郭佳鍇， 李 哲， 李 飛， 張世強(qiáng)

（1.西北大學(xué)陜西省地表系統(tǒng)與環(huán)境承載力重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710127； 2.西北大學(xué)城市與環(huán)境學(xué)院，陜西 西安 710127）

0 引言

在全球水循環(huán)中，積雪的積累和消融過程調(diào)節(jié)著水的年內(nèi)再分配，是干旱半干旱地區(qū)春季最重要的淡水資源［1］。積雪作為冰凍圈的重要組成部分，是氣候系統(tǒng)中最敏感的變化因子之一［2］。積雪是全球氣候變化過程中的重要因素，積雪變化對(duì)地表反照率、全球和地區(qū)能量平衡有重要影響［3-4］。同時(shí)，積雪分布和深度是天氣數(shù)值預(yù)報(bào)模式的重要參數(shù)［5］。

積雪覆蓋和雪深可以由地面觀測(cè)、遙感反演和模型模擬獲得［4-5］。地面觀測(cè)雪深資料是目前研究積雪長(zhǎng)期變化特征最廣泛、最可靠的資料，具有時(shí)間尺度長(zhǎng)，連續(xù)性好的優(yōu)點(diǎn)，但也存在著空間分辨率低，空間分布不均勻，觀測(cè)投入較大的不足［6］。近

年來，遙感積雪數(shù)據(jù)的不斷發(fā)展，為寒區(qū)水文模型提供了豐富的數(shù)據(jù)源，改善了以往地面觀測(cè)資料分辨率低，成本高的缺點(diǎn)［7］。目前，常見的積雪覆蓋遙感產(chǎn)品有Landsat 和SPOT［8］，AVHRR［9］，MODIS 積雪產(chǎn)品［10］及SMMR、SSM/I［11-12］和AMSR-E［13-14］等微波積雪產(chǎn)品。MODIS 數(shù)據(jù)因其較高的時(shí)空分辨率和光譜分辨率在積雪研究與動(dòng)態(tài)變化監(jiān)測(cè)領(lǐng)域中廣泛應(yīng)用［15-16］。張穎等［17］研究發(fā)現(xiàn)MODIS 逐日積雪覆蓋率產(chǎn)品在青藏高原地區(qū)精度高于MODIS 標(biāo)準(zhǔn)積雪產(chǎn)品。在積雪深度監(jiān)測(cè)方面，被動(dòng)微波遙感數(shù)據(jù)被認(rèn)為是監(jiān)測(cè)大尺度積雪深度時(shí)空變化的有效手段。現(xiàn)有雪深產(chǎn)品在青藏高原地區(qū)表現(xiàn)出較大的不確定性［18］。Dai 等［19］基于青藏高原的臺(tái)站雪深觀測(cè)數(shù)據(jù)和近年來對(duì)地面雪深的大規(guī)模調(diào)查資料，對(duì)利用SSM I/S 和AMSR-E 亮溫?cái)?shù)據(jù)反演雪深的算法進(jìn)行了校準(zhǔn)，進(jìn)而生產(chǎn)了中國(guó)雪深數(shù)據(jù)集，這是目前青藏高原地區(qū)精度最高的雪深數(shù)據(jù)產(chǎn)品。

