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。     

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。     

亚洲中部干旱区积雪时空变异遥感分析

亚洲中部干旱区的大尺度遥感积雪信息研究,可在跨界河流水资源分配利用方面提供数据支持,对国家重大战略的生态安全保障有重要作用。采用数据融合方法,将MOD10A2和MYD10A2数据进行融合去云处理,结合气象站点积雪数据评估去云后的积雪识别精度;提取积雪覆盖率(SCP)与积雪日数(SCD)信息,分析SCP与SCD年际、年内变化差异;结合数字高程模型,分析不同高程带下SCP的时空变化规律。结果表明:(1)MOD10A2与MYD10A2融合去云处理,可有效去除云的干扰,准确提取亚洲中部干旱区积雪变化信息。(2)年内SCP最大值范围为55.7%~77.4%,最小值范围为1.6%~2.9%,融雪期SCP下降速率具有明显地域差异,总体SCP呈缓慢增加趋势。(3)总体SCD呈略微下降趋势,32.2%的区域呈下降趋势,30.9%的区域呈增加趋势,36.9%的区域保持稳定不变。(4)海拔1 000 m以下,SCP年内随季节变化呈U型,年际变化显著;1 000~4 000 m区域,SCP年内均随季节的变化呈现出V型,年际变化呈现出稳定性波动;6 000 m以上为永久性积雪,季节、时空变化差异性均不明显。     

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.     

NOAA卫星遥感与常规观测中国积雪的对比研究

利用30a来NOAA卫星遥感和常规观测的中国积雪资料,对比研究了二者在不同季节和不同年代的逐月积雪日数.研究表明:全年、秋季、冬季和春季全国64%以上地区卫星遥感与常规观测的月积雪日数显著相关,其中东北(包括内蒙东部)和北疆地区显著相关;华北和内蒙中部冬季相关最为显著;青藏高原相关程度明显偏低.值得注意的是,高原上无测站分布地区对于NOAA卫星遥感的高原空间平均年积雪日数影响不显著.NOAA卫星遥感与常规观测的青藏高原空间平均全年积雪日数未达到显著相关,二者年际变化存在一定差异.     

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）。     

基于被动微波遥感反演雪深的时间序列分析我国积雪时空变化特征

利用1978-2005年逐日中国积雪深度数据集,分析了我国积雪空间分布特征和季节时空分布特征,并运用趋势线分析方法和均方根差模拟了积雪深度和积雪日数的变化趋势及异常空间变化特征.结果表明:青藏高原东南、青藏高原西部和南部、新疆北部和东北山区为我国积雪空间分布四大高值区.近28 a来,积雪深度和积雪日数呈增加趋势,20世纪80年代青藏高原明显增加和明显减少趋势并存,90年代整体明显增加,2000-2005年整体基本不变.青藏高原中东部、新疆北部以及东北山区为积雪深度异常变化敏感区,而青藏高原西部则为积雪日数异常变化敏感区.     

青海高原1961-2013年积雪日数变化特征分析

应用1961-2013年逐日积雪深度及气象要素资料,采用REOF、多元线性回归等方法,分析了青海高原积雪日数时空分布特征,探讨了各季节积雪日数与气温和降水的关系.结果表明：（1）青海高原积雪日数呈先增加再减少的变化趋势,1961年至20世纪90年代末呈增加趋势,其中1982年达到峰值为44天,2000-2012年呈减少趋势.（2）青海高原积雪时空分布不均,地域差异大,分为六个积雪气候区,主要特点为高原南部积雪日数最多且呈显著增加趋势;东部农业区、西部柴达木盆地积雪少且呈下降趋势.（3）冬、春季积雪日数有上升趋势,冬季较显著;秋季积雪日数有下降趋势.（4）各季节平均气温均呈上升趋势,是影响秋、春季积雪的关键因子;冬、春季降水量呈上升趋势,是影响冬季积雪的关键因子.青海高原冬、春季有暖湿化趋势.     

40余年来中国地区季节性积雪的空间分布及年际变化特征

利用全国700余个气象站的地面积雪观测资料,分析了中国地区季节性积雪年际的时空变化特征.结果表明:新疆北部,东北-内蒙古地区和青藏高原西南和南部地区为我国季节性积雪的3个高值区,也是积雪年际变化变化大的地区,也即为中国积雪年际异常变化的敏感区.综合积雪深度和积雪日数的变化趋势,可大致分为3种变化类型:1)增加和减小同步,主要在新疆天山以北、青藏高原东部地区、内蒙古高原中东部到大兴安岭以西的地区,减少区人体在内蒙古西部、黄土高原和长江中下游地区;2)积雪深度增加但积雪日数减少,主要在东北平原东部的部分地区,长江上游的部分地区;3)积雪深度减小而积雪口数增加,主要位于青藏高原中部的部分地区.中国地区积雪总体上呈现出平缓的增长趋势,积雪深度和积雪日数的年代际变化趋势在20世纪60年代呈现为稍有增加;70年代有所下降;80年代又增加;90年代又有略有增加的趋势.     

