杨雅茹，赵春雷，李弘毅，邵东航，纪文政

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 100000

3.河北省气象科学研究所，石家庄 050021

4.河北省气象与生态环境重点实验室，石家庄 050021

引 言

随着2022年冬奥会的热潮，冰雪运动日益兴起[1]，但IPCC（Intergovernmental Panel on Climate Change，联合国政府间气候变化专门委员会）第五次评估报告指出全球气候变暖的加剧，加快了积雪、冰川的消融[2-3]。在此背景下未来三十年冬奥赛场的自然积雪条件是否足以支持冰雪运动的开展逐渐成为研究热点。积雪物候是描述积雪动态变化的重要指标，且利用积雪日数、积雪初日、终日、积雪期长度等变量能够反映地区的水文、积雪、气候状况[4]。张家口赛区作为北京2022年冬奥会冰雪运动主要竞赛场地之一，该地区未来三十年的积雪物候状况需引起关注。

目前已有众多学者针对冰雪运动场馆的积雪模拟开展了一系列研究，主要包括滑雪资源评估和积雪期预测两个方面。其中，大量研究侧重于利用模型预测未来气候变化下滑雪场的自然降雪或人工造雪量。FANG等通过SkiSim 2.0模型预估了在未来气候变化背景下我国116个滑雪场的积雪季长度、造雪要求等积雪条件[5]；PONS等利用GRENBLS模型分析了比利牛斯山滑雪场在未来气候变化不同的排放情景下积雪变化的脆弱性及可持续性[6]；WOBUS等将UEB模型结合未来造雪条件，模拟了美国247个滑雪场的自然积雪，并对人工造雪条件进行了评估[7]；除此之外，国外许多学者还重点研究了未来气候条件下滑雪场积雪资源对滑雪季长度的影响[8-9]，而国内对于滑雪场的积雪状况研究大多建立在对历史资料数据的分析上，或集中于区域滑雪的气候条件评估[10-14]。在以往的研究中，缺乏针对滑雪场未来积雪分布及物候的预测数据集，而本数据集旨在提供张家口赛区未来积雪物候数据。

本数据集以CMIP6（Coupled Model Intercomparison Project Phase 6）气候模式预报数据为驱动数据，结合GBEHM（Geomorphology Based Eco-Hydrological Model）寒区生态水文模型制备了2021-2050年北京冬奥会张家口赛区积雪范围数据和积雪物候数据，本数据集有望为滑雪场提供人工造雪和储雪的参考，指导未来冬奥赛场建设与运营、积雪资源管理，以及利于开展积雪物候与气象变化的相关研究。

1 数据采集和处理方法

1.1 研究区

2022 年北京冬奥会张家口赛区位于张家口市崇礼区，地理范围为 40°52′-41°10′N，115°18′-115°32′E。崇礼区包括两大赛区，分别为云顶滑雪公园和国家跳台滑雪中心。赛区位置示意图见图1。

该地区属于温带半湿润与半干旱气候，冬季平均气温约-12 °C，年降水量约490 mm，降雪充足，年均降雪量为63.5 mm，雪季为11月到次年2月，积雪期可达159 天，积雪深度最大可达1500 mm，滑雪期长达100天左右。赛区海拔约1160-2175 m，形成山脉纵横的地貌特征[15]，其独特的气候和地形有利于冰雪运动开展[16]。

图1 北京冬奥会张家口赛区示意图Figure 1 The schematic diagram of Zhangjiakou Venue Cluster of the Olympics Winter Games Beijing 2022

1.2 数据源

本数据集基于 GBEHM模型[17-21]结合 CMIP6未来气候预报数据[22]制备了北京冬奥会张家口赛区未来三十年的积雪范围数据，并在此基础上制作了相应地区和时间序列下的积雪物候数据。

CMIP6气候预报数据由世界气候研究计划（World Climate Research Programme，WCRP）耦合模拟工作组（Working Group on Coupled Modeling，WGCM）组织生产[22]，在其官方网站https://esgfnode.llnl.gov/search/cmip6可进行参量选择和下载。GBEHM模型所需的CMIP6气候预报参量为：下行短波辐射通量、下行长波辐射通量、大气压、相对湿度、比湿、降水、气温、风速（表1）。

表1 模型所用CMIP6数据参量信息Table 1 CMIP6 data parameter information used in GBEHM

1.3 积雪物候定义

积雪物候是表示积雪动态变化的重要指标。本研究使用积雪范围、积雪日数、积雪初日、积雪终日、连续积雪天数、积雪期长度、积雪物候变化趋势、积雪物候变化趋势显著性等指标进行刻画。根据以往的研究[23]，各变量可定义如下：

