1970―2019年黄河源区气候变化及其对植被净初级生产力的影响

Climate Change and its Impact on Vegetation Net Primary Productivity in the Source Area of the Yellow River from 1970 to 2019

摘要

基于黄河源区1970―2019年逐日地面气象要素观测资料，应用修订的Thornthwaite Memorial模型计算近50年植被净初级生产力，分析其年际变化规律及区域分布特征。结果表明：1970―2019年黄河源区降水量呈增加趋势，平均降水量增加倾向率为9.057 mm·(10 a)^-1；气温呈极显著上升趋势，平均气温上升倾向率为0.379 ℃·(10 a)^-1；1978年以来，气温持续上升；河源区最大蒸散量呈增加趋势，平均最大蒸散量增速为4.945 mm·(10 a)^-1；植被净初级生产力为5 993.7～10 534.5 kg/(hm²·a)，区域平均植被净初级生产力以131.4 kg/hm²·(10 a)^-1的速度增加。黄河源区气候年代际变化呈现出“暖干”和“暖湿”的交替性变化，20世纪70年代、90年代和21世纪前10年为暖干期，20世纪80年代、2011―2019年为暖湿期。植被净初级生产力变化受自然因素和人类活动因子的驱动，20世纪90年代植被净初级生产力处于低谷，21世纪后植被净初级生产力逐年增加。

Abstract

Based on daily surface meteorological observations from the source area of the Yellow River from 1970 to 2019, the vegetation net primary productivity (NPP) was calculated using the corrected Thornthwaite Memorial model and the interannual variation patterns and regional distribution features were also analyzed. The results show that from 1970 to 2019, the precipitation in the source area of the Yellow River showed an increasing trend with an average growth rate of 9.057 mm·(10 a)^-1. Simultaneously, temperatures have continued to rise with an average increase rate of 0.379 ℃·(10 a)^-1. Since 1978, the temperature has continued to rise, and the maximum evapotranspiration in the river source area has also shown increasing trend with an average maximum evapotranspiration rising rate of 4.945 mm·(10 a)^-1; the vegetation NPP was 5 993.7~10 534.5 kgˑ(hm²ˑa) ^-1, and the regional average vegetation NPP increased at a rate of 131.4 kgˑ(hm²ˑ10 a) ^-1. The decadal climate changes in the source area alternated between "warm-dry" and "warm-wet" phases. The 1970s, 1990s and 2000s were characterized as warm dry periods, while the 1980s and 2011-2019 were warm wet periods. Changes of the vegetation NPP were influenced by natural factors and human activity, and NPP reached its lowest point in the 1990s, but increased after the start of the 21st century.

Graphical abstract

关键词

净初级生产力 / 气候变化 / 最大蒸散 / 黄河源区

Key words

net primary productivity / climate change / maximum evapotranspiration / source area of Yellow River

政府间气候变化专门委员会（IPCC）第六次评估报告（AR6）以更多、更准确的证据，进一步确证了近百年全球气候变暖的客观事实。就全球地表平均温度而言，2011―2020年高出1850―1900年（0.95～1.20 ℃）1.09 ℃^[1]；2022年全球地表平均温度高出1850―1900年（1.02～1.28）1.15 ℃^[2]。中国地表平均温度显著上升，1951―2020年增温速率达0.26 ℃·(10 a)^-1，2022年中国地表平均气温和常年值相比偏高0.92 ℃^[3-4]。

陆地植被净初级生产力（Net Primary Productivity，NPP）的变化受到全球气候变化和人类活动的共同驱动。随着全球变暖，1982―1999年陆地植被净初级生产力显著增长^[5]。中国陆地植被NPP也表现出增长趋势；草地NPP增加区域占草地总面积的81.21%，主要分布在青藏高原中部和黄土高原大部分地区^[6]。受自然因素和人类活动的驱动，青藏高原草地生产力在不同区域、不同时段的变化存在差异，气候变暖总体促进了高原植被生产力、增强了草地生态系统的碳汇功能。近年来，人类活动导致草地生产力降低的面积已经低于保护修复而增加的面积，青藏高原草地生态系统正在由过度利用转变为保护与修复的过程，但其变化特征呈现复杂性^[7-8]。

