EN中文

干旱区地理 >

2025 , Vol. 48 >Issue 7: 1141 - 1152

DOI: https://doi.org/10.12118/j.issn.1000-6060.2024.437

气候与水文

气候变化及新四季划分方法下的西藏季节变化趋势分析

  • 史继清 , 1, 2 ,
  • 罗珍 1 ,
  • 益西卓玛 1 ,
  • 刘赛 , 3 ,
  • 李积宏 4 ,
  • 旦增益嘎 1 ,
  • 甘臣龙 5
展开
  • 1.西藏自治区气候中心，西藏 拉萨 850000
  • 2.日喀则国家气候观象台，西藏 日喀则 857000
  • 3.西藏自治区气象灾害防御技术中心，西藏 拉萨 850000
  • 4.那曲市气象局，西藏 那曲 852000
  • 5.墨竹工卡县气象局，西藏 拉萨 850000
刘赛（1992-），男，本科，工程师，主要从事生态方面的研究. E-mail:

史继清（1988-），女，硕士研究生，副研级高工，主要从事农业气象灾害方面的研究. E-mail:

收稿日期: 2024-07-19

  修回日期: 2024-09-05

  网络出版日期: 2026-03-11

基金资助

中国气象局公共气象服务中心创新基金项目(M2021015)

区域创新发展联合基金重点支持项目(U23A2006)

西藏自治区科技创新基地建设项目(XZ202401YD0008)

西藏自治区科技计划重点研发及转化项目(XZ202401ZY0065)

收起

Trend analysis of seasonal changes in Xizang based on climate change and new seasonal division

  • Jiqing SHI , 1, 2 ,
  • Zhen LUO 1 ,
  • Zhuoma YIXI 1 ,
  • Sai LIU , 3 ,
  • Jihong LI 4 ,
  • Yiga DANZENG 1 ,
  • Chenlong GAN 5
Expand
  • 1. Xizang Climate Center, Lhasa 850000, Xizang, China
  • 2. Xigazê National Climate Oberservatory, Xigazê 857000, Xizang, China
  • 3. Xizang Meteorological Disaster Prevention Technology Center, Lhasa 850000, Xizang, China
  • 4. Nagqu Meteorological Bureau, Nagqu 852000, Xizang, China
  • 5. Maizhokunggar County Meteological Bureau, Lhasa 850000, Xizang, China

Received date: 2024-07-19

  Revised date: 2024-09-05

  Online published: 2026-03-11

Fold

摘要

基于1981—2023年西藏38个气象站点气温日资料，选择西藏新四季划分方法划分西藏四季，探讨西藏气候季节区域变化、四季开始日期的时空变化以及季节变化趋势。结果表明：（1） 西藏四季分明区集中分布在雅鲁藏布江一线和林芝市，四季不分明区（无夏区）主要位于西藏西部、北部和沿喜马拉雅山一带的高海拔区域。（2） 西藏春、夏季开始日期有提前的趋势，秋、冬季开始日期有推迟的趋势。春季开始日期于2000年出现显著提前突变，秋、冬季开始日期分别于2003、1995年出现显著推迟突变。（3） 就开始日期而言，春、秋季的第一模态（EOF1）呈现“春季西北低、东南高，秋季中间高、两边低”的特点；春季的第二模态（EOF2）表现为“西北正、东南负”的反向分布型；秋季EOF2呈现西南正值中心与东北负值中心相反的空间分布特征；冬季EOF1属于“北部高、西南部低”，冬季EOF2与春季EOF2特征相同。（4） 未来春、夏季开始日期的推迟和秋、冬季提前的态势将出现。

关键词： 开始日期; 小波分析; 趋势分析; 经验正交函数（EOF）; 西藏

本文引用格式

史继清 , 罗珍 , 益西卓玛 , 刘赛 , 李积宏 , 旦增益嘎 , 甘臣龙 . 气候变化及新四季划分方法下的西藏季节变化趋势分析[J]. 干旱区地理, 2025 , 48(7) : 1141 -1152 . DOI: 10.12118/j.issn.1000-6060.2024.437

Abstract

This study analyzes daily temperature data from 38 meteorological stations in Xizang, China, covering the period from 1981 to 2023. A new method for seasonal division in Xizang was employed to categorize the four seasons, and the regional climate changes, temporal shifts in the start dates of each season, and trends in seasonal changes were examined. The results show the following. (1) Areas with four distinct seasons in Xizang are primarily found along the Yarlung Zangbo River and in Nyingchi City, whereas regions with less distinct seasonal variations (including areas without a summer season) are mainly situated in the western and northern parts of Xizang as well as in the high-altitude regions of the Himalayas. (2) In Xizang, the beginning of spring and summer tends to occur earlier, whereas the onset of autumn and winter tends to be delayed. Notably, the start date of spring was significantly earlier in 2000, whereas the onset of autumn and winter was significantly delayed in 2003 and 1995, respectively. (3) Regarding the timing of seasonal starts, the first empirical orthogonal function (EOF1) for spring and autumn exhibited a pattern of “northwest low and southeast high in spring, and middle high and both sides low in autumn”. In spring, the second EOF (EOF2) presented a contrasting distribution pattern of “northwest positive and southeast negative”, whereas in autumn, EOF2 showed an opposite spatial distribution pattern characterized by “southwest positive and northeast negative”. The EOF1 in winter revealed a “high in the north and low in the southwest” pattern, whereas the EOF2 shared similarities with that of spring’s EOF2. (4) Looking ahead, we anticipate that the start dates of spring and summer will be delayed, whereas those for autumn and winter will be advanced.

