1960-2016年海河流域不同级别降雪时空变化特征分析

李苏; 刘彬; 王树谦; 闫志宏; 徐丹; Su LI; Bin LIU; Shu-qian WANG; Zhi-hong YAN; Dan XU

中国农村水利水电 ›› 2022 ›› (1) : 85-92.

水文水资源

1960-2016年海河流域不同级别降雪时空变化特征分析

作者信息 +

Temporal and Spatial Variation Characteristics of Different Levels of Snowfall in Haihe River Basin from 1960 to 2016

Author information +

稿件信息 +

摘要

气候变暖背景下，为了解降雪对气候变化的响应，基于1960-2016年海河流域及周边43个气象站点逐日气象数据，采用指数方程形式的双温度阈值法提取降雪系列，并以国家气象部门划分的降雪级别分析海河流域降雪时空变化特征。结果表明：①建立的海河流域降雪识别指数方程能较好地估计各气象站点降雪量，率定期和验证期的降雪相关系数均可达0.90以上，相对误差在±5%以内；②时间分布上，海河流域各级别降雪年际变化整体呈不显著减少趋势，但各地貌类型区年际变化趋势有所不同；③空间分布上，太行山区、平原区各级别降雪量和降雪次数总体呈减少趋势，燕山山区、沿海区总体反呈增加趋势；④统计分析不同级别降雪与温度的相关性及降雪发生时的温度，发现大雪、暴雪与气温呈正相关，中雪、小雪与气温呈负相关，且平原区降雪发生时温度最高，燕山山区降雪发生时温度最低。

Abstract

Under the context of global warming， to understand the response of snowfall to climate change， the double temperature threshold method is used in this paper to extract snowfall series， based on daily meteorological data from 43 meteorological stations in the Haihe River Basin from 1960 to 2016. In addition， the spatial and temporal variation characteristics of snowfall are analyzed according to the snowfall levels as determined by the national meteorological departments. The results show that ① the snowfall at each meteorological station can be effectively estimated at annual scale through the snowfall identification index equation， for which the correlation coefficient in the periodic and verification periods is above 0.90 and the relative error is within ± 5%. ② In terms of the time distribution， the interannual variation of snowfall at different levels shows a less obvious decreasing trend， but the interannual variation trend of each geomorphic type area is different. ③ In terms of the spatial distribution， the meteorological stations in Taihang Mountain Area and plain areas show a decreasing trend， while those in Yanshan mountain area and coastal area show an increasing trend. ④ By analyzing the correlation between snowfall and temperature and the temperature at different levels of snowfalls， it is found that heavy snow and Blizzard are positively correlated with temperature， while moderate snow and light snow are negatively correlated with temperature， and the temperature of snowfalls in plain areas is the highest and the lowest in Yanshan mountain areas.

关键词

海河流域 / 时空变化 / 降雪识别 / 气候变化

Key words

Haihe River Basin / spatial and temporal variation / snowfall identification / climate change

基金

国家水体污染控制与治理科技重大专项(2014ZX07203-008)

河北省研究生创新资助项目(CXZZBS2018122)

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用

李苏 , 刘彬 , 王树谦 , 闫志宏 , 徐丹. 1960-2016年海河流域不同级别降雪时空变化特征分析[J].中国农村水利水电, 2022(1): 85-92

Su LI , Bin LIU , Shu-qian WANG , Zhi-hong YAN , Dan XU. Temporal and Spatial Variation Characteristics of Different Levels of Snowfall in Haihe River Basin from 1960 to 2016[J].China Rural Water and Hydropower, 2022(1): 85-92

