哈尔滨师范大学寒区地理环境监测与空间信息服务黑龙江省重点实验室,哈尔滨师范大学,黑龙江 哈尔滨 150025
中图分类号: P426.635
文献标识码: A
文章编号: 1001-8166(2018)09-0958-11
通讯作者:
收稿日期: 2018-06-8
修回日期: 2018-08-27
网络出版日期: 2018-10-20
版权声明: 2018 地球科学进展 编辑部
基金资助:
作者简介:
First author:Zhang Xiaowen(1994-), female, Harbin City, Heilongjiang Province, Master student. Research areas include snow and frozen soil changes. E-mail:Zhang1204861662@outlook.com
作者简介:张晓闻(1994-),女,黑龙江哈尔滨人,硕士研究生,主要从事积雪与冻土变化研究.E-mail:Zhang1204861662@outlook.com
展开
摘要
通过对1979—2016年中国积雪深度数据提取积雪日数,结合气温、降水量、湿度、风速和日照等气象资料,利用传统统计学方法和GIS空间分析方法研究东北地区近40 年来积雪日数的时空变化特征,并分析其与气候要素的关系。结果表明:近40 年来东北地区年均积雪日数均值为93天,呈增加趋势,速率为0.6 d/10a,最大年均积雪日数出现在2013年。春季平均积雪日数主导了全年平均积雪日数的变化情况。受纬度、地形和海陆热力差异的影响,东北地区积雪日数由北到南逐渐减少,最高值出现在北部大兴安岭地区。降水量与积雪日数呈正相关,气温与其呈负相关。年尺度上来看气候要素与积雪日数相关性大小为:气温>湿度>降水>风速>日照。气温是影响东北地区年均积雪日数的主要因素。
关键词：
Abstract
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.
Keywords：
积雪是冰冻圈中分布最广泛、变化最显著的一员,也是气候系统中的重要组成部分。它还是气候变化的指示器,也有对气候的反馈作用,它的活跃变化对全球及区域气候的变化都有重大影响。积雪的异常可能会引起下垫面能量和水分的异常[1],导致地表和大气间的水热交换产生异常,从而对大气环流的变化带来重要的影响;另一方面,大气环流也会通过冷暖空气移动及降水给积雪带来影响[2]。积雪的时空变化、积雪变化对气候的响应等方面研究对我国冰冻圈变化的研究具有举足轻重的意义。近年来,随着全球气候变暖、气候变化异常,各种冰冻圈灾害频发,威胁到人民生命财产的安全,更使得积雪变化的研究具有重要意义。
积雪日数、积雪深度、积雪覆盖是积雪研究最重要的3个方面,对全球能量平衡、气候、水文以及生态的变化有着显著影响,而且积雪深度和日数是表征积雪气候环境特征与水资源条件的指标[3]。本文主要研究的是积雪日数。多年以来,许多中外学者对积雪日数的时空分布及其与气候要素的关系做了大量研究。我国三大积雪区包括青藏高原地区、北疆和天山地区、东北和内蒙古地区。张志富等[4]发现中国冰冻天气分布空间差异性显著,年平均积雪日数发生超过90天的地区主要分布在青藏高原东北部、天山、大—小兴安岭一带。1979—2006年冬季青藏高原雪深、积雪日数随时间有逐渐减少的趋势,新疆和东北地区表现出与其完全相反的特征[5]。张寅生等[6]认为在过去30年间欧亚大陆春夏两季积雪的空间分布范围明显减小,秋冬两季变化不大。白淑英等[7]发现西藏雪深与气温、降水、风速和日照时数存在明显的统计和空间相关性,整体表现为雪深与气温、风速、日照时数呈负相关,而与降水呈正相关。胡列群等[8]研究发现近50年来,南北疆及天山山区的积雪日数呈略微降低趋势。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。内蒙古地区的积雪日数与气温、降水量、风速和日照时数均呈负相关,其中气温和降水量对积雪影响更为敏感[9]。Dan等[10]研究表明在过去的几年中,喜马拉雅山地区季节性积雪深度和持续时间的平均值、最大值均呈下降趋势。Geoffrey等[11]发现1970—2015年阿尔卑斯山地区积雪持续时间明显缩短,春季变化最明显,这是由于春季增温明显。Shamshagul等[12]研究发现哈萨克斯坦积雪持续时间空间差异显著,东部山区积雪持续时间最长;年均积雪深度由南向北递增,纬向地带性明显。
主要以气象站观测的积雪数据对积雪日数进行研究。但在一些偏远地区或受地形影响较大的高山、高原地区,气象站点较少或者没有气象站点,导致获取到的积雪数据可能存在很大误差。遥感技术的发展为这些问题的解决提供了可能。遥感具有观测范围大、周期短动态性强等特点。利用遥感技术能获得大范围积雪分布数据。而与光学遥感相比,微波遥感可以穿透积雪层,不受云层影响,全天候、全天时地接收积雪信息,同时还能获取雪层和地表信息。之前利用微波遥感对积雪进行观察主要集中在青藏高原和新疆地区,东北地区较少,对东北地区积雪的研究以气象站资料为主。本文利用1979—2016年雪深长时间序列数据集,采用传统统计学方法和GIS空间分析方法研究东北地区近40年来积雪日数的时空变化特征,及其与气候要素的关系。
