朱淑珍，黃法融，馮挺，趙鑫，李蘭海，4，5

（1.中國(guó)科學(xué)院新疆生態(tài)與地理研究所荒漠與綠洲生態(tài)國(guó)家重點(diǎn)實(shí)驗(yàn)室，新疆 烏魯木齊 830011；2.中國(guó)科學(xué)院伊犁河流域生態(tài)系統(tǒng)研究站，新疆 新源 835800；3.中國(guó)科學(xué)院大學(xué)，北京 100049；4.新疆干旱區(qū)水循環(huán)與水利用重點(diǎn)實(shí)驗(yàn)室，新疆 烏魯木齊 830011；5.中國(guó)科學(xué)院中亞生態(tài)與環(huán)境研究中心，新疆 烏魯木齊 830011；6.南寧師范大學(xué)地理與海洋研究院，廣西 南寧 530001）

0 引言

積雪是地表覆蓋的重要組成部分，是重要的水資源來(lái)源，可調(diào)節(jié)河川徑流量，為生態(tài)系統(tǒng)可持續(xù)發(fā)展提供保障，且有益于旅游等發(fā)展，為當(dāng)?shù)貛?lái)經(jīng)濟(jì)效益［1］。氣候變暖背景下，全球積雪覆蓋面積呈減少趨勢(shì)，將影響全球生態(tài)環(huán)境，并導(dǎo)致經(jīng)濟(jì)損失［2］。天山作為中亞水塔，主導(dǎo)了新疆乃至中亞地區(qū)的水循環(huán)。新疆有近70%的河流發(fā)源于天山，天山地區(qū)季節(jié)性積雪融水是當(dāng)?shù)睾哟◤搅髁康闹匾a(bǔ)給來(lái)源，天山地區(qū)積雪時(shí)空變化將直接影響新疆農(nóng)牧業(yè)生產(chǎn)及生態(tài)環(huán)境安全［3］。過(guò)去半個(gè)多世紀(jì)，新疆天山山區(qū)的氣溫升高速率高于全球增溫速率［4］，因此，在全球氣候變化背景下，研究天山地區(qū)積雪量變化，對(duì)新疆生態(tài)保護(hù)、水資源安全具有重要意義［5-6］。

近年來(lái)，諸多學(xué)者利用遙感、實(shí)測(cè)、氣候模式輸出等資料，分析了天山地區(qū)積雪深度、積雪密度、積雪覆蓋面積、積雪初日、積雪日數(shù)、積雪量等積雪特征的變化，以及積雪特性與氣象、地形等環(huán)境因子的關(guān)系［7-20］。例如，F(xiàn)eng等［7］利用積雪地面調(diào)查資料分析了天山地區(qū)不同時(shí)期的積雪密度空間分布特征，結(jié)果表明積雪密度隨海拔上升整體呈增加趨勢(shì)；基于遙感積雪面積的研究表明［8-13］，近年來(lái)天山全區(qū)積雪覆蓋率略微減少，天山東部、中部積雪覆蓋率顯著減少，氣溫是造成天山積雪面積變化的主要因素［12-13］。而基于氣候模式的天山山區(qū)積雪量研究表明［14-15］，3月積雪量的變化受冷季（11月—次年3月）降水總量變化的控制。

被動(dòng)微波遙感能夠穿透云層和地表，獲取積雪深度等積雪參數(shù)信息，已有學(xué)者利用被動(dòng)微波遙感對(duì)中國(guó)主要積雪區(qū)（新疆、青藏高原、東北、華北和內(nèi)蒙古）的積雪深度進(jìn)行了反演［21-26］。例如，Che等［21］修正了星載微波輻射計(jì)SMMR（Scanning Multichannel Microwave Radiometer）、SSM/I（Special Sensor Microwave Imager）在中國(guó)區(qū)域的系數(shù)，獲取了中國(guó)長(zhǎng)時(shí)間序列雪深數(shù)據(jù)集；蔣玲梅等［22］和李長(zhǎng)春等［23］利用微波成像儀FY-3B/MWRI（Fengyun 3B Microwave Radiation Imager）資料和土地覆蓋數(shù)據(jù)，反演了中國(guó)主要積雪區(qū)和新疆不同下墊面的積雪深度；劉洋等［24］利用Sentinel-1數(shù)據(jù)對(duì)新疆巴音布魯克地區(qū)的積雪深度進(jìn)行了反演。但鮮有學(xué)者基于微波遙感反演積雪密度，進(jìn)而估算區(qū)域積雪量的時(shí)空分布特征并分析其影響因子。

