2001—2019年橫斷山區積雪時空變化及其影響因素分析

鄒逸凡， 孫 鵬， 張 強， 馬梓策，呂胤鋒， 卞耀勁， 劉瑞琳

（1.安徽師范大學地理與旅游學院，安徽蕪湖 241002； 2.北京師范大學環境演變與自然災害教育部重點實驗室，北京 100875；3.北京師范大學地表過程與資源生態國家重點實驗室，北京 100875； 4.北京師范大學減災與應急管理研究院，北京 100875）

0 引言

積雪因其特有的反射能力強、導熱性弱以及融化過程中的熱量吸收等特性，對氣候變化、能量平衡、水循環有著巨大影響［1-2］，是冰凍圈內最敏感的環境變化響應因子，被認為是全球氣候變化的重要指示器［3］。此外，融雪洪水和雪崩是重要的自然災害［4］，積雪面積也是水文和氣候循環的重要參數之一。橫斷山區地處我國的階梯過渡帶上，易發生滑坡、泥石流等自然災害。同時，這里的生物種類豐富，有許多珍貴的野生動植物。近些年來橫斷山區生態環境的變化以及人類活動的影響使得該地區的積雪產生了變化，進而對區域中各要素產生影響。為了合理利用積雪資源、預防自然災害以及保護生物多樣性，對橫斷山區積雪時空變化進行研究是十分必要且具有重要意義的。

許多學者都對青藏高原做了大量的積雪研究分析。Huang 等［5］利用無云條件下MODIS 逐日積雪產品和AMSR-E、SSM/I 逐日SWE 產品，系統分析了2001—2014 年青藏高原積雪變化及其對氣候變化的響應，發現青藏高原積雪日數和雪水當量均有減小的趨勢，且高海拔積雪的減小更為顯著。Chen 等［6］利用AVHRR 地表反射率的氣候記錄數據（CDR）和幾種現有積雪產品，新開發了TPSCE 積雪產品，該產品在青藏高原積雪研究中具有長時間序列、高時空分辨率和完整的空間覆蓋等優勢。Hao等［7］利用青藏高原積雪對四種逐日無云的積雪產品IMS（交互式多傳感器積雪產品）、MOD-SSM/I（MODIS 與SSM/I 結合的積雪產品）、MOD-B（基于混合方法的MODIS 積雪產品）、TAI（Terra-Aqua-IMS 積雪產品）進行精度評估，研究表明4 種產品的積雪面積變化具有一致性，其中TAI 產品的精度最高。胡豪然等［8］基于1967—2012 年青藏高原東部60 個氣象站點，分析降雪的時空演變特征及與積雪的關系，發現降雪空間分布差異顯著，表現出“少—多—少”的年代際變化特征，且青藏高原東部秋、冬、春季降雪與積雪關系十分密切。除多等［9］基于青藏高原2000—2014 年MODIS 積雪產品，利用積雪覆蓋率分析青藏高原積雪的時空分布特征，發現積雪分布與高程呈正相關，與坡度呈正相關（12月至次年5月），南坡積雪覆蓋高、北坡低。唐志光等［10］基于青藏高原2001—2011 年去云后MODIS 積雪產品，分析積雪日數時空分布特征，發現青藏高原積雪日數四周高中間低，且年際波動較大。上述很多研究分析了青藏高原積雪特征，但缺少細致分析橫斷山區積雪的變化情況，考慮到橫斷山區積雪的重要性，本文針對橫斷山區積雪的變化情況進行分析，為橫斷山區積雪資源的合理利用提供科學指導。

橫斷山區地形復雜，積雪多分布在高海拔地區，但高海拔地區的站點數量少，實測數據獲取難度大。而且氣象站點的數據只能代表其所在地點的數據，并不能代表周圍區域的積雪平均情況，難以在大范圍進行積雪的相關研究。遙感數據相較于地面的氣象站點數據有獲取方便、監測范圍廣、觀測時間連續等特點［11］。因此，本文選擇遙感數據來分析橫斷山區的積雪變化情況。

1 研究區與數據

MOD10A2產品是8天合成的積雪產品數據［12］，該產品的優點是經過多次處理，最大程度地降低了云層，尤其是薄云的影響，從而更加準確地反映了積雪覆蓋情況［13］。因此，本文利用2001—2019 年的MOD10A2積雪產品，并結合研究區129個氣象站點的氣象數據，采用趨勢分析、相關分析等方法，結合隨機森林回歸模型分析橫斷山區積雪空間分布特征以及氣象因子對積雪時空分布的影響。

