Variation of Snow Cover and its Influence on Spring Runoff in the Source Region of Yellow River

  • Xiaojiao LIU , 1, 2, 3 ,
  • Rensheng CHEN , 1, 2 ,
  • Junfeng LIU 1, 2 ,
  • Xiqiang WANG 1, 2 ,
  • Baogui ZHANG 4 ,
  • Guohua LIU 1, 2, 3
Expand
  • 1. Qilian Alpine Ecology and Hydrology Research Station, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, Gansu, China
  • 2. Key Laboratory of Ecohydrology of Inland River Basin, Chinese Academy of Sciences, Lanzhou 730000, Gansu, China
  • 3. University of Chinese Academy of Sciences, Beijing 100049, China
  • 4. Institute of Geographicial Science, Taiyuan Normal University, Jinzhong 030619, Shanxi, China

Received date: 2019-04-09

  Revised date: 2019-08-30

  Online published: 2020-04-28

Highlights

Snow cover is an important component of cryosphere, and strongly affects the hydrology and climate.The eastern part of the Qinghai-Tibetan Plateau, one of the three major snow-covered areas in China, is the source region of Yellow River, which has great impact on both climate change and water resource system.Based on the Yellow River source region data of snow depth, meteorological and measured runoff from 1978 to 2016, the characteristics of snow cover and its influence on spring runoff of this area were studied through the Mann-Kendall test, linear analysis and correlation analysis.The results showed that: (1) From 1978 to 2016, the source region of Yellow River revealed a tendency of a delayed initial snow date, forwarded final snow date, and declination of both duration and number of snow days.Particularly, the initial snow date, the final snow date and the duration of snow days passed the significant tests of p <0.05, p<0.05 and p<0.01, respectively.(2) The annual average snow depth had no significant change from 1978 to 2016 in this area.However, it showed a significant upward trend since the end of the 21 century and passed the significance test of p<0.1.(3) In general, compared with the snow depth, the number of snow days has more impact on the spring runoff in the source region of Yellow River.More specifically, according to the sensitivity analysis of the data from 1978 to 2016, 1% change of the of snow day number would induce of 0.60% spring runoff change, while the same amount change of the snow depth would only induce 0.25% spring runoff change.In addition, the spring runoff in April and May is more sensitive to snow cover change than March due to the increased average temperature and the larger amount of melted snow.(4) Different precipitation and temperature generates different snow cover, which results different responses to spring runoff.The snowmelt runoff is advanced under the climate warming, which shows an upward runoff trend in March while a downward trend in April and May.Meanwhile, due to the change of the regional atmospheric water vapor content, the spring runoff in the Yellow River source region significantly increased since the end of the 21 century.

Cite this article

Xiaojiao LIU , Rensheng CHEN , Junfeng LIU , Xiqiang WANG , Baogui ZHANG , Guohua LIU . Variation of Snow Cover and its Influence on Spring Runoff in the Source Region of Yellow River[J]. Plateau Meteorology, 2020 , 39(2) : 226 -233 . DOI: 10.7522/j.issn.1000-0534.2019.00074

