陸地水資源變化對變暖的響應及其影響因素

高艷紅 張萌 劉偉

摘要 “干更干、濕更濕”變化范式為理解氣候干濕變化提供了一個簡化模板。然而，這一范式僅能有效描述受海洋變化影響的全球平均結果。陸地上水資源變化的影響因素眾多，存在很大的不確定性，地形復雜地區尤其如此，目前尚未找到高度概括其時空變異規律的方法。本研究總結了全球陸地，尤其是高海拔地區的水資源變化的研究進展，對比了全球氣候模式和區域氣候模式預估結果的差異，揭示了陸地水資源對變暖的響應機理，并分析了影響陸地水資源變化的主要地表和人類活動因素;提出陸面過程的精確描述以及地表水熱狀況及其非均勻性的高分辨率精細刻畫和模擬，可以為氣候系統提供更準確的下邊界條件，進而提高地形復雜區域降水空間分布的模擬性能，為陸地尤其是高海拔山區的水資源及其變化研究奠定基礎。

關鍵詞陸地;水資源變化;高海拔地區;變暖

水是人類賴以生存不可或缺的物質，在人類文明發展史中始終扮演著舉足輕重的角色，淡水資源的多寡和豐枯往往與地區經濟狀況和人類文明演替息息相關。地球雖然又被稱為“水球”，但是其大部分的儲水量無法直接被人們生產和生活所利用。地球表面約71%面積被水體覆蓋，然而淡水資源僅占總水量的2.5%（Shuttleworth，2012）;在這極少的淡水資源中，又有70%以上被凍結在南極和北極的冰蓋中，加上高山冰川和永凍積雪，共有87%的淡水資源難以被開采。目前人類能夠利用的淡水資源是江河湖泊和淺層地下水中的一部分，只占地球總水量的0.26%。再者，地球淡水資源不僅短缺而且地區分布極不平衡。以我國為例，遠離水汽源地的西北干旱半干旱區人民主要依靠冰雪融水維持綠洲灌溉和生存。華北等人口稠密、人均水資源嚴重不足的地區需要南水北調等工程補充生產生活用水。因此，厘清陸地水資源時空分布和對變暖的響應對布局工農業生產、引導缺水地區人口遷移乃至修建人造地球工程緩解水資源壓力具有重大意義。

1 全球陸地水資源變化及對變暖的響應

陸地水資源以地表水、地下水、湖泊、河川、積雪、凍土、冰川等方式存在，由于其提供了人類生產生活中的絕大部分用水，因而一直以來備受關注（Oki and Kanae，2006）。陸地水循環主要分為降水（P）、蒸發（E）、入滲、地表徑流、地下徑流等環節（Trenberth et al.，2007）。在不考慮地下深層水體等慢變過程的前提下，全球多年平均的水循環可以視為平衡態，即land-land=ocean-ocean（Lorenz and Kunstmann，2012）。因此，長期水資源的變化可用降水與蒸發之差，即P-E的變化來表示。

工業革命以來CO2等溫室氣體的大量排放，將人類推向了以增暖為主要特征的全球氣候變化軌道中。根據Clausius-Clapeyron方程，氣溫每升高1 ℃，大氣中的水汽含量上升7%左右。基于此，Held and Soden（2006）提出了著名的“干更干、濕更濕”理論。該理論認為P-E的變化正比于P-E本身：隨著氣溫逐漸升高，P-E小于0的干旱區由于P-E的變化為負值，所以變得更干，而P-E大于0的濕潤區則會變得更濕。全球而言，熱帶和中高緯度地區P-E增加，副熱帶Hadley環流下沉支控制地區P-E減少的緯向平均結果確實大體符合這一假設。變暖的區域差異導致的平均環流變化是全球干濕變化范式的主導因素（Held and Soden，2006;Seager et al.，2007;Gao et al.，2012）。然而，如果將陸地同海洋分開看就會發現，多年陸地緯向平均的P-E均大于0，但P-E的變化卻有正有負，明顯不符合假設。此外，一些學者還利用多種資料分析了全球陸地變干和變濕的面積比例，與氣候平均態的干濕分區相結合，發現“干更干、濕更濕”理論不能很好地描述陸地水資源的變化，并從理論層面給出了解釋（Greve et al.，2014;Roderick et al.，2014;Byrne and OGorman，2015）。

Rodericket al.（2014）利用20C3M（CMIP3 archive for the 20th century simulations）模擬資料得出的1970—1999年全球陸地降水和蒸發的氣候平均態分別為775和542 mm/a。Trenberth et al.（2011）分析了1990—2008年全球陸地P-E的變化情況，認為陸地水資源總體呈現波動增加態勢。這一結果與Lorenz and Kunstmann（2012）基于較為全面的再分析資料和前人的研究成果得出的結論一致。從空間分布變化看，總體上陸地P-E的變化幅度小于海洋，青藏高原和中南半島北部、赤道非洲和南美洲北部地區變化幅度較為顯著（Trenberth et al.，2007）。

未來排放情景下，全球平均“干更干、濕更濕”變化趨勢將進一步加劇（Seager et al.，2007），然而陸地范圍內變化卻并非如此（Byrne and OGorman 2015;Zhou et al.，2021）。基于CMIP5多模式集合平均結果，Greve and Seneviratne（2015）繪制了在RCP8.5高排放情景下21世紀末的全球陸地P-E相對于20世紀末的變化。P-E增加的區域主要位于北半球中高緯和南極大陸，并且大部分通過了顯著性檢驗。而P-E減少的地區占據了南北緯45°之間的大多數面積，但減幅較微弱。從模式預估結果看，較大幅度的升溫并沒有導致陸地范圍P-E出現相應的劇烈變化，這種非線性關系也體現了陸地水資源變化的復雜性。最近，Zhou et al.（2021）研究指出土壤濕度的反饋機制有效減緩了全球陸地P-E的變化。

地表徑流是陸地水資源不可或缺的組成部分。Dai and Trenberth（2002）估算全球陸地徑流量為（37 288±662） km3·a-1，相當于35%的陸地降水量。值得注意的是，在利用不同數據計算得出的年徑流量大體一致的前提下，區域尺度上由不同陸地區域向各大洋輸送的水量差異較大。上述問題表明現今全球氣候模式能夠大體模擬出能量和水量平衡的主要特征，但在區域尺度存在很大不確定性。這種區域尺度的差異往往會被掩蓋在較好的全球平均結果中，妨礙模式對水循環的精準描述和對陸地水資源各項的估算。而基于區域氣候模式的降尺度方法是精細刻畫區域尺度水循環的有效武器，可以彌補全球氣候模式“抓大放小”的不足。

