高原气象  2019, Vol. 38 Issue (5): 920-934  DOI: 10.7522/j.issn.1000-0534.2019.00026
0

引用本文 [复制中英文]

王婷, 李照国, 吕世华, 等. 2019. 青藏高原积雪对陆面过程热量输送的影响研究[J]. 高原气象, 38(5): 920-934. DOI: 10.7522/j.issn.1000-0534.2019.00026
[复制中文]
Wang Ting, Li Zhaoguo, Lü Shihua, et al. 2019. Study on the Effects of Snow Cover on Heat Transport in Land Surface Processes over Qinghai-Tibetan Plateau[J]. Plateau Meteorology, 38(5): 920-934. DOI: 10.7522/j.issn.1000-0534.2019.00026.
[复制英文]

资助项目

国家自然科学基金项目(41775016,91537214,41975007)

通信作者

吕世华(1957—), 男, 甘肃漳县人, 研究员, 主要从事气候变化与数值模拟研究.E-mail:slu@cuit.edu.cn

作者简介

王婷(1994—), 女, 四川人, 硕士研究生, 主要从事青藏高原陆面过程变化研究.E-mail:w-aidy@qq.com

文章历史

收稿日期: 2018-10-08
定稿日期: 2019-03-14
青藏高原积雪对陆面过程热量输送的影响研究
王婷1, 李照国2, 吕世华1,3, 姚闯1, 马翠丽1     
1. 成都信息工程大学大气科学学院, 四川 成都 610225;
2. 中国科学院西北生态环境资源研究院寒旱区陆面过程与气候变化重点实验室, 甘肃 兰州 730000;
3. 南京信息工程大学气象灾害预报预警与评估协同创新中心, 江苏 南京 210044
摘要: 利用1979-2016年中国区域长时间序列逐日雪深资料,分析了青藏高原积雪深度与积雪日数的分布及变化特征,并将积雪期划分为三个阶段(积累期、鼎盛期和消融期),结合ERA-Interim月平均再分析资料,分析了积雪与地表热状况(气温、地表和土壤温度)和能量输送量(地表净短波辐射、地表净长波辐射、感热通量、潜热通量、地表热通量和土壤热通量)的相关关系,初步探讨了积雪在高原陆面过程中的作用。结果表明:研究时间范围内青藏高原积雪(深度和日数)主要呈减少趋势,仅在黄河源区及高原边缘地区为增加趋势,积雪鼎盛阶段(12月)的减少趋势最显著;高原积雪对地表主要起降温作用,深层土壤温度对积雪的响应存在滞后性,积雪的减少抑制了土壤向上的热量输送进而不利于冻土的发育;高原积雪与地表感热和地表热通量主要呈现负相关关系,潜热通量与积雪也呈负相关特征但比感热通量的相关性小。由于ERA-Interim资料对高原积雪深度的描述与本研究使用的卫星遥感积雪深度存在较大偏差(包括空间分布、气候倾向率、年际变化以及绝对大小等),导致本研究中积雪与地表热状况和热通量的相关度不高,需要通过陆面模式模拟做进一步探讨。
关键词: 青藏高原    积雪深度    积雪日数    陆面过程    热量输送    
1 引言

以冰川、冻土、积雪等为代表的陆地冰冻圈在中国分布广泛(周幼吾, 2000), 也是维系干旱区绿洲经济发展和寒区生态系统稳定的重要水源保障, 其气候效应、环境效应、资源效应和生态效应正日趋显著, 并广泛地影响到西部的生态环境安全和水资源可持续利用(秦大河等, 2006)。我国有降雪的地区面积占全国的90%以上, 主要有三个积雪区(车涛等, 2005; Che et al, 2008; 柳媛普等, 2014):东北地区, 新疆北部, 青藏高原。青藏高原积雪与其他地区不同:积雪浅薄水储量小但累计积雪日数大(王澄海等, 2009), 积雪日数连续性差(何丽烨等, 2012), 积雪形成早、消融晚等(陈月亮等, 2015)。青藏高原冬春积雪是亚洲降水的重要预测指标(段安民等, 2014; 王顺久, 2017), 统计和数值模拟均认为冬春积雪偏多会导致东亚夏季风建立推迟, 长江中下游地区夏季降水偏多, 华南华北降水偏少(卢咸池等, 1994; 朱玉祥等, 2007, 2009; 李燕等, 2018)。但其影响的具体物理机制目前还存在较大争议, 因此有必要加强对高原积雪过程的观测和模拟(马耀明等, 2014)。我国多年冻土面积为1.59×106 km2, 季节冻土面积为5.36×106 km2 (Ran et al, 2012), 总体呈中度脆弱特征, 而青藏高原多年冻土呈强度脆弱特性(杨建平等, 2013)。积雪区与冻土区在很大程度上是重叠的, 所以对青藏高原开展积雪对陆面过程的影响研究是非常必要的。

目前的研究表明, 积雪面积减少使得地气系统得到的能量增加, 随着冰冻圈的退缩, 积雪的降温作用减小了0.45 W·m-2(Flanner et al, 2013), 是近年来北半球春季显著增温的重要诱因之一(Groisman et al, 1994)。青藏高原冬春季的辐射效应中短波辐射占主导地位(肖林等, 2015), 现有数值模式对青藏高原积雪区辐射强迫的估计还存在区域性的差异(Perket et al, 2014), 并且无法准确地模拟高原的反照率, 进而严重影响了其他水热参量的模拟精度(谢志鹏等, 2017; 陈渤黎等, 2017)。积雪的存在使得地面温度与近地面气温的相关性减弱, 而积雪厚度和持续时间是冬春季土壤热状况的主要影响因子(Grundstein et al, 2005)。积雪厚度与积雪持续时间有着正相关关系, 但是二者对土壤温度的影响却是相反的(Lawrence et al, 2009)。积雪的存在延滞了气温对冻土的影响, 导致冻土温度的变化主要反映在月、季时间尺度上, 日变化不明显(马虹等, 1995)。高原积雪对季节冻土有较大影响, 积雪越浅, 保温作用越弱, 当积雪小于某一厚度(20 cm)时则主要起降温作用(高荣等, 2004), 青藏高原地区较浅积雪情景(雪深 < 20 cm)比完全忽略积雪的情景模拟的冬季土壤冻结深度深(张伟等, 2013); 在土壤冻融过程的不同阶段中积雪的作用存在明显差异(边晴云等, 2016; 付强等, 2015)。鉴于青藏高原冰冻圈环境的特殊性和脆弱性, 以及受高原复杂地形所导致的以单点研究为主的局限性, 研究高原区域积雪对陆面过程热量输送的影响以及其物理机制是十分必要的, 本文初步探讨了高原积雪对陆面过程热状况和热量输送的影响。

