0 引言
青藏高原平均海拔超过4 000 m，是世界上最高且体量最大的高原，也是北半球中纬度积雪覆盖最多的地区（Duan and Wu，2005；杨志刚等，2017；Zhang et al.，2017a；Huang et al.，2023）。一方面，青藏高原积雪会改变地表辐射的大气热力状况，通过热力作用影响区域乃至全球环流系统和天气气候，包括亚洲夏季风、印度季风、中国夏季气温和降水等（Zhou et al.，2009；Duan et al.，2012；Wu et al.，2012；Liu et al.，2020）；另一方面，由于拥有大量的积雪和冰川等，青藏高原还被称为亚洲水塔，是我国和亚洲很多主要河流的源地，冰雪融水是区域内河流上游地区主要的补给水源（Xu et al.，2008；Immerzeel et al.，2010；Yao et al.，2012；Huang et al.，2023）。高原积雪变化引起的融雪径流变化对当地和下游人们的生产和生活影响极大（杨志刚等，2017；张建云等，2019；甘俊和蒲文辉，2024），因此，研究青藏高原积雪覆盖的时空变化特征，对于区域水资源利用管理和天气气候预测都有重要的实际价值和科学意义。
早期关于青藏高原积雪覆盖的研究大多基于台站观测资料，但是由于青藏高原气象观测站点分布不均匀以及地形的复杂多变，台站观测的积雪资料代表性受到限制（李小兰等，2012；白淑英等，2014），因此很难用台站观测资料合理定量地分析地形复杂的高原地区积雪覆盖时空变化特征（Li et al.，2018）。随着遥感观测技术的发展，卫星观测的积雪覆盖资料愈发丰富。与传统台站观测相比，卫星观测可以获得地形崎岖和气候恶劣导致的人类难以到达区域的积雪覆盖信息（Tang et al.，2013；Yang et al.，2015），且卫星观测可以更高效地获取更多的积雪覆盖资料（Zhang et al.，2017a）。因此，对于较大面积和较长时间尺度上的高原地区积雪覆盖研究，卫星观测数据源具有独特的优势。
王叶堂等（2007）利用2000—2005年的MODIS卫星观测资料初步分析了青藏高原积雪覆盖的分布特征及变化趋势，指出青藏高原的积雪在四周山区较多、腹地较少，积雪覆盖面积总体上呈现出冬春季减少、夏秋季增加的变化趋势；同时研究表明气温和降水是影响高原积雪覆盖变化的基本因子。白淑英等（2014）基于较长时序（2001—2010年）遥感数据研究发现高原平均积雪覆盖面积呈波动缓慢减少，但趋势并不显著。随后，众多研究从更多方面分析了积雪在不同维度上的变化特征。如杨志刚等（2017）使用更长的时序数据在积雪覆盖变化方面有了更细致的发现：2000—2008年积雪面积有所增加，但2001—2014年则总体表现为微弱减少；除多等（2017）研究表明高原周围和中部高大山脉积雪覆盖较多，腹地盆地和谷地积雪覆盖较少，不同海拔高度上积雪覆盖率具有不同的年内变化特征；Zhang等（2017a）研究发现2003—2014年高原积雪覆盖缓慢减少，但秋季积雪覆盖在增加。最近，拉巴等（2024）利用2001—2022年原始MODIS积雪覆盖产品进一步研究指出，青藏高原东部积雪变化对高原整体积雪年际变化具有主导作用。以往相关研究加深了人们对高原积雪覆盖时空变化的认识，但由于现有研究大多基于原始的MODIS观测资料，且资料长度有限，得出的高原积雪覆盖变化趋势等结论并不一致。
MODIS作为一种光学传感器，其观测易受云覆盖影响导致观测数据缺失，在多云或阴天条件下，积雪识别精度显著下降。曹云刚等（2007）研究指出青藏高原复杂的气象条件严重影响了MODIS积雪数据的精度与实际应用；黄晓东等（2007）分析了MODIS积雪产品在北疆的精度，结果表明相比于晴空条件，多云或阴天时MODIS积雪识别率下降超40%；拉巴卓玛等（2016）对比验证了西藏高原MODIS日积雪产品去云算法，发现去云后积雪分类精度有明显提升。因此，为了获得更为明确的高原积雪覆盖变化特征及趋势，需要使用更长时间序列并经过去云处理的卫星观测数据。此外，积雪覆盖频率作为一种表示特定时段内像元级别上积雪累计频率的指标，反映积雪覆盖持续时间的总体特征，能更详细地描述不同区域积雪覆盖的时空变化（李梁等，2022；Du et al.，2022）；且积雪覆盖频率还是陆面水文过程和能量平衡模型的重要输入变量，对研究模拟冰川融雪径流和下游河流水文过程具有重要作用（Liu et al.，2022）。然而当前少有工作分析高原不同区域和不同海拔高度上积雪覆盖频率的时空变化特征，且以往对高原积雪覆盖指标和主要气象影响因子的研究，只关注高原整体范围内两者平均值之间的联系，所以有必要分析不同海拔高度上积雪覆盖频率与主要气象影响因子之间的关系。
1 研究区、数据和方法
1.1 研究区域
图1
1.2 区域积雪数据
积雪覆盖数据来自国家青藏高原科学数据中心的HMRFS-TP青藏高原逐日无云积雪数据集（黄艳和许嘉慧，2022），该数据基于长时间序列的MODIS积雪产品，采用隐马尔可夫随机场建模框架，填补了区域内云层遮挡引起的数据空缺，且有效提高了数据精度。与实测积雪数据对比表明该数据集精度可达98.29%，且在海拔较高的区域精度提升效果显著。积雪数据时间段为2003—2022年自然年，空间分辨率为500 m。结合积雪变化周期，本文年尺度采用水文年，即当年9月1日至次年8月31日为一年（拉巴卓玛等，2018）。对应的季节划分为该水文年内的9—11月为秋季，12月至次年2月为冬季，3—4月为春季。按照水文年的时间跨度，将积雪数据集时间长度整理为2003—2021水文年。
1.3 区域气温及降水数据
