马丹萌 俞淼 刘伟光

1 南京信息工程大学气象灾害教育部重点实验室/气候与环境变化国际合作联合实验室/气象灾害预报预警与评估协同创新中心，南京210044

2 南京信息工程大学大气科学学院，南京210044

1 引言

近年来，全球气候显著变暖（IPCC, 2013），造成了如海平面升高、冰川融化、动植物的数量种类减少等问题，严重影响着地球生态系统，成为了世界经济可持续发展和国际社会所面临的最为严峻的挑战（叶笃正和符淙斌, 1994; 叶笃正等, 2003; 秦大河等, 2007）。IPCC 第五次评估报告（Held,2001）显示，自工业革命以来，由于人类活动引起的地表覆盖变化、温室气体排放等所造成的辐射强迫变化是引起全球气候变暖的主要原因之一。其中陆面植被覆盖变化对区域及全球气候的影响渐渐成为关注的焦点（Charney, 1975; 郑益群等, 2002a; 张井勇等, 2005; 刘飞和巢纪平, 2009; 吴凌志等, 2011;邸月宝等, 2012），大面积的森林砍伐以及荒地开垦活动改变了陆面的植被覆盖，植被覆盖变化又通过改变下垫面的反照率、粗糙度及蒸散发等方式影响大气（Thomas and Rowntree, 1992; Bonan, 2008;Notaro and Liu, 2008; Chen et al., 2011），进一步对气候变化造成显著影响。

东亚地处中纬度地区，是世界上气候脆弱区之一，并且由于人口密度大，可利用土地资源相对不足，城市化进程中农作物的增加伴随着对森林的滥砍滥伐和草原的开垦，导致某些地区植被退化相当严重，致使区域气候和生态环境的恶化。为了改善生存环境，人们采取了一系列措施，其中之一就是实施退耕还林/草。例如，中国政府于1978年启动三北防护林工程。植树造林可以提供碳封存和防止水土流失，这些新森林对气候的影响取决于辐射和湍流通量对地表温度的改变（Peng et al., 2014）。然而，可能存在着一些不合理的造林，虽然树木成活了下来，却导致了地下水位的下降及周边草地灌木的死亡（符淙斌和袁慧玲, 2001）。故而有必要探究在何处植树，种何种树，以实现造林项目的气候效益。最极端的方案就是将植被全部恢复成最适合当地条件自然状况生长的类型。

越来越多的证据揭示了造林/毁林对东亚气候影响的结果（赵宗慈和罗勇, 1999; 温刚和符淙斌,2000; Gao et al., 2006; 梁妙玲和谢正辉, 2006; 高学杰等, 2007; 姜超等, 2013; Hua et al., 2015; Li et al.,2016; Li et al., 2020），符淙斌和袁慧玲（2001）使用两种不同的植被，包括卫星观测建立的地表植被覆盖（当前植被）及生态模式根据平均气候状况模拟出来的自然植被，利用区域环境系统模式RIEMS进行了一个虚拟试验，探究自然植被恢复对东亚夏季气候的影响。他们认为，大范围恢复自然植被对东亚夏季气候的影响是明显的，它不仅可以改变近地面气候状况，而且可以影响季风环流强度的变化。郑益群等（2002b）使用区域气候模式RegCM2通过改变蒙古、内蒙古草原植被及南方的常绿阔叶植被进行数值模拟试验，得出植被退化使气候变得更加恶劣，而北方草原植被增加使气候变得温和的结论。于燕和谢正辉（2012）使用RegCM4，利用能够反映20世纪80～90年代中国区域陆面覆盖状况资料CLCV与卫星遥感 MODIS陆面覆盖资料进行数值模拟试验，研究中国区域陆面覆盖变化对区域气候的影响。结果表明，以荒漠化和植被退化为主要特征的陆面覆盖变化通过改变陆面能量、水分平衡与大尺度环流进而对气候要素产生重要影响。Kabeja et al.（2020）利用一系列的卫星资料评估土地利用/土地覆盖（Land Use and Land Cover, LULC）的变化，并探究了重新造林引起的LULC对山区集水区典型水文响应空间模式的影响，结果表明，LULC从农业用地到森林的转化使得洪峰期流量减小。除了数值试验外，Ge et al.（2019）也利用卫星观测数据探究造林活动对局地气候的影响，证明不同的植树造林方案会对气候产生截然不同的影响。

