Snow cover variation and its impacts over the Qinghai-Tibet Plateau
1
2019
... 积雪是冰冻圈的重要组成部分,积雪的时空分布,雪深、积雪覆盖率等变化对全球能量平衡以及水文循环具有显著的影响[1-2].被称为“世界屋脊”的青藏高原是北半球中纬度海拔最高、积雪覆盖范围最广的区域,在气候变化的背景下,其积雪变化异常强烈.IPCC第五次评估报告指出,由于人类活动和气候变化的影响,全球平均气温自1880年至2012年上升了0.85 ℃,且青藏高原对气候变化的响应尤为强烈[3].青藏高原复杂多变的地形和较高的海拔是维持和影响高原积雪变化的重要条件,雪深作为反映积雪动态变化特征的重要参数,研究其时空分布和动态变化规律,对研究高寒地区积雪具有重要意义[4-6]. ...
青藏高原积雪变化及其影响
1
2019
... 积雪是冰冻圈的重要组成部分,积雪的时空分布,雪深、积雪覆盖率等变化对全球能量平衡以及水文循环具有显著的影响[1-2].被称为“世界屋脊”的青藏高原是北半球中纬度海拔最高、积雪覆盖范围最广的区域,在气候变化的背景下,其积雪变化异常强烈.IPCC第五次评估报告指出,由于人类活动和气候变化的影响,全球平均气温自1880年至2012年上升了0.85 ℃,且青藏高原对气候变化的响应尤为强烈[3].青藏高原复杂多变的地形和较高的海拔是维持和影响高原积雪变化的重要条件,雪深作为反映积雪动态变化特征的重要参数,研究其时空分布和动态变化规律,对研究高寒地区积雪具有重要意义[4-6]. ...
Analyses of the spatiotemporal variations of snow cover in North Xinjiang
1
2014
... 积雪是冰冻圈的重要组成部分,积雪的时空分布,雪深、积雪覆盖率等变化对全球能量平衡以及水文循环具有显著的影响[1-2].被称为“世界屋脊”的青藏高原是北半球中纬度海拔最高、积雪覆盖范围最广的区域,在气候变化的背景下,其积雪变化异常强烈.IPCC第五次评估报告指出,由于人类活动和气候变化的影响,全球平均气温自1880年至2012年上升了0.85 ℃,且青藏高原对气候变化的响应尤为强烈[3].青藏高原复杂多变的地形和较高的海拔是维持和影响高原积雪变化的重要条件,雪深作为反映积雪动态变化特征的重要参数,研究其时空分布和动态变化规律,对研究高寒地区积雪具有重要意义[4-6]. ...
北疆地区积雪时空变化的影响因素分析
1
2014
... 积雪是冰冻圈的重要组成部分,积雪的时空分布,雪深、积雪覆盖率等变化对全球能量平衡以及水文循环具有显著的影响[1-2].被称为“世界屋脊”的青藏高原是北半球中纬度海拔最高、积雪覆盖范围最广的区域,在气候变化的背景下,其积雪变化异常强烈.IPCC第五次评估报告指出,由于人类活动和气候变化的影响,全球平均气温自1880年至2012年上升了0.85 ℃,且青藏高原对气候变化的响应尤为强烈[3].青藏高原复杂多变的地形和较高的海拔是维持和影响高原积雪变化的重要条件,雪深作为反映积雪动态变化特征的重要参数,研究其时空分布和动态变化规律,对研究高寒地区积雪具有重要意义[4-6]. ...
Key findings and assessment results of IPCC WGI Fifth Assessment Report
1
2013
... 积雪是冰冻圈的重要组成部分,积雪的时空分布,雪深、积雪覆盖率等变化对全球能量平衡以及水文循环具有显著的影响[1-2].被称为“世界屋脊”的青藏高原是北半球中纬度海拔最高、积雪覆盖范围最广的区域,在气候变化的背景下,其积雪变化异常强烈.IPCC第五次评估报告指出,由于人类活动和气候变化的影响,全球平均气温自1880年至2012年上升了0.85 ℃,且青藏高原对气候变化的响应尤为强烈[3].青藏高原复杂多变的地形和较高的海拔是维持和影响高原积雪变化的重要条件,雪深作为反映积雪动态变化特征的重要参数,研究其时空分布和动态变化规律,对研究高寒地区积雪具有重要意义[4-6]. ...
IPCC第一工作组第五次评估报告对全球气候变化认知的最新科学要点
1
2013
... 积雪是冰冻圈的重要组成部分,积雪的时空分布,雪深、积雪覆盖率等变化对全球能量平衡以及水文循环具有显著的影响[1-2].被称为“世界屋脊”的青藏高原是北半球中纬度海拔最高、积雪覆盖范围最广的区域,在气候变化的背景下,其积雪变化异常强烈.IPCC第五次评估报告指出,由于人类活动和气候变化的影响,全球平均气温自1880年至2012年上升了0.85 ℃,且青藏高原对气候变化的响应尤为强烈[3].青藏高原复杂多变的地形和较高的海拔是维持和影响高原积雪变化的重要条件,雪深作为反映积雪动态变化特征的重要参数,研究其时空分布和动态变化规律,对研究高寒地区积雪具有重要意义[4-6]. ...
Spatio-temporal distribution patterns of snow cover on the Tibet and orographic impacts
5
2017
... 积雪是冰冻圈的重要组成部分,积雪的时空分布,雪深、积雪覆盖率等变化对全球能量平衡以及水文循环具有显著的影响[1-2].被称为“世界屋脊”的青藏高原是北半球中纬度海拔最高、积雪覆盖范围最广的区域,在气候变化的背景下,其积雪变化异常强烈.IPCC第五次评估报告指出,由于人类活动和气候变化的影响,全球平均气温自1880年至2012年上升了0.85 ℃,且青藏高原对气候变化的响应尤为强烈[3].青藏高原复杂多变的地形和较高的海拔是维持和影响高原积雪变化的重要条件,雪深作为反映积雪动态变化特征的重要参数,研究其时空分布和动态变化规律,对研究高寒地区积雪具有重要意义[4-6]. ...
... 早期学者主要通过获取地面观测资料研究积雪的时空变化,但青藏高原地区属于典型的缺资料地区,站点分布稀疏,因此研究范围十分有限.随着遥感技术的发展,20世纪70年代以来,为获得长时间序列、大范围的积雪时空动态变化,遥感数据被广泛应用于不同尺度区域的冰雪研究,这也为青藏高原地区积雪监测提供了有效手段.1998年,柯长青等[7]利用美国国家海洋气象局(NOAA)周积雪面积、美国宇航局(NASA)研制的多通道微波扫描辐射仪SMMR微波候积雪深度产品和地面气象台站雪深资料研究了青藏高原积雪的空间分布特征;2014年,颜伟等[8]利用美国国家冰雪数据中心(NSIDC)提供的中分辨率成像光谱仪MODIS 积雪覆盖产品,结合DEM数字高程模型分析了青藏高原北部西昆仑山玉龙喀什河流域积雪面积的空间分布特征;同年,白淑英等[9]利用1979—2010年逐日中国雪深长时间序列数据集分析了青藏高原雪深时空变化特征及其对气候因子的响应关系;2017年,除多等[4]利用MODIS/Terra 8日合成积雪数据MOD10A2和数字高程模型DEM,分析了2000—2014年西藏高原积雪覆盖率时空分布及其与地形因子的关系;2019年,沈鎏澄等[10]利用地面站台雪深、气温和降水观测资料研究了1961—2014年青藏高原中东部积雪深度时空变化特征及其对气候因子的响应;同年,拉巴卓玛等[11]利用MODIS逐日积雪无云产品,结合DEM高程数据、气象站台数据,分析了2002—2015年雅鲁藏布江流域积雪覆盖率变化特征及其与气象因素的相关性. ...
... 雅江流域内雪深空间分布差异明显,呈现“二高二低”相间分布的特征(图5).2个雪深高值区,分布在流域西部边缘处的雅江源头区域、流域东部的山地地区,多年平均雪深在9.0 cm以上;2个雪深低值区,分布在中游河谷地带、下游至流域出口区域,多年平均雪深低于0.8 cm[图5(a)].流域内有64.0%的地区多年平均雪深小于2.0 cm,分布在中游河谷地区和雅江出口区域;16.8%的地区多年平均雪深在2~4 cm;6.7%的地区多年平均雪深在6 cm以上,主要分布在流域东部边缘的念青唐古拉山.夏季流域内43.5%的地区积雪全部融化,雪深为0[图5(c)];冬季10.1%的区域雪深在10.0 cm以上[图5(e)].整体上,雅江流域的雪深分布与降水和高程分布有着较好的一致性.降水为积雪提供资源供给[32-33],该流域的降水主要来源是孟加拉湾的暖湿气流,沿雅江河谷上溯,流域降水自下游往上游递减.气温和海拔影响积雪的积累,高海拔地区的念青唐古拉山脉、喜马拉雅山脉积雪深厚,持续时间长[4];中游河谷地区降水较少且海拔较低不利于积雪积累;东部下游地区属山地亚热带、热带气候,不利于积雪形成[14].雅江流域雪深的空间分布与流域内的气象因子和地形地貌特征有着密切的联系. ...
... 地形是影响积雪形成和分布的重要因子,高海拔地区气温低,有利于积雪的形成和维持,而低海拔地区高温条件不利于积雪的形成,一般来说,山地积雪具有一定的垂直递增规律[4,34].此外,坡度、坡向对积雪的积累也有影响,导致同一海拔高度雪深的差异较大. ...
... 采用最邻近法将DEM数据重采样至25 km,使其与雪深数据空间分辨率一致.高程是影响积雪分布与变化的重要地形因子,雅江流域内地形复杂且海拔差异大,从雪深的空间分布来看,山地区域的雪深普遍高于河谷地区.海拔4 000 m以下,雪深随着高程的增加而增加,流域内0~2 000 m、2 000~3 000 m、3 000~4 000 m高度带多年平均雪深分别为0.02 cm、0.71 cm、2.48 cm,有着较好的垂直递增规律.4 000~5 000 m高度带之间,雪深随高程的分布出现了一个“陡坎”,这与白淑英等[35]在研究青藏高原雪深与地形因子的关系时得到的结论一致[表2、图8(a)].且流域最大雪深分布在4 500~5 000 m之间,并非在海拔最大处,说明雪深与高程并非简单的线性关系,这与刘金平等[15]利用雪深站点数据分析青藏高原雪深分布特征时得到的结论一致.冬季和年均雪深最大值均出现在4 500~5 000 m高程处[图8(a)、8(e)],这可能是由于冬季由于受到高原冷高压的影响,海拔5 000 m以上的降雪过程较少,加上盛行西风吹雪使得积雪迁移至河谷或海拔较低的区域[4],因此冬季雪深的峰值出现在此高度带,风吹雪造成的积雪再分配作用值得进一步研究.在年内分布方面,夏季4 000 m以下的积雪基本消融[图8(c)],冬季2 000m以上的积雪深度平均可达4.19 cm[图8(e)],2 000 m以上高度带雪深季节间变化大[图8(a)~(e)]. ...