1.1 研究區概況

橫斷山區位于青藏高原東部、四川盆地西部和云貴高原西北部，是中國地形第一、第二階梯的過渡地帶。地區海拔差異大，由一系列縱貫南北的山脈與河谷組成。冬季山區降水多以積雪形式存儲，隨著春季氣溫升高中低海拔積雪開始融化，雪線以上區域終年積雪覆蓋，冰川和凍土分布廣泛，豐富的積雪是河川徑流的重要補給來源（圖1）。

圖1 橫斷山區氣象站點位置（a）及2001—2019年平均積雪覆蓋率（b）空間分布Fig.1 Location of meteorological stations in the Hengduan Mountains（a）and spatial distribution of average annual snow cover fraction（SCF）from 2001 to 2019（b）

1.2 數據

1.2.1 MODIS積雪數據

本文選取的MOD10A2-V006 是美國國家冰雪數據中心（National Snow and Ice Data Center，NSIDC）提供的新一代地球觀測系統Terra 衛星監測的8 天合成的積雪產品數據。空間分辨率為500 m，投影形式為正弦曲線投影。MOD10A2 數據具有分辨率高、監測范圍廣的特點，常用于局部區域的積雪監測［14-15］。MOD10A2 所表示的是8 天中積雪覆蓋的最大值，具體表現為，該產品在8天內只要有一天顯示有積雪，就表示該像元被積雪覆蓋，如果8天里沒有一天觀測出有積雪的話，那么在這個像元就被標記為無雪［16］。

選取橫斷山區2001—2019 年1～46 期MOD10A 2 數據，共計5 220 幅影像（缺失24 幅）。使用MRT（MODIS Reprojection Tools）對覆蓋研究區h25v05、h26v05、h27v05、h25v06、h26v06和h27v06的影像數據進行拼接、投影轉換、坐標更改、重采樣和數據格式變換預處理，預處理后數據輸出格式為TIFF。在ArcGIS 進行處理得到的圖像，不同像元值代表不同的地物覆蓋類型，根據MOD10A2產品編碼的分類，其中值為200 的像元代表積雪，其余像元代表不同的非積雪地物（如50代表云，37代表湖泊等）。對上述積雪和非積雪像元進行重分類，在ArcGIS中進行二值化處理，編碼分別為1 和0，將其輸出。經過數據處理，得到研究區870幅遙感影像，進而對研究區積雪覆蓋率和積雪日數的變化狀況進行分析。

1.2.2 氣象數據

氣象數據是由中國國家氣候中心（National Climate Center，NCC）和科考市州氣象局提供的129 個氣象站點的降水、濕度、日照時數、平均氣溫和風速等逐日數據，并將時間都統一為2001 年1 月1 日—2019年12月31日。在ArcGIS中使用徑向基函數插值方法對氣象數據進行插值處理，轉換成分辨率為500 m的柵格數據。

1.2.3 高程數據

高程數據（digital elevation model，DEM）是由國家冰川凍土沙漠科學數據中心（http://www.ncdc.ac.cn）提供的基于中國1∶25 萬高程點和等高線生成的分辨率為1 km 的數字高程模型數據，在文中用于高程帶和坡向的劃分與提取。

1.3 方法

1.3.1 積雪覆蓋率

積雪覆蓋率（snow cover fraction，SCF）［17］表示指定區域內的積雪覆蓋范圍比例，即當日的積雪覆蓋范圍占研究區總面積的百分比。定義為

式中：SCF 為積雪覆蓋率；Ssnow為積雪覆蓋面積，本文所用的積雪覆蓋數據均不包含湖泊區域；Sall為整個研究區的面積。

1.3.2 積雪日數

積雪日數（snow cover days，SCD）［18-19］描述的是在一年內每個像素被積雪覆蓋的次數，積雪日數越大，表明該地區積雪覆蓋越久，積雪儲存量也更為豐富。計算公式為

式中：SCD 為積雪日數，取值范圍為0～366 d；N=46；Si為逐日積雪覆蓋數據集的二元像素值。其中，由于本文選用的MOD10A2 為8 天積雪數據，因此將積雪用8代替，陸地用0代替。

1.3.3 隨機森林模型

隨機森林模型是Breiman［20］提出的一種基于決策樹的機器學習算法。通過bootstrap 重采樣技術從原始訓練樣本集中抽取并生成訓練樣本子集，然后根據訓練樣本集生成多個決策樹并組成隨機森林，其分類或回歸模型結果按決策樹投票分數而定［21］。本文基于匹配樣本數據，將各氣象因子（降水、風速、氣溫、濕度、日照時數）以及地形要素（高程、坡向）作為解釋變量，積雪日數作為因變量，構建隨機森林回歸模型按2∶8的比例劃分訓練集和測試集，利用測試集的模型精度（R2）來衡量氣象因子及地形要素對積雪日數空間分布的作用大小（圖2）。