格网气温和降水数据来自国家青藏高原科学数据中心月尺度数据集（彭守璋，2019；彭守璋，2020），空间分辨率为1 km。该数据集根据英国东吉利大学气候研究单元（Climatic Research Unit，CRU）发布的全球0.5°气候数据集以及全球气候数据计划（WorldClim）发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成。经过使用496个独立气象观测点数据进行验证，表明该数据集较为可信（彭守璋，2019；彭守璋，2020）。与CRU数据相比，该数据集提高并改进了分辨率和数据质量，在偏差和相关系数等指标上表现更好，且在年际变率和变化趋势上与观测数据较为一致。格网气象数据的预处理主要包括：空间上重采样为500 m，时间上分别计算水文年和季节尺度的平均气温、累积降水，实现与积雪数据集的时空匹配。
1.4 积雪覆盖频率计算
参照李梁等（2022）研究定义积雪覆盖频率（Snow Cover Frequency，SCF），即每个像元在特定时间段内有积雪覆盖的天数除以总天数所得出的百分比：
式中：F为积雪覆盖频率，单位：%；
1.5 趋势计算
通过一元线性回归方法能够对每个栅格像元的演变趋势进行分析。计算公式如下：
式中：
本研究对逐像元线性拟合的斜率结果进行P值检验，并将斜率与P值叠加，按照表1分类标准对叠加结果分类。
表1 斜率变化和显著性检验分类标准
Tab.1
| 分类 | P | |
|---|---|---|
| 极显著减少 | <0 | <0.01 |
| 显著减少 | <0 | [0.01，0.05] |
| 不显著 | <0或者>0 | >0.05 |
| 极显著增加 | >0 | <0.01 |
| 显著增加 | >0 | [0.01，0.05] |
1.6 Pearson相关系数
使用Pearson相关系数统计积雪覆盖频率分别与气温、降水的简单线性关系。计算公式如下：
式中：
使用t检验方法检验Pearson相关系数的显著性：
式中：n为样本个数，r为相关系数，t为检验值。采用的显著性水平为0.05（显著相关）和0.01（极显著相关）。
1.7 变率计算
为反映研究区内积雪覆盖频率的气候变率，计算不同时间尺度的积雪覆盖频率逐像元标准差，然后依据相同空间分辨率的高程数据，统计不同海拔区域的标准差平均值。标准差计算公式如下：
式中：
2 分析与结果
2.1 高原东部积雪覆盖频率时空分布特征
图2为2003—2021年4种积雪类型（无雪、不稳定积雪、稳定积雪和常年积雪）的逐年占比变化。可以看出，2003—2021年，不稳定积雪占比始终最高（平均约68.88%），其次为稳定积雪（平均约17.33%），无雪区域占比平均约13.33%，常年积雪占比最低（平均约0.46%）。各类型积雪占比随时间变化较平稳，仅2018年和2019年稳定积雪占比有明显增加。
图2
图2
2003—2021年高原东部区域不同积雪类型逐年占比变化
Fig.2
Variation of yearly proportion of different snow cover types in the eastern region of the plateau from 2003 to 2021
图3为2003—2021年不同类型积雪覆盖的空间分布。可见，常年积雪分布最少，主要分布在高大山脉峰顶附近，无雪区集中分布在北部的盆地沙漠区，不稳定积雪分布最广，稳定积雪则主要分布在海拔较高区域。
图3
图3
2003—2021年高原东部区域不同类型积雪覆盖空间分布
Fig.3
Spatial distribution of different types of snow cover in the eastern region of the plateau from 2003 to 2021
图4为2003—2021年高原东部区域积雪覆盖频率的逐月空间分布。可以看出，积雪覆盖频率较高的区域位于南部喜马拉雅山脉、念青唐古拉山脉和横断山脉，中部内陆部分高海拔区域以及北部的祁连山脉区域，其中南部高大山区的积雪覆盖频率总体最高。研究区主体内陆的大部分区域，积雪覆盖频率较低；北部柴达木盆地、南部和东南部海拔较低的谷地区域，积雪覆盖频率最少。从时间上看，冬季和春季研究区东部的积雪覆盖总体较多，但冬季内陆和北部区域积雪覆盖相比春季更高；春季内陆地区积雪开始减少，但3月和4月左右南部高海拔地区积雪覆盖相对冬季却明显增加，随后高原东部积雪覆盖整体开始减少；秋季积雪又开始增加，特别是较高海拔区域增加较为明显，11月左右积雪覆盖增加最为明显。
图4
图4
2003—2021年高原东部区域逐月积雪覆盖频率空间分布（单位：%）
Fig.4
Spatial distribution of monthly snow cover frequency in the eastern region of the plateau from 2003 to 2021（Unit： %）
图5为不同海拔高度上逐月积雪覆盖频率的演变特征。可见，高原东部整体积雪覆盖频率冬季较高、夏季最低。海拔越高对应的积雪覆盖频率也越高，高海拔区域的积雪覆盖频率最高可达80%以上；但不同海拔高度积雪覆盖频率的逐月演变特征并不一致：海拔4 000 m以下积雪覆盖频率演变总体表现为单峰特征，冬季1月达到最高值；海拔4 000 m以上，月平均积雪覆盖频率演变表现为双峰特征，峰值分别出现在秋季和春季，秋季峰值都出现在11月，而春季峰值出现时间随海拔高度变化而有所不同（海拔4 000~5 000 m区间积雪覆盖频率峰值出现在3月，海拔5 000 m以上则出现在4月）。高海拔区域积雪覆盖频率峰值出现时间与除多等（2017）基于MODIS数据得出的高原积雪覆盖演变特征略有不同，该研究指出春季部分高海拔区域积雪覆盖峰值出现在5月，可能是本文采用的积雪数据经过去云处理减少了春季云层的干扰。
图5
图5
2003—2021年高原东部不同海拔高度逐月积雪覆盖频率演变
Fig.5
