三江源地區1980—2019年積雪時空動態特征及其對氣候變化的響應

陳龍飛， 張萬昌， 高會然

（1.中國科學院空天信息創新研究院數字地球重點實驗室，北京 100094； 2.中國科學院大學，北京 100049）

0 引言

三江源地區是長江、黃河、瀾滄江三條大河的發源地，水資源量豐富，是中國淡水資源的重要補給地。同時，也是高海拔地區中生物多樣性最豐富的地區之一。2016 年8 月，習近平總書記在青海考察時指出，“中華水塔”是國家的生命之源，保護好三江源，對中華民族發展至關重要[1］。三江源地區的生態系統服務功能具有重要且不可替代的地位，對中國的生態狀況及國民經濟發展起著不可或缺的作用[2-4］。

積雪是冰凍圈的重要組成部分，也是對氣候變化反應最為敏感的環境要素之一，通常作為檢驗與監測全球變化的一個重要指標[5-7］。中國是中、低緯度地區冰川和積雪最為豐富的國家，冬季積雪大約相當于7.4×1010m3水量，而青藏高原是我國三大積雪區之一，同時也是對全球氣候變化反應最為敏感的區域之一[8-9］。研究表明，在全球變暖的背景下，青藏高原地區呈現積雪日數、雪水當量減少，積雪初日推遲而積雪終日提前的變化趨勢[10-12］。目前絕大多數積雪遙感相關研究主要針對整個青藏高原地區，對于三江源地區積雪時空變化的研究較少，而利用遙感手段研究該區域積雪特征目前尚未有報道。開展三江源地區積雪遙感研究探究積雪時空特征，可為該區域水資源和生態環境保護提供科學資料以及理論依據。

獲取可靠的積雪數據是研究積雪時空動態特征的基礎，積雪數據的獲取手段目前主要有地面臺站觀測以及衛星遙感反演。地面臺站觀測可以直接獲取積雪參數，是一種非常有效的觀測手段[13］。劉曉嬌等[14］利用8個氣象站點記錄的逐日積雪深度數據研究了黃河源區1978—2016年積雪變化特征，結果表明黃河源區呈現出積雪初日推遲、終日提前和積雪日數減少的趨勢；許顯花等[15］利用2 個氣象站點資料分析了青海黃南南部區域1960—2015 年的積雪變化，結果表明該區域積雪日數呈增加趨勢，但趨勢并不顯著。這些結果雖然能夠反映研究區積雪總體變化特征，但單點觀測結果只能代表臺站附近的情況，而對于廣大未設置臺站的區域，仍然無法獲取數據。衛星遙感技術具有資料獲取速度快、覆蓋范圍廣、受地面條件限制少、信息量豐富等特點，被廣泛應用于積雪變化研究。楊志剛等[16］利用MOD10A1 積雪產品分析了2000—2014 年青藏高原積雪面積和覆蓋率的時空分布和變化特點；王曉茹等[17］利用逐日MODIS 積雪產品分析了亞洲高山區2001—2016 年融雪末期雪線高度的時空變化特征；Wang 等[6］利用AMSR-E 和MODIS 積雪產品研究了青藏高原2003—2010 年積雪日數和積雪面積的變化趨勢；Dai 等[18］利用AMSR-E 和MODIS數據對青藏高原積雪深度進行了估算。這些研究表明，應用積雪遙感產品是目前進行大尺度研究優先選擇的數據源，它能夠全面地反映地面積雪狀況，即便在站點稀疏的高海拔地區如青藏高原，同樣能夠快速獲取可靠的積雪資料。三江源地區地處青藏高原東部，整體海拔較高，其西部區域氣象站點稀疏，依靠地面臺站數據幾乎無法反映地面真實積雪情況。因此，本研究采用衛星遙感數據來研究三江源地區的積雪動態特征。

目前，大多數研究主要探究積雪特征變量的時間變化特征。許顯花等[15］分析了青海黃南南部區域1960—2015年的積雪變化趨勢，但未對積雪的空間變化進行探究；除多等[19］分析了青藏高原1981—2010 年積雪日數的變化趨勢，發現青藏高原地區年積雪日數出現顯著減少趨勢，冬季減幅最為明顯，但對于該區域積雪的空間變化仍然只是定性分析。重心模型能夠用于衡量某種屬性在區域總體的分布狀況，其變化趨勢則可以揭示該屬性整體的時空演變格局[20］。目前重心模型已被廣泛應用于人口、經濟、氣象、環境、植被等要素的時空演變格局研究[20-25］。鑒于此，本研究引入重心模型對三江源地區積雪的空間變化情況進行定量分析。