亚洲高山区积雪物候时空动态及其对气候变化的响应

以亚洲高山区为研究区,在对2000—2020年逐日MODIS积雪产品进行去云处理的基础上提取了每一水文年的积雪日数（snow-covered days, SCD）、积雪开始日期（snow onset date, SOD）、积雪结束日期（snow end date, SED）和积雪持续日数（snow duration days, SDD）等积雪物候参数,并分析了积雪物候时空动态特征及其与气候变化的响应关系。结果表明：亚洲高山区积雪物候空间差异较大,并呈现出主要受海拔影响的垂直地带性分布规律。研究区SED主要集中在3—6月,在低海拔区SED出现在3月份及以前,而高海拔山区则推迟到6月份及以后;SOD主要集中在9—12月,高海拔山脉及高纬度地区的SOD出现较早,而低海拔区的SOD多出现在11月及以后。近20年,研究区SDD主要呈缩短趋势,在13.5%的区域呈显著缩短,而仅7.4%的区域为显著延长;SED主要呈提前趋势,在15.8%的区域显著提前,而仅8.8%的区域为显著推迟;SOD主要呈推迟趋势,在11.4%的区域表现为显著推迟,在8.2%的区域为显著提前。亚洲高山区积雪物候年际变化对气候变化的响应关系明显,积雪累积期气温是影响SOD年际变化的主导因子,而融雪期气温是影响SED年际变化的主导因子;气温的上升,导致了SOD的推迟、SED的提前和SDD的缩短。     

1979-2020年天山地区积雪量估算及其特征分析北大核心CSCD

积雪作为干旱区的重要水源,深刻影响区域水资源及经济发展。决定积雪量的积雪深度、积雪面积和积雪密度在时空分布上存在不确定性,尤其是积雪密度难以获取。本文利用FY-3B/MWRI(Fengyun3B Microwave Radiation Imager)数据反演积雪密度,结合1979-2020年长时间序列遥感雪深数据集,对天山地区40多年来积雪期(11月-次年3月)及其不同时期(积累期、稳定期、消融期)的积雪量进行估算,并分析其时空分布及与地形、气象等因子之间的关系。结果表明:1979-2020年,天山地区积雪期不同时期积雪量存在差异,稳定期积雪量最大,消融期次之,积累期最小。研究时段内,积雪期积雪量最大值出现在1979年,最小值出现在1998年,积雪期积雪量呈微弱的下降趋势,消融期积雪量下降趋势显著。多年平均积雪量空间格局与积雪深度和积雪密度基本一致,主要呈现为西北多东南少的特点。天山地区积雪量空间分布主要受海拔、坡度影响,积雪量与海拔正相关,海拔越高,积雪量越丰富;在15°以下时,坡度对积雪的影响较大,且坡度越大,积雪量越大。不同时期积雪量的多年变化与气温关系密切,在一定温度范围内,气温越低,积雪量越大;稳定期积雪量变化同时受积累期降水影响,积累期降水越多,稳定期积雪量越大。本文基于遥感积雪深度和密度的天山积雪量研究结果,可供气候变化条件下新疆水资源利用和经济发展参考。     

2001-2015年天山山区积雪时空变化及其与温度和降水的关系

采用2001-2015年MODIS积雪和陆表温度数据、中国高时空分辨率降水数据,基于趋势分析和相关分析方法,分析了天山山区积雪时空变化及其与温度和降水的关系。结果表明：（1）年内积雪面积变化受海拔影响,海拔≤4 000 m,呈单峰型分布,积雪面积冬季大,夏季小;海拔介于4 000~≤5 000 m,积雪面积分别在春季和秋季出现两次峰值;海拔>5 000 m,积雪面积变化与低海拔相反,在夏季达到最大,冬季最小。就年际变化而言,全区积雪面积呈略微减少趋势,其中秋季略微增加,春季变化不大,冬季和夏季明显减少。（2）积雪覆盖频率受水汽来向和地形影响,呈西高东低、北高南低分布格局,与海拔呈正相关。山区大部分区域积雪覆盖频率呈减少趋势,其中海拔介于3 600~≤4 600 m的积雪覆盖频率减少最为显著。（3）在春、夏季,温度是决定积雪面积变化的主要因素,与积雪面积呈负相关;在秋、冬季,降水对积雪面积变化的贡献大于温度,与积雪面积呈正相关。（4）积雪覆盖频率整体上与年均温度呈负相关,与降水呈低度正相关,相关程度及显著性水平在空间分布上存在差异,温度对积雪覆盖频率变化的贡献大于降水。     

