青藏高原积雪日数的气温敏感度分析

根据青藏高原气象台站观测积雪日数和均一化气温数据,对高原1951—2004年积雪日数对气温的敏感度进行了量化分析。研究表明,无论是极值敏感度还是当前气候下的敏感度,空间上都呈现出高原四周积雪较中部对气温的敏感程度高的情况。各台站积雪日数对气温最敏感时的临界气温与海拔有着极好的反相关关系,而极值敏感度与海拔虽然也有一定的反相关,但相关程度远不如前者高。在当前气候状态下,有相当一部分台站的平均气温还未达到临界值,这些台站在秋、冬、春、夏季分别占总台站数的36%、39%、47%和11%。未来气候继续变暖背景下,这部分台站积雪日数对气温的敏感度会进一步加大,即积雪对气温的升高会更加敏感。     

Eurasian Snow Cover Variability and Its Association with Summer Rainfall in China

This study investigates the statistical linkage between summer rainfall in China and the preceding spring Eurasian snow water equivalent (SWE), using the datasets of summer rainfall observations from 513 stations, satellite-observed snow water equivalent, and atmospheric circulation variables in the NCEP/NCAR re-analysis during the period from 1979 to 2004. The first two coupled modes are identified by using the singular value decomposition (SVD) method. The leading SVD mode of the spring SWE variability shows a coherent negative anomaly in most of Eurasia with the opposite anomaly in some small areas of the Tibetan Plateau and East Asia. The mode displays strong interannual variability, superposed on an interdecadal variation that occurred in the late 1980s, with persistent negative phases in 1979--1987 and frequent positive phases afterwards. When the leading mode is in its positive phase, it corresponds to less SWE in spring throughout most of Eurasia. Meanwhile, excessive SWE in some small areas of the Tibetan Plateau and East Asia, summer rainfall in South and Southeast China tends to be increased, whereas it would be decreased in the up-reaches of the Yellow River. In recent two decades, the decreased spring SWE in Eurasia may be one of reasons for severe droughts in North and Northeast China and much more significant rainfall events in South and Southeast China. The second SVD mode of the spring SWE variability shows opposite spatial variations in western and eastern Eurasia, while most of the Tibetan Plateau and East Asia are in phase. This mode significantly correlates with the succeeding summer rainfall in North and Northeast China, that is, less spring SWE in western Eurasia and excessive SWE in eastern Eurasia and the Tibetan Plateau tend to be associated with decreased summer rainfall in North and Northeast China.     

博克图地区2007年夏季干旱浅析

博克图位于内蒙古自治区呼伦贝尔市林区南部,大兴安岭原始森林南麓,四面环山,森林覆盖率高,降水量以6-8月最多,也最为关键。2007年6-8月的降水量特少,气温偏高,这是造成博克图地区夏季干旱的直接原因,现从以下几个方面进一步分析。     

青藏高原冬春积雪异常影响中国夏季降水的数值模拟

利用中国科学院大气物理研究所大气科学和地球流体力学国家重点实验室高分辩大气环流谱模式SAMIL—R42L9对青藏高原积雪异常影响我国夏季降水的机理进行了模拟研究,结果表明：高原冬春积雪正（负）异常使得从冬到夏高原的地面感热偏低（高）、地面热源偏低（高）,造成春夏高原上升运动偏弱（强）,长江流域和日本以南西太平洋上升运动较强（弱）;另一方面,高原冬春多（少）雪年高原和我国东部地区气温偏低（高）、陆海温差的偏低（高）会延迟（促进）东亚夏季风的到来,一定程度上减弱（增强）了东亚季风的强度,因而西太平洋副高偏南（北）,造成夏季我国长江中下游多（少）雨。进一步的分析还表明,高原冬春多（少）雪年,由于融雪增湿效应,高原春夏潜热明显增大（减少）,使得空气中水汽增大（减小）,可能是高原气温偏低（高）的一个重要因素。     

中国西部主要台站积雪深度的空间插值研究

应用空间插值方法,对中国西部地区(27.17～48.05°N,79.05～103.57°E)110个气象台站的观测数据进行空间内插,研究积雪分布特征。结果表明,普通Kriging法和Cokriging法都能够反映出研究区积雪深度分布的空间结构特征,与实际情况比较吻合。但相比之下,Cokriging法的精度更高,局部特征的反映更佳。分析发现,影响插值结果精度的主要因素是研究区内气象台站稀少,且空间分布很不均匀。通过合理的采样设计,选择合适的插值方法,并考虑地形、气候等影响积雪分布的因素将有利于改善空间插值精度。     