Key words： start date; wavelet analysis; trend analysis; empirical orthogonal function (EOF); Xizang

“气候变暖已成为不争的事实”，反映了当前全球面临的严峻环境状况[1]。全球变暖直接影响四季的节奏，导致四季的长度和开始时间发生变化[2]。一些地区的夏季可能会变得更长、更热，而冬季可能会变得更短、更暖，也许会影响到农作物的生长季节、动物的迁徙模式以及人类的生活和活动[3]。姚愚等[4]研究发现，2011年以后云南出现四季分明区范围明显增大的现象，这与近年来气候变暖背景下云南气温年较差增大的观测事实相一致；解明恩等[5]研究发现“随着气候变暖，昆明和大理春、秋、冬三季比例发生了改变，春、秋季增加，冬季缩短，昆明变化幅度强于大理”；曲学斌等[6]认为“在全球变暖的大背景下，内蒙古地区的四季开始日期和长度存在明显变化，对农牧业生产和生态平衡均有一定影响”。也有相关学者针对中国、省域、地市、县级地区四季研究得出“开始日期春、夏季提早，秋、冬季推迟”的结论，这种季节变化在青藏高原尤为显著，且四季开始日期的变化在21世纪初表现最为明显[7-13]。
青藏高原以其独特的地理环境和气候条件，在全球气候系统中占据着举足轻重的地位。西藏作为青藏高原的重要组成部分[14]，其季节变化不仅影响着当地生态、经济和社会的发展，也对周边乃至全球的气候格局产生深远的影响[1,15]。基于此，汤懋苍[16]将青藏高原四季阈值设定为比适用于中国东部的“张宝堃标准”低5 ℃，以此划分各站四季起始日期，这一开创性的思路充分考量了青藏高原独特的气候状况与中国东部的区别，为高原四季划分在温度标准设定方面开启了新方向；范思睿等[17]综合高原物候、海拔高度、温度分布特征等多重要素，构建了针对不同生产、生活需求的“高原普适季节划分方法”，该方法突破了单一因素限制，全方位地考虑了影响高原气候的各种条件，为更精准、更全面地界定高原季节提供了科学且可行的方案；史继清等[15]巧妙地结合西藏地区海拔差异显著这一特点，基于海拔划分不同阈值，并运用修订后的气候季节划分方法展开研究，该方法有机融合了气候与海拔因素，为详细分析西藏季节起始日和长度提供了有力支撑；史继清等[18]依据西藏独特的物候和主要农作物生育期提出季节划分气温阈值等关键指标，进而筛选出契合西藏实际情况的季节划分方法及气温阈值，这一研究为本文选定最适合西藏的新四季划分方法提供了极具价值的参考，是在全面权衡多种方法利弊后对西藏特色季节划分方法的深度探索与优化。但是，以上研究仍存在不同划分方法在西藏复杂特殊气候下的综合评估、基于新划分方法西藏气候季节区域变化特征、四季开始日期时空变化以及季节变化趋势对区域农牧业和旅游业等可持续发展影响的深入探究不足等问题。因此，本文选择新四季划分方法，探讨西藏气候季节区域的变化、四季开始日期在时空维度上的变化以及季节变化趋势，旨在为适应和减缓气候变化提供支持，并为区域农牧业和旅游经济等可持续发展提供气候依据。

1 数据与方法

1.1 研究区概况

西藏（78°25′~99°06′E，26°50′~36°53′N）位于中国青藏高原西南部，平均海拔在4000 m以上，有“世界屋脊”之称。西藏地形复杂多样，造就了种类丰富的生态系统；气候多样，西北严寒干燥、东南温暖湿润，总体呈现出长冬无夏、春秋相连的特点，垂直气候差异显著；年平均气温-2.4~12.1 ℃，年日照时数1443.5~3574.3 h，水资源丰富，气温低，积温少，昼夜温差大[19]。

1.2 数据来源

1981—2023年38个气象站点逐日平均气温资料来自西藏自治区气象信息网络中心（图1），其中，气象站点涵盖22个国家基本气象站、6个国家基准气象站和10个国家一般气象站[19]。
图1 西藏气候季节区域的空间变化