本研究選擇中國(guó)天山地區(qū)作為研究區(qū)，利用微波遙感FY-3B/MWRI資料反演積雪密度，并結(jié)合中國(guó)長(zhǎng)時(shí)間序列微波遙感雪深數(shù)據(jù)，對(duì)天山地區(qū)的積雪量進(jìn)行估算，同時(shí)對(duì)該地區(qū)積雪量時(shí)空變化的影響因子展開(kāi)分析，以期為該地區(qū)的發(fā)展提供數(shù)據(jù)資料和科技支撐。

1 研究區(qū)概況

天山地區(qū)是我國(guó)三大穩(wěn)定積雪區(qū)之一，也是新疆三大山系中積雪最為豐富的地區(qū)。中國(guó)境內(nèi)的天山山脈橫亙于新疆維吾爾自治區(qū)中部（73°～95° E，38°～45°N），西至喀什，鄰近塔吉克斯坦地區(qū)，東至哈密市及以南的吐魯番盆地，東西長(zhǎng)約1 700 km［27］，南北寬100～400 km，山區(qū)平均海拔4 000 m。本文根據(jù)新疆行政區(qū)劃以及天山南北坡特性，參考Zhang等［28］和Huang等［29］等對(duì)天山地區(qū)的研究確定本文研究區(qū)域，主要包括中國(guó)境內(nèi)天山山區(qū)、天山南北坡和吐魯番盆地（圖1），研究區(qū)總面積約59×104km2。受西風(fēng)環(huán)流影響，研究區(qū)中西部降雪豐富，東部降雪較少。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來(lái)源與處理

2.1.1 雪深數(shù)據(jù)

本研究利用的中國(guó)長(zhǎng)時(shí)間序列雪深數(shù)據(jù)集來(lái)源于國(guó)家青藏高原科學(xué)數(shù)據(jù)中心（http：//data.tpdc.ac.cn/zh-hans/data/df40346a-0202-4ed2-bb07-b65dfcda9368/），該數(shù)據(jù)集提供1979年1月1日到2020年12月31日中國(guó)范圍內(nèi)的逐日積雪深度，空間分辨率為25 km，采用EASE-GRID（Equal-Area Scalable Earth Grid）投影，本文稱之為遙感雪深數(shù)據(jù)，其原始數(shù)據(jù)是美國(guó)國(guó)家冰雪數(shù)據(jù)中心處理的逐日被動(dòng)微波遙感SMMR、SSM/I和SSMI/S（Special Sensor Microwave Imager/Sounder）數(shù)據(jù)。利用ArcGIS、Python對(duì)遙感雪深數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換、裁剪等預(yù)處理。根據(jù)中國(guó)氣象局發(fā)布的《地面氣象觀測(cè)規(guī)范》，將平均雪深不足0.5 cm記為0 cm，當(dāng)積雪深度大于等于0.5 cm時(shí)，數(shù)值四舍五入，記為1 cm［30］，像元積雪深度達(dá)到或超過(guò)1 cm，記為有積雪分布。

參考Feng等［7］、李曉峰等［31］和王慧等［32］對(duì)積雪期的劃分，將11月至次年3月定義為積雪期，其中11—12月為積雪積累期，1—2月為積雪穩(wěn)定期，3月為積雪消融期。在2017—2018年、2018—2019年兩個(gè)積雪期內(nèi)，研究團(tuán)隊(duì)對(duì)積累期、穩(wěn)定期、消融期共展開(kāi)了6次積雪特性地面調(diào)查。利用6次實(shí)測(cè)數(shù)據(jù)［圖2（a）］對(duì)研究區(qū)內(nèi)遙感雪深數(shù)據(jù)精度進(jìn)行了評(píng)估。結(jié)果表明［圖2（b）］，積雪期實(shí)測(cè)雪深與遙感雪深的相關(guān)系數(shù)為0.71［圖2（b）］，積累期、穩(wěn)定期、消融期的分別為0.32、0.76、0.75［圖2（c）～2（e）］，均通過(guò)了5%水平顯著性檢驗(yàn)，表明遙感雪深數(shù)據(jù)集在一定程度上能反映研究區(qū)雪深的時(shí)空變化。

圖2 研究區(qū)實(shí)測(cè)雪深（a）及其與不同時(shí)期遙感雪深數(shù)據(jù)之間的關(guān)系（b）～（e）Fig.2 The measured snow depth in the study area（a）and its relationship with remote sensing snow depth in different periods（b）～（e）

