郝晓华，赵琴，纪文政，王建，李弘毅

1.中国科学院西北生态环境资源研究院，兰州 730000

2.中国科学院大学，北京 100049

引 言

积雪是冰冻圈的重要组成部分之一，也是全球气候系统的重要组成部分[1-2]。全球约有98%的积雪分布于北半球，每年冬季，北半球陆地最大积雪范围约为47×106km2，占北半球陆地面积的近50%[3-5]。积雪这种每年增加和消融的周期性变化规律以及年际间的变化通过表面能量收支平衡对气候系统、碳汇水平、生态环境、能量交换、人文经济等产生直接或间接的影响[6-8]。因此准确识别地表积雪信息、探究积雪物候变化对全球生态系统、气候变化具有重大意义[9-11]。积雪物候（SCP, Snow Cover Phenology）是表征季节性积雪随季节周期变化趋势和变化规律的信息，包括积雪日数（Snow cover days, SCD）、积雪初日（Start of snow cover days, SCS）、积雪终日（Melt of snow cover days，SCM）等指标[12]。我国包含三大季节性积雪区：东北内蒙古积雪区，青藏高原积雪区和新疆北部积雪区，是中低纬度地区积雪分布最为广泛的国家，因而获取中国积雪物候数据集，进而探究中国积雪物候变化，具有重要的气候，水文、生态和人文意义[13-14]。

积雪物候研究主要是需要日降雪的资料，通常通过地面台站观测和卫星遥感两种技术手段获取。地面台站是早年获取气象数据、积雪空间分布的主要途径，很多学者使用地面站点数据进行了积雪物候相关研究[15-18]。但是气象台站多位于城市，代表性差，一些高海拔地区积雪分布广泛但观测点稀少，实测数据难以代表整个区域的积雪空间分布特征。遥感被广泛应用在积雪各项参数的反演研究中，用于获取积雪物候的主要遥感产品可以分为光学遥感产品和微波遥感产品。光学遥感产品时空分辨率较高，但受云的影响较大，微波雪水当量产品可以排除云的影响，但是空间分辨率较低，难以满足积雪监测[2]。目前更多的积雪产品主要是针对MODIS，虽然其空间分辨率较高，但时间序列较短，从2000年以后才可获取数据。HAO等[19]基于NOAA的AVHRR CDR反射率数据，发展了一套中国1980-2020年5 km逐日无云积雪面积数据集，验证总体精度达到85%以上，与知名的JASMES AVHRR产品相比，整体精度提高约15%，漏分误差从 60.8%下降到19.7%，错分误差从31.9%下降到21.3%，能够满足积雪物候制备的需求。

因此，本文基于HAO等人的中国AVHRR逐日无云积雪面积产品[19]，获取了中国水文年主要的积雪物候参数，积雪日数、积雪初日和积雪终日三个数据集，并利用地面台站实测雪深资料对结果进行精度评估。本数据集可服务于中国积雪时空变化分析，为气候研究，水文管理，生态环境，人文经济等科学研究、工程建设以及社会服务提供基础数据资料。

1 数据采集和处理方法

1.1 数据来源

中国1980-2020年5 km AVHRR逐日无云积雪面积产品[20]来自国家冰川冻土沙漠科学数据中心(www.ncdc.ac.cn)。该产品利用NOAA CDR AVHRR第四版本反射率数据作为输入，通过云判别算法、雪判别算法和空缺值插补算法，最终获取积雪面积产品（NIEER-CGF-AVHRR-SCE）。该数据集详细信息如表1所示，其中1、2、3表示积雪，0表示非雪，4表示水体，255表示填充值。

表1 AVHRR逐日无云积雪面积产品详细信息Table 1 NIEER-CGF-AVHRR-SCE dataset details

验证数据来自中国气象局（http://data.cma.cn）地面台站观测的1980-2020年每日地面气候积雪资料数据集。具体观测方法为当视野面积超过50%，利用米尺在北京时间8点人工测量气象站雪深。观测精确到1 cm，雪深小于1 cm的记录为无雪，同时也记录了缺测信息。最终，有积雪记录的362个气象站被用来对积雪物候数据集进行精度评估。

1.2 处理方法

1.2.1 积雪物候参数定义

水文年定义为每年的9月1日到次年的8月31日，将原数据重分类成有雪无雪二值产品。

积雪日数定义为一个水文年上观测到积雪的天数之和，公式如式（1）：

其中，i表示水文年中从9月1日起的第i天，n为一个水文年的总天数，范围为0~365或366，t表示栅格像元值，t = 0表示无雪，t = 1表示有雪；

积雪初日定义为一个水文年中第一次出现连续5天是雪的首日对应日期，即像元如果满足公式（2）

则可得到

即该像元的积雪初日为从水文年9月1日起的第s天，其中，s表示水文年中从9月1日起的第s天，若存在不满足公式（2）的像元，则该像元为0，因此SCS范围为0~365/366。

