劉永強

Center for Forest Disturbance Science, USDA Forest Service, 320 Green St., Athens, Georgia 30602, USA

?

植被對干旱趨勢的影響

劉永強

Center for Forest Disturbance Science, USDA Forest Service, 320 Green St., Athens, Georgia 30602, USA

摘 要歷史干旱事件的觀測和數值研究表明，植被可通過地—氣水分、能量和其他通量交換影響和反饋干旱。本研究旨在了解氣候變化情形下植被對干旱趨勢的影響和機制。應用美國大陸七個動力氣候降尺度區(qū)域氣候變化情景，計算和分析了現在和未來的干旱指數、空間分布和季節(jié)變化。通過比較同一氣候區(qū)兩種植被類型區(qū)域干旱強度和頻率理解植被的影響。集成分析結果表明，未來美國干旱很可能增加，其中大平原中部所有季節(jié)都很顯著，而東南和西南地區(qū)夏秋更為顯著。植被對干旱趨勢的影響和氣候區(qū)有關。在溫暖和潮濕/干燥氣候區(qū)，林地（草地）未來干旱強度和頻率的增幅大于對應的農田（荒漠）區(qū)域，因此植被可以放大未來干旱的風險。相反，在寒冷和潮濕氣候區(qū)，林地（草地）區(qū)域未來干旱強度和頻率增幅較小，表明植被放大未來干旱的作用可能只在某些氣候情形下出現。這種植被對未來干旱影響的復雜性和對氣候區(qū)的依賴性對氣候模式提供可靠的干旱模擬和預測及森林管理部門制定適應和減緩氣候變化的策略提出了新的挑戰(zhàn)。

關鍵詞植被 干旱 氣候變化 干旱指數 美國氣候區(qū)

資助項目 美國自然科學基金會、農業(yè)部和能源部聯合項目：地球系統模式預報年代際區(qū)域氣候NIFA-2013-35100-20516

Funded by US NSF, USDA and DOE Joint Program on Decadal and Regional Climate Prediction using Earth System Models (EaSM) NIFA-2013-35100-20516

Impacts of Vegetation on Drought Trends

LIU Yongqiang

Center for Forest Disturbance Science, USDA Forest Service, 320 Green St., Athens, Georgia 30602, USA

Abstract Vegetation conditions interact with and feed back to atmospheric anomalies such as droughts through water, energy and other exchanges on the land surface. Various mechanisms have been proposed to understand the related physical processes based on observational and numerical analyses of historical droughts. This study aims to understand the complex impacts and mechanisms of vegetation on future droughts under changing climate. Future trends in droughts were projected by comparing a drought index for present and future periods using seven dynamically downscaled regional climate change scenarios for the continental United States. The impacts of vegetation were examined by comparing changes in drought intensity and frequency between two types of land cover in each of six climate regimes. The ensemble results indicate that future droughts would increase in both intensity and frequency, mainly in the central Great Plains during all seasons, and in the Southeast and Southwest U.S. during warm seasons. The roles of vegetation depend on climate regime. Future droughts would increase more significantly on forest lands (grasslands) than the corresponding farmlands (drylands) in warm and moist/dry climate regimes. Vegetation, therefore, can amplify future droughts. In contrast, they would be less significant in cold and moist regimes, suggesting that the capacity of vegetation in amplifying future droughts would exist only in certain climate circumstances. The complex impacts and regional dependence raise new challenges for climate models to provide reliable drought simulation and projection, and for forest management todevelop adaptation and mitigation strategies for climate change.

Keywords Vegetation, Drought, Climate change, Drought index, U.S. climate regime

前言

恩師葉篤正先生于2013年10月溘然長逝，離開了為之奮斗了七十余載的科學事業(yè)。作者于上世紀80年代后期師從葉先生進行博士生的學習和研究，有幸親耳聆聽了葉先生正直做人和嚴謹做學問的教誨、親身感受了對科學的摯愛和追求、親眼目睹了對全球變化研究傾注的巨大心血和作出的卓越貢獻。

作者感受最深、受益最大的是葉先生的視野、敏銳性和開拓精神。上世紀70年代，科學家在探索與人類活動息息相關的重大氣象和環(huán)境問題（如北非70年代初開始的持續(xù)干旱，南美森林砍伐的氣候效應，我國北方干旱和沙漠化，全球溫室氣體效應等）時發(fā)現，僅僅研究大氣過程已無法全面、深入地理解其物理機制和成因。由此提出了“氣候系統”的概念，研究大氣與地球表明其他組成部分之間的相互作用和反饋。葉先生的求學和早期主要研究領域是大氣動力學，但開闊的視野、對科學問題的敏銳性和開拓新的研究領域的勇氣，使他成為探索氣候系統的先驅者。葉先生與GFDL科學家合作，很快在地—氣相互作用領域做出了開創(chuàng)性工作（Yeh et al., 1984）。此后，葉先生繼續(xù)傾其精力和智慧致力于中國的全球變化研究。

作者跟從葉先生進行地—氣相互作用的研究，博士論文對地—氣系統異常的時間尺度進行了理論分析和數值模擬，并探討了陸地過程在減緩溫室氣體效應中可能的作用。此后二十多年一直繼續(xù)這一領域的研究。本文探討植被對未來干旱趨勢的影響，以此紀念葉先生百年華誕和輝煌人生。

1 引言

干旱是一段時間（季節(jié)或更長）降水明顯低于平均水平，由此導致水資源短缺，并影響植被生長和人們日常生活的現象（NWS，2006）。干旱可分為氣象、水文和農業(yè)干旱。降水偏少是氣象干旱的標志，而土壤水分不足是水文和農業(yè)干旱的基本特征之一。干旱對不同時空尺度、不同地區(qū)的生態(tài)系統結構和過程有著極為不利的影響（例如，Wu and Chen，2013；Vicente-Serrano et al.，2013）。植物主要通過蒸騰過程獲得土壤中的養(yǎng)分；土壤缺水導致植物根系受損，吸水能力下降，同時氣孔阻力增加，因而蒸騰減少。這意味著光合作用減弱，植物生長減慢或停止。Zhang et al.（2014）發(fā)現，從1986到2006年，氣候變化導致北京干旱增加，樹木死亡率明顯增加。

