1979—2017年雅鲁藏布江流域雪深时空分布特征及其影响因素分析

谭秋阳， 程 磊， 徐宗学， 赵彦军， 刘江涛， 刘晓婉

（1.北京师范大学水科学研究院，北京100875；2.城市水循环与海绵城市技术北京市重点实验室，北京100875；3.武汉大学水资源与水电工程科学国家重点实验室，湖北武汉430072；4.中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室，北京100101；5.中国科学院大学，北京100049）

0 引言

积雪是冰冻圈的重要组成部分，积雪的时空分布，雪深、积雪覆盖率等变化对全球能量平衡以及水文循环具有显著的影响［1-2］。被称为“世界屋脊”的青藏高原是北半球中纬度海拔最高、积雪覆盖范围最广的区域，在气候变化的背景下，其积雪变化异常强烈。IPCC第五次评估报告指出，由于人类活动和气候变化的影响，全球平均气温自1880年至2012年上升了0.85℃，且青藏高原对气候变化的响应尤为强烈［3］。青藏高原复杂多变的地形和较高的海拔是维持和影响高原积雪变化的重要条件，雪深作为反映积雪动态变化特征的重要参数，研究其时空分布和动态变化规律，对研究高寒地区积雪具有重要意义［4-6］。

早期学者主要通过获取地面观测资料研究积雪的时空变化，但青藏高原地区属于典型的缺资料地区，站点分布稀疏，因此研究范围十分有限。随着遥感技术的发展，20世纪70年代以来，为获得长时间序列、大范围的积雪时空动态变化，遥感数据被广泛应用于不同尺度区域的冰雪研究，这也为青藏高原地区积雪监测提供了有效手段。1998年，柯长青等［7］利用美国国家海洋气象局（NOAA）周积雪面积、美国宇航局（NASA）研制的多通道微波扫描辐射仪SMMR微波候积雪深度产品和地面气象台站雪深资料研究了青藏高原积雪的空间分布特征；2014年，颜伟等［8］利用美国国家冰雪数据中心（NSIDC）提供的中分辨率成像光谱仪MODIS积雪覆盖产品，结合DEM数字高程模型分析了青藏高原北部西昆仑山玉龙喀什河流域积雪面积的空间分布特征；同年，白淑英等［9］利用1979—2010年逐日中国雪深长时间序列数据集分析了青藏高原雪深时空变化特征及其对气候因子的响应关系；2017年，除多等［4］利用MODIS/Terra 8日合成积雪数据MOD10A2和数字高程模型DEM，分析了2000—2014年西藏高原积雪覆盖率时空分布及其与地形因子的关系；2019年，沈鎏澄等［10］利用地面站台雪深、气温和降水观测资料研究了1961—2014年青藏高原中东部积雪深度时空变化特征及其对气候因子的响应；同年，拉巴卓玛等［11］利用MODIS逐日积雪无云产品，结合DEM高程数据、气象站台数据，分析了2002—2015年雅鲁藏布江流域积雪覆盖率变化特征及其与气象因素的相关性。

青藏高原作为亚洲诸多河流的发源地［12］，其冰雪融水是河流的重要水源补给，积雪变化对径流产生的影响不容忽视。雅鲁藏布江作为青藏高原最大的河流，蕴含着丰富的水能，同时也是西藏地区的主要水源。雅江流域是西藏自治区经济开发潜力最大的核心地区，是西藏主要人口聚集地，同时也是我国最大的跨境河流之一，在青藏高原地区具有举足轻重的地位。雅江径流的冰雪融水比例多在30%～80%，因此雅江流域积雪的变化对径流有着重要影响［13］。雪深作为反映积雪特征的重要参数，在气候变化的大背景下，对雅江流域雪深时空分布特征及其与气象因子、地形特征的关系展开研究，对雅江流域水资源的管理和开发利用具有重要指导意义。

