陆地水资源变化对变暖的响应及其影响因素

高艳红 张萌 刘伟

摘要 “干更干、湿更湿”变化范式为理解气候干湿变化提供了一个简化模板。然而，这一范式仅能有效描述受海洋变化影响的全球平均结果。陆地上水资源变化的影响因素众多，存在很大的不确定性，地形复杂地区尤其如此，目前尚未找到高度概括其时空变异规律的方法。本研究总结了全球陆地，尤其是高海拔地区的水资源变化的研究进展，对比了全球气候模式和区域气候模式预估结果的差异，揭示了陆地水资源对变暖的响应机理，并分析了影响陆地水资源变化的主要地表和人类活动因素;提出陆面过程的精确描述以及地表水热状况及其非均匀性的高分辨率精细刻画和模拟，可以为气候系统提供更准确的下边界条件，进而提高地形复杂区域降水空间分布的模拟性能，为陆地尤其是高海拔山区的水资源及其变化研究奠定基础。

关键词陆地;水资源变化;高海拔地区;变暖

水是人类赖以生存不可或缺的物质，在人类文明发展史中始终扮演着举足轻重的角色，淡水资源的多寡和丰枯往往与地区经济状况和人类文明演替息息相关。地球虽然又被称为“水球”，但是其大部分的储水量无法直接被人们生产和生活所利用。地球表面约71%面积被水体覆盖，然而淡水资源仅占总水量的2.5%（Shuttleworth，2012）;在这极少的淡水资源中，又有70%以上被冻结在南极和北极的冰盖中，加上高山冰川和永冻积雪，共有87%的淡水资源难以被开采。目前人类能够利用的淡水资源是江河湖泊和浅层地下水中的一部分，只占地球总水量的0.26%。再者，地球淡水资源不仅短缺而且地区分布极不平衡。以我国为例，远离水汽源地的西北干旱半干旱区人民主要依靠冰雪融水维持绿洲灌溉和生存。华北等人口稠密、人均水资源严重不足的地区需要南水北调等工程补充生产生活用水。因此，厘清陆地水资源时空分布和对变暖的响应对布局工农业生产、引导缺水地区人口迁移乃至修建人造地球工程缓解水资源压力具有重大意义。

1 全球陆地水资源变化及对变暖的响应

陆地水资源以地表水、地下水、湖泊、河川、积雪、冻土、冰川等方式存在，由于其提供了人类生产生活中的绝大部分用水，因而一直以来备受关注（Oki and Kanae，2006）。陆地水循环主要分为降水（P）、蒸发（E）、入渗、地表径流、地下径流等环节（Trenberth et al.，2007）。在不考虑地下深层水体等慢变过程的前提下，全球多年平均的水循环可以视为平衡态，即land-land=ocean-ocean（Lorenz and Kunstmann，2012）。因此，长期水资源的变化可用降水与蒸发之差，即P-E的变化来表示。

工業革命以来CO2等温室气体的大量排放，将人类推向了以增暖为主要特征的全球气候变化轨道中。根据Clausius-Clapeyron方程，气温每升高1 ℃，大气中的水汽含量上升7%左右。基于此，Held and Soden（2006）提出了著名的“干更干、湿更湿”理论。该理论认为P-E的变化正比于P-E本身：随着气温逐渐升高，P-E小于0的干旱区由于P-E的变化为负值，所以变得更干，而P-E大于0的湿润区则会变得更湿。全球而言，热带和中高纬度地区P-E增加，副热带Hadley环流下沉支控制地区P-E减少的纬向平均结果确实大体符合这一假设。变暖的区域差异导致的平均环流变化是全球干湿变化范式的主导因素（Held and Soden，2006;Seager et al.，2007;Gao et al.，2012）。然而，如果将陆地同海洋分开看就会发现，多年陆地纬向平均的P-E均大于0，但P-E的变化却有正有负，明显不符合假设。此外，一些学者还利用多种资料分析了全球陆地变干和变湿的面积比例，与气候平均态的干湿分区相结合，发现“干更干、湿更湿”理论不能很好地描述陆地水资源的变化，并从理论层面给出了解释（Greve et al.，2014;Roderick et al.，2014;Byrne and OGorman，2015）。

Rodericket al.（2014）利用20C3M（CMIP3 archive for the 20th century simulations）模拟资料得出的1970—1999年全球陆地降水和蒸发的气候平均态分别为775和542 mm/a。Trenberth et al.（2011）分析了1990—2008年全球陆地P-E的变化情况，认为陆地水资源总体呈现波动增加态势。这一结果与Lorenz and Kunstmann（2012）基于较为全面的再分析资料和前人的研究成果得出的结论一致。从空间分布变化看，总体上陆地P-E的变化幅度小于海洋，青藏高原和中南半岛北部、赤道非洲和南美洲北部地区变化幅度较为显著（Trenberth et al.，2007）。

未来排放情景下，全球平均“干更干、湿更湿”变化趋势将进一步加剧（Seager et al.，2007），然而陆地范围内变化却并非如此（Byrne and OGorman 2015;Zhou et al.，2021）。基于CMIP5多模式集合平均结果，Greve and Seneviratne（2015）绘制了在RCP8.5高排放情景下21世纪末的全球陆地P-E相对于20世纪末的变化。P-E增加的区域主要位于北半球中高纬和南极大陆，并且大部分通过了显著性检验。而P-E减少的地区占据了南北纬45°之间的大多数面积，但减幅较微弱。从模式预估结果看，较大幅度的升温并没有导致陆地范围P-E出现相应的剧烈变化，这种非线性关系也体现了陆地水资源变化的复杂性。最近，Zhou et al.（2021）研究指出土壤湿度的反馈机制有效减缓了全球陆地P-E的变化。

地表径流是陆地水资源不可或缺的组成部分。Dai and Trenberth（2002）估算全球陆地径流量为（37 288±662） km3·a-1，相当于35%的陆地降水量。值得注意的是，在利用不同数据计算得出的年径流量大体一致的前提下，区域尺度上由不同陆地区域向各大洋输送的水量差异较大。上述问题表明现今全球气候模式能够大体模拟出能量和水量平衡的主要特征，但在区域尺度存在很大不确定性。这种区域尺度的差异往往会被掩盖在较好的全球平均结果中，妨碍模式对水循环的精准描述和对陆地水资源各项的估算。而基于区域气候模式的降尺度方法是精细刻画区域尺度水循环的有效武器，可以弥补全球气候模式“抓大放小”的不足。

