Spatio-temporal Variation Characteristics of Snow Cover and Their Relation with Main Meteorological Elements in the Yellow River Source Region

  • Dihua CAI , 1 ,
  • Sha SHA 2 ,
  • Xing WANG 1 ,
  • Yun LIANG 1 ,
  • Jingchan LIU 1 ,
  • Tao HUANG 1 ,
  • Hong ZHAO , 2
Expand
  • 1. Lanzhou Regional Climate Centre,Lanzhou 730020,Gansu,China
  • 2. Institute of Arid Meteorology,China Meteorological Administration,Key Laboratory of Arid Climatic Change and Reducing Disaster of Gansu Province,Lanzhou 730020,Gansu,China

Received date: 2024-08-22

  Revised date: 2025-09-11

  Online published: 2026-04-27

Copyright

© Editorial Department of Plateau Meteorology (CC BY-NC-ND)

Abstract

In order to explore the response of snow cover to climate conditions under the complex topography, based on composite snow cover products on eight days of MOD10A2, daily temperature and precipitation from September 2001 to August 2020 and digital elevation model (DEM) in the Yellow-River source region, the snow cover frequency and percentage was used as an index to study the spatio-temporal variation characteristic of snow cover and their relations with major meteorological elements.The results are as follows: (1) Snow was mainly appeared from October to next May in the Yellow-River resource region, and the higher altitude, the greater snow cover percentage and the longer duration.Snow mainly distributed in high mountainous areas.The yearly accumulative process of snow showed a U-shaped at the altitude of 3500 m and below, the peak appeared in winter, while that transited to inverted W-shaped above the altitude of 3500 m, and the gap between two peaks gradually reduced with the rising of altitude, the appearing time of the maximum peak shifted from spring to autumn.(2) The snow cover percentages on the northern and northerly slopes were more than that on the southern and southerly slopes during the accumulative period, among the maximum was on the northeastern slope, and the minimum was on the southern slope, but the yearly variation characteristics with inverted W-shaped were similar and synchronous on each slope, the maximum and secondary peaks appeared at the end of October and the early of April, respectively.(3) Under the background of warming and humidification, the snow cover percentage during the accumulative period exhibited an overall increasing trend with a rate of about 5.6% per 10-year in the Yellow-River resource since 2001, especially at heights above 4000 m.The significant increase of snow cover area in spring and winter at heights 4000~5000 m contributed greatly to the increase of snow cover percentage during the accumulative period.(4) The average snow cover percentage first increased and then decreased with the decline of temperature and the increase of precipitation during the cumulative period in each altitude zone of the Yellow-River source, and the higher the altitude, the higher the fitting goodness between the two.The consistent increase of precipitation was the key factor contributing to the increase of snow cover percentage in each season of accumulative period since 2001, especially the significant increase of precipitation at high altitude areas in spring.Snow was more dependent on precipitation at high altitude areas.

Cite this article

Dihua CAI , Sha SHA , Xing WANG , Yun LIANG , Jingchan LIU , Tao HUANG , Hong ZHAO . Spatio-temporal Variation Characteristics of Snow Cover and Their Relation with Main Meteorological Elements in the Yellow River Source Region[J]. Plateau Meteorology, 2026 , 45(3) : 641 -653 . DOI: 10.7522/j.issn.1000-0534.2025.00101

1 引言

积雪广布于北半球中高纬度及高山地区, 作为最活跃且具有多重属性的地表覆盖类型, 其覆盖面积及持续时间的动态变化直接影响地表辐射与热量平衡以及地气系统能量交换, 进而对大气环流、 水循环产生巨大影响, 被认作是全球气候变化的重要指示器(Barnett et al, 1989潘保田和李吉均, 1996杨兴国等, 2012张海宏等, 2020曹言超和王晓春, 2022; Francois et al, 2023; 王宇腾等, 2025)。准确掌握积雪覆盖时空变化特征对全球和区域气候预测模型的改进、 水文模拟精度的提升、 水资源管理的优化等有重要意义。
青藏高原东北部的黄河源区地处高原季风、 东亚季风和南亚季风交汇处, 是欧亚大陆积雪变化最显著的地区之一(韦志刚等, 2002), 也是三江源气温升幅最大的区域(易湘生等, 2011)。伴随高原气候变暖, 黄河源区水源涵养量整体呈减小趋势(尹云鹤等, 2016), 高寒生态系统持续退化(王根绪等, 2009刘双等, 2018), 生态环境日益恶化、 生态防护功能持续下降。研究表明, 积雪的有无和厚度的深浅对地面温度和季节性冻结深度(Goodrich, 1982姚闯等, 2019)以及土壤微生物活性和氮素含量(Brooks et al, 1998胡霞等, 2014Probst et al, 2024)等有重要影响, 积雪通过影响土壤冻融进而成为控制高原植被物候及长势的重要因素(Wang et al, 2018)。因此, 作为黄河源区地表覆盖的重要组成部分, 积雪是维系“中华水塔”功能的关键动态水资源库、 生态系统稳定器和气候调节阀, 一直是研究的热点。21世纪以来, 黄河源区在气候阶段性变化特征下整体表现增温减缓、 降水增多态势(杨金虎等, 2023)。在这种复杂气候变化背景下, 源区积雪日数整体呈波动增加趋势(曹晓云等, 2022), 而作为积雪研究中的重要问题——积雪面积的时空格局是否与积雪日数一致?其动态变化与主要气象要素存在怎样的定量关系?特别是, 降水在驱动积雪动态变化中扮演何种角色?这些问题仍值得进一步研究。
站点观测能够提供长时间序列及高质量的积雪信息, 但空间代表性有限, 尤其是黄河源区这些站点稀疏、 地形复杂的高山区。卫星遥感的快速发展已成为积雪监测不可或缺的工具(延昊, 2004蔡迪花等, 2009车涛等, 2019Xie et al, 2023Yan et al, 2023Motlagh et al, 2024), 而MODIS(Moderate Resolution Imaging Spectroradiometer)凭借空间分辨率高、 时间连续等优势, 跃升为目前监测全球和区域尺度积雪覆盖的核心数据源(邹逸凡等, 2021Guo et al, 2022Madhavi et al, 2023Moazzam et al, 2023李延等, 2024)。因此, 本文利用2001年9月至2020年8月MOD10A2雪盖资料和气象站气温与降水量观测资料, 结合数字高程模型(Digital Elevation Model, DEM), 以积雪频率和积雪覆盖率为监测指标, 探究黄河源积雪覆盖时空分布及其与主要气象要素的关系, 以期为黄河源区水资源可持续利用和生态安全提供科学依据。

