祁连山MODIS LST时空变化特征及影响因素分析

地表温度(Land Surface Temperature，LST)是研究区域尺度和全球尺度上地表能量和水平衡物理过程中不可缺少的参数。祁连山LST的时空变化规律及其影响因素模式未知。通过采用趋势分析法和相关性分析法，探讨2000—2017年间祁连山LST〖WTBZ〗的时空变化特征及与植被的相互关系，分析各植被类型下地表温度的时空分异特征。结果表明：（1） MODIS LST产品的精度能够满足祁连山地表温度时空变化分析的要求。（2） 祁连山LST时间序列呈 “上升—下降—上升—下降”的波动变化，整体呈小幅上升趋势，以0.17 ℃·（10 a）^-1的速率波动上升，冬季LST上升趋势最显著（63.37%），变化率为0.22℃·（10 a）^-1；空间上呈西北降低东南升高的变化趋势，显著上升面积（14.89%）远大于下降面积（0.90%）。（3） 祁连山年均LST与NDVI呈负相关，显著相关区域占22.56%，夏季NDVI对LST的调控作用较显著（25.45%）；荒漠NDVI对LST的影响大于其他植被类型。（4） 海拔对各植被类型LST有强烈的影响，相关性依次为荒漠>林地>草甸>耕地；然而，夏季LST与海拔的相关性因植被覆盖增加而显著降低。（5）祁连山LST上升是NDVI、海拔以及植被类型综合影响的结果。     

基于MODIS数据的蒙古高原积雪时空变化研究

利用Terra卫星和Aqua卫星提供的2002年9月1日~2017年5月31日每日积雪覆盖产品MOD10C1和MYD10C1，提取蒙古高原积雪日数、积雪面积、积雪初日及积雪终日信息，得到蒙古高原积雪特征分布和变化趋势，同时，结合蒙古高原108个地面气象观测站的气温资料，分析研究区积雪变化特征和气温的关系。结果表明：（1）蒙古高原平均积雪日数在60～90 d之间，积雪初日主要分布在315～335 d之间，积雪终日大多集中在31～61 d之间，蒙古高原东部地区积雪初日有明显的提前趋势，西南地区积雪终日有明显的提前趋势。（2）积雪面积在积雪季内呈 “单峰型”，1月份为积雪面积最大月，年均积雪面积呈微弱的下降趋势。（3）最大积雪覆盖面积与温度具有明显的相关性，稳定积雪覆盖区的临界温度大概介于-11~-8 ℃之间。（4）温度是影响积雪特征变化的重要因素。     

南北极海冰变化及其影响因素的对比分析

海冰是海洋-大气交互系统的重要组成部分,与全球气候系统间存在灵敏的响应和反馈机制。本文选用欧洲空间局发布的1992—2008年海冰密集度数据分析了南北极海冰在时间和空间上的变化规律与趋势,并结合由美国环境预报中心(National Centers for Environmental Prediction,NCEP)和美国大气研究中心(National Center for Atmospheric Research, NCAR)联合制作的NCEP/NCAR气温数据和ENSO指数探讨了南北极海冰变化的影响因素。结果表明,北极海冰面积呈明显的减少趋势,其中夏季海冰最小月的减少更快。北冰洋中央海盆区、巴伦支海、喀拉海、巴芬湾和拉布拉多海的减少最明显。南极海冰面积呈微弱增加趋势,罗斯海、太平洋扇区和大西洋扇区的海冰增加。北极海冰面积与气温有显著的滞后1个月的负相关关系(P0.01)。北极升温显著,北冰洋中央海盆区、喀拉海、巴伦支海、巴芬湾和楚科奇海升温趋势最大,海冰减少很明显。南极在南大西洋、南太平洋呈降温趋势,海冰增加。北极海冰减少与39个月之后ONI的下降、40个月之后SOI的上升密切相关;南极海冰增加与7个月之后ONI的下降、6个月之后SOI的上升存在很好的响应关系。南北极海冰变化与三次ENSO的强暖与强冷事件有很好的对应关系。     

基于MODIS数据中国天山积雪面积时空变化特征分析

基于2011-2015年MOD10A2积雪产品和气象数据,通过几何校正、去云预处理,应用归一化差分积雪指数算法等获取中国境内天山山区积雪覆盖面积数据,分析了积雪面积的时空变化特征及与气温降水的关系。结果表明：（1）年内积雪面积呈单峰变化,9月开始积累,次年1月达峰值,3月气温回暖消融加速,至7月最小。春秋季波动较大但没有明显的增减趋势,夏季积雪面积最小,冬季最大且呈减小趋势。（2）2001-2015年积雪覆盖面积整体上呈减少趋势,积雪覆盖率最大值的波动比最小值的波动更加剧烈。（3）积雪覆盖率随着海拔升高而增大,海拔<1 500 m区域积雪覆盖率低于10%,海拔>4 500 m以上区域平均可达70%,为常年稳定积雪区。积雪覆盖率在西北坡最高,南坡最低。（4）年均气温升高是积雪覆盖面积减小的主因,年积雪覆盖面积变化与年降水量变化保持一致的下降趋势。     