2 高海拔山区水资源变化

高海拔山区尽管占整个全球陆地面积的比重较小，人口密度不大，却是诸多大江大河的发源地，充沛的淡水资源为人类和其他生物的生息发展提供了必要保障（Beniston et al.，1997），影响着全球19亿人口的用水安全（Immerzeel et al.，2020）。变暖引发了一系列以雪线上移和冰川退缩为代表的地表环境变化，改变了高海拔山区水资源的储量、空间分布和与之相适应的生态系统。进而深刻影响了全球水循环和水资源配置。

高海拔山区的地理位置和气候区划不同，局地地形地貌各异（图1），但共同特点是较小水平范围内剧烈的垂直梯度变化（Barry，2008;Pepin and Lundquist，2008;Pepin et al.，2015;Minder et al.，2018）。由于覆盖面积有限，这种强烈的局地非均匀分布往往难以通过大尺度环流准确捕捉，因此，高海拔山区水资源及其变化很难用全球气候模式准确模拟和预估（Beniston，2003），需要开展降尺度研究。气象要素的降尺度通常有两种方式：统计降尺度和动力降尺度。统计降尺度的准确性依赖于观测数据。受制于客观条件高海拔山区往往观测稀少，限制了统计降尺度的使用，所以基于区域气候模式的动力降尺度成为获得高海拔山区准确气象要素的有效途径（Giorgi and Francisco，2000;Gao et al.，2006，2011b;Gao and Chen 2017;Walton et al.，2020）。下文將分区域回顾对高海拔山区水资源及其变化的研究工作。

2.1 亚洲——以青藏高原为例

亚洲中部坐落着“世界屋脊”——青藏高原。青藏高原由于独特的地理位置和地形地貌，对北半球乃至全球气候都发挥着巨大作用（Xu et al.，2008;Zhou et al.，2009）。青藏高原是亚洲诸多大江大河的发源地，水资源总量占我国的22.71%。观测资料显示近几十年来青藏高原正在经历显著的气候和环境变化，主要特征为变暖（Liu et al.，2006;Gao et al.，2014;Duan and Xiao，2015;Liu and Chen，2015;Gao et al.，2018b）、变湿（Gao et al.，2014，2015d）、风速减弱（You et al.，2010;Li et al.，2018）和湖泊扩张（Lei and Yang，2017;Zhang et al.，2017）。这种形式的气候变化引发了高海拔冰冻圈系统、生态系统、以及生物多样性的重大转变（姚檀栋等，2015）。全球气候模式预估青藏高原的暖湿化将在21世纪末进一步加强（张人禾等，2015）。

然而，常被当作观测资料使用的全球主流再分析资料（NCAR/NCEP、NCAR/DOE、ERA-40、ERA-Interim）对青藏高原水资源变化的描述差异极大，尤其是NCAR/NCEP甚至表现出减小的趋势（Gao et al.，2014）。四套再分析资料中，ERA-Interim对青藏高原气温变化（Wang and Zeng，2012）和水资源变化（Gao et al.，2014）的描述与观测资料较为接近，但是空间分布非常均匀，不能描绘高海拔山区和平原区的差异。为了分析青藏高原的水资源变化，Gao et al.（2014，2018a）使用ERA-Interim作为驱动数据，率先开展了青藏高原动力降尺度研究。发现相比于大尺度驱动数据，动力降尺度能更准确模拟青藏高原随海拔分布的变暖特征和水资源变化的空间分布特征（Gao et al.，2015a，2015b）。地表非均匀动力和热力差异是导致二者预估结果不同的重要因素（Gao et al.，2017;Zhang et al.，2019）。

高分辨率的动力降尺度模拟比低分辨率的全球气候模拟模式能更准确地模拟了高海拔山区水资源分布和变化特征。这源于一方面，由于分辨率的提高可以更好地识别地形和地表覆盖的非均匀性，准确表述地表动力和热力非均匀性。另一方面，相比全球气候模式，区域气候模式会采用更适合中小尺度的动力物理框架和参数化方案过程，可以更准确模拟中小尺度天气/气候过程。而在地形复杂区域中小尺度天气/气候过程的模拟中，地表动力和热力非均匀性的准确表述有着重要作用。

2.2 北美洲——以落基山脉为例

位于美国西南部的科罗拉多河，发源于科罗拉多州的落基山脉。上游落基山区主要为高山气候，海拔较高，气候寒冷，年均降水量400～500 mm。下游处于半干旱至干旱气候区，部分地区年降水量低于100 mm。面积不足25%的上游区域供给着流域78%的水源，支撑着下游干旱半干旱气候区的农业生产（Cayan et al.，2008;Seager et al.，2015）。流域水资源供需矛盾一直是加利福尼亚州水安全管理的重中之重（Cook et al.，2004;Council，2007;Vano et al.，2014）。全球气候模式预估该流域在未来排放情景下的径流量减少超过80%，甚至可能进入超强干旱状态（Christensen et al.，2004;Milly et al.，2005;Christensen and Lettenmaier，2007;Seager et al.，2007）。

然而，Hoerling et al.（2009）使用观测资料校准后的全球气候模式预估结果，利用0.125°水平分辨率的水文模型VIC（Variable Infiltration Capacity），预估科罗拉多河流域21世纪末径流量只减少6%，远小于直接使用全球气候模式预估的结果。以上差异引发一个问题：对水资源变化的预估结果是否与模式的水平分辨率有关？基于对这一问题的思考，Lettenmaier教授团队分析了多组全球气候模式和全球气候模式模拟驱动的动力降尺度结果，研究了科罗拉多河流域水资源变化及其对变暖的响应，发现动力降尺度预估的流域水资源对变暖的响应小于全球气候模式预估（Gao et al.，2011a）。具体来说，动力降尺度模拟与全球模式的预估在平原区基本一致。但是在流域上游，动力降尺度的确反映出与全球气候模式不一样的特征：动力降尺度更准确模拟高海拔区域（>2 250 m）的积雪分布状况和气温随高度递减的特征，而小尺度地形在全球气候模式中由于其较粗的分辨率不能被识别出来，这一区别导致了二者不同的预估结果。从大气水循环角度，近地层中小尺度非均匀性导致的湍流机制是导致二者预估结果不同的重要因素（Gao et al.，2012）。