2.1.2 實(shí)測(cè)積雪密度數(shù)據(jù)

實(shí)測(cè)積雪密度來(lái)源于2017—2018年、2018—2019年積雪期內(nèi)的6次積雪特性地面調(diào)查，用以構(gòu)建積雪密度遙感反演算法。其中2017—2018年積雪期調(diào)查數(shù)據(jù)用以率定積雪密度遙感反演算法，2018—2019年調(diào)查數(shù)據(jù)用以驗(yàn)證該算法。對(duì)實(shí)測(cè)積雪密度數(shù)據(jù)進(jìn)行嚴(yán)格篩查后，進(jìn)行林地、草地及裸土（農(nóng)田和裸地）下墊面類型分類，如表1所示。

表1 積雪特性采樣點(diǎn)信息Table 1 Time，location and number of snow property samples

2.1.3 FY-3B/MWRI亮溫?cái)?shù)據(jù)

本文利用被動(dòng)微波數(shù)據(jù)反演天山地區(qū)積雪密度，被動(dòng)微波數(shù)據(jù)選用我國(guó)FY-3B衛(wèi)星搭載的MWRI探測(cè)器的一級(jí)亮溫?cái)?shù)據(jù)（http：//satellite.nsmc.org.cn/portalsite/default.Aspx）。MWRI傳感器是一款具有10通道、5頻率（10.65 GHz、18.75 GHz、23.80 GHz、36.50 GHz、89.00 GHz）（以 下 簡(jiǎn) 寫 為10 GHz、18 GHz、23 GHz、36 GHz、89 GHz）的雙極化（V/H）圓錐掃描星載微波輻射計(jì)。相較于FY-3A/MWRI，F(xiàn)Y-3B/MWRI解決了動(dòng)態(tài)平衡問(wèn)題，自發(fā)射以來(lái)運(yùn)行穩(wěn)定，連續(xù)觀測(cè)情況較好；與FY-3C、3D/MWRI相比，F(xiàn)Y-3B/MWRI運(yùn)行中的靈敏度穩(wěn)定，運(yùn)行時(shí)間較長(zhǎng)，在積雪研究中應(yīng)用較為廣泛［22-23，25-26，33-35］。對(duì)FY-3B/MWRI遙感數(shù)據(jù)進(jìn)行坐標(biāo)轉(zhuǎn)換、重采樣、亮溫提取等處理，將坐標(biāo)轉(zhuǎn)換至EASE-GRID投影。考慮到本文所用的MWRI遙感數(shù)據(jù)的空間分辨率為9～85 km，利用雙線性方法將FY-3B/MWRI數(shù)據(jù)重采樣至10 km。

為構(gòu)建積雪密度反演公式，提取了6次積雪調(diào)查對(duì)應(yīng)時(shí)段的微波亮溫?cái)?shù)據(jù)。根據(jù)天山積雪站積雪密度多年觀測(cè)資料，積雪密度年際變化屬于弱變異性（CV為6%）。因此本文利用2017—2018年積雪期密度計(jì)算積雪量，采用該積雪期各月當(dāng)中MWRI傳感器覆蓋天山地區(qū)較為完整且數(shù)據(jù)質(zhì)量較高日期的微波亮溫，基于構(gòu)建的積雪密度反演公式，反演各月積雪密度。

表2 FY-3B/MWRI頻率信息Table 2 Main characteristic of FY-3B/MWRI band

2.1.4 土地覆蓋數(shù)據(jù)

本文基于下墊面類型進(jìn)行區(qū)域積雪密度遙感反演，參考Chang等研究［36］，將MCD12Q1土地覆蓋類型分為4類：草地、裸土（包含農(nóng)田和裸地）、森林和灌木，并考慮到天山地區(qū)森林和灌木分布范圍較小，本文將森林和灌木合并為林地，將天山地區(qū)的下墊面分為林地、草地、裸土三類，即將NASA（https：//search.earthdata.nasa.gov/search）提供的2019年MODIS土地覆蓋產(chǎn)品MCD12Q1重分類為林地、草地、裸土，具體做法為：將國(guó)際地圈生物圈（IGBP）土地分類體系中的常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林、郁閉灌叢、開(kāi)放灌叢作為林地，多樹(shù)草原、稀樹(shù)草原、草地作為草地，作物、作物與自然植被的鑲嵌體、裸地或低植被覆蓋地等作為裸土。重分類后的天山地區(qū)土地覆蓋類型如圖3所示，林地、草地、裸土分別占比0.24%、24.59%、75.17%。