2 高海拔山區水資源變化

高海拔山區盡管占整個全球陸地面積的比重較小，人口密度不大，卻是諸多大江大河的發源地，充沛的淡水資源為人類和其他生物的生息發展提供了必要保障（Beniston et al.，1997），影響著全球19億人口的用水安全（Immerzeel et al.，2020）。變暖引發了一系列以雪線上移和冰川退縮為代表的地表環境變化，改變了高海拔山區水資源的儲量、空間分布和與之相適應的生態系統。進而深刻影響了全球水循環和水資源配置。

高海拔山區的地理位置和氣候區劃不同，局地地形地貌各異（圖1），但共同特點是較小水平范圍內劇烈的垂直梯度變化（Barry，2008;Pepin and Lundquist，2008;Pepin et al.，2015;Minder et al.，2018）。由于覆蓋面積有限，這種強烈的局地非均勻分布往往難以通過大尺度環流準確捕捉，因此，高海拔山區水資源及其變化很難用全球氣候模式準確模擬和預估（Beniston，2003），需要開展降尺度研究。氣象要素的降尺度通常有兩種方式：統計降尺度和動力降尺度。統計降尺度的準確性依賴于觀測數據。受制于客觀條件高海拔山區往往觀測稀少，限制了統計降尺度的使用，所以基于區域氣候模式的動力降尺度成為獲得高海拔山區準確氣象要素的有效途徑（Giorgi and Francisco，2000;Gao et al.，2006，2011b;Gao and Chen 2017;Walton et al.，2020）。下文將分區域回顧對高海拔山區水資源及其變化的研究工作。

2.1 亞洲——以青藏高原為例

亞洲中部坐落著“世界屋脊”——青藏高原。青藏高原由于獨特的地理位置和地形地貌，對北半球乃至全球氣候都發揮著巨大作用（Xu et al.，2008;Zhou et al.，2009）。青藏高原是亞洲諸多大江大河的發源地，水資源總量占我國的22.71%。觀測資料顯示近幾十年來青藏高原正在經歷顯著的氣候和環境變化，主要特征為變暖（Liu et al.，2006;Gao et al.，2014;Duan and Xiao，2015;Liu and Chen，2015;Gao et al.，2018b）、變濕（Gao et al.，2014，2015d）、風速減弱（You et al.，2010;Li et al.，2018）和湖泊擴張（Lei and Yang，2017;Zhang et al.，2017）。這種形式的氣候變化引發了高海拔冰凍圈系統、生態系統、以及生物多樣性的重大轉變（姚檀棟等，2015）。全球氣候模式預估青藏高原的暖濕化將在21世紀末進一步加強（張人禾等，2015）。

然而，常被當作觀測資料使用的全球主流再分析資料（NCAR/NCEP、NCAR/DOE、ERA-40、ERA-Interim）對青藏高原水資源變化的描述差異極大，尤其是NCAR/NCEP甚至表現出減小的趨勢（Gao et al.，2014）。四套再分析資料中，ERA-Interim對青藏高原氣溫變化（Wang and Zeng，2012）和水資源變化（Gao et al.，2014）的描述與觀測資料較為接近，但是空間分布非常均勻，不能描繪高海拔山區和平原區的差異。為了分析青藏高原的水資源變化，Gao et al.（2014，2018a）使用ERA-Interim作為驅動數據，率先開展了青藏高原動力降尺度研究。發現相比于大尺度驅動數據，動力降尺度能更準確模擬青藏高原隨海拔分布的變暖特征和水資源變化的空間分布特征（Gao et al.，2015a，2015b）。地表非均勻動力和熱力差異是導致二者預估結果不同的重要因素（Gao et al.，2017;Zhang et al.，2019）。

高分辨率的動力降尺度模擬比低分辨率的全球氣候模擬模式能更準確地模擬了高海拔山區水資源分布和變化特征。這源于一方面，由于分辨率的提高可以更好地識別地形和地表覆蓋的非均勻性，準確表述地表動力和熱力非均勻性。另一方面，相比全球氣候模式，區域氣候模式會采用更適合中小尺度的動力物理框架和參數化方案過程，可以更準確模擬中小尺度天氣/氣候過程。而在地形復雜區域中小尺度天氣/氣候過程的模擬中，地表動力和熱力非均勻性的準確表述有著重要作用。

2.2 北美洲——以落基山脈為例

位于美國西南部的科羅拉多河，發源于科羅拉多州的落基山脈。上游落基山區主要為高山氣候，海拔較高，氣候寒冷，年均降水量400～500 mm。下游處于半干旱至干旱氣候區，部分地區年降水量低于100 mm。面積不足25%的上游區域供給著流域78%的水源，支撐著下游干旱半干旱氣候區的農業生產（Cayan et al.，2008;Seager et al.，2015）。流域水資源供需矛盾一直是加利福尼亞州水安全管理的重中之重（Cook et al.，2004;Council，2007;Vano et al.，2014）。全球氣候模式預估該流域在未來排放情景下的徑流量減少超過80%，甚至可能進入超強干旱狀態（Christensen et al.，2004;Milly et al.，2005;Christensen and Lettenmaier，2007;Seager et al.，2007）。

然而，Hoerling et al.（2009）使用觀測資料校準后的全球氣候模式預估結果，利用0.125°水平分辨率的水文模型VIC（Variable Infiltration Capacity），預估科羅拉多河流域21世紀末徑流量只減少6%，遠小于直接使用全球氣候模式預估的結果。以上差異引發一個問題：對水資源變化的預估結果是否與模式的水平分辨率有關？基于對這一問題的思考，Lettenmaier教授團隊分析了多組全球氣候模式和全球氣候模式模擬驅動的動力降尺度結果，研究了科羅拉多河流域水資源變化及其對變暖的響應，發現動力降尺度預估的流域水資源對變暖的響應小于全球氣候模式預估（Gao et al.，2011a）。具體來說，動力降尺度模擬與全球模式的預估在平原區基本一致。但是在流域上游，動力降尺度的確反映出與全球氣候模式不一樣的特征：動力降尺度更準確模擬高海拔區域（>2 250 m）的積雪分布狀況和氣溫隨高度遞減的特征，而小尺度地形在全球氣候模式中由于其較粗的分辨率不能被識別出來，這一區別導致了二者不同的預估結果。從大氣水循環角度，近地層中小尺度非均勻性導致的湍流機制是導致二者預估結果不同的重要因素（Gao et al.，2012）。