2 数据来源与方法介绍

青藏高原地形复杂, 积雪在高原上的分布和变化具有明显区域差异。本文所用的积雪数据为“中国雪深长时间序列数据集(1979—2016年)”(李小兰等, 2012), 主要基于卫星遥感资料制作而成, 空间分辨率为0.25°×0.25°, 时间分辨率为逐日, 数据来源于“黑河计划数据管理中心”(http://westdc.westgis.ac.cn)。以该数据定义日积雪深度大于1 cm时该格点处记为一个积雪日(安迪等, 2009)。地表热状况和地表能量通量数据来自欧洲中期天气预报中心(European Center for Medium-Range Weather Forecasts, ECMWF)的ERA-Interim再分析资料, 主要包括: 1979—2016年月平均2 m气温(Lu et al, 2014)、地表温度(何冬燕等, 2013)、四层土壤温度、地表净短波辐射、地表净长波辐射、地表热通量、感热通量(刘晓冉等, 2008)和潜热通量, 空间分辨率为0.25°×0.25°。本文研究的范围为64.5°E—105°E, 25.5°N—40°N, 海拔大于2500 m的区域, 包括青藏高原及其边缘地区。一般定义的积雪年为上一年9月1日至当年8月31日, 而青藏高原主要的积雪期为10月至翌年5月(马丽娟等, 2012), 因此本文主要研究高原积雪期内积雪的时空变化特征及其对陆面热量输送的影响。由于积雪在累积和消融阶段可能存在不同的特征, 因此根据高原积雪的季节变化规律(图 1), 将积雪期进一步分为积累(10—12月)、鼎盛(1、2月)和消融(3—5月)三个阶段, 进行对比分析。为消除每月天数不同在季节尺度上对积雪日数的影响, 以月积雪日数与该月总天数的比值[图 1(b)]来表征积雪日数的变化, 雪深和日数均在1月达到峰值, 1—2月的变化相对积累和消融阶段的变化平缓, 4—5月雪深变化特征是高原双峰型降雪(高原降雪的两个峰值在10月和5月左右)的体现。

图 1 1979—2016年平均积雪深度和积雪日数的变化特征 Fig. 1 Variations of average snow depth and number of snow days from 1979 to 2016

土壤热通量是表征土壤层间热量输送的物理量, 为了能够描述热量在土壤中的传输特征, 利用公式(1)对土壤热通量进行计算:

$ {G_i} = {\lambda _s}\frac{{\left({{T_{i + 1}} - {T_i}} \right)}}{{\left({{D_{i + 1}} + {D_i}} \right)/2}}\, \ i = 1, \ 2, \ 3 $ (1)

式中: Gi为第i层与第i+1层的土壤热通量(单位: W·m-2), 向上为正, 假定深层土壤无热量输送G4=0 W·m-2; λs为土壤热导率, 为简化计算不考虑土壤水含量以及土壤水分的相变过程, 假定青藏高原各处土壤热导率均为常数1.0 W·m-1·k-1; Ti为第i层的土壤温度; Di为第i层的土壤厚度, D1=0.07 m, D2=0.21 m, D3=0.72 m, D4=1.89 m。计算出0.07 m与0.28 m土壤间的土壤热通量为第一层土壤热通量(浅层), 0.28 m与1.0 m土壤间的土壤热通量为第二层土壤热通量(中层), 1.0 m与2.89 m土壤间的土壤热通量为第三层土壤热通量(深层)。

3 结果分析 3.1 青藏高原积雪时空分布特征

积雪期多年平均的积雪深度与积雪日数的空间分布如图 2所示。无特殊说明时所述均以10月至翌年5月的平均积雪深度代表积雪期平均积雪深度, 同时段的累计积雪日数代表积雪期积雪日数。积雪深度与积雪日数在空间分布上是基本一致的, 积雪主要位于高原西部、南部山脉和东部部分地区, 而高原腹地、北部积雪较少。积雪深度与积雪日数在空间分布上的相似度很高, 在整个积雪期和积累、鼎盛以及消融阶段的相似度分别为87.1%, 89.5%, 79.6%和87.5%。由于目前高原上的气象站台主要集中在东部地区, 对高原西部的积雪很难进行验证, 目前已有研究表明高原东南部遥感反演的积雪深度较台站资料系统性偏高, 而高原整体系统性偏低(李小兰等, 2012)。

图 2 1979—2016年青藏高原积雪期多年平均积雪深度(阴影区, 单位: cm)与积雪日数(等值线, 单位: d)空间分布 Fig. 2 Spatial distribution of average snow cover depth (the shaded, unit: cm) and snow days (contour, unit: d) during the snow cover period of the Qinghai-Tibetan Plateau from 1979 to 2016

