1979-2018年澜沧江乌弄龙流域积雪时空变化及其影响因素
2023-07-30张春堂李炳锋罗煜宁王宇昊申笑萱吴南张珂
张春堂,李炳锋,罗煜宁,王宇昊,申笑萱,吴南,张珂
(1.河海大学水灾害防御全国重点实验室,江苏 南京 210024;2.河海大学长江保护与绿色发展研究院,江苏 南京 210024;3.河海大学水文水资源学院,江苏 南京 210024;4.中国气象局水文气象重点开放实验室,江苏 南京 210024;5.水利部水利大数据重点实验室,江苏 南京 210024;6.水利部水循环与水动力系统重点实验室,江苏 南京 210024)
0 前言
积雪是气候系统五大圈层之一的冰冻圈中的重要组成部分。作为地球表面最活跃的生态要素之一[1-2],积雪改变地表能量收支,影响陆气相互作用,具有高反射率的特性。同时,通过改变相态,积雪还参与热量传输和水文循环[3-5]。积雪的深度、雪盖面积、空间分布及其开始和结束时间等特征对气候变化、水文响应以及生态影响等都极为敏感。尤其对气候变化影响最为显著[6-8]。站点和卫星遥感资料均表明,中国的积雪主要分布在青藏高原、新疆北部、内蒙古和东北地区[9]。在全球气候普遍变暖的背景下,青藏高原的积雪分布特征以高海拔为主[10]。这种变化对积雪面积和深度产生了明显影响,易受到温度和降水的叠加影响[11]。积雪的深度变化还会影响高原下垫面的属性特征,从而影响高原与大气之间的热力相互作用[12-13]。最终,这些变化对流域下游的气候变化具有重要的影响[14]。因此,对积雪时空变化的研究具有重要意义。
对于积雪的研究表明,早在20 世纪90 年代初之前,青藏高原的积雪普遍呈现增长的趋势[15],尤其在80 年代左右这种趋势最为明显[11]。但到了90 年代末,积雪开始显著减少[16-17],其中东部地区的积雪变化趋势最为显著[18]。在多项研究中发现,1981-2010 年间青藏高原的年平均积雪天数显著减少,降幅达到了4.81d/10a[19]。白淑英[20]在分析了1979-2010 年高原积雪深度的年际变化后发现,雪深的增长率为0.26cm/10a。此外,相关研究还发现高原积雪天数和积雪深度的变化趋势并不同步[21]。总的来说,青藏高原的年内积雪变化主要表现为积雪期长,积雪时间主要集中在10 月份至次年5 月份[15]。青藏高原上的积雪出现较快,但消退较慢[22]。多项研究表明,青藏高原积雪及其变化的空间分布不均匀,四周与腹地的积雪有明显差异[22],且敏感区在不同季节也存在空间差异[23]。虽然很多研究已经探讨了高原积雪的分布情况和年际变化特征,但不同的研究方法、资料来源以及季节划分等会导致结论有所差异[24-28]。多项研究也表明,积雪时空变化由气候因素和地形因素共同作用造成[29-30]。例如,姜琪等人利用青藏高原1961-2014 年的110 个气象站点资料分析积雪特征及其影响因素,发现积雪深度随海拔增加而增加,且在不同季度降水、气温与积雪深度表现出不同的相关性[31]。沈鎏澄[32]等人的研究发现,在青藏高原中东部地区,不同季节的雪深受到不同因素的影响:冬季主要受降水影响,其他季节主要受气温影响。此外,还有研究表明,积雪变化还受不同土地类型的影响[33]。尽管过去的研究已经对积雪变化和分布规律进行了大量探索,并得出了诸多结论,但是仍然存在很多不确定性,特别是对于高原积雪深度长时间序列的时空动态变化,还有积雪与主要气候因子(降水、气温)之间的相互关系,需要进一步展开研究。
澜沧江上游研究区位于青藏高原东南边缘,流域地势从北向南呈阶梯状下降趋势,水能资源丰富,水电容量十分可观。积雪的空间分布和变化趋势对流域内的径流量变化产生直接影响,进而影响水力发电效率。由于澜沧江上游气候条件差、地形复杂,针对该流域积雪分布和变化趋势的分析研究较少,本文选取其中的乌弄龙流域作为研究区,依据1979-2018 年间遥感反演的长系列逐日雪深数据及同期降水、气温栅格数据,分析积雪深度及其气候影响因子的时空分布和年际变化。采用回归分析法分析积雪深度及气候因子随时间的变化趋势和幅度。利用相关分析法研究降水、气温对积雪深度的影响及其空间规律。研究旨在为深入理解澜沧江上游区域的气候变化及高原积雪演变过程提供重要依据。
