《水利水電技術（中英文）》官網網址https://sjwj.cbpt.cnki.net

摘 要：

【目的】為研究京張地區極端氣候變化規律和趨勢，【方法】選取1951—2020年北京、張家口兩市4個氣象站的降水數據，通過參數化降雪識別的方法得到降雪數據，采用氣候傾向、非參數M-K突變檢驗、相關分析等方法，研究降雪量、降雪天數的年際變化特點，【結果】結果表明：(1)大雪和極端大雪發生在初冬的概率最高，初春降雪天數最多，導致降雪量在11月和2—3月較大；(2)小雪降雪量減少導致城區站點降雪量呈減少趨勢，大雪和極端降雪量的增加導致山區站點降雪呈增加趨勢；(3)由于小雪降雪天數降低，京張地區的降雪天數呈減少趨勢，其中城區變化趨勢比山區更為明顯；(4)降雪天數與降雪年內平均相對濕度、平均最高溫度相關性較高，其中，城區站點的溫度對降雪天數的影響高于濕度，在山區則相反。【結論】該研究可為京張地區冬季降水預測、冰雪氣候資源評價及配置提供參考。

關鍵詞：

降雪識別;演變趨勢;M-K突變檢驗;氣候變化;京張地區;

作者簡介：

趙瑩(1998—),女，碩士研究生，主要從事水文水資源研究。

*劉家宏(1977—),男，博士，正高級工程師，博士，主要從事水文水資源研究。

基金：

國家自然科學基金項目(51739011,51979285);

國家重點研發計劃資助項目(2018YFC1508203);

引用：

趙瑩, 劉家宏, 梅超, 等. 基于降雪識別的 1951—2020 年京張地區降雪演變趨勢分析[ J] . 水利水電技術(中英文), 2023, 54 (2): 96? 107.

ZHAO Ying, LIU Jiahong, MEI Chao, et al. Analysis on the evolution trend of snowfall in Jing?Zhang area from 1951 to 2020 based on snow identification[J]. Water Resources and Hydropower Engineering, 2023, 54(2): 96? 107.

聯合國政府間氣候變化專門委員會(IPCC)于2021年8月發布了氣候變化報告，報告指出：自1950年以來，大多數陸地地區的極端炎熱(包括熱浪)變得更加頻繁和強烈，而極端寒冷(包括寒潮)的發生頻率和嚴重程度在降低。我國降雪事件的研究范圍，主要集中在青藏高原、新疆、東北及內蒙古等大降雪量區域，研究內容主要包括降雪指標、降雪時空分布等。周曉宇等對東北地區降雪時空分布的研究表明近60 a東北地區降雪量和降雪強度增加、降雪日數減少；章誕武等研究了國內降雪特征變化，得到結論：除長江中下游外，我國主要降雪區域年降雪量都顯著增加，并且存在“少-多-少”的代際變化；尹云鶴等分析了溫度和水分條件的變化趨勢與突變特征，近幾十年來我國各地區平均溫度呈顯著上升趨勢；朱麗華和YOU從氣溫、降水等方面研究青藏高原的氣候演變特征。根據學者們對降雪及氣候演變特征的研究得知，我國近幾十年來氣溫顯著升高，降雪量均出現減小趨勢，同時研究表明，伴隨著20世紀80年代的氣溫突變，降雪變化趨勢更加明顯。

第二十四屆冬季奧林匹克運動會于2022年2月4日—20日在北京和張家口舉行。京張地區地處華北平原，緊鄰京津冀經濟發展區，城市化進程較快，而城市化對極端溫度事件有著顯著的影響，使極端冷事件減少速度變快,此外“城市熱島”“城市干島”現象可能會導致冬季降水分布格局變化。因此，城市化可能影響到京張地區發生降雪事件的次數和降雪的空間分布。