2 研究区概况

黄河源区位于青藏高原东北部(地理位置介于95°54′E -102°15′E、 32°32′N -36°15′N), 海拔2700~6163 m(平均4000 m以上), 地势总体西南高、 东北低, 地貌以高山、 丘陵台地和平原为主, 有巴颜喀拉山、 阿尼玛卿山等高大山系(图1), 海拔3500 m以下、 3500~4000 m、 4000~4500 m、 4500~5000 m及5000 m以上高度带面积占比分别为10.8%、 24.7%、 44.9%、 19.4%和0.2%。
图1 黄河源区海拔(单位: m)及气象站点空间分布

Fig.1 The spatial distribution of elevation (unit: m) and meteorological stations in the Yellow River Source Region

黄河源区属于高寒半湿润、 半干旱气候, 光照充足, 干湿季分明, 水热同季, 气温主要随海拔升高而降低, 降水则随着纬度、 海拔升高而减少(图2)。受水分条件控制, 植被分布呈现明显的水平分异, 自西北向东南从高寒干草原过渡到高寒草甸。
图2 2001年9月1日至2020年8月31日黄河源区年平均气温(a, 单位: ℃)和年降水量(b, 单位: mm)空间分布

Fig.2 The spatial distribution of annual average temperature (a, unit: ℃) and annual precipitation (b, unit: mm) in the Yellow River Source Region from September 1, 2001 to August 31, 2020

3 资料与方法

所用资料包括: (1)NASA(National Aeronautics and Space Administration)陆地过程分布式数据存档中心提供的2001年9月1日至2020年8月31日MOD10A2产品8天合成最大积雪覆盖产品数据集, 黄河源区涉及2轨(轨道号为h25v05和h26v05)。该数据集空间分辨率500 m, Integerized Sinusoidal Grid投影, 无云情况下在青藏高原的误差约10%(邱玉宝等, 2016)。(2)中国气象科学数据共享服务网提供的同时段黄河源区10个国家气象站平均气温和降水量逐日资料, 站点分别为同德(海拔: 3147.8 m)、 兴海(海拔: 3323.2 m)、 若尔盖(海拔: 3439.6 m)、 玛曲(海拔: 3471.4 m)、 红原(海拔: 3491.6 m)、 久治(海拔: 3628.5 m)、 玛沁(海拔: 3720.3 m)、 达日(海拔: 3967.5 m)、 甘德(海拔: 4032.2 m)和玛多(海拔: 4272.3 m)。(3)中国西部环境与生态科学数据中心提供的DEM数据, 空间分辨率90 m。
为了与MOD10A2雪盖数据匹配, 将DEM重采样为500 m, 提取黄河源区流域边界, 并进行高度、 坡向分带处理。借助MRT(MODIS Reprojection Tool)对MOD10A2序列产品进行经纬度投影、 格式转换及拼接处理; 然后, 利用ArcMap软件以黄河源流域边界裁切, 并根据产品像元值含义进行重分类处理, 将200的积雪像元赋值为1, 其余非积雪像元赋值为0。按照MOD10A2产品合成时间对气温、 降水量序列数据进行合成, 其中气温为8天平均值, 降水量为8天累计值。
定义当年9月1日至次年8月31日为一个年周期, 如2001年9月1日至2002年8月31日定义为2001年, 依此类推(下文中的年份均为此定义年)。

4 积雪监测指标

4.1 积雪频率

为探究像元积雪覆盖的年内变化特征, 定义了反映积雪持续时间的月积雪频率, 即同一像元月内积雪累计出现次数与总次数之比。该指标根据影像时间确定出各月所包含的8天合成影像(跨月份的影像按照合成时间将其划归为天数多的月份), 计算对应月积雪频率后再进行多年平均, 其表达式为:
f i j = 1 n k = 1 n x i j k
f i ¯ = 1 19 j = 1 19 f i j
式中: f i j为第j年(j=1表示2001年, j=2表示2002年, 依此类推至2019年)i月的积雪频率; x i j k为第ji月第k张(k=1, 2, …, n)8天合成影像, 根据合成影像时间计算n=3或4; f i ¯i月(i=1表示1月, i=2表示2月, 依次类推)平均积雪频率。

4.2 积雪覆盖率

为探究区域积雪积累过程, 定义了积雪覆盖率。该指标是积雪像元数占区域总像元数的百分比, 其表达式为:
P t ¯ = 1 19 j = 1 19 N j t ( 1 ) N j t ( 1 ) + N j t ( 0 ) × 100
式中: P t ¯为第t时段平均积雪覆盖率(单位: %); N j t ( 1 ) N j t ( 0 )分别为第j年(j=1, 2, …, 19)第t时段8天合成影像中积雪像元数和非积雪像元数; t为时段(t=1对应1月1 -8日, t=2对应1月9 -16日, 依次类推)。

