共查询到19条相似文献，搜索用时 812 毫秒
1.
基于MODIS积雪产品与微波遥感数据,分析五台山2000—2019水文年积雪时空分布、变化趋势及与影响因素的Pearson相关性,结果表明：（1）五台山积雪期为10月至翌年4月,年内呈单峰型变化趋势,积雪集中于西北部。（2）积雪面积和积雪日数的年际变化呈显著减少趋势（p<0.05）。（3）积雪面积和积雪日数与海拔正相关,积雪面积在北坡高于南坡。（4）积雪面积与气温相关程度高于降水量,积雪面积在年内与气温和降水量日值呈显著负相关（p<0.05）,在年际与气温年均值呈显著负相关（p<0.05）。 相似文献
2.
1979-2014年东北地区雪深时空变化与大气环流的关系 总被引：2，自引：2，他引：0
基于被动微波遥感反演的雪深数据集（1979-2014年）,利用Mann-Kendall检验、R/S分析、相关分析和小波分析等方法研究了东北地区雪深时空变化特征及其与大气环流的关系。结果表明：1979-2014年,东北地区年均雪深总体呈减小趋势,减小速率为-0.084 cm·（10a）-1。其中,春季雪深减小速率最大,为-0.19 cm·（10a）-1（P<0.05）,其次是冬季[-0.17 cm·（10a）-1],而秋季雪深减小速率最小,仅为-0.05 cm·（10a）-1。空间上,平原区（东北平原和三江平原）与少部分高原区（呼伦贝尔高原西南部）年均雪深呈增大趋势,山地（大、小兴安岭和长白山）与高原大部（内蒙古高原）雪深呈减小趋势,而且雪深增大区域的面积和变化速率均小于雪深减小的地区。东北地区年均雪深变化的Hurst指数为0.85,表明雪深未来减小的持续性很强;同时雪深变化具有22 a的主周期。春秋季雪深变化与东亚槽强度及北半球极涡面积呈显著负相关性,而冬季雪深与北半球副高强度关系密切。 相似文献
3.
2001-2015年天山山区积雪时空变化及其与温度和降水的关系 总被引：12，自引：9，他引：3
采用2001-2015年MODIS积雪和陆表温度数据、中国高时空分辨率降水数据,基于趋势分析和相关分析方法,分析了天山山区积雪时空变化及其与温度和降水的关系。结果表明：（1）年内积雪面积变化受海拔影响,海拔≤4 000 m,呈单峰型分布,积雪面积冬季大,夏季小;海拔介于4 000~≤5 000 m,积雪面积分别在春季和秋季出现两次峰值;海拔>5 000 m,积雪面积变化与低海拔相反,在夏季达到最大,冬季最小。就年际变化而言,全区积雪面积呈略微减少趋势,其中秋季略微增加,春季变化不大,冬季和夏季明显减少。（2）积雪覆盖频率受水汽来向和地形影响,呈西高东低、北高南低分布格局,与海拔呈正相关。山区大部分区域积雪覆盖频率呈减少趋势,其中海拔介于3 600~≤4 600 m的积雪覆盖频率减少最为显著。（3）在春、夏季,温度是决定积雪面积变化的主要因素,与积雪面积呈负相关;在秋、冬季,降水对积雪面积变化的贡献大于温度,与积雪面积呈正相关。（4）积雪覆盖频率整体上与年均温度呈负相关,与降水呈低度正相关,相关程度及显著性水平在空间分布上存在差异,温度对积雪覆盖频率变化的贡献大于降水。 相似文献
4.