圖3 2019年天山地區(qū)土地分類Fig.3 Land cover of the study area in 2019

2.1.5 輔助數(shù)據(jù)

輔助數(shù)據(jù)包括數(shù)字高程模型（Digital Elevation Model，DEM）、坡度、坡向以及氣象資料，用以分析積雪量時(shí)空變化影響因子。DEM數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云（http：//www.gscloud.cn/），空間分辨率為30 m，投影為GCS_WGS_1984。對(duì)DEM數(shù)據(jù)進(jìn)行拼接、裁剪、雙線性采樣等處理，得到研究區(qū)的高程分布（圖1），并提取坡度、坡向。氣象數(shù)據(jù)來(lái)源于國(guó)家氣象科學(xué)數(shù)據(jù)中心（http：//data.cma.cn/）的中國(guó)地面氣候資料日值數(shù)據(jù)集，包括12個(gè)氣象站點(diǎn)（圖1）的降水、氣溫資料。

2.2 研究方法

2.2.1 積雪密度反演

目前被動(dòng)微波反演雪密度缺乏足夠的理論支持，考慮到雪深和雪粒徑是影響積雪散射的重要因子，雪密度與雪深和雪粒徑關(guān)系密切，參考已有學(xué)者對(duì)積雪深度的遙感反演，本研究選取雪深遙感反演常用的10 GHz、18 GHz、36 GHz、89 GHz［22-23，25-26］波段，構(gòu)建各波段亮溫差與雪密度的經(jīng)驗(yàn)關(guān)系，進(jìn)行雪密度遙感反演。事實(shí)上，本研究中實(shí)測(cè)雪深小于10 cm的淺雪采樣點(diǎn)約占30%，而18 GHz、36 GHz、89 GHz有益于識(shí)別淺雪信息［22］，且高頻波段36 GHz、89 GHz對(duì)積雪顆粒的散射敏感［37-38］。根據(jù)2017—2018積雪期觀測(cè)積雪密度，篩選研究區(qū)相應(yīng)日 期的MWRI微 波10 GHz、18 GHz、36 GHz、89 GHz的V、H極化頻率組合反演積雪密度?；谌N下墊面類型，對(duì)選取的8個(gè)波段（10V、10H、18V、18H、36V、36H、89V、89H）進(jìn)行組合，利用逐步線性回歸方法，剔除相關(guān)性較低的組合，最終獲得最佳波段組合［22-23］，如式（1）～（3）所示。

式中：ρforest、ρgrass、ρbaresoil分別為遙感反演的林地、草地、裸土積雪密度，單位為kg m-3；d表示不同通道亮溫差值；10、18、36、89表示FY-3B/MWRI的亮溫通道；V表示垂直極化，H表示水平通道。

各下墊面類型積雪密度與最優(yōu)頻段亮溫差的關(guān)系如圖4～6所示?？梢钥闯?，林地、裸土實(shí)測(cè)積雪密度與各頻段亮溫差呈負(fù)相關(guān)關(guān)系，而草地實(shí)測(cè)積雪密度與各頻段亮溫差的相關(guān)系數(shù)正負(fù)不一，但草地實(shí)測(cè)積雪密度與高頻波段（36 GHz、89 GHz）亮溫差的相關(guān)系數(shù)［圖5（d）～5（g）］較大。

圖4 林地積雪密度與波段亮溫差值相關(guān)性Fig.4 Correlation between snow density and band brightness difference for forest

圖5 草地積雪密度與波段亮溫差值相關(guān)性Fig.5 Correlation between snow density and band brightness difference for glassland

圖7為式（1）～（3）反演的林地、草地、裸土積雪密度率定和驗(yàn)證效果。結(jié)果表明，構(gòu)建的積雪密度反演公式能夠較好地反映不同下墊面的積雪密度（驗(yàn)證期相關(guān)系數(shù)通過(guò)了5%水平顯著性檢驗(yàn)），且草地積雪密度的遙感反演結(jié)果好于林地和裸土。這主要是由于林地植被削弱了高低頻亮溫差，且林地多在山區(qū)，森林的郁閉度與地形影響將導(dǎo)致積雪密度反演誤差增大；裸土在整個(gè)研究區(qū)面積占比為75.17%，下墊面情況較為復(fù)雜，但樣本數(shù)又較少，在一定程度上影響反演效果；而草地的樣本較多，下墊面較為均一，使反演效果較好［22］。