徐慶喆等分析了崇禮雪季與冬奧會賽期的降雪特征，進行了多年平均降雪初日、終日、雪季長度的統計；肖王星等分析了積雪的時空分布特征，并對冬奧會場地進行積雪資源評價；錢昊等通過冬季積雪面積、深度、覆蓋頻率和積雪日數等分析冬季積雪的時空變化特征。這些研究主要集中在張家口、崇禮賽區的降雪特征分析，缺少對京張地區不同等級降雪變化特征的分析。同時，研究區的主要城市由于地理環境的差異，可在區域降雪特征分析的基礎上對比城區、山區差異，探究城市化發展對降雪事件的影響。

在缺少氣象站臺的直接觀測降雪記錄時，通常采用從降水資料中識別降雪的方法。常用的降雪識別方法有單閾值法、雙閾值法，單閾值法是指當溫度低于閾值時發生降雪，高于閾值時發生降雨，雙閾值法是指溫度低于最低閾值時發生降雪，溫度高于最高閾值時發生降雨，介于兩個閾值之間為雨夾雪。除了溫度，也有學者使用其他的低層空氣條件變量進行降雪識別，或使用濕度和氣溫一同判斷。以固定閾值劃分降雪級別，對于空間差異較大的降雪區域以統一標準劃分可能引起部分站點的誤判，導致對降雪特征變化認識的偏差。因此DING基于我國的雨雪事件資料，提出一種參數化識別方法，用濕球溫度是區分降水類型。BEHRANGI的研究表明濕球溫度(Tw)在確定降水類型時可以減少由于區域差異引起的不確定性，與近地表氣溫相比效果更好。

本文選取北京、張家口兩市四個氣象站點1951—2020年連續數據，采用濕球溫度降雪分離方案識別降雪事件，并對降雪進行分級，采用非參數M-K突變檢驗、相關分析等方法從冬季降雪量、降雪天數等角度分析降雪演變趨勢。同時，將北京站作為城區站點代表，其余三個站點作為山區站點代表，歸納降雪演變發生在城區、山區的特點，進一步探討氣候變暖條件下城區、山區對降雪事件的響應機理。

1.1 研究區概況

研究區為北京、張家口兩市，位于113°08′ E—118°05′ E,39°01′ N—42°20′ N(見圖1)。京張地區地處我國華北平原，地勢呈西北高東南低，氣候屬于暖溫帶半濕潤大陸性氣候，夏季溫度較高降水量相對較多，冬季受氣候影響，溫度和濕度較低。年降水量330～500 mm, 為華北地區降水最多的地區之一，北京市降水量多于張家口市。降水季節分配不均勻，全年降水80%集中在夏季。

圖1 研究區示意

北京市土地面積16 411 km2,主城區平均海拔高度43.5 m。張家口市以大馬群山分水嶺為界，分北部壩上、南部壩下兩個自然區域，山地區海拔多在1 000～2 000 m。

1.2 數據來源

數據來自中國國家氣象數據中心(http: //data.cma.cn)的中國地面氣候資料日值數據集。

選取北京站、延慶站、懷來站、張家口站四個氣象站(見表1),要素包括平均氣壓、平均氣溫、日降水量、相對濕度等。規定降雪期為當年11月1日至次年4月1日。數據集中年份為1951—2019年，四個氣象站起始時間不一致，依照建站以來最早數據處理。對明顯有誤或缺測的氣溫、降水數據進行數據插補，處理時選擇前后相鄰兩年相同月份的平均值。

2.1 降雪識別與分級方法

濕球溫度是有與海拔、濕度、氣壓有關的參數，根據DING[19]的方法進行降雪識別，識別判斷區間的公式為

式中，Ta是日平均氣溫(℃);Tw是日平均濕球溫度(℃),與溫度、相對濕度和氣壓有關。Tmin和Tmax分別是雪和雨夾雪、雨和雨夾雪概率相等時的溫度值，作為識別降雪的臨界值，計算見參考文獻[19]。

[19] DING B H,YANG K,QIN J,et al.The dependence of precipitation types on surface elevation and meteorological conditions and its parameterization[J].Journal of Hydrology,2014,513:154-163.