积雪作为干旱区的重要水源,深刻影响区域水资源及经济发展。决定积雪量的积雪深度、积雪面积和积雪密度在时空分布上存在不确定性,尤其是积雪密度难以获取。本文利用FY-3B/MWRI(Fengyun3B Microwave Radiation Imager)数据反演积雪密度,结合1979-2020年长时间序列遥感雪深数据集,对天山地区40多年来积雪期(11月-次年3月)及其不同时期(积累期、稳定期、消融期)的积雪量进行估算,并分析其时空分布及与地形、气象等因子之间的关系。结果表明:1979-2020年,天山地区积雪期不同时期积雪量存在差异,稳定期积雪量最大,消融期次之,积累期最小。研究时段内,积雪期积雪量最大值出现在1979年,最小值出现在1998年,积雪期积雪量呈微弱的下降趋势,消融期积雪量下降趋势显著。多年平均积雪量空间格局与积雪深度和积雪密度基本一致,主要呈现为西北多东南少的特点。天山地区积雪量空间分布主要受海拔、坡度影响,积雪量与海拔正相关,海拔越高,积雪量越丰富;在15°以下时,坡度对积雪的影响较大,且坡度越大,积雪量越大。不同时期积雪量的多年变化与气温关系密切,在一定温度范围内,气温越低,积雪量越大;稳定期积雪量变化同时受积累期降水影响,积累期降水越多,稳定期积雪量越大。本文基于遥感积雪深度和密度的天山积雪量研究结果,可供气候变化条件下新疆水资源利用和经济发展参考。 相似文献
5.
1957-2009年中国台站观测的关键积雪参数时空变化特征 总被引：7，自引：2，他引：5
利用1957-2009年中国地面气象台站观测积雪资料分析表明, 中国年平均雪深、雪水当量、积雪密度分别为0.49 cm、0.7 mm、0.14 g·cm-3. 平均来说, 三者在青藏高原地区都是最小的, 在西北地区均较大; 空间上, 中国年平均雪深和雪水当量大值区位于东北和新疆北部, 以及青藏高原西南部的小部分区域; 中国大部分地区年平均积雪密度在0.14 g·cm-3以下, 3大稳定积雪区积雪密度略高. 1957-2009年, 中国及各区域年平均雪深和雪水当量均表现为波动增加趋势, 但不显著; 空间上雪深的显著正趋势主要位于内蒙古东部、东北北部、新疆西北部和青藏高原东北部; 雪水当量与雪深类似, 但正趋势范围不如前者广, 负趋势范围则较大. 相似文献
6.
青藏高原中东部积雪深度时空变化特征及其成因分析 总被引：6，自引：5，他引：1
基于逐日积雪深度（雪深）、逐月气温和逐月降水量地面观测资料,利用数理统计方法分析了青藏高原中东部地区1961-2014年雪深时空变化特征及其成因,结果表明：青藏高原雪深空间分布不均,存在喜马拉雅山脉南坡（高原西南部）、念青唐古拉山-唐古拉山-巴颜喀拉山-阿尼玛卿山（高原中部）和祁连山脉（高原东北部）三处雪深高值区,冬季最大,其次是春秋季,夏季仅在纬度或海拔较高处才有雪深记录;从长期来看雪深以减少为主,尤其是夏秋季。在青藏高原普遍"增温增湿"背景下,雪深表现为先增后减的变化特征;雪深随海拔升高而增加,但最大雪深并非出现在最高海拔处;在不同季节雪深的气象要素成因上,冬季由降水主导,其余季节由气温主导。1961-1998年冬春季雪深增加与降水增多有关,而1998-2014年气温的上升以及降水的减少共同导致了雪深的减少,夏秋季雪深持续减少与同期气温持续升高有关。 相似文献
7.
基于AMSR2被动微波积雪参量高精度反演方法研究 总被引：2，自引：2，他引：0
以新疆为研究区域建立了被动微波遥感积雪深度高精度反演模型,采用高空间和时间分辨率AM SR2被动微波遥感数据(2012年11月-2015年3月逐日数据),结合研究区域海拔高度、坡度、坡向、沙漠,荒漠和地表粗糙度等地形、地貌特征,考虑冰川、水体、林地等地表覆盖类型和不同季节的新雪、干雪和湿雪等积雪属性的微波辐射特征,以决策树阈值法为基础,通过采集样本分类建立起多种雪深判识阈值,在此基础上建立AMSR2高精度积雪深度反演综合模型,分类分析不稳定积雪和冰川信息,从而实现雪深在60 cm以内的积雪深度AMSR2反演的主要原理、思路及方法,并对模型的反演结果跟台站实测或者野外观测积雪值以时间和空间角度进行检验.结果表明:该综合模型能够定量判识研究区域复杂地形地貌条件下的1~60 cm积雪厚度,检验的复相关系数为0.74~0.88,均方根误差为2.92~6.14 cm,平均绝对偏差指数为3~4 cm,雪深误差5 cm的精度为91%~94%,雪深误差2.5cm的精度为81%~87%. 相似文献
8.
