1981—2023年珠穆朗玛峰地区大气饱和水汽差的时空分布特征

doi:10.11755/j.issn.1006-7639-2024-06-0878

1981—2023年珠穆朗玛峰地区大气饱和水汽差的时空分布特征

旦增维色^,¹, 杜军^,²^,³, 黄志诚³^,⁴, 巴桑²

1.西藏自治区拉孜县气象局，拉孜 858100

2.西藏高原大气环境科学研究所/西藏高原大气环境开放实验室，拉萨 850001

3.中国气象局墨脱大气水分循环综合观测野外科学试验基地/墨脱国家气候观象台，墨脱 860700

4.西藏自治区气象信息网络中心，拉萨 850001

Spatio-temporal variation of atmospheric vapor pressure deficit in Mt. Qomolangma region from 1981 to 2023

TENTINWOESER^,¹, DU Jun^,²^,³, HUANG Zhicheng³^,⁴, PASANG²

1. Lhazê County Meteorological Beatun of Xizang Autonomous Region， Lhazê 858100， Xizang， China

2. Xizang Institute of Plateau Atmospheric and Environmental Science Research/Plateau Atmospheric and Environment Open Laboratory of Xizang， Lhasa 850001， China

3. CMA Mêdog Field Science Experiment Base for Atmospheric Water Cycle/Mêdog National Climate Observatory， Mêdog， 860700， Xizang， China

4. Xizang Meteorological Information and Network Centre， Lhasa 850001， China

通讯作者: 杜军（1969—），男，正高级工程师，主要从事高原气候与气候变化、生态与农业气象等方面研究。E-mail：dujun0891@163.com。

责任编辑: 邓祖琴；校对：黄小燕

收稿日期: 2024-04-4 修回日期: 2024-12-18

基金资助:

西藏自治区科技计划项目揭榜挂帅专项(XZ202303ZY0002G)

Received: 2024-04-4 Revised: 2024-12-18

作者简介 About authors

旦增维色（1999—），男，助理工程师，主要从事大气探测技术与气象服务等方面研究。E-mail：2046002393@qq.com。

摘要

作为蒸散的主要驱动因子之一，饱和水汽压差（Vapor Pressure Deficit，VPD）反映了大气从地表获取水分的能力。掌握VPD的时空变化特征对于理解区域大气干湿状态对气候变化的响应具有重要意义。本文利用1981—2023年中国珠穆朗玛峰地区（简称“珠峰地区”）11个气象站逐月日照时数、平均气温、平均最高气温、平均最低气温、降水量、相对湿度、水汽压和平均风速等资料，采用气候倾向率、逐步回归分析和Mann-Kendall检验，分析了近43 a珠峰地区VPD的时空分布特征及影响因子。结果表明，珠峰地区年、季平均VPD总体呈西南低、东北高的分布特征，VPD月变化呈双峰型分布，峰值分别出现在6月、9月，最小值出现在1月；季变化表现为夏季>春季>秋季>冬季。近43 a珠峰地区年平均VPD以0.029 kPa·（10 a）^-1的速率呈上升趋势，夏季增幅最大；20世纪80、90年代VPD相对较低，以90年代最明显；21世纪最初十年，春秋季VPD偏低、夏冬季VPD偏高；21世纪10年代VPD偏高，特别是夏秋两季；春季和汛期VPD的突变发生在21世纪最初十年的后期，而其他3季和年平均VPD的突变发生在21世纪10年代初。珠峰地区VPD的变化主要由饱和水汽压驱动，尤其是春、秋季。四季和年平均气温显著升高是引起VPD显著增加的主导因子，而汛期水汽压的下降也对VPD增大起到重要作用。