1 研究区概况

雅鲁藏布江流域位于西藏高原南部，地理范围为82°00′～97°07′E、28°00′～31°26′N。全长2 070 km，流域面积24.10×104km2。流域东西最大跨度为1 500 km，南北最大宽度为290 km，呈狭长的柳叶状。雅鲁藏布江的源头为杰马央宗冰川，位于西藏西南部的喜马拉雅北麓中国西藏仲巴县境内。雅江源头至日喀则市的里孜为上游、里孜到林芝市的派镇为中游、派镇至流域出口的巴昔卡为下游。流域北部坐落着冈底斯山、念青唐古拉山，东部有伯舒拉岭，西南贯穿着喜马拉雅山脉，南部有拉轨冈日和嘎布等山脉，地形地貌复杂，既有海拔7 000 m以上的山峰，又有海拔不足200 m的湿热低谷［14］。来自印度洋孟加拉湾的暖湿气流沿着河谷上溯，导致流域内降水和气温分布不均。上游地区气候寒冷，降水稀少，多年平均降水量仅为200 mm左右。中游气候温凉，属高原温带气候，降水量在300～600 mm之间。下游气候湿热，湿润多雨，属于亚热带气候，特别是在流域出口的巴昔卡，年降水量可达2 000 mm以上［15］。雅鲁藏布江流域内的河流系统发达，其高程和水系分布如图1所示。

图1 雅鲁藏布江流域高程及水系分布Fig.1 Map showing the elevation and river system in the Yarlung Zangbo River basin

2 数据和方法

2.1 数据来源及处理

2.1.1 雪深

雪深数据来自中国西部环境与生态科学数据中心发布的中国雪深长时间序列数据集（1979—2017年），由中国科学院西北生态环境资源研究院遥感与地理信息科学研究室制作［16-19］。其原始数据是美国国家冰雪数据中心处理的逐日被动微波遥感SMMR（Scanning Multichannel Microwave Radiometer，1978—1987年）、SSM/I（Special Sensor Microwave Imager，1987—2007年）和SSMI/S（Special Sensor Microwave Imager/Sounder，2008—2018年）数据。该数据集以Chang算法为基础，结合我国178个地面台站的观测雪深对拟合系数进行订正，通过修正反演公式，计算得到中国区域积雪深度数据集。1983年和1984年气象站的实测雪深数据与SSM反演结果进行比较，1993年实测雪深与SSM/I结果进行比较。结果表明，65%的SSM和SSM/I数据反演结果绝对误差小于5 cm［18］，数据集精度较好，相关学者使用该数据集在不同的区域上进行了相关研究，并取得了相对满意的结果［20-23］，本文将该雪深数据集应用于雅鲁藏布江流域雪深分布的研究。本研究使用数据集的时间尺度为1979—2017年，空间尺度为60°～140°E、15°～55°N，空间分辨率为25 km，并采用全球等积圆柱EASE-GRID投影。本研究中季节划分为：春季3—5月、夏季6—8月、秋季9—11月、冬季12月—次年2月，利用R Studio和ArcGIS软件处理得到的雅鲁藏布江流域年平均和四季的雪深。

2.1.2 降水和气温

降水和气温数据采用中国区域地面气象要素数据集，是由中国科学院青藏高原研究所制作的一套近地面气象与环境要素再分析数据集［24-25］。该数据集是以国际上现有的Princeton再分析资料［26-27］、GLDAS（Global Land Data Assimilation System）资料、GEWEX-SRB（Global Energy and Water Exchanges）辐射资料，以及TRMM（Tropical Rainfall Measuring Mission）降水资料为背景场，融合了中国气象局常规气象观测数据制作而成。数据集时间分辨率为3小时，空间分辨率为0.1°，经度范围为60°～140° E，纬度为15°～55° N，采用WGS-1984坐标系统。

2.1.3 DEM数据

数字高程模型（Digital Elevation Model）采用美国航空航天局和国防部国家测绘局共同发布的STRM1（Shuttle Radar Topography Mission）数据，覆盖全球约80%的陆地面积，空间分辨率为30 m。