Monthly evolution of snow cover frequency at different altitudes in the eastern region of the plateau from 2003 to 2021
中低海拔区域（海拔4 000 m以下），积雪覆盖频率演变的单峰特征主要与高原冬季低温条件有利于积雪出现和保持有关，因此冬季气温较低时积雪覆盖频率较高；较高海拔区域（海拔4 000 m以上）气温相对更低，秋季、冬季以及春季气温条件都有利于积雪保持。冬季高原处于西风气流控制下，基本受冷高压控制，天气以晴好为主，降雪相对较少；秋季和春季是高原地区的过渡季节，降雪过程较多可能是导致高海拔区域积雪覆盖频率峰值出现在秋季和春季的原因（除多等，2017）；海拔越高气温越低，春季有利于积雪覆盖积累的时间持续越长，所以海拔越高的区域春季积雪覆盖频率峰值出现的时间也越晚。
分析高原东部积雪覆盖频率的变率和变化趋势，需要关注季节和年尺度上的积雪覆盖频率变化特征。由于夏季积雪覆盖频率较小，本文主要关注秋季、冬季和春季，以及年平均的积雪覆盖频率。秋季、冬季、春季和年平均积雪覆盖频率的空间分布特征比较一致（图6），积雪覆盖频率最高的区域位于南部喜马拉雅山脉和念青唐古拉山脉，南部高海拔区域较丰富的水汽及较低的气温，有利于降雪及积雪积累导致该区域积雪覆盖频率较高；其他积雪覆盖频率较高的地区为内陆部分高海拔区域以及北部的祁连山脉区域。高原东部区域平均的年积雪覆盖频率约18.6%；积雪覆盖频率冬季最高、春季次之、秋季最少，分别为23.6%、23.4%、18.3%。春季研究区南部积雪覆盖频率相对较高，而冬季研究区内陆及北部积雪覆盖频率略高，与图5中的积雪覆盖频率演变结果一致。这与以往基于MODIS原始观测资料分析得出的积雪覆盖相关结果略有不同（除多等，2017），该研究显示冬季高原南部高海拔区域的积雪覆盖频率要高于春季。
图6
图6
2003—2021年高原东部季节及年平均积雪覆盖频率空间分布（单位：%）
（a）秋季，（b）冬季，（c）春季，（d）年
Fig.6
Spatial distribution of seasonal and annual average snow cover frequency in the eastern region of the plateau from 2003 to 2021 （Unit： %）
（a） autumn，（b） winter，（c） spring，（d） annual
秋、冬、春季平均和年平均积雪覆盖频率在不同海拔高度上的平均值以及年际变率也有明显差别（图7）。积雪覆盖频率随海拔高度上升逐渐增加，在海拔6 000~7 000 m左右达到最大值；随后海拔再升高之后，积雪覆盖频率反而下降，可能与该区域大多为山峰顶部有关，高大山峰顶部坡度较为陡峭，加之该高度上风速较大，不利于积雪附着。海拔3 000 m以下以及6 000 m以上区域积雪覆盖频率年际变率标准差总体较小，海拔3 000~6 000 m区域其年际变率标准差较大，可能原因是低海拔区域积雪较少，而较高海拔区域为常年积雪区，而3 000~6 000 m区域的积雪覆盖频率可能受气温或降水等因素变化影响导致年际变率较大。
图7
图7
季节及年平均积雪覆盖频率在不同海拔高度上的平均值（圆点）及变率（上下短横线）
（a）秋季，（b）冬季，（c）春季，（d）年
Fig.7
The average （the dots） and variability （the upper and lower short dashes ） of seasonal and annual average snow cover frequency at different altitudes
（a） autumn，（b） winter，（c） spring，（d） annual
总体来看，秋季平均和年平均积雪覆盖频率在各海拔高度上的平均值总体相当，比其他两个季节的平均积雪覆盖频率略小，但秋季其年际变率相对更大。冬季积雪覆盖频率的年际变率大于春季，海拔3 000~5 000 m区域冬季积雪覆盖频率较高，体现出冬季低温有利于该区域的积雪累积覆盖；但在海拔5 000~6 000 m区域，春季积雪覆盖频率反而高于冬季，该区域主要位于高原南部的高大山脉区，可能原因是该区域冬、春季气温都较低，而春季高原南部水汽较丰富，降雪较多，从而有利于春季积雪覆盖频率提高，这与图6中的结论类似。
2.2 积雪覆盖频率变化趋势及影响因子
图8为秋、冬、春季平均和年平均积雪覆盖频率变化趋势的空间分布。可以看出，只有秋季高原东部积雪覆盖频率总体表现为减少趋势，北部部分零散区域有增加趋势；年平均积雪覆盖频率在其内陆地区呈较显著增多趋势，南部山区和北部区域有较明显减少趋势；春季积雪覆盖频率变化趋势与年平均积雪覆盖频率类似，高原东部内陆区域以及祁连山附近区域积雪显著增加、东南部山区和北部边缘区域积雪减少，与年平均相比春季积雪变化趋势的幅度更大，同时也更为显著；冬季高原东部内陆区域积雪覆盖总体表现为增加趋势，南部和北部部分零散区域有减少趋势，内陆区域积雪覆盖的增加趋势强于春季。
图8
图8
季节及年平均积雪覆盖频率变化趋势空间分布（单位：%·a-1）
（a）秋季，（b）冬季，（c）春季，（d）年
Fig.8
Spatial distribution of the changing trends of seasonal and annual average snow cover frequency （Unit： %·a-1）
（a）autumn，（b） winter，（c） spring，（d） annual