（1）积雪范围（Snow-Covered Area, SCA）是将识别为雪的栅格数与像元大小的乘积；

（2）积雪日数（Snow-Covered Days, SCD）是在积雪期内积雪深度达到或超过1 cm的日数之和；

（3）积雪初日（Snow Onset Day, SOD）是在一个水文年内（9月1日至次年8月31日）首次连续5天被记录为雪的首日对应日期；

（4）积雪终日（Snow End Day, SED）是在一个水文年内（9月1日至次年8月31日）最后连续5天被记录为雪的末日对应日期；

（5）连续积雪天数（Snow Duration Days, SDD）是记录每个栅格有连续积雪的天数，本数据从中选取最大值作为该栅格的最大连续积雪天数；

（6）积雪期长度（Length of Snow Period, SPL）是积雪终日与积雪初日之差，即为：

1.4 数据处理方法

1.4.1 数据预处理

CMIP6气候预报参量作为模型驱动数据，需降尺度处理成时间分辨率为逐小时，空间分辨率1 km的数据。本文采用统计降尺度方法，具体步骤如下：

（1）大尺度预报因子的选择：选择近地表气温、近地表风速、下行短波辐射、上行长波辐射、气压、降水、比湿、相对湿度作为大尺度预报因子，利用克里金插值方法将所有大尺度预报因子重采样到1 km的空间分辨率。

（2）建立统计降尺度模型：采用主成分分析方法对大尺度预报因子参量进行降维和滤波处理后，利用线性回归模型对参量进行迭代回归训练，进而建立最优的统计降尺度模型。

（3）基于独立站点观测的近地表气温、近地表风速、下行短波辐射、上行长波辐射、气压、降水、比湿、相对湿度对统计降尺度模型进行性能检验。

（4）CMIP6降尺度数据生成，将通过检验的各参量数据输入建立的统计降尺度模型，最终得到高质量降尺度预报数据。

1.4.2 数据生产

（1）积雪范围数据

积雪范围数据的生产将GBEHM水文模型[17-21]作为基础，将CMIP6气候预报参量降尺度结果作为驱动数据，输入GBEHM模型得到2021-2050年北京冬奥会张家口赛区逐日的积雪范围数据产品。GBEHM寒区生态水文模型耦合了分布式水文模型GBHM[17]、CoLM[24]和CLM[25]陆面过程模型，并在风吹雪部分、参数标定以及融水径流追踪方面做出改进[21]。改进后的GBEHM水文模型充分考虑了积雪的积累和消融过程，能够较为精准地模拟积雪过程。模型框架如图2。

图2 GBEHM水文模型框架Figure 2 Basic framework of GBEHM hydrological model

积雪范围数据基于模型中积雪聚集-消融过程模块，其原理为以积雪质能平衡来模拟冰川、积雪、冻土的聚集和消融过程。在GBEHM模型中，积雪能量平衡方程[21]表示为：

式中，Cs是积雪的比热(J/kg K)，Ts为特定雪层温度(K)，Tf为水的冻结温度(K)，z是节点到达地表的距离(m)，θi为冰的体积分数(m3/m3)，ρi为冰的密度(m3/m3)，Lil为冰的熔化潜热(J/kg)，Ks为雪的导热系数(W/K m)，IR为辐射通量(W/m2)。Esur为积雪表面能量交换(W/m2)。

积雪质量平衡方程为：

式中，θ1是液态水的体积分数(m3/m3)，ρ1是液态水的密度(m3/m3)，U1是液态水通量(kg·m-2·s-1)。

（2）积雪物候数据

积雪物候数据的生产是在积雪范围数据产品的基础上，根据各个参数的定义在Python程序中逐一实现。积雪日数由各栅格在积雪期的积雪二值数据累加所得；在一个水文年内首次连续5天发生降雪时，5天内首日对应的日期赋予栅格，即为积雪初日；积雪终日的生产类似，水文年内末次连续5天发生降雪时的最后一天的日期赋予栅格，即可得到积雪终日数据。在一个水文年内将连续降雪的日数中的最大值赋予栅格即为最大连续积雪天数数据；积雪期长度数据的生产只需将日期对应的积雪终日和积雪初日数据作差后赋予栅格。

1.4.3 精度检验

本数据集利用混淆矩阵来验证产品的精度，三个验证指标分别为总体精度（Overall Accuracy，OA）、漏分精度（Omission Error，OE）、多测精度（Commission Error，CE）[23]。混淆矩阵具体如表2：

表2 混淆矩阵Table 2 Confusion matrix

各指标的公式为：

式中，S表示雪，N表示非雪，SS指产品识别为雪的栅格真值也识别为雪，SN指产品识别为雪的栅格真值却为非雪，NN指产品和真值都识别为非雪，NS指产品识别为非雪但真值为雪。

2 数据样本描述

本数据集共包括5个部分，分别为：

（1）积雪范围：共30幅影像，格式为NetCDF，时间分辨率为逐日，空间分辨率为1 km。包括2021-2050年张家口赛区的积雪范围数据。命名方式如：zhangjiakou_snow_binary_2050.nc表示张家口赛区2050年的积雪范围分布。图3为张家口赛区2021年12月1日积雪分布情况。