对高原的积雪深度进行EOF分解(覃郑婕等, 2017), 进一步说明其空间分布及其随时间的变化特征。前三个模态的方差贡献分别为17.47%, 9.29%和8.02%, 根据North规则(North et al, 1982)计算样本数为n, 特征值λ的误差范围$ {e_j} = {\lambda _j}{\left({\frac{2}{n}} \right)^{\frac{1}{2}}} $, 当相邻两个特征值之差λj+1-λjej判断两个模态相互独立, 得到第1和第2模态相互独立, 因此对第1和第2模态着重分析。从积雪深度EOF分解前3个模态的空间分布和时间序列(图 3)可以看出, 第一模态[图 3(a)]主要表现为川西高原、青藏高原东南角以及周边山脉与高原主体的反向变化特征, 与站点积雪深度的研究结果相似(保云涛等, 2018); 结合时间序列[图 3(b)]来看, 主要表现为自1987年以来高原腹地积雪深度偏小, 而其他地区积雪深度偏大。第二模态[图 3(c)]主要表现为南北反向的变化特征, 结合时间序列[图 3(d)]变化, 主要表现为高原36°N以南地区积雪深度先减少后增加再减少, 而36°N以北则呈现相反的变化趋势, 表现为准20年的年代际变化特征。第三模态[图 3(e)]表现为高原积雪东西反向的变化特征, 主要为季节性积雪区和常年积雪区的变化差异; 从时间序列[图 3(f)]来看主要为年际变化特征, 并且其变化中心在高原东部地区。对于不同阶段的积雪EOF分解(图略)可知, 积累期、鼎盛期和消融期三个阶段的前两个主分量的方差贡献分别为17.74%, 10.67%; 16.83%, 9.97%和19.06%, 10.68%。三个阶段的第一模态无论是空间分布还是时间序列都与积雪期EOF分解的第一模态相似, 表现为自1987年以来高原腹地积雪深度偏小, 而川西高原、青藏高原东南角以及周边山脉地区积雪深度偏大。第二模态中消融阶段的特征与其他阶段明显不同, 是以高原东部为变化中心的整个高原一致的年代际变化, 而积累和鼎盛阶段与积雪期相似, 表现为南北反向的特征, 积累阶段的变化强度明显大于鼎盛阶段。

图 3 1979—2016年积雪深度EOF分解前3个模态的空间分布(左)和时间序列(右) Fig. 3 The top three spatial distribution (left) and time series (right) modes of snow depth EOF decomposition from 1979 to 2016
3.2 青藏高原多、少雪年陆面特征

青藏高原平均的积雪深度和积雪日数的年际变化序列如图 4所示, 本文中定义的多雪年(少雪年)为高原区域平均的积雪深度和积雪日数标准化值都>0.2(< -0.2)的年份。高原整体的积雪深度与日数的年际波动特征基本一致, 积雪期和积累、鼎盛以及消融阶段积雪深度与日数年际变化的相关系数的区域平均值分别为0.731, 0.760, 0.602和0.778。上述两个积雪变量都呈现减小的趋势, 使多雪年集中在2000年冬季以前, 而21世纪以来主要表现为少雪。根据定义提取出5个多雪年(1982/1983, 1985/1986, 1986/1987, 1997/1998和1999/2000年)和7个少雪年(1987/1988, 2001/2002, 2003/2004, 2005/2006, 2010/2011, 2012/2013和2015/2016年)。该结果与段安民等(2014)的研究结果较为一致, 但由于讨论的区域和时间范围不同, 描述积雪特征的变量不同, 站点观测和卫星遥感观测的差异等, 导致结论也存在差异。

图 4 1979—2016年青藏高原积雪深度与积雪日数的标准化时间序列 Fig. 4 Standardized time series of snow depth and days with snow cover on the Qinghai-Tibetan Plateau from 1979 to 2016

利用所选年份分别合成高原多雪年和少雪年的积雪场(包括深度和日数), 以多雪年和少雪年积雪差值场空间分布来表示积雪异常变化的空间位置(图 5)。图 5左列显示, 各阶段积雪异常变化在高原上基本一致, 异常中心为在高原腹地, 仅在高原边缘地区呈现反向特征。积雪期高原区域平均积雪深度的差值为1.57 cm, 积雪日数差值为24.96天; 积雪积累、鼎盛和消融三个阶段积雪深度差值依次为1.87, 3.29和1.16 cm, 积雪日数的差值为11.59, 9.21和8.84天。图 5右列积雪深度和积雪日数的线性倾向分布显示, 总体上高原积雪呈减小趋势, 但在高原东部以及部分边缘地区呈增加趋势。本文所选取的多雪年均在2000年以前, 少雪年集中出现于2000年以后, 使得积雪差值场与积雪多年线性变率有着较好的对应关系。高原区域平均积雪深度变率为-0.29 cm·(10a)-1, 积雪日数变率为-3.00 d·(10a)-1; 积累、鼎盛和消融三个阶段积雪深度的气候倾向率分别为-0.26, -0.52和-0.18 cm·(10a)-1; 同期积雪日数的气候倾向率依次为-1.01, -0.99和-1.00 d·(10a)-1。三个阶段的积雪日数气候变率基本相同, 但考虑到三个阶段的总天数不同, 实际积雪日数减少最多的是鼎盛阶段, 积雪深度在鼎盛阶段减少也最为明显, 而消融阶段积雪的气候倾向率较小。积累和消融阶段气候倾向率增加区域的面积比鼎盛阶段大, 积雪的气候倾向率在累积和鼎盛阶段要强于消融阶段, 积雪差值场与气候倾向率的分布上在鼎盛阶段一致性较好。

图 5 1979—2016年青藏高原积雪厚度差值场(左, 彩色区, 单位: cm)和多年线性变率[右, 彩色区, 单位: cm·(10a)-1]以及积雪日数(左, 等值线, 单位: d)和积雪日数的气候倾向率[右, 等值线, 单位: d·(10a)-1]分布 Fig. 5 Distribution of the snow depth difference field (left, color area, unit: cm) and its multi-year linear variability [right, color area, unit: cm·(10a)-1], the days with snow cover (left, contour, unit: d) and its multi-year linear variability[right, contour, unit: d·(10a)-1] on the Qinghai-Tibetan Plateau from 1979 to 2016

根据定义的多、少雪年对地表热状况(气温、地表温度以及土壤温度)和能量通量(地表净短波与净长波辐射、感热与潜热通量、地表和土壤热通量)进行合成, 并计算其在多雪年与少雪年的差值。不同积雪阶段的地表热状况和能量通量的合成差值和气候倾向率区域平均值(表 1, 表 2)显示, 地表热状况(表 1)主要表现为多雪年低于少雪年, 地表能量通量(表 2)则为多雪年大于少雪年。考虑到多雪年均在2000年以前, 而少雪年主要在2000年以后, 因此计算了地表热状况和能量通量的线性气候变率(表 1, 表 2)。地表热状况主要呈现增温趋势, 能量通量则呈减小趋势。因此, 这里获得的地表热状况和热量通量在多雪年与少雪年的差异, 可能在一定程度上受到它们自身气候倾向率的影响。