植被净初级生产力模拟计算方法包括气候统计模型、生态生理过程模型和基于遥感的光能利用率模型等方法。Miami模型^[9]、Thornthwaite模型等^[10]属于气候统计模型，CENTURY^[11]、TEM^[12]等属于生态生理过程模型，CASA^[13]、GLO-PEM^[14]等属于光能利用率模型，3类模型在中国陆地区域植被NPP的研究中均有应用、对比分析和改进^[15-16]。遥感反演模型以能够较真实地反映植被NPP 时空分布特征而备受青睐，但是，遥感监测数据的分辨率有待提高，植被指数监测易受背景干扰，尤其是在植被稀疏的草地，植被覆盖度较低时，冠层的反射光谱信号受到土壤为主的背景干扰非常大，造成遥感反演模型估算精度较低。而Miami模型和Thorthwaite Memorial模型的优点是考虑了气温、降水量和蒸散等能够反映植被生长发育气候生态条件的关键因子，能定量刻画不同气候生态条件下植被生长发育状况，该模型在植被NPP估算中得到广泛应用^[17-18]。

黄河源区年降水量呈增加趋势，历年平均气温呈显著上升趋势。降水量和气温的变化导致该区域NPP发生变化，比较降水量和气温的作用，气温对NPP的影响更显著。黄河源区年平均气温、平均最高及最低气温表现出增温趋势的一致性^[19-20]。研究近50年黄河源区植被净初级生产力变化特征，以及对气候变化如何响应，有利于认识黄河源区生态系统的变化特征，为黄河流域生态环境保护和高质量发展提供科学依据。

1 研究区概况与资料方法

1.1 研究区概况

黄河源区位于青藏高原腹地，95°50′～102°30′ E，33°12′～36°48′ N，黄河源头在青海省玛多县和曲麻莱县，以兴海县唐乃亥水文站为源头区域出口，流域面积约13.2 km²，涉及青海、甘肃和四川3省的6州，地形多样、地势起伏，海拔在2 700～6 200 m，气候类型属于高原亚寒带半湿润－半干旱气候区^[21]。区域自然生态系统极其敏感、生态环境异常脆弱，属黄河流域生态保护关键区。黄河源区年平均径流量分割统计表明，大气降水、地下水补给（基流）和冰雪及冻土融水分别占年径流总量的63.15%、26.18%和9.17%。黄河源区径流的主要来源是大气降水^[22-23]。

1.2 资料

运用玛多、达日、班玛、久治、玛曲、玛沁、河南、同德、兴海和贵德等10个国家基本气象站1970―2019年逐日地面气象要素观测资料。其中同德、河南气象站因站址迁移，气象资料不连续，经订正后统计。

1.3 分析计算方法

1.3.1 NPP计算模型

在Thornthwait可能蒸散量模型的基础上，Lieth提出了Thornthwaite Memorial模型^[11]。该模型的优点是资料易于获取，但是仅用降水量和气温资料计算可能蒸散量局限性较大，为此，基于FAO推荐的Penman-Monteith（P-M）模型计算可能蒸散量^[24]，然后再代入Thornthwaite Memorial模型，可以弥补原模型的不足。

经改进的NPP计算模型如下：

N_PP=30 000［1-e^{-0.000 969 5（v-20）}］。（1）

式中：N_PP为植被净初级生产力（单位：kg/hm²·a)；v为年实际蒸散量（单位：mm），计算公式为：

v=\frac{\mathrm{1.05}P}{\sqrt[]{\mathrm{1}+{\left(\mathrm{1.05}{\displaystyle \sum _{i=\mathrm{1}}^{\mathrm{12}}}{P}_i/{\displaystyle \sum _{i=\mathrm{1}}^{\mathrm{12}}}{E}_{\mathrm{T}\mathrm{0}i}\right)}^{\mathrm{2}}}}。（2）

式中：P_i 为月降水量（单位：mm）；E_T0i 为月最大蒸散量（单位：mm）；

ET₀的计算应用1998年FAO推荐并修订的Penman-Monteith（P-M）模型：

E_{\mathrm{T}\mathrm{0}}=\frac{\mathrm{0.408}\Delta (R_{\mathrm{n}}-G_i)+\mathrm{\gamma }\frac{\mathrm{900}}{T+\mathrm{273}}{U}_{\mathrm{2}}(e_{\mathrm{s}}-e_{\mathrm{a}})}{\Delta +\mathrm{\gamma }(\mathrm{1}+\mathrm{0.34}{U}_{\mathrm{2}})},（3）