西藏高原积雪覆盖空间分布及地形影响
5
2017
... 积雪是冰冻圈的重要组成部分,积雪的时空分布,雪深、积雪覆盖率等变化对全球能量平衡以及水文循环具有显著的影响[1-2].被称为“世界屋脊”的青藏高原是北半球中纬度海拔最高、积雪覆盖范围最广的区域,在气候变化的背景下,其积雪变化异常强烈.IPCC第五次评估报告指出,由于人类活动和气候变化的影响,全球平均气温自1880年至2012年上升了0.85 ℃,且青藏高原对气候变化的响应尤为强烈[3].青藏高原复杂多变的地形和较高的海拔是维持和影响高原积雪变化的重要条件,雪深作为反映积雪动态变化特征的重要参数,研究其时空分布和动态变化规律,对研究高寒地区积雪具有重要意义[4-6]. ...
... 早期学者主要通过获取地面观测资料研究积雪的时空变化,但青藏高原地区属于典型的缺资料地区,站点分布稀疏,因此研究范围十分有限.随着遥感技术的发展,20世纪70年代以来,为获得长时间序列、大范围的积雪时空动态变化,遥感数据被广泛应用于不同尺度区域的冰雪研究,这也为青藏高原地区积雪监测提供了有效手段.1998年,柯长青等[7]利用美国国家海洋气象局(NOAA)周积雪面积、美国宇航局(NASA)研制的多通道微波扫描辐射仪SMMR微波候积雪深度产品和地面气象台站雪深资料研究了青藏高原积雪的空间分布特征;2014年,颜伟等[8]利用美国国家冰雪数据中心(NSIDC)提供的中分辨率成像光谱仪MODIS 积雪覆盖产品,结合DEM数字高程模型分析了青藏高原北部西昆仑山玉龙喀什河流域积雪面积的空间分布特征;同年,白淑英等[9]利用1979—2010年逐日中国雪深长时间序列数据集分析了青藏高原雪深时空变化特征及其对气候因子的响应关系;2017年,除多等[4]利用MODIS/Terra 8日合成积雪数据MOD10A2和数字高程模型DEM,分析了2000—2014年西藏高原积雪覆盖率时空分布及其与地形因子的关系;2019年,沈鎏澄等[10]利用地面站台雪深、气温和降水观测资料研究了1961—2014年青藏高原中东部积雪深度时空变化特征及其对气候因子的响应;同年,拉巴卓玛等[11]利用MODIS逐日积雪无云产品,结合DEM高程数据、气象站台数据,分析了2002—2015年雅鲁藏布江流域积雪覆盖率变化特征及其与气象因素的相关性. ...
... 雅江流域内雪深空间分布差异明显,呈现“二高二低”相间分布的特征(图5).2个雪深高值区,分布在流域西部边缘处的雅江源头区域、流域东部的山地地区,多年平均雪深在9.0 cm以上;2个雪深低值区,分布在中游河谷地带、下游至流域出口区域,多年平均雪深低于0.8 cm[图5(a)].流域内有64.0%的地区多年平均雪深小于2.0 cm,分布在中游河谷地区和雅江出口区域;16.8%的地区多年平均雪深在2~4 cm;6.7%的地区多年平均雪深在6 cm以上,主要分布在流域东部边缘的念青唐古拉山.夏季流域内43.5%的地区积雪全部融化,雪深为0[图5(c)];冬季10.1%的区域雪深在10.0 cm以上[图5(e)].整体上,雅江流域的雪深分布与降水和高程分布有着较好的一致性.降水为积雪提供资源供给[32-33],该流域的降水主要来源是孟加拉湾的暖湿气流,沿雅江河谷上溯,流域降水自下游往上游递减.气温和海拔影响积雪的积累,高海拔地区的念青唐古拉山脉、喜马拉雅山脉积雪深厚,持续时间长[4];中游河谷地区降水较少且海拔较低不利于积雪积累;东部下游地区属山地亚热带、热带气候,不利于积雪形成[14].雅江流域雪深的空间分布与流域内的气象因子和地形地貌特征有着密切的联系. ...
... 地形是影响积雪形成和分布的重要因子,高海拔地区气温低,有利于积雪的形成和维持,而低海拔地区高温条件不利于积雪的形成,一般来说,山地积雪具有一定的垂直递增规律[4,34].此外,坡度、坡向对积雪的积累也有影响,导致同一海拔高度雪深的差异较大. ...
... 采用最邻近法将DEM数据重采样至25 km,使其与雪深数据空间分辨率一致.高程是影响积雪分布与变化的重要地形因子,雅江流域内地形复杂且海拔差异大,从雪深的空间分布来看,山地区域的雪深普遍高于河谷地区.海拔4 000 m以下,雪深随着高程的增加而增加,流域内0~2 000 m、2 000~3 000 m、3 000~4 000 m高度带多年平均雪深分别为0.02 cm、0.71 cm、2.48 cm,有着较好的垂直递增规律.4 000~5 000 m高度带之间,雪深随高程的分布出现了一个“陡坎”,这与白淑英等[35]在研究青藏高原雪深与地形因子的关系时得到的结论一致[表2、图8(a)].且流域最大雪深分布在4 500~5 000 m之间,并非在海拔最大处,说明雪深与高程并非简单的线性关系,这与刘金平等[15]利用雪深站点数据分析青藏高原雪深分布特征时得到的结论一致.冬季和年均雪深最大值均出现在4 500~5 000 m高程处[图8(a)、8(e)],这可能是由于冬季由于受到高原冷高压的影响,海拔5 000 m以上的降雪过程较少,加上盛行西风吹雪使得积雪迁移至河谷或海拔较低的区域[4],因此冬季雪深的峰值出现在此高度带,风吹雪造成的积雪再分配作用值得进一步研究.在年内分布方面,夏季4 000 m以下的积雪基本消融[图8(c)],冬季2 000m以上的积雪深度平均可达4.19 cm[图8(e)],2 000 m以上高度带雪深季节间变化大[图8(a)~(e)]. ...
Spatial-temporal variability of the snow depth over the Qinghai-Tibetan Plateau and the cause of its interannual variation
2018
Spatiotemporal variation and regional distribution characteristics of snowfall in China from 1970 to 2000
1
2011
... 积雪是冰冻圈的重要组成部分,积雪的时空分布,雪深、积雪覆盖率等变化对全球能量平衡以及水文循环具有显著的影响[1-2].被称为“世界屋脊”的青藏高原是北半球中纬度海拔最高、积雪覆盖范围最广的区域,在气候变化的背景下,其积雪变化异常强烈.IPCC第五次评估报告指出,由于人类活动和气候变化的影响,全球平均气温自1880年至2012年上升了0.85 ℃,且青藏高原对气候变化的响应尤为强烈[3].青藏高原复杂多变的地形和较高的海拔是维持和影响高原积雪变化的重要条件,雪深作为反映积雪动态变化特征的重要参数,研究其时空分布和动态变化规律,对研究高寒地区积雪具有重要意义[4-6]. ...
1970—2000年中国降雪量变化和区域性分布特征
1
2011
... 积雪是冰冻圈的重要组成部分,积雪的时空分布,雪深、积雪覆盖率等变化对全球能量平衡以及水文循环具有显著的影响[1-2].被称为“世界屋脊”的青藏高原是北半球中纬度海拔最高、积雪覆盖范围最广的区域,在气候变化的背景下,其积雪变化异常强烈.IPCC第五次评估报告指出,由于人类活动和气候变化的影响,全球平均气温自1880年至2012年上升了0.85 ℃,且青藏高原对气候变化的响应尤为强烈[3].青藏高原复杂多变的地形和较高的海拔是维持和影响高原积雪变化的重要条件,雪深作为反映积雪动态变化特征的重要参数,研究其时空分布和动态变化规律,对研究高寒地区积雪具有重要意义[4-6]. ...
Spatial and temperal characteristics of snow cover over the Qinghai-Xizang Plateau
1
1998
... 早期学者主要通过获取地面观测资料研究积雪的时空变化,但青藏高原地区属于典型的缺资料地区,站点分布稀疏,因此研究范围十分有限.随着遥感技术的发展,20世纪70年代以来,为获得长时间序列、大范围的积雪时空动态变化,遥感数据被广泛应用于不同尺度区域的冰雪研究,这也为青藏高原地区积雪监测提供了有效手段.1998年,柯长青等[7]利用美国国家海洋气象局(NOAA)周积雪面积、美国宇航局(NASA)研制的多通道微波扫描辐射仪SMMR微波候积雪深度产品和地面气象台站雪深资料研究了青藏高原积雪的空间分布特征;2014年,颜伟等[8]利用美国国家冰雪数据中心(NSIDC)提供的中分辨率成像光谱仪MODIS 积雪覆盖产品,结合DEM数字高程模型分析了青藏高原北部西昆仑山玉龙喀什河流域积雪面积的空间分布特征;同年,白淑英等[9]利用1979—2010年逐日中国雪深长时间序列数据集分析了青藏高原雪深时空变化特征及其对气候因子的响应关系;2017年,除多等[4]利用MODIS/Terra 8日合成积雪数据MOD10A2和数字高程模型DEM,分析了2000—2014年西藏高原积雪覆盖率时空分布及其与地形因子的关系;2019年,沈鎏澄等[10]利用地面站台雪深、气温和降水观测资料研究了1961—2014年青藏高原中东部积雪深度时空变化特征及其对气候因子的响应;同年,拉巴卓玛等[11]利用MODIS逐日积雪无云产品,结合DEM高程数据、气象站台数据,分析了2002—2015年雅鲁藏布江流域积雪覆盖率变化特征及其与气象因素的相关性. ...
青藏高原积雪分布与变化特征
1
1998
... 早期学者主要通过获取地面观测资料研究积雪的时空变化,但青藏高原地区属于典型的缺资料地区,站点分布稀疏,因此研究范围十分有限.随着遥感技术的发展,20世纪70年代以来,为获得长时间序列、大范围的积雪时空动态变化,遥感数据被广泛应用于不同尺度区域的冰雪研究,这也为青藏高原地区积雪监测提供了有效手段.1998年,柯长青等[7]利用美国国家海洋气象局(NOAA)周积雪面积、美国宇航局(NASA)研制的多通道微波扫描辐射仪SMMR微波候积雪深度产品和地面气象台站雪深资料研究了青藏高原积雪的空间分布特征;2014年,颜伟等[8]利用美国国家冰雪数据中心(NSIDC)提供的中分辨率成像光谱仪MODIS 积雪覆盖产品,结合DEM数字高程模型分析了青藏高原北部西昆仑山玉龙喀什河流域积雪面积的空间分布特征;同年,白淑英等[9]利用1979—2010年逐日中国雪深长时间序列数据集分析了青藏高原雪深时空变化特征及其对气候因子的响应关系;2017年,除多等[4]利用MODIS/Terra 8日合成积雪数据MOD10A2和数字高程模型DEM,分析了2000—2014年西藏高原积雪覆盖率时空分布及其与地形因子的关系;2019年,沈鎏澄等[10]利用地面站台雪深、气温和降水观测资料研究了1961—2014年青藏高原中东部积雪深度时空变化特征及其对气候因子的响应;同年,拉巴卓玛等[11]利用MODIS逐日积雪无云产品,结合DEM高程数据、气象站台数据,分析了2002—2015年雅鲁藏布江流域积雪覆盖率变化特征及其与气象因素的相关性. ...
