三江源区植被季节性变绿对生态环境和水资源安全有深远影响。本研究利用2003-2021年多源数据，采用趋势分析、相关分析和部分信息分解（PID）解耦分析，探讨了三江源地区植被季节性变绿的水分驱动因子及其对气候变化的响应关系。结果表明：（1）春、夏、秋季叶面积指数（LAI）的线性趋势总体上升，但是不同季节的环境条件差异显著。春、秋季降水量、土壤湿度（SM）和积雪覆盖（SC）的线性趋势也在增加，温度变化不明显；夏季温度的线性趋势略升高，降水量和SM略减少，SC变化不显著。（2）水分驱动因子对LAI的影响：相关分析显示，春、夏季LAI与SM显著正相关，秋季不显著；LAI与SC的相关性各季节均较弱。引入PID解耦分析方法，有效地揭示了SM和SC对LAI的非线性和协同影响。SC在春、秋季影响LAI变化的独立信息贡献更高，成为主要水分驱动因子，夏季则SM贡献更大；同时，SM和SC的协同作用在各季节对LAI变化起重要作用，协同信息贡献均超过30%。（3）水分驱动因子对气候变化的响应：相关分析显示，SM在各季节均与降水显著正相关，春季与温度显著负相关；SC在各季节均与降水显著正相关，春、秋季与温度显著负...
三江源区植被季节性变绿对生态环境和水资源安全有深远影响。本研究利用2003-2021年多源数据，采用趋势分析、相关分析和部分信息分解（PID）解耦分析，探讨了三江源地区植被季节性变绿的水分驱动因子及其对气候变化的响应关系。结果表明：（1）春、夏、秋季叶面积指数（LAI）的线性趋势总体上升，但是不同季节的环境条件差异显著。春、秋季降水量、土壤湿度（SM）和积雪覆盖（SC）的线性趋势也在增加，温度变化不明显；夏季温度的线性趋势略升高，降水量和SM略减少，SC变化不显著。（2）水分驱动因子对LAI的影响：相关分析显示，春、夏季LAI与SM显著正相关，秋季不显著；LAI与SC的相关性各季节均较弱。引入PID解耦分析方法，有效地揭示了SM和SC对LAI的非线性和协同影响。SC在春、秋季影响LAI变化的独立信息贡献更高，成为主要水分驱动因子，夏季则SM贡献更大；同时，SM和SC的协同作用在各季节对LAI变化起重要作用，协同信息贡献均超过30%。（3）水分驱动因子对气候变化的响应：相关分析显示，SM在各季节均与降水显著正相关，春季与温度显著负相关；SC在各季节均与降水显著正相关，春、秋季与温度显著负...
三江源区植被季节性变绿对生态环境和水资源安全有深远影响。本研究利用2003-2021年多源数据，采用趋势分析、相关分析和部分信息分解（PID）解耦分析，探讨了三江源地区植被季节性变绿的水分驱动因子及其对气候变化的响应关系。结果表明：（1）春、夏、秋季叶面积指数（LAI）的线性趋势总体上升，但是不同季节的环境条件差异显著。春、秋季降水量、土壤湿度（SM）和积雪覆盖（SC）的线性趋势也在增加，温度变化不明显；夏季温度的线性趋势略升高，降水量和SM略减少，SC变化不显著。（2）水分驱动因子对LAI的影响：相关分析显示，春、夏季LAI与SM显著正相关，秋季不显著；LAI与SC的相关性各季节均较弱。引入PID解耦分析方法，有效地揭示了SM和SC对LAI的非线性和协同影响。SC在春、秋季影响LAI变化的独立信息贡献更高，成为主要水分驱动因子，夏季则SM贡献更大；同时，SM和SC的协同作用在各季节对LAI变化起重要作用，协同信息贡献均超过30%。（3）水分驱动因子对气候变化的响应：相关分析显示，SM在各季节均与降水显著正相关，春季与温度显著负相关；SC在各季节均与降水显著正相关，春、秋季与温度显著负...