R_{\mathrm{n}}=\mathrm{0.77}\times \left(\mathrm{0.248}+\mathrm{0.752}\frac{n}{N}\right)R_{\mathrm{s}\mathrm{o}}-

\mathrm{\sigma }\left(\frac{T_{\mathrm{m}\mathrm{a}\mathrm{x},k}^{\mathrm{4}}+T_{\mathrm{m}\mathrm{i}\mathrm{n},k}^{\mathrm{4}}}{\mathrm{2}}\right)(\mathrm{0.56}-\mathrm{0.08}\sqrt[]{e_{\mathrm{a}}})

\left(\mathrm{0.1}+\mathrm{0.9}\frac{n}{N}\right),（4）

G_i=\mathrm{0.14}(T_i-T_{i-\mathrm{1}})\mathrm{。}（5）

式中：R_n为地表净辐射，单位：MJ/(m²·d)；G为土壤热通量，单位：MJ/(m²·d)；γ为干湿表常数；Δ为饱和水汽压曲线斜率；T为平均气温，单位：℃；U₂为2 m处风速，单位：m/s；e_s为饱和水汽压，单位：hPa；e_a为实际水汽压，单位：hPa；n为实际日照时数，单位：h；N为可照时数，单位：h；R_so为晴天辐射，单位：MJ·(m²·d)^-1；σ为Stefen-Boltzmann常数，取值为4.903×10^-9 MJ·(K⁴·m²·d)^-1，T_max,k 、T_min,k 分别为热力学温标的最高和最低气温，单位：K；T_i 、T_i-1分别为本月和前一个月的平均气温。

1.3.2 趋势变化倾向率

趋势变化率用一次线性方程表示^[25]：

Y=a_{\mathrm{0}}+a_{\mathrm{1}}t。（6）

式中：Y为要素值，t为时间，a₀为常数项，a₁为线性趋势项，a_{\mathrm{1}}·10表示为要素每10 a的倾向率（变化趋势）。

2 结果与分析

2.1 降水量变化

2.1.1 年际变化

黄河源区1970―2019年降水量呈显著增加趋势，年降水量线性拟合倾向率为9.057 mm·(10 a)^-1，决定系数R²=0.096 9（P＜0.05）（图1）。年降水量Cubic函数拟合呈“一峰一谷”型，Cubic函数拟合方程为y=0.002 5x³-0.100 9x²-0.783 3x+531.6，线性化后的决定系数R²=0.267 2（P＜0.01）。

黄河源区年降水量气候平均值为500.6 mm；历年平均降水量最大值为622.7 mm，出现在2019年；历年平均降水量最小值为419.7 mm，出现在2002年。20世纪70年降水量为503.8 mm，降水量距平百分率为-0.8%；80年代降水量为519.4 mm，距平百分率为2.3%；90年代降水量为478.2 mm，距平百分率为-5.8%；21世纪前10年降水量为504.1 mm，距平百分率为-0.7%；2011―2019年降水量为544.9 mm，距平百分率为7.3%。降水量年代际变化在20世纪90年代距平百分率最低，2011―2019年距平百分率最高。

2.1.2 区域分布

黄河源区年降水量为258.2～750.7 mm，区域年降水量分布呈由南向北逐渐减少（表1)；区域年降水量最大值出现在久治县，为750.7 mm；区域年降水量最小值在贵德县，为258.2 mm。

黄河源区各地降水量线性拟合倾向率除河南县为负值外，其余各地为正值，降水量呈增加趋势，递增率为0.648～22.316 mm·(10 a)^-1 (表1)，其中兴海县递增最快，为22.316 mm·(10 a)^-1（P＜0.01），通过极显著检验；久治递增最慢，为0.648 mm·(10 a)^-1（P＞0.05），未通过显著性检验。河南县降水量线性拟合倾向率为递减趋势，递减率为-5.46 mm·(10 a)^-1（P＞0.05），未通过显著性检验。

黄河源区降水量年际变化趋势呈增加趋势，且中西部区域降水量增加显著。

2.2 气温变化

2.2.1 年际变化

黄河源区1970―2019年气温呈显著增加趋势，年平均气温线性拟合倾向率为0.379 ℃·(10 a)^-1，决定系数R²=0.661 2（P＜0.01）（图2）。对年平均气温进行Cubic函数拟合，拟合曲线呈波动上升趋势，拟合方程为：y=-0.000 03x³+0.003x²-0.040 5x+ 0.934 7，多元方程线性化后的决定系数R² =0.697 2（P＜0.01）。对拟合函数y求导，并令dy/dx＝0，当x=1978，y为最低值，即1978年为函数最低点，1978年之后气温一致上升。