Liu Jingshi
1
2014
... 早期学者主要通过获取地面观测资料研究积雪的时空变化,但青藏高原地区属于典型的缺资料地区,站点分布稀疏,因此研究范围十分有限.随着遥感技术的发展,20世纪70年代以来,为获得长时间序列、大范围的积雪时空动态变化,遥感数据被广泛应用于不同尺度区域的冰雪研究,这也为青藏高原地区积雪监测提供了有效手段.1998年,柯长青等[7]利用美国国家海洋气象局(NOAA)周积雪面积、美国宇航局(NASA)研制的多通道微波扫描辐射仪SMMR微波候积雪深度产品和地面气象台站雪深资料研究了青藏高原积雪的空间分布特征;2014年,颜伟等[8]利用美国国家冰雪数据中心(NSIDC)提供的中分辨率成像光谱仪MODIS 积雪覆盖产品,结合DEM数字高程模型分析了青藏高原北部西昆仑山玉龙喀什河流域积雪面积的空间分布特征;同年,白淑英等[9]利用1979—2010年逐日中国雪深长时间序列数据集分析了青藏高原雪深时空变化特征及其对气候因子的响应关系;2017年,除多等[4]利用MODIS/Terra 8日合成积雪数据MOD10A2和数字高程模型DEM,分析了2000—2014年西藏高原积雪覆盖率时空分布及其与地形因子的关系;2019年,沈鎏澄等[10]利用地面站台雪深、气温和降水观测资料研究了1961—2014年青藏高原中东部积雪深度时空变化特征及其对气候因子的响应;同年,拉巴卓玛等[11]利用MODIS逐日积雪无云产品,结合DEM高程数据、气象站台数据,分析了2002—2015年雅鲁藏布江流域积雪覆盖率变化特征及其与气象因素的相关性. ...
基于MODIS数据的2000-2013年西昆仑山玉龙喀什河流域积雪面积变化
1
2014
... 早期学者主要通过获取地面观测资料研究积雪的时空变化,但青藏高原地区属于典型的缺资料地区,站点分布稀疏,因此研究范围十分有限.随着遥感技术的发展,20世纪70年代以来,为获得长时间序列、大范围的积雪时空动态变化,遥感数据被广泛应用于不同尺度区域的冰雪研究,这也为青藏高原地区积雪监测提供了有效手段.1998年,柯长青等[7]利用美国国家海洋气象局(NOAA)周积雪面积、美国宇航局(NASA)研制的多通道微波扫描辐射仪SMMR微波候积雪深度产品和地面气象台站雪深资料研究了青藏高原积雪的空间分布特征;2014年,颜伟等[8]利用美国国家冰雪数据中心(NSIDC)提供的中分辨率成像光谱仪MODIS 积雪覆盖产品,结合DEM数字高程模型分析了青藏高原北部西昆仑山玉龙喀什河流域积雪面积的空间分布特征;同年,白淑英等[9]利用1979—2010年逐日中国雪深长时间序列数据集分析了青藏高原雪深时空变化特征及其对气候因子的响应关系;2017年,除多等[4]利用MODIS/Terra 8日合成积雪数据MOD10A2和数字高程模型DEM,分析了2000—2014年西藏高原积雪覆盖率时空分布及其与地形因子的关系;2019年,沈鎏澄等[10]利用地面站台雪深、气温和降水观测资料研究了1961—2014年青藏高原中东部积雪深度时空变化特征及其对气候因子的响应;同年,拉巴卓玛等[11]利用MODIS逐日积雪无云产品,结合DEM高程数据、气象站台数据,分析了2002—2015年雅鲁藏布江流域积雪覆盖率变化特征及其与气象因素的相关性. ...
Spatial-temporal variation of snow depth in Tibet and its response to climatic change in the past 30 years
2
2014
... 早期学者主要通过获取地面观测资料研究积雪的时空变化,但青藏高原地区属于典型的缺资料地区,站点分布稀疏,因此研究范围十分有限.随着遥感技术的发展,20世纪70年代以来,为获得长时间序列、大范围的积雪时空动态变化,遥感数据被广泛应用于不同尺度区域的冰雪研究,这也为青藏高原地区积雪监测提供了有效手段.1998年,柯长青等[7]利用美国国家海洋气象局(NOAA)周积雪面积、美国宇航局(NASA)研制的多通道微波扫描辐射仪SMMR微波候积雪深度产品和地面气象台站雪深资料研究了青藏高原积雪的空间分布特征;2014年,颜伟等[8]利用美国国家冰雪数据中心(NSIDC)提供的中分辨率成像光谱仪MODIS 积雪覆盖产品,结合DEM数字高程模型分析了青藏高原北部西昆仑山玉龙喀什河流域积雪面积的空间分布特征;同年,白淑英等[9]利用1979—2010年逐日中国雪深长时间序列数据集分析了青藏高原雪深时空变化特征及其对气候因子的响应关系;2017年,除多等[4]利用MODIS/Terra 8日合成积雪数据MOD10A2和数字高程模型DEM,分析了2000—2014年西藏高原积雪覆盖率时空分布及其与地形因子的关系;2019年,沈鎏澄等[10]利用地面站台雪深、气温和降水观测资料研究了1961—2014年青藏高原中东部积雪深度时空变化特征及其对气候因子的响应;同年,拉巴卓玛等[11]利用MODIS逐日积雪无云产品,结合DEM高程数据、气象站台数据,分析了2002—2015年雅鲁藏布江流域积雪覆盖率变化特征及其与气象因素的相关性. ...
... 本研究采用的雪深数据空间分辨率较大,且数据源本身的精度问题对研究结果存在一定的影响[21].文中夏季雪深和气温为正相关关系且夏季雪深呈现微弱的增加趋势,这可能是由于数据精度问题造成研究结果的不合理性,其中原因有待进一步探究[9,36-37].此外,坡度和坡向对雪深的分布影响很大,一般情况下,阴坡积雪比阳坡积雪融化慢,但本研究中该规律不明显,这个问题需要更高空间分辨率的积雪数据与DEM数据结合进行分析,才能得出更加精确的结论[21,35]. ...
近30年西藏雪深时空变化及其对气候变化的响应
2
2014
... 早期学者主要通过获取地面观测资料研究积雪的时空变化,但青藏高原地区属于典型的缺资料地区,站点分布稀疏,因此研究范围十分有限.随着遥感技术的发展,20世纪70年代以来,为获得长时间序列、大范围的积雪时空动态变化,遥感数据被广泛应用于不同尺度区域的冰雪研究,这也为青藏高原地区积雪监测提供了有效手段.1998年,柯长青等[7]利用美国国家海洋气象局(NOAA)周积雪面积、美国宇航局(NASA)研制的多通道微波扫描辐射仪SMMR微波候积雪深度产品和地面气象台站雪深资料研究了青藏高原积雪的空间分布特征;2014年,颜伟等[8]利用美国国家冰雪数据中心(NSIDC)提供的中分辨率成像光谱仪MODIS 积雪覆盖产品,结合DEM数字高程模型分析了青藏高原北部西昆仑山玉龙喀什河流域积雪面积的空间分布特征;同年,白淑英等[9]利用1979—2010年逐日中国雪深长时间序列数据集分析了青藏高原雪深时空变化特征及其对气候因子的响应关系;2017年,除多等[4]利用MODIS/Terra 8日合成积雪数据MOD10A2和数字高程模型DEM,分析了2000—2014年西藏高原积雪覆盖率时空分布及其与地形因子的关系;2019年,沈鎏澄等[10]利用地面站台雪深、气温和降水观测资料研究了1961—2014年青藏高原中东部积雪深度时空变化特征及其对气候因子的响应;同年,拉巴卓玛等[11]利用MODIS逐日积雪无云产品,结合DEM高程数据、气象站台数据,分析了2002—2015年雅鲁藏布江流域积雪覆盖率变化特征及其与气象因素的相关性. ...
... 本研究采用的雪深数据空间分辨率较大,且数据源本身的精度问题对研究结果存在一定的影响[21].文中夏季雪深和气温为正相关关系且夏季雪深呈现微弱的增加趋势,这可能是由于数据精度问题造成研究结果的不合理性,其中原因有待进一步探究[9,36-37].此外,坡度和坡向对雪深的分布影响很大,一般情况下,阴坡积雪比阳坡积雪融化慢,但本研究中该规律不明显,这个问题需要更高空间分辨率的积雪数据与DEM数据结合进行分析,才能得出更加精确的结论[21,35]. ...
Analysis of the characteristics of spatial and temporal variations of snow depth and their causes over the central and eastern Tibetan Plateau
2
2019
... 早期学者主要通过获取地面观测资料研究积雪的时空变化,但青藏高原地区属于典型的缺资料地区,站点分布稀疏,因此研究范围十分有限.随着遥感技术的发展,20世纪70年代以来,为获得长时间序列、大范围的积雪时空动态变化,遥感数据被广泛应用于不同尺度区域的冰雪研究,这也为青藏高原地区积雪监测提供了有效手段.1998年,柯长青等[7]利用美国国家海洋气象局(NOAA)周积雪面积、美国宇航局(NASA)研制的多通道微波扫描辐射仪SMMR微波候积雪深度产品和地面气象台站雪深资料研究了青藏高原积雪的空间分布特征;2014年,颜伟等[8]利用美国国家冰雪数据中心(NSIDC)提供的中分辨率成像光谱仪MODIS 积雪覆盖产品,结合DEM数字高程模型分析了青藏高原北部西昆仑山玉龙喀什河流域积雪面积的空间分布特征;同年,白淑英等[9]利用1979—2010年逐日中国雪深长时间序列数据集分析了青藏高原雪深时空变化特征及其对气候因子的响应关系;2017年,除多等[4]利用MODIS/Terra 8日合成积雪数据MOD10A2和数字高程模型DEM,分析了2000—2014年西藏高原积雪覆盖率时空分布及其与地形因子的关系;2019年,沈鎏澄等[10]利用地面站台雪深、气温和降水观测资料研究了1961—2014年青藏高原中东部积雪深度时空变化特征及其对气候因子的响应;同年,拉巴卓玛等[11]利用MODIS逐日积雪无云产品,结合DEM高程数据、气象站台数据,分析了2002—2015年雅鲁藏布江流域积雪覆盖率变化特征及其与气象因素的相关性. ...