1 研究区概况与数据来源
1.1 研究区概况
澜沧江是东南亚最大的跨国河流之一,发源于青海省的唐古拉山脉,全长约2161 km,经过青、藏、滇等地。经过云南省勐腊县出境后,会通过老挝、缅甸、泰国和柬埔寨,最终注入南海的西贡口岸。澜沧江的上游除了雪峰以外,山势相对平缓。上游气候属于高寒气候,降水量很少,气温低。中游则是山高谷深,流域狭长,区内气候为寒带至亚热带过渡性气候,垂直方向的气候变化非常显著。下游地势平缓,属于亚热带气候区,常年高温潮湿,自然景观非常丰富。目前澜沧江上游已规划了15 个电站,总装机容量为1541.3 万千瓦,其中已有6 个水电站建成并投入使用,装机容量为703 万千瓦。计划兴建两个水电站——如美(装机容量为210万千瓦)和古水(装机容量为190 万千瓦),另外还有7 个水电站处于前期工作状态。这些水电站的总装机容量达到了438.3 万千瓦。研究区乌弄龙流域(图1)位于澜沧江水系上游,控制面积约为7.6 万平方千米。作为云南典型流域,该流域从北向南的分布呈条带状,海拔高度在1889~6372 m 之间,地形呈现出西北高、东南低的特点。流域整体受到高原山地气候的影响,雨季一般为5 月至10 月,旱季则为11 月至次年4 月。该流域拥有丰富的水能资源,对于我国以及下游国家的水资源调配和利用都有着积极的促进作用。
1.2 数据来源与处理
研究采用的高程数据来自地理空间数据云(http://www.gscloud.cn/) 提供的DEM 数字高程数据,空间分辨率为1km。降水、气温以及积雪数据资料来源于国家青藏高原科学数据中心(http://data.tpdc.ac.cn/zh-hans/),其中降水、气温数据来自中国区域地面气象要素驱动数据集(1979-2018)[34],时间分辨率为1h,空间分辨率为0.1°。该数据集原始资料包括气象局的观测数据、再分析资料以及卫星遥感数据,剔除非物理意义值后再利用ANU-Spline 插值得到。本研究所使用的积雪数据来源于中国雪深长时间序列数据集(1979-2018)[35],时间分辨率为1d,空间分辨率为25 km。该数据集是通过原始数据进行处理和反演所得,原始数据包括美国国家雪冰数据中心处理的SMMR(1979-1987 年)、SSM/I(1987-2007 年)和SSMI/S(2008-2018 年)逐日被动微波亮温数据(EASE-Grid)。为了与降水和气温数据的空间分辨率保持一致,我们使用双线性内插法将积雪数据处理成空间分辨率为0.1°的数据集,并用于后续计算。
2 研究方法
2.1 回归分析法
一元线性回归分析法是一种基于构建线性模型来描述两个变量之间关系的统计方法。该方法可以通过求解线性方程的位置和倾斜程度的参数a和b来预测因变量y的值。通常我们使用最小二乘法来计算a和b的值,这种方法可以通过最小化残差平方和(SSE) 来拟合数据并选择最适合的a和b,使得观测值和模型预测值的误差尽可能小。
研究中采用回归分析的方法分别建立了年降水量、年均气温及年均雪深与时间的线性回归方程。回归方程的斜率即气候倾向率S,表征各要素随时间的变化过程。其中S值的正负可体现出各要素的上升和下降趋势,S值的大小可用来判断各要素变化幅度的大小。通过对研究区域各要素逐像元计算气候倾向率,从而在流域空间尺度上体现出各要素变化的差异性。一元线性回归法的具体公式如下:
式中:x、y为不同的变量值;分别为线性回归方程的斜率和截距;n为变量个数;、分别为x、y的平均值。
2.2 相关分析法
