2001—2020 年三江源地区积雪日数变化及地形分异

曹晓云， 肖建设， 郝晓华， 史飞飞,4， 刘致远， 李素雲

（1.青海省防灾减灾重点实验室，青海 西宁 810001；2.青海省气象科学研究所，青海 西宁 810001；3.中国科学院西北生态环境资源研究院，甘肃 兰州 730099；4.青海师范大学地理科学学院，青海 西宁 810001）

积雪在控制能量循环、全球水循环、物质循环等方面扮演着重要角色，对区域和全球社会经济、生态环境、气候变化产生重要影响［1-4］。积雪日数可以直接影响积雪储量及现代冰川的发育和维持，进而调节周边及下游江河湖泊的径流量，同时，积雪日数也会改变区域地-气系统的能量交换过程，对辐射和能量平衡也有深刻的影响［5-7］，因此是地球系统研究中重要的变量之一。准确掌握积雪日数的时空变化特征对全球和区域气候预测、水文模拟、水资源管理等具有重要科学意义。

三江源地区平均海拔4000 m以上，是青藏高原的重要组成部分，由于高寒生物资源丰富、生态环境脆弱、气候变化敏感［8］，在国家生态安全方面具有战略地位［9］。全球气候变化问题在三江源地区尤为突出［10］，研究表明，三江源地区在过去60 a平均增暖速率为0.37 ℃·（10a）-1，是全球平均水平［0.16 ℃·（10a）-1］的2 倍以上，且大幅高于同纬度［0.19 ℃·（10a）-1］及中国区域［0.28 ℃·（10a）-1］［8］。21世纪以来，三江源地区降水量显著增加，各子源区降水显现增强信号［11-13］。这一背景下，气候变化对积雪的影响引起了国内外学者的广泛关注，通过野外调查、气象台站观测、遥感监测与模式模拟等方式取得了大量有价值的研究成果［2,6,14-19］。研究发现，以20世纪90年代为转折期，青藏高原积雪日数年际变化呈先增加后减少的趋势，存在较大空间异质性，气温和降水量是影响积雪日数的主要气候因子。但是，现有研究一方面主要关注青藏高原整体的积雪时空变化，缺乏对三江源地区等重点生态功能区的探讨；另一方面，多侧重于积雪时空演变格局和驱动因素，关于积雪日数与地形因子，特别是与海拔、坡向之间的研究尚且缺乏。高原复杂的地形必然会导致积雪日数分布格局和变化特征存在较大的差异，而且青藏高原地区气候变暖存在“海拔依赖现象”［20-21］，尤其在3000～5000 m之间存在海拔依赖型变暖，但青藏高原地区的积雪变化趋势是否也存在一定的海拔依赖性仍然不清楚。最新研究表明，随着全球变暖加剧，高海拔地区积雪深度显著下降，很大程度上存在一定的海拔依赖性［22］，在三江源地区是否也存在这一现象值得深入研究。

遥感技术以其多尺度、多时相、多谱段、多层次等特点为开展高海拔山区积雪研究提供了优质的数据源，NOAA-AVHRR、MODIS、TM、FY 等系列卫星数据是目前常用的积雪遥感数据源，尤其是MO⁃DIS 积雪面积产品得到了广泛应用［1,3,17,18,23-25］。光学遥感产品的优点是空间分辨率高，但受云影响无法识别云下积雪情况，是积雪实时监测的一大障碍，尤其在青藏高原地区，受地形和混合像元的影响精度较差［26-27］，因此急需一套高精度的青藏高原MO⁃DIS 积雪范围产品。中国2001—2020 年积雪面积500 m逐日无云产品数据集有效提高了山区积雪面积精度，同时利用隐马尔科夫算法、多源数据融合方法实现了产品的完全去云［28-29］，在地形较为复杂的三江源地区进行积雪日数研究具有很大的应用潜力。

因此，本文基于积雪面积逐日无云遥感产品和气象观测资料，从积雪日数时空分布及演变特征、积雪日数分布及变化的地形分异、积雪日数对气候变化的响应3 个方面分析了2001—2020 年三江源地区积雪日数对气候变化的响应及地形差异特征，以期为三江源地区冰雪水资源合理利用、生态安全屏障和高质量绿色发展的需求服务提供科学依据。