植被是氣候系統的組成部分之一。它可以通過其物理和生理過程影響地表能量、水分、動量和生物化學物質的交換，由此影響大氣狀況（Bonan, 2008）。與裸地相比，植被覆蓋的地表面反射率較小，因而凈太陽輻射較大，更多的能量可用于顯熱和潛熱。植被對全球輻射能量的影響與溫室氣體對氣候變化的影響同等重要(Betts，2000)。植被覆蓋的地表面粗糙度較大，湍流更強，空氣和水汽混合動力阻力較?。↙iu et al., 2007），因而蒸騰較大，向大氣輸送的水汽可導致區(qū)域性大氣濕度的增加，改變當地降水和水文過程（Ellison et al., 2012）。植被覆蓋度高的地表面葉面積較大，根系更深。發(fā)達的根系能增加植被適應干旱，穩(wěn)定水分脅迫條件下水分儲存的能力。這種功能是生態(tài)系統適應氣候變化的重要機制（Jones et al., 2012）。大量觀測和模擬研究揭示了植被通過地—氣交換過程對氣候和水文過程的重要影響（符淙斌和袁慧玲，2001；Zheng et al., 2002；Liu et al., 2006；高學杰等，2007；Liu et al., 2008; 曾紅玲等，2010；Chen et al., 2012; Ma et al., 2013）。

干旱—植被相互作用研究的一個新的重要議題是溫室效應導致的氣候變化對干旱和植被的影響。氣候模型預測結果表明，溫室效應將導致本世紀氣候發(fā)生顯著的變化（IPCC，2013）。例如，北美洲西部可能更為干燥（Cook et al.，2014），干旱發(fā)展可能更快更強（Trenberth et al.，2014）。中國21世紀與降水有關的事件更趨于極端化，極端降水強度可能增強（Jiang et al., 2011），干旱可能加重（Wang and Chen, 2014）。未來極端氣候的發(fā)生將對生態(tài)系統可能產生巨大的影響（吳紹洪等，2007）。開放灌叢和荒漠草原是受影響最為嚴重的類型，落葉闊葉林、有林草地和常綠針葉林也會受到影響。干旱和熱浪已導致世界各地森林枯死，預計這種情況會隨著氣候變化而增加（Anderegg et al.，2014）。

氣候變化也會改變干旱—植被相互作用的另一個過程，也就是植被對氣候的影響 (Falloon et al.，2012)。盡管預測未來全球干旱趨勢的不確定性很大，一些研究表明一些特定區(qū)域的預測有較大的一致性。未來植被稀少的干燥地區(qū)的干旱會比其他地區(qū)增加的可能性更大。Seager et al.（2007）預測，北美干燥的西南部會強烈干旱化，而且這種變干趨勢正在發(fā)生，今后幾十年美國西南部將再現沙塵暴肆虐的情形。相對于干旱對生態(tài)系統的影響，我們對植被在未來干旱變化中的作用的認識非常有限，這限制了預測氣候變化情形下干旱趨勢的能力。

干旱是一種極端天氣氣候事件。與其他一些極端事件一樣，當前和氣候變化情形下未來干旱的預測都具有極大的挑戰(zhàn)性。多種因素（主要是海洋表面和大氣的異常）會導致干旱的形成和發(fā)展，而包括植被在內的陸面狀況也是一個影響干旱強度和持續(xù)時間，以及空間和季節(jié)性變化的因素。因此，了解植物的作用將有助于減少預測未來干旱趨勢的不確定性。此外，減緩氣候變化的可能影響是科學研究、管理和決策部門共同關心的問題和職責。森林具有通過光合作用減少大氣中的碳的能力，從而減緩氣候變化影響。此外，全球增暖會增加植被蒸騰消耗的熱量，這會一定程度上抵消全球增暖（Liu, 2010）。因此，研究氣候變化情形下植被對干旱的影響，對于發(fā)展減緩氣候變化影響的策略有著重要的意義。

觀測、動力和數值分析揭示了植被對干旱的復雜影響。多數研究表明植被—干旱之間的負反饋機制，即植被增加（減少），干旱減弱（加強）。丁一匯等（2005）發(fā)現，內蒙古地區(qū)植被覆蓋減少會導致中國北方大部分地區(qū)降水減少，加劇了華北、西北地區(qū)的干旱。長時間干旱將導致植被狀況變化，由此形成的植被—降水反饋是干旱增強和持續(xù)的原因之一。Charney (1975)， Charney et al. (1977) 認為，過度放牧和砍伐森林增加地表反照率，減少地表吸收的太陽幅射和感熱，這將減少對流降水，植被覆蓋也因而進一步減少。這一反饋機制被用來解釋上世紀70年代初到80年代中期北非薩赫勒地區(qū)的持續(xù)干旱。植被—降水相互作用的研究多偏重氣象干旱。由于與植物根系的直接聯系，作為水文和農業(yè)干旱特征之一的土壤水分不足常常是干旱影響生態(tài)系統研究的一個核心。Zeng et al.（1999）認為，植被覆蓋減少導致較小蒸騰和土壤水分向大氣的傳輸。這將減少降水，植被覆蓋也相應變得更小。由此提出了一種植被影響土壤濕度、蒸騰蒸散、和降水的反饋機制。

然而，最近的一些研究表明，植被也可能加強干旱。Teuling et al.（2013）分析了兩次歐洲干旱事件的觀測結果，發(fā)現干旱期間減少的云量導致陸地表面吸收更多的太陽輻射，因此溫度較高。這會增加氣候濕潤、植被覆蓋較大地區(qū)的蒸騰，增強土壤水分不足的程度。土壤貯水量也因此變得更小，生態(tài)干旱變得更加嚴重。Meng et al.（2014）模擬了澳大利亞東南部2002年的干旱，發(fā)現土壤水分、植被與降水變化之間存在緩慢的反饋過程。土壤水分由于干旱而變小，由此引起的蒸發(fā)減少不利于對流和降水，短期內導致土壤濕度進一步減少。但如果土壤水分持續(xù)不足，植被將減少，蒸發(fā)量會減少，從而減少土壤水分下降的速度，減緩干旱。

上述研究表明，植被可能減少干旱，也可能加強干旱。那么，這種不確定性對未來氣候變化情形下干旱趨勢有什么影響？本文通過分析美國干旱強度和頻率的變化趨勢與植被的關系對這一問題進行探索。具體研究內容包括預測未來干旱趨勢及其地理分布和季節(jié)變化，比較高、低植被覆蓋度區(qū)域未來干旱強度和頻率，分析植被影響的機制和出現的氣候條件，及探討對適應和減緩氣候變化的意義。

2 方法

2.1 干旱指數

本文采用Keetch-Byram干旱指數（KBDI）（Keetch and Byram, 1968）表示干旱強度。KBDI是土壤回到飽和狀態(tài)所需的水分，由簡化土壤水分平衡方程獲得:

Qt和Qt?1是當前和前一天的KBDI，單位為10?2英寸（1英寸等于2.54 cm），ΔQ (=Qt－Qt?1) 是土壤水分短缺（KBDI）在 Δt時段（這里為日）的變化。Qmax為土壤飽和時所需水分（假定為8英寸或0.2 m）。KBDI分別隨蒸發(fā)QE和降水Pt增加和減少。蒸發(fā)由三個因子決定。一是當日最高溫度Tt(K)；溫度越高，潛在蒸發(fā)越大。二是多年平均降水Pave，近似表示植被狀況（假設高降水區(qū)域能支持更多的植被）；植被越多，蒸騰蒸發(fā)也越大。三是前一天缺水程度；程度越小，蒸發(fā)越大。ci(i=0, …, 5) 為經驗常數。此外，還假設溫度低于283 K (10°C)時KBDI不再變化。如果前一天無降水，僅當日降水量大于0.20英寸（0.5 cm）的部分用于計算。