东北地区是我国三大积雪区之一,也是我国第二大冻土区。地处我国东北部,位于39°~53°N,115°~135°E之间,总面积为124.3万km2,约占全国土地总面积的12.9%;包括黑龙江、吉林和辽宁三省以及内蒙古东四盟(呼伦贝尔市、兴安盟、通辽市、赤峰市和锡林郭勒盟)构成的区域(图1)。东北地区自南向北跨中温带与寒温带,属温带季风气候,四季分明,具有夏季温热多雨,冬季寒冷干燥的特点。年均气温为-5~11 ℃,年降水量为300~1 000 mm,从东南至西北由湿润区、半湿润区过渡到半干旱区。
本文使用的积雪数据是由“中国西部环境与生态科学数据中心” (http:∥westdc.Westgis.ac.cn)提供的中国雪深长时间序列数据集(1979—2016年)。该数据集提供1978年10月24日至2016年12月31日逐日的中国范围积雪厚度分布数据,空间分辨率为25 km,采用EASE-GRID和经纬度2种投影方式。用于反演该雪深数据集的原始数据来自美国国家雪冰数据中心(National Snow & Ice Data Center,NSIDC)处理的SMMR[13](1978—1987年),SSM/I(1987—2007年)和SSMI/S[14](2008—2016年)逐日被动微波亮温数据。将3种数据通过交叉定标提高时间上的一致性。车涛在Chang算法基础上根据中国实际情况进行雪深反演,得到的数据为ASCII码文件。气象站月值数据(包括气温、降水量、湿度、风速、日照)下载于中国气象数据网 (http:∥data.cma.cn)。
本文积雪日数是参考安迪等[15]的《基于不同积雪日定义的积雪资料比较分析》,以一定的积雪深度为判别依据定义的,但考虑到可能存在的误差,本文将日积雪深度 ≥ 0.5 cm计为一个积雪日。本文在年时间水平上对积雪数据进行分析,利用ArcGIS软件把原始ASCII文件转化成栅格数据,转换投影并按研究区范围对年尺度雪深数据进行裁切,通过栅格运算,得出东北地区积雪日数平均值及最大值。再通过ArcGIS软件分析出积雪日数的空间分布和时间变化。
2.3.1 线性趋势方法
线性趋势方法是用直线斜率来表示增长趋势的一种外推预测方法。观察期的时间序列资料表现为近似直线,有上升和下降趋势时采用的一种预测方法。利用趋势直线的延伸求得预测值。假设所要预测的变量与时间之间成线性函数关系,并以此为基础预测未来。为了厘清时间变化特征,本文采用线性趋势方法分析东北地区1979—2016年积雪日数的变化趋势。
2.3.2 Mann-Kendall法
Mann-Kendall法是Mann在1945年首次提出的,而后Kendall在1975年对该方法进行了改进,形成了Mann-Kendall法。该方法是一种非参数检验方法,样本不必遵从某一特定分布,同时也不受个别异常值干扰,能够客观地表征样本序列的整体变化趋势。目前,Mann-Kendall方法主要运用在2个方面:检验一个序列是否有显著的趋势特征;识别一个序列是否有突变点,但突变点的识别通常是与趋势检验一起分析[16]。
本文利用Mann-Kendall方法判别东北地区平均积雪日数的突变时间。
对于具有n个样本量的时间序列x,构造秩序列:
其中:
可见,秩序列Sk是第i时刻数值大于第j时刻数值的累计数。在时间序列随机独立的假定下,定义统计量:
其中:UF1=0;E(SK),Var(Sk)分别是累计数Sk的均值和方差,在x1,x2,…,xn相互独立,且有相同连续分布时,它们可由下式算出:
UFi为标准正态分布,它是按时间序列x顺序x1,x2,…,xn计算出的统计量序列,给定显著性水平a,若UFi>Ua,则表明序列存在明显的趋势变化。按时间序列x逆序xn,xn-1,…,x1,再重复上述过程,使UBk=-UFk,k=n,n-1,…,1,UB=0。运用Mann-Kendall(M-K)法进行突变分析时,先绘制UF、UB曲线,再给定置信度水平,若UF或UB的值大于0,则表明序列呈上升趋势,小于0则表明呈下降趋势。当他们超过临界直线时,表明上升或下降趋势显著。超过临界线的范围确定为出现突变的时间区域。如果UF和UB这条曲线出现交点,且交点在临界线之间,那么交点对应的时刻便是突变开始的时间[17]。
2.3.3 GIS空间分析
为了能进一步分析积雪时间变化的区域差异性和空间异质性,在ArcGIS中,采用线性法,逐栅格对积雪时间和年份进行回归分析,来表征积雪时间的空间变化趋势,线性趋势斜率用最小二乘法来计算。
slope=
式中:n为研究时段年份,xi为待分析年份年均积雪日数,i为待分析年份。若slope >0,说明变化趋势是增加的,反之则是减少。
3.1.1 年际变化