1 研究区概况

青海省三江源地区（31°39′～36°12′N，89°45′～102°23′E）位于青藏高原腹地，总面积约为30.25×104km2，平均海拔3500～4800 m。三江源地区地形复杂，地势总体呈西北高、东南低的态势，昆仑山脉、唐古拉山脉、巴颜喀拉山、可可西里山横贯其间，这些山脉海拔均5000 m 以上，高大山脉的雪线以上分布有终年不化的积雪，雪山冰川广布，是中国冰川集中分布地之一［8］。长江、黄河、澜沧江、湄公河均发源于此，且沼泽湿地、湖泊水体密布，是中国乃至东亚江河的重要水源涵养区，被誉为“江河源”、“中华水塔”和“亚洲水塔”，冰雪融水是重要的补给方式。三江源地区是典型的高原大陆性气候，冷热两季交替、干湿两季分明、年温差小、日温差大、日照时间长、辐射强烈、四季区分小。区内主要以高寒草地及湿地、冰川和高山永久积雪为主，是重要的生态屏障和生态调节区（图1）。

图1 三江源地区气象站点和地表覆盖类型分布Fig.1 Distributions of meteorological stations and land cover types in Sanjiangyuan area

2 数据与方法

2.1 数据来源与处理

2.1.1 中国2000—2020年积雪面积500m逐日无云产品中国2001—2020 年积雪面积500 m 逐日无云产品主要针对中国积雪特性，是基于MODIS反射率产品MOD/MYD09GA，利用Landsat TM 数据作为真值，结合MODIS 土地覆盖分类产品MCD12Q1，利用不同土地覆盖类型条件下发展的多指数结合积雪判别算法生成，有效提高了林区和山区积雪面积精度，同时利用隐马尔科夫算法、多源数据融合等方法实现了产品的完全去云。该数据集以HDF5文件格式存储，每个HDF5文件包含18个数据要素，其中包括数据值（0=陆地、1=积雪、2=雪水当量插补积雪、3=内陆水或海洋、4=冰川、255=填充值）、数据起始日期、经纬度等，从国家冰川冻土沙漠科学数据中心可免费获得（http://www.ncdc.ac.cn/portal/meta⁃data/be3a4134-2e5c-467f-8a5e-b1c0ed6cc341），精度满足科学研究需求［29］。

2.1.2 数字高程模型（DEM）数据DEM采用SRTM（Shuttle radar topography mission）数据，为V.003 版本，来源于美国地质勘探局（USGS；https://lpdaac.usgs.gov/products/srtmgl1v003/），空间分辨率为90 m。本文利用DEM 数据研究不同地形因子和积雪日数空间分布及变化特征之间的关系，为进行叠加分析，将其重采样和重投影成与积雪数据一样的空间分辨率和投影，并利用ArcGIS软件生成海拔和坡向分布图，将海拔从0～6.5 km按一定间隔划分为14级（图2a），将坡向按45°等间隔划分为8类（图2b）。

图2 三江源地区海拔与坡向分布Fig.2 Spatial distributions of elevation and slope in Sanjiangyuan area

2.1.3 气象数据选取2001年1月1日—2020年12月31 日三江源地区周围134 个气象站的逐日气温和降水数据，采用ANUSPLIN 专用气候插值软件［30］的薄盘样条函数法实现气象数据空间插值，并以DEM数据为协变量提高插值准确性，获得空间分辨率为500 m×500 m 的气象格点数据，最后裁出研究区范围。其中，三江源地区气象台站分布如图1 所示，数据来源于中国气象局综合气象信息共享平台（CIMISS；http://10.181.89.55/cimissapiweb/），经过严格的质量控制，准确性及完整性满足科学研究需求。

2.2 研究方法

2.2.1 趋势分析基于最小二乘法［31］逐像元进行积雪日数年际变化趋势计算，计算公式为：

式中：θslope为变化斜率；i为1～20 的年序号；SCDi为第i年的积雪日数。当θslope＞0 时，表示20 a来该像元的积雪日数呈增加趋势；当θslope＜0 时，表示积雪日数呈减少趋势；θslope的绝对值越大，积雪日数的变化程度越大。最后采用F检验进行变化趋势的显著性检验。

2.2.2 偏相关分析采用偏相关系数［31-32］分析积雪日数与气温和降水量之间的相关程度，研究气温（降水量）对积雪日数的影响且排除降水量（气温）的干扰。计算公式为：

式中：Rxy,z表示气温不变时，积雪日数和降水量的偏相关系数，即在分析积雪日数和降水量的相关性中排除了气温的影响；Rxy、Rxz、Ryz分别表示积雪日数和降水量、积雪日数和气温、气温和降水量的相关系数，最后采用F检验法进行显著性检验。