白令海峡入流水影响下的楚科奇海海冰面积时空变化特征

利用美国国家冰雪中心的Bootstrap海冰密集度卫星遥感资料分析1991—2015年楚科奇海海冰覆盖面积的时空变化特征,并探讨白令海峡入流水对海冰面积变化的作用机制。楚科奇海海冰覆盖面积月距平以0.7%×a~(–1)的速度减小,从2002年开始维持负距平特征。白令海峡入流水的热通量及其在楚科奇海的环流路径显著影响楚科奇海海冰的时空变化。海冰面积变化与入流水热通量具有高相关性(R=–0.86),夏季(5—8月)两者的相关性更加显著,热通量增加对海冰面积显著减小起关键作用。楚科奇海海冰分布减小的区域与白令海峡入流水环流特征和分布关系密切, 5—7月海冰分布在入流水三条主要流动路径上(海渃德海谷、中央通道、巴罗海谷)的季节特征和年际变化最为显著。海冰面积及分布对入流水的响应均有1—2月的滞后。     

基于海冰密集度遥感数据的波弗特海海冰时空变化研究

采用美国冰雪数据中心(NSIDC)的日尺度与月尺度海冰密集度数据,将海冰密集度为15%作为阈值确定海冰外缘线位置,提取波弗特海海域的海冰外缘线,计算波弗特海的海冰密集度、海冰范围与海冰面积,然后通过海冰范围与海冰外缘线的年际变化与季节变化来分析波弗特海海冰外缘线退缩的时空变化特征与趋势。实验结果表明,1978—2015年波弗特海的海冰密集度、海冰范围与海冰面积整体变化趋势一致,减少趋势显著。37年来,海冰密集度平均每年减少约0.3%,海冰范围平均每年减少3 235 km2,海冰面积平均每年减少5 084 km2。海冰密集度在1979—1996年无明显减少趋势,1996—2015年减少趋势明显。波弗特海海冰范围一般在9月达到最小值,在11月至次年5月维持在最大值(全冰覆盖状态);海冰面积一般在9月达到最小值,在12月或者1月达到最大值。海冰范围最小值出现时间有延迟的趋势,全冰覆盖状态具有起始时间越来越晚、终止时间越来越早、持续时间越来越短的趋势,平均持续天数为212 d。     

中国极端降水事件时空特征及其对夏季温度响应

基于中国1951-2014年728个气象站点日降水数据,利用POT抽样、变异点分析、趋势分析、分段回归等方法全面分析中国极端降水事件（量级、频率与发生时间）非平稳性特征及其对夏季温度响应。研究结果发现中国极端降水量级有明显变异特征,但无显著趋势变化,中国极端降水频率则相反。并且中国极端降水次数在全国大部分区域有显著增加趋势。另外,研究还表明变异点对中国极端降水量级和频率趋势特征有明显的改变,对极端降水发生时间趋势特征改变较弱;中国极端降水发生时间在中南部呈显著上升趋势,其他区域趋势性不显著。中国大部分区域夏季温度呈上升或显著上升趋势,且变异特征显著。在转折点前,中国大部分区域如西部干旱区东南部、东部干旱区西南部、华北区、华中区和西南区北部夏季温度呈下降或显著下降趋势;在转折点后,上述区域夏季温度转为上升或显著上升趋势。     

2001-2017年祁连山积雪面积时空变化特征

科学监测祁连山积雪面积及变化特征对该区域气候研究、雪水资源开发利用、环境灾害预报及生态环境保护等具有重要意义。基于2001—2017年MOD10A2积雪产品和气象数据，分析祁连山积雪面积动态变化特征及与气温降水关系。结果显示：（1）2001—2017年祁连山积雪面积年际波动趋势较大，呈减小趋势，多年平均积雪面积约为5x104 km2，占祁连山总面积的25.9%；年内变化成 “M”型，即在一个积雪年中有两个波峰和波谷，波峰出现在11月和1月，波谷出现在7月；季节变化波动趋势较大，夏冬季积雪面积减小趋势大于春季，秋季呈现略微增加趋势。（2）祁连山区积雪面积主要分布在3 000~4 000 m及4 000~5 000 m，积雪覆盖率随着海拔上升呈现逐渐增大的趋势；祁连山区不同坡向积雪覆盖面积差异较大，积雪覆盖率差异较小；积雪频率高值区呈典型的条带状分布，与祁连山地形相一致，呈西北-东南分布，积雪频率高值区的分布西部大于东部。（3）初步分析认为祁连山积雪面积变化对气温要素更敏感。     