圖2 隨機森林模型流程圖Fig.2 Diagram of the random forest model

2 結果與分析

2.1 積雪覆蓋率變化特征

2.1.1 年際變化

積雪覆蓋率表示的是被積雪所覆蓋的區域面積占整個研究區域的百分比。對橫斷山區2001—2019 年積雪覆蓋的面積進行統計，繪制了2001—2019 年的逐年平均積雪覆蓋率的變化趨勢圖（圖3）。 橫斷山區的年平均積雪覆蓋率在30.3%～38.2% 之間波動，最大值出現在2006 年，最低值出現在2015 年。近19 年來，橫斷山區的年平均積雪覆蓋率年際差異較小，整體上呈現不顯著的下降趨勢，變化率為-1.24%·（10a）-1。對于不同時期而言，積雪的年際變化呈現階段性的增加或減小的變化趨勢。其中，2003—2008 年，年平均積雪覆蓋率呈波動中上升趨勢，變化率為4.75%·（10a）-1。2006年的年平均積雪覆蓋率是最大的，為38.2%。2008年后年最大積雪覆蓋率整體呈現顯著的下降趨勢，變化率為-2.96%·（10a）-1，并在2015 年達到了近19年最低值，為30.3%。

圖3 2001—2019年橫斷山區平均積雪覆蓋率年際變化Fig.3 Interannual variation of SCF in the Hengduan Mountains from 2001 to 2019

對不同季節平均積雪覆蓋率年際變化情況進行分析（圖4），可以看出橫斷山區冬季積雪覆蓋率最高，春季次之，平均積雪覆蓋率季節性變化除春季外均呈減少趨勢。這與橫斷山區氣溫的升高有很大關系，氣溫年際變化率為0.34 ℃·（10a）-1。夏季和秋季積雪覆蓋率減少相對明顯，夏季為-1.21%·（10a）-1，秋季為-3.56%·（10a）-1，是橫斷山區積雪減少的主要原因之一。

圖4 2001—2019年橫斷山區不同季節積雪覆蓋率年際變化Fig.4 Interannual variations of SCF in spring（a），summer（b），autumn（c）and winter（d）in the Hengduan Mountains from 2001 to 2019

綜上所述，2001—2019 年橫斷山區的積雪覆蓋率年際變化差異較小，但整體上呈現微弱的下降趨勢，積雪覆蓋面積的減小與全球氣候變暖相呼應，并且隨著全球氣候變暖橫斷山區的冰川和永久性積雪已經受到了嚴重的影響。另外，積雪覆蓋面積的變化與人類活動的干擾密不可分［22-23］。近十幾年來，橫斷山區內的城市建設、工業發展、旅游業的快速擴張等人類活動，對積雪的持續時間具有一定的影響［24］。

2.1.2 年內變化

利用逐8 日MOD10A2 遙感影像數據計算月平均積雪覆蓋率（圖5和圖6）。由圖可以看出，年內的積雪覆蓋率分布呈“單峰”型曲線。整體來看，橫斷山區的積雪覆蓋分布具有明顯的季節性差異［25］，積雪覆蓋率最高的月份是3 月，而最低的月份是7 月。3 月達到積雪覆蓋率最大值，為55.04%；4 月開始隨著氣溫升高積雪逐漸融化，積雪覆蓋率急劇減少，在7 月達到最小值，為14.38%；9 月氣溫下降，積雪開始積累，到次年3 月又達到最大值。從季節上來看，冬季橫斷山區的大部分地區被積雪覆蓋，而夏季存在部分穩定積雪，春、秋季處于過渡期，在此期間積雪覆蓋面積變化大，積雪覆蓋面積月份間存在較大差異。

圖5 2001—2019年月平均積雪覆蓋率Fig.5 Average monthly SCF in the Hengduan Mountains from 2001 to 2019

圖6 2001—2019年月積雪覆蓋率變化空間分布Fig.6 Spatial distribution of average monthly SCF in the Hengduan Mountains from 2001 to 2019