2.2 研究方法

2.2.1 Mann-Kendall检验法

Mann-Kendall检验法是世界气象组织推荐并且已广泛使用的趋势检验方法，能够揭示整体时间序列的趋势变化与突变情况［28-29］。对于时间序列变量x1，x2，…，xn，n为序列长度（n＞10），定义统计量：

若U＞0，则表明序列有上升趋势；反之，则有下降趋势。给定显著性水平α，如果|U|>U1-α/2，表明变化趋势显著。

式中：Sk表示序列x1，x2，…，xk的统计量。

在序列突变检验时如果UF和UB曲线出现交点，且位于信度线之间，则为该序列的突变点［30］。

2.2.2 Sen氏坡度

Sen氏坡度表示时间序列的平均变化率，与Mann-Kendall（M-K）检验法结合使用［31］。n为时间序列长度，且j＞k：

将Qi从小到大依次排序氏坡度计算公式为：

Qmed的正负表示序列变化的增加或减少趋势，大小表示变化程度。文中利用Sen氏坡度表示雅鲁藏布江流域雪深、降水和气温的变化率。

2.2.3 Pearson相关分析法

皮尔森相关系数（Pearson correlation coefficient，r）是一种线性相关系数，可用来反映两个变量线性相关程度。计算公式为：

式中：r为相关系数；n为样本个数；分别是两个序列的观测值和平均值；SX、SY分别是两个序列的均方差。r为正数表示二者为正相关；反之，为负相关，且r的绝对值越大表明二者相关性越强。

定义统计量：

给定显著性水平α和自由度df=n-2，利用t分布表查找出tα/2(n-2)相应的临界值，若|t|>tα/2，则线性关系显著；否则，不显著。本研究中使用Pearson相关系数评价雪深与降水、温度的相关程度。

3 结果与分析

3.1 雪深时空变化

3.1.1 雪深时间变化特征

1979—2017年间，雅鲁藏布江流域雪深在0.98～3.16 cm之间呈现出波动变化的规律（图2），流域多年平均雪深为1.95 cm。使用M-K方法对流域的雪深变化趋势进行分析，雅江流域年平均雪深以0.02 cm·a-1的速率呈现显著减少趋势（通过95%置信度检验）。从年际分布来看，1979—1999年，雪深变化波动幅度较大，分别在1986年、1997年出现峰值，峰值的出现主要与气温的降低有关；雪深在1999—2000年之间发生突变，并在此之后雪深减少的速率增加；2000—2013年，雪深呈现较为平稳的波动变化；2003—2017年，雪深逐年减少，在2017年达到最小值（0.98 cm）。从年内分布来看，雪深变化在一年之内呈现单峰变化特征，雪深从夏季的8月份开始逐渐增加，到次年2月份达到最大，之后开始逐渐减少（图3）。冬季雪深最大（3.99 cm），春季（2.62 cm）和秋季（1.10 cm）次之，夏季（0.11 cm）最小（图4）。且冬季降雪对全年积雪的贡献最大，冬季降雪占全年降雪量的51.02%。

图2 1979—2017年雅鲁藏布江流域年、四季平均雪深变化Fig.2 Annual and seasonal variations of average snow cover depth in the Yarlung Zangbo River basin，1979—2017

图3 1979—2017年平均雪深随月份分布情况Fig.3 Monthly and seasonal distributions of average snow cover depth，1979—2017

图4 1979—2017年平均雪深随季节分布情况Fig.4 Seasonal distribution of average snow cover，1979—2017