1979—2017年雅鲁藏布江流域雪深时空分布特征及其影响因素分析 总被引：3，自引：3，他引：0
积雪是水文过程的重要环节,基于1979—2017年中国雪深长时间序列数据集、中国区域地面气象要素数据集提供的降水和气温数据,结合DEM数字高程模型等,运用Mann-Kendall检验法、Sen氏坡度法、Pearson相关分析法,分析了雅鲁藏布江流域雪深时空变化分布特征,并对雪深与气象因子（气温、降水）和地形因子（高程、坡度、坡向）的相关性进行了分析。结果表明：1979—2017年雅江流域多年平均雪深为1.95 cm,且以0.02 cm·a-1的速率呈现显著减少趋势;雪深空间分布特征差异性明显,呈现“二高二低”相间分布的特征,高值区为流域西部边缘和东部的山地区域,低值区为中游河谷、流域出口低谷区;气象因子对雪深的变化起决定性作用,其中年平均气温与雪深的相关系数数值为-0.63,二者相关性显著;雪深呈现出随着高程的增加而增加的变化趋势,但最大雪深并非出现在最高海拔处;雪深随坡度的变化呈现“减少—增加—减少”三段式分布规律,且东坡和南坡的雪深厚度高于西坡和北坡的雪深厚度。 相似文献
9.
积雪深度(雪深)是流域水量平衡、融雪径流模拟等模型的重要输入参数,被动微波雪深遥感产品被广泛用于雪深监测。然而,由于山区积雪时空异质性强,这些空间分辨率较粗的雪深产品受到极大限制。本研究基于MODIS积雪覆盖度数据,根据经验融合规则以及积雪衰退曲线对“中国雪深长时间序列数据集”的两套雪深产品(由SMMR、SSMI和SSMI/S反演的称为Che＿SSMI/S产品;由AMSR-2反演称为Che＿AMSR2产品)进行空间降尺度,最终获得青藏高原500 m降尺度雪深数据(Che＿SSMI/S＿NSD和Che＿AMSR2＿NSD)。利用6景Landsat-8影像对两套降尺度雪深数据进行对比分析,结果发现两套降尺度数据与Landsat-8影像积雪空间分布吻合度均较高。与29个气象站点雪深数据相比,Che＿AMSR2＿NSD与实测雪深更为接近,相关系数(R)达到0.72,均方根误差(RMSE)为3.21 cm;而Che＿SSMI/S＿NSD精度较低(R=0.67,RMSE=4.44 cm),可能是由于采用不同传感器亮温数据的两套原始雪深产品精度不同所致。除此之外,实验表明被动微波雪深产品降尺度精度还... 相似文献
10.
应用1961-2013年逐日积雪深度及气象要素资料,采用REOF、多元线性回归等方法,分析了青海高原积雪日数时空分布特征,探讨了各季节积雪日数与气温和降水的关系.结果表明：（1）青海高原积雪日数呈先增加再减少的变化趋势,1961年至20世纪90年代末呈增加趋势,其中1982年达到峰值为44天,2000-2012年呈减少趋势.（2）青海高原积雪时空分布不均,地域差异大,分为六个积雪气候区,主要特点为高原南部积雪日数最多且呈显著增加趋势;东部农业区、西部柴达木盆地积雪少且呈下降趋势.（3）冬、春季积雪日数有上升趋势,冬季较显著;秋季积雪日数有下降趋势.（4）各季节平均气温均呈上升趋势,是影响秋、春季积雪的关键因子;冬、春季降水量呈上升趋势,是影响冬季积雪的关键因子.青海高原冬、春季有暖湿化趋势. 相似文献
11.
