

[31]
IPCC. Climate change 2014:Synthesis report. In:Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Geneva: IPCC, 2014: 151.

[32]
陈舒婷, 郭兵, 杨飞, 等. 2000—2015年青藏高原植被NPP时空变化格局及其对气候变化的响应. 自然资源学报, 2020, 35(10): 2511-2527.

[CHEN S T, GUO B, YANG F, et al. Spatial and temporal patterns of NPP and its response to climate change in the Qinghai-Tibet Plateau from 2000 to 2015. Journal of Natural Resources, 2020, 35(10): 2511-2527.]

DOI

[33]
刘正佳, 邵全琴, 王丝丝. 21世纪以来青藏高寒草地的变化特征及其对气候的响应. 干旱区地理, 2015, 38(2): 275-282.

[LIU Z J, SHAO Q Q, WANG S S. Variation of alpine grasslands and its response to climate warming in the Tibetan Plateau since the 21st century. Arid Land Geography, 2015, 38(2): 275-282.]

[34]
ZHANG X L, XIAO W H, WANG Y C, et al. Spatial-temporal changes in NPP and its relationship with climate factors based on sensitivity analysis in the Shiyang River Basin. Journal of Earth System Science, 2020, 129: 24.

DOI

[35]
CHEN T, BAO A, JIAPAER G, et al. Disentangling the relative impacts of climate change and human activities on arid and semiarid grasslands in Central Asia during 1982-2015. Science of the Total Environment, 2019, 653(25): 1311-1325.

Options
文章导航

/

〈 〉