青藏高原雪深變化特征及其與氣象要素的偏相關分析

佘王康，楊勤麗，王國慶，金雙彥

(1.電子科技大學 資源與環境學院，四川 成都 611730； 2.南京水利科學研究院 水災害防御全國重點實驗室，江蘇 南京 210029； 3.黃河水利委員會水文局，河南 鄭州 450004)

積雪作為地球陸表的重要組成部分及冰凍圈的重要組成要素，是地球系統科學研究中不可缺少的氣候變量[1-2]。在氣候變化研究中，積雪改變了地表吸收輻射的能力，積雪的凍結和消融與溫度密切相關，同時也會對地表徑流及水資源的分布產生影響，因此積雪在地表能量收支、水循環、初級生產力及陸氣交換等方面都發揮著重要作用[3]。青藏高原作為中國積雪覆蓋的三大區域之一[4]，具有除南極、北極之外最大的冰儲量[5]，同時作為亞洲10 多條河流的發源地被稱為“亞洲水塔”[6]，所包含的淡水資源與下游地區人類的生存和發展息息相關，而高原上積雪的變化對該地區的生態、水文、氣象也具有極其重要的研究意義。

常用的積雪特征有積雪覆蓋面積、雪深、雪水當量、積雪日數、積雪開始時間及積雪結束時間。對積雪造成的水文影響而言，雪深數據更為重要。雪深，即積雪深度，是指積雪表面到地面的垂直深度[7]。近20 年來，大量學者以雪深為切入點對青藏高原地區的積雪變化開展研究?；诘孛嬲军c觀測數據，除多等[2]對近30 年的積雪年際及季節變化進行了分析，發現大部分臺站的積雪在年際乃至季節尺度上都出現了減少趨勢；You 等[8]以更長的時間序列對1961—2005 年青藏高原中部及東部區域的雪深觀測數據進行分析，結果顯示雪深在1990 年前以0.32 mm/10 a 的速度增加，而在1990 年后以1.80 mm/10 a 的速度減少，這與Xu 等[9]、BAI 等[10]得出的“雪深先增后減”的結論相一致。隨著被動微波遙感（PMV）在雪深反演中的應用，田柳茜等[11]利用遙感數據產品分析了青藏高原雪深1979—2007 年的變化狀況，發現雪深在高原南部普遍減少，且雪深與氣溫和春季降水存在顯著的負相關性；車濤等[1]利用遙感方法對青藏高原地區的積雪覆蓋及雪深變化進行分析，指出積雪自1980—2018 年以來呈下降趨勢，并闡述了可能造成的氣候、水文乃至災害效應；Ma 等[12]則利用遙感及再分析數據揭示了青海高原在1980—2018 年內年際（?0.125 cm/10 a，p＜0.10，p為顯著性水平，下同）和春季（?0.184 cm/10 a，p＜0.05）上的顯著減少趨勢，并指出青海高原上雪深與氣溫之間普遍負相關，與降水間“東正西負”的相關性分布格局；相似的結論還出現在Shen 等[13]基于PMV 遙感數據（高原平均雪深以0.24 cm/10 a 的速率減少）及Zhang 等[14]利用ERA5 再分析資料（積雪年減少地區占83%，減少最大幅度達5 cm/10 a）的研究中；Bian 等[15]基于PMV 遙感觀測和MERRA-2、JRA-55 再分析數據集的多尺度雪深變化的對比分析顯示，盡管在大多數研究場景下雪深的減少都表現為主要變化趨勢，但其顯著變化的情況仍取決于季節、區域并隨使用的數據集而變化。

