新疆地区季节性融雪洪水模拟与预报研究∗

杨金明，李诚志,3†，房世峰，赵求东，秦 艳,3，刘永强,3，孙志群,3，孟现勇，刘 洋，刘志辉

(1.新疆大学 资源与环境科学学院，新疆 乌鲁木齐830046；2.新疆大学 干旱生态环境研究所，新疆 乌鲁木齐830046；3.新疆大学 绿洲生态教育部重点实验室，新疆 乌鲁木齐830046；4.中国科学院 地理科学与资源研究所，北京100101；5.中国科学院 西北生态环境资源研究院，甘肃 兰州730000 )

0 引言

新疆是一个积雪广布、雪灾和春洪多发地区.春季积雪强烈消融期间，极易引发融雪性洪水，给当地的农牧业生产和人民的生活都带来严重影响和经济损失.全球气候变化大背景下，新疆积雪融水洪水频次呈增大趋势，造成巨大洪灾损失.融雪洪水模拟与预报中涉及水-热耦合过程，其过程较降雨径流物理过程更为复杂，融雪洪水模拟和预报一直是水文研究的难点[1].加之时空条件限制，数据采集与获取困难，时空尺度转换困难，融雪洪水模拟和预报研究在很长一段时间内进展缓慢.为应对新疆社会经济及公众安全的需求和融雪洪水科学问题的解答，刘志辉及其研究团队开展了季节性融雪监测、融雪产汇流机理、融雪径流模型、融雪洪水预警决策支持系统等方面的研究.其中许多方面取得突破性研究成果，这些研究成果对于区域水资源管理、洪水预警和防灾减灾都具有十分重要的现实意义.

1 融雪期积雪特征监测

积雪融化过程中，积雪盖度、雪水当量、雪表面温度、雪深、雪含水率、雪孔隙率等积雪特征是影响积雪融化速度和融雪水量的关键因素.在季节性融雪中，这些积雪特征均会随着积雪融化而改变，而融雪模型均需要对这些积雪特征进行实时监测.

1.1 积雪光谱特征

地物的波谱特性是遥感解译的物理基础，为解决融雪期雪盖、雪水当量、雪表面温度、雪深、雪含水率、雪孔隙率等遥感识别问题，刘志辉研究团队对融雪期积雪光谱特性进行研究，期望从遥感方面获得积雪特性的实时监测.研究团队运用便携式野外光谱仪测量融雪期积雪、冰、水以及土壤的光谱曲线及其变化规律，发现融雪期积雪、冰、水和土壤之间存在复杂交互式影响，各地物光谱特性及其变化较为复杂[2]，光谱在1 022 nm、1 241 nm和1 492 nm附近是积雪特征的吸收谷[3].积雪各参数几乎都有对应的敏感波段.地物光谱仪特征曲线和积雪含水率（Snow Folk积雪特性仪测量）相关性分析发现积雪光谱特征与积雪表层含水率负相关，且随着波长增加这种负相关关系更明显，在1 204 nm处相关性最高[4].融雪期积雪表面反射光谱与积雪深也存在相关性.积雪光谱的反射率（Reflectance）、倒数之对数log（1/R）、标准化比值（R/R_（450-750））、Box-Cox转换值4种光谱指标与不同波段组合建立雪深的多元线性回归预测模型，结果显示标准化比值与可见光、近红外波段组合预测积雪深度精度最高[5]，运用BP神经网络模型也可以得到较好反演进精度[3].积雪含水率、雪密度和总孔隙率也可以通过积雪可见光、近红外光和短波红外波段的反射率组合来反演[6].习阿幸（2015）运用偏最小二乘法（PLS）对相关性较高的波段进行压缩，提取四个主成分，运用PLS-BP模型进行积雪孔隙率反演，其反演精度得到提高，相关系数R2=0.915 9[7].积雪光谱特征研究结果为积雪特征定量遥感反演提供了理论基础.目前，研究团队主要进行室外积雪光谱研究，然而室外积雪光谱受多种因素影响，如太阳高度角、空气气溶胶、覆盖面组合、下地面类型、气温等，光谱的重现性不足，得出的积雪遥感反演规律受特定环境影响，制约其在其他区域或其他环境下的应用，积雪特征的光谱特征规律研究还需要进行大量的室内控制实验研究.

