积雪变化对中国森林凋落物分解影响研究进展

森林凋落物的分解对于维持生态系统物质循环和养分平衡具有重要意义,并受到不同积雪厚度下冻融格局的影响。冻融期（包括冻结过程期、完全冻结期、融化过程期）是冻土区凋落物分解的重要时期,该时期分解的凋落物量约占全年分解总量的一半。积雪减少通常会导致土壤温度降低、冻融循环次数增加,进而影响凋落物分解。通过综述近10年来积雪变化对我国森林凋落物分解影响的研究成果发现,积雪厚度减少在冻融期通常会抑制凋落物质量损失、碳元素释放和纤维素降解,生长季则起到促进作用,从全年来看多数表现为抑制作用。因此,冻融作用造成凋落物的物理破坏,对其分解的促进作用主要发生在后续生长季。积雪厚度减少在冻融期通常抑制氮元素释放,生长季和全年则无明显规律;磷元素和木质素目前研究还存在很大差异。最后,进一步阐述了积雪变化对凋落物分解影响研究存在的问题及未来研究发展方向。     

新疆伊犁地区季节冻土沿海拔的分布规律及其影响因素

基于2000 - 2014年新疆伊犁地区不同海拔区域观测的冻融期内的冻土、 积雪和气象数据, 应用相关性分析和回归分析方法, 分析该地区季节冻土沿海拔的分布规律, 以及气温、 积雪对季节冻土特征的影响。结果表明： 伊犁地区表层土壤存在着每年11月份开始结冻, 于次年4月份完全融化的周期性变化。每个周期内土壤冻结时长随海拔以4 d·（100m）^-1的趋势增加, 土壤最大冻结深度随海拔以3.9 cm·（100m）^-1的趋势增加。土壤冻结时长与冻结期的平均气温具有显著负相关关系, 相关系数为-0.98（P<0.05）。土壤冻结日数与积雪覆盖历时呈正相关关系, 土壤的最大冻结深度与最大雪深呈负相关关系。随着海拔升高, 温度递减, 导致伊犁地区土壤最大冻结深度和土壤冻结日数整体呈现增加趋势。但在海拔相对较高的地区, 由于相对较厚积雪的影响, 出现土壤最大冻结深度随海拔升高而减小的反常现象。研究结果可为新疆伊犁地区季节冻土的分布对气候变化的响应研究提供支持, 帮助研究区域生态规划和水资源管理, 为农业发展制定适应气候变化对策。     

基于MODIS积雪产品的高亚洲融雪末期雪线高度遥感监测

以2001—2016年逐日MODIS积雪产品为主要数据源,在高亚洲区域发展了大尺度融雪末期雪线高度的遥感提取方法,并对其2001—2016年的时空变化特征进行了分析。提取方法首先对逐日的MODIS积雪覆盖率产品进行去云处理,获得积雪覆盖日数（SCD）数据集;并用冰川年物质平衡观测数据、融雪末期Landsat数据对提取终年积雪的MODIS SCD阈值进行率定;最后以MODIS SCD提取的终年积雪面积结合地形“面积—高程”曲线实现大尺度融雪末期雪线高度信息的提取。结果表明：① 高亚洲融雪末期雪线高度的空间异质性较强,总体上呈南高北低的纬度地带性分布规律;并因受山体效应的影响,雪线高度由高海拔地区向四周呈环形逐渐降低的特点。② 高亚洲2001—2016年融雪末期雪线高度总体上表现为明显的增加趋势。在744个30 km的监测格网中,24.2%的格网雪线高度呈显著增加,而仅0.9%的格网呈显著下降。除兴都库什、西喜马拉雅外,其他地区雪线高度均表现为升高趋势,显著上升的地区主要分布在天山、喜马拉雅中东部和念青唐古拉山等,其中以东喜马拉雅升高最为显著（8.52 m yr ^-1）。③ 夏季气温是影响高亚洲融雪末期雪线高度变化的主要因素,两者具有显著的正相关关系（R = 0.64,P < 0.01）。     