尽管已有不少研究结果，但地处中纬度的东亚地区气候对植被变化的响应过程仍然有不清楚的地方（Lawrence and Chase, 2010）。除此以外，以往的研究往往更注重毁林的影响（Henderson-Sellers and Gornitz, 1984; Xue, 1996; Kleidon and Heimann,1999; 李巧萍和丁一汇, 2004; 易浪等, 2014），而近期的研究多注重于小区域尺度的造林，且大都是通过简单的替换植被下垫面的方式（范广洲等, 1998;吕世华和陈玉春, 1999; Liu et al., 2008; 游火龙等,2010）。本文利用最新发布的RegCM4.6-CLM3.5及能够模拟自然植被的CLM4-CNDV进行一个理想试验，以期在较高空间分辨率上，对东亚区域大规模自然植被恢复产生的气候效应进行认识，探究当前气候状态下东亚可能的自然植被的分布及自然植被恢复对气候的可能影响。

2 模式、试验设计与资料

本研究使用了3个模式，分别是意大利国际理论物理中心（International Center Theoretical Physics，ICTP）开发的区域气候模式RegCM4.6（Regional Climate Model, version 4.6, Giorgi et al., 2012），NCAR/NCEP的包含了动态植被模块的通用陆面模型CLM4-CNDV（Community Land Model, version 4,with Carbon and Nitrogen pools and Dynamic Vegetation, Oleson et al., 2010）及通用大气模式CAM4 (Community Atmosphere Model, version 4,Lawrence et al., 2011）。

3个模式的陆面模块采用16种植被功能型（Plant Functional Types, PFTs）来区分每一格点中的植被下垫面分布，其中林地8种，灌木3种，草地3种，农作物2种。特别要说明的是，CLM中所采用的PFT类型是根据卫星观测植被类型和气候条件划分而成，与实际的植被类型是不同的。为了评估自然植被恢复对东亚区域气候的影响，本文设计了采用两种不同植被下垫面的区域气候模拟试验。第一种植被下垫面来自MODIS卫星观测资料反演的实际植被类型分布，与模式中默认参数设置一致（Lawrence and Chase, 2007），这里将各植被类型分布百分比记为FPCGRIDM，第二种植被下垫面为当前气候状态下模拟得到的自然植被分布（Land Cover Change, LCC）。为了得到第二种植被下垫面情况，利用使用了第一种下垫面和NCEP/DOE Reanalysis II再分析数据（以下简称R2，Kanamitsu et al., 2002）为侧边界条件的RegCM试验所得的高分辨率大气强迫场，包括2 m温度、2 m湿度、地面气压、降水、10 m风场和向下短波辐射，离线驱动CLM4-CNDV进行区域长时间模拟以得到准平衡态时的自然植被分布。因为本研究的模拟时段为30年（1983～2012年），所以CLM4-CNDV离线试验循环采用这30年的大气强迫场进行了连续300年的模拟，并取最后30年的平均结果作为当前气候状态下的自然植被分布状况（记为FPCGRIDC），此时模拟的植被叶面积指数（Leaf Area Index, LAI）和相关碳氮循环通量变化相应于气候驱动场基本稳定。进一步将MODIS下垫面中的农作物分布百分比（记为CropM），按照CLM4-CNDV模拟得到的各格点内自然植被分布权重，替换为相应的自然植被分布百分比，新下垫面中原自然植被分布和MODIS中一致，以此得到模拟自然植被恢复后下垫面的各植被类型分布百分比（记为FPCGRIDN）：

其中 FPCGRIDN、FPCGRIDM、FPCGRIDC各有14个数据序列，分别对应14种自然植被类型的分布百分比。

为了将下垫面条件改变引起的气候变化考虑进区域气候的模拟过程，本研究利用了采用两种下垫面条件的CAM4模拟结果。相比于传统试验方案中使用相同侧边界方案且模拟区域足够大，该方案能够尽可能完备的考虑到区域内下垫面改变对区域外气候变化的影响。CAM4所采用的两种下垫面分别为MODIS下垫面与全球范围自然植被恢复的下垫面。实际操作过程中，生成CAM4所用第二种下垫面是采用了研究组已有的，由1981～2000年的再分析资料（Qian et al., 2006）离线驱动CLM4-CNDV 400年所得到的最后20年结果（Yu et al.,2014）。尽管用于全球和区域离线模拟的东亚地区自然植被分布存在一定差异（图略），但二者的差异不足以影响后文的结果分析和结论。