黄河源区年气温气候平均值为1.4 ℃；平均气温最高值为2.6 ℃，出现在2017年；平均气温最低值为0.1 ℃，出现在1983年。

2.2.2 区域分布

黄河源区各地年平均气温为-3.4～7.7 ℃，区域年平均气温由东向西降低（表2）；区域年平均气温最高值出现在贵德县，为7.7 ℃，区域年平均气温最低值出现在玛多县，为-3.4 ℃。

黄河源区各地年平均气温线性拟合倾向率均呈增加趋势，年平均气温递增率为0.264～0.499 ℃·(10 a)^-1（表2），其中玛多县递增最快，为0.499 ℃·(10 a)^-1（P＜0.01），兴海县递增最慢，为0.264 ℃·(10 a)^-1（P＜0.01），均通过显著性检验。

黄河源区平均气温年际变化呈极显著增加趋势，1978年以来，气温持续上升，且西部区域增温尤为显著。

2.3 最大蒸散量变化

2.3.1 年际变化

由图3可知，1970―2019年黄河源区最大蒸散量呈显著上升趋势，历年最大蒸散量增加倾向率为4.945 mm·(10 a)^-1，决定系数R²=0.238 7（P＜0.01），通过显著性检验。最大蒸散量Cubic函数拟合呈先升后降特征，Cubic函数拟合方程为y= -0.001 4x³+0.087 1x²-0.783x+572.89，线性化后的决定系数R²=0.333 9（P＜0.01）。

黄河源区年最大蒸散量气候平均值为585.8 mm；最大值为613.0 mm，出现在2016年；最小值为556.2 mm，出现在1976年。

2.3.2 区域分布

黄河源区各地年最大蒸散量为496.5～653.6 mm，呈自西向东增加的特征（表3）；其中贵德县最大，为688.3 mm，玛多县最小，为496.5 mm。

黄河源区最大蒸散量各区域线性拟合倾向率均呈增加趋势，为0.275～11.253 mm·(10 a)^-1（表3）；同德县倾向率最大，为11.253 mm·(10 a)^-1（P＜0.01），通过显著性检验；班玛县倾向率最小，为0.275 mm·(10 a)^-1（P＞0.05），未通过显著性检验。

黄河源区最大蒸散年际变化呈增加趋势，中西部区域最大蒸散增加显著。

2.4 <bold>NPP</bold>变化特征

2.4.1 年际变化

黄河源区1970―2019年植被净初级生产力NPP呈显著增加趋势，植被净初级生产力线性拟合倾向率为131.4 kg/(hm²·10 a)，决定系数R²=0.138 2（P＜0.01），通过显著性检验（图4）。植被净初级生产力Cubic函数拟合呈“一峰一谷”型，Cubic函数拟合方程为y=0.041 5x³-2.544 2x²+46.273x+8 374，线性化后的决定系数R²=0.228 6（P＜0.01），通过显著性检验。

黄河源区年植被净初级生产力平均值为8 680.2 kg/(hm²·a)；最大值为9 972.8 kg/(hm²·a)，出现在2018年；最小值为7 626.6 kg/(hm²·a)，出现在2000年。20世纪70年代NPP为8 567.1 kg/(hm²·a)，距平百分率为-1.8%；80年代NPP为8 735.0 kg/(hm²·a)，距平百分率为0.2%；90年代NPP为8 501.4 kg/(hm²·a)，距平百分率为-2.5%；21世纪前10年NPP为8 804.3 kg/(hm²·a)，距平百分率为1.0%；2011―2019年NPP为8 567.1 kg/(hm²·a)，距平百分率为4.2%。NPP年代际呈波动变化，20世纪90年代处于低谷，21世纪后持续上升。

2.4.2 区域分布特征

黄河源区各地植被净初级生产力平均为5 993.7～10 534.5 kg/(hm²·a)，呈自西北向东南增加的特征（表4）；久治县最大，为10 534.5 kg/(hm²·a)，贵德县最小，为5 993.7 kg/(hm²·a)。