KBDI對氣候變化的響應（溫度和降水變化，假設植被不變）為：

干旱增幅（ΔQt）由下列因子決定：溫度Tt和其變化ΔTt（正比）、降水變化ΔtP（反比）、當前平均降水（植被覆蓋度）Pave（正比）、當前土壤水分短缺或干旱程度Qt?1（反比）。Pave越大，公式（4）分母中e指數項越小，Δt前分數項越大，因此ΔQt與Pave成正比。這意味著，在其他氣象條件相同的情況下，植被覆蓋度越大，蒸騰蒸發(fā)能力越強，土壤水分損失越快，干旱發(fā)展越快。

KBDI最大值為800。干旱程度分為四級：低（KBDI = 0～200）、中度（200～400）、高（400～600）和極端（600～800）。 KBDI的經驗系數根據美國東南部觀測資料獲得。一些研究發(fā)現通常情況下KBDI可用于美國及世界其他地區(qū) (Xanthopoulos et al.，2006)。Liu et al. (2010a, 2013) 應用KBDI研究了氣候變化對全球和美國森林干旱和火災的影響。

目前有多種干旱指數可供選擇，每一種指數側重一種或多種干旱特征和影響（Heim，2002；Zargar et al.，2011）。其中帕爾默干旱指數（PDSI）和標準化降水指數（SPI）應用較廣。PDSI（Palmer，1965）已被用來研究各種尺度上的干旱（Dai, 2011；Zhang et al.，2013）。PDSI和KBDI都是基于水分平衡方程，溫度和降水為主要因子。兩者都依賴于前期的狀況，因而能較好地反映長時間缺水的累積效應。PDSI更為復雜全面，主要是使用月值，而KBDI多使用日值。KBDI和PDSI都始于上世紀六十年代。由于缺乏獲得土壤濕度狀況的手段，它們應用經驗關系（如公式2）根據氣象狀況估算蒸發(fā)。目前氣候模式中包括模擬地—氣相互作用的陸地過程模式，能直接模擬蒸發(fā)，為評估干旱提供了新的途徑。盡管如此，許多研究（包括本文）仍采用干旱指數中的公式計算蒸發(fā)。原因之一是有些陸地過程模式在模擬極端天氣情形下土壤濕度的變化有一定的不確定性。例如，Liu et al.（2010b）比較了應用一個區(qū)域氣候模式模擬的氣象因子和土壤濕度分別計算1988年北美大旱期間的KBDI，發(fā)現前者更能反映干旱的強度。

2.2 區(qū)域氣候變化

研究區(qū)域是美國大陸。氣候變化資料由北美區(qū)域氣候變化評估項目（NARCCAP）提供（Mearns et al., 2012）。NARCCAP產生高分辨率氣候變化預測結果，用以評估未來區(qū)域氣候預測的不確定性，并為研究氣候變化的影響提供氣候資料。資料為1971～2000年和2041～2070兩個時期，多數氣象要素輸出頻率為三小時，空間分辯率為50公里。未來氣候預測降尺度只包含SRES A2排放情景。

區(qū)域氣候變化情景由動力降尺度獲得。大氣環(huán)流模型（GCM）包括全球耦合氣候模式（CGCM3）、地球物理流體動力學實驗室氣候模型（GFDL）、哈德利中心氣候模式（HadCM3）和氣候系統模式（CCSM）。區(qū)域氣候模型（RCM）包括加拿大區(qū)域氣候模式（CRCM）、區(qū)域譜模式（RSM）、高分辨率區(qū)域模型（HRM）、中尺度氣象模式（MM5I）區(qū)域氣候模式3（RCM3）和天氣研究和預報模式（WRFG）。NARCCAP總共提供10 個GCM與RCM組合產生的氣候變化情景，即CGCM3與CRCM、RCM3和WRFG組合，GFDL與HRM3 和RCM3組合，HadCM3與HRM3和MM5I組合，CCSM與CRCM、MM5I和WRFG組合。本研究使用前七種組合。由CCSM產生的三種組合缺每個時期最后一年的資料，因此未用于計算。值得一提的是，NARCCAP所用的GCM和RCM均未模擬氣候變化情形下植被類型、結構、分布等特征的變化。資料可從http://www.narccap.ucar.edu[2015-06-21]獲得。

2.3 分析植被對干旱的影響

應用NARCCAP氣候變化情形分別計算了美國大陸現在和未來兩個時期逐日KBDI。每個格點KBDI計算步驟如下：（i）前五年每一年初值為零，計算逐日KBDI。（ii）獲得每年最后一天KBDI的平均值。（iii）以此值作為初值，計算30年逐日KBDI。除了KBDI，還計算了強干旱（KBDI＞400）和極端干旱（KBDI＞600）日出現的百分率。通過比較每個氣候區(qū)兩種植被類型（高、低植被覆蓋度）之間KBDI，高干旱及極端干旱風險的出現頻率的差異，分析植被對氣候變化情形下干旱趨勢的影響。

氣候區(qū)根據Koppen-Geiger氣候分類（Kottek et al.， 2006）劃分。每一氣候區(qū)由主要氣候類型、降水（濕度）和溫度特征決定。美國大陸主要氣候類型包括干燥、溫暖、寒冷；降水（濕度）類型包括濕潤、干夏、荒漠、沙漠；溫度類型包括熱夏、暖夏、冷夏、熱干、冷干。美國大陸主要分為六個氣候區(qū)（圖1a)：東南（SE）溫暖、濕潤、夏季炎熱區(qū)，東北（NE）寒冷、潮濕、夏季溫暖或炎熱區(qū)，西部內地（W）干旱和高寒草原區(qū)，西南（SW）干旱草原和沙漠以及夏季干熱或干冷區(qū)，落基山脈（RM）區(qū)（與NE氣候類似），太平洋沿岸（PC）溫暖區(qū)（夏季干燥冬季濕潤）。

美國東南地區(qū)主要土地覆蓋類型為落葉林、針葉林、混交林與濕地，農業(yè)分布在密西西比河流域、德克薩斯東部、以及大西洋沿岸的一些地區(qū)。東北地區(qū)主要為落葉林，農業(yè)區(qū)主要在中西部地區(qū)。太平洋沿海地區(qū)以針葉林和草為主，而西部山區(qū)和荒漠地區(qū)主要為針葉林、干草和沙漠。

