2020年1月份天气记录—2020年1月份天气记录郑州
《水利水电技术（中英文）》官网网址https://sjwj.cbpt.cnki.net
摘 要：
【目的】为研究京张地区极端气候变化规律和趋势，【方法】选取1951—2020年北京、张家口两市4个气象站的降水数据，通过参数化降雪识别的方法得到降雪数据，采用气候倾向、非参数M-K突变检验、相关分析等方法，研究降雪量、降雪天数的年际变化特点，【结果】结果表明：(1)大雪和极端大雪发生在初冬的概率最高，初春降雪天数最多，导致降雪量在11月和2—3月较大；(2)小雪降雪量减少导致城区站点降雪量呈减少趋势，大雪和极端降雪量的增加导致山区站点降雪呈增加趋势；(3)由于小雪降雪天数降低，京张地区的降雪天数呈减少趋势，其中城区变化趋势比山区更为明显；(4)降雪天数与降雪年内平均相对湿度、平均最高温度相关性较高，其中，城区站点的温度对降雪天数的影响高于湿度，在山区则相反。【结论】该研究可为京张地区冬季降水预测、冰雪气候资源评价及配置提供参考。
关键词：
降雪识别;演变趋势;M-K突变检验;气候变化;京张地区;
作者简介：
赵莹(1998—),女，硕士研究生，主要从事水文水资源研究。
*刘家宏(1977—),男，博士，正高级工程师，博士，主要从事水文水资源研究。
基金：
国家自然科学基金项目(51739011,51979285);
国家重点研发计划资助项目(2018YFC1508203);
引用：
赵莹, 刘家宏, 梅超, 等. 基于降雪识别的 1951—2020 年京张地区降雪演变趋势分析[ J] . 水利水电技术(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.
联合国政府间气候变化专门委员会(IPCC)于2021年8月发布了气候变化报告，报告指出：自1950年以来，大多数陆地地区的极端炎热(包括热浪)变得更加频繁和强烈，而极端寒冷(包括寒潮)的发生频率和严重程度在降低。我国降雪事件的研究范围，主要集中在青藏高原、新疆、东北及内蒙古等大降雪量区域，研究内容主要包括降雪指标、降雪时空分布等。周晓宇等对东北地区降雪时空分布的研究表明近60 a东北地区降雪量和降雪强度增加、降雪日数减少；章诞武等研究了国内降雪特征变化，得到结论：除长江中下游外，我国主要降雪区域年降雪量都显著增加，并且存在“少-多-少”的代际变化；尹云鹤等分析了温度和水分条件的变化趋势与突变特征，近几十年来我国各地区平均温度呈显著上升趋势；朱丽华和YOU从气温、降水等方面研究青藏高原的气候演变特征。根据学者们对降雪及气候演变特征的研究得知，我国近几十年来气温显著升高，降雪量均出现减小趋势，同时研究表明，伴随着20世纪80年代的气温突变，降雪变化趋势更加明显。
第二十四届冬季奥林匹克运动会于2022年2月4日—20日在北京和张家口举行。京张地区地处华北平原，紧邻京津冀经济发展区，城市化进程较快，而城市化对极端温度事件有着显著的影响，使极端冷事件减少速度变快,此外“城市热岛”“城市干岛”现象可能会导致冬季降水分布格局变化。因此，城市化可能影响到京张地区发生降雪事件的次数和降雪的空间分布。
徐庆喆等分析了崇礼雪季与冬奥会赛期的降雪特征，进行了多年平均降雪初日、终日、雪季长度的统计；肖王星等分析了积雪的时空分布特征，并对冬奥会场地进行积雪资源评价；钱昊等通过冬季积雪面积、深度、覆盖频率和积雪日数等分析冬季积雪的时空变化特征。这些研究主要集中在张家口、崇礼赛区的降雪特征分析，缺少对京张地区不同等级降雪变化特征的分析。同时，研究区的主要城市由于地理环境的差异，可在区域降雪特征分析的基础上对比城区、山区差异，探究城市化发展对降雪事件的影响。
在缺少气象站台的直接观测降雪记录时，通常采用从降水资料中识别降雪的方法。常用的降雪识别方法有单阈值法、双阈值法，单阈值法是指当温度低于阈值时发生降雪，高于阈值时发生降雨，双阈值法是指温度低于最低阈值时发生降雪，温度高于最高阈值时发生降雨，介于两个阈值之间为雨夹雪。除了温度，也有学者使用其他的低层空气条件变量进行降雪识别，或使用湿度和气温一同判断。以固定阈值划分降雪级别，对于空间差异较大的降雪区域以统一标准划分可能引起部分站点的误判，导致对降雪特征变化认识的偏差。因此DING基于我国的雨雪事件资料，提出一种参数化识别方法，用湿球温度是区分降水类型。BEHRANGI的研究表明湿球温度(Tw)在确定降水类型时可以减少由于区域差异引起的不确定性，与近地表气温相比效果更好。