1 引言

全球气候变化以快速升温为主要特征, 1901 -2012 年全球平均表面温度大约升高了0.89 ℃, 气候变暖已经成为不争的事实(IPCC, 2013)。气候变暖导致了冰冻圈萎缩(Liston et al, 2011; Han et al, 2014; Jorgenson et al, 2006; Schuur et al, 2011; 王宁练等, 2015; 姚檀栋等, 2013), 冰冻圈的研究备受关注(王世金等, 2019; Haeberli et al, 2000; 秦大河等, 2006; 杨建平等, 2019; 王欣等, 2019)。积雪作为冰冻圈的重要组成部分之一, 是重要的水文变量。气候变化对发源于中高纬度或高海拔区河流积雪融水产生了深远影响(王顺久, 2017; Egli et al, 2009; Carey et al, 2013; Klaus et al, 2013)。在全球变暖的背景下, 融雪径流提前(Stewart, 2009), 积雪期缩短(Choi et al, 2010)。同时降雪向降雨转化可能导致流域径流系数减小, 进而导致蒸发增加, 径流整体减少(Berghuijs et al, 2014), 进而引起水文水资源过程改变(Barnett et al, 2005; Piao et al, 2007)。
北半球积雪是全球气候异常和变化的重要指示器(Fichefet et al, 1999; Rupp et al, 2013)。气候变化对积雪及融雪径流的影响引起了许多学者的关注。研究表明, 北半球的春季积雪范围显著减少, 且从1970 -2010年, 每10年减少的速度为80×104 km2(Brown et al, 2011)。Stewart (2009)发现1948 -2002年北美很多河流的融雪开始时间提前, 融雪径流的集中期也明显提前。欧亚大陆冬季积雪明显增加, 但积雪期缩短 (Bulygina et al, 2009)。中国地处欧亚大陆的东南部, 其中稳定积雪区主要分布在我国的东北和内蒙地区、 北疆和天山地区、 青藏高原地区(Che et al, 2008; 刘俊峰等, 2012; 王澄海等, 2009)。总体上, 中国冬季的积雪深度和雪水当量呈现增加趋势, 春季呈下降趋势 (马丽娟等, 2012)。其中, 东北及邻近地区1960 -2006年累积积雪的增加主要由冬季积雪的上升造成的(陈光宇等, 2011); 积雪日数与降水量呈正相关, 与气温呈负相关(张晓闻等, 2018), 积雪初、 终日期对气温变化较为敏感(傅帅等, 2017)。Li et al(2013)定量评估了西北干旱区径流量对融雪期气候变化的敏感性。北疆以积雪融水补给的克兰河最大径流由6月提前到5月(沈永平等, 2007)。罗继等(2011)分析了天山南麓阿克苏地区积雪变化对春季径流的影响。秦艳等(2018)发现天山地区, 在春、 夏季, 温度是决定积雪面积变化的主要因素; 而在秋、 冬季, 降水对积雪面积变化的贡献大于温度。青藏高原是北半球中低纬度海拔最高、 积雪覆盖最大的地区, 既是气候变化的敏感区, 又对水资源系统产生重要影响(王顺久, 2017; 李燕等, 2018; 黄晓清等, 2018)。已有学者对青藏高原积雪深度变化(白淑英等, 2014; 保云涛等, 2018)、 积雪日数变化(王海娥等, 2016)、 积雪面积变化(杨志刚等, 2017)、 被动微波反演积雪参数(刘进军等, 2018)、 融雪过程(周扬等, 2017)和积雪水文模拟的关键问题(李弘毅, 2013)开展了大量研究。研究表明, 青藏高原东部的积雪变化最显著(Vernekar et al, 1995; 李培基, 1996), 而江河源区恰好位于高原东部, 其积雪主导了整个青藏高原积雪的变化(柯长青等, 1998), 具有极好的代表性, 是青藏高原的窗口。目前, 江河源有关积雪的研究主要集中于积雪空间分布与年代际变化(杨建平等, 2006)、 积雪反照率时空分布及变化(吴雪娇等, 2013)、 融雪径流时间变化特征与趋势分析(吕爱锋等, 2009)、 融雪过程及其与气温关系(张娟等, 2018), 且大多以积雪参数时空变化特征分析为主, 而对流域内积雪变化对春季径流的影响研究很少。因此, 本文选择黄河源区为研究对象, 利用站点观测逐日雪深数据, 选取积雪日数与年均雪深两个指标对比分析同期径流数据, 研究流域积雪变化特征及其对春季径流的影响。

2 数据来源与方法介绍

2.1 研究区概况

黄河源区地处我国青藏高原东部, 以唐乃亥站作为黄河源区的出口控制断面, 依据数字高程模型提取, 流域范围流域面积约121972 km2, 地理位置介于95°50′E -103°30′E, 32°20′N -36°10′N之间(图1)。源区内海拔2676~6142 m, 总体上地形呈南高北低、 西高东低的趋势, 地貌复杂多样, 以高山、 丘陵台地和平原为主。研究区多年平均降水量200~700 mm, 多年平均气温-4~1.1 ℃, 唐乃亥站多年平均径流量19.98×109 m3
图1 研究区位置及水文站和气象站分布

Fig.1 Location of study area, and the distribution of hydrological stations and meteorological stations

2.2 研究数据

选用黄河源区8个山区气象站(玛曲、 久治、 达日、 玛多、 兴海、 河南、 若尔盖和红原)逐日积雪深度和气温观测数据, 以及各气象站点经纬度和高程数据(图1, 表1), 来源于中国气象科学数据共享服务网。数字高程模型数据来源于中国西部环境与生态科学数据中心, 空间分辨率为 90 m。黄河源区径流资料采用了唐乃亥水文站的逐日径流观测数据。积雪深度、 气温和径流选取的时间段均为1978 -2016年。
表1 黄河源区气象站基本信息表

Table 1 Basic information of meteorological stations in the source region of Yellow River