歐洲和南美洲——以阿爾卑斯山和安第斯山為例。相對于青藏高原和落基山脈，阿爾卑斯山海拔高度較低，觀測資料相對豐富（Beniston et al.，1997）。觀測顯示，阿爾卑斯山區的變暖趨勢呈現極大的空間差異性。日最低溫度呈現強烈的變暖海拔增大的特征，尤其是冬季夜間的變暖更為顯著，但是，日最高溫度卻不同，呈現低海拔區域變暖，而高海拔山區變冷的分布特征（García-Ruiz et al.，2011;Rangwala and Miller，2012;Gobiet et al.，2014;Beniston et al.，2018）。然而，早期的氣候模式模擬都僅模擬出隨海拔分布的變暖特征，未能模擬出最高溫度的變化（Giorgi et al.，1997）。盡管如此，與其他高海拔山區一致，阿爾卑斯山生態系統和冰凍圈整體呈現冰凍圈后撤和植被向上擴張的格局（García-Ruiz et al.，2011;Gobiet et al.，2014;Abbate et al.，2020）。相比全球氣候模式，區域氣候模式對高海拔山區的模擬優勢得到很好的體現（Giorgi et al.，1997;Ban et al.，2014;Torma et al.，2015;Prein et al.，2016）。

與北半球中緯度山脈不同，安第斯山脈從南美洲北部一直延伸到歐洲大陸（11°N～53°S）（Espinoza et al.，2020），其特點是生態系統的多樣性。Ames監測發現1932—1994年安第斯山冰川呈現退縮現象（Rangwala and Miller，2012）。但是溫度變化隨海拔分布特征并不一致。Gaffen et al.（2000）發現安第斯山脈對流層溫度卻呈現不變或者略微減小趨勢;Vuille and Bradley（2000）發現盡管對流層溫度呈現變冷趨勢，安第斯山地表溫度呈現變暖特征，但是變暖速率隨海拔成減小趨勢，只有在1 000～2 500 m高度的東向坡面出現變暖速率隨海拔高度增加而增大。數值模擬研究發現即使幾十公里分辨率的動力降尺度仍然不能很好地模擬安第斯山脈復雜的多樣性特征（Pabón-Caicedo et al.，2020）。

對比高海拔山區與平原區可以發現，平原區水資源變化體現在環流變化導致降水的變化，而高海拔地區水資源變化更多體現在固態水資源對溫度變化的響應，例如，溫度升高，樹線和雪線上升，地表反照率減小，進一步加劇原雪線位置溫度的升高，這一正反饋機制，形成了5 000 m高度的最大變暖速率（Gao et al.，2018b）。同時，由于高海拔山區很小水平距離內劇烈的垂直梯度變化，相比站點插值以及粗分辨率的全球氣候模式，高分辨率動力降尺度模擬可以更準確再現高海拔山區的水資源變化（Gao et al.，2018b）。

3 陸表單元對陸地水資源的影響

陸地表面分布著各種地表單元，例如，土壤（裸土、沙漠）以及覆蓋其上的植被生態系統（草地、森林、農田、灌木、稀疏植被等）和冰凍圈系統（積雪、凍土、冰川）、水體（湖泊、水庫等），這些地表單元的地球物理和地球生物化學過程，通過影響地表水熱過程，進而影響區域降水以及地表水資源，人類活動（城市化、灌溉、植樹種草、森林砍伐等）則以突變的方式改變地表單元，影響水資源。

地表單元通過地表與大氣間能量和物質交換對區域氣候和水循環產生影響。水分交換是陸-氣相互作用的重要地球物理過程。一個區域的蒸發對該區域降水的貢獻被稱為內循環降水，內循環降水率即本地蒸發產生的降水與總降水量的比值，常用來表征陸-氣間水循環的耦合強度（Goessling and Reick，2011;Gimeno et al.，2012;van der Ent et al.，2013;Xu and Gao，2019;Dominguez et al.，2020;Gao et al.，2020b）。

諸多研究表明，陸面過程模擬的準確性是準確認知地球系統圈層相互作用的基礎（Trier et al.，2004;Chen and Zhang，2009;Kumar et al.，2014）。經歷了幾十年的發展，陸面過程模式已經可以描述地表主要的地球物理和地球化學過程，但是在高海拔山區的模擬仍然存在較多問題。改進陸面過程模式，提高其在高海拔地區的模擬性能成為水資源變化研究的努力方向（Beniston et al.，2018）。下面列舉一些陸面過程模式物理過程研發，尤其是青藏高原的最新進展。

3.1 土壤和植被

土壤和植被是陸地系統的重要載體，是地表蒸散發計算的直接參與者。其中，地表反照率是影響地表能量收支的關鍵要素（Wang et al.，2005）。最初的數值模式中采用全球均一的地表反照率，隨著遙感監測數據的日益豐富和研究的逐步深入，研究人員發現地表反照率是土壤粒徑、顏色、濕度、以及植被類型、生物量等地表特征的綜合體現。一系列地表特征數據被引入陸面過程模式，更真實模擬地表反照率，提高地表能量平衡模擬性能（Dai et al.，2013）。

土壤濕度是影響地表蒸散發的關鍵要素（Seneviratne et al.，2013）。Koster et al.（2004）基于16個全球陸地-大氣耦合試驗模式，揭示北美中部大平原、赤道非洲的薩赫勒和印度是全球陸氣耦合強度最高的地區，其次是南美，中亞和中國。同樣基于全球陸地-大氣耦合試驗結果，Zhou et al.（2021）在研究中發現，土壤濕度的反饋機制有效減緩了全球陸地干旱、半干旱區未來水資源（P-E）的減小。同時指出，現代全球氣候模式中陸氣相互作用過程的模擬性能有待進一步提高。

植被對近地層動量、能量和質量平衡和交換有重要影響。植被冠層通過摩擦力減小近地面風速;通過反射、散射、折射影響地表輻射平衡;通過截留降水、植被蒸騰影響水循環;通過光合作用改變碳、氮通量（Dai et al.，2003;Lawrence et al.，2020）。近期研究表明，植被根系的影響也不容忽視。Gao et al.（2015c）發現陸面過程模式中考慮根系影響，顯著改善青藏高原表層土壤濕度模擬普遍偏低的難題。Niu et al.（2020）在陸面過程模式中Noah-MP中考慮根生長的動態水分吸收過程，提高模式生態系統對干旱的彈性。

3.2 冰凍圈

全球變暖背景下，冰凍圈的變化受到高度關注。例如，青藏高原冰凍圈水資源呈現“失穩”現象。冰凍圈水資源大多位于高海拔地區，觀測資料稀少成為制約冰凍圈環境變化研究的瓶頸。改進氣候模式中的冰凍圈過程，更準確模擬高海拔地區氣候成為明晰陸地水資源變化對變暖響應研究的有效途徑。