图9为不同海拔高度上积雪覆盖频率的变化趋势。秋、冬、春季和年平均积雪覆盖频率在海拔6 000 m以上区域都呈明显减少趋势，其中秋季减少趋势最明显；在海拔3 000~4 000 m区域也均表现出不显著减少趋势；在海拔4 000~6 000 m的中高海拔区域，春、冬季和年平均积雪覆盖频率表现为增多趋势，而秋季则表现出较明显减少趋势。海拔4 000~6 000 m的中高海拔区域大多对应高原东部内陆区域，因此图9的统计结果与图8一致。秋季积雪覆盖频率表现出不同于年平均和其他两个季节的独特变化趋势：高原东部整体积雪覆盖频率减少趋势约2.28 %·（10 a）-1，且减少趋势较显著；海拔5 000 m以上区域，积雪覆盖频率减少趋势为5.36~6.22 %·（10 a）-1，且趋势也较显著（表2）。上述积雪变化趋势与Zhang等（2017a）利用2003—2014年的MODIS卫星资料研究得出高原积雪覆盖总体减少但秋季增加的结论不同，可能原因是该研究使用的积雪资料受云影响且积雪资料长度较短。
图9
图9
季节及年平均积雪覆盖频率在不同海拔上的年际变化（实线）及变化趋势（虚线）
（a）秋季，（b）冬季，（c）春季，（d）年
Fig.9
The inter-annual variations （solid lines） and trends （dashed lines） of the seasonal and annual average snow cover frequency at different altitudes
（a） autumn，（b） winter，（c） spring，（d） annual
表2 季节及年平均积雪覆盖频率在不同海拔高度上的变化趋势值单位：%·a-1
Tab.2
| 时段 | 海拔高度/m | ||||
|---|---|---|---|---|---|
| （3 000，4 000] | （4 000，5 000] | （5 000，6 000] | >6 000 | 整体 | |
| 秋季 | -0.020 | -0.190 | -0.622 | -0.536** | -0.228* |
| 冬季 | -0.031 | 0.224 | 0.105 | -0.266** | 0.003 |
| 春季 | -0.016 | 0.229 | 0.292 | -0.103 | 0.066 |
| 年平均 | -0.053 | 0.105 | 0.106 | -0.257** | -0.018 |
注： *表示显著，**表示极显著；海拔3 000 m以下积雪覆盖频率变化趋势过小且不显著，表中未给出。
图10
图10
季节及年平均积雪覆盖频率与同期气温相关系数空间分布
（a）秋季，（b）冬季，（c）春季，（d）年
Fig.10
The spatial distribution of correlation coefficients between seasonal and annual average snow cover frequency and the corresponding air temperature
（a） autumn，（b） winter，（c） spring，（d） annual
春、秋季气温与积雪覆盖频率相关系数最高的区域位于海拔5 000~6 000 m（表3），秋季海拔6 000 m以上区域积雪覆盖频率与气温相关系数也比较高。冬季海拔2 000~6 000 m区域气温与积雪覆盖频率相关系数都较高，其中相关系数最大区域位于海拔2 000~4 000 m之间。可能原因是春、秋季低海拔区域积雪较少，气温波动对其影响不大；而冬季高海拔区域气温极低、积雪覆盖较多，气温波动只能对中等海拔区域（2 000~4 000 m）的积雪有较大影响。年平均积雪覆盖频率在5 000~6 000 m中高海拔区域与气温的相关系数最大。
表3 季节及年平均积雪覆盖频率与同期气温在不同海拔上的相关系数
Tab.3
| 时段 | 海拔高度/m | ||||||
|---|---|---|---|---|---|---|---|
| ≤2 000 | （2 000，3 000] | （3 000，4 000] | （4 000，5 000] | （5 000，6 000] | >6 000 | 整体 | |
| 秋季 | -0.016 | -0.110 | -0.121 | -0.231 | -0.387 | -0.324 | -0.198 |
| 冬季 | -0.091 | -0.308 | -0.305 | -0.277 | -0.293 | 0.117 | -0.194 |
| 春季 | -0.002 | -0.044 | -0.099 | -0.256 | -0.357 | -0.172 | -0.155 |
| 年平均 | -0.045 | -0.269 | -0.244 | -0.218 | -0.280 | -0.153 | -0.201 |
注： *表示显著，**表示极显著。
图11为高原东部降水和积雪覆盖频率的相关系数分布，可以看出降水和积雪覆盖频率总体呈正相关，降水增加导致积雪覆盖频率增多。秋季在高原东部的南部和内陆区域的中高海拔区域，以及北部的祁连山区域降水与积雪覆盖频率呈显著正相关，相关性最强的区域位于海拔5 000~6 000 m（表4）。年平均降水与积雪覆盖频率的相关性与秋季类似，只是相关性较为显著的区域相对略小，高相关区域主要位于南部和内陆中高海拔区域。冬季高原东部内陆和南部部分中高海拔区域降水与积雪覆盖频率的相关性最强，且正相关的区域最大；统计显示相关性较强的区域位于海拔4 000~6 000 m，且在海拔5 000~6 000 m区域相关性最强。冬季高原气温较低，高原主体被西风带所控制，西风带扰动导致的高原主体降水波动可能对积雪覆盖频率有较强影响，与气温相比，冬季降水与积雪覆盖频率的关系更密切。春季主要在高原东部的东南部和东北部的中高海拔区域降水与积雪呈显著正相关，这两个区域春季降水较多，统计结果表明春季中高海拔4 000~5 000 m区域降水与积雪覆盖频率的相关性最强（表4）。
