气候模式中积雪覆盖率参数化方案的对比研究

利用基于NCEP再分析的近地面气候资料驱动陆面过程模型NCAR CLM3,检验了6种积雪覆盖率参数化方案(CLM3、Douville1995、Roesch2001、Wu2004、Yang1997、Niu2007)模拟的积雪覆盖率的季节变化,并与NOAA AVHRR得到的观测结果进行了对比分析。结果表明,在NCARCLM3的物理过程框架之下,CLM3、Douville1995、Roesch2001三种方案低估了广大地区的积雪覆盖率,模拟的雪线位置偏北,尤其是在秋季积雪初期;Wu2004方案低估了秋季欧亚大陆的积雪覆盖率;Yang1997方案模拟的积雪覆盖率有些偏高,尤其是在积雪覆盖区的南部边缘;考虑积雪密度变化的Niu2007方案一定程度上克服了Yang1997方案的正偏差。春季末期,6种方案模拟的雪线位置都偏北。在地形比较平缓的地区,Niu2007方案的整体效果最好。观测和模拟的积雪覆盖率的出现频数大部分集中在低(小于0.2)和高(大于0.8)覆盖率等级,中等覆盖率所占比例很少。

欧亚大陆积雪覆盖率的模拟评估及未来情景预估

基于国际耦合模式比较计划第五阶段(CMIP5)历史模拟试验(historical run)的模式输出结果以及遥感数据,采用相关分析、均方根误差、标准差等统计方法,评估了13个气候(或地球)系统模式对欧亚大陆积雪覆盖率的模拟能力,在此基础上,采用多模式集合平均的方法对未来不同温室气体排放情景下(rcp2.6、rcp4.5和rcp8.5)欧亚大陆积雪覆盖率的变化进行预估。结果显示:尽管各模式模拟的积雪覆盖率在高原地区与观测差异较大,但总体看来模式能够对欧亚大陆积雪覆盖率的空间形态、季节变化及年际变化特征做出较好地模拟。未来预估结果表明,多模式集合平均预估的欧亚大陆积雪覆盖率从2006年到2040年左右减少趋势非常明显,且不同排放情景下模式模拟的积雪减少速率非常接近;然而,大约从2040年之后,不同排放情景下的积雪覆盖率减小趋势的差异越来越大,rcp2.6和rcp4.5下积雪覆盖率的变化趋于平缓,而rcp8.5情景下,积雪覆盖率一直减少,冬季、春季和秋季都明显减少,减少最显著的区域位于西欧和青藏高原地区。由此可见,控制温室气体的排放对于未来欧亚大陆积雪的变化是至关重要的。

青藏高原地区积雪与雪线高度时空变化研究

积雪对气候变化具有高度敏感性,研究积雪变化对区域水循环及生态环境演变具有重要意义。基于遥感数据和河流水系分布情况,将青藏高原划分为12个子流域,分析了青藏高原及其子流域的积雪深度、积雪覆盖率、雪线高度的时空变化特征。结果表明:①1979—2020年青藏高原积雪深度呈明显降低趋势,空间上积雪深度由中心区域向四周递增,阿姆河流域多年平均积雪深度最大,印度河流域的次之。②2000-2015年青藏高原多年平均积雪覆盖率为29.66%,呈平缓的下降趋势,印度河流域的积雪覆盖率最大,高达39.83%,塔里木河的次之。③青藏高原雪线高度的变化范围为[4700,5000]m,夏季的雪线高度整体偏高,在8月达到最大值;各子流域雪线高度由大到小的排序依次为雅鲁藏布江流域、印度河流域、河西流域、恒河流域、长江流域、怒江流域、阿姆河流域、塔里木河流域、柴达木河流域、内河流域、黄河流域、澜沧江流域。研究结果对寒区水资源管理和生态环境可持续发展具有重要意义。

