气候变化的海拔依赖性在世界上大多数山脉地区已有报道,但导致这种变异的原因尚不明确。本研究利用中国四个不同的观测和再分析资料数据集,主要研究气候变暖对海拔的依赖性,结果表明:无论是在青藏高原地区还是中国其他地区,气候变暖的程度与海拔高度的一致性并不明显。但是,气候变暖与不同海拔水汽的变异具有很好的相关性。比湿度较低时,气温变化随比湿度的增加而升高;当比湿度上升到一定值,气温变化则随比湿度的增加而下降。而地表温度变化的最大值出现在比湿度2.0–3.0 g kg^(-1)范围内。因此,本研究揭示了水汽对气候变暖的海拔依赖性起到调节作用。
精确量化高寒区域的草地地上生物量在精确量化全球碳循环方面起着非常重要的作用。本研究利用月尺度的归一化植被指数、增强型植被指数、平均空气温度、≥5℃积温、总降水、降水积温比模拟了青藏高原高寒草地地上生物量。本研究对比分析了三种多重逐步回归模型,即地上生物量与归一化植被指数和增强型植被指数的逐步回归模型,地上生物量与空气温度、积温、降水和降水积温比的逐步回归模型,地上生物量与归一化植被指数、增强型植被指数、空气温度、积温、降水和降水积温比的逐步回归模型。结果表明,在高寒草甸,归一化植被指数模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为31.05 g m^(-2)和44.12 g m^(-2);在高寒草原,归一化植被指数模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为95.43 g m^(-2)和131.58 g m^(-2)。在高寒草原,积温模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为33.61g m^(-2)和48.04 g m^(-2)。在高寒草甸,植被指数和气象数据模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为28.09 g m^(-2)和42.71 g m^(-2);在高寒草原,植被指数和气象数据模拟的地上生物量与观测的地上生物量间的平均绝对误差和均方根误差分别为35.86 g m^(-2)和47.94 g m^(-2)。因此,植被指数和气候数据同时参与的逐步回归模型比植被指数或气候数据单独参与的逐步回归模型的精度高;不同高寒草地类型的回归模型精度不同。
青藏高原沼泽化草甸是土壤有机碳密度最高,对气候变化最敏感的高寒生态系统。对其生态系统总初级生产力(GPP)持续准确的量化是掌握站点到全球尺度的碳循环的关键。涡度相关技术(EC)是测量生态系统碳通量的最佳途径,而遥感模型可以实现从生态系统迹点(footprints)到区域乃至全球的尺度扩展。但是,大多遥感估算模型的适用性在这种高寒沼泽化草甸上并没有得到验证。本研究选取了四个近年来被广泛运用的遥感估算GPP的模型,即MODIS算法(MOD)、植被光合模型(VPM)、光合能力模型(PCM)和高寒植被模型(AVM)对青藏高原中部的一个典型高寒草甸生态系统的GPP进行了估算。结果显示:所有遥感模型对GPP的年内季节变异都有很好的解释(R2>0.89,P<0.0001),但很难解释其年际变化。与日均EC_GPP相比,VPM严重的低估了该生态系统的GPP,其估测值大约仅为EC观测值的54%。但是,其他三个模型可以较准确地进行GPP估算:相比之下,AVM可以反演94.5%的EC观测,相对于EC观测的均方根误差(RMSE)最小(1.47 g C m^(-2));PCM对EC_GPP有微小的高估(约12.0%的EC观测值),而MODR对EC_GPP有微弱的低估(约8.1%的EC观测值),但二者的偏差都不显著。本研究表明AVM对该高寒沼泽化草甸的GPP估算比其他较复杂的GPP估算模型更有优势。