不同區(qū)域氣候模式中的土地類型方案可能有所不同。這里采用RCM3中擴充的BATS土地類型方案（在原BATS方案中增加了與城市和城鎮(zhèn)有關的兩種類型）（Dickinson et al.，1993；Elguindi et al., 2004）。每個氣候區(qū)選擇兩種土地覆蓋類型代表高、低植被覆蓋度區(qū)域進行比較（表1）。東南和東北氣候區(qū)為落葉林和農田。這兩個氣候區(qū)也包含較多的林地/城鎮(zhèn)，由于其許多特征與落葉林相近，特別是難以區(qū)分林地與城鎮(zhèn)面積的比例，所以未選其代表低植被覆蓋度區(qū)域。西部和西南氣候區(qū)為草地和荒漠草原，落基山和太平洋沿岸氣候區(qū)為針葉林和荒漠草原。為敘述方便，以下通稱落葉林和針葉林為林地，簡稱荒漠草原為荒漠。

表1 主要植被類型的格點數。括號中m和l為進行比較所選擇高、低植被覆蓋度類型Table 1 Grid point numbers of major land cover types. The letters ‘m’ and ‘l’ in parentheses indicate selected types as more and less vegetated lands for comparison

3 結果

3.1 氣候特征和變化

冬季最高氣溫（圖1）從美國東南地區(qū)約290 K降至東北地區(qū)西北部的260 K。落基山地區(qū)為265～270 K，西部地區(qū)為270～275 K，均較同緯度的其他地區(qū)寒冷，而太平洋沿岸地區(qū)為275～285 K，較同緯度其他地區(qū)溫暖。夏天地理分布與冬季類似，但氣溫變得炎熱，東南和西南地區(qū)達到300～310 K。春季和秋季介于冬夏之間，為280～300 K（落基山區(qū)氣溫較低）。

未來全美國所有季節(jié)的最高氣溫度都有所增加（圖2）。冬季東北地區(qū)、春季西南地區(qū)增溫達到2.5 K。夏季全國大部分地區(qū)增溫3～5 K，東南地區(qū)中部和西部地區(qū)最大。秋季增溫地理分布與夏季類似，但幅度較小，僅在西部地區(qū)東南部達到2～3 K。

冬季降水（圖3）主要分布在東南地區(qū)和太平洋沿岸地區(qū)北部，降水量約4～6 mm d?1。落基山區(qū)也有較大降水。春季降水區(qū)東南地區(qū)變大，而太平洋沿岸地區(qū)變小。夏季降水主要集中在東北地區(qū)，大西洋沿岸降水量達4～4.5 mm d?1，但東南地區(qū)降水減少，太平洋沿岸地區(qū)降水區(qū)幾乎消失。秋天降水分布和冬季相似，但降雨量較小。

未來美國冬天降水量（圖4）普遍增加，東南和東北地區(qū)大西洋沿岸增幅達到0.4 mm d?1。春季西南地區(qū)、西部地區(qū)南部、和太平洋沿岸降水開始減少，而夏天除東北地區(qū)西北部和西部地區(qū)東北部，全國范圍內降水減少，東南地區(qū)西部和西部地區(qū)東南部減幅達到0.6 mm d?1。秋天全國范圍降水又開始增加，但除西部地區(qū)的一些地方，增幅較小。

同一氣候區(qū)不同植被區(qū)域的溫度和降水存在很大差別。在美國東南、東北、落基山和太平洋沿岸氣候區(qū)，與農田（荒漠）相比，林地（草地）通常溫度較低，降水較大（圖5、6）。唯一例外是東北氣候區(qū)冬季，盡管林地（草地）降水較大，溫度卻較高。與上述氣候區(qū)相反，美國西部和西南氣候區(qū)林地（草地）溫度與對應的農田（荒漠）溫度相近或更大。降水量差別取決于季節(jié)。春夏季林地（草地）降水較大。

圖1 當前最高氣溫（單位：K）（7個區(qū)域氣候變化情景平均）。（a）、（b）、（c）和（d）分別為冬、春、夏和秋季。（a）中SE、NE、W、SW、RM 和PC分別為東南、東北、西部、西南、落基山、太平洋沿岸氣候區(qū)，白線為近似區(qū)界Fig. 1 Present maximum temperature (units: K) averaged over seven regional climate change scenarios in (a) winter, (b) spring, (c) summer, and (d) fall. SE, NE, W, SW, RM and PC in (a) represent the southeast, northeast, west, southwest, Rocky Mountains, and Pacific coast climate regimes, respectively. White lines are region boundaries

圖2 未來最高氣溫變化（單位：K）（7個區(qū)域氣候變化情景平均）。其他同圖1Fig. 2 As in Fig. 1 but for future changes in maximum temperature (units: K)

圖3 當前降水量（mm d?1）（7個區(qū)域氣候變化情景平均）。其他同圖1Fig. 3 As in Fig. 1 but for present precipitation (units: mm d?1)

圖4 未來降水量變化（單位：mm d?1）（7個區(qū)域氣候變化情景平均）。其他同圖1Fig. 4 As in Fig. 1 but for future changes in seasonal precipitation (units: mm d?1)

圖5 不同植被類型區(qū)域最高氣溫（單位：K）。（a）、（b）、（c）和（d）分別為冬、春、夏和秋季。T和ΔT分別為當前最高氣溫和未來變化。SE、NE、W、SW、RM和PC分別為東南、東北、西部、西南、落基山和太平洋沿岸氣候區(qū)。每一氣候區(qū)左側表示林地（草地），右側表示對應的農田（荒漠）。七個區(qū)域氣候變化情景平均，其最小和最大值區(qū)間由垂直線表示Fig. 5 Maximum temperature (units: K) with different land cover types in (a) winter, (b) spring, (c) summer and (d) fall. T and ΔT represent present conditions and future changes, respectively. SE, NE, W, SW, RM and PC represent the southeast, northeast, west, southwest, Rocky Mountains, and Pacific coast climate regimes, respectively. Left and right bars for each region represent forest land (rangeland) and the corresponding farmland (dryland), respectively. Averaged over seven climate change scenarios, with ranges indicated by vertical lines

3.2 干旱特征和趨勢

冬季太平洋沿岸和西部地區(qū)西部KBDI超過500（圖7），德克薩斯為350～400。KBDI從西向東減小，東北地區(qū)和大部分東南地區(qū)低于100。春季的地理分布不變，但數值略有減小。夏季和秋季東南和東北地區(qū)KBDI顯著增加，其中東南地區(qū)夏季KBDI達到400，秋天達到500。

未來冬季KBDI普遍增加，增幅達到100以上（圖8），但德克薩斯和加利福尼亞州南部略有減少。春天KBDI變化相似，但數值較小。此后，全國范圍KBDI急劇增加，夏季東南地區(qū)，秋季大西洋中部沿岸和西部地區(qū)東部增幅達150。夏秋季KBDI的顯著增加和這些地區(qū)強烈增暖和變干一致。 強干旱和極端干旱日出現頻率（圖未顯示）的地理分布、季節(jié)變化、及未來趨勢與KBDI的特征類似。