完成降雪識別后，選擇降雪數據中24 h降雪量大于0.1 mm的數據作為有效數據，對于降雪中雨夾雪的數據，日降水中固態降水比例計算公式為

式中，T0和ΔS是由相對濕度、站點高程計算得到的參數，計算見參考文獻[19]。

目前在氣候極值變化研究中經常選擇某個百分位值作為閾值定義極端氣候事件，本文對降雪級別的劃分采用百分位閾值法，將所有年份的降雪數據按照降序排列，參考秦艷的方法取頻率為25%、75%和90%頻率的降雪量作為小雪、中雪、大雪和極端降雪的分界線。

2.2 氣候傾向率

氣候傾向率用來表示氣候變化的趨勢，在本研究中表示冬季降雪量的變化。當氣候傾向率為正值時，表示冬季降雪量呈現增加趨勢，反之則呈減少趨勢。氣候傾向率計算公式為

式中，a為斜率；b0為截距；t為時間序列；y為降雪要素；氣候傾向率單位為mm·(10 a)-1;式中系數用最小二乘法確定。

2.3 突變檢驗方法

Mann-Kendall(M-K)突變檢驗方法是一種基于數據的秩而不是基于數據本身的非參數檢驗法,常用來檢驗降水等氣象水文時間序列的長期變化趨勢。

UF由正時間序列x計算得出，UB由逆時間序列x計算得出。具體計算見參考文獻[22]。

[22] 胡琦，馬雪晴，胡莉婷，等.Matlab在氣象專業教學中的應用——氣象要素的M-K檢驗突變分析[J].實驗室研究與探索，2019,38(12):48-51.HU Qi,MA Xueqin,HU Liting,et al.Application of matlab in meteorological tearationching — M-K test for the abrupt change analysis of meteorological elements[J].Research and Exploration in Laboratory,2019,38(12):48-51.

UF值大于0,表明序列呈上升趨勢，小于0則表明呈下降趨勢。當UF超過臨界置信水平線時，表明變化趨勢顯著，本次研究檢驗置信水平選取α=0.05。如果UF和UB兩條曲線相交，且交點位于臨界線之間，交點對應的時刻即為突變發生的時間。

3.1 識別精度及分級閾值結果

在所選降水數據中，1979年之前的降水數據有降雪標注，使用濕球溫度判別該時間段內的降水類型，與原數據集的降雪類型對比。定義降雪識別精度=識別正確的降雪天數/冬季所有降雪天數，最終四個站點平均識別精度達到94.49%(見表2),降雪識別效果較高。

由于降雨量被計算為降雪量，導致識別得到的降雪量偏大。分析錯誤數據得到，四個站點中多為小雪識別錯誤，但大雪識別錯誤導致降雪量出現偏差。北京站識別錯誤(包括將降雨識別為降雪以及將降雪識別為降雨)的累積量小于14.0 mm, 延慶站、懷來站以及張家口站識別錯誤的最大累積量分別為12.2 mm、13.3 mm和29.75 mm, 識別錯誤中大雪事件僅占兩場，均為將雪識別成雨夾雪，由于公式(2)的計算，得到的計算誤差減少16.00 mm。在降雪量和降雪天數上產生的誤差可接受，所以在所有降雪年內降雪識別均采用濕球溫度法。

同時，降雪等級的閾值經計算得到北京的小雪、中雪、大雪和極端降雪的分界線分別為1.90 mm、7.20 mm、15.70 mm, 延慶的小雪、中雪、大雪和極端降雪的分界線分別為2.10 mm、8.60 mm、13.38 mm, 懷來的小雪、中雪、大雪和極端降雪的分界線分別為1.69 mm、5.20 mm、9.30 mm, 張家口的小雪、中雪、大雪和極端降雪的分界線分別為1.80 mm、7.00 mm、14.00 mm,

