首页 > 分享 > Review and Prospects of Frozen Soil

Review and Prospects of Frozen Soil

花匠小妙招
2024-11-09 00:27

1 引言

地球系统各圈层之间彼此交错，相互影响。各圈层的相互作用过程和机理是当前地球系统科学的前沿科学问题。近年来，在寒区多圈层相互作用中，冰冻圈和生物圈相互作用过程，以及冰冻圈和生物圈对大气圈反馈过程，引起了广泛关注和研究（王根绪和宜树华， 2019；罗勇等， 2020）。

三江源位于青藏高原腹地，是中国淡水资源的重要补给地，同时也是亚洲、北半球乃至全球气候变化的敏感区和重要启动区（赵新全和周华坤， 2005；冯松等， 1998；游庆龙等， 2008）。独特的生态环境造就了源区独一无二的高寒生态系统，是我国重要且影响范围较大的生态调节区，其生态系统属于中国“生态源”的重要组成部分，是我国重要的生态安全屏障（秦大河， 2014）。作为“中华水塔”的重要发源地，源区广泛分布有大片多年冻土和季节性冻土，地表一年当中有半年以上的时间都在经历冻融过程。通过能量、水分及碳循环，三江源冻土在冻融过程中显著地改变了局地水文、气候，以及生态系统（姚檀栋等， 2013）。源区因冻土广泛发育，形成了大面积以冻胀丘为基底的高寒植被，包括高寒草甸、高寒草原、高寒荒漠等。该区域是研究冰冻圈、生物圈及大气圈相互作用过程和机理的理想区域。近年来，在全球变化和人类活动的双重影响下，三江源冻土经历了快速变化，是青藏高原冻土变化最为显著的区域之一（Luo et al， 2016； Jin et al， 2009； Luo et al， 2020）。与此同时，源区高寒植被也发生了深刻的变化（朱宁等， 2020；井梅秀等， 2020）。冻土和植被变化对周边地区气候环境、水资源等产生了深远的影响，源区生态安全面临挑战（朴世龙等， 2019）。

在区域乃至更大尺度上，冻土、植被的分布及变化主要受地理因子以及气候因子影响，而在局地及流域尺度上，冻土和植被存在着强烈的相互作用关系（Luo et al， 2020；王根绪和宜树华， 2019）。另一方面，冻土和植被通过改变地表-大气之间的能量和水分交换，影响区域气候，加快或减缓气候变化。本文回顾了近几十年来三江源冻土、植被特征及变化事实，分析了冻土、植被相互作用关系以及冻土、植被变化的气候效应，并进一步展望了未来该区域冻土、植被相互作用及气候效应研究中的相关内容。

2 三江源冻土、植被特征及变化

2.1　三江源冻土特征及变化

三江源面积约33.17×104 km2，是长江、黄河及澜沧江的发源地（

图1

）。该地区存在各种类型的冻土，是季节性冻土以及连续和不连续多年冻土的交汇带（Jin et al， 2010； Luo et al， 2017b， 2016）。Zou et al（2017）采用多年冻土顶部温度模型的研究计算了青藏高原多年冻土和季节性冻土的分布，本文利用三江源区域图（

图1

），统计后表明：三江源季节性冻土和多年冻土面积分别为13.35×104 km2和18.67×104 km2（

图2

）。其中多年冻土根据统计模拟的年变化深度地温数据，并利用多年冻土稳定型划分指标（程国栋， 1984）进行分类，分为极稳定型、稳定型、亚稳定型、过渡型和不稳定型多年冻土（Ran et al， 2018）。冻土的分布和季节性冻融过程的种类受海拔和气候分区的影响（Jin et al， 2009）。根据黄河源区钻孔资料研究，鄂陵湖以东海拔4400 m以下的河谷和流域中只存在零星的不连续多年冻土和季节性冻土，而由于以鄂陵湖和扎陵湖为中心，海拔向西、向北和向南逐渐升高，因此形成了由不连续向连续多年冻土的过渡，并在海拔4400 m以上的钻孔出现连续性多年冻土（Jin et al， 2009）。根据统计模拟的年变化深度地温数据划分的多年冻土分布的结果，澜沧江源区东南部只存在零星的多年冻土，其余均为季节性冻土，西北部为斑状多年冻土。长江源区中部海拔较低的区域为整片的季节性冻土区，随着四周海拔的升高，由季节性冻土区过渡到不连续及岛状多年冻土甚至大片连续多年冻土区（Ran et al， 2018）。

图1 三江源区域及地形

Fig.1 Topographic map in the Three Rivers Source Region

Full size|PPT slide

图2 三江源冻土类型分布

Fig.2 Frozen soil types in the Three Rivers Source Region

Full size|PPT slide

三江源区气象站资料显示（

表1

）， 1980 -2012年该区域0~3.2 m深度处土壤温度年平均值为4.7 ℃，其中玛多气象站土壤温度最低（1.6 ℃），昌都气象站土壤温度最高（10.8 ℃）（Luo et al， 2016）。由于气象站都位于季节性冻土区，其观测结果主要表现为季节性冻土区的特征， Ni et al（2021）利用统计和机器学习模拟了青藏高原多年冻土区近10 m土壤温度和活动层厚度，提取三江源区域后结果显示：冻土年平均地温为-0.95 ℃，变化范围为-2.93~0 ℃。

表1 三江源土壤温度及变化趋势

Table 1 Soil temperature and its trend in the Three Rivers Source Region

变量冰土类型和土壤深度数值研究时段参考文献平均土壤温度季节性冻土平均： 4.7 ℃；范围： 1.6~10.8 ℃ 1980 -2012年 Luo et al， 2016 多年冻土平均： -0.95 ℃；范围： -2.93~0.00 ℃ 2000 -2015年 Ni et al， 2021 土壤温度变化趋势表层土壤（0 cm） 0.71 ℃· （10a） -1 1980 -2014年 Luo et al， 2016 浅层土壤（5~20 cm） 0.48 ℃·（10a） -1 1980 -2014年 Luo et al， 2016 深层土壤（40~320 cm） 0.42 ℃·（10a） -1 1980 -2014年 Luo et al， 2016

如

表2

所示，气象站观测的三江源地区季节性冻土最大冻结深度年平均值为1.32 m，变化范围为0.48~2.13 m（Luo et al， 2016，朱宇蓉等， 2018）。而模拟结果显示1981 -2015年黄河源区季节性冻土的冻结深度范围为1.1~1.8 m（Qin et al， 2017）。统计和机器学习模拟结果显示三江源区2000 -2015年多年冻土平均活动层厚度为 2.15 m，变化范围为1.31~4.10 m（Ni et al， 2021）。

表2 三江源冻土冻融特征及变化趋势

Table 2 Freeze-thaw changes in the Three Rivers Source Region

冻土类型变量数值研究时段参考文献多年冻土面积 18.67×104 km2 2016年 Zou et al， 2017 活动层厚度平均： 2.15 m；范围： 1.31~4.10 m 2000 -2015年 Ni et al， 2021 季节性冻土面积 13.35×104 km2 2016年 Zou et al， 2017 冻结深度平均： 1.32 m；范围： 0.48~2.13 m 1980 -2014年 Luo et al， 2016 冻结深度变化趋势 -3.98 cm·（10a）-1 1960 -2014年 Luo et al， 2017b -8.93 cm·（10a）-1 1985 -2014年 Luo et al， 2017b -13.98 cm·（10a）-1 2000 -2014年 Luo et al， 2017b 冻结期变化趋势 -7.52 d·（10a）-1 1960 -2014年 Luo et al， 2017b -14.74 d·（10a）-1 1985 -2014年 Luo et al， 2017b -16.90 d·（10a）-1 2000 -2014年 Luo et al， 2017b