0 引言

降雪是降水的固态形式^［1］。作为我国北方冬季降水的主要形式，降雪是冬季河川径流的重要补给来源^［2］。降雪产生的积雪融水为北方农业灌溉的重要水源，对农作物的生长，缓解土壤墒情等十分有利，然而强降雪天气则易引发雪崩、洪涝等自然灾害，对农业生产、交通运输、人类生命、财产安全等造成严重危害^［3，4］。近年来，随着气候的持续变暖，水循环过程加速，强降雪天气频发，同时改变了降雪的时空分布。因此研究气候变化背景下不同级别降雪的时空变化特征对了解气候变化响应、水资源优化配置、制定防灾减灾政策具有一定的实际意义^［3，5］。

目前，国内外学者对气候变化背景下的降雪时空变化进行了大量研究，主要集中在积雪、降雪总量、极端降雪的时空变化方面，对不同级别降雪的时空变化特征研究相对较少^［6］。同时现有研究中，降雪序列往往以冬季降水或0 ℃以下降水进行粗略估计，对雨夹雪中降雪量考虑不足，易造成降雪总量偏小的结果^［7，8］，降水相态的不同直接影响预报的准确性，给人们生产生活带来一定的影响，因此降水相态的判别是水文领域研究的重点^［9，10］。水文研究层面常用的降水相态识别方法为单温度阈值法和双温度阈值法，①单温度阈值法，当温度高于临界温度时，降水全部为降雨形式，当温度低于临界温度时，降水全部为降雪形式^{［11，12］}；②双温度阈值法，当温度高于临界高温时，降水为降雨形式，当温度低于临界低温时，降水为降雪形式，当温度介于临界低温与临界高温之间时，则根据临界温度区间内降雪与气温的统计关系，确定降雪发生概率^{［13，14］}；由于单温度阈值法存在一定的局限性，双温度阈值法在降水相态识别中被广泛应用。

海河流域作为华北地区受气候变化影响最为显著的地区之一，同时也是我国水资源短缺的流域之一，降雪作为冬季水资源的补给来源，对缓解海河流域水资源短缺起着一定的积极作用，然而当前海河流域降水时空变化研究中主要为总降水量、极端降水的时空变化趋势，对不同级别降雪的时空变化特征分析研究较少，鉴于此，本文基于海河流域及周边气象站台1960-2016年长期观测资料，采用双温度阈值法进行降水相态识别，并以国家气象部门划分的降雪级别分析海河流域降雪量和降雪次数时空变化特征，并进一步研究降雪对气候变暖的响应，旨在了解气候变暖背景下降雪的响应机理，从而对海河流域水资源管理及优化配置提供依据。

1 研究区域、数据来源及方法

1.1 研究区域

海河流域总面积31.82 万km²，东临渤海，西倚太行，南界黄河，北接蒙古高原。总地势为西北高东南低，大致分高原、山地及平原三种地貌类型。其中西部为黄土高原和太行山区，北部为蒙古高原和燕山山区，东部和东南部为平原。地跨北京、天津、河北、山西、山东、河南、内蒙古和辽宁等8个省，属温带东亚季风气候^{［15，16］}。海河流域地理位置及地形图如图1所示。

图1 海河流域地理位置及地形图

Fig.1 Geographical location and topographic map of Haihe River Basin

Full size|PPT slide

1.2 数据来源

本文采用数据资料来源于国家气象信息中心提供的“中国地面气候资料日值数据集”中海河流域及周边43个气象站点1960-2016年逐日降水和气温数据资料，数据发布前已经过严格的质量控制，其完整性和准确性较高。站点分布图如图2所示。由于海河流域地貌类型的不同，将海河流域划分为太行山山区、燕山山区、沿海区、平原区。

图2 海河流域站点分布图

Fig.2 Distribution map of stations in Haihe River Basin

Full size|PPT slide

1.3 研究方法

1.3.1 降雪指标

本文将逐日降雪量（>0.1 mm）作为一次有效降雪事件，依据国家气象部门划分的降雪级别，小雪是指24 h内降雪量达到0.1~2.5 mm；中雪是指24 h内降雪量达到2.5~5 mm；大雪是指24 h内降雪量达到5~10 mm；暴雪是指24 h内降雪量达到10 mm及以上。