图11
图11
季节及年平均积雪覆盖频率与同期降水的相关系数空间分布
（a）秋季，（b）冬季，（c）春季，（d）年
Fig.11
The spatial distribution of correlation coefficients between seasonal and annual average snow cover frequency and the corresponding precipitation
（a） autumn，（b） winter，（c） spring，（d） annual
表4 季节及年平均积雪覆盖频率与同期降水在不同海拔高度上的相关系数
Tab.4
| 时段 | 海拔高度/m | ||||||
|---|---|---|---|---|---|---|---|
| ≤2 000 | （2 000，3 000] | （3 000，4 000] | （4 000，5 000] | （5 000，6 000] | ≥6 000 | 整体 | |
| 秋季 | 0.066 | 0.021 | 0.019 | 0.171 | 0.263 | 0.161 | 0.117 |
| 冬季 | 0.109 | 0.115 | 0.177 | 0.344 | 0.391 | 0.031 | 0.194 |
| 春季 | 0.050 | 0.059 | 0.182 | 0.205 | 0.125 | 0.065 | 0.114 |
| 年平均 | 0.013 | 0.039 | 0.049 | 0.165 | 0.185 | 0.168 | 0.103 |
注：*表示显著，**表示极显著。
由于气温和降水对高原积雪都有较强影响，本文主要分析高原东部气温（图12）和降水（图13）的变化趋势。秋季高原东部整体呈显著增温趋势，只在西北部较小区域出现降温趋势；冬季高原东部内陆区域呈显著降温趋势，但在其东缘及北部部分区域出现增温趋势；春季高原东部气温变化趋势与冬季类似，只是其东部及北部的增温更明显，内陆区域的降温幅度和显著性比冬季略弱；年平均气温在东部和北部区域呈显著增加趋势，只在西北部有显著降低趋势。秋季高原东部的南部和北部区域降水减少，中部偏东区域显著增加；冬季高原东部降水总体变化幅度较小，其南部和北部减少、中部增加；春季高原东部的南部降水显著减少、中部和北部显著增加；年平均降水在其东缘及东北部显著增加、南部和北部减少。
图12
图12
季节及年平均气温变化趋势空间分布（单位：℃·a-1）
（a）秋季，（b）冬季，（c）春季，（d）年
Fig.12
Spatial distribution of seasonal and annual average temperature change trends （Unit： ℃·a-1）
（a） autumn，（b） winter，（c） spring，（d） annual
图13
图13
季节及年平均降水变化趋势空间分布（单位：mm·a-1）
（a）秋季，（b）冬季，（c）春季，（d）年
Fig.13
Spatial distribution of seasonal and annual average precipitation change trends （Unit： mm·a-1）
（a） autumn，（b） winter，（c） spring，（d） annual
秋季高原东部显著增温趋势可能是导致秋季积雪减少的主要原因；冬季高原东部内陆显著降温趋势可能是内陆积雪覆盖频率显著增加的主要原因，而其南部和北部部分零散区域积雪减少可能与当地降水减少有关；春季高原东部的东南部和北部区域气温增加，其南部降水减少，这些因素可能是导致春季南部山区和北部边缘区域积雪减少的原因，而其内陆地区气温降低且其中部降水增加可能是导致春季当地积雪增加的原因；其南部和北部年平均气温增加而降水减少，有助于年平均积雪覆盖频率在该区域减少。
3 结论
基于逐日无云卫星观测资料和格点气象资料，研究了高原东部积雪覆盖频率的时空变化特征及其与主要气象影响因子的联系，得出以下主要结论。
1）积雪覆盖频率高值区主要分布在南部高海拔山区、中部内陆部分高海拔区域及北部祁连山区，其中南部山区整体最高。冬、春季平均积雪覆盖频率较高，冬季高原东部的内陆和北部积雪覆盖频率高于春季，而春季南部高海拔地区则高于冬季。积雪覆盖频率随海拔升高呈先增加后稳定的趋势，海拔6 000 m左右达到峰值；海拔4 000 m以下呈单峰型，峰值在1月；4 000 m以上呈双峰型，秋季峰值在11月，春季峰值4 000~5 000 m区域为3月，5 000 m以上在4月。
2）冬、春季平均积雪覆盖频率分别为23.6%和23.4%，秋季和年平均分别为18.3%和18.6%。春季南部山区积雪覆盖频率高于冬季，而内陆及北部则冬季高于春季。海拔3 000~5 000 m区域冬季积雪覆盖频率较高，5 000~6 000 m区域春季更高。年际变率在海拔3 000~6 000 m区域较大，3 000 m以下和6 000 m以上较小。
3）秋季积雪覆盖频率呈显著减少趋势，仅北部零星区域略有增加；春季与年平均积雪在内陆显著增加，东南部山区和北部边缘减少；冬季内陆也呈增加趋势，南部和北部零星区域减少。春、冬季和年平均积雪覆盖频率整体变化趋势不显著，但海拔6 000 m以上区域各时段积雪均明显减少。
4）积雪覆盖频率与气温总体呈负相关，冬、春季相关范围广且显著，秋季仅在内陆及东侧高海拔区域显著。降水与积雪覆盖频率总体正相关，其中冬季相关性最强、范围最大；秋季显著正相关区域主要位于南部、内陆中高海拔区及祁连山，春季主要在东南部和东北部中高海拔区域。
参考文献
卫星遥感西藏高原积雪时空变化及影响因子分析
[J].