气象站 纬度 经度 海拔/m 省份
玛多 34.92°N 98.22°E 4272.3 青海
达日 33.75°N 99.65°E 3967.5 青海
久治 33.43°N 101.48°E 3628.5 青海
兴海 35.58°N 99.98°E 3323.2 青海
河南 34.73°N 101.60°E 3500.0 青海
玛曲 34.00°N 102.08°E 3471.4 甘肃
若尔盖 33.58°N 102.97°E 3439.6 四川
红原 32.80°N 102.55°E 3491.6 四川
积雪季节变化的特点, 本文将当年的9月1日至次年的8月31日定义为一个积雪年(马丽娟等, 2012; 王海娥等, 2016)。每个积雪年以9 -11月、 12月至次年2月、 3 -5月以及6 -8月, 分别作为秋、 冬、 春、 夏的季节起止时间。目前, 中国积雪研究中对于积雪日的定义和划分标准不同。根据《地面气象观测规范》(中国气象局, 2012), 平均雪深不足0.5 cm(微量积雪)记为0 cm, 当积雪深度大于等于 0.5 cm时, 数值四舍五入, 最小值为1 cm。因此, 根据积雪深度对积雪日进行定义(安迪等, 2009; 田柳茜等, 2014), 当站点雪深符合观测要求时, 且其积雪深度达到或超过1 cm, 记作一个积雪日。
本文以逐日积雪深度数据为依据, 对黄河源区积雪初日、 积雪终日、 积雪期、 积雪日数以及年均雪深进行分析。其中, 积雪初日定义为一个积雪年内首次出现积雪深度记录的日期; 积雪终日定义为一个积雪年内末次出现积雪深度记录的日期; 积雪期定义为一个积雪年内积雪初日至积雪终日这一时间段的累计天数; 积雪日数定义为一个积雪年内积雪初日至积雪终日之间雪深符合观测要求且积雪深度达到或超过1 cm的累计天数。文中年均雪深是在一个积雪年内所有积雪深度累加, 再除以积雪深度的积雪日数, 所得数值就是一个积雪年的年均雪深。

2.3 研究方法

采用线性回归法, 分析研究黄河源区积雪指标(积雪初日、 积雪终日、 积雪期、 积雪日数和年均雪深)及春季径流的时间变化趋势。其一般表达式为:
y = a x + b,
式中: x为时间序列; b为回归截距; a为回归斜率。 本文描述积雪特征以a的10倍作为时间序列的平均变化趋势。
Mann-Kendall检验法是一种非参数统计检验方法, 并且被世界气象组织推荐认可(Hamed, 2008), 现在已广泛应用于分析气候因子时间序列的趋势变化研究上(Yue et al, 2002)。本文运用Mann-Kendall检验法分析积雪参数与春季径流的变化趋势的显著性。
在气候变化特征对水文过程的影响研究中, 大多利用敏感系数来评估流量对气候变化的敏感性(Zheng et al, 2009; Ma et al, 2010; Li et al, 2013)。根据Zheng et al(2009)提出的敏感性公式计算春季径流量对积雪日数及积雪深度的敏感性。计算公式为:
ε = D ¯ Q ¯ ( D i - D ¯ ) ( Q i - Q ¯ ) ( D i - D ¯ ) 2,
式中: ε 为敏感系数, 表征的意义是积雪要素变化1% 引起径流的变化率为 ε%; D i Q i 分别为每年的积雪要素与径流量; D ¯ Q ¯ 分别为积雪要素和径流量的多年平均值。

3 结果与分析

3.1 积雪日期变化

1978 -2016年黄河源区平均积雪初日介于9月15日至10月27日之间, 整体呈上升趋势, 线性趋势为3.7 d·(10a)-1, 并通过p<0.05显著性检验[图2(a)]。这表明黄河源区积雪初日在不断地延后, 1978 -2016年整体延后了14.1天。
图2 1978 -2016年黄河源区积雪日期的变化趋势

Fig.2 The linear trend of snow date in the source of Yellow River from 1978 to 2016

黄河源区平均积雪终日介于4月28日至7月8日之间, 整体呈下降趋势, 线性趋势为-3.8 d·(10a)-1, 并通过p<0.05显著性检验[图2(b)]。这表明黄河源区积雪终日在不断地提前, 1978 -2016年整体提前了14.4天。
黄河源区平均积雪期介于199~282天之间, 平均时长229天, 整体呈下降趋势, 线性趋势为-7.4 d·(10a)-1, 并通过p<0.01显著性检验[图2(c)]。这表明黄河源区积雪期在不断地缩短, 1978 -2016年整体积雪期缩短了28.1天。
黄河源区平均积雪日数介于30~77天之间, 平均时长49天, 整体呈下降趋势, 线性趋势为-2.0 d·(10a)-1 [图2(d)]。这表明黄河源区积雪日数在不断地减少, 1978 -2016年整体积雪日数减少了7.6天。