以上研究表明，青藏高原地區的積雪分布及變化具有較強的時空異質性，針對不同研究時段、不同方法獲取的雪深數據，所得的結論也有所不同[1-2,8-15]。而針對雪深與其他因子之間的相關性，現有的分析多以相關系數為主，由于各個影響因子之間本就存在一定的關聯性，僅進行相關系數的分析并不能排除其他相關因子對雪深的影響，Ma 等[12]在研究中同樣指出需要通過進一步的協方差或偏相關研究深入分析雪深變化與氣候因素之間的關系。由此，本文基于車濤等[4,16-18]在國家青藏高原科學數據中心（TPDC）上發布的中國雪深長時間序列數據集（1979—2021 年），研究青藏高原地區雪深的時空變化特征，同時結合陽坤等[19-21]在TPDC 上發布的中國區域地面氣象要素驅動數據集（1979—2018 年）中的降水、氣溫數據，進一步分析青藏高原地區雪深與氣溫、降水兩種主要氣象因子的偏相關性，以揭示青藏高原雪深時空變化的驅動機制。

1 資料及方法

1.1 研究區概況

青藏高原主要位于中國西部的西藏自治區和青海省及印度拉達克的部分區域，平均海拔在4 500 m以上，其經度范圍為73°18′52″E 至104°46′59″E，緯度范圍為26°00′12″N 至39°46′50″N[22]，總面積為2.5×106km2。由于受高原地形影響，氣象站點一般集中分布在東部及東南部等海拔較低的地區，在中、西部等海拔較高的地區則較為稀疏，而高海拔區正是積雪沉積較多的區域，因此遙感反演已成為青藏高原地區雪深乃至氣象數據研究不可或缺的方法。受可用數據集覆蓋范圍的限制，本文以中國范圍內的青藏高原為研究區域，具體位置和地形見圖1。

圖1 研究區域位置和地形Fig.1 Location and topography of the research area

1.2 數據與方法

本文選用的雪深數據為中國雪深長時間序列數據集（1979—2021 年）（https://data.tpdc.ac.cn/zh-hans/data/df40346a-0202-4ed2-bb07-b65dfcda9368），空間分辨率為0.25°，時間分辨率為天，ASCII 文件涵蓋了1979—2021 年中國區域內的所有雪深數據。氣溫、降水數據為中國區域地面氣象要素驅動數據集（1979—2018 年）（https://data.tpdc.ac.cn/zh-hans/data/8028b944-daaa-4511-8769-965612652c49）中的近地面氣溫、地面降水兩個要素集，空間分辨率為0.10°，時間分辨率最高為3 h，存儲格式為NETCDF 格式。為與雪深數據對齊，選擇日尺度的數據。

使用青藏高原區域為邊界對雪深、氣溫、降水數據進行裁剪，隨后將0.25°空間分辨率的雪深數據利用雙線性插值方法重采樣為與氣象數據相同的0.10°空間分辨率。裁剪和重采樣后，將日尺度的數據分別轉換為月、季節、年尺度的數據。參照站點數據質量控制要求[9]， 本文將3—5 月、6—8 月、9—11 月、12—次年2 月分別作為每年的春季、夏季、秋季、冬季；而年的定義采用雪水文年[23]的定義，從9 月至次年的8 月。生成相應空間區域及時間尺度的數據后，采用線性回歸法分析月、季、年尺度的雪深數據；采用偏相關分析法分析雪深數據和氣溫、降水數據在月、季、年尺度上的偏相關性，以此得到青藏高原地區雪深時空變化特征及其與氣溫、降水的偏相關性。

2 結果與分析

2.1 雪深數據年尺度變化

按照雪水文年的定義，提取了1979—2020 年的年平均雪深數據。圖2 為基于線性回歸得出的雪深數據在年尺度上的變化，采用p值檢驗對變化趨勢的顯著性進行檢驗。

圖2 1979—2020 年青藏高原年尺度雪深變化Fig.2 The annual change rate of snow depth on the Qinghai-Tibet Plateau from 1979 to 2020