注：基于西藏标准地图服务网站审图号为藏S(2022)004号的标准地图制作，底图边界无修改。下同。

Fig. 1 Spatial variation of climate seasonal regions in Xizang

1.3 研究方法

气候季节方法采用史继清等[18]西藏新四季划分方法中的“6 ℃、17 ℃、17 ℃、6 ℃”气温阈值，以5 d滑动平均气温为指标，即气温≥6 ℃的首日定义春季开始日期，气温≥17 ℃的首日定义夏季开始日期，气温<17 ℃的首日定义秋季开始日期，气温<6 ℃的首日定义冬季开始日期。以春（夏、秋、冬）季开始日期的前一日，作为冬（春、夏、秋）季的终止日。
西藏气候季节开始日期的突变检验采用Mann-Kendall检验方法[20]，开始日期的周期性运用Morlet小波[21-22]得到，预测未来西藏气候季节开始日期的早晚趋势用重标极差（R/S）[23]方法计算得到。
文中值得注意的2点：（1） 2月不考虑闰年，按28 d计算，日序列是将365 d中1月1日作为1，1月2日作为2，依次类推，12月31日作为365；（2） 鉴于西藏存在无夏区，故文中2.2章节针对春、秋、冬季开始日期开展的研究采用的是38个站点，针对夏季开始日期开展的研究选择的是存在夏季的15个站点。

2 结果与分析

2.1 西藏气候季节区域的空间变化

基于西藏新四季划分方法和5 d滑动平均气温法，计算1981—2023年西藏38个气象站点的平均气温序列。研究发现，西藏四季分明区站点共15个，集中分布在雅鲁藏布江一线和林芝市；四季不分明区（无夏区）站点有23个，位于西藏西部、北部和沿喜马拉雅山一带的高海拔区域（图1）。
1981—2022年在西藏四季分明区（表1），仅察隅站和八宿站每年出现夏季，波密站和加查站分别从21世纪初和21世纪10年代开始每年有夏季，墨竹工卡站、米林站和日喀则站自20世纪90年代开始出现夏季，洛隆站自21世纪00年代开始出现夏季；波密站、泽当站、昌都站、拉萨站、贡嘎站有30 a以上出现夏季；洛隆站和墨竹工卡站仅有7 a出现夏季，多属于21世纪00年代。除洛隆站、墨竹工卡站外，其他13站夏季出现年数特征为21世纪10年代>21世纪00年代>20世纪90年代>20世纪80年代，可见，西藏有逐年变热的趋势，佐证了西藏主要青稞种植区多年平均气温呈显著的上升趋势[24]。
表1 四季分明区存在夏季的年份

Tab. 1 Years when there is summer in the areas with four distinct seasons

站点 年代
20世纪
80年代		 20世纪
90年代		 21世纪
00年代		 21世纪
10年代		 21世纪
20年代
洛隆 0 0 1 4 2
墨竹工卡 0 1 1 3 2
泽当 6 8 6 5 3
昌都 6 5 6 9 3
拉萨 5 7 7 8 3
尼木 1 3 4 4 0
波密 6 5 10 10 3
林芝 3 3 6 7 3
米林 0 1 8 8 3
拉孜 1 2 3 3 2
日喀则 0 1 2 5 3
贡嘎 8 7 8 8 3
加查 7 8 7 10 3
八宿 9 10 10 10 3
察隅 9 10 10 10 3

2.2 四季开始日期的年际变化

春、夏季西藏开始日期均呈现不显著的下降趋势（图2a），说明春、夏季开始日期有提前的趋势，气候倾向率分别为-2.02 d·(10a)-1（P<0.01）、-0.86 d·(10a)-1；20世纪80年代入春较晚（4月25日），20世纪90年代以后入春时间提前，进入21世纪10年代后入春时间明显提前，比20世纪80年代提前5 d；20世纪80年代入夏最早（6月13日），20世纪90年代入夏最晚，两者相差6 d。秋、冬季西藏开始日期均呈现上升趋势（图2b），说明秋、冬季开始日期有推迟的趋势，气候倾向率分别为2.91 d·(10a)-1（P<0.05）、2.21 d·(10a)-1（P<0.01）；20世纪90年代入秋最早（7月9日），21世纪10年代入秋最晚，两者相差10 d；20世纪80年代入冬较早（10月10日），20世纪90年代以后入冬时间推迟3 d，21世纪00年代又提前3 d，21世纪10年代再次推迟5 d，总体较20世纪80年代推迟5 d。
图2 西藏四季开始日期的年际变化

注：R2为决定系数。下同。

Fig. 2 Interannual variation of the beginning dates of the four seasons in Xizang

