1980～2016年东北积雪面积时空变化研究

李续光，万鲁河*，和鑫溢

(1.哈尔滨师范大学;2.山西工程技术学院)

0 引言

积雪是自然界最活跃的一个要素，其已成为评价气候变化的重要参考依据[1].在全球变暖的背景下，从1960年到2000年全球范围内积雪面积大约减少近10%.2013年的IPCC评估报告指出，在南、北半球，山地冰川和积雪的平均面积已大幅减少，并引起海平面上升，预测未来积雪覆盖范围将进一步缩小[2].因此，准确检测积雪面积、积雪深度等一些重要的积雪特征参数已成为监测全球气候变化的重要参考因素[3-5].

对积雪面积变化规律的研究，可为气候变化的监测、水资源的利用、地表径流、水文循环、防止春旱和人类活动都有十分显著和积极的影响[6-8].尤其是积雪对季节性干旱区域的水量，可提供一定的帮助.在融雪期间，由于积雪与气候系统之间的关系相互作用，使其在短时间里改变非饱和带土壤水分的收支平衡，改变潜热通量、土壤湿度等理化性质[9-11].近年来，关于积雪面积的变化规律，国内外研究者们均开展了大量研究[12-16]，如Laternser M等对1931～1999年瑞士阿尔卑斯山积雪面积变化的研究发现，自1987年以后，山体积雪存在明显减少，尤其是中、低海拔地区，而高海拔地区只有轻微的减少[14].车涛等研究者借助被动微波遥感器对中国西北和青藏高原的积雪面积进行了监测和分析，并提供了大量相关的被动微波数据集[15].Chen X等研究者基于多种卫星遥感观测数据分析了北半球在2001～2014年间积雪面积的季节变化. 而且，利用长时间遥感手段单独研究中国东北地区的积雪面积变化依然鲜有报道[16].

东北地区作为中国重要的农业、林业以及畜牧业的生产基地，其积雪不仅是该地区主要的淡水资源，河流径流以及地下水的重要补给而且还对土壤具有很好的蓄水保温作用，能为农作物越冬提供适宜的温度和条件[17-21].另一方面，由于东北地区冬季降雪持续时间长，积雪分布广，如若春季遇到气温快速升高，不仅会加快积雪消融，提高春季洪水发生概率，更会造成人民生命财产损失[22-24].因此，准确地提取东北地区的积雪变化趋势，对气候灾害、水资源管理、农时预报等具有重要作用.然而由于地形特征多样复杂，利用遥感数据分析东北地区积雪的周期变化特征和时空变化规律的研究甚少，特别是在分析近36年以来东北区域的积雪面积的时空变化格局暂时没有.

因此以东北三省为研究对象，采用车涛等学者研制的长时间序列逐日积雪遥感数据资料，以及美国国家冰雪数据中心的MOD10C1积雪数据，利用回归方程方法重构较为精准数据集.运用空间自相关的地理空间分析方法和小波分析等统计学分析方法，研究东北地区近36年来积雪面积的时空变化特征和规律，为当地水资源管理、农林牧业发展和灾害防御等提供具有重要参考依据.

1 研究区域概况

东北地区(如图1所示)包括黑龙江、吉林、辽宁三省和内蒙古部分地区，总面积约为78.73万 km2，地处北纬38°40′～53°34′和东经15°05′～135°02′范围内.东北地区地域广阔，地势从北到南依次降低.作为一个相对完整且独立的自然地理区域，东北地区具有地形地貌类型复杂多样、差异明显，三面环山等特点.

图1 东北地区地理分布

东北地区因地势复杂和地域广阔，气候类型跨带较多包括寒温带、中温带和暖温带三个气候带是中国重要的农业、林业以及畜牧业的生产基地，积雪不仅是该地区主要的淡水资源，河流径流以及地下水的重要补给，还能为农作物越冬提供适宜的温度和条件，但也是东北地区自然灾害的重要来源之一.