1979—2016年,东北地区平均积雪日数呈波动性变化特征(图2a),2013年为最大值(118天),2008年为最小值(75天),平均值为93天,与东北地区积雪深度最大值和最小值出现年份一致。对近40 年来东北地区积雪日数平均值变化特征进行线性趋势分析,结果呈不显著增加趋势,速率为0.6 d/10a。年最大积雪日数是东北地区一年最多积雪天数。近40 年来,年最大积雪日数为166~216天,最大年份出现在1983年(216天),最小年份出现在1990年(166天),年平均值为180天(图2b)。线性趋势分析结果呈现显著减少趋势,速率为3.3 d/10a(P < 0.01)。可见,近40年中东北地区积雪日数平均值呈现轻微的增加趋势,但积雪日数最大值呈现明显的减小趋势。
选取M-K法深入研究东北地区1979—2016年积雪日数的突变性特征,年平均积雪日数的UF值、UB值间并没有交点(图3a),而年最大积雪日数的UF值、UB值在1987年存在交点,且交点在置信区间范围之内(图3b),说明近40 年间东北地区年平均积雪日数没有发生突变,而年最大积雪日数自1987年开始出现减少趋势,且1993年开始呈现显著的减小趋势。有研究表明,1988—2009年为东北地区气温变化的第三阶段,即高温阶段[18],可以看出,黑龙江省积雪日数发生突变的时间正处于气温变化的高温阶段。
图2 1979—2016年东北地区积雪日数平均值(a)和最大值(b)年际变化
Fig.2 The annual mean (a) and the maximum value (b) of the snow cover days in the Northeast China during 1979-2016
图3 东北地区平均积雪日数值(a)和最大值(b)突变检验
Fig.3 The annual mean (a) and the maximum value (b) mutation test of the snow cover days in the Northeast China
3.1.2 年代变化
近40 年来,东北地区积雪日数的平均值维持在89~103天。其中,20世纪90年代和21世纪第一个10年的平均积雪日数最小,均为89天;2010—2016年的平均积雪日数最大,为103天;20世纪80年代积雪日数的平均值为96天。平均积雪日数在20世纪90年代呈现不显著增加趋势,增加速率为2.8 d/10a(图4b),但在其他时间段都呈现不显著减少趋势,1980—1989年、2000—2009年、2010—2016年的积雪日数平均值的减少速率分别为2.3 d/10a、16.6 d/10a和20.7 d/10a(图4a、图4c、图4d)。在20世纪末,积雪日数平均值的变化不太明显,而在20世纪初积雪日数平均值变化比较剧烈,且呈现减少的趋势,这可能与21世纪气候的异常变化增多有关。
图4 近40年东北地区积雪日数年代变化
Fig.4 The change of snow cover days in the Northeast China in recent 40 years
图5 近40年东北地区积雪日数年代变化距平
Fig.5 The change of snow cover days in the Northeast China in recent 40 years
在20世纪80年代积雪日数的距平为3.3天,而从20世纪90年代开始积雪日数逐渐减少,距平为-4天,21世纪第一个10年结束后积雪日数开始呈现逐渐增加趋势,距平为9.8天,其中2013年积雪日数的距平超过了2倍标准偏差(图5)。资料表明,2013年东北地区气温较常年同期低,部分地区降温幅度甚至突破历史极值,且降水量较常年同期多,导致2013年年均积雪日数异常偏多,可能是因为当年东亚季风偏强,强冷空气持续影响我国,并出现多次明显的冷空气过程[19]。
3.1.3 年内变化
东北地区积雪日数的年内变化波动比较大,但由于东北地区大多数地方夏季(6~8月)基本不存在积雪,所以本文中东北地区季节积雪日数的变化只研究春(3~5月)、秋(9~11月)、冬(12月至次年2月)三季。东北地区积雪日数季节的变化基本一致,但有所差别。冬季平均积雪日数呈现增加趋势,而春季和秋季呈现微弱的减少趋势,且冬季积雪日数变化趋势比春季和秋季显著,冬季、春季、秋季的倾向率分别为0.6 d/10a、-0.03 d/10a、-0.1 d/10a(图6a)。东北地区平均积雪日数逐月变化具有单峰值特点,积雪日数主要从9月开始增加,1月为年积雪日数最大值,之后开始逐渐减少,直至5月份,东北地区积雪基本上完全消融。从图中可以看出东北地区积雪的累积期和消融期均为4个月(图6b)。
东北地区积雪日数的年变化存在明显的季节变化特点,积雪从秋季开始累积,在冬季达到最大,春季开始消融[7]。全年积雪日数与春季、秋季、冬季积雪日数的相关系数分别为0.765、0.254、0.476(P<0.01)。可见,在3个季节中春季年均积雪日数对年积雪日数的贡献最大,主导了全年积雪日数的变化情况,其次是冬季、秋季。
图6 1979—2016年东北地区积雪日数不同季节的年际(a)和平均年(b)变化