基于AMSR-E的北疆地区积雪深度反演

利用北疆地区2007/2008-2009/2010年度积雪季(12月至次年2月)的AMSR-E降轨19 GHz与37 GHz波段的水平极化亮温数据, 结合北疆地区45个气象台站的实测雪深数据, 建立了北疆地区基于AMSR-E亮度温度数据的雪深反演模型, 并对模型的精度进行评价. 结果显示: 雪深在3~10 cm时, 模型反演的雪深值负向平均误差为-5.1 cm, RMSE值为6.1 cm; 雪深在11~30 cm时, 模型反演雪深值的平均误差仅为2.6 cm, RMSE、 正向平均误差、 绝对平均误差均较小; 雪深大于30 cm时, 模型反演的各项误差较大. 用合成方法反演北疆地区2006/2007-2010/2011年度5个积雪季的平均雪深分布和最大雪深分布, 结果显示北疆地区积雪主要分布于北部阿尔泰山和南部天山一带, 其中阿勒泰地区所占比重最大, 中部的准噶尔盆地腹地、 克拉玛依地区雪层较浅.     

青藏高原不同土地覆盖类型下积雪面积判别算法优化北大核心CSCD

MODIS V006版本数据仅提供了归一化积雪指数(NDSI),而用户往往关心的是直观的积雪分类,包括积雪范围或积雪覆盖率。美国国家冰雪数据中心推荐全球积雪范围最佳的NDSI阈值为0.4,但是青藏高原地形复杂多样,积雪斑块化特征明显,单一阈值并不能精确地判识不同下垫面上的积雪。青藏高原被称为地球的第三极,是中国三大稳定积雪区之一,蕴藏了大量的淡水资源。随着全球气候变暖,青藏高原地区积雪融化时间提前,冰川融水增加,影响河流水量,造成洪涝灾害,进而影响人类正常生产生活,因此通过确定不同下垫面阈值,改善传统阈值的积雪高估低估现象,提高积雪识别精度,进而更准确地探究青藏高原积雪状况,显得尤为迫切。本文以青藏高原为研究对象,首先生成MODIS逐日无云NDSI序列并进行验证;其次对应站点雪深数据与NDSI序列,证实在下垫面为林地和非林地的区域,去云NDSI序列与站点雪深均有良好的对应关系,确定不同下垫面最优阈值范围;最后在最优阈值范围内通过混淆矩阵确定最优阈值。计算得出,林地NDSI=0.03时,总体精度最高为94.02%,在该NDSI之下,高估误差OE和低估误差UE分别为1.21%和4.60%;非林地NDSI=0.26时,总体精度OA最高为94.27%,在该NDSI之下,高估误差OE和低估误差UE分别为0.51%和5.03%。因此选取优化后林地阈值为NDSI=0.03,非林地阈值为NDSI=0.26。为避免地面常规观测资料尺度上的局限性,本文采用高精度的Landsat 8 OLI卫星数据识别结果,作为“真值”对优化后阈值的判别结果进行“像元—像元”级别的验证。在定量验证中,优化后NDSI阈值对MOD10A1 V006积雪判别结果的总体精度OA为84.21%,高估误差OE为5.33%,低估误差UE为10.46%;传统阈值对MOD10A1 V006积雪判别结果的总体精度OA为82.86%,高估误差OE为1.48%,低估误差UE为15.66%。可以看出在定量验证中,优化后阈值的积雪判别精度更高。同时在定性验证中,积雪大面积集中的区域,新的阈值与传统阈值提取效果均相对较好;积雪相对分散破碎的区域,优化后阈值能提取出大量积雪,传统阈值则不能。这表明考虑不同土地覆盖类型下的NDSI阈值优化可以有效地提高青藏高原积雪判别精度,为NDSI在积雪识别中的应用提供有力的支撑,有助于更准确地了解该地区积雪分布状况。     

中国西部积雪对我国汛期降水的影响

本文利用台站及卫星资料建立了中国西部积雪３０年逐月时间序列。该序列是目前资料时间最长、最好的序列，为研究该区积雪月际和年际变化及其影响提供了较可靠的依据。中国西部冬春积雪对我国汛期降水的影响平均为负相关趋势，与６月降水的相关分布较有规律，冬春多（少），其它地区６月降水偏多（少）。我国西部多（少）雪对６月从份５００ｈＰａ高度的变化是：高原北边高纬高度降低（升高）及副热地区升高（降低），有（不）利于高     