关键词： 珠峰; 饱和水汽压差; 变化趋势; 年代际变化; 气候突变; 影响因子

Abstract

As one of the main driving factors of evapotranspiration, the VPD (Vapor Pressure Deficit) reflects the atmospheric capacity to extract water from the surface. Understanding the spatio-temporal variation of VPD is crucial for exploring the response of regional atmospheric dryness and wetness to climate change. Based on data from 11 meteorological stations in the Mt. Qomolangma region of China during 1981-2023, including monthly sunshine duration, average air temperature, maximum and minimum air temperature, precipitation, relative humidity, vapor pressure, and wind speed, this study analyzed the spatio-temporal characteristics and influencing factors of VPD using climate tendency rate, stepwise regression, and the Mann-Kendall test. Results show that the annual and seasonal averages of VPD in the Mt. Qomolangma region generally exhibited lower values in the southwest and higher values in the northeast. Monthly VPD showed a bimodal pattern, with peaks in June and September and a minimum in January. Seasonally, VPD was characterized by higher values in summer, followed by spring, autumn, and the lowest in winter. Over the past 43 years, annual VPD increased at a rate of 0.029 kPa·(10 a)^-1, with the most significant growth observed in summer. On a decadal scale, VPD values were relatively low in the 1980s and 1990s, particularly during the 1990s. In the 2000s, VPD was lower in spring and autumn and higher in summer and winter. The 2010s saw elevated VPD values across all seasons, especially in summer and autumn. Spring and flood season VPD mutations occurred in the late 2000s, while mutations in the other three seasons and annual averages appeared in the early 2010s. Changes in VPD were primarily driven by saturated water vapor pressure, particularly in spring and autumn. The significant increase in VPD was dominated by rising air temperatures across all seasons and annually. Additionally, the decrease in water vapor pressure during the flood season contributed to the VPD increase.

Keywords： Mt.Qomolangma; vapor pressure deficit; change trend; inter-decadal change; climate mutation; impact factors

PDF (13122KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

旦增维色, 杜军, 黄志诚, 巴桑. 1981—2023年珠穆朗玛峰地区大气饱和水汽差的时空分布特征[J]. 干旱气象, 2024, 42(6): 878-888 DOI:10.11755/j.issn.1006-7639-2024-06-0878

TENTINWOESER, DU Jun, HUANG Zhicheng, PASANG. Spatio-temporal variation of atmospheric vapor pressure deficit in Mt. Qomolangma region from 1981 to 2023[J]. Arid Meteorology, 2024, 42(6): 878-888 DOI:10.11755/j.issn.1006-7639-2024-06-0878

0 引言

气候系统综合观测和多项关键指标表明，气候变暖趋势仍在持续。2022年，全球地表平均温度较工业化前水平高出1.13 ℃，2015—2022年是自1850年有气象记录以来最暖的8个年份；最近10 a（2013—2022年），全球地表平均温度较工业化前水平高1.14 ℃（中国气象局气候变化中心，2023）。全球变暖的持续加速导致干旱、热浪等极端天气事件的频率和强度不断增加，对全球陆地生态系统变化产生了深远影响（Reichstein et al.，2013）。

饱和水汽压差（Vapor Pressure Deficit，VPD）是指空气在一定温度下的饱和水汽压与实际水汽压之间的差值，是评价大气干湿程度的重要指标（Chiang et al.，2018）。VPD在植物生理功能中起着关键作用（Cunningham，2004；赵卉忱等，2020），同时对限制生物群落的陆地蒸散发具有重要影响（Fletcher et al.，2007；贾志军等，2007）。适度的VPD增加可通过促进叶片表面气孔开放提升光合作用效率，但当其超过一定阈值时，植物会通过减少气孔开度抑制水分蒸腾，从而限制CO₂吸收（Jarvis，1976；Leonardi et al.，2000；Williams and Baeza，2007），最终对植被生长产生负面影响（吴荣军等，2010；Zhang et al.，2017a；Ding et al.，2018）。此外，VPD增大还会导致蒸腾速率上升（Grossiord et al.，2020），加剧植物水分胁迫，进一步影响森林死亡率，是植物病虫害扩散、植被碳循环及蒸散发模型研究中的重要变量（Yuan et al.，2019；桑玉强等，2021；郭仲英等，2023）。在农业领域，VPD升高通常导致作物产量下降（Zhang et al.，2017b），例如极端高温通过改变VPD动态对玉米产量产生明显影响（Lobell et al.，2013）。因此，VPD在研究生态系统结构和功能及水资源开发利用方面具有重要意义。