3 结果与分析

3.1 积雪日数时空分布及演变

2001—2020 年三江源地区积雪日数分布的区域差异明显，突出表现为西高东低、高海拔山脉地区大于盆地平原的特征。可可西里山、唐古拉山脉、阿尼玛卿山脉、巴颜喀拉山、格拉丹东冰川等是积雪日数高值区，积雪日数均值普遍大于200 d，部分地区甚至大于300 d，而环青海湖南部、共和盆地以及可可西里中部地区积雪日数不到100 d（图3a）。这是由于三江源中西部地区冬春季受西北冷空气和西南印度洋和孟加拉湾暖湿气流的交汇，易形成有利于降雪的天气条件，同时高海拔引起的低温以及局地地形、环流影响有利于积雪的补给和保持，积雪日数较高［18,33］。而共和盆地和可可西里中部地区由于众多高山阻挡了水汽输送，季风影响减弱，同时海拔的高低也影响了气温以及降水量特征，这些因素共同导致积雪日数较低［19,25］。总体上，2001—2020 年三江源地区积雪日数呈波动增加趋势，年际变化速率为0.98 d·a-1（P＜0.1）（图3b）。

图3 2001—2020年三江源地区积雪日数分布与年际变化Fig.3 Spatial distribution and interannual variation of snow cover days in Sanjiangyuan area from 2001 to 2020

三江源地区85.48%的区域积雪日数年际变化速率大于0，显著增多区域面积占比16.59%，表明近20 a 来三江源地区积雪日数以增多趋势为主，黄河源玛多县积雪日数增多速率最快，平均增多速率为2.03 d·a-1，其次是称多县、达日县、玉树市、曲麻莱县、玛沁县和久治县，平均积雪日数增多速率均超过1.00 d·a-1。其中，玛多县中部、达日县中南部、曲麻莱县西北部、治多县东南部、玉树市北部、玛沁县北部和兴海县西南部等地区积雪日数增加趋势最为显著；而东北部的共和盆地、西部的唐古拉山镇、治多的中部及西北部、杂多的西南部地区积雪日数呈不显著减少趋势，格拉丹东冰川边缘地区以及部分高海拔山脉局部地区积雪日数呈显著减少趋势，显著减少区域占比为0.44%，减少速率达3.32 d·a-1（图4）。研究表明，三江源自西南方向的水汽输送在过去近30 a增强［34-35］，尤其是21世纪以来降水量显著增加［11］，这可能是三江源中部地区积雪日数增多趋势显著的主要原因，而格拉丹东冰川边缘地区以及部分高海拔山脉局部地区积雪日数显著减少可能与气温升高具有较大的海拔依赖性以及降水量的空间格局差异性有关。

图4 2001—2020年三江源地区积雪日数变化趋势及其显著性检验Fig.4 Variation trend and significance test of snow cover days in Sanjiangyuan area from 2001 to 2020

3.2 积雪日数地形分异

三江源地区积雪日数在不同海拔高度上具有较大的差异性。整体上，积雪日数随海拔上升呈指数型增加（R2＞0.92），其中，海拔3.0～5.2 km地区为三江源地区积雪日数主要分布区，面积占比为93.67%，3 km 以下地区积雪日数＜10 d，3.0～5.2 km地区积雪日数为11.71～107.27 d，呈阶梯式增多，5.2～5.5 km 地区积雪日数为153.73 d，5.5～6.0 km 地区积雪日数为284.74 d，6.0～6.5 km地区积雪日数最高，为328.01 d（图5）。分析认为，较低海拔（＜3.0 km）区域气温较高，不利于积雪的保存，积雪日数相对较少；海拔3.0～5.5 km 地区气温较低且受高大山脉的地形作用、大气环流影响多降水，这些分布特点有利于积雪累积；而海拔＞5.5 km 区域多雪山冰川，为永久或半永久积雪区，因此积雪日数最高。

图5 三江源地区不同海拔高度多年平均积雪日数及占地面积变化Fig.5 Variations of average snow cover days and land area at different altitude ranges in Sanjiangyuan area

