至今北疆积雪深度的变化特点
前言：本站为你精心整理了至今北疆积雪深度的变化特点范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。
1引言
积雪是新疆重要的水分气候资源，北疆平原地区降雪量占年降水量30％以上，山区高达80％以上[1]。季节性雪深与农牧业发展和生态环境改善关系密切。丰雪年对春季农耕生产和土壤保墒起重要补水作用，且对牧草生长和荒漠生态环境改善意义重大。同时，对山区冰雪存储积累也起积极作用[2]。降雪过多和积雪过深掩盖草场影响家畜正常放牧和觅食困难，造成“白灾”。2010年1月17日08时-20日14时，北疆出现了2000年以来最强的一次寒潮过程，经济损失严重。孙建奇等根据极端降雪频率和变化强度指出我国极端降雪主要位于华东、新疆北部、青藏高原东部和东北地区，并指出新疆北部极端降雪事件呈上升趋势，季节变化表现为双峰特征[3]。李培基[4]等指出近50a新疆积雪年际波动是冬季降雪量和气温年际波动的共同结果。王秋香[5-6]等选用天山以北20个气象站积雪日数、最大雪深和稳定积雪日数指出1961年-2006年北疆地区积雪日数和稳定积雪日数呈稍增加趋势，主要发生在1960年-1980年，1990年以来有所减少。崔彩霞[7]等指出新疆积雪呈轻度增长趋势，90年代增加明显且山区积雪增幅大于平原。董安祥等[8]利用CEOF法分析了北疆地区20个气象站1961年-2006年年降雪日数，发现年积雪日数场具有“南北一致型”和“西南-东北一致型”2种波动特征，前者具有6.4a和3.6a的周期，后者有6.4a的周期。本文利用北疆地区51个地面站1961年-2008年最大雪深和24h≥10cm积雪日数，基于GIS空间插值获取了多雪区和少雪区的空间分布。重点分析了多雪区最大雪深和24h≥10cm积雪日数的周期特征，并对其局地差异的气候成因进行了初步分析。同时，对比近十年北疆雪灾频发区和最大雪深空间范围，获得重灾区最大雪深量值区间，这将为北疆雪灾预警指标体系建立提供数据基础。
2研究区概况
新疆北疆地区位于北纬42.2°-49.3°，东经79.8°-91.6°，整个地区被阿尔泰山脉和天山山脉包围，内有盆地、河流、湖泊、戈壁、沙漠和平原绿洲，地貌轮廓非常明显，平均海拔1265m（图1）。该地区积雪主要集中在11月底至来年3月，积雪资源非常丰富，占全国积雪资源的1/3[9-10]，同时，也是雪灾高发区。
3数据来源与研究方法
3.1数据来源数据来源于新疆北疆地区51个气象站（图1）1961年1月至2008年12月逐日雪深观测值，并在此基础上计算了年均最大雪深和年均冬季（11月至次年3月）最大雪深和24h≥10cm的积雪日数年均和年最大值。2000年至今的新疆各个地区县乡镇村雪灾灾情数据，包括伤亡人数、过程降水量、房屋损失、牲畜受灾和经济损失等，在此基础上计算了各县市灾情次数。
3.2研究方法
3.2.1最大雪深和24h≥10cm积雪日数的插值雪深数据来自有限地面站，且站点位置分布及密度受地形条件限制。因此，必须进行空间插值生成连续分布的雪深空间信息。首先，通过ArcMap9.3将包含气象站点编号、经纬度、海拔高度和年、冬季最大雪深和积雪日数及雪灾次数的xls文件生成点状矢量数据。然后，在ArcGIS环境下通过IDW插值法绘制出年、冬季最大雪深和积雪日数的空间分布图。IDW插值法是一种常见而简便的空间插值方法，属于精确性插值，基于相近相似的原理[11-12]：即两个物体离得近，它们的性质就越相似。反之，离得越远则相似性越小。它以插值点与样本点间的距离为权重进行加权平均，离插值点越近的样本点赋予的权重越大。设平面上分布一系列离散点，已知其坐标和值为Xi，Yi，Zi（i=1，2，…，n）通过距离加权值求z点值，公式为：
3.2.2时间序列数据生成小波分析对信号处理具有的特殊优势,将其应用于雪深序列时频结构分析中，不仅可给出雪深序列变化尺度，还可显现出变化时间位置[13-14]。本文选用Morlet小波函数来研究北疆地区积雪特征尺度、周期性。首先滤掉雪深序列1年的自然周期，在小波分析中采用最大雪深的距平序列。由于分析资料长度仅有48a，数据起始端和终端受边界效应影响，本文将资料向前和向后各延拓一个样本长度，得到长度为原序列3倍的数据序列，以此作为小波变化数据，延展后资料能够减小边界效应的影响。变换后再将延拓部分舍弃仅保留原始时段的小波系数[15-16]。设资料序列为：
4最大雪深和24h≥10cm积雪日数空间分布特征