Person 相关分析法是一种用于衡量两个变量之间线性关系的方法。它可以评估两个变量之间的相关程度以及相关性质的正负。在进行Person 相关分析时,需先收集两个变量的数据,然后通过计算它们之间的协方差,再归一化(除以它们各自的标准差)得到相关系数。相关系数的取值范围在-1~1 之间,当相关系数大于0 时表示两个变量呈正相关关系,小于0 时,则呈负相关关系,等于0 时,表示两个变量没有线性相关性,等于1 或-1 时则表明两个变量完全线性相关。
本研究采用Person 相关分析法分析年降水量、年均气温与积雪深度之间的相关性,探究降水量和气温对积雪深度的影响,并用Person相关系数表征。通过逐像元计算得到整个研究区空间尺度上的相关系数变化情况,从而可以更加具体地分析流域不同区域气象因子对积雪深度影响程度的大小和方向。r的计算公式如下:
式中:x、y为不同的变量值;Cov(x,y)为x、y的协方差;Var[x]、Var[y]分别为x、y的方差;n为变量个数;、分别为x、y的平均值。
3 结果与分析
3.1 积雪深度及其影响因子的空间分布
如图2 所示,展示了研究区内1979-2018年多年平均降水量、气温和积雪深度的空间分布情况。从图中可以看出,降水主要集中在流域下游小部分地区,最大降水量达到了1456.14 mm,而其他大部分地区的降水相对较少,整体上呈现出从东南向西北逐渐递减的趋势。这主要是因为乌弄龙流域位于澜沧江上游,属于青藏高原高寒气候,造成了区内低温少雨的状况,但由于下游地区降水相对较多,为云南地区提供了丰富的水资源。受地势和海拔的影响,气温总体上呈现出西北低东南高的特征,流域内部分地区气温分布不均,整体气温较低。与气温的分布规律相反,积雪深度的分布则表现为西北大、东南小以及两边大、中间小的特征,因为受到高寒气候的影响,流域基本被积雪覆盖,积雪深度最小也达1.95 cm。整体而言,尽管流域东南地区降水量相对较多,但由于海拔低,温度高,积雪融化快,导致积雪深度小,而西北地区则相反,其积雪深度大于东南地区。
图2 多年平均雪深及其气候因子空间分布
3.2 积雪深度与气候因子的时间变化
图3 显示了从1979-2018 年40 年间流域平均降水量、气温和积雪深度的变化情况,并采用了线性回归方程拟合了三个变量的时间序列。从图中可以看出,年降水量随时间变化的波动幅度较大,但整体上表现为上升趋势,从1979年的497.29 mm/a 增加到2018 年的603.43 mm/a,年降水量平均每10a 增加16.53 mm。与降水变化趋势相近,1979-2018 年流域内气温整体上升高,年均气温在40 年间增长了1.51 ℃,平均每10a 升高0.55 ℃。受气候变暖的影响,积雪深度则呈现为整体下降趋势,积雪深度平均每10a减小0.96 cm,多年平均雪深为7.63 cm。整体上,气温与降水量的变化趋势相同,气温与积雪深度的变化趋势相反,进一步说明气温对积雪深度的影响整体上大于降水量的影响,且为明显的负相关关系。降水量仅在某些年份对积雪深度的影响大于气温,如2015-2016 年,年均气温升高0.61 ℃,年降水量增加81.20 mm,年均雪深增加0.44 cm。
图3 年均雪深及其气候因子年际变化
3.3 积雪深度和气候因子的回归分析
如图4 所示,展示了流域内年降水量、年均气温和年均雪深倾向率的空间变化。其中年降水量空间分布不均,倾向率从-5.19 到7.00不等,流域内大部分格点降水量逐年增加,而另一些格点的降水量则逐年减少,整个流域年降水量增加的幅度大于减小的幅度,这也进一步映证了图3 中降水量随时间的变化规律。流域内各格点的年均气温倾向率均为正值,表明整个流域的气温呈逐年上升趋势。同时,流域西北地区和东南部分地区的倾向率较大,表明这些区域的年均气温增长较快,而其他区域的年均气温增长较为缓慢,这可能是受地势和其他气象因素的影响所致。
图4 年降水量、年均气温与年均雪深倾向率