在全球变暖背景下，国内对于气候变化影响的研究主要集中于气温、降水和太阳辐射等因子（白宇轩等，2022；李晴晴等，2022；曹晓云等，2022；邢红艳等，2023；张强等，2023；张娟娟等，2024；黄晓和范广洲，2024；王祎宸等，2024）。近年来，VPD变化及其对植被的影响逐渐引起关注。如袁瑞瑞等（2021）研究表明，1981—2018年中国湿润区和干旱区VPD的夏冬季分布呈相反格局，大部地区四季VPD整体呈上升趋势，其中黄河流域和东南沿海的春夏季增幅尤为明显；宁梓妤等（2022）发现，1982—2015年西南地区VPD变化以2000年为突变年，增速由0.001 kPa·a^-1增大到0.005 kPa·a^-1；李素雲等（2023）发现，1961—2020年青海省VPD以0.014 kPa·a^-1的速度明显上升，并在1998年出现突变；此外，Ding等（2018）预测未来西藏地区VPD可能增加10%~38%，对草地生产力产生负面影响。

珠穆朗玛峰地区（简称“珠峰地区”）位于青藏高原南部喜玛拉雅山脉中段，地势高亢，地理条件独特，生态环境敏感脆弱，是研究气候变化影响的热点地区之一。自20世纪60年代以来，该地区气温明显上升（杨续超等，2006；杜军等，2016；王顺久等，2021）、降水量变化各异（杨续超等，2006；路红亚等，2014；康世昌等，2020；王顺久等，2023；黄志诚等，2024）、冰川退缩（张震等，2018；康世昌等，2020）、积雪减少（李晓琳，2024），这些变化对该地区生态系统和水分循环产生重要影响。VPD作为大气水汽含量的重要表现，其空间异质性受水汽来源差异影响显著（Grossiord et al.，2020）。然而，目前针对珠峰地区VPD时空演变特征及影响因素的研究较为缺乏。本文基于1981—2023年气象资料，分析珠峰地区VPD时空变化特征及其影响因子，以期为该地区水分条件动态监测和陆地生态保护提供科学依据。

1 资料与方法

1.1 资料

为准确反映珠峰地区VPD的时空变化规律，将研究区范围设定为东起江孜、西至吉隆、南达国界、北至雅鲁藏布江（简称“雅江”）的区域。使用西藏自治区气象信息网络中心提供的1981—2023年日喀则、江孜、拉孜、定日、聂拉木5个气象站及2011—2023年吉隆、定结、岗巴、萨迦、康马、白朗6个气象站（图1）的逐月平均气温（T_m）、平均最高气温（T_max）、平均最低气温（T_min）、日照时数（S）、降水量（P）、相对湿度（RH）、水汽压（e）和平均风速（W）等资料。3—5月为春季，6—8月为夏季，9—11月为秋季，12月至次年2月为冬季，5—9月为汛期。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 珠峰地区气象站点分布

Fig.1 Distribution of meteorological stations in Mt.Qomolangma region

1.2 研究方法

1.2.1 VPD计算

VPD是指在特定空气温度下饱和水汽压与实际水汽压的差值，其计算公式（李得宴等，2020；袁瑞瑞等，2021）如下：

（1）VPD=e_s-e_a

（2）

e_{s} = \frac{e^{0} (T_{m a x}) + e^{0} (T_{m i n})}{2}

（3）

e_{a} = e_{s} \frac{R H}{100}

式中：VPD（kPa）为饱和水汽压差；e_s、e_a（kPa）分别为饱和水汽压和实际水汽压；RH（%）为月平均相对湿度；e⁰（T_max）、e⁰（T_min）（kPa）分别为平均最高气温、平均最低气温时的饱和水汽压，可由Tetens经验公式（Allen et al.，1998）计算得到：

（4）

e^{0} (T) = 0.610 8 e x p (\frac{17.27 T}{T + 237.3})

式中：T（℃）为气温；e⁰（T）（kPa）为温度为T时的饱和水汽压。用此公式计算近43 a珠峰地区各站及区域平均的年、四季和汛期VPD。

采用气候倾向率（Climate Tendency Rate，CTR）（魏凤英，2007）定量评估珠峰地区VPD的长期变化趋势；Mann-Kendall检验法（简称“M-K法”）（符淙斌和王强，1992；魏凤英，2007）用于检测VPD在时间序列中的显著突变点，判断突变发生的时间及其显著性。两者结合，可以全面揭示VPD的长期变化趋势及突变特性，为研究其驱动因子提供基础。