Fig.6 Seasonal (a) and monthly (b) variations of snow cover days in the Northeast China during 1979-2016
采用距平大于2倍标准偏差的方法来判断东北地区积雪日数异常[20]。在年尺度上,2013年积雪日数异常偏多,有118天。季节尺度上,春季和冬季出现积雪日数异常变化的状况,而秋季并未发生积雪日数异常变化的状况。在春季,1998年和2008年积雪日数异常偏少,分别为13天、12天。在冬季,2012年积雪日数偏多,有84天。1998年和2008年春季气温偏高,降水量偏少,春季积雪日数偏少[21]。2012年冬季积雪日数偏多,因为当年冬季东北地区出现阶段性极端低温,持续干冷,且降水量、降水日数偏少[22]。采用M-K法对春季、秋季、冬季积雪日数进行突变分析,结果表明东北地区秋季和冬季并未发生突变,春季发生了3次突变,分别在1984年、1985年和1987年,均位于置信区间以内(图7)。可见,东北地区春季积雪日数的变化趋势为先下降后上升。
图7 东北地区积雪日数春季突变检验
Fig.7 Spring mutation test of snow cover days in the Northeast China
3.2.1 空间分布
东北地区是我国三大积雪区之一,积雪空间分布广且存在着显著的空间差异。由于受到纬度、地形和海陆热力差异的影响,东北地区积雪日数主要呈现的特点是西北部多、东南部少。东北地区积雪日数由北到南逐渐减少,最高值出现在东北地区北部,其次是东北地区东部,这两块区域分别为大兴安岭地区和长白山地区,在其中最大积雪日数平均值为180天(图8a)。这与陈光宇[23]利用东北及邻近地区123个测站1960—2006年逐日积雪观测资料分析的结果比较一致,东北年积雪日数空间分布大致呈现两多一少的趋势,两多在大、小兴安岭,一少在东北平原腹地和环渤海地区。多雪区沿山区自北向南伸展。大致呈高纬多、低纬少、高山多、平原少的特点。黑龙江北部和内蒙古东北部地区在160天以上,东北平原腹地和环渤海却不足20天。
根据slope值变化范围的结果,将1979—2016年东北地区年均积雪日数变化趋势定义为减少、不变和增加3个区间,并统计各区间的面积百分比。考虑到反演结果可能存在的误差,本文将slope>0.1,-0.1<slope<~0.1,slope<-0.1分别定义为增加、基本不变和减小。东北地区积雪日数趋势变化差异性显著,大部分地区(尤其是东北地区北部和东部)积雪日数呈现增加趋势,面积最大,其百分比为74.19%。东北地区中南部和西部部分区域积雪日数平均值基本不变,大约占总面积的24.66%。呈现减少趋势的区域很少,面积仅占全区面积的1.16%(图8b)。
图8 近40年东北地区积雪日数空间分布(a)和变化趋势(b)
Fig.8 Spatial distribution of snow cover days in the Northeast China in recent 40 years (a) and the trend of change (b)
3.2.2 积雪日数和积雪深度
对1979—2016年积雪日数和积雪深度数据进行Pearson相关分析,平均积雪日数和平均积雪深度的相关系数为0.803(P<0.01),年积雪日数最大值和年雪深最大值的相关系数为0.501(P<0.01)。对比积雪日数和积雪深度的变化趋势(图9)不难看出,积雪日数和积雪深度同步增加,主要集中在东北地区腹地、西南部和小兴安岭东西部地区;积雪日数增加但积雪深度不变或者减少,主要在东北北部和东南部地区,该结论与王芝兰[24]的研究结果相似。导致积雪日数和积雪深度变化存在差异性的原因可能是这2个积雪参数所考虑的角度不同,积雪日数主要代表了积雪的持续性,是一个过程;而积雪深度主要代表了积雪的多少,是一个量值。
图9 近40年东北地区年均积雪深度变化趋势空间分布
Fig.9 Spatial distribution of mean snow depth change trends in the Northeast China in recent 40 years
积雪是气候系统中的重要组成部分,不但是气候变化的指示器,而且对气候有反馈作用。同样,气候的变化也会对积雪的产生和维持带来影响。积雪变化是大气环流、气温、降水、风等多种气候要素共同作用的结果,因此本文通过分析1979—2016年东北地区38个气象站点的积雪日数与站点气温、降水量、湿度、风速、日照5个要素的相关性(图10),探究积雪日数与气候要素的关系。
首先根据站点坐标提取出各站点的年均积雪日数,并根据下载的站点气象数据分别计算出各测站的年平均气象数据和冬季气象数据(包括12月、次年1月和2月),然后将气象数据与站点积雪日数进行相关分析,分析其相关性。
