黑龍江流域積雪的時空動態(tài)變化及其與氣候因子的關(guān)系*

陸小琳，張萬昌，牛全福，劉金平，陳豪，高會然

(1 蘭州理工大學(xué)土木工程學(xué)院，蘭州 730050；2 中國科學(xué)院空天信息創(chuàng)新研究院，北京 100094；3 中國科學(xué)院大學(xué)，北京 100049；4 華北水利水電大學(xué)，鄭州 450045)(2019年11月13日收稿； 2020年3月23日收修改稿)

積雪作為最活躍的地面覆蓋類型之一，通過影響地表輻射平衡和地氣之間的水熱交換來反饋氣候變化，是冰凍圈內(nèi)最為敏感的環(huán)境變化響應(yīng)因子[1-4]。同時，積雪覆蓋也影響區(qū)域生態(tài)地理環(huán)境，其異常變化常導(dǎo)致如雪崩、干旱、洪災(zāi)等自然災(zāi)害，對當(dāng)?shù)刈匀簧鷳B(tài)環(huán)境、社會經(jīng)濟(jì)發(fā)展以及人類活動等造成嚴(yán)重影響[4-5]。黑龍江流域位于東北亞地區(qū)，是全球重要的季節(jié)性積雪分布地區(qū)[6]。黑龍江流域生態(tài)地理環(huán)境復(fù)雜，人類活動以及社會經(jīng)濟(jì)區(qū)域間差異明顯，流域內(nèi)河系發(fā)達(dá)，支流眾多，融雪徑流約占徑流補(bǔ)給的15%～20%[7]，積雪在黑龍江流域維持生態(tài)環(huán)境平衡、社會經(jīng)濟(jì)發(fā)展以及防治自然災(zāi)害等方面具有十分顯著的現(xiàn)實作用。因此，在全球氣候改變的大背景下，掌握黑龍江流域積雪時空動態(tài)變化與氣候因子之間的關(guān)系是非常必要且有意義的。

針對大尺度范圍內(nèi)的積雪時空變化，國內(nèi)外學(xué)者開展了一系列的相關(guān)研究。目前針對積雪時空變化研究的手段主要有常規(guī)的地面氣象站點監(jiān)測和衛(wèi)星遙感監(jiān)測[8-9]。MODIS積雪產(chǎn)品因其具有約500 m的空間分辨率、每日重訪一到兩次的時間分辨率和良好的產(chǎn)品開發(fā)團(tuán)隊等優(yōu)勢，成為進(jìn)行大尺度范圍內(nèi)積雪時空動態(tài)變化研究的重要數(shù)據(jù)源[10-11]。于靈雪等[4]基于MODIS8d合成的積雪產(chǎn)品對黑龍江流域的積雪覆蓋面積進(jìn)行提取并分析其時空變化，Wang等[6]則基于MODIS逐日積雪覆蓋產(chǎn)品在黑龍江流域開展積雪時空動態(tài)變化研究，并提取積雪日數(shù)、積雪初日以及積雪終日等積雪評價參數(shù)，結(jié)合土地覆蓋數(shù)據(jù)探討森林對積雪的影響。綜上所述，MODIS積雪產(chǎn)品在黑龍江流域進(jìn)行積雪時空動態(tài)研究應(yīng)用已有一定的研究基礎(chǔ)。雷小春等[12]在黑龍江流域就MODIS積雪產(chǎn)品的精度進(jìn)行分析，表明云是影響該產(chǎn)品精度的主要原因。因此在使用MODIS積雪產(chǎn)品進(jìn)行分析應(yīng)用之前，還需要對云進(jìn)行處理，減少云對積雪產(chǎn)品精度的影響。目前，針對這一科學(xué)問題，已有一系列的成熟算法[13-22]，但在黑龍江流域的應(yīng)用較為薄弱，在實際應(yīng)用過程中，需綜合考慮黑龍江流域地理環(huán)境特征，做進(jìn)一步的調(diào)整。黑龍江流域作為典型的季節(jié)性積雪區(qū)域，對全球氣候變化響應(yīng)十分敏感，但現(xiàn)階段對黑龍江流域的積雪日數(shù)、積雪面積變化的綜合研究相對薄弱，針對黑龍江流域的積雪時空動態(tài)變化與氣候要素間的相關(guān)性研究仍有不足，特別是針對不同時期的積雪面積與氣候因子之間的相關(guān)性有待進(jìn)一步探討。