積雪的積累和消融過程是寒區(qū)水文模型的重要組成部分。寒區(qū)水文模型模擬積雪一般可分為度日因子和能量平衡兩種方法［20］。其中，度日因子法是基于冰雪消融和氣溫之間的關(guān)系計(jì)算［21］，目前SRM［22］和SWAT［23］融雪模塊均采用過這種方法。能量平衡模型是模擬積雪-大氣，積雪-土壤及積雪內(nèi)的物質(zhì)和能量平衡［21］，常用的模型有ISNOBAL［24］、UEB［25］等，一些分布式水文模型也出現(xiàn)了融雪模塊，如VIC［26］、DHSVM［27］等。近年來，已經(jīng)出現(xiàn)了多個(gè)利用衛(wèi)星遙感獲得的積雪分布來驅(qū)動(dòng)水文模型提高精度的成功案例［7，28-30］，表明利用衛(wèi)星遙感積雪數(shù)據(jù)有助于改善以往水文模型僅僅利用出山口徑流資料進(jìn)行率定和檢驗(yàn)的不確定性。如趙軍等［28］在疏勒河流域上游將SRM 融雪徑流模型與MODIS 積雪產(chǎn)品結(jié)合，取得了較好的模擬效果。Andreadis等［29］利用EnKF方法將遙感積雪面積數(shù)據(jù)和雪水當(dāng)量數(shù)據(jù)同化到VIC 模型中，對(duì)中低海拔，融雪期和淺層積雪的積雪變量模擬精度取得顯著提升。Che 等［30］利用EnKF 方法將被動(dòng)微波遙感雪深數(shù)據(jù)同化到陸面模型中，提高了積累期的雪深估算精度。VIC-CAS［31］分布式水文模型中很好地考慮了單條冰川的融水過程和冰川變化，其模擬的疏勒河流域的冰川變化與遙感監(jiān)測(cè)的單條冰川變化［32］具有很好的可比性，其徑流模擬也取得了很好的效果［33］，為評(píng)估模型中對(duì)積雪的積累和消融過程的合理性提供了很好的基礎(chǔ)。

因此，本研究選取了在降水等觀測(cè)資料較為豐富的疏勒河上游山區(qū)流域，基于中分辨率成像光譜儀（Moderate Resolution Imaging Spectroradiometer，簡(jiǎn)稱MODIS）逐日積雪覆蓋資料和中國(guó)長(zhǎng)序列遙感反演雪深資料，選取對(duì)冰川融水模擬較好的VICCAS 模型模擬的積雪覆蓋和雪深進(jìn)行評(píng)估，并對(duì)比模型在不同高程帶的模擬效果差異，為進(jìn)一步改進(jìn)模型中的積雪過程提供支撐。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

圖1 疏勒河上游山區(qū)流域氣象站、雨量計(jì)和高程帶分布及VIC-CAS模型中的182個(gè)子流域單元Fig.1 Spatial distribution of meteorological stations and rain gauges，elevation zones，and 182 sub-basins of VIC-CAS in mountainous upper reach of the Shule River basin

疏勒河是河西走廊三大內(nèi)陸河之一，發(fā)源于祁連山腹地的疏勒南山北坡，其出山口昌馬水文站以上為疏勒河上游（96.6°～99.0°E，38.2°～40.0°N）［34-35］（圖1）。疏勒河上游地區(qū)地形主要由疏勒南山、托勒南山和疏勒河谷地組成，山區(qū)地勢(shì)高峻、地形陡峭，谷地地形相對(duì)低緩。疏勒河上游面積約1.14×104km2，屬于高原大陸性氣候，研究區(qū)海拔介于2 100～5 750 m 之間，平均海拔為3 900 m［36-37］，其中2 000～3 000 m 高程帶所占區(qū)域占整個(gè)研究區(qū)面積的7%，主要是河流出山口的河谷區(qū)；3 000～4 000 m高程帶所占區(qū)域占整個(gè)研究區(qū)面積的45%，主要為疏勒河上游谷地中段，河谷兩側(cè)的山前緣區(qū)；4 000～5 000 m高程帶所占區(qū)域占整個(gè)研究區(qū)面積的47%；5 000～6 000 m 高程帶所占區(qū)域占整個(gè)研究區(qū)面積的2%［37］。研究區(qū)分布大量?jī)鐾?，積雪和冰川［38］，多年平均氣溫約-4 ℃，多年平均降雨量約378.4 mm，降水主要集中在5—9月，降水量約占全年總降雨量的90%以上，冬季和春季以降雪為主［39］。