在东北地区,降水量与积雪日数呈正相关,气温与积雪日数呈负相关。从图10中可以看出气温与积雪日数的相关性最好,这说明气温是影响积雪日数变化的最主要的因素。此外,除降水外,在全年和冬季,其他要素的相关性相差不大。气候要素与积雪日数的相关性大小从全年角度:气温>湿度>降水>风速>日照;冬季水平上为气温>降水>湿度>日照>风速,可以看出冬季降水量对积雪日数的影响比全年显著,风速对积雪日数的影响不大。
(1)近40年来东北地区平均积雪日数均值为93天,年最大积雪日数平均值为180天。年均积雪日数呈增加趋势,速率为0.6 d/10a,年最大积雪日数呈减少趋势,速率为0.33 d/10a。冬季平均积雪日数为显著增加趋势,而春季和秋季呈微弱减少趋势,冬季、春季、秋季的倾向率分别为0.6,-0.03,-0.1 d/10a。平均积雪日数逐月变化呈单峰特点,从9月开始增加,1月达最大值,5月积雪基本消融,累积期和消融期均为4个月。
(2)受纬度、地形和海陆热力差异的影响,东北地区积雪日数由北到南逐渐减少,最高值出现在北部大兴安岭地区,其次是东部长白山地区。北部和东部积雪日数呈现增加趋势,面积百分比达74.19%;中南部和西部积雪日数平均值基本不变,约占总面积的24.66%;呈现减少趋势的面积仅占1.16%。
(3)年尺度上来看,气候要素与积雪日数相关性大小为:气温>湿度>降水>风速>日照。冬季水平上为气温>湿度>降水>日照>风速。降水量与积雪日数呈正相关,气温与积雪日数呈负相关。气温是影响东北地区年均积雪日数的主要因素,风速对积雪日数的影响不大。
现阶段被动微波遥感技术仍是我们认识积雪的主要手段,但是存在一些不确定性,原因是被动微波遥感空间分辨率太粗以及不同区域积雪自身物理属性(密度、粒径、含水量、雪层结构等)的异质性对积雪的微波辐射和散射信号造成影响[25]。东北地区的植被覆盖较好,又有冻土层存在,可能导致被动微波雪深反演算法的误差增加,积雪日数的确定出现偏差,进而影响积雪日数时空变化特征的分析。此外,根据赵晓萌[26]的研究,积雪日数不仅受气温、降水量等气象因素影响,地形因素(海拔、坡度和坡向等)对雪深和积雪日数的变化和分布也有很大影响,还需进一步研究。
气温是影响东北冻土区积雪日数变化的主导因子。在过去100 年里,温室气体的大量排放,改变了大气辐射,导致气温、降水等气候要素参数发生改变,全球平均气温在1860—2000年增加0.4~0.8 ℃,全球地面平均温度大约已升高了0.3~0.6 ℃,气候系统的变化对生态系统带来严重的影响,其中最明显的是对区域气候的改变[27]。积雪是气候的产物,区域气候的变化会导致区域积雪的波动,反过来又会影响到区域气候的变化,这可能是38 年来积雪日数呈增加趋势和极端天气增多的原因之一。
此外,大气环流也是影响积雪日数变化的重要原因,东北地区地处我国东北部,北部受蒙古西伯利亚寒流的影响,冬半年受稳定的极涡控制,冷气团增强,会导致气温偏低降水偏少,且由于东北地区东临日本海和鄂霍次克海,南临渤海和黄海,冷气团减弱,为水汽的西进和北上创造一定条件,对积雪的产生和保持带来影响,所以大气环流的变化会导致积雪日数的变化,也是东北地区积雪异常的根本原因[23]。
The authors have declared that no competing interests exist.
| [1] |
et al. The variation of snow cover and its relationship to air temperature and precipitation in Liaoning Province during 1961-2007 [J].1961—2007年辽宁省积雪变化特征及其与温度、降水的关系 [J].
<FONT face=Verdana>使用辽宁省52个气象观测站1961-2007年积雪初、终日期、积雪期（积雪初、终间日数），以及同期温度、降水资料，分析了该区积雪的变化特征及其与温度和降水的关系. 结果表明：辽宁省平均积雪初日为11月19日，终日为3月23日，平均积雪期为125d；近47a积雪初日无显著变化趋势，积雪终日提前约13d，主要分布于辽宁南部沿海地区，积雪日数缩短约13d，主要位于辽宁中部、东部大部分地区及北部部分地区. 近47a中，辽宁省积雪初日在1998年发生了突变；积雪终日发生了2次突变，分别是1974年和1992年；积雪期未出现显著突变点. 积雪初、终日及积雪期具有一定的周期变化特征，积雪初日与11月份气象要素具有很好相关性，且受0℃开始日期制约，积雪终日与4月份气象因子相关性较与其它各月高，且与10℃结束日期有较强相关性. 积雪初、终日期对温度较对降水敏感，且与平均地面温度较与平均气温关系更为密切；温度越低，降水量越多，积雪持续时间越长，且温度在积雪维持方面更为重要.</FONT>
|
| [2] |
A comparison study on snow cover of the conventional meteorological observation and its variational tendency in Qinghai [J].青海地区常规观测积雪资料对比及积雪变化趋势研究 [J].