积雪是气候变化的指示器,其变化对地球能量和辐射平衡以及水分循环产生深刻的影响。研究积雪与气候变化的关系是气候变化区域响应的最好实证。利用2000年3月~2011年2月共11 a的MODIS雪盖产品数据、1979~2010年逐日雪深被动微波遥感数据、DEM数据以及地面气象观测数据,通过GIS空间分析及地统计分析功能,系统分析西藏高原雪深、雪盖和雪线的时空变化规律及其对气候变化的响应关系。研究表明:研究区雪深的分布形成了四周山地积雪深度大,中部腹地雪深小的空间格局。1979~1999年平均雪深呈极显著增加趋势,线性倾向率为0.26 cm/10a,1999~2010年则呈下降趋势。逐像元回归分析结果显示,研究区年积雪深度呈增加趋势的像元数占全区像元总数的76.9%,有减少趋势的仅占23.1%;雪盖面积变化总体呈缓慢波动减少趋势,线性倾向率为-3.89万km<sup>2</sup>/10a;7、8月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仍存在大面积常年积雪;雪线年平均呈微弱上升趋势,线性倾向率为6.54 m/10a,各季节平均雪线中,秋季雪线的变化对年平均贡献最大;雪线空间分布呈现从东南向西北逐步升高的态势。积雪参数与气候因素的相关分析表明,雪深春秋季主要受风速和日照时数影响,夏冬季则分别是降水量和风速;气温是影响四季积雪覆盖面积的主导因素,春秋季雪线与气温分别呈正相关和负相关。
北疆牧区MODIS积雪产品MOD10A1和MOD10A2的精度分析与评价
[J].以北疆为研究区,结合气象台站记录的雪情数据,利用地理信息系统方法分析了2004年12月1日至2005年2月28日期间北疆地区90个时相的MODIS每日积雪产品MOD10A1和8日合成产品MOD10A2的积雪分类精度.研究表明:1)当积雪深度≤3 cm时,MOD10A1对积雪的识别率非常低,仅为7.5%;积雪深度为4~6 cm时,积雪识别率达到29.3%;积雪深度为15~20 cm,平均积雪识别率达到45.6%.当积雪深度>20 cm时,平均积雪识别率为32.2%;2)MOD10A1产品的积雪分类精度受天气状况的严重影响.在晴空状况下,该产品的最大积雪识别率达到58.2%;但是在多云或阴天时,平均积雪识别率仅为17.8%;3)下垫面对MOD10A1的分类结果也会造成影响,在荒漠区MOD10A1的积雪识别率为39.8%,在草原和稀树草原区的积雪识别率为37.2%,农业用地的积雪识别率最低,为29.1%;4)MOD10A2产品可较好的消除云层对地表积雪分类精度的影响,平均积雪识别率达87.5%,可较好的反映地表积雪的分布状况.
HMRFS-TP:青藏高原逐日无云积雪数据集(2002—2024)
[DB/OL].
西藏高原MODIS每日积雪产品去云算法过程对比验证研究
[J].基于MODIS积雪产品的多种去云方法过程在西藏高原开展对比验证,并以漏测误差L(%)、多测误差M(%)、总体精度O(%)、积雪分类精度S(%)及kappa系数(K<sub>hat</sub>)作为验证精度评价指标;主要研究方法有上下午星结合去云法(方法Ⅰ)、连续三天结合去云法(方法Ⅱ)以及基于数字高程模型的Snowl去云法(方法Ⅲ).并采用高分辨率Landsat遥感数据对所得结果开展验证对比工作,为了使验证结果更具有代表性,选取了西藏高原典型的5个区域用于其验证范围.结果表明:方法Ⅰ和方法Ⅱ有较好的去云效果,适合于在西藏高原开展利用;方法Ⅲ在西藏高原没有起到特殊的去云作用,该方法的前提假设是在西藏高原需要考虑山地和高原作分析;通过三种方法去云之后在5个区域效果总体上表现为漏测误差和多测误差都有减少,总体精度和积雪分类精度分别在60%~98%及60%~95%之间,kappa系数在0.10~0.56间,一致性精度表现一般.
2002—2015年西藏雅鲁藏布江流域积雪变化及影响因子分析研究
[J].以西藏母亲河雅鲁藏布江流域为研究区，从2002年7月至2015年4月，选取9月至次年8月的水文年开展积雪和气象因子分析，所采用的数据主要有：500 m MODIS逐日积雪无云数据、DEM数字高程、气象台站气象要素及MODIS地表温度数据等。对研究区开展了积雪变化及特征分析，并与主要气象要素和地表温度开展了相关性分析研究。结果表明：研究区近12年积雪平均面积为3.56×10<sup>4</sup>km<sup>2</sup>，总体呈减少趋势，流域上游和下游是常年积雪覆盖率较大的区域，中游农区及河谷盆地主要以稳定和季节性积雪为主，常年积雪分布较少；海拔4 000 m以上为稳定积雪和常年积雪分布区，积雪持续天数在180 d以上，海拔4 000 m以下主要以季节性积雪为主，这一区域积雪变化波动较大；气温与积雪面积呈反相关，积雪面积受降水量影响小，地表温度与积雪相关性显著，可以认为气温升高是雅江流域积雪面积减少的主要驱动因子。
中国地区地面观测积雪深度和遥感雪深资料的对比分析
[J].比较了气象台站观测和卫星遥感(SMMR、 SSM/I、 AMSR-E)的积雪深度两种资料在空间分布、 年际变化及其与中国夏季降水之间关系的异同性.结果表明: 两种资料在积雪稳定区的分布比较一致, 积雪深度的大值区位于东北地区、 新疆北部和青藏高原地区; 对于季节性积雪区且积雪深度不大的区域而言, 二者之间存在着较大的差异, 尤其在江淮流域及长江中下游地区, 台站观测的积雪深度大于遥感得到的积雪深度; 平均而言, 两种资料获得的积雪深度在各地区基本一致.在新疆北部和高原南部, 二种资料的年际变化存在着差异, 在新疆北部, 台站观测大于遥感得到的积雪深度, 而在高原东南部遥感大于台站观测积雪.近30 a来, 两种资料获得的积雪深度在新疆北部和青藏高原的年际变化趋势基本一致, 新疆北部为增加趋势, 青藏高原有减少的趋势.值得注意的是, 在东北地区, 近30 a来两种类型资料的年际变化趋势呈相反变化.两种资料在新疆北部的相关最强; 东北、 青藏高原其次; 而高原东南部最差, 在使用时应加注意.青藏高原地区的两种积雪资料与中国夏季降水的相关"信号"基本一致.青藏高原地区积雪与东北西部地区和长江中下游夏季降水之间的相关最为显著.资料间的差异性并不影响高原地区积雪对中国夏季降水"信号"的应用.