3.1.2 雪深空间分布特征

雅江流域内雪深空间分布差异明显，呈现“二高二低”相间分布的特征（图5）。2个雪深高值区，分布在流域西部边缘处的雅江源头区域、流域东部的山地地区，多年平均雪深在9.0 cm以上；2个雪深低值区，分布在中游河谷地带、下游至流域出口区域，多年平均雪深低于0.8 cm［图5（a）］。流域内有64.0%的地区多年平均雪深小于2.0 cm，分布在中游河谷地区和雅江出口区域；16.8%的地区多年平均雪深在2～4 cm；6.7%的地区多年平均雪深在6 cm以上，主要分布在流域东部边缘的念青唐古拉山。夏季流域内43.5%的地区积雪全部融化，雪深为0［图5（c）］；冬季10.1%的区域雪深在10.0 cm以上［图5（e）］。整体上，雅江流域的雪深分布与降水和高程分布有着较好的一致性。降水为积雪提供资源供给［32-33］，该流域的降水主要来源是孟加拉湾的暖湿气流，沿雅江河谷上溯，流域降水自下游往上游递减。气温和海拔影响积雪的积累，高海拔地区的念青唐古拉山脉、喜马拉雅山脉积雪深厚，持续时间长［4］；中游河谷地区降水较少且海拔较低不利于积雪积累；东部下游地区属山地亚热带、热带气候，不利于积雪形成［14］。雅江流域雪深的空间分布与流域内的气象因子和地形地貌特征有着密切的联系。

图5 1979—2017年雅鲁藏布江流域年及季节性雪深（a～e）、雪深变化率（f～j）空间分布Fig.5 Spatial distributions of snow cover depth：annual mean（a），spring mean（b），summer mean（c），autumn mean（d），winter mean（e），and their changing rates（f～j）in the Yarlung Zangbo River basin，1979—2017

雅江流域整体上年平均雪深以0.02 cm·a-1的速率呈显著性减少趋势，其中冬季雪深减少最快（0.058 cm·a-1）、秋 季（0.017 cm·a-1）和 春 季（0.017 cm·a-1）次之，且冬季和秋季变化趋势显著（通过95%显著性检验），然而夏季雪深呈现不显著的微弱增加趋势，增加速率为0.0002 cm·a-1（表1）。从空间分布来看，全流域58.3%的区域雪深呈现减少趋势，且20.2%的区域雪深减少速率在0.05 cm·a-1以上，主要分布在流域东部山地；41.7%的区域雪深呈现增加趋势，集中在中游河谷地区，且以上区域的雪深平均增加速率仅为0.012 cm·a-1［图5（f）］。冬季有87.3%的区域雪深呈现减少趋势，流域东部区域（占全流域23.8%）在冬季的雪深减少速 率 达 到0.1～0.32 cm·a-1［图5（j）］。秋 季 有86.5%的区域雪深呈现减少趋势［图5（i）］，春季有79.3%［图5（g）］。

3.2 气象因子对雪深分布的影响

气温和降水是影响积雪变化的重要因素［11］，积雪的变化主要由降雪量和融雪量的变化共同决定。其中，降雪量受气温和降水的共同影响，降水为积雪提供资源，气温决定了空气的饱和含水量（大气中所能容纳的最大水汽含量），并且决定降水的形式（降雨或降雪）。而融雪量主要由气温决定，温度的高低影响积雪的融化进程［10］。雅鲁藏布江流域雪深的减少与气温的升高显著相关，二者的相关系数达到-0.63。从图6和表1中可以看出，不同季节降水和气温对积雪的影响有所不同。夏季雪深和气温呈现微弱的正相关关系，相关系数为0.049；而春季、冬季的积雪主要受气温的影响，冬季气温与雪深的相关系数达-0.63；秋季降水和气温共同决定雪深，秋季降水和雪深的正相关系数达0.32。

表1 年和四季平均雪深变化率、气温和降水相关系数表Table 1 The changing rates of annual and seasonal snow cover depths，air temperature and precipitation，together with the correlation coefficients between air temperature and snow cover depth and between precipitation and snow cover depth

图6 雪深与气温、降水的相关系数随月份分布情况Fig.6 Monthly variations of the correlation coefficients between snow cover depth and temperature，precipitation