作为全球变化的敏感区，三江源冻土在过去几十年中经历了快速的变化。主要表现为冻土区土壤温度明显升高；多年冻土面积减小而季节性冻土面积增加；多年冻土活动层厚度增加而季节性冻土最大冻结深度减小；多年冻土融化期增加而季节性冻土冻结期减小（Jin et al， 2009； Luo et al， 2018a， 2017b， 2016； Wang et al， 2010； Xue et al， 2009）。近35 年来（1980 -2014年），三江源地区冻土增温明显，表层土壤（0 cm）增温率为0.71 ℃·（10a）-1，浅层土壤（5~20 cm）增温率为0.48 ℃·（10a）-1，深层土壤（40~320 cm）增温率为0.42 ℃· （10a）-1（Luo et al， 2016）。研究表明，未来永久冻土的面积将会进一步减小，如在RCP4.5情景下，到本世纪末，青藏高原近一半的永久冻土将会退化为季节性冻土（Chang et al， 2018； Wang et al， 2019）。气象台站及钻孔资料表明，三江源区部分多年冻土已经完全消失变为季节冻土（金会军等， 2010）。与1960 -2014年相比， 1985 -2014年以及2000 -2014年三江源区季节性冻土最大冻结深度及冻结期出现了一个连续并且加速的下降趋势。最大冻结深度变化率分别为-3.98 cm·（10a）-1， -8.93 cm·（10a）-1及-13.98 cm·（10a）-1；冻结期变化率分别为-7.52 d·（10a）-1， -14.74 d·（10a）-1以及-16.90 d·（10a）-1（Luo et al， 2017b）。冻结期的缩短主要是冻结结束日明显提前所导致（Luo et al， 2017b）。

2.2　三江源植被特征及变化

三江源地区植被类型分布多样，主要有高寒草甸、高寒草原、高山森林、高山灌丛及高寒荒漠等（

图3

）。该区域内整体植被覆盖度较低，空间呈现出明显的差异性，主要表现为自东南向西北覆盖度逐渐降低（彭凯峰等， 2020；朱宁等， 2020；井梅秀等， 2020；于秀娟等， 2013）。高寒草甸和高寒草原是三江源区域的主要植被类型，平均覆盖度为0.5左右，东部地区覆盖度高于西部（苏小艺和陈克龙， 2019；韩炳宏等， 2020；赵亮等， 2020）。

图3 三江源植被类型分布（数据来源，中国1∶100万植被数据集， http： //www.ncdc.ac.cn/portal/metadata/20d2728d-8845-4a8b-a546-5f4f50fb036d）

Fig.3 Vegetation types in the Three Rivers Source Region（Data source： China 1∶1， 000， 000 Vegetation dataset）

Full size|PPT slide

研究揭示目前整个青藏高原高寒植被生态系统的结构和功能在区域发生了明显变化。虽然整个青藏高原总体上植被呈现变绿且整体改善的趋势，但在空间格局及时间尺度上存在很大差异，尤其是三江源等地区（Shen et al， 2015；朴世龙等， 2019）。大量遥感数据的应用，对研究整个三江源区域植被特征及变化趋势提供了契机（李辉霞等， 2011；张丽等， 2017）。自20世纪70年代以来，整个源区生态环境状况不断恶化，植被生态系统退化问题较突出（刘纪远等， 2008；赵新全和周华坤， 2005）。2000年之后，源区高寒植被退化得到一定遏制，植被覆盖度呈增加趋势（徐嘉昕等， 2020；井梅秀等， 2020；唐见等， 2019；张镱锂等， 2019）。

植被物候能够反映植被生长及变化特征，受地理因子（海拔）以及气候因子（气温、降水、光照）影响较大（丁明军等， 2012；韩炳宏等， 2019；黄文洁， 2019）。三江源区海拔高、气温低，导致植被生长季较短（冯晓玙等， 2020）。自2000年以来，在全球变暖背景下，三江源区植被物候特征在时间和空间上发生了显著的变化（

表3

）。时间上，整体表现出返青期提前，黄枯期推迟，生长季延长的特征（丁明军等， 2012；耿晓平等， 2019；管琪卉等， 2019；韩炳宏等， 2019；刘亚， 2017；王志伟等， 2016）。空间上，海拔在植被物候变化中起重要作用，由东南向西北返青期逐渐推迟，枯黄期提前，生长季缩短（丁明军等， 2012；刘亚， 2017）。通过对三江源区植被生长季NDVI与气候因子相关分析表明，生长季初期，气温对植被NDVI变化大于降水量；生长季中期，降水量反超气温；在整个生长季，当月日照时数与NDVI的变化呈负相关关系（韩炳宏等， 2019；徐嘉昕等， 2020）。李强（2016）通过研究发现，累积降水量的增加使植被返青期、枯黄期推迟和生长季延长；而累积气温的升高使返青期推迟、枯黄期提前和生长季缩短。此外，最新的研究也表明三江源地区草地变化与降水因子关系不大，对温度因子的响应更为敏感，证明该地区温度是影响草地变化的主要因子（刘世梁和孙永秀， 2021）。另外，在对三江源河曲牧草产量的研究中发现， 1991 -2015年三江源东部地区高寒牧草产量以3.0 gm-2·a-1的速率下降（罗谨等， 2021）； 2003 -2017年，三江源区牧草产量呈不明显的波动变化，产量最大值出现在2010年（韩炳宏等， 2020）。

表3 三江源植被物候时空变化特征

Table 3 Temporal and spatial variation characteristics of vegetation phenology in the Three Rivers Source Region

时空变化物候变化特征研究时段参考文献时间变化返青期提前 2000 -2015年管琪卉等， 2019 生长期年际间波动较大，变化趋势不明显 2000 -2009年韩炳宏等， 2019；耿晓平等， 2019 返青期提前，黄枯期推迟，生长季延长 2010 -2018/1999 -2009年耿晓平等， 2019/丁明军等， 2012 返青期提前，黄枯期基本不变，生长季延长 2000-2014年刘亚， 2017 空间变化由东南向西北返青期逐渐推迟，枯黄期提前，生长季缩短 2000 -2014/1999 -2009年刘亚， 2017/丁明军等， 2012 海拔在植被物候的空间变化中起重要作用，在3200 m左右存在分界线 2000 -2014/1999 -2009年刘亚， 2017/丁明军等， 2012

3 冻土-植被相互作用

在大尺度上，冻土、高寒植被变化主要受地理因子（海拔、纬度等）以及气候因子（气温、降水、光照等）的影响，而在小尺度及局地尺度上，三江源冻土和高寒植被存在着强烈的相互作用关系（Luo et al， 2016， 2017b， 2020；韩炳宏等， 2019；徐嘉昕等， 2020；王根绪和宜树华， 2019）。土壤的水、热状态，即土壤的温、湿条件是连接二者相互作用的重要纽带。一方面冻土的冻融状态，土壤的水、热过程对高寒植被的生长有着密切的影响；另一方面，位于冻土层上的植被，又通过植被特征和生态系统的变化，影响土壤温度、湿度，反作用于冻土的形成和发展。同时冻土和高寒植被作为三江源两种典型的下垫面，在陆-气相互作用中是一个有机整体，通过改变地表-大气之间的能量和水分交换，影响区域气候（