圖6 裸土積雪密度與波段亮溫差值相關(guān)性Fig.6 Correlation between snow density and band brightness difference for bare soil

圖7 不同下墊面積雪密度率定及驗(yàn)證結(jié)果Fig.7 Calibration and validation results of snow density for different land cover types

2.2.2 積雪量

本文利用如下公式計(jì)算各個(gè)柵格的月積雪量M：

式中：A為柵格面積，單位柵格面積25 km2；SD為某月的平均雪深，單位為cm；ρ為積雪密度，單位為kg·m-3。當(dāng)雪深為0時(shí)，該柵格的積雪量為0。計(jì)算積雪量時(shí)，為了匹配積雪密度空間分辨率，采用雙線性方法將雪深數(shù)據(jù)重采樣至10 km，即本文中A為100 km2。

此外，本研究利用線性回歸獲取積雪量隨時(shí)間的變化趨勢(shì)，并通過(guò)F檢驗(yàn)獲取變化趨勢(shì)的顯著性水平。

2.2.3 相關(guān)性分析

相關(guān)性分析是指對(duì)兩個(gè)或多個(gè)變量進(jìn)行關(guān)聯(lián)的一種衡量方式，進(jìn)一步探求兩個(gè)或者多個(gè)要素之間的密切程度［39］。兩個(gè)變量x和y的Pearson相關(guān)系數(shù)r計(jì)算公式如下：

式中：n為樣本總數(shù)；xi和yi分別為x和y的樣本值;和分別為變量的平均值；r的絕對(duì)值越大，說(shuō)明y和x的線性相關(guān)程度越高。本研究采用Pearson相關(guān)系數(shù)來(lái)探究積雪量與地形和氣象因子之間的關(guān)系。

3 結(jié)果與分析

3.1 雪深空間分布

1979—2020年，天山地區(qū)不同時(shí)期多年平均雪深空間分布如圖8所示。從圖8（a）可以看出，天山地區(qū)積雪期積雪主要分布在山區(qū)。對(duì)比圖8（b）～8（d）可以看出，積累期雪深比穩(wěn)定期和消融期的小。積累期，區(qū)域多年平均雪深約2 cm，海拔較高的地區(qū)，則超過(guò)8 cm，而海拔較低的吐魯番盆地等地區(qū)，多年平均雪深約1 cm。穩(wěn)定期，區(qū)域多年平均雪深約5 cm，海拔較高地區(qū)，則超過(guò)20 cm，而吐魯番盆地等海拔較低地區(qū)的雪深為1 cm左右。消融期，天山地區(qū)多年平均雪深空間格局與穩(wěn)定期的一致，但數(shù)值略小。

圖8 1979—2020不同時(shí)期多年平均雪深空間分布Fig.8 Spatial distribution of snow depth in different periods during 1979—2020

3.2 積雪密度空間分布

通過(guò)微波遙感反演，得到天山地區(qū)不同時(shí)期積雪密度空間分布（圖9）。結(jié)果表明，積雪密度空間分布與雪深的空間分布格局較為一致，即高海拔處雪深和積雪密度較大；低海拔處，雪深和積雪密度較小。不同時(shí)期，積雪密度空間分布略有差異，積累期積雪密度較大（＞300 kg·m-3）的地區(qū)分布范圍較小，而穩(wěn)定期和消融期的分布范圍較大。

圖9 不同時(shí)期積雪密度空間分布Fig.9 Spatial distribution of snow density in different snow periods

3.3 積雪量多年變化趨勢(shì)

天山地區(qū)不同時(shí)期區(qū)域平均積雪量線性變化趨勢(shì)如圖10所示，結(jié)果表明，1979—2020年，積雪期區(qū)域平均積雪量呈減少趨勢(shì)［圖10（a）］，但變化趨勢(shì)不顯著；積累期、消融期積雪量也呈減少趨勢(shì)［圖10（b）和10（d）］，特別是消融期，積雪量下降趨勢(shì)通過(guò)了0.05水平顯著性檢驗(yàn)；穩(wěn)定期，積雪量呈微弱的上升趨勢(shì)。此外，三個(gè)時(shí)期積雪量大小排序依次為穩(wěn)定期＞消融期＞積累期。對(duì)整個(gè)積雪期而言，在研究時(shí)段內(nèi)，最大積雪量出現(xiàn)在1979年，最小積雪量出現(xiàn)在1998年。

圖10 1979—2020不同時(shí)期積雪量變化趨勢(shì)Fig.10 Variation trend of average snow mass during 1979—2020

