2001—2019年横断山区积雪时空变化及其影响因素分析

基于MOD10A2积雪产品提取横断山区积雪日数及积雪覆盖率等信息,结合横断山区129个地面气象站点的气象数据,采用趋势分析、相关分析及随机森林回归模型等方法分析了横断山区积雪时空分布特征及其影响因素。结果表明：年平均积雪覆盖率的年际变化呈不显著的下降趋势;年内变化呈“单峰”型曲线,其中3月积雪覆盖率最大,为55.04%。海拔3 000 m以上的积雪覆盖率较为稳定,海拔1 000~3 000 m之间的积雪覆盖率波动较大。受暖湿气流和地形影响,阴坡积雪覆盖率大于阳坡。横断山区积雪日数的分布具有纬度地带性,北部山区积雪分布广泛且积雪日数高,南部云贵高原积雪日数低。年均积雪日数介于55.16~79.47 d,积雪日数在28.46%的地区呈减少趋势,在21.66%的地区呈增加趋势,其中呈显著减少和显著增加的地区分别为2.65%和0.68%。中部康定市、九龙县及其周边地区减少趋势明显,北部杂多县—若尔盖县一线的高海拔山地增加趋势明显。积雪日数整体上与降水量、相对湿度呈正相关,与风速、气温和日照时数呈负相关。与降水量呈显著正相关的地区主要分布在西北部杂多县、称多县;与风速呈显著负相关的地区主要分布在西北部称多县、中部康定市;与气温呈显著负相关的地区主要分布在中部九龙县、西北部称多县;与相对湿度呈显著正相关的地区主要分布在北部杂多县—石渠县一线;与日照时数呈显著负相关的地区主要分布在东北部玛曲县、西北部称多县。积雪日数受气温和高程的影响最大,而日照时数和风速为次要因素。     

三江源地区1980—2019年积雪时空动态特征及其对气候变化的响应

三江源地区气象站点稀疏,依靠地面台站数据难以反映地面真实积雪情况。利用卫星遥感数据引入重心模型分析了三江源地区1980—2019年4个积雪参数（积雪日数、积雪深度、积雪初日和积雪终日）的时空动态特征,利用Mann-Kendall检验和Sen斜率估计分析了积雪和气候因子的变化趋势,并探究积雪对气候变化的响应。结果表明：1980—2019年三江源地区呈现积雪日数和积雪深度减少、积雪初日推迟、积雪终日提前的变化趋势,而该区域同期的气温和降水量则呈现上升趋势;4个积雪参数重心均呈现出东移趋势,而同期气温重心则呈现西移趋势,气温重心位置西移速率分别是积雪日数和积雪深度重心位置东移速率的6倍和2倍。这表明该区域4个积雪参数以及气候因子的变化趋势具有较强的空间异质性,西部气温升高速率大于东部,导致西部积雪日数和积雪深度减少速率同样大于东部,从而导致气温重心西移而积雪参数重心东移。澜沧江源区积雪日数减少、积雪深度减少、积雪初日推迟以及积雪终日提前的速率最大,其次是长江源区和黄河源区。进一步的相关性分析表明,三江源地区年平均气温的升高是导致积雪日数和积雪深度减少、积雪初日推迟、积雪终日提前的主要影响因子,积雪日数对气温升高响应最敏感,其次是积雪深度、初日和终日;而年降水量与4个积雪参数的相关性均不显著。研究可为三江源地区水资源和生态环境保护提供基础资料和理论依据。     

2003-2010年青藏高原积雪及雪水当量的时空变化

利用MODIS逐日无云积雪产品与AMSR-E雪水当量产品进行融合, 获取了青藏高原500 m分辨率的高精度雪水当量产品, 通过研究青藏高原积雪时空动态变化特征, 分析了积雪覆盖日数、雪水当量以及总雪量的季节及年际变化. 结果表明: 青藏高原地区降雪主要集中在高海拔山区, 而高原腹地降雪较少, 降雪在空间上分布极为不均; 2003-2010年期间, 平均积雪日数呈显著减少趋势, 稳定积雪区面积在逐渐扩大, 常年积雪区面积在不断缩小. 与积雪日数时空变化相比, 雪水当量增加的区域与积雪日数增加的区域基本一致, 但喜马拉雅山脉在积雪日数减少的情况下雪水当量却在逐年增加, 表明该地区温度升高虽然导致部分常年积雪向季节性积雪过渡, 但降雪量却在增加. 总的积雪面积年际变化呈波动下降的趋势, 但趋势不显著, 且减少的比例很少. 最大积雪面积呈现波动上升后下降的趋势, 平均累积积雪总量呈明显的波动下降趋势, 年递减率为1.0×10³ m³·a^-1.     