1.2 數(shù)據(jù)及預(yù)處理

1.2.1 MODIS積雪覆蓋數(shù)據(jù)

本研究中的積雪覆蓋觀測(cè)數(shù)據(jù)利用美國(guó)國(guó)家雪冰中心（National Snow and Ice Data Center，NSIDC）網(wǎng)站下載的TERRA MODIS MOD09GA地表反射率產(chǎn)品計(jì)算獲得。MOD09GA 的時(shí)間分辨率為日，空間分辨率為500 m。本研究收集了2002—2013年全年共計(jì)4 383 天的MOD09 產(chǎn)品1～7 通道的數(shù)字影像。在選擇不同版本的MODIS積雪面積產(chǎn)品時(shí)，考慮到在青藏高原區(qū)域MOD09GA數(shù)據(jù)經(jīng)過處理后的積雪覆蓋與同時(shí)相Landsat TM/ETM+影像獲取的積雪覆蓋的相關(guān)系數(shù)r達(dá)到0.85，高于MOD10A1的0.74，最終選擇MOD09GA作為檢驗(yàn)數(shù)據(jù)［17］。

對(duì)MOD09GA 影像的預(yù)處理包括對(duì)衛(wèi)星影像進(jìn)行坐標(biāo)變換。將正弦曲線投影轉(zhuǎn)換為地理坐標(biāo)，橢球體選為WGS84。選用雙線性法重采樣，將圖像文件轉(zhuǎn)換為GeoTIFF 格式，并利用研究區(qū)邊界進(jìn)行剪裁。根據(jù)雪的反射率特點(diǎn)，利用NDSI 算法對(duì)MODIS數(shù)據(jù)對(duì)每個(gè)像元的積雪覆蓋度進(jìn)行計(jì)算［40］，其公式為

式中：Band4、Band6 分別為MODIS 波段4 和波段6的反射率。

根據(jù)高揚(yáng)等［41］在青藏高原地區(qū)不同土地覆蓋類型NDSI 閾值積雪判別的研究結(jié)果，選取0.33 作為最佳閾值，并根據(jù)波段2 和波段4 排除水體和暗物質(zhì)干擾。本研究利用MOD10A1產(chǎn)品中的云覆蓋數(shù)據(jù)確定含云像元，在進(jìn)行對(duì)比時(shí)對(duì)含云像元不作對(duì)比。不含云的各像元的積雪覆蓋度，采用Salomoson 等［42］提出的NDSI 與真實(shí)亞像元積雪覆蓋度之間的經(jīng)驗(yàn)公式獲得。

式中：FSC 為每個(gè)像元的積雪覆蓋度；NDSI 為每個(gè)像元的NDSI 值。對(duì)逐日數(shù)據(jù)進(jìn)行計(jì)算，最終得到2002—2013 年疏勒河上游山區(qū)流域MODIS 各子流域的日積雪覆蓋度。

1.2.2 雪深數(shù)據(jù)

本研究中2002—2013 年疏勒河上游山區(qū)流域的雪深數(shù)據(jù)從國(guó)家冰川凍土沙漠科學(xué)數(shù)據(jù)中心網(wǎng)站（www.crensed.ac.cn）下載的中國(guó)雪深長(zhǎng)時(shí)間序列數(shù)據(jù)集（the Long-term Snow Depth Dataset of China）中提取。該數(shù)據(jù)集中2002—2007 年的雪深數(shù)據(jù)用AMSR-E 反演獲得，2008—2016 年的雪深采用SSMI/S傳感器的亮度溫度反演，其時(shí)間分辨率為日，空間分辨率均為0.25°。用于反演該雪深數(shù)據(jù)集的原始數(shù)據(jù)來自美國(guó)國(guó)家雪冰數(shù)據(jù)中心（NSIDC）處理的AMSR-E（2002—2007 年）和SSMI/S（2008—2019 年）逐日被動(dòng)微波亮溫?cái)?shù)據(jù)，其首先通過對(duì)不同傳感器的亮溫進(jìn)行交叉定標(biāo)提高亮溫在時(shí)間上的一致性，然后利用在針對(duì)中國(guó)地區(qū)修正的Chang算法進(jìn)行雪深反演［11］。

本研究將下載的ASCII文件用Python語(yǔ)言批量轉(zhuǎn)成柵格，利用研究區(qū)邊界剪裁得到2002—2013年疏勒河上游山區(qū)流域逐月和逐年平均的積雪深度柵格文件。根據(jù)遙感觀測(cè)雪深分別將最接近平均值的2004 年作為平雪年的代表，雪深最大的2008年作為多雪年代表，雪深最小的2013年作為少雪年代表。