本文选取北京、张家口两市四个气象站点1951—2020年连续数据，采用湿球温度降雪分离方案识别降雪事件，并对降雪进行分级，采用非参数M-K突变检验、相关分析等方法从冬季降雪量、降雪天数等角度分析降雪演变趋势。同时，将北京站作为城区站点代表，其余三个站点作为山区站点代表，归纳降雪演变发生在城区、山区的特点，进一步探讨气候变暖条件下城区、山区对降雪事件的响应机理。
1.1 研究区概况
研究区为北京、张家口两市，位于113°08′ E—118°05′ E,39°01′ N—42°20′ N(见图1)。京张地区地处我国华北平原，地势呈西北高东南低，气候属于暖温带半湿润大陆性气候，夏季温度较高降水量相对较多，冬季受气候影响，温度和湿度较低。年降水量330～500 mm, 为华北地区降水最多的地区之一，北京市降水量多于张家口市。降水季节分配不均匀，全年降水80%集中在夏季。
图1 研究区示意
北京市土地面积16 411 km2,主城区平均海拔高度43.5 m。张家口市以大马群山分水岭为界，分北部坝上、南部坝下两个自然区域，山地区海拔多在1 000～2 000 m。
1.2 数据来源
数据来自中国国家气象数据中心(http: //data.cma.cn)的中国地面气候资料日值数据集。
选取北京站、延庆站、怀来站、张家口站四个气象站(见表1),要素包括平均气压、平均气温、日降水量、相对湿度等。规定降雪期为当年11月1日至次年4月1日。数据集中年份为1951—2019年，四个气象站起始时间不一致，依照建站以来最早数据处理。对明显有误或缺测的气温、降水数据进行数据插补，处理时选择前后相邻两年相同月份的平均值。
2.1 降雪识别与分级方法
湿球温度是有与海拔、湿度、气压有关的参数，根据DING[19]的方法进行降雪识别，识别判断区间的公式为
式中，Ta是日平均气温(℃);Tw是日平均湿球温度(℃),与温度、相对湿度和气压有关。Tmin和Tmax分别是雪和雨夹雪、雨和雨夹雪概率相等时的温度值，作为识别降雪的临界值，计算见参考文献[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.
完成降雪识别后，选择降雪数据中24 h降雪量大于0.1 mm的数据作为有效数据，对于降雪中雨夹雪的数据，日降水中固态降水比例计算公式为
式中，T0和ΔS是由相对湿度、站点高程计算得到的参数，计算见参考文献[19]。
目前在气候极值变化研究中经常选择某个百分位值作为阈值定义极端气候事件，本文对降雪级别的划分采用百分位阈值法，将所有年份的降雪数据按照降序排列，参考秦艳的方法取频率为25%、75%和90%频率的降雪量作为小雪、中雪、大雪和极端降雪的分界线。
2.2 气候倾向率
气候倾向率用来表示气候变化的趋势，在本研究中表示冬季降雪量的变化。当气候倾向率为正值时，表示冬季降雪量呈现增加趋势，反之则呈减少趋势。气候倾向率计算公式为
式中，a为斜率；b0为截距；t为时间序列；y为降雪要素；气候倾向率单位为mm·(10 a)-1;式中系数用最小二乘法确定。
2.3 突变检验方法
Mann-Kendall(M-K)突变检验方法是一种基于数据的秩而不是基于数据本身的非参数检验法,常用来检验降水等气象水文时间序列的长期变化趋势。
UF由正时间序列x计算得出，UB由逆时间序列x计算得出。具体计算见参考文献[22]。
[22] 胡琦，马雪晴，胡莉婷，等.Matlab在气象专业教学中的应用——气象要素的M-K检验突变分析[J].实验室研究与探索，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,表明序列呈上升趋势，小于0则表明呈下降趋势。当UF超过临界置信水平线时，表明变化趋势显著，本次研究检验置信水平选取α=0.05。如果UF和UB两条曲线相交，且交点位于临界线之间，交点对应的时刻即为突变发生的时间。