3.3 植被的影響

與農田（荒漠）區(qū)域相比，對應的林地（草地）所有氣候區(qū)所有季節(jié)的KBDI都較?。▓D9）。這一差別對每個氣候變化情景都一樣。在氣候與植被均為動態(tài)系統的模式中，這一關系可能表明植被會降低干旱風險，也可能表明干旱風險低的區(qū)域植被覆蓋度高。由于獲得NARCCAP氣候變化的區(qū)域氣候模式中這兩個系統只有氣候是動態(tài)的，上述關系應代表第一種可能性，即表明植被會降低干旱風險。

圖6 不同植被類型區(qū)域降水(mm d?1)。P和Δ P分別為當前降水量和未來變化。其他同圖5Fig. 6 As in Fig. 5 but for precipitation (units: mm d?1). P and Δ P represent present conditions and future changes, respectively

但是植被對未來干旱增強的影響卻因氣候區(qū)而異。六個氣候區(qū)可分為三種情形：（i）東南、西部和西南氣候區(qū)：與農田（荒漠）地相比，所有季節(jié)對應林地（草地）KBDI增幅較大。唯一例外是東南區(qū)春天。（ii）東北和落基山氣候區(qū)：所有季節(jié)林地（草地）KBDI增幅較小。（iii）太平洋沿岸氣候區(qū)：該區(qū)屬于地中海氣候，夏秋溫暖但少雨，冬春低溫但多雨，這和美國其他區(qū)域溫度和降水的對應關系（即雨季和暖季、干季和冷季同時出現）相反。該區(qū)植被對未來干旱增強的影響兼有上述兩種情形，主要由溫度特征決定：夏秋季和東南、西部、和西南氣候區(qū)一樣（情形i)，林地（草地）KBDI增幅較大；冬春季和東北、落基山氣候區(qū)一樣（情形ii)，林地（草地）KBDI增幅較小。

植被對未來高干旱和極端干旱風險日出現頻率增加會產生同樣的影響。 圖10為高干旱的情形。因此，在溫暖和濕潤/干燥氣候區(qū)（Koppen-Geiger氣候分類中主要氣候類型C和B），林地（草地）干旱強度和頻率增幅較大，而在寒冷和濕潤氣候區(qū)（主要氣候類型D），林地（草地）干旱強度和頻率增幅較小。

3.4 物理機制

3.4.1 當前干旱狀況

如公式（1）和（2）所示，KBDI與溫度和降水直接相關；植被會影響溫度以及降水，從而間接影響KBDI。過去很多研究結果表明，植被覆蓋的土壤通常溫度較低，降水較大，這和現在美國東南、東北、落基山和太平洋沿岸氣候區(qū)植被狀況與溫度和降水的關系一致（圖5、6）。因此，這些氣候區(qū)林地（草地）的KBDI較小。

圖7 當前KBDI（Keetch-Byram干旱指數）（7個區(qū)域氣候變化情景平均）。其他同圖1Fig. 7 As in Fig. 1 but for present KBDI (Keetch-Byram Drought Index)

圖8 未來KBDI變化（7個區(qū)域氣候變化情景平均）。其他同圖1Fig. 8 As in Fig. 1 but for future changes in seasonal KBDI

圖9 不同植被類型區(qū)域KBDI。KBDI和Δ KBDI分別為當前干旱指數和未來變化。其他同圖5Fig. 9 As in Fig. 5 but for KBDI with different land cover types. KBDI and Δ KBDI represent present conditions and future changes, respectively

美國西部和西南氣候區(qū)林地（草地）的溫度與對應的農田（荒漠）區(qū)域相近或更大。春夏季降水林地（草地）較大。考慮到這兩個氣候區(qū)水分為地—氣交換更為關健的因素，可以假定較大降水比較高氣溫起著更大的作用，因此KBDI較低。冬秋季降水林地（草地）較小或差別不大。較高氣溫應導致較大KBDI。這和計算結果不一致。一種可能的解釋是，KBDI取決于其前期值；由于夏季KBDI較小，因而秋冬天的KBDI相應地較小。

3.4.2 未來干旱強度變化

如公式（3）和（4）所示，氣溫和降水量的未來變化也是未來KBDI變化的主要因素。與農田（荒漠）相比，對應的林地（草地）區(qū)域溫度、降水和KBDI的變化可能有以下情形：（i）增暖和變干更明顯（后者可以是降水減少更多或降水增加更?。活A期KBDI增幅更明顯（三種變化特征分別表示為＋ΔT，－ΔP和＋ΔQ）。（ii）增暖和變干較弱（后者可以是降水減少較小或降水增加更大）；預期KBDI增幅較?。ǎ，＋ΔP和－ΔQ）。（iii）增暖更明顯但變干較弱（＋ΔT和＋ΔP），或增暖較弱但變干更明顯（ΔT和－ΔP）; 難以預期KBDI增幅較大還是較小（±ΔQ）。

東南、西部和西南氣候區(qū)（所有季節(jié)）和太平洋沿岸氣候區(qū)（夏秋季）溫度、降水，或KBDI變化在不同區(qū)域和季節(jié)之間很不一致。例如，ΔT符號為正、負和幾乎為零的次數為4、 4和6（表2）。其結果是，預期和計算的KBDI變化同號的次數與總次數的比例僅為3/14，故情形（iii）出現最多。因此無法通過未來氣溫和降水的變化來判斷植被對未來干旱增強的影響。這意味著不得不尋找其他機制。一個可能的機制為，如公式（3）和（4）所示，ΔT對KBDI增加的重要性與當前干旱水平（KBDI）成反比。由于KBDI明顯較小，這些氣候區(qū)林地（草地）區(qū)域由氣候變暖導致的干旱增幅度更明顯。

相反，東北、落基山（所有季節(jié)）和太平洋沿岸氣候區(qū)（冬春季）溫度、降水，或KBDI變化不同區(qū)域和季節(jié)之間較為一致。例如，ΔT符號為正、負和幾乎為零的次數為1、8和1。其結果是，預期的和計算的KBDI變化同號的比例較高，達到6/10，故情形（ii）出現最多。四次不同符號情形有三次出現在東北氣候區(qū)。該區(qū)KBDI很小，因此增溫作用很重要。ΔT都為負，由此導致林地（草地）干旱增加較弱。因此，這些氣候區(qū)植被通過影響未來氣溫和降水變化（特別是氣溫）間接影響干旱變化是一個主要物理機制。