3.4 積雪量空間分布

積累期、穩(wěn)定期、消融期多年平均積雪量空間分布如圖11所示。天山地區(qū)積雪期積雪量總體呈現(xiàn)出西北部多、東南部少的特點(diǎn)，這與雪深和積雪密度的空間分布一致。天山地區(qū)積累期積雪量較少，且主要集中在海拔較高的山區(qū)，而東南部吐魯番盆地等海拔較低的地區(qū)，積雪量較少。穩(wěn)定期和消融期積雪量空間分布與積累期的基本一致，但在天山北坡西端和東部的局部地區(qū)，積雪量較大。

圖11 1979—2020多年平均積雪量空間分布Fig.11 Spatial distribution of average snow mass during 1979—2020

3.5 地形因子對(duì)積雪量空間分布的影響

為研究天山地區(qū)地形因素對(duì)積雪量的影響，分析了積雪量與海拔、坡度的相關(guān)性。如圖12（a）所示，天山地區(qū)整個(gè)積雪期積雪量空間分布與海拔密切相關(guān)（相關(guān)性系數(shù)通過(guò)了0.01水平顯著性檢驗(yàn)），說(shuō)明海拔越高，積雪量越豐富。積累期、穩(wěn)定期、消融期積雪量與海拔的相關(guān)系數(shù)都通過(guò)了0.01水平顯著性檢驗(yàn)［圖12（b）、12（c）、12（d）］，且數(shù)值差別較小，說(shuō)明海拔在不同時(shí)期對(duì)積雪量空間分布的影響基本相同。坡度15°以下時(shí)［圖12（e）］，天山地區(qū)積雪期積雪量與坡度的相關(guān)性通過(guò)了0.01水平顯著性檢驗(yàn)，說(shuō)明坡度較小時(shí)對(duì)積雪量空間分布的影響較大，且坡度越大，積雪量越大，這與譚秋陽(yáng)等［40］關(guān)于雅魯藏布江流域的研究一致；積累期、穩(wěn)定期、消融期積雪量與坡度的相關(guān)系數(shù)也都通過(guò)了0.01水平顯著性檢驗(yàn)［圖12（f）、12（g）、12（h）］。與海拔影響相似，坡度在不同時(shí)期對(duì)積雪量分布的影響相同。此外，坡度15°以上時(shí)［圖12（i）～12（l）］，坡度與積雪量的相關(guān)性較弱（未通過(guò)0.05水平顯著性檢驗(yàn)）。

圖12 區(qū)域積雪量與海拔、坡度相關(guān)性Fig.12 Correlation analysis of snow mass amount with altitude and slope

此外，為分析不同坡向積雪量的分布，將坡向劃分為北坡（337.5°～22.5°）、東北坡（22.5°～67.5°）、東坡（67.5°～112.5°）、東南坡（112.5°～157.5°）、南坡（157.5°～202.5°）、西南坡（202.5°～247.5°）、西坡（247.5°～292.5°）、西北坡（292.5°～337.5°）。不同坡向平均積雪量如圖13所示，整個(gè)積雪期和不同時(shí)期，西坡積雪量比其他坡向的大；在積累期和消融期，北坡的積雪量比南坡的大。

圖13 積雪量與坡向關(guān)系圖Fig.13 Relationship between snow mass and aspect

3.6 氣溫與降水對(duì)積雪量變化的影響

為分析天山地區(qū)氣溫、降水對(duì)積雪量多年變化的影響，對(duì)積雪量與氣溫及降水進(jìn)行了相關(guān)性分析（圖14）。1979—2020年，積雪期區(qū)域平均氣溫與區(qū)域平均積雪量的相關(guān)系數(shù)為-0.61［圖14（a）］，通過(guò)了0.05水平顯著性檢驗(yàn)，說(shuō)明氣溫越低，積雪量越大，而較高溫度，將引起積雪消融，使積雪量減少。積累期、穩(wěn)定期、消融期區(qū)域平均氣溫與積雪量的相關(guān)系數(shù)分別為-0.57、-0.32、-0.66［圖14（b）～14（d）］，說(shuō)明溫度對(duì)穩(wěn)定期積雪量的影響較小，而對(duì)積累期和消融期積雪量的影響較大。這是因?yàn)榉€(wěn)定期氣溫較低，積累期、消融期氣溫較高，特別是消融期，氣溫在冰點(diǎn)附近波動(dòng)［圖14（d）］，氣溫變化對(duì)積雪量的影響較大。