利用Mann-Kendall方法对西藏气候季节开始日期进行突变检验（图3），春季开始日期的UFk线在年际间波动较大，并与UBk线在1995年首次交叉，之后还有多个交点，从2000年相交后持续下降，并在2007年通过0.05水平的显著性检验，可见春季开始日期的年际波动大，2000年出现显著提前突变。夏季开始日期的UFk和UBk线在2009年相交，之后UFk线持续下降，在2016、2017年2次相交后，UFk线再次下降，但均未发生显著突变。秋季开始日期的UFk和UBk线在2003年相交，之后UFk线持续上升，在2012年通过0.05水平的临界线，经历下降又上升后，于2017年再次通过显著性检验，可见在2003年首次出现显著推迟突变。冬季开始日期的UFk和UBk线在1995年相交，随后上下波动，于2000年通过0.05水平的临界线，再次经历上升下降，始终保持在显著水平线上，在1995年首次出现显著推迟突变。
图3 1981—2022年西藏气候季节开始日期的Mann-Kendall突变检验

Fig. 3 Mann-Kendall mutation test of the beginning dates of climatic season in Xizang from 1981 to 2022

2.3 四季开始日期的空间分布特征

1981—2022年西藏春季开始日期为2月上旬至6月上旬，整体呈东南早、西北晚分布，入春最早出现在察隅站（2月7日），最晚出现在安多站（6月10日），平均入春时间为3月21日（图4a）。四季分明区夏季开始日期为5月下旬至7月上旬，入夏时间最早出现在八宿站（5月31日），最晚出现在波密站（7月6日）（图4b）。秋季开始日期为6月下旬至9月下旬，无夏区入秋时间最早出现在墨竹工卡站（6月24日），四季分明区入秋时间最早出现在南木林站（6月24日），最晚出现在察隅站（9月24日）（图4c）。冬季开始日期为9月上旬至11月下旬，分布特征与春季较一致，入冬时间最早出现在安多站（9月6日），最晚出现在察隅站（11月30日）（图4d）。
图4 西藏四季开始日期的日序列空间分布

Fig. 4 Spatial distributions of the day series of the beginning dates of the four seasons in Xizang

利用经验正交函数（EOF）对西藏气候季节的开始日期标准值进行分解（表2、图5），由于夏季不是所有站点都存在，且存在夏季的站点年份也不统一，故仅分析春、秋、冬季的开始日期。研究发现，春、秋、冬季前5个特征向量特征值的累计贡献率分别达到68.9%、62.4%和71.1%，均有前2个特征根的误差范围不重叠。通过North显著性检验，春季（第一、二载荷量）、秋季（第一、二载荷量）、冬季（第一、二载荷量）的累计贡献率分别接近45.0%、41.9%和47.8%，可以很好地解释近42 a来西藏气候季节开始日期的主要时空分布特征。
表2 经验正交函数（EOF）前5个载荷量方差贡献率及累计方差贡献率

Tab. 2 Variance contribution rates and cumulative variance contribution rates of the first five loads of EOF

季节 EOF 方差贡献率/% 累计方差贡献率/%
春季 第一载荷量 30.5 30.5
第二载荷量 14.5 45.0
第三载荷量 10.4 55.4
第四载荷量 7.6 63.0
第五载荷量 5.9 68.9
秋季 第一载荷量 30.9 30.9
第二载荷量 11.0 41.9
第三载荷量 9.7 51.6
第四载荷量 6.3 57.9
第五载荷量 4.6 62.4
冬季 第一载荷量 35.6 35.6
第二载荷量 12.1 47.8
第三载荷量 10.1 57.9
第四载荷量 8.1 66.0
第五载荷量 5.1 71.1
图5 1981—2022年西藏气候季节的开始日期经验正交函数（EOF）不同模态空间分布特征

注：EOF1、EOF2分别为经验正交函数的第一模态、第二模态。下同。

Fig. 5 Spatial distribution characteristics of different EOF modes of the beginning dates of Xizang climate season from 1981 to 2022

春、秋季第一模态（EOF1，图5a、c），在西藏均表现为正值，表明近42 a来西藏在春秋季的开始日期变化趋势空间上具有高度的一致性，即开始日期在西藏普遍偏早或偏晚。春季高值中心主要位于雅鲁藏布江一线、沿喜马拉雅山一带、那曲市西部、昌都市中部，其中心最大值达0.28，位于八宿站、林芝站、江孜站、拉孜站、拉萨站，低值中心最小值为0.05，位于昌都市大部和比如站、错那站、帕里站。秋季高值区则集中在西藏中部，这几个区域是开始日期变化反应最敏感的位置，其中心最大值为0.29，位于雅鲁藏布江一线，低值中心有2个，分别为改则站（0.03）、察隅站（0.04）。载荷向量的分布具体呈现“春季西北低、东南高和秋季中间高、两边低”的特点。从图6a~b可以得出，春季开始日期的年际波动呈现出下降趋势，且时间系数正负交替变化；秋季开始日期的时间系数在1987—1990年和1998—2002年为负值，表明这2个时间段西藏开始日期提前，在2005—2012年和2016—2022年为正值，表明这2个时间段西藏开始日期推迟，在其余时间段时间系数正负值交替变化。
图6 1981—2022年西藏气候季节的开始日期EOF不同模态对应的时间系数