以上各模拟试验所采用的初边条件和下垫面设置详见表1。将首先验证RegCM(CAM)的模拟能力，再对比RCM(CAM)和RCM_LC(LC)的结果以分析自然植被恢复所引起的气候效应及其物理机制。

表1 试验设计Table 1 Experimental design

试验中RegCM采用兰伯特投影，水平分辨率为 50 km，东西方向 109 个格点，南北方向 144 个格点，中心格点位于（36°N，101°E），垂直分辨率为非均匀的 18 层，顶层气压为50 hPa，积分步长为100 s。初边值驱动场每6 h更新一次，采用指数松弛方案。海温资料采用英国哈德莱中心提供的月平均OI_WK资料。辐射传输方案采用 NCAR CCM3 方案（Kiehl et al., 1996），行星边界层方案采用Holtslag PBL方案（Holtslag et al., 1990），积云对流方案采用Emanuel方案（Emanuel et al.,1991)，海洋通量参数化方案采用 Zeng方案（Zeng and Neelin, 1998），陆面参数化方案为 CLM3.5。每组试验进行31年（1982～2012年）模拟，第一年作为模式启动时段，选用后30年数据进行分析。用6～8月的平均值代表夏季的情况，12月至2月的平均值代表冬季的情况。气温、降水观测资料使用了基于2400余个中国地面气象台站的观测资料，通过插值建立的一套0.25°（纬度）×0.25°（经度）分辨率的格点化数据集CN05.1（吴佳和高学杰,2013）及来自美国特拉华大学1900～2014年全球0.5°（纬度）×0.5°（经度）分辨率陆地气温和降水月数据UDelaware（ http://climate.geog.udel.edu/～ climate/html_pages/download.html#ghcn_T_P_clim2.[2011-03-01]）。

3 RCM(CAM)对东亚气候模拟能力的检验

在分析自然植被恢复的气候效应之前，先对RCM(CAM)模拟东亚区域气候的能力进行评估。图1和图2分别给出了1983～2012年观测与模拟的30年间东亚地区多年平均2 m气温和降水的空间分布以及模拟偏差。图1a和1b、图2a和2b显示了CN05.1资料和UDelaware资料在反映中国地区2 m气温和降水空间型态上具有非常高的一致性。

通过图1a-1c气温模拟值与观测值比较，RegCM(CAM)可以较好地模拟出东亚区域的年平均气温分布。模式在东亚东部的模拟符合南暖北冷的特征，也能较好地模拟西部地区气温随地形变化的分布特征，符合实际的分布情况。CAM模拟的结果与观测值基本较为一致，偏差处于出现在青藏高原南部东亚北部的蒙古高原地区，这可能部分是由于全球模式模拟的网格较粗，对地形陡峭区域的模拟能力有限导致。而RegCM4.6在东亚区域的模拟结果相比于观测值，气温呈现整体一致偏暖。使用再分析资料作为侧边界场时，全区除喜马拉雅山附近地区与云贵高原部分地区外，暖偏差基本在3°C左右。RegCM4的这种系统暖偏差在其他的研究中也有出现（Zhang et al., 2008; Gao and Giorgi,2017），而其对高纬度地区更为明显的暖偏差可能与其不能较好地反映及周边地区冬季较强的地面逆温有关（高学杰等, 2012; 王美丽等, 2015）。使用CAM所得的结果作为侧边界条件时，准格尔盆地及其以北区域的暖偏差进一步增大，云贵高原地区的冷偏差也加大。

图1 （a）CN05.1、（b）UDelaware观测的和（c）RCM (CAM)模拟的1983～2012年平均2 m气温及（d）CAM模拟、（e）RCM(R2)模拟、（f）RCM (CAM)模拟与UDelaware观测的偏差Fig.1 (a) CN05.1 and (b) UDelaware observed and (c) RCM(CAM) simulated average 2-m temperature during 1983-2012 and biases between UDelaware observation and (d) CAM simulation, (e) RCM(R2) simulation, and (f) RCM(CAM) simulation, respectively