1980—2020年青藏高原积雪时空变化特征

青藏高原是气候变化的敏感区,其积雪在区域水文循环和气候系统中具有重要作用。本文利用1980—2020年逐日无云积雪覆盖遥感数据,分析了该地区近40年的积雪面积、积雪覆盖日数的分布特征和变化趋势。结果表明：青藏高原地区积雪分布具有明显的空间分异和垂直地带性分布特征,阿姆河流域、印度河流域、塔里木盆地、恒河流域、怒江流域和雅鲁藏布江流域的高海拔山区是积雪广泛分布的地区。在水文年内,高原地区积雪覆盖率呈单峰变化,8月上旬积雪面积最小,1月中下旬达到最大,分别占高原总面积的5.2%和38.6%;40年间,高原地区平均积雪面积以3.9×10⁴ km²·(10a)^-1的趋势显著减少(P<0.05);积雪覆盖日数以0.47 d·a^-1的趋势显著减少,高原71.4%的区域积雪覆盖日数呈减少趋势,呈显著减少的区域约占55.3%;17.1%的区域积雪覆盖日数呈显著增加趋势,且主要分布在5 200 m以上的高海拔山区,在海拔5 200～5 900 m之间的区域,积雪覆盖日数的增加率随海拔升高而增加。     

新疆北部积雪开始和结束时间的特征分析

基于1961-2006年全疆32个测雪站的逐日积雪深度资料,分析了北疆区域积雪开始和结束时间的气候分布和时间变化特征.结果表明:积雪开始和结束时间存在明显的区域差异,这种差异主要是由地形高度变化引起的.积雪开始时间以12a和6a左右的周期振荡为主,积雪结束时间则以5a和8a左右的周期振荡为主.在不同海拔,积雪开始时间均呈偏晚趋势,积雪结束时间在较低海拔地区(≤1000m)呈偏晚趋势,而在较高海拔地区(1001～2000m)呈偏早趋势.积雪开始时间相对结束时间的趋势变化更为显著.积雪开始和结束时间和海拔关系密切,积雪开始时间随海拔升高而提前,积雪结束时间则随海拔升高而推迟.     

五台山积雪变化趋势及其影响因素

基于MODIS积雪产品与微波遥感数据,分析五台山2000—2019水文年积雪时空分布、变化趋势及与影响因素的Pearson相关性,结果表明：（1）五台山积雪期为10月至翌年4月,年内呈单峰型变化趋势,积雪集中于西北部。（2）积雪面积和积雪日数的年际变化呈显著减少趋势（p<0.05）。（3）积雪面积和积雪日数与海拔正相关,积雪面积在北坡高于南坡。（4）积雪面积与气温相关程度高于降水量,积雪面积在年内与气温和降水量日值呈显著负相关（p<0.05）,在年际与气温年均值呈显著负相关（p<0.05）。     

1961—2017年基于地面观测的新疆积雪时空变化研究

选取新疆89个气象站1961—2017年逐日积雪深度观测资料, 分析近60 a新疆冬季最大积雪深度及积雪日数的时空变化特征。结果表明： 新疆冬季最大积雪深度以天山为界, 天山以北多于南部, 北疆北部和伊犁河谷最大达60 ~ 100 cm, 天山山区及天山北坡30 ~ 60 cm, 南疆大部地区不足20 cm; 新疆北部最大雪深多出现在1996年以后, 也是新疆气候由暖干转为暖湿的阶段。近60 a新疆区域尤其是北疆、 天山山区冬季最大积雪深度呈显著增加趋势, 南疆略有增加; 89个气象站中87.6%呈增加趋势, 20个显著增加, 主要分布在天山以北地区。分析不同积雪深度出现的日数, 新疆区域、 北疆地区、 天山山区≤10 cm积雪约占积雪总日数的48% ~ 58%, 10 ~ 20 cm积雪占24% ~ 32%, 20 ~ 30 cm积雪占12% ~ 15%, >30 cm积雪约占5%左右; 南疆地区以≤5 cm积雪为主。新疆区域、 北疆地区以及天山山区积雪日数总体呈减少趋势, 其中≤10 cm积雪日数减少, 尤其北疆显著减少, >20 cm积雪日数显著增加, 南疆变化不明显; 空间变化趋势分布基本与区域变化一致。     

基于站点的中国天山山区积雪要素变化研究

选取196l-2006年天山山区海拔高于1000 m的17个气象站的月积雪日数、月最大积雪深度资料,分析天山山区季节性积雪年际变化趋势,探讨17个站点在最大雪深出现月份和海拔之间的相关性以及积雪日数和月最大雪深变化趋势的类型,以及积雪变化的气候归因.结果表明:①按最大雪深出现的月份,天山山区积雪类型可分成4种,分别是1...     