Fig. 6 Time coefficients corresponding to different EOF modes for the start dates of the Xizang climate season from 1981 to 2022

春季第二模态（EOF2，图5b）开始日期整体表现为“西北正、东南负”的反向分布型，即西北东南差异型；负值区集中在雅鲁藏布江一线大部（-0.26）、林芝市大部（-0.20）、昌都市中部（-0.21），其余为正值区，其中高值中心有3个，分别为那曲市中西部（0.25）、阿里地区（0.23）、日喀则市西部（0.22）。从EOF2时间序列（图6a）可以看出，20世纪90年代以前基本为正值，20世纪90年代和21世纪10年代基本为负值，21世纪00年代正负值交替变化。
秋季EOF2（图5d）开始日期整体呈现西南正值中心与东北负值中心相反的空间分布特征；负值区主要分布在西藏北部（-0.44）、昌都市西南部（-0.26）、波密站（-0.26），正值区主要集中在西藏西南部，其中高值区最大值达0.34，位于拉萨站周边。结合图6b发现，秋季开始日期的年际波动呈现出上升趋势，且时间系数正负值交替变化。
冬季EOF1（图5e）开始日期均为负值，呈现“北部高、西南部低”的分布特征，即西藏的北部载荷量要高于西南部地区，西藏西南部冬季来临相对更早，北部冬季来临相对更晚。结合图6c发现，冬季开始日期的年际波动呈现出下降趋势，1984—1993年为正值，2019—2022年为负值，在其余时间段时间系数正负值交替变化。
冬季第EOF2（图5f）开始日期整体表现与春季EOF2相同的空间分布特征；正值区主要分布在西藏西北部（0.28）和错那站（0.15）、帕里站（0.10）、浪卡子站（0.06）、芒康站（0.05），其他为负值，其中低值中心主要有2个，分别位于泽当站周边（-0.38）和波密站周边（-0.28）；分布特征与秋季EOF2（除去西藏西部一致外）南北部相反。结合图6c发现，1981—2022年的时间系数在正负间振荡，表明西藏开始日期年际间的变化趋势显著。

2.4 四季开始日期的变化趋势

2.4.1 变化周期

1981—2022年西藏气候季节开始日期小波分析结果如图7所示，小波系数大小表示信号强弱，等值线中心为正表示该年份偏晚，为负表示该年份偏早。春季开始日期存在5 a、7 a和11 a左右的短周期以及33 a左右的长周期，5 a、7 a和11 a左右时间尺度上分别出现8次、5次和3次明显的早晚交替，33 a左右时间尺度上出现2次明显的早晚交替（图7a）。结合小波方差分析（图7b）发现，在5 a、7 a、11 a和33 a时间尺度上震荡明显，且5 a、7 a和11 a分别为第一主周期和第二、三周期。由于当前（2022年）的小波系数图在33 a长周期和5 a、11 a短周期上并未闭合，说明西藏春季在33 a长周期上将持续推迟趋势，而在5 a、11 a短周期内将持续提前趋势。
图 7 1981—2022年西藏气候季节开始日期小波分析

Fig. 7 Wavelet analysis of climatic season start dates in Xizang from 1981 to 2022

夏季开始日期在3 a、8 a、13 a和35 a尺度上存在明显的高低值交替现象（图7c），结合小波方差分析（图7d）发现，13 a、8 a和3 a分别为第一主周期和第二、三周期。在13 a主周期上，1981—2022年西藏夏季开始日期未来短期内仍将有推迟的趋势，在8 a周期上，该区域目前处于偏早期，且有持续提前的趋势。
秋季开始日期在5 a、13 a和34 a尺度上存在明显的高低值交替现象（图7e），结合走势（图7f）得出，34 a、13 a和5 a分别为第一主周期和第二、三周期。在5 a、34 a周期上，1981—2022年西藏秋季开始日期未来短期内仍将有提前的趋势。在13 a周期上，该区域目前处于偏晚期，且有持续推迟的趋势。
冬季开始日期在5 a、15 a和22 a的周期上存在较明显的振荡现象（图7g），其中22 a尺度的能量最强（图7h），为第一主周期，5 a和15 a分别为第二、三周期，目前正处于偏晚时期，且有持续推迟的趋势。

2.4.2 未来趋势

运用R/S分析法对西藏气候季节开始日期的未来趋势进行预测（图8）。研究发现，春、秋、冬季的开始日期Hurst指数均<0.5，决定系数（R2）约为0.84~0.96，表明时间序列前后具有微弱反持续性。未来西藏气候季节春、秋、冬季的开始日期变化趋势均与过去42 a变化趋势相反，即开始日期变化趋势可能逆转成上升（春季）和下降（秋、冬季）趋势，春季开始日期的推迟和秋、冬季提前的态势将出现，这与33 a（春季）、5 a（秋季）、34 a（秋季）尺度的小波分析结果较一致。
图8 1981—2022年西藏气候季节开始日期的R/S分析