本文以MODIS逐日積雪產(chǎn)品MOD10A1和MYD10A1為數(shù)據(jù)源，參考現(xiàn)有的去云算法并加以調(diào)整，對數(shù)據(jù)源進(jìn)行預(yù)處理，得到逐日無云積雪覆蓋數(shù)據(jù)集，基于該數(shù)據(jù)集分析黑龍江流域2002年9月—2016年8月共14 a的積雪日數(shù)和積雪面積的變化特征，并將積雪面積與氣候因子相結(jié)合，分析不同時間段的積雪面積對氣候變化的響應(yīng)關(guān)系。研究結(jié)果旨在提高對積雪時空變化及其與氣候因子之間相關(guān)關(guān)系的認(rèn)識，更好地應(yīng)對全球氣候變化。

1 研究區(qū)概況

2 數(shù)據(jù)及預(yù)處理

2.1 雪深數(shù)據(jù)和氣象數(shù)據(jù)

本文收集到中國東北黑龍江省78個站點實測的2002—2010年共8年的雪深數(shù)據(jù)，用于對無云積雪覆蓋數(shù)據(jù)集的精度評估，數(shù)據(jù)來源于黑龍江氣候數(shù)據(jù)中心。文中涉及的中國氣象數(shù)據(jù)來源于國家氣象信息中心(http:∥data.cma.cn)，國外氣象數(shù)據(jù)來源于美國國家海洋和大氣管理局(https:∥www.climate.gov/)。雪深數(shù)據(jù)和氣候數(shù)據(jù)等氣象站點分布如圖1所示。

2.2 MODIS逐日積雪覆蓋數(shù)據(jù)

美國國家雪冰數(shù)據(jù)中心免費(fèi)提供的每日積雪覆蓋產(chǎn)品MOD10A1 /MYD10A1為源數(shù)據(jù)，投影格式為正弦曲線投影SIN(sinusoidal projection)，分辨率約為500 m[25]。MODIS系列遙感影像數(shù)據(jù)在全球范圍內(nèi)共按36個條帶進(jìn)行存儲，黑龍江流域占其中6個條帶(h24v03, h25v03, h25v04, h26v3, h26v04, h27v04)，時間序列選擇為2002年9月1日—2016年8月31日?；贗DL編程環(huán)境，調(diào)用MRT軟件將獲得的MODIS積雪數(shù)據(jù)進(jìn)行批量預(yù)處理，預(yù)處理主要包括拼接、投影轉(zhuǎn)換、裁剪以及重編碼，其中重編碼規(guī)則見表1。

表1 MODIS積雪產(chǎn)品編碼、意義及重編碼規(guī)則Table 1 The code and significance of MODIS snow cover products and rules of recoding

2.3 數(shù)字高程模型數(shù)據(jù)

數(shù)字高程模型數(shù)據(jù)(digital elevation model，DEM)用于去云算法輔助研究，采用USDS EROS數(shù)據(jù)中心發(fā)布的90 m分辨率的SRTM數(shù)字高程模型數(shù)據(jù) (http:∥srtm.csi.cgiar.org)。為了匹配MODIS積雪產(chǎn)品分辨率，將DEM數(shù)據(jù)重采樣為MOD10A1/MYD1A1同等分辨率。

2.4 逐日無云積雪覆蓋數(shù)據(jù)集生成及精度驗證

由于光學(xué)遙感無法穿透云層，無法獲得云下的地表覆蓋信息，因此MODIS逐日積雪覆蓋產(chǎn)品存在大量的云像元干擾。據(jù)統(tǒng)計，黑龍江流域2002—2016年MOD10A1和MYD10A1影像的平均云含量百分比達(dá)到53%和60%，云含量超過50%的天數(shù)比例高達(dá)59%和74%左右。大量的云像元造成地表覆蓋信息在空間上不連續(xù)，直接使用該數(shù)據(jù)做后續(xù)的研究，明顯是不合理的，因此，使用該數(shù)據(jù)進(jìn)行積雪研究，去云是必不可少的一部分。

參考文獻(xiàn)[19]的去云算法，依次通過包括基于Terra星和Auqa星過境時間不同的雙星數(shù)據(jù)合成[13,15,18-19]、基于時間組合的連續(xù)3 d臨近日分析[3,17,19,21,26]、基于空間連續(xù)性的鄰近4像元法[13-14,17,26]、基于數(shù)字高程模型的Snowl方法[3,13-14,17,19,21-22]以及高程濾波算法[3,14,19,26]、基于長時間序列分析的季節(jié)性過濾[13-14,19,21,26]等6步去云算法進(jìn)行去云處理，其算法流程如圖2所示。