3.1 识别精度及分级阈值结果
在所选降水数据中，1979年之前的降水数据有降雪标注，使用湿球温度判别该时间段内的降水类型，与原数据集的降雪类型对比。定义降雪识别精度=识别正确的降雪天数/冬季所有降雪天数，最终四个站点平均识别精度达到94.49%(见表2),降雪识别效果较高。
由于降雨量被计算为降雪量，导致识别得到的降雪量偏大。分析错误数据得到，四个站点中多为小雪识别错误，但大雪识别错误导致降雪量出现偏差。北京站识别错误(包括将降雨识别为降雪以及将降雪识别为降雨)的累积量小于14.0 mm, 延庆站、怀来站以及张家口站识别错误的最大累积量分别为12.2 mm、13.3 mm和29.75 mm, 识别错误中大雪事件仅占两场，均为将雪识别成雨夹雪，由于公式(2)的计算，得到的计算误差减少16.00 mm。在降雪量和降雪天数上产生的误差可接受，所以在所有降雪年内降雪识别均采用湿球温度法。
同时，降雪等级的阈值经计算得到北京的小雪、中雪、大雪和极端降雪的分界线分别为1.90 mm、7.20 mm、15.70 mm, 延庆的小雪、中雪、大雪和极端降雪的分界线分别为2.10 mm、8.60 mm、13.38 mm, 怀来的小雪、中雪、大雪和极端降雪的分界线分别为1.69 mm、5.20 mm、9.30 mm, 张家口的小雪、中雪、大雪和极端降雪的分界线分别为1.80 mm、7.00 mm、14.00 mm,
3.2 冬季降雪量及降雪天数月变化
图2显示了降雪期内总降雪量及各等级降雪按月份分配的百分比，北京降雪量最多出现在2月(29.29%)和3月(23.65%),降雪比例均超过了20%;降雪日数在2月(30.71%)达到最多，其次是1月(21.94%)。延庆站降雪量最多出现在11月(44.23%)和12月(38.20%),均超过了30%;降雪日数在3月(26.17%)达到最多，其次是2月(24.96%)。怀来站、张家口站降雪量最多出现在3月(28.39%、28.97%)和11月(25.56%、26.25%),降雪比例均超过了20%;降雪日数在3月(24.10%、24.83%)达到最多，其次是2月(25.26%、25.29%)。
图2 降雪期内不同级别降雪量、降雪天数月变化
分析各个级别降雪占年总降雪量的比例，降雪量最大的月份是11月和2—3月，结合降雪天数的变化趋势可知，11月的大降雪量是由于期间发生的大雪和极端降雪事件，而2—3月的大降雪量是由于发生在2—3月的降雪天数较多。
对于单日最大降雪量，北京、延庆、怀来、张家口的最大降雪分别发生在1958年2月25日、2012年11月4日、2015年11月6日、2015年11月6日，降雪量达到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发生在初冬(11月上旬)。
在连续68 a的降雪期内，北京在3月2日降雪天数最多，累计达到9 d; 延庆在3月15日降雪天数最多，累计达到11 d(连续60 a降雪期);怀来在12月6日、2月18日、2月19日降雪天数最多，累计都达到9 d(连续65 a降雪期);张家口在2月28日降雪天数最多，累计达到10 d(连续63 a降雪期)。四个站点数据的最多降雪天数的时段集中在2月下旬至3月上旬。
结合上述结论，初冬发生降雪量较大的降雪，初春发生降雪次数较多，与刘玉莲等的结论一致。
3.3 冬季降雪量及降雪天数年际变化
将降雪量序列与时间序列进行线性拟合，四个站点的总降雪量及降雪次数年际变化(见图3)和不同等级降雪冬季降雪量、降雪天数的气候倾向率(见表3)表明北京总降雪量以0.88 mm·(10 a)-1的速率减少，延庆、怀来、张家口的年降雪量都增加，其中以延庆增加最大，达到1.31 mm·(10 a)-1。北京的冬季降雪量由小雪提供最大贡献率，减少速率达到0.54 mm·(10 a)-1,且通过了0.05显著性检验。延庆、张家口站的冬季降雪量由极端降雪提供最大贡献率，增加速率分别为0.83·(10 a)-1、0.57 mm·(10 a)-1;怀来站的冬季降雪量由大雪提供最大贡献率，增加速率达到0.26 mm·(10 a)-1。