欧洲和南美洲——以阿尔卑斯山和安第斯山为例。相对于青藏高原和落基山脉，阿尔卑斯山海拔高度较低，观测资料相对丰富（Beniston et al.，1997）。观测显示，阿尔卑斯山区的变暖趋势呈现极大的空间差异性。日最低温度呈现强烈的变暖海拔增大的特征，尤其是冬季夜间的变暖更为显著，但是，日最高温度却不同，呈现低海拔区域变暖，而高海拔山区变冷的分布特征（García-Ruiz et al.，2011;Rangwala and Miller，2012;Gobiet et al.，2014;Beniston et al.，2018）。然而，早期的气候模式模拟都仅模拟出随海拔分布的变暖特征，未能模拟出最高温度的变化（Giorgi et al.，1997）。尽管如此，与其他高海拔山区一致，阿尔卑斯山生态系统和冰冻圈整体呈现冰冻圈后撤和植被向上扩张的格局（García-Ruiz et al.，2011;Gobiet et al.，2014;Abbate et al.，2020）。相比全球气候模式，区域气候模式对高海拔山区的模拟优势得到很好的体现（Giorgi et al.，1997;Ban et al.，2014;Torma et al.，2015;Prein et al.，2016）。

与北半球中纬度山脉不同，安第斯山脉从南美洲北部一直延伸到欧洲大陆（11°N～53°S）（Espinoza et al.，2020），其特点是生态系统的多样性。Ames监测发现1932—1994年安第斯山冰川呈现退缩现象（Rangwala and Miller，2012）。但是温度变化随海拔分布特征并不一致。Gaffen et al.（2000）发现安第斯山脉对流层温度却呈现不变或者略微减小趋势;Vuille and Bradley（2000）发现尽管对流层温度呈现变冷趋势，安第斯山地表温度呈现变暖特征，但是变暖速率随海拔成减小趋势，只有在1 000～2 500 m高度的东向坡面出现变暖速率随海拔高度增加而增大。数值模拟研究发现即使几十公里分辨率的动力降尺度仍然不能很好地模拟安第斯山脉复杂的多样性特征（Pabón-Caicedo et al.，2020）。

对比高海拔山区与平原区可以发现，平原区水资源变化体现在环流变化导致降水的变化，而高海拔地区水资源变化更多体现在固态水资源对温度变化的响应，例如，温度升高，树线和雪线上升，地表反照率减小，进一步加剧原雪线位置温度的升高，这一正反馈机制，形成了5 000 m高度的最大变暖速率（Gao et al.，2018b）。同时，由于高海拔山区很小水平距离内剧烈的垂直梯度变化，相比站点插值以及粗分辨率的全球气候模式，高分辨率动力降尺度模拟可以更准确再现高海拔山区的水资源变化（Gao et al.，2018b）。

3 陆表单元对陆地水资源的影响

陆地表面分布着各种地表单元，例如，土壤（裸土、沙漠）以及覆盖其上的植被生态系统（草地、森林、农田、灌木、稀疏植被等）和冰冻圈系统（积雪、冻土、冰川）、水体（湖泊、水库等），这些地表单元的地球物理和地球生物化学过程，通过影响地表水热过程，进而影响区域降水以及地表水资源，人类活动（城市化、灌溉、植树种草、森林砍伐等）则以突变的方式改变地表单元，影响水资源。

地表单元通过地表与大气间能量和物质交换对区域气候和水循环产生影响。水分交换是陆-气相互作用的重要地球物理过程。一个区域的蒸发对该区域降水的贡献被称为内循环降水，内循环降水率即本地蒸发产生的降水与总降水量的比值，常用来表征陆-气间水循环的耦合强度（Goessling and Reick，2011;Gimeno et al.，2012;van der Ent et al.，2013;Xu and Gao，2019;Dominguez et al.，2020;Gao et al.，2020b）。

诸多研究表明，陆面过程模拟的准确性是准确认知地球系统圈层相互作用的基础（Trier et al.，2004;Chen and Zhang，2009;Kumar et al.，2014）。经历了几十年的发展，陆面过程模式已经可以描述地表主要的地球物理和地球化学过程，但是在高海拔山区的模拟仍然存在较多问题。改进陆面过程模式，提高其在高海拔地区的模拟性能成为水资源变化研究的努力方向（Beniston et al.，2018）。下面列举一些陆面过程模式物理过程研发，尤其是青藏高原的最新进展。

3.1 土壤和植被

土壤和植被是陆地系统的重要载体，是地表蒸散发计算的直接参与者。其中，地表反照率是影响地表能量收支的关键要素（Wang et al.，2005）。最初的数值模式中采用全球均一的地表反照率，随着遥感监测数据的日益丰富和研究的逐步深入，研究人员发现地表反照率是土壤粒径、颜色、湿度、以及植被类型、生物量等地表特征的综合体现。一系列地表特征数据被引入陆面过程模式，更真实模拟地表反照率，提高地表能量平衡模拟性能（Dai et al.，2013）。

土壤湿度是影响地表蒸散发的关键要素（Seneviratne et al.，2013）。Koster et al.（2004）基于16个全球陆地-大气耦合试验模式，揭示北美中部大平原、赤道非洲的萨赫勒和印度是全球陆气耦合强度最高的地区，其次是南美，中亚和中国。同样基于全球陆地-大气耦合试验结果，Zhou et al.（2021）在研究中发现，土壤湿度的反馈机制有效减缓了全球陆地干旱、半干旱区未来水资源（P-E）的减小。同时指出，现代全球气候模式中陆气相互作用过程的模拟性能有待进一步提高。

植被对近地层动量、能量和质量平衡和交换有重要影响。植被冠层通过摩擦力减小近地面风速;通过反射、散射、折射影响地表辐射平衡;通过截留降水、植被蒸腾影响水循环;通过光合作用改变碳、氮通量（Dai et al.，2003;Lawrence et al.，2020）。近期研究表明，植被根系的影響也不容忽视。Gao et al.（2015c）发现陆面过程模式中考虑根系影响，显著改善青藏高原表层土壤湿度模拟普遍偏低的难题。Niu et al.（2020）在陆面过程模式中Noah-MP中考虑根生长的动态水分吸收过程，提高模式生态系统对干旱的弹性。

3.2 冰冻圈

全球变暖背景下，冰冻圈的变化受到高度关注。例如，青藏高原冰冻圈水资源呈现“失稳”现象。冰冻圈水资源大多位于高海拔地区，观测资料稀少成为制约冰冻圈环境变化研究的瓶颈。改进气候模式中的冰冻圈过程，更准确模拟高海拔地区气候成为明晰陆地水资源变化对变暖响应研究的有效途径。