基于MODIS数据的东北地区积雪覆盖率估算

东北地区是我国三大积雪区之一,森林覆盖面积占总面积的40%左右。受森林冠层的影响,当前的MODIS雪盖产品(V6)提供的积雪覆盖率标准模型对东北地区积雪覆盖率估算结果存在明显的低估现象。基于此,采用分区建模的方式:在森林地区,计算归一化差值林地积雪指数(NDFSI),建立像元积雪覆盖率(FSC)与NDFSI及NDVI之间的线性关系;在非森林地区,采用MOD10A1 V6提供的归一化差值积雪指数(NDSI),建立像元积雪覆盖率(FSC)与NDSI及NDVI之间的线性关系。采用Landsat 8 OLI数据提取的积雪覆盖率(FSC)对分区建模的估算结果与标准模型的估算结果进行对比,发现进行估算的过程中均方根误差和平均绝对误差这两项指标的数值相对于标准模型有了大幅下降,这一结果在林区有更显著的表现。计算得到的决定系数R2,在本文模型也有提高。以T1林区影像为例,本文模型的均方根误差和平均绝对误差分别为0.246、0.055,而标准模型的两项指标则分别为0.420、0.348。本文模型和标准模型的决定系数分别为0.675、0.641。

基于积雪数据的HBV模型改进及应用

大渡河流域内站点分布较少,历史观测数据不足,给该地区的融雪径流预报带来困难。基于欧洲中期天气预报中心提供的最新一代高分辨率陆面再分析数据集ERA5-Land,将积雪覆盖率和积雪平均深度引入度日因子雪量计算公式中,对HBV模型的积融雪模块进行改进,以提升融雪径流计算的可靠性。以大渡河上游为研究对象,选取1961—2018年的水文气象资料对模型进行率定和验证,并以2019年为例进行试预报研究。结果表明,通过引入ERA5-Land再分析数据,以及对积融雪模块进行改进,发挥了其在模拟积融雪上的优势,有效提升了融雪径流预报精度,对大渡河流域具有适用性。研究成果可为稀缺资料地区融雪径流模拟预报提供经验。

2002-2016年高亚洲逐日积雪覆盖率数据集

高亚洲是以青藏高原为主要区域的亚洲高海拔地区,是中低纬度高山积雪的重要分布区,其积雪的动态变化对水和能量平衡及区域气候具有重要的影响。由于青藏高原地区季节性积雪具有赋存时间短、雪层较薄的特点,在对水循环等问题的理解中,迫切需要日时间尺度的积雪覆盖率动态监测数据。本数据集基于空间分辨率为500 m的MODIS归一化积雪指数数据,结合地形和多种云覆盖下积雪覆盖率估算算法的优势,实现云覆盖条件下的积雪覆盖率再估算,满足高亚洲地区逐日少云(<10%)数据产品的生产要求,构建了2002~2016年高亚洲地区MODIS逐日积雪覆盖率数据集。选取无云条件下的二值积雪产品作为参考,通过云量分布和积雪总面积的时空对比,表明该产品的时空特征和二值产品具有较好的一致性。以2013年冬季为例,当积雪覆盖率大于50%时,其相关性可达0.8628。本数据集可为高亚洲地区的积雪动态监测、气候环境、水文和能量平衡、灾害评估等研究提供逐日积雪覆盖率数据。

近42a东北地区积雪的时空变化特征分析

利用1979—2020年中国逐日雪深、积雪日数和积雪覆盖率等数据,分析了我国东北地区积雪的时空分布和变化特征。结果表明:东北地区1979—2020年无论是积雪覆盖率、积雪日数和积雪深度都呈现减少的趋势;年内积雪覆盖率分布具有明显的季节性差异;平均积雪日数为89 d,空间分布大致呈现山区多、平原少的特征,由北向南随纬度降低而逐渐递减;积雪日数的变化存在多层次时间周期的特征,2014年前后积雪日数序列发生突变;年平均积雪深度分布非常不均匀,等值线分布走向与积雪日数的分布较为类似,大值区基本分布在大兴安岭和小兴安岭一带,干舌位于东北平原一带;年平均积雪深度在2.5~3.2 cm波动变化。

2000-2020年蒙古高原积雪覆盖率时空变化及其影响因素分析

积雪是蒙古高原地区主要的淡水补给来源。利用MODIS积雪产品数据提取积雪覆盖率数据,采用Sen's斜率、Mann-Kendall检验法、相关性分析方法,分析了2000~2020年蒙古高原积雪覆盖率时空分布特征及其对气候变化的响应。结果表明:(1)蒙古高原积雪覆盖率整体上表现为南部地区(0%~25%)明显少于北部地区(40%~85%)。(2)2000~2020年蒙古高原71.68%的地区积雪覆盖率呈减少趋势,28.32%的地区呈增加趋势;整个蒙古高原以0.18%/a的速率减少。(3)蒙古高原积雪覆盖率变化与温度变化和降水变化的相关系数分别为-0.23和0.22。蒙古高原积雪覆盖率相关分析的结果可以为政府制定气候适应政策提供科学依据。