圖2 去云算法流程圖Fig.2 Flow chart of cloud removal algorithm

針對黑龍江流域的地理環(huán)境特點，主要對區(qū)域Snowl算法和季節(jié)性過濾算法作了調(diào)整。區(qū)域Snowl算法的使用對云像元含量有限制，并且當(dāng)積雪空間異質(zhì)性及破碎化情況比較嚴(yán)重時，也會受到一定的限制[26]。常規(guī)的處理方式是進(jìn)行海拔分帶處理，黑龍江流域海拔集中在1 000 m以內(nèi)，并且緯度跨度較大，流域范圍廣。采用海拔分帶處理，易造成海拔相近緯度不同的區(qū)域的積雪誤判。因此參考Paudel和Andersen[13]的處理方法，基于Arc-swat模型將黑龍江流域細(xì)化為多個子流域，在子流域范圍內(nèi)運(yùn)用Snowl算法，降低積雪誤判的影響。季節(jié)性過濾是基于黑龍江流域為典型季節(jié)性積雪區(qū)域這一事實，對每個像元以每年的9月1日至次年的8月31日為時間序列進(jìn)行分析。假定積雪穩(wěn)定積累后不出現(xiàn)偶然融雪事件，研究區(qū)的每個像元主要以陸地或云為開始，直到出現(xiàn)積雪(即積雪開始累積)，隨后春季積雪融化再次出現(xiàn)陸地或云。利用連續(xù)3 d滑動窗口過濾積雪初期和融雪末期的偶然積雪事件，將積雪穩(wěn)定積累的時間作為積雪積累的閾值，將積雪完全融化后的時間為積雪融化的閾值，不考慮積雪期內(nèi)的偶然降雪和融雪事件，將在閾值范圍內(nèi)的云像元判為積雪，閾值范圍外的云像元判為陸地。

使用調(diào)整后的算法對MODIS積雪數(shù)據(jù)進(jìn)行去云處理，得到逐日無云積雪覆蓋數(shù)據(jù)集。利用氣象站點的實測雪深數(shù)據(jù)對該數(shù)據(jù)集進(jìn)行精度評估?；跉庀笳军c的位置提取影像像素值，與站點實測值成對作為驗證樣本數(shù)據(jù)，分別對去云前的MODIS原始逐日積雪覆蓋數(shù)據(jù)和去云后的逐日無云積雪覆蓋數(shù)據(jù)進(jìn)行精度驗證。

通過統(tǒng)計近幾年兵團(tuán)農(nóng)機(jī)購置補(bǔ)貼機(jī)具分檔補(bǔ)貼額明細(xì)，可以看出對液壓翻轉(zhuǎn)犁的財政補(bǔ)貼額較大，每年對不同的機(jī)型補(bǔ)貼額都有調(diào)整，2017年補(bǔ)貼額度最高的機(jī)型是5～6鏵、單體幅寬45 cm及以上和7鏵以上、單體幅寬45 cm及以上兩種，補(bǔ)貼額為6 500元。根據(jù)補(bǔ)貼額的變化情況可以看出，政府對單體幅寬大、鏵數(shù)多的機(jī)型補(bǔ)貼額度大，這也表明大型寬幅高端液壓翻轉(zhuǎn)犁的需求日趨增長。然而，根據(jù)團(tuán)場公布近3年農(nóng)戶購置補(bǔ)貼信息顯示，與149.14 kW以上拖拉機(jī)配套的進(jìn)口犁比重在不斷加大，在一些地區(qū)德國雷肯犁與法國貝松犁已成為大拖的標(biāo)配。

驗證結(jié)果如表2所示，在晴空條件下(排除被云覆蓋的站點)原始MOD10A1影像的積雪分類精度為83.26%，陸地分類精度為98.56%，整體分類精度為90.91%；移除云阻礙的影響后(即所有站點)逐日無云積雪覆蓋數(shù)據(jù)的積雪分類精度為83.69%，陸地分類精度為94.41%，整體分類精度為89.05%。以MOD10A1影像為基準(zhǔn)，云像元被分類為積雪和陸地準(zhǔn)確性結(jié)果如表3所示，整體精度為89.39%，積雪分類精度為83.27%，陸地分類精度為95.51%。結(jié)合兩表數(shù)據(jù)分析，可以看出云像元被重分類為積雪的精度與原始數(shù)據(jù)的分類精度基本一致，陸地分類精度損失約3%。去云后的無云積雪覆蓋數(shù)據(jù)集的精度與原始數(shù)據(jù)在晴空條件下的精度相比，積雪分類精度輕微提升，陸地分類稍有損失，但增加了大量的可用樣本?？梢娫撊ピ扑惴梢杂行У販p少云像元的影響，并保證精度。無云積雪覆蓋數(shù)據(jù)集彌補(bǔ)了數(shù)據(jù)空間不連續(xù)的不足，提供更多的可用信息，更加適用于后續(xù)的積雪研究。