... 气温和降水是影响积雪变化的重要因素[11],积雪的变化主要由降雪量和融雪量的变化共同决定.其中,降雪量受气温和降水的共同影响,降水为积雪提供资源,气温决定了空气的饱和含水量(大气中所能容纳的最大水汽含量),并且决定降水的形式(降雨或降雪).而融雪量主要由气温决定,温度的高低影响积雪的融化进程[10].雅鲁藏布江流域雪深的减少与气温的升高显著相关,二者的相关系数达到-0.63.从图6和表1中可以看出,不同季节降水和气温对积雪的影响有所不同.夏季雪深和气温呈现微弱的正相关关系,相关系数为0.049;而春季、冬季的积雪主要受气温的影响,冬季气温与雪深的相关系数达-0.63;秋季降水和气温共同决定雪深,秋季降水和雪深的正相关系数达0.32. ...
青藏高原中东部积雪深度时空变化特征及其成因分析
2
2019
... 早期学者主要通过获取地面观测资料研究积雪的时空变化,但青藏高原地区属于典型的缺资料地区,站点分布稀疏,因此研究范围十分有限.随着遥感技术的发展,20世纪70年代以来,为获得长时间序列、大范围的积雪时空动态变化,遥感数据被广泛应用于不同尺度区域的冰雪研究,这也为青藏高原地区积雪监测提供了有效手段.1998年,柯长青等[7]利用美国国家海洋气象局(NOAA)周积雪面积、美国宇航局(NASA)研制的多通道微波扫描辐射仪SMMR微波候积雪深度产品和地面气象台站雪深资料研究了青藏高原积雪的空间分布特征;2014年,颜伟等[8]利用美国国家冰雪数据中心(NSIDC)提供的中分辨率成像光谱仪MODIS 积雪覆盖产品,结合DEM数字高程模型分析了青藏高原北部西昆仑山玉龙喀什河流域积雪面积的空间分布特征;同年,白淑英等[9]利用1979—2010年逐日中国雪深长时间序列数据集分析了青藏高原雪深时空变化特征及其对气候因子的响应关系;2017年,除多等[4]利用MODIS/Terra 8日合成积雪数据MOD10A2和数字高程模型DEM,分析了2000—2014年西藏高原积雪覆盖率时空分布及其与地形因子的关系;2019年,沈鎏澄等[10]利用地面站台雪深、气温和降水观测资料研究了1961—2014年青藏高原中东部积雪深度时空变化特征及其对气候因子的响应;同年,拉巴卓玛等[11]利用MODIS逐日积雪无云产品,结合DEM高程数据、气象站台数据,分析了2002—2015年雅鲁藏布江流域积雪覆盖率变化特征及其与气象因素的相关性. ...
... 气温和降水是影响积雪变化的重要因素[11],积雪的变化主要由降雪量和融雪量的变化共同决定.其中,降雪量受气温和降水的共同影响,降水为积雪提供资源,气温决定了空气的饱和含水量(大气中所能容纳的最大水汽含量),并且决定降水的形式(降雨或降雪).而融雪量主要由气温决定,温度的高低影响积雪的融化进程[10].雅鲁藏布江流域雪深的减少与气温的升高显著相关,二者的相关系数达到-0.63.从图6和表1中可以看出,不同季节降水和气温对积雪的影响有所不同.夏季雪深和气温呈现微弱的正相关关系,相关系数为0.049;而春季、冬季的积雪主要受气温的影响,冬季气温与雪深的相关系数达-0.63;秋季降水和气温共同决定雪深,秋季降水和雪深的正相关系数达0.32. ...
Snow cover viration and meteorological factor research in Yarlung Zangbo basin of Tibet from 2002 to 2015
2
2018
... 早期学者主要通过获取地面观测资料研究积雪的时空变化,但青藏高原地区属于典型的缺资料地区,站点分布稀疏,因此研究范围十分有限.随着遥感技术的发展,20世纪70年代以来,为获得长时间序列、大范围的积雪时空动态变化,遥感数据被广泛应用于不同尺度区域的冰雪研究,这也为青藏高原地区积雪监测提供了有效手段.1998年,柯长青等[7]利用美国国家海洋气象局(NOAA)周积雪面积、美国宇航局(NASA)研制的多通道微波扫描辐射仪SMMR微波候积雪深度产品和地面气象台站雪深资料研究了青藏高原积雪的空间分布特征;2014年,颜伟等[8]利用美国国家冰雪数据中心(NSIDC)提供的中分辨率成像光谱仪MODIS 积雪覆盖产品,结合DEM数字高程模型分析了青藏高原北部西昆仑山玉龙喀什河流域积雪面积的空间分布特征;同年,白淑英等[9]利用1979—2010年逐日中国雪深长时间序列数据集分析了青藏高原雪深时空变化特征及其对气候因子的响应关系;2017年,除多等[4]利用MODIS/Terra 8日合成积雪数据MOD10A2和数字高程模型DEM,分析了2000—2014年西藏高原积雪覆盖率时空分布及其与地形因子的关系;2019年,沈鎏澄等[10]利用地面站台雪深、气温和降水观测资料研究了1961—2014年青藏高原中东部积雪深度时空变化特征及其对气候因子的响应;同年,拉巴卓玛等[11]利用MODIS逐日积雪无云产品,结合DEM高程数据、气象站台数据,分析了2002—2015年雅鲁藏布江流域积雪覆盖率变化特征及其与气象因素的相关性. ...
... 气温和降水是影响积雪变化的重要因素[11],积雪的变化主要由降雪量和融雪量的变化共同决定.其中,降雪量受气温和降水的共同影响,降水为积雪提供资源,气温决定了空气的饱和含水量(大气中所能容纳的最大水汽含量),并且决定降水的形式(降雨或降雪).而融雪量主要由气温决定,温度的高低影响积雪的融化进程[10].雅鲁藏布江流域雪深的减少与气温的升高显著相关,二者的相关系数达到-0.63.从图6和表1中可以看出,不同季节降水和气温对积雪的影响有所不同.夏季雪深和气温呈现微弱的正相关关系,相关系数为0.049;而春季、冬季的积雪主要受气温的影响,冬季气温与雪深的相关系数达-0.63;秋季降水和气温共同决定雪深,秋季降水和雪深的正相关系数达0.32. ...
2002-2015年西藏雅鲁藏布江流域积雪变化及影响因子分析研究
2
2018
... 早期学者主要通过获取地面观测资料研究积雪的时空变化,但青藏高原地区属于典型的缺资料地区,站点分布稀疏,因此研究范围十分有限.随着遥感技术的发展,20世纪70年代以来,为获得长时间序列、大范围的积雪时空动态变化,遥感数据被广泛应用于不同尺度区域的冰雪研究,这也为青藏高原地区积雪监测提供了有效手段.1998年,柯长青等[7]利用美国国家海洋气象局(NOAA)周积雪面积、美国宇航局(NASA)研制的多通道微波扫描辐射仪SMMR微波候积雪深度产品和地面气象台站雪深资料研究了青藏高原积雪的空间分布特征;2014年,颜伟等[8]利用美国国家冰雪数据中心(NSIDC)提供的中分辨率成像光谱仪MODIS 积雪覆盖产品,结合DEM数字高程模型分析了青藏高原北部西昆仑山玉龙喀什河流域积雪面积的空间分布特征;同年,白淑英等[9]利用1979—2010年逐日中国雪深长时间序列数据集分析了青藏高原雪深时空变化特征及其对气候因子的响应关系;2017年,除多等[4]利用MODIS/Terra 8日合成积雪数据MOD10A2和数字高程模型DEM,分析了2000—2014年西藏高原积雪覆盖率时空分布及其与地形因子的关系;2019年,沈鎏澄等[10]利用地面站台雪深、气温和降水观测资料研究了1961—2014年青藏高原中东部积雪深度时空变化特征及其对气候因子的响应;同年,拉巴卓玛等[11]利用MODIS逐日积雪无云产品,结合DEM高程数据、气象站台数据,分析了2002—2015年雅鲁藏布江流域积雪覆盖率变化特征及其与气象因素的相关性. ...
... 气温和降水是影响积雪变化的重要因素[11],积雪的变化主要由降雪量和融雪量的变化共同决定.其中,降雪量受气温和降水的共同影响,降水为积雪提供资源,气温决定了空气的饱和含水量(大气中所能容纳的最大水汽含量),并且决定降水的形式(降雨或降雪).而融雪量主要由气温决定,温度的高低影响积雪的融化进程[10].雅鲁藏布江流域雪深的减少与气温的升高显著相关,二者的相关系数达到-0.63.从图6和表1中可以看出,不同季节降水和气温对积雪的影响有所不同.夏季雪深和气温呈现微弱的正相关关系,相关系数为0.049;而春季、冬季的积雪主要受气温的影响,冬季气温与雪深的相关系数达-0.63;秋季降水和气温共同决定雪深,秋季降水和雪深的正相关系数达0.32. ...
Characteristics of natural environment of the Tibetan Plateau
1
2017
... 青藏高原作为亚洲诸多河流的发源地[12],其冰雪融水是河流的重要水源补给,积雪变化对径流产生的影响不容忽视.雅鲁藏布江作为青藏高原最大的河流,蕴含着丰富的水能,同时也是西藏地区的主要水源.雅江流域是西藏自治区经济开发潜力最大的核心地区,是西藏主要人口聚集地,同时也是我国最大的跨境河流之一,在青藏高原地区具有举足轻重的地位.雅江径流的冰雪融水比例多在30%~80%,因此雅江流域积雪的变化对径流有着重要影响[13].雪深作为反映积雪特征的重要参数,在气候变化的大背景下,对雅江流域雪深时空分布特征及其与气象因子、地形特征的关系展开研究,对雅江流域水资源的管理和开发利用具有重要指导意义. ...
Inversion of terrestrial water storage changes in recent years for Qinghai-Tibetan Plateau and Yarlung Zangbo River basin by GRACE
1
2013
... 青藏高原作为亚洲诸多河流的发源地[12],其冰雪融水是河流的重要水源补给,积雪变化对径流产生的影响不容忽视.雅鲁藏布江作为青藏高原最大的河流,蕴含着丰富的水能,同时也是西藏地区的主要水源.雅江流域是西藏自治区经济开发潜力最大的核心地区,是西藏主要人口聚集地,同时也是我国最大的跨境河流之一,在青藏高原地区具有举足轻重的地位.雅江径流的冰雪融水比例多在30%~80%,因此雅江流域积雪的变化对径流有着重要影响[13].雪深作为反映积雪特征的重要参数,在气候变化的大背景下,对雅江流域雪深时空分布特征及其与气象因子、地形特征的关系展开研究,对雅江流域水资源的管理和开发利用具有重要指导意义. ...