三江源地區近幾十年來積雪及氣候因子具有怎樣的時空動態特征，該區域積雪變化和氣溫之間存在怎樣的關系是本研究重點解決的問題。針對這兩個問題，利用逐日無云積雪面積和逐日積雪深度遙感產品，引入重心模型對三江源地區1980—2019 年4 個積雪參數（積雪日數、積雪深度、積雪初日和積雪終日）以及氣溫和降水量的空間演變格局進行研究，并利用Mann-Kendall（M-K）檢驗和Sen斜率估計分析積雪參數和氣候因子的變化趨勢，進而探究積雪對氣候變化的響應，并為三江源地區水資源和生態環境保護提供依據。

1 數據與方法

1.1 研究區概況

三江源地區位于中國西部，是青藏高原的組成部分（圖1）。其地理坐標為89°24′~102°27′E，31°32′~37°08′N，東西長1 156 km，南北寬592 km，總面積達36.9 萬km2。該區域整體海拔較高，且海拔呈現自西向東逐漸降低的特點。因此該區域氣象站點主要分布在東部海拔較低的黃河源區，而西部區域氣象站點較少。該區域雪山、冰川分布廣闊，水資源豐富，是長江、黃河、瀾滄江三條大河的發源地。本文根據集水區將研究區劃分為長江源區、瀾滄江源區、黃河源區。

圖1 研究區地形及氣象站點分布Fig. 1 Topography and distribution of meteorological stations over the study area

1.2 數據來源

中國逐日無云積雪面積數據集[26-28］來源于國家冰川凍土沙漠科學數據中心（http：//www.ncdc.ac.cn），時間和空間分辨率分別為1 d 和5 km，時間跨度為1980—2019 年。該數據是由美國國家海洋與大氣管理局（NOAA）發布的AVHRR-CDR 反射率產品經過處理得到的。處理步驟為：（1）以Landsat TM 數據為真值，利用多級決策樹積雪判別算法來訓練AVHRR-CDR 表面反射率數據，從而獲取初級產品；（2）利用隱馬爾科夫算法、多源數據融合方法對該初級產品進行去云處理，最終獲得逐日無云積雪面積產品。

中國逐日積雪深度長時間序列數據集[29］來源于國家青藏高原科學數據中心（http：//data.tpdc.ac.cn/zh-hans/），時間和空間分辨率分別為1 d 和25 km，時間跨度為1980—2019 年。該數據集是由被動微波數據反演得到的，原始數據來自美國國家雪冰數據中心（NSIDC）發布的SMMR（1978—1987年），SSM/I（1987—2007 年）和SSMI/S（2008—2019年）逐日被動微波亮溫數據，經過4個步驟的處理最終獲得逐日積雪深度數據[30-34］：（1）不同傳感器的交叉定標；（2）被動微波遙感雪深反演算法系數的確定；（3）識別積雪的被動微波遙感分類樹算法；（4）積雪反演。目前已有多項研究應用該數據集來研究積雪的變化特征，表明該數據集能夠有效地反映積雪的實際情況[35-37］。

三江源地區1980—2019 年逐日、逐月、逐年氣象站點數據來源于國家氣象科學數據中心（http：//data. cma. cn/）。中國1980—2015 年年平均氣溫和年降水量插值數據集來源于資源環境科學與數據中心（https：//www. resdc. cn/Default. aspx），原始數據的空間分辨率為1 km。將年平均氣溫和年降水量數據分別重采樣為5 km 和25 km 的空間分辨率，用于后續相關系數的計算。

1.3 研究方法

本研究利用重心模型來探究4個積雪參數以及氣候因子的時空變化特征。重心是物理學中的概念，指物體各部分所受重力產生合力的作用點[38］。重心的計算方法見式（1）~（2）。