1.2.2 VPD影响因素分析

采用逐步回归方法（魏凤英，2007）对VPD影响程度较大的气象因子，建立逐步回归方程，并计算相应的贡献率（袁瑞瑞等，2021），具体公式如下：

（5）

Y = A X_{1} + B X_{2} + C X_{3} + D X_{4} + E X_{5}

（6）

c_{1} = \frac{A}{|A| + |B| + |C| + |D| + |E|}

式中：Y（kPa）为VPD；X_i（i=1，2，3，4，5）为各气象要素（包括S、T_m、P、e、W）；A、B、C、D、E分别为各气象要素所对应的标准回归系数；c₁为X₁变量对VPD的相对贡献率，以此类推。

吉隆、定结、萨迦、白朗、岗巴和康马6个气象站始建于2011年，为准确反映珠峰地区VPD的空间分布规律，采用2011—2023年11个气象站的数据分析珠峰地区平均年、季VPD的空间分布及其月、季变化特征；而针对VPD的变化趋势、突变特征及其影响气象因子，则使用1981—2023年5个长时间序列气象站的数据进行研究。

2 结果与分析

2.1 VPD空间分布

2.1.1 不同时段的空间分布特征

由图2可知，珠峰地区各地年平均VPD为0.304~0.830 kPa，空间分布总体呈西南部较小、东北部较大的特征，其中雅鲁藏布江边的拉孜最大，珠峰南坡的聂拉木最小。各季和汛期的平均VPD分布与年平均基本一致，均表现为北坡干旱半干旱区VPD大，南坡湿润区VPD小，夏季尤为明显。这种分布规律与珠峰地区近年来蒸发皿蒸发量的空间分布高度一致（杜军等，2009）。这种空间差异主要受地理环境和气候因子影响（杜军等，2009），北坡干旱半干旱区位于喜马拉雅山脉背风坡，受下沉气流影响，辐射强烈、降水偏少、空气干燥、蒸发强烈，导致VPD较大；而南坡的聂拉木位于迎风坡，降水充沛、气候湿润、相对湿度高，VPD较小。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 2011—2023年珠峰地区四季、汛期、年平均VPD的空间分布

Fig.2 Spatial distribution of seasonal, flood season and annual average VPD in Mt.Qomolangma region from 2011 to 2023

2.1.2 气候倾向率的空间分布

如表1所示，近43 a珠峰地区各站年平均VPD均呈极显著增大趋势，平均每10 a增大0.011~0.045 kPa（p<0.001），其中日喀则增幅最大、聂拉木最小。季节尺度上，春季除聂拉木无明显变化外，其余站点VPD均呈增大趋势，增幅为0.011~0.032 kPa·（10 a）^-1，其中日喀则增幅最大（p<0.01），其次是拉孜[0.027 kPa·（10 a）^-1，p<0.05]，定日增幅最小。夏、秋和冬季各站VPD也均呈增大趋势，增幅分别为0.006~0.070、0.014~0.052、0.018~0.027 kPa·（10 a）^-1，增幅最大值多出现在日喀则，最小值均在聂拉木；聂拉木冬季增幅最大，拉孜秋季增幅最大，其余3站夏季增幅最大。此外，汛期各站平均VPD呈显著增大趋势，平均每10 a增大0.006~0.063 kPa（p<0.05）。近33 a，各站年、四季及汛期平均VPD增幅更明显，北坡干旱半干旱区夏季VPD增幅尤为突出，例如日喀则增幅高达0.129 kPa·（10 a）^-1（p<0.001），较1981—2023年的增幅高0.059 kPa·（10 a）^-1；而南坡湿润区的聂拉木冬季VPD增幅最大，为0.038 kPa·（10 a）^-1（p<0.01），是1981—2023年冬季增幅的2.1倍。

表1 珠峰地区年和季节VPD气候倾向率

Tab. 1 Climate tendency rate of annual and seasonal VPD in Mt.Qomolangma region 单位：kPa·(10 a)^-1