应用青海44个台站1962-2005年逐月积雪深度和积雪日数资料，对比了这两份常规积雪资料在表征青海地区积雪变化特征上的一致性，并对近十几年来的积雪变化新趋势做了分析。结果表明：积雪深度和积雪日数均能比较一致地反映整个青海地区积雪变化趋势：夏、秋季积雪从20世纪60年代至21世纪初为一致的减少趋势；冬、春季积雪在20世纪60年代至90年代初增加，而从20世纪90年代中期至21世纪初积雪呈显著减少趋势。后期的减少趋势远比前期的增加趋势明显。青海地区不同季节积雪深度和积雪日数趋势变化明显的区域基本一致，但中心位置存在一定的差异。冬季在32．5°～35°N，95°～102°E范围内的唐古拉山、巴颜喀拉山和阿尼玛卿山区，春季在青海东南部阿尼玛卿山区附近，均明显地表现出20世纪90年代中期以后积雪的减少和前期积雪的增加。不同季节积雪深度和积雪日数的相关系数分布存在一定差异：冬季两份资料相关相对较小的区域位于青海中南部巴颜喀拉山西区至阿尼玛卿山西区一线；春季相关系数小于冬季，青海东北边缘以及东南边缘地区，相关系数未能通过95％信度检验；夏、秋季积雪较少，相关较小的区域集中在青海东南部地区。而上述区域大多为各个季节积雪较多的地区，应慎重使用该区域的常规积雪资料。综合分析两份积雪资料，确定青海地区冬季多雪年为1964，1975，1993，1995和1998年，少雪年为1963，1965，1969，1997和2003年；春季多雪年是1977，1982，1987，1989和1990年，少雪年是1969，1979，1985，1999和2001年。
|
| [3] |
Snow cover depth in Rümqi region, Xinjiang: Evolution and response to climate change [J].新疆乌鲁木齐地区积雪深度演变规律及对气候变化的响应 [J].
积雪深度D是水文模型和气象预测中的重要参数之一.基于新疆乌鲁木齐站1961-2013年积雪深度D及气象资料,分析了积雪起止日期、持续期特征和D的时间变化规律,并对比了不同模型对于D过程变化的适配效果.此外,对最大积雪深度Dmax进行了趋势检验,并简要分析了气象要素对D和Dmax的影响.结果表明：乌鲁木齐积雪的持续期在73-207 d范围变化,平均持续141 d,积雪开始日期和终止日均呈推迟趋势,积雪持续期呈增加趋势,但其趋势均不显著.可将积雪年内的D变化类型分为多峰缓变型、右偏型、尖峰型以及平峰型4种,分别用不同模型适配后发现整体上模拟效果较好的是Gaussian函数.在1961-2013年53 a期间的Dmax不具有自相似结构,但有显著上升趋势.气温尤其是最低气温与的D相关性最好,冷季降水总量与Dmax有的正相关关系,表明气温和同时期降水与积雪变化关系密切.春季迅速升温过程及一定的累积积雪深度可能令融雪型洪水爆发,其对应的年型为尖峰型和平峰型.
|
| [4] |
et al. Climatic characteristics and variations of the gelivation weathers in China during 1961-2012 [J].1961—2012年中国5类主要冰冻天气的气候及变化特征 [J]. |
| [5] |
et al. The variations of snow cover days over the Tibetan Plateau during 1981-2010 [J].1981—2010年青藏高原积雪日数时空变化特征分析 [J].
全球气候变暖大背景下,作为冰冻圈最为活跃和敏感因子,青藏高原积雪变化备受国内外关注.本文利用青藏高原(以下简称高原)1981-2010年地面观测积雪日数资料,较系统地分析了近30年来高原积雪日数的时空变化特点.主要结论如下:(1)近30年内高原平均年积雪日数出现了非常显著的减少趋势,减少幅度达4.81 d·(10a)-1,其中冬季减幅最为明显,为2.36 d·(10a)-1,其次是春季(2.05 d·(10a)-1),而夏季最少(0.21 d·(10a)-1);(2)30年间,积雪日数较少的年份多数出现在本世纪初10年内,且2010年属于异常偏少年,高原积雪日数在1997年左右发生了由多到少的气候突变;(3)在空间上,北部柴达木盆地及其附件区域部分气象台站观测的年积雪日数出现了不显著的增加趋势之外,高原91.5%的气象站年积雪日数呈减少趋势,且高寒内陆中东部和西南喜马拉雅山脉南麓等高原历年积雪日数高值区域减少最为明显;(4)由于受到气象台站所在地理位置、地形地貌、地表类型、海拔高度、局地气候以及大气环流等综合影响,高原平均年积雪日数的空间差异很大,最多达146 d,最少的则不足1 d,平均仅为38 d,其中高寒内陆中东部是积雪日数最长的区域,而东南部海拔和纬度较低的干热河谷地区积雪日数最少.
|
| [6] |
Spatiotemporal variability of snow cover and snow water equivalent in the last three decades over Eurasia [J]. |
| [7] |
et al. Spatial temporal variation of snow depth in Tibet and its response to climatic change in the past 30 years [J].近30年西藏雪深时空变化及其对气候变化的响应 [J].