图3 四个站点冬季降雪量、降雪天数的年际变化
北京、延庆、怀来、张家口的总降雪天数都在减少，减少速率分别为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贡献率，小雪减少速率分别为0.36 d·(10 a)-1、0.18 d·(10 a)-1、0.33 d·(10 a)-1。在冬季降雪天数变化中，只有北京站总降雪天数以及小雪降雪天数通过了0.05显著性检验。
由此可知，在长序列降雪中，四个站点的降雪天数都有不同程度的减少，归因于小雪天数在减少；北京站由于小雪降雪量在减少，导致降雪总量呈减少趋势，因为大雪或者极端降雪量的降雪量在增加，其他三个站点的降雪量均呈增加趋势。
3.4 M-K突变检测
为进一步研究四个站点降雪数据的长序列变化趋势，对年降雪量进行Mann-Kendall气候突变检验，并取95%的信度水平，置信水平线为±1.96(见图4)。北京的降雪量在20世纪60年代前呈波动震荡状态，在1962年发生突变减少，并在1982年后显著减少。延庆以及怀来站降雪量无明显突变点，变化趋势不明显。张家口站降雪量在1998年发生突变增加，但增长趋势不明显。
图4 各站点年降雪量的统计量Mann-Kendall变化曲线
在降雪量突变分析的基础上，继续对降雪年内的平均水汽压、平均相对湿度、平均最低温度和平均最高温度做突变检测(见图5—图8)。平均水汽压与平均相对湿度总体变化趋势中表现明显的包括：北京站的平均相对湿度在1985年后显著降低，张家口站的平均水汽压在1975年后有显著升高趋势。
图5 北京站气象特征Mann-Kendall变化曲线
图6 延庆站气象特征Mann-Kendall变化曲线
图7 怀来站气象特征Mann-Kendall变化曲线
图8 张家口站气象特征Mann-Kendall变化曲线
北京站的最低气温在1985年发生突变，随后显著升高，最高温度在1990年之后显著升高。延庆站、怀来站、张家口站的最低气温在1998年、1985年、1975年发生突变，随后显著升高，最高温度在1994年、1993年、1975年发生突变，随后呈缓慢升高趋势。平均最低气温、平均最高气温的变化趋势大致相同，北京、延庆、怀来站的最低气温突变都发生在1985年，张家口的气温突变发生在1972年。四个站点的平均最高气温突变均发生在1990年前后。
3.5 相关性分析
利用SPSS软件Pearson相关分析法，针对每年冬季降雪量、降雪天数和对应的年冬季平均水汽压、平均相对湿度、平均最低气温、平均最高气温四个要素进行相关分析(见表4),结果显示，除张家口站外，其余站点的冬季降雪量与平均水汽压、平均相对湿度都呈正相关。所有站点冬季降雪量与平均相对湿度的相关性要高于平均水汽压(怀来、张家口站的平均相对湿度与冬季降雪量的相关系数均大于0.6),且均通过0.01显著性检验。而冬季降雪量与平均最低、最高气温基本呈负相关，相关系数较小，多数未通过显著性检验。
四个站点的降雪天数与平均相对湿度呈正相关，相关系数都在0.60左右，且均通过0.01显著性检验。而冬季降雪量与最高气温基本呈负相关，且均通过0.01显著性检验，相关性最高的是北京降雪天数与平均最高气温，相关系数达到0.70。
总体规律为，冬季降雪量与水汽压、相对湿度呈正相关，与平均最高、最低气温呈负相关。降雪天数的相关性也与此规律一致，此外，降雪天数与降雪年内平均相对湿度与平均最高温度相关性较高，北京站的温度对降雪天数的影响高于湿度，其余三个站点则相反。
按照不同降雪级别，对降雪量、降雪次数与日平均水汽压、平均相对湿度、平均最低气温、平均最高气温进行相关分析(见表5、表6),与不区分降雪等级的相关分析规律相比，差异主要表现在，在小等级降雪事件中，温度与降雪量、降雪天数呈负相关；在大等级降雪事件中，温度与降雪量、降雪天数呈正相关。结论与李苏的研究基本一致。