表2 比較不同植被類型之間未來溫度（ΔT）、降水（ΔP）和KBDI（Keetch-Byram干旱指數）（ΔQ）變化?！埃?、“－”和“～”號分別表示林地（草地）比對應的農田（荒漠）區(qū)域變幅更大、更小和相近。預計的ΔQ符號根據ΔT和ΔP的符號推斷，x表示推斷與計算的ΔQ同號Table 2 Comparisons of changes in temperature (ΔT), precipitation (ΔP), and KBDI (Keetch-Byram Drought Index) (ΔQ) between different land cover types. The ‘＋’,‘－’ and ‘～’ symbols indicate the magnitude of change on more vegetated lands is larger, smaller, and almost same, respectively. The expected sign of ΔQ is obtained based on the signs of ΔT and ΔP, with an ‘x’ indicating the same expected and calculated signs

4 討論

（1）未來干旱趨勢

一些研究對氣候變化情形下未來干旱趨勢進行了預測（Dai，2011）。 Cook et al.（2015）根據CMIP5氣候預測結果分析了PDSI和土壤水分，發(fā)現美國中部大平原和西南地區(qū)夏季干旱將急劇增加。本文分析的KBDI也發(fā)現類似結果。所不同的是KBDI夏季最大增加出現在美國東南部，而中部大平原干旱增加也出現在其他季節(jié)。Liu et al.（2013）使用一個NARCCAP氣候變化情景（HadCM3-HRM3）計算了未來KBDI變化。七個NARCCAP氣候變化情景的集成分析結果顯示了類似的干旱增加趨勢及其地理分布和季節(jié)變化，但冬季和春季干旱增加主要出現在大平原的中部而不是整個區(qū)域；此外，西南地區(qū)干旱增加的幅度較小。

（2）植被影響干旱的機理

如引言所述，已有研究表明了植被對干旱影響的復雜性，植被可能減少干旱（Charney，1975；Zeng et al.，1999)，也可能加強干旱（Teuling et al.，2013；Meng et al.，2014）。本研究為未來氣候變化情形下這一特征的存在提供了證據，并揭示其與氣候區(qū)的關系和機制。在溫暖和潮濕/干燥的氣候區(qū)，當前植被覆蓋度較高的地區(qū)干旱風險較小，但未來氣候變化情形下干旱強度和頻率增幅更大。然而，寒冷和潮濕氣候區(qū)，植被導致相對較小的增暖，干旱強度和頻率增加的幅度相應地也較小。這些結果有助于增加對植被與干旱相互作用的理解，改進當前和未來干旱模擬和預測的能力。這些特征根據在美國的區(qū)域氣候變化模擬結果獲得，是否在世界其它地區(qū)也有類似的特征有待進一步的研究。

值得一提的是，氣候變化情形下植被本身會改變。例如，Grimm et al.（2013）表明，由于氣候變化，2100年物種種類將發(fā)生廣泛的變化，由此可能會改變5%～20%美國陸地的生物群落成分。這種影響可能會改變公式（2）中降水和植被之間的關系，也會改變植被對干旱趨勢的影響。本文所應用的區(qū)域氣候變化情形未包括氣候變化情形下植被的變化。因此無法研究未來植被變化對干旱趨勢的影響變化。這是今后研究需關注的一個問題。

另一個需關注的問題是如何證明本文分析的不同干旱趨勢是植被的影響，而不是不同氣候特性干旱自身的演變特性。本文研究植被影響采用的方法是比較同一氣候區(qū)兩種不同植被類型干旱趨勢的差別。但由于氣候區(qū)范圍較大，地形也可能不一樣，兩種植被區(qū)域大氣的狀態(tài)和過程本身會有所差別，并對干旱趨勢產生一定影響。解決這一問題的途徑之一是應用區(qū)域氣候模式進行數值實驗，將兩種植被區(qū)域變成同一種植被（例如，在東南氣候區(qū)將農田變成林地，反之亦然）。如果兩個區(qū)域的干旱趨勢差別不復存在，則可證明不同干旱趨勢主要是植被的影響，否則是其他因素的影響。此實驗超出本文分析的內容，但是今后研究值得嘗試的課題。

圖10 不同植被類型區(qū)域高干旱風險日出現頻率。HD和ΔHD分別為當前高干旱風險日出現頻率和未來變化。其他同圖5Fig. 10 As in Fig. 5 but for the percentage of high drought (HD) risk days with different land cover types. HD and ΔHD represent present conditions and future changes, respectively

（3）減緩氣候變化

由于森林在減少大氣二氧化碳中重要作用，廣泛認為森林恢復和人工造林是減緩氣候變化的一個十分有效的手段。本研究結果表明，森林可能對未來干旱增加有著相反的作用。一方面，在寒冷和潮濕氣候區(qū)，增加森林將減小未來干旱增加的幅度。植被的這種作用進一步加強了森林對減緩氣候變化的意義。但另一方面，在溫暖和潮濕/干燥氣候區(qū)，更多的植被可能增加未來的干旱，加大氣候變化的影響。其中一個影響是未來林火趨勢。植被越多，干旱越嚴重，發(fā)生森林火災的可能行也越大。這也許是森林管理部門制定適應和減緩氣候變化計劃和策略時必須考慮的一個問題。

（4）KBDI

KBDI代表的干旱與氣象條件之間的關系較為簡單，而后者受植被狀況的影響。因此，比較容易通過考察溫度和降水的變化認識植被對干旱的影響。但是，KBDI有一定的局限性。首先，KBDI量度絕對水分不足；不同氣候區(qū)域同一土壤缺水量可能意味著不同的干旱程度。例如，KBDI=400在美國東北地區(qū)較為少見，但在西南地區(qū)很常見，因此實際上干旱僅在東北出現。其次，KBDI只考慮氣溫和降水的貢獻。植被也可以改變風及其他氣象條件 (Dai et al., 2004)。NARCCAP氣候變化情景預測未來美國中緯度地區(qū)風速會減?。↙iu et al.，2013）。這將影響未來地表水分和能量交換，從而影響到植被對干旱的影響。應用KBDI無法考察這種影響。此外，KBDI使用的降水和植被之間的關系在有些地區(qū)不一定有效（Liu et al.，2013）。

（5）氣候變化情景

NARCCAP氣候變化情景由CMIP3全球氣候變化預測產生，并只考慮了A2排放情景。新的CMIP5全球氣候變化預測采用了新的排放情景，氣候模式也有所更新和改進。CMIP5干旱預測結果與CMIP3有所不同。例如，CMIP5的分析表明全球干旱趨勢預測的不確定性有所增加，預測的中緯度地區(qū)干旱趨勢有所減小 (IPCC，2013)。應用CMIP5降尺度氣候變化情景是加深對植被影響未來干旱趨勢認識的一個有效途徑。一個所面臨的問題是，動力氣候降尺度需大量的計算資源，因此將需要很長一段時間制定并實施像NARCCAP一樣的大規(guī)模動力降尺度研究項目。

5 結論

本研究考察了氣候變化情形下植被對干旱趨勢的影響和機制。結果表明，在美國大陸溫暖和潮濕/干燥氣候區(qū)，高植被覆蓋度地區(qū)干旱增加更為明顯，但在寒冷和潮濕氣候區(qū)，高植被覆蓋度區(qū)域干旱增加較小。由此可以得出結論，植被對美國干旱趨勢的影響與氣候區(qū)有關。在特定的氣候區(qū)，植被可以放大全球變暖期間未來干旱的風險。

致謝 作者感謝審稿人極有價值和建設性的問題和建議。此項研究是由美國自然科學基金會、農業(yè)部和能源部聯合項目：地球系統模式預報年代際區(qū)域氣候 (NIFA-2013-35100-20516)。區(qū)域氣候變化情景數據由北美區(qū)域氣候變化評估計劃（NARCCAP）提供。

參考文獻(References)

Anderegg W R L, Anderegg L D L, Berry J A, et al. 2014. Loss of whole?tree hydraulic conductance during severe drought and multi?year forest die?off [J]. Oecologia, 175 (1): 11–23, doi:10.1007/s00442-013- 2875-5.