圖14 積雪量與氣溫相關(guān)性分析Fig.14 Correlation between snow mass and air temperature

對(duì)積雪期及積雪期內(nèi)積累期、穩(wěn)定期、消融期降水與同時(shí)期積雪量的相關(guān)性進(jìn)行了分析，相關(guān)系數(shù)分別為0.05、0.07、0.16、0.01（表3），均未通過(guò)5%水平顯著性檢驗(yàn)，表明同期降水與同期積雪量相關(guān)性微弱，但穩(wěn)定期降水對(duì)當(dāng)期積雪量的影響強(qiáng)于積累期和消融期降水對(duì)相應(yīng)時(shí)期積雪量的影響，這主要是因?yàn)榉e累期和消融期氣溫較高，氣溫升高往往導(dǎo)致海拔較低地區(qū)的固態(tài)降水變?yōu)橐簯B(tài)降水，不僅不利于積雪的累積，還將加速積雪的消融，導(dǎo)致積累期和消融期積雪量主要受氣溫影響，與同期降水量的相關(guān)性較弱。由于積雪量是一個(gè)不斷累積的過(guò)程，受前期降水影響，因此對(duì)穩(wěn)定期、消融期積雪量與前期降水量的相關(guān)性進(jìn)行了分析。結(jié)果表明，穩(wěn)定期積雪量與積累期降水相關(guān)系數(shù)達(dá)0.43（通過(guò)了0.05水平顯著性檢驗(yàn)），表明積累期降水對(duì)穩(wěn)定期積雪量具有顯著影響。

表3 積雪量與降水相關(guān)性Table 3 Correlation analysis of snow mass with precipitation

4 討論

本文關(guān)于天山地區(qū)積雪量時(shí)空分布的研究結(jié)果表明，在氣候變暖背景下，天山地區(qū)1979—2020年積雪量呈減少趨勢(shì)。在積雪量影響因素方面，與大量天山地區(qū)積雪時(shí)空變化影響因素的學(xué)者的研究結(jié)論較為一致，均認(rèn)為海拔、坡度、氣溫、降水等是影響積雪分布的主要因素［7，10-13，41-43］。就上述因素的影響而言，積雪豐富的區(qū)域主要集中在海拔較高的地區(qū)，海拔越高，積雪越豐富；坡度在15°以下，雪深隨坡度增加而增加；氣溫越低，積雪量越豐富；降水越多，積雪量越大。但值得一提的是，譚秋陽(yáng)等［40］認(rèn)為坡度在10°以下時(shí)雪深隨坡度的增加而減少，這與本文研究結(jié)果坡度在15°以下積雪量隨坡度增加而增加有一些出入，但總體而言，在一定坡度條件下，坡度越大積雪越容易呈堆積狀態(tài)。在溫度和降水對(duì)積雪量影響方面，Barnett等［44］認(rèn)為氣溫變化對(duì)積雪的影響遠(yuǎn)比降水變化大的多。在積累期和消融期，積雪受不穩(wěn)定氣溫的影響，容易形成液態(tài)降水，不利于積雪累積并將加速積雪的融化［9，45］。本研究中降水在積累期、消融期對(duì)積雪量的影響較小，可能是溫度和降水兩者綜合作用的結(jié)果，溫度不僅影響了降水的形式，還增加了積雪的融化速率。由于降水對(duì)積雪量影響機(jī)理較為復(fù)雜，既要考慮降水與氣溫之間的抵消效應(yīng)，也要考慮固/液態(tài)降水的分離以及液態(tài)降水對(duì)積雪量的融化作用，因此需要進(jìn)一步研究降水形式與積雪量之間的關(guān)系。