经过科研人员长期不懈的努力，现代气候模式已经基本具备了陆地冰雪过程对气候影响响应机理的模拟能力（Yang et al.，1997;Xue et al.，2003;Chen et al.，2014），相比站点插值产品和全球氣候模式，耦合先进陆面过程方案的区域气候模式（例如Weather Research and Forecasting model，WRF）能够更好地再现观测到的随海拔分布的变暖特征（Gao et al.，2018b）。但是，模式中冰雪过程的参数化方案大多基于高纬度深厚积雪覆盖地区的观测数据建立，而位于中纬度的青藏高原积雪浅薄，生命期短（Jiang et al.，2019），模式中原有积雪参数化方案的使用导致积雪覆盖度有25%左右的高估（Jiang et al.，2020）。最新研究改进了青藏高原积雪模型，有效减小了青藏高原区域气候模拟中强烈的冷偏差（Gao et al.，2020a;Jiang et al.，2020）。

3.3 湖泊

湖泊扩张和数量增多也是青藏高原环境对变暖响应的一个重要特征。湖泊的区域气候效应是区域气候研究的重要内容。然而，在以往的气候模拟中，由于模式分辨率较粗，只有较大面积湖泊才能被识别。近年来，随着遥感监测能力的提高，较小湖泊以及湖泊面积变化也可以被精确监测。同时，随着气候模式分辨率的逐步提高，青藏高原湖泊群的气候效应受到了前所未有的关注。

气候模式中湖表温度的处理有两种方式，传统的处理方式是将湖泊作为水体，使用最近点的海面温度作为湖泊表面温度。近年来，湖泊模式得以发展并与区域气候模式耦合，可以更准确地模拟湖泊表面温度和湖泊的气候效应。由于湖泊的位置、大小、形态、深浅、、周边地形地貌等都对湖泊表面温度有显著影响，每个湖泊各具特色。因此，通用的湖泊模式还存在较大的不确定性，预设湖泊表面温度方法因其简单、实用仍被广泛使用。

最近Gao et al.（2020b）研究发现，由于最近点海温远高于青藏高原地表温度，将其作为高原的湖表温度会激发极强的湖气相互作用，导致湖区降水的高估，成为青藏高原区域气候模拟湿偏差的重要原因。而使用气温和观测的湖气温差改进的湖表温度可以更准确模拟高原湖泊的气候效应。

3.4 人类活动

城市化、森林砍伐、农作物种植/灌溉/收割、退耕还林、水利工程建设等人类活动以直接改变土地利用和地表覆盖类型的形式，对区域气候和可用水资源产生影响。城市道路使用不透水层，建筑物使用反光玻璃，改变了地表水循环系统和能量分配。森林砍伐、退耕还林还草、农作物种植等改变了地表辐射平衡和地表粗糙度，对地表能量、水分、动量交换都有显著影响。水利工程对水资源的影响也不容忽视。早期的陆面过程仅考虑地表与大气之间能量和水分垂直方向的交换，不考虑地表和土壤水分的水平流动。随着模式水平分辨率的提高，汇流过程对土壤湿度，进而对土壤蒸发的影响日益受到重视，不同复杂程度的汇流过程方案陆续加入陆面过程模式（Gao et al.，2004）。

人类已通过土地使用、河流改道、土壤成分改变、水资源利用等方式使深刻改造了地球环境，并通过工业化进程排放温室气体，影响了大气成分，引发了全球气候变化。千禧年人类世的提出说明人类活动对地球环境影响力增强的论点得到了大多数学者的支持（Elhacham et al.，2020）。人类活动对气候系统的影响在模式中多采用辐射外强迫的形式体现，而非以物理过程的方式耦合在陆面过程模式，进而气候模式中。未来陆面过程模式的研发需要进一步完善人类活动产生的相关影响。

4 结论

陆地是人类赖以生存的家园，水资源是人类文明演替的基石。作为重要的水源地，高海拔地区的水资源对变暖的响应尤其会引起各个国家和国际社会的高度关注。本研究回顾了陆地水资源对变暖的响应，总结了高海拔地区的水资源变化，进一步探讨了陆面过程对高海拔地区水资源的影响。

受全球变暖的影响，全球水资源呈现“干更干、湿更湿”的变化范式，变暖的区域差异导致的平均环流变化是全球干湿变化范式的主导因素。但这一范式主要受海洋主导，陆地表面高度地形和土地利用类型的高度非均匀分布，使得陆地水资源呈现更为复杂的高度非均匀分布，同时，各种数据对陆地水资源变化的也表现出极大的不确定性。

气候模式预估的结果显示，21世纪末科罗拉多河流域P-E变化符合“干更干、湿更湿”范式，而青藏高原水资源变化则不符合这一范式。基于动力降尺度的高分辨率模拟能更准确分辨高海拔山区的地表特征和冰冻圈积雪分布，其预估结果与全球气候模式预估方向一致，但P-E对变暖的响应程度有所降低。动力降尺度和全球气候模式预估结果的不同源于地表热动力状况是否非均匀分布的模拟差异。

陆地水资源变化显著地受到陆面过程的影响。在高海拔山区，土壤、植被过程与冰冻圈过程相互交织，使得水热变化更为复杂。另外，冰川、积雪融水直接导致水体水量的增多和面积的增大，极大地改变了水循环。全球气候模式难以分辨山区地表特征，陆面物理过程也存在不足。因此，采用高分辨率地表数据，改进典型下垫面的陆面物理过程和参数化方案，是准确预估高海拔山区水资源对变暖响应研究的重要手段。

5 讨论

近些年观测站点和探空资料的加密、卫星遥感的大规模应用、模式物理框架和参数化方案的改进、同化技术的进步都对研究数据广度和精度的提升做出了贡献。然而，数据来源的不确定性仍是目前陆地水资源变化研究的主要障碍之一。体现在各套降水和蒸发数据之间的差异较大，尤其是缺少直接观测，数据来源更加多样的陆地蒸散发（Greve et al.，2014），这会导致模式模拟水循环速率的失真（Trenberth et al.，2011）。

陸地水资源研究也常采用离线模拟的方式，使用气象数据驱动陆面过程模式或水文模式，进行P-E的模拟和预估。这种方式中，作为陆地系统最重要的淡水资源库，高海拔地区降水数据的不确定性会成为水循环过程和水资源变化不确定性的重要来源。除了气候模式，还有两种常用的网格化降水数据：地面监测插值产品和卫星遥感反演产品。地面观测是重要的数据基础，但是，复杂的山区地形使得数据代表性受到限制，插值产品往往存在较大的不确定性。而缺乏地面观测的校准，卫星遥感反演产品的准确性也会受到影响。因此，在地形复杂地区的水资源变化研究中，开展高分辨率气候模拟成为提高降水数据准确性，进而提高水资源变化预估可信度的有效途径。