图2a和2b可以看到，东亚平均降水量总体呈现由东南向西北递减的规律。我国东南部和东南亚地区平均日降水量可达到4 mm以上，北方大部分地区降水较少，我国西北部分地区日降水量不足0.5 mm，在塔里木、准格尔附近地区日降水量甚至不足0.1 mm。无论是CAM还是区域模式RegCM基本能模拟出我国北方干旱少雨的特点以及东亚地区降水大致呈由南向北递减的趋势（图2c）。但全球模式和区域模式均都低估了东南沿海地区的降水且高估了横断山脉地区的降水（图2d和2e）。对青藏高原东南部的雅鲁藏布江大拐弯地区和青藏高原东部与四川交界一带降水模拟偏多，这一结果在高学杰等（2012）、王美丽等（2015）的模式模拟中也有体现，导致这一误差的部分原因可能主要是模式对地形降水比较敏感引起的。利用区域模式对CAM的结果进行动力降尺度以后，我国东南部和横断山脉地区的偏差有所增大，但是华北地区的偏差有一定程度减小，印度的降水偏差也得到较大减小（图2f）。

图2 同图1，但为平均降水量Fig.2 Same as Fig.1, but for average precipitation

表2为模式模拟的1983～2012年东亚年和季节平均气温和日降水与UDelaware资料的均方根误差和空间相关系数。可以看出，RegCM4.6模式对冬季气温的模拟能力优于夏季，对夏季降水的模拟能力优于冬季，对气温空间型态的模拟好于降水。使用CAM所得的侧边界条件强迫RegCM4.6进行试验时，对气温和降水也有较好的模拟，空间相关性较好。

表2 模拟和观测的1983～2012年东亚年、冬季、夏季平均气温和降水量及其均方根误差和空间相关系数Table 2 Simulated and observed annual, winter, and summer average temperature and precipitation in East Asia during 1983−2012 and their root-mean-square errors and spatial correlation coefficients

以上结果表明，利用CAM结果驱动的区域气候模式RegCM4.6模式能够较好地模拟东亚的气温与降水分布，全球模式对部分地区的降水模拟偏差能够得到一定的减小，温度模拟的暖偏差主要由于RegCM4.6的系统性偏差引起。

4 自然植被的可能分布状况

利用RegCM(R2)得到的近地面大气强迫场离线驱动CLM4-CNDV，得到1982～2012年东亚地区自然植被覆盖资料，包括15种PFT。图3为当前气候状态下东亚自然植被PFT的可能分布，图4则显示了农作物转变为裸土、自然林地、灌木和草地的分布区域和百分比。从图3中可以看出，温带常绿针叶林主要分布在我国的东部 105°E ～120°E之间（图3a）；寒带针叶林主要分布在蒙古高原的北部（图3b）；温带落叶阔叶林则主要分布在我国东南部地区（图3f）；北极C3草地主要分布在蒙古高原北部、东北平原及青藏高原东南部（图3j）；C3草地则主要分布在蒙古高原的西北侧及我国东部地区（图3k）。温带常绿落叶林、寒带落叶阔叶林、温带落叶阔叶灌木、寒带落叶阔叶灌木及C4草地在东亚地区也有所分布。

将东亚区域自然植被恢复下垫面中全部植被类型归为4个大类，即裸土、林地、灌木和草地。实际分布中的农作物部分在当前气候条件下可能的转化趋势为：蒙古高原以北地区、印度西北部、东北平原、华北平原及四川盆地少部分的农作物转化为裸土（图4c），东亚东部尤其是我国东南地区的农作物大部分转化为了温带常绿针叶林与温带落叶阔叶林（图4f和图3a和3f）；蒙古高原以北地区少部分的农作物转化为寒带常绿针叶林（图4f和图3b）；四川盆地及山东半岛地区的农作物转化为温带落叶阔叶灌木（图4i和图3h）；东北地区的农作物主要转换为极地C3草地，东南沿海地区、长江下游地区和印度北部也有C3草地的转换。考虑到RegCM4.6的模拟结果在蒙古高原西北部有较大的暖偏差，该地区的植被类型转化可能存在较大的不确定性。