注：R/S为重标极差法，用来计算Hurst指数；n为年份，n=42。

Fig. 8 R/S analysis of the beginning dates of climate season in Xizang from 1981 to 2022

夏季开始日期的Hurst指数（0.18）<0.5，R2为0.40，表明时间序列前后具有强反持续性，即未来西藏夏季开始日期变化趋势可能逆转成上升趋势，推迟趋势将有所加剧，这与其第一主周期（13 a）尺度的分析结果较一致。

3 讨论

相较已发表的划分四季气温阈值研究西藏四季变化，文中选择的“6 ℃、17 ℃”气温阈值很好解决了张宝堃方法[25]“春季平均开始时间偏晚、冬季平均开始时间偏早及忽略低海拔区也有夏季”的问题；化解了范思睿方法[1,17]“持续时间夏季偏长”与“西藏冬长夏短”的矛盾；弥补了史继清方法[15]“持续时间夏季偏长、冬季偏短和开始日期春夏季偏早、秋冬季偏晚”的不足。春季和冬季开始日期总体上是由东南往西北推迟，但部分地区受气候特点和地形地貌的影响导致开始日期比同纬度下的其他区域偏晚。春、夏季的开始日期在提前，秋、冬季的开始日期在推迟，这与王雷等[2]研究东北、林蓉等[26]研究辽宁、刘玉莲等[9]研究黑龙江、张世轩等[13]研究中国四季开始日期变化的趋势一致。
秋、冬季开始日期时间变化趋势和气温的变化趋势基本一致[25]，说明气温是影响四季开始日期的重要原因，但是季节开始日期对气温变化具有延迟响应，究其原因气候系统具有一定的惯性和稳定性，尽管气温已经发生变化，但大气环流、海洋温度等其他气候要素的调整需要时间，从而导致季节开始日期相对气温变化的延迟；其次，大面积的水域、山脉、森林等会对气温的传导和扩散产生阻碍或缓冲作用，使得局部地区的气温变化不能迅速反映在季节的开始上；人类活动的影响也可能在一定程度上干扰了气温与季节开始日期之间的直接对应关系。
史继清等“新四季划分方法”虽较其他方法更适合西藏，但仅考虑了气温这个单一要素，尚未涉及地理位置、海拔高度、气候类型等，该方法对于海拔较高地区（>4500 m）存在一定的局限性，未来将考虑可以满足不同海拔高度的四季划分阈值，为人们的实际生活生产、农牧业、旅游出行提供一定的参考价值。

4 结论

（1） 新四季划分方法能够更细致地反映西藏气候的微妙变化，相比传统划分方法，对季节转换的界定更加准确；长时间序列数据的积累和分析，能够揭示出更长期的季节变化规律，为预测未来气候变化提供更有力的支持。总之，在气候变化及新四季划分方法下，西藏季节变化趋势的研究在方法和观点上都有了重要突破，为更好地理解和应对西藏的气候变化提供了新的思路和依据。
（2） 全区四季分明区集中分布在雅鲁藏布江一线和林芝市，四季不分明区（无夏区）主要位于西藏西部、北部和沿喜马拉雅山一带的高海拔区域，且西藏有逐年变热的趋势。春、夏季开始日期有提前的趋势，秋、冬季则有推迟的趋势；春季在2000年出现显著提前突变，夏季未发生显著突变，秋、冬季分别于2003、1995年首次出现显著推迟突变。
（3） 开始日期，春、秋季EOF1呈现“春季西北低、东南高和秋季中间高、两边低”的特点；春季EOF2表现为西北东南差异型；秋季EOF2呈现西南正值中心与东北负值中心相反的空间分布特征；冬季EOF1属于“北部高、西南部低”，冬季EOF2则与春季EOF2相同。
（4） 开始日期，春季在33 a长周期上将持续推迟趋势，而在5 a、11 a短周期内将持续提前趋势；夏季在13 a主周期上未来短期内仍将有推迟的趋势，而在8 a周期上有持续提前的趋势；秋季在5 a、34 a周期上未来短期内仍将有提前的趋势，而在13 a周期上有持续推迟的趋势；冬季未来有持续推迟的趋势。未来春季开始日期的推迟和秋季、冬季提前的态势将出现，夏季开始日期推迟趋势将有所加剧。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
范思睿, 范广洲, 赖欣, 等. 1961—2007年青藏高原四季开始日期的变化趋势分析[J]. 气候与环境研究, 2013, 18( 1): 71- 79.

[ Fan Sirui , Fan Guangzhou , Lai Xin , et al. Analysis on variation trend of season start dates over the Tibetan Plateau during 1961—2007[J]. Climatic and Environmental Research, 2013, 18( 1): 71- 79. ]

[2]
王雷, 吴正方, 杜海波, 等. 1961—2010年东北地区四季开始日及长短变化特征分析[J]. 气象科学, 2014, 34( 5): 499- 507.