3.2 积雪深度变化

1978 -2016年黄河源区年均雪深在2.1~4.5 cm, 多年平均积雪深度为2.7 cm。其中, 2007年均雪深最大, 为4.5 cm, 而1998年最小, 仅为 2.1 cm。近40 年来黄河源区年均雪深总体呈微弱的上升趋势, 线性拟合率为0.03 cm·(10a)-1图3)。Mann-Kendall 检验结果表明, 1978 -2016年年均雪深的变化趋势不显著(p>0.1), 但从21世纪以来, 年均雪深呈显著上升趋势, 且通过了p<0.1的显著性检验(图3)。
图3 1978 -2016年黄河源区积雪深度变化趋势

Fig.3 The linear trend of snow depth in the source ofYellow River from 1978 to 2016

3.3 春季径流变化

1978 -2016年黄河源区春季径流总体呈微弱的下降趋势, 线性拟合率为-16.7 m3·s-1·(10a)-1 [图4(a)]。其中, 3月径流呈上升趋势, 线性拟合率为4.5 m3·s-1·(10a)-1; 4月和5月径流呈下降趋势, 线性拟合率分别为-10.1 m3·s-1·(10a)-1、 -44.5 m3·s-1·(10a)-1 [图4(b)~(d)]。Mann-Kendall 检验结果表明, 春季径流及春季各月份径流变化趋势均不显著, 但自21世纪以来, 无论是春季径流还是春季各月份径流均呈明显上升趋势, 尤其是3月径流和春季径流都通过了p<0.05的显著性水平检验(图4)。这主要由于降水和温度的不同组合引起的, 导致春季径流的不同响应。全球气候变暖, 积雪初日推迟, 积雪终日提前, 积雪期缩短, 积雪日数减少, 导致融雪径流提前, 表现为1978 -2016年在3月径流呈上升趋势, 4月和5月径流呈下降趋势。但同时也由于区域大气水汽含量变化(Qin et al, 2006), 致使春季径流及春季各月份径流自21世纪以来均呈上升趋势。
图4 1978 -2016年黄河源区春季径流变化趋势

Fig.4 The linear trend of spring runoff in the source of Yellow River from 1978 to 2016

3.4 敏感性分析

为了进一步明确积雪参数对春季径流的影响, 本文利用敏感系数公式计算黄河源区春季径流对积雪深度及积雪日数变化的敏感系数。分析结果表明, 黄河源区春季径流对积雪日数和年均雪深变化的敏感系数分别为0.60和0.25(表2)。根据敏感系数的物理意义可知, 黄河源区积雪日数平均天数变化1%, 将引起春季径流变化0.60%, 而年均雪深平均变化1%, 将引起春季径流变化0.25%。由此表明, 黄河源区春季径流对积雪日数的敏感性大于对积雪深度的敏感性, 即积雪日数对径流的影响较年均雪深大。从月份看, 3月径流对积雪日数和积雪深度的敏感性均较小, 敏感系数分别仅为0.05和0.11(表2), 这可能是由于黄河源区3月份平均气温在0 ℃以下(图5), 大部分积雪尚未融化。而在4、 5月份, 随着平均气温升高(图5), 积雪大量融化, 积雪变化对其径流影响较大, 故4、 5月径流对积雪日数和积雪深度的敏感性相对较大(表2)。
表2 1978 -2016年黄河源区春季径流对积雪变化的敏感性

Table 2 Sensitivity of spring runoff to snow cover changes in the source region of Yellow River from 1978 to 2016

积雪参数 3月径流 4月径流 5月径流 春季径流
积雪日数 0.05 0.51 0.88 0.60
年均雪深 0.11 0.39 0.22 0.25
图5 1978 -2016年黄河源区平均逐月气温年变化