图3 当前气候状态下东亚区域自然植被功能型（Plant Function Types, PFTs）的可能分布：（a）温带常绿针叶林；（b）寒带常绿针叶林；（c）热带常绿阔叶林；（d）温带常绿阔叶林；（e）热带落叶阔叶林；（f）温带落叶阔叶林；（g）寒带落叶阔叶林；（h）温带落叶阔叶灌木；（i）寒带落叶阔叶灌木；（j）北极C3草；（k）C3草；（l）C4草Fig.3 Possible distributions of natural vegetation Plant Function Types (PFTs) in East Asia under current climatic conditions: (a) Temperate evergreen coniferous forest; (b) frigid zone evergreen coniferous forest; (c) tropical evergreen broad-leaved forest; (d) temperate evergreen broadleaved forest; (e) tropical deciduous broad-leaved forest; (f) temperate deciduous broad-leaved forest; (g) frigid zone deciduous broad-leaved forest; (h)temperate deciduous broad-leaved shrub; (i) frigid zone deciduous broad-leaved shrub; (j) Arctic C3 grass; (k) C3 grass; (l) C4 grass

图4 MODIS观测（左列）、LCC模拟（中列）和LCC模拟减去MODIS观测（右列）的（a-c）裸土、（d-f）林地、（g-i）灌木和（j-l）草地的分布百分比Fig.4 Coverage percentages in (a-c) bare soil, (d-f) woodland, (g-i) shrub, and (j-l) grassland derived from MODIS data (first panel), LCC experiments (middle panel) and the differences between LCC experiments and MODIS data (third panel)

模式模拟的东亚大面积自然植被恢复后叶面积指数（Leaf Area Index, LAI）的冬季（DJF，12月至次年2月）和夏季（JJA，6～8月）变化如图5所示。在我国的东南部地区，植被类型的变化主要是由C3谷物转化为温带常绿针叶林及温带落叶阔叶林，而在南部地区则主要转化为常绿温带针叶林。由于林地的LAI较农作物更大，在这些地区无论冬夏都出现了LAI的增大。而在蒙古高原的西北侧，主要转化类型为寒带常绿针叶林，且裸土分布有所增加。冬季，农作物的LAI小于寒带常绿针叶林，而在夏季，农作物地LAI增大，故而在此地出现LAI冬季增大，夏季减小的趋势。对于我国的四川盆地，山东半岛、东北平原地区和南部沿海的小部分地区，以及印度北部部分区域，农作物主要恢复草地，LAI有所减小。

图5 RCM_LC(LC)减去RCM(CAM)模拟的（a）冬季和（b）夏季叶面积指数的差值分布。打点区域表示通过95%的信度检验Fig.5 Difference of LAI in (a) winter and (b) summer derived by RCM_LC(LC) simulations minus RCM(CAM) simulations.The dotted area passes the 95% confidence level

5 大规模植被恢复的可能影响

以下将对大规模自然植被恢复所产生的可能的气候效应进行分析。

图6反映的是两组对照试验所采用的驱动场，即CAM-LCC和CAM模拟的东亚地区气温和降水差异。而图7给出经过RCM_LCC和RCM分别进行动力降尺度以后得到的气温和降水差异。

在我国的东南地区，植被主要由农作物恢复为林地，无论冬夏均出现了温度的降低，夏季气温的下降更为显著，这在全球模拟（图6a和6b）和区域模拟（图7a和7b）中是一致的，夏季降温幅度在区域模拟中达0.8°C以上。山东半岛和华北平原地区的植被类型主要恢复为草地与灌木，全球模拟结果显示自然植被恢复后有降温效应，但区域模式中显示气温在冬夏均有升高。而在我国的东北地区，冬夏季节出现了不同的温度变化趋势，冬季升高为主，夏季降低，并且全球模式和区域模式显示出相同的态势，但在区域模式中，冬季气温以降低为主，东北东南部气温有所降低，夏季气温降低更为显著。

图7 同图6，但为RCM_LC(LC)减去RCM(CAM)试验Fig.7 Same as Fig.6, but for RCM_LC(LC) simulations minus RCM(CAM) simulations

而对于青藏高原与蒙古高原而言，冬季全球模拟的气温变化（图6a和6b）与区域模拟结果大体上是一致的，且区域模拟的温度变化幅度更大且显著，但夏季全球模式气温有所降低，区域模式气温升高显著。虽然青藏高原和蒙古高原地区植被并没有发生很大的变化，但仍然出现了气温的明显变化，这可能与区域内环流调整带来的冷暖平流变化有关。蒙古高原地区，在冬季温度显著下降，降温幅度在1.2°C以上，而夏季温度升高，升温0.8°C以上。青藏高原地区，冬、夏季温度显著升高。印度北部的冬夏季气温变化在全球模拟中均显著下降，但在区域模拟中均显著上升。