积雪深度是表征积雪特征的重要 参数,也是气候变化区域响应敏感因素。利用1979—2010年逐日雪深被动微波遥感数据以及同期气象资料,对西藏雪深时空变化特征及其与气候因子的响应 关系进行了分析。结果表明:32 a来,西藏雪深呈显著增加趋势,气候倾向率为0.26 cm/10 a;1999年以后,雪深则表现为下降趋势,气候倾向率为-0.35 cm/10 a。四季平均雪深中,春季雪深的变化对年平均贡献最大,二者相关系数高达0.88。高原雪深异常偏多年份主要在20世纪90年代,但并未发生气候突变。周 期分析表明,西藏雪深存在准6~7 a振荡的显著周期。西藏雪深呈四周山地雪深大,中部腹地雪深小的空间格局,且受海拔影响有明显的陡坎效应,绝大部分地区雪深变化趋势倾向率在 -0.08~0.08 cm/a,百分比达到74.6%;逐像元回归分析表明,雪深呈增加趋势的像元数占全区像元总数的76.9%,有减少趋势的仅占23.1%。西藏雪深与气 温、降水、风速和日照时数存在明显的统计和空间相关性,整体表现为雪深与气温、风速、日照时数呈负相关,而与降水呈正相关。多元回归分析表明,春秋季雪深 模拟值与实测值的相关系数均达0.6以上,通过了0.01的显著性检验;夏冬季雪深回归模型的复相关系数只有0.4~0.5,且未通过0.05显著性检 验。
|
| [8] |
Analysis of the variation characteristics of snow covers in Xinjiang region during recent 50 years [J].新疆区域近50 a积雪变化特征分析 [J].
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.
|
| [9] |
et al. Spatial and temporal distribution of snow cover and its correlation with climatic factors in Inner Mongolia [J].内蒙古积雪时空分布特征及其与气候因子的相关性 [J].
以内蒙古50个地面气象台站1981-2010年的积雪和同期气候因子资料,结合经典统计学、地统计和GIS方法,研究了内蒙古地区积雪的时空分布特征,并分析了其与气候因子的相关性。结论如下:(1)内蒙古积雪分布极不均匀,整体呈现东北多西南少。且存在2个高值区:呼伦贝尔市图里河、兴安盟阿尔山地区。(2)内蒙古积雪期主要集中在10月到翌年4月,积雪日数和积雪深度总体上呈现春后到初秋减少,秋后和初春增加的趋势。(3)内蒙古地区的积雪日数、积雪深度与气温、降水量、风速和日照时数均呈负相关,其中气温和降水量对积雪影响更为敏感。
|
| [10] |
et al. Consistent seasonalSnow snow Cover cover Depth depth and duration Variability variability over the Western Himalayas (WH) [J]. |
| [11] |
et al. Shorter snow cover duration since 1970 in the Swiss Alps due to earlier snowmelt more than to later snow outset [J]. |
| [12] |
et al. Spatial and temporal variability of snow depth derived from passive microwave remote sensing data in Kazakhstan [J]. |
| [13] |
et al. Snow depth derived from passive microwave remote-sensing data in China [J].
In this study, we report on the spatial and temporal distribution of seasonal snow depth derived from passive microwave satellite remote-sensing data (e.g. SMMR from 1978 to 1987 and SMM/I from 1987 to 2006) in China. We first modified the Chang algorithm and then validated it using meteorological observation data, considering the influences from vegetation, wet snow, precipitation, cold desert and frozen ground. Furthermore, the modified algorithm is dynamically adjusted based on the seasonal variation of grain size and snow density. Snow-depth distribution is indirectly validated by MODIS snow-cover products by comparing the snow-extent area from this work. The final snow-depth datasets from 1978 to 2006 show that the interannual snow-depth variation is very significant. The spatial and temporal distribution of snow depth is illustrated and discussed, including the steady snow-cover regions in China and snow-mass trend in these regions. Though the areal extent of seasonal snow cover in the Northern Hemisphere indicates a weak decrease over a long period, there is no clear trend in change of snow-cover area extent in China. However, snow mass over the Qinghai-Tibetan Plateau and northwestern China has increased, while it has weakly decreased in northeastern China. Overall, snow depth in China during the past three decades shows significant interannual variation, with a weak increasing trend.
|
| [14] |
et al. Snow depth and snow water equivalent estimation from AMSR-E data based on a priori snow characteristics in Xinjiang [J]. |
| [15] |
et al. Contrast between snow cover data of different definitions [J].基于不同积雪日定义的积雪资料比较分析 [J]. |
| [16] |
Division of variation process of high and low runoff based on Mann-Kendall method [J].Mann-Kendall 法的径流丰枯变化过程划分 [J].
提出利用Mann-Kendall法,将已有径流时间序列划分为若干个时间序列,计算出每一个时间序列的U值,以U-t曲线的变化趋势来划分径流序列的丰枯变化过程;以闽江流域竹岐站和白山水库的径流序列为例进行分析。结果表明:闽江流域径流丰枯变化过程为1946-1996年,白山水库丰枯变化较闽江流域频繁,分别为1946-1966年和1967-1975年,且第三个丰枯变化过程还没有完成。由于Mann-Kendall法属于非参数检验,受样本的分布类型限制比较少、样本中可允许少量漏测值以及方法比较简单适用等特点,因此,Mann-Kendall法可以和应用差积曲线法划分丰枯变化过程的方法互为补充。
|
| [17] |
|
| [18] |
et al. Analysis of temperature change characteristics of Heilongjiang Province Northeast China and whole country in recent 60 years [J].近60年来黑龙江省与东北及全国气温变化特点分析 [J]. |
| [19] |
et al. Climatic characteristics over China in 2013 [J].2013年中国气候概况 [J]. |
| [20] |
et al. Climatic change of sunshine duration and its influencing factors over Tibet during the last 35 years [J].西藏高原近35年日照时数的变化特征及其影响因素 [J].