Betts R A. 2000. Offset of the potential carbon sink from boreal forestation by decreases in surface albedo [J]. Nature, 408: 187–190, doi:10.1038/35041545. Bonan G B. 2008. Forests and climate change: Forcings, feedbacks, and the climate benefits of forests [J]. Science, 320: 1444–1449, doi:10.1126/ science.1155121.

Charney J, Quirk W J, Chow S -H, et al. 1977. A comparative study of the effects of albedo change on drought in semi-arid regions [J]. J. Atmos. Sci., 34: 1366–1385, doi:10.1175/1520-0469(1977)034<1366: ACSOTE> 2.0.CO; 2.

Charney J G. 1975. Dynamics of deserts and drought in the Sahel [J]. Q. J. R. Meteor. Soc., 101 (428): 193–202, doi:10.1002/qj.49710142802.

Chen G S, Notaro M, Liu Z Y, et al. 2012. Simulated local and remote biophysical effects of afforestation over the southeast United States in boreal summer [J]. J. Climate, 25: 4511–4522, doi:10.1175/JCLI-D-11-00317.1.

Cook B I, Ault T R, Smerdon J E. 2015. Unprecedented 21st century drought risk in the American Southwest and Central Plains [J]. Sci. Adv., 1(1): e1400082, doi:10.1126/sciadv.1400082.

Cook B I, Smerdon J E, Seager R, et al. 2014. Global warming and 21st century drying [J]. Clim. Dyn., 43 (9–10): 2607–2627. doi:10.1007/ s00382-014-2075-y.

Dai A. 2011. Drought under global warming: A review [J]. Wiley Interdisciplinary Reviews: Climate Change, 2: 45–65, doi:10. 1002/wcc.81.

Dai Y J, Dickinson R R, Wang Y P. 2004. A two-big-leaf model for canopy temperature, photosynthesis, and stomatal conductance [J]. J. Climate, 17 (12): 2281–2299, doi:10.1175/1520-0442(2004)017<2281:ATMFCT>2.0.CO;2.

Dickinson R E, Henderson-Sellers A, Kennedy P J. 1993. Biosphereatmosphere Transfer Scheme (BATS) Version 1e as Coupled to the NCAR Community Climate Model [R]. NCAR Technical Note NCAR/ TN-387+STR, doi:10.5065/D67W6959.

丁一匯 李巧萍 董文杰. 2005. 植被變化對中國區(qū)域氣候影響的數值模擬研究 [J]. 氣象學報, 63 (5): 613–621. Ding Y H, Li Q P, Dong W J. 2005. A numerical simulation study of the impacts of vegetation changes on regional climate in China [J]. Acta Meteor. Sinica, 63 (5): 613–621, doi:10.11676/qxxb2005.060

Elguindi N, Bi X, Giorgi F, et al. 2004. RegCM Version 3 User’s guide [R]. PWCG Abdus Salam ICTP, Trieste, Italy, 48pp.

Ellison D, Futter M N, Bishop K. 2012. On the forest cover–water yield debate: From demand- to supply-side thinking [J]. Global Change Biol., 18: 806–820, doi:10.1111/j.1365-2486.2011.02589.x.

Falloon P D, Dankers R, Betts R A, et al. 2012. Role of vegetation change in future climate under the A1B scenario and a climate stabilisation scenario, using the HadCM3C Earth system model [J]. Biogeosciences, 9: 4739–4756, doi:10.5194/bg-9-4739-2012.

符淙斌, 袁慧玲. 2001. 恢復自然植被對東亞夏季氣候和環(huán)境影響的一個虛擬試驗 [J]. 科學通報, 46 (8): 691-695. Fu C B, Yuan H L. 2001. An virtual numerical experiment to understand the impacts of recovering natural vegetation on the summer climate and environmental conditions in East Asia [J]. Chin. Sci. Bull., 46: 1199–1203, doi:10.1007/ BF02900602.

高學杰, 張冬峰, 陳仲新,等. 2007. 中國當代土地利用對區(qū)域氣候影響的數值模擬 [J]. 中國科學（D輯）: 地球科學, 37 (3): 397–404. Gao X J, Zhang D F, Chen Z X, et al. 2007. Land use effects on climate in China as simulated by a regional climate model [J]. Science in China (Series D): Earth Sciences, 50 (4): 620–628, doi:10.1007/s11430-007-2060-y.

Grimm N B, Chapin Ⅲ F S, Bierwagen B, et al. 2013. The impacts of climate change on ecosystem structure and function [J]. Front. Ecol. Environ., 11 (9): 474–482, doi:10.1890/120282.

Heim R R. 2002. A review of twentieth-century drought indices used in the United States [J]. Bull. Am. Meteor. Soc., 83: 1149–1166.

IPCC. 2013. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [M]// Stocker T F, Qin D, Plattner G -K, et al. (eds.). Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press, 1535pp, doi: 10.1017/CBO9781107415324.

Jiang Z H, Song J, Li L, et al. 2011. Extreme climate events in China: IPCC-AR4 model evaluation and projection [J]. Climatic Change, 110 (1–2): 385–401doi:10.1007/s10584-011-0090-0.

Jones J A, Creed I F, Hatcher K L, et al. 2012. Ecosystem processes and human influences regulate streamflow response to climate change at long-term ecological research sites [J]. BioScience, 62 (4): 390–404. doi:10.1525/bio.2012.62.4.10.

Keetch J J, Byram G M. 1968. A Drought Index for Forest Fire Control [R]. USDA Forest Service, Southeast Forest Experiment Station Research Paper SE-38. Asheville, NC, 35pp.

Kottek M, Grieser J, Beck C, et al. 2006. World Map of the K?ppen-Geiger climate classification updated [J]. Meteor. Z., 15 (3): 259–263, doi:10.1127/0941-2948/2006/0130.

Liu S M, Lu L, Mao D, et al. 2007. Evaluating parameterizations of aerodynamic resistance to heat transfer using field measurements [J]. Hydrol. Earth Syst. Sci., 11: 769–783, doi:10.5194/hess-11-769-2007.