本文最大雪深选用1961年-2008年48a北疆51个气象站点年最大雪深的平均值和冬季（11月至次年3月）最大雪深的平均值以表征区域积雪深度空间分布的多年平均特征。由图2和图3可见，多雪区具有沿山脉分布的特征。北部阿尔泰山阿勒泰一带及富蕴、青河一带、中天山博格达峰、塔城盆地和西天山伊犁河谷多年平均最大雪深在30～45cm间，冬季平均最大雪深在60～70cm间。少雪区位于中部的准格尔盆地中心一带、盆地西缘的精河地区和盆地东部戈壁沙漠区，多年平均最大雪深在5～25cm间，冬季最大雪深在10～30cm间，具有由盆地外缘向盆地中心逐渐递减的趋势。与王秋香等利用EOF法得到的北疆地区最大雪深空间分布特征吻合，与杨青等利用梯度距离平方反比法插值得到的海拔≥1500m天山山区最大雪深量值一致。24h≥10cm积雪日数与最大雪深空间分布特征具有一致性（图4和图5）。48a来多雪区年均积雪日数20～25d，年最大积雪日数65～75d。少雪区的克拉玛依、温泉和精河一带年均积雪日数15d，年最大积雪日数为15～30d。上述积雪深度空间分布特征主要由水汽来向和地理因素共同造成，天山北坡是迎风坡，西北气流受地形作用在北坡抬升，使得这里成为降水集中的区域。这种分布趋势与实际积雪分布趋势相一致，原因在于天山阻隔等地形影响降水天气形势而使研究区内降水的空间分布不均匀。通过对比近十年北疆雪灾频发地区雪灾出现次数和最大雪深的空间分布，容易获知雪灾易发区最大雪深的量值区间，可以将其作为雪灾预警的指标之一（图6）。
5多雪区最大雪深和24h≥10cm积雪日数周期特征
5.1周期特征以阿勒泰、富蕴和青河1961年-2008年最大雪深和≥10cm积雪日数均值代表阿勒泰地区，塔城、裕民和额敏均值代表塔城盆地，伊宁、尼勒克和新源均值代表伊犁河谷，分别对其进行Morlet连续小波变换，得到小波系数实部，将实部信息以等值线形式投影到以年份为横坐标、周期为纵坐标的二维平面上，得到塔城盆地、阿勒泰地区和伊犁河谷的最大雪深和≥10cm积雪日数在不同周期上的Morlet小波系数等值线图（图7-图9）
5.2主要周期特征将不同时间尺度a的所有小波系数的平方在b域上的积分，即为小波方差：Var(a)=∫-∞±∞wf（|a,b）|2db（6）式中Var（a）为小波方差；Wf(a,b)为小波系数[17]。小波方差随尺度a变化过程称为小波方差图，它反映了波动的能量随尺度的分布。由公式（6）可确定一个时间序列中存在的主要周期成分。由图10和图11可见，阿勒泰地区最大雪深第一主周期和第二主周期分别是7.6a和11.4a，塔城盆地第一、第二主周期分别为7.3a和11.8a。伊犁河谷第一、第二主周期分别为11.5a和7.6a。阿勒泰地区>10cm积雪日数存在7.6a，11.8a和3.2a左右的主周期。塔城盆地存在3.2a、11.8a和7.6a左右的主周期。伊犁河谷存在11.5a、7a和1.2a左右的主周期。其中，7.6a周期与杨青等[7]对1959年-2003年天山山区17个气象站冬季（12月-次年2月）最大雪深用最大墒谱分析得到的7.3a周期很接近。上述小波周期分析结果表明，塔城和阿勒泰的第一、第二周期一致，而伊犁河谷周期分布与之相反，这主要与气候背景、环流形势及影响系统不同有关[18-21]，其次是与地理位置、地形有关。塔城和阿勒泰属于暖区降雪，所处纬度高，冬季的平均气温很低，积雪时间长；而伊犁河谷为冷锋降雪，纬度较低，冬季平均气温较塔城、阿勒泰偏高3～6℃，积雪时间相对较短。小波系数为正表示积雪偏多时期，为负表示积雪偏少时期，由第一主周期小波系数图（图12）可见，阿尔泰地区、塔城盆地和伊犁河谷主周期小波系数曲线非常规则，很好的显示了最大雪深的周期特征。其中，阿勒泰地区积雪最大深度经历了7个转换期，1961年-1966年、1982年-1989年、1990年-1997年和2005年-2008年最大雪深低于48年平均水平，1967年-1973年、1974年-1981年和1998年-2004年最大雪深高于48年平均水平，平均周期在7a。塔城盆地和伊犁河谷分别经历了7个和5个转换期。
6研究结论
（1）新疆北疆地区多雪区具有沿山脉分布的特征。集中分布在北部阿尔泰山阿勒泰一带及富蕴、青河一带、中天山博格达峰、塔城盆地和西天山伊犁河谷，多年平均最大雪深30～45cm，冬季平均最大雪深60～70cm。近10年来，雪灾频发县市乡村基本在多雪区内。
（2）新疆北疆地区少雪区具有由准格尔盆地外缘向盆地中心逐渐递减的趋势。集中在中部准格尔盆地中心一带、盆地西缘精河地区和盆地东部戈壁沙漠区，多年平均最大雪深5～25cm，冬季最大雪深10～30cm。
（3）新疆北疆地区多雪区最大雪深时间序列数据周期特征显著。同属暖区降雪的阿勒泰地区和塔城盆地，所处纬度高，冬季平均气温很低，积雪时间长，具有7a和11a左右的第一、第二振荡周期。属冷锋降雪的伊犁河谷，纬度较低，冬季平均气温较塔城、阿勒泰偏高3～6℃，积雪时间相对较短。具有11a和7a左右的第一、第二振荡周期。
（4）塔城盆地和阿勒泰地区最大雪深小波分析第一、二周期一致，伊犁河谷周期分布与之相反，这主要与气候背景、环流形势和影响系统不同有关，其次是与地理位置、地形有关。