采用气候倾向率方法,对西藏25个站1971～2005年逐月日照时数以及对日照有影响的总云量、低云量、水汽压和降水量等资料进行了统计分析。结果表明:近35年西藏年日照时数表现为极显著的减少趋势,平均每10年减少34.1h。除冬季变化不大外,其它各季均为减少趋势,特别是近25年,夏、秋季日照时数减幅加大,年日照时数减少明显。西藏20世纪70年代春、夏季日照充足,秋、冬季日照偏少;80年代季日照时数均为正距平,以秋季最为明显;90年代与80年代截然相反,季日照时数均偏少,尤其是夏季。年日照时数异常偏多年份均出现在20世纪80年代,而异常偏少年份多发生在20世纪90年代。阿里地区年、季日照时数的显著增加与总云量的显著减少、降水量减少有关,其它大部分站点年、季日照时数显著下降与大气水汽压的增加关系密切。
|
| [21] |
Some characteristics of weather/climate in China in 1998 [J].1998年我国天气气候特点 [J].
There are several main characteristics about weather and climate over China in 1998:The flood in winter and spring occurred in some parts of South China.In summer,the serious flood occurred in the valleys of the Yangtze,Nenjiang and Songhuajiang Rivers.In autumn,the precipitation was less than normal,and the drought occurred in some parts of China.The annual mean temperature in 1998 was higher in China.The total number of typhoons and the number of landing typhoons was less.The total number of hailstorms was close to normal.Heavy snow disasters hit parts of the Tibetan Autonomous Region and Qinghai province.
|
| [22] |
et al. Featuers and possible causes for the low temperature in winter 2011/2012 [J].2011/2012年冬季我国异常低温特征及可能成因分析 [J].
During the winter (December 2011-February 2012), the surface air temperatures were below normal in most China, and the mean temperature in China was -4.8℃, being the coldest winter since 1986. The extreme low temperature climate events were prevailed in China such as the extremes of daily temperature drop (DTD), which were observed in Inner Mongolia, Xinjiang, Xizang and Shaanxi. The possible cause for the extreme low temperatures in China was investigated by using the conventional observational temperatures and NCEP reanalysis datasets. The results have shown that the strong East Asian winter monsoon might be responsible for occurrence of extreme low temperatures, with dominating of anomalous cold high pressure system over the Siberian Plain, persistence of blocking system over the Ural Mountains and Baikal Lake, and deeper than normal East Asian major trough. Further analysis shows that La Nina might cause the abnormally stronger East Asian winter monsoon.
|
| [23] |
Temporal-spatial characteristics of cumulative snow depth in Northeast China and its vicinity [J].东北及邻近地区累计积雪深度的时空变化规律 [J].
利用东北及邻近地区1960—2006年123个地面测站逐日积雪观测资料和同时期气象要素资料,采用面积权重、EOF、小波分析和功率谱方法分析了东北全年及各季节累积积雪深度的时空变化特征,结果表明:近50年来东北及邻近地区累积积雪呈缓慢增加趋势,具体到各个季节上,秋季积雪趋势基本稳定,冬季积雪显著增加,春季积雪显著减少,年累积积雪的增加主要由冬季积雪的上升所造成。通过EOF分析,发现累积积雪深度有3个主要的分布型:第一型为全区一致偏多(偏少)型;第二型为南部多(少)北部少(多)的南北相反分布型;第三型为中部多(少)、南北少(多)型。小波分析和功率谱方法得出积雪深度变化存在7a的主周期和4a的副周期,且近年来周期有变短的趋势,说明积雪对全球气候变暖存在较好的响应。
|
| [24] |
Interannual Variations of Snow Cover over China and Possible Changes in Next 40 Years[D] .中国地区积雪的年际变化特征及其未来年40年的可能变化[D] . |
| [25] |
Passive microwave remote sensing of snow depth and snow water equivalent: Overview [J].基于被动微波遥感的积雪深度和雪水当量反演研究进展 [J]. |
| [26] |
GIS-based spatializing method for estimating snow cover depth in Northeast China and its nabes [J].基于GIS的东北及邻近地区积雪深度空间化方法 [J].
In this study, five climate zones were delimited using the rotated empirical orthogonal function (REOF) method base on the data of snow cover depth and other meteorological factors, observed by 122 meteorological stations in northeast China in recent 50 years. A database of three terrain factors (longitude, latitude and altitude) and three microterrain factors (slope, exposure and openness) was derived using digital elevation model (DEM) and GIS to simulate snow cover depth in northeast China with the mathematical theorem of trend simulation and stepwise regression. The results showed that there was a positive correlation between the macroterrain factors and the snow cover depth. Snow cover depth was thick in the Da Xing'an Mountains and Xiao Xing'an Mountains in northeast China, and it was increased with the increase of altitude and latitude. Delimitation of the climate zones reveals that the microterrain factors could increase their effects on snow cover depth, gives prominence to local features of snow cover depth distribution, and reduce the relative errors.
|
| [27] |
Study on Spatio-temporal Variations of Snow from 2000 to 2009 in Northeast China[D] .2000—2009年东北地区积雪时空变化研究[D] . |
甘公网安备62010202000687
/
| 〈 |
|
〉 |