Fig.5 Monthly temperature trend of the source ofYellow River from 1978 to 2016

4 讨论

在气候变暖的背景下, 黄河源区表现出积雪初日推迟、 终日提前、 积雪期缩短和积雪日数减少趋势。而天山地区积雪日数呈不显著的增加趋势, 且积雪初、 终日没有明显的提前或推迟(杨青等, 2009)。这是由于新疆地区冬季寒冷而干燥, 积雪对降水量的变化较对温度的敏感, 随冬季降雪量的增加而增加。而黄河源区尤其是甘肃、 青海、 四川三省区交界的久治、 玛曲、 红原、 若尔盖一带, 相对于新疆地区寒冷湿润, 积雪日数对温度的敏感性较对降雪量的高, 气温的增加使积雪期缩短, 初日推迟、 终日提前, 本文将久治、 玛曲、 红原、 若尔盖一带的气象站与黄河源区其他气象站做了对比, 发现初日推迟、 终日提前, 积雪期缩短的幅度更大。本结果与同为寒冷湿润的辽宁地区积雪日期变化趋势一致(赵春雨等, 2010)。
已有研究表明, 瑞士阿尔卑斯山区平均积雪深度在20世纪 80年代之前呈缓慢增加趋势, 20世纪末表现为减少趋势(Marty, 2006)。而黄河源区年均雪深总体没有明显的变化趋势, 但从21世纪以来, 年均雪深呈显著上升趋势, 且通过了p<0.1的显著性检验, 这可能与气候变暖导致的区域大气水汽含量变化有关(Qin et al, 2006)。积雪日期与积雪深度表现出不同的变化特征, 反映了全球积雪变化存在区域差异的客观事实(Frei et al, 1999; Hughes et al, 1996)。
积雪的变化主要是由于降水和温度的不同组合引起的, 导致春季径流的不同响应。在黄河源区, 检测到3月径流呈上升趋势, 4、 5月径流呈下降趋势(图4), 而进一步的敏感性表明, 3月径流对积雪变化的敏感性较差, 而4、 5月径流对积雪变化的敏感性相对较大(表2)。这可能表明3月份的径流量并未受到积雪变化的明显影响, 4、 5月径流通常受到积雪变化的影响, 但全球气候变暖导致融雪径流提前。此外, 尽管黄河源区在全球气候变暖环境下, 导致积雪初日推迟、 终日提前、 积雪期缩短和积雪日数减少、 融雪径流提前趋势, 但同时也由于区域大气水汽含量变化(Qin et al, 2006), 致使年均雪深及春季径流自21世纪以来均呈上升趋势。

5 结论

根据黄河源区1978 -2016年积雪、 气象及径流资料, 综合运用Mann-Kendall检验法、 线性分析法及敏感性公式, 分别对黄河源区积雪变化特征及其对春季径流的影响进行了分析, 主要结论如下:
(1) 黄河源区表现出积雪初日推迟、 终日提前、 积雪期缩短和积雪日数减少趋势, 1978 -2016年积雪初日平均推迟14.1天, 积雪终日平均提前14.4天, 积雪期平均缩短28.1天, 积雪日数平均减少7.6天。其中, 积雪初日、 积雪终日都通过了p<0.05的显著性水平检验, 积雪期通过了p<0.01的显著性水平检验。黄河源区尤其是甘肃、 青海、 四川三省区交界带, 气候寒冷湿润, 积雪日期对温度的敏感性较降雪量高, 气温的增加使积雪初日推迟、 终日提前, 积雪期缩短的幅度更大。
(2) 1978 -2016年, 黄河源区年均雪深在2.1~4.5 cm, 多年平均积雪深度为2.7 cm。近40年来黄河源区年均雪深总体没有明显的变化趋势, 但从21世纪以来, 年均雪深呈上升趋势, 且通过了p<0.1的显著性检验。
(3) 气温和降水不同组合引起积雪变化, 导致春季径流的不同响应。气候变暖, 积雪终日提前, 积雪期与积雪日数缩短, 导致融雪径流提前, 表现为3月径流呈上升趋势, 4、 5月径流呈下降趋势。1978 -2016年, 黄河源区春季径流呈下降趋势, 由于区域大气水汽含量变化, 自21世纪以来, 春季及春季各月径流呈明显上升趋势, 尤其是3月和春季径流均通过了p<0.05的显著性水平检验。
(4) 总体上, 黄河源区积雪日数对径流的影响较积雪深度显著。黄河源区积雪日数平均天数变化1%, 将引起春季径流量变化0.60%, 而积雪深度平均变化1%, 将引起春季径流量变化0.25%。从月份看, 3月径流对积雪日数和积雪深度的敏感性均较小, 归因于此月平均气温在0 ℃以下, 大部分积雪尚未融化; 而在4、 5月, 气温升高, 积雪大量融化, 积雪变化对其径流影响较大, 故4、 5月径流对积雪日数和积雪深度的敏感性相对较大。
Barnett T P, Adam J C, Lettenmaier D P, 2005.Potential impacts of a warming climate on water availability in snow-dominated regions [J].Nature, 438(7066): 303.DOI: 10.1038/nature04141.

