中國積雪特性時空分布電子地圖集

張學(xué)良，王華東，肖鵬峰，鄭子賢，馮學(xué)智

1.南京大學(xué)地理與海洋科學(xué)學(xué)院，自然資源部國土衛(wèi)星遙感應(yīng)用重點(diǎn)實(shí)驗(yàn)室，江蘇省地理信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，南京 210023

引 言

積雪是冰凍圈最活躍的存在形式，也是全球氣候系統(tǒng)的重要組成部分，在全球地表能量平衡、水文循環(huán)和人類活動中占據(jù)重要地位[1-4]。全球約有98%的季節(jié)性積雪覆蓋在北半球，覆蓋面積約占冬季北半球陸地面積的 50%[5]，積雪融水匯集河流，不僅可為全球六分之一的人口提供淡水資源，同時影響河流下游地區(qū)的農(nóng)業(yè)和生態(tài)系統(tǒng)[6]。在中國，多年平均積雪面積約占陸地面積的 94%，尤其是在我國的三大季節(jié)性積雪穩(wěn)定區(qū)[7]。在全球變暖背景下，積雪對氣候變化具有高度敏感性和重要反饋?zhàn)饔肹8-9]，積雪及其屬性發(fā)生變化，將造成冰凍圈和其他圈層發(fā)生改變，繼而影響生態(tài)環(huán)境及人類社會生活。

最初的積雪研究主要依賴有限的人工觀測和地面臺站數(shù)據(jù)，數(shù)據(jù)準(zhǔn)確性高，但難以實(shí)現(xiàn)大規(guī)模積雪要素動態(tài)監(jiān)測，尤其是在高海拔的山區(qū)。遙感以其大范圍、多尺度、多時相等特點(diǎn)，逐漸成為積雪調(diào)查研究的重要手段。遙感與地面調(diào)查手段的聯(lián)合為了解和掌握中國積雪特性的時空分布特征提供了有力保障和支撐。而積雪物候、積雪深度/雪水當(dāng)量、積雪反照率、積雪密度是積雪的重要參數(shù)，與氣候變化、水資源管理和自然災(zāi)害等密切相關(guān)[10-12]。

積雪要素專題地圖可直觀、定量表達(dá)積雪的時空分布，已有的專題地圖包括積雪分布[13]、積雪穩(wěn)定性[7]、積雪災(zāi)害[13-14]、積雪覆蓋日數(shù)[15]、最大積雪深度[15]等。在國家科技基礎(chǔ)資源調(diào)查專項(xiàng)的支持下，基于“中國積雪特性及分布調(diào)查”項(xiàng)目生產(chǎn)的中國區(qū)域不同積雪要素逐日遙感產(chǎn)品和地面調(diào)查數(shù)據(jù)，編制中國積雪系列圖件，包括4個子集，分別為1980-2020年中國積雪日數(shù)（積雪物候）圖集、1980-2020年中國積雪深度/雪水當(dāng)量圖集、2000-2020年中國積雪反照率圖集和2013-2020年中國積雪密度圖集，共計(jì)1244張電子地圖及相應(yīng)制圖數(shù)據(jù)。從不同時間頻度（逐月、逐年、多年逐月平均等）定量表達(dá)積雪要素的空間分布及其年內(nèi)、年際變化，對逐日積雪要素數(shù)據(jù)的進(jìn)一步整合歸納與再生產(chǎn)，為認(rèn)識和掌握中國積雪特性的空間分布差異和時間變化特征提供數(shù)據(jù)支撐。

1 數(shù)據(jù)采集和處理方法

1.1 數(shù)據(jù)來源

從國家冰川凍土沙漠科學(xué)數(shù)據(jù)中心網(wǎng)站（http://www.ncdc.ac.cn/）獲取的中國1980-2020年積雪面積5 km逐日無云產(chǎn)品[16]、中國1980-2020年雪水當(dāng)量25 km逐日產(chǎn)品[17]和中國2000-2020年積雪反照率逐日產(chǎn)品[18]，分別編制1980-2020年中國積雪日數(shù)圖集、1980-2020年中國積雪深度/雪水當(dāng)量圖集和2000-2020年中國積雪反照率圖集。