时段		拉孜	日喀则	聂拉木	定日	江孜
1981—2023年	春季	0.027^*	0.032^**	0	0.011	0.018
	夏季	0.041^*	0.070^***	0.006^*	0.028^**	0.051^***
	秋季	0.052^***	0.052^***	0.014^**	0.028^***	0.044^***
	冬季	0.027^***	0.024^**	0.018^*	0.018^*	0.018^*
	汛期	0.042^*	0.063^**	0.006^*	0.025^**	0.046^***
	年	0.037^***	0.045^***	0.011^***	0.021^***	0.034^***
1991—2023年	春季	0.025	0.042^*	0.003	0.015	0.037^**
	夏季	0.088^**	0.129^***	0.012^*	0.048^**	0.101^***
	秋季	0.072^***	0.084^***	0.026^***	0.045^***	0.078^***
	冬季	0.041^**	0.044^***	0.038^**	0.003^*	0.047^***
	汛期	0.074^**	0.106^***	0.010^*	0.043^*	0.087^***
	年	0.056^***	0.075^***	0.020^**	0.034^***	0.066^***

注：*、**、***分别表示p<0.05、p<0.01、p<0.001，下同。

新窗口打开| 下载CSV

2.2 VPD时间变化特征

2.2.1 月和季变化

由图3（a）可见，珠峰地区平均VPD月变化呈双峰型分布，第1、2峰值分别出现在6月（0.878 kPa）和9月（0.651 kPa），最小值在1月（0.440 kPa）。季节分布上[图3（b）]，夏季平均VPD最大（0.702 kPa），春季次之（0.616 kPa），冬季最小（0.446 kPa）。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 2011—2020年珠峰地区和聂拉木平均VPD的月（a）、季（b）变化

Fig.3 Monthly (a) and seasonal (b) variations of mean VPD in Mt.Qomolangma region during 2011—2020

从站点分布来看，南坡湿润区的聂拉木VPD月变化呈“ ︺ ”型[图3（a）]，最大值出现在12月，最小值在7月；其余站均呈双峰型分布（图略）。季节变化上，聂拉木VPD的特征为冬季>秋季>春季>夏季[图3（b）]，而拉孜、日喀则、白朗、定日和江孜则为夏季>春季>秋季>冬季，其余6个站为夏季>秋季>春季>冬季。干旱半干旱区的VPD季节性差异大，夏季与冬季相差0.208~0.369 kPa；而湿润区的季节性差异小，夏季与冬季相差约0.099 kPa。

2.2.2 年际变化

珠峰地区平均而言（图4），1981—2023年VPD波动较大，呈“V”型变化趋势，但总体以0.029 kPa·（10 a）^-1的速度呈极显著增加趋势（p<0.001）。其中，1981—2000年VPD呈减小趋势，平均每10 a减少0.030 kPa（p<0.01）；而2001—2023年呈极显著增加，增幅达0.060 kPa·（10 a）^-1（p<0.001）。季节尺度上，1981—2023年四季和汛期VPD均呈极显著增大趋势，增幅为0.018~0.039 kPa·（10 a）^-1，夏季最大、秋季次之[0.038 kPa·（10 a）^-1]、春季最小；汛期VPD增幅也较大，为0.036 kPa·（10 a）^-1。2001—2023年四季和汛期VPD增大速度更明显，增幅为0.038~0.078 kPa·（10 a）^-1，其中夏季仍最大，其次为秋季[0.075 kPa·（10 a）^-1]，冬季最小；汛期VPD增幅为0.069 kPa·（10 a）^-1。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 1981—2023年珠峰地区年（a）、夏季（b）、冬季（c）和汛期（d）平均VPD变化趋势

（y1、y2、y3分别为1981—2023年、1981—2000年、2001—2023年）

Fig.4 Variation of average VPD in annual (a), summer (b), winter (c) and flood season (d) in Mt.Qomolangma region from 1981 to 2023

（y1, y2, y3 are the period during 1981-2023, 1981-2000 and 2001-2023, respectively）