由圖2 可見，雪深數據在高原上的變化率為?0.189～0.088 cm/a。雪深減少地區主要集中于青藏高原中部及南部邊緣，其中羌塘高原山地（這里的山地分區數據來源于南希等[24-25]在國家青藏高原科學數據中心（TPDC）上發布的“中國數字山地圖”數據集（2015）（https://data.tpdc.ac.cn/zh-hans/data/efa1dc3f-5f2d-4e60-8bf7-3ea4c6ec1929），下同）的中部及中部偏北區域表現為雪深顯著減?。╬＜0.01）且減小速率較大，位于高原中部偏南的岡底斯山系東部及與之相鄰的念青唐古拉山系西部、阿爾金山-祁連山山系與昆侖山山系之間海拔較低處的雪深也表現出了顯著減小的趨勢，其他區域則表現為較顯著減?。╬＜0.05）但減小速率較?。礈p小速率小于0.06 cm/a）或不顯著（p＞0.05）的變化。在大部分區域雪深都減小的情況下，高原東部及東南角等少部分區域的雪深卻呈增加趨勢，但雪深增加速率大多小于0.03 cm/a。因此，從年尺度看，雪深呈現減少為主的趨勢。

2.2 雪深數據月尺度變化

1979—2021 年青藏高原月尺度雪深變化見圖3。由圖3 可見，月尺度的雪深變化速率為?0.015～0.008 cm/mon。月尺度雪深增減的空間分布及增減速率與年尺度的（圖2）幾乎相同，這表明雪深在不同時間尺度上的變化趨勢具有相似性。因月尺度更為精細，高原積雪的減小趨勢與變化更明顯。羌塘高原山地、唐古拉山系的大部分區域及岡底斯山系、念青唐古拉山系鄰接的區域都表現出了顯著減?。╬＜0.01）的趨勢，而高原東部及東南部的橫斷山系部分區域則表現為顯著增加（p＜0.01）。

圖3 1979—2021 年青藏高原月尺度雪深變化Fig.3 The monthly-scale change rate of snow depth on the Qinghai-Tibet Plateau from 1979 to 2021

2.3 雪深數據季節尺度變化

按照前述季節的定義對青藏高原地區春、夏、秋、冬季的雪深變化進行分析。由圖4 可見，青藏高原雪深在春、夏、秋、冬季的變化特征明顯不同。從變化率看，盡管雪深的減小仍是主要趨勢，春季和秋季表現出了東部為主的區域增加、其他區域減少的變化特征；夏季雪深在除羌塘高原山地以外的其他區域都表現出較不顯著（p＞0.05）的微弱上升趨勢，這可能是由于夏季青藏高原積雪較為稀少。冬季相較于其他季節雪深減小的空間范圍更大，唐古拉山系以東的橫斷山系中部區域也出現了雪深減小的情況，且在多數區域上雪深減小的速率明顯快于其他時期。

圖4 青藏高原季節尺度（1979—2021 年）雪深變化情況Fig.4 The seasonal-scale change rate of snow depth on the Qinghai-Tibet Plateau from 1979 to 2021

從變化的顯著性看，羌塘高原山地中部偏北及其附近區域在4 個季節都表現出較為顯著減小的趨勢；高原東部在4 個季節中都出現了顯著增加的情況，但在秋季表現得最為集中且明顯；此外，較為顯著的變化有念青唐古拉山系區域雪深在冬季的顯著減小及南部喜馬拉雅山系區域在春、夏、秋分散出現的顯著增加、在冬季出現的顯著減小。

2.4 雪深與近地面氣溫的偏相關性分析

使用1979—2018 年的雪深數據及與其對應的近地面氣溫、地面降水要素數據進行年、月及季節尺度上的偏相關性分析。

雪深與氣溫數據在年尺度上的偏相關性見圖5(a)。由圖5(a)可見，除高原西部及西北部少數區域外，雪深與氣溫數據都呈較為明顯的負相關性，且在青藏高原中部最為明顯，偏相關系數小于?0.8，而負相關系數整體呈現從中間向東西兩側遞減的趨勢。月尺度上的負相關更明顯。圖5(b)為雪深與氣溫數據在月尺度上的偏相關性，由圖5(b)可見，在月尺度上，整個高原地區都呈較強的負相關性，大多數地區偏相關系數為?0.8～?0.4，念青唐古拉山系附近的負相關性較強。