青藏高原气温分布的空间插值方法比较
[J].使用反距离平方、趋势面、Kriging插值、Cokriging插值和综合方法对青藏高原1961-1990年30年平均1月气温进行空间插值比较研究,其中后两种方法能够把影响青藏高原气温分布的关键因素——高程置于插值算法之中。反距离平方和趋势面插值的结果都与实际情况相差较远;普通Kriging插值能够反映出青藏高原气温分布的一定的空间结构,但结果依然不好;由于考虑了高度变量,Cokriging插值表现出一定程度的性能改进,但因为台站海拔高度偏低,插值结果依然不理想。前4种方法效果不好的原因主要是因为青藏高原上气象台站稀少且高原西北地区无气象台站。综合方法把气温分解为结构化分量和随机分量,使用直减率把气温订正到同一海拔高度后,再对它们做Kriging插值分析,其结果较为正确地反映了青藏高原气温空间分布的特征,误差远小于其它方法。研究结果表明:样本本身的空间分布是影响插值精度的重要因素,合理的采样设计是必要的前提;对于台站稀少的地区,必须把随机插值方法和确定性方法结合起来估计气候变量的空间分布。同时给出了青藏高原1月的气温空间分布状况。
中国1 km分辨率逐月平均气温数据集(1901—2024)
[DB/OL].
中国1 km分辨率逐月降水量数据集(1901—2024)
[DB/OL].
青藏高原能量与水循环卫星遥感观测研究
[J].以青藏高原为核心的“亚洲水塔”区具有地形复杂、天气多变的特点，特别是高山地区地面观测站点稀少。现有遥感观测在能量与水循环要素监测方面缺乏系统性，观测精度有限，难以全面揭示亚洲水塔区水量平衡的时空分布特征及其变化规律。在“第二次青藏高原综合科学考察研究”专题项目支持下，本研究系统开展了青藏高原能量与水循环卫星遥感观测研究，取得以下主要成果：研制和共享了15种能量与水循环关键要素的卫星遥感数据集，改进和发展了各要素的卫星反演方法和技术，构建了亚洲水塔区域能量平衡（6种）与水循环（9种）关键要素的卫星组网观测系统，涵盖云、辐射、地表温度、发射率、反照率、净水通量、大气水汽、土壤水分、土壤冻融、积雪覆盖与雪深、陆地水储量与水体变化等参数，生产了高精度、时空连续和高时空分辨率的能量和水循环要素的系统遥感数据集。基于该数据集的系统分析表明：青藏高原地表蒸散发多年平均空间分布格局受降水分布控制，表现为由东南向西北递减的趋势。蒸散发在大部分区域（干旱和半干旱区）主要受水分条件控制，仅在少数湿润区域受辐射因素主导。影响高原蒸散发的能量和水循环的其他要素如地表下行长波辐射等能量参数呈现增加趋势，地表反射率呈现下降趋势，与积雪覆盖度的降低趋势相比具有显著的相关性；此外大气水汽、土壤水分、湖泊面积以及陆地水储量等水循环关键参数均呈现出显著的增加趋势，而积雪覆盖度和地表年冻结天数呈现减少趋势。总体而言，自2000年以来青藏高原总体呈现出变暖变湿趋势。本研究提供的数据集有助于支撑遥感与模式结合，促进区域气候-陆面和多圈层水文的模式的验证和改进。
近15 a青藏高原积雪覆盖时空变化分析
[J].利用MOD10A2积雪产品分析了2000~2014年青藏高原（以下简称高原）积雪面积和覆盖率的时空分布和变化特点。主要结论如下:①近15 a高原年平均积雪面积减少趋势不明显,但季节差异很大,秋季积雪面积略显上升趋势,其他3个季节略有减少趋势,其中夏季减少趋势相对较明显;积雪面积变化与同期气温之间存在负相关关系,且与最高气温的关系更为密切;②过去15 a高原积雪覆盖率变化趋势的空间差异明显。青海南部至藏北羌塘高原北部及西南喜马拉雅山脉北麓增加趋势较明显,其中青海南部覆盖范围最广,而念青唐古拉山中西段、喜马拉雅山东段、高原东南地势较低区域和西北部存在较明显的减少趋势,其中那曲东南减少最为明显;③高原积雪覆盖率的年际变率空间差异同样很大,总体上与高原平均积雪覆盖分布相似,即高寒内陆和周边的高大山脉及其周边地区是积雪年际差异明显区域,且主要是由春秋两季的年际变率导致的,高原积雪年际变率较大区域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地区。
Spatiotemporal variation of snow cover frequency in the Qilian Mountains (northwestern China) during 2000-2020 and associated circulation mechanisms
[J].Linking snow cover frequency (SCF) and atmospheric circulation is vital for comprehension of hemispheric-scale change mechanisms and for accurate forecasting. This study combined MODIS imagery with meteorological observations to investigate the variation of annual SCFs in the Qilian Mountains. Results indicated that more than 80% of annual SCF is distributed at high elevations and mostly on northern slopes, and that SCF is greater in the west than in the east. Abrupt change in the increase in annual SCF was not detected; however, significant (0.05 confidence level) variation with quasi-3-year and quasi-5-year periods indicated potential connection with monsoons. Topographically, SCF increased at high elevations and decreased in valleys. Moreover, SCF increased significantly with a rise in slope below 23° and then decreased between 23° and 45°, and it decreased with a change in aspect from 70° to 200° and then increased from 200° to 310°. Annual SCF variation in the Qilian Mountains is dominated by precipitation rather than by temperature. In the years with high SCFs, southeasterly winds associated with an anticyclone over southeastern China and southwesterly winds associated with the cyclone over the Iranian Plateau brought warm moisture across northwestern China, favoring snowfall in the Qilian Mountains. Meanwhile, cold moisture outbreaks from the Arctic into the mid-latitudes are conducive to maintaining snow cover. However, in the years with low SCFs, the cold air might be difficultly transporting out of the Arctic region due to the strengthening polar vortex. Moreover, the water vapor was less than that of the mean state and divergence over the Qilian Mountains, which difficultly conduced snowfall over the Qilian Mountains.
Role of the Tibetan Plateau thermal forcing in the summer climate patterns over subtropical Asia
[J].
Weather and climate effects of the Tibetan Plateau
[J].
Global climate impacts of land-surface and atmospheric processes over the Tibetan Plateau
[J].
Climate change will affect the Asian water towers