2004年3月至2005年7月对古尔班通古特沙漠南部典型半固定沙垄土壤水分进行了系统监测,结合气象资料,特别是对冬季积雪和冻土资料的分析,认为该沙漠沙丘土壤水分时空变化规律在很大程度上受积雪融化和季节性冻土的影响.由于冬季稳定存在20~30 cm的积雪于春季融化,使得春季沙丘土壤含水率成为全年最高的季节,从而为早春植物的萌发生长创造了有利的条件.冬季1 m多深的冻土于早春时节由表及里开始消融,沙丘表面融化的雪水在坡面重力作用下,沿难以透水的冻土层上界自坡上向坡下发生迁移,在春夏季形成了垄间最高、坡部次之和垄顶最少的土壤水分空间格局.该研究具有生态学意义,可为古尔班通古特沙漠特殊环境条件下植被恢复与重建提供依据. 相似文献
12.
古尔班通古特沙漠冬季稳定积雪期长,多雾凇天气.通过2007年11月~2008年3月在沙漠南缘的定位实验观测,发现植物雾凇凝结水总量平均为5.8 mm,占冬季降水量的21.8%,其中,沙漠区垄间和垄上植物雾凇凝结水总量分别是3.8 mm和9.1 mm,各占冬季降水量的14.4%和34.3%;植物雾凇凝结水量是雪面凝结水量的5倍;荒漠植物的雾凇凝结水可以增加古尔班通古特沙漠冬季植被分布区域水资源量.雾凇形成的最大风速一般小于3m/s;-15℃~-20℃是雾凇形成次数最多的气温区间,占全部雾凇日数的24.3%,气温低于-30℃时雾凇凝结量显著减少;观测期雾凇形成时大气最大相对湿度小于80%的日数占冬季雾凇日数的41%.低温、高湿、低风速的气象条件,加之梭梭枝条的细直径和针状叶特征,是古尔班通古特沙漠冬季具有丰富植物雾凇凝结水的重要原因. 相似文献
13.
1961—2017年基于地面观测的新疆积雪时空变化研究 总被引：4，自引：4，他引：0
选取新疆89个气象站1961—2017年逐日积雪深度观测资料, 分析近60 a新疆冬季最大积雪深度及积雪日数的时空变化特征。结果表明： 新疆冬季最大积雪深度以天山为界, 天山以北多于南部, 北疆北部和伊犁河谷最大达60 ~ 100 cm, 天山山区及天山北坡30 ~ 60 cm, 南疆大部地区不足20 cm; 新疆北部最大雪深多出现在1996年以后, 也是新疆气候由暖干转为暖湿的阶段。近60 a新疆区域尤其是北疆、 天山山区冬季最大积雪深度呈显著增加趋势, 南疆略有增加; 89个气象站中87.6%呈增加趋势, 20个显著增加, 主要分布在天山以北地区。分析不同积雪深度出现的日数, 新疆区域、 北疆地区、 天山山区≤10 cm积雪约占积雪总日数的48% ~ 58%, 10 ~ 20 cm积雪占24% ~ 32%, 20 ~ 30 cm积雪占12% ~ 15%, >30 cm积雪约占5%左右; 南疆地区以≤5 cm积雪为主。新疆区域、 北疆地区以及天山山区积雪日数总体呈减少趋势, 其中≤10 cm积雪日数减少, 尤其北疆显著减少, >20 cm积雪日数显著增加, 南疆变化不明显; 空间变化趋势分布基本与区域变化一致。 相似文献
14.