式中：X和Y為物理量V在x和y方向的距離權重和總量之比，反映了V在空間上最大值的所在位置，即重心；n為研究區域所包含的柵格個數；Xi和Yi分別為第i個柵格中心的地理坐標；Vi為該柵格上的物理量；（X，Y）為物理量重心的地理坐標。隨著時間的推移，積雪參數和氣候因子的空間分布會發生變化，從而導致其重心的位置也發生變化[39］。因此，重心的移動距離和方向能夠反映地理要素的空間變化趨勢和軌跡，從而揭示地理要素的時空演變格局。

本研究利用Mann-Kendall（M-K）檢驗法[40-42］來分析4 個積雪參數以及氣候因子變化趨勢的顯著性。M-K 檢驗法是世界氣象組織推薦的一種非參數統計檢驗方法。在雙側檢驗下，給定顯著性水平α 時，當時間序列的標準化方差|Z|>Z1?α/2時，時間序列存在顯著趨勢。|Z|> 1.96 以及|Z|> 2.576 分別表示在顯著性水平α=0.05（即P＜0.05）以及α=0.01（即P＜0.01）下，時間序列存在顯著變化趨勢。

Sen 斜率估計方法[43-44］用于計算4 個積雪參數以及氣候因子的變化趨勢大小，其計算方法為

式中：b為時間序列的趨勢大小；j和i為年份；Xj和Xi分別為第j和第i年的變量值；median（）為取中位數的函數。計算所得結果為正值（負值）時，表示該時間序列具有上升（下降）趨勢，趨勢大小為b，計算結果為0則表明該時間序列不存在趨勢。

本研究利用積雪日數、積雪深度、積雪初日和積雪終日4個關鍵積雪參數來探究三江源地區積雪的時空動態特征。本文定義9 月1 日至次年8 月31日為一個水文年[5，9，45］，積雪日數定義為一個水文年內像元被積雪覆蓋的日數之和。為了避免短時間降雪事件的影響，積雪初日定義為如果水文年內像元首次出現積雪且往后連續14天均被積雪覆蓋，則該像元首次出現積雪的日期即為積雪初日。相反，積雪終日定義為如果水文年內像元最后一次出現積雪且往前連續14天均被積雪覆蓋，則該像元最后一次出現積雪的日期即為積雪終日[46-48］。

2 結果與討論

2.1 積雪和氣候因子的時空變化特征

2.1.1 時間變化

三江源地區1980—2019年積雪日數整體呈現減少趨勢，傾向率為-2.18 d·a-1[圖2（a）］，這表明該區域每經過10 年，積雪日數將會減少約22 d。1980—1988 年該區域積雪日數波動較大，1988—1990 年積雪日數減少幅度較大，由139.72 d 減少至38.31 d，而后1990—1999 年則呈現緩慢上升趨勢。1999—2001 年又出現快速減少趨勢，由73.34 d 減少至16.68 d；而2001—2019 年積雪日數均保持在較低水平，變化范圍為7.66~41.34 d。三江源地區1980—2019年積雪日數具有明顯的季節性特征。積雪主要分布在春季和冬季，積雪日數最大和最小的月份分別為1月和8月，1—8月積雪日數逐漸減小，而8—12月則逐漸增大[圖2（c）~（d）］。分析積雪深度可知，三江源地區1980—2019年的平均積雪深度整體呈現減少趨勢，傾向率為-0.22 mm·a-1，這表明每經過10年，該區域的平均積雪深度減少2.2 mm[圖2（a）］。1985 年該區域平均積雪深度最大，達62.30 mm，隨后1986 年則減少為12.19 mm。1986—1999 年呈現緩慢上升趨勢，1999—2001 年則又出現快速減少趨勢，由22.96 mm 減少至7.32 mm；而2001—2019 年積雪深度均保持在較低水平，變化范圍為3.75~26.82 mm。積雪深度同樣具有強烈的季節性特征。積雪深度較大的月份主要分布在10 月至次年5 月，10—12 月積雪深度逐漸增大，而12 月至次年5 月積雪深度逐漸減小，6—9 月則積雪深度幾乎為0[圖2（c）~（d）］。三江源地區積雪深度與積雪日數具有相似的變化特征，尤其是1999 年之后，兩者的變化趨勢幾乎一致，表明本文所采用的積雪覆蓋和積雪深度數據集具有良好的一致性，能夠有效地反映三江源地區真實的積雪動態情況。結合積雪日數及深度變化特征可知，該區域2001—2019 年積雪日數和深度均明顯小于1980—2000年的積雪日數和深度。