1.2.3 VIC-CAS模型模擬的積雪覆蓋度和雪深

VIC-CAS 模型是在VIC-3L 基礎(chǔ)上改進(jìn)的分布式水文模型［43］，其計(jì)算每個(gè)網(wǎng)格單元的能量和水分平衡，并考慮到積雪、融雪和土壤凍融過程［26］。VIC模型可以由日或日內(nèi)尺度氣象數(shù)據(jù)驅(qū)動(dòng)，包括降水量、最高和最低氣溫以及風(fēng)速數(shù)據(jù)，模型通過內(nèi)置的插值程序生成各格網(wǎng)的氣象驅(qū)動(dòng)數(shù)據(jù)，模型參數(shù)包括土壤和植被參數(shù)，以及數(shù)字高程模型等［44］。VIC-CAS 模型增加了冰川模塊，將單條冰川作為子流域，進(jìn)而將單條冰川細(xì)分為100 m 間距高程帶，利用度日因子逐高程帶計(jì)算冰川消融量和物質(zhì)平衡，并考慮了冰川面積的長(zhǎng)期變化［45］。VIC-CAS 通過分別采用單層和雙層模型計(jì)算冠層和地面積雪過程和融雪過程，其中在雙層模型中考慮了積雪的積累和升華過程，并考慮了不同高程帶積雪積累和消融的空間異質(zhì)性［46］。VIC-CAS 積雪算法中的雪深與雪齡有關(guān)，考慮了積雪的密實(shí)化過程以及新雪的影響［47］。VIC-CAS 模型假定子流域內(nèi)的積雪均勻分布，通過閾值分段考慮了積雪覆蓋面積與雪深之間的關(guān)系，從而考慮了薄雪覆蓋率較低的特征［29］。

Zhang等［33］利用VIC-CAS模型模擬了疏勒河上游山區(qū)流域的冰川徑流和河川徑流，與遙感獲得的不同時(shí)期的單條冰川變化［32］和出山口觀測(cè)徑流對(duì)比表明，VIC-CAS 取得了很好的模擬效果。本研究采用Zhang 等［33］在疏勒河上游山區(qū)率定和驗(yàn)證的VIC-CAS 模型參數(shù)，與遙感獲取的積雪覆蓋度和積雪深度對(duì)比，分析了VIC-CAS 模型在疏勒河上游山區(qū)流域模擬的積雪覆蓋度和積雪深度模擬效果。模型中的年降水梯度為根據(jù)1 139～4 156 m 的降水觀測(cè)計(jì)算所得的14.654 mm·（100m）-1，模型的關(guān)鍵參數(shù)、率定過程、冰川模擬結(jié)果和河流徑流結(jié)果詳見文獻(xiàn)［33］。本研究中直接選取了2002—2013 年疏勒河上游山區(qū)流域182個(gè)子流域的積雪覆蓋度和雪深日模擬結(jié)果，其中，每個(gè)子流域的高程通過子流域中各高程帶所占面積比率與高程的乘積累加得到。隨后用屬性表的子流域編號(hào)作為關(guān)鍵字，對(duì)VIC-CAS 模型結(jié)果數(shù)據(jù)文件中的積雪覆蓋度和積雪深度兩個(gè)變量的數(shù)據(jù)與疏勒河上游山區(qū)流域子流域矢量邊界進(jìn)行連接，從而將MODIS 積雪覆蓋數(shù)據(jù)和中國(guó)雪深長(zhǎng)時(shí)間序列數(shù)據(jù)與子流域編號(hào)鏈接統(tǒng)計(jì)。

考慮到遙感反演的雪深具有較大的不確定性，本研究中對(duì)模型的評(píng)價(jià)重點(diǎn)放在積雪覆蓋度指標(biāo)，對(duì)雪深指標(biāo)主要對(duì)比其一致性，不作為評(píng)價(jià)重點(diǎn)。