黄河源区NPP各区域线性拟合倾向率均呈增加趋势，倾向率为14.06～278.8 kg/(hm²·10 a)（表4）；其中兴海县倾向率最大，为278.8 kg/(hm²·10 a)（P＜0.01），通过显著性检验；斑玛县倾向率最小，为14.06 kg/(hm²·10 a)（P＞0.05），未通过显著性检验。

黄河源区植被净初级生产力年际变化趋势呈增加趋势，西北部区域植被净初级生产力增加显著。

3 讨论

近50年黄河源区呈一致性的显著升温趋势，源区整体升温速率明显高于同期全球与全国平均升温水平^[26]。1978年以来，气温持续上升；1998—2019年平均气温为2.1 ℃，较1970—1997年平均气温（0.9 ℃）高出1倍以上，21世纪后，区域升温速率加剧，近10年源区升温速率加快且处于气温最高的时段。

黄河源区降水量呈显著上升趋势，降水量倾向率为9.057 mm/10 a，通过0.05的显著性检验；与中国西北地区暖湿化趋势相一致^[27-29]。说明黄河源区降水增多趋势特征并非局地现象^[21]。

黄河源区气候年代际的变化呈现“暖干”和“暖湿”的交替性变化，20世纪70年代、90年代和21世纪前10年为暖干期，20世纪80年代、2011―2019年为暖湿期。

黄河源区植被净初级生产力呈显著增加趋势，区域平均植被NPP增速为131.4 kgˑ(hm²ˑ10 a)^-1。2003―2019年平均NPP为 9 063.6 kgˑ(hm²ˑa)^-1，较1970―2002年平均NPP（8 544.0 kg/(hm²ˑa)）高出519.6 kgˑ(hm²ˑa) ^-1。NPP的年代际变化与气候变化的“暖干”和“暖湿”期相关，即气候年代际变化暖湿期（暖干期），对应的NPP偏高（偏低）。2011―2019年为黄河源区暖湿期，NPP处于快速增加阶段，年NPP明显高于历年值。与青藏高原NPP增加的趋势一致^[6-8]。

青藏高原植被生产力总体上呈增加趋势，受自然因素和人类活动因子的驱动，20世纪90年代 NPP处于低谷，21世纪后 NPP持续增加^[8]，最大蒸散量显著增加是NPP增加的又一重要因素^[17-18]。

4 结论

（1）黄河源区年降水量为258.2～750.7 mm，区域年降水量分布呈自南向北减少；1970―2019年降水量倾向率大部分区域为正值，降水量呈增加趋势，倾向率为0.648～22.316 mm·(10 a)^-1，区域平均降水量增速为9.057 mm·(10 a)^-1，中西部区域降水量增加显著。

（2）黄河源区年平均气温为-3.4～7.7 ℃，区域年平均气温分布呈东向北降低。1970—2019年气温倾向率均呈极显著上升趋势，年平均气温递增率为0.264～0.499 ℃·(10 a)^-1。区域平均气温增速为0.379 ℃·(10 a)^-1，1978年以来，气温持续上升，区域西部增温尤为显著。

（3）黄河源区最大蒸散量为496.5～653.6 mm，区域分布呈自西向东增加。1970―2019年最大蒸散量各区域倾向率均呈增加趋势，增速为0.275～11.253 mm·(10 a)^-1，区域平均最大蒸散量增速为4.945 mm·(10 a)^-1。

（4）黄河源区植被净初级生产力为5 993.7～10 534.5 kgˑ(hm²ˑa)^-1，区域分布呈自西北向东南增加的特征。1970―2019年植被净初级生产力均呈波动增加趋势，增速为14.06～278.8 kgˑ(hm²ˑ10 a)^-1，区域平均植被净初级生产力增速为131.4 kgˑ(hm²ˑ10 a)^-1。NPP年代际变化呈波动型，20世纪90年代处于低谷，21世纪后持续上升。

参考文献

[1] IPCC.Climate change 2021:the physical science basis.Contribution of working group Ⅰ to the sixth assessment report of the intergovernmental panel on climate change[M].Cambridge:Cambridge University Press,2021.

[2] Shukla P R, Skea J, Slade R,et al.Climate change 2022:mitigation of climate change.Contribution of working group Ⅲ to the sixth assessment report of the intergovernmental panel on climate change[M].Cambridge:Cambridge University Press,2022.