圖2 三江源地區1980—2019年積雪日數、積雪深度、積雪初日和積雪終日時間序列Fig. 2 Time series of snow cover days，snow depth，snow cover onset date and end date in the Three-River-Source region from 1980 to 2019：yearly variation of snow cover days and snow depth（a），yearly variation of snow cover onset date and end date（b），seasonal variation of snow cover days and snow depth（c）and monthly variation of snow cover days and snow depth（d）

三江源地區積雪初日呈現緩慢的上升趨勢，傾向率為0.35 d·a-1[圖2（b）］，這表明該區域每經過10 年，積雪初日推遲約3.5 d。積雪初日最早的年份為2009 年，10 月21 日開始出現連續積雪覆蓋；而積雪初日最晚的為2018年，直到次年1月27日才出現連續積雪覆蓋。而積雪終日則呈現下降趨勢，傾向率為-1.22 d·a-1[圖2（b）］，這表明該區域每經過10 年，積雪終日提前約12 d。2009 年積雪終日時間最早，為11 月16 日；而2018 年最晚，為次年3 月28日。由此可見，三江源地區積雪初日逐漸推遲，而積雪終日逐漸提前，且積雪終日的提前速率是積雪初日推遲速率的3.5 倍，這也是造成該區域積雪日數快速減少的原因。

通過分析三江源地區同期氣溫和降水量可知，無論月、季還是年尺度變化，三江源地區的氣溫和降水量均呈現出相似的變化趨勢（圖3）。三江源地區月平均氣溫在-15~15 ℃之間，每年7 月的月平均氣溫最高，而1 月最低；月降水量則為0~160 mm，最大和最小值同樣分別出現在7 月和1 月。該區域年平均氣溫和年降水量均呈現上升的趨勢，二者傾向率分別為0.05 ℃·a-1和1.87 mm·a-1[圖3（b）］。這表明每經過10 年，該區域的年平均氣溫升高0.5 ℃，而年降水量則會增加18.7 mm。

圖3 三江源地區1980—2019年氣溫和降水量時間序列Fig. 3 Time series of air temperature and precipitation in the Three-River-Source region from 1980 to 2019：monthly variation（a），yearly variation（b）and seasonal variation（c）

由此可見，三江源地區積雪、氣溫和降水量均具有強烈的季節性特征，1980—2019 年三江源地區積雪日數和積雪深度呈現減少趨勢，而同期氣溫和降水量則呈現上升趨勢。氣溫升高會導致部分降雪轉變為降雨，導致該區域降雪時間推遲。同時氣溫升高會加快積雪消融速度，從而導致積雪消融完畢時間逐漸提前。因此，隨著年平均氣溫的升高，三江源地區積雪日數和積雪深度逐漸減少，積雪初日逐漸推遲，而積雪終日則逐漸提前。

2.1.2 空間變化

就空間變化特征而言，三江源地區積雪日數和積雪深度具有相似的空間分布特征（圖4）。1980—1998 年積雪日數和深度較大的區域分布較廣闊，主要分布在該區域的西部和中南部地區，且積雪區域主要呈現面狀分布；而2004 年之后，積雪區域只零散的分布在三江源地區海拔較高的區域。隨著時間的推移，積雪初日的圖像顏色逐漸加深，而積雪終日則逐漸變淺（圖5），表明三江源地區積雪初日逐漸推遲，積雪終日則逐漸提前。此外，積雪初日和終日的分布面積正在逐漸減小，1980—1998 年主要呈現大面積面狀分布；2004 年之后則僅零散地分布在三江源地區海拔較高的區域，表明三江源地區能夠保持連續14天積雪覆蓋的區域正在快速減少。由此可見，三江源地區積雪區域面積正在逐漸縮小，由大面積的面狀分布逐漸變成零散的點狀分布，且積雪初日逐漸推遲，而積雪終日逐漸提前。

圖4 三江源地區1980—2019年部分年份積雪日數和積雪深度空間分布Fig. 4 Spatial distributions of snow cover days（a）and snow depth（b）in some years from 1980 to 2019 in the Three-River-Source region

圖5 三江源地區1980—2019年部分年份積雪初日和積雪終日空間分布Fig. 5 Spatial distributions of snow cover onset date（a）and end date（b）in some years from 1980 to 2019 in the Three-River-Source region