新疆区域近50a积雪变化特征分析

利用新疆91个气象台站1960-2011年的观测资料, 对南北疆及天山山区冬春年(10月-翌年5月)的积雪日数、最大积雪深度、积雪初始、终止日期等因子进行了统计分析, 并通过Kringing插值计算了新疆区域平均最大积雪深度的空间分布.结果表明: 新疆冬春季积雪主要分布在天山以北, 厚度可达30 cm以上, 天山以南积雪比较浅薄, 大部分在10 cm以下;50 a来, 南北疆及天山山区的积雪深度均呈小幅增长(天山山区增幅最大), 积雪日数呈略微降低趋势, 积雪初始、终止日期无明显变化. 天山山区的积雪变化与北疆有较高的相关性, 它们积雪深度和积雪日数的相关系数分别达0.708和0.614, 南疆积雪变化与它们几乎没有相关性;积雪深度与冬春年降水量的变化均有很好的一致性, 尤其在北疆,二者相关系数高达0.702, 但与平均温度呈低的负相关;积雪日数与冬春年降水量变化没有明显相关关系, 但均与气温呈较好的负相关, 在北疆二者的相关系数达-0.742.     

1961—2017年新疆积雪期时空变化特征及其与气象因子的关系

利用新疆89个地面站逐日积雪深度观测资料,研究探讨了1961—2017年新疆区域积雪期、积雪初日、积雪终日的时空变化规律,分析了北疆和天山山区积雪期的年代际和周期变化特征及其与气温、降水的关系.结果表明:新疆各地积雪期、积雪初日和终日存在明显的差异,积雪期以天山为界北多南少;从空间分布看,天山山区和新疆北部阿勒泰、塔城...     

从第三极到北极： 积雪变化研究进展

在全球气候变化背景下, 第三极和北极地区积雪是地表最活跃的自然要素之一, 其动态变化对气候环境和人类生活产生重要影响。通过回顾第三极和北极积雪研究进展, 阐述了降雪、 积雪范围、 积雪日数、 积雪深度和雪水当量在第三极和北极地区的时空分布特征和变化趋势。结果表明： 近50年, 特别是进入21世纪以来, 第三极和北极地区降雪比率均呈下降趋势; 积雪范围、 积雪日数、 积雪深度、 雪水当量总体均呈减小趋势, 融雪首日有所提前。同时就积雪变化对生态系统与气候系统的影响进行了论述, 评估了积雪的反馈作用。通过总结第三极和北极积雪变化研究进展, 凝练研究中存在的不足和未来发展趋势, 为提升积雪对气候变化及经济社会发展影响的认识提供重要科学支撑。     

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。     

2007-2011年西藏纳木错流域积雪时空变化及其影响因素分析

通过2007-2011年纳木错站人工积雪观测资料,对西藏纳木错流域MODIS两种积雪产品(MOD10A1和MOD10A2)进行了精度验证,分析了纳木错流域积雪累积和消融的空间差异,以及流域积雪覆盖率的时空变化;利用纳木错站人工积雪观测资料及自动气象站资料,分析了纳木错流域积雪要素(积雪深度、雪水当量、积雪密度)的时间变化及其与气候参数(气温、降水量、风速等)的关系.结果表明：纳木错流域MOD10A2数据的积雪识别精度(67.1%)高于MOD10A1(42.2%),总识别精度(73.0%)略低于MOD10A1数据(78.4%).纳木错流域积雪累积和消融存在空间差异,积雪在流域南部的念青唐古拉山脉最先累积,之后为流域东部,最后为流域西部;积雪消融的空间变化则相反.由此导致流域积雪日数南部最大、东部次之、西部及西北部最小.纳木错流域各积雪要素的年内变化存在双峰值特征,峰值分别出现在10-11月和1月,积雪在10-11月受降水和气温共同作用,12月至次年3月主要受气温影响.纳木错流域的平均积雪覆盖率为21.9%,受湖泊效应影响区域(主要为东部地区)达到50.6%,而其他区域仅为18.3%.同时,受湖泊效应影响,纳木错平均积雪深度、积雪水当量均显著大于周边地区.     

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）。     

Spatial-Temporal Variation Characteristics of Snow Cover Days in Northeast China in the Past 40 Years and Their Relationship with Climatic Factors

The snow cover days were extracted out of the snow data on depth distribution from 1979 to 2016 in China, combined with temperature, precipitation, humidity, sunlight and wind speed and other meteorological data, by taking advantage of traditional statistical methods and GIS spatial analysis methods, to study the temporal and spatial variation characteristics of snow cover days in northeast China region in the past 40 years, and to analyze their relationship with climatic factors. It turned out that the average annual snow cover days were 93 d in northeast China region, having an increasing trend, the rate was 0.6 d/10a, and the maximum average annual snow cover days appeared in 2013. Snow cover days in spring dominate the changes of the average snow days all year around. The snow cover days in northeast China region were affected by latitude, geography and land-sea thermal difference, which gradually decreased from north to south, and the maximum value appeared in the Da Hinggan area. Precipitation, humidity and snow cover days are positive correlation, and temperature, wind speed and sunlight are negative correlation. The correlation between climatic elements and snow cover days is as follows: temperature>humidity>wind speed>sunlight>precipitation. The influence of climatic elements on the seasonally frozen ground region is more significant than that in the permafrost region. The results show that temperature is the main factor that affects the average annual snow cover days in northeast China region.