传统的几十、至上百公里水平分辨率尺度的气候模式中，积云过程远小于模式网格尺度，降水过程被分解为微物理过程参数化和积云参数化方案，而积云参数化方案一直被认为是模式模拟最大的不确定性来源（Zhang and McFarlane 1995;Pei et al.，2014;Huang and Gao，2017）。近年来，随着计算能力的提高，人们开始尝试更高分辨率的气候模拟。当水平分辨率小于4 km，模式网格可以显式分辨积云，不再需要使用积云参数化方案，因此，

小于4 km尺度的模拟被称为对流允许尺度模拟（Liu et al.，2006;Rasmussen et al.，2011;Prein et al.，2013）。研究表明在观测资料极度匮乏的高海拔山区，对流允许尺度模拟是提供更准确气象要素的有效手段（Gao et al.，2020a）。然而，受计算资源限制，很多模拟仅在很小范围进行（Lin et al.，2018），大范围模拟需要指数倍的计算资源，收益与付出是否匹配尚需要深入评估。不少研究指出陆面过程对陆地水循环的影响甚至超过积云参数化方案（Pei et al.，2014;Gao et al.，2015c）。精细刻画陆面过程，为气候系统提供更准确的下边界条件，准确模拟高海拔山区降水特征，是正确认知陆地水资源变化对变暖响应的重要前提。

参考文献（References）

Abbate A，Papini M，Longoni L，2020.Extreme rainfall over complex terrain：an application of the linear model of orographic precipitation to a case study in the Italian pre-Alps[J].Geosciences，11（1）：18.doi：10.3390/geosciences11010018.

Ban N，Schmidli J，Schr C，2014.Evaluation of the convection-resolving regional climate modeling approach in decade-long simulations[J].J Geophys Res：Atmos，119（13）：7889-7907.doi：10.1002/2014JD021478.

Barry R G，2008.Mountain weather and climate[M].Cambridge：Cambridge University Press：532.

Beniston M，2003.Climatic change in mountain regions：a review of possible impacts[J].Climatic Change，59（1/2）：5-31.doi：10.1023/A：1024458411589.

Beniston M，Diaz H F，Bradley R S，1997.Climatic change at high elevation sites：an overview[J].Climatic Change，36（3/4）：233-251.doi：10.1023/A：1005380714349.

Beniston M，Farinotti D，Stoffel M，et al.，2018.The European mountain cryosphere：a review of its current state，trends，and future challenges[J].Cryosphere，12（2）：759-794.doi：10.5194/tc-12-759-2018.

Byrne M P，OGorman P A，2015.The response of precipitation minus evapotranspiration to climate warming：why the “wet-get-wetter，dry-get-drier” scaling does not hold over land[J].J Climate，28（20）：8078-8092.doi：10.1175/jcli-d-15-0369.1.

Cayan D R，Maurer E P，Dettinger M D，et al.，2008.Climate change scenarios for the California region[J].Climatic Change，87（1）：21-42.doi：10.1007/s10584-007-9377-6.

Chen F，Zhang Y，2009.On the coupling strength between the land surface and the atmosphere：From viewpoint of surface exchange coefficients[J].Geophys Res Lett，36（10）：L10404.doi：10.1029/2009GL037980.

Chen F，Barlage M，Tewari M，et al.，2014.Modeling seasonal snowpack evolution in the complex terrain and forested Colorado Headwaters region：a model intercomparison study[J].J Geophys Res：Atmos，119（24）：13795-13819.doi：10.1002/2014JD022167.

Christensen N S，Lettenmaier D P，2007.A multimodel ensemble approach to assessment of climate change impacts on the hydrology and water resources of the Colorado River Basin[J].Hydrol Earth Syst Sci，11（4）：1417-1434.doi：10.5194/hess-11-1417-2007.

Christensen N S，Wood A W，Voisin N，et al.，2004.The effects of climate change on the hydrology and water resources of the Colorado river basin[J].Clim Chang，62（1/2/3）：337-363.doi：10.1023/B：CLIM.0000013684.13621.1f.

Cook E R，Woodhouse C A，Eakin C M，et al.，2004.Long-term aridity changes in the western United States[J].Science，306（5698）：1015-1018.doi：10.1126/science.1102586.

Council N R，2007.Colorado River Basin water management：evaluating and adjusting to hydroclimatic variability[M].Newyork：National Academies Press.

Dai A G，Trenberth K E，2002.Estimates of freshwater discharge from continents：latitudinal and seasonal variations[J].J Hydrometeor，3（6）：660-687.doi：10.1175/1525-7541（2002）003<0660：eofdfc>2.0.co;2.

Dai Y J，Zeng X B，Dickinson R E，et al.，2003.The common land model[J].Bull Amer Meteor Soc，84（8）：1013-1024.doi：10.1175/bams-84-8-1013.

Dai Y J，Shangguan W，Duan Q Y，et al.，2013.Development of a China dataset of soil hydraulic parameters using pedotransfer functions for land surface modeling[J].J Hydrometeorol，14（3）：869-887.doi：10.1175/jhm-d-12-0149.1.

Dominguez F，Hu H，Martinez J A，2020.Two-layer dynamic recycling model（2L-DRM）：learning from moisture tracking models of different complexity[J].J Hydrometeorol，21（1）：3-16.doi：10.1175/jhm-d-19-0101.1.

Duan A M，Xiao Z X，2015.Does the climate warming hiatus exist over the Tibetan Plateau？[J].Sci Rep，5：13711.doi：10.1038/srep13711.

Elhacham E，Ben-Uri L，Grozovski J，et al.，2020.Global human-made mass exceeds all living biomass[J].Nature，588（7838）：442-444.doi：10.1038/s41586-020-3010-5.

Espinoza J C，Garreaud R，Poveda G，et al.，2020.Hydroclimate of the Andes part I：main climatic features[J].Front Earth Sci，8：64.doi：10.3389/feart.2020.00064.

Gaffen D J，2000.Multidecadal changes in the vertical temperature structure of the tropical troposphere[J].Science，287（5456）：1242-1245.doi：10.1126/science.287.5456.1242.

Gao X J，Xu Y，Zhao Z C，et al.，2006.On the role of resolution and topography in the simulation of East Asia precipitation[J].Theor Appl Climatol，86（1/2/3/4）：173-185.doi：10.1007/s00704-005-0214-4.

Gao Y H，Chen D L，2017.Modeling of regional climate over the Tibetan plateau[M].Oxford：Oxford University Press.doi：10.1093/acrefore/9780190228620.013.591.