為了定量化衡量積雪的空間變化情況，本文分別計算了三江源地區積雪日數、深度、初日和終日1980—2019 年逐年重心坐標并繪制其時間序列圖[圖6（a）~（d）］。結果表明，近40 年來，三江源地區積 雪 日 數 重 心 在93.58°~96.54° E 和33.87°~34.28° N 之 間 變 化，積 雪 深 度 重 心 在94.20°~97.62°E和33.29°~34.32°N之間變化。積雪日數、深度、初日和終日的重心位置在經度方向均呈現上升趨勢，傾向率分別為0.0112°E·a-1、0.0249°E·a-1、0.0104° E·a-1和0.0123° E·a-1，而在緯度方向位置變化較小。這表明三江源地區的積雪日數、深度、初日和終日的分布區域逐漸向東移動，且每經過10年，其重心位置分別向東移動約0.112°（約10 km）、0.249°（約23 km）、0.104°（約10 km）和0.123°（約11 km）。

圖6 三江源地區4個積雪參數（1980—2019年）和年平均氣溫、年降水量（1980—2015年）的重心位置變化Fig. 6 Changes in gravity center of the four snow cover parameters from 1980 to 2019，and annual mean air temperature and annual precipitation from 1980 to 2015 in the Three-River-Source region：snow cover days（a），snow depth（b），snow cover onset date（c），snow cover end date（d），annual mean air temperature（e）and annual precipitation（f）

采用相同的方法分別對研究區1980—2015 年的年平均氣溫和年降水量數據進行處理[圖6（e）~（f）］，結果表明，1980—2015 年三江源地區年平均氣溫的重心位置在經度方向呈現下降趨勢，傾向率為-0.0651° E·a-1，在緯度方向變化趨勢較小；而年降水量的重心位置在經度和緯度方向幾乎無變化。由此可見，每經過10 年，該區域年平均氣溫的重心位置向西移動約0.651°（約60 km），速率分別是積雪日數和積雪深度重心位置向東移動速率的6 倍和2倍。

由此可見，三江源地區1980—2019 年積雪日數、深度、初日和終日的重心位置呈現出東移的變化趨勢，而同時期的年平均氣溫重心呈現出西移的變化趨勢。重心位置的變化實際上是由地理要素在不同區域之間的變化存在差異而導致的。對于4個積雪參數而言，在三江源地區積雪逐漸減少的變化趨勢下，該區域西部地區的積雪減少速率大于東部區域，從而導致4 個積雪參數重心逐漸東移。對于年平均氣溫而言，在三江源地區氣溫逐漸升高的變化趨勢下，該區域西部的氣溫升高速率大于東部區域，從而導致年平均氣溫重心逐漸西移。由此可見，三江源地區積雪參數和氣候因子的變化趨勢均呈現出較強的空間異質性。西部氣溫升高速率大于東部導致西部積雪日數和深度減少速率同樣大于東部，從而導致氣溫重心西移而積雪參數重心東移。

2.2 積雪和氣候因子的變化趨勢

上文結果表明三江源地區積雪呈現減少趨勢，而年平均氣溫和年降水量則呈現上升趨勢，但其變化趨勢均呈現較強的空間異質性。為了定量探究積雪日數、積雪深度、積雪初日、積雪終日、年平均氣溫和年降水量的變化趨勢在不同區域的差異情況，本文聯合M-K 檢驗和Sen 斜率估計方法從柵格層面分別檢驗了6個變量變化趨勢的顯著性以及趨勢大小。

由表1 可知，瀾滄江源區的積雪日數和積雪深度均呈現減少趨勢，且減少趨勢最大，分別為-2.44 d·a-1和-0.32 mm·a-1；其次是長江源區，分別為-1.79 d·a-1和-0.17 mm·a-1；而對于黃河源區，其積雪日數呈現減少趨勢（-1.36 d·a-1），而積雪深度卻呈現微弱的上升趨勢（0.03 mm·a-1），但絕大多數區域并未通過顯著性檢驗[圖7（b）］。對于積雪日數變化趨勢的空間分布而言[圖7（a）］，三江源地區絕大多數區域的積雪日數都呈現出顯著減少趨勢，其中減少速率較大的區域主要分布在長江源區東部和南部、瀾滄江源區以及黃河源區的中部和南部，傾向率達-5 d·a-1；而減少速率較小的區域則主要分布在黃河源區的東北部，傾向率約為-1 d·a-1。積雪深度的變化趨勢與積雪日數呈現出相似的空間分布，大部分區域同樣呈現出顯著減少趨勢，減少速率較大的區域主要分布在瀾滄江源區北部和長江源區西南部，傾向率達-0.8 mm·a-1；而在瀾滄江源區南端以及黃河源區的東南部部分區域，積雪深度呈現出輕微上升趨勢，但該趨勢并不顯著。