1961 - 2016年秦岭山区冷季积雪日数变化特征及其影响因子

根据1961 - 2016年秦岭地区32个气象站点的气温、 降水及积雪等相关数据, 运用REOF、 M-K检验和小波分析等方法, 对秦岭地区冷季积雪日数的时空变化和影响因子进行分析。结果表明： 秦岭地区冷季多年平均积雪日数表现为北坡比南坡积雪日数多。在全球气候变暖的背景下, 海拔越高积雪日数减少的越多。秦岭冷季积雪日数呈现显著减少的趋势, 5个区的积雪日数年代际变化特征显著, 在20世纪末到21世纪初发生了由积雪日数偏多到偏少的突变。各区冷季积雪日数的周期变化主要集中在10 ~ 20 a, 秦岭南坡同时也显示了较为明显的4 a左右的周期变化。西北太平洋海温阶段性增暖是导致秦岭冷季积雪日数减少的外强迫因素。秦岭地区冷季平均气温的显著增暖和冷季降水量的显著减少直接造成积雪日数的减少。秦岭冷季积雪日数减少的突变要比气温增暖的突变大约滞后4 ~ 7 a。     

1962-2014年秦岭主峰太白山地区积雪变化特征及其成因分析

利用太白气象站1962-2014年地面积雪观测资料,太白、眉县气象站1980-2014年高山积雪观测记录和1988-2010年卫星遥感资料,分析了秦岭主峰太白山西部中山区、西部中高山区和中部中高山区积雪初、终日期、积雪日数和积雪深度等的变化特征,以及西部中山区积雪变化的成因.结果表明：1962-2014年太白山西部中山区积雪初日推迟,终日提前,初终间日数减少,积雪日数显著减少,积雪深度呈现波动变浅的趋势;1980-2014年西部中高山区积雪日数同样呈现波动减少趋势,西部中山区和中高山区年积雪日数减少率分别为3.2 d·（10a）^-1和8.9 d·（10a）^-1.1980-2014年中部中高山区积雪初、终日期和积雪日数变化趋势不明显.卫星遥感监测资料分析结果显示太白山地区积雪面积呈现波动减少趋势.1962-2014年西部中山区气温升高,降水减少,积雪参数与气候要素相关分析结果表明气温和累积雪深等参数变化关系密切,气温升高是太白山积雪减少的主要原因.1980-2014年太白山地区7月积雪日数很少,关中八景之一的“太白积雪六月（公历7月）天”已很少见到.     

我国新疆北部积雪中痕量元素的时空分布及污染评估

积雪中记录的痕量元素含量,能很好地评估当地大气污染状况。利用电感耦合等离子体质谱仪（ICP-MS）,对2018年1月和3月采自新疆北部的天山北坡、伊犁河谷、塔城地区和阿勒泰地区的积雪样品进行了16种痕量元素测试。结果表明：北疆地区积雪中痕量元素含量的平均值在0.06 ng·g^-1（Cd）～1 481.1 ng·g^-1（Al）之间。时间分布上,消融期多数痕量元素浓度低于积累期、稳定期;Pb、Cr等元素消融期含量高于其他时期,可能与外源输入有关。空间分布上,塔城地区和天山北坡的多数痕量元素含量高出伊犁河谷和阿勒泰地区1~3倍。与其他地区雪冰中痕量元素含量对比,发现新疆北部高出青藏高原北部1~3倍,与受人类活动影响较大的天山乌鲁木齐河源1号冰川相应痕量元素浓度接近,揭示了新疆北部积雪中痕量元素较高的浓度特征。元素富集系数表明,Fe、Be等元素主要来自地壳粉尘,Pb、Cd、Zn、As等元素呈显著富集（EFc>10）,受人类排放活动主导。结合后向气团轨迹分析,塔城地区的痕量元素可能受到哈萨克斯坦的影响,阿勒泰地区的痕量元素可能受到中亚、阿尔泰山南缘等地的影响,天山北坡与伊犁河谷主要受新疆本地气团的影响。     