GRACE反演近年青藏高原及雅鲁藏布江流域陆地水储量变化
1
2013
... 青藏高原作为亚洲诸多河流的发源地[12],其冰雪融水是河流的重要水源补给,积雪变化对径流产生的影响不容忽视.雅鲁藏布江作为青藏高原最大的河流,蕴含着丰富的水能,同时也是西藏地区的主要水源.雅江流域是西藏自治区经济开发潜力最大的核心地区,是西藏主要人口聚集地,同时也是我国最大的跨境河流之一,在青藏高原地区具有举足轻重的地位.雅江径流的冰雪融水比例多在30%~80%,因此雅江流域积雪的变化对径流有着重要影响[13].雪深作为反映积雪特征的重要参数,在气候变化的大背景下,对雅江流域雪深时空分布特征及其与气象因子、地形特征的关系展开研究,对雅江流域水资源的管理和开发利用具有重要指导意义. ...
Research on the morphological features of Yarlung Zangbo River based on DEM
2
2007
... 雅鲁藏布江流域位于西藏高原南部,地理范围为82°00′~97°07′ E、28°00′~31°26′ N.全长2 070 km,流域面积24.10×104 km2.流域东西最大跨度为1 500 km,南北最大宽度为290 km,呈狭长的柳叶状.雅鲁藏布江的源头为杰马央宗冰川,位于西藏西南部的喜马拉雅北麓中国西藏仲巴县境内.雅江源头至日喀则市的里孜为上游、里孜到林芝市的派镇为中游、派镇至流域出口的巴昔卡为下游.流域北部坐落着冈底斯山、念青唐古拉山,东部有伯舒拉岭,西南贯穿着喜马拉雅山脉,南部有拉轨冈日和嘎布等山脉,地形地貌复杂,既有海拔7 000 m以上的山峰,又有海拔不足200 m的湿热低谷[14].来自印度洋孟加拉湾的暖湿气流沿着河谷上溯,导致流域内降水和气温分布不均.上游地区气候寒冷,降水稀少,多年平均降水量仅为200 mm左右.中游气候温凉,属高原温带气候,降水量在300~600 mm之间.下游气候湿热,湿润多雨,属于亚热带气候,特别是在流域出口的巴昔卡,年降水量可达2 000 mm以上[15].雅鲁藏布江流域内的河流系统发达,其高程和水系分布如图1所示. ...
... 雅江流域内雪深空间分布差异明显,呈现“二高二低”相间分布的特征(图5).2个雪深高值区,分布在流域西部边缘处的雅江源头区域、流域东部的山地地区,多年平均雪深在9.0 cm以上;2个雪深低值区,分布在中游河谷地带、下游至流域出口区域,多年平均雪深低于0.8 cm[图5(a)].流域内有64.0%的地区多年平均雪深小于2.0 cm,分布在中游河谷地区和雅江出口区域;16.8%的地区多年平均雪深在2~4 cm;6.7%的地区多年平均雪深在6 cm以上,主要分布在流域东部边缘的念青唐古拉山.夏季流域内43.5%的地区积雪全部融化,雪深为0[图5(c)];冬季10.1%的区域雪深在10.0 cm以上[图5(e)].整体上,雅江流域的雪深分布与降水和高程分布有着较好的一致性.降水为积雪提供资源供给[32-33],该流域的降水主要来源是孟加拉湾的暖湿气流,沿雅江河谷上溯,流域降水自下游往上游递减.气温和海拔影响积雪的积累,高海拔地区的念青唐古拉山脉、喜马拉雅山脉积雪深厚,持续时间长[4];中游河谷地区降水较少且海拔较低不利于积雪积累;东部下游地区属山地亚热带、热带气候,不利于积雪形成[14].雅江流域雪深的空间分布与流域内的气象因子和地形地貌特征有着密切的联系. ...
基于DEM的雅鲁藏布江河流地貌特征的研究
2
2007
... 雅鲁藏布江流域位于西藏高原南部,地理范围为82°00′~97°07′ E、28°00′~31°26′ N.全长2 070 km,流域面积24.10×104 km2.流域东西最大跨度为1 500 km,南北最大宽度为290 km,呈狭长的柳叶状.雅鲁藏布江的源头为杰马央宗冰川,位于西藏西南部的喜马拉雅北麓中国西藏仲巴县境内.雅江源头至日喀则市的里孜为上游、里孜到林芝市的派镇为中游、派镇至流域出口的巴昔卡为下游.流域北部坐落着冈底斯山、念青唐古拉山,东部有伯舒拉岭,西南贯穿着喜马拉雅山脉,南部有拉轨冈日和嘎布等山脉,地形地貌复杂,既有海拔7 000 m以上的山峰,又有海拔不足200 m的湿热低谷[14].来自印度洋孟加拉湾的暖湿气流沿着河谷上溯,导致流域内降水和气温分布不均.上游地区气候寒冷,降水稀少,多年平均降水量仅为200 mm左右.中游气候温凉,属高原温带气候,降水量在300~600 mm之间.下游气候湿热,湿润多雨,属于亚热带气候,特别是在流域出口的巴昔卡,年降水量可达2 000 mm以上[15].雅鲁藏布江流域内的河流系统发达,其高程和水系分布如图1所示. ...
... 雅江流域内雪深空间分布差异明显,呈现“二高二低”相间分布的特征(图5).2个雪深高值区,分布在流域西部边缘处的雅江源头区域、流域东部的山地地区,多年平均雪深在9.0 cm以上;2个雪深低值区,分布在中游河谷地带、下游至流域出口区域,多年平均雪深低于0.8 cm[图5(a)].流域内有64.0%的地区多年平均雪深小于2.0 cm,分布在中游河谷地区和雅江出口区域;16.8%的地区多年平均雪深在2~4 cm;6.7%的地区多年平均雪深在6 cm以上,主要分布在流域东部边缘的念青唐古拉山.夏季流域内43.5%的地区积雪全部融化,雪深为0[图5(c)];冬季10.1%的区域雪深在10.0 cm以上[图5(e)].整体上,雅江流域的雪深分布与降水和高程分布有着较好的一致性.降水为积雪提供资源供给[32-33],该流域的降水主要来源是孟加拉湾的暖湿气流,沿雅江河谷上溯,流域降水自下游往上游递减.气温和海拔影响积雪的积累,高海拔地区的念青唐古拉山脉、喜马拉雅山脉积雪深厚,持续时间长[4];中游河谷地区降水较少且海拔较低不利于积雪积累;东部下游地区属山地亚热带、热带气候,不利于积雪形成[14].雅江流域雪深的空间分布与流域内的气象因子和地形地貌特征有着密切的联系. ...
Spatiotemporal variations of snow cover over Yarlung Zangbo River basin in Tibet from 2000 to 2014 and its response to key climate factors
2
2018
... 雅鲁藏布江流域位于西藏高原南部,地理范围为82°00′~97°07′ E、28°00′~31°26′ N.全长2 070 km,流域面积24.10×104 km2.流域东西最大跨度为1 500 km,南北最大宽度为290 km,呈狭长的柳叶状.雅鲁藏布江的源头为杰马央宗冰川,位于西藏西南部的喜马拉雅北麓中国西藏仲巴县境内.雅江源头至日喀则市的里孜为上游、里孜到林芝市的派镇为中游、派镇至流域出口的巴昔卡为下游.流域北部坐落着冈底斯山、念青唐古拉山,东部有伯舒拉岭,西南贯穿着喜马拉雅山脉,南部有拉轨冈日和嘎布等山脉,地形地貌复杂,既有海拔7 000 m以上的山峰,又有海拔不足200 m的湿热低谷[14].来自印度洋孟加拉湾的暖湿气流沿着河谷上溯,导致流域内降水和气温分布不均.上游地区气候寒冷,降水稀少,多年平均降水量仅为200 mm左右.中游气候温凉,属高原温带气候,降水量在300~600 mm之间.下游气候湿热,湿润多雨,属于亚热带气候,特别是在流域出口的巴昔卡,年降水量可达2 000 mm以上[15].雅鲁藏布江流域内的河流系统发达,其高程和水系分布如图1所示. ...
... 采用最邻近法将DEM数据重采样至25 km,使其与雪深数据空间分辨率一致.高程是影响积雪分布与变化的重要地形因子,雅江流域内地形复杂且海拔差异大,从雪深的空间分布来看,山地区域的雪深普遍高于河谷地区.海拔4 000 m以下,雪深随着高程的增加而增加,流域内0~2 000 m、2 000~3 000 m、3 000~4 000 m高度带多年平均雪深分别为0.02 cm、0.71 cm、2.48 cm,有着较好的垂直递增规律.4 000~5 000 m高度带之间,雪深随高程的分布出现了一个“陡坎”,这与白淑英等[35]在研究青藏高原雪深与地形因子的关系时得到的结论一致[表2、图8(a)].且流域最大雪深分布在4 500~5 000 m之间,并非在海拔最大处,说明雪深与高程并非简单的线性关系,这与刘金平等[15]利用雪深站点数据分析青藏高原雪深分布特征时得到的结论一致.冬季和年均雪深最大值均出现在4 500~5 000 m高程处[图8(a)、8(e)],这可能是由于冬季由于受到高原冷高压的影响,海拔5 000 m以上的降雪过程较少,加上盛行西风吹雪使得积雪迁移至河谷或海拔较低的区域[4],因此冬季雪深的峰值出现在此高度带,风吹雪造成的积雪再分配作用值得进一步研究.在年内分布方面,夏季4 000 m以下的积雪基本消融[图8(c)],冬季2 000m以上的积雪深度平均可达4.19 cm[图8(e)],2 000 m以上高度带雪深季节间变化大[图8(a)~(e)]. ...
2000-2014年西藏雅鲁藏布江流域积雪时空变化分析及对气候的响应研究
2
2018
... 雅鲁藏布江流域位于西藏高原南部,地理范围为82°00′~97°07′ E、28°00′~31°26′ N.全长2 070 km,流域面积24.10×104 km2.流域东西最大跨度为1 500 km,南北最大宽度为290 km,呈狭长的柳叶状.雅鲁藏布江的源头为杰马央宗冰川,位于西藏西南部的喜马拉雅北麓中国西藏仲巴县境内.雅江源头至日喀则市的里孜为上游、里孜到林芝市的派镇为中游、派镇至流域出口的巴昔卡为下游.流域北部坐落着冈底斯山、念青唐古拉山,东部有伯舒拉岭,西南贯穿着喜马拉雅山脉,南部有拉轨冈日和嘎布等山脉,地形地貌复杂,既有海拔7 000 m以上的山峰,又有海拔不足200 m的湿热低谷[14].来自印度洋孟加拉湾的暖湿气流沿着河谷上溯,导致流域内降水和气温分布不均.上游地区气候寒冷,降水稀少,多年平均降水量仅为200 mm左右.中游气候温凉,属高原温带气候,降水量在300~600 mm之间.下游气候湿热,湿润多雨,属于亚热带气候,特别是在流域出口的巴昔卡,年降水量可达2 000 mm以上[15].雅鲁藏布江流域内的河流系统发达,其高程和水系分布如图1所示. ...