經過科研人員長期不懈的努力，現代氣候模式已經基本具備了陸地冰雪過程對氣候影響響應機理的模擬能力（Yang et al.，1997;Xue et al.，2003;Chen et al.，2014），相比站點插值產品和全球氣候模式，耦合先進陸面過程方案的區域氣候模式（例如Weather Research and Forecasting model，WRF）能夠更好地再現觀測到的隨海拔分布的變暖特征（Gao et al.，2018b）。但是，模式中冰雪過程的參數化方案大多基于高緯度深厚積雪覆蓋地區的觀測數據建立，而位于中緯度的青藏高原積雪淺薄，生命期短（Jiang et al.，2019），模式中原有積雪參數化方案的使用導致積雪覆蓋度有25%左右的高估（Jiang et al.，2020）。最新研究改進了青藏高原積雪模型，有效減小了青藏高原區域氣候模擬中強烈的冷偏差（Gao et al.，2020a;Jiang et al.，2020）。

3.3 湖泊

湖泊擴張和數量增多也是青藏高原環境對變暖響應的一個重要特征。湖泊的區域氣候效應是區域氣候研究的重要內容。然而，在以往的氣候模擬中，由于模式分辨率較粗，只有較大面積湖泊才能被識別。近年來，隨著遙感監測能力的提高，較小湖泊以及湖泊面積變化也可以被精確監測。同時，隨著氣候模式分辨率的逐步提高，青藏高原湖泊群的氣候效應受到了前所未有的關注。

氣候模式中湖表溫度的處理有兩種方式，傳統的處理方式是將湖泊作為水體，使用最近點的海面溫度作為湖泊表面溫度。近年來，湖泊模式得以發展并與區域氣候模式耦合，可以更準確地模擬湖泊表面溫度和湖泊的氣候效應。由于湖泊的位置、大小、形態、深淺、、周邊地形地貌等都對湖泊表面溫度有顯著影響，每個湖泊各具特色。因此，通用的湖泊模式還存在較大的不確定性，預設湖泊表面溫度方法因其簡單、實用仍被廣泛使用。

最近Gao et al.（2020b）研究發現，由于最近點海溫遠高于青藏高原地表溫度，將其作為高原的湖表溫度會激發極強的湖氣相互作用，導致湖區降水的高估，成為青藏高原區域氣候模擬濕偏差的重要原因。而使用氣溫和觀測的湖氣溫差改進的湖表溫度可以更準確模擬高原湖泊的氣候效應。

3.4 人類活動

城市化、森林砍伐、農作物種植/灌溉/收割、退耕還林、水利工程建設等人類活動以直接改變土地利用和地表覆蓋類型的形式，對區域氣候和可用水資源產生影響。城市道路使用不透水層，建筑物使用反光玻璃，改變了地表水循環系統和能量分配。森林砍伐、退耕還林還草、農作物種植等改變了地表輻射平衡和地表粗糙度，對地表能量、水分、動量交換都有顯著影響。水利工程對水資源的影響也不容忽視。早期的陸面過程僅考慮地表與大氣之間能量和水分垂直方向的交換，不考慮地表和土壤水分的水平流動。隨著模式水平分辨率的提高，匯流過程對土壤濕度，進而對土壤蒸發的影響日益受到重視，不同復雜程度的匯流過程方案陸續加入陸面過程模式（Gao et al.，2004）。

人類已通過土地使用、河流改道、土壤成分改變、水資源利用等方式使深刻改造了地球環境，并通過工業化進程排放溫室氣體，影響了大氣成分，引發了全球氣候變化。千禧年人類世的提出說明人類活動對地球環境影響力增強的論點得到了大多數學者的支持（Elhacham et al.，2020）。人類活動對氣候系統的影響在模式中多采用輻射外強迫的形式體現，而非以物理過程的方式耦合在陸面過程模式，進而氣候模式中。未來陸面過程模式的研發需要進一步完善人類活動產生的相關影響。

4 結論

陸地是人類賴以生存的家園，水資源是人類文明演替的基石。作為重要的水源地，高海拔地區的水資源對變暖的響應尤其會引起各個國家和國際社會的高度關注。本研究回顧了陸地水資源對變暖的響應，總結了高海拔地區的水資源變化，進一步探討了陸面過程對高海拔地區水資源的影響。

受全球變暖的影響，全球水資源呈現“干更干、濕更濕”的變化范式，變暖的區域差異導致的平均環流變化是全球干濕變化范式的主導因素。但這一范式主要受海洋主導，陸地表面高度地形和土地利用類型的高度非均勻分布，使得陸地水資源呈現更為復雜的高度非均勻分布，同時，各種數據對陸地水資源變化的也表現出極大的不確定性。

氣候模式預估的結果顯示，21世紀末科羅拉多河流域P-E變化符合“干更干、濕更濕”范式，而青藏高原水資源變化則不符合這一范式。基于動力降尺度的高分辨率模擬能更準確分辨高海拔山區的地表特征和冰凍圈積雪分布，其預估結果與全球氣候模式預估方向一致，但P-E對變暖的響應程度有所降低。動力降尺度和全球氣候模式預估結果的不同源于地表熱動力狀況是否非均勻分布的模擬差異。

陸地水資源變化顯著地受到陸面過程的影響。在高海拔山區，土壤、植被過程與冰凍圈過程相互交織，使得水熱變化更為復雜。另外，冰川、積雪融水直接導致水體水量的增多和面積的增大，極大地改變了水循環。全球氣候模式難以分辨山區地表特征，陸面物理過程也存在不足。因此，采用高分辨率地表數據，改進典型下墊面的陸面物理過程和參數化方案，是準確預估高海拔山區水資源對變暖響應研究的重要手段。

5 討論

近些年觀測站點和探空資料的加密、衛星遙感的大規模應用、模式物理框架和參數化方案的改進、同化技術的進步都對研究數據廣度和精度的提升做出了貢獻。然而，數據來源的不確定性仍是目前陸地水資源變化研究的主要障礙之一。體現在各套降水和蒸發數據之間的差異較大，尤其是缺少直接觀測，數據來源更加多樣的陸地蒸散發（Greve et al.，2014），這會導致模式模擬水循環速率的失真（Trenberth et al.，2011）。

陸地水資源研究也常采用離線模擬的方式，使用氣象數據驅動陸面過程模式或水文模式，進行P-E的模擬和預估。這種方式中，作為陸地系統最重要的淡水資源庫，高海拔地區降水數據的不確定性會成為水循環過程和水資源變化不確定性的重要來源。除了氣候模式，還有兩種常用的網格化降水數據：地面監測插值產品和衛星遙感反演產品。地面觀測是重要的數據基礎，但是，復雜的山區地形使得數據代表性受到限制，插值產品往往存在較大的不確定性。而缺乏地面觀測的校準，衛星遙感反演產品的準確性也會受到影響。因此，在地形復雜地區的水資源變化研究中，開展高分辨率氣候模擬成為提高降水數據準確性，進而提高水資源變化預估可信度的有效途徑。

