西藏春季雪深的时空变化特征及其与前期海表温度的关系

尼玛拉姆 白玛德吉 白玛曲吉

（1.西藏自治区日喀则市南木林县气象局；2.西藏自治区日喀则市气象局，西藏 日喀则 857000）

0 引言

西藏自治区地处26°50′N～36°53′N，78°25′E～99°06′E 之间，全区面积1.20223×106 km2，约占我国陆地面积的1/8，平均海拔在4000 m以上，位于青藏高原西南部。青藏高原被称为“世界屋脊”，高原其异常变化对全球气候变化的反馈具有一定的前瞻性［1］，即其气候变化相对于其他地区开始的时间更早，具有变化幅度更大、变化速率更快等特征，是我国气候变化的关键按钮［2］。青藏高原由于其地理位置和下垫面的原因，主要从热力和动力两方面影响其周围甚至全球尺度的气候变化。在热力作用方面，青藏高原地表位于对流层中部，以潜热、感热、辐射加热的形式成为高耸入对流层中部大气的外部强迫源，对高原上部和其周围地区的大气环流有着关键性的影响，甚至对我国的天气和气候有着及其重要的联系。青藏高原具有独特的环流形势和天气气候特征不仅是我国气候系统产生的源地，同时也是外来天气气候改造的重要场所。因此研究青藏高原自身的变化特征具有重要的意义。

作为冰冻圈的重要的组成成分，积雪可以通过改变下垫面的特性从而对气候系统中的能量平衡，对水循环产生重大的影响［3］同时作为冰雪圈的重要的组成成分之一，积雪全球水资源的关键来源之一，青藏高原是亚洲诸多大河的发源地，其冰雪融水为下游河流提供重要的水源补给,被誉为“亚洲水塔”，更为重要的是，青藏高原是我国最主要的积雪地区之一。马丽娟和秦大河研究指出［4］，我们国家年均雪深为0.49cm，其中青藏高原地区的年平均雪深占0.29cm，从1959—2009年青藏高原的年均雪深为增加趋势，但表现的不够显著。王春学和李栋梁［5］根据1958—2008 年的积雪观测资料对高原最大雪深的变化规律进行分析表示出近50 年来春秋季最大雪深在整体上呈现出减少的趋势。积雪的量与青藏高原的热力过程密切相关，因此是邻近地区气候形成发展演变的重要因素。作为气象观测的重要元素之一，积雪深度是表示积雪特征的一个重要参数［6］，它是指从积雪表面到地表之间的垂直深度。积雪深度能够及时指示全球气候变化以及能够迅速敏感地响应环境的变化，在全球气候变化的研究过程中起到相当重要的作用。积雪异常会影响大气异常的遥响应，从而通过环流的调整，能够对全球气候产生影响。陈海山和孙照渤研究指出［7］，积雪异常可以通过改变地面反照率、地表的热力状况及其地气间的热量交换，从而通过环流的调整，能够对全球气候产生影响。因此研究青藏高原的积雪深度具有重要科学和现实意义。

关于青藏高原的积雪深度，前人进行了大量研究。沈鎏澄指出，高原积雪存在显著的季节变化和年代际变化［8］。对于目前国内外的研究现状，韦志刚和黄荣辉等人［9］认为高原空间分布有3 个高值中心：一是喜马拉雅北麓沿线各站组成的南部高值中心；二是念青唐古拉山和高原唐古拉山和的东段处的山区；三是在高原东部区域的阿尼玛卿山和巴彦喀拉山地区。除多等人［10］利用青海和西藏高原境内的72 个气象站，1999 年12 月之前逐日观测的积雪深度资料研究表明，总的来讲西藏高原积雪呈平缓增长趋势。李小兰等［11］指出,青藏高原地区冬、春季台站观测最大雪深介于2cm～36cm,平均雪深在7cm 左右。王叶堂等人［12］认为高原空间分布不均匀，四周山区多雪，腹地少雪。白淑英等［13］研究指出全区常年积雪主要分布在中东部念青唐古拉山、南部喜马拉雅山、冈底斯山和昆仑山等山脉一带以及高原腹地局部地区,与西藏地形地势的分布密切相关。大部分研究者认为高原积雪东西分布不均匀，呈反位相的变化特征。也有不少学者探讨了高原积雪深度异常的原因，例如ENSO（EI Nin～o and Southem Oscillation,即厄尔尼诺和南方涛动）它是海气相互作用的一个重要的指示器［14］，特此Shaman and Tziperman［15］调查了厄尔尼诺现象/南方涛动（ENSO）的作用，发现热带太平洋上与厄尔尼诺相关的冬季海表温度异常（SSTA）激发了沿北非−亚洲急流延伸的平稳的Rossby 波，这改变了高原上的冬季风暴活动和降雪量。然后发现ENSO对高原雪深的影响存在明显东西差异，对高原西部雪深影响显著并可持续至4月，而对高原东部雪深影响不大。