三江源区植被季节性变绿对生态环境和水资源安全有深远影响。本研究利用2003-2021年多源数据，采用趋势分析、相关分析和部分信息分解（PID）解耦分析，探讨了三江源地区植被季节性变绿的水分驱动因子及其对气候变化的响应关系。结果表明：（1）春、夏、秋季叶面积指数（LAI）的线性趋势总体上升，但是不同季节的环境条件差异显著。春、秋季降水量、土壤湿度（SM）和积雪覆盖（SC）的线性趋势也在增加，温度变化不明显；夏季温度的线性趋势略升高，降水量和SM略减少，SC变化不显著。（2）水分驱动因子对LAI的影响：相关分析显示，春、夏季LAI与SM显著正相关，秋季不显著；LAI与SC的相关性各季节均较弱。引入PID解耦分析方法，有效地揭示了SM和SC对LAI的非线性和协同影响。SC在春、秋季影响LAI变化的独立信息贡献更高，成为主要水分驱动因子，夏季则SM贡献更大；同时，SM和SC的协同作用在各季节对LAI变化起重要作用，协同信息贡献均超过30%。（3）水分驱动因子对气候变化的响应：相关分析显示，SM在各季节均与降水显著正相关，春季与温度显著负相关；SC在各季节均与降水显著正相关，春、秋季与温度显著负...
近年来，青藏高原湖泊的快速扩张引起广泛关注，已有不少研究系统分析了大于1 km2的大型湖泊的变化动态，但对于面积较小的由于多年冻土退化形成的热融湖塘，其在大范围流域尺度上的分布及变化研究尚不多见。论文基于光学和雷达影像，系统分析了三江源区内湖塘（<1 km2）分布及其变化，以及与多年冻土之间的联系，并且首次揭示了湖塘底部融区的分布情况。结果表明：（1）三江源区2020年代（2020—2022年）的湖塘面积达917.03 km2，湖塘总数为61608个。其中长江源区湖塘数量最多，达到48987个，黄河源区12459个，澜沧江源区最少。（2）相较于1960年代，2020年代三江源区域面积小于1 km2湖塘数量增加了76%，面积增加了13%。长江源区湖塘扩张明显，黄河源区、澜沧江源区的部分湖塘萎缩。1960年代的湖塘有53%在2020年代依然存在。（3）三江源区80.9%的湖塘底部冬季存在融区，其中长江源有78.2%，黄河源有90.8%，澜沧江源有98.7%。在多年冻土区，有一半底部有融区的湖塘在1...
近年来，青藏高原湖泊的快速扩张引起广泛关注，已有不少研究系统分析了大于1 km2的大型湖泊的变化动态，但对于面积较小的由于多年冻土退化形成的热融湖塘，其在大范围流域尺度上的分布及变化研究尚不多见。论文基于光学和雷达影像，系统分析了三江源区内湖塘（<1 km2）分布及其变化，以及与多年冻土之间的联系，并且首次揭示了湖塘底部融区的分布情况。结果表明：（1）三江源区2020年代（2020—2022年）的湖塘面积达917.03 km2，湖塘总数为61608个。其中长江源区湖塘数量最多，达到48987个，黄河源区12459个，澜沧江源区最少。（2）相较于1960年代，2020年代三江源区域面积小于1 km2湖塘数量增加了76%，面积增加了13%。长江源区湖塘扩张明显，黄河源区、澜沧江源区的部分湖塘萎缩。1960年代的湖塘有53%在2020年代依然存在。（3）三江源区80.9%的湖塘底部冬季存在融区，其中长江源有78.2%，黄河源有90.8%，澜沧江源有98.7%。在多年冻土区，有一半底部有融区的湖塘在1...