[ Wang Lei , Wu Zhengfang , Du Haibo , et al. Variation characteristics of the starting date and lengh of seasons over northeast China during 1961 to 2010[J]. Journal of the Meteorological Sciences, 2014, 34( 5): 499- 507. ]

[3]
Kennedy D . Breakthrough of the year[J]. Science, 2002, 298( 5602): 2283, doi: 10.1126/science.298.5602.2283.

[4]
姚愚, 李蕊, 郑建萌, 等. 1961—2017年云南季节变化特征分析[J]. 气象科学, 2020, 40( 6): 849- 858.

[ Yao Yu , Li Rui , Zheng Jianmeng , et al. Studies on the characteristics of seasonal variation of Yunnan Province during 1961—2017[J]. Journal of the Meteorological Sciences, 2020, 40( 6): 849- 858. ]

[5]
解明恩, 姚愚, 段玮, 等. 低纬高原气候季节变化特征研究-以云南昆明大理为例[J]. 热带气象学报, 2023, 39( 2): 171- 182.

[ Xie Mingen , Yao Yu , Duan Wei , et al. Study on the characteristics of climatic seasons variation over low latitude plateau: Taking Kunming and Dali in Yunnan as an example[J]. Journal of Tropical Meteorology, 2023, 39( 2): 171- 182. ]

[6]
曲学斌, 赵岳冀, 王彦平, 等. 1961—2016年内蒙古四季开始日期及长度变化特征[J]. 中国农学通报, 2019, 35( 26): 129- 134.

[ Qu Xuebin , Zhao Yueji , Wang Yanping , et al. Variation of the beginning date and length of four seasons in Inner Mongolia during 1961—2016[J]. Chinese Agricultural Science Bulletin, 2019, 35( 26): 129- 134. ]

[7]
郁珍艳, 范广洲, 华维, 等. 气候变暖背景下我国四季开始时间的变化特征[J]. 气候与环境研究, 2010, 15( 1): 73- 82.

[ Yu Zhenyan , Fan Guangzhou , Hua Wei , et al. Variation characteristics of season start dates over China under the global warming[J]. Climatic and Environmental Research, 2010, 15( 1): 73- 82. ]

[8]
张磊, 宋莹华, 潘婕, 等. 1962—2013年山东临沂四季变化特征分析[J]. 中国农学通报, 2015, 31( 17): 228- 235.

[ Zhang Lei , Song Yinghua , Pan Jie , et al. Analysis of change characteristics of four seasons in Linyi City during 1962—2013[J]. Chinese Agricultural Science Bulletin, 2015, 31( 17): 228- 235. ]

[9]
刘玉莲. 1961—2010年黑龙江省气候季节时空分布及其变化特征[J]. 气象与环境学报, 2015, 31( 2): 89- 96.

[ Liu Yulian . Temporal and spatial distribution of climatic season and its variation from 1961 to 2010 in Heilongjiang Province[J]. Journal of Meteorology and Environment, 2015, 31( 2): 89- 96. ]

[10]
张美玲. 滕州市近40年的四季变化[J]. 山东气象, 2004, 24( 2): 14- 15.

[ Zhang Meiling . The seasonal changes in Tengzhou City in the past 40 years[J]. Journal of Shandong Meteorology, 2004, 24( 2): 14- 15. ]

[11]
马彬, 张勃. 基于格点数据的1961—2016年中国气候季节时空变化[J]. 地理学报, 2020, 75( 3): 458- 469.

[ Ma Bin , Zhang Bo . Spatio-temporal distribution of the climatic seasons in China from 1961 to 2016[J]. Acta Geographica Sinica, 2020, 75( 3): 458- 469. ]

[12]
张静, 吕军, 项瑛, 等. 江苏省四季变化的分析[J]. 气象科学, 2008, 28( 5): 568- 572.

[ Zhang Jing , Lü Jun , Xiang Ying , et al. The analysis of Jiangsu Province’s four seasons[J]. Scientia Meteorologica Sinica, 2008, 28( 5): 568- 572. ]

[13]
张世轩, 张璐, 孙树鹏, 等. 全球变暖情况下中国季节的变化[J]. 高原气象, 2011, 30( 3): 659- 667.

[ Zhang Shixuan , Zhang Lu , Sun Shupeng , et al. Changes of the seasons in China under global warming[J]. Plateau Meteorology, 2011, 30( 3): 659- 667. ]

[14]
宋善允, 王鹏祥. 西藏气候[M]. 北京: 气象出版社, 2013: 11-13, 385- 387.

[ Song Shanyun , Wang Pengxiang . Tibet climate[M]. Beijing: China Meteorology Press, 2013: 11-13, 385- 387. ]

[15]
史继清, 甘臣龙, 边多, 等. 1981—2015年西藏全区气候季节的变化[J]. 冰川冻土, 2018, 40( 6): 1110- 1119.