Gao Y H，Lü S，Cheng G D，2004.Simulation of rainfall-runoff and watershed convergence process in the upper reaches of Heihe River Basin，July 2002[J].Sci China Ser D：Earth Sci，47（1）：1-8.doi：10.1360/04zd0001.

Gao Y H，Vano J A，Zhu C M，et al.，2011a.Evaluating climate change over the Colorado River basin using regional climate models[J].J Geophys Res：Atmos，116（D13）：D13104.doi：10.1029/2010JD015278.

Gao Y H，Xue Y K，Peng W，et al.，2011b.Assessment of dynamic downscaling of the extreme rainfall over East Asia using a regional climate model[J].Adv Atmos Sci，28（5）：1077-1098.doi：10.1007/s00376-010-0039-7.

Gao Y H，Leung L R，Salathé E P Jr，et al.，2012.Moisture flux convergence in regional and global climate models：implications for droughts in the southwestern United States under climate change[J].Geophys Res Lett，39（9）：L09711.doi：10.1029/2012GL051560.

Gao Y H，Cuo L，Zhang Y X，2014.Changes in moisture flux over the Tibetan Plateau during 1979—2011 and possible mechanisms[J].J Climate，27（5）：1876-1893.doi：10.1175/jcli-d-13-00321.1.

Gao Y H，Xu J W，Chen D L，2015a.Evaluation of WRF mesoscale climate simulations over the Tibetan Plateau during 1979—2011[J].J Climate，28（7）：2823-2841.doi：10.1175/jcli-d-14-00300.1.

Gao Y H，Leung L R，Zhang Y X，et al.，2015b.Changes in moisture flux over the Tibetan Plateau during 1979—2011：insights from a high-resolution simulation[J].J Climate，28（10）：4185-4197.doi：10.1175/jcli-d-14-00581.1.

Gao Y H，Li K，Chen F，et al.，2015c.Assessing and improving Noah-MP land model simulations for the central Tibetan Plateau[J].J Geophys Res Atmos，120（18）：9258-9278.doi：10.1002/2015jd023404.

Gao Y H，Li X，Ruby Leung L，et al.，2015d.Aridity changes in the Tibetan Plateau in a warming climate[J].Environ Res Lett，10（3）：034013.doi：10.1088/1748-9326/10/3/034013.

Gao Y H，Xiao L H，Chen D L，et al.，2017.Quantification of the relative role of land-surface processes and large-scale forcing in dynamic downscaling over the Tibetan Plateau[J].Clim Dyn，48（5/6）：1705-1721.doi：10.1007/s00382-016-3168-6.

Gao Y H，Xiao L H，Chen D L，et al.，2018a.Comparison between past and future extreme precipitations simulated by global and regional climate models over the Tibetan Plateau[J].Int J Climatol，38（3）：1285-1297.doi：10.1002/joc.5243.

Gao Y H，Chen F，Lettenmaier D P，et al.，2018b.Does elevation-dependent warming hold true above 5 000 m elevation？Lessons from the Tibetan Plateau[J].Npj Clim Atmos Sci，1：19.doi：10.1038/s41612-018-0030-z.

Gao Y H，Chen F，Jiang Y S，2020a.Evaluation of a convection-permitting modeling of precipitation over the Tibetan Plateau and its influences on the simulation of snow-cover fraction[J].J Hydrometeorol，21（7）：1531-1548.doi：10.1175/jhm-d-19-0277.1.

Gao Y H，Chen F，Miguez-Macho G，et al.，2020b.Understanding precipitation recycling over the Tibetan Plateau using tracer analysis with WRF[J].Clim Dyn，55（9）：2921-2937.doi：10.1007/s00382-020-05426-9.

García-Ruiz J M，López-Moreno J I，Vicente-Serrano S M，et al.，2011.Mediterranean water resources in a global change scenario[J].Earth-Sci Rev，105（3/4）：121-139.doi：10.1016/j.earscirev.2011.01.006.

Gimeno L，Stohl A，Trigo R M，et al.，2012.Oceanic and terrestrial sources of continental precipitation[J].Rev Geophys，50（4）：RG4003.doi：10.1029/2012RG000389.

Giorgi F，Francisco R，2000.Evaluating uncertainties in the prediction of regional climate change[J].Geophys Res Lett，27（9）：1295-1298.doi：10.1029/1999GL011016.

Giorgi F，Hurrell J W，Marinucci M R，et al.，1997.Elevation dependency of the surface climate change signal：a model study[J].J Climate，10（2）：288-296.doi：10.1175/1520-0442（1997）010<0288：edotsc>2.0.co;2.

Gobiet A，Kotlarski S，Beniston M，et al.，2014.21st century climate change in the European Alps：a review[J].Sci Total Environ，493：1138-1151.doi：10.1016/j.scitotenv.2013.07.050.

Goessling H F，Reick C H，2011.What do moisture recycling estimates tell us？Exploring the extreme case of non-evaporating continents[J].Hydrol Earth Syst Sci，15（10）：3217-3235.doi：10.5194/hess-15-3217-2011.

Greve P，Seneviratne S I，2015.Assessment of future changes in water availability and aridity[J].Geophys Res Lett，42（13）：5493-5499.doi：10.1002/2015GL064127.

Greve P，Orlowsky B，Mueller B，et al.，2014.Global assessment of trends in wetting and drying over land[J].Nat Geosci，7（10）：716-721.doi：10.1038/ngeo2247.

Held I M，Soden B J，2006.Robust responses of the hydrological cycle to global warming[J].J Climate，19（21）：5686-5699.doi：10.1175/jcli3990.1.

Hoerling M，Lettenmaier D，Cayan D，et al.，2009.Reconciling projections of Colorado River streamflow[J].Southwest Hydrol，8：20-21.

Huang D L，Gao S B，2017.Impact of different cumulus convective parameterization schemes on the simulation of precipitation over China[J].Tellus A：Dyn Meteorol Oceanogr，69（1）：1406264.doi：10.1080/16000870.2017.1406264.

Immerzeel W W，Lutz A F，Andrade M，et al.，2020.Importance and vulnerability of the worlds water towers[J].Nature，577（7790）：364-369.doi：10.1038/s41586-019-1822-y.

Jiang Y S，Chen F，Gao Y H，et al.，2019.Using multisource satellite data to assess recent snow-cover variability and uncertainty in the Qinghai-Tibet plateau[J].J Hydrometeorol，20（7）：1293-1306.doi：10.1175/jhm-d-18-0220.1.