1.3 統(tǒng)計(jì)分析

1.3.1 相關(guān)分析

采用相關(guān)系數(shù)（r）評(píng)價(jià)VIC-CAS 模型模擬與觀測(cè)的積雪覆蓋度和積雪深度值之間的相關(guān)性。

式中：Oi為VIC-CAS 模型模擬的積雪覆蓋度和積雪深度；為VIC-CAS 模型模擬的日平均積雪覆蓋度和日積雪深度的平均值；Mi為MODIS 觀測(cè)的積雪覆蓋度和中國(guó)雪深長(zhǎng)時(shí)間序列數(shù)據(jù)集的積雪深度；為MODIS 影像積雪覆蓋度和中國(guó)雪深長(zhǎng)時(shí)間序列數(shù)據(jù)集積雪深度的平均值；n為總月數(shù)。

根據(jù)文獻(xiàn)［48］，將r劃分為6 個(gè)區(qū)間：r≤0 為負(fù)相關(guān)，0＜r≤0.2 為不相關(guān)或極弱相關(guān)，0.2＜r≤0.4 為弱相關(guān)，0.4＜r≤0.6為中相關(guān)，0.6＜r≤0.8為強(qiáng)相關(guān)，0.8＜r≤1為極強(qiáng)相關(guān)。

1.3.2 均方根誤差

采用均方根誤差（RMSE）分析方法評(píng)價(jià)VICCAS 模型模擬與觀測(cè)的積雪覆蓋度和積雪深度之間的離散程度。

式中：Mi為MODIS 影像積雪覆蓋度和中國(guó)雪深長(zhǎng)時(shí)間序列數(shù)據(jù)集的積雪深度；Oi為VIC-CAS模型模擬的積雪覆蓋度和積雪深度的平均值；n為總月數(shù)。

1.4 評(píng)估流程

疏勒河上游山區(qū)VIC-CAS 模擬和遙感觀測(cè)的積雪覆蓋和雪深評(píng)估流程如圖2所示。數(shù)據(jù)預(yù)處理包括對(duì)VIC-CAS 模型輸出文件分別計(jì)算各子流域的月平均和年平均積雪覆蓋度和積雪深度，對(duì)中國(guó)雪深長(zhǎng)時(shí)間序列數(shù)據(jù)集進(jìn)行柵格轉(zhuǎn)換，提取研究區(qū)月平均和年平均積雪深度。對(duì)MOD09GA 數(shù)據(jù)的處理過程包括NDSI 計(jì)算，NDSI 與積雪覆蓋度之間的經(jīng)驗(yàn)線性回歸方程計(jì)算，重采樣，提取研究區(qū)范圍。數(shù)據(jù)分析包含利用ArcPy語(yǔ)言對(duì)處理后的數(shù)據(jù)使用以表格顯示分區(qū)統(tǒng)計(jì)工具統(tǒng)計(jì)182個(gè)子流域中積雪覆蓋度和積雪深度的平均值，并計(jì)算r和

RMSE。

圖2 疏勒河上游山區(qū)VIC-CAS模型模擬和遙感觀測(cè)的積雪覆蓋度和雪深評(píng)估流程Fig.2 Flow chart of the evaluation on snow coverage and snow depth simulated by VIC-CAS model and observed by remote sensing in mountainous upper reach of the Shule River basin

2 結(jié)果與分析

2.1 積雪覆蓋度評(píng)估

2.1.1 平雪年、多雪年和少雪年積雪覆蓋度

在疏勒河上游山區(qū)流域VIC-CAS 模型模擬和MODIS觀測(cè)的月平均積雪覆蓋度在平雪年，多雪年和少雪年的對(duì)比如圖3 所示。r在多雪年最大，為0.67，屬于強(qiáng)相關(guān)；少雪年為0.52，屬于中相關(guān)；平雪年為0.37，屬于弱相關(guān)。RMSE 在三個(gè)年份相差不大，多雪年為0.12，少雪年為0.09，平雪年為0.13。總體來看，VIC-CAS 模型在多雪年的模擬效果最好，少雪年和平雪年精度相對(duì)較低，且存在大量模型模擬為0 但MODIS 積雪觀測(cè)有值的點(diǎn)，表明薄雪的模擬結(jié)果可能較差。