[ Shi Jiqing , Gan Chenlong , Bian Duo , et al. Variation of seasons in Tibet Autonomous Region from 1981 to 2015[J]. Journal of Glaciology and Geocryology, 2018, 40( 6): 1110- 1119. ]

[16]
汤懋苍, 钟海玲, 李栋梁. 青藏铁路沿线的四季划分及其温度变化分析[J]. 高原气象, 2003, 22( 5): 440- 444.

[ Tang Maocang , Zhong Hailing , Li Dongliang . The standard of marking off the four seasons along Qinghai-Xizang railway and its temperature variation analysis[J]. Plateau Meteorology, 2003, 22( 5): 440- 444. ]

[17]
范思睿, 范广洲, 董一平, 等. 青藏高原四季划分方法探讨[J]. 高原山地气象研究, 2011, 31( 2): 1- 11.

[ Fan Sirui , Fan Guangzhou , Dong Yiping , et al. Research of the seasonal division method on Tibetan Plateau[J]. Plateau and Mountain Meteorology Research, 2011, 31( 2): 1- 11. ]

[18]
史继清, 周刊社, 张东东, 等. 西藏地区一种新的四季划分方法[J]. 干旱区地理, 2024, 47( 5): 773- 784.

[ Shi Jiqing , Zhou Kanshe , Zhang Dongdong , et al. A new division of the four seasons in Tibet[J]. Arid Land Geography, 2024, 47( 5): 773- 784. ]

[19]
史继清, 豆永丽, 杨霏云, 等. 西藏地区潜在蒸散量时空格局特征及影响因素研究[J]. 干旱区研究, 2021, 38( 3): 724- 732.

[ Shi Jiqing , Dou Yongli , Yang Feiyun , et al. Temporal and spatial pattern characteristics of potential evapotranspiration in Tibet and its influencing factors[J]. Arid Zone Research, 2021, 38( 3): 724- 732. ]

[20]
史继清, 边多, 杨霏云, 等. 西藏地区潜在蒸散量变化特征及灰色模型预测初探[J]. 干旱区地理, 2021, 44( 6): 1570- 1579.

[ Shi Jiqing , Bian Duo , Yang Feiyun , et al. Variation characteristics of potential evapotranspiration and the forecast of grey model in Tibet[J]. Arid Land Geography, 2021, 44( 6): 1570- 1579. ]

[21]
史继清, 豆永丽, 张歆平, 等. 西藏青稞生育期干旱强度变化特征分析[J]. 中国农业气象, 2023, 44( 9): 834- 844.

[ Shi Jiqing , Dou Yongli , Zhang Xinping , et al. Analysis on change characteristics of drought intensity during the growth period of highland barley in Tibet[J]. Chinese Journal of Agrometeorology, 2023, 44( 9): 834- 844. ]

[22]
张志高, 孙梓欣, 张秀丽, 等. 1960—2020年黄河流域气候生长季时空演变及成因分析[J]. 干旱区研究, 2023, 40( 10): 1537- 1546.

[ Zhang Zhigao , Sun Zhixin , Zhang Xiuli , et al. Spatial-temporal evolution and impact factors during the climatic growing season in the Yellow River Basin from 1960 to 2020[J]. Arid Zone Research, 2023, 40( 10): 1537- 1546. ]

[23]
甘臣龙. 基于作物生育期的潜在蒸散的时空演变特征及R/S分析[J]. 西藏科技, 2015( 5): 53- 56.

[ Gan Chenlong . Spatio-temporal characteristics and R/S analysis of potential evapotranspiration based on crop growth period[J]. Tibet Science and Technology, 2015( 5): 53- 56. ]

[24]
史继清, 甘臣龙, 周刊社, 等. 西藏青稞主要种植区干旱时空分布及致灾危险性评估[J]. 干旱区地理, 2023, 46( 7): 1098- 1110.

[ Shi Jiqing , Gan Chenlong , Zhou Kanshe , et al. Spatiotemporal distribution of drought and hazard assessment of highland barley in Tibet[J]. Arid Land Geography, 2023, 46( 7): 1098- 1110. ]

[25]
张宝堃. 中国季节之分配[J]. 地理学报, 1934, 1( 1): 29- 74.

[ Zhang Baokun . The distribution of seasons in China[J]. Acta Geographica Sinica, 1934, 1( 1): 29- 74. ]

[26]
林蓉, 李菲. 1951—2011年辽宁省气候季节变化特征分析[J]. 现代农业科技, 2014( 20): 226- 228, 234.

[ Lin Rong , Li Fei . Analysis on seasonal climate change in Liaoning Province from 1951 to 2011[J]. Modern Agricultural Technology, 2014( 20): 226- 228, 234. ]

Options
文章导航

/

〈 〉