5 结果与分析

5.1 黄河源积雪频率月际分布特征

黄河源区海拔高差大, 气温、 降水等气象条件复杂, 使得不同区域积雪、 融雪时间有明显差异, 造成积雪空间分布严重不均。为探究该区域积雪季节变化特征, 计算了2001 -2019年各月积雪频率(图3)和站点气温与降水量(图4)。不难发现, 夏季7 -8月气温高, 海拔最高的玛多站(4272.3 m)月平均气温也在8.4 ℃以上, 降水量虽相对多, 但整个源区积雪极其稀少, 除阿尼玛卿山的玛卿岗日山峰[按照气温垂直递减率0.65 ℃·(100m)-1计算, 气温低于0 ℃)]持续有积雪外, 其余地区月积雪频率均在0.1以下。9月随着气温下降, 阿尼玛卿山、 巴颜喀拉山等高山上首先覆盖了积雪。进入10月、 11月, 各山脉均进入积雪期, 4000 m以上高海拔山区气温降至0 ℃以下, 山区积雪范围迅速扩大, 积雪频率持续增加。其中, 10月, 源区中西部阿尼玛卿山、 巴颜喀拉山、 布尔汗布达山等山区月积雪频率在0.5以上; 11月, 随着气温持续下降, 积雪沿山腰继续扩展, 阿尼玛卿山和巴颜喀拉山的积雪在中部连成一片, 填满山谷, 阿尼玛卿山西段大范围积雪频率达0.9。12月至次年1月整个源区气温均降至0 ℃以下, 但由于降水少, 气候干燥、 多风, 源区中西部积雪大范围消融, 积雪频率随之剧降, 而东部、 东南部部分区域积雪波动变化, 具体表现为巴颜喀拉山中西段积雪基本消融, 阿尼玛卿山积雪向中心退缩, 巴颜喀拉山东段积雪先减后增; 由于气温低, 冰面冻结, 扎陵湖、 鄂陵湖的积雪得以保存, 积雪频率较大。2月, 伴随着中南部和东南部降水的增加, 黄河源区中南部巴颜喀拉山中东段和东南部松潘高原积雪范围和频率继续增大, 中部阿尼玛卿山积雪也向两端扩展, 且东段较西段扩展得更明显。3月气温明显回升, 低海拔区升至0 ℃以上, 积雪融化, 而高海拔区由于气温低、 降水增多, 积雪频率持续增大。此后, 随着天气转暖, 各山脉积雪沿山腰不断消融, 至6月积雪分布状况基本与建立初期一致, 此时积雪积累过程结束。
图3 2001 -2019年黄河源区平均月积雪频率空间分布

Fig.3 The spatial distribution of average monthly snow frequency in the Yellow River Source Region from 2001 to 2019

图4 2001 -2019年黄河源区代表站平均气温(a)与降水量(b)月际变化

Fig.4 The monthly variation of average temperature (a) and precipitation (b) at representative stations of the Yellow River Source Region from 2001 to 2019

总体上, 黄河源区积雪具有明显的季节性和地域性特征, 积雪主要留存于10月至次年5月, 但不同区域其积累过程有明显差异。其中, 源区中部阿尼玛卿山积雪出现的早、 消融的晚, 积雪频率峰值出现在11月和3月; 巴颜喀拉山积雪峰值东段在11月和2月, 西段在11月和3月, 但3月次峰值较11月弱得多。可见, 低海拔河谷区积雪持续时间较短, 积雪主要分布在海拔较高的山脊区。

5.2 黄河源积雪覆盖率年内变化特征

5.2.1 不同高度带积雪分布及年内变化

就全区而言, 黄河源平均积雪覆盖率年内变化特征呈双峰型, 有明显的积雪和融雪时期, 雪从9月初开始积累, 积雪覆盖率持续增大, 至10月下旬达到最大峰值(48.8%), 随后在短暂减小后再次波动增大, 至次年3月末达到次峰值(46.73%); 之后, 随着气温快速回升至0 ℃, 积雪开始逐渐消融, 积雪覆盖率迅速减小, 至6月中下旬达到稳定状态(图5)。
图5 2001 -2019年黄河源区全区及不同高度带平均积雪覆盖率年内变化

Fig.5 The intra-annual variation of average snow cover percentage in entire region and different elevation zones of the Yellow River Source Region from 2001 to 2019

积雪分布和持续时间不仅取决于当地环流系统, 还与海拔密切相关。结合图5图6可知, 黄河源各高度带积雪覆盖率年内变化差异较大, 海拔越高, 气温(降水)越低(少), 越有(不)利于积雪的形成与维持, 积雪覆盖率越大(小)、 积累期越长(短), 海拔3500 m及以下区域积雪覆盖率年内变化曲线大体呈“U”字型, 整个积累过程只有1个冬季波峰, 而3500 m以上区域曲线逐渐过渡为倒“W”字型, 且随着海拔升高两波峰间距逐渐收拢变窄, 最大峰值逐渐由冬春季过渡到秋季。
图6 2001 -2019年黄河源区不同高度带代表站平均气温(a)和降水量(b)年内变化

Fig.6 The intra-annual variation of average temperature (a) and precipitation (b) at representative stations of the Yellow River Source Region from 2001 to 2019

海拔3500 m及以下区域, 10月中下旬部分区域气温降至0 ℃附近, 由于地表温度低, 降雪得以保存; 之后, 伴随着气温持续下降和间歇性降雪, 积雪范围波动扩展, 至次年2月中下旬达到最大(积雪覆盖率平均29.8%); 随着气温回升, 3月上旬部分区域气温升至0 ℃以上, 积雪开始消融、 范围持续减小, 至5月中下旬基本消失。
3500~4000 m高度带, 10月中旬部分区域气温开始降至0 ℃以下, 季节性积雪自此建立, 之后随着气温持续下降积雪范围迅速扩展, 于11月中下旬达到次峰值, 积雪覆盖率平均32.5%, 随后开始波动下降, 12月中下旬降至16.3%, 形成第一个秋季积累期; 此后, 随着降雪增加积雪范围再次波动扩展, 于次年2月中下旬达到最大峰值(积雪覆盖率平均41.9%), 丰厚的积雪持续1个月之久后随着气温回升至0 ℃以上再次快速减少, 至5月中下旬第二阶段积累过程结束。此高度带冬春季积雪留存时间较秋季长且补给量大, 最大峰值仍在冬季。
与4000 m以下高度带相比, 4000~4500 m和4500~5000 m高度带季节性积雪出现的早、 消失的晚, 积雪覆盖率倒“W”字型的年内变化曲线相似, 前者季节性积雪始于9月中旬, 结束于6月上旬, 后者则始于9月上旬, 结束于6月中下旬, 最大峰值均出现在降雪相对较多的秋季, 后者因积累得早秋季峰值(82.1%)远高于春季次峰值(66.0%)。
5000 m以上高度带积雪覆盖率普遍在46.0%以上, 季节性积雪积累时间与4500~5000 m高度带一致, 且波动性相对减弱, 秋季峰值(95.6%)与春季峰值(92.5%)相差不大, 说明在某一海拔以上随着海拔升高, 降水季节变化对积雪覆盖率的影响已不明显, 这主要与其上分布的终年积雪有关。
综上所述, 黄河源季节性积雪积累期间海拔越高积雪覆盖率越大、 留存时间越长, 4000 m以下高度带积雪覆盖率最大峰值出现在冬季, 而4000 m以上高度带则出现在秋季, 其差异主要与气温密切相关, 海拔越高气温越早降至0 ℃, 相应地季节性积雪建立得越早, 故而相对较多的秋季降水更早地以降雪形式保留, 导致积雪覆盖率大。