1.2 积雪遥感监测

遥感监测具有监测范围广、周期快、费用低等优点.在积雪监测研究中，遥感监测发展最迅速[8].刘志辉研究团队在积雪光谱特征的基础上针对融雪洪水径流模型需求对融雪期积雪雪盖、雪深、雪表面温度进行遥感监测研究[9].MODIS数据主要运用归一化差分雪盖指数（NDSI）和反射率对积雪盖度信息进行提取[10]，然而它只能将像元辨别为积雪或非积雪，解决不了融雪期混合像元问题.裴欢（2008）运用线性光谱混合模型对MODIS归一化差分雪盖指数进行修正，提高其在融雪期的监测精度[11].NOAA/AVHRR数据提取积雪雪盖方式与MODIS数据不同，是利用可见光波段和近红外波段信息提取.麻旭辉（2008）对NOAA/AVHRR与EOS/MODIS的积雪雪盖提取模式进行对比，显示两者在积雪监测上各有优点和不足[12].孙志群（2012）运用NDSI和S3两种雪盖指数对HJ-1B数据林区的雪盖信息提取，结果显示加入植被信息后两种雪盖指数均能较好提取森林覆盖下的积雪盖度[13].Pei（2009）利用实测雪深数据和MODIS反射率进行回归，建立MODIS雪深反演模型，反演积雪雪深[14]，为融雪模型提供基础数据.积雪表面温度也是融雪模型中一个重要因子.邱冬梅（2011）参照MODIS陆面温度的反演模型，对其加以修正提出了雪表面温度反演模型[9].孙志群（2014）考虑融雪期林下积雪和混合像元条件，提出MODIS亚像元雪表面温度反演公式[15].研究团队在融雪模型需求下利用遥感对融雪期的积雪特性进行应用性反演研究，为融雪模型应用提供了必要的基础数据，也为光学积雪遥感发展提供有益的研究案例.从融雪模型需求看，目前积雪遥感监测仍存在许多不足.MODIS属于中分辨率数据，利用MODIS反演的雪盖、雪深、雪温数据空间尺度过大，不能满足分辨率更高的融雪模型.雪深反演精度仍不高，雪深数据的误差导致融雪模型整体精度不高.另外，融雪模型需求的雪水当量、雪密度、雪含水率、雪孔隙率等数据遥感反演方法仍未解决.

1.3 积雪地面监测

针对融雪模型需求，刘志辉研究团队在天山北坡典型流域（军塘湖流域）开展常规地面积雪监测.王刚（2013）基于ZigBee技术将各个积雪监测设备组建成网络，监测数据通过GPRS传输至监测中心，实现了积雪实时监测[16].基于地面积雪观测数据，王元（2014）对融雪期雪层温度、雪层含水量和雪密度进行分析，发现融雪期间上层雪层平均温度最高，中层最低；融雪前期阳坡雪层平均温度大于阴坡，而融雪后期阴坡积雪平均温度则大于阳坡；融雪期下层积雪含水率最大，上层次之，中层最小，其中阳坡雪层平均含水率大于阴坡；融雪期初期雪层剖面密度梯度较大，后期密度梯度缩小，其中阳坡平均密度大于阴坡[17].融雪后期积雪含水量变化较大，融雪前期、后期积雪含水率从上向下依次减少，而融雪中期则完全相反；在气温影响下，积雪含水率日间会产生变化，但存在滞后性[18].另外，对融雪期的积雪粒径、积雪密度、雪水当量也进行了监测[19].魏召才（2010）观察到积雪在融雪期不断密实化和熟化，积雪颗粒粒径和冰晶之间的空隙不断增大，雪层最大持水能力不断减小，这为融雪水的出流创造了条件[20].地面积雪监测数据为融雪模型的修正和模型模拟提供了大量数据，但地面监测均是点监测，不能提供模型模拟所需求的面状数据.在开展研究过程中，受到经费、人员等客观条件限制，研究团队在地面设置监测点相对较少，监测点梯度设置仍不足.