图4

）。

图4 三江源冻土-植被相互作用及气候效应示意图

Fig.4 Frozen soil-vegetation interaction and climate effects in the Three Rivers Source Region

Full size|PPT slide

3.1　土壤水热对冻土的影响

土壤温度、湿度是冻土冻融过程中的重要指标。土壤温度表征土壤热状况，主要受到地表能量的影响（净辐射、感热、潜热及地表热通量）（Fisher et al， 2016； Guo and Wang， 2014； Luo et al， 2009；罗斯琼等， 2009）。作为地表能量收支的一部分，土壤热通量夏季为正值，冬季为负值，在年尺度上该量值较小。全球平均而言，土壤热通量仅为0.087 W·m-2，约占地球吸收太阳能量的0.03%（Trenberth et al， 2009）。因此，在研究地表能量平衡及分配时，相对于感热和潜热而言，土壤热通量较小而经常被低估（Bryś et al， 2020）。但对冻土冻融变化而言，土壤热通量非常重要，较小的变化可以引起冻土较大的冻融变化。由于资料的限制，针对三江源以及整个青藏高原地区地表热通量长期变化的研究较少。尽管如此，对该地区长期土壤温度变化和土壤热状态的研究间接揭示了地表热通量的显著增加。如1960 -2014年期间，整个青藏高原表层（0 cm）、浅层（5~20 cm）和深层（40~320 cm）的土壤温度均显著升高，分别为0.47 °C·（10a）-1、 0.36 °C·（10a） -1和0.36 °C·（10a） -1（Fang et al， 2019）； 1980 -2001年，青藏高原土壤热扩散系数总体呈下降趋势（周亚等， 2017）； 1979 -2010年，欧亚大陆土壤焓的长期趋势表现为增加（赵昶昱， 2017）。在三江源及周边的多年冻土区，近10年的观测资料显示土壤热通量呈上升趋势，变化速率从1.0 W·m-2·（10a） -1到2.9 W·m-2·（10a） -1（Li et al， 2012； Luo et al， 2018a）。分析表明，随着土壤通量增加1.0 W·m-2，多年冻土活动层厚度将增加24 cm（Li et al， 2012）。土壤热通量的增加可能是高原季节性冻土冻融深度及冻融期降低，多年冻土活动层及融化期增加的主要直接原因（Luo et al， 2020）。

另一方面，土壤水分条件也会影响土壤的热量条件，进一步影响冻土的冻融过程。土壤湿度通过改变地表的热量收支状况和活动层的热属性特征来影响冻土的形成和分布。在过去的50年里，青藏高原土壤湿度具有多时间尺度变化特征且具有空间非均匀性，三江源区土壤湿度呈现增加趋势，尤其是2000年之后（Liang et al， 2013； Luo et al， 2017b； Meng et al， 2017； Rodell et al， 2018）。在土壤冻结阶段，土壤湿度越大，越多的液态水冻结成冰，将释放更多的潜热，土壤柱的冷却速度也会越慢；在融化阶段，降水或土壤湿度的增加导致冻土融化速率的增加（Chen et al， 2014； Iijima et al， 2010； Luo et al， 2016； Neumann et al， 2019； Luo et al， 2020）。另一方面，已有研究揭示，降水对土壤可以起到增温及降温两种作用机制：在土壤冻结期，当土壤仍然处于冻结阶段时，由于降水温度接近大气温度，高于土壤温度，此时降水对土壤起增温作用，作为热源向土壤输送热量，加速冻土融化（Luo et al， 2016； Douglas et al， 2020； Luo et al， 2020）；而在非冻结期，当土壤温度较高时，降水温度低于土壤温度，此时降水对土壤起降温作用（Luo et al， 2016；董晴雪等， 2021）。整体来看，由于青藏高原冻土冻融期较长，随着近60年来高原降水的增加，降水对土壤主要起增温作用，加速冻土的融化（Fang et al， 2019； Luo et al， 2020）。

3.2　土壤水热对高寒植被的影响

土壤的水热过程与高寒植被有着密切的关系（吴青柏等， 2003；李英年等， 2001）。土壤温度和湿度是植被生长非常重要的两个控制因子。作为冻土-植被-大气间物质循环和能量流动的介质，土壤温度和湿度在植被萌发、生长、生产力形成、群落结构、种群数量稳定和演替等过程中占据重要的地位（Piao et al， 2007；朴世龙等， 2019；李英年等， 2004）。研究揭示，在距离相近，海拔相同的同类型土壤的不同地形部位，虽然降水基本相同，但地表受热及蒸发量不同，土壤湿度不同，植被类型存在明显差异（李英年等， 2001）。高寒植被生长发育的前期主要受水分条件的限制，而在生长发育的旺盛期及后期，则主要受热量条件的制约（李林等， 2010）。人工增温实验证实增温降低了青藏高原多年冻土区和季节性冻土区的植被物种多样性，促进了植被高度的增加，且多年冻土区物种丧失受温度升高影响更剧烈，植被高度增加得更明显，越干旱的年份，高度增加越强烈（王根绪和宜树华， 2019）。

3.3　冻土、植被相互作用关系

通过土壤热量和水分条件，三江源冻土和高寒植被密切地联系起来，二者之间存在强烈的相互作用关系。

一方面，冻土的存在与变化，对于维持整个三江源区高寒植被类型、植被群落组成与结构以及生态系统的稳定性等，均具有较大影响。20世纪60年代至2000年，冻土退化对高寒植被产生明显影响，导致了高寒植被从草甸-草原-荒漠的逆向演替过程（王绍令和赵秀锋， 1997；袁九毅等， 1997）。随着三江源某些区域多年冻土上限深度增加，高寒草甸植被覆盖度和生物量均呈现较为显著减小趋势（王根绪等， 2006）。研究揭示高寒草甸生态系统对季节冻土退化的响应比对气候变化的响应更为敏感（李林等， 2010）。近年来，冻土区植被物候期的变化也与冻土变化紧密相连。20世纪80 年代后期以来，三江源区高寒草甸返青期无明显变化，而黄枯期显著延迟致使生长期明显延长、覆盖度总体下降；但自2004 年后开始覆盖度增加、地上生物量明显增大（李林等， 2010）。也有研究揭示，青藏高原冻土地表融化和植被返青并未持续提前，植被对于温度升高具有一定的自我调节机制，它可能通过提高返青的温度阈值和控制生长季的长度来对气候变暖带来的结果做出负反馈（王欣等， 2018）。

另一方面，植被特征和生态系统的变化，影响土壤温度、湿度，反作用于冻土的形成和发展。植被对冻土冻融过程、年平均地温、活动层厚度、近地表温度等的影响非常复杂，不同的植被类型及植被覆盖将导致不同的水、热输送和冻融过程（Chang et al， 2012； Liu et al， 2009； Luo et al， 2020；王根绪等， 2020）。植被对冻土的影响具有两种非常重要的功能，保温作用和冷却作用：夏季植被部分地阻挡了太阳直接和散射辐射，使土体冷却；冬季则相反，植被是阻挡土壤散热的隔热体，对土壤起保温作用，这种作用因地区而异，作用有所不同，因而对冻土冻融过程的影响也不同（吴青柏等， 2003）。植被变化后，对表层土壤有机质、土壤组成结构、植被根系等均有影响，通过影响土壤的水热属性进一步左右冻土的冻融过程（王根绪等， 2020）。目前高寒植被对冻土冻融过程的反馈主要集中在个别站点不同植被覆盖下冻土温度、湿度及冻融过程的观测比较（Liu et al， 2009；陆子建等， 2006；罗栋梁等， 2014；王根绪等， 2020），也基于气温与冻土温度间的统计关系，建立了高寒生态系统对冻土环境变化的响应分析模型（王根绪等， 2006），但仍然缺乏区域上的综合评估及机理分析。