采用线性回归分析法^{［17，18］}、Mann-Kendall非参数检验法^［19-23］及Pearson相关分析法^［24］对海河流域不同级别降雪时空变化趋势进行分析。

1.3.2 降雪识别方法

由于海河流域气象数据集仅对1979年之前的降水数据进行了不同相态的划分，1979年后降水数据未明确指出降雨、降雪、雨夹雪等降水相态。因此本文采用指数方程形式的双温度阈值法对海河流域降雪进行识别^［25］，指数方程构建主要步骤为统计海河流域1979年之前各气象站点不同温度下降雪量占降雪量加降雨量之和的比值（暂不考虑雨夹雪），并绘制降雪比例与气温的相关关系图，当日平均气温小于临界低温t _min时，降水相态全部为降雪，当日平均气温大于临界高温t _max时，降水相态全部为降雨，当日平均气温介于（t _min，t _max）时，降水为降雨、降雪、雨夹雪等相态，并且气温与降雪比例关系符合指数方程公式：

p = \frac{1}{1 + e x p (a + b t)}

（1）

式中：

p

为降雪量占降雪量和降雨量之和的比例；

t

为日平均气温；a，b为指数方程经验参数。

假定相同温度下，雨夹雪中降雪比例亦符合此指数方程，则海河流域实测总降雪量为纯降雪量和雨夹雪中降雪量之和，基于此验证总降水量中的估计总降雪量^{［26，27］}。

图3 海河流域气温与降雪比例关系图

Fig.3 Diagram of relationship between the snowfall ratio and average daily temperature in Haihe River Basin

Full size|PPT slide

2 结果及分析

2.1 降雪识别及验证

利用海河流域1960-1979年43个气象站气温与降水数据，统计分析气温与降雪比例的相关关系，以流域临界气温（-13.1，14 ℃）作为降水混合相态的区间，选取1960-1969年为率定期，1970-1979年为验证期，确定指数方程经验参数a为-2.1，b为1.36。由图4及表1可知，率定期和验证期海河流域降雪相关系数均在0.90以上，同时相对误差在±5%以内。所获得的降雪识别指数方程可对1980-2016年各气象站点逐日降雪量进行识别。

图4 海河流域实测总降雪量及估计总降雪量对比图

Fig.4 Comparison of measured and estimated total snowfall in Haihe River Basin

Full size|PPT slide

表1 1960-1979年实测总降雪量与估计总降雪量评价指标结果

Tab.1 Evaluation index results of measured and estimated total snowfall from 1960 to 1979

分区	率定期1960-1969		验证期1970-1979
分区	相关系数	相对误差/%	相关系数	相对误差/%
太行山区	0.985	-4.71	0.977	-4.14
燕山山区	0.945	-3.19	0.986	-4.79
平原区	0.964	-4.45	0.998	-4.38
沿海区	0.978	-3.18	0.987	-4.46

2.2 各级别降雪时空变化特征分析

2.2.1 各级别降雪年际变化特征

本文根据1960-1979年建立的降雪识别指数方程对1980-2016年逐日降雪量进行识别，以此建立海河流域1960-2019年逐日降雪数据，并采用线性回归分析法、Mann-Kendall非参数检验法对海河流域1960-2016年不同级别降雪的年际变化趋势进行分析。

由图5及表2可知，1960-2016年海河流域各级别降雪量及降雪次数均呈减少趋势，其中小雪降雪量及降雪次数变化速率分别为-0.018 mm/10 a、-0.004 次/10 a；中雪降雪量及降雪次数变化速率分别为-0.019 mm/10 a、-0.004 次/10 a；大雪降雪量及降雪次数变化速率分别为-0.027 mm/10 a、-0.004 次/10 a；暴雪降雪量及降雪次数变化速率分别为-0.019 mm/10 a、-0.002 次/10 a；各级别降雪量及降雪次数均未达到显著性水平（p>0.05）。由此可见，海河流域各级别降雪量及降雪次数总体呈减少趋势，且变化趋势不显著。这与张志富等^［5］在对中国降雪时空变化特征分析中华北地区不同级别降雪均呈减少趋势的结论一致。