Jiang Y S，Chen F，Gao Y H，et al.，2020.Assessment of uncertainty sources in snow cover simulation in the Tibetan Plateau[J].J Geophys Res：Atmos，125（18）：e2020JD032674.doi：10.1029/2020JD032674.

Koster R D，Dirmeyer P A，Guo Z，et al.，2004.Regions of strong coupling between soil moisture and precipitation[J].Science，305（5687）：1138-1140.doi：10.1126/science.1100217.

Kumar A，Chen F，Barlage M，et al.，2014.Assessing impacts of integrating MODIS vegetation data in the weather research and forecasting （WRF） model coupled to two different canopy-resistance approaches[J].J Appl Meteorol Climatol，53（6）：1362-1380.doi：10.1175/jamc-d-13-0247.1.

Lawrence D，Fisher R，Koven C，et al.，2020.Technical description of version 5.0 of the community land model （CLM）[R].National Center for Atmospheric Research（NCAR）.

Lei Y B，Yang K，2017.The cause of rapid lake expansion in the Tibetan Plateau：climate wetting or warming？[J].Wiley Interdiscip Rev：Water，4（6）：e1236.doi：10.1002/wat2.1236.

Li X，Gao Y H，Pan Y J，et al.，2018.Evaluation of near-surface wind speed simulations over the Tibetan Plateau from three dynamical downscalings based on WRF model[J].Theor Appl Climatol，134（3）：1399-1411.doi：10.1007/s00704-017-2353-9.

Lin C G，Chen D L，Yang K，et al.，2018.Impact of model resolution on simulating the water vapor transport through the central Himalayas：implication for models wet bias over the Tibetan Plateau[J].Clim Dyn，51（9/10）：3195-3207.doi：10.1007/s00382-018-4074-x.

Liu X D，Chen B D，2000.Climatic warming in the Tibetan Plateau during recent decades[J].Int J Climatol，20（14）：1729-1742.doi：10.1002/1097-0088（20001130）20：14<1729：aid-joc556>3.0.co;2-y.

Liu X D，Yin Z Y，Shao X M，et al.，2006.Temporal trends and variability of daily maximum and minimum，extreme temperature events，and growing season length over the eastern and central Tibetan Plateau during 1961—2003[J].J Geophys Res：Atmos，111（D19）：D19109.doi：10.1029/2005JD006915.

Lorenz C，Kunstmann H，2012.The hydrological cycle in three state-of-the-art reanalyses：intercomparison and performance analysis[J].J Hydrometeorol，13（5）：1397-1420.doi：10.1175/jhm-d-11-088.1.

Milly P C，Dunne K A，Vecchia A V，2005.Global pattern of trends in streamflow and water availability in a changing climate[J].Nature，438（7066）：347-350.doi：10.1038/nature04312.

Minder J R，Letcher T W，Liu C H，2018.The character and causes of elevation-dependent warming in high-resolution simulations of rocky mountain climate change[J].J Climate，31（6）：2093-2113.doi：10.1175/jcli-d-17-0321.1.

Niu G Y，Fang Y H，Chang L L，et al.，2020.Enhancing the Noah-MP ecosystem response to droughts with an explicit representation of plant water storage supplied by dynamic root water uptake[J].J Adv Model Earth Syst，12（11）：e2020MS002062.doi：10.1029/2020MS002062.

Oki T，Kanae S，2006.Global hydrological cycles and world water resources[J].Science，313（5790）：1068-1072.doi：10.1126/science.1128845.

Pabón-Caicedo J D，Arias P A，Carril A F，et al.，2020.Observed and projected hydroclimate changes in the Andes[J].Front Earth Sci，8：61.doi：10.3389/feart.2020.00061.

Pei L S，Moore N，Zhong S Y，et al.，2014.WRF model sensitivity to land surface model and cumulus parameterization under short-term climate extremes over the southern great Plains of the United States[J].J Climate，27（20）：7703-7724.doi：10.1175/jcli-d-14-00015.1.

Pepin N C，Lundquist J D，2008.Temperature trends at high elevations：Patterns across the globe[J].Geophys Res Lett，35（14）：L14701.doi：10.1029/2008GL034026.

Pepin N，Bradley R S，Diaz H F，et al，2015.Elevation-dependent warming in mountain regions of the world[J].Nature Clim Change，5：424-430.doi：10.1038/nclimate2563.

Prein A F，Gobiet A，Suklitsch M，et al.，2013.Added value of convection permitting seasonal simulations[J].Clim Dyn，41（9/10）：2655-2677.doi：10.1007/s00382-013-1744-6.

Prein A F，Gobiet A，Truhetz H，et al.，2016.Precipitation in the EURO-CORDEX 0.11° and 0.44° simulations：high resolution，high benefits？[J].Clim Dyn，46（1）：383-412.doi：10.1007/s00382-015-2589-y.

Rangwala I，Miller J R，2012.Climate change in mountains：a review of elevation-dependent warming and its possible causes[J].Clim Chang，114（3/4）：527-547.doi：10.1007/s10584-012-0419-3.

Rasmussen R，Liu C H，Ikeda K，et al.，2011.High-resolution coupled climate runoff simulations of seasonal snowfall over Colorado：a process study of current and warmer climate[J].J Climate，24（12）：3015-3048.doi：10.1175/2010jcli3985.1.

Roderick M L，Sun F，Lim W H，et al.，2014.A general framework for understanding the response of the water cycle to global warming over land and ocean[J].Hydrol Earth Syst Sci，18（5）：1575-1589.doi：10.5194/hess-18-1575-2014.

Seager R，Ting M，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.

Seager R，Hoerling M，Schubert S，et al.，2015.Causes of the 2011—2014 California drought[J].J Climate，28（18）：6997-7024.doi：10.1175/jcli-d-14-00860.1.

Seneviratne S I，Wilhelm M，Stanelle T，et al.，2013.Impact of soil moisture-climate feedbacks on CMIP5 projections：first results from the GLACE-CMIP5 experiment[J].Geophys Res Lett，40（19）：5212-5217.doi：10.1002/grl.50956.

Shuttleworth W J，2012.Terrestrial hydrometeorology[M].Chichester，UK：John Wiley & Sons.doi：10.1002/9781119951933.

Torma C，Giorgi F，Coppola E，2015.Added value of regional climate modeling over areas characterized by complex terrain：precipitation over the Alps[J].J Geophys Res：Atmos，120（9）：3957-3972.doi：10.1002/2014JD022781.

Trenberth K E，Fasullo J T，Mackaro J，2011.Atmospheric moisture transports from ocean to land and global energy flows in reanalyses[J].J Climate，24（18）：4907-4924.doi：10.1175/2011jcli4171.1.