[3] 中国气象局气候变化中心.中国气候变化蓝皮书(2021)[M].北京:科学出版社,2021.Climate Change Center of China Meteorological Administration.Blue book on climate change in China (2021)[M].Beijing:Science Press,2021.(in Chinese)

[4] 中国气象局气候变化中心.中国气候变化蓝皮书(2023)[M].北京:科学出版社,2023.Climate Change Center of China Meteorological Administration.Blue book on climate change in China (2023)[M].Beijing:Science Press,2023.(in Chinese)

[5] Nemani R R, Keeling C D, Hashimoto H,et al.Climate-driven increases in global terrestrial net primary production from 1982 to 1999[J].Science,2003,300(5625):1560-1563.

[6] 刘洋洋,章钊颖,同琳静,等.中国草地净初级生产力时空格局及其影响因素[J].生态学杂志,2020,39(2):349-363.

[7] LIU Yangyang, ZHANG Zhaoying, TONG Linjing,et al.Spatiotemporal dynamics of China’s grassland NPP and its driving factors[J].Chinese Journal of Ecology,2020,39(2):349-363.(in Chinese)

[8] 朴世龙,张宪洲,汪涛,等.青藏高原生态系统对气候变化的响应及其反馈[J].科学通报,2019,64(27):2842-2855.

[9] PIAO Shilong, ZHANG Xianzhou, WANG Tao,et al.Responses and feedback of the Tibetan Plateau’s alpine ecosystem to climate change[J].Chinese Science Bulletin,2019,64(27):2842-2855.(in Chinese)

[10] 陈槐,鞠佩君,张江,等.青藏高原高寒草地生态系统变化的归因分析[J].科学通报,2020,65(22):2406-2418.

[11] CHEN Huai, JU Peijun, ZHANG Jiang,et al.Attribution analyses of changes in alpine grasslands on the Qinghai-Tibetan Plateau[J].Chinese Science Bulletin,2020,65(22):2406-2418.(in Chinese)

[12] Lieth H.Modeling the primary productivity of the world[J].Nature and Resour，1972,8(2):5-10.

[13] Lieth H, Box E.Evapotranspiration and primary production:C W THORNTHWAITE memorial mode[J].Publications in Climatology,1972,25(2):37-46.

[14] McGuire A D, Melillo J M, Kicklighter D W,et al.Equilibrium responses of soil carbon to climate change:empirical and process-based estimates[J].J Biogeogr,1995,22(4/5):785-796.

[15] Parton W J, Scurlock J M O, Ojima D S,et al.Observations and modeling of biomass and soil organic matter dynamics for the grassland biome worldwide[J].Glob Biogeochem Cycles,1993,7(4):785-809.

[16] Potter C S, Randerson J T, Field C B,et al.Terrestrial ecosystem production:a process model based on global satellite and surface data[J].Glob Biogeochem Cycles,1993,7(4):811-841.

[17] Goetz S J, Prince S D, Goward S N,et al.Satellite remote sensing of primary production:an improved production efficiency modeling approach[J].Ecol Modell,1999,122(3):239-255.

[18] 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[J].植物生态学报,1996,20(1):11-19.

[19] ZHOU Guangsheng, ZHANG Xinshi.Study on NPP of natural vegetation in China under global climate change[J].Acta Phytoeclogica Sinica,1996,20(1):11-19.(in Chinese)

[20] 姚玉璧,李耀辉,王毅荣,等.黄土高原气候与气候生产力对全球气候变化的响应[J].干旱地区农业研究,2005,23(2):202-208.

[21] YAO Yubi, LI Yaohui, WANG Yirong,et al.Effects of the climate and climatic productivity in the Loess Plateau of China on global climate change[J].Agricultural Research in the Arid Areas,2005,23(2):202-208.(in Chinese)

[22] 姚玉璧,杨金虎,肖国举,等.近50年黄河源区植被净初级生产力变化特征及其影响因素[J].高原气象,2011,30(6):1594-1603.

[23] YAO Yubi, YANG Jinhu, XIAO Guoju,et al.Change feature of net primary productivity of natural vegetation and its impact factor in the source region of Yellow River in recent 50 years[J].Plateau Meteorology,2011,30(6):1594-1603.(in Chinese)

[24] 周刊社,杜军,沈旭,等.气候变化背景下羌塘国家自然保护区植被净初级生产力时空变化[J].中国农业气象,2021,42(8):627-641.