AIEM模型在积雪散射模拟中的应用

 介绍一种基于一阶辐射传输的积雪散射模型。该模型考虑了积雪覆盖地表微波散射的3种回波分量： 雪层表面散射、下垫面散射以及雪层体散射。对于其中2个面散射分量，文章中应用一种新的面散射模型——AIEM取代原有的IEM模型进行处理。最后，使用Michigan大学的实测数据对改进后模型的模拟结果进行验证，并与改进前的模拟结果进行了对比。     

辽宁省积雪对自动气象站观测地气温差的影响

利用1971—2016年辽宁省61个气象站气温、地表温度、积雪日数和积雪深度资料,分析了积雪的保温作用及其对地气温差的影响。结果表明：更换自动站前后地表温度观测方式的差异导致地气温差显著增大,地气温差的增大程度受所在区域积雪日数、积雪深度的影响显著。在积雪期较长、积雪较厚的地区,积雪引起反照率增大,使得雪面温度降低,导致雪气温差减小,而雪的保温作用使得地气温差显著增大。因此,更换自动站前地（雪）气温差与积雪日数呈显著负相关,而更换自动站后地气温差与积雪日数呈显著正相关。各台站之间地气温差随积雪深度的变化系数差异较大,为0.045~0.858 ℃?cm^-1,在年平均积雪日数＜40 d、年平均极端积雪深度＜10 cm的区域,积雪的保温作用随积雪深度增大而显著增大;在年平均积雪日数＞40 d、年平均极端积雪深度＞10 cm的区域,10 cm以下的积雪对土壤保温作用随积雪深度增大显著,当积雪深度＞10 cm后,其保温作用随积雪深度增大的幅度明显减小。     

青藏高原积雪范围和雪深/雪水当量遥感反演研究进展及挑战

积雪是地表特征的重要参数,对辐射收支、气候和长期天气变化均有重要影响。雪本身又是一个重要的天气现象和水文气象参数,过量的降雪也会带来严重的雪灾,如牧区雪灾、雪崩和融雪洪水灾害等。因此对积雪的监测,尤其是对山区的积雪监测,具有多方面的意义。利用卫星遥感技术监测积雪已有50余年的历史,并已形成了系列业务产品。青藏高原平均海拔超过4 000 m,该地区的积雪具有重要的水文、气候和生态环境意义。由于地形复杂,人迹罕至,地面观测站点稀少,受较强太阳辐射的影响,积雪消融迅速、区域差异消融以及风吹雪等因素导致积雪分布破碎化严重,对使用遥感资料监测该地区的积雪造成的极大的困难和不确定性。随着国内外传感器技术的不断发展,光学和被动微波遥感数据的同步获取技术已经非常成熟,综合利用光学遥感数据高空间分辨率和被动微波数据不受云干扰的特点,结合机器学习、无人机等技术,将环境参数加入反演模型中,有助于提高青藏高原积雪参数反演精度。     

瑶池本是在人间,堪笑凡夫安学仙

九寨沟位于四川省阿坝藏族羌族自治州九寨沟县境内,南距成都市300多公里,是一条纵深50余千米的山沟谷地,总面积64297公顷,森林覆盖率超过80%。因沟内有树正寨、荷叶寨、则查洼寨等九个藏族村寨坐落在这片高山湖泊群中而得名,是世界自然遗产、国家重点风景名胜区、国家AAAAA级旅游景区、国家级自然保护区、国家地质公园、世界生物圈保护区网络之一,同时也是中国第一个以保护自然风景为主要目的的自然保护区。     

利用CCD相机进行南极站积雪覆盖监测的方法

针对南极考察站区小尺度高时相的积雪覆盖信息目前还没有成熟的监测手段这一问题,详尽地介绍了利用CCD相机进行积雪覆盖监测的方法,包括对相片分割阈值的选取、感兴趣区(ROI)的划定以及像素点的坐标转换等技术流程;计算和分析了2014年8月的南极长城站区积雪覆盖变化情况;并在此基础上,对未来站区附近积雪动态变化监测研究做了展望。