表 1 1979—2016年不同积雪阶段高原区域平均的地表热状况在积雪异常年的差值和气候倾向率 Table 1 The differences between the average surface thermal conditions in different snow cover stages in the Plateau region in the snow cover anomaly years and the climatic trend rate from 1979 to 2016
表 2 1979—2016年不同积雪阶段地表能量通量在区域平均下的积雪异常年差值和气候倾向率 Table 2 Annual difference of abnormal snow cover and climate tendency rate of surface energy flux under regional average in different snow cover stages from 1979 to 2016

在各个温度变量中, 气温在37个积雪年的增温率最大, 积累阶段升温最慢, 鼎盛阶段升温最快。地表温度、第一和第二层土壤温度在累积阶段有减小趋势; 地表温度在鼎盛阶段增温最快, 第一至第四层土壤温度则都在消融阶段增温最快。在消融阶段, 地表净短波辐射的减小趋势最显著, 地表净长波辐射在积累和鼎盛阶段有增强的趋势, 而在消融阶段明显减弱。对于地表能量通量, 感热在积雪期呈减弱趋势, 但在消融阶段则有增强; 潜热和地表热通量在不同积雪阶段均表现为减弱的趋势; 土壤中热通量则在积累阶段有明显的减弱趋势。地表净短波辐射的减小趋势在一定程度上受ERA-Interim数据的向下短波辐射减少[-1.25 W·m-2·(10a)-1]的影响, 而地表净长波辐射的减弱一定程度上是地表向下长波辐射增加[2.15 W·m-2·(10a)-1]引起的, 融化阶段地表长波辐射的减弱可能还受净短波辐射减弱的影响。表 2中多雪年大于少雪年净短波辐射, 其可能影响因素是净短波辐射减少的气候特征使得合成的少雪年较合成的多雪年净短波辐射少。由于地表热状况、能量通量在多雪年与少雪年的差值和其自身的气候倾向率并不完全对应, 积雪的年际变化以及在不同积雪阶段的变化对地表热状况和能量通量的影响需要进一步讨论。

因此, 直接对原始序列进行分析, 序列中的年际变化和气候倾向之间可能存在不同程度的叠加或抵消。对所有的研究变量(积雪、地表热状况和地表能量通量)去除线性趋势后再进行分析, 能更好地揭示积雪的年际变化以及发生异常多雪、少雪时对地表热状况的影响。

将积雪深度和日数去除线性趋势后进行标准化(图 6)。在三个积雪阶段, 高原整体的积雪深度和日数的年际波动差异不大。区域平均下的积雪深度与日数的年际变化相关系数在整个积雪期和积累、鼎盛以及消融阶段分别为0.735, 0.757, 0.605和0.777, 与原始序列相比未发生明显变化。按照前文对积雪异常年份的定义, 重新提取出积雪异常年, 其中多雪年6个(1982/1983, 1985/1986, 1986/1987, 1997/1998, 1999/2000和2014/2015年), 少雪年8个(1980/1981, 1984/1985, 1987/1988, 1994/1995, 2001/2002, 2003/2004, 2005/2006和2010/2011年)。重新提取的多雪年与之前相比只多出了2014/2015年, 少雪年则变化较大, 由先前的集中在2000年以后变为在整个时间段内相对均匀分布。将不同积雪阶段提取的多、少雪年与依据整个积雪期定义的多、少雪年进行比较, 可以发现:多雪年中, 1997/1998年积雪年在三个阶段均呈多雪特征, 1985/1986年积雪年在积累和鼎盛阶段呈多雪特征, 1999/2000年积雪年在鼎盛和消融阶段多雪, 只在消融阶段呈多雪特征的积雪年有1986/1976和2014/2015年, 而1982/1983年在三个积雪阶段没有明显的多雪特征; 少雪年中, 1984/1985年积雪年在三个阶段均表现为少雪, 2003/2004年积雪年在积累和消融阶段少雪, 2005/2006年积雪年在鼎盛和消融阶段少雪, 只在积累阶段有少雪特征的积雪年为1987/1988, 1994/1995和2001/2002年, 只在鼎盛阶段呈现少雪特征的积雪年有1980/1981和2010/2011年。不同年份的多(少)雪特征发生在不同的积雪阶段, 其对陆面热量输送的影响可能存在差异, 需要进行更深入的探讨。

图 6 1979—2016年不同积雪阶段去除线性趋势的积雪深度与积雪日数标准化序列 Fig. 6 Normalized sequence of snow depth and snow days with linear trend of snow removal in different snow stages from 1979 to 2016

按照重新定义的积雪异常年进行合成与差值计算(图 7)。相较图 5的差值场而言, 积雪异常的差异值有所减小, 在整个积雪期内高原区域平均积雪深度差值为1.48 cm, 积雪日数差值为24.13天, 分别比去趋势前减少了0.47 cm和5.51天。发生异常的区域基本一致, 在高原腹地偏西地区的差异减小明显, 表明该区域的积雪变化主要呈现随时间减少的特征; 另外, 高原边缘与高原主体反向变化的区域有所减小。

图 7 青藏高原剔除线性趋势的积雪深度(彩色区, 单位: cm)与日数(等值线, 单位: d)差值场 Fig. 7 Difference field of snow cover depth (color area, unit: cm) and snow days (contour, unit: d) excluding linear trend in Qinghai-Tibetan Plateau