在全球变暖和人类活动的双重影响下，未来三江源区冻土和植被变化面临着巨大挑战，影响着源区的生态安全。多种排放情景下显示源区未来气温持续升高、降水将会进一步增加（韩有香等， 2019；刘彩红等， 2015）。在这种背景下，源区冻土的土壤温度、湿度呈增加趋势，多年冻土面积、季节性冻土的冻结深度和冻结期将进一步减小，植被NDVI呈显著上升（Chang et al， 2018； Luo et al， 2017b；朱文会等， 2019）。

4 冻土、植被变化的气候效应

4.1　冻土冻融变化的气候效应

冻土冻融变化对局地乃至全球气候产生重要的影响。冻土冻融过程与碳循环、地表能量、水份过程密切相关。冻土中土壤碳的变化是潜在最重要气候反馈之一（程国栋等， 2019； Tarnocai et al， 2009）。在整个青藏高原，变暖显著地提高了生长季植被生产力，从而导致碳汇增加（Piao et al， 2007；朴世龙等， 2019； Zhang et al， 2014），但同时也增加了非生长季的土壤碳分解（Mu et al， 2017）。因此，碳源或碳汇的变化具有高度不确定性，主要是因为土壤性质的高度空间异质性和深层土壤过程信息的缺乏（朴世龙等， 2019）。

模拟结果表明，冻融过程是土壤和近地表温度季节变化的缓冲器（Chen et al， 2014； Ma et al， 2021； Poutou et al， 2004； Viterbo et al， 1999；陈渤黎等， 2017）。青藏高原陆面过程中冻土的冻融过程对土壤水热传输、地表非绝热加热及区域气候效应有重要影响（Chen et al， 2014； Ma et al， 2021； Yang and Wang， 2019；陈渤黎等， 2017；王澄海等， 2021）。利用区域气候模式及全球气候模式，通过对比土壤有、无冻融过程试验发现，相较于无冻融过程，有冻融过程会导致夏季青藏高原地区浅层（0~40 cm）土壤温度降低0.32~0.35 ℃，冬季升高1.93~2.05 ℃（Chen et al， 2014； Ma et al， 2021）。有冻融过程使得青藏高原区域多年平均气温（2 m）在冬季升高了0.59 ℃，而在夏季整体下降了0.05 ℃（Chen et al， 2014）。对比北半球高纬度冻土区，青藏高原地面能量通量更易受到冻融过程的影响（Ma et al， 2021）。冬季，有冻融过程时，青藏高原感热通量和潜热通量均比无冻融过程的模拟值大，而夏季，他们都是小于无冻融过程的模拟值（Chen et al， 2014）。高原地区冬季冻结过程增大了高原冬季地表热源，使近地面至高空350 hPa温度升高，气温升高使位势高度降低；消融过程减小了高原夏季地表热源，使近地面至高空200 hPa温度降低，在高压所在处位势高度增大，因此冻融过程对南亚高压的维持可能有一定贡献（Chen et al， 2014）。此外土壤消融初期冻土可以有效阻止水分下渗到深层，伴随着冻结土壤的持续消融，水分下渗增加，深层土壤水增加，伴随着地表径流也会减少（Ma et al， 2021）。

4.2　植被变化的气候效应

陆面植被结构和植被带的变化，会对区域乃至周边地区气候产生不可忽视的影响。植被改变后可以通过改变地气能水循环及反照率等影响局地气候。植被可以通过改变下垫面粗糙度影响大气的辐合辐散及垂直速度来改变局地环流及降水（Chen et al， 2012），植被变化后也能改变下垫面的蒸散（发）、改变波文比进而影响地气间能量输送和水分循环（Richardson et al， 2013），此外下垫面植被改变后最直接的影响就是下垫面反照率的改变，从而导致地表对太阳辐射的吸收的改变（Lawrence et al， 2011； Pearson et al， 2013； Swann et al， 2010）。Liu et al（2008）发现实施三北防护林后可以显著改变局地气候和水循环。此外研究也发现植被反馈不仅有局地非局地效应，还有时间尺度效应，同时研究还发现植被覆盖的改变也能和海洋变率耦合在一起共同影响局地及非局地降水（Ma et al， 2013a， 2013b；马迪等， 2013）。青藏高原作为全球高寒草地的主要分布区域，其变化会通过影响能量水分循环对近地表的气温和降水产生反馈作用（朴世龙等， 2019）。

土壤温度和土壤湿度是冻土-植被相互作用中的重要纽带，在调节土壤-植被-大气界面之间的能量分配及水分过程中起到了至关重要的作用。植被通过蒸腾耗散土壤湿度，改变地气能水循环（Shrestha et al， 2018）。植被改变后本身可以通过改变地气能水循环及反照率等影响局地降水，同时植被改变也会导致土壤持水能力的改变，土壤湿度变化也会影响局地降水。研究发现青藏高原的植被分布状况会导致土壤湿度的变化从而改变高原热状况，进而影响南亚高压和西太副高，进一步影响长江流域及华南华北区域的降水（高荣等， 2017）。

5 冻土-植被相互作用及气候效应研究展望

目前，现有研究已经从局地揭示了三江源冻土与高寒植被相互影响的事实，但仍然缺乏区域上的综合评估及机理分析。不同海拔，不同冻土类型与不同植被之间相互作用的关键因子及阈值范围仍不清楚。在气候效应研究中，主要关注青藏高原整体，研究冻土或者植被单一要素变化引起的气候效应，而对三江源区域二者协同变化的气候效应关注较少。冻土和植被在陆-气相互作用中是一个有机整体，其变化将通过影响局地能量分配及水分过程对区域降水、气温、能量收支、局地环流以及水汽循环等产生重要的影响，需要统筹考虑二者协同变化对区域气候的影响。在全球变化背景下，未来该区域冻土、植被变化特征及可能的气候效应需要进一步加强。

长期以来三江源地区冻土与植被相互作用的研究受限于观测资料的匮乏。近年来随着国家政策对该地区生态环境监测及保护高度重视，各种观测平台及观测网发展迅速。未来通过多套完整的陆-气观测资料，将可以定量分析出冻土-植被相互作用中的关键因子，并为数值模式、机器学习及人工智能等多种研究手段提供重要数据保障。

数值模拟可以提供较高的时空分辨率的冻融特征，在深入探讨冻土变化机理方面有足够的优势，此外数值模拟也可以弥补观测资料的缺乏问题。近年来，随着高分辨率大气强迫数据集、土壤水热性质数据集以及一系列基于观测资料改进和发展的冻土水热性质参数化方案不断地完善，陆面过程模式以及区域气候模式在模拟青藏高原以及三江源区冻土冻融过程中陆面能量和水分交换的准确性，不断得到提高，具有较大的应用潜力（Dai et al， 2019； Gao et al， 2019； Huang et al， 2014； Luo et al， 2009， 2017a， 2018b；罗斯琼等， 2009）。