傳統的幾十、至上百公里水平分辨率尺度的氣候模式中，積云過程遠小于模式網格尺度，降水過程被分解為微物理過程參數化和積云參數化方案，而積云參數化方案一直被認為是模式模擬最大的不確定性來源（Zhang and McFarlane 1995;Pei et al.，2014;Huang and Gao，2017）。近年來，隨著計算能力的提高，人們開始嘗試更高分辨率的氣候模擬。當水平分辨率小于4 km，模式網格可以顯式分辨積云，不再需要使用積云參數化方案，因此，

小于4 km尺度的模擬被稱為對流允許尺度模擬（Liu et al.，2006;Rasmussen et al.，2011;Prein et al.，2013）。研究表明在觀測資料極度匱乏的高海拔山區，對流允許尺度模擬是提供更準確氣象要素的有效手段（Gao et al.，2020a）。然而，受計算資源限制，很多模擬僅在很小范圍進行（Lin et al.，2018），大范圍模擬需要指數倍的計算資源，收益與付出是否匹配尚需要深入評估。不少研究指出陸面過程對陸地水循環的影響甚至超過積云參數化方案（Pei et al.，2014;Gao et al.，2015c）。精細刻畫陸面過程，為氣候系統提供更準確的下邊界條件，準確模擬高海拔山區降水特征，是正確認知陸地水資源變化對變暖響應的重要前提。

參考文獻（References）

Abbate A，Papini M，Longoni L，2020.Extreme rainfall over complex terrain：an application of the linear model of orographic precipitation to a case study in the Italian pre-Alps[J].Geosciences，11（1）：18.doi：10.3390/geosciences11010018.

Ban N，Schmidli J，Schr C，2014.Evaluation of the convection-resolving regional climate modeling approach in decade-long simulations[J].J Geophys Res：Atmos，119（13）：7889-7907.doi：10.1002/2014JD021478.

Barry R G，2008.Mountain weather and climate[M].Cambridge：Cambridge University Press：532.

Beniston M，2003.Climatic change in mountain regions：a review of possible impacts[J].Climatic Change，59（1/2）：5-31.doi：10.1023/A：1024458411589.

Beniston M，Diaz H F，Bradley R S，1997.Climatic change at high elevation sites：an overview[J].Climatic Change，36（3/4）：233-251.doi：10.1023/A：1005380714349.

Beniston M，Farinotti D，Stoffel M，et al.，2018.The European mountain cryosphere：a review of its current state，trends，and future challenges[J].Cryosphere，12（2）：759-794.doi：10.5194/tc-12-759-2018.

Byrne M P，OGorman P A，2015.The response of precipitation minus evapotranspiration to climate warming：why the “wet-get-wetter，dry-get-drier” scaling does not hold over land[J].J Climate，28（20）：8078-8092.doi：10.1175/jcli-d-15-0369.1.

Cayan D R，Maurer E P，Dettinger M D，et al.，2008.Climate change scenarios for the California region[J].Climatic Change，87（1）：21-42.doi：10.1007/s10584-007-9377-6.

Chen F，Zhang Y，2009.On the coupling strength between the land surface and the atmosphere：From viewpoint of surface exchange coefficients[J].Geophys Res Lett，36（10）：L10404.doi：10.1029/2009GL037980.

Chen F，Barlage M，Tewari M，et al.，2014.Modeling seasonal snowpack evolution in the complex terrain and forested Colorado Headwaters region：a model intercomparison study[J].J Geophys Res：Atmos，119（24）：13795-13819.doi：10.1002/2014JD022167.

Christensen N S，Lettenmaier D P，2007.A multimodel ensemble approach to assessment of climate change impacts on the hydrology and water resources of the Colorado River Basin[J].Hydrol Earth Syst Sci，11（4）：1417-1434.doi：10.5194/hess-11-1417-2007.

Christensen N S，Wood A W，Voisin N，et al.，2004.The effects of climate change on the hydrology and water resources of the Colorado river basin[J].Clim Chang，62（1/2/3）：337-363.doi：10.1023/B：CLIM.0000013684.13621.1f.

Cook E R，Woodhouse C A，Eakin C M，et al.，2004.Long-term aridity changes in the western United States[J].Science，306（5698）：1015-1018.doi：10.1126/science.1102586.

Council N R，2007.Colorado River Basin water management：evaluating and adjusting to hydroclimatic variability[M].Newyork：National Academies Press.

Dai A G，Trenberth K E，2002.Estimates of freshwater discharge from continents：latitudinal and seasonal variations[J].J Hydrometeor，3（6）：660-687.doi：10.1175/1525-7541（2002）003<0660：eofdfc>2.0.co;2.

Dai Y J，Zeng X B，Dickinson R E，et al.，2003.The common land model[J].Bull Amer Meteor Soc，84（8）：1013-1024.doi：10.1175/bams-84-8-1013.

Dai Y J，Shangguan W，Duan Q Y，et al.，2013.Development of a China dataset of soil hydraulic parameters using pedotransfer functions for land surface modeling[J].J Hydrometeorol，14（3）：869-887.doi：10.1175/jhm-d-12-0149.1.

Dominguez F，Hu H，Martinez J A，2020.Two-layer dynamic recycling model（2L-DRM）：learning from moisture tracking models of different complexity[J].J Hydrometeorol，21（1）：3-16.doi：10.1175/jhm-d-19-0101.1.

Duan A M，Xiao Z X，2015.Does the climate warming hiatus exist over the Tibetan Plateau？[J].Sci Rep，5：13711.doi：10.1038/srep13711.

Elhacham E，Ben-Uri L，Grozovski J，et al.，2020.Global human-made mass exceeds all living biomass[J].Nature，588（7838）：442-444.doi：10.1038/s41586-020-3010-5.

Espinoza J C，Garreaud R，Poveda G，et al.，2020.Hydroclimate of the Andes part I：main climatic features[J].Front Earth Sci，8：64.doi：10.3389/feart.2020.00064.

Gaffen D J，2000.Multidecadal changes in the vertical temperature structure of the tropical troposphere[J].Science，287（5456）：1242-1245.doi：10.1126/science.287.5456.1242.

Gao X J，Xu Y，Zhao Z C，et al.，2006.On the role of resolution and topography in the simulation of East Asia precipitation[J].Theor Appl Climatol，86（1/2/3/4）：173-185.doi：10.1007/s00704-005-0214-4.