2000～2014年西藏高原积雪覆盖时空变化

利用MODIS/Terra积雪产品MOD10A2较系统地分析了2000~2014年西藏高原（以下简称高原）积雪面积和覆盖率的时空变化特点,并与同期主要气象要素之间的关系进行了研究。主要结论如下：（1）高原平均积雪面积是19.0×104km2,占整个高原面积的15.8%,其中冬季最大,为高原总面积的23%,其次是春季（22%）和秋季（16%）,夏季最小（5%）;（2）过去14a高原年平均积雪面积呈现微弱减少态势,其中秋冬两季积雪面积略显上升趋势,春季略有减少,夏季减少趋势显著,积雪面积变化与气温之间存在负相关关系,与同期降水量之间的关系不大;（3）2000~2014年,羌塘高原北部和西南喜马拉雅山脉积雪覆盖率增加趋势明显,而在那曲东南部、喜马拉雅山脉东段和阿里地区北部积雪覆盖率减少趋势明显;（4）高原积雪覆盖变率具有明显的空间差异,且由春秋两季主导,秋季年际变率要大于春季,高原中东部和周围高大山脉及其附近是高原积雪覆盖年际变率最大的区域,而雅鲁藏布江中下游谷地、藏东南干暖河谷以及藏北高原中西部是年际变率最小的地区;（5）积雪年际变率大值区是高原主要的牧区和雪灾频发区,是高原积雪监测和防灾减灾的重点。

基于MODIS的塔什库尔干河流域积雪覆盖时空变化及地形因子分析

塔什库尔干河主要由喀喇昆仑山区冰川融雪径流组成,是塔什库尔干县农业发展的命脉。以塔什库尔干河流域为研究对象,基于2006~2015年MOD10A2的8d积雪合成数据,采用多项式拟合和ArcGIS空间分析方法,研究积雪覆盖率随地形因子的变化规律。结果表明,积雪覆盖率与高程呈线性正相关,较高的积雪覆盖率主要集中在海拔高度超过5400m的地区;南坡积雪覆盖率最低,北坡最高;积雪覆盖率随坡度的增加表现为增大趋势,坡度带年内变化的增长趋势均呈"N"型,45°~75°坡度的积雪覆盖率最大。

BCC-CSM1.1m对欧亚积雪覆盖的预测评估

利用基于BCC-CSM1.1m模式建立的第2代季节预测模式系统1984—2019年历史回算数据,客观评估该模式对1月和4月欧亚积雪覆盖率(snow cover fraction,SCF)气候态和年际变化的预测技巧,分析模式预测偏差产生的可能原因。结果表明:BCC-CSM1.1m模式在超前0~2个月对欧亚大陆SCF具有一定预测技巧,对4月SCF的预测能力明显高于1月,1月预测技巧在欧洲西部地区最高,4月在西西伯利亚地区最高。SCF的预测结果在除青藏高原外的大范围地区表现为系统性偏低,预测偏差在1月随着起报时间的增长没有明显变化,而在4月随着起报时间的增长,关键区偏差由负转正并逐渐增大。分析表明,SCF预测偏差与模式中近地面气温的预测偏差有直接关系。除此之外,SCF的预测偏差部分源于模式本身的系统性偏差,模式分辨率以及参数化方案可能是预测结果在积雪覆盖率接近100%的高纬度地区明显偏低的原因。

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。

和田河流域山区积雪覆盖时空变化规律研究

利用2007-2017年MOD10A2积雪产品数据与数字高程、气象数据结合,分析地形、气象因素对新疆和田河流域山区积雪覆盖的影响。结果表明:积雪覆盖率时空变化受高程影响,在海拔3500 m以下区域,年内变化逐渐呈现出由“U”型向“V”型的过渡。海拔3500~5500 m的中高区域,积雪年内变化呈现“消融-积雪-消融-积雪”的二次过程;从不同坡度带积雪覆盖率差异较为明显,其中12.4°~19.5°带的平均积雪覆盖率为68.68%,0°~5.3°带的积雪覆盖率最高仅为28.01%;不同坡向带的积雪覆盖率最大为东坡带,近11 a平均积雪覆盖率为60%。积雪覆盖率随坡度、坡向及高程变化趋势相仿;受年内气象条件变化影响,年内最大积雪覆盖率常出现在2月和3月,且最大为76.9%。和田河流域积雪覆盖率与气温变化紧密相关。