1953 - 2016年华山积雪变化特征及其与气温和降水的关系 总被引：2，自引：1，他引：1
利用华山气象站1953 - 2016年气象观测资料和1989 - 2016年Landsat TM卫星遥感影像数据, 分析华山积雪变化的基本特征及其与气温、 降水和大气环流的关系。结果表明： 1953 - 2016年华山平均积雪日数78.5 d, 积雪主要出现在每年的10月 - 次年5月, 64 a来积雪初日推迟, 终日提前, 初终间日数减少, 年度、 冬半年、 冬季积雪日数分别以8.3 d?（10a）-1、 7.6 d?（10a）-1、 4.7 d?（10a）-1的减少率显著减少。1981 - 2016年华山年度最大积雪深度减少趋势不显著, 年度累积积雪深度以88.2 cm?（10a）-1的减少率显著减少, 一年中积雪日数、 最大积雪深度和累积积雪深度的减少（小）趋势均以3月最为显著。1989 - 2016年华山区域积雪面积、 浅雪和深雪面积减少趋势不明显。1953 - 2016年华山年度、 冬半年、 冬季平均气温升高, 降水量减少。积雪日数与平均气温存在显著的负相关, 与降水量存在显著的正相关, 气温是影响华山积雪日数的最主要因素。年度、 冬半年和冬季积雪日数突变年份与相应时段平均气温突变年份相近。1953 - 2016年华山冬半年、 冬季平均气温和降水量均与大气环流指数相关显著, 华山冬半年和冬季积雪日数与同期西藏高原指数、 印缅槽强度指数、 南极涛动指数和西太平洋副高西伸脊点指数为明显的负相关, 与850 hPa东太平洋信风指数、 亚洲区极涡面积指数为明显正相关。 相似文献
15.
2005年9月下旬,在黄河源区阿尼玛卿山耶和龙冰川平衡线附近挖取了6个雪坑,固定层厚采集了89个雪冰样品,分析了样品的δ18O值及不溶微粒的浓度、粒径,研究了耶和龙冰川中不溶微粒的时空分布特征及环境意义。结果表明：雪冰样品中不溶微粒浓度平均值为1.1×105个·mL-1,PM10占到总粒子的99%;以微粒数浓度为权重计算的平均粒径分布在1.1~1.8 μm之间,说明耶和龙冰川积雪中不溶微粒以细粒子为主;不溶微粒的粒度谱分布不符合正态分布规律,粒子浓度的众数出现在小粒径;微粒源区输入和大气环流强度是控制积雪中不溶微粒特征的主要因素。源区输入和风场强度均较大时,积雪中不溶微粒浓度及粒径均较大;源区输入较弱而风场强度较大时,积雪中微粒浓度有所增加,粒径增加更加显著。结合HYSPLIT-4模式研究发现,在耶和龙冰川积雪中不溶微粒的浓度及粒径随雪坑深度的变化可以反映气团强度的季节变化,夏季降水增加使微粒的季节变化更加显著。西风携带的塔克拉玛干沙漠和中亚干旱区尘埃是耶和龙冰川春、秋季节积雪中不溶微粒的重要来源。 相似文献
16.
在被动微波雪水当量反演中,积雪物理参数随时间的变化特征影响着反演精度,为理解积雪随时间演化的特征及其对微波辐射亮温的影响,本研究选用2009—2013年北欧积雪实验（Nordic Snow Radar Experiment, NoSREx）积雪地面观测和微波辐射测量数据,通过雪深和温度把雪期分为积累期（10月—次年2月）、稳定期（2—4月）和消融期（4—5月）,发现各个雪期的积雪演化特征为：雪颗粒形状在积累期前期以融态颗粒（Melt Forms, MF）为主,积累期后期和稳定期以圆形颗粒、片状颗粒、深霜为主,消融期以MF为主;整个雪季底层雪粒径从小变大再变小的过程,粒径最大值出现在稳定期的2至3月,约为2.5~4.0 mm,均出现在近地表雪层,而表层粒径较小且较为稳定。通过雪深和微波亮度差（18~37 GHz）的关系分析,表明亮温差在不同雪期对于雪深的依赖关系不同,在积累期和稳定期,雪深变化与亮温差变化具有明显的正相关;在消融期由于积雪融化的影响,其相关性较差;基于多层积雪微波辐射模型（MEMLS）构建了一维微波辐射模拟环境,模拟表明MEMLS模型在3个雪期的垂直极化10.65 GHz和18.7 GHz模拟结果较37 GHz和90 GHz更好;10.65 GHz V极化在入射角为50°且稳定期时,微波亮温模拟均方根误差（RMSE）结果最小,为2.49 K。3个雪期90 GHz模拟结果水平极化优于垂直极化,由于受表层积雪变化影响,90 GHz模拟结果较不稳定,尤其是消融期时,RMSE最小也达到了42.7 K。本研究有助于理解积雪随时间演化的特征及其对微波辐射模拟的影响,表明在被动微波雪水当量反演算法中,针对不同积雪期需要考虑积雪演化动态过程。 相似文献
17.
