1979—2018年雅礱江中上游積雪時空變化及影響因素分析

吳 南，張 珂,2,3,4，管曉祥，馮 進,2，黃應厚,2，張企諾,2，李運平,2

(1.河海大學水文水資源學院，江蘇 南京 210098；2.河海大學水文水資源與水利工程科學國家重點實驗室，江蘇 南京 210098；3.河海大學長江保護與綠色發展研究院，江蘇 南京 210098；4.中國氣象局-河海大學水文氣象研究聯合實驗室，江蘇 南京 210098)

積雪是氣候系統五大圈層中冰凍圈的重要組成要素，作為地球表面最活躍的生態要素之一[1-2]，其深度、雪蓋面積、空間分布以及開始和結束時間等積雪特征對氣候變化、水文過程以及生態影響等極為敏感，尤其對氣候變化最為顯著[3-5]。站點和衛星遙感資料均表明，中國積雪主要分布在青藏高原、新疆北部、內蒙古和東北地區[6]。青藏高原積雪分布以高海拔地區為主[7]，在全球氣候變暖的背景下，受到的直接影響最為顯著，積雪面積和深度易受到降水和溫度的疊加影響[8]。青藏高原積雪深度的變化會影響其下墊面的屬性特征，進而影響高原與大氣間熱力的相互作用[9-10]，最終對流域下游的氣候變化產生重要的影響[11]。因此，研究積雪的時空變化具有重要的意義。

20世紀90年代之前，青藏高原積雪普遍呈增長的趨勢[12]，且在80年代增長趨勢最為明顯[8]，90年代末，積雪開始顯著減少[13-14]，其中東部地區積雪變化趨勢最為顯著[15]。除多等[16]研究發現，1981—2010年青藏高原年積雪天數以平均每10 a減少4.81 d的變化率顯著減少；白淑英等[17]分析了1979—2010年高原積雪深度的年際變化，發現積雪深度平均每10 a增長0.26 cm；相關研究還發現高原積雪天數和積雪深度的變化趨勢并不同步[18]。青藏高原的年內積雪變化主要體現在積雪期長，積雪時間主要集中在10月至次年5月[12]；積雪出現快，消退慢[19]。柯長青等[19]研究表明，青藏高原積雪及其變化的空間分布很不均勻，四周與腹地的積雪存在明顯差異；青藏高原的積雪敏感區在不同季節也存在空間差異性。郝振純等[20-22]對高原積雪的分布情況及年際變化特征進行研究，發現采用不同的研究方法、資料長度、季節劃分等，得到的結論各有差異。鄭淑文等[23-24]研究表明，積雪的時空變化由多種因素共同作用引起，氣候因子和地形因子是最重要的影響因素。姜琪等[25]利用1961—2014年高原110個氣象站站點資料分析積雪特征及其影響因素，發現積雪深度隨海拔呈增加趨勢，且在不同季節，降水、氣溫與積雪深度表現出不同的相關性。沈鎏澄等[26]發現在青藏高原中東部地區，不同季節積雪深度的影響因素不同，冬季降水起主導作用，其他季節氣溫起主導作用。此外，蔣元春等[27]研究表明，積雪變化受到不同土地類型的影響。目前的研究大多分別基于氣候因子或地形因子進行分析，極少有研究將二者進行對比分析，高原積雪深度長時間序列的時空動態變化，積雪與主要氣候因子(降水、氣溫)和地形因子(高程、坡度、坡向)的相互關系仍需要進一步研究。

雅礱江中上游研究區位于青藏高原東部(圖1)，全年積雪覆蓋變化顯著，河道徑流主要由降水、地下水和融雪補給，流域內多年平均流量大，積雪的時空分布對其徑流量變化有直接的影響。由于雅礱江中上游地區水文和氣象站點布設較少，針對該流域積雪分布的研究較少，本文依據研究區1979—2018年遙感反演的長系列逐日積雪深度數據及同期降水、氣溫柵格數據，分析積雪特征及氣候、地形因子的時空分布和年際變化，并進行相關性分析，評價積雪深度對各影響因子的敏感性。旨在全面揭示研究區積雪深度的時空變化特征，初步探究雅礱江中上游積雪深度與氣候因子、地形因子之間的關系。