由1981—2023年实际水汽压和饱和水汽压的气候倾向率（表2）可看出，近43 a珠峰地区年、季饱和水汽压均呈显著增大趋势，增幅为0.019~0.034 kPa·（10 a）^-1，夏、秋季最明显；而年、季实际水汽压变化幅度较小，且均未通过0.05的显著性检验。通过逐步回归分析，饱和水汽压对VPD的贡献率为53.5%~62.3%，春季贡献率最大，冬季次之（62.1%），年值最小；实际水汽压对VPD的贡献率为37.7%~46.5%，其中年值最大，汛期次之（44.7%），春季最小。总体来看，近43 a珠峰地区VPD变化主要由饱和水汽压驱动，特别是春季和秋季，贡献率达62.0%。

表2 1981—2023年不同时段珠峰地区e_s和e_a气候倾向率

Tab.2 Climate tendency rate of e_sand e_a in Mt.Qomolangma region in difference periods during 1981-2023 单位：kPa·(10 a)^-1

时段	e_s	e_a
春季	0.019^*	0.001
夏季	0.034^***	-0.005
秋季	0.034^***	-0.005
冬季	0.019^*	-0.002
汛期	0.032^***	-0.004
年	0.027^***	-0.003

新窗口打开| 下载CSV

2.2.3 年代际变化

从1981—2020年珠峰地区平均年、季节VPD距平的年代际变化（表3）可知，20世纪80、90年代的年、四季和汛期VPD均为负距平，其中20世纪90年代偏低最明显，尤其夏季，VPD偏低0.080 kPa；21世纪最初十年，由于春、秋季VPD为负距平，夏、冬季为正距平，年均VPD无变化；21世纪10年代四季VPD均为正距平，其中夏、秋季偏高最明显，汛期和年VPD分别偏高0.061、0.048 kPa。总体来看，20世纪90年代年、季节VPD偏低，是1981—2020年最低的10 a，而21世纪10年代VPD为40 a最高。

表3 1981—2020年珠峰地区平均年和季节VPD距平的年代际变化

Tab.3 The decadal variation of annual and seasonal VPD anomalies in Mt.Qomolangma region from 1981 to 2020 单位：kPa

时段	1981—1990年	1991—2000年	2001—2010年	2011—2020年
春季	-0.020	-0.012	-0.008	0.021
夏季	-0.017	-0.080	0.014	0.064
秋季	-0.041	-0.058	-0.006	0.065
冬季	-0.007	-0.043	0.004	0.038
汛期	-0.029	-0.067	0.006	0.061
年	-0.022	-0.048	0	0.048

新窗口打开| 下载CSV

2.2.4 突变分析

图5为珠峰地区年、季节平均VPD的M-K检验曲线。1981—2004年，年平均VPD的UF曲线呈振荡下降趋势；2005年后明显上升，并在2015年超过了+1.96临界线，表明VPD增大趋势显著。UF和UB曲线在2013年相交，交点位于±1.96临界线之间，表明2013年发生突变，由偏小期跃变为偏大期，突变后平均VPD较突变前增加0.082 kPa。春季和汛期VPD的突变点分别出现在2007年和2008年，其余3季均在2012年发生突变，均表现为由小变大。总体来看，1981—2023年珠峰地区年、季节平均VPD突变大多发生在21世纪前20 a，其中春季和汛期VPD突变较早，其他季节和年平均VPD突变均发生在21世纪10年代初期。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 1981—2023年珠峰地区年（a）及春（b）、夏（c）、秋（d）、冬（e）季和汛期（f）VPD的M-K检验

Fig.5 The M-K test results of annual (a), spring (b), summer (c), autumn (d), winter (e) and flood season (f) VPD in Mt.Qomolangma region from 1981 to 2023

2.3 影响VPD的气象因子分析

2.3.1 气象因子的气候倾向率

根据VPD计算公式可知，VPD变化与最高气温、最低气温和相对湿度密切相关。研究表明，VPD还受平均气温、日照时数、降水量、水汽压和平均风速的显著影响（袁瑞瑞等，2021）。计算发现（表4），1981—2023年珠峰地区年、季节和汛期平均气温、最高气温、最低气温均呈明显升高趋势，升温率为0.19~0.50 ℃·（10 a）^-1，其中秋季升温率最大，且除冬季外，最低气温升温率均高于最高气温。冬季日照时数趋于增加，其余3季、汛期及全年日照时数均呈减少趋势，平均每10 a减少2.92~14.42 h，汛期减幅最大。夏、秋季降水量呈增加趋势，春、冬季呈减少趋势，年降水量变化不大。夏季，水汽压变化幅度不大，其余3季、汛期及年水汽压均呈减小趋势，为-0.06~-0.03 hPa·（10 a）^-1。各季、汛期和年相对湿度均呈下降趋势，以汛期降幅最大[-1.32%·（10 a）^-1，p<0.01]。平均风速在春、冬季呈减小趋势，夏、秋季则趋于增加，其中夏季增幅最明显[0.07 m·s^-1·（10 a）^-1，p<0.05]，汛期呈增加趋势，但全年增加不明显。