Gao Y H，Chen D L，2017.Modeling of regional climate over the Tibetan plateau[M].Oxford：Oxford University Press.doi：10.1093/acrefore/9780190228620.013.591.

Gao Y H，Lü S，Cheng G D，2004.Simulation of rainfall-runoff and watershed convergence process in the upper reaches of Heihe River Basin，July 2002[J].Sci China Ser D：Earth Sci，47（1）：1-8.doi：10.1360/04zd0001.

Gao Y H，Vano J A，Zhu C M，et al.，2011a.Evaluating climate change over the Colorado River basin using regional climate models[J].J Geophys Res：Atmos，116（D13）：D13104.doi：10.1029/2010JD015278.

Gao Y H，Xue Y K，Peng W，et al.，2011b.Assessment of dynamic downscaling of the extreme rainfall over East Asia using a regional climate model[J].Adv Atmos Sci，28（5）：1077-1098.doi：10.1007/s00376-010-0039-7.

Gao Y H，Leung L R，Salathé E P Jr，et al.，2012.Moisture flux convergence in regional and global climate models：implications for droughts in the southwestern United States under climate change[J].Geophys Res Lett，39（9）：L09711.doi：10.1029/2012GL051560.

Gao Y H，Cuo L，Zhang Y X，2014.Changes in moisture flux over the Tibetan Plateau during 1979—2011 and possible mechanisms[J].J Climate，27（5）：1876-1893.doi：10.1175/jcli-d-13-00321.1.

Gao Y H，Xu J W，Chen D L，2015a.Evaluation of WRF mesoscale climate simulations over the Tibetan Plateau during 1979—2011[J].J Climate，28（7）：2823-2841.doi：10.1175/jcli-d-14-00300.1.

Gao Y H，Leung L R，Zhang Y X，et al.，2015b.Changes in moisture flux over the Tibetan Plateau during 1979—2011：insights from a high-resolution simulation[J].J Climate，28（10）：4185-4197.doi：10.1175/jcli-d-14-00581.1.

Gao Y H，Li K，Chen F，et al.，2015c.Assessing and improving Noah-MP land model simulations for the central Tibetan Plateau[J].J Geophys Res Atmos，120（18）：9258-9278.doi：10.1002/2015jd023404.

Gao Y H，Li X，Ruby Leung L，et al.，2015d.Aridity changes in the Tibetan Plateau in a warming climate[J].Environ Res Lett，10（3）：034013.doi：10.1088/1748-9326/10/3/034013.

Gao Y H，Xiao L H，Chen D L，et al.，2017.Quantification of the relative role of land-surface processes and large-scale forcing in dynamic downscaling over the Tibetan Plateau[J].Clim Dyn，48（5/6）：1705-1721.doi：10.1007/s00382-016-3168-6.

Gao Y H，Xiao L H，Chen D L，et al.，2018a.Comparison between past and future extreme precipitations simulated by global and regional climate models over the Tibetan Plateau[J].Int J Climatol，38（3）：1285-1297.doi：10.1002/joc.5243.

Gao Y H，Chen F，Lettenmaier D P，et al.，2018b.Does elevation-dependent warming hold true above 5 000 m elevation？Lessons from the Tibetan Plateau[J].Npj Clim Atmos Sci，1：19.doi：10.1038/s41612-018-0030-z.

Gao Y H，Chen F，Jiang Y S，2020a.Evaluation of a convection-permitting modeling of precipitation over the Tibetan Plateau and its influences on the simulation of snow-cover fraction[J].J Hydrometeorol，21（7）：1531-1548.doi：10.1175/jhm-d-19-0277.1.

Gao Y H，Chen F，Miguez-Macho G，et al.，2020b.Understanding precipitation recycling over the Tibetan Plateau using tracer analysis with WRF[J].Clim Dyn，55（9）：2921-2937.doi：10.1007/s00382-020-05426-9.

García-Ruiz J M，López-Moreno J I，Vicente-Serrano S M，et al.，2011.Mediterranean water resources in a global change scenario[J].Earth-Sci Rev，105（3/4）：121-139.doi：10.1016/j.earscirev.2011.01.006.

Gimeno L，Stohl A，Trigo R M，et al.，2012.Oceanic and terrestrial sources of continental precipitation[J].Rev Geophys，50（4）：RG4003.doi：10.1029/2012RG000389.

Giorgi F，Francisco R，2000.Evaluating uncertainties in the prediction of regional climate change[J].Geophys Res Lett，27（9）：1295-1298.doi：10.1029/1999GL011016.

Giorgi F，Hurrell J W，Marinucci M R，et al.，1997.Elevation dependency of the surface climate change signal：a model study[J].J Climate，10（2）：288-296.doi：10.1175/1520-0442（1997）010<0288：edotsc>2.0.co;2.

Gobiet A，Kotlarski S，Beniston M，et al.，2014.21st century climate change in the European Alps：a review[J].Sci Total Environ，493：1138-1151.doi：10.1016/j.scitotenv.2013.07.050.

Goessling H F，Reick C H，2011.What do moisture recycling estimates tell us？Exploring the extreme case of non-evaporating continents[J].Hydrol Earth Syst Sci，15（10）：3217-3235.doi：10.5194/hess-15-3217-2011.

Greve P，Seneviratne S I，2015.Assessment of future changes in water availability and aridity[J].Geophys Res Lett，42（13）：5493-5499.doi：10.1002/2015GL064127.

Greve P，Orlowsky B，Mueller B，et al.，2014.Global assessment of trends in wetting and drying over land[J].Nat Geosci，7（10）：716-721.doi：10.1038/ngeo2247.

Held I M，Soden B J，2006.Robust responses of the hydrological cycle to global warming[J].J Climate，19（21）：5686-5699.doi：10.1175/jcli3990.1.

Hoerling M，Lettenmaier D，Cayan D，et al.，2009.Reconciling projections of Colorado River streamflow[J].Southwest Hydrol，8：20-21.

Huang D L，Gao S B，2017.Impact of different cumulus convective parameterization schemes on the simulation of precipitation over China[J].Tellus A：Dyn Meteorol Oceanogr，69（1）：1406264.doi：10.1080/16000870.2017.1406264.

Immerzeel W W，Lutz A F，Andrade M，et al.，2020.Importance and vulnerability of the worlds water towers[J].Nature，577（7790）：364-369.doi：10.1038/s41586-019-1822-y.

Jiang Y S，Chen F，Gao Y H，et al.，2019.Using multisource satellite data to assess recent snow-cover variability and uncertainty in the Qinghai-Tibet plateau[J].J Hydrometeorol，20（7）：1293-1306.doi：10.1175/jhm-d-18-0220.1.