圖1 研究區地理位置

1 研究區概況與數據來源

1.1 研究區概況

雅礱江是長江上游金沙江流域最大的一級支流，全長約1 571 km，水能資源極為豐富。雅礱江以新龍縣樂安鄉以上為上游，樂安鄉至無量河口為中游，無量河口以下為下游。雅江水文站位于東經101°01′，北緯30°02′，站點以上干流長634 km，控制面積約6.7萬km2，占整個雅礱江流域面積的52%。雅礱江中上游研究區海拔在2 650～5 851 m 之間，地勢西北高、東南低，地貌以山地為主，北部有大面積雪山分布。受地理環境等因素約束，研究區內氣象站及水文站站點分布較為稀疏。

1.2 數據來源與處理

采用由地理空間數據云(http://www.gscloud.cn/)提供的DEM數字高程數據，空間分辨率為 1 km，通過ArcGIS軟件得到流域坡度、坡向的空間分布。降水、氣溫以及積雪數據資料均來自國家青藏高原科學數據中心(http://data.tpdc.ac.cn/zh-hans/)，其中，降水、氣溫數據來源于中國區域地面氣象要素驅動數據集(1979—2018年)，時間分辨率為3 h，空間分辨率為0.1°，該數據集原始資料來自中國氣象局的觀測數據、再分析資料以及衛星遙感數據，剔除非物理意義值后，再利用ANU-Spline插值所得；積雪數據來源于中國積雪深度長時間序列數據集(1978—2020年)，時間分辨率為1 d，空間分辨率為25 km，該數據集由原始數據(經美國國家雪冰數據中心SMMR(1979—1987年)、SSM/I(1987—2007年)和SSMI/S(2008—2018年)處理得到的逐日被動微波亮溫數據(EASE-Grid))反演所得。研究中采用雙線性插值法將降水、氣溫和積雪資料處理成空間分辨率為1 km的數據集。

根據積雪季節變化的特點，將當年9月1日至次年8月31日定義為一個積雪年[28]，依據GB/T 35229—2017《地面氣象觀測規范》對積雪日的劃分標準，當日積雪深度h<0.5 cm時，記為0 cm；當 0.5 cm≤h<1 cm時，記為1 cm；當積雪深度符合觀測要求，且h≥1 cm時，記為一個積雪日。一個積雪年內第一次出現h≥1 cm的日期為積雪初日；最后一次出現h≥1 cm的日期為積雪終日；積雪天數定義為積雪期(積雪初日至積雪終日)內有積雪深度記錄值的所有累計天數；年均雪深為積雪年內所有積雪深度之和與該年內積雪天數的比值。儒略日表示以1年為1個周期，當年的第一天(即1月1日)計時為1，在周期內從第1個儒略日開始以連續天數計算時間，當年的最后一天(即12月31日)計時為365或366。

2 研究方法

2.1 趨勢分析法

采用線性回歸方法分析研究區積雪特征(積雪初日、積雪終日、積雪天數、積雪深度)以及氣候因子(降水、氣溫)的變化趨勢，以氣候傾向率S表征各要素隨時間的變化幅度。

此外，采用Mann-Kendall趨勢檢驗法計算變化趨勢的顯著性，該方法由世界氣象組織推薦，具有檢測范圍廣、受人為因素影響小的優點[25]，目前被廣泛應用于水文、氣象系列的趨勢檢驗。該方法不需要樣本服從某種分布，也不受異常值的干擾，能夠有效區分某一過程是處于自然波動狀態還是特定波動狀態。其統計量Z為正值表示序列呈增加趨勢，負值表示呈減少趨勢，Z值的絕對值大于1.96時，說明在0.05置信區間變化趨勢顯著。

2.2 相關分析法

采用相關分析法研究積雪深度和影響因子的相關程度，根據相關現象所表現的不同特征，對具有依存關系的變量研究其相關程度，用數學方法對其數值抽象化。

多元線性回歸常用于通過多個自變量的最優組合來解釋并預測因變量，每個自變量對應的回歸系數表示該自變量對因變量變化的貢獻程度。本文以氣候因子(降水、氣溫)與地形因子(高程、坡度、坡向)為自變量，積雪深度為因變量，建立積雪特征和影響因子的多元線性回歸關系，量化各因子對積雪深度變化的貢獻率。