3.2 冬季降雪量及降雪天數月變化

圖2顯示了降雪期內總降雪量及各等級降雪按月份分配的百分比，北京降雪量最多出現在2月(29.29%)和3月(23.65%),降雪比例均超過了20%;降雪日數在2月(30.71%)達到最多，其次是1月(21.94%)。延慶站降雪量最多出現在11月(44.23%)和12月(38.20%),均超過了30%;降雪日數在3月(26.17%)達到最多，其次是2月(24.96%)。懷來站、張家口站降雪量最多出現在3月(28.39%、28.97%)和11月(25.56%、26.25%),降雪比例均超過了20%;降雪日數在3月(24.10%、24.83%)達到最多，其次是2月(25.26%、25.29%)。

圖2 降雪期內不同級別降雪量、降雪天數月變化

分析各個級別降雪占年總降雪量的比例，降雪量最大的月份是11月和2—3月，結合降雪天數的變化趨勢可知，11月的大降雪量是由于期間發生的大雪和極端降雪事件，而2—3月的大降雪量是由于發生在2—3月的降雪天數較多。

對于單日最大降雪量，北京、延慶、懷來、張家口的最大降雪分別發生在1958年2月25日、2012年11月4日、2015年11月6日、2015年11月6日，降雪量達到29.3 mm、53.6 mm、20.6 mm、26.5 mm。除北京外，其余三地最大降雪均發生在初冬(11月上旬)。

在連續68 a的降雪期內，北京在3月2日降雪天數最多，累計達到9 d; 延慶在3月15日降雪天數最多，累計達到11 d(連續60 a降雪期);懷來在12月6日、2月18日、2月19日降雪天數最多，累計都達到9 d(連續65 a降雪期);張家口在2月28日降雪天數最多，累計達到10 d(連續63 a降雪期)。四個站點數據的最多降雪天數的時段集中在2月下旬至3月上旬。

結合上述結論，初冬發生降雪量較大的降雪，初春發生降雪次數較多，與劉玉蓮等的結論一致。

3.3 冬季降雪量及降雪天數年際變化

將降雪量序列與時間序列進行線性擬合，四個站點的總降雪量及降雪次數年際變化(見圖3)和不同等級降雪冬季降雪量、降雪天數的氣候傾向率(見表3)表明北京總降雪量以0.88 mm·(10 a)-1的速率減少，延慶、懷來、張家口的年降雪量都增加，其中以延慶增加最大，達到1.31 mm·(10 a)-1。北京的冬季降雪量由小雪提供最大貢獻率，減少速率達到0.54 mm·(10 a)-1,且通過了0.05顯著性檢驗。延慶、張家口站的冬季降雪量由極端降雪提供最大貢獻率，增加速率分別為0.83·(10 a)-1、0.57 mm·(10 a)-1;懷來站的冬季降雪量由大雪提供最大貢獻率，增加速率達到0.26 mm·(10 a)-1。

圖3 四個站點冬季降雪量、降雪天數的年際變化

北京、延慶、懷來、張家口的總降雪天數都在減少，減少速率分別為0.74 d·(10 a)-1、0.31 d·(10 a)-1、0.22 d·(10 a)-1、0.29 d·(10 a)-1,且都由小雪提供最大貢獻率，小雪減少速率分別為0.36 d·(10 a)-1、0.18 d·(10 a)-1、0.33 d·(10 a)-1。在冬季降雪天數變化中，只有北京站總降雪天數以及小雪降雪天數通過了0.05顯著性檢驗。

由此可知，在長序列降雪中，四個站點的降雪天數都有不同程度的減少，歸因于小雪天數在減少；北京站由于小雪降雪量在減少，導致降雪總量呈減少趨勢，因為大雪或者極端降雪量的降雪量在增加，其他三個站點的降雪量均呈增加趨勢。

3.4 M-K突變檢測

為進一步研究四個站點降雪數據的長序列變化趨勢，對年降雪量進行Mann-Kendall氣候突變檢驗，并取95%的信度水平，置信水平線為±1.96(見圖4)。北京的降雪量在20世紀60年代前呈波動震蕩狀態，在1962年發生突變減少，并在1982年后顯著減少。延慶以及懷來站降雪量無明顯突變點，變化趨勢不明顯。張家口站降雪量在1998年發生突變增加，但增長趨勢不明顯。