一种基于MODIS积雪产品的雪线高度提取方法

冰川雪线高度的遥感提取对冰川物质平衡研究具有重要意义。提出一种基于晴空环境下积雪覆盖频率的雪线高度提取方法。使用MOD10A1积雪产品中的像元积雪面积比例数据,提取了2000/2001-2014/2015年间高亚洲地区冰川消融期末雪线高度。使用实测的冰川年物质平衡资料和气象格网数据对提取的雪线高度变化的可信度进行分析。研究表明：近15 a高亚洲雪线高度变化及趋势具有明显的东西差异,雪线高度变化幅度自青藏高原内部地区向四周呈增加趋势,西部大于东部。提取的冰川雪线高度变化与观测的年物质平衡序列具有很高的相关性,对物质平衡波动的平均解释率可高达75%;与气象要素（气温、降水）的年际变化的相关性也较高,约61.58%的格网冰川雪线高度变化可以由夏季气温和季节降水解释。而高亚洲各分区冰川雪线高度的波动规律也与大气环流背景分布一致。因此提取的雪线高度变化具有冰川学意义,可以进一步应用于冰川物质平衡估算及模拟研究中。     

1953 - 2016年华山积雪变化特征及其与气温和降水的关系

利用华山气象站1953 - 2016年气象观测资料和1989 - 2016年Landsat TM卫星遥感影像数据, 分析华山积雪变化的基本特征及其与气温、 降水和大气环流的关系。结果表明： 1953 - 2016年华山平均积雪日数78.5 d, 积雪主要出现在每年的10月 - 次年5月, 64 a来积雪初日推迟, 终日提前, 初终间日数减少, 年度、 冬半年、 冬季积雪日数分别以8.3 d?（10a）^-1、 7.6 d?（10a）^-1、 4.7 d?（10a）^-1的减少率显著减少。1981 - 2016年华山年度最大积雪深度减少趋势不显著, 年度累积积雪深度以88.2 cm?（10a）^-1的减少率显著减少, 一年中积雪日数、 最大积雪深度和累积积雪深度的减少（小）趋势均以3月最为显著。1989 - 2016年华山区域积雪面积、 浅雪和深雪面积减少趋势不明显。1953 - 2016年华山年度、 冬半年、 冬季平均气温升高, 降水量减少。积雪日数与平均气温存在显著的负相关, 与降水量存在显著的正相关, 气温是影响华山积雪日数的最主要因素。年度、 冬半年和冬季积雪日数突变年份与相应时段平均气温突变年份相近。1953 - 2016年华山冬半年、 冬季平均气温和降水量均与大气环流指数相关显著, 华山冬半年和冬季积雪日数与同期西藏高原指数、 印缅槽强度指数、 南极涛动指数和西太平洋副高西伸脊点指数为明显的负相关, 与850 hPa东太平洋信风指数、 亚洲区极涡面积指数为明显正相关。     

青藏高原多源雪深数据适用性综合评估北大核心CSCD

青藏高原积雪对区域气候及水循环有重要影响,现有积雪数据集在该区域存在很大不确定性,适用性评估工作不可或缺。基于气象站观测数据(OBS),采用秩评分方法对一套被动微波遥感(CHE)和两套再分析(ERA5-Land和MERRA2)积雪深度数据进行了多变量、多评价指标的综合定量评估。结果表明:从年平均积雪深度、年最大积雪深度、年积雪日数三个变量分别评价各数据,MERRA2对年最大积雪深度、年积雪日数模拟最好,CHE对年平均积雪深度描述最好;各数据在不同评价指标上的得分排名存在较大差异,CHE在描述线性变化趋势上具有优势,ERA5-Land在描述年际变化上具有优势,MERRA2在描述季节循环、多年平均值、极大值、标准差上具有优势;综合考虑,MERRA2在青藏高原适用性综合评分最高、ERA5-Land次之、CHE最低。三种数据均存在明显不足之处,MERRA2对积雪线性变化趋势的定性描述与OBS相反,对积雪年代际变化的模拟有待优化;ERA5-Land对各变量的多年平均值存在严重高估;CHE刻画积雪空间分布特征能力较差。由于青藏高原西部站点稀少,相关评估结论仅适用于高原中东部。基于遥感及再分析数据得到高原西部积雪变化趋势存在较大不确定性。     