图5 1960-2016年海河流域不同级别降雪年际变化趋势图

Fig.5 Interannual variation trend of different levels of snowfall in Haihe River Basin from 1960 to 2016

Full size|PPT slide

表2 海河流域各区域不同级别降雪量、降雪次数气候倾向率

Tab.2 Climatic tendency rate of snowfall amount and snowfall times of different grades of Haihe River Basin

区域	要素	气候倾向率/［mm·（10 a）^-1］	要素	气候倾向率/［次·（10 a）^-1］
太行山区	小雪量	-0.47*	小雪次数	-0.30*
	中雪量	-0.94*	中雪次数	-0.25*
	大雪量	-0.97*	大雪次数	-0.14*
	暴雪量	-1.16*	暴雪次数	-0.07*
燕山山区	小雪量	0.06	小雪次数	0.14
	中雪量	0.24	中雪次数	0.07
	大雪量	0.19	大雪次数	0.02
	暴雪量	0.32	暴雪次数	0.02
平原区	小雪量	-0.16	小雪次数	-0.01
	中雪量	-0.05	中雪次数	-0.01
	大雪量	-0.20	大雪次数	-0.02
	暴雪量	-0.01	暴雪次数	-0.01
沿海区	小雪量	-0.15	小雪次数	0.03
	中雪量	0.15	中雪次数	0.04
	大雪量	0.00	大雪次数	0.00
	暴雪量	0.21	暴雪次数	0.01

注：*代表通过p=0. 05信度检验。

从海河流域各地貌类型分析来看，太行山区不同级别降雪量及降雪次数总体呈显著减少趋势。暴雪量减少速率最大，为-1.16 mm/10 a；降雪次数方面，小雪降雪次数减少速率最大。燕山山区降雪量及降雪次数呈不显著增加趋势，其中暴雪量增加速率最大。平原区降雪量及降雪次数呈不显著减少趋势，沿海区除小雪量呈减少趋势外，其他级别降雪呈不显著增加趋势。

综上分析，海河流域不同级别降雪量及降雪次数总体呈不显著减少趋势，但由于海河流域不同地貌类型区地理位置、海拔高度及降水特征等条件存在差异，因此各地貌类型区降雪趋势变化有所不同。

2.2.2 各级别降雪量及降雪次数变化的空间差异性

通过分析海河流域1960-2016年逐站点不同级别降雪的年际变化趋势，获得了海河流域各级别降雪变化趋势空间分布。不同级别降雪变化趋势在空间上存在一定的差异，详见图6。太行山区小雪降雪量和降雪次数分别有54%、42%站点气候倾向率为负，其中17%、20%的站点显著减少，中雪降雪量及降雪次数变化情况相似，减少趋势的站点（83%）多于增加趋势站点，其中60%、93%的站点显著减少，大雪降雪量及降雪次数均有52%站点气候倾向率为负，且均通过p=0.05水平显著性检验，暴雪降雪量及降雪次数变化趋势类似于大雪，且均通过p=0.05水平显著性检验。

图6 海河流域各级别降雪空间变化趋势图

Fig.6 Spatial variation trend of snowfall in Haihe River Basin

Full size|PPT slide

燕山山区小雪降雪量和降雪次数分别有42%、25%站点气候倾向率为负，均未通过0.05水平显著性检验，中雪降雪量及降雪次数均有25%站点气候倾向率为负，其中0%、90%的站点显著减少，大雪降雪量及降雪次数均有25%站点气候倾向率为负，且均通过0.05水平显著性检验，暴雪降雪量及降雪次数气候倾向率为负的站点为33%、42%，且均通过0.05水平显著性检验。