西天山某流域积雪变化及其与径流量相关性分析

基于2004—2020年MODIS积雪资料和实测流量资料,分析西天山A河流域年际年内积雪覆盖率(全流域和7个分带)、雪线高度的变化特征,及其与径流量的相关关系。结果表明:各高程分带积雪覆盖率随海拔的升高不断增大,且海拔越低积雪融化时间越早,开始累积时间越滞后。不同高程分带积雪覆盖率、雪线高度与次年径流量线性相关,分析发现海拔2500~3500 m积雪对次年径流量的贡献最大,与月均流量幂相关,相关系数均在0.64以上。各积雪要素与次年径流量、月均流量之间的多元回归方程分别通过0.1、0.01的显著性水平检验。

基于FY-3号气象卫星的中国典型积雪覆盖区的时空动态研究

基于风云三号(FY-3)气象卫星的积雪产品数据(snow cover),提出了基于经验模态分解的趋势提取方法,探讨了2010—2019年中国积雪时空动态变化趋势。结果表明:1)中国积雪覆盖频率(Snow Cover Frequency,SCF)具有显著的季节性特征,呈现先增加后减少的特点,每年2月、3月SCF达到当年最大;东北的SCF呈显著下降的年际变化趋势,其他地区变化不大。2)中国整体的积雪覆盖率(Snow Cover Rate,SCR)下降了约1.2%,内蒙古和西藏的SCR下降了约1.5%,其他地区的SCR变化不显著;主要积雪覆盖区的SCR均在2016年发生由增加到减少的转变。

1971—2020年呼伦贝尔市积雪气候特征和未来趋势预估

利用1971—2020年呼伦贝尔市16个国家气象站最长积雪日数和最大积雪深度资料,采用经验正交函数(EOF)分析、重标极差分析(R/S)和非周期循环分析,统计最长积雪日数和最大积雪深度时间序列的Hurst指数、分维数和非周期循环的平均循环长度,分析最长积雪日数和最大积雪深度变化趋势和记忆周期;同时采用MOD10A2积雪产品,研究2001—2018年呼伦贝尔市积雪覆盖率变化。结果表明:(1)近50年呼伦贝尔市最长积雪日数呈递减趋势,最大积雪深度呈递增趋势;(2)积雪深度>20、30cm的年平均积雪日数主要出现在1996—2014年,其中积雪深度>30cm年平均积雪日数>1d;(3)呼伦贝尔市积雪初日出现在10月中旬至11月上旬,积雪终日在4月结束,积雪初日出现最早时间和积雪终日结束最晚时间都在呼伦贝尔市的北部地区;(4)R/S分析和非周期循环研究表明,呼伦贝尔市最长积雪日数和最大积雪深度H指数分别为0.5899和0.889,即最长积雪日数未来减少和最大积雪深度未来增多趋势持续,持续时间分别为8和12 a;(5)呼伦贝尔市年平均积雪覆盖率为98.87%,呈波动增加趋势,空间分布呈自西北向西南和东南地区增加,10月和翌年3月增加显著,9、12月和翌年4月减少。

基于MODIS数据的青藏高原积雪时空分布特征分析

利用2000―2014年间获取的MOD10A2积雪产品,结合数字高程模型数据,借助GIS空间分析方法,以积雪覆盖率(snow cover fraction,SCF)为指标,定量分析了青藏高原积雪的整体空间分布特征及高程、坡度和坡向等地形因素对高原积雪时空分布的影响。主要结论有:(1)青藏高原积雪覆盖具有高原周围和中部高大山脉积雪丰富、SCF高,内陆盆地和谷地积雪少、SCF低的特点;(2)海拔越高,SCF越高,积雪持续时间越长,年内变化越稳定;(3)海拔4 000 m以下年内积雪覆盖呈单峰型分布特点,海拔4 000 m以上则为双峰型;(4)SCF最低值在海拔6 000 m以下出现在夏季,而在海拔6 000 m以上则出现在冬季;(5)SCF在不同坡向中,北坡向最高,南坡向最低,东坡和西坡向居中。