圖4 各站點年降雪量的統計量Mann-Kendall變化曲線

在降雪量突變分析的基礎上，繼續對降雪年內的平均水汽壓、平均相對濕度、平均最低溫度和平均最高溫度做突變檢測(見圖5—圖8)。平均水汽壓與平均相對濕度總體變化趨勢中表現明顯的包括：北京站的平均相對濕度在1985年后顯著降低，張家口站的平均水汽壓在1975年后有顯著升高趨勢。

圖5 北京站氣象特征Mann-Kendall變化曲線

圖6 延慶站氣象特征Mann-Kendall變化曲線

圖7 懷來站氣象特征Mann-Kendall變化曲線

圖8 張家口站氣象特征Mann-Kendall變化曲線

北京站的最低氣溫在1985年發生突變，隨后顯著升高，最高溫度在1990年之后顯著升高。延慶站、懷來站、張家口站的最低氣溫在1998年、1985年、1975年發生突變，隨后顯著升高，最高溫度在1994年、1993年、1975年發生突變，隨后呈緩慢升高趨勢。平均最低氣溫、平均最高氣溫的變化趨勢大致相同，北京、延慶、懷來站的最低氣溫突變都發生在1985年，張家口的氣溫突變發生在1972年。四個站點的平均最高氣溫突變均發生在1990年前后。

3.5 相關性分析

利用SPSS軟件Pearson相關分析法，針對每年冬季降雪量、降雪天數和對應的年冬季平均水汽壓、平均相對濕度、平均最低氣溫、平均最高氣溫四個要素進行相關分析(見表4),結果顯示，除張家口站外，其余站點的冬季降雪量與平均水汽壓、平均相對濕度都呈正相關。所有站點冬季降雪量與平均相對濕度的相關性要高于平均水汽壓(懷來、張家口站的平均相對濕度與冬季降雪量的相關系數均大于0.6),且均通過0.01顯著性檢驗。而冬季降雪量與平均最低、最高氣溫基本呈負相關，相關系數較小，多數未通過顯著性檢驗。

四個站點的降雪天數與平均相對濕度呈正相關，相關系數都在0.60左右，且均通過0.01顯著性檢驗。而冬季降雪量與最高氣溫基本呈負相關，且均通過0.01顯著性檢驗，相關性最高的是北京降雪天數與平均最高氣溫，相關系數達到0.70。

總體規律為，冬季降雪量與水汽壓、相對濕度呈正相關，與平均最高、最低氣溫呈負相關。降雪天數的相關性也與此規律一致，此外，降雪天數與降雪年內平均相對濕度與平均最高溫度相關性較高，北京站的溫度對降雪天數的影響高于濕度，其余三個站點則相反。

按照不同降雪級別，對降雪量、降雪次數與日平均水汽壓、平均相對濕度、平均最低氣溫、平均最高氣溫進行相關分析(見表5、表6),與不區分降雪等級的相關分析規律相比，差異主要表現在，在小等級降雪事件中，溫度與降雪量、降雪天數呈負相關；在大等級降雪事件中，溫度與降雪量、降雪天數呈正相關。結論與李蘇的研究基本一致。

其中在北京站表現有最低氣溫對極端降雪量、降雪天數有抑制作用，均通過0.05顯著性檢驗。與此同時，相對濕度與極端降雪量、降雪天數的相關性、顯著性在降低。已有研究表明在當溫度升高到一定程度時，空氣中相對濕度會發生變化，使濕度成為限制因素，會對一些地區極端降雪強度起抑制作用。

在本研究中，這種抑制作用在北京站表現最明顯，在張家口站的表現最弱。

大尺度環流背景、水汽條件和動力條件等氣象因素都會影響降雪，本研究選取資料集中四個降雪特征參數，試分析降雪趨勢變化成因。已有研究表明平均相對濕度的變化在較低溫度下可能影響對流層水汽的變化率;雪花到達地面時的液態水含量和密度在很大程度上取決于較低的空氣溫度和相對濕度;新雪的雪水當量可看作氣溫、相對濕度和降雪終止時間的函數。