目前对未来冻土、植被变化的预估主要基于一些简单的统计模型，分辨率和准确性有待进一步提高。自20世纪90年代以来，动态全球植被模型成为植被模型研究的热点。耦合了动态植被模型的陆面过程模式可以很好地模拟土壤和植被相互作用过程中土壤水热、植被生长，以及地表能量分配特征（Lu et al， 2017； Wei et al， 2019）。这些模式模拟能力的提高将为探讨三江源区冻土冻融过程和高寒植被生长互作机制提供有力工具。

近年来机器学习及人工智能被广泛应用于解决地球科学领域的复杂问题，有结果可靠、简单易行、分辨率高的优点，目前已被成功应用于计算冻土冻融特征以及未来变化的预估，表现出较大的潜力（Wang et al， 2019；冉有华和李新， 2019；罗勇等， 2020）。如能基于多源数据建立起土壤水热与冻土冻融、高寒植被变化的机器学习模型，深入研究三江源区冻土冻融变化与高寒植被变化的内在联系，将进一步提高对未来冻土及高寒植被变化的认识。

三江源生态保护在我国生态文明建设中具有特殊重要地位，关系到全国的生态安全和中华民族的长远发展。面向三江源生态保护和建设的国家需求，开展冻土-植被-气候间的互作机制研究，进一步阐明寒区多圈层相互作用的物理过程，将为三江源冻土、植被以及气候变化科学评估及适应对策提供重要科学依据与理论支撑，为青藏高原其他冻土区生态保护提供借鉴。

{{custom_ref.citedCount>0}9}

=2" class="main_content_center_left_zhengwen_bao_erji_title main_content_center_left_one_title" style="font-size: 16px;">{{custom_ref.citedCount>0}8}{{custom_ref.citedCount>0}7} Bryś K

，

Bryś T

，

Sayegh M A

，

al et

， 2020.Characteristics of heat fluxes in subsurface shallow depth soil layer as a renewable thermal source for ground coupled heat pumps［J］.Renewable Energy， 146： 1846-1866.DOI： 10.1016/j.renene.2019.07.101 .

{{custom_ref.citedCount>0}6}https://doi.org/{{custom_ref.citedCount>0}4}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_ref.citedCount>0}2}{{custom_ref.citedCount>0}0}本文引用 [{{custom_citationIndex}5}]摘要{{custom_citationIndex}4} Chang X L

，

Jin H J

，

Wang Y P

，

al et

， 2012.Influences of vegetation on permafrost： a review［J］.Acta Ecologica Sinica， 32： 7981-7990.DOI： 10.5846/stxb201202120181 .

{{custom_citationIndex}3}https://doi.org/{{custom_citationIndex}1}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_ref.citationList}9}{{custom_ref.citationList}7}本文引用 [{{custom_ref.citationList}2}]摘要{{custom_ref.citationList}1} Chang Y

，

Lyu S H

，

Luo S Q

，

al et

， 2018.Estimation of permafrost on the Tibetan Plateau under current and future climate conditions using the CMIP5 data［J］.International Journal of Climatology， 38： 5659-5676.DOI： 10.1002/joc.5770 .

{{custom_ref.citationList}0}https://doi.org/{{custom_ref.id}8}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_ref.id}6}{{custom_ref.id}4}本文引用 [{{custom_ref.citedCount}9}]摘要{{custom_ref.citedCount}8} Chen B L

，

Luo S Q

，

Lu S H

，

al et

， 2014.Effects of the soil freeze-thaw process on the regional climate of the Qinghai-Tibet Plateau［J］.Climate Research， 59： 243-257， DOI： 10.3354/cr01217 .

{{custom_ref.citedCount}7}https://doi.org/{{custom_ref.citedCount}5}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_ref.citedCount}3}{{custom_ref.citedCount}1}本文引用 [{{custom_citation.annotation}6}]摘要{{custom_citation.annotation}5} Chen G S

，

Notaro M

，

Liu Z Y

，

al et

， 2012.Simulated Local and Remote Biophysical Effects of Afforestation over the Southeast United States in Boreal Summer［J］.Journal of Climate， 25（13）： 4511-4522.DOI： 10.1175/JCLI-D-11-00317.1 .

{{custom_citation.annotation}4}https://doi.org/{{custom_citation.annotation}2}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.annotation}0}{{custom_citation.content}8}本文引用 [{{custom_citation.content}3}]摘要{{custom_citation.content}2} Dai Y J

，

Xin Q C

，

Wei N

，

al et

， 2019.A global high-resolution data set of soil hydraulic and thermal properties for land surface modeling［J］.Journal of Advances in Modeling Earth Systems， 11（9）： 2996-3023.DOI： 10.1029/2019ms001784 .

{{custom_citation.content}1}https://doi.org/{{custom_citation.doi}9}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.doi}7}{{custom_citation.doi}5}本文引用 [{{custom_citation.doi}0}]摘要{{custom_citation.doi}9} Douglas T A

，

Turetsky M R

，

Koven C D

， 2020.Increased rainfall stimulates permafrost thaw across a variety of Interior Alaskan boreal ecosystems［J］.Climate and Atmospheric Science， 3（1）.DOI： 10.1038/s41612-020-0130-4 .

{{custom_citation.doi}8}https://doi.org/{{custom_citation.doi}6}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.doi}4}{{custom_citation.doi}2}本文引用 [{{custom_citation.pmid}7}]摘要{{custom_citation.pmid}6} Fang X W

，

Luo S Q

，

Lyu S H

， 2019.Observed soil temperature trends associated with climate change in the Tibetan Plateau， 1960-2014.［J］ Theoretical & Applied Climatology， 135（1）： 169-181.DOI： 10.1007/s00704-017-2337-9 .

{{custom_citation.pmid}5}https://doi.org/{{custom_citation.pmid}3}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.pmid}1}{{custom_citation.pmid}9}本文引用 [{{custom_citation.pmid}4}]摘要{{custom_citation.pmid}3} Fisher J P

，

Estop-Aragones C

，

Thierry A

，

al et

， 2016.The influence of vegetation and soil characteristics on active-layer thickness of permafrost soils in boreal forest［J］.Global Change Biology， 22（9）： 3127-3140.DOI： 10.1111/gcb.13248 .

{{custom_citation.pmid}2}https://doi.org/{{custom_citation.pmid}0}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.url}8}{{custom_citation.url}6}本文引用 [{{custom_citation.url}1}]摘要{{custom_citation.url}0} Gao J Q

，

Xie Z H

，

Wang A W

，

al et

， 2019.A new frozen soil parameterization including frost and thaw fronts in the community land model［J］.Journal of Advances in Modeling Earth Systems， 11（3）： 659-679.DOI： 10.1029/2018ms001399 .

{{custom_citation.url}9}https://doi.org/{{custom_citation.url}7}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.url}5}{{custom_citation.url}3}本文引用 [{{custom_ref.citedCount>0}8}]摘要{{custom_ref.citedCount>0}7} Guo D L

，

Wang H J

， 2014.Simulated change in the near-surface soil freeze/thaw cycle on the Tibetan Plateau from 1981 to 2010［J］.Chinese Science Bulletn， 59（20）： 2439-2448.DOI： 10.1007/s11434-014-0347-x .

，

Zheng X G

，

Tait A

，

al et

， 2014.On using smoothing spline and residual correction to fuse rain gauge observations and remote sensing data［J］.Journal of Hydeology， 508： 410-417.DOI： 10.1016/j.jhydrol.2013.11.022 .