目前關(guān)于積雪密度的產(chǎn)品有積雪密度再分析數(shù)據(jù)集，它是將各種觀測數(shù)據(jù)同化到預(yù)測模型中，提供積雪密度網(wǎng)格數(shù)據(jù)集[19]，例如歐洲的ERA-5產(chǎn)品，但與中國站點(diǎn)數(shù)據(jù)對比后發(fā)現(xiàn)驗(yàn)證精度較低。本積雪密度圖集利用2013-2020年中國氣象站觀測數(shù)據(jù)（http://data.cma.cn），2017-2019年中國典型積雪區(qū)線路積雪觀測數(shù)據(jù)集[20]（http://www.ncdc.ac.cn/），和 ERA-5再分析數(shù)據(jù)集（https://cds.climate.copernicus.eu），包括風(fēng)速、氣溫、融雪量、降雪量、積雪表層溫度、積雪蒸發(fā)量、降水量、地表氣壓、葉面積指數(shù)，以及數(shù)字高程模型（http://www.gscloud.cn/），編制了2013-2020年中國積雪密度圖集。

1.2 數(shù)據(jù)處理

1.2.1 積雪日數(shù)

利用中國1980-2020年積雪面積5 km逐日無云遙感產(chǎn)品，提取逐年積雪日數(shù)（積雪持續(xù)日數(shù)、積雪初日、積雪終日），其中積雪持續(xù)日數(shù)在本文中由積雪覆蓋日數(shù)指代，指一個積雪年內(nèi)（9月1日-翌年8月31日）觀測到的累計(jì)積雪總天數(shù)。計(jì)算公式如下：

SCD(snow cover days)表示積雪持續(xù)日數(shù)，N表示一個完整的積雪年(9月1日-翌年8月31日)，Si表示第i天的逐日無云積雪面積產(chǎn)品，Si=1表示存在積雪，Si=0表示無雪。

為了避免短暫積雪的影響，積雪初日定義為在一個積雪年內(nèi)，第一個連續(xù)5天積雪的第一天；積雪終日定義為在一個積雪年內(nèi)，最后一個連續(xù)5天積雪的最后一天。如果在一個積雪年內(nèi)不存在連續(xù)5天積雪，則表示沒有積雪初日和積雪終日，計(jì)算公式如下：

其中SCOD(snow cover onset date)表示積雪初日，SCED(snow cover end date)表示積雪終日，t為儒略日，N表示一個完整積雪年，St表示第t天的逐日無云積雪面積產(chǎn)品，St=1表示存在積雪，St=0表示無雪，k表示連續(xù)5天。

利用逐年積雪持續(xù)日數(shù)、積雪初日、積雪終日，計(jì)算多年平均積雪持續(xù)日數(shù)、積雪初日和積雪終日，以及利用一元線性回歸進(jìn)行趨勢傾向估計(jì)積雪日數(shù)的多年變化率，并進(jìn)行α=0.05的顯著性檢驗(yàn)。

對得到的所有制圖數(shù)據(jù)進(jìn)行分級和制圖符號設(shè)計(jì)，采用分層設(shè)色法表示積雪日數(shù)，獲得積雪日數(shù)專題地圖。積雪日數(shù)制圖流程如圖1所示。

圖1 積雪日數(shù)制圖流程圖Figure 1 Flow chart of snow phenology mapping

1.2.2 積雪深度/雪水當(dāng)量

利用中國1980-2020年雪水當(dāng)量25 km逐日遙感產(chǎn)品，計(jì)算逐年平均、逐月平均和多年逐月平均積雪深度/雪水當(dāng)量，再根據(jù)逐年平均和逐月平均積雪深度/雪水當(dāng)量，分別計(jì)算得到積雪深度/雪水當(dāng)量多年變化率和多年逐月變化率，并進(jìn)行α=0.05的顯著性檢驗(yàn)。利用逐月平均和多年逐月平均積雪深度/雪水當(dāng)量，計(jì)算得到積雪深度/雪水當(dāng)量多年逐月標(biāo)準(zhǔn)偏差。

對得到的所有制圖數(shù)據(jù)進(jìn)行分級和制圖符號設(shè)計(jì)，采用分層設(shè)色法表示積雪深度和雪水當(dāng)量，獲得積雪深度/雪水當(dāng)量專題地圖。積雪深度/雪水當(dāng)量制圖流程如圖2所示。