综上可知，前人关于西藏地区积雪深度的研究仍相对较少，尤其缺少春季积雪深度多时空尺度变化的系统研究。文章依据中国西部环境与生态科学中心提供的积雪深度资料，利用经验正交函数分解（EOF）、谱分析、相关分析和线性回归等方法对西藏地区春季雪深的时空变化特征及其成因进行系统研究。

1 资料与方法

1.1 资料

所使用的资料包括有：1979—2016年逐月积雪深度资料来源于国家自然科学基金委员会“中国西部环境与生态科学中心”提供的1979—2016年逐月积雪深度资料，空间分辨率为25km×25km，该资料利用美国国家冰雪数据中心（National Snow and Ice Data Center,NSIDC)SSM/I 卫星获取的逐日亮温资料反演过来［16］，为方便分析将逐日雪深资料处理成逐月雪深，积雪深度资料从下面网址中获取（http://westdc.westgis.ac.cn/)；NOAA 提供的全球逐月海表温度（SST，sea sur⁃face Temperature）资料，空间分辨率为2.0°×2.0°；NCEP/NCAR 提供的全球再分析逐月大气环流资料，包括经向风、纬向风等，空间分辨率为2.5°×2.5°。Nin～o～3.4 指数来源于(http://psl.noaa.gov/data/cli⁃mateindices/list/)；国家气象信息中心提供的全国气温、降水资料，该资料包括2400个全国国家级台站（基本、基准和一般站）的日观测数据，格点数283（东西方向）×163（南北方向）水平分辨率为0.25°×0.25°。

1.2 方法

春季定义为3～5 月，主要利用经验正交函数分解（EOF）、线性回归−趋势分析方法、功率谱——显著周期分析法等。

1.2.1 EOF 分析方法。经验正交函数（EOF）的主要工作是气象资料变量场的资料集中识别出主要的相互正交空间分布型，因为产生的正交函数没有具体的形式，因此被称为是经验正交函数。它可以在一定区域内对不规则站点分布进行分解，展开的收敛快，很容易将变量场的信息集中在几个模态上，其分离出的空间模态具有一定的物理意义。EOF（Empirical Or⁃thogonal Function）分析方法是气象上多变量分析中常用的方法之一，它可以把随时间变化的气象要素场分为时间函数部分、空间函数部分两种部分，空间函数部分包括空间的站点分布，区域分布特征。空间函数部分是不随时间变化的，但是时间函数部分是由空间变量的线性组合所构成，被称为主分量，这些主分量的头几个占原空间变化总方差的很大部分。

1.2.2 线性回归−趋势分析方法。目前任何气象变量的时间序列，我们都可以认为是由气候时间序列趋势分量、气象时间变化原有的周期性波动、平稳时间序列以及随机扰动等构成的。其中时间序列的趋势主要在几十年的尺度上，气象时间序列表示出上升或者下降的趋势；气象变量时间序列固有的周期变化主要指序列的年变化和月变化，周期性波动指的是序列循环变量分量。雪深变化趋势分析采用了如下的一元线性趋势：

方程：y＝a＋b×x 式中，y 为积雪深度，x 为年；a 为常数；b 为斜率即线性趋势项，其值正、负分别表示雪深存在增加或减少趋势。

1.2.3 功率谱−显著周期分析。气象研究分析中，至今功率谱是一种应用范围较广泛的分析气象变量时间序列的周期统计方法，是一种在傅里叶变为普遍领域分析的一种方法。首先将气象变量时间序列分解为不同频率上的分量，然后再将各个频率上方差贡献以得到气象变量时间序列上的主要周期就是序列隐含的显著周期。根据功率谱原理，当输入谱的在特定周期的方差贡献大于对应红噪声谱的方差贡献时，表示对应的振荡周期具有一定的显著水平。

2 雪深时空变化规律

2.1 雪深的气候态空间分布

由图1 常年春季积雪深度空间分布，我们可以看出西藏高原雪深在空间上的分布是不均匀，其东部雪深值要比西部的雪深值大，高原中南部区域的雪深值为1mm此区域的雪深值较小，在高原西北处的雪深值为2mm～3mm 左右，在高原东北处拉萨、山南西北部、林芝东北部、昌都丁青县区域的雪深分布值相对于其他几个区域较大，在6mm～10mm 左右，雪深小值区出现在高原中南部昆仑山山脉附近日喀则北部以及那曲地区、高原东部拉萨地区雪深值为1mm～2mm左右，雪深最大值区出现在西藏高原东北部昌都地区丁青县处雪深值为5mm～7mm左右。为了更进一步的分析高原的雪深的时空变化特征,给出了春季雪深的标准差空间分布图2，均方差可以反映变量的离散程度，从1979—2016 年之间的雪深变率空间的分布不均匀。高原的东北部那曲东部地区和西南部的雪深变率相对较大，其余地区的雪深变率较小，高原西南部日喀则西部的雪深变率最大，高原雪深主要是减少趋势。