2 数据的来源及研究方法

2.1 数据的来源和处理

研究以中科院寒区旱区研究所(http://westdc.westgis.ac.cn/)提供的微波遥感反演得到的中国雪深长时间序列数据集(SMMR、SSM/I和AMSR-E)为研究资料，数据集提供1979年1月1日到2014年12月31日逐日的中国范围的积雪厚度分布数据，其空间分辨率为0.25°[25].以及美国国家冰雪数据中心(https://nsidc.org/)的MOD10C1积雪数据，数据集提供2000年1月到2016年3月逐月的全球积雪覆盖数据，其空间分辨率为0.05°.由于东北地区一般从10月开始降雪，来年4月进入春季融雪期的，该文选取的是东北积雪6个主要月份数据进行处理.

通过采用MRT(Modis Reprojection Tool)软件将原始的MOD10C1数据进行拼接和Albers投影，然后通过ArcGIS10.2对中国雪深长时间序列数据集统一进行裁剪和二值化处理，再利用IDL进行积雪栅格的提取，根据积雪栅格在该月天数的概率大于0.5时记为有雪；若小于0.5，则记为无雪.得到积雪面积的新的数据集.通过ArcGIS栅格运算，对每月积雪覆盖面积进行统计分析.并利用通过空间计量分析软件GeoDa来对其Moran's I统计和生成LISA 聚集图.

为进一步分析东北地区积雪面积变化规律，采用两套数据间建立回归方程，得到各月的方程，且均通过P< 0.05显著性检验.利用Matlab进行趋势分析和小波分析.

2.2 研究方法

积雪面积和年份的重构数据集采用线性拟合方法进行研究，其中y为mod10c1数据的积雪面积，x为车涛等学者研究数据的积雪面积进行逐月重构面积.并用SPSS进行分析研究，利用excel作图，表征积雪面积的变化趋势.

当对区域内某个属性进行空间分布特性描述的时候，可以通过全局自相关：Moran'sI进行探索分析.

对空间位置中的要素之间的属性相互关系进行衡量，通过计算得分评价要素在空间位置上是否发生集聚或者离散，并得到集聚和离散的程度，描述整个研究区的空间特征分布.Moran'sI值的取值范围在-1～1，其中当Moran'sI值大于零，表达空间要素之间呈现出正相关联系，即集聚，当Moran'sI值小于零时，其空间位置呈现负相关，即离散.其计算公式为：

(1)

(2)

(3)

式中：S(I)是Moran'sI的方差，E(I)是Moran'sI的期望值.

全局空间自相关分析是对研究区域整体的空间自相关性进行统计分析，无法反应区域内部局部的细微差别.为进一步探索局部空间集聚，了解研究区域内某一单元属性值与其周围单元属性值之间的相关关系，进行局部空间自相关性分析进行探索.

描述每个区域单元与其周围显著的相似区域单元之间的空间聚集程度，LISA指数包括局部Moran指数和局部Geary指数，该研究使用局部Moran指数.公式如(4)所示.

(4)

Morlet小波变换函数如式(5)所示[26]：

(5)

(6)

3 结果分析

3.1 空间变化

该文利用ArcGIS对东北地区的区域进行矢量化后，运用GeoDa对东北的210个市县基于空间邻接关系建立了权重矩阵.这里的临界关系指的是具有公共边界的区域,并利用这种关系建立的相关权重文件.

将1980～2016年每月份降雪栅格数据叠加求的均值，并将栅格转化为点，空间连接到研究区县域数据中，通过空间计量分析软件GeoDa来对其Moran'sI进行求解.Moran'sI散点图用于研究局域空间的异质性,横坐标为各空间单元标准化后的积雪平均属性值, 纵坐标为标准化后的由空间连接矩阵决定的相邻单元属性值的平均值.散点图的四个象限按其性质可分为：“高高”(第一象限) 、“低高”(第二象限) 、“低低”(第三象限) 、“高低”(第四象限) .“高高” 表示某一空间单元和周围单元的属性值都高, 该单元和周围单元组成的子区域即为热点区, “低低” 的含义与“高高”正好相反, 落入这两个象限的空间单元存在较强的空间正相关, 即有均质性; “高低”表示某一空间单元属性值较高, 而周围单元较低，“低高”则刚好与此相反, 落入这两个象限的空间单元说明存在较强的空间负相关性.