在積雪期，隨著積雪深度、積雪粒徑、積雪含水率以及積雪反照率等條件的變化，積雪對(duì)被動(dòng)微波各波段響應(yīng)程度不同［46］。例如，10 GHz和18 GHz有利于識(shí)別雪下地物信息［22］，89 GHz與18 GHz、36 GHz的頻率差能夠較好地反映淺雪信息［36］，在高頻波段，由于雪顆粒的散射作用，積雪輻射對(duì)雪顆粒大小響應(yīng)敏感［37-38，47］。本文提出的積雪密度反演方法基于各波段對(duì)雪深、雪粒徑等積雪參數(shù)的響應(yīng)特征，因此在利用微波遙感數(shù)據(jù)反演積雪密度時(shí)，波段的選擇對(duì)反演的影響較大。同時(shí)將研究區(qū)地物分為林地、草地、裸土三類，不同地物類型積雪密度反演所用波段信息不一致。從反演結(jié)果可以看出，草地的反演效果較好，林地和裸土的較差。主要原因分為兩個(gè)方面：一方面三種地物類型的積雪覆蓋對(duì)各波段的響應(yīng)不同，另一方面不同地物類型的實(shí)測(cè)樣點(diǎn)數(shù)量不一樣；此外，本研究還存在一定不足，比如僅用兩個(gè)積雪期的實(shí)測(cè)資料對(duì)積雪密度反演進(jìn)行率定和驗(yàn)證，數(shù)據(jù)量較少，影響反演結(jié)果的精度，未來(lái)需完善積雪實(shí)測(cè)資料，提高積雪密度遙感反演精度，并獲取全年積雪密度，進(jìn)而分析全年積雪量及其隨時(shí)間的變化趨勢(shì)。

本研究的數(shù)據(jù)收集有限，雪深數(shù)據(jù)集的空間分辨率較粗，且雪密度反演基于微波對(duì)雪深和雪粒徑的響應(yīng)，雪密度反演所用波段參考FY-3B/MWRI反演雪深的經(jīng)驗(yàn)，反演的雪密度與雪深空間分布格局相似，但雪密度反演結(jié)果精度較高，可能是因?yàn)榉囱菅┟芏仍谝欢ǔ潭壬戏从沉宋⒉翜夭顚?duì)雪深和雪粒徑的綜合響應(yīng)。盡管如此，山區(qū)環(huán)境條件較為復(fù)雜，積雪密度反演仍然面臨巨大挑戰(zhàn)，積雪密度與亮溫差之間的機(jī)理有待進(jìn)一步分析。因此，在未來(lái)的積雪量估算中，應(yīng)當(dāng)考慮利用精度更高的遙感數(shù)據(jù)，對(duì)山區(qū)雪深、雪密度遙感反演進(jìn)行深入研究，進(jìn)而提高積雪量估算的可信度，以供未來(lái)積雪資源利用參考。

5 結(jié)論

為對(duì)積雪進(jìn)行量化，促進(jìn)當(dāng)?shù)胤e雪資源的合理利用，利用1979—2020遙感雪深長(zhǎng)時(shí)間序列數(shù)據(jù)集及FY-3B/MWRI反演積雪密度，對(duì)天山地區(qū)積雪量進(jìn)行了估算，并對(duì)積雪量時(shí)空分布進(jìn)行研究，探討地形因子、氣象因子對(duì)積雪量的影響，得到以下結(jié)論：

（1）1979—2020年，天山地區(qū)不同時(shí)期積雪量存在差異，穩(wěn)定期積雪量最大，消融期其次，積累期最小。研究時(shí)段內(nèi)，積雪期、積累期積雪量呈微弱的下降趨勢(shì)，消融期積雪量下降趨勢(shì)顯著。

（2）在空間分布上，積雪量主要呈西北多、東南少以及西部多東部少的特點(diǎn)。積雪量估算受雪深、雪密度因素共同影響，多年平均積雪量空間格局與積雪深度和積雪密度的基本一致。

（3）積累期、穩(wěn)定期和消融期的積雪量與海拔的相關(guān)系數(shù)均大于0.90，呈顯著正相關(guān)，海拔越高，積雪量越大；坡度在15°以下時(shí)，積累期、穩(wěn)定期、消融期的積雪量與坡度呈顯著正相關(guān)，坡度越大，積雪量越大，相關(guān)系數(shù)均大于0.80。

（4）不同時(shí)期積雪量的變化與氣溫關(guān)系密切，在一定條件下積雪量與氣溫呈負(fù)相關(guān)，氣溫越低，積雪量越大。降水與積雪量呈微弱正相關(guān)，且降水對(duì)積雪量的影響主要集中在穩(wěn)定期，穩(wěn)定期積雪量變化受積累期降水顯著影響，積累期降水越多，穩(wěn)定期積雪量越大。

本研究嘗試采用微波遙感資料分土地利用類型反演天山地區(qū)積雪密度，并結(jié)合已有微波遙感積雪深度資料，估算天山地區(qū)積雪量，獲取的研究結(jié)果可供區(qū)域水資源利用和經(jīng)濟(jì)發(fā)展參考，但將積雪量資料應(yīng)用于流域水文水資源研究，需發(fā)展新的算法和構(gòu)建高分辨率積雪資料。