季節尺度上，大部分地區的雪深和氣溫仍保持明顯的負相關（圖6），偏相關系數為?0.6～?0.2，負相關性的大小及分布范圍按秋、冬、春、夏依次減少，秋、冬兩季是青藏高原積雪開始沉積的時期，春季則是積雪開始消融的時期。將年尺度的相關性投射到季節上，雪深與氣溫在青藏高原西北部的正相關性也表現出了明顯的季節特點。正相關性（偏相關系數在0～0.4）在春夏兩季較為明顯，在秋冬兩季則相對較小。綜上所述，雪深與氣溫總體上有較強的負相關性，且負相關性存在著明顯的季節差異，秋季的負相關性較強。

圖6 青藏高原地區雪深與氣溫在季節尺度上的偏相關性（1979—2018 年）Fig.6 The seasonal-scale partial correlation between snow depth and temperature on the Qinghai-Tibet Plateau from 1979 to 2018

2.5 雪深與降水的偏相關性分析

青藏高原雪深與降水在年、月和季尺度上的偏相關性結果見圖7 和圖8，圖9 為年、月、季尺度上雪深與降水的偏相關系數箱線圖。

圖7 青藏高原地區雪深與降水在年、月尺度上的偏相關性Fig.7 The annual and monthly-scale partial correlation between snow depth and precipitation on the Qinghai-Tibet Plateau

圖8 青藏高原地區雪深與降水在季節尺度上的偏相關性（1979—2018 年）Fig.8 The seasonal-scale partial correlation between snow depth and precipitation on the Qinghai-Tibet Plateau from 1979 to 2018

圖9 青藏高原地區雪深與降水在各尺度上的偏相關系數箱線圖（矩形上邊緣為其上四分位數，矩形中的線表示其中位數，下邊緣為其下四分位數，矩形外的上下兩橫線分別為其上限及下限，圓圈表示其統計意義上的異常值）Fig.9 A boxplot illustrating the partial correlation between snow depth and precipitation on the Qinghai-Tibet Plateau across different scales (The upper edge of the rectangle represents the upper quartile, the line within the rectangle represents the median, and the lower edge corresponds to the lower quartile.The upper and lower horizontal lines outside the rectangle indicate the upper and lower limits, respectively.Statistical outliers are represented by circles.)

由圖7 可見，年、月尺度上雪深與降水的相關性分布大致相同。除羌塘高原山地附近區域顯現出具有一定特征的負相關性外，其他區域都以分布較為均勻的正相關性為主。

由圖8 可見，秋季高原積雪開始沉積，降水促成積雪的積累，雪深與降水呈現出較為廣泛的正相關性，多數區域偏相關系數都在0.4 以上；春、夏、冬三季，雪深則與降水呈現出西部負相關、東部正相關的形式，且春、夏兩季負相關的區域明顯較多，與一些研究[11-12,26]中得出的青藏高原雪深與春季降水呈負相關性以及整體上“東正西負”的格局反映出相似的信息。

雪深與降水間的偏相關性系數分布范圍見圖9。雪深與降水的相關性在年尺度上更為顯著，月尺度上的偏相關系數范圍（?0.304～0.296）顯著小于年尺度偏相關系數分布范圍（?0.811～0.796）。與雪深、氣溫之間顯著且穩定的負相關不同，雪深與降水僅在秋季尺度表現出較為普遍的正相關性，偏相關中位數在0.2 上下；在年、月尺度以及冬季上二者的正相關性較為微弱，偏相關中位數在0～0.1 之間；在春、夏兩季上二者呈現出以負相關為主的偏相關性。綜上所述，盡管在年、月際尺度上雪深與降水都存在著較廣泛的微弱正相關性，但在春、夏兩季，負相關性卻較為集中地出現在高原西部，秋季雪深與降水之間廣泛且強烈的正相關性同樣值得關注。

2.6 雪深對氣溫、降水響應的延遲效應

由前文分析可得，高原大多數區域雪深與氣溫存在明顯的負相關關系，與降水之間存在著一定的正相關性，且其相關性具有季節特點，如雪深與氣溫在秋、冬兩季負相關性明顯更大，雪深與降水在春、夏兩季存在著明顯的負相關性等。為進一步研究氣溫與降水對雪深變化的影響，以及該影響的延遲效應，本文針對青藏高原地區日平均氣溫、降水數據分別與延遲后的高原日平均雪深數據進行偏相關性分析，延遲效應分析結果見圖10。