1979—2017年间，雅江流域年平均气温以0.06℃·a-1的速率呈现显著增加的趋势，且年平均气温在1997年发生突变，在1997年以前，流域年平均气温在0℃以下，1998年及以后年份年平均气温在0℃以上。同期，年降水量以2.87 mm·a-1的速率呈现增加趋势，流域向暖湿化方向发展。图7可进一步揭示降水和气温对雪深的影响。年平均雪深在1986年、1997年出现了2个雪深异常高值（距平值大于2倍的标准偏差）［图7（a）］，相应的气温也分别在1986年、1997年出现了低谷［图7（f）］，说明气温的降低有利于积雪的积累。春、秋、冬季气温分别以0.05℃·a-1、0.06℃·a-1、0.07℃·a-1的速率增加，对雪深的影响尤为明显，一般来说，气温的低谷与峰值对应雪深的峰值与低谷［图7（a）～（j）］。此外，降水的低谷与雪深的低谷对应（1984年、1992年、2009年），降水对积雪的积累有一定影响。

图7 1979—2017年年平均、四季平均雪深（a～e）、气温（f～j）、降水量（h～o）变化Fig.7 Variations of annual（a，f，k）and spring（b，g，l），summer（c，h，m），autumn（d，i，n）winter（e，j，o），mean snow cover depths，mean temperature and precipitation，1979—2017

3.3 地形对雪深的影响

地形是影响积雪形成和分布的重要因子，高海拔地区气温低，有利于积雪的形成和维持，而低海拔地区高温条件不利于积雪的形成，一般来说，山地积雪具有一定的垂直递增规律［4，34］。此外，坡度、坡向对积雪的积累也有影响，导致同一海拔高度雪深的差异较大。

3.3.1 高程

采用最邻近法将DEM数据重采样至25 km，使其与雪深数据空间分辨率一致。高程是影响积雪分布与变化的重要地形因子，雅江流域内地形复杂且海拔差异大，从雪深的空间分布来看，山地区域的雪深普遍高于河谷地区。海拔4 000 m以下，雪深随着高程的增加而增加，流域内0～2 000 m、2 000～3 000 m、3 000～4 000 m高度带多年平均雪深分别为0.02 cm、0.71 cm、2.48 cm，有着较好的垂直递增规律。4 000～5 000 m高度带之间，雪深随高程的分布出现了一个“陡坎”，这与白淑英等［35］在研究青藏高原雪深与地形因子的关系时得到的结论一致［表2、图8（a）］。且流域最大雪深分布在4 500～5 000 m之间，并非在海拔最大处，说明雪深与高程并非简单的线性关系，这与刘金平等［15］利用雪深站点数据分析青藏高原雪深分布特征时得到的结论一致。冬季和年均雪深最大值均出现在4 500～5 000 m高程处［图8（a）、8（e）］，这可能是由于冬季由于受到高原冷高压的影响，海拔5 000 m以上的降雪过程较少，加上盛行西风吹雪使得积雪迁移至河谷或海拔较低的区域［4］，因此冬季雪深的峰值出现在此高度带，风吹雪造成的积雪再分配作用值得进一步研究。在年内分布方面，夏季4 000 m以下的积雪基本消融［图8（c）］，冬季2 000m以上的积雪深度平均可达4.19 cm［图8（e）］，2 000 m以上高度带雪深季节间变化大［图8（a）～（e）］。

表2 年及四季雪深（单位：cm）随高程分布表Table 2 Snow cover depth（unit：cm）changing with elevation ranges

3.3.2 坡度

雅鲁藏布江流域地处冈底斯—念青唐古拉山脉与喜马拉雅山脉之间，中间有一东西走向的狭长盆地，地形复杂，既有陡峭的山地，也有平坦的谷地。因此，将坡度分为0～10°、10°～15°、15～20°、20～25°、25°～30°、30°～90°六个等级，流域内地形坡度在15°以上的占75.1%。使用ArcGIS软件计算雅江流域30 m×30 m DEM数据的坡度值，对每个25 km×25 km雪深网格取该网格内的坡度中位值作为该网格的坡度代表值，结合雪深数据进行分析。由图8（f）～8（j）可知，坡度在10°以下，东坡、南坡和北坡的分布规律相似，雪深随坡度的增加而减小，且雪深明显高于西坡。这可能是由于较平坦的地形更利于积雪的积累，因此坡度越大积雪越浅，且东、南坡作为迎风坡，降水更多，为积雪的产生创造了条件。在10°～15°之间，雪深随坡度的增加而增加，四个坡向的分布规律相似。坡度在15°以上，雪深随着坡度的增加而减少，当坡度过大时，积雪可能由于受到重力作用而滑落，因此不利于积雪的沉积，导致雪深减小。25°以上，东坡、南坡和西坡的雪深值相差不大。