Berghuijs W R, Woods R A, Hrachowitz M, 2014.A precipitation shift from snow towards rain leads to a decrease in streamflow [J].Nature Climate Change, 4(7): 583-586.DOI: 10.1038/N CLIMATE2246.

Brown R D, Robinson D A, 2011.Northern Hemisphere spring snow cover variability and change over 1922 -2010 including an assessment of uncertainty [J].The Cryosphere, 5 (1): 219-229.DOI: 10.5194/tc-5-219-2011.

Bulygina O N, Razuvaev V N, Korshunova N N, 2009.Changes in snow cover over Northern Eurasia in the last few decades [J].Environmental Research Letters, 4(4): 045026.DOI: 10.1088/1748-9326/4/4/045026.

Carey S K, Boucher J L, Duarte C M, 2013.Inferring groundwater contributions and pathways to streamflow during snowmelt over multiple years in a discontinuous permafrost subarctic environment (Yukon, Canada) [J].Hydrogeology Journal, 21(1): 67-77.DOI: 10.1007/s10040-012-0920-9.

Che T, Li X, Jin R, al et, 2008.Snow depth derived from passive microwave remote-sensing data in China [J].Annals Glaciology, 49: 145-154.

Choi G, Robinson D A, Kang S, 2010.Changing northern hemisphere snow seasons [J].Journal of Climate, 23(19): 5305-5310.DOI: 10.1175/2010JCLI3644.1.

Egli L, Jonas T, 2009.Hysteretic dynamics of seasonal snow depth distribution in the Swiss Alps [J].Geophysical Research Letters, 36(2): L02501.DOI: 10.1029/2008GL035545.

Fichefet T, Maqueda M A M, 1999.Modelling the influence of snow accumulation and snow-ice formation on the seasonal cycle of the Antarctic sea-ice cover [J].Climate Dynamics, 15(4): 251-268.

Frei A, Robinson D A, 1999.Northern Hemisphere snow extent: Regional variability 1972 -1994 [J].International Journal of Climatology, 19(14): 1535-1560.

Haeberli W, Cihlar J, Barry R G, 2000.Glacier monitoring within the global climate observing system [J].Annals of Glaciological, 31: 241-246.

Hamed K H, 2008.Trend detection in hydrologic data: The Mann-Kendall trend test under the scaling hypothesis [J].Journal of Hydrology, 349(3/4): 350-363.DOI: 10.1016/j.jhydrol.2007.11.009.

Han L, Tsunekawa A, Tsubo M, al et, 2014.Spatial variations in snow cover and seasonally frozen ground over northern China and Mongolia, 1988 -2010 [J].Global and Planetary Change, 116: 139-148.DOI: 10.1016/j.gl oplacha.2014.02.008.

Hughes M G, Robinson D A, 1996.Historical snow cover variability in the Great Plains region of the USA: 1910 through to 1993 [J].International Journal of Climatology, 16(9): 1005-1018.

IPCC, 2013.Climate change: The physical science basis[R].Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change.

Jorgenson M T, Shur Y L, Pullman E R, 2006.Abrupt increase in permafrost degradation in Arctic Alaska [J].Geophysical Research Letters, 33(2): L02503.DOI: 10.1029/2005GL024960.

Klaus J, McDonnell J J, 2013.Hydrograph separation using stable isotopes: Review and evaluation [J].Journal of Hydrology, 505: 47-64.DOI: 10.1016/j.jhydrol.2013.09.006.

Li B F, Chen Y N, Chen Z S, al et, 2013.Variations of temperature and precipitation of snowmelt period and its effect on runoff in the mountainous areas of Northwest China [J].Journal of Geographical Sciences, 23(1): 17-30.DOI: 10.1007/s11442-013-0990-1.

Liston G E, Hiemstra C A, 2011.The changing cryosphere: Pan-Arctic snow trends (1979 -2009) [J].Journal of Climate, 24(21): 5691-5712.DOI: 10.1175/JCLI-D-11-00081.1.

Ma H, Yang D, Tan S K, al et, 2010.Impact of climate variability and human activity on streamflow decrease in the Miyun Reservoir catchment [J].Journal of Hydrology, 389(3/4), 317-324.DOI: 10.1016/j.jhydrol.2010.06.010.

Marty C, 2006.Regime shift of snow days in Switzerland [J].Geophysical Research Letters, 35(12): L12501.DOI: 10.1029/2008GL03 3998.

