融雪径流研究进展发表时间：2019-12-28 13:53 “我住长江头，君住长江尾，日日思君不见君，共饮长江水”，一首宋词道出了长江两头人虽分离，相思不断的情愫；“你从雪山走来，春潮是你的风采。你向东海奔去，惊涛是你的气概”，一首《长江之歌》唱出了中华民族母亲河长江的雄浑壮阔，绚烂多姿，唱出了炎黄子孙对祖国大好河山的热爱；新时代长江流域“共抓大保护，不搞大开发”的战略，为破解经济发展升级和生态环境保护的历史性难题，实现国家发展新的跃升提供了重要机遇。正如长江之歌唱到，长江发源于雪山。在气候变化背景下，万里长江的源头长江源的冰雪储量如何变化，冰雪融水对径流的贡献如何一直是国内外相关研究领域关注的热点。对这一问题的研究和澄清，将为认识长江源，长江上游乃至长江流域的水文过程、生态保护、水能开发、水资源管理等提供科学依据。 为了准确认识长江源区水文过程及冰雪融水对径流的贡献，清华大学水利系遥感水文与水资源团队龙笛研究员、韩鹏飞博士生、韩忠颖博士生、杜明达硕士(已毕业)与中国科学院西北生态环境资源研究院戴礼云副研究员、郝晓华副研究员，使用多源遥感观测数据以及团队自主研发的分布式融雪融冰水文模型，对长江源2003−2014年间融雪融冰及径流过程进行了模拟和系统验证，解析了长江源区积雪融化过程以及冰雪融水对径流的贡献。研究成果近期以" Improved understanding of snowmelt runoff from the headwaters of China's Yangtze River using remotely sensed snow products and hydrological modeling"为题发表于遥感领域顶级期刊Remote Sensing of Environment (IF=6.457)。 论文全文链接 https://www.sciencedirect.com/science/article/pii/S0034425719300471 1 概述 本研究应用分布式冰雪水文模型CREST-Snow对长江源区2003−2014年间融雪融冰及径流过程进行模拟，使用多种遥感和地面观测资料作为模型驱动数据，如CGDPA降水、FEWS系统PET以及MODIS地表温度等，并以卫星雪被覆盖面积(Snow Cover Area, SCA)产品和被动微波雪深转化的雪水当量(Snow Water Equivalent, SWE)作为积雪模块率定的参考数据，根据水文一致性原理检验了融雪过程模拟的可靠性，分析了长江源区积雪冰川融水对径流的贡献。 结果表明：积雪积累和融化过程时间序列和积雪空间分布模拟准确性高。其中以遥感SCA为参考数据，日尺度SCA模拟时间序列纳什效率系数(Nash-Sutcliffe efficiency coefficient, NSE)可达到0.6；而以SWE为参考数据，日尺度SWE模拟结果NSE也接近0.6。以两种来源数据作为参考依据，可以得到极为接近的积雪融水对径流的贡献率，并根据水文一致性原理，证明了积雪融化过程及融水对径流的贡献具有较高可靠性。长江源区2003−2014年间积雪和冰川融水对径流的贡献率分别为约7%和5%，是源区径流的重要来源之一，特别是在春季，积雪融水占总径流高达33%，积雪融水的变化将对源区的水资源产生重要影响。 2 研究区简介 长江源区 (90°30′–97°18′E, 32°24′–35°46′N)为长江直门达水文站以上流域，地处青藏高原中部腹地，平均海拔高度为4670m，是世界上海拔最高的流域之一。源区水系主要由三大水系构成，分别为北源楚玛尔河水系、西源沱沱河水系、南源当曲水系组成，三源水系共200多条支流汇入通天河，形成扇形网络结构水系。长江源流域面积约为13万9千平方公里，占长江总流域面积的8%，河流长约830 km，流域内有冰川、积雪、湖泊、沼泽、冻土等，是“中华水塔”的重要组成部分。
图1 研究区域地理位置 3 研究方法 本研究使用了两种不同来源积雪参考数据用于积雪模块的率定和验证：MODIS SCA产品和被动微波SWE产品，根据如下图2流程图所示步骤，得到两种参考数据情景下积雪融水对总径流贡献率，通过水文一致性原理可以检验积雪过程模拟的可靠性。  图2 积雪模拟水文一致性检验流程图 区别于一般积雪模拟方法中使用温度直减率参数以及粗分辨率空气温度数据，本研究使用了较高分辨率1 km的遥感地表温度以及较粗分辨率的空气温度数据，并且使用地表温度对空气温度数据进行降尺度，将温度随海拔的变化直接体现于温度输入数据中，而不再需要温度直减率参数。空气温度降尺度方法如图3所示，其主要原理为：假定空气温度和地表温度之间存在线性相关，二者空间分布具有可比性，从而根据一个空气温度网格内的多个地表温度网格数据进行空气温度降尺度至1 km。  图3 空气温度降尺度原理示意图 4 研究结果 研究表明：积雪融化过程时间序列和空间分布模拟准确性高，结果可靠，并且以两种来源数据作为参考依据，可以得到极为接近的积雪融水对径流的贡献比(以SCA和SWE为参考数据，贡献率分别为6.5%和6.7%)，根据水文一致性原理，本研究得到的积雪融化过程及其融水对径流的贡献率可靠性高。 
图4 积雪模拟时间序列  图5 SWE模拟空间分布图(左列为观测结果，右列为模拟结果，从上至下为秋季、冬季和年平均)  图6 SCA模拟空间分布图(左列为观测结果，右列为模拟结果，从上至下为秋季、冬季和年平均) 根据两种积雪参考数据率定的模型参数模拟得到的融雪径流时间序列一致性高，且一般存在双峰特征，这也是青藏高原相对于全球其他高寒地区特有的现象：第一个峰值出现在春季，由于冬季积雪融化导致；第二个峰值出现在秋季，由于期间降雪融化导致。融冰径流时间序列则较为平滑，每年只有一个峰值，往往出现在八月或九月。长江源区2003−2014年期间，积雪和冰川融水对径流贡献率分别为约7%和5%，是径流的重要来源之一。  图7 长江源2003−2014年间融雪径流和降雪时间序列  图8 长江源2003−2014年间冰川融水径流和总径流时间序列 5 总结 本研究利用分布式冰雪水文模型CREST-Snow和水文一致性原理，集成多源遥感和地面观测数据，模拟了长江源2003−2014年间包括冰雪累积和融化在内的水文过程，得到冰雪融水对总径流的贡献比，对长江源及其下游地区实现更好的水资源管理和生态保护具有参考价值。 关于本研究的具体研究方法可以点击“阅读原文”进行查看。 文献引用：Han, P., Long, D., Han, Z., Du, M., Dai, L., & Hao, X. (2019). Improved understanding of snowmelt runoff from the headwaters of China's Yangtze River using remotely sensed snow products and hydrological modeling. Remote Sensing of Environment, 224, 44‒59 |