图3 2021年12月1日张家口赛区积雪范围Figure 3 The snow cover area of Zhangjiakou Venue Cluster on December 1st, 2021

（2）积雪日数：共29幅影像，格式为NetCDF，时间分辨率为日，空间分辨率为1 km。包括各水文年张家口赛区的积雪日数影像。命名方式如：2049_2050_SCD.nc表示2049年9月1日至2050年8月31日积雪日数总和。其中：2049-2050表示本数据的时间序列为2049年9月1日至2050年8月31日；SCD表示积雪日数。图4为2049年水文年张家口赛区累计积雪日数分布。

图4 2049年水文年张家口赛区累计积雪日数分布Figure 4 The accumulated snow cover days in Zhangjiakou Venue Cluster in the hydrological year of 2049

（3）积雪初日终日：共58幅影像，格式为NetCDF，时间分辨率为日，空间分辨率1 km。包括积雪初日和积雪终日两部分，命名方式如：2049_2050_SOD.nc表示赛区2049年9月1日至2050年8月31日（一个水文年）的积雪初日影像。其中：2049_2050的命名与积雪日数相同；SOD表示积雪初日；SED表示积雪终日。图5为2049年水文年张家口赛区积雪初日分布，图6为2049年水文年张家口赛区积雪终日分布。

图5 2049年水文年张家口赛区积雪初日分布Figure 5 The snow onset day in Zhangjiakou Venue Cluster in the hydrological year of 2049

图6 2049年水文年张家口赛区积雪终日分布Figure 6 The snow end Day in Zhangjiakou Venue Cluster in the hydrological year of 2049

（4）最大连续积雪天数：共29幅影像，格式为NetCDF。包括2021-2050年各水文年张家口赛区最大连续积雪天数影像。文件命名方式如：2049_2050_MAX_SDD.nc表示2049年9月1日至2050年8月31日连续积雪天数最大值分布影像数据。其中：2049_2050的命名与积雪日数相同；MAX_SDD表示最大连续积雪天数。图7为2049年水文年张家口赛区最大连续积雪天数分布。

图7 2049年水文年张家口赛区最大连续积雪天数分布Figure 7 The maximum snow duration days in Zhangjiakou Venue Cluster in the hydrological year of 2049

（5）积雪期长度：共29幅影像，格式为NetCDF。包括2021-2050年各水文年张家口赛区积雪期长度影像。命名方式如：2049_2050_SPL.nc表示2049年9月1日至2050年8月31日积雪期长度。其中：2049_2050的命名与积雪日数相同；SPL表示积雪期长度。图8为2049年水文年张家口赛区积雪期长度分布。

图8 2049年水文年张家口赛区积雪期长度分布Figure 8 The length of snow period in Zhangjiakou Venue Cluster in the hydrological year of 2049

3 数据质量控制和评估

利用SNOMAP算法和Landsat8 OLI影像获得2021年张家口赛区积雪范围二值数据作为参考数据进行质量评估。SNOMAP是Hall[26]等提出的积雪识别算法，在此基础上WANG等[27]对其进行了改进，改进后的算法在林区和阴影区积雪提取精度上有了很大提高，总体分类精度可达97.5%，适用于森林茂密的张家口赛区。Landsat8 OLI影像的选择条件为图像覆盖张家口赛区且云量小于10%，最终筛选出满足条件的六幅影像，对应日期为2021年2月2日、2021年4月7日和23日。

由于验证数据与积雪范围数据空间分辨率不一致，为了避免重采样带来的误差，验证点选取赛区内气象站点（两个赛区内共22个气象站，平均海拔1200 m）所在栅格。分别提取积雪范围产品与验证数据对应气象站点的栅格值，3天共有66对数据可用于验证。检验方法使用1.4.3中的混淆矩阵方法，验证情况如表3所示。

表3 验证情况Table 3 Verification

4 数据价值

张家口赛区是2022年北京冬奥会主要竞赛场地之一，该地区积雪物候变化对未来冰雪赛事和赛区布置有着重要影响。随着气候变暖的加剧，积雪、冰川的融化也随之加剧[1]，过去二十年来张家口赛区积雪面积呈现下降趋势，滑雪产业也受到冲击，这与冰雪运动日益兴起的趋势不相适应。本数据集则为进一步了解未来张家口赛区积雪物候变化提供了参考，可为冰雪赛事的开展提供人工降雪量的指导，有助于未来滑雪场的建设、运营与维护。

5 数据使用方法和建议

数据文件夹中为各积雪物侯数据，可根据需要选取参数和相应年份。可使用Panoply、PyNcView等软件查看数据，本数据集也提供将NetCDF转为TIFF的代码，可以在ArcGIS中进行栅格运算以及生成地图，进行未来积雪物候趋势分析等操作。本数据集还可以用于气候响应等相关研究。