表4 1981—2023年珠峰地区不同气象因子的气候倾向率

Tab.4 CTR of different meteorological factors in Mt. Qomolangma region from 1981 to 2023

时段	T_m/ [℃·（10 a）^-1]	T_max/ [℃·（10 a）^-1]	T_min/ [℃·（10 a）^-1]	S/ [h·（10 a）^-1]	P/ [mm·（10 a）^-1]	e/ [h·（10 a）^-1]	RH/ [%·（10 a）^-1]	W/ [m·s^-1·（10 a）^-1]
春季	0.29^**	0.19	0.48^***	-1.43	-1.32	-0.03	-0.04	-0.07
夏季	0.30^***	0.24^***	0.43^***	-10.69	2.76	0.01	-0.14^*	0.07^*
秋季	0.45^***	0.44^***	0.50^***	-2.92	1.47	-0.06	-0.18^***	0.04
冬季	0.41^***	0.41^**	0.41^***	1.52	-5.26	-0.06	-0.11	-0.01
汛期	0.32^***	0.24^***	0.47^***	-14.42	-0.05	-0.03	-1.32^**	0.06
年	0.38^***	0.33^***	0.46^***	-13.39	1.01	-0.04	-0.12^*	0.01

新窗口打开| 下载CSV

此外，1981—2023年珠峰地区年平均相对湿度、水汽压和风速呈明显二次曲线变化（图6）。1981—2003年，相对湿度、水汽压均显著增加，平均每10 a分别增加4.18%、0.44 hPa（p<0.001）；2004—2023年则显著减少，减幅分别为3.73%·（10 a）^-1（p<0.01）、0.26 hPa·（10 a）^-1（p<0.05）。而风速在1981—2006年趋于减小，平均每10 a减少0.24 m·s^-1（p<0.001）；2007—2023年则呈增加趋势，增幅为0.39 m·s^-1·（10 a）^-1（p<0.01）。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 1981—2023年珠峰地区年平均相对湿度（a）、水汽压（b）和风速（c）年际变化

（y4、y5、y6、y7分别为1981—2003年、2004—2023年、1981—2006年和2007—2023年）

Fig.6 Variation of annual relative humidity (a), vapour pressure (b) and wind speed (c) in Mt.Qomolangma region from 1981 to 2023

（The periods of y4, y5, y6 and y7 are 1981-2003, 2004-2023, 1981-2006 and 2007-2023, respectively）

2.3.2 气象因子对VPD的贡献率

基于珠峰地区年、季节VPD的年际变化和突变时间（图5），将1981—2023年划分为研究期、突变前和突变后3个阶段，分析影响VPD变化的气象因子，表5为贡献率大于20%的气象要素。研究期影响季节和年VPD的主导因子为平均气温，其次为水汽压，其中春季平均气温贡献率最高（59.8%）；汛期VPD主要受水汽压影响，贡献率为48.3%。突变前和突变后，夏季VPD的主导因子均为水汽压，其次是平均气温，但突变后水汽压对VPD的影响增强，平均气温的影响减弱；春、秋和冬季的主导因子均为平均气温，水汽压次之，且突变后平均气温的贡献明显增加，特别是冬季平均气温贡献率高达88.4%；汛期的主导因子为水汽压和平均气温，突变后二者贡献率相当；年VPD的主导因子为水汽压和降水量，其中降水量贡献率最高（57.1%）。

表5 不同时段主要气象因子对VPD的贡献率

Tab.5 Contribution rate of meteorological factors on VPD in Mt.Qomolangma region during different time periods