5.2.2 不同坡向积雪分布及年内变化

水汽和辐射条件是影响积雪发育的重要因素(张文博等, 2012)。受暖湿气流影响, 迎风坡水汽丰富、 降水量大, 迎风坡积雪通常多于背风坡。阳坡因接受的太阳辐射量较阴坡多, 易造成融雪, 故阴坡积雪应比阳坡多。因此, 将黄河源区地形按照45°方位角等间隔划分为北坡(0° -22.5°和337.5° - 360°)、 东北坡(22.5° -67.5°)、 东坡(67.5° - 112.5°)、 东南坡(112.5° -157.5°)、 南坡(157.5° - 202.5°)、 西南坡(202.5° -247.5°)、 西坡(247.5° - 292.5°)及西北坡(292.5° -337.5°), 统计积累期(当年9月至次年6月)各坡向积雪覆盖率。
整个积累期, 黄河源区积雪覆盖率随坡向变化差异较大, 整体北坡和偏北坡积雪覆盖率高于南坡和偏南坡, 东北坡、 西北坡积雪覆盖率相对较大, 而南坡最小[图7(a)], 这与青藏高原积雪的坡向分布一致(杨维和王永前, 2015)。黄河源区地处青藏高原腹地, 受西风带和东亚季风影响, 其西北坡和东北坡的水汽相对丰富, 在低温情况下利于形成积雪, 而来自孟加拉湾的暖湿气流受高大山体阻挡很少到达黄河源区, 南坡(阳坡)即便是迎风坡, 降水也很少, 不利于积雪积累。另外, 积累期各坡向积雪覆盖率时序变化曲线相似且同步, 大体呈双峰型, 南北差异主要出现在当年10月末至次年5月中上旬阶段, 其中秋季积累阶段积雪覆盖率自东北坡、 西北坡、 北坡(西坡、 东坡)、 西南坡(东南坡)、 南坡依次减小, 冬春季积累阶段则自西北坡、 东北坡、 西坡、 东坡、 北坡、 西南坡(东南坡)、 南坡依次减小[图7(b)]。
图7 2001 -2019年黄河源区不同坡向积累期平均积雪覆盖率(a)及其年内变化(b)

Fig.7 The average snow cover percentages (a) and their intra-annual changes (b) on different aspects of the Yellow River Source Region during the accumulative period from 2001 to 2019

5.3 黄河源积雪覆盖率年际变化特征

5.3.1 全区积雪年际变化

前述分析可知, 黄河源不同高度带积雪积累期大致为当年9月至次年6月, 因此本研究只探究积累期积雪覆盖率的年际变化特征。就全区而言, 2001 - 2019年积累期(当年9月上旬至次年6月中上旬)积雪覆盖率在21.4%~45.1%之间波动, 最大值、 最小值分别出现在2018年和2010年, 整体呈显著增大趋势(P<0.1), 每10年增加约5.6%(图8), 与刘晓娇等(2020)基于站点积雪日数的增加趋势一致, 也与黄河源区气候向暖湿化转变的观测事实(蓝永超等, 2013)相符; 积累期积雪覆盖率冬季最大, 春季次之, 且各季变化趋势与整个积累期一致, 其中春季积雪面积显著增加(P<0.05)对积累期积雪覆盖率增大有重要贡献。
图8 2001 -2019年黄河源区四季及积累期积雪覆盖率年际变化及趋势

(a)秋季, (b)冬季, (c)春季, (d)初夏, (e)积累期

Fig.8 The inter-annual variation and trend of snow cover percentage in the Yellow River Source Region during each season and the whole cumulative period from 2001 to 2019.(a) autumn, (b) winter, (c) spring, (d) early summer, (e) the whole accumulative period

5.3.2 不同高度带积雪年际变化

黄河源不同高度带积雪积累期存在差异, 在分季统计时尽管不完全对应整个季节, 但为了便于表述统一采用四季名称。表1是2001 -2019年黄河源不同高度带整个积累期及四季积雪覆盖率变化倾向率, 发现积累期和秋、 春季各高度带积雪覆盖率一致呈增加趋势, 其中春季各高度带和积累期4000 m以上高度带增加趋势显著(通过0.10及以上的显著性检验), 而秋季各高度带增加趋势均不显著; 冬季各高度带积雪覆盖率变化趋势不尽一致, 仅4000~5000 m高度范围增加趋势显著; 随着气温升高, 夏季积雪分布在4000 m以上高度, 但各高度带积雪覆盖率均无明显变化趋势。对比发现, 3500 m以下高度带与3500~4000 m高度带、 4000~4500 m高度带与4500~5000 m高度带同一时期积雪覆盖率的年际变化具有较强的同步性(图略)。
表1 2001 -2019年黄河源不同高度带积累期及四季积雪覆盖率变化倾向率

Table 1 The change tendency rate of snow cover percentage in different altitude zones of the Yellow River Source Region during the cumulative period and each season from 2001 to 2019

高度带/m 积雪覆盖率变化倾向率/(%·a-1
秋季 冬季 春季 夏季 积累期
≤3500 0.0984 -0.0469 0.5323* / 0.2090
(3500, 4000] 0.2060 0.1346 0.7057* / 0.3642
(4000, 4500] 0.3305 0.9394* 0.9174** 0.0111 0.6948*
(4500, 5000] 0.4334 1.0554* 0.9760* -0.2218 0.7464**
>5000 0.0329 0.3130 0.5268*** -0.3278 0.2350**

*、 **、 ***分别表示通过0.10、 0.05、 0.01的显著性检验; /表示无数据 (The ‘*’, ‘**’ and ‘***’ indicate passing significance tests at the 0.10, 0.05 and 0.01 levels, respectively, while ‘/’ indicates that there is no data)