，

Fedorov A N

，

Park H

，

al et

， 2010.Abrupt increases in soil temperatures following increased precipitation in a permafrost region， central Lena River basin， Russia［J］.Permafrost and Periglacial Processes， 21（1）： 30-41.DOI： 10.1002/ppp.662 .

，

He R X

，

Cheng G D

，

al et

， 2009.Changes in frozen ground in the source area of the Yellow River on the Qinghai-Tibet Plateau， China， and their eco-environmental impacts［J］.Environmental Research Letters， 4（4）： 045206.DOI： 10.1088/1748-9326/4/4/045206 .

，

Wang S L

，

Lv S H

，

al et

， 2010.Features and degradation of frozen ground in the sources area of the Yellow River， China［J］.Journal of Glaciology Geocryology， 32（1）： 10-17.DOI： 10.1021/ic100140j .

，

Swenson S C

， 2011.Permafrost response to increasing Arctic shrub abundance depends on the relative influence of shrubs on local soil cooling versus large-scale climate warming［J］.Environmental Research Letters， 6（4）： 045504.DOI： 10. 1088/1748-9326/6/4/045504 .

，

Zhao L

，

Ding Y J

，

al et

， 2012.Temporal and spatial variations of the active layer along the Qinghai-Tibet Highway in a permafrost region［J］.Chinese Science Bulletin， 57（35）： 4609-4616.DOI： 10.1007/s11434-012-5323-8 .

，

Li L J

，

Liu C M

，

al et

， 2013.Climate change in the Tibetan Plateau Three Rivers Source Region： 1960-2009［J］.International Journal of Climatology， 33（13）： 2900-2916.DOI： 10. 1002/joc.3642 .

，

Wang G X

，

Hong-Chang H U

，

al et

， 2009.Influence of vegetation coverage on water and heat processes of the active layer in permafrost regions of the Tibetan Plateau［J］.Journal of Glaciology and Geocryology， 31（1）： 89-95.DOI： 10.1016/S1003-6326（09）60084-4 .

，

Stanturf J

，

Lu H Q

， 2008.Modeling the potential of the Northern China forest shelterbelt in improving hydroclimate conditions［J］.Journal of the American Water Resources Association， 44（5）： 1176-1192.DOI： 10.1111/j.1752-1688.2008.00240.x .

，

Williams I N

，

Bagley J E

，

al et

， 2017.Representing winter wheat in the Community Land Model （version4.5）［J］.Geoscientific Model Development， 10（5）： 1873-1888.DOI： 10.5194/gmd-10-1873-2017 .

，

Jin H J

，

He R X

，

al et

， 2018a.Characteristics of water-heat exchanges and inconsistent surface temperature changes at an elevational permafrost site on the Qinghai-Tibet Plateau［J］.Journal of Geophysical Research： Atmospheres， 123（8）： 10057-10075.DOI： 10.1029/2018jd028298 .

，

Chen B L

，

Lyu S H

，

al et

， 2018b.An improvement of soil temperature simulations on the Tibetan Plateau［J］.Sciences in Cold and Arid Regions， 10（1）： 80-94.DOI： 10.3724/sp.j. 1226.2018.00080 .

，

Fang X W

，

Lyu S H

，

al et

， 2016.Frozen ground temperature trends associated with climate change in the Tibetan Plateau Three River Source Region from 1980 to 2014［J］.Climate Research， 67（3）： 241-255.DOI： 10.3354/cr01371 .

，

Fang X W

，

Lyu S H

，

al et

， 2017a.Improving CLM4.5 simulations of land-atmosphere exchanges during freeze-thaw processes on the Tibetan Plateau［J］.Journal of Meteorological Research， 31（5）： 916-930.DOI： 10.1007/s13351-017-6063-0 .

，

Fang X W

，

Lü S H

，

al et

， 2017b.Interdecadal changes in the freeze depth and period of frozen soil on the Three Rivers Source Region in China from 1960 to 2014［J］.Advances in Meteorology， 2017（5）： 1-14.DOI： 10.1155/2017/5931467 .

，

Lyu S H

，

Zhang Y

， 2009.Development and validation of the frozen soil parameterization scheme in Common Land Model［J］.Cold Regions Science and Technology， 55（1）： 130-140.DOI： /10.1016/j.coldregions.2008.07.009 .

，

Wang J Y

，

Pomeroy J W

，

al et

， 2020.Freeze-thaw changes of seasonally frozen ground on the Tibetan Plateau from 1960 to 2014［J］.Journal of Climate， 33 （21）： 9427-9446.DOI： 10. 1175/JCLI-D-19-0923.1 .

，

Liu Z Y

，

Lu S H

，

al et

， 2013a.Short-term climatic impacts of afforestation in the East Asian monsoon region［J］.Chinese Science Bulletin， 58（17）： 2073-2081.DOI： 10.1007/s11434-012-5661-6 .

，

Luo S Q

，

Guo D L

，

al et

， 2021.Simulated effect of soil freeze-thaw process on surface hydrologic and thermal fluxes in frozen ground region of the Northern Hemisphere［J］.Sciences in Cold and Arid Regions， 13（1）.18-29.DOI： 10.3724/SP.J.1226.2021.20059 .

，

Notaro M

，

Liu Z Y

，

al et

， 2013b.Simulated impacts of afforestation in East China monsoon region as modulated by ocean variability［J］.Climate Dynamics， 41（9-10）： 2439-2450.DOI： 10.1007/s00382-012-1592-9 .

，

Li R

，

Luan L

，

al et

， 2017.Detecting hydrological consistency between soil moisture and precipitation and changes of soil moisture in summer over the Tibetan Plateau［J］.Climate Dynam， 51（2）： 1-12.DOI： 10.1007/s00382-017-3646-5 .

，

Wu X D

，

Zhao Q

，

al et

， 2017.Relict mountain permafrost area （Loess Plateau， China） exhibits high ecosystem respiration rates and accelerating rates in response to warming［J］.Journal of Geophysical Research： Biogeosciences， 122（10）： 2580-2592.DOI： 10.1002/2017jg004060 .

，

Moorberg C J

，

Lundquist J D

，

al et

， 2019.Warming effects of spring rainfall increase methane emissions from thawing permafrost［J］.Geophysical Research Letters， 46（3）： 1393-1401.DOI： 10.1029/2018gl081274 .

，

Wu T H

，

Zhu X F

，

al et

， 2021.Simulation of the present and future projection of permafrost on the Qinghai-Tibet Plateau with statistical and machine learning models［J］.Journal of Geophysical Research： Atmospheres， 126（2）： 0-20.DOI： 10.1029/2020JD033402 .

{{custom_citation.annotation}4}https://doi.org/{{custom_citation.annotation}2}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.annotation}0}{{custom_ref.label}8}本文引用 [{{custom_ref.label}3}]摘要{{custom_ref.label}2} Pearson R G

，

Phillips S J

，

Loranty M M

，

al et

， 2013.Shifts in Arctic vegetation and associated feedbacks under climate change［J］.Nature Climate Change， 3（7）： 673-677.DOI： 10.1038/nclimate1858 .

{{custom_ref.label}1}https://doi.org/{{custom_citation.content}9}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.content}7}{{custom_citation.content}5}本文引用 [{{custom_citation.content}0}]摘要{{custom_citation.doi}9} Piao S L

，

Friedlingstein P

，

Ciais P

，

al et

， 2007.Growing season extension and its impact on terrestrial carbon cycle in the Northern Hemisphere over the past 2 decades［J］.Global Biogeochemical Cycles， 21（3）： n/a-n/a.DOI： 10.1029/2006gb002888 .