Piao S, Friedlingstein P, Ciais P, al et, 2007.Changes in climate and land use have a larger direct impact than rising CO2 on global river runoff trends [J].Proceedings of the National academy of Sciences, 104(39): 15242-15247.

Qin D H, Liu S Y, Li P J, 2006.Snow cover distribution, variability and response to climate change in western China [J].Journal of Climate, 19(9): 1820-1833.

Rupp D E, Mote P W, Bindoff N L, al et, 2013.Detection and attribution of observed changes in Northern Hemisphere spring snow cover [J].Journal of Climate, 26(18): 6904-6914.DOI: 10. 1175/JC LI-D-12-00563.1.

Schuur E A G, Abbott B, 2011.Climate change: High risk of permafrost thaw [J].Nature, 480(7375): 32-33.DOI: 10.1038/480032a.

Stewart I T, 2009.Changes in snowpack and snowmelt runoff for key mountain regions [J].Hydrological Processes: An International Journal, 23(1): 78-94.DOI: 10.1002/hyp.7128.

Vernekar A D, Zhou J, Shukla J, 1995.The effect of Eurasian snow cover on the Indian monsoon [J].Journal of Climate, 8(2): 248-266.

Yue S, Pilon P, Cavadias G, 2002.Power of the Mann-Kendall and Spearman's rho tests for detecting monotonic trends in hydrological series [J].Journal of Hydrology, 259 (1/4), 254-271.

Zheng H, Zhang L, Zhu R, al et, 2009.Responses of streamflow to climate and land surface change in the headwaters of the Yellow River Basin [J].Water Resources Research, 45(7): W00A19.DOI: 10.1029/2007W R006665.

安迪, 李栋梁, 袁云, 等, 2009.基于不同积雪日定义的积雪资料比较分析 [J].冰川冻土, 31(6): 1019-10 27.

白淑英, 史建桥, 高吉喜, 等, 2014.1979 -2010年青藏高原积雪深度时空变化遥感分析[J].地球信息科学, 16(4): 628-637.DOI: 10.3724/SP.J.1047.2014.00628.

保云涛, 游庆龙, 谢欣汝, 2018.青藏高原积雪时空变化特征及年际异常成因[J].高原气象, 37(4): 899-910.DOI: 10.7522/j.issn.1000-0534.2017.00099.

傅帅, 蒋勇, 徐士琦, 等, 2017.1960 -2015 年吉林省积雪初、 终日期变化特征及其与气温和降水的关系 [J].干旱气象, 35(4): 567-574.DOI: 10.11755/j.issn.1006-7639(2017)-04-0567.

陈光宇, 李栋梁, 2011.东北及邻近地区累积积雪深度的时空变化规律 [J].气象, 37(5): 513-521.

黄晓清, 唐叔乙, 次旺顿珠, 2018.气候变暖背景下西藏高原雪灾变化及其与大气环流的关系 [J].高原气象, 37(2): 325-332.DOI: 10.7522/j.issn.1000-0534.2017.00038.

柯长青, 李培基, 1998.青藏高原积雪分布与变化特征 [J].地理学报, (3): 209-215.

李燕, 闫加海, 张冬峰, 2018.青藏高原冬春积雪异常和中国东部夏季降水关系的诊断与模拟 [J].高原气象, 37(2): 317-324.DOI: 10.7522/j.issn.1000-0534.2017.00040.

李弘毅, 王建, 2013.积雪水文模拟中的关键问题及其研究进展 [J].冰川冻土, 35(2): 430-437.DOI: 10.7522/j.issn.1000-0240.2013.0051.

李培基, 1996.亚洲季风模拟试验中青藏高原积雪强迫问题的讨论 [J].高原气象, 15(3): 350-355.

刘进军, 傅云飞, 李锐, 等, 2018.青藏高原云和大气对被动微波遥感积雪雪深的影响 [J].高原气象, 37(2): 305-316.DOI: 10.7522/j.issn.10 00-0534.2017.00050.

刘俊峰, 陈仁升, 宋耀选, 2012.中国积雪时空变化分析 [J].气候变化研究进展, 8(5): 364-371.DOI: 10.3969/j.issn.1673-1719.2012.05.008.

罗继, 路学敏, 2011.2004 -2009 年阿克苏地区积雪分布特征及其对春季径流的影响 [J]. 沙漠与绿洲气象, 5(5): 35-38.

吕爱锋, 贾绍凤, 燕华云, 等, 2009.三江源地区融雪径流时间变化特征与趋势分析 [J].资源科学, 31(10): 1704-1709.