中国积雪资源时空演变特征及其旅游开发关键区识别

积雪资源深刻影响着滑雪旅游的发展与布局,刻画中国积雪资源时空特征,识别旅游开发关键区,对中国冰雪旅游高质量发展具有重要意义。本文通过Mann-Kendall突变检验、热点分析、重要-感知实绩分析（IPA）等方法刻画中国1979—2020年积雪资源时空演变特征,构建资源稳定性-旅游开发适宜性指标体系,识别中国滑雪旅游开发关键区。结果表明：(1)中国积雪资源过去40年变化可划为3个阶段,1980—1995年（Ⅰ）积雪资源下降,1995—2010年（Ⅱ）增加,2010—2020年（Ⅲ）下降。在空间上,变化面积呈现Ⅰ-Ⅱ（33.2%）>Ⅱ-Ⅲ（31.1%）>Ⅰ-Ⅲ（29.3%）的特征;(2)中国积雪资源在月尺度上,1—3月（Ⅰ）积雪资源基本维持稳定,3—10月（Ⅱ）显著下降,10—12月（Ⅲ）恢复。在空间上,变化面积呈Ⅰ-Ⅲ（30.3%）>Ⅱ-Ⅲ（28.3%）>Ⅰ-Ⅱ（26.8%）的变化规律;(3)中国境内滑雪旅游开发极关键区面积占比为4.90%、关键区为11.69%、一般区为31.57%、不关键区为25.73%、极不关键区为26.11%,总体来看中国境内85%的区域不...     

青藏高原积雪和季节冻融层的突变特征及其对中国降水的影响

利用青藏高原气象台站观测的积雪和冻土资料,建立了高原积雪和季节冻融层1965—2004年的变化序列,通过滑动T平均、M-K检验、动力学分割算法(BG算法)等方法检验出高原积雪没有发生明显的突变过程,而高原季节冻融层在1987年前后有一次明显的突变,冻结深度减少比较显著.当高原积雪偏少时,华南和西南降水偏多,而当高原冻结较厚时,全国的降水几乎都偏少.通过计算高原积雪和季节冻融层与全国夏季降水的单因子相关和复相关发现,积雪和季节性冻土对中国夏季降水都有一定的可预测性,但是如果共同考虑两个因子的影响,则能够提高夏季降水预测的准确率.考虑两个因子的共同影响,有3个明显的相关带,分别是北部沿大兴安岭经太行山北部到陕北最后到河西走廊,中部在长江中下游地区,南部则是沿武夷山经南岭到云贵高原中部.     

A Modeling Study of the Effects of Anomalous Snow Cover over the Tibetan Plateau upon the South Asian Summer Monsoon

The effect of anomalous snow cover over the Tibetan Plateau upon the South Asian summer monsoon is investigated by numerical simulations using the NCAR regional climate model (RegCM2) into which gravity wave drag has been introduced. The simulations adopt relatively realistic snow mass forcings based on Scanning Multi-channel Microwave Radiometer (SNINIR) pentad snow depth data. The physical mechanism and spatial structure of the sensitivity of the South Asian early summer monsoon to snow cover anomaly over the Tibetan Plateau are revealed. The main results are summarized as follows. The heavier than normal snow cover over the Plateau can obviously reduce the shortwave radiation absorbed by surface through the albedo effect, which is compensated by weaker upward sensible heat flux associated with colder surface temperature, whereas the effects of snow melting and evaporation are relatively smaller.The anomalies of surface heat fluxes can last until June and become unobvious in July. The decrease of the Plateau surface temperature caused by heavier snow cover reaches its maximum value from late April to early May. The atmospheric cooling in the mid-upper troposphere over the Plateau and its surrounding areas is most obvious in May and can keep a fairly strong intensity in June. In contrast, there is warming to the south of the Plateau in the mid-lower troposphere from April to June with a maximum value in May.The heavier snow cover over the Plateau can reduce the intensity of the South Asian summer monsoon and rainfall to some extent, but this influence is only obvious in early summer and almost disappears in later stages.     

天山西部季节性积雪密度及含水率的特性分析

利用Snow Fork雪特性分析仪采集积雪物理特性(积雪深度、积雪密度、体积含水率)数据,分析了天山积雪雪崩站稳定积雪期和非稳定积雪期雪物理特性的时间变化特征及其在垂直剖面上的廓线分布.结果表明: 1)稳定期积雪深度随时间缓慢减小,体积含水率垂直廓线随积雪深度变化呈单峰曲线,峰值距雪表面约33 cm,雪密度垂直廓线为中部大、积雪表层和底部较小;2) 非稳定积雪期积雪迅速沉陷,体积含水率相对于雪层温度的变化有滞后效应,滞后时间约为2 h,雪密度垂直廓线与稳定期相同.整个非稳定积雪期的日平均雪密度与日平均含水率、日平均温度均呈显著正相关.