Trenberth K E，Smith L，Qian T T，et al.，2007.Estimates of the global water budget and its annual cycle using observational and model data[J].J Hydrometeorol，8（4）：758-769.doi：10.1175/jhm600.1.

Trier S B，Chen F，Manning K W，2004.A study of convection initiation in a mesoscale model using high-resolution land surface initial conditions[J].Mon Wea Rev，132（12）：2954-2976.doi：10.1175/mwr2839.1.

van der Ent R J，Tuinenburg O A，Knoche H R，et al.，2013.Should we use a simple or complex model for moisture recycling and atmospheric moisture tracking？[J].Hydrol Earth Syst Sci，17（12）：4869-4884.doi：10.5194/hess-17-4869-2013.

Vano J A，Udall B，Cayan D R，et al.，2014.Understanding uncertainties in future Colorado river streamflow[J].Bull Amer Meteor Soc，95（1）：59-78.doi：10.1175/bams-d-12-00228.1.

Vuille M，Bradley R S，2000.Mean annual temperature trends and their vertical structure in the tropical Andes[J].Geophys Res Lett，27（23）：3885-3888.doi：10.1029/2000GL011871.

Walton D，Berg N，Pierce D，et al.，2020.Understanding differences in California climate projections produced by dynamical and statistical downscaling[J].J Geophys Res：Atmos，125（19）：e2020JD032812.doi：10.1029/2020JD032812.

Wang A H，Zeng X B，2012.Evaluation of multireanalysis products with in situ observations over the Tibetan Plateau[J].J Geophys Res，117（D5）.doi：10.1029/2011jd016553.

Wang K C，Wang P C，Liu J M，et al.，2005.Variation of surface albedo and soil thermal parameters with soil moisture content at a semi-desert site on the western Tibetan Plateau[J].Bound-Layer Meteor，116（1）：117-129.doi：10.1007/s10546-004-7403-z.

Xu X D，Lu C G，Shi X H，et al.，2008.World water tower：an atmospheric perspective[J].Geophys Res Lett，35（20）：L20815.doi：10.1029/2008GL035867.

Xu Y，Gao Y H，2019.Quantification of evaporative sources of precipitation and its changes in the southeastern Tibetan Plateau and middle Yangtze River Basin[J].Atmosphere，10（8）：428.doi：10.3390/atmos10080428.

Xue Y K，Sun S F，Kahan D S，et al.，2003.Impact of parameterizations in snow physics and interface processes on the simulation of snow cover and runoff at several cold region sites[J].J Geophys Res：Atmos，108（D22）：8859.doi：10.1029/2002JD003174.

Yang Z L，Dickinson R E，Robock A，et al.，1997.Validation of the snow submodel of the biosphere-atmosphere transfer scheme with Russian snow cover and meteorological observational data[J].J Climate，10（2）：353-373.doi：10.1175/1520-0442（1997）010<0353：votsso>2.0.co;2.

姚檀栋，冯仁国，陈德亮，2015.西藏高原环境变化科学评估[R].北京：中国科学院. Yao T D，Feng R G，Chen D L，2015.Scientific assessment of environmental change in Tibet Plateau[R].Beijing：Chinese Academy of Sciences.（in Chinese）.

You Q，Kang S，Flügel W A，et al.，2010.Decreasing wind speed and weakening latitudinal surface pressure gradients in the Tibetan Plateau[J].Climate Res，42（1）：57-64.doi：10.3354/cr00864.

Zhang G J，McFarlane N A，1995.Sensitivity of climate simulations to the parameterization of cumulus convection in the Canadian climate centre general circulation model[J].Atmosphere-Ocean，33（3）：407-446.doi：10.1080/07055900.1995.9649539.

Zhang G Q，Yao T D，Piao S L，et al.，2017.Extensive and drastically different alpine lake changes on Asias high plateaus during the past four decades[J].Geophys Res Lett，44（1）：252-260.doi：10.1002/2016GL072033.

Zhang H W，Gao Y H，Xu J W，et al.，2019.Decomposition of future moisture flux changes over the Tibetan Plateau projected by global and regional climate models[J].J Climate，32（20）：7037-7053.doi：10.1175/jcli-d-19-0200.1.

張人禾，苏凤阁，江志红，等，2015.青藏高原21世纪气候和环境变化预估研究进展[J].科学通报，60（32）：3036-3047. Zhang R H，Su F G，Jiang Z H，et al.，2015.An overview of projected climate and environmental changes across the Tibetan Plateau in the 21st century[J].Chin Sci Bull，60（32）：3036-3047.（in Chinese）.

Zhou S，Park Williams A，Lintner B R，et al.，2021.Soil moisture-atmosphere feedbacks mitigate declining water availability in drylands[J].Nat Clim Chang，11（1）：38-44.doi：10.1038/s41558-020-00945-z.

Zhou X，Zhao P，Chen J，et al.，2009.Impacts of thermodynamic processes over the Tibetan Plateau on the Northern Hemispheric climate[J].Sci China Ser D：Earth Sci，52（11）：1679-1693.

Responses of water resources changes to warming and its influencing factors

GAO Yanhong1，ZHANG Meng1，LIU Wei2

1Department of Atmospheric and Oceanic Sciences/Institute of Atmospheric Sciences，Fudan University，Shanghai 200438，China;

2Meteorological Center of East China Air Traffic ManagementBureau，CAAC，Shanghai 200335，China

The “dry gets drier，wet gets wetter” paradigm has become a template slogan for assessing current and future climate changes.However，the assessment and prediction of this paradigm is mainly the global average result affected by ocean changes，and there is great uncertainty about water resources changes over land，especially in complex terrain areas.This study summarizes the changes of global terrestrial water resources，especially in high altitude areas.Differences between global and regional climate models are compared.The response mechanism of terrestrial water resources to warming is revealed.The main surface and human activity factors that affect the terrestrial water resources change are further analyzed.This paperproposes that the accurate description of land surface processes and the high resolution fine characterization and simulation of surface hydrothermal conditions and their heterogeneity can provide more accurate lower boundary conditions for the climate system.The dynamic downscaling simulation based on the fine description of the boundary conditions under the land surface is an effective way to improve the simulation performance of spatial distribution of precipitation in complex terrain areas，which will lay a foundation for the study of water resources and their changes in land，especially in high altitude mountain areas.

land;water resources change;high altitudes;warming

doi：10.13878/j.cnki.dqkxxb.20210302010

（責任编辑：张福颖）