图6 CAM_LCC减去CAM试验的冬季（左列）和夏季（右列）（a、b）气温和（c、d）降水量的差值分布。打点区域表示通过95%的信度检验Fig.6 Difference of (a, b) temperature and (c, d) precipitation in winter (left panel) and summer (right panel) derived by CAM_LCC simulations minus CAM simulations.The dotted area passes the 95% confidence level

对于降水而言，冬季几乎不受影响，但区域模拟结果在蒙古高原的西北侧及贝加尔湖的东侧出现了降水量的显著减少（图6c和7c）。而在夏季，区域模拟的降水变化则十分明显。全球模拟和区域模拟均在蒙古高原及其西北侧、华北平原出现了降水的减少，在我国南部、东南沿海地区出现降水量的增多。东北平原的降水变化在区域模拟和全球模拟中的趋势是相反的，尽管都不显著。

可以看出，全球和区域模拟的植被覆盖变化的温度和降水变化变化大体上是类似的，但印度地区表现出不一致的变化趋势。相比全球模拟结果，区域模拟的结果更加显著，并且更好地分辨出了区域特征，尤其是华北和四川盆地附近的变化。

图8为东亚东部雨带的变化，滤去10 d以下的降水变化序列。可以看出植被恢复对东亚夏季风降水的季节进退也有一定程度的影响。对于季风前降水，植被恢复使得降水量明显减小。在季风高峰期，东亚东南部降水量有明显的增大，而东部的降水有所减小。

图8 （a）RCM(CAM)、（b）RCM_LC(LC)模拟的东亚东部105°E～120°E平均降水量的纬度—时间剖面以及（c）二者的差值（滤去10日以下变率）Fig.8 (a) RCM(CAM) and (b) RCM_LC(LC) simulated longitude-time profile of the mean precipitation in East Asia at 105°E-120°E, and (c) the their difference (the variability below 10 days is filtered out)

相较于全球模式，由于区域模式能够在较高的空间分辨率上模拟气候变化，其对极端气候事件是模拟能力具有一定优势。图9给出东亚极端温度及降水的变化情况。从模拟时段内每年日平均温度第95个百分位的变化（图9a）中可以看出，蒙古高原以北、东北平原东部及我国东南沿海地区的高温有所下降，而蒙古高原及其西北侧、青藏高原地区的高温有所上升。从模拟时段内每年日平均气温第10个百分位的变化（图9b）中可以看出，蒙古高原地区、华北平原西侧及我国东南部地区出现了低温的显著下降，而青藏高原与四川盆地的交界处及东北平原地区出现了低温的上升。图9c为模拟时段内每年日平均降水量第95个百分位的降水量变化，可以看出植被恢复使得东北平原地区、华北平原地区、四川盆地、东南及南部沿海地区大雨雨量增多。而蒙古高原及华北平原以西的地区大雨雨量减少。

图9 RCM_LC(LC)减去RCM(CAM)模拟的每年（a）第95百分位和（b）第10百分位的日平均2 m温度以及每年日降水的（c）第95百分位的差值。打点区域表示通过95%的信度检验Fig.9 Differences of the daily average 2-m temperature at (a) the 95th percentile every year, (b) the 10th percentile every year, and (c) the daily average precipitation at the 95th percentile every year derived by RCM_LC(LC) simulations minus RCM(CAM) simulations.The dotted area passes the 95% confidence level

6 植被恢复对东亚区域气候可能影响的机理分析

为进一步分析模拟结果，并对大规模自然植被恢复的气候效应的机理作一些探讨，分析植被覆盖变化对气候影响的可能机理。选取的物理量有地表净辐射、反照率、雪盖、蒸散发和感热通量，且植被覆盖变化对环流场存在一定影响，因此同时选取风场与位势高度场进行研究。

由图10a和10b植被恢复引起的东亚平均净辐射变化可知，东亚的东南地区、南部地区、东北平原东部以及朝鲜半岛地区，由于农作物恢复为林地，其LAI升高导致反照率降低（图10c和10d），净辐射升高。而在我国的东北平原地区，植被转化类型主要为北极C3草地，反照率显著增大，净辐射在冬季和夏季均出现了降低。而蒙古高原地区在冬季净辐射降低，夏季净辐射升高。从雪盖变化（图10e）中可以看出，冬季蒙古高原地区雪盖面积增加引起的反照率升高，可能是导致其净辐射降低的原因。青藏高原和蒙古高原夏季的净辐射增高可能与伴随降水减少的云量减少有关。