图8 雪深与高程（a～e）、坡度（f～j）、坡向（k～o）关系图Fig.8 The relationships between snow cover depth and elevation（a～e），slope（f～j）and aspect（k～o）

3.3.3 坡向

为分析不同坡向雪深的分布情况，将坡向划分为北坡（315°＜坡向＜45°）、东坡（45°＜坡向＜135°）、南坡（135°＜坡向＜225°）、西坡（225°＜坡向＜315°）。使用ArcGIS软件计算雅江流域30 m×30 m DEM数据的坡向，对每个25 km×25 km雪深网格取该网格内占比最大的坡向作为该网格的坡向代表值，进行分析。从图8（k）～8（o）中可见，一般来说，雅江流域不同高度带上东坡、南坡的年平均雪深高于北坡和西坡，这可能是由于在雅江流域东南部，来自孟加拉湾的暖湿气流与北部冷空气交汇在迎风坡形成降水，为积雪的形成创造了条件。特别是在冬季，东、南坡和西、北坡雪深在4 000～4 500 m高程带的差异尤为明显，这可能是由于冬季受到盛行西风的影响，风的搬运作用使得积雪从西北坡迁移到了东南坡。由此可见，流域不同坡向上的积雪分布差异与山体坡向对水热条件的影响密切相关，且风的再分配作用也至关重要。

4 结论与讨论

本文基于1979—2017年逐日雪深数据以及同期气温、降水资料和流域DEM数字高程模型等，使用M-K趋势分析法、Pearson相关分析法对雅江流域雪深时空变化特征及其对气象因子和地形因子的响应关系进行了分析，得到如下主要结论：

（1）1979—2017年间，雅鲁藏布江流域雪深在0.98～3.16 cm之间呈现波动变化，流域多年平均雪深为1.95 cm，且以0.02 cm·a-1的速率呈现显著减少趋势。雪深变化在一年之内呈现单峰特征，四季差异较大，且冬季雪深对全年积雪的贡献最大。

（2）雅江流域雪深分布空间差异明显，呈现“二高二低”相间分布的特征。2个高值区分布在流域西部边缘、流域东部的山地地区，年均雪深可达9.0 cm以上；2个雪深低值区分布在中游河谷、流域出口区域，年平均雪深低于0.8 cm。

（3）气温和降水是影响雅江流域积雪变化的重要因子，不同季节雪深对气象因子的响应有所区别。总的来说，气温的升高与雅江流域雪深减少呈显著相关关系，年平均气温与雪深的相关系数达-0.63。

（4）雅江流域内高程分布差异巨大，对雪深的分布有重要影响。高程对雪深的影响表现为雪深随高程的增加而增加，但最大雪深带并非出现在最大高程处，而是出现在4 000～4500 m高程带。

（5）坡度和坡向通过影响水热条件和积雪的再分配，从而影响雪深的空间分布规律。雪深随坡度的变化呈现“减少—增加—减少”三段式分布规律，不同坡向略有差别。一般来说，东坡和南坡的雪深高于西坡和北坡，这与雅江流域水热条件分布有关。

本研究采用的雪深数据空间分辨率较大，且数据源本身的精度问题对研究结果存在一定的影响［21］。文中夏季雪深和气温为正相关关系且夏季雪深呈现微弱的增加趋势，这可能是由于数据精度问题造成研究结果的不合理性，其中原因有待进一步探究［9，36-37］。此外，坡度和坡向对雪深的分布影响很大，一般情况下，阴坡积雪比阳坡积雪融化慢，但本研究中该规律不明显，这个问题需要更高空间分辨率的积雪数据与DEM数据结合进行分析，才能得出更加精确的结论［21，35］。