表2 原始MOD10A1影像和逐日無云積雪覆蓋數(shù)據(jù)與站點實測積雪數(shù)據(jù)誤差矩陣Table 2 Error matrix of MOD10A1 original image and daily cloudless snow-cover data in comparison with in-situ observation data at meteorological stations

表3 MOD10A1云像元被重分類后的驗證混淆矩陣Table 3 Confusion matrix for verification ofreclassification of cloud pixels in MOD10A1

3 研究方法

3.1 積雪參數(shù)提取

3.1.1 積雪日數(shù)

積雪日數(shù)(snow-cover days, SCD)[21,27]表示一個像元在指定時間序列上觀測到積雪的次數(shù)，數(shù)學(xué)描述為

(1)

式中：SCD為積雪日數(shù)，取值范圍為0～366；n為總觀測數(shù)，本文中為一整年的天數(shù)(當(dāng)年9月1日至次年8月31日，365或366)；si表示逐日無云積雪數(shù)據(jù)集，將該數(shù)據(jù)集重編碼為1代表積雪，0代表非雪。

3.1.2 積雪面積

積雪面積(snow cover area, SCA)[5,28]表示指定區(qū)域內(nèi)的積雪覆蓋范圍，可以直觀描述研究區(qū)的積雪覆蓋量，通過時間序列的分析，簡單明了地掌握研究區(qū)積雪的年際變化。SCA是通過統(tǒng)計逐日影像中積雪像元的個數(shù)，乘以柵格像元的大小來表示當(dāng)日的積雪面積，基于不同時間尺度的需求，求取均值用以后續(xù)的研究。

3.2 趨勢分析

采用一元線性回歸最小二乘擬合模型模擬每個像元j的積雪日數(shù)的變化趨勢[2,5]，數(shù)學(xué)描述為

(2)

式中:Slopej表示第j個像元在研究期間積雪日數(shù)的變化傾向率；i表示年序號；n表示研究時間長度，本文中為14 a。若Slopej>0表示該像元在研究期間變化趨勢是增加的，反之是減少的。并通過F檢驗判斷其變化趨勢的顯著性水平。

3.3 相關(guān)性分析

基于相關(guān)性分析探究積雪特征參數(shù)與溫度、降水的關(guān)系[2]，通過計算各變量間的相關(guān)系數(shù)以及顯著性。數(shù)學(xué)描述為

(3)

4 結(jié)果與討論

4.1 SCD變化分析

統(tǒng)計黑龍江流域在2002—2016年間的逐年SCD，得到14 a平均SCD的空間分布如圖3(a)所示?？梢钥闯?，黑龍江流域積雪空間分布極不均勻。整體來看，SCD與緯度的相關(guān)性較好，隨緯度增加呈逐漸增大的趨勢。且海拔相對較高的地區(qū)的SCD也較大。統(tǒng)計表明，黑龍江流域14 a的平均SCD范圍為0 ～ 270 d，主要集中在90～150 d，年平均SCD為123 d。其中小于90 d的區(qū)域主要在流域中南部地區(qū)，占比13%，大于180 d的比例僅占5%，主要分布在海拔較高的山區(qū)，如流域西部邊緣的肯特山脈區(qū)域，東北部的雅布洛夫山脈、斯塔洛夫山脈等。另外，在森林密度較大的地區(qū)如大興安嶺地區(qū)，由于光學(xué)遙感手段自身對積雪的低估，加之不同的森林密度對積雪的積累、消融以及再分布等過程有著復(fù)雜的影響，導(dǎo)致森林密度較大的地區(qū)的SCD比周圍緯度和海拔相似的非森林區(qū)較短，該現(xiàn)象與Wang等[6]研究結(jié)果一致。

圖3 黑龍江流域14 a平均SCD空間分布及變化趨勢Fig.3 Spatial pattern and its temporal trend of average SCD in Amur River basin from 2002 to 2016