图10 RCM_LC(LC)减去RCM(CAM)模拟的冬季（左列）和夏季（右列）（a、b）净辐射、（c、d）反照率）、（e、f）雪盖的差值分布。打点区域表示通过95%的信度检验Fig.10 Differences of (a, b) radiation, (c, d) albedo, and (e, f) snow cover in winter (left panel) and summer (right panel) derived by RCM_LC(LC)simulations minus RCM(CAM) simulations.The dotted area passes the 95% confidence level

图11为自然植被恢复引起的东亚多年季节平均蒸散发、感热通量和10 m风速的差值分布。由图11a和11b可知，植被恢复类型为林地的我国东南部及南部地区以及植被恢复类型为C3草地的四川盆地、华北平原南部及南部沿海地区，无论冬夏蒸散发均有增加，而植被恢复类型为灌木的华北平原地区及植被恢复类型为北极C3草地的东北平原地区蒸散发有所减小。夏季蒙古高原地区也出现了蒸散发的减小，这与降水量的变化较为一致。而感热通量（图11c和11d）的变化也与温度的变化较为一致，从中可以看出我国东南部、南部及东北平原东部地区，在冬季和夏季均出现了感热通量的减小，而在夏季，蒙古高原及其西北侧、东北平原、华北平原、山东半岛及四川盆地地区都出现了感热通量的增加。这说明在植被恢复为林地的地区，主要是以蒸散发带走地面热量的效应为主，而四川盆地、山东半岛、东北平原等植被恢复为草地的区域，主要是以净辐射增加导致的地面升温为主。东北平原地区、蒙古高原及其以北地区，由于其净辐射增加且蒸散发减小，导致其感热通量进一步的增多。由10 m风速的差值分布（图11e和11f）可以看出，植被恢复主要为降低地面风速的效应，有利于感热输送的减小。冬季，蒙古高原其西北侧向东南延伸至我国东南地区的风速有所减小，而东北地区的风速有所增加。夏季，东北地区东部、华北平原及我国南部沿海地区风速减小。

图11 RCM_LC(LC)减去RCM(CAM)模拟的冬季（左列）和夏季（右列）（a、b）蒸散发、（c、d）感热通量、（e、f）10 m风速的差值分布。打点区域表示通过95%的信度检验Fig.11 Differences of (a, b) evapotranspiration, (c, d) sensible heat flux, and (e, f) 10-m wind speed in winter (left panel) and summer (right panel)derived by RCM_LC(LC) simulations minus RCM(CAM) simulations.The dotted area passes the 95% confidence level

本文选取850 hPa以及500 hPa风场变化以及位势高度场的变化来分析植被覆盖变化对区域内环流的影响。东亚地处季风区，基于RegCM4.6-CLM3.5模式的植被覆盖恢复对东亚区域气候的影响，地面风场表现出很大的季节差异。冬季，东亚总体被来自于西北方向的冷气流所控制，东亚北方盛行西北风，南方盛行西北风及转向后的东北风。夏季东亚南部气流受西太平洋副热带高压影响，在我国长江以南风向以东南风为主，在长江以北转为西南风，我国北方则主要以西风为主（高学杰等,2007）。

图12为自然植被恢复引起的东亚多年季节平均500 hPa和850 hPa位势高度场与风场的差值分布。冬季，500 hPa位势高度场变化的显著性区域位于东亚东南部地区，且与之匹配存在反气旋型异常（图12a）。蒙古高原的北部在850 hPa也存在一显著位势高度正异常区域（图12c），有利于该区域脊的加强和冷平流输送，维持少雨特征。冬季位势高度场异常还出现在我国东南部，同时印度北部与青藏高原上空500 hPa出现西南风异常，暖平流加强，有利于印度北部和青藏高原温度升高。

夏季，850 hPa和500 hPa（图12b和12d）处高度场的正异常南移至蒙古高原上空，且伴随有反气旋异常，不利于该地区降水的形成。约30°N以北的中国东北存在北风异常，东亚夏季风总体减弱，不利于雨带的北推。