2 冻土下积雪融化产流机理

因季节性冻土存在，浅层土壤的水热变化直接影响融雪水下渗及积雪产流过程，浅层土壤温度和土壤湿度是融雪产流模拟的重要参数.

2.1 季节性冻土土壤温湿度变化

土壤温湿度变化直接影响季节性冻土的冻融过程，进而影响融雪水下渗，是融雪水径流产流机制的重要因子，是融雪洪水发生的关键所在.刘志辉研究团队对融雪期浅层土壤（0∼50cm）温度和湿度进行长期观测，分析浅层土壤温度和湿度对融雪水径流的影响.

融雪期，浅层土壤温度主要受气温作用.大气温度传导到土壤引起土壤温度变化.在日尺度上，土壤温度随大气温度变化而呈单峰单谷型波动变化[21].土壤温度传导由浅到深逐层传导，深层土壤出现明显延迟现象，随着土壤深度增加气温对土壤温度的影响逐步减弱[22].气温作用下冻土层从上向下逐层融化.积雪存在时，雪盖阻碍大气热量向土壤传导，具有明显的绝热保温作用[21]，且积雪越厚，这种绝热现象越明显[22].在融雪后期，深层土壤温度上升，逐步向上层土壤传导，影响浅层土壤温度[23]，冻土层从底部开始融化[24].气温和底部地热共同作用导致浅层土壤和深层土壤温度同时上升，致使冻土从上下层同时融化，即“双向融化” 现象[24].

融雪期，土壤湿度变化是土壤温度和融雪水热量交换的综合作用结果[25].土壤温度直接影响土壤中的自由水.土壤温度高于冻土融化温度时，冻土融化，土壤自由水增加；土壤温度低于冻土融化温度时，土壤冻结，土壤自由水减少.浅层土壤温度与气温相关，因此土壤湿度与气温也存在较高相关性，10∼20cm土壤湿度与气温相关系数高达0.908[26].土壤湿度日变化和土壤温度一样也呈单峰单谷型波动[26].在太阳辐射和滞后的热传导作用下，在日尺度上，土壤湿度呈现两个峰值，分别在当地时间15：00和17：00[27].根据气温和浅层土壤湿度的相关性，可以利用气温变化模拟浅层土壤湿度变化[28].深层土壤湿度则主要受下层地温影响.融雪后期，土壤剖面在气温和地温共同作用下，呈现表层和下层土壤湿度高，中间湿度低的“凹形”曲线分布[29].融雪水入渗后补给土壤水分，使浅层土壤水分迅速增加.融雪水温度一般高于冻土融化温度，融雪水带来的热量进一步融化冻土，土壤湿度进一步增加[28].地表积雪完全融化后，剧烈蒸发引起浅层土壤水分损耗较多[22]，浅层土壤水分迅速下降.融雪期，阴坡、阳坡和林间太阳辐射存在明显差异，其土壤水分变化规律也不同，各自的变化规律有待进一步比较研究.

2.2 季节性冻土条件下的产流机制

冻土在水冰转换作用下具有明显的冻胀性.冻土中土壤水转变为冰，体积膨胀使土壤中孔隙度减小，土壤下渗率降低，阻碍融雪水下渗.季节性冻土的减渗能力与土壤冻土深度成正比[30].融雪期，融雪水下渗带来的热量、气温上升传导的热量、太阳辐射传导的热量以及地温传导的热量使土壤冰逐步融化，土壤孔隙逐步得以融通，融通后的土壤孔隙比未冻结土壤孔隙还要大，冻土溶化后融雪水的下渗得到增强.融雪期，影响冻土融化的直接因素是土壤温度和土壤湿度.土壤温度控制着土壤水分的冰与水转换、土壤冻融深度，影响融雪水入渗[30].季节性冻土一般经历稳定冻结期、冻融交替变化期、无冻期三个阶段[31].季节性冻土冻融变化影响着融雪水产流机制变化.