根據下式對每個自變量進行歸一化處理，將其結果值映射到[0,1]區間內：

(1)

式中：x′為轉換值；x為原始值；xmax為樣本數據的最大值；xmin為樣本數據的最小值。

積雪深度和各因子對其貢獻率的計算公式為

(2)

(3)

式中：y為積雪深度；x′i(i=1,2,…,5)分別為經歸一化處理的降水、氣溫、高程、坡度、坡向值;ki(i=1,2,…,5)分別為各因子的回歸系數；b為回歸殘差；ηi為因子i對積雪深度的貢獻率。

3 結果與分析

3.1 積雪深度及其影響因子的空間分布

研究區內高程、坡度和坡向以及1979—2018年積雪期內降水量、氣溫和積雪深度的多年平均值空間分布如圖2所示。圖2(a)(b)(c)表明，整體上流域西北地區海拔高、坡度緩，東南地區海拔低、坡度陡，坡向分布不均勻。圖2(d)(e)(f)表明，流域中部地區降水最為豐富，西北和東南地區降水較少；受地形因子的影響，氣溫分布呈現西北低、東南高的趨勢；由于地形因子與氣候因子的共同影響，積雪深度呈現西北大、東南小以及兩邊大、中間小的分布趨勢。總體而言，雅礱江中上游地區是積雪深度較大的區域，這主要是由于海拔越高、氣溫越低，積雪越不易融化，而坡度越陡越不利于雪層的累積。

(a)高程

以氣候因子(降水、氣溫)和地形因子(高程、坡度、坡向)為自變量，以多年平均雪深為因變量進行多元線性回歸分析，計算1979—2018年積雪期內各影響因子對多年平均雪深的貢獻率。結果表明，降水、氣溫和高程對積雪深度的貢獻率較高，坡度與坡向的貢獻率較低。降水、氣溫、高程、坡度和坡向對年均雪深空間分布的貢獻率分別為0.218、0.453、0.206、0.080和0.043，可以看出，5個影響因子的貢獻率由高到低分別為氣溫、降水、高程、坡度和坡向。對氣候因子與地形因子的貢獻率累積求和，可得到氣候因子與地形因子對積雪深度的貢獻率分別為0.671和0.329，氣候因子的貢獻率明顯高于地形因子。

3.2 積雪特征與氣候因子的時間變化

依據積雪特征定義及雅礱江中上游積雪遙感反演得到的逐日積雪深度數據，對研究區1979—2018年積雪特征隨時間變化的趨勢進行分析，結果如圖3所示。從圖3可以看出，雅礱江中上游積雪開始時間主要集中在10月和11月，積雪初日呈下降趨勢，即每年的積雪開始時間逐漸提前；積雪結束時間主要集中在次年的4月和5月，積雪終日呈上升趨勢，即積雪結束時間逐漸延遲。不同積雪年間積雪期內的積雪天數總體呈增長趨勢，積雪天數平均每10 a增加7.52 d，多年平均積雪天數為189 d；不同積雪年間積雪期內的年均雪深變化幅度較大，總體呈減少趨勢，年均雪深平均每10 a減少0.33 cm，多年平均雪深為3.98 cm。

已有研究表明，在全球氣候變暖大背景下，青藏高原積雪天數顯著減少[16]，但該研究區1979—2018年積雪天數總體呈增加的趨勢。從圖3可以看出，積雪初日、積雪終日、積雪天數均在1987年前后發生了趨勢變化，即表現為變化前積雪天數呈增加趨勢，變化后呈略微減少趨勢，這可能導致整個研究期表現為不明顯的增長趨勢。年均雪深在1987年后也表現出減小趨勢，這與全球氣候變暖相吻合。