5.4 黄河源积雪覆盖率与主要气象要素的关系

低温与降雪是积雪得以形成与维持的主要气象条件, 积雪的变化势必与积累期间的气温和降水量变化密不可分。黄河源区国家气象站分布在海拔3147.8~4272.3 m, 本研究仅探究4500 m以下各高度带积累期积雪覆盖率与站点气温和降水量的关系。其中, 3500 m以下站点有同德、 兴海、 玛曲、 若尔盖和红原, 3500~4000 m的站点有久治、 玛沁和达日, 4000~4500 m的站点有甘德和玛多。
图9是黄河源各高度带积累期积雪覆盖率与气温和降水量的拟合关系。从图9中可以看出, 黄河源区各高度带积雪覆盖率与气温均存在开口向下的二次多项式拟合关系, 即积雪覆盖率随气温降低先增后减, 高度带越高曲线拟合效果越好, 散点愈加收敛, 其中4000 m以下高度带拟合曲线最高点左侧散点较右侧散点更加离散; 积雪覆盖率与降水量的关系各高度带表现大致相同, 积雪覆盖率均随降水增加先增后减。分析发现, 黄河源晚秋时节(10月)夏季风水汽尚未完全撤退, 配合南下的冷空气, 易形成降雪, 积雪覆盖率较大; 冬季, 低温虽利于存雪, 但受干冷的西风带控制, 降雪少, 积雪增量远小于消融量, 致使积雪覆盖率小; 春季, 孟加拉湾水汽通道重建, 西风槽活跃, 冷暖空气频繁交汇, 降雪频次和总量显著增加, 此时地表温度仍较低, 新雪不易融化, 累积效应明显, 积雪覆盖率大。可见, 环流系统转换与雪的积累和消融密切相关。另外, 随着海拔升高, 气温降低的同时地表反照率升高、 太阳辐射吸收减弱, 有利于积雪的维持, 当升至一定高度时爬升气流的水汽含量不断减少, 虽不利于降雪, 但全年气温低于0 ℃条件下的积雪一旦形成, 其年消融量小于新增积雪量, 积雪覆盖率与气温的关系愈加紧密。
图9 2001 -2019年黄河源区不同高度带累积期积雪覆盖率与气温(左)和降水量(右)的关系

Fig.9 The relation between snow cover percentage and temperature (left), precipitation (right) in different altitude zones of the Yellow River Source Region during the cumulative period from 2001 to 2019

黄河源各高度带气温和降水变化趋势(表2)显示, 2001年以来各高度带积雪积累期降水量在各季整体均呈现增加趋势, 3500~4500 m高度春季降水增加显著; 除冬季4000~4500 m高度外, 气温均表现升高趋势, 秋季4000 m以下相对较低海拔区增温较显著。相关分析(表3)显示, 各高度带积累期各季积雪覆盖率与同期气温均表现出不同程度的负相关, 而与降水量则表现出不同程度的正相关, 夏季高海拔积雪主要受气温影响, 其他季节积雪主要受降水影响。
表2 2001 -2019年黄河源区各高度带积雪积累期及各季气温与降水变化倾向率

Table 2 The change tendency rates of temperature and precipitation in each altitude zone of the Yellow River Source Region during the cumulative period of snow and corresponding season from 2001 to 2019

海拔/m 气温/(℃·a-1 降水/(mm·a-1
秋季 冬季 春季 夏季 积累期 秋季 冬季 春季 夏季 积累期
≤3500 0.0762* 0.0310 0.0075 / 0.0292 0.2760 0.1979 1.4268 / 1.9008
(3500, 4000] 0.1003** 0.0324 0.0175 / 0.0476** 0.6765 0.2495 2.4468*** / 3.3729***
(4000, 4500] 0.0647 -0.0340 0.0072 0.0274 0.0184 1.3208 0.2626 1.8340** 0.3428 3.7602***

*、 **、 ***分别表示通过0.10、 0.05、 0.01的显著性检验; /表示无数据(The ‘*’, ‘**’ and ‘***’ indicate passing significance tests at the 0.10, 0.05 and 0.01 levels, respectively, while the ‘/’ indicates that there is no data)

表3 2001 -2019年黄河源区各高度带积累期及各季积雪覆盖率与气温和降水的相关系数

Table 3 The correlation coefficients between snow cover percentage and temperatureprecipitation in each altitude zone of the Yellow River Source Region during the period of snow and corresponding season from 2001 to 2019

海拔/m 积雪覆盖率与气温的相关系数 积雪覆盖率与降水的相关系数
秋季 冬季 春季 夏季 积累期 秋季 冬季 春季 夏季 积累期
≤3500 -0.408* -0.477** -0.394* / 0.050 0.439* 0.815*** 0.537** / 0.411*
(3500~4000] -0.452* -0.357 -0.233 / 0.220 0.344 0.774*** 0.635*** / 0.624***
(4000~4500] -0.435* -0.443* -0.438* -0.454* -0.198 0.623*** 0.844*** 0.466** -0.064 0.792***

*、 **、 ***分别表示通过0.10、 0.05、 0.01的显著性检验; /表示无数据(The ‘*’, ‘**’ and ‘***’ indicate passing significance tests at the 0.10, 0.05 and 0.01 levels, respectively, while the ‘/’ indicates that there is no data)

综合表2表3分析发现, 黄河源积雪积累期秋季气温相较于冬、 春季高, 降水形式多为降雨, 2001年以来较低海拔区秋季显著增温不利于降雪及留存, 而积累期各季降水的一致增加尤其春季高海拔降水的显著增加对积雪覆盖率增大有重要贡献, 高海拔区积雪对降水的依赖性更强。可见, 降水对源区积雪的影响占主导, 积雪在某种程度上可作为该区域气候变化的指示器。