平原区小雪降雪量和降雪次数分别有64%、45%站点气候倾向率为负，其中28%、40%的站点显著减少，中雪降雪量及降雪次数气候倾向率为负的站点均为45%，其中60%、95%站点显著减少，大雪降雪量及降雪次数气候倾向率为负的站点为73%、55%，且均通过p=0.05水平显著性检验，暴雪降雪量及降雪次数变化趋势类似于大雪，且均通过p=0.05水平显著性检验。

沿海区小雪降雪量和降雪次数分别有88%、50%站点气候倾向率为负，均未通过p=0.05水平显著性检验，中雪降雪量及降雪次数呈减少趋势站点均为25%，其中50%、95%的站点显著减少，大雪降雪量及降雪次数气候倾向率为负的站点为50%、63%，且均通过p=0.05水平显著性检验，暴雪降雪量及降雪次数变化趋势与大雪类似，且均通过0.05水平显著性检验。

经上分析，1960-2016年海河流域各气象站点不同级别降雪量及降雪次数在太行山区、平原区总体为减少趋势，在燕山山区、沿海区总体为增加趋势；即使在同一地貌类型区，各站点的降雪变化趋势亦有所不同。

2.3 降雪对气候变化的响应

利用SPSS软件Pearson相关分析法分析了海河流域各级别降雪与降雪发生时温度的相关性。由表3可知，小雪和中雪降雪量、降雪次数与温度的相关系数均为负值，大雪和暴雪降雪量、降雪次数与温度的相关系数均为正值，说明小雪、中雪的降雪量及降雪次数与温度呈负相关，大雪、暴雪的降雪量及降雪次数与温度呈正相关；同时，从显著性水平来看，各级别降雪量及降雪次数与温度的相关性均未通过0.05水平显著性检验，呈不显著相关。综上分析，海河流域大雪、暴雪降雪量和降雪次数随着气温的升高均呈不显著上升趋势，而小雪、中雪反呈不显著下降趋势。

表3 海河流域各级别降雪与温度的相关关系

Tab.3 Correlation between snowfall and temperature in Haihe River Basin

各级别降雪	小雪	中雪	大雪	暴雪
降雪量/mm	-0.14	-0.07	+0.06	+0.004
次数/次	-0.06	-0.08	+0.07	+0.01

注：“*”代表通过p=0. 05信度检验，“+”代表降雪与气温为正相关，“-”代表降雪与气温为负相关。

通过对比分析各站点不同级别降雪发生时的平均温度，暴雪发生时的温度集中在［-5.50，-0.12］ ℃，大雪发生时的温度集中在［-6.97，-0.85］ ℃，中雪发生时的温度集中在［-8.76， -0.42］ ℃，小雪发生时的温度集中在［-8.63，0.23］ ℃，其中80%的站点暴雪发生时的温度高于其他级别降雪，主要位于太行山区和燕山山区，20%的站点暴雪发生时的温度低于其他级别降雪，主要位于平原区和沿海区，详见图7。从各地貌类型区不同级别降雪发生时的温度来看，小雪发生时平均温度由大到小依次为平原区（-0.96 ℃）＞沿海区（-1.36 ℃）＞太行山区（-3.68 ℃）＞燕山山区（-4.94 ℃），中雪发生时平均温度由大到小依次为平原区（-1.27 ℃）＞沿海区（-1.84 ℃）＞太行山区（-3.31 ℃）＞燕山山区（-3.70 ℃），大雪发生时平均温度由大到小依次为平原区（-1.55 ℃）＞沿海区（-1.63 ℃）＞太行山区（-2.71 ℃）＞燕山山区（-2.97 ℃），暴雪发生时平均温度由大到小依次为平原区（-1.23 ℃）＞太行山区（-1.61 ℃）＞沿海区（-1.67 ℃）＞燕山山区（-2.44 ℃）。总体来看，海河流域各站点暴雪发生时的温度高于其他级别降雪，除平原区和沿海区的部分站点外；各级别降雪发生时的平均温度由大到小依次为平原区＞沿海区＞太行山区＞燕山山区，仅暴雪发生时太行山区的平均温度略高于沿海区。