其中在北京站表现有最低气温对极端降雪量、降雪天数有抑制作用，均通过0.05显著性检验。与此同时，相对湿度与极端降雪量、降雪天数的相关性、显著性在降低。已有研究表明在当温度升高到一定程度时，空气中相对湿度会发生变化，使湿度成为限制因素，会对一些地区极端降雪强度起抑制作用。
在本研究中，这种抑制作用在北京站表现最明显，在张家口站的表现最弱。
大尺度环流背景、水汽条件和动力条件等气象因素都会影响降雪，本研究选取资料集中四个降雪特征参数，试分析降雪趋势变化成因。已有研究表明平均相对湿度的变化在较低温度下可能影响对流层水汽的变化率;雪花到达地面时的液态水含量和密度在很大程度上取决于较低的空气温度和相对湿度;新雪的雪水当量可看作气温、相对湿度和降雪终止时间的函数。
通过以上的分析，四个站点降雪趋势变化主要与气温、相对湿度有关。以1980年为转折点，此前为缓慢城市化时期，此后为快速城市化时期。随着城市面积的扩大，“城市热岛”和“城市干岛”的影响越来越强烈，因此四个站点的气温突变点都出现在80—90年代，此后气温呈显著上升趋势。此外，北京站相对湿度在1985年之后呈现显著降低趋势。
在降雪量上，北京站小雪降雪量与平均最高、最低温度呈显著负相关，与相对湿度呈显著正相关，因此小雪降雪量显著减少，同时随着气温的升高，对极端降雪强度有显著抑制作用，最终导致北京降雪量显著降低。其余三个站点降雪量与相对湿度显著相关，但相对湿度升高趋势不明显，最终导致其他三个站点降雪量增长趋势不显著。
降雪天数与相对湿度呈正相关，与气温呈负相关，北京站的气温对降雪天数的影响高于湿度，因为气温显著升高，导致北京的降雪天数显著降低；其余三个站点表现为湿度对降雪天数的影响较大，但相对湿度变化不显著，最终导致降雪天数减少趋势不显著。
北京站的降雪量和降雪天数变化趋势与其他站点相比有显著区别，试分析原因，北京站海拔相对较低，水汽条件形成以及变化过程可能与其他站不一致。进一步地，北京的城市化进程加剧了近地层的增温效应，由此形成的“干湿岛效应”不利于水汽的运输，温度和湿度造成的变化更为明显。以上讨论主要是基于数据的统计分析，对产生上述变化的内在机理解析有待于进一步深入研究。
全球气候变化背景下城市及其周边地区低温和降雪事件发生了明显的变化，北方城市冬季城区的降雪有显著减少趋势。本研究基于1951—2020年京张地区四个气象站点的数据，整编重构了11月1日—次年3月31日降雪序列，并分析了城区和山区的降雪演变趋势，主要结论如下：(1)基于湿球温度的降雪识别方法，能够在日尺度上较好地识别京张地区气象站点的降雪类型，平均识别精度达到94%以上；(2)大雪和极端大雪发生在初冬(11月上旬)的概率最高(最强的一场暴雪发生在延庆，2012年11月4日当日日降雪量高达53.6 mm),降雪天数在初春(2月下旬到3月上旬)发生最多，导致降雪量在11月和2—3月较大；(3)近70 a来，由于小雪降雪量减少，城区降雪量呈减少趋势；大雪和极端降雪量的增加导致山区站点降雪呈增加趋势，由于小雪降雪天数降低，京张地区的降雪天数呈减少趋势，其中城区变化趋势比山区更为明显；(4)经过M-K突变检验和相关分析得出，北京站在1982年降雪量发生突变，此后显著减少。相关分析结果显示：降雪天数与降雪年内平均相对湿度、平均最高温度相关性较高，在城区，温度对降雪天数的影响高于湿度，在山区则相反。本研究主要是基于数据的统计分析，对产生上述变化的内在机理解析还不深入，有待于进一步深入研究。
水利水电技术（中英文）
水利部《水利水电技术（中英文）》杂志是中国水利水电行业的综合性技术期刊（月刊），为全国中文核心期刊，面向国内外公开发行。本刊以介绍我国水资源的开发、利用、治理、配置、节约和保护，以及水利水电工程的勘测、设计、施工、运行管理和科学研究等方面的技术经验为主，同时也报道国外的先进技术。期刊主要栏目有:水文水资源、水工建筑、工程施工、工程基础、水力学、机电技术、泥沙研究、水环境与水生态、运行管理、试验研究、工程地质、金属结构、水利经济、水利规划、防汛抗旱、建设管理、新能源、城市水利、农村水利、水土保持、水库移民、水利现代化、国际水利等。