2.1.3 高程的影響

將橫斷山區的高程以＜1 000 m、1 000～2 000 m、2 000～3 000 m、＞3 000 m 分為四個高程帶，分別計算各高程帶的平均積雪覆蓋率年際變化（圖7）。海拔高度與積雪覆蓋率成正相關，海拔3 000 m 以上的積雪覆蓋率最高且年際變化趨勢最大，2005 年的積雪覆蓋率最大，為53.7%。海拔1 000 m 以下的積雪覆蓋率最低且年際變化趨勢最小，2013 年的積雪覆蓋率最大，為4.27%。 海拔1 000～2 000 m、2 000～3 000 m 積雪覆蓋率的年際變化具有相似的變化趨勢，2006 年、2011 年和2013 年均為積雪覆蓋率的高值。橫斷山區的人類活動主要集中在該地區，受人類活動的影響大，因此積雪覆蓋率變化較為明顯。3 000 m 以上的地區海拔高、人跡罕至，受人類影響小，多為穩定性積雪。1 000 m以下的地區海拔低，氣候條件不利于積雪的累積，因此積雪覆蓋率穩定。各高程帶積雪覆蓋率的年際變化均呈減少趨勢，與全球氣候變暖相一致。其中海拔＞3 000 m減少趨勢最明顯，為-1.39%·（10a）-1。圖8 是不同高程帶的月積雪覆蓋情況，3 000 m以上積雪覆蓋率在12月至次年3月的變化較小，在36.32%～40.06%之間。1 000 m 以下積雪主要集中在冬季的東部邊緣地區，夏季積雪覆蓋率很低，在0.41%～1.08% 之間，1 000～3 000 m 積雪覆蓋率在3.85%～22.99% 之間，隨季節變化明顯。

圖7 2001—2019年橫斷山區各高程積雪覆蓋率年際變化Fig.7 Interannual variations of SCF at different altitudes in the Hengduan Mountains from 2001 to 2019

圖8 橫斷山區各高程的月積雪空間分布Fig.8 Spatial distribution of snow cover in each month at different altitudes in the Hengduan Mountains

2.1.4 坡向的影響

將橫斷山區劃分為2 個坡向：陽坡（90°～270°）和陰坡（0°～90°、270°～360°），并分別計算陽坡、陰坡在各月的平均積雪覆蓋率（圖9）。其中，陽坡和陰坡的最大積雪覆蓋率均出現在3 月，陽坡最大積雪覆蓋率為47.12%，陰坡最大積雪覆蓋率為49.77%。陰坡的積雪覆蓋率比陽坡高，主要原因是陽坡受到更多的太陽輻射，氣溫較陰坡高［26］。以及受季風氣候的影響，寒冷的冬季風以及陰坡的位置更利于積雪的累積。陽坡雖然水汽較多，但氣溫高不利于積雪的積累。將橫斷山區與青藏高原交集的陽坡和陰坡積雪覆蓋率進一步分析，陽坡積雪覆蓋率為15.69%～65.56%，陰坡積雪覆蓋率為16.78%～67.19%，各坡向的積雪覆蓋率較整個橫斷山區均有提升，除夏季外積雪覆蓋率均大于27%。這說明高程是影響橫斷山區坡向積雪覆蓋率的重要因素之一。

圖9 橫斷山區陽坡和陰坡的月積雪空間分布Fig.9 Spatial distribution of snow cover in each month in sunny and shady slopes in the Hengduan Mountains

2.2 積雪日數變化特征

本文以MOD10A2的每個像元的積雪覆蓋記為8 天的積雪覆蓋，通過計算合成2001—2019 年橫斷山區每年的積雪日數、平均積雪日數以及穩定性積雪分布圖。由圖10 和圖11 可知，橫斷山區的積雪日數呈西北部和北部高、南部低的空間分布特征，并且與地形特征關系密切，空間異質性較大，部分地區呈斑塊狀分布［27］。積雪日數大于60 d 的地區被認為是季節積雪中的穩定積雪區，也是雪水資源的主要來源地［10］。橫斷山區的積雪日數一般小于60 d，即橫斷山區以不穩定積雪為主，面積占比為63.80%，主要分布在云貴高原等廣大南部地區。該地區海拔和緯度較其他地區低，因此積雪日數較短，總體變化呈不顯著的上升趨勢，為0.264 d·（10a）-1。橫斷山區積雪日數大于180 d 的地區主要分布在西北部、北部的高海拔山區，集中分布在念青唐古拉山東側、伯舒拉嶺、他念他翁山、沙魯里山、大雪山以及邛崍山等地區，積雪日數在60～180 d 的地區也主要分布在這些山脈附近。橫斷山區季節性穩定積雪面積占比為36.20%，總體呈不明顯的下降趨勢，為-0.263 d·（10a）-1。其中積雪日數在61～90 d、91～120 d、121～150 d、151～180 d以及≥181 d的面積百分比分別為9.88%、6.78%、5.30%、4.42%、9.82%。由此可見，橫斷山區的穩定積雪在減少，而不穩定積雪在增加。從時間序列來看，2004 年、2005 年、2006 年、2019 年為積雪日數較高的年份，年平均積雪日數大于75 d；而2003 年、2014 年、2015 年、2016年為積雪日數較低的年份，年平均積雪日數小于62 d。整體上來看，積雪日數在空間上的分布與緯度相關性較好。因而，形成了北部山地積雪多，而南部高原積雪少的空間分布格局。