(a)積雪初日

對雅礱江中上游1979—2018年積雪期內年降水量和年均氣溫數據進行趨勢分析，如圖4所示。從圖4可以看出，1979—2018年降水整體呈增長趨勢,年降水量平均每10 a增加11.47 mm，Z值為4.23，變化趨勢顯著；流域內氣溫變化趨勢與降水相似，積雪期內氣候變暖現象十分明顯，年均氣溫平均每10 a升高0.56 ℃，Z值為5.47，呈顯著上升趨勢。

(a)年降水量

3.3 積雪深度與氣候因子的空間演變

基于雅礱江中上游積雪期內年降水量、年均氣溫和年均雪深格點數據，計算其1979—2018年氣候因子傾向率S值和趨勢檢驗Z值的空間分布，如圖5和圖6所示。結果表明，研究區積雪期內年降水量呈增加趨勢，且絕大多數地區Z值高于1.96，變化趨勢顯著。流域內大部分區域年均氣溫也呈上升趨勢，其中，西北部和東南部升溫顯著，中部地區升溫不明顯。多年來流域內年均雪深多為下降趨勢，但變化趨勢不顯著，極少部分區域年均雪深呈上升趨勢。

(a)年降水量

(a)年降水量

氣溫較低時，降水的增加有助于積雪的累積，沈鎏澄等[26]在研究青藏高原中東部地區積雪變化原因時，發現冬季(氣溫較低)積雪變化由降水主導，其他季節由氣溫主導。該研究區的降水在時間和空間尺度上均表現為顯著增長的趨勢，而積雪深度卻表現出略微減少的趨勢，這可能是由于研究區積雪天數較長，包含了冬、春兩季。積雪期后期(即春季)，氣溫是積雪變化的主導因子，在全球氣溫升高的背景下，降水多以降雨的形式出現，這將導致積雪的消融，因此積雪變化是一系列因素共同作用的結果。

3.4 積雪深度及其影響因子相關性分析

在柵格尺度上計算1979—2018年積雪期內年均雪深與年降水量、年均氣溫的相關系數(r)，分析比較年均雪深與2個氣候因子的相關性以及空間分布規律，結果如圖7所示。從圖7可以看出，積雪深度與降水量的相關系數多為正值，極少部分區域為負值，整個研究區域積雪深度與氣溫的相關系數均為負值，即積雪期內降水增加、氣溫降低有利于積雪的形成。從相關系數在研究區的空間分布可以看出，研究區中下游區域積雪深度與降水量和氣溫的相關系數絕對值較高，說明在該區域積雪深度與這2個氣候因子的相關性相對較強。

(a)年均雪深與年降水量

計算1979—2018年流域面平均雪深與氣候因子(降水、氣溫)和地形因子(高程、坡度、坡向)的相關系數，結果表明，降水、高程與積雪深度呈正相關，相關系數較高，分別為0.30和0.40；氣溫、坡度、坡向與積雪深度呈負相關，相關系數分別為-0.56、-0.36和-0.04。積雪深度與氣溫相關性最強，與坡向相關性最弱，這表明在氣候因子中，降水越多、氣溫越低，越有利于積雪的形成；在地形因子中，海拔越高、坡度越小，越容易積雪，坡向與積雪深度的相關性較小。該研究區各影響因子與積雪深度的相關程度由強到弱依次為：氣溫、高程、坡度、降水和坡向。

4 結 論

a.1979—2018年雅礱江中上游區域降水、氣溫、高程、坡度和坡向對年均雪深空間分布的貢獻率分別為0.218、0.453、0.206、0.080和0.043，貢獻率由高到低分別為氣溫、降水、高程、坡度和坡向，氣候因子的貢獻率明顯高于地形因子。

b.雅礱江中上游積雪期主要集中在10月至次年5月，不同積雪年間積雪期內積雪天數增長率為0.752 d/a，年均雪深變化幅度較大，總體呈不明顯的減少趨勢，極少部分區域年均雪深呈增加趨勢。

c.研究區絕大多數地區年降水量和年均氣溫呈顯著上升趨勢，其中西北部和東南部積雪期內升溫現象明顯。積雪深度與降水量的相關系數多為正值，與氣溫的相關系數均為負值，且在研究區中下游區域，積雪深度與這2個氣候因子的相關性相對較強；積雪深度與各影響因子的相關程度由強到弱依次為氣溫、高程、坡度、降水和坡向。