圖3 VIC-CAS模型模擬和MODIS觀測(cè)的月平均積雪覆蓋度在疏勒河上游山區(qū)流域不同降雪年份的對(duì)比Fig.3 Comparisons in monthly averaged snow coverage between simulated by VIC-CAS model and observed by MODIS in mountainous upper reach of the Shule River basin in normal snow year（a），more snow year（b）and less snow year（c）

疏勒河上游山區(qū)流域模擬和觀測(cè)的年平均積雪覆蓋度在平雪年，多雪年和少雪年的空間分布如圖4 所示。從空間分布看，VIC-CAS 模型模擬的積雪覆蓋度偏小，多雪年模擬數(shù)據(jù)與MODIS 產(chǎn)品表現(xiàn)出最為相似的空間分布特征，即研究區(qū)中部高山區(qū)積雪覆蓋度高，西北部河谷區(qū)積雪覆蓋度低，表明其對(duì)積雪的空間分布模擬較好，少雪年和平雪年積雪空間分布模擬的特征相似性較差。

圖4 VIC-CAS模型模擬和MODIS觀測(cè)的年平均積雪覆蓋度在不同降雪年份的空間分布Fig.4 Spatial distribution of yearly averaged snow coverage between simulated by VIC-CAS model and observed by MODIS in different years（a，b，c are simulated by VIC-CAS model；d，e，f are observed by MODIS）

2.1.2 不同高程帶積雪覆蓋度

VIC-CAS 模型模擬和MODIS 觀測(cè)的月平均積雪覆蓋度在不同高程帶2 000～3 000 m，3 000～4 000 m，4 000～5 000 m 的對(duì)比如圖5 所示。VICCAS模型在海拔4 000～5 000 m的模擬效果最好，其在平雪年，多雪年和少雪年中r分別為0.41，0.66和0.60，RMSE 分別為0.15，0.12，0.11，模擬精度較高。海拔2 000～3 000 m 模擬效果不佳，在平雪年出現(xiàn)了負(fù)相關(guān)-0.10?？偟膩砜?，VIC-CAS 模型在占比最高的4 000～5 000 m 高程帶模擬精度最高，3 000～4 000 m 其次，在較低海拔的2 000～3 000 m積雪覆蓋度模擬精度較低。

圖5 VIC-CAS模型模擬和MODIS觀測(cè)的月平均積雪覆蓋度在疏勒河上游山區(qū)流域不同高程帶的對(duì)比Fig.5 Comparisons in monthly averaged snow coverage between simulated by VIC-CAS model and observed by MODIS at different elevation zones in mountainous upper reach of the Shule River basin

2.2 雪深對(duì)比

2.2.1 平雪年、多雪年和少雪年雪深

VIC-CAS模型模擬和中國(guó)雪深長(zhǎng)時(shí)間序列數(shù)據(jù)集觀測(cè)的月平均積雪深度在平雪年，多雪年和少雪年的對(duì)比如圖6 所示。VIC-CAS 模型在多雪年的r為0.44，屬于中相關(guān)；在平雪年和少雪年相關(guān)程度較低，其中平雪年出現(xiàn)負(fù)相關(guān)-0.22?？傮w來看，VIC-CAS模型在不同降雪年份雪深一致性較低。平雪年和少雪年存在大量模擬積雪深度為0但積雪產(chǎn)品中深度不為0的情況，說明薄雪仍然是其主要差異所在。

圖6 VIC-CAS模型模擬和中國(guó)雪深長(zhǎng)時(shí)間序列數(shù)據(jù)集觀測(cè)的月平均積雪深度在疏勒河上游山區(qū)流域不同降雪年份的對(duì)比Fig.6 Comparisons in monthly averaged snow depth between simulated by VIC-CAS model and observed by the Long-term Snow Depth Dataset of China in mountainous upper reach of the Shule River basin in normal snow year（a），more snow year（b）and less snow year（c）

模擬和觀測(cè)的年平均積雪深度在平雪年，多雪年和少雪年的空間分布如圖7 所示。可以看出VIC-CAS 模型模擬的雪深總體偏小，但很好地反映了雪深隨高程變化的特點(diǎn)；觀測(cè)的雪深數(shù)據(jù)與高程帶的關(guān)系刻畫不明顯，主要是較粗的空間分辨率所致。

