引言

雪是地球表面最为活跃的自然要素之一，是影响区域和全球气候变化的一个重要因素，它对地表的辐射平衡和能量循环起着非常重要的作用，对积雪的研究一直是国内外气象学者常常关注的问题之一^[1-2]。2000年成立的气候与冰冻圈计划(CliC)把积雪研究作为核心内容之一。就国内而言，1970年叶笃正提出的长期预报的一些物理因子中就包括青藏高原的异常雪盖作用^[3]，而后许多学者的研究表明北半球积雪特别是青藏高原雪盖对中国的降水、大气环流、气温均产生深刻的影响^[4-6]。随着遥感技术的发展，利用多源遥感信息在中国西北部雪灾频发地区进行了大量的监测分析工作^[7-10]，但对南方积雪研究较少，主要是因为南方积雪一般较浅，持续时间较短，危害程度亦较北方轻，加上南方复杂的地形地貌、植被多样性和气候背景场，使得南方积雪研究难度相对较大。

浙江省地处我国东南沿海，属亚热带季风气候，土地类型多样，生态环境复杂，暴雨、洪涝、干旱、台风、寒潮、强冷空气和冰雹是影响浙江的主要气象灾害。在全球气候变暖的大背景下，各类极端天气气候事件频繁发生，特别是受异常大气环流影响，浙江的冰雪灾害时有发生。2008年1月11日至2月5日浙江省出现持续性50年一遇的低温、雨雪和冰冻天气，浙北大部分地区积雪深度为50年不遇。根据气象站观测，全省共有45个县市出现积雪，积雪覆盖达72%，杭州、嘉兴、湖州、绍兴、宁波等地积雪深度普遍超过20 cm，对电力、通信、交通、农业、林业及人们生活等造成了严重影响和重大损失，农作物受灾达832.9×10³ hm²，直接经济损失超过150亿元。因此有必要对浙江开展冰雪覆盖监测和灾害评估方面的研究，利于及时应对此类灾害性极端天气气候事件。

常规气象台站由于站点空间分布不均，且大多位于坡度小、交通便捷之处，对于浙江省部分偏僻、山高坡陡、人烟稀少的地区，常因缺少测站资料而难以获得积雪覆盖的准确空间分布信息。遥感技术具有监测范围广、时效性强、成本低等显著优势已逐步成为积雪监测中不可缺少的有效数据源。本文根据浙江气候、地形地貌、土地覆盖等特点，利用MODIS数据，选用合适的积雪指数模型，综合利用遥感和地理信息系统技术^[11]对积雪的发生、发展及消融特征进行深入研究，并对林区进行灾情初步评估，为政府和相关的生产部门防灾减灾，指导交通安全、农业生产、电力抢修等提供科学的决策依据。

1 资料选择与处理 1.1 资料的收集及数据预处理

采用的数据源分遥感信息和非遥感信息两种。遥感信息选取DVBS广播接收的覆盖浙江全省的2008年2月MODIS数据，具体包括2月4日、9日、13—17日、20日、27—29日共11幅晴空资料以及1 km的土地利用类型图。非遥感信息主要包括1:50000地形图、行政区划图及野外实地考察的各种资料等。遥感信息的预处理有1~7通道辐射定标、投影变换、几何精校正、数据裁剪等。对DEM进行海拔高度分带(小于300 m，300~500 m，500~700 m，700~900 m，大于900 m)，采用经纬度投影方式建立统一的坐标系统。

1.2 积雪信息提取

积雪信息提取是根据雪的波谱特征，即它在可见光的强反射和近红外的高吸收特性，与植被、土壤、水体等典型地物易于区分。而云和雪的分离是积雪识别的难点，雪在可见光波段(0.4~0.8 μm)反射率较高，随着波长增加反射率逐渐降低。云在可见光波段和远红外波段也具有和雪相似的光谱特征，反射率及亮温也和雪较为接近，因此在这些波段上难以区分云和雪。而在1.55~1.75 μm和2.105~2.135 μm的近红外波段上，云和雪的反射率有较大差异，在该光谱范围内云反射来自太阳的辐射，表现出较高反射率，雪吸收太阳辐射，反射率很低，因此该波段是区分云、雪的理想光谱段^[12]。

目前应用最为广泛的是归一化积雪指数(NDSI)判别法，它实际操作性强，识别精度高，是提取积雪信息的最佳技术手段。根据MODIS的可见光4波段(0.545~0.564 μm)和近红外6波段(1.628~1.652 μm)的反射率，采用多波段归一化，进一步消除云和地形阴影等影响^[10]，其计算公式为：

NDSI=(CH4-CH6)/(CH4+CH6)

式中：CH4、CH6分别代表MODIS数据第4、第6波段的反射率。

当积雪覆盖大于50%，对应像元的NDSI值大于或等于0.4。由于水也可能出现NDSI>0.4的情况，利用MODIS短波红外通道CH2中水的反射率>11%，将雪和水区分开。逐点判识时，满足以下条件：NDSI≥0.4，CH2反射率>11%，CH4反射率>10%时，则该点可被认为被雪覆盖^[13-14]。但在森林覆盖区，许多被雪覆盖的像元其NDSI值低于0.4，而林区像元比非林区像元有较高的NDVI值，森林覆盖后，可通过人机交互适当降低NDSI阈值，正确地将这些雪识别出来。