对于年均雪深,倾向率的变化范围是-0.2~0.13。倾向率为负的区域主要集中在流域的西北部和中部区域,证明这些区域的雪深是逐年减小的,这主要是受到温度升高的影响,加速了积雪的融化。还有小部分区域的倾向率为正,表明流域的部分地区存在雪深增加的现象。从图中也可以看出这些区域气温增加不明显,对雪深的影响较小,而同时降水量增加,成为影响积雪深度的主要因素,为积雪的形成、维持和增加提高了良好条件,从而出现年均雪深增加现象。
3.4 积雪深度与气候因子的相关分析
在栅格尺度上计算1979-2018 年期间年均雪深与年降水量、年均气温的相关系数,分析比较年均雪深与2 个气候因子的相关性以及空间分布规律,结果如图5 所示。从图中可以看到,积雪深度与年降水量的相关性在流域西北大部分地区和东南部分地区较强,最高可达0.50,并且多为正相关,表明在这些区域积雪深度随年降水量的增加而增加,在流域其他部分的相关性较弱,且多为负相关,即雪深随降水量的增加而减小。出现这种现象的原因主要是流域西北区域海拔较高,温度较低,积雪融化速率慢,随着降水增加,积雪深度逐渐增大。而在流域中部,由于地势逐渐下降,温度升高,就会存在即使降水增加,但积雪深度仍然减小的情况。
图5 年均雪深与年降水量、年均气温的相关系数
积雪与气温的负相关性较强,即在流域的大部分地区,相关系数r值为负,表明随着气温升高雪深减小,符合上文结论。而同时也存在少部分区域相关系数为正,但相关性较弱,最大仅为0.06。由于这些区域的温度随时间升高不明显,对积雪的影响较小,且降水量相对较大,再加上其他地形因素的影响,就会导致积雪深度增加。由此可以看出,降水增加,气温降低,有利于积雪形成和增长。整体上,研究区上游和下游区域积雪深度与降水量和气温的相关系数绝对值较高,说明这些区域积雪深度与2 个气候因子的相关性较强。
4 结束语
本文利用1979-2018 年积雪深度卫星数据及同期的格点型降水和气温观测资料,通过回归分析法和相关分析法系统分析了澜沧江上游乌弄龙流域积雪的时空变化特征及其与气温和降水的关系,得到如下结论:
1)流域内降水量、气温和雪深空间分布不均。降水主要集中在流域下游部分地区,总体表现出西北低东南高的特征。气温整体上呈现出从东南向西北逐渐递减的趋势,流域内部分地区气温分布不均,整体气温较低。受气温、降水及海拔等因素的影响,积雪深度的分布表现为西北大、东南小以及两边大、中间小的特征。
2)年降水量呈逐年上升趋势,平均每10a增加16.53 mm,倾向率从-5.19 到7.00 不等,流域各部分降水量增大速度存在明显差异。年均气温与年降水量的变化趋势相近,平均每10a升高0.55 ℃,流域内各格点的年均气温倾向率均为正值,其中西北地区和东南部分地区气温增长较快。年均雪深表现为整体下降趋势,且主要集中在流域西北部和中部区域,平均每10a减小0.96 cm,多年平均雪深为7.63 cm。部分区域的雪深倾向率为正,即存在雪深增加的现象。通过分析,该区域气温增加较小,对雪深的影响小,降水量增加,成为影响雪深的主要因素,从而促进积雪的形成和增长。
3)积雪深度与降水量的相关系数多为正值,表明积雪深度随年降水量的增加而增加。积雪深度与气温的负相关性较强,在流域的大部分地区,相关系数值为负值,最高为-0.50,表明随气温升高雪深减小。整体上,研究区上游和下游区域积雪深度与降水量和气温的相关系数绝对值较高,说明该区域积雪深度与2 个气候因子的相关性较强。
随着全球气候变化的加剧,研究积雪时空变化对预测和预警气候变化具有重要的科学意义和应用价值。未来应继续加强相关监测数据的采集和研究,完善对该地区气候变化和水文过程的理解;进一步扩大研究区域,增加更多的气候和地理环境因素的考虑,更全面地探讨积雪变化的时空特征及其影响机理;将气候变化的研究与生态环境、经济社会发展有机结合起来,深入分析气候变化对于区域社会经济、生态系统等方面的影响,并提出应对气候变化的可持续发展策略。