（1）超渗产流机制

在积雪融化初期，浅层土壤温度低于冻土融化温度，冻土处于稳定冻结状态，土壤表面即为冻土层上界面，土壤初始下渗率(f)等于冻土层的下渗率（ff），而冻土下渗率很小，积雪融水（m）到达土壤面后仅少量下渗，大部分形成地表径流(rs），此时融雪水的产流方式（图1 a）与雨水超渗产流方式相同.其中，地表径流rs=m−ff；当m≥ff，地表产流量Rt为：

式中Rt为地表产流量，t为出流时间，m为单位时间的融雪水量，ff为冻土下渗率.

融雪初期，如经历一个气温急剧上升过程，出现大面积积雪融化，而下腹冻土还未融化，则会导致流域超渗产流，形成快速的融雪性洪水，这种洪水过程线峰尖偏瘦，洪水形成速度快，预测预警较为困难，对生产生活破坏较大.经过实验场多年观测数据发现：气温、雪深和季节性冻土的深度决定着这种超渗产流洪水过程线峰值[32].季节性冻土存在条件下，融雪水出流时间比没有季节性冻土要提前2天[31].

图1 冻土存在下的融雪产流示意图Fig 1 Schematic diagram of snow-melt runoff in the presence of frozen soil

a冻土未融化时形成超渗产流：m为单位时间的融雪水量，rs为地表径流，ff为冻土下渗率，f1为土壤下渗率；b 上层冻土融化后形成饱和产流：rss为壤中流，f2为冻土融化后的土壤下渗率，其他同a.

（2）饱和产流机制

随着积雪-土壤层所获得的热能增加，土壤温度逐步上升，冻土开始缓慢融化.当冻土开始融化但未融穿时，下渗的融雪水在土壤-冻土的上界面积聚，形成积水层，直至积水层蓄满才产生地表面径流（如图1 b），即冻土融化层土壤含水量达到饱和状态后形成饱和产流方式.融化冻土壤层的下渗率（f2）在下渗初期速率较大，并随土壤含水量的增加而递减，最后达到稳定下渗率（f2c）.下部未融化的冻土下渗率（ff）相对于融化冻土壤层的下渗率仍较小，在冻土融化界面逐步形成积水层，如果冻融土壤界面存在坡度，则在冻融土壤界面形成壤中流（rss）.随着融化土壤含水量的增加，达到饱和后，在土壤和积雪界面形成地表径流（rs）.此时融雪出水率为：rs+rss=m−ff，地表产流量Rt为：

式中Rt为地表产流量，t为出流时间，m为单位时间的融雪水量，ff为冻土下渗率，rss为融化冻土中的壤中流.

饱和产流机制主要出现在融雪中期，此时上层冻土已融化，下层冻土仍然冻结，融雪水下渗使上层融化冻土层饱和后产生地表径流，形成融雪洪水，此种洪水历时长，洪峰平缓.冻土融化深度越深其洪峰越平缓，洪峰值越小，洪峰历时越长.有时，洪水从冻土融化开始一直持续到冻土全部融化，洪水洪峰一般不大，对生产生活影响较小.从土壤湿度变化角度看，表层冻土的土壤湿度快速上升，下层土壤湿度变化小（下层冻土未融化）则会导致此种融雪洪水产生[27]，冻土湿度变化的深度越深融雪水洪峰峰值越小[33].

（3）超渗-饱和交替产流机制

融雪期，浅层土壤受大气温度、太阳辐射等能量的周期性波动，浅层土壤冻-融也出现昼夜周期性变化.白天在大气温度、太阳辐射作用下上层冻土融化，晚上气温下降使上层融化冻土又冻结，形成冻融交替变化期.此时融雪水的产流机制包含了冻土未融化的超渗产流机制和上层冻土融化后的饱和产流机制.冻融交替变化期形成的洪水会出现两个洪峰[34].一个洪峰形成于当地时间15：00左右，洪峰历时短，峰值相对较高；另一个洪峰形成于当地时间19：00左右，洪峰持续时间长，峰值相对较低.