6 结论与讨论

利用2001年9月1日至2020年8月31日黄河源区MOD10A2产品8天合成的最大积雪覆盖时间序列和10个国家气象站气温与降水逐日观测资料, 结合DEM数据, 以积雪频率和积雪覆盖率为指标, 研究黄河源区积雪覆盖时空变化特征及其与气温和降水的关系, 主要结论如下:
(1) 黄河源积雪主要存现于10月至次年5月, 海拔越高积雪覆盖率越大、 持续时间越长, 积雪主要分布在高山区。≤3500 m区域积雪积累过程大致呈“U”字型, 峰值在冬季; >3500 m区域则过渡为倒“W”字型, 两峰值的间距随海拔升高逐渐收窄, 最大峰值由春季转为秋季。
(2) 积累期, 积雪覆盖率北坡和偏北坡高于南坡和偏南坡, 东北坡最大, 南坡最小; 各坡向积雪覆盖率年内变化曲线相似且具有同步性, 大体呈双峰型, 峰值在10月末, 次峰值在4月初。坡向对积雪分布的影响相较于高程弱。
(3) 2001 -2019年, 黄河源积累期积雪覆盖率整体呈增加趋势, 全区每10 a增加约5.6%, 4000 m以上高海拔带增加尤其显著, 而春季各高度带和冬季4000~5000 m高度积雪面积的显著增加对积累期积雪覆盖率增大有重要贡献。
(4) 积累期源区各高度带积雪覆盖率随气温降低、 降水增加先增后减, 高度带越高拟合度越高。降水是源区积雪变化的主控因子, 2001年以来积累期各季降水一致增加尤其是高海拔带春季降水的显著增加促使了积雪覆盖率增大, 高海拔带积雪对降水依赖性更强。
积雪变化是高原水塔失稳的一项重要因素(Immerzeel et al, 2010), 给未来区域水资源管理带来新挑战。在过去的半个多世纪, 黄河源区降雪量、 降雪日数、 积雪日数、 积雪面积整体呈现显著减少趋势, 且年代际变化特征明显(刘晓娇等, 2020刘义花等, 2022黄晓东等, 2023), 而近期特征对未来水资源管理和生态保护更具警示意义。21世纪初全球出现升温滞缓现象(Yu and Xie, 2013), 黄河源在近2001 -2019年升温也明显减缓, 前10年甚至出现气温下降信号(杨金虎等, 2023)。在此背景下, 黄河源区积雪积累期各季降水的一致增加尤其是高海拔区春季降水的显著增加促使积雪覆盖率增大, 这与积雪日数波动增加(曹晓云等, 2022)相一致。尽管MODIS数据空间分辨率较高, 但其时间序列相对较短, 未来需结合气象数据与遥感数据通过构建模型来获取更长时间的积雪变化情况。需要指出的是, 黄河源地形复杂、 海拔高差大, 稀疏的气象站点代表区域气象因子变化特征存在尺度影响, 加大了积雪对气候变化响应结果的不确定性。然而, 不同的气象因子在不同月份、 季节影响积雪变化的程度不同, 后续应从不同时间尺度分析气象因子对积雪的影响。
Barnett T P Dümenil L Schlese U, et al, 1989.The effect of Eurasian snow cover on regional and global climate variations[J].Journal of the Atmospheric Sciences46(5): 661-686.DOI: 10.1175/1520-0469(1989)046<0661: teoesc>2.0.co; 2 .

Brooks P D Williams M W Schmidt S K1998.Inorganic nitrogen and microbial biomass dynamics before and during spring snowmelt[J].Biogeochemistry43(1): 1-15.DOI: 10.1023/A: 1005947511910 .

François H Samacoïts R Bird D N, et al, 2023.Climate change exacerbates snow-water-energy challenges for European ski tourism[J].Nature Climate Change13(9): 935-942.DOI: 10.1038/s41558-023-01759-5 .

Goodrich L E1982.The influence of snow cover on the ground thermal regime[J].Canadian Geotechnical Journal19(4): 421-432.DOI: 10.1139/t82-047 .

Guo R Y Ji X Liu C Y, et al, 2022.Spatiotemporal variation of snow cover and its relationship with temperature and precipitation in the Yarlung Tsangpo-Brahmaputra River Basin[J].Journal of Mountain Science19(7): 1901-1918.DOI: 10.1007/s11629-021-7096-5 .

Immerzeel W W van Beek L P H Bierkens M F P2010.Climate change will affect the Asian water towers[J].Science328(5984): 1382-1385.DOI: 10.1126/science.1183188 .

Madhavi S V Simhadri R B Sai K C, et al, 2023.Spatio-temporal variability analysis of snow cover in Sutlej basin using MODIS snow cover data[C]//Hydrology and Hydrologic Modelling.Singapore: Springer, 293-304.DOI: 10.1007/978-981-19-9147-9_23 .

Moazzam M F U Rahman G Ali K S, et al, 2023.Spatio-temporal snow cover change in the early twenty-first century using improved MODIS dataset: a case study of District Hunza, Pakistan[J].Climate Dynamics60(11): 3417-3433.DOI: 10.1007/s00382-022-06498-5 .

Motlagh O R K Khosravi M Masoodian S A2024.The effects of snow on albedo in the mountains of Iran using MODIS data[J].Theoretical and Applied Climatology155(2): 1103-1112.DOI: 10.1007/s00704-023-04680-1 .

Probst M Telagathoti A Mandolini E, et al, 2024.Fungal and bacterial communities and their associations in snow-free and snow covered (sub-) alpine Pinus cembra forest soils[J].Environmental Microbiome19(1): 20.DOI: 10.1186/s40793-024-00564-7 .

Wang X Y Wu C Y Peng D L, et al, 2018.Snow cover phenology affects alpine vegetation growth dynamics on the Tibetan Plateau: satellite observed evidence, impacts of different biomes, and climate drivers[J].Agricultural and Forest Meteorology, 256: 61-74.DOI: 10.1016/j.agrformet.2018.03.004 .

Xie Y C Liu Y H Zhang Y P, et al, 2023.Random forest-based snow cover mapping in China using Fengyun-3B VIRR data[J].Journal of Meteorological Research37(5): 666-689.DOI: 10.1007/s13351-023-3003-z .

Yan Z N Pang X P Ji Q, et al, 2023.Retrieval of snow depth on Antarctic sea ice from the FY-3D MWRI data[J].Acta Oceanologica Sinica42(12): 105-117.DOI: 10.1007/s13131-023-2179-5 .

Yu K Xie S P2013.Recent global-warming hiatus tied to equatorial Pacific surface cooling [J].Nature501(7467): 403.DOI: 10.1038/NATURE12534 .

蔡迪花, 郭铌, 王兴, 等, 2009.基于MODIS的祁连山区积雪时空变化特征[J].冰川冻土31(6): 1028-1036.

Cai D H Guo N Wang X, et al, 2009.The spatial and temporal variations of snow cover over the Qilian Mountains based on MODIS data[J].Journal of Glaciology and Geocryology31(6): 1028-1036.