Jiang Y S，Chen F，Gao Y H，et al.，2020.Assessment of uncertainty sources in snow cover simulation in the Tibetan Plateau[J].J Geophys Res：Atmos，125（18）：e2020JD032674.doi：10.1029/2020JD032674.

Koster R D，Dirmeyer P A，Guo Z，et al.，2004.Regions of strong coupling between soil moisture and precipitation[J].Science，305（5687）：1138-1140.doi：10.1126/science.1100217.

Kumar A，Chen F，Barlage M，et al.，2014.Assessing impacts of integrating MODIS vegetation data in the weather research and forecasting （WRF） model coupled to two different canopy-resistance approaches[J].J Appl Meteorol Climatol，53（6）：1362-1380.doi：10.1175/jamc-d-13-0247.1.

Lawrence D，Fisher R，Koven C，et al.，2020.Technical description of version 5.0 of the community land model （CLM）[R].National Center for Atmospheric Research（NCAR）.

Lei Y B，Yang K，2017.The cause of rapid lake expansion in the Tibetan Plateau：climate wetting or warming？[J].Wiley Interdiscip Rev：Water，4（6）：e1236.doi：10.1002/wat2.1236.

Li X，Gao Y H，Pan Y J，et al.，2018.Evaluation of near-surface wind speed simulations over the Tibetan Plateau from three dynamical downscalings based on WRF model[J].Theor Appl Climatol，134（3）：1399-1411.doi：10.1007/s00704-017-2353-9.

Lin C G，Chen D L，Yang K，et al.，2018.Impact of model resolution on simulating the water vapor transport through the central Himalayas：implication for models wet bias over the Tibetan Plateau[J].Clim Dyn，51（9/10）：3195-3207.doi：10.1007/s00382-018-4074-x.

Liu X D，Chen B D，2000.Climatic warming in the Tibetan Plateau during recent decades[J].Int J Climatol，20（14）：1729-1742.doi：10.1002/1097-0088（20001130）20：14<1729：aid-joc556>3.0.co;2-y.

Liu X D，Yin Z Y，Shao X M，et al.，2006.Temporal trends and variability of daily maximum and minimum，extreme temperature events，and growing season length over the eastern and central Tibetan Plateau during 1961—2003[J].J Geophys Res：Atmos，111（D19）：D19109.doi：10.1029/2005JD006915.

Lorenz C，Kunstmann H，2012.The hydrological cycle in three state-of-the-art reanalyses：intercomparison and performance analysis[J].J Hydrometeorol，13（5）：1397-1420.doi：10.1175/jhm-d-11-088.1.

Milly P C，Dunne K A，Vecchia A V，2005.Global pattern of trends in streamflow and water availability in a changing climate[J].Nature，438（7066）：347-350.doi：10.1038/nature04312.

Minder J R，Letcher T W，Liu C H，2018.The character and causes of elevation-dependent warming in high-resolution simulations of rocky mountain climate change[J].J Climate，31（6）：2093-2113.doi：10.1175/jcli-d-17-0321.1.

Niu G Y，Fang Y H，Chang L L，et al.，2020.Enhancing the Noah-MP ecosystem response to droughts with an explicit representation of plant water storage supplied by dynamic root water uptake[J].J Adv Model Earth Syst，12（11）：e2020MS002062.doi：10.1029/2020MS002062.

Oki T，Kanae S，2006.Global hydrological cycles and world water resources[J].Science，313（5790）：1068-1072.doi：10.1126/science.1128845.

Pabón-Caicedo J D，Arias P A，Carril A F，et al.，2020.Observed and projected hydroclimate changes in the Andes[J].Front Earth Sci，8：61.doi：10.3389/feart.2020.00061.

Pei L S，Moore N，Zhong S Y，et al.，2014.WRF model sensitivity to land surface model and cumulus parameterization under short-term climate extremes over the southern great Plains of the United States[J].J Climate，27（20）：7703-7724.doi：10.1175/jcli-d-14-00015.1.

Pepin N C，Lundquist J D，2008.Temperature trends at high elevations：Patterns across the globe[J].Geophys Res Lett，35（14）：L14701.doi：10.1029/2008GL034026.

Pepin N，Bradley R S，Diaz H F，et al，2015.Elevation-dependent warming in mountain regions of the world[J].Nature Clim Change，5：424-430.doi：10.1038/nclimate2563.

Prein A F，Gobiet A，Suklitsch M，et al.，2013.Added value of convection permitting seasonal simulations[J].Clim Dyn，41（9/10）：2655-2677.doi：10.1007/s00382-013-1744-6.

Prein A F，Gobiet A，Truhetz H，et al.，2016.Precipitation in the EURO-CORDEX 0.11° and 0.44° simulations：high resolution，high benefits？[J].Clim Dyn，46（1）：383-412.doi：10.1007/s00382-015-2589-y.

Rangwala I，Miller J R，2012.Climate change in mountains：a review of elevation-dependent warming and its possible causes[J].Clim Chang，114（3/4）：527-547.doi：10.1007/s10584-012-0419-3.

Rasmussen R，Liu C H，Ikeda K，et al.，2011.High-resolution coupled climate runoff simulations of seasonal snowfall over Colorado：a process study of current and warmer climate[J].J Climate，24（12）：3015-3048.doi：10.1175/2010jcli3985.1.

Roderick M L，Sun F，Lim W H，et al.，2014.A general framework for understanding the response of the water cycle to global warming over land and ocean[J].Hydrol Earth Syst Sci，18（5）：1575-1589.doi：10.5194/hess-18-1575-2014.

Seager R，Ting M，Held I，et al.，2007.Model projections of an imminent transition to a more arid climate in southwestern North America[J].Science，316（5828）：1181-1184.doi：10.1126/science.1139601.

Seager R，Hoerling M，Schubert S，et al.，2015.Causes of the 2011—2014 California drought[J].J Climate，28（18）：6997-7024.doi：10.1175/jcli-d-14-00860.1.

Seneviratne S I，Wilhelm M，Stanelle T，et al.，2013.Impact of soil moisture-climate feedbacks on CMIP5 projections：first results from the GLACE-CMIP5 experiment[J].Geophys Res Lett，40（19）：5212-5217.doi：10.1002/grl.50956.

Shuttleworth W J，2012.Terrestrial hydrometeorology[M].Chichester，UK：John Wiley & Sons.doi：10.1002/9781119951933.

Torma C，Giorgi F，Coppola E，2015.Added value of regional climate modeling over areas characterized by complex terrain：precipitation over the Alps[J].J Geophys Res：Atmos，120（9）：3957-3972.doi：10.1002/2014JD022781.