[25] ZHOU Kanshe, DU Jun, SHEN Xu,et al.Spatial and temporal variability of vegetation net primary productivity in Qiangtang national nature reserve under climate change[J].Chinese Journal of Agrometeorology,2021,42(8):627-641.(in Chinese)

[26] 刘彩红,王朋岭,温婷婷,等.1960—2019年黄河源区气候变化时空规律研究[J].干旱区研究,2021,38(2):293-302.

[27] LIU Caihong, WANG Pengling, WEN Tingting,et al.Spatio-temporal characteristics of climate change in the Yellow River source area from 1960 to 2019[J].Arid Zone Research,2021,38(2):293-302.(in Chinese)

[28] 覃巧婷,陈建军,杨艳萍,等.黄河源植被时空变化及其对地形和气候的响应[J].中国环境科学,2021,41(8):3832-3841.

[29] QIN Qiaoting, CHEN Jianjun, YANG Yanping,et al.Spatiotemporal variations of vegetation and its response to topography and climate in the source region of the Yellow River[J].China Environmental Science,2021,41(8):3832-3841.(in Chinese)

[30] 朱丽,刘蓉,王欣,等.基于FLEXPART模式对黄河源区盛夏降水异常的水汽源地及输送特征研究[J].高原气象,2019,38(3):484-496.

[31] ZHU Li, LIU Rong, WANG Xin,et al.The characteristics of the water vapor transport and associated sources under abnormal precipitation conditions in the source region of the Yellow River using FLEXPART[J].Plateau Meteorology,2019,38(3):484-496.(in Chinese)

[32] 蓝永超,鲁承阳,喇承芳,等.黄河源区气候向暖湿转变的观测事实及其水文响应[J].冰川冻土,2013,35(4):920-928.

[33] LAN Yongchao, LU Chengyang, Chengfang LA,et al.The fact of climate shift to warm-humid in the source regions of the Yellow River and its hydrologic response[J].Journal of Glaciology and Geocryology,2013,35(4):920-928.(in Chinese)

[34] 刘希胜,李其江,段水强,等.黄河源径流演变特征及其对降水的响应[J].中国沙漠,2016,36(6):1721-1730.

[35] LIU Xisheng, LI Qijiang, DUAN Shuiqiang,et al.Runoff change and responses to precipitation in the source regions of the Yellow River[J].Journal of Desert Research,2016,36(6):1721-1730.(in Chinese)

[36] Allen R G, Pereira L S, Raes D,et al.Crop evapotranspiration guidelines for computing crop water requirements[R].Rome:FAO,1998.

[37] 魏凤英.现代气候统计诊断与预测技术[M].2版.北京:气象出版社,2007:37-40.

[38] WEI Fengying.Modern climate statistical diagnosis and prediction technology[M].2nd ed.Beijing:China Meteorological Press,2007:37-40.

[39] 中国气象局气候变化中心.中国气候变化蓝皮书(2020)[M].北京:科学出版社,2020.Climate Change Center of China Meteorological Administration.Blue book on climate change in China (2020)[M].Beijing:Science Press,2020.

[40] 韩雪云,姚俊强,赵丽,等.1901―2017年中亚五国气候特征分析[J].沙漠与绿洲气象,2021,15(6):1-8.

[41] HAN Xueyun, YAO Junqiang, ZHAO Li,et al.Climate characteristics of five central Asian countries during 1901-2017[J].Desert and Oasis Meteorology,2021,15(6):1-8.(in Chinese)

[42] 秦莉,尚华明,喻树龙,等.全球变化背景下天山西部雪岭云杉径向生长和水分利用效率对气候要素的响应[J].沙漠与绿洲气象,2021,15(3):1-9.

[43] QIN Li, SHANG Huaming, YU Shulong,et al.Response of tree-ring growth and intrinsic water-use efficiency to climate elements in the western Tianshan Mountains under global change[J].Desert and Oasis Meteorology,2021,15(3):1-9.(in Chinese)

[44] 张强,杨金虎,王朋岭,等.西北地区气候暖湿化的研究进展与展望[J].科学通报,2023,68(14):1814-1828.

[45] ZHANG Qiang, YANG Jinhu, WANG Pengling,et al.Progress and prospect on climate warming and humidification in Northwest China[J].Chinese Science Bulletin,2023,68(14):1814-1828.(in Chinese)

基金资助

甘肃省自然科学基金项目(21JR7RA772)