... 采用最邻近法将DEM数据重采样至25 km,使其与雪深数据空间分辨率一致.高程是影响积雪分布与变化的重要地形因子,雅江流域内地形复杂且海拔差异大,从雪深的空间分布来看,山地区域的雪深普遍高于河谷地区.海拔4 000 m以下,雪深随着高程的增加而增加,流域内0~2 000 m、2 000~3 000 m、3 000~4 000 m高度带多年平均雪深分别为0.02 cm、0.71 cm、2.48 cm,有着较好的垂直递增规律.4 000~5 000 m高度带之间,雪深随高程的分布出现了一个“陡坎”,这与白淑英等[35]在研究青藏高原雪深与地形因子的关系时得到的结论一致[表2、图8(a)].且流域最大雪深分布在4 500~5 000 m之间,并非在海拔最大处,说明雪深与高程并非简单的线性关系,这与刘金平等[15]利用雪深站点数据分析青藏高原雪深分布特征时得到的结论一致.冬季和年均雪深最大值均出现在4 500~5 000 m高程处[图8(a)、8(e)],这可能是由于冬季由于受到高原冷高压的影响,海拔5 000 m以上的降雪过程较少,加上盛行西风吹雪使得积雪迁移至河谷或海拔较低的区域[4],因此冬季雪深的峰值出现在此高度带,风吹雪造成的积雪再分配作用值得进一步研究.在年内分布方面,夏季4 000 m以下的积雪基本消融[图8(c)],冬季2 000m以上的积雪深度平均可达4.19 cm[图8(e)],2 000 m以上高度带雪深季节间变化大[图8(a)~(e)]. ...
Inter-calibrating SMMR, SSM/I and SSMI/S data to improve the consistency of snow-depth products in China
1
2015
... 雪深数据来自中国西部环境与生态科学数据中心发布的中国雪深长时间序列数据集(1979—2017年),由中国科学院西北生态环境资源研究院遥感与地理信息科学研究室制作[16-19].其原始数据是美国国家冰雪数据中心处理的逐日被动微波遥感SMMR(Scanning Multichannel Microwave Radiometer,1978—1987年)、SSM/I(Special Sensor Microwave Imager,1987—2007年)和SSMI/S(Special Sensor Microwave Imager/Sounder,2008—2018年)数据.该数据集以Chang算法为基础,结合我国178个地面台站的观测雪深对拟合系数进行订正,通过修正反演公式,计算得到中国区域积雪深度数据集.1983年和1984年气象站的实测雪深数据与SSM反演结果进行比较,1993年实测雪深与SSM/I结果进行比较.结果表明,65%的SSM和SSM/I数据反演结果绝对误差小于5 cm[18],数据集精度较好,相关学者使用该数据集在不同的区域上进行了相关研究,并取得了相对满意的结果[20-23],本文将该雪深数据集应用于雅鲁藏布江流域雪深分布的研究.本研究使用数据集的时间尺度为1979—2017年,空间尺度为60°~140° E、15°~55° N,空间分辨率为25 km,并采用全球等积圆柱EASE-GRID投影.本研究中季节划分为:春季3—5月、夏季6—8月、秋季9—11月、冬季12月—次年2月,利用R Studio和ArcGIS软件处理得到的雅鲁藏布江流域年平均和四季的雪深. ...
Snow depth and snow water equivalent estimation from AMSR-E data based on a priori snow characteristics in Xinjiang, China
2012
Snow depth derived from passive microwave remote-sensing data in China
1
2008
... 雪深数据来自中国西部环境与生态科学数据中心发布的中国雪深长时间序列数据集(1979—2017年),由中国科学院西北生态环境资源研究院遥感与地理信息科学研究室制作[16-19].其原始数据是美国国家冰雪数据中心处理的逐日被动微波遥感SMMR(Scanning Multichannel Microwave Radiometer,1978—1987年)、SSM/I(Special Sensor Microwave Imager,1987—2007年)和SSMI/S(Special Sensor Microwave Imager/Sounder,2008—2018年)数据.该数据集以Chang算法为基础,结合我国178个地面台站的观测雪深对拟合系数进行订正,通过修正反演公式,计算得到中国区域积雪深度数据集.1983年和1984年气象站的实测雪深数据与SSM反演结果进行比较,1993年实测雪深与SSM/I结果进行比较.结果表明,65%的SSM和SSM/I数据反演结果绝对误差小于5 cm[18],数据集精度较好,相关学者使用该数据集在不同的区域上进行了相关研究,并取得了相对满意的结果[20-23],本文将该雪深数据集应用于雅鲁藏布江流域雪深分布的研究.本研究使用数据集的时间尺度为1979—2017年,空间尺度为60°~140° E、15°~55° N,空间分辨率为25 km,并采用全球等积圆柱EASE-GRID投影.本研究中季节划分为:春季3—5月、夏季6—8月、秋季9—11月、冬季12月—次年2月,利用R Studio和ArcGIS软件处理得到的雅鲁藏布江流域年平均和四季的雪深. ...
Estimation of snow water equivalent in the Tibetan Plateau using passive microwave remote sensing data (SSM/I)
1
2004
... 雪深数据来自中国西部环境与生态科学数据中心发布的中国雪深长时间序列数据集(1979—2017年),由中国科学院西北生态环境资源研究院遥感与地理信息科学研究室制作[16-19].其原始数据是美国国家冰雪数据中心处理的逐日被动微波遥感SMMR(Scanning Multichannel Microwave Radiometer,1978—1987年)、SSM/I(Special Sensor Microwave Imager,1987—2007年)和SSMI/S(Special Sensor Microwave Imager/Sounder,2008—2018年)数据.该数据集以Chang算法为基础,结合我国178个地面台站的观测雪深对拟合系数进行订正,通过修正反演公式,计算得到中国区域积雪深度数据集.1983年和1984年气象站的实测雪深数据与SSM反演结果进行比较,1993年实测雪深与SSM/I结果进行比较.结果表明,65%的SSM和SSM/I数据反演结果绝对误差小于5 cm[18],数据集精度较好,相关学者使用该数据集在不同的区域上进行了相关研究,并取得了相对满意的结果[20-23],本文将该雪深数据集应用于雅鲁藏布江流域雪深分布的研究.本研究使用数据集的时间尺度为1979—2017年,空间尺度为60°~140° E、15°~55° N,空间分辨率为25 km,并采用全球等积圆柱EASE-GRID投影.本研究中季节划分为:春季3—5月、夏季6—8月、秋季9—11月、冬季12月—次年2月,利用R Studio和ArcGIS软件处理得到的雅鲁藏布江流域年平均和四季的雪深. ...
青藏高原积雪深度和雪水当量的被动微波遥感反演
1
2004
... 雪深数据来自中国西部环境与生态科学数据中心发布的中国雪深长时间序列数据集(1979—2017年),由中国科学院西北生态环境资源研究院遥感与地理信息科学研究室制作[16-19].其原始数据是美国国家冰雪数据中心处理的逐日被动微波遥感SMMR(Scanning Multichannel Microwave Radiometer,1978—1987年)、SSM/I(Special Sensor Microwave Imager,1987—2007年)和SSMI/S(Special Sensor Microwave Imager/Sounder,2008—2018年)数据.该数据集以Chang算法为基础,结合我国178个地面台站的观测雪深对拟合系数进行订正,通过修正反演公式,计算得到中国区域积雪深度数据集.1983年和1984年气象站的实测雪深数据与SSM反演结果进行比较,1993年实测雪深与SSM/I结果进行比较.结果表明,65%的SSM和SSM/I数据反演结果绝对误差小于5 cm[18],数据集精度较好,相关学者使用该数据集在不同的区域上进行了相关研究,并取得了相对满意的结果[20-23],本文将该雪深数据集应用于雅鲁藏布江流域雪深分布的研究.本研究使用数据集的时间尺度为1979—2017年,空间尺度为60°~140° E、15°~55° N,空间分辨率为25 km,并采用全球等积圆柱EASE-GRID投影.本研究中季节划分为:春季3—5月、夏季6—8月、秋季9—11月、冬季12月—次年2月,利用R Studio和ArcGIS软件处理得到的雅鲁藏布江流域年平均和四季的雪深. ...
Spatiotemporal distribution of snow cover in arid regions in China
1
2012
... 雪深数据来自中国西部环境与生态科学数据中心发布的中国雪深长时间序列数据集(1979—2017年),由中国科学院西北生态环境资源研究院遥感与地理信息科学研究室制作[16-19].其原始数据是美国国家冰雪数据中心处理的逐日被动微波遥感SMMR(Scanning Multichannel Microwave Radiometer,1978—1987年)、SSM/I(Special Sensor Microwave Imager,1987—2007年)和SSMI/S(Special Sensor Microwave Imager/Sounder,2008—2018年)数据.该数据集以Chang算法为基础,结合我国178个地面台站的观测雪深对拟合系数进行订正,通过修正反演公式,计算得到中国区域积雪深度数据集.1983年和1984年气象站的实测雪深数据与SSM反演结果进行比较,1993年实测雪深与SSM/I结果进行比较.结果表明,65%的SSM和SSM/I数据反演结果绝对误差小于5 cm[18],数据集精度较好,相关学者使用该数据集在不同的区域上进行了相关研究,并取得了相对满意的结果[20-23],本文将该雪深数据集应用于雅鲁藏布江流域雪深分布的研究.本研究使用数据集的时间尺度为1979—2017年,空间尺度为60°~140° E、15°~55° N,空间分辨率为25 km,并采用全球等积圆柱EASE-GRID投影.本研究中季节划分为:春季3—5月、夏季6—8月、秋季9—11月、冬季12月—次年2月,利用R Studio和ArcGIS软件处理得到的雅鲁藏布江流域年平均和四季的雪深. ...
2002-2009年中国干旱区积雪时空分布特征
1
2012
... 雪深数据来自中国西部环境与生态科学数据中心发布的中国雪深长时间序列数据集(1979—2017年),由中国科学院西北生态环境资源研究院遥感与地理信息科学研究室制作[16-19].其原始数据是美国国家冰雪数据中心处理的逐日被动微波遥感SMMR(Scanning Multichannel Microwave Radiometer,1978—1987年)、SSM/I(Special Sensor Microwave Imager,1987—2007年)和SSMI/S(Special Sensor Microwave Imager/Sounder,2008—2018年)数据.该数据集以Chang算法为基础,结合我国178个地面台站的观测雪深对拟合系数进行订正,通过修正反演公式,计算得到中国区域积雪深度数据集.1983年和1984年气象站的实测雪深数据与SSM反演结果进行比较,1993年实测雪深与SSM/I结果进行比较.结果表明,65%的SSM和SSM/I数据反演结果绝对误差小于5 cm[18],数据集精度较好,相关学者使用该数据集在不同的区域上进行了相关研究,并取得了相对满意的结果[20-23],本文将该雪深数据集应用于雅鲁藏布江流域雪深分布的研究.本研究使用数据集的时间尺度为1979—2017年,空间尺度为60°~140° E、15°~55° N,空间分辨率为25 km,并采用全球等积圆柱EASE-GRID投影.本研究中季节划分为:春季3—5月、夏季6—8月、秋季9—11月、冬季12月—次年2月,利用R Studio和ArcGIS软件处理得到的雅鲁藏布江流域年平均和四季的雪深. ...
