针对这一问题，中科院青藏高原研究所环境变化与多圈层过程团队提出了一种可有效整合高海拔站点校核信息、遥感温度数据高空间分辨率和再分析资料长时间序列多方优势的气温估算新方法。该方法基于MODIS地表温度数据，通过一套动态检测滑动窗口高程标准差和高程-温度相关性并合理去除异常值的自动程序，发展了时空连续的气温递减率网格产品；使用估算的温度递减率对8种主流再分析资料（NNRP2、20CRV2c、JRA55、ERA-Interim、CFSR、MERRA2、ERA5、GLDAS2）进行空间降尺度，取得了比利用网格内站点回归所得气温递减率进行降尺度更高的气温数据精度（图1）；对比3种常用机器学习方法（随机森林、Cubist回归、Gradient Boosting），使用优选的Gradient Boosting（GB）模型融合多种降尺度再分析气温数据和高海拔观测信息，生成1980-2014年青藏高原逐日1公里分辨率气温产品。
图1 基于MODIS数据所得气温递减率和基于网格内站点回归所得气温递减率进行再分析气温数据降尺度结果精度对比，分两种情景：再分析网格内至少有2个（a）或3个（b）站点。（Zhang et al., 2021, JAG）
新气温产品不仅在100个国家气象站表现出了良好的估算精度，而且在13个高海拔独立站点获得了比最优再分析产品明显更高的验证精度（图2）。同时，基于不同建模方案的情景实验表明：如果不对再分析资料进行空间降尺度，或者不使用高海拔站点进行模型训练，都会显著降低模型在高海拔地区的气温估算精度。研究表明，在青藏高原高海拔地区应用再分析产品气温数据进行气温估算或数据融合时，高海拔独立观测和可靠的气温递减率均不可或缺。
图2 新发展气温产品（GB模型估算值）与最优再分析资料（JRA55降尺度）在100个国家气象站（common station）和13个高海拔独立站点（high-elevation station）的交叉验证精度对比。（Zhang et al., 2021, JAG）
基于新气温产品计算得到的升温速率空间分辨率与再分析资料相比得到大幅提高，并与最优再分析资料（即JRA55或ERA-Interim）保持了较为一致的升温速率空间分布特征（图3）。基于新气温产品，进一步分析了青藏高原不同高度带海拔依赖性升温的空间差异机制。结果表明：高程和多年积雪日数（SCD）是影响升温速率空间分布的两个重要因素（图4）。在图4的垂直方向上，升温速率的峰值高程在海拔4500-5000米，与前人研究较为一致，表明积雪反照率反馈机制可能起到了主导作用。研究发现，海拔2500-3000米的升温率峰值位于柴达木地区，可能与其特殊的下垫面和气候条件有关（例如，荒漠和少云等有利于快速加热地表）。在图4的水平方向上，升温速率随SCD增加而快速降低，表明积雪会通过消融和反射太阳辐射消耗掉可能用于升温的能量输入，对气候变暖具有“缓冲”效应。
图3 新气温产品与8种再分析资料的升温率空间分布对比：新产品（a）、NNRP-2（b）、20CRV2c（c）、JRA-55（d）、ERA-Interim（e）、MERRA-2（f）、CFSR（g）、GLDAS（h）和ERA5（i）。（Zhang et al., 2021, JAG）
图4 积雪（a）和冰川（b）对青藏高原海拔依赖性升温的影响。（Zhang et al., 2021, STE）
结合多年积雪日数的进一步分析发现，升温速率随海拔和SCD的变化趋势在青藏高原及其8个子区域高度一致。基于正交试验的方差分析表明，高程和SCD对青藏高原升温速率空间变化的总体贡献率分别为37%和22%，证实了SCD对解释青藏高原升温速率空间变化的重要性。为了进一步认识升温速率的海拔依赖性，研究团队构建了不同海拔范围的偏最小二乘路径模型。结果表明，高程对升温速率的总体影响在海拔5000米上下出现正负向翻转（图5b），这与高原总体升温速率随海拔的变化趋势一致（图5a）。在海拔5000米以下，积雪反照率反馈机制起主要作用，在图中表现为高程的直接影响较强（0.34），并可抵消高程-积雪日数（SCD）路径的间接负影响（即积雪的“缓冲”效应）（-0.25）；而在海拔5000米以上，高程的直接影响大幅降低（0.09），无法抵消经SCD的间接负影响（-0.2），表明积雪的“缓冲”效应可能是导致5000米以上升温率随海拔升高而下降的主要原因。
图5 青藏高原总体升温率随海拔的变化（a）及不同高程范围的偏最小二乘路径分析（b-c）。（Zhang et al., 2021, STE）
近期，上述成果陆续在《International Journal of Applied Earth Observation and Geoinformation》（JAG）和《Science of The Total Environment》（STE）期刊在线发表。两篇论文的通讯作者均为我所张凡研究员，第一作者为我所毕业的张宏波博士（现为中国农业大学副教授）。上述研究工作获得第二次青藏高原综合科学考察研究专项（2019QZKK0203）、中国科学院战略性科技先导专项（XDA20060202）和国家自然科学基金项目（41701079）资助。
相关论文：
1.Zhang, H., Immerzeel, W. W., Zhang, F.*, de Kok, R. J., Gorrie, S. J., Ye, M. (2021). Creating 1-km long-term (1980–2014) daily average air temperatures over the Tibetan Plateau by integrating eight types of reanalysis and land data assimilation products downscaled with MODIS-estimated temperature lapse rates based on machine learning. International Journal of Applied Earth Observation and Geoinformation
论文链接：https://www.sciencedirect.com/science/article/pii/S0303243421000015
2.Zhang, H., Immerzeel, W. W., Zhang, F.*, de Kok, R. J., Chen, D., Yan, W. (2021). Snow cover persistence reverses the altitudinal patterns of warming above and below 5000 m on the Tibetan Plateau. Science of The Total Environment
论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0048969721049640