圖2 積雪深度/雪水當(dāng)量制圖流程圖Figure 2 Flow chart of snow depth / snow water equivalent mapping

1.2.3 積雪反照率

利用中國2000-2020年積雪反照率逐日遙感產(chǎn)品，計(jì)算逐旬（上旬、中旬、下旬）平均、逐月平均和多年逐月（9月-翌年5月）平均積雪反照率，然后利用逐月平均和多年逐月平均積雪反照率，計(jì)算積雪反照率多年逐月標(biāo)準(zhǔn)偏差圖。

對得到的所有制圖數(shù)據(jù)進(jìn)行分級和制圖符號設(shè)計(jì)，采用分層設(shè)色法表示積雪反照率圖集，得到積雪反照率專題地圖。積雪反照率制圖流程如圖3所示。

圖3 積雪反照率制圖流程圖Figure 3 Flow chart of snow albedo mapping

1.2.4 積雪密度

首先建立時空加權(quán)神經(jīng)網(wǎng)絡(luò)模型得到2013-2020年逐日積雪密度，模型輸入變量包括積雪特性、氣象條件和地形特征，輸出變量為積雪密度。輸入變量的數(shù)據(jù)來自于遙感數(shù)據(jù)和再分析數(shù)據(jù)。使用的遙感數(shù)據(jù)包括逐日積雪深度、積雪反照率、積雪面積，以及地形特征數(shù)據(jù)（海拔、坡度、坡向），利用逐日積雪面積提取積雪累積日數(shù)，即從某個積雪日向前延伸到積雪開始出現(xiàn)的累積日數(shù)。使用的ERA-5再分析數(shù)據(jù)包括風(fēng)速、氣溫、融雪量、降雪量、積雪表層溫度、積雪蒸發(fā)量、降水量、地表氣壓、葉面積指數(shù)。地面觀測積雪密度數(shù)據(jù)包括氣象站觀測數(shù)據(jù)和地面調(diào)查數(shù)據(jù)。

時空加權(quán)神經(jīng)網(wǎng)絡(luò)模型主要包括兩部分[21]：一是時空加權(quán)，二是廣義回歸神經(jīng)網(wǎng)絡(luò)。時空加權(quán)考慮積雪密度的時空異質(zhì)性，可以得到預(yù)測點(diǎn)和其周圍樣本點(diǎn)的時空權(quán)重，而廣義回歸神經(jīng)網(wǎng)絡(luò)考慮積雪密度與影響因素之間的非線性關(guān)系，可以得到預(yù)測點(diǎn)和其周圍樣本點(diǎn)的影響因素權(quán)重，時空加權(quán)神經(jīng)網(wǎng)絡(luò)模型計(jì)算公式如下：

其中，dST表示時空距離，(j,k,t)表示樣本點(diǎn)s和預(yù)測點(diǎn)p的空間位置和時間，φ是調(diào)節(jié)空間和時間距離重要性的參數(shù)，hST表示自適應(yīng)帶寬，即不同預(yù)測點(diǎn)選擇相同數(shù)量的周圍樣本參與模型計(jì)算，而不是確定一個固定范圍（固定帶寬），這可以解決樣本分布不均勻問題，最后根據(jù)公式（4）和（5）得到不同樣本點(diǎn)和預(yù)測點(diǎn)的時空權(quán)重WGT。

其中，x表示樣本點(diǎn)s和預(yù)測點(diǎn)p的影響因素，D表示歐幾里得距離，spread是控制擬合函數(shù)平滑度的參數(shù)，N表示預(yù)測點(diǎn)周圍樣本點(diǎn)的數(shù)量，yi表示樣本點(diǎn)i的真實(shí)積雪密度值。根據(jù)公式（4）和（5）計(jì)算得到第i個樣本點(diǎn)和預(yù)測點(diǎn)的時空權(quán)重，公式（6）計(jì)算得到第i個樣本點(diǎn)和預(yù)測點(diǎn)的廣義回歸神經(jīng)網(wǎng)絡(luò)權(quán)重，最后根據(jù)公式（7）得到預(yù)測點(diǎn)的積雪密度(snow density)估計(jì)值。