曹晓云, 肖建设, 郝晓华, 等, 2022.2001-2020年三江源地区积雪日数变化及地形分异[J].干旱区地理45(5): 1370-1380.DOI: 10.12118/j.issn.1000-6060.2021.599.Cao X Y

Xiao J S Hao X H, et al, 2022.Variation of snow cover days and topographic differentiation in Sanjiangyuan area from 2001 to 2020[J].Arid Land Geography45(5): 1370-1380.DOI: 10.12118/j.issn.1000-6060.2021.599 .

曹言超, 王晓春, 2022.青藏高原春季积雪对北半球夏季季节内振荡的影响[J].高原气象41(6): 1384-1398.DOI: 10.7522/j.issn.1000-0534.2021.00087.Cao Y C

Wang X C2022.Influence of the Qinghai-Xizang Plateau spring snow cover variation on the boreal summer intraseasonal oscillation[J].Plateau Meteorology41(6): 1384-1398.DOI: 10.7522/j.issn.1000-0534.2021.00087 .

车涛, 郝晓华, 戴礼云, 等, 2019.青藏高原积雪变化及其影响[J].中国科学院院刊34(11): 1247-1253.DOI: 10.16418/j.issn.1000-3045.2019.11.007.Che T

Hao X H Dai L Y, et al, 2019.Snow cover variation and its impacts over the Qinghai-Tibet Plateau[J].Bulletin of Chinese Academy of Sciences34(11): 1247-1253.DOI: 10.16418/j.issn.1000-3045.2019.11.007 .

胡霞, 尹鹏, 王智勇, 等, 2014.雪被厚度和积雪周期对土壤氮素动态影响的初步研究[J].生态环境学报23(4): 593-597.DOI: 10.16258/j.cnki.1674-5906.2014.04.028.Hu X

Yin P Wang Z Y, et al, 2014.Preliminary study on the effect of snow depth and snow duration on soil N dynamics[J].Ecology and Environmental Sciences23(4): 593-597.DOI: 10.16258/j.cnki.1674-5906.2014.04.028 .

黄晓东, 马英, 李雨馨, 等, 2023.1980-2020年青藏高原积雪时空变化特征[J].冰川冻土45(2): 423-434.DOI: 10.7522/j.issn.1000-0240.2023.0032.Huang X D

Ma Y Li Y X, et al, 2023.Spatiotemporal variation characteristics of snow cover over the Tibetan Plateau from 1980 to 2020[J].Journal of Glaciology and Geocryology45(2): 423-434.DOI: 10.7522/j.issn.1000-0240.2023.0032 .

蓝永超, 鲁承阳, 喇承芳, 等, 2013.黄河源区气候向暖湿转变的观测事实及其水文响应[J].冰川冻土35(4): 920-928.DOI: 10.7522/j.issn.1000-0240.2013.0104.Lan Y C

Lu C Y La C F, et al, 2013.The fact of climate shift to warm-humid in the source regions of the Yellow River and its hydrologic response[J].Journal of Glaciology and Geocryology35(4): 920-928.DOI: 10.7522/j.issn.1000-0240.2013.0104 .

李延, 赵瑞瑜, 陈斌, 2024.青藏高原冬春多源积雪资料年际变化尺度上的适用性分析[J].高原气象43(2): 277-292.DOI: 10.7522/j.issn.1000-0534.2023.00057.Li Y

Zhao R Y Chen B2024.Applicability of multi-source winter-spring snow cover data over the Qinghai-Xizang(Tibetan) plateau on the scale of interannual variation[J].Plateau Meteorology43(2): 277-292.DOI: 10.7522/j.issn.1000-0534.2023.00057 .

刘双, 谢正辉, 高骏强, 等, 2018.高寒生态脆弱区冻土碳水循环对气候变化的响应——以甘南州为例[J].高原气象37(5): 1177-1187.DOI: 10.7522/j.issn.1000-0534.2018.00016.Liu S

Xie Z H Gao J Q, et al, 2018.Response of carbon and water cycles to climate change in the high-frigid ecotone: a case study of Gannan zone[J].Plateau Meteorology37(5): 1177-1187.DOI: 10.7522/j.issn.1000-0534.2018.00016 .

刘晓娇, 陈仁升, 刘俊峰, 等, 2020.黄河源区积雪变化特征及其对春季径流的影响[J].高原气象39(2): 217-220.DOI: 10.7522/j.issn.1000-0534.2019.00074.Liu X J

Chen R S Liu J F, et al, 2020.Variation of snow cover and its influence on spring runoff in the source region of Yellow River[J].Plateau Meteorology39(2): 217-220.DOI: 10.7522/j.issn.1000-0534.2019.00074 .

刘义花, 李红梅, 申红艳, 等, 2022.三江源地区降雪量演变特征及其对径流的影响[J].高原气象41(2): 420-429.DOI: 10.7522/j.issn.1000-0534.2021.00096.Liu Y H

Li H M Shen H Y, et al, 2022.The variation characteristics of snowfall and its influence on runoff in three-rivers-source region[J].Plateau Meteorology41(2): 420-429.DOI: 10.7522/j.issn.1000-0534.2021.00096 .

潘保田, 李吉均, 1996.青藏高原: 全球气候变化的驱动机与放大器Ⅲ.青藏高原隆起对气候变化的影响[J].兰州大学学报(自然科学版), 32(1): 108-115.DOI: 10.13885/j.issn.0455-2059.1996.01.010.Pan B T

Li J J1996.Qinghai-Tibetan Plateau: a driver and amplifier of the global climatic change Ⅲ.The effects of the uplift of Qinghai-Tibetan Plateau on climatic changes[J].Journal of Lanzhou University (Natural Sciences)32(1): 108-115.DOI: 10.13885/j.issn.0455-2059.1996.01.010 .

邱玉宝, 郭华东, 除多, 等, 2016.青藏高原MODIS逐日无云积雪面积数据集(2002-2015年)[DS].中国科学数据1(1): 1-11.DOI: 10.11922/csdata.170.2016.0003.Qiu Y B

Guo H D Chu D, et al, 2016.MODIS daily cloud-free snow cover products over Tibetan Plateau (2002-2015)[DS].China Scientific Data1(1): 1-11.DOI: 10.11922/csdata.170.2016.0003 .