（4）冻土融化后融雪水下渗

融雪末期，热量条件达到能够将冻土融穿或完全融化（如图2）.此时融化冻土层下渗率（f2）相对于未冻结土壤下渗率（f1）要大.如果融雪水（m）小于融化冻土层下渗率，融雪水则全部下渗至土壤中，不产流.如果气温快速回升或降雨，融雪水（m）大于融化冻土层下渗率，地表形成超渗产流.地表径流rs=m−f2；地表径流为：

式中Rt为地表产流量，t为出流时间，m为单位时间的融雪水量，f2为融化冻土下渗率.

冻土融化后，融雪水产流机制和雨水产流机制一样，仅融化冻土的下渗率比土壤下渗率稍大.只有在融雪期偶遇气温迅速回升或是融雪期出现降雨的情况下才导致洪水[30]，洪水历时短，洪峰小.

融雪期间的产流机制相比雨水产流机制要更加复杂.冻土存在改变了融雪水的下渗速率，融雪水下渗少，直接形成地表径流，从而导致春洪的发生.相反，若冻土层融化，融雪水快速下渗，减少了地表径流，降低了春洪发生的概率[35].

图2 冻土融化后的融雪产流示意图Fig 2 Schematic diagram of snow-melt runoff after thawing of frozen soil

3 分布式融雪径流模型

基于遥感(RS)、地理信息系统(GIS)技术和地面观测数据，刘志辉研究团队建立了分布式融雪径流模型[36].分布式融雪径流过程模型基于能量平衡和水量平衡，由分布式栅格融雪过程、分布式栅格产流过程以及分布式栅格汇流过程组成，融雪以及产汇流过程全部基于栅格尺度，实现了融雪过程的分布式模拟[37].融雪过程模拟分别考虑概念模型和物理模型，即度-日融雪模型和能量平衡融雪模型[38].

3.1 度-日模型

度-日模型是基于冰雪消融与气温尤其是冰雪表面的正积温之间的线性关系而建立的[38]，是一个广泛使用的概念性融雪模型.度-日模型为：

式中M积雪消融量(mm/d)；Cm为积雪消融的度-日因子（mm/◦C · d），Tair为气温(◦C)，Tmelt为融雪的临界温度(◦C).

度-日模型相对比较简单，模型的主要参数只有气温，分布式气温容易获取，容易实现分布式模型[38].房世峰（2007）等人在栅格单元上运用度-日模型形成每个栅格的度-日融雪过程[39]，转换度-日模型中的“日单元时段”为半小时的“分单元时段”，形成“度-分融雪模型”[37]，为度-日模型的时间尺度转换提供了新思路[40].在模型中首次引入“冻融系数”，用“冻融系数”来刻画融雪过程中复杂的冻-融现象[37,39,40].模型需要的积雪信息、地表温度来源于MODIS等遥感数据解译[11,14,15,41].刘永强（2011）利用DEM计算流域的坡度、坡向、水流流向等特征信息，提取流域汇流网络，运用Java解决融雪汇流模型中到出口断面的时间长度和汇流量的关键算法，实现逐个栅格汇流演算[42].针对融雪径流模型需求建立融雪模型的数据仓库、方法库、模型库、知识库[43]，从根本上解决了模型的表示、管理、组合运行，模型数据的共享和交换及复用等关键性问题.基于“3S”技术，构建了B/S与C/S相结合的融雪洪水预警决策支持系统[43−45].基于物联网技术，可以进一步构建融雪洪水预警系统[46]和综合水资源管理信息系统[47].

3.2 能量平衡模型

能量平衡融雪模型是基于融雪物理基础而建立的模型，能量项包括：雪盖储热变化，净辐射（净短波辐射和长波辐射），地下的热传输，大气和雪盖之间的热传递，蒸发潜热，降雨所传送的热量（如图3），其积雪层能量平衡公式如下：

式中M为融雪量，λ为雪的融解热（3.34 ×105J/kg），Qm为积雪层储热变化量，QR为净辐射，Qp为融雪期降雨所带来的能量，Qh为感热，Qle为潜热，Qg为地热.积雪层水量（W）平衡方程为：

式中P为降雨量，M为融雪量(M=m×△t)，Es为升华和蒸发量，F为土壤下渗量，Rt为地表产流量.