图1 1979—2016年春季西藏平均积雪深度空间分布（单位：mm）

图2 1979—2016年西藏春季雪深标准差空间分布（单位：mm）

2.2 雪深的时间变化特征

图3 给出了1979—2016 年全西藏高原春季区域平均雪深时间序列及其对应线性回归曲线。春季西藏高原最大雪深量7mm 左右、雪深量最小出现在2004 年，雪深量为2.3mm，春季的标准差为1.09。可以从春季的回归系数可以发现，西藏高原雪深呈现减少趋势，其中春季对应的趋势倾斜程度较显著，春季的回归系数为−0.52，通过α=0.01的显著性水平。图4雪深趋势系数空间分布看到，1979—2016年西藏高原的雪深空间变化趋势明显地表示出空间差异性。大部分地区的雪深倾向率分布在0mm/year～0.15mm/year,占全区72%.总体上,雪深呈减少趋势,且占全区的67%,增加趋势仅占33%左右，除了高原东南部、西南部个别地区呈显著增加趋势(占全区7%)外,其余大部分地区表现出减少趋势,且高原西北部和高原东北昌都地区较为显著,占全区32%.

图3 1979—2016年春季全西藏平均的雪深的时间序列（实线）

图4 1979—2016年春季西藏地区雪深趋势系数的空间分布

2.3 雪深时空变化特征

春季西藏高原积雪经EOF 分解所获取前两个模态的累积解释方差达到41.19%，其中第一模态解释方差占25.39%，表明该空间模态最具有代表性，出现频次最多，就模态的空间分布特征而言，高原雪深空间分布不均匀，高原东部那曲东部及以南地区且高原西南部喜马拉雅山脉边缘，阿里地区札达县处的雪深值相对于其他地区较大，高原西北地区的雪深相对于东部地区雪深分布范围更广，从西到东雪深减少。第二模态描述了一种近似偶极型的空间分布特征，其方差贡献率达15.80%，也表明高原积雪出现这种模态的概率较大，具体而言，高原东北侧地区有一个正极值中心，而其西侧负值分布较为显著，这说明，高原东北侧积雪增多时，其西部地区积雪会偏少反之高原东北侧积雪减少时，代其西部地区积雪会偏多。

图5 1979—2016年西藏春季雪深的EOF空间型和时间序列

图6 根据功率谱原理，当输入谱的在特定周期的方差贡献大于对应红噪声谱的方差贡献时，表示对应的振荡周期具有一定的显著水平，1979—2016 年春季西藏高原雪深前两个主模态对应时间系数（PC1、PC2）的功率谱结果如图6 所示，根据红噪声谱水平线，我们可以获知PC1 具有显著的准3～4 年振荡周期，而PC2 的振荡周期则更为多样，呈现出准2 年、准3 年以及超过10 年以上的显著振荡周期。

图6 西藏地区春季雪深第一（左）、第二（右）EOF模态时间序列对应功率谱

3 高原雪深时空变化特征与前期海表温度的关系

ENSO 是大气年际变率主要模态，其与高原积雪变化是否有所联系，我们对此展开了进一步工作。1979—2016 年高原雪深PC 与前冬、春季海温的回归系数空间分布，可以分析出第一模态与赤道中东太平洋海温有关，回归结果呈现显著的ENSO 分布型，对PC1 而言，赤道东太平洋呈现显著负值，Nin～o3.4 指数与PC1相关系数为−0.21，当海温偏低（即拉尼娜事件）发生时，PC1 为正异常，对应西藏高原春季雪深更大；反之厄尔尼诺发生时，雪深更小。与此同时，PC1还与北纬30°左右的中太平洋地区与南纬30°的东太平洋区域的海温异常呈现显著正相关，以及印度洋区域也有过显区。第二模态则主要跟西南印度洋的海温有关系，从30E 往东，呈现出正、负、正、负、正相关的联系。PC2则更多的与南半球低纬地区的海温相关，从30E往东，呈现出正、负、正、负、正相关的联系。如下图所示。