[J].\n The Tibetan plateau and adjacent mountain ranges are the source areas of the five major rivers of Asia. Climate change promises to affect both precipitation patterns and glacial melting in the region, which could have marked impacts on river flows and on associated agriculture.\n \n Immerzeel\n et al.\n \n (p.\n 1382\n ) analyzed the relative importance of glacial meltwater and rainfall in the region in order to determine how the rivers depend on different sources of water, and how the river basins may be affected by climate change. Climate change is likely to affect water availability in the river basins in substantial but diverse ways, which may threaten the food security of tens of millions of people.\n
Validation of daily MODIS snow cover maps of the Upper Rio Grande River Basin for the 2000-2001 snow year
[J].
Spatiotemporal variation of snow cover over the Tibetan Plateau based on MODIS snow product, 2001-2014
[J].
Dynamic characteristics of snow frequency and its relationship with climate change on the Tibetan Plateau from 2001 to 2015
[J].
Land-atmosphere-ocean coupling associated with the Tibetan Plateau and its climate impacts
[J].This paper reviews recent advances regarding land-atmosphere-ocean coupling associated with the Tibetan Plateau (TP) and its climatic impacts. Thermal forcing over the TP interacts strongly with that over the Iranian Plateau, forming a coupled heating system that elevates the tropopause, generates a monsoonal meridional circulation over South Asia and creates conditions of large-scale ascent favorable for Asian summer monsoon development. TP heating leads to intensification and westward extension (northward movement) of the South Asian High (Atlantic Intertropical Convergence Zone), and exerts strong impacts on upstream climate variations from North Atlantic to West Asia. It also affects oceanic circulation and buoyancy fields via atmospheric stationary wave trains and air-sea interaction processes, contributing to formation of the Atlantic Meridional Overturning Circulation. The TP thermal state and atmospheric-oceanic conditions are highly interactive and Asian summer monsoon variability is controlled synergistically by internal TP variability and external forcing factors.© The Author(s) 2020. Published by Oxford University Press on behalf of China Science Publishing & Media Ltd.
Spatiotemporal changes of snow cover over the Tibetan Plateau based on cloud-removed moderate resolution imaging spectra-radiometer fractional snow cover product from 2001 to 2011
[J].
Thermal controls on the Asian summer monsoon
[J].The Asian summer monsoon affects more than sixty percent of the world's population; understanding its controlling factors is becoming increasingly important due to the expanding human influence on the environment and climate and the need to adapt to global climate change. Various mechanisms have been suggested; however, an overarching paradigm delineating the dominant factors for its generation and strength remains debated. Here we use observation data and numerical experiments to demonstrates that the Asian summer monsoon systems are controlled mainly by thermal forcing whereas large-scale orographically mechanical forcing is not essential: the South Asian monsoon south of 20°N by land-sea thermal contrast, its northern part by the thermal forcing of the Iranian Plateau, and the East Asian monsoon and the eastern part of the South Asian monsoon by the thermal forcing of the Tibetan Plateau.
World water tower: An atmospheric perspective
[J].
Evaluation of snow products over the Tibetan Plateau
[J].
Different glacier status with atmospheric circulations in Tibetan Plateau and surroundings
[J].
Spatial and temporal variation analysis of snow cover using MODIS over Qinghai-Tibetan Plateau during 2003-2014
[J].
Snow cover monitoring in Qinghai-Tibetan Plateau based on Chinese Fengyun-3/VIRR data
[J].
Vertical distribution of snow cover and its relation to temperature over the Manasi River Basin of Tianshan Mountains, Northwest China
[J].
Impacts of thermodynamic processes over the Tibetan Plateau on the Northern Hemispheric climate
[J].