Influence factors of snow change in Lake Bosten Basin
2
2012
... 本研究采用的雪深数据空间分辨率较大,且数据源本身的精度问题对研究结果存在一定的影响[21].文中夏季雪深和气温为正相关关系且夏季雪深呈现微弱的增加趋势,这可能是由于数据精度问题造成研究结果的不合理性,其中原因有待进一步探究[9,36-37].此外,坡度和坡向对雪深的分布影响很大,一般情况下,阴坡积雪比阳坡积雪融化慢,但本研究中该规律不明显,这个问题需要更高空间分辨率的积雪数据与DEM数据结合进行分析,才能得出更加精确的结论[21,35]. ...
... [21,35]. ...
博斯腾湖流域积雪变化及影响因素
2
2012
... 本研究采用的雪深数据空间分辨率较大,且数据源本身的精度问题对研究结果存在一定的影响[21].文中夏季雪深和气温为正相关关系且夏季雪深呈现微弱的增加趋势,这可能是由于数据精度问题造成研究结果的不合理性,其中原因有待进一步探究[9,36-37].此外,坡度和坡向对雪深的分布影响很大,一般情况下,阴坡积雪比阳坡积雪融化慢,但本研究中该规律不明显,这个问题需要更高空间分辨率的积雪数据与DEM数据结合进行分析,才能得出更加精确的结论[21,35]. ...
... [21,35]. ...
Analyses of snow cover based on passive microwave remote sensing data and observed data over the Tibetan Plateau
2013
青藏高原积雪被动微波遥感资料与台站观测资料的对比分析
2013
Possible linkages among anomalous land surface condition, surface heating in Qinghai-Xizang Plateau in April and summer precipitation in China
1
2012
... 雪深数据来自中国西部环境与生态科学数据中心发布的中国雪深长时间序列数据集(1979—2017年),由中国科学院西北生态环境资源研究院遥感与地理信息科学研究室制作[16-19].其原始数据是美国国家冰雪数据中心处理的逐日被动微波遥感SMMR(Scanning Multichannel Microwave Radiometer,1978—1987年)、SSM/I(Special Sensor Microwave Imager,1987—2007年)和SSMI/S(Special Sensor Microwave Imager/Sounder,2008—2018年)数据.该数据集以Chang算法为基础,结合我国178个地面台站的观测雪深对拟合系数进行订正,通过修正反演公式,计算得到中国区域积雪深度数据集.1983年和1984年气象站的实测雪深数据与SSM反演结果进行比较,1993年实测雪深与SSM/I结果进行比较.结果表明,65%的SSM和SSM/I数据反演结果绝对误差小于5 cm[18],数据集精度较好,相关学者使用该数据集在不同的区域上进行了相关研究,并取得了相对满意的结果[20-23],本文将该雪深数据集应用于雅鲁藏布江流域雪深分布的研究.本研究使用数据集的时间尺度为1979—2017年,空间尺度为60°~140° E、15°~55° N,空间分辨率为25 km,并采用全球等积圆柱EASE-GRID投影.本研究中季节划分为:春季3—5月、夏季6—8月、秋季9—11月、冬季12月—次年2月,利用R Studio和ArcGIS软件处理得到的雅鲁藏布江流域年平均和四季的雪深. ...
青藏高原4月陆面状况和地表加热异常与中国夏季降水的联系
1
2012
... 雪深数据来自中国西部环境与生态科学数据中心发布的中国雪深长时间序列数据集(1979—2017年),由中国科学院西北生态环境资源研究院遥感与地理信息科学研究室制作[16-19].其原始数据是美国国家冰雪数据中心处理的逐日被动微波遥感SMMR(Scanning Multichannel Microwave Radiometer,1978—1987年)、SSM/I(Special Sensor Microwave Imager,1987—2007年)和SSMI/S(Special Sensor Microwave Imager/Sounder,2008—2018年)数据.该数据集以Chang算法为基础,结合我国178个地面台站的观测雪深对拟合系数进行订正,通过修正反演公式,计算得到中国区域积雪深度数据集.1983年和1984年气象站的实测雪深数据与SSM反演结果进行比较,1993年实测雪深与SSM/I结果进行比较.结果表明,65%的SSM和SSM/I数据反演结果绝对误差小于5 cm[18],数据集精度较好,相关学者使用该数据集在不同的区域上进行了相关研究,并取得了相对满意的结果[20-23],本文将该雪深数据集应用于雅鲁藏布江流域雪深分布的研究.本研究使用数据集的时间尺度为1979—2017年,空间尺度为60°~140° E、15°~55° N,空间分辨率为25 km,并采用全球等积圆柱EASE-GRID投影.本研究中季节划分为:春季3—5月、夏季6—8月、秋季9—11月、冬季12月—次年2月,利用R Studio和ArcGIS软件处理得到的雅鲁藏布江流域年平均和四季的雪深. ...
Improving land surface temperature modeling for dry land of China
1
2011
... 降水和气温数据采用中国区域地面气象要素数据集,是由中国科学院青藏高原研究所制作的一套近地面气象与环境要素再分析数据集[24-25].该数据集是以国际上现有的Princeton再分析资料[26-27]、GLDAS(Global Land Data Assimilation System)资料、GEWEX-SRB(Global Energy and Water Exchanges)辐射资料,以及TRMM(Tropical Rainfall Measuring Mission)降水资料为背景场,融合了中国气象局常规气象观测数据制作而成.数据集时间分辨率为3小时,空间分辨率为0.1°,经度范围为60°~140° E,纬度为15°~55° N,采用WGS-1984坐标系统. ...
On downward shortwave and longwave radiations over high altitude regions: observation and modeling in the Tibetan Plateau
1
2010
... 降水和气温数据采用中国区域地面气象要素数据集,是由中国科学院青藏高原研究所制作的一套近地面气象与环境要素再分析数据集[24-25].该数据集是以国际上现有的Princeton再分析资料[26-27]、GLDAS(Global Land Data Assimilation System)资料、GEWEX-SRB(Global Energy and Water Exchanges)辐射资料,以及TRMM(Tropical Rainfall Measuring Mission)降水资料为背景场,融合了中国气象局常规气象观测数据制作而成.数据集时间分辨率为3小时,空间分辨率为0.1°,经度范围为60°~140° E,纬度为15°~55° N,采用WGS-1984坐标系统. ...
Development of a 50-year high-resolution global dataset of meteorological forcings for land surface modeling
1
2006
... 降水和气温数据采用中国区域地面气象要素数据集,是由中国科学院青藏高原研究所制作的一套近地面气象与环境要素再分析数据集[24-25].该数据集是以国际上现有的Princeton再分析资料[26-27]、GLDAS(Global Land Data Assimilation System)资料、GEWEX-SRB(Global Energy and Water Exchanges)辐射资料,以及TRMM(Tropical Rainfall Measuring Mission)降水资料为背景场,融合了中国气象局常规气象观测数据制作而成.数据集时间分辨率为3小时,空间分辨率为0.1°,经度范围为60°~140° E,纬度为15°~55° N,采用WGS-1984坐标系统. ...
Characteristics of global and regional drought, 1950-2000: analysis of soil moisture data from off-line simulation of the terrestrial hydrologic cycle
1
2007
... 降水和气温数据采用中国区域地面气象要素数据集,是由中国科学院青藏高原研究所制作的一套近地面气象与环境要素再分析数据集[24-25].该数据集是以国际上现有的Princeton再分析资料[26-27]、GLDAS(Global Land Data Assimilation System)资料、GEWEX-SRB(Global Energy and Water Exchanges)辐射资料,以及TRMM(Tropical Rainfall Measuring Mission)降水资料为背景场,融合了中国气象局常规气象观测数据制作而成.数据集时间分辨率为3小时,空间分辨率为0.1°,经度范围为60°~140° E,纬度为15°~55° N,采用WGS-1984坐标系统. ...
Nonparametric tests against trend
1
1945
... Mann-Kendall检验法是世界气象组织推荐并且已广泛使用的趋势检验方法,能够揭示整体时间序列的趋势变化与突变情况[28-29].对于时间序列变量,n为序列长度(n>10),定义统计量: ...
1
1992
... Mann-Kendall检验法是世界气象组织推荐并且已广泛使用的趋势检验方法,能够揭示整体时间序列的趋势变化与突变情况[28-29].对于时间序列变量,n为序列长度(n>10),定义统计量: ...
Spatiotemporal variations in precipitation in Jinan, China
1
2017
... 在序列突变检验时如果UF和UB曲线出现交点,且位于信度线之间,则为该序列的突变点[30]. ...
济南市降水特征时空演变规律分析
1
2017
... 在序列突变检验时如果UF和UB曲线出现交点,且位于信度线之间,则为该序列的突变点[30]. ...
Estimates of the regression coefficient based on Kendall’s tau
1
1968
... Sen氏坡度表示时间序列的平均变化率,与Mann-Kendall(M-K)检验法结合使用[31].n为时间序列长度,且j>k: ...
Spatio-temporal distribution of snow depth and the topography impacts over the Mongolia Plateau
1
2018
... 雅江流域内雪深空间分布差异明显,呈现“二高二低”相间分布的特征(图5).2个雪深高值区,分布在流域西部边缘处的雅江源头区域、流域东部的山地地区,多年平均雪深在9.0 cm以上;2个雪深低值区,分布在中游河谷地带、下游至流域出口区域,多年平均雪深低于0.8 cm[图5(a)].流域内有64.0%的地区多年平均雪深小于2.0 cm,分布在中游河谷地区和雅江出口区域;16.8%的地区多年平均雪深在2~4 cm;6.7%的地区多年平均雪深在6 cm以上,主要分布在流域东部边缘的念青唐古拉山.夏季流域内43.5%的地区积雪全部融化,雪深为0[图5(c)];冬季10.1%的区域雪深在10.0 cm以上[图5(e)].整体上,雅江流域的雪深分布与降水和高程分布有着较好的一致性.降水为积雪提供资源供给[32-33],该流域的降水主要来源是孟加拉湾的暖湿气流,沿雅江河谷上溯,流域降水自下游往上游递减.气温和海拔影响积雪的积累,高海拔地区的念青唐古拉山脉、喜马拉雅山脉积雪深厚,持续时间长[4];中游河谷地区降水较少且海拔较低不利于积雪积累;东部下游地区属山地亚热带、热带气候,不利于积雪形成[14].雅江流域雪深的空间分布与流域内的气象因子和地形地貌特征有着密切的联系. ...