图7 各区域不同级别降雪发生时的平均温度条件

Fig.7 Average temperature conditions of different snowfall levels in different regions

Full size|PPT slide

3 结论

本文基于1960-2016年海河流域及周边43个气象站点观测资料，采用双温度阈值法对1979年之前降雪进行识别及验证，建立海河流域1960-2016年降雪数据，并以国家气象部门划分的降雪级别分析海河流域1960-2016年降雪时空变化特征。研究结果表明：

（1）建立的海河流域降雪识别指数方程能够较好地估计各气象站点的降雪量，率定期和验证期各分区站点估计总降雪量与实测总降雪量相关系数均在0.90以上，相对误差在±5%以内。

（2）1960-2016年间海河流域各级别降雪年际变化总体呈不明显减少趋势，但由于海河流域不同地貌类型区地理位置、海拔高度及降水特征等条件存在差异，各地貌类型区降雪趋势变化有所不同。海河流域太行山区降雪量和降雪次数总体呈显著减少趋势；平原区降雪量和降雪次数总体也呈减少趋势，但不显著；而燕山山区、沿海区降雪量和降雪次数总体反呈增加趋势。

（3）经分析各级别降雪与温度的相关性及各级别降雪发生时的温度，大雪、暴雪的降雪量及降雪次数与温度呈正相关，小雪、中雪的降雪量及降雪次数与温度呈负相关。各站点暴雪发生时的温度高于其他级别降雪，除平原区和沿海区的部分站点外；平原区各级别降雪发生时的温度高于太行山区、燕山山区和沿海区。 □

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

1	刘义花，鲁延荣，周强，等.1961-2017年青海高原降雪时空变化分析研究［J］.冰川冻土，2019，41（4）：809-817. 本文引用 [1]

2	马伟东，刘峰贵，周强，等.1961-2017年青藏高原极端降水特征分析［J］.自然资源学报，2020，35（12）：3 039-3 050. 本文引用 [1]

3	秦艳，丁建丽.1961-2016年中国天山不同级别降雪事件变化特征分析［J］.水科学进展，2019，30（4）：457-466. 本文引用 [2]

4	周晓宇，赵春雨，崔妍，等.1961-2017年中国东北地区降雪时空演变特征分析［J］.冰川冻土，2020，42（3）：766-779. 本文引用 [1]

5	张志富，希爽，刘娜，等.1961-2012年中国降雪时空变化特征分析［J］.资源科学，2015，37（9）：1 765-1 773. 本文引用 [2]

6	王迎春，钱婷婷，郑永光.北京连续降雪过程分析［J］.应用气象学报， 2004，15（1）：58-65. 本文引用 [1]

7	杨莲梅，杨涛，贾丽红，等.新疆大-暴雪气候特征及其水汽分析［J］.冰川冻土，2005，27（3）：389-396．本文引用 [1]

8	辛渝，崔彩霞，张广兴，等. 博州不同级别降水及极端降水事件的时空变化［J］. 中国沙漠，2008，28（2）：362-369．本文引用 [1]

9	BOCCHIERI J R. The objective use of upper air soundings to specify precipitation type ［J］. Monthly Weather Review，2009，108（5）：596-603．本文引用 [1]

10	漆梁波，张瑛.中国东部地区冬季降水相态的识别判据研究［J］.气象，2012，38（1）：96-102．本文引用 [1]

11	YANG Z L， DICKINSON R E， ROBOCK A，et al. Validation of the snow sub-model of the biosphere-atmosphere transfer scheme with Russian snow cover and meteorological observational data［J］. Journal of Climate，1997，10（2）：353-373. 本文引用 [1]

12	WIGMOSTA M S， VAIL L W， LETTENMAIER D P. A distributed hydrology‐vegetation model for complex terrain ［J］. Water Resources Research， 1994，30（6）．本文引用 [1]