从图6 可以看出，2001—2020 年三江源地区海拔＜3.0 km的区域年平均积雪日数基本呈减少趋势，减少速率随海拔高度上升而加快；2.5～3.0 km 地区积雪日数减少速率较快，为0.09 d·a-1，显著减少的区域面积占比为4.70%；3.0～5.5 km地区积雪日数均呈增多趋势，其中≤4.4 km的地区平均积雪日数增多速率随海拔上升而加快；4.2～4.4 km地区增多速率达1.34 d·a-1，显著增多的区域面积占比为22.59%；＞4.4 km 的地区平均积雪日数增多速率随海拔上升而减缓；5.5～6.0 km地区平均积雪日数呈减少趋势，减少速率为0.13 d·a-1，显著减少的区域面积占比为11.83%，表明高海拔地区积雪日数变化在一定程度上存在“海拔依赖性”；6.0～6.5 km 地区平均积雪日数增多速率较快，为1.14 d·a-1，显著增多的区域面积占比为63.97%；5.5～6.0 km 地区多为冰川和雪山边缘地区，说明在整体水汽充沛的条件下，受升温影响冰川和雪山边缘地区仍有消融退缩趋势。

图6 三江源地区积雪日数变化趋势的海拔梯度分异Fig.6 Altitudinal gradient variation of snow cover days in Sanjiangyuan area

由三江源地区不同坡向的面积占比及积雪日数可以看出，三江源地区不同坡向的年平均积雪日数差异明显；虽然三江源地区以北坡、南坡、东北坡和西南坡为主，其面积占比分别为16.53%、16.17%、15.28%和13.01%（图7a），但多年平均积雪日数呈现北坡大于南坡、西坡大于东坡的分布格局；其中，西北坡积雪日数最多，为78.30 d，其次是北坡、东北坡、西坡、东坡、东南坡、西南坡，年平均积雪日数分别为76.84 d、73.98 d、71.14 d、70.61 d、62.94 d、59.62 d，南坡的最少，为55.68 d（图7b）。分析认为，积雪分布主要受温度、地形地势和水汽输送的影响，而坡向主要通过影响太阳辐射和气流的地形抬升而影响积雪分布。虽然三江源地区主要受西北冷空气和西南印度洋、孟加拉湾暖湿气流的交汇，经地形抬升作用形成降雪，南坡是迎风坡，降雪较多，但相比于北坡，南坡为阳坡，可以吸收更多的太阳辐射，加之三江源地区辐射强烈，会导致积雪快速消融，不利于积雪的累积，这是南坡和北坡的主要区别，也使得南坡的平均积雪日数最低；东坡和西坡接收的太阳辐射基本相同，但是西南方向的暖湿气流会使得西坡的降雪大于东坡，这是西坡积雪日数大于东坡的主要原因［17］。

图7 三江源地区不同坡向的面积占比及积雪日数Fig.7 Area proportions and snow cover days of different slope directions in Sanjiangyuan area

2001—2020 年三江源地区不同坡向的积雪日数均呈增多趋势，其中西坡的增多速率最快，为1.04 d·a-1，其次是西北坡、东北坡、东坡、北坡、西南坡和东南坡，积雪日数增多速率分别为1.02 d·a-1、1.01 d·a-1、0.10 d·a-1、0.99 d·a-1、0.95 d·a-1和0.92 d·a-1，南坡的增多速率最慢，为0.89 d·a-1（图8a）。由不同坡向积雪日数的变化方向及程度分析可知，不同坡向积雪日数均以不显著增多为主，面积占比为68.25%～69.82%，显著增多区域面积占比为15.83%～17.07%，差异较小（图8b）。南坡受强烈的太阳辐射影响积雪消融较快，不利于积雪的积累，在西南方向的水汽输送增强的背景下积雪日数增多速率最慢，而相比于西北坡，西坡受西北冷空气的吹雪效应较小，因此积雪日数增多速率最快［17,34-35］。

图8 三江源地区积雪日数变化趋势的坡向分异Fig.8 Slope variation of snow cover days in Sanjiangyuan area

3.3 积雪日数对气候变化的响应

2001—2020 年三江源地区年平均气温为0.74～1.59 ℃，年降水量为383.04～608.07 mm；近20 a 来，三江源地区气候表现出明显的“暖湿化”，其中平均气温以0.35 ℃·（10a）-1（P＜0.01）的速率极显著升温，年降水量以49.13 mm·（10a）-1（P＜0.05）的速率显著增多，年际波动较大。对比年积雪日数可以发现，通常“冷湿”年份（如2008、2019 年和2020 年等）积雪日数偏多，“暖干”年份（如2010、2015 年和2016年等）积雪日数偏少（图9），表明三江源地区明显的“暖湿化”气候特征是影响积雪日数变化的主要原因之一。