表1 三江源地區4個積雪參數（1980—2019年）和年平均氣溫、年降水量（1980—2015年）的傾向率Table 1 Tendency of the four snow cover parameters from 1980 to 2019，and annual mean air temperature and annual precipitation from 1980 to 2015 in the Three-River-Source region

圖7 三江源地區4個積雪參數（1980—2019年）和年平均氣溫、年降水量（1980—2015年）趨勢顯著性及傾向率的空間分布Fig. 7 Spatial distributions of trend significance and tendency of the four snow cover parameters from 1980 to 2019，and annual mean air temperature and annual precipitation from 1980 to 2015 in the Three-River-Source region：snow cover days（a），snow depth（b），snow cover onset date（c），snow cover end date（d），annual mean air temperature（e）and annual precipitation（f）

三個源區均呈現出積雪初日推遲、積雪終日提前的趨勢（表1）。瀾滄江源區的變化趨勢最大，積雪初日推遲、積雪終日提前速率分別為1.18 d·a-1和-1.08 d·a-1；其次是長江源區，分別為0.25 d·a-1和-0.43 d·a-1；最后是黃河源區，分別為0.24 d·a-1和-0.31 d·a-1。積雪初日和終日的變化趨勢具有相似的空間分布，傾向率較大的區域主要分布在長江源區東部、瀾滄江源區北部以及黃河源區西部，積雪初日和終日的傾向率分別達到2 d·a-1和-3 d·a-1。這表明每經過10 年，該區域積雪初日推遲20 d，同時積雪終日提前30 d。

對于氣候要素而言，長江源區、瀾滄江源區和黃河源區年均氣溫傾向率分別為0.06 ℃·a-1、0.05 ℃·a-1和0.05 ℃·a-1。除了黃河源區南端小部分區域外，整個三江源地區的年均氣溫均呈現出顯著上升趨勢，且其傾向率自東南向西北逐漸增大。黃河源區東南部區域的傾向率為0~0.02 ℃·a-1，而長江源區南部和西北部的傾向率則超過0.06 ℃·a-1。長江源區和瀾滄江源區同期的年降水量呈現上升趨勢，傾向率分別為1.17 mm·a-1和1.00 mm·a-1；而黃河源區則呈現下降趨勢，傾向率為-0.06 mm·a-1，但幾乎整個三江源地區年降水量的變化趨勢均未通過顯著性檢驗。

由此可見，三江源地區絕大部分區域1980—2019 年積雪日數和積雪深度呈現顯著減少的變化趨勢，而同期該區域氣候則朝暖濕方向變化。胡豪然等[49］利用38 個站點資料研究了青藏高原東部地區1961—2010 年冬季積雪的時空變化特征；姜琪等[50］利用110 個氣象站數據研究了青藏高原地區1961—2014 年 積 雪 時 空 特 征；車 濤 等[51］利 用AVHRR 以及被動微波數據研究了青藏高原地區1980—2016 年的積雪變化特征，均發現積雪日數或積雪深度呈現減少的變化趨勢。本研究還發現黃河源區積雪深度呈現微弱的上升趨勢（0.03 mm·a-1），這與劉曉嬌等[14］利用8個氣象站點數據研究黃河源區1978—2016年積雪深度時所得結果一致，其上升趨勢同樣為0.03 mm·a-1。由此表明，本研究所采用的積雪面積數據集以及積雪深度數據集能夠很好地反映三江源地區積雪日數和積雪深度的真實情況。此外，三江源地區積雪參數的變化與該區域氣候要素的變化具有一定的相關關系。