1.3 林区灾情初步评估

普通降雪不会对森林生态系统造成严重影响。然而，长时间高强度的降雪对森林生态系统造成的威胁往往是致命的^[15]。在雪灾严重地区，大量林木倒伏、弯曲甚至折断，形成林窗，影响整个森林生态系统平衡。

植被长势的变化在一定程度上反应了林区受灾情况，考虑到受灾林区植被干枯、变黄所引起的绿度变化存在一定的滞后性，林区灾情评估选择灾前2008年1月3日和灾后2008年3月27日MODIS晴空资料，通过预处理后进行NDVI差值计算。利用土地利用类型图生成全省的林区分布图，掩模得到林区ΔNDVI图，根据灾情实地调查情况，确定灾情评估等级划分指标为0.05＜ΔNDVI≤0.15，为轻度受灾林区；0.15＜ΔNDVI≤0.25，为中度受灾林区；ΔNDVI＞0.25，为重度受灾林区，并按市、县单元进行统计分析，综合评价。

2 结果分析 2.1 积雪时空分布特征

2月4日为降雪过程后第一个晴空日，分析结果显示(图 1a)，浙江省近55%的区域积雪覆盖，除浙江南部及东南沿海部分地区基本无积雪覆盖外，全省其余各地积雪面积达5.55×10⁴ km²，其中嘉兴、绍兴、湖州的积雪覆盖比例较大，分别达99.4%、94.7%和92.3%；丽水、舟山、台州、温州积雪覆盖相对较少，低于30%，其中积雪覆盖面积最多的是杭州，为14360.8 km²，积雪覆盖面积最少的是舟山，面积仅为10 km²。海拔300 m以下积雪约为30474.7 km²，占积雪总面积的55%，主要分布于杭州、绍兴、衢州、金华及湖州；海拔900 m以上的积雪面积约为2815.9 km²，集中分布于丽水地区。

2月6日起，浙江省以多云天气为主，气温开始回升，积雪逐渐融化，遥感监测全省积雪面积约1.07×10⁴ km²(图 1b)，较4日有大幅减少，消融的积雪主要集中在海拔300 m以下，减少了约2.5×10⁴ km²。至2月15日积雪覆盖面积已不足1000 km²，主要分布于杭州、湖州、宁波、绍兴等地，88%的积雪分布于500 m以上山区。2月20日积雪面积为117 km²，700 m以下区域的积雪已基本消融。至2月27日气温进一步回升，除部分山区还有少量积雪外，大部分地区积雪已经融化。2月29日(图 1c)，遥感监测全省基本无积雪，积雪全部融化。

2.2 积雪消融特征分析

积雪消融过程大致呈负指数减少趋势，相关系数高达0.95(图 2)。从不同地区的积雪消融来看(表 1)，至2月14日温州、嘉兴、舟山地区积雪基本消融；至2月17日衢州、丽水地区基本无积雪覆盖；至2月20日，积雪集中分布于杭州地区，另外绍兴、湖州也有零星分布。

从不同高程带上的积雪消融来看，起初各海拔高度带上均有积雪覆盖，积雪覆盖率呈中间多两头少的特征，即海拔300~900 m的中等海拔高度上积雪覆盖达70%以上，而在300 m以下及900 m以上，积雪覆盖率为50%左右；随着积雪的慢慢消融，各高程带间的积雪面积差逐渐减小，消融速度亦较之前明显减缓，表现出先保持一个较稳定的下降趋势后再继续消融，至2月16日，积雪覆盖比例与海拔高度呈正向一致性，即海拔越高，覆盖比例越大，海拔越低，覆盖比例越小，至2月17日，海拔500 m以下积雪已基本消融，900 m以上积雪覆盖比例为2%，2月20日，700 m以下积雪基本消融，2月28日，900 m以下基本无积雪覆盖，至2月29日，全省基本无积雪。

2.3 冰雪灾害对林区影响评价

2008年1月3日(灾前)与3月27日(灾后)的NDVI对比分析显示，林区受灾最严重的地区位于临安、开化、安吉等山区，按林区受灾总面积排序前五位分别是：淳安、临安、龙泉、开化、遂昌(如图 3b，按林区受灾总面积从大到小排序，取前10名)；按照重度受灾面积排序前十位分别是：临安、开化、安吉、淳安、桐庐、富阳、诸暨、绍兴、杭州、建德。此结论与实地调查结果基本一致。监测结果表明，林区受灾的严重程度主要与受灾时间及林区海拔高度有关，受灾面积最大的林区，受灾不一定最严重，如淳安，积雪最大覆盖面积约0.28×10⁴ km²，但受灾不是最严重的；而持续时间较长的林区，受灾则相对较严重，典型的比如临安，其积雪覆盖持续时间最长，林区受灾最严重。

3 结语

(1) 以MODIS数据为信息源，通过分析云和积雪区分的关键技术，建立积雪指数模型提取积雪专题信息，在浙江地形复杂地区是可行的。

(2) 综合利用遥感和地理信息系统技术对积雪发生、发展及消融特征进行深入研究，利用DEM分地区分析各海拔高度带的积雪覆盖情况，探讨其消融变化特征，结果表明，积雪消融大致呈负指数减少趋势。

(3) 利用ΔNDVI方法对林区灾情进行初步评估，林区受灾的严重程度主要与积雪覆盖时间及林区海拔高度有关。

综合利用遥感和地理信息系统技术在南方开展雪情分析、动态监测、灾后评估有着广阔的应用前景。对此类极端天气气候事件做出准确、客观的监测，及时向有关部门提供决策依据，为合理安排交通安全、农业生产、电力抢修等提供重要依据。