通過以上的分析，四個站點降雪趨勢變化主要與氣溫、相對濕度有關。以1980年為轉折點，此前為緩慢城市化時期，此后為快速城市化時期。隨著城市面積的擴大，“城市熱島”和“城市干島”的影響越來越強烈，因此四個站點的氣溫突變點都出現在80—90年代，此后氣溫呈顯著上升趨勢。此外，北京站相對濕度在1985年之后呈現顯著降低趨勢。

在降雪量上，北京站小雪降雪量與平均最高、最低溫度呈顯著負相關，與相對濕度呈顯著正相關，因此小雪降雪量顯著減少，同時隨著氣溫的升高，對極端降雪強度有顯著抑制作用，最終導致北京降雪量顯著降低。其余三個站點降雪量與相對濕度顯著相關，但相對濕度升高趨勢不明顯，最終導致其他三個站點降雪量增長趨勢不顯著。

降雪天數與相對濕度呈正相關，與氣溫呈負相關，北京站的氣溫對降雪天數的影響高于濕度，因為氣溫顯著升高，導致北京的降雪天數顯著降低；其余三個站點表現為濕度對降雪天數的影響較大，但相對濕度變化不顯著，最終導致降雪天數減少趨勢不顯著。

北京站的降雪量和降雪天數變化趨勢與其他站點相比有顯著區別，試分析原因，北京站海拔相對較低，水汽條件形成以及變化過程可能與其他站不一致。進一步地，北京的城市化進程加劇了近地層的增溫效應，由此形成的“干濕島效應”不利于水汽的運輸，溫度和濕度造成的變化更為明顯。以上討論主要是基于數據的統計分析，對產生上述變化的內在機理解析有待于進一步深入研究。

全球氣候變化背景下城市及其周邊地區低溫和降雪事件發生了明顯的變化，北方城市冬季城區的降雪有顯著減少趨勢。本研究基于1951—2020年京張地區四個氣象站點的數據，整編重構了11月1日—次年3月31日降雪序列，并分析了城區和山區的降雪演變趨勢，主要結論如下：(1)基于濕球溫度的降雪識別方法，能夠在日尺度上較好地識別京張地區氣象站點的降雪類型，平均識別精度達到94%以上；(2)大雪和極端大雪發生在初冬(11月上旬)的概率最高(最強的一場暴雪發生在延慶，2012年11月4日當日日降雪量高達53.6 mm),降雪天數在初春(2月下旬到3月上旬)發生最多，導致降雪量在11月和2—3月較大；(3)近70 a來，由于小雪降雪量減少，城區降雪量呈減少趨勢；大雪和極端降雪量的增加導致山區站點降雪呈增加趨勢，由于小雪降雪天數降低，京張地區的降雪天數呈減少趨勢，其中城區變化趨勢比山區更為明顯；(4)經過M-K突變檢驗和相關分析得出，北京站在1982年降雪量發生突變，此后顯著減少。相關分析結果顯示：降雪天數與降雪年內平均相對濕度、平均最高溫度相關性較高，在城區，溫度對降雪天數的影響高于濕度，在山區則相反。本研究主要是基于數據的統計分析，對產生上述變化的內在機理解析還不深入，有待于進一步深入研究。

水利水電技術（中英文）

水利部《水利水電技術（中英文）》雜志是中國水利水電行業的綜合性技術期刊（月刊），為全國中文核心期刊，面向國內外公開發行。本刊以介紹我國水資源的開發、利用、治理、配置、節約和保護，以及水利水電工程的勘測、設計、施工、運行管理和科學研究等方面的技術經驗為主，同時也報道國外的先進技術。期刊主要欄目有:水文水資源、水工建筑、工程施工、工程基礎、水力學、機電技術、泥沙研究、水環境與水生態、運行管理、試驗研究、工程地質、金屬結構、水利經濟、水利規劃、防汛抗旱、建設管理、新能源、城市水利、農村水利、水土保持、水庫移民、水利現代化、國際水利等。