王根绪, 李娜, 胡宏昌, 2009.气候变化对长江黄河源区生态系统的影响及其水文效应[J].气候变化研究进展5(4): 202-208.DOI: 10.3969/j.issn.1673-1719.2009.04.003.Wang G X

Li N Hu H C2009.Hydrologic effect of ecosystem responses to climatic change in the source regions of Yangtze River and Yellow River[J].Advances in Climate Change Research5(4): 202-208.DOI: 10.3969/j.issn.1673-1719.2009.04.003 .

王宇腾, 柳媛普, 陈昊, 等, 2025.三江源区植被季节性变绿的水分驱动因子及其对气候变化的响应研究[J].高原气象44(4): 908-922.DOI: 10.7522/j.issn.1000-0534.2024.00111.Wang Y T

Liu Y P Chen H, et al, 2025.Moisture driver of seasonal vegetation greening and their responses to climate change in the three river source region[J].Plateau Meteorology44(4): 908-922.DOI: 10.7522/j.issn.1000-0534.2024.00111 .

韦志刚, 黄荣辉, 陈文, 等, 2002.青藏高原地面站积雪的空间分布和年代际变化特征[J].大气科学26(4): 496-508.DOI: 10.3878/j.issn.1006-9895.2002.04.07.Wei Z G

Huang R H Chen W, et al, 2002.Spatial distributions and interdecadal variations of the snow at the Tibetan Plateau weather stations[J].Chinese Journal of Atmospheric Sciences26(4): 496-508.DOI: 10.3878/j.issn.1006-9895.2002.04.07 .

延昊, 2004.NOAA16卫星积雪识别和参数提取[J].冰川冻土26(3): 369-373.DOI: 10.3969/j.issn.1000-0240.2004.03.020.Yan H , 2004.Detecting snow and estimating snowpack parameters from NOAA16-AVHRR data[J].Journal of Glaciology and Geocryology, 26(3): 369-373.DOI: 10.3969/j.issn.1000-0240.2004.03.020 .

杨金虎, 张强, 杨博成, 等, 2023.黄河上游暖湿化的多时间尺度特征及对生态植被的影响[J].高原气象42(4): 1018-1030.DOI: 10.7522/j.issn.1000-0534.2022.00087.Yang J H

Zhang Q Yang B C, et al, 2023.The multi-time scale characteristics and impacts on ecological vegetation of warming and humidification in the upper Yellow River[J].Plateau Meteorology42(4): 1018-1030.DOI: 10.7522/j.issn.1000-0534.2022.00087 .

杨维, 王永前, 2015.青藏高原积雪覆盖时空变化及其对气候的响应[J].成都信息工程学院学报30(4): 396-402.DOI: 10.16836/j.cnki.jcuit.2015.04.017.Yang W

Wang Y Q2015.Temporal and spatial variation of snow and its response to climate in Tibetan Plateau[J].Journal of Chengdu University of Information Technology30(4): 396-402.DOI: 10.16836/j.cnki.jcuit.2015.04.017 .

杨兴国, 秦大河, 秦翔, 2012.冰川/积雪-大气相互作用研究进展[J].冰川冻土34(2): 392-402.DOI: 10.7522/j.issn.1000-0240.2012.0047.Yang X G

Qin D H Qin X2012.Progress in the study of interaction between ice/snow and atmosphere[J].Journal of Glaciology and Geocryology34(2): 392-402.DOI: 10.7522/j.issn.1000-0240.2012.0047 .

姚闯, 吕世华, 王婷, 等, 2019.黄河源区多、 少雪年土壤冻融特征分析[J].高原气象38(3): 474-483.DOI: 10.7522/j.issn.1000-0534.2018.00142.Yao C

S H Wang T, et al, 2019.Analysis on freezing-thawing characteristics of soil in high and low snowfall years in source region of the Yellow River[J].Plateau Meteorology38(3): 474-483.DOI: 10.7522/j.issn.1000-0534.2018.00142 .

易湘生, 尹衍雨, 李国胜, 等, 2011.青海三江源地区近50年来的气温变化[J].地理学报66(11): 1451-1465.DOI: 10.11821/xb201111002.Yi X S

Yin Y Y Li G S, et al, 2011.Temperature variation in recent 50 years in the Three-River Headwaters Region of Qinghai Province[J].Acta Geographica Sinica66(11): 1451-1465.DOI: 10.11821/xb201111002 .

尹云鹤, 吴绍洪, 赵东升, 等, 2016.过去30年气候变化对黄河源区水源涵养量的影响[J].地理研究35(1): 49-57.DOI: 10.11821/dlyj201601005.Yin Y H

Wu S H Zhao D S, et al, 2016.Ecosystem water conservation changes in response to climate change in the Source Region of the Yellow River from 1981 to 2010[J].Geographical Research35(1): 49-57.DOI: 10.11821/dlyj201601005 .

张海宏, 姜海梅, 陈奇, 等, 2020.积雪覆盖对高寒草甸土壤温湿及地表能量收支的影响[J].高原气象39(4): 740-749.DOI: 10.7522/j.issn.1000-0534.2019.00072.Zhang H H

Jiang H M Chen Q, et al, 2020.Influence of snow cover on soil temperature, soil moisture and surface energy budget at Alpine meadow[J].Plateau Meteorology39(4): 740-749.DOI: 10.7522/j.issn.1000-0534.2019.00072 .

张文博, 肖鹏峰, 冯学智, 2012.基于MODIS数据的我国天山典型区积雪特征研究[J].遥感技术与应用27(5): 746-753.DOI: 10.11873/j.issn.1004-0323.2012.5.746.Zhang W B

Xiao P F Feng X Z2012.A study on snow cover variability using MODIS in the typical area of Tianshan Mountains, China[J].Remote Sensing Technology and Application27(5): 746-753.DOI: 10.11873/j.issn.1004-0323.2012.5.746 .

邹逸凡, 孙鹏, 张强, 等, 2021.2001-2019年横断山区积雪时空变化及其影响因素分析[J].冰川冻土43(6): 1641-1658.DOI: 10.7522/j.issn.1000-0240.2021.0065.Zou Y F

Sun P Zhang Q, et al, 2021.Analysis on spatial-temporal variation of snow cover and its influencing factors in the Hengduan Mountains from 2001 to 2019[J].Journal of Glaciology and Geocryology43(6): 1641-1658.DOI: 10.7522/j.issn.1000-0240.2021.0065 .

Outlines

/