图9 2001—2020年三江源地区年平均气温、年降水量年际变化趋势Fig.9 Interannual variation trends of annual average temperature and annual precipitation in Sanjiangyuan area from 2001 to 2020

进一步分析三江源地区积雪日数与同期气温、降水量的偏相关系数及显著性分布发现，三江源地区86.18%的区域积雪日数与气温呈负相关，其中36.38%呈显著负相关（P＜0.1），主要分布于三江源中部、东部地区，说明这些地区的气温对积雪日数的影响比较大，气温升高将导致积雪日数减少，而治多北部、唐古拉山镇、杂多西部、达日南部、久治和班玛的部分地区积雪日数与气温相关性较低（图10a～b）。降水方面，三江源地区95.71%的区域积雪日数与降水量呈正比，其中60.18%呈显著正相关（P＜0.1），主要分布在除治多北部、唐古拉山镇、杂多西部、囊谦南部、达日南部、久治和班玛以外的大部地区，表明这些地区降水量的增加是积雪日数增多的主要原因（图10c～d）。积雪日数与降水量的平均偏相关系数为0.42（P＜0.05），偏相关系数随海拔高度上升而线性增大；积雪日数与气温的平均偏相关系数为-0.28，偏相关系数随海拔高度上升而线性减小（图11）。这说明降水量是三江源地区积雪日数变化的主要驱动因素。近20 a来三江源地区积雪日数增多与降水量增多密切相关，且三江源地区积雪日数与气温和降水量的相关性存在“海拔依赖现象”，高海拔地区积雪日数对降水量的依赖性更强，低海拔地区对气温的依赖性更强。

图10 2001—2020年三江源地区积雪日数与同期气温、降水量的偏相关系数及显著性分布Fig.10 Partial correlation coefficient and significant distributions of snow cover days with temperature and precipitation in the same period in Sanjiangyuan area from 2001 to 2020

图11 2001—2020年三江源地区不同海拔高度积雪日数与降水量、气温偏相关系数的变化Fig.11 Variations of partial correlation coefficient of snow cover days with precipitation and temperature at different altitude ranges in Sanjiangyuan area from 2001 to 2020

4 结论

本文基于积雪面积逐日无云遥感产品和气象观测资料，分析了2001—2020年三江源地区积雪日数的水平、垂直分布特征和变化规律，并结合水热因子进行了积雪日数与气温和降水量的相关分析，主要结论如下：

（1）2001—2020年三江源地区积雪日数呈西高东低、高海拔山脉大于盆地平原的分布格局。积雪日数高值区主要集中在可可西里山、唐古拉山脉、阿尼玛卿山脉、巴颜喀拉山、格拉丹东冰川等高海拔地区，积雪日数均值普遍大于200 d。85.48%的区域积雪日数呈波动增加趋势，显著增加区域面积占比为16.59%，平均增加速率为0.98 d·a-1，其中玛多中部、达日中南部、曲麻莱西北部等三江源中部地区积雪日数增加最为显著。

（2）2001—2020年三江源地区平均积雪日数及其变化趋势存在较明显的海拔和坡向分异。积雪日数整体上随海拔上升呈指数型增加，较低海拔（＜3.0 km）区域积雪日数少，呈减少趋势且减少速率随海拔上升而加快；高海拔区域积雪日数较多且呈增多趋势，但大于4.4 km的地区平均积雪日数增多速率随海拔上升而减缓，且5.5～6.0 km 地区积雪日数呈减少趋势，高海拔地区积雪日数存在一定程度的“海拔依赖性”，在整体水汽充沛的条件下，受升温影响冰川和雪山边缘地区仍有消融退缩趋势。积雪日数呈北坡大于南坡、西坡大于东坡的分布格局，其中西北坡积雪日数最多，为78.30 d，不同坡向的积雪日数均呈增多趋势，西坡的增多速率最快，为1.04 d·a-1，其次是西北坡、东北坡、东坡、北坡、西南坡和东南坡。

（3）2001—2020 年三江源地区气温以0.35 ℃·（10a）-1的速率极显著升温，降水以49.13 mm·（10a）-1的速率显著增多，明显的“暖湿化”气候特征是影响积雪日数变化的主要原因之一。降水量是三江源地区积雪日数变化的主要驱动因素，近20 a来三江源地区积雪日数增多与降水量增多密切相关，且三江源地区积雪日数与气温、降水量的相关性存在“海拔依赖现象”，高海拔地区积雪日数对降水量的依赖性更强。