图12 RCM_LC(LC)减去RCM(CAM)模拟的冬季（左列）和夏季（右列）（a、b）500 hPa和（c、d）850 hPa位势高度场（阴影）与风场的差值分布。实线表示RCM(CAM)模拟的位势高度场分布，斜线阴影区域表示位势高度场通过95%的信度检验Fig.12 Difference of (a, b) 500-hPa and (c, d) 850-hPa potential height fields (shaded area) and the wind field in winter (left panel) and summer(right panel) derived by RCM_LC(LC) simulations minus RCM(CAM) simulations.The solid line indicates the potential height field distribution simulated by RCM(CAM) and the scribed area indicates that the potential height fields pass the 95% confidence level

7 结论与讨论

本研究在模拟了东亚地区当前自然植被分布的基础上，利用有无考虑自然植被恢复下垫面的CAM4模拟的气候场分别驱动有无考虑自然植被恢复的区域气候模式RegCM4.6-CLM3.5，在相当理想的情况下，探究了东亚地区大规模自然植被恢复对区域气候的影响，结果发现：

无人类干预的情况下，东亚地区实际分布中的农作物部分在当前气候条件下可能的恢复趋势为：蒙古高原以北部分地区、东北和华北平原及四川盆地少部分的农作物转化为裸土，东亚东南部地区的农作物大部分转化为温带常绿针叶林和温带落叶阔叶林；蒙古高原以北地区少部分的农作物转化为寒带常绿针叶林；四川盆地及山东半岛地区的农作物转化为温带落叶阔叶灌木；东北地区的农作物主要转换为极地C3草地，东南沿海地区以及长江下游地区也有向C3草地转换趋势；印度北部农作物主要可能转换为裸土和草地。

与此同时，东北和华北平原、广东中部平原、四川盆地部分地区的LAI减少，夏季减少幅度更甚；印度北部的LAI在冬季的减小幅度大于夏季；我国南方丘陵地区和青藏高原南麓的植被LAI以增大为主；蒙古高原北部植被LAI全年增大，而其西北部的LAI冬季增大但夏季减小，这主要是因为当地的自然植被类型主要转换为落叶阔叶林。

华北、四川盆地和广东中部平原地区的植被LAI减小，有利于区域内地面蒸散发减小，夏季降水显著减少，温度升高，极端降水和温度事件也有类似的变化趋势。东北地区LAI显著减少，但主要恢复为北极C3草地，反照率升高且蒸散发有所增加，使得夏季温度显著降低，而冬季温度在北部降低但在东南部升高，这与冬季东北地区雪盖的变化有关。同时，东亚东部30°N以南的季风盛行期降水量增多，但前期降水减少，30°N以北的季风降水也略有减弱。

蒙古高原的植被变化的区域主要集中在高原北部地区，但却引起高原南部地区的温度变化，这可能与印度北部和中国东南部大面积地区的LAI变化所引起的大气环流调整有关。在低层能量输送改变的情况下，促使冬季环流有稍向北推的趋势，有利于500 hPa蒙古高原西部脊加强，同时引导西北冷空气向蒙古高原西部输送，引起局地温度显著下降。夏季，印度北部的LAI减小并不显著，但在我国华北和东北地表能量平衡也变化发生显著变化的情况下，使得蒙古高原上空有反气旋性异常，引起显著的增温效应。同时蒙古高原西北部的LAI减小使得局地蒸散发减小，总体使得高原东部和东北部分地区温度显著升高而西部降水减少。

总体可以看出，中国东部地区的植被转化具有较强的局地效应，而蒙古高原地区的植被转化既有影响地表能量平衡改变的局地效应，又有影响大气环流改变的非局地效应。本文主要基于一组理想模拟试验，相较于传统模拟方案中采用再分析资料作为侧边界条件而只改变下垫面，本文的试验方案由于能够更完备得考虑区域外的气候变化，应当更接近实际情况，对于考虑较大区域内的植被覆盖变化的气候效应具有一定的参考价值。我们将在后面的工作中继续探讨不同侧边界和下垫面条件对东亚地区气候模拟的影响。另外，实际的自然植被恢复不可能将东亚全部的农田转化为自然植被，我们的结果也与目前普遍认识的退耕还林还草的气候效应有部分不一致，但是上述试验结果可能也说明，即使开展还林还草等自然植被恢复工作，也需要适当地进行部分人为干预，以促进局地植被分布的合理化。

致谢本文的数值计算得到了南京信息工程大学高性能计算中心的计算支持和帮助。