圖10 青藏高原雪深與氣溫、降水率的偏相關系數隨延遲天數的變化曲線Fig.10 The variation curve of partial correlation coefficient between precipitation, temperature and snow depth on the Qinghai-Tibet Plateau with the number of delay days

由圖10 可見，延遲天數為10 d 時，日尺度氣溫與雪深的負相關性達到最大，偏相關系數為?0.733，說明氣溫與10 d 后的雪深數據相關性最大。同時，在較長的時間范圍內，雪深都與氣溫呈較大的負相關性。

降水與3 d 后雪深的偏相關系數達到最大，為0.064，一定程度上反映了降水轉換為積雪的平均時間。隨著延遲天數的增加，雪深與降水呈現出持續增大的負相關性，這種隨時間增大的負相關性可能是部分季節中西部雪深與降水呈現負相關性的原因，該結果可能還受與降水相關的其他因素影響而不穩定。

基于日尺度氣象因素對雪深影響的延遲效應探究，氣溫與雪深呈現出穩定的負相關性，降水與雪深呈較弱且不穩定的正相關性，已有多項研究表明青藏高原暖濕化[27-28]趨勢，氣溫升高、降水增加與青藏高原地區逐年減少的雪深密切相關，高原獨特的地形和較高的海拔令變化特征與相關性具有明顯的空間異質性。從季節尺度上看，雪深的變化特征與相關性具有明顯的季節特征，積雪積累與消融的時期（春季及秋季）其變化特征更為顯著。不同季節的雪深變化與相關性差異可能也與季風、西風的變化和影響有關：高原東部雪深增加的區域恰與東亞季風的作用范圍重合，Bao等[29]在研究中揭示了西風調節青藏高原冬季雪深的機制，Bamzai 等[30]指出了喜馬拉雅地區積雪與印度季風降水之間的正相關性。由此，雪深變化趨勢以及相關性在季節上的不同，可能也與印度季風和西風的季節性遷移[31-32]有關。

3 結 語

1979—2020 年青藏高原地區雪深在年尺度上呈現出以減小為主的趨勢，且減小的趨勢在月尺度及秋冬兩季更為顯著，幅度更大。從季節上看，春、秋季的積雪變化與年尺度在多數地區相似，說明積雪消融、沉積的春、秋兩季對全年的雪深變化較為重要?？紤]雪深與氣溫、降水的偏相關性，雪深在年、月、季尺度上都與氣溫呈現出顯著的負相關性，其中月尺度上的負相關程度最大，分布最廣，相關系數大多在?0.8～?0.4；雪深與降水之間的相關性在年、月尺度上有著相似的空間分布，但年尺度上的相關性程度（偏相關系數范圍為?0.811～0.796）顯著大于月尺度（偏相關系數范圍為?0.304～0.296），季節尺度上較大的正相關性體現在秋季，大多數區域正相關性在0.4 以上，說明秋季降水對于高原雪深變化發揮著重要作用，在春、夏兩季二者的相關性則呈現出“東正西負”的分布格局。關于氣溫、降水對雪深影響的延遲效應，日尺度上，氣溫與延遲10 d 后的雪深偏相關程度最高，相關系數為?0.733，且30 d 內雪深都與氣溫保持著較強的負相關性；降水與延遲3 d 后的雪深正相關性程度最高，相關系數為0.064，降水與雪深的偏相關性隨延遲天數增加逐漸向負相關性過渡，可能受到了與降水相關的其他因素的影響。

青藏高原雪深變化特征與氣象因子相關性在時空上都表現出明顯的異質性，空間差異與高原起伏的地形和較高的海拔有關，季節上的差異也與青藏高原積雪積累與消融的時間高度對應。東亞季風、隨季節遷移性變化的印度季風及西風的影響可能是導致高原地區雪深變化異質性的原因。對于日益減少的高原積雪，需要更多關于高原地區氣候、水文過程的機理性研究來探究其中過程并對高原積雪進行及時的保護。