利用被动微波探测青海湖湖冰物候变化特征

湖冰物候是气候变化的敏感因子,不仅能反映区域气候变化特征,还可以反映区域气候与湖泊相互作用。利用长时间序列（1978—2018年）被动微波遥感18 GHz和19 GHz亮度温度数据、MODIS数据（2000—2018年）、实测湖冰厚度数据（1983—2018年）和气温、风速、降水（雪）数据（1961—2018年）,分析青海湖湖冰变化特征及其对气候变化的响应。结果表明：青海湖流域呈现显著的变暖趋势（1961—2018年）,气温上升2.85 ℃,在这种气候条件下,青海湖湖冰封冻日推迟（0.23 d·a^-1）,消融日呈现明显的提前趋势（0.33 d·a^-1）,湖冰封冻期天数明显减少,减少速率为0.57 d·a^-1;同时,湖冰厚度以0.29 cm·a^-1的速率减薄。此外,总结归纳了青海湖冻结-融化空间特征,青海湖主要由东部海晏湾地区开始冻结,从西部黑马河等地区开始消融,冻结和消融过程存在空间差异。通过分析湖冰冻融特征和气候因子关系发现,青海湖流域冬季气温是影响青海湖湖冰物候变化的主要因素,同时风速和降水（雪）也是影响湖冰发育和消融的重要因素。     

古尔班通古特沙漠及周边区域冬季大气边界层高度对地表积雪的响应

古尔班通古特沙漠是中国唯一冬季存在长期积雪的沙漠,在此特殊地理环境下,沙漠及周边区域冬季雪深和边界层高度的时空变化特征和相互关系尚未明确。本文利用1980—2019年SMMR（Scanning Multichannel Microwave Radiometer）、SSM/I（Special Sensor Microwave/Imager）、SSMI/S（Special Sensor Microwave Imager/Sounder）被动微波遥感雪深数据、古尔班通古特沙漠腹地雪深观测数据和ERA5再分析资料（the Fifth Generation ECMWF Reanalysis）边界层高度数据,分析了沙漠及周边区域冬季雪深和边界层高度的时空变化特征与相互关系。结果表明：古尔班通古特沙漠及周边区域冬季雪深年均值为8.45 cm,整体呈现东北部和南部积雪较深,其他区域积雪较浅并呈现出由沙漠中心区域向四周逐渐减少的特点,雪深在古尔班通古特沙漠及其东北、南边的邻近区域呈升高趋势,剩余地区呈下降趋势。古尔班通古特沙漠及周边区域冬季边界层高度年均值为105.54 m,呈现东南部和西北部高,中心沙漠区域、东北部、西南部较低的特点,边界层高度在沙漠及周边区域升高而其他区域降低。古尔班通古特沙漠的冬季雪深和大气边界层高度时空变化整体呈负相关,其中93.17%以上的沙漠区域呈负相关,平均相关系数为-0.32,最大相关系数绝对值为-0.58,空间相关系数为-0.42（P<0.05）。     

Snow avalanche susceptibility evaluation in the central Shaluli Mountains of Tibetan Plateau based on machine learning method北大核心CSCD

Snow avalanches,which are widely and frequently developed at high elevations,seriously threatens the built traffic corridors in the Tibetan Plateau. Susceptibility evaluation of snow avalanche via machine learning model with a high forecast accuracy can be appled to quickly and effectively assess the regional avalanche risk. This paper took the central Shaluli Mountain region as the study area,in which the snow avalanche inventory was established through remote sensing interpretation and field investigation verification. We quantitatively extracted 17 evaluation factors via GIS-based analysis,and these factors were selected through the variance expansion factor（VIF）. Four machine learning models containing SVM,DT,MLP and KNN were used to compile the susceptibility index map of snow avalanches,and kappa coefficient and ROC curve were used to verify the accuracy. The results suggested that the susceptibility indexes obtained from SVM,DT,MLP and KNN were in the range of［0,0. 964］,［0,815］,［0,0. 995］and［0,1］,respectively. The accuracy test results show that these four models all have good prediction accuracy. Among them,the SVM model is the best. The results also indicated that the areas with the high snow avalanche susceptibility mainly distributed in Genie Mountain and Rigong Mountain,most of which were above the planation surface of the Tibetan Plateau. The average altitude of the extremely high snow-avalanche-prone areas is 4 939 m,while the average altitude of the high snow avalanche-prone areas is 4 859 m. The snow avalanche has low perniciousness on the Sichuan-Tibet Highway and the Sichuan-Tibet Railway in the study area. This study can provide theoretical basis and method reference for disaster prevention and mitigation of snow avalanche along Sichuan-Tibet Railway and other major projects across Shaluli Mountains region. © 2022 Science Press (China).