积雪终日定义为一个水文年中最后出现连续5天是雪的终日对应日期[18]，即像元如果满足公式（4）

则可得到

即该像元的积雪终日为从水文年9月1日起的第n-m天，其中m为一个水文年中倒着数的第m天，n为全年天数，为365/366；若存在不满足公式（2）的像元，则该像元为0，因此SCM范围为0~365/366。

1.2.2 计算流程

积雪物候参数计算流程如下图1所示，利用逐日无云AVHRR积雪面积产品作为输入值，第一步对产品进行预处理，将产品的有雪栅格值（t）赋为1，无雪栅格值赋为0，获取二值积雪产品（有雪/非积雪）；第二步根据 1.2.1中的公式，计算每一个水文年的中国积雪日数、积雪初日和积雪终日。

图1 积雪物候数据集制备流程示意图Figure 1 Schematic of producing the dataset of snow phenology

2 数据样本描述

本数据集包含积雪日数、积雪初日、积雪终日3个目录，每个目录下包含40个逐水文年积雪物候参数文件，数据量为47.1 MB。文件命名规则示例：NIEER_AVHRR_TTT_5000m_YYYY-YYYY.tif，其中NIEER表示中国科学院西北生态环境资源研究院，AVHRR表示先进的超高分辨率辐射计，TTT表示不同的积雪物候参数（SCD为积雪日数，SCS为积雪初日，SCM为积雪终日），5000m表示空间分辨率，YYYY-YYYY表示水文年。积雪物候产品值代表的像元意义如表2所示，积雪物候参数取值范围均为0~365或366，无效值为-1，水体为-255。其中积雪初日、终日0值为不讨论区，其数值代表从每年9月1日开始第n天（nth）代表的日期。图2-4是以1980-1981水文年为例的产品示意图，分别表示积雪日数、积雪初日和积雪终日。

表2 中国积雪物候产品详细信息Table 2 Details of Chinese snow phenology dataset

图2 中国积雪日数产品示意图（审图号：GS(2022)747号）Figure 2 Schematic of Chinese SCD dataset

图3 中国积雪初日产品示意图（审图号：GS(2022)747号）Figure 3 Schematic of Chinese SCS dataset

图4 中国积雪终日产品示意图（审图号：GS(2022)747号）Figure 4 Schematic of Chinese SCM dataset

3 数据质量控制和评估

本数据集是基于积雪物候定义计算的遥感产品，为了保证结果的可靠性，使用站点实测雪深数据对积雪物候产品进行精度验证，数据评估指标包括相关系数（R2）、均方根误差（RMSE）和平均绝对误差（MAE）均方根误差。站点筛选原则为：不考虑整个雪季期间有雪天数 < 20天的站点。共筛选出代表性气象站点100个，主要分布在三大积雪区，本研究雪深> 2 cm则认为有雪，去除站点水文年存在nodata值的数据，站点雪深物候参数与本遥感数据集参数分布如图5所示，图5（a）所示，积雪日数的R2为0.86、RMSE为22.78天，MAE为13.26天；积雪初日和积雪终日由于定义的限制，剔除异常值，图5（b）可以看到积雪初日的R2为0.76、RMSE为17.87天，MAE为7.51天；图5（c）积雪终日的R2为0.94、RMSE为16.39天，MAE为7.76天，精度可靠。

图5 积雪物候站点验证图Figure 5 Site verification diagram of snow phenology

4 数据价值

数据集以中国1980-2019年积雪面积5公里逐日无云产品为基础资料，计算了逐年的积雪物候参数，地面站点验证表明数据精度相对较高，可用于表征中国积雪时空分布及变化规律，可为中国境内各区域气候系统、碳汇水平、生态环境、能量交换、人文经济等提供基础数据。

5 数据使用方法和建议

本数据集可从国家冰川冻土沙漠科学数据中心（http://www.ncdc.ac.cn）下载获取。数据文件均为GeoTIFF格式，可以通过GIS与遥感相关的软件如ENVI、GRASS、ArcGIS等直接进行查看与应用，或者使用编程语言等相应的软件进行编译读取、计算分析等。对多年数据进行空间叠加分析，可以得到积雪物候区域时空分布及年际变化趋势，可结合气象因素、人类活动等进行区域积雪变化的驱动力分析，以期为生产及灾害预警等提供信息服务。

致 谢

感谢国家冰川冻土沙漠科学数据中心提供的1980-2020年积雪面积5公里逐日无云产品，感谢中国气象局提供的地面气候积雪资料日值数据集。