为了区别陆面热参量在多、少雪年的差异是来自于积雪的年际变化异常而非自身的气候倾向变化, 计算整个高原区域平均下去除线性气候变化趋势的地表热状况差异可以发现:在整个积雪期内, 气温差值为-0.45 ℃; 地表温度的差值为-0.36 ℃, 由浅至深(土壤层深度依次为0~0.07, 0.07~0.27, 0.27~1.0和1.0~2.89 m)的土壤温度差值分别为-0.15, -0.14, -0.12和-0.08 ℃。剔除线性趋势的地表能量差异表现为:地表净短波和净长波辐射的差值分别为2.48和1.19 W·m-2, 感热通量(1.94 W·m-2)比地表热通量(0.63 W·m-2)在多、少雪年的差异更大, 而潜热通量的差值为几乎为零, 土壤热通量由浅至深的差值分别为0.05, 0.04和0.03 W·m-2。总的来说, 剔除线性趋势后, 地表热状况和能量通量在异常多雪和少雪年的差值较原始序列而言均减小, 可见在整个积雪期内气候倾向特征在有着一定的增幅作用。

在积雪的三个不同阶段中, 气候倾向率也扮演着相似的角色:三个积雪阶段积雪深度在多、少雪年的差值分别减小了0.49, 0.84和0.21 cm; 积雪日数的差值分别减小了2.47, 1.94和1.12天。剔除气候倾向的影响后, 气温差值分别减小了0.27, 0.49和0.36 ℃; 地表温度、地表净长波辐射和深层土壤热通量在积累阶段的差值有所增加, 这与鼎盛和消融阶段相反, 并且深层土壤热通量在消融阶段的差值从原来的正值变为了负值(-0.015 W·m-2); 四层土壤温度在不同积雪阶段的差异都呈现为减小的特征, 由深至浅的减少幅度递增, 并在消融阶段减小幅度最大; 除深层土壤热通量外, 地表能量通量的差值均表现为减小, 但不同通量减小幅度最大的阶段各不相同, 其中感热和潜热通量在积累阶段受气候倾向率的影响较大, 分别减少了2.92和3.89 W·m-2。剔除线性气候倾向后仍然出现了多雪年净短波辐射大于少雪年的不合理结果, 其可能原因: (1)主要受云和大气水汽影响的向下短波辐射的变化引起的地表净短波辐射变化; (2)本文所用的遥感雪深与ERA-I雪深的差异导致的(肖雄新, 2018)。

3.3 青藏高原积雪与陆面热量的相关关系

用不同时段(整个积雪期和积累、鼎盛和消融阶段)的积雪深度、积雪日数与地表热状况和地表能量通量的相关系数的区域平均值(表 3, 表 5)表示青藏高原积雪与地表热状况和能量输送的相关性。

表 3 积雪状况(深度, 日数)与地表热状况在区域平均下的相关系数 Table 3 Correlation coefficient between snow cover condition (depth, days) and surface thermal condition under regional average
表 5 积雪状况(深度, 日数)与地表能量通量在区域平均下的相关系数 Table 5 Correlation coefficient between snow cover condition (depth, days) and surface energy flux under regional average

对于青藏高原整体而言, 积雪深度与地表热状况呈负相关关系(表 3), 即:当积雪深度和日数增加时, 气温、地表温度和土壤温度减小, 反之亦然。这种相关性在积累阶段最强, 鼎盛阶段最弱, 并且自气温至第一层土壤温度逐渐减弱, 第二和第三层土壤温度与积雪的相关性较第一层和第四层温度与积雪的相关性要好。地表热状况与积雪深度的负相关关系比积雪日数更加明显。土壤温度的季节变化随着深度的增加存在明显的位相滞后, 高原整体而言, 第三层土壤温度的最低值出现在2月, 第四层最低值发生在3月, 而其他层次的最低值均出现在1月。考虑到这种滞后特征, 计算第三层土壤温度(t+1)与积雪相关性时, 以11月至翌年6月的平均值参与统计; 同理第四层(t+2)是以12月至翌年7月的土壤温度平均值进行统计。

计算剔除线性趋势后的积雪与地表热状况的相关系数在整个高原区域平均(表 4)。地表热状况仍与积雪呈负相关关系; 积雪期和累积阶段仍然表现为地表热状况与积雪深度的相关性高于积雪日数的相关性, 但在鼎盛和消融阶段积雪日数与气温、地表温度、第一和第二层土壤温度的相关性大于积雪深度与热状况的相关性。第三层土壤温度作滞后处理后, 仅在积累阶段与积雪深度的相关性有所增强, 第四层土壤温度滞后处理后在积雪期和累积阶段与积雪的相关性增强。对比表 3可以发现, 对数据进行趋势剔除后, 相关系数大小总体上减小, 但积雪日数在累积和鼎盛阶段与第三和第四层土壤温度的相关性反而增强。

表 4 剔除线性气候趋势的积雪状况(深度, 日数)与地表热状况的相关系数的高原区域平均值 Table 4 Plateau region average of correlation coefficient between snow cover condition (depth, days) excluding linear climate trend and surface thermal condition

从剔除线性趋势后的青藏高原地表热状况标准化序列(图 8)可知, 高原区域平均的2 m气温、地表温度和四层土壤温度在整个积雪期的年际变化特征基本一致; 不同积雪阶段的上述变量也呈现基本一致的年际变化特征; 地表热状况在鼎盛和消融阶段的年际变化较为相似, 并且与积累阶段有明显的差异。在整个研究周期, 2010/2011年积雪期温度开始骤降, 并维持了4个积雪期的负异常, 该特征在积雪鼎盛期和消融期出现, 但维持时间不及整个积雪期。对比图 6, 温度的变化与积雪变化基本相反, 与表 4所得的相关系数分布较为吻合。

图 8 1979—2016年剔除线性趋势后的青藏高原地表热状况标准化序列 Fig. 8 Normalized sequence of surface thermal condition of Qinghai-Tibetan Plateau after eliminating linear trend from 1979 to 2016