13	CHEN R， LU S， KANG E，et al. A distributed water-heat coupled model for mountainous watershed of an inland river basin of Northwest China（I）model structure and equations［J］.Environmental Geology，2008， 53（6）：1 299-1 309. 本文引用 [1]

14	DAI A. Temperature and pressure dependence of the rain-snow phase transition over land and ocean［J］. Geophysical Research Letters，2008， 35（12）：62-77. 本文引用 [1]

15	马梦阳，韩宇平，王庆明，等.海河流域极端降水时空变化规律及其与大气环流的关系［J］.水电能源科学，2019，37（6）：1-4，74. 本文引用 [1]

16	刘学锋，任国玉，等.海河流域近47年极端强降水时空变化趋势分析［J］.干旱区资源与环境，2010，24（8）：85-90. 本文引用 [1]

17	魏兆珍.海河流域下垫面要素变化及其对洪水的影响研究［D］.天津：天津大学，2013. 本文引用 [1]

18	李德帅.基于逐小时资料的华南地区汛期降水时空变化特征及其成因研究［D］.兰州：兰州大学，2016. 本文引用 [1]

19	MANN H B. Non-parametric tests against trend［J］. Econometrica，1945，13（3）：245-259. 本文引用 [1]

20	KENDALL M G. Rank Correlation Measures［J］. Charles Griffin： London， UK， 1975.

21	KOTTEGODA N T. Stochastic Water Resources Technology［M］. New York：Wiley，1980，ISBN 978-1-349-03467-3.

22	BURN D H， ELNUR M A H. Detection of hydrologic trends and variability［J］. Journal of Hydrology. 2002， 55（1-4）：107-122.

23	AZIZ O， BURN D H. Trends and variability in the hydrological regime of the Mackenzie River Basin［J］. Journal of Hydrology， 2006， 319（1-4）：282-294. 本文引用 [1]

24	陈静，陆志波.1979-2013年南大洋海冰变化特征及与典型气候变化因子的相关性分析［J］.极地研究，2016，28（4）：539-547. 本文引用 [1]

25	刘少华，严登华，王浩，等.怒江上游流域降雪识别及其演变趋势和原因分析［J］.水利学报，2018，49（2）：254-262. 本文引用 [1]

26	王飞，朱仲元，郝祥云，等.锡林河流域降雪识别及演变趋势研究［J］.高原气象，2019，38（4）：725-733. 本文引用 [1]

27	张丽，徐朋飞，吴胜平，等.安庆市降水相态识别判据研究［J］.气象与环境学报，2018，34（1）：30-37. 本文引用 [1]

PDF(2729 KB)

764

访问

引用

详细情况

段落导航

摘要
Abstract
关键词
Key words
基金
引用本文
0 引言
1 研究区域、数据来源及方法
1.1 研究区域
图1 海河流域地理位置及地形图
1.2 数据来源
图2 海河流域站点分布图
1.3 研究方法
1.3.1 降雪指标
1.3.2 降雪识别方法
图3 海河流域气温与降雪比例关系图
2 结果及分析
2.1 降雪识别及验证
图4 海河流域实测总降雪量及估计总降雪量对比图
表1 1960-1979年实测总降雪量与估计总降雪量评价指标结果
2.2 各级别降雪时空变化特征分析
2.2.1 各级别降雪年际变化特征
图5 1960-2016年海河流域不同级别降雪年际变化趋势图
表2 海河流域各区域不同级别降雪量、降雪次数气候倾向率
2.2.2 各级别降雪量及降雪次数变化的空间差异性
图6 海河流域各级别降雪空间变化趋势图
2.3 降雪对气候变化的响应
表3 海河流域各级别降雪与温度的相关关系
图7 各区域不同级别降雪发生时的平均温度条件
3 结论
参考文献

收稿日期	出版日期
2021-04-26	2022-01-15
发布日期
2022-02-13

选择文件类型/文献管理软件名称

选择包含的内容