2.3 積雪對氣候變化的響應

上文研究結果表明三江源地區4個積雪參數的變化與該區域氣候要素的變化具有一定的相關關系。為了定量探究4 個積雪參數對氣候變化的響應，本文分別計算了三江源地區1980—2015年積雪日數、積雪深度、積雪初日、積雪終日與年平均氣溫和年降水量的相關系數。

由表2 可知，整個三江源地區積雪日數與氣溫呈現負相關關系，相關系數達-0.52，通過了P＜0.001 的顯著性檢驗。其中長江源區、黃河源區、瀾滄江源區的負相關系數依次為-0.47、-0.57、-0.65，均通過了P＜0.01 的顯著性檢驗。就相關系數空間分布而言，除極少數柵格外，幾乎整個三江源地區積雪日數與氣溫都呈現正相關關系[圖8（a）］，其中相關系數較大的區域主要分布在長江源區西部和東部、瀾滄江源區北部以及黃河源區的中部和西部，相關系數超過-0.6，部分地區甚至超過-0.8。整個三江源地區積雪深度與氣溫同樣呈現負相關關系，相關系數為-0.40，長江源區、黃河源區、瀾滄江源區的相關系數分別為-0.46、-0.34、-0.34，均通過P＜0.05 的顯著性檢驗。但相比于積雪日數與氣溫的相關系數，積雪深度的相關系數相對較小。積雪深度與氣溫的相關系數較大的區域主要分布在長江源區、瀾滄江源區北部以及黃河源區西部，系數值超過-0.4[圖8（b）］。瀾滄江源區南部以及黃河源區東部區域雖出現少量正相關系數，但均未通過顯著性檢驗。由此可見，三江源地區積雪日數和深度隨著該區域年平均氣溫的升高在逐漸減少，且積雪日數對于年平均氣溫升高的響應更為敏感。

表2 三江源地區1980—2015年4個積雪參數與年平均氣溫、年降水量的相關系數均值Table 2 Mean correlation coefficients between the four snow cover parameters and annual mean air temperature，annual precipitation from 1980 to 2015 in the Three-River-Source region

整個三江源地區積雪初日與氣溫呈現顯著的正相關關系（P＜0.05），其中相關性最強的為瀾滄江源區（0.43），通過P＜0.01 的顯著性檢驗；其次為長江源區（0.39），通過P＜0.05 的顯著性檢驗；而黃河源區相關系數最小（0.26），且相關性不顯著。積雪初日與氣溫的正相關系數幾乎遍布整個研究區域[圖8（c）］，其中相關性較強的區域主要分布在長江源區東部、瀾滄江源區北部和黃河源區西部，相關系數超過0.4；而黃河源區東部則相關系數較小，甚至出現負相關系數，但相關性并不顯著。而三江源地區積雪終日與氣溫的相關系數分布情況與積雪初日相似，但積雪終日與氣溫呈現負相關關系。由此可見，除黃河源區東部區域外，三江源地區積雪初日和終日與氣溫分別呈現顯著正相關關系和顯著負相關關系。即隨著年平均氣溫的升高，該區域積雪初日逐漸推遲，而積雪終日則逐漸提前。

圖8 三江源地區1980—2015年4個積雪參數與年平均氣溫的相關系數空間分布Fig. 8 Spatial distributions of correlation coefficients between the four snow cover parameters and annual mean air temperature from 1980 to 2015 in the Three-River-Source region：snow cover days and air temperature（a），snow depth and air temperature（b），snow cover onset date and air temperature（c）and snow cover end date and air temperature（d）

4 個積雪參數與年降水量的相關性均不顯著，因此本研究未進一步從柵格層面分析4個積雪參數與年降水量的相關系數空間分布情況。由于年降水量包含降雪量，理論上，當年平均氣溫恒定的情況下，年降水量的增加會導致降雪量也有所增加，從而使積雪日數和積雪深度增大。然而，由于三江源地區的年平均氣溫逐漸升高，導致降雪的溫度條件更加難以滿足，部分降雪轉變為降雨，從而導致該區域降雪時間推遲[52］。此外氣溫升高會加快積雪消融速度，從而導致積雪消融完畢的時間逐漸提前；同時積雪消融期由于溫度不足達到降雪條件，此時降雨量的增加也會加速積雪的消融[9］。因此，年平均氣溫的升高減弱了4個積雪參數與年降水量的相關關系，從而導致降水對積雪參數雖產生一定的影響但在數理統計上并不顯著。譚秋陽等[53］研究了1979—2017 年雅魯藏布江流域積雪深度與氣候因子的關系；白淑英等[54］研究了近30年來西藏地區積雪深度與氣候因子的關系；劉金平等[9］研究了2000—2014 年雅魯藏布江流域積雪對氣候變化的響應，研究結果均表明降水量與積雪參數的相關性不顯著。因此，三江源地區積雪日數、深度、初日和終日的變化主要受年平均氣溫的影響。積雪日數對氣溫升高響應最敏感，其次是積雪深度、積雪初日和積雪終日；而年降水量與4 個積雪參數的相關性均不顯著。