圖10 2001—2019年橫斷山區積雪日數空間分布Fig.10 Spatial distribution of snow cover days（SCD）in the Hengduan Mountains from 2001 to 2019

圖11 2001—2019年橫斷山區平均積雪日數（a）及穩定性積雪（b）的空間分布Fig.11 Spatial distribution of average annual SCD（a）and stable snow cover（b）in the Hengduan Mountains from 2001 to 2019

使用Sen趨勢分析和M-K趨勢檢驗對橫斷山區2001—2019 年積雪日數年際變化率以及變化趨勢進行分析（圖12）。從圖中可以看出，整個橫斷山區積雪日數的年際變化空間差異性較大。其中，有21.66% 的區域積雪日數呈增加的趨勢，呈顯著增加（P＜0.05）的區域有0.68%，主要集中在橫斷山區的北部雜多縣—若爾蓋縣一線的高海拔山地；而有28.46% 的區域積雪日數呈減少的趨勢，其中呈顯著減少（P＜0.05）的區域有2.65%，主要分布在橫斷山區中部的康定市、九龍縣及其周邊地區。由此可見，2001—2019 年橫斷山區整體上積雪日數呈減少趨勢，平均積雪日數變化率為-1.37 d·（10a）-1，表明隨著橫斷山區的暖干趨勢［28］，積雪日數也在隨著縮短，部分永久性積雪開始逐漸消失，這與唐小萍等［29］的研究結果基本一致。

圖12 2001—2019年橫斷山區積雪日數變化率（a）及其顯著性（b）的空間分布Fig.12 Spatial distribution of variation ration（a）and its significance of SCD（b）in the Hengduan Mountains from 2001 to 2019

2.3 積雪日數與氣象因子的相關性

氣象因子是影響積雪日數變化的主要因素之一，包括降水、風速、氣溫、相對濕度以及日照時數等［30-32］。本文對橫斷山區的積雪日數與氣象因子之間的相關關系進行探討，對于橫斷山區的積雪研究、氣候變化等具有重要意義（圖13）。

圖13 橫斷山區氣象因子與積雪日數的相關性Fig.13 Correlation between meteorological factors and SCD in the Hengduan Mountains

積雪日數與降水具有較為明顯的正相關關系，其中55.27% 的地區（5.84% 為顯著）和降水呈正相關，37.25% 的地區（3.13% 為顯著）和降水呈負相關。呈顯著正相關的地區主要分布在西北部雜多縣、稱多縣，西部八宿縣以及東部昭覺縣及其周邊地區；呈顯著負相關的地區主要分布在南部綠春縣和東部漢源縣及其周邊地區。可以認為降水是影響積雪日數變化的重要因素。在高海拔的北部地區，降水幾乎都是以降雪的形式出現，降雪增加了積雪面積，積雪日數與降水呈正相關。在低海拔地區，暖季有暖降水，暖降水融化積雪，積雪日數與降水呈負相關。

積雪日數與風速具有較為明顯的負相關關系，其中54.19% 的地區（5.93% 為顯著）和風速呈負相關，38.65% 的地區（2.78% 為顯著）和風速呈正相關。呈顯著負相關的地區主要分布在西北部稱多縣，東北部汶川縣，中部康定市及其周邊地區；呈顯著正相關的地區主要分布在北部道孚縣、紅原縣和南部騰沖市。可以認為風速是影響SCD 變化的重要因素。在迎風坡風速增加時，鋒面將水分傳遞到高空，導致降雪、積雪增加。積雪日數與風速呈正相關。在背風坡，鋒面失去了它的濕度，在下降過程中通常產生焚風。這一現象導致冰雪融化，積雪減少。積雪日數與風速呈負相關。

積雪日數與氣溫具有明顯的負相關關系，其中61.56% 的地區（10.82% 為顯著）和氣溫呈負相關，31.29% 的地區（2.37% 為顯著）和氣溫呈正相關。呈顯著負相關的地區主要分布在西北部雜多縣—玉樹市一線、東北部白玉縣—北川縣一線以及中部的九龍縣及其周圍地區。可以認為氣溫是影響SCD變化的重要因素。