2001—2019年横断山区积雪时空变化及其影响因素分析 总被引：1，自引：0，他引：1
基于MOD10A2积雪产品提取横断山区积雪日数及积雪覆盖率等信息,结合横断山区129个地面气象站点的气象数据,采用趋势分析、相关分析及随机森林回归模型等方法分析了横断山区积雪时空分布特征及其影响因素。结果表明：年平均积雪覆盖率的年际变化呈不显著的下降趋势;年内变化呈“单峰”型曲线,其中3月积雪覆盖率最大,为55.04%。海拔3 000 m以上的积雪覆盖率较为稳定,海拔1 000~3 000 m之间的积雪覆盖率波动较大。受暖湿气流和地形影响,阴坡积雪覆盖率大于阳坡。横断山区积雪日数的分布具有纬度地带性,北部山区积雪分布广泛且积雪日数高,南部云贵高原积雪日数低。年均积雪日数介于55.16~79.47 d,积雪日数在28.46%的地区呈减少趋势,在21.66%的地区呈增加趋势,其中呈显著减少和显著增加的地区分别为2.65%和0.68%。中部康定市、九龙县及其周边地区减少趋势明显,北部杂多县—若尔盖县一线的高海拔山地增加趋势明显。积雪日数整体上与降水量、相对湿度呈正相关,与风速、气温和日照时数呈负相关。与降水量呈显著正相关的地区主要分布在西北部杂多县、称多县;与风速呈显著负相关的地区主要分布在西北部称多县、中部康定市;与气温呈显著负相关的地区主要分布在中部九龙县、西北部称多县;与相对湿度呈显著正相关的地区主要分布在北部杂多县—石渠县一线;与日照时数呈显著负相关的地区主要分布在东北部玛曲县、西北部称多县。积雪日数受气温和高程的影响最大,而日照时数和风速为次要因素。 相似文献
18.
Consistent seasonal snow cover depth and duration variability over the Western Himalayas (WH) 总被引：1，自引：0，他引：1
Precipitation in solid form, i.e., snow, during winter season over the Western Himalayas (WH) leads to the build-up of seasonal snow cover. Seasonal snow cover build-up (snow cover depth and duration) largely depends on atmospheric variables such as temperature, precipitation, radiation, wind, etc. Integrated (combined) influence of atmospheric variables on seasonal snow cover gets reflected in terms of spatial and temporal variability in seasonal snow cover build-up pattern. Hence spatial and temporal variability of seasonal snow cover build-up can serve as a good indicator of climate change in high altitude mountainous regions like the WH. Consistent seasonal snow cover depth and duration, delay days and early melt days of consistent seasonal snow cover at 11 stations spread across different mountain ranges over the WH were analyzed. Mean, maximum and percentiles (25th, 50th, 75th, 90th and 95th) of consistent seasonal snow cover depth and duration show decline over the WH in the recent past 2–3 decades. Consistent seasonal snow cover is found to melt early and snow cover build-up pattern is found to show changes over the WH. Decline in consistent seasonal snow cover depth, duration and changing snow cover build-up pattern over the WH in recent decades indicate that WH has undergone considerable climate change and winter weather patterns are changing in the WH. 相似文献
19.
积雪对多年冻土活动层和近地表的热状态具有重要影响。然而,积雪对祁连山区黑河上游地区多年冻土热状态的影响机制尚不清楚,迫切需要可靠的野外观测数据进行定量研究。基于两个典型野外监测站点2012—2019年观测数据,分析积雪对表面能量平衡、5 cm地表热通量及活动层热状态的影响。结果表明：厚度约21 cm的积雪在秋冬季对活动层具有保温作用;2013—2018年,俄博岭（EB）和野牛沟（PT1）监测场,活动层厚度分别为61~86 cm和159~164 cm,平均活动层厚度分别为74.2 cm和162.1 cm。受积雪影响,相隔两年（2015—2017年）的活动层厚度变化达25 cm。定量分析了祁连山积雪对多年冻土热状态的影响,为未来祁连山相关研究提供重要资料。 相似文献