马丽娟, 秦大河, 2012.1957 -2009年中国台站观测的关键积雪参数时空变化特征 [J].冰川冻土, 34(1): 1-11.

秦大河, 效存德, 丁永建, 等, 2006.国际冰冻圈研究动态和我国冰冻圈研究的现状与展望 [J].应用气象学报, 17(6): 649-656.

秦艳, 丁建丽, 赵求东, 等, 2018.2001 -2015 年天山山区积雪时空变化及其与温度和降水的关系 [J].冰川冻土, 40(2): 249-260.DOI: 10.7522/j.issn.1000-0240.2018.0029.

沈永平, 王国亚, 苏宏超, 等, 2007.新疆阿尔泰山区克兰河上游水文过程对气候变暖的响应 [J].冰川冻土, 29(6): 845-854.

田柳茜, 李卫忠, 张尧, 等, 2014.青藏高原 1979 -2007 年间的积雪变化 [J].生态学报, 34(20): 5974-5983.

王欣, 丁永建, 张勇, 2019.冰川融水对山地冰冻圈冰湖水文效应的影响 [J].湖泊科学, 31(3): 609-620.DOI: 10.18307 /2019.030.

王澄海, 王芝兰, 崔洋, 2009.40余年来中国地区季节性积雪的空间分布及年际变化特征 [J].冰川冻土, 31(2): 301-310.

王海娥, 李生辰, 张青梅, 等, 2016.青海高原1961 -2013 年积雪日数变化特征分析 [J].冰川冻土, 38(5): 1219-1226.

王宁练, 刘时银, 吴青柏, 等, 2015.北半球冰冻圈变化及其对气候环境的影响 [J].中国基础科学, 2: 9-14.

王世金, 效存德, 2019.全球冰冻圈灾害高风险区: 影响与态势 [J].科学通报, 64(9): 891-901.DOI: 10.1360/N972018-01124.

王顺久, 2017.青藏高原积雪变化及其对中国水资源系统影响研究进展[J].高原气象, 36 (5): 1153-1164.DOI: 10.7522 /j.issn. 1000-0534.2016.00117.

吴雪娇, 鲁安新, 王丽红, 等, 2013.基于 MODIS 的长江源近10年积雪反照率时空分布及动态变化 [J].地理科学, 33(3): 371-377.DOI: 10.13249/j.cnki.sgs.2013.03.004.

杨建平, 丁永建, 刘俊峰, 2006.长江黄河源区积雪空间分布与年代际变化 [J].冰川冻土, 28(5): 648-655.

杨建平, 丁永建, 方一平, 2019.中国冰冻圈变化的适应研究: 进展与展望 [J].气候变化研究进展, 15(2): 178-186.DOI: 10.12006/j.issn.1673-1719.2018.080.

杨青, 崔彩霞, 孙除荣, 等, 2007.1959 -2003 年中国天山积雪的变化 [J].气候变化研究进展, 3(2): 80-84.

杨志刚, 达娃, 除多, 2017.近15a青藏高原积雪覆盖时空变化分析 [J].遥感技术与应用, 32(1): 27-36.DOI: 10.11873/j.issn. 1004-0323.2017.1.0027.

姚檀栋, 秦大河, 沈永平, 等, 2013.青藏高原冰冻圈变化及其对区域水循环和生态条件的影响 [J].自然杂志, 35(3): 179-186.DOI: 10.3969/j.iss n.0253-9608.2013.03.004.

张娟, 徐维新, 王力, 等, 2018.三江源腹地玉树地区动态融雪过程及其与气温关系分析 [J].高原气象, 37 (4): 936-945.DOI: 10.7522 /j.issn.1000-0534.2018.00001.

张晓闻, 臧淑英, 孙丽, 2018.近 40 年东北地区积雪日数时空变化特征及其与气候要素的关系 [J].地球科学进展, 33(9): 958-968.DOI: 10.11867/j.issn.1001-8166.2018.09.0958.

赵春雨, 严晓瑜, 李栋梁, 等, 2010.1961-2007 年辽宁省积雪变化特征及其与温度、 降水的关系 [J].冰川冻土, 32(3): 461-468.

中国气象局, 2012.地面气象观测规范 [M].北京: 气象出版社.

周扬, 徐维新, 白爱娟, 等, 2017.青藏高原沱沱河地区动态融雪过程及其与气温关系分析 [J].高原气象, 36(1): 24-32.DOI: 10.7522/j.issn.1000-0534.2016.00013.

Outlines

/