3 結論

本文基于AVHRR-CDR 逐日無云積雪面積數據集和SMMR、SSM/I、SSMI/S 逐日被動微波亮溫數據集引入重心模型分析了三江源地區1980—2019 年積雪日數、積雪深度、積雪初日和積雪終日的時空動態特征，并探究了4 個積雪參數對研究區年平均氣溫和年降水量變化的響應。研究結論如下：

（1）在時間變化特征上，1980—2019 年三江源地區積雪日數和積雪深度均呈現減少的變化趨勢，減少速率分別為-2.18 d·a-1和-0.22 mm·a-1；積雪初日逐漸推遲而積雪終日逐漸提前，變化速率分別為0.35 d·a-1和-1.22 d·a-1，積雪終日提前速率是積雪初日推遲速率的3.5倍。該區域同期的氣溫和降水量則呈現上升趨勢，上升速率分別為0.05 ℃·a-1和1.87 mm·a-1。在空間變化特征上，4 個積雪參數的重心呈現出東移的變化趨勢，東移速率分別為1.0 km·a-1、2.3 km·a-1、1.0 km·a-1、1.1 km·a-1。同期的年降水量重心幾乎無變化，而年平均氣溫的重心則呈現出西移的變化趨勢，西移速率為6.0 km·a-1，分別是積雪日數和積雪深度重心位置東移速率的6倍和2倍，表明三江源地區4個積雪參數和氣候因子的變化趨勢均呈現出較強的空間異質性。西部氣溫升高速率大于東部導致西部積雪日數和深度減少速率同樣大于東部，從而導致氣溫重心西移而積雪參數重心東移。

（2）瀾滄江源區的積雪日數減少、積雪深度減少、積雪初日推遲以及積雪終日提前速率最大，分別為-2.44 d·a-1、-0.32 mm·a-1、1.18 d·a-1和-1.08 d·a-1，其次是長江源區和黃河源區。除黃河源區部分區域的積雪深度呈現微弱的不顯著上升趨勢外，三江源地區積雪日數、積雪深度逐漸減少，積雪初日逐漸推遲而積雪終日逐漸提前。對于同期年平均氣溫和年降水量而言，除黃河源區的年降水量呈現微弱的下降趨勢外，其余均呈現上升趨勢。因此，三江源地區積雪參數的變化與該區域氣候要素的變化具有一定的相關關系。

（3）進一步的相關性分析表明，整個三江源地區積雪日數、積雪深度、積雪終日與年平均氣溫均呈現顯著負向相關關系（P＜0.05），而積雪初日與氣溫則呈現顯著正向相關關系（P＜0.05）。其中相關系性較強的區域主要分布在長江源區東部，瀾滄江源區北部以及黃河源區西部。三江源地區4個積雪參數與年降水量的相關性均未通過顯著性檢驗。由此可見，三江源地區氣溫的升高是導致該區域積雪日數和積雪深度減少、積雪初日推遲而積雪終日提前的主要影響因子。積雪日數對氣溫升高響應最敏感，其次是積雪深度、積雪初日和積雪終日；而降水量的變化對于該區域積雪參數的變化影響較小。

因此，隨著全球氣候變暖的持續，三江源地區的積雪日數和積雪深度持續減少，同時積雪初日持續推遲而積雪終日持續提前，這可能導致積雪在春季來臨之前完全融化。冬季積雪融水是植物生長季開始時土壤水分的主要來源，同時也是初春時期河流徑流的主要來源。積雪的提前融化會影響該區域植物的生長，這對于生態環境原本就脆弱的三江源地區而言是不利的。春季河流徑流量的減少也會影響下游地區農作物的生長，對區域糧食安全造成威脅。