分布式水文模型在国内外发展非常迅速，已具有一些成熟的模型，诸如SHE(System Hydrological European）、SWAT（Soil&Water Assessment Tool）等，但是基于能量平衡的融雪径流的研究相对较少，几乎没有理想的模型能够模拟融雪径流.赵求东（2009）利用WRF预报出的气象数据（气温、相对湿度、风速、辐射）驱动DHSVM模型（Distributed Hydrology-Soil-Vegetation Model），首次实现了能量平衡融雪模型下的融雪洪水短期预报[48].秦艳（2010）根据能量平衡和水量平衡原理构建单层融雪模型[49]，乔鹏（2011）用国家气象局的T639L60预报场数据，WRF耦合单层融雪模型形成基于能量平衡的分布式融雪径流模型，并取得较好的模拟精度[50].贺青山（2012）在单层融雪模型的基础上将雪层分为两层，形成双层融雪模型[35]，精度较好.

图3 水热平衡的融雪产流示意图Fig 3 Schematic diagram of snow-melt runoff on water-heat balance

孟现勇（2013）运用GIS技术与遥感技术获取积雪、植被、土壤等双层融雪模型需要的信息，WRF预报数据驱动双层融雪模型构建流域双层融雪径流模型[51].蔺虎（2013）采用GDAL(Geospatial Data Abstraction Library)对GeoTIFF文件进行操作，结合栅格叠合的空间分析方法及分布式能量平衡融雪洪水模型，采用面向对象程序建立界面式的分布式产汇流过程模拟系统ARSSVM（Arid Region Soil-Snow-Vegetation snowmelt hydrology Model）[52].此外，孟现勇（2014）将SWAT模型融雪模块修改为能量平衡模块[53]，并对其敏感因子进行选优[54]，取得了较为合理的模拟结果[55].

分布式融雪径流模型的建立为新疆以及其他中高纬地区的融雪洪水预警预报提供了模拟手段，为干旱区中小尺度短期融雪洪水的模拟与预报模式的完善提供了理论与技术支撑.目前，研究团队的融雪预警模型对具有冻土的积雪融化产流机理仍然考虑不足.虽然习阿幸（2015）基于冻土的水-热方程建立了冻土模块，并加入融雪模型中[56]，但冻土融化产流十分复杂，水量平衡交织着能量平衡，研究团队还未完全将冻土下的积雪融化产流机制刻画到融雪径流模型中，这方面的研究还有待于广大融雪科研工作者进一步开展.

4 融雪洪水预警系统

新疆是一个积雪广布、雪灾和春洪多发的地区，每年融雪洪灾均造成巨大损失.针对这一重大需求，刘志辉研究团队研制了融雪洪水预警系统.刘志辉（2000）开始构想一个多功能为一体的流域供水管理决策支持系统[36]，期望运用GIS技术集成解决融雪洪水预警问题.马俊英（2002）针对防洪决策需求提出一种适用于新疆干旱区的防洪决策支持系统DSS(Decision Support System)框架，期望提高决策者的决策效率，降低融雪洪灾损失[57].闫彦（2009）从孕灾环境、致灾因子和承灾体三个方面选择自然、经济、人口、防洪设施四大类因子建立新疆融雪洪水预警指标体系，构建了融雪洪水预警指数模型[58].刘志辉（2009）结合新疆当地实际考虑融雪洪水量级、时空分布和洪水可能造成的经济损失建立新疆融雪洪水预警模式和预警标准，根据融雪模型预测的洪峰和洪量，按照灾害的严重性和紧急程度，提前进行融雪洪灾预警[59].王大环（2017）运用熵权确定影响因素的权重，利用模糊C均值聚类模式识别分类方法确定融雪洪水分类，迅速的判断洪水产流类型，有效地提高洪水预报精度[60].刘永强（2007）基于B/S和J2EE技术设计了融雪预警决策系统框架[61]，运用面向对象表示方法建立融雪洪水预警知识库，将成熟的关系型数据库与模型库理论集成，提出基于参数元的关系型融雪洪水预警决策系统的模型库管理系统[45]，统一模型库数据接口，使模型与模型参数相互独立，模型库与数据库相互独立，实现模型库共享[43]，最终研制出数据仓库、方法库、模型库、知识库一体化的新疆融雪洪水预警决策支持系统.这是我国首次结合现代“3S”技术、虚拟现实及计算机多媒体等研建的新疆融雪洪水预警决策支持系统，填补了我国在这项研究上的空白.