巴伦支海近40年来海洋热含量变化特征及影响机制

利用ORAS5海洋-海冰再分析数据集,研究发现1979—2018年间巴伦支海海洋热含量存在显著的季节和年际变化特征,且有持续上升趋势。海-气热通量是控制巴伦支海海洋热含量季节变化的主要因素,而北大西洋流的海洋热输运则影响其年际变化和上升趋势。北大西洋流的温度和流速变化对其海洋热输运的年际变化均有贡献,而其海洋热输运的上升趋势则主要是来自于北大西洋流温度的增加。此外,巴伦支海开阔海域和冰区的海-气热交换呈现相反的趋势,在无海冰覆盖的开阔海域,海洋放热减少,海洋混合减弱;而在有海冰覆盖的海域,海洋放热则显著增加,海洋混合增强。     

1979—2015 年罗斯海海冰运动速度变化

基于美国冰雪数据中心的月平均海冰运动和海冰密集度数据, 建立了1979—2015 年罗斯海海冰运动 速度时间变化序列, 揭示了海冰运动速度的年际和季节变化特征, 探讨了海冰运动速度和海冰范围之间可 能存在的联系, 最后对影响海冰运动速度变化的因素进行了分析。结果表明, 1979—2015 年罗斯海海冰运动 速度总体呈现加快趋势, 海冰运动速度增加趋势最快的季节为秋季, 其次是冬季、春季和夏季。冬季海冰平 均运动速度最大, 依次是秋季、春季和夏季。海冰运动速度与海冰范围在37 年间均呈现上升趋势, 海冰范 围变化滞后海冰运动速度1—2 个月, 两者呈显著正相关关系, 海冰运动速度的增加导致罗斯海海冰范围不 断扩张, 进而影响南极整体海冰分布。罗斯海海冰运动速度与风速之间存在显著正相关关系, 风场是影响海 冰运动速度的一个直接因素。除此之外, 海冰运动还受到包括气压场、洋流场以及海洋阻力系数等的影响。     

冰雪覆盖与气候变化

引言冰雪覆盖是地球—大气系统中一个活跃的成员,也是地理环境中的一个重要组成部分。因此,多年来冰雪覆盖就是地理学家及气候学家的研究对象。冰雪覆盖的变化,对气候有很大影响,小至海冰与大陆积雪的季节与年际变化,大到冰河期大陆冰盖的巨大改变,都在不同尺度的气候变化中留下了不可磨灭的痕迹。     

东西伯利亚海海冰季节变化特征及主要影响因素分析

利用1997-2005年美国国家冰雪中心提供的卫星遥感数据,对东西伯利亚海海冰周年变化特征及其动力和热力学机制进行详细分析,以1999年海冰状况为例讨论了该海域海冰的周年变化。按照海冰变化的区域特征和融化机制差异,将全年的海冰变化过程分为密集冰封期、陆坡开裂期、西部融化期、全面融化期和秋季结冰期。不同年份各个阶段发生的具体日期不尽相同,海冰覆盖面积最小值及其发生时间有所差异,但是,各年海冰变化的5个阶段都清晰可辨。海冰融化时间持续3个月,冻结时间仅为1个半月左右。每年5月份东西伯利亚海陆坡处海冰发生开裂,主要是该时期风场辐散的作用。1999年,除5月份以外的其他月份,东西伯利亚海海表面风场是辐聚风场,不利于海冰融化和开阔水域面积的扩大。东西伯利亚海海冰融化的决定性因素是陆地径流,因迪吉尔卡河、科雷马河、亚纳河和勒拿河四条河流在海冰融化过程中发挥主要作用。海冰覆盖面积最小值出现的时间一般是9月下旬,整个海域的沿岸带海冰全部消失,形成大范围的开阔水。夏季北半球气温的升高和太阳辐射的加热作用,为海冰融化提供持续的热量。     