積雪日數與相對濕度具有明顯的正相關關系，其中29.99% 的地區（3.51% 為顯著）和相對濕度呈負相關，62.86% 的地區（14.52% 為顯著）和相對濕度呈正相關。呈顯著正相關的地區主要分布在北部雜多縣—石渠縣一線、貢覺縣—黑水縣一線和中部稻城縣、九龍縣及其周邊地區；呈顯著負相關的地區主要分布在南部江城哈尼族彝族自治縣和東部漢源縣、洪雅縣及其周邊地區。可以認為相對濕度是影響積雪日數變化的重要因素。相對濕度越大，空氣越濕潤，越不利于積雪融化，于是積雪日數越長。積雪日數與相對濕度呈正相關。

通過相關分析，得到積雪日數與日照時數的相關關系。其中57.06% 的地區（7.47% 為顯著）和日照時數呈負相關，35.85%的地區（3.32%為顯著）和日照時數呈正相關。呈顯著負相關的地區主要分布在東北部瑪曲縣和西北部治多縣、雜多縣及其周邊地區；呈顯著正相關的地區主要分布在東部漢源縣、洪雅縣及其周圍地區。可以認為日照時數是影響SCD變化的重要因素。

對積雪日數進行分區并與各氣象因子進行相關性分析，降水量、相對濕度與積雪日數的相關性總體呈正相關，隨著積雪日數的增加，相關性呈現先增加后減少的趨勢，在151～180 天相關性達到最大值，且相對濕度與積雪日數的相關性高于降水量，表明在年際變化上相對濕度對積雪日數的影響強于降水量。平均風速、氣溫與積雪日數的相關性總體呈負相關，隨著積雪日數的增加，相關性呈現增加的趨勢，在≥181 天相關性達到最大值，且氣溫與積雪日數的相關性高于平均風速，表明在年際變化上氣溫對積雪日數的影響強于平均風速。日照時數與積雪日數的相關性總體呈負相關，隨著積雪日數的增加，相關性呈現先增加后減少的趨勢，在91～120 天相關性達到最大值，表明積雪日數高的高海拔地區，由于云的影響日照時數相對較少，因此相關性減小。

2.4 隨機森林模型下各氣象因子對積雪日數的影響

利用ArcGIS 提取橫斷山區129 個氣象站點的高程、坡向、氣溫、降水、濕度、日照時數和風速的數值，將各影響因子的數值作為X變量，積雪日數作為Y變量，輸入到隨機森林回歸模型中進行運算。經過多次測試，當ntree=2 000 時，模型的誤差開始趨于平穩且能保證足夠大的樣本容量。因此，本文選擇ntree值為2 000作為構建的模型。根據模型的最優參數，對橫斷山區積雪日數建立隨機森林回歸模型，積雪日數的擬合度見表1。模型通過P＜0.001的極顯著檢驗，表明隨機森林回歸模型在積雪日數變化與影響因子關系的估計上具有最高的準確性。

表1 隨機森林回歸模型對積雪日數的擬合度Table 1 Fitness of random forest regression model on SCD

隨機森林回歸模型不能得到自變量的回歸系數，而是通過%IncMSE（增加均方誤差百分比）和IncNodePurity（增加節點純度）兩個變量重要性評分指標來評價自變量對因變量的作用程度［33］。%Inc-MSE 衡量把一個變量的取值變為隨機數后隨機森林預測準確性的降低程度，該值越大表示該因子對積雪日數的影響更具主導作用。IncNodePurity 衡量變量對各個決策樹節點的影響程度，值越大說明該變量對積雪日數的影響越重要［34］。

由圖14 可知，7 個影響橫斷山區積雪日數空間分布的因子中，%IncMSE 影響力從小到大依次為降水＜濕度＜坡向＜日照時數＜風速＜高程＜氣溫，Inc-NodePurity影響力從小到大依次為坡向＜濕度＜降水＜風速＜日照時數＜高程＜氣溫。由此可見，氣溫和高程對積雪日數影響較大，風速和日照時數對積雪日數影響起到次要作用，降水、濕度和坡向對積雪日數影響較小。

圖14 隨機森林回歸模型中氣象因子對積雪日數的作用Fig.14 Impacts of meteorological factors on SCD in random forest regression model

使用偏依賴關系圖來增強隨機森林模型的可解釋性（圖15），偏依賴圖顯示各影響因子和積雪日數之間的相關性。由圖可知，氣溫和日照時數與積雪日數呈負相關，隨著氣溫和日照時數的增加對積雪日數的影響總體呈減小趨勢；高程和相對濕度與積雪日數呈正相關，隨著高程和相對濕度的增加對積雪日數的影響總體呈增加趨勢；降水量和平均風速對積雪日數的影響較為相似，隨著降水量和平均風速的增加對積雪日數的影響大致經歷了5 個階段：穩定（波動）—減少—穩定（波動）—增加—穩定（波動）。對于不同坡向而言，北坡和西北坡對積雪日數的影響較大，陰坡影響較陽坡大。