为进一步表征积雪深度与地表热状况的相关关系, 将第二层土壤温度与积雪深度做SVD(Singular Value Decomposition, 奇异值分解)分析(王芝兰等, 2015), 前三个模态的方差贡献分别为: 47.39%, 18.31%和8.68%。第三模态通过显著性检验的区域零散, 故不做具体分析。分析中假设积雪的变化只对其本地的土壤温度产生影响, 其异性相关系数如图 9所示。第一模态反应的是第二层土壤温度与积雪深度的反向变化, 当积雪增加时第二层土壤温度降低, 从第二层土壤温度异性相关系数来看, 这种积雪对土壤的降温作用在高原南部、东北部和80°E附近, 对比积雪深度异性相关系数的空间分布, 积雪对土壤的降温作用在高原南部和东北部的对应最佳。第二模态的第二层土壤异性相关系数反应出在80°E附近、高原南部以及东南角与高原主体呈现相反的特征, 结合积雪深度异性相关系数分布, 高原80°E附近有对应较好的积雪时土壤温度降低的特征, 而其他区域并不明显。

图 9 青藏高原第二层土壤温度(左)与积雪深度(右)的SVD分解前两个模态异性相关系数 Fig. 9 The first three modal anisotropy correlation coefficients of SVD decomposition of the second layer soil temperature (left) and snow cover depth (right) over Qinghai-Tibetan Plateau

对于地表能量通量, 从高原区域平均的积雪深度与能量通量的相关性强于积雪日数与之的相关性来看:积雪变量与地表净短波辐射呈正相关关系, 可能是由于再分析资料的积雪特征与本文使用的卫星遥感积雪存在差异, 导致再分析资料中的辐射通量变化出现偏差。对于整个积雪期, 积雪变量与平均地表净长波辐射呈正相关, 但这种现象在积累和鼎盛阶段并不存在, 只发生在消融阶段。感热通量和地表热通量的变化特征基本一致, 与积雪呈负相关; 潜热通量在鼎盛阶段与积雪深度呈正相关。浅层土壤温度受到地表净辐射和气温等的影响比深层土壤大, 使得浅层土壤热通量与积雪变化的相关性较差, 而深层土壤热通量与积雪的相关性相对较好, 表现为在积雪增加时深层向上输送的热量增加。

剔除线性趋势后对积雪与地表能量进行相关性分析(表 6)。积雪与地表净短波辐射的相关系数较之前有所减小并出现了反向趋势, 积雪与地表净长波辐射的相关系数有所减小。累积阶段地表感热、潜热、地表热通量与积雪的相关关系较为明显, 积雪增加使得地表能量交换减弱; 而土壤热通量主要表现为随积雪增加向上输送更多的热量。但总体而言, 积雪与地表能量通量的相关性很弱, 原因可能有三点: (1)高原的空间范围大, 地形复杂, 不同区域的积雪对地表能量通量的影响差异很大, 使得对整个高原的相关系数进行区域平均后相互抵消而减小; (2)ERA-Interim再分析资料对积雪的描述与本文所使用的遥感积雪深度数据不一致, 使得再分析资料中考虑了积雪计算得到的地表能量出现偏差; (3)青藏高原每次积雪过程短, 消融快, 对能量通量影响的时间尺度小, 难以在月平均的能量通量中得以很好体现。

表 6 剔除线性气候趋势的积雪状况(深度, 日数)与地表能量通量在区域平均下的相关系数 Table 6 Correlation coefficient between snow cover condition (depth, days) excluding linear climate trend and surface energy flux under regional average

从剔除线性趋势的地表能量通量标准化序列(图 10)可以看出, 整个积雪期的地表净短波辐射和地表净长波辐射的大小的年际变化是基本一致的, 消融阶段的一致程度最好, 鼎盛阶段的一致程度最差。整个积雪期的感热通量和地表热通量的年际变化基本相同, 潜热通量与之呈相反的特征; 感热通量和地表热通量年际变化特征在积累期最为一致, 在鼎盛和消融阶段一致性相对较弱。各层土壤热通量的变化基本一致, 鼎盛和消融阶段的差异相对明显。地表能量通量在各个积雪阶段的年际变化特征有着明显的差异; 2000年以前地表净短波辐射、净长波辐射、潜热通量在积累阶段的年际变化很弱; 在1993年以前地表感热通量、潜热通量在鼎盛阶段的年际变化较弱; 对比图 6中不同阶段积雪的年际变化, 土壤热通量在三个积雪阶段的变化特征差异很大, 波动周期和异常的正负位相均有明显不同, 与表 6中土壤热通量在整个积雪期相关性明显而在具体积雪阶段相关性不显著的结果一致。

图 10 1979—2016年青藏高原剔除线性气候趋势的积雪期地表能量通量标准化序列 Fig. 10 Surface energy flux normalized sequence in snowfall period over Qinghai-Tibetan Plateau excluding linear climate trend from 1979 to 2016

为进一步说明积雪深度与地表热量输送的相关关系, 对地表热通量与积雪深度做SVD分析(图 11), 前三个模态的方差贡献分别为38.89%, 13.68%和9.05%, 第三模态通过显著性检验的区域零散不做具体分析, 第一模态的地表热通量异性相关系数分布反映出地表热通量对于积雪变化的响应在高原西部、北部与高原其他区域的特征相反, 对比积雪深度异性相关系数, 主要表现为在高原腹地积雪深度的减少使得地表热通量增加。第二模态的地表热通量异性相关系数主要在80°E—95°E呈现南北相反的特征, 对应其积雪深度异性相关系数的分布, 在高原南部和北部, 积雪对地表热通量有着不同的影响特征, 高原北部积雪的增多使得地表热通量增加。

图 11 青藏高原地表热通量(左)与积雪深度(右)的SVD分解前两个模态异性相关系数 Fig. 11 The first two modal anisotropic correlation coefficients of SVD decomposition of surface heat flux (left) and snow cover depth (right) over Qinghai-Tibetan Plateau

值得注意的是积雪在高原的空间分布上有较大的差异, 不同区域积雪对地表热状况和能量通量的影响可能也存在明显差异, 将高原整个区域进行平均计算可能会存在正负抵消导致相关系数偏小。因此, 下一步考虑选择多个子区域对比分析积雪对陆面热量输送的影响。

4 结论与讨论

采用卫星反演的1979—2016年中国逐日雪深资料, ERA-Interim月平均再分析资料, 以及利用土壤温度和简化的土壤一维热传导公式计算得到的三层土壤热通量数据, 分析得到高原积雪的基本特征以及其与地表热状况和地表能量通量的统计特征。主要结论如下:

(1) 青藏高原积雪主要分布在高原西部、南部山脉和东部部分地区, 积雪日数与积雪深度的分布和变化特征相似; 除黄河源区外高原气候倾向变化趋势基本一致; 除积雪消融期外高原积雪在36°N南北呈相反的准20年的年代际变化特征, 而积雪的年际变化中心在高原的东部地区; 积雪的原始序列中有明显的气候倾向特征, 未剔除积雪气候倾向率所定义的积雪多(少)雪年集中在2000年以前(后); 剔除气候倾向率后所定义的多、少雪年在时间序列上分布较为均匀, 其中多雪年6个(1982/1983, 1985/1986, 1986/1987, 1997/1998, 1999/2000, 2014/2015年), 少雪年8个(1980/1981, 1984/1985、1987/1988, 1994/1995, 2001/2002, 2003/2004, 2005/2006和2010/2011年)。

(2) 积雪深度和积雪日数在整个积雪期的气候倾向分别为-0.29 cm·(10a)-1和-3.00 d·(10a)-1, 积雪在鼎盛期减少最明显。利用所提取的6个多雪年和8个少雪年进行合成分析得到:多雪年比少雪年的高原区域平均2 m气温、地表温度、由浅至深的土壤温度分别低0.45, 0.36, 0.15, 0.14, 0.12和0.08 ℃; 由浅至深的土壤热通量分别高0.05, 0.04和0.03 W·m-2

(3) 积雪与地表热状况为负相关, 与土壤热通量为正相关, 高原积雪增多有利于土壤深层向浅层输送热量, 使土壤温度降低有利于冻土发育; 积雪与地表感热和地表热通量为负相关关系, 高原积雪的隔热效应阻碍了地气间的热量交换; 积雪对地表的降温作用和阻碍地气热交换的作用在积雪积累阶段最强, 鼎盛阶段最弱; 潜热通量与积雪呈现弱的负相关特征; 地表感热通量和地表热通量在多雪年与少雪年的差值为正, 由于利用ERA-Interim与遥感两种数据的积雪深度定义的多、少雪年一致性欠佳, 但能部分描述其年际涨落, 因此相关系数得到的结果更可信。

本文所用卫星反演积雪深度数据与ERA-Interim资料积雪深度的时空特征有很大差异, 积雪是陆面过程中的重要参数, 其地表变量与本文应用的积雪资料难以表现出合理的物理过程, 因此要探究高原积雪对陆面过程热量输送的影响还需要利用陆面模式来做进一步的探究。另外, 本文对土壤热通量的估算未考虑土壤中水含量的影响, 所用资料时间精度不足以说明积雪对陆面过程具体影响过程。目前在积雪对陆面过程水热输送的影响方面模拟研究较少, 下一步计划结合数值模拟对其物理过程进行探讨。