，

Krinner G

，

Genthon C

，

al et

， 2004.Role of soil freezing in future boreal climate change［J］.Climate Dynamics， 23（6）： 621-639.DOI： 10.1007/s00382-004-0459-0 .

{{custom_citation.doi}5}https://doi.org/{{custom_citation.doi}3}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.doi}1}{{custom_citation.pmid}9}本文引用 [{{custom_citation.pmid}4}]摘要{{custom_citation.pmid}3} Qin Y

，

Yang D W

，

Gao B

，

al et

， 2017.Impacts of climate warming on the frozen ground and eco-hydrology in the Yellow River source region， China［J］.Science of The Total Environment， 605-606： 830-841.DOI： 10.1016/j.scitotenv.2017.06.188 .

{{custom_citation.pmid}2}https://doi.org/{{custom_citation.pmid}0}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.pmid}8}{{custom_citation.pmid}6}本文引用 [{{custom_citation.pmid}1}]摘要{{custom_citation.pmid}0} Ran Y H

，

Li X

，

Cheng G D

， 2018.Climate warming over the past half century has led to thermal degradation of permafrost on the Qinghai-Tibet Plateau［J］.The Cryosphere， 12（2）： 595-608.DOI： 10.5194/tc-12-595-2018 .

{{custom_citation.url}9}https://doi.org/{{custom_citation.url}7}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.url}5}{{custom_citation.url}3}本文引用 [{{custom_citation.url}8}]摘要{{custom_citation.url}7} Richardson A D

，

Keenan T F

，

Migliavacca M

，

al et

， 2013.Climate change， phenology， and phenological control of vegetation feedbacks to the climate system［J］.Agricultural and Forest Meteorology， 169： 156-173.DOI： 10.1016/j.agrformet.2012.09.012 .

{{custom_citation.url}6}https://doi.org/{{custom_citation.url}4}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.url}2}{{custom_citation.url}0}本文引用 [{{custom_ref.citedCount>0}5}]摘要{{custom_ref.citedCount>0}4} Rodell M

，

Famiglietti J S

，

Wiese D N

，

al et

， 2018.Emerging trends in global freshwater availability［J］.Nature， 557（7707）： 651-659.DOI： 10.1038/s41586-018-0123-1 .

{{custom_ref.citedCount>0}3}https://doi.org/{{custom_ref.citedCount>0}1}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citationIndex}9}{{custom_citationIndex}7}本文引用 [{{custom_citationIndex}2}]摘要{{custom_citationIndex}1} Shen M G

，

Piao S L

，

Jeong S-J

，

al et

， 2015.Evaporative cooling over the Tibetan Plateau induced by vegetation growth［J］.Proceedings of the National Academy of Sciences， 112（30）： 9299-9304.DOI： 10.1073/pnas.1504418112 .

{{custom_citationIndex}0}https://doi.org/{{custom_ref.citationList}8}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_ref.citationList}6}{{custom_ref.citationList}4}本文引用 [{{custom_ref.id}9}]摘要{{custom_ref.id}8} Shrestha P

，

Kurtz W

，

Vogel G

，

al et

， 2018.Connection between root zone soil moisture and surface energy flux partitioning using modeling， observations， and data assimilation for a temperate grassland site in Germany［J］.Journal of Geophysical Research Biogeosciences， 123（9）： 2839-2862.DOI： 10.1029/2016JG003753 .

{{custom_ref.id}7}https://doi.org/{{custom_ref.id}5}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_ref.id}3}{{custom_ref.id}1}本文引用 [{{custom_ref.citedCount}6}]摘要{{custom_ref.citedCount}5} Swann A L

，

Fung I Y

，

Levis S

，

al et

， 2010.Changes in Arctic vegetation amplify high-latitude warming through the greenhouse effect［J］.Proceedings of the National Academy of Sciences， 107（4）： 1295-1300.DOI： 10.1073/pnas.0913846107 .

{{custom_ref.citedCount}4}https://doi.org/{{custom_ref.citedCount}2}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_ref.citedCount}0}{{custom_citation.annotation}8}本文引用 [{{custom_citation.annotation}3}]摘要{{custom_citation.annotation}2} Tarnocai C

，

Canadell J G

，

Schuur E A G

，

al et

， 2009.Soil organic carbon pools in the northern circumpolar permafrost region［J］.Global Biogeochemical Cycles， 23， GB2023， DOI： 10.1029/2008GB003327 .

{{custom_citation.annotation}1}https://doi.org/{{custom_fund}9}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_fund}7}{{custom_fund}5}本文引用 [{{custom_fund}0}]摘要{{custom_citation.annotation}} Trenberth K E

，

Fasullo J T

，

Kiehl J

， 2009.Earth's global energy budget［J］.Bulletin of the American Meteorological Society， 90： 311-324.DOI： 10.1175/2008bams2634.1 .

，

Beljaars A

，

Mahfouf J F

，

al et

， 1999.The representation of soil moisture freezing and its impact on the stable boundary layer［J］.Quarterly Journal of the Royal Meteorological Society， 125： 2401-2426.DOI： 10.1002/qj.49712555904 .

，

Bai W

，

Li N

，

al et

， 2010.Climate changes and its impact on tundra ecosystem in Qinghai-Tibet Plateau， China［J］.Climatic change， 106： 463-482.DOI： 10.1007/s10584-010-9952-0 .

，

Yang D W

，

Fang B J

，

al et

， 2019.Data-driven mapping of the spatial distribution and potential changes of frozen ground over the Tibetan Plateau［J］.Science of the Total Environment， 649： 515-525.DOI： 10.1016/j.scitotenv.2018.08.369 .

，

Cui E Q

，

Huang K

，

al et

， 2019.Decadal stabilization of soil inorganic nitrogen as a benchmark for global land models［J］.Journal of Advances in Modeling Earth Systems， 11： 1088-1099.DOI： 10.1029/2019ms001633 .

，

Guo J

，

Han B S

，

al et

， 2009.The effect of climate warming and permafrost thaw on desertification in the Qinghai-Tibetan Plateau［J］.Geomorphology， 108： 182-190.DOI： 10.1016/j.geomorph.2009.01.004 .

，

Wang C H

， 2019.Water storage effect of soil freeze-thaw process and its impacts on soil hydro-thermal regime variations［J］.Agricultural and Forest Meteorology， 265： 280-294.DOI： 10.1016/j.agrformet.2018.11.011

，

Guo H D

，

Wang C Z

，

al et

， 2014.The long-term trends （1982-2006） in vegetation greenness of the alpine ecosystem in the Qinghai-Tibetan Plateau［J］.Environmental Earth Sciences， 2014， 72： 1827-1841.DOI： 10.1007/s12665-014-3092-1 .

，

Zhao L

，

Sheng Y

，

al et

， 2017.A new map of permafrost distribution on the Tibetan Plateau［J］.The Cryosphere， 11（6）： 2527-2542.DOI： 10.5194/tc-11-2527-2017 .

程国栋，赵林，李韧，等， 2019.青藏高原多年冻土特征、变化及影响［J］.科学通报， 64（27）： 2783-2795.DOI： 10.1360/TB-2019-0191 .

丁明军，张镱锂，孙晓敏，等， 2012.近10年青藏高原高寒草地物候时空变化特征分析［J］.科学通报， 57（33）： 3185-3194.DOI： 10.1007/s11434-012-5407-5 .