Liu Y Q. 2010. A numerical study on hydrological impacts of forest restoration in the southern United States [J]. Ecohydrology, 4 (2): 299–314, doi:10.1002/eco.178.

Liu Y Q, Stanturf J, Lu H Q. 2008. Modeling the potential of the northern China forest shelterbelt in improving hydroclimate conditions [J]. J. Am. Water Resour. Assoc., 44 (5): 1176–1192, doi:10.1111/j.1752-1688.2008. 00240.x.

Liu Y Q, Stanturf J, Goodrick S. 2010a. Trends in global wildfire potential in a changing climate [J]. Forest Ecol. Manag., 259 (4): 378–1127, 10.1016/j.foreco.2009.09.002.

Liu Y Q, Stanturf J, Goodrick S. 2010b. Wildfire potential evaluation during a drought event with a regional climate model and NDVI [J]. Ecolog. Inform., 5 (5): 418–428, doi:10.1016/j.ecoinf.2010.04.001.

Liu Y Q, Goodrick S L, Stanturf J A. 2013. Future U.S. wildfire potential trends projected using a dynamically downscaled climate change scenario [J]. Forest Ecol. Manag., 294: 120–135, doi:10.1016/j.foreco.2012.06.049.

Liu Z Y, Notaro M, Kutzbach J, et al. 2006. Assessing global vegetationclimate feedbacks from the observation [J]. J. Climate, 19 (5): 787–814, doi:10.1175/JCLI3658.1.

Ma D, Notaro M, Liu Z Y, et al. 2013. Simulated impacts of afforestation in East China monsoon region as modulated by ocean variability [J]. Climate Dyn., 41: 2439–2450, doi:10.1007/s00382-012-1592-9.

Mearns L O, Arritt R, Biner S, et al. 2012. The North American regional climate change assessment program: Overview of phase I results [J]. Bull. Amer. Met. Soc., 93: 1337–1362, doi:10.1175/BAMS-D-11-00223.1.

Meng X H, Evans J P, McCabe M F. 2014. The impact of observed vegetation changes on land–atmosphere feedbacks during drought [J]. J. Hydrometeor, 15: 759–776, doi:10.1175/JHM-D-13-0130.1.

NWS (U. S. National Weather Service). 2006 [2015-6-21]. Drought [OL].. http://www.nws.noaa.gov/om/brochures/climate/Drought.pdf.

Palmer W C. 1965. Meteorological drought [R]. Research Paper 45, U. S. Dept. of Commerce, 58pp. Seager R, Ting M F, 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.

Teuling A J, van Loon A F, Seneviratne S I, et al. 2013. Evapotranspiration amplifies European summer drought [J]. Geophys. Res. Lett., 40: 2071–2075, doi:10.1002/grl.50495.

Trenberth K E, Dai A, van der Schrier G, et al. 2014. Global warming and changes in drought [J]. Nature Climate Change, 4: 17–22, doi:10.1038/ NCLIMATE2067.

Vicente-Serrano S M, Gouveia C, Camarero J J, et al. 2013. Response of vegetation to drought time-scales across global land biomes [J]. Proc. Natl Acad. Sci. USA, 110 (1): 52–57, doi:10.1073/pnas.1207068110.

Wang L, Chen W. 2014. A CMIP5 multimodel projection of future temperature, precipitation, and climatological drought in China [J]. Int. J. Climatol., 34 (6): 2059–2078, doi:10.1002/joc.3822.

Wu C Y, Chen J M. 2013. Diverse responses of vegetation production to interannual summer drought in North America [J]. Int. J. Appl. Earth Observ. Geoinform., 21: 1–6, doi:10.1016/j.jag.2012.08.001.

吳紹洪, 戴爾阜, 黃玫, 等. 2007. 21世紀未來氣候變化情景(B2)下我國生態(tài)系統的脆弱性研究 [J]. 科學通報, 52 (7): 811–817. Wu S H, Dai E F, Huang M, et al. 2007. Ecosystem vulnerability of China under B2 climate scenario in the 21st century [J]. Chin. Sci. Bull., 52 (10): 1379–1386, doi:10.1007/s11434-007-0197-x.

Xanthopoulos G, Maheras G, Gouma V, et al. 2006. Is the Keetch–Byram drought index (KBDI) directly related to plant water stress? [J] Forest Ecol. Manag., 234 (Suppl. 1): S27.

Yeh T -C, Wetherald R T, Manabe S. 1984. The effect of soil moisture on the short-term climate and hydrology change—A numerical experiment [J]. Mon. Wea. Rev., 112: 474–490, doi:10.1175/1520-0493(1984)112 <0474: TEOSMO>2.0.CO;2.

Zargar A, Sadiq R, Naser B, et al. 2011. A review of drought indices [J]. Environ. Rev., 19 (NA): 333–349, doi:10.1139/a11-013.

Zhang B Q, Wu P Y, Zhao X N, et al. 2013. Spatiotemporal analysis of climate variability (1971–2010) in spring and summer on the Loess Plateau, China [J]. Hydrological Processes, 28 (4): 1689–1702, doi:10.1002/hyp.9724.

Zhang X Q, Lei Y C, Pang Y, et al. 2014. Tree mortality in response to climate change induced drought across Beijing, China [J]. Climatic Change, 124 (1–2): 179–190, doi:10.1007/s10584-014-1089-0.

曾紅玲, 季勁鈞, 吳國雄. 2010. 全球植被分布對氣候影響的數值試驗[J]. 大氣科學, 34 (1): 1–11. Zeng H L, Ji J J, Wu G X. 2010. Numerical experiment of the influence of global vegetation distribution on climate [J]. Chinese J. Atmos. Sci., 34 (1): 1–11.

Zeng N, Neelin J D, Lau K -M, et al. 1999. Enhancement of interdecadal climate variability in the Sahel by vegetation interaction [J]. Science, 286: 1537–1540, doi:10.1126/science.286.5444.1537.

Zheng Y Q, Yu G, Qian Y F, et al. 2002. Simulations of regional climatic effects of vegetation change in China [J]. Q. J. R. Meteor. Soc., 128 (584): 2089–2114, doi:10.1256/003590002320603557.

劉永強. 2016. 植被對干旱趨勢的影響 [J]. 大氣科學, 40 (1): 142?156. Liu Yongqiang. 2016. Impacts of vegetation on drought trends [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 40 (1): 142?156, doi:10.3878/j.issn.1006-9895.1508.15146.

作者簡介劉永強，男，1959年出生, 博士, 研究員, 主要從事氣候與生態(tài)系統相互作用研究。E-mail: yliu@fs.fed.us

收稿日期2015-03-08；網絡預出版日期 2015-08-06

doi:10.3878/j.issn.1006-9895.1508.15146

文章編號1006-9895(2016)01-0142-15

中圖分類號P461

文獻標識碼A