新疆融雪洪水预警决策支持系统研制成功后在新疆进行了广泛的应用，自治区防汛抗旱总指挥部办公室、自治区水文水资源局、塔城水文水资源局和呼图壁县水利局等部门反馈新疆融雪洪水预警决策支持系统实现了对融雪洪水的实时预报预警，提高了重点区域融雪洪水预报的准确率.新疆融雪洪水预警决策支持系统为应对融雪性洪水及其衍生灾害提供了科学依据，为新疆水资源管理及合理调度提供了新视角.

5 结论

针对新疆融雪洪水预警的重大需求以及融雪洪水模拟和预报的科学问题，刘志辉研究团队经过近20年的不懈努力，在融雪参数监测、季节性冻土条件下的产流机制、分布式融雪洪水径流模型研制、融雪洪水预警系统等方面取得较大进展.

1）融雪期积雪、冰、水和土壤之间的光谱存在复杂交互式影响，但积雪各参数几乎都有所对应的敏感波段，通过不同的积雪信息特征提取，可以从遥感影像中获取融雪模型所需的雪盖、雪深和雪表面温度数据.

2）土壤湿度变化是土壤温度和融雪水热量交换综合作用的结果，是融雪径流产流机制的重要因子.表层土壤湿度与气温存在较高相关性，可以利用气温较好模拟表层土壤湿度.

3）季节性冻土的冻融对融雪水产流机制具有重大影响.冻土表层未融化时，其下渗率低，融雪水为超渗产流机制，形成尖瘦的洪水过程线，峰值大、历时短.上层冻土融化但未融通时，上层融化冻土层饱和后产流，形成饱和产流机制，洪峰平缓，历时长；冻土融化深度越深其洪峰越平缓，洪峰值越小，历时越长.冻土冻-融交替时，融雪水产流为超渗产流和饱和产流的交替式产流机制，冻融交替期常形成两个洪峰.冻土融化后，融雪水为超渗产流，仅在气温较大回升或降雨时才导致洪水，洪水峰值小，历时短.

4）完善度-日融雪模型，研制成栅格尺度分布式融雪径流模型.在度-日融雪模型中引入“冻融系数”来刻画融雪过程中复杂的冻-融现象，提高时间分辨率，由日尺度细化到半小时的度-分融雪模型，解决栅格汇流演算的关键算法，实现栅格尺度的分布式融雪径流模型.

5）WRF耦合能量平衡融雪模型，实现融雪径流短期预报.基于能量平衡和水量平衡原理改进能量平衡融雪径流模型，运用WRF预报数据驱动能量平衡融雪模型，利用GIS技术研制出具有物理机制的分布式产汇流过程模拟系统.

6）基于“3S”技术研制了新疆融雪洪水预警决策支持系统.选取自然、经济、人口、防洪设施四大类因子构建了融雪洪水预警指数模型.考虑融雪洪水量级、时空分布和洪水可能造成的损失建立新疆融雪洪水预警标准.基于B/S和J2EE技术建成新疆融雪洪水预警决策支持系统，研制出便于移植与共享的融雪洪水预警数据仓库、方法库、模型库、知识库，填补了我国在这项研究上的空白.

刘志辉团队的研究成果使我国融雪洪水模拟与预报研究上了一个新台阶，为融雪性洪水及其衍生灾害的预报提供了科学依据，为水资源管理及合理调度提供了新视角.

致谢

感谢刘志辉决策支持系统实验室（DSSLAB）团队的所有成员.本文是在团队所有成员的研究成果上就季节性融雪洪水模拟与预报方面进行的一次梳理和总结，以此纪念融雪洪水模拟的先驱者刘志辉先生，并激励季节性融雪洪水模拟研究的同仁.由于笔者才疏学浅，部分成果可能遗漏或理解不准确，敬请谅解.在此，向团队成员在研究中付出的辛苦和努力表示衷心的感谢.