分別提取觀測站點(diǎn)的積雪密度及其對應(yīng)位置上的影響因素作為樣本，共得到16933個樣本。將所有樣本隨機(jī)平均分成十份，采用十折交叉驗(yàn)證的方法確定最優(yōu)模型，估算2013-2020年逐日積雪密度。進(jìn)而計(jì)算逐月（9月-翌年5月）平均和多年逐月平均積雪密度，以及積雪密度多年逐月標(biāo)準(zhǔn)偏差。

對得到的所有制圖數(shù)據(jù)進(jìn)行分級和制圖符號設(shè)計(jì)，采用分層設(shè)色法表示積雪密度，獲得積雪密度專題地圖。積雪密度制圖流程如圖4所示。

圖4 積雪密度制圖流程圖Figure 4 Flow chart of snow density mapping

2 數(shù)據(jù)樣本描述

中國積雪特性時空分布電子地圖集共有四種積雪要素圖集，分別為積雪日數(shù)圖集、積雪深度/雪水當(dāng)量圖集、積雪反照率圖集和積雪密度圖集，共生產(chǎn)1244張jpg格式的電子地圖和1244張geotiff格式的制圖數(shù)據(jù)，每個圖集的詳細(xì)信息如表1所示。

表1 圖集介紹Table 1 Introduction of electronic atlas

2.1 積雪日數(shù)圖集

積雪日數(shù)圖集共包含5個子圖集：（1）1980-2020年中國逐年積雪持續(xù)日數(shù)圖；（2）1980-2020年中國逐年積雪初日圖；（3）1980-2020年中國逐年積雪終日圖；（4）1980-2020年中國平均積雪日數(shù)圖；（5）1980-2020年中國積雪日數(shù)變化率圖。

命名規(guī)則為：（1）yyyy-yyyy年中國積雪持續(xù)日數(shù)圖；（2）yyyy-yyyy年中國積雪初日圖；（3）yyyy-yyyy年中國積雪終日圖；（4）1980-2020年中國平均積雪日數(shù)要素圖；（5）1980-2020年中國積雪日數(shù)要素變化率圖。其中圖5和圖6展示了中國積雪持續(xù)日數(shù)、積雪初日、積雪終日的多年平均和多年變化率圖。

圖5 多年平均積雪日數(shù)圖（審圖號：GS(2022)922號）Figure 5 Map of average snow phenology

圖6 積雪日數(shù)多年變化率圖（審圖號：GS(2022)922號）Figure 6 Map of snow phenology change rate

2.2 積雪深度/雪水當(dāng)量圖集

積雪深度/雪水當(dāng)量圖集共包括8個子圖集：（1）1980-2020年中國逐月平均積雪深度圖；（2）1980-2020年中國逐月平均雪水當(dāng)量圖；（3）1980-2020年中國積雪深度逐月標(biāo)準(zhǔn)偏差圖；（4）1980-2020年中國雪水當(dāng)量逐月標(biāo)準(zhǔn)偏差圖；（5）1980-2020年中國積雪深度逐月變化率圖；（6）1980-2020年中國雪水當(dāng)量逐月變化率圖；（7）1980-2020年中國積雪深度變化率圖；（8）1980-2020年中國雪水當(dāng)量變化率圖。

命名規(guī)則為：（1）1980-2020年中國逐月平均積雪深度圖_mm月；（2）1980-2020年中國逐月平均雪水當(dāng)量圖_mm月；（3）1980-2020年中國積雪深度逐月標(biāo)準(zhǔn)偏差圖_mm月；（4）1980-2020年中國雪水當(dāng)量逐月標(biāo)準(zhǔn)偏差圖_mm月；（5）1980-2020年中國積雪深度逐月變化率圖_mm月；（6）1980-2020年中國雪水當(dāng)量逐月變化率圖_mm月；（7）1980-2020年中國積雪深度變化率圖；（8）1980-2020年中國雪水當(dāng)量變化率圖。其中圖7和圖8分別展示中國積雪深度和雪水當(dāng)量不同統(tǒng)計(jì)特征的一張示例圖。