利用式(2)得出研究區(qū)14 a SCD的變化情況以及顯著性分布如圖3(b)所示，經(jīng)過統(tǒng)計發(fā)現(xiàn)，約45%的區(qū)域SCD呈減少的趨勢，分布在流域的西部、北部以及東部的邊緣地區(qū)，南部也有小部分地區(qū)出現(xiàn)減少的趨勢。約1.5%的區(qū)域呈顯著減少(P< 0.05),主要分布在海拔較高的山區(qū)。流域的中南部并向東西兩側(cè)延伸約54%的區(qū)域SCD呈增加趨勢，僅2%的區(qū)域通過0.05顯著性水平檢驗。整體上來看，SCD呈增加趨勢的占比稍大于減少趨勢的比例。

4.2 SCA變化分析

4.2.1 SCA年際變化

統(tǒng)計14 a的年均SCA如圖4(a)所示，可以看出年際間有較大的波動性，整體呈微弱的增加趨勢，這與全球積雪逐漸減少的趨勢相反，2007、2012年為特殊年份。黑龍江流域2002—2016年間平均溫度和年降水量分布如圖4(b)所示，可以看出其年際差異較大，均表現(xiàn)為增加趨勢，這表明在研究期間黑龍江流域的氣候在變暖、變濕。綜合三者來看，2007年SCA最小，平均溫度最高，降水量較低。而2012年SCA最大，平均溫度最低，降水量最高，表明SCA的變化是氣候變化的具體表現(xiàn)。

圖中橫坐標(biāo)的年份表示水文年年份，僅以起始年份表示。如2002代表2002年9月至2003年8月。后圖同此。圖4 黑龍江流域溫度及降水變化趨勢與年均SCA統(tǒng)計圖Fig.4 Trend of air temperature and precipitation and annual average SCA in Amur River basin

為進(jìn)一步探索黑龍江流域的SCA變化，本研究按季度(9—11月為秋季，12—2月為冬季，3—5月為春季，6—8月為夏季)進(jìn)行分組討論(圖5)。與年SCA變化相比，月SCA的異常變化更加明顯。從圖5可以看出研究期間月SCA變化波動最大的為春季的3月和秋季的11月，其次是冬季的12月和2月以及春季的4月。黑龍江流域的積雪在11月份大范圍積累，年際間SCA呈減少趨勢，且冬季整體上表現(xiàn)為增加趨勢，表明部分地區(qū)可能有積雪積累期后推的跡象。冬季黑龍江流域幾乎整個都被積雪覆蓋，年內(nèi)均值SCA最大在1月，根據(jù)趨勢線可知，12月和1月的SCA正向增加，2月的SCA卻反向增加。這意味著2月的SCA有衰退跡象。另外，對比冬季2月和春季3、4月的SCA，可以看出，SCA在3、4月份驟減，說明黑龍江流域融雪期主要集中在3、4月份，但3、4月份的年際線性變化趨勢不甚明顯。黑龍江流域夏季積雪覆蓋區(qū)域較小，但各月份儲存的SCA年際間波動性較大。夏季SCA整體上呈增加趨勢，反映了夏季氣候的異常變化。

圖5 2002—2016年黑龍江流域月份SCA統(tǒng)計Fig.5 Monthly SCA in Amur River basin from 2002 to 2016

4.2.2 SCA與氣候因子的關(guān)系

氣溫和降水是影響積雪面積的重要因素，也是直接影響因素[29]。研究不同時段的氣候因子與SCA的關(guān)系可以更好地揭示氣候因子對積雪的影響。結(jié)合氣象資料，分析研究區(qū)14 a的月平均SCA及季平均SCA與同期氣象因子之間的相關(guān)關(guān)系如圖6和表4所示。結(jié)果表明在黑龍江流域氣溫和降水對積雪面積的影響是復(fù)雜的，不同時間段的SCA與氣象因子相關(guān)性有所差異，不同溫度指標(biāo)的影響程度也不盡相同。其中春季與溫度呈明顯負(fù)相關(guān)(P<0.01)，與降水相關(guān)性較差，在3、4月份表現(xiàn)尤為明顯。夏季SCA變化主要受降水的影響(P<0.01)，主要表現(xiàn)在6月份。秋季的SCA與氣候因子的相關(guān)性十分復(fù)雜，9月僅與最高溫度有較好的負(fù)相關(guān)關(guān)系(P<0.05)，10月與最高、最低氣溫和降水都有較好的相關(guān)性(P<0.05)，與平均溫度無明顯相關(guān)性。整個季節(jié)來看，秋季僅與最高溫度有較好的負(fù)相關(guān)關(guān)系(P<0.05)。冬季12、2月與降水有明顯正相關(guān)關(guān)系(P<0.01)。1月、5月、7月和11月與氣候因子各指標(biāo)的相關(guān)性均未通過0.05顯著性水平檢驗。