圖15 各氣象因子對積雪日數的偏依賴關系Fig.15 Partial dependence relationships between meteorological factors and SCD

3 討論

本文對橫斷山區2001—2019 年MOD10A2 積雪數據分析，發現近19年來積雪覆蓋率和積雪日數均呈減少趨勢，積雪覆蓋率為-1.24%·（10a）-1，積雪日數為-0.152 d·（10a）-1，與很多學者的研究結果相似。葉紅等［25］研究表明橫斷山區部分地區積雪覆蓋率呈減少趨勢；楊志剛等［35］研究表明西藏東南部的念青唐古拉山和伯舒拉嶺是青藏高原積雪覆蓋率最高的地區之一但減少趨勢明顯，為-2.0%·a-1～-0.6%·a-1；唐小萍等［29］研究表明近40 年青藏高原東南部積雪呈顯著減少趨勢為-2.7 d·（10a）-1。橫斷山區積雪主要分布在西北部、北部的高海拔山區，車濤等［27］、唐志光等［10］研究表明青藏高原積雪日數大于120 d 的區域包括念青唐古拉山及橫斷山區的西側等區域，汪簫悅等［36］研究表明青藏高原南部念青唐古拉山地區平均積雪日數在200 d 以上，主要原因是受印度洋暖濕氣流的影響。橫斷山區近19 年氣溫呈略微上升的變化趨勢0.34 ℃·（10a）-1，降水呈略微減少的變化趨勢-3 mm·（10a）-1（圖16），與李宗省等［37］、徐飛等［28］研究的近50 年橫斷山區呈暖干化趨勢相一致，與青藏高原的暖濕化趨勢不同［38］，這種暖干化趨勢與橫斷山區積雪減少具有相關關系。沈鎏澄等［39］研究表明近幾十年青藏高原地區夏、秋積雪的減少與升溫有關。You等［40］利用71 個地面站點的數據證實了青藏高原東部的變暖趨勢。可以推測出，在暖干化趨勢下，未來積雪覆蓋率和積雪日數會進一步減少，進而對區域的生態環境產生一系列影響［5］，尤其是冰川的萎縮，會導致冰雪融水增多，進而對下游地區帶來洪澇、泥石流等災害［41］。Ye等［42］研究表明1976—2013年間青藏高原冰川面積減少了約3 229 km2，且東南部的湄公河流域減少幅度最大，為-4.3%·（10a）-1。Yao等［43］研究也表明了青藏高原東南部的冰川面積減少幅度最大，為-9%·（10a）-1。Kraaijenbrink 等［44］研究表明未來青藏高原冰川面積在不同RCP 情景下，會減少到目前面積的32%～64%。陳德亮等［45］研究表明未來青藏高原冰川以后退為主。Li 等［46］研究表明喀喇昆侖山脈夏季積雪的減少對冰川萎縮具有一致性。橫斷山區夏秋兩季的積雪減少與冰川萎縮的關系后續還需進一步的研究。

圖16 2001—2019年橫斷山區年平均氣溫和年降水量及其變化率的空間分布Fig.16 Spatial distribution of average annual air temperature and average annual precipitation in the Hengduan Mountains and their variation ratios from 2001 to 2019

使用CMIP 數據對未來積雪變化進行分析也是積雪研究的熱點之一，如Wei 等［47］利用4 種CMIP5模型對21世紀青藏高原積雪深度變化進行預測，研究表明青藏高原積雪深度呈減少趨勢，減少幅度在-1.1～-0.8 cm·（10a）-1之間。Brutel-Vuilmet等［48］利用CMIP5 對21 世紀北半球無冰土地的季節積雪覆蓋率進行預測，研究表明積雪覆蓋率呈減少趨勢，減少幅度在7.2%～24.7% 之間。高程對積雪分布同樣具有重要的影響［9］，且相較于其他地形因子對積雪分布的影響更大［49］，這與本文中隨機森林模型的結果相一致。

與傳統的氣象數據相比，MODIS遙感數據的局限在于時間尺度較短，本文選擇了2001—2019年作為研究時間序列，對積雪的時空變化難以得到明顯的變化趨勢。未來會將氣象數據與遙感數據相結合，從而獲取更長時間的積雪變化情況。橫斷山區MOD10A2 數據的精度問題，Pu 等［50］在青藏高原測得MOD10A2 的準確率在84%～91% 之間，且精度與積雪日數呈正相關，可以滿足本研究的要求。然而橫斷山區地形復雜，各相鄰區域之間的差異較大，山中的云量較青藏高原多，進而對數據的精度產生一定的影響。