图7 1979—2016年高原雪深PC 与前期冬季、同期春季海温的回归系数

从前冬Nin～o3.4 指数与春季高原500hpa 风场回归结果显示，此时高原地区后部吹来了西风同时高原南部吹来的西南风携带着的从海面上空向内陆输送的暖湿气流有利于降水的形成。基于图8 区域（32.5S～50S,30E～60E)和红框区域（20S～40S，60E～90E）这里将区域区域平均的海温异常减去红框区域区域平均海温异常定义为印度洋海温指数（India Ocean SST inde×,IOSI），IOSI 与PC2 相关系数为0.59。前冬IOSI 与高原500hpa 风场的回归结果可以发现，春季高原后部有气旋中心，同样对高原地区降水形成是有利的。

图8 1979—2016年前冬标准化的（a）Nin～o3.4和(b)IOSI指数与春季500−hPa风场回归系数（单位：m/s）的空间分布

积雪的多少不仅取决于降雪量，还与局地温度密切相关，气温较低时积雪不易融化，从而有利于积雪深度加深。根据1979—2016年前冬Nin～o3.4（IOSI）指数与中国春季气温回归系数空间分布发现，图9ab 呈现出高原地区的气温局部偏低状态，对西藏高原地区春季雪深的加深是有利的。印度洋海温指数（IOSI）与西藏春季气温之间也呈现显著的负相关关系，即当南印度洋海温异常呈现东冷面暖异常分布时，西藏局地大气环流和气温也会发生异常响应，尤其是高原东部局地气温显著偏低，从而有利于该区积雪深度的加深，当南印度洋海温异常呈现东暖西冷异常分布时，情况基本相反。

图9 1979—2016年前冬（a）Nin～o3.4指数和(b）IOSI指数与春季中国气温回归系数（单位：℃)的空间分布

4 结果与讨论

4.1 结果

基于从国家自然科学基金委员会“中国西部环境与生态科学中心”获取的1979—2016年卫星反演的青藏高原逐月积雪深资料，NOAA 逐月海表温度资料以及NCEP/NCAR 逐月再分析大气环流数据，利用经验正交函数分解（EOF）、谱分析、相关分析和线性回归等方法分析了西藏高原春季雪深的时空变化特征及其与前期海表温度之间的联系。主要得到了三点研究结论：

（1）西藏高原常年春季雪深空间分布不均，东北部那曲地区为雪深大值区（5mm～7mm），中南部昆仑山山脉附近为小值区（约1mm），主要分布在山南中南部错那县处和昌都东部，昆仑山山脉边缘雪深值较大，总体来说，西部雪深在量级上相对于东部较小。区域平均而言，高原年均雪深在1994 年出现最小值，在1987年出现最大值，基于线性回归的趋势分析结果显示，尽管全西藏平均春季雪深呈现显著减小趋势，回归系数为−0.52，通过α=0.01（非常显著）显著性水平检验，但具有空间不均匀特点，减小趋势在中北部地区明显，南部地区不明显，甚至略有增加。

（2）西藏春季雪深存在两个主要模态，EOF1 模态描述了雪深异常的全区一致型变化模态，但大值中心位于西藏西南部和东北部，方差贡献达25.39%，时间序列存在3～4 年的主周期。。EOF2 则捕获了高原积雪的东西偶极型模态，方差贡献达15.80%对应的时间序列呈现准2～3年以及10年以上的显著振荡周期。

（3）线性相关和回归分析表明，西藏春季（3～5月）雪深第一、第二主模态分别与前期冬季赤道中东太平洋和南印度洋的海温异常密切相关，该异常信号均能维持到春季。当中东太平洋海温偏低时（即拉尼娜事件发生时），PC1 表现为正异常，对应青藏高原春季雪深增高；反之海温偏高时，雪深降低，进一步分析发明，当发生拉尼娜（厄尔尼诺）时，受异常大气环流的影响，西藏地区有来自印度洋的水汽输送，降雪偏多，且局地气温偏低，有利于（不利于）春季雪深偏多；对于第二模态而言，当南印度洋海温异常呈现东冷西暖异常分布时，西藏局地大气环流和气温也会发生异常响应，尤其是高原东部局地气温，偏低显著，从而有利于该地区积雪深度的加深，当南印度洋海温异常呈现东暖西冷异常分布时，情况基本相反。

4.2 讨论

春季是西藏高原雪深值最大的季节，但雪深空间分布不均匀。这里仅从西藏整体角度研究了雪深的时空分布特征及其与前期冬季海表温度异常的线性联系，值得说明的是：1）不同季节西藏雪深的时空特征可能存在差别；2）积雪资料种类繁多，且研究的时段不一样结果可能也有所差别；3）根据统计分析表明，西藏春季雪深的两个主要模态分别与前期冬季ENSO 和南印度洋海温异常有关，但这仅是线性分析后得到的简单结论，春季雪深对ENSO 冷暖位相的响应是否存在不对称性？不同类型的ENSO对西藏雪深的影响是否存在差异？ENSO 与西藏春季雪深的关系是否存在年代际变化？这些问题仍有待今后更系统和深入的研究。