近年来，青藏高原湖泊的快速扩张引起广泛关注，已有不少研究系统分析了大于1 km2的大型湖泊的变化动态，但对于面积较小的由于多年冻土退化形成的热融湖塘，其在大范围流域尺度上的分布及变化研究尚不多见。论文基于光学和雷达影像，系统分析了三江源区内湖塘（<1 km2）分布及其变化，以及与多年冻土之间的联系，并且首次揭示了湖塘底部融区的分布情况。结果表明：（1）三江源区2020年代（2020—2022年）的湖塘面积达917.03 km2，湖塘总数为61608个。其中长江源区湖塘数量最多，达到48987个，黄河源区12459个，澜沧江源区最少。（2）相较于1960年代，2020年代三江源区域面积小于1 km2湖塘数量增加了76%，面积增加了13%。长江源区湖塘扩张明显，黄河源区、澜沧江源区的部分湖塘萎缩。1960年代的湖塘有53%在2020年代依然存在。（3）三江源区80.9%的湖塘底部冬季存在融区，其中长江源有78.2%，黄河源有90.8%，澜沧江源有98.7%。在多年冻土区，有一半底部有融区的湖塘在1...
近年来，青藏高原湖泊的快速扩张引起广泛关注，已有不少研究系统分析了大于1 km2的大型湖泊的变化动态，但对于面积较小的由于多年冻土退化形成的热融湖塘，其在大范围流域尺度上的分布及变化研究尚不多见。论文基于光学和雷达影像，系统分析了三江源区内湖塘（<1 km2）分布及其变化，以及与多年冻土之间的联系，并且首次揭示了湖塘底部融区的分布情况。结果表明：（1）三江源区2020年代（2020—2022年）的湖塘面积达917.03 km2，湖塘总数为61608个。其中长江源区湖塘数量最多，达到48987个，黄河源区12459个，澜沧江源区最少。（2）相较于1960年代，2020年代三江源区域面积小于1 km2湖塘数量增加了76%，面积增加了13%。长江源区湖塘扩张明显，黄河源区、澜沧江源区的部分湖塘萎缩。1960年代的湖塘有53%在2020年代依然存在。（3）三江源区80.9%的湖塘底部冬季存在融区，其中长江源有78.2%，黄河源有90.8%，澜沧江源有98.7%。在多年冻土区，有一半底部有融区的湖塘在1...
三江源区是青海省雪灾最为严重的地区，对畜牧业影响较大。利用1961—2020年逐日积雪深度气象资料分析了三江源区冬季雪灾时空分布特征，运用MOD10A1积雪遥感数据提取积雪覆盖天数，选择最低气温、雪灾强度及积雪覆盖天数作为致灾因子，高程和坡向作为孕灾环境，地均人口、牲畜存栏及土地利用类型作为承灾体，构建雪灾风险评估模型，并评估三江源区冬季雪灾风险。结果表明：三江源区冬季雪灾呈增加趋势，称多地区最为严重，进入21世纪后雪灾极端性明显加剧；称多、玛多等地因最低气温低、雪灾强度大及积雪覆盖天数多导致致灾因子危险性最高，孕灾环境敏感性自东向西增强，人口及牲畜存栏均在东部地区较多，而草地在中、东部地区广泛分布，因此三江源区以中等承灾体脆弱区为主；基于所选因子建立三江源区冬季雪灾风险评估模型，并进行雪灾风险评估，三江源区中部称多、达日、甘德、同德、泽库及玛沁西部为雪灾风险较高的地区。
三江源区是青海省雪灾最为严重的地区，对畜牧业影响较大。利用1961—2020年逐日积雪深度气象资料分析了三江源区冬季雪灾时空分布特征，运用MOD10A1积雪遥感数据提取积雪覆盖天数，选择最低气温、雪灾强度及积雪覆盖天数作为致灾因子，高程和坡向作为孕灾环境，地均人口、牲畜存栏及土地利用类型作为承灾体，构建雪灾风险评估模型，并评估三江源区冬季雪灾风险。结果表明：三江源区冬季雪灾呈增加趋势，称多地区最为严重，进入21世纪后雪灾极端性明显加剧；称多、玛多等地因最低气温低、雪灾强度大及积雪覆盖天数多导致致灾因子危险性最高，孕灾环境敏感性自东向西增强，人口及牲畜存栏均在东部地区较多，而草地在中、东部地区广泛分布，因此三江源区以中等承灾体脆弱区为主；基于所选因子建立三江源区冬季雪灾风险评估模型，并进行雪灾风险评估，三江源区中部称多、达日、甘德、同德、泽库及玛沁西部为雪灾风险较高的地区。