Page 18 - 《高原气象》2025年第5期

高 原 气 象 44 卷
1136
ì+1， x j - x i > 0 3 结果与分析
ï ï ï ï
sgn ( x j - x i ) = í 0， x j - x i = 0 （3）
ï ï -1， x j - x i < 0 3. 1 雪深时空变化特征
ï ï
î
1980 -2020 年 积 雪 季 青 藏 高 原 年 均 雪 深 为
S 为正态分布， 其均值为 0， 方差 Var (S ) 计算
3. 15 cm， 积雪分布广泛， 但空间差异明显， 呈西高
公式为：
n (n - 1) (2n + 5) 东低、 高海拔山脉地区大于盆地平原的分布格局。
Var (S ) = （4）
18 其中， 柴达木盆地（QD）、 黄河流域（YE）中部以及
当 n > 10 时， 标准的正态统计变量通过式（5） 高原内陆流域（IP）南部等地区平均雪深较低， 不到
计算： 1 cm， 而喜马拉雅山脉、 喀喇昆仑山脉、 念青唐古
ì S - 1 山脉、 横断山脉等高海拔山区平均雪深普遍大于
ï ï ， S > 0
ï ï Var (S ) 10 cm， 部分山区甚至超过 16 cm［图 2（a）］。不同流
ï ï 域年均雪深也差异明显， 柴达木盆地（QD）是青藏
Z = í 0， S = 0 （5）
ï ï S + 1 高原雪深最小的区域， 年均雪深仅 1. 2 cm， 高原内
ï
ï ， S < 0
ï
ï Var (S ) 陆流域（IP）虽然平均海拔最高（4960 m）， 但雪深仅
ï ï
î
为 1. 3 cm。而高原西北部的阿姆河流域（AD）、 塔
Z 值用于衡量时间序列的变化趋势及其是否显
里木盆地（TR）、 印度河流域（ID）、 恒河流域（GA）
著。在给定的 α 置信水平上， 如果| Z | ≥ Z 1 - α/2 ， 表
和湄公河流域（MK）， 南部的怒江流域（SW）、 雅鲁
明时间序列数据存在明显趋势变化。Z 1 - α/2 为在 α
藏布江流域（BM）平均雪深较厚， 均超过 3. 0 cm，
置信水平上， 标准正态函数分布表对应的值， 当 Z
特别是阿姆河流域（AD）， 平均雪深达10. 3 cm［图2
的绝对值大于 1. 65、 1. 96 和 2. 58 时， 表示趋势分
（b）、 图 2（c）］。这可能是由于青藏高原积雪主要为
别通过了信度为90%、 95%和99%的显著性检验。
季节性积雪， 在积雪季， 高海拔山区特殊的地理地
（3） 偏相关分析
形使得北方冷空气与印度洋暖湿气流在此交汇， 易
利用偏相关系数（黄嘉佑等， 2015）来准确衡量
产生降雪， 同时高海拔引起的低温环境有利于积雪
平均雪深与同期气温和降水量之间的直接关系。
的补给和保持（沈鎏澄， 2020； 黄晓东等， 2023），
其计算公式为：
雪深较厚； 柴达木盆地（QD）深居高原内陆， 加之产
R 12，3 = R 12 - R 13 R 23 （6） 生降雪的水汽条件较差， 同时气候较为干旱， 气温
2 )( 2 )
( 1 - R 12 1 - R 23 较高， 蒸发快， 不利于积雪维持（史飞飞等， 2024；
式中： R 12，3 表示降水量不变， 平均雪深和气温间净 黄晓东等， 2023）， 因此雪深较小； 高原内陆流域
相关的强弱程度， 在分析平均雪深和气温的相关性 （IP）虽然海拔较高， 但由于周围山脉的阻挡， 水汽
中排除了降水量的影响； R 12 、 R 13 、 R 23 分别表示平均 输送较差， 产生的降雪较少， 加之风力较大， 不易
雪深和气温、 平均雪深和降水量、 气温和降水量的 形成积雪（Gao et al， 2023a； 黄晓东等， 2023）， 因
相关系数； 之后， 采用t检验法进行显著性检验。 此雪深较小。

图2 1980 -2020年积雪季青藏高原年均雪深空间分布（a）、 不同流域的平均雪深（b）及海拔（c）对比
Fig. 2 Spatial distribution of mean annual snow depth （a）， mean snow depth （b） and elevation （c） in different
basins on the Qinghai-Xizang （Tibetan） Plateau during the snow season from 1980 to 2020