圖6 2002—2016年黑龍江流域逐月SCA與同期氣象要素之間的相關(guān)關(guān)系Fig.6 The correlation between monthly SCA and meteorologicalfactors from 2002 to 2016 in Amur River basin

表4 2002—2016年黑龍江流域季節(jié)性SCA與同期氣象要素之間的相關(guān)系數(shù)Table 4 Correlation coefficients between seasonalSCA and meteorological factors from 2002to 2016 in Amur River basin

為了更加全面地探究氣候因子對SCA的影響，對季節(jié)性的SCA以及同期氣候因子的年際變化做了分析。圖7表明14年間溫度和降水在不同季節(jié)的變化趨勢不同，平均溫度在春、夏、秋季略有升高，在冬季輕微降低，降水的變化在各個季節(jié)均表現(xiàn)為略微增加。綜合前文相關(guān)性的分析，可以看出黑龍江流域2002—2016年14年間春季SCA變化主要受溫度的影響，對比溫度和SCA的變化曲線，并沒有發(fā)現(xiàn)較為明顯的負(fù)相關(guān)關(guān)系。冬、夏季的SCA與降水的年際變化表現(xiàn)出一致的增加趨勢。

圖7 黑龍江流域2002—2016年SCA(a、d、g、j)與不同溫度指標(biāo)(b、e、h、k)以及年降水總量(c、f、i、l)的變化曲線Fig.7 Variations of annual and seasonal mean SCA, temperature indices and precipitation in Amur River basin from 2002 to 2016

盡管得到了上述研究結(jié)果，但也存在一些不確定性，本研究選擇的時間序列僅14 a，各因子的線性變化趨勢都不十分顯著。比如春季，SCA與溫度呈明顯的負(fù)相關(guān)關(guān)系，但線性變化趨勢沒有表現(xiàn)出這一特征，這可能就是由于研究的時間序列過短造成。另一方面是黑龍江流域地域面積較大，擁有多種小氣候，常有流域北部涌入寒流而南部地區(qū)仍處于酷暑的情況，不同地區(qū)間的氣候差異可能造成某些流域均值失去代表性。此外，積雪變化是多種氣候要素共同作用的結(jié)果[30]，比如秋季的SCA與降水、溫度都沒有十分顯著的相關(guān)關(guān)系，想要探索其面積減少的原因，還需進(jìn)一步增加其他氣候因子進(jìn)行討論。后續(xù)將補(bǔ)充更多研究年份，針對不同氣候的區(qū)域進(jìn)行分區(qū)分析，降低流域過大的影響，并引入更多的氣候因子開展深入研究。

5 結(jié)論

本研究利用去云后的MODIS逐日積雪覆蓋產(chǎn)品MOD10A1/MYD10A1數(shù)據(jù)，開展黑龍江流域2002—2016年間的積雪時空變化及其與氣候因子之間的相關(guān)關(guān)系的研究，得到以下結(jié)論：

1)黑龍江流域的平均SCD主要集中在90～150 d，14 a平均SCD為123 d?？臻g分布上受地理環(huán)境影響較大，年均SCD的時空變化表現(xiàn)為增加的比例稍大于減少的比例。其中增加的區(qū)域主要集中在流域的中南部。

2)積雪面積(SCA)能夠直觀的表達(dá)流域積雪在年際間的變化。14年來，黑龍江流域年平均SCA呈微弱的增加趨勢，這與全球的積雪變化趨勢不同。季節(jié)上表現(xiàn)為冬、夏季SCA呈微弱增加，秋季SCA有輕微的減少趨勢，春季無明顯的線性變化趨勢。

3)通過對SCA與降水、溫度進(jìn)行相關(guān)性分析可知，氣溫和降水與積雪的關(guān)系密切且復(fù)雜。整體上表現(xiàn)為，春季SCA與不同的溫度指標(biāo)均有明顯負(fù)相關(guān)關(guān)系(P<0.01)，夏季、冬季則與降水有明顯的正相關(guān)關(guān)系(P<0.01)，而秋季僅與最高氣溫有較好的負(fù)相關(guān)關(guān)系(P<0.05)。