Trenberth K E，Fasullo J T，Mackaro J，2011.Atmospheric moisture transports from ocean to land and global energy flows in reanalyses[J].J Climate，24（18）：4907-4924.doi：10.1175/2011jcli4171.1.

Trenberth K E，Smith L，Qian T T，et al.，2007.Estimates of the global water budget and its annual cycle using observational and model data[J].J Hydrometeorol，8（4）：758-769.doi：10.1175/jhm600.1.

Trier S B，Chen F，Manning K W，2004.A study of convection initiation in a mesoscale model using high-resolution land surface initial conditions[J].Mon Wea Rev，132（12）：2954-2976.doi：10.1175/mwr2839.1.

van der Ent R J，Tuinenburg O A，Knoche H R，et al.，2013.Should we use a simple or complex model for moisture recycling and atmospheric moisture tracking？[J].Hydrol Earth Syst Sci，17（12）：4869-4884.doi：10.5194/hess-17-4869-2013.

Vano J A，Udall B，Cayan D R，et al.，2014.Understanding uncertainties in future Colorado river streamflow[J].Bull Amer Meteor Soc，95（1）：59-78.doi：10.1175/bams-d-12-00228.1.

Vuille M，Bradley R S，2000.Mean annual temperature trends and their vertical structure in the tropical Andes[J].Geophys Res Lett，27（23）：3885-3888.doi：10.1029/2000GL011871.

Walton D，Berg N，Pierce D，et al.，2020.Understanding differences in California climate projections produced by dynamical and statistical downscaling[J].J Geophys Res：Atmos，125（19）：e2020JD032812.doi：10.1029/2020JD032812.

Wang A H，Zeng X B，2012.Evaluation of multireanalysis products with in situ observations over the Tibetan Plateau[J].J Geophys Res，117（D5）.doi：10.1029/2011jd016553.

Wang K C，Wang P C，Liu J M，et al.，2005.Variation of surface albedo and soil thermal parameters with soil moisture content at a semi-desert site on the western Tibetan Plateau[J].Bound-Layer Meteor，116（1）：117-129.doi：10.1007/s10546-004-7403-z.

Xu X D，Lu C G，Shi X H，et al.，2008.World water tower：an atmospheric perspective[J].Geophys Res Lett，35（20）：L20815.doi：10.1029/2008GL035867.

Xu Y，Gao Y H，2019.Quantification of evaporative sources of precipitation and its changes in the southeastern Tibetan Plateau and middle Yangtze River Basin[J].Atmosphere，10（8）：428.doi：10.3390/atmos10080428.

Xue Y K，Sun S F，Kahan D S，et al.，2003.Impact of parameterizations in snow physics and interface processes on the simulation of snow cover and runoff at several cold region sites[J].J Geophys Res：Atmos，108（D22）：8859.doi：10.1029/2002JD003174.

Yang Z L，Dickinson R E，Robock A，et al.，1997.Validation of the snow submodel of the biosphere-atmosphere transfer scheme with Russian snow cover and meteorological observational data[J].J Climate，10（2）：353-373.doi：10.1175/1520-0442（1997）010<0353：votsso>2.0.co;2.

姚檀棟，馮仁國，陳德亮，2015.西藏高原環境變化科學評估[R].北京：中國科學院. Yao T D，Feng R G，Chen D L，2015.Scientific assessment of environmental change in Tibet Plateau[R].Beijing：Chinese Academy of Sciences.（in Chinese）.

You Q，Kang S，Flügel W A，et al.，2010.Decreasing wind speed and weakening latitudinal surface pressure gradients in the Tibetan Plateau[J].Climate Res，42（1）：57-64.doi：10.3354/cr00864.

Zhang G J，McFarlane N A，1995.Sensitivity of climate simulations to the parameterization of cumulus convection in the Canadian climate centre general circulation model[J].Atmosphere-Ocean，33（3）：407-446.doi：10.1080/07055900.1995.9649539.

Zhang G Q，Yao T D，Piao S L，et al.，2017.Extensive and drastically different alpine lake changes on Asias high plateaus during the past four decades[J].Geophys Res Lett，44（1）：252-260.doi：10.1002/2016GL072033.

Zhang H W，Gao Y H，Xu J W，et al.，2019.Decomposition of future moisture flux changes over the Tibetan Plateau projected by global and regional climate models[J].J Climate，32（20）：7037-7053.doi：10.1175/jcli-d-19-0200.1.

張人禾，蘇鳳閣，江志紅，等，2015.青藏高原21世紀氣候和環境變化預估研究進展[J].科學通報，60（32）：3036-3047. Zhang R H，Su F G，Jiang Z H，et al.，2015.An overview of projected climate and environmental changes across the Tibetan Plateau in the 21st century[J].Chin Sci Bull，60（32）：3036-3047.（in Chinese）.

Zhou S，Park Williams A，Lintner B R，et al.，2021.Soil moisture-atmosphere feedbacks mitigate declining water availability in drylands[J].Nat Clim Chang，11（1）：38-44.doi：10.1038/s41558-020-00945-z.

Zhou X，Zhao P，Chen J，et al.，2009.Impacts of thermodynamic processes over the Tibetan Plateau on the Northern Hemispheric climate[J].Sci China Ser D：Earth Sci，52（11）：1679-1693.

Responses of water resources changes to warming and its influencing factors

GAO Yanhong1，ZHANG Meng1，LIU Wei2

1Department of Atmospheric and Oceanic Sciences/Institute of Atmospheric Sciences，Fudan University，Shanghai 200438，China;

2Meteorological Center of East China Air Traffic ManagementBureau，CAAC，Shanghai 200335，China

The “dry gets drier，wet gets wetter” paradigm has become a template slogan for assessing current and future climate changes.However，the assessment and prediction of this paradigm is mainly the global average result affected by ocean changes，and there is great uncertainty about water resources changes over land，especially in complex terrain areas.This study summarizes the changes of global terrestrial water resources，especially in high altitude areas.Differences between global and regional climate models are compared.The response mechanism of terrestrial water resources to warming is revealed.The main surface and human activity factors that affect the terrestrial water resources change are further analyzed.This paperproposes that the accurate description of land surface processes and the high resolution fine characterization and simulation of surface hydrothermal conditions and their heterogeneity can provide more accurate lower boundary conditions for the climate system.The dynamic downscaling simulation based on the fine description of the boundary conditions under the land surface is an effective way to improve the simulation performance of spatial distribution of precipitation in complex terrain areas，which will lay a foundation for the study of water resources and their changes in land，especially in high altitude mountain areas.

land;water resources change;high altitudes;warming

doi：10.13878/j.cnki.dqkxxb.20210302010

（責任編輯：張福穎）