A review of the interaction between the cryosphere and atmosphere

The interaction between the cryosphere and atmosphere is an essential and extremely sensitive mutual action process on the earth. Due to global warming and the cryospheric melting, more and more attention has been paid to the interaction process between the cryosphere and atmosphere, especially the feedback of the cryosphere change to the atmosphere. A comprehensive review of the studies on the interaction between the cryosphere and atmosphere is conducted from two aspects: (1) effects of climate change on the cryosphere or responses of the cryosphere to climate change; and (2) feedback of the cryosphere change to the climate. The response of the cryosphere to climate change is lagging. Such a lagging and cumulative effect of temperature rise within the cryosphere have resulted in a rapid change in the cryosphere in the 21st century, and its impacts have become more significant. The feedback from cryosphere change on the climate are omnifarious. Among them, the effects of sea ice loss and snow cover change, especially the Arctic sea ice loss and the Northern Hemisphere snow cover change, are the most prominent. The Arctic amplification (AA) associated with sea ice feedback is disturbing , and the feedback generated by the effect of temperature rise on snow properties in the Northern Hemisphere is also of great concern. There are growing evidence of the impact of the Arctic cryosphere melting on mid-latitude weather and climate. Weakened storm troughs, steered jet stream and amplified planetary waves associated with energy propagation become the key to explaining the links between Arctic cryosphere change and atmospheric circulation. There is still a great deal of uncertainty about how cryosphere change affects the weather and climate through different atmospheric circulation processes at different spatial and temporal scales due to observation and simulation problems.     

1979-2012年北极海冰范围年际和年代际变化分析

利用美国冰雪中心发布的海冰密集度数据,对1979—2012年北极海冰范围进行年际和年代际变化分析。结果表明:(1)海冰在秋季融化速度最快,其次为夏季、冬季、春季。2000年后春季下降速率变缓,而其他季节融化速度加快;(2)由于多年冰的融化,太平洋扇区在夏秋季节融化速度要高于其他海区。而大西洋扇区在冬季和春季海冰的融化速度要快于夏秋季节,主要是因为大西洋海温升高;(3)东半球在夏秋季节海冰融化的范围要大于西半球,因此东北航道比西北航道提前开通应用。而整个北极区域近几年春季融化速度变缓,则主要是西半球的作用;(4)从空间分布年代际变化来看,1989—1998年最接近气候态,1979—1988年密集度偏大区域主要在巴伦支海和东西伯利亚海,2009—2012年海冰密集度较常年显著偏小,东半球密集度减小幅度比西半球更大,尤其是冬春季在巴伦支海,夏秋季在楚科奇海。春季时由于风的作用,白令海附近海冰密集度异常偏大;(5)北极区域海冰范围在冬春季比夏秋季突变明显,基本在2003年前后,海冰范围变化周期为6年。     

CIRCULATION PATTERNS AND TEMPERATURE FIELDS ASSOCIATED WITH EXTENSIVE SNOW COVER ON THE NORTH AMERICAN CONTINENT

Weekly snow cover areas, derived from the NOAA/NESS Northern Hemisphere Digitized Snow and Ice Cover Data Base, were correlated with weekly temperature anomalies across the United States and with weekly 700-mb geopotential heights over the North American sector. The correlations were computed for snow cover across the entire North American continent as well as the western and eastern United States for the winters 1966–67 through 1979–80. Extensive snow cover is associated with negative temperature anomalies across most of the continental United States. The strongest relationship occurs along the eastern flank of the Rocky Mountains from the Canadian border to the central Great Plains and reflects the southward movement of cold arctic air masses toward the Gulf of Mexico. An anomalous trough over the western part of North America is responsible for extensive snow cover in the winter. The surface storm track is displaced southward during winters with heavy snow cover, with cyclones occurring more frequently in the southern Plains and southeastern United States. Moist Gulf of Mexico air advected northward by the southerly flow aloft is an important prerequisite condition for the occurrence of extensive snow cover in the eastern United States during the first half of winter.     