蒙古高原雪深时空变化特征及地形影响
1
2018
... 雅江流域内雪深空间分布差异明显,呈现“二高二低”相间分布的特征(图5).2个雪深高值区,分布在流域西部边缘处的雅江源头区域、流域东部的山地地区,多年平均雪深在9.0 cm以上;2个雪深低值区,分布在中游河谷地带、下游至流域出口区域,多年平均雪深低于0.8 cm[图5(a)].流域内有64.0%的地区多年平均雪深小于2.0 cm,分布在中游河谷地区和雅江出口区域;16.8%的地区多年平均雪深在2~4 cm;6.7%的地区多年平均雪深在6 cm以上,主要分布在流域东部边缘的念青唐古拉山.夏季流域内43.5%的地区积雪全部融化,雪深为0[图5(c)];冬季10.1%的区域雪深在10.0 cm以上[图5(e)].整体上,雅江流域的雪深分布与降水和高程分布有着较好的一致性.降水为积雪提供资源供给[32-33],该流域的降水主要来源是孟加拉湾的暖湿气流,沿雅江河谷上溯,流域降水自下游往上游递减.气温和海拔影响积雪的积累,高海拔地区的念青唐古拉山脉、喜马拉雅山脉积雪深厚,持续时间长[4];中游河谷地区降水较少且海拔较低不利于积雪积累;东部下游地区属山地亚热带、热带气候,不利于积雪形成[14].雅江流域雪深的空间分布与流域内的气象因子和地形地貌特征有着密切的联系. ...
Impact of climate and elevation on snow cover using integrated remote sensing snow products in Tibetan Plateau
1
2017
... 雅江流域内雪深空间分布差异明显,呈现“二高二低”相间分布的特征(图5).2个雪深高值区,分布在流域西部边缘处的雅江源头区域、流域东部的山地地区,多年平均雪深在9.0 cm以上;2个雪深低值区,分布在中游河谷地带、下游至流域出口区域,多年平均雪深低于0.8 cm[图5(a)].流域内有64.0%的地区多年平均雪深小于2.0 cm,分布在中游河谷地区和雅江出口区域;16.8%的地区多年平均雪深在2~4 cm;6.7%的地区多年平均雪深在6 cm以上,主要分布在流域东部边缘的念青唐古拉山.夏季流域内43.5%的地区积雪全部融化,雪深为0[图5(c)];冬季10.1%的区域雪深在10.0 cm以上[图5(e)].整体上,雅江流域的雪深分布与降水和高程分布有着较好的一致性.降水为积雪提供资源供给[32-33],该流域的降水主要来源是孟加拉湾的暖湿气流,沿雅江河谷上溯,流域降水自下游往上游递减.气温和海拔影响积雪的积累,高海拔地区的念青唐古拉山脉、喜马拉雅山脉积雪深厚,持续时间长[4];中游河谷地区降水较少且海拔较低不利于积雪积累;东部下游地区属山地亚热带、热带气候,不利于积雪形成[14].雅江流域雪深的空间分布与流域内的气象因子和地形地貌特征有着密切的联系. ...
Distribution of snow cover in China
1
1983
... 地形是影响积雪形成和分布的重要因子,高海拔地区气温低,有利于积雪的形成和维持,而低海拔地区高温条件不利于积雪的形成,一般来说,山地积雪具有一定的垂直递增规律[4,34].此外,坡度、坡向对积雪的积累也有影响,导致同一海拔高度雪深的差异较大. ...
中国积雪的分布
1
1983
... 地形是影响积雪形成和分布的重要因子,高海拔地区气温低,有利于积雪的形成和维持,而低海拔地区高温条件不利于积雪的形成,一般来说,山地积雪具有一定的垂直递增规律[4,34].此外,坡度、坡向对积雪的积累也有影响,导致同一海拔高度雪深的差异较大. ...
Relationship between the spatial and temporal distribution of snow depth and the terrain over the Tibetan Plateau
2
2015
... 采用最邻近法将DEM数据重采样至25 km,使其与雪深数据空间分辨率一致.高程是影响积雪分布与变化的重要地形因子,雅江流域内地形复杂且海拔差异大,从雪深的空间分布来看,山地区域的雪深普遍高于河谷地区.海拔4 000 m以下,雪深随着高程的增加而增加,流域内0~2 000 m、2 000~3 000 m、3 000~4 000 m高度带多年平均雪深分别为0.02 cm、0.71 cm、2.48 cm,有着较好的垂直递增规律.4 000~5 000 m高度带之间,雪深随高程的分布出现了一个“陡坎”,这与白淑英等[35]在研究青藏高原雪深与地形因子的关系时得到的结论一致[表2、图8(a)].且流域最大雪深分布在4 500~5 000 m之间,并非在海拔最大处,说明雪深与高程并非简单的线性关系,这与刘金平等[15]利用雪深站点数据分析青藏高原雪深分布特征时得到的结论一致.冬季和年均雪深最大值均出现在4 500~5 000 m高程处[图8(a)、8(e)],这可能是由于冬季由于受到高原冷高压的影响,海拔5 000 m以上的降雪过程较少,加上盛行西风吹雪使得积雪迁移至河谷或海拔较低的区域[4],因此冬季雪深的峰值出现在此高度带,风吹雪造成的积雪再分配作用值得进一步研究.在年内分布方面,夏季4 000 m以下的积雪基本消融[图8(c)],冬季2 000m以上的积雪深度平均可达4.19 cm[图8(e)],2 000 m以上高度带雪深季节间变化大[图8(a)~(e)]. ...
... 本研究采用的雪深数据空间分辨率较大,且数据源本身的精度问题对研究结果存在一定的影响[21].文中夏季雪深和气温为正相关关系且夏季雪深呈现微弱的增加趋势,这可能是由于数据精度问题造成研究结果的不合理性,其中原因有待进一步探究[9,36-37].此外,坡度和坡向对雪深的分布影响很大,一般情况下,阴坡积雪比阳坡积雪融化慢,但本研究中该规律不明显,这个问题需要更高空间分辨率的积雪数据与DEM数据结合进行分析,才能得出更加精确的结论[21,35]. ...
青藏高原积雪深度时空分布与地形的关系
2
2015
... 采用最邻近法将DEM数据重采样至25 km,使其与雪深数据空间分辨率一致.高程是影响积雪分布与变化的重要地形因子,雅江流域内地形复杂且海拔差异大,从雪深的空间分布来看,山地区域的雪深普遍高于河谷地区.海拔4 000 m以下,雪深随着高程的增加而增加,流域内0~2 000 m、2 000~3 000 m、3 000~4 000 m高度带多年平均雪深分别为0.02 cm、0.71 cm、2.48 cm,有着较好的垂直递增规律.4 000~5 000 m高度带之间,雪深随高程的分布出现了一个“陡坎”,这与白淑英等[35]在研究青藏高原雪深与地形因子的关系时得到的结论一致[表2、图8(a)].且流域最大雪深分布在4 500~5 000 m之间,并非在海拔最大处,说明雪深与高程并非简单的线性关系,这与刘金平等[15]利用雪深站点数据分析青藏高原雪深分布特征时得到的结论一致.冬季和年均雪深最大值均出现在4 500~5 000 m高程处[图8(a)、8(e)],这可能是由于冬季由于受到高原冷高压的影响,海拔5 000 m以上的降雪过程较少,加上盛行西风吹雪使得积雪迁移至河谷或海拔较低的区域[4],因此冬季雪深的峰值出现在此高度带,风吹雪造成的积雪再分配作用值得进一步研究.在年内分布方面,夏季4 000 m以下的积雪基本消融[图8(c)],冬季2 000m以上的积雪深度平均可达4.19 cm[图8(e)],2 000 m以上高度带雪深季节间变化大[图8(a)~(e)]. ...
... 本研究采用的雪深数据空间分辨率较大,且数据源本身的精度问题对研究结果存在一定的影响[21].文中夏季雪深和气温为正相关关系且夏季雪深呈现微弱的增加趋势,这可能是由于数据精度问题造成研究结果的不合理性,其中原因有待进一步探究[9,36-37].此外,坡度和坡向对雪深的分布影响很大,一般情况下,阴坡积雪比阳坡积雪融化慢,但本研究中该规律不明显,这个问题需要更高空间分辨率的积雪数据与DEM数据结合进行分析,才能得出更加精确的结论[21,35]. ...
Spatio-temporal variation of snow depth on Tibetan Plateau over the last 30 years
1
2018
... 本研究采用的雪深数据空间分辨率较大,且数据源本身的精度问题对研究结果存在一定的影响[21].文中夏季雪深和气温为正相关关系且夏季雪深呈现微弱的增加趋势,这可能是由于数据精度问题造成研究结果的不合理性,其中原因有待进一步探究[9,36-37].此外,坡度和坡向对雪深的分布影响很大,一般情况下,阴坡积雪比阳坡积雪融化慢,但本研究中该规律不明显,这个问题需要更高空间分辨率的积雪数据与DEM数据结合进行分析,才能得出更加精确的结论[21,35]. ...
近 30 年青藏高原雪深时空变化特征分析
1
2018
... 本研究采用的雪深数据空间分辨率较大,且数据源本身的精度问题对研究结果存在一定的影响[21].文中夏季雪深和气温为正相关关系且夏季雪深呈现微弱的增加趋势,这可能是由于数据精度问题造成研究结果的不合理性,其中原因有待进一步探究[9,36-37].此外,坡度和坡向对雪深的分布影响很大,一般情况下,阴坡积雪比阳坡积雪融化慢,但本研究中该规律不明显,这个问题需要更高空间分辨率的积雪数据与DEM数据结合进行分析,才能得出更加精确的结论[21,35]. ...
A comparative analysis of the two dynamic snow-melting process and their relationship with air temperature during 2013—2015 in the area of Maduo, Tibetan Plateau
1
2017
... 本研究采用的雪深数据空间分辨率较大,且数据源本身的精度问题对研究结果存在一定的影响[21].文中夏季雪深和气温为正相关关系且夏季雪深呈现微弱的增加趋势,这可能是由于数据精度问题造成研究结果的不合理性,其中原因有待进一步探究[9,36-37].此外,坡度和坡向对雪深的分布影响很大,一般情况下,阴坡积雪比阳坡积雪融化慢,但本研究中该规律不明显,这个问题需要更高空间分辨率的积雪数据与DEM数据结合进行分析,才能得出更加精确的结论[21,35]. ...
2013—2015年青藏高原玛多地区两次动态融雪过程及其与气温关系对比分析
1
2017
... 本研究采用的雪深数据空间分辨率较大,且数据源本身的精度问题对研究结果存在一定的影响[21].文中夏季雪深和气温为正相关关系且夏季雪深呈现微弱的增加趋势,这可能是由于数据精度问题造成研究结果的不合理性,其中原因有待进一步探究[9,36-37].此外,坡度和坡向对雪深的分布影响很大,一般情况下,阴坡积雪比阳坡积雪融化慢,但本研究中该规律不明显,这个问题需要更高空间分辨率的积雪数据与DEM数据结合进行分析,才能得出更加精确的结论[21,35]. ...