利用GeoDa对积雪属性值的数据集进行全局空间自相关分析，得到相对应的Moran’sI，并采用蒙特卡罗模拟的方法来检验Moran’sI是否显著，将图转化成表得其结果和参数见表1．

表1 Moran’s I及相关检验值表

通过结果可以看出，研究区内1～4月、10～12月积雪数据全局自相关均呈现出聚集情况，其中除了10月和4月外，其他6个月Moran'sI值都大于0.8，表现出了极强的空间集聚性.而Moran'sI最低的月份为4月，最大的原因可能是4月温度已经回升，积雪区域迅速的减少导致.1～3月份Moran'sI值呈现出上升趋势，代表该区域1～3月份积雪覆盖是递增的，3～4月份呈现递减形态，同理可得10～12月份积雪覆盖也是逐月份递增的，可以看出，该研究区降雪覆盖的最大集聚应该是在3月份.其研究的积雪的月份的P值均小于0.001，说明在99.9%的置信度下的空间自相关是显著的.

全局空间自相关分析是对研究区域整体的空间自相关性进行统计分析，无法反应区域内部局部的细微差别.为进一步了解研究区域内某一单元属性值与其周围单元属性值之间的相关关系，该研究对局部空间自相关性分析进行探索.为了更加直观的观察东北地区积雪在各市县的分布状况，利用GeoDa生成LISA聚类图(如图2所示)，用不同的颜色渲染不同的空间自相关类别，红色代表高高，橘色代表高低，土黄色代表低高，黄色代表低低，而无色则表示为不显著.

图2 LISA聚类图

通过局部自相关的LISA图可以看出，从总体来看，积雪高值聚集覆盖频率最高的区域为内蒙古自治区的北部，并在11月至来年3月时间段内向吉林省、辽宁省的东部区域扩散，4月又收敛于该区域；积雪低值覆盖频率最高的区域为吉林省和辽宁省的西部，并于12月至来年2月之间向内蒙古自治区扩散，并与3～4月收敛于原始区域，最终其总体趋势形成东南高值聚集、西北低值聚集的空间格局分布.

该研究以东北地区的1980～2016年降雪覆盖栅格为研究对象，分析了在此期间月积雪覆盖累积值.并通过全局自相关(Moran’sI)和局部自相关(Local Moran’sI)分别对其空间格局进行探索分析，结果表明：10～4月份之间的积雪覆盖均呈现出较强的空间相关性，呈现出正相关趋势，即为聚集状态，其中3月份 Moran’sI值最高，10月份 Moran’sI最低.通过局部自相关探索分析可以看出，该区域积雪覆盖高值聚集10月份最低，11月至来年3月份逐步扩散至研究区东南部，并与4月份又收敛.该区域积雪覆盖低值聚集10月份最低，11月至来年3月份逐步扩散至研究区域的西南部，并与4月份收敛至辽宁省、吉林省的西部区域.

3.2 时间变化

1980～2016年，东北地区常年均积雪面积为152725.4247 km2，保持在约占东北行政面积的 10.379%，这与李培基等学者判定东北地区大部分地区为中国三大稳定积雪区之一的结论相符[27].1980～2016年，东北地区年均积雪面积呈波浪式增加趋势，趋势值为821.39 km2/a，R2=0.1754，呈现不显著增加趋势(如图3所示,图中拟合参数见表2)说明东北地区积雪面积无显著变化.年均积雪面积整体上维持在1.5×105km2处，表明积雪变化趋势相对稳定.1980～2016年各月东北积雪面积变化表明，除4月积雪面积呈现出不显著下降趋势外，其它各月均为增加趋势，10月呈极显著增加趋势.10月积雪面积增加最大，1980年以来，10月的积雪面积逐年共增加了62069.375 km2；对于4月份减少而言，从1980年来，4月的积雪面积逐年减少了211063.5725 km2.在2006～2013年间，年均积雪面积表现出缓慢上升趋势.在2014年以后又出现了明显的积雪面积降低现象，笔者认为随着近年来气候变暖，4月份积雪融化的速率不断加快引起的.