时段	研究期	突变前	突变后
春季	T_m（59.8）>e（33.7）	T_m（55.7）>e（35.9）	T_m（68.7）>e（31.3）
夏季	T_m（51.2）>e（47.0）	e（52.8）>T_m（47.2）	e（53.9）>T_m（41.6）
秋季	T_m（50.1）>e（44.8）	T_m（47.7）>e（44.7）	T_m（52.7）>e（34.3）
冬季	T_m（55.0）>e（38.7）	T_m（50.2）>e（42.5）	T_m（88.4）
汛期	e（48.3）>T_m（47.6）	e（51.3）>T_m（41.3）	T_m（49.5）>e（49.0）
年	T_m（47.0）>e（46.1）	e（49.5）>T_m（44.2）	P（57.1）>e（23.3）

注：括号内数字为贡献率/%。

新窗口打开| 下载CSV

综上所述，1981—2023年珠峰地区季节和年平均气温的升高是导致VPD增加的主要因子，而汛期水汽压的降低是VPD增大的主导因素。2007年后，夏季水汽压对VPD的作用持续增强，其余3季平均气温的影响明显增强，尤其是冬季；此外，年VPD受降水量的影响最明显。

3 结论与讨论

本文利用1981—2023年气象资料，分析了近43 a珠峰地区VPD的时空变化特征及其影响气象因子，得到如下主要结论。

1）1981—2023年珠峰地区年、季节及汛期平均VPD总体呈由湿润区向干旱区逐渐增大的分布特征。这与中国近40 a夏季平均VPD分布特点基本一致，但与冬季平均VPD呈由湿润区到干旱区递减的特征（袁瑞瑞等，2021）不同。此外，中国4个气候区的平均VPD均表现为夏季>春季>秋季>冬季（袁瑞瑞等，2021），珠峰地区也呈现类似规律，但南部湿润的聂拉木站却表现为冬季>春季>秋季>夏季的季节特征。

2）近43 a珠峰地区年均及季节饱和水汽压均呈显著增大趋势，而实际水汽压趋于减小。VPD的变化主要受饱和水汽压驱动，尤其是春、秋季，贡献率达62.0%，这一结果与程梦琦等（2023）的研究一致，饱和水汽压对VPD的影响大于实际水汽压。

3）近43 a珠峰地区年、季节和汛期VPD呈显著上升趋势，夏季增幅最大。尤其是近23 a季节VPD增速更明显，这一趋势与全球范围VPD的变化一致（袁瑞瑞等，2021；宁梓妤等，2022；彭丽晓，2023；於嘉禾等，2024）。同时，珠峰地区年和季节VPD在2007年后发生了显著突增，这与程梦琦等（2023）研究的青藏高原2000年后VPD突变增加的现象相一致。此外，这种突变增长趋势也在全球高纬度地区、欧洲东部（程梦琦等，2023）以及中国4个气候区（袁瑞瑞等，2021）被观测到，表明全球大范围的大气干旱在近10 a进一步加剧。因此，建议加强水资源的综合管理，提升高标准水利设施建设水平，以应对未来大气干旱加剧带来的气候风险。

4）近43 a珠峰地区季节和年平均气温显著升高是导致VPD显著增加的主要因素，而汛期水汽压的降低也是VPD增加的重要原因。2007年后，夏季平均相对湿度对VPD的影响逐步增强，其余季节平均气温对VPD的影响程度明显增加，尤其在冬季。年降水量对VPD的贡献率最大。已有研究表明，全球气温上升是导致VPD增加的主要因素（Matsoukas et al.，2011）；在中国大部分地区、东欧北部及中亚，水分限制作用的加强可能是VPD持续增长的关键因素（程梦琦等，2023）。具体到中国，湿润区、半干旱区和干旱区年平均VPD的年际变化主要受气温和绝对湿度驱动，而半湿润区则主要受气温和降水影响（袁瑞瑞等，2021）；中国西南地区VPD在2000年后快速升高的主要原因是空气湿度的变化（宁梓妤等，2022）。综上所述，尽管不同地区VPD的年际变化受不同气象因子驱动，但大部分区域的VPD增大主要归因于气温的显著升高。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

白宇轩, 杜军, 王挺,

等, 2022.

1971—2020年藏东南极端降水指数的时空变化特征

[J]. 高原山地气象研究, 42(3): 31-40.