参考文献
Che T, Li X, Jin R, et al. 2008. Snow depth derived from passive microwave remote-sensing data in China[J]. Annals of Glaciology, 49: 145–154. DOI:10.3189/172756408787814690
Flanner M G, Shell K M, Barlage M, et al. 2013. Radiative forcing and albedo feedback from the Northern Hemisphere cryosphere between 1979 and 2008[J]. Nature Geoscience, 4(3): 151–155.
Groisman P Y, Karl T R, Knight R W. 1994. Observed impact of snow cover on the heat balance and the rise of continental spring temperatures[J]. Science, 263(5144): 198–200. DOI:10.1126/science.263.5144.198
Grundstein A, Todhunter P, Mote T. 2005. Snowpack control over the thermal offset of air and soil temperatures in eastern North Dakota[J]. Geophysical Research Letters, 32(8): L08503.
Lawrence D M, Slater A G. 2009. The contribution of snow condition trends to future ground climate[J]. Climate Dynamics, 34(7): 969–981.
Lu G, Lu H, Chen X W. 2014. Evaluation of ERA-interim monthly temperature data over the Tibetan Plateau[J]. Journal of Mountain Science, 11(5): 1154–1168. DOI:10.1007/s11629-014-3013-5
North G R, Bell T L, Cahalan R F, et al. 1982. Sampling errors in the estimation of empirical orthogonal functions[J]. Monthly Weather Review, 110(7): 699–706. DOI:10.1175/1520-0493(1982)110<0699:SEITEO>2.0.CO;2
Perket J, Flanner M G, Kay J E. 2014. Diagnosing shortwave cryosphere radiative effect and its 21st century evolution in CESM[J]. Journal of Geophysical Research Atmospheres, 119(3): 1356–1362. DOI:10.1002/2013JD021139
Ran Y, Li X, Cheng G, et al. 2012. Distribution of permafrost in China:An overview of existing permafrost maps[J]. Permafrost & Periglacial Processes, 23(4): 322–333.
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): 1019–1027.
保云涛, 游庆龙, 谢欣汝. 2018. 青藏高原积雪时空变化特征及异常成因[J]. 高原气象, 37(4): 899–910. DOI:10.7522/j.issn.1000-0534.2017.00099
边晴云, 吕世华, 陈世强, 等. 2016. 黄河源区降雪对不同冻融阶段土壤温湿变化的影响[J]. 高原气象, 35(3): 621–632. DOI:10.7522/j.issn.1000-0534.2016.00029
车涛, 李新. 2005. 1993-2002年中国积雪水资源时空分布与变化特征[J]. 冰川冻土, 27(1): 64–67. DOI:10.3969/j.issn.1000-0240.2005.01.009
陈渤黎, 罗斯琼, 吕世华, 等. 2017. 基于CLM模式的青藏高原土壤冻融过程陆面特征研究[J]. 冰川冻土, 39(4): 760–770.
陈月亮, 黄菲, 王宏, 等. 2015. 北半球雪水当量季节和年际尺度时空主模态变化特征[J]. 中国海洋大学学报(自然科学版), 45(7): 11–17.
段安民, 肖志祥, 吴国雄, 等. 2014. 青藏高原冬春积雪影响亚洲夏季风的研究进展[J]. 气象与环境科学, 37(3): 94–101. DOI:10.3969/j.issn.1673-7148.2014.03.015
付强, 侯仁杰, 王子龙, 等. 2015. 冻融期积雪覆盖下土壤水热交互效应[J]. 农业工程学报, 31(15): 101–107. DOI:10.11975/j.issn.1002-6819.2015.15.014
高荣, 韦志刚, 董文杰. 2004. 青藏高原冬春积雪和季节冻土年际变化差异的成因分析[J]. 冰川冻土, 26(2): 153–159. DOI:10.3969/j.issn.1000-0240.2004.02.006
何冬燕, 田红, 邓伟涛. 2013. 三种再分析地表温度资料在青藏高原区域的适用性分析[J]. 大气科学学报, 36(4): 458–465. DOI:10.3969/j.issn.1674-7097.2013.04.008
何丽烨, 李栋梁. 2012. 中国西部积雪类型划分[J]. 气象学报, 70(6): 1292–1301.
李小兰, 张飞民, 王澄海. 2012. 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]. 冰川冻土, 34(4): 755–764.
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
刘晓冉, 李国平, 程炳岩. 2008. 青藏高原前期冬春季地面热源与我国夏季降水关系的初步分析[J]. 大气科学, 32(3): 561–571. DOI:10.3878/j.issn.1006-9895.2008.03.13
柳媛普, 李锁锁, 吕世华, 等. 2014. 基于CMIP5的东亚地区降雪量变化特征分析[J]. 冰川冻土, 36(6): 1345–1352.
卢咸池, 罗勇. 1994. 青藏高原冬青季雪盖对东亚夏季大气环流影响的数值试验[J]. 应用气象学报, 5(4): 385–393.
马虹, 胡汝骥. 1995. 积雪对冻土热状况的影响[J]. 干旱区地理, 18(4): 23–27. DOI:10.3321/j.issn:1000-6060.1995.04.004
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.
马耀明, 胡泽勇, 田立德, 等. 2014. 青藏高原气候系统变化及其对东亚区域的影响与机制研究进展[J]. 地球科学进展, 29(2): 207–215.
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. DOI:10.3969/j.issn.1001-7313.2006.06.002
覃郑婕, 侯书贵, 王叶堂, 等. 2017. 青藏高原冬季积雪时空变化特征及其与北极涛动的关系[J]. 地理研究, 36(4): 743–754.
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
王芝兰, 李耀辉, 王劲松, 等. 2015. SVD分析青藏高原冬春积雪异常与西北地区春、夏季降水的相关关系[J]. 干旱气象, 33(3): 363–370.
肖林, 车涛. 2015. 青藏高原积雪对气候反馈的初步研究[J]. 遥感技术与应用, 30(6): 1066–1075.
肖雄新, 2018.北半球积雪深度反演算法及其时空变化特征研究[D].兰州: 兰州大学.
谢志鹏, 胡泽勇, 刘火霖, 等. 2017. 陆面模式CLM4.5对青藏高原高寒草甸地表能量交换模拟性能的评估[J]. 高原气象, 36(1): 1–12. DOI:10.7522/j.issn.1000-0534.2016.00012
杨建平, 杨岁桥, 李曼, 等. 2013. 中国冻土对气候变化的脆弱性[J]. 冰川冻土, 35(6): 1436–1445. DOI:10.7522/j.issn.1000-0240.2013.0159
张伟, 周剑, 王根绪. 2013. 积雪和有机质土对青藏高原冻土活动层的影响[J]. 冰川冻土, 35(3): 528–540.
周幼吾. 2000. 中国冻土[M]. 北京: 科学出版社.
朱玉祥, 丁一汇, 刘海文. 2009. 青藏高原冬季积雪影响我国夏季降水的模拟研究[J]. 大气科学, 33(5): 903–915. DOI:10.3878/j.issn.1006-9895.2009.05.02
朱玉祥, 丁一汇, 徐怀刚. 2007. 青藏高原大气热源和冬春积雪与中国东部降水的年代际变化关系[J]. 气象学报, 65(6): 946–958. DOI:10.3321/j.issn:0577-6619.2007.06.012
Study on the Effects of Snow Cover on Heat Transport in Land Surface Processes over Qinghai-Tibetan Plateau
WANG Ting1 , LI Zhaoguo2 , LÜ Shihua1,3 , YAO Chuang1 , MA Cuili1     
1. Chengdu University of Information Technology, Chengdu 610225, Sichuan, China;
2. Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Regions, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, Gansu, China;
3. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science and Technology, Nanjing 210044, Jiangsu, China
Abstract: Based on the long-term snow depth dataset of China (from 1979 to 2016), the distribution and variation characteristics of snow depth and snow days on the Qinghai-Tibetan Plateau (QTP) are analyzed. This study divides the snow cover period into three stages (accumulation, peak and melt). Combined with ERA-Interim monthly average reanalysis data, the relationships between snow cover and surface heat conditions (air, surface and soil temperature) and energy transport (surface net short-wave and net long-wave radiation, sensible and latent heat flux) in the TP are analyzed. The study preliminary discusses the role of snow in the QTP land surface process. The results show that:the snow (depth and days) on the QTP shows a decreasing trend during 1979-2016, but the trend in the Source Region of the Yellow River increases. The most significant decreasing trend appears in the peak snow stage (from January to February). The snow cover on the QTP plays a most important role on surface cooling, the response of deep soil temperature to the snow is hysteretic. The reduction of snow cover inhibits the upward heat transfer of soil, which is not conducive to the formation of frozen soil. The QTP snow cover shows a negative correlation with the sensible heat flux and also the surface heat flux. The negative correlation between snow cover and latent heat flux is weaker than that between snow cover and sensible heat flux. Due to the relatively large bias between QTP snows depth from ERA-Interim and the remote sensing data used in this study (including spatial distribution, climate tendency rate, inter-annual variability and absolute size, etc.), the snow cover shows a low relevant to the surface thermal condition and the surface heat flux. It is necessary to make a further discussion by the land surface model simulation.
Key words: Qinghai-Tibetan Plateau    snow depth    snow days    land surface process    heat transport