本文選取了橫斷山區129 個氣象站點，相較于以往的研究，氣象站點數量較多且站點分布從海拔326.4 m（元陽）至海拔4 416.2 m（清水河），能夠得到更加精確的數據。但氣象站點在空間上具有一定差異，北部高海拔地區氣象站點較南部少。選擇站點數據代表全區域的氣象因子還是存在尺度影響，還包括插值的精度，后續研究還應該更加深入和細化，降低不確定性。積雪變化受氣溫和降水共同影響，很多學者也基于此對氣溫、降水與積雪的相關性做了很多研究［25，37］，本文在MOD10A2 積雪產品的基礎上結合氣象數據進行了研究，綜合分析了19 年來橫斷山區積雪日數時空分布特征及其與五種氣象因子的相關性。較之前的研究更加全面。氣溫升高會加快積雪的消融，降水則能對積雪進行補充與積累，但隨著全球氣候變暖以及印度季風強度的減弱［43］，造成了橫斷山區的積雪減少。同時較長的日照時數、較低的濕度意味著積雪受到的太陽輻射較多且氣候較為干燥，不利于積雪的積累，積雪的消融也就越快。風速對積雪的影響分迎風坡和背風坡，較快的風速在迎風坡發生降雪積雪增加，而在背風坡因水汽減少，發生焚風導致積雪減少。然而不同的氣象因子在不同月份、季節影響積雪變化的程度是不同的，比如積雪的減少可能與冬季氣溫和降雪有關［51］，后續應該從不同時間尺度分析氣象因子對積雪的影響。

4 結論

（1）橫斷山區2001—2019 年積雪覆蓋率總體呈緩慢減少的趨勢。2006年積雪覆蓋率最大，2015年積雪覆蓋率最小，自2008年后減少趨勢增大。橫斷山區積雪覆蓋率四季除春季外均呈減少趨勢，其中夏季和秋季減少最明顯。橫斷山區月積雪覆蓋率年內分布呈“單峰”型曲線，3 月積雪覆蓋率最大，7月積雪覆蓋率最小，春秋季積雪覆蓋率變化大。積雪覆蓋率與高程呈正相關，橫斷山區積雪主要分布在海拔3 000 m 以上的地區，積雪覆蓋率年際變化小且較為穩定。陰坡積雪覆蓋率高于陽坡。

（2）橫斷山區積雪日數在空間分布受地形影響較大。積雪日數較高的地區主要分布在西北部和北部的高海拔山地，而廣闊的中部、南部腹地積雪日數較低。其中，念青唐古拉山東側、伯舒拉嶺、他念他翁山、沙魯里山、大雪山以及邛崍山等山區積雪日數高。近19 年，橫斷山區28.46% 的地區積雪日數呈下降的趨勢，其中2.65% 的地區呈顯著下降趨勢，顯著下降的地區主要集中分布在中部的康定市、雅江縣、九龍縣及周邊地區；21.66% 的地區積雪日數呈增加的變化趨勢，其中0.68% 的地區呈顯著增加，顯著增加的地區主要集中分布在北部的達日縣、治多縣、瑪曲縣等高海拔山區。年均穩定性積雪呈緩慢減少的變化趨勢，面積占比為36.44%。

（3）積雪日數與氣溫、風速和日照時數呈負相關，其中氣溫和風速隨著積雪日數的增加，相關性呈現增加的趨勢，日照時數與積雪日數的相關性呈現先增加后減少的趨勢，積雪日數與相對濕度和降水量呈正相關，隨著積雪日數的增加，相關性呈現先增加后減少的趨勢。其中與降水量呈顯著正相關的地區主要集中在西北部雜多縣、稱多縣，西部八宿縣以及東部昭覺縣及其周邊地區；與風速呈顯著負相關的地區主要集中在西北部稱多縣，東北部汶川縣，中部康定市及其周邊地區；與氣溫呈顯著負相關的地區主要集中在西北部雜多縣—玉樹市一線、東北部白玉縣—北川縣一線以及中部的九龍縣及其周圍地區；與相對濕度呈顯著正相關的地區主要集中在北部雜多縣—石渠縣一線、貢覺縣—黑水縣一線和中部稻城縣、九龍縣及其周邊地區；與日照時數呈顯著負相關的地區主要集中在東北部瑪曲縣和西北部治多縣、雜多縣及其周邊地區。氣溫和高程對橫斷山區積雪日數的影響起到主導作用，日照時數和風速對積雪日數起到次要作用，相對濕度、降水和坡度對積雪日數的影響小。