2002—2018年叶尔羌河流域积雪时空变化研究

积雪是冰冻圈中较为活跃的因子,对气候环境变化敏感,其变化影响着全球气候和水文的变化。积雪覆盖日数(SCD)、降雪开始时间(SCOD)和融雪开始时间(SCMD)是影响地表物质和能量平衡的主要因素。使用MODIS无云积雪产品提取了叶尔羌河流域2002年7月-2018年6月逐日积雪覆盖率(SCP),基于像元计算了SCD、SCOD和SCMD,系统地分析了其空间分布与变化特征,并探讨了其变化的原因及积雪面积的异常变化与ENSO的联系。结果表明:(1)研究时段内,流域的积雪覆盖面积呈微弱减少趋势,与气温呈显著负相关,与降水呈显著正相关;2002-2018年,SCP随海拔的升高呈明显的线性增加趋势(R2=0.92、P<0.01));各海拔高度带最大SCP出现的月份大致随海拔的上升往后推迟,最小SCP出现月份无显著变化(集中在8月),海拔4000 m以下,春季的SCP小于冬季,海拔4000 m以上,春季的SCP大于冬季。(2)SCD、SCOD和SCMD有明显的海拔梯度,在流域内,从东北至西南,呈现出SCD增加,SCOD提前,SCMD推迟的特征;变化趋势上,流域91.9%的区域SCD表现为减少,65.6%的区域SCOD有往后推迟的趋势,77.4%的区域SCMD表现出提前的趋势。(3)2006、2008年和2017年积雪覆盖面积异常偏大,而在2010年则异常偏小,其原因可能是ENSO影响了积雪的变化。(4)以喀喇昆仑为主的高海拔地区,包括帕米尔高原东部的部分地区,其SCD、SCOD和SCMD分别表现出增加、提前和推迟的趋势,这种变化与其春秋温度的持续走低以及降水量的增加有关。     

A hindcast simulation of Arctic and Antarctic sea ice variability, 1955–2001

A hindcast simulation of the Arctic and Antarctic sea ice variability during 1955-2001 has been performed with a global, coarse resolution ice-ocean model driven by the National Centers for Environmental Prediction/National Center for Atmospheric Research reanalysis daily surface air temperatures and winds. Both the mean state and variability of the ice packs over the satellite observing period are reasonably well reproduced by the model. Over the 47-year period, the simulated ice area (defined as the total ice-covered oceanic area) in each hemisphere experiences large decadal variability together with a decreasing trend of Ø1% per decade. In the Southern Hemisphere, this trend is mostly caused by an abrupt retreat of the ice cover during the second half of the 1970s and the beginning of the 1980s. The modelled ice volume also exhibits pronounced decadal variability, especially in the Northern Hemisphere. Besides these fluctuations, we detected a downward trend in Arctic ice volume of 1.8% per decade and an upward trend in Antarctic ice volume of 1.5% per decade. However, caution must be exercised when interpreting these trends because of the shortness of the simulation and the strong decadal variations. Furthermore, sensitivity experiments have revealed that the trend in Antarctic ice volume is model-dependent.     

基于遥感监测的秦岭南北积雪日数时空变化及影响因素

以海拔依赖型变暖为理论基础,研究山地积雪对气候变暖的响应机制,是当前气候变化研究的热点问题。基于2000—2019年MODIS积雪物候数据,对秦岭南北积雪日数时空变化进行分析,探讨了秋冬两季厄尔尼诺指数（NINO）、青藏高原气压对积雪异常的影响。结果表明：(1) 2013年后秦岭南北气候由“变暖停滞”转为“增温回升”,积雪日数随之呈现转折下降,积雪日数≥10 d栅格占比由前期的35.1%下降为8.6%。(2)在垂直地带规律上,秦岭山地以1950～2000 m为临界点,大巴山区以1600～1650 m为临界点,低海拔地区积雪日数随海拔增加速率要低于高海拔地区。2100～3150 m海拔带是积雪日数的垂直变化的关键带;(3)在影响因素上,NINO C区、NINO Z区秋冬海温和青藏高原冬季高压,是秦岭山地、汉江谷地和大巴山区积雪异常的有效指示信号。当赤道太平洋中部秋冬海温偏低,且青藏高原冬季高压偏低时,上述3个子区积雪日数异常偏多。(4)在环流机制方面,相对于积雪日数偏少年,秦岭南北积雪日数偏多年1—2月0℃等温线位置偏南,低温环境为增加冰雪物质积累、延缓冰雪消融提供了气温条件;1月区域存...     

MODIS observed snow cover variations in the Aksu River Basin,Northwest China

A major proportion of discharge in the Aksu River is contributed from snow-and glacier-melt water. It is therefore essential to understand the cryospheric dynamics in this area for water resource management. The MODIS MOD10A2 remotesensing database from March 2000 to December 2012 was selected to analyze snow cover changes. Snow cover varied significantly on a temporal and spatial scale for the basin. The difference of the maximum and minimum Snow Cover Fraction(SCF) in winter exceeded 70%. On average for annual cycle, the characteristic of SCF is that it reached the highest value of 53.2% in January and lowest value of 14.7% in July and the distributions of SCF along with elevation is an obvious difference between the range of 3,000 m below and 3,000 m above. The fluctuation of annual average snow cover is strong which shows that the spring snow cover was on the trend of increasing because of decreasing temperatures for the period of 2000-2012. However, temperature in April increased significantly which lead to more snowmelt and a decrease of snow cover. Thus, more attention is needed for flooding in this region due to strong melting of snow.