冯晓玙，黄斌斌，李若男，等， 2020.三江源区生态系统和土壤保持服务对未来气候变化的响应特征［J］.生态学报， 40（18）： 6351-6361.DOI： 10.5846/stxb201903300617 .

耿晓平，李红梅，申正涛，等， 2019.三江源区气候变化及其对草地植被的影响分析［J］.青海科技， 26（4）： 83-87.

韩炳宏，周秉荣，赵恒和，等， 2019.三江源区草地植被返青及其与气候因子的关系［J］.生态学报， 39（15）： 5635-5641.DOI： 10.5846/stxb201808091691 .

黄文洁， 2019.青藏高原高寒草地植被物候及其对气候变化的响应［D］.兰州：兰州大学， 1-67.

{{custom_citation.content}}https://doi.org/{{custom_citation.doi}}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.pmid}}{{custom_citation.url}}本文引用 [{{custom_ref.citedCount}}]摘要{{custom_citation.annotation}}{{custom_citation.content}}https://doi.org/{{custom_citation.doi}}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.pmid}}{{custom_citation.url}}本文引用 [{{custom_ref.citedCount}}]摘要{{custom_citation.annotation}}{{custom_citation.content}}https://doi.org/{{custom_citation.doi}}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.pmid}}{{custom_citation.url}}本文引用 [{{custom_ref.citedCount}}]摘要{{custom_citation.annotation}}{{custom_citation.content}}https://doi.org/{{custom_citation.doi}}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.pmid}}{{custom_citation.url}}本文引用 [{{custom_ref.citedCount}}]摘要{{custom_citation.annotation}}{{custom_citation.content}}https://doi.org/{{custom_citation.doi}}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.pmid}}{{custom_citation.url}}本文引用 [{{custom_ref.citedCount}}]摘要{{custom_citation.annotation}}{{custom_citation.content}}https://doi.org/{{custom_citation.doi}}https://www.ncbi.nlm.nih.gov/pubmed/{{custom_citation.pmid}}{{custom_citation.url}}本文引用 [{{custom_ref.citedCount}}]摘要{{custom_citation.annotation}}

李英年，沈振西，周华坤， 2001.寒冻雏形土不同地形部位土壤湿度及其与主要植被类型的对应关系［J］.山地学报， 19 （3）： 220-225.DOI： 1008-2786（2001）03-0220-06 .

刘世梁，孙永秀， 2021.基于多源数据的三江源区生态工程建设前后草地动态变化及驱动因素研究［J］.生态学报， 41（10）： 3865-3877.DOI： 10.5846/stxb2020006301699

刘亚， 2017.基于MODIS植被指数的三江源植被物候变化及其对气候变化的响应［D］.南昌：华东理工大学， 1-64.

罗栋梁，金会军，何瑞霞，等， 2014.黄河源区植被对活动层温度和水分的影响［J］.地球科学（中国地质大学学报）， 39（4）： 421-430.DOI： 10.3799/dqkx.2014.040 .

罗谨，王军邦，杨永胜，等， 2021.1991—2015年三江源河曲高寒草甸干湿状况及牧草产量变化的气候归因研究［J］.冰川冻土， 43（5）： 1542-1550.

朴世龙，张宪洲，汪涛，等， 2019.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， 64（27）： 2842-2855.DOI： 10. 1360/TB-2019-0074 .

秦大河， 2014.三江源区生态保护与可持续发展［M］.北京：科学出版社， 240-249.

苏小艺，陈克龙， 2019.2005～2015年三江源国家公园植被覆盖度动态变化研究［J］.青海草业， 28（1）： 20-23.

唐见，曹慧群，陈进， 2019.生态保护工程和气候变化对长江源区植被变化的影响量化［J］.地理学报， 74（1）： 76-86.DOI： 10. 11821/dlxb201901006 .

王根绪，宜树华， 2019.冰冻圈变化的生态过程与碳循环影响［M］.北京：科学出版社.

王绍令，赵秀锋， 1997.青藏公路南段岛状冻土区内冻土环境变化［J］．冰川冻土， 19（3）： 231-238.

王欣，晋锐，杜培军，等， 2018.青藏高原地表冻融循环与植被返青期的变化趋势及其气候响应特征［J］.遥感学报， 22（3）： 508-520.DOI： 10.11834/jrs.20187153 .

吴青柏，沈永平，施斌， 2003.青藏高原冻土及水热过程与寒区生态环境的关系［J］.冰川冻土， 25（3）： 250-255.

徐嘉昕，房世波，张廷斌，等， 2020.2000—2016 年三江源区植被生长季NDVI变化及其对气候因子的响应［J］.国土资源遥感， 32（1）： 237-246.DOI： 10.6046 /gtzyyg.2020.01.32 .

袁九毅，闫水玉，赵秀锋，等， 1997.唐古拉山南麓多年冻土退化与蒿草草甸变化的关系［J］.冰川冻土， 25（1）： 47-56.

张镱锂，刘林山，王兆锋，等， 2019.青藏高原土地利用与覆被变化的时空特征［J］.科学通报， 64（27）： 2865-2875.DOI： 10.1360/TB-2019-0046 .

赵昶昱， 2017.欧亚陆地表层热含量的异常变化特征及其与东亚夏季风降水的可能联系［D］．南京：南京信息工程大学， 1-132.

朱宇蓉，徐开宇，付永超，等， 2018.三江源地区1961～2017年冻土变化特征及影响［J］.青海科技， 25（6）： 73-76.

基金

国家自然科学基金项目(U20A2081)

第二次青藏高原综合科学考察研究项目(2019QZKK0105)

中国科学院“西部之光”交叉团队项目(xbzg-zdsys-202102)

甘肃省科技计划项目(20JR10RA070)

2023数模国赛C 题蔬菜类商品的自动定价与补货决策

蔬菜类商品价格与货量的非线性规划分析

热点分享

家庭养花知识大全(家庭养花知识大全与技巧)

养花常识养花技巧 1.浇花 ①残茶浇花残茶用来浇花,既能保持土...

养花知识大全,养花技巧大全

养花知识绿萝是一种很常见的盆栽植物，因为四季翠绿、养护简单...

推荐分享

家庭养花风水知识家庭养花“五行说”

许多人喜欢在家庭里面养花，但不是很了解家庭养花风水知识。居家...

家庭养花知识大全家庭养花有什么好处

家庭养花知识大全家庭养花有什么好处爱花之人总是喜欢在家里...

热门点击排行

世界上最名贵的10种兰花图片，莲瓣兰价值高达1500万

花的意思,花的解释,花的拼音,花的部首,花的笔顺

分享分类导航

花卉

每日分享

花卉图片

养花生活

Review and Prospects of Frozen Soil

1 引言

2 三江源冻土、 植被特征及变化

3 冻土-植被相互作用

4 冻土、 植被变化的气候效应

5 冻土-植被相互作用及气候效应研究展望

{{custom_ref.citedCount>0}9}

基金

2023数模国赛C 题 蔬菜类商品的自动定价与补货决策

蔬菜类商品价格与货量的非线性规划分析

家庭养花知识大全(家庭养花知识大全与技巧)

养花知识大全,养花技巧大全

家庭养花风水知识 家庭养花“五行说”

家庭养花知识大全 家庭养花有什么好处

2 三江源冻土、植被特征及变化

4 冻土、植被变化的气候效应

2023数模国赛C 题蔬菜类商品的自动定价与补货决策

家庭养花风水知识家庭养花“五行说”

家庭养花知识大全家庭养花有什么好处