图3 东北地区各月积雪面积和年均积雪面积变化趋势

月份倾向率截距R2检验结果1660.69-10000000.0582483.927709840.0353409.336258100.01754-627.4210000000.012101924.1-40000000.5313a极显著112128.7-40000000.152712770.36-10000000.0441年均821.39-10000000.1754

图4 年均积雪面积的小波变换系数实部(A)和小波变换系数模方(B)分析

为探究东北地区积雪面积的变化周期，该文采用小波分析对1980年以来积雪面积进行分析研究.图4(B)为小波变换系数模方分析，清楚地显示了积雪面积的年际尺度变化周期和突出点特征.从图4(A)与图4(B)中，得到了更丰富的变化周期的尺度信息.从图4(A)中可见，东北地区36年积雪面积变化的MorLet小波变换存在明显的2～3年和5～6年的年际尺度变化周期.从图4(B)中的变化规律看，2～3年尺度的变化周期主要出现在2000年以前，5～6年的尺度变化周期则表现为5个冷周期(1982～1983年、1989～1991年、1997～1998年、2003～2004年和2007～2008年)和3个暖周期1985～1986年、1993～1994年和2000年).其中相较而言2～3年际尺度中2009～2013年间能量较强.因此近36年内东北地区的年均积雪面积对应的也出现了振荡上升的变化趋势，如图5中曲线所示.

图5 年均积雪面积小波系数方差图

东北地区近36年的年均积雪面积存在4个极大值，分别对应年份为1986、1994、2000和2011年.这数据表明东北地区年均积雪面积存在明显的年际变化现象.东北地区积雪面积呈不显著增加趋势的周期大致分布在20世纪80年代初期、90年代初期和90年代中后期；呈显著增加趋势的周期主要分布在2005～2011年；呈小幅度减少趋势的周期大致分布在80年代后期、90年代中前期以及21世纪初期；呈大幅度减少趋势的周期则出现在2011年之后.

综上所述，相较于东北积雪面积总体变化，积雪面积基本上处于稳定增加的状态.与希爽等学者研究东北地区积雪面积1961～2012年内有增加学者的趋势，然而趋势却并不明显的结论相符合[28].

对东北地区1980～2016年间的年均积雪面积进行小波变换后的系数进行相关分析，得到小波能量谱图.通过分析图6中年平均积雪面积的小波能量谱图和小波周期显著性检验对照数据，其中粗实线内的范围表示通过了此显著性检验，而圈外部分则表示未通过此检验可以发现东北地区近36年间的年均积雪面积在2～3年尺度的变化周期是明显的，且通过95%的显著性检验.

图6 年均积雪面积的小波能量谱图

4 结论

该文利用MOD10C1数据和车涛等学者的积雪微波遥感数据集提取了东北地区1980～2016年的积雪面积变化信息，通过二值法提取出积雪遥感数据.利用GeoDa软件对其空间数据进行空间自相关和利用小波分析对其时间周期进行探究了东北地区近36年内积雪变化规律.研究结果显示：

(1)空间变化规律：除了10月和4月外，其他6个月Moran'sI的值都大于0.8，东北积雪空间自相关表现出了极强的空间集聚性.10月至来年4月份之间的积雪覆盖均呈现出较强的空间相关性，且为聚集状态.

(2)时间变化规律：1980～2005年间，东北地区积雪面积基本是处于稳定状态，但依然略有增加趋势，2005年以后出现显著增加现象.

通过小波分析，表明了年均积雪面积具有显著的2～3年和5～6年的年际尺度变化周期.东北地区在近36年的趋势变化中，总体表现为上升趋势，积雪面积相对稳定.这与东北地区积雪面积在1961～2016年内有增加趋势，但是变化趋势并不明显的研究报告结果相符合.

由于东北地区复杂的地形和地貌，不同地区的积雪面积存在明显差异.因此，需进一步对不同区域的积雪面积进行长序列积雪监测和分析，并考虑更多影响积雪因素.利用多源遥感数据对东北地区的积雪进行了时空变化的研究，在多源遥感数据对积雪的监测算法需要进一步改进.探讨气候变化因子与积雪面积时空分布的关系是下一步研究的工作.