2.3 積雪反照率圖集

積雪反照率圖集共包含4個子圖集：（1）中國逐旬平均積雪反照率圖；（2）中國逐月平均積雪反照率圖；（3）2000-2020年中國逐月平均積雪反照率圖；（4）2000-2020年中國積雪反照率逐月標(biāo)準(zhǔn)偏差圖。

命名規(guī)則為：（1）中國逐旬平均積雪反照率圖_yyyy年mm月t旬；（2）中國逐月平均積雪反照率圖_yyyy年mm月；（3）2000-2020年中國逐月平均積雪反照率圖_mm月；（4）2000-2020年中國積雪反照率逐月標(biāo)準(zhǔn)偏差圖_mm月。其中圖9展示了中國積雪反照率圖集中每個子圖集的一張示例圖。

圖7 積雪深度圖集示例圖（審圖號：GS(2022)922號）Figure 7 Sample map of snow depth atlas

2.4 積雪密度圖集

積雪密度圖集共包括2個子圖集：（1）2013-2020年中國逐月平均積雪密度圖；（2）2013-2020年中國積雪密度逐月標(biāo)準(zhǔn)偏差圖。

命名規(guī)則為：（1）2013-2020年中國逐月平均積雪密度圖_mm月；（2）2013-2020年中國積雪密度逐月標(biāo)準(zhǔn)偏差圖_mm月。其中圖10為中國積雪密度圖集子圖集的示例圖。

圖8 雪水當(dāng)量圖集示例圖（審圖號：GS(2022)922號）Figure 8 Sample map of snow water equivalent atlas

3 數(shù)據(jù)質(zhì)量控制和評估

積雪反照率圖集使用中國2000-2020年積雪反照率逐日產(chǎn)品編制，逐日積雪反照率產(chǎn)品的均方根誤差（root mean squared error，RMSE）達(dá)到0.11[18]，積雪深度/雪水當(dāng)量圖集使用中國1980-2020年雪水當(dāng)量25 km逐日產(chǎn)品編制，逐日雪水當(dāng)量產(chǎn)品的RMSE在15 mm以內(nèi)[17]。

利用中國 1980-2020年積雪面積逐日無云產(chǎn)品[16]提取得到的積雪日數(shù)遙感數(shù)據(jù)，經(jīng)與 7282個氣象站觀測積雪日數(shù)（雪深≥2 cm視為積雪日）數(shù)據(jù)進(jìn)行對比驗(yàn)證，結(jié)果顯示：積雪持續(xù)日數(shù)平均日數(shù)誤差為3.5天，積雪初日和積雪終日的平均日數(shù)誤差分別為3.8天和5.4天。

圖9 積雪反照率圖集示例圖（審圖號：GS(2022)922號）Figure 9 Sample map of snow albedo atlas

圖10 積雪密度圖集示例圖（審圖號：GS(2022)922號）Figure 10 Sample map of snow density atlas

經(jīng)十折交叉驗(yàn)證，積雪密度的決定系數(shù)（R2）、平均絕對誤差（mean absolute error，MAE）、RMSE分別為0.517、0.028 g/cm3和0.043 g/cm3。在三大積雪區(qū)中，北疆的估計(jì)精度最高，R2達(dá)到0.626，其次為東北-內(nèi)蒙古（R2=0.566）和西藏-青海（R2=0.502），其MAE和RMSE都在0.06 g/cm3以下。

4 數(shù)據(jù)使用方法和建議

本數(shù)據(jù)集共享了長時間序列積雪要素的時空分布特征及其變化規(guī)律，是對逐日積雪要素數(shù)據(jù)的進(jìn)一步整合歸納與再生產(chǎn)。數(shù)據(jù)文件按積雪要素屬性文件存儲，分別采用geotiff格式存儲制圖數(shù)據(jù)，jpg格式存儲電子地圖。用戶可按照實(shí)際情況選擇不同時間頻度、不同積雪屬性的文件下載。

致 謝

感謝中國氣象局（http://data.cma.cn）提供的 2013-2020年中國氣象站觀測數(shù)據(jù)，以及 ERA-5（https://cds.climate.copernicus.eu）和地理空間數(shù)據(jù)云（http://www.gscloud.cn/）提供的再分析數(shù)據(jù)集和數(shù)字高程模型數(shù)據(jù)。