Page 62 - 《高原气象》2026年第2期

高 原 气 象 45 卷
362
相对湿度、 风速、 风向和日照时数等气象要素。鉴 温（单位： ℃）或降水量（单位： mm）的多年平均值；
于刚察气象站（37°19′48″N， 100°7′48″E）是距离青 r>0表示两个变量之间存在正相关关系， r<0则表示
海湖最近的国家基准站， 本文主要分析了其 2000 - 二者呈负相关。r的绝对值越接近于 1， 表明二者之
2020年的气温数据。 间相关性越高（孙成杰等， 2024； 尤元红等， 2024）。
2. 3 研究方法 本文设定当 r>0. 2 时视为二者的相关性强， 而当 0<
2. 3. 1 回归分析 r<0. 2 时则表示二者存在弱/无相关性（姜康等，
采用一元线性回归分析方法对 2000 -2020 年 2019）。
青海湖流域积雪面积占比的动态变化进行趋势分 样本相关系数并不足以说明两变量之间是否
析。积雪面积指由青海湖流域积雪频次及遥感数 存在显著的线性关系， 因此本文还应用 T 检验对相
据的空间分辨率得出流域的总面积及不同时间范 关系数进行显著性分析（李虹等， 2023）。统计量 T
2
围尺度的积雪面积（单位： km）； 积雪面积占比指 计算公式如下：
通过上述描述得到的各不同范围尺度的积雪面积 n - 2
占总面积的百分比（单位： %）。在单个像元的多年 T = R ab 2 （6）
1 - R ab
回归方程中， 趋势线的斜率代表年际变化率， 其计
式中： n 为研究年数， 相关系数通过 0. 01、 0. 05 的
算公式为：
显著性水平（p<0. 01、 p<0. 05）分别对应极显著、 显
Slope = y i - y j （1） 著相关关系（郝岩等， 2024）。
i - j
2. 3. 3 偏相关分析
式中： Slope为回归方程的斜率； y 、 y 分别为时间序
i
j
列中第 i 项和第 j 项的积雪面积占比（单位： %）， 且 偏相关分析方法能在综合分析情况下， 排除其
他影响因子， 单独分析两个关联变量之间的相关
j>i。若 Slope>0， 说明存在上升趋势， 反之则表示
性， 采用偏相关系数作为指标来进一步探究积雪分
变量随时间推移下降（沈姣姣等， 2024）。
显著性检验被用来评估变化趋势的可靠性， 公 布与气温、 降水量的相关关系。在多要素地理中通
式如下： 常用偏相关来表示两要素之间的相关程度（金凯
n 等， 2020）， 此时可以忽略其他要素的影响， 偏相关
Q = ∑ ( y i - y ̂ ) 2 （2） 系数的计算公式如下：
i
i = 1
n R ab - R ac R bc
U = ∑ ( y ̂ - y ˉ) 2 （3） R ab，c = （7）
)
i
2
2
i = 1 ( 1 - R ac ( 1 - R bc )
n - 2
F = U × （4） 式中： R 为自变量 c固定的情况下， 因变量 a与自
Q ab， c
变量 b 的偏相关系数， 其中， R 、 R 、 R 分别对应
bc
ab
ac
式中： U 为误差平方和； Q 为回归平方和； y ̂ 为积雪 变量 a与变量 b、 变量 a与变量 c以及变量 b与变量 c
i
面积占比的回归值（单位： %）； y ˉ 为积雪面积占比 之间的相关系数。利用 T检验法对偏相关系数的显
i
的平均值（单位： %）； n 为统计时段的研究年数（方
著性进行评估， 计算公式如下：
健梅等， 2020）。 R
2. 3. 2 相关分析 T = ab，c n - m - 1 （8）
1 - R 2
为了更深入地探讨积雪参数与气温及降水量 ab，c
式中： n 为研究年数； m 为自变量个数（刘芙梅等，
之间的关系， 本文采用了 Pearson 系数分别计算积
2024）。
雪参数与气温、 降水量的相关性。Pearson 相关系
数的计算公式为： 3 结果与分析
n
∑ (a i - a ˉ ) (b i - b) 3. 1 青海湖流域年均积雪频次与气温、 降水量空
ˉ
r = i = 1 （5）
n 间变化
ˉ
∑ (a i - a ˉ ) (b i - b) 2
2
i = 1 3. 1. 1 年均积雪频次的空间分布特征
式中： r 为积雪参数和气温、 降水量的相关系数； a i 青海湖流域年均积雪频次［图 2（a）］总体上从
-1
为第i年的平均积雪频次（单位： time·a ）； a ˉ为多年 西北部高山区向东南部青海湖周围逐渐减少， 具有
积雪频次的平均值（单位： time·a ）； b 为第 i 年的 明显的空间分异性。年均积雪频次［图 2（b）］与海
-1
i
平均气温（单位： ℃）或降水量（单位： mm）； b 为气 拔有较好的对应性， 随着海拔的降低， 积雪频次显
ˉ