圖7 VIC-CAS模型模擬和中國(guó)雪深長(zhǎng)時(shí)間序列數(shù)據(jù)集觀測(cè)的年平均積雪深度在不同降雪年份的空間分布Fig.7 Spatial distribution of yearly averaged snow depth between simulated by VIC-CAS model and observed by the Long-term Snow Depth Dataset of China in different years（a，b，c are simulated by VIC-CAS model；d，e，f are observed by the Long-term Snow Depth Dataset of China）

2.2.2 不同高程帶雪深

VIC-CAS 模型模擬和中國(guó)雪深長(zhǎng)時(shí)間序列數(shù)據(jù)集觀測(cè)的月平均積雪深度在2 000～3 000 m、3 000～4 000 m、4 000～5 000 m 高程帶的對(duì)比如圖8所示?？梢钥闯觯琕IC-CAS 模擬值與觀測(cè)的積雪深度的r與高程帶無關(guān)，其均在多雪年呈現(xiàn)中相關(guān)，少雪年無相關(guān)性，平雪年呈現(xiàn)負(fù)相關(guān)的特點(diǎn)，其可能仍與觀測(cè)的積雪深度分辨率較粗有關(guān)。

3 討論

圖8 疏勒河上游山區(qū)流域VIC-CAS模型模擬和中國(guó)雪深長(zhǎng)時(shí)間序列數(shù)據(jù)集觀測(cè)的月平均積雪深度在不同高程帶下的對(duì)比Fig.8 Comparisons in monthly averaged snow depth between simulated by VIC-CAS and observed by the Long-term Snow Depth Dataset of China at different elevation zones in mountainous upper reach of the Shule River basin

傳統(tǒng)積雪產(chǎn)品大多采用地面氣象站觀測(cè)值空間插值和人工觀測(cè)獲得，如Bulygina 等［49］利用856個(gè)觀測(cè)站的積雪深度數(shù)據(jù)研究俄羅斯的積雪覆蓋和雪深的年際變化。這種方法需要耗費(fèi)大量人力物力，且難以獲得連續(xù)的，大面積的積雪信息［50］。在疏勒河上游山區(qū)流域不存在有關(guān)積雪的氣象臺(tái)站數(shù)據(jù)，無法提供有效的地面實(shí)測(cè)資料進(jìn)行交叉驗(yàn)證的數(shù)據(jù)支持。利用遙感獲取積雪覆蓋和雪深能夠有效地獲取積雪的空間分布［1］。因此，本研究證明了采用遙感反演的積雪對(duì)整個(gè)研究區(qū)的積雪模擬效果進(jìn)行評(píng)估是有效可行的。

從不同積雪覆蓋的遙感產(chǎn)品的精度看，張穎等［17］研究表明，MOD10A1 產(chǎn)品對(duì)于積雪破碎區(qū)的信息提取較差，山體陰影的漏分現(xiàn)象更為嚴(yán)重，較小區(qū)域的積雪識(shí)別誤差大，精度低。王雪璐等［51］研究表明，MOD10A1 在青海省的積雪分類精度明顯低于在其他研究區(qū)的精度驗(yàn)證結(jié)果，經(jīng)過NDSI 閾值調(diào)整后的MOD09GA 產(chǎn)品的精度高于同時(shí)期MOD10A1 產(chǎn)品。本研究中采用了這一算法，因此積雪覆蓋產(chǎn)品應(yīng)具有較高的精度。

目前來看，雪深數(shù)據(jù)產(chǎn)品空間分辨率仍較粗，難以反映高程分布的影響。Dai 等［18］在2016 年，基于SSMI/S（F17）對(duì)所有傳感器的亮溫?cái)?shù)據(jù)進(jìn)行校正，最終得到長(zhǎng)期的中國(guó)積雪深度數(shù)據(jù)，并在2019年［52］開發(fā)了一種適用于被動(dòng)微波的積雪識(shí)別方法，提升了產(chǎn)品的精度。盡管本研究中所采用的積雪產(chǎn)品是目前在中國(guó)精度最高的雪深數(shù)據(jù)產(chǎn)品，但依舊存在空間分辨率低和不確定性較大的問題，所以本研究中的評(píng)估以積雪覆蓋結(jié)果為主，雪深結(jié)果重在對(duì)比兩者之間的一致性。