地形对天山积雪冻融变化的影响分析

天山积雪是新疆水资源的重要来源,地形对积雪的空间分布和消融有重要影响,分析地形对天山积雪冻融过程的影响具有重要的理论意义.基于2005-2014年的MODIS/Terra积雪8 d合成数据(MOD10A2)与数字高程模型(DEM)数据,分析了天山积雪覆盖随高程、坡度和坡向的季节变化规律.分析结果表明:(1)在不同季节里,不同高程中的融雪和积雪过程同步发生,其中在春季和冬季,雪盖变化较大的区域主要分布在低海拔和高海拔地区;而在夏、秋两季,雪盖变化较大的区域主要分布在中海拔地区.(2)在不同季节,不同坡度的积雪冻融过程也同步进行,但春季和冬季积雪呈线性变化,在缓坡和陡坡地区变化明显;夏季和秋季积雪变化缓慢,在中坡变化显著.(3)天山积雪变化随坡向具有对称性和周期性.积雪变化呈现北坡大、南坡小,春、冬季大,夏、秋季小的特点.在波动周期内,夏秋季积雪变化波动较大,变化趋势与春、冬季相反.研究结果可为融雪型洪水预报提供科学依据.

中国冬季多种积雪参数的时空特征及差异性

利用1979～2006年冬季中国站点最大雪深和站点雪日、卫星遥感雪深、积雪覆盖率和雪水当量5种积雪资料，从多角度深入细致地分析了我国冬季积雪的时空变化特征。结果表明：5种积雪资料的经验正交分解第一模态都表现为中国南、北方反位相的特征，即当新疆和东北三省-内蒙古地区积雪偏多（少）时，青藏高原和南方地区积雪偏少（多）。新疆和东北三省-内蒙古地区的雪深、积雪覆盖率和雪日随时间有逐渐增多的趋势，而其中边缘山区的雪水当量表现出减少的趋势，青藏高原地区的积雪表现出与其完全相反的特征。南方地区站点最大雪深和雪日表现出随时间减少的趋势，卫星遥感难以监测到该区积雪。相比较而言，卫星遥感资料比较适合高原和山区缺少气象站的地区及北半球更大区域积雪的研究，而站点资料更适用于中国中东部和平原地区积雪的区域研究。雪深、雪日、积雪覆盖率和雪水当量这些多样性积雪参数存在一定的差异性，因此5种积雪资料结合使用才能得到更准确的结论。

基于MODIS雪盖数据的叶尔羌河流域积雪再分析

高原高寒干旱山区积雪融水是大多数河流的重要补给源,对当地社会经济发展、生态环境等起着举足轻重的作用。以叶尔羌河流域为对象,基于2001—2016年的MOD10A2积雪产品,采用GIS空间分析提取叶尔羌河山区的积雪面积,应用线性趋势分析法,分析不同高程带积雪面积年内及年际变化规律。结果表明:1)流域积雪面积年内变化表现为"积累–消减–积累–消融"的二次过程,春秋季以积累为主,夏季以消融为主,冬季因为风吹雪迁移及升华,积雪面积表现为消减现象;2)以200 m间隔划分流域高程带,1—2月积雪覆盖率随高程呈现一致的平缓上升和下降规律。3、4、11、12月在A区(<3 600 m)呈现微弱上升趋势,B区和C区(3 600～6 000 m)呈现显著上升趋势,D区(>6 000 m)呈现下降趋势。5～10月积雪覆盖率在A区处于消融状态,B区(3 600～4 800 m)积雪覆盖率呈现平缓上升趋势;C区(4 800～6 000 m)积雪覆盖率上升趋势显著,D区积雪覆盖率呈现下降趋势;3)A、B区积雪覆盖率年内变化呈现单峰曲线,积雪的主要补给期在秋、冬季。C、D区积雪覆盖率年内变化曲线呈现"M"型,积雪覆盖率为"积累–消减–积累–消融"的二次过程,冬季因为风吹雪迁移至低海拔山区或升华造成积雪消减,D区因为海拔高,夏季积雪覆盖率为80%左右;4)积雪面积年际变化呈现下降趋势,秋、冬季下降趋势最为明显;5)低海拔区(A、B、C区)内积雪覆盖率年际变化呈现微弱下降趋势;高海拔区(D区)内积雪覆盖率年际变化不大,呈现微弱的上升趋势。