需要指出的是，遙感反演的積雪覆蓋和雪深也具有較大的不確定性。MODIS 積雪覆蓋數(shù)據(jù)的不確定性主要在于MOD09GA 產(chǎn)品進(jìn)行歸一化處理的時(shí)候受到云，水體等影響以及處理過程中NDSI與積雪覆蓋度的線性回歸算法的誤差。Salomonson等［42］建立了NDSI 與真實(shí)亞像元積雪覆蓋度之間的關(guān)系，該回歸方程是在西伯利亞地區(qū)積雪觀測(cè)的基礎(chǔ)上建立的，對(duì)其他地區(qū)的適用性可能存疑。本研究中存在大量觀測(cè)值為0 的數(shù)據(jù)，可能是由于線性回歸算法得到的積雪覆蓋度剔除了小于0.1的數(shù)據(jù)產(chǎn)生的誤差［42］。遙感雪深反演數(shù)據(jù)的不確定性主要在于產(chǎn)生中國(guó)地區(qū)雪深長(zhǎng)時(shí)間序列數(shù)據(jù)集的被動(dòng)微波衛(wèi)星遙感資料空間分辨率很低，反演過程時(shí)積雪的空間異質(zhì)性問題難以解決。

從空間分布對(duì)比看，VIC-CAS 模型模擬的積雪覆蓋度和雪深偏小，自2009年起在研究區(qū)內(nèi)開始布設(shè)較多的降水觀測(cè)設(shè)備，獲取了較為準(zhǔn)確的降水梯度，模型的冰川融水和徑流模擬效果均較好［33］，為對(duì)比積雪的相關(guān)結(jié)果提供了很好的基礎(chǔ)。本研究發(fā)現(xiàn)VIC-CAS 模型和遙感反演的薄雪覆蓋度的差異較大，在不同高程帶對(duì)積雪的模擬精度差別不大，但在2 000～3 000 m 模擬精度較低，說明在低海拔區(qū)存在較大不確定性，這可能與模型中對(duì)積雪再分布和風(fēng)吹雪的算法和參數(shù)化方案有關(guān)，特別是在薄雪情況下，其可能存在較大的不確定性。因此，需要在流域尺度上進(jìn)一步加強(qiáng)對(duì)風(fēng)吹雪分布、過程和參數(shù)化方案的觀測(cè)和模擬優(yōu)化。

4 結(jié)論

本文基于2002—2013 年疏勒河上游山區(qū)流域MODIS 積雪覆蓋度產(chǎn)品和中國(guó)雪深長(zhǎng)時(shí)間序列數(shù)據(jù)集，對(duì)VIC-CAS 模型模擬的積雪覆蓋度和雪深進(jìn)行了評(píng)估，主要結(jié)論如下：

（1）總體來看，VIC-CAS 模型對(duì)薄雪和低海拔區(qū)的模擬效果相對(duì)較差，這可能與模型中地形對(duì)降雪的影響，以及風(fēng)吹雪造成的積雪再分布等過程可能考慮不夠有關(guān)，需進(jìn)一步加強(qiáng)對(duì)降雪和風(fēng)吹雪過程的觀測(cè)和模擬。

（2）從不同降雪年份看，積雪覆蓋度和雪深都表現(xiàn)為多雪年模擬效果較好，多雪年積雪覆蓋度r為0.67，RMSE 為0.12；少雪年和平雪年模擬效果都較差，說明VIC-CAS 對(duì)薄雪模擬存在較大的不確定性。

（3）從不同海拔看，VIC-CAS 模擬的積雪覆蓋度 在4 000～5 000 m 處 精 度 最 高，r平 均 為0.56，RMSE 平均為0.13，在2 000～3 000 m 處精度最低，說明VIC-CAS 模擬的積雪在低海拔區(qū)不確定性較大。