积雪作为重要的地表覆盖类型，其变化对当地的水文环境、物候变化均有重要的反馈和调节作用。基于1961—2020年黑龙江省62个气象观测站逐日积雪深度观测资料，利用Mann-Kendall检验、经验正交函数（EOF）、相关分析等方法分析了黑龙江省最大积雪深度时空变化特征及其与大气环流、气温和降雪量要素的关系。结果表明：1961—2020年黑龙江省年、冬季、春季和秋季平均最大积雪深度分别为16 cm、14 cm、10 cm和8 cm；其中年、冬季和春季最大积雪深度呈显著增加趋势，增加速率分别为1.40 cm·（10a）-1（P<0.01）、1.51 cm·（10a）-1（P<0.01）、0.76 cm·（10a）-1（P<0.05），秋季呈不显著增加趋势。1961—2020年黑龙江省年及各季节最大积雪深度均在20世纪末至21世纪初发生突变，突变后最大积雪深度均表现出年际变幅增大。黑龙江省最大积雪深度呈现出山地（大小兴安岭地区、完达山）大于平原（松嫩平原、三江平原）的空间分布特征，而变化速率为平原大于山地，其中...
积雪作为重要的地表覆盖类型，其变化对当地的水文环境、物候变化均有重要的反馈和调节作用。基于1961—2020年黑龙江省62个气象观测站逐日积雪深度观测资料，利用Mann-Kendall检验、经验正交函数（EOF）、相关分析等方法分析了黑龙江省最大积雪深度时空变化特征及其与大气环流、气温和降雪量要素的关系。结果表明：1961—2020年黑龙江省年、冬季、春季和秋季平均最大积雪深度分别为16 cm、14 cm、10 cm和8 cm；其中年、冬季和春季最大积雪深度呈显著增加趋势，增加速率分别为1.40 cm·（10a）-1（P<0.01）、1.51 cm·（10a）-1（P<0.01）、0.76 cm·（10a）-1（P<0.05），秋季呈不显著增加趋势。1961—2020年黑龙江省年及各季节最大积雪深度均在20世纪末至21世纪初发生突变，突变后最大积雪深度均表现出年际变幅增大。黑龙江省最大积雪深度呈现出山地（大小兴安岭地区、完达山）大于平原（松嫩平原、三江平原）的空间分布特征，而变化速率为平原大于山地，其中...
积雪作为重要的地表覆盖类型，其变化对当地的水文环境、物候变化均有重要的反馈和调节作用。基于1961—2020年黑龙江省62个气象观测站逐日积雪深度观测资料，利用Mann-Kendall检验、经验正交函数（EOF）、相关分析等方法分析了黑龙江省最大积雪深度时空变化特征及其与大气环流、气温和降雪量要素的关系。结果表明：1961—2020年黑龙江省年、冬季、春季和秋季平均最大积雪深度分别为16 cm、14 cm、10 cm和8 cm；其中年、冬季和春季最大积雪深度呈显著增加趋势，增加速率分别为1.40 cm·（10a）-1（P<0.01）、1.51 cm·（10a）-1（P<0.01）、0.76 cm·（10a）-1（P<0.05），秋季呈不显著增加趋势。1961—2020年黑龙江省年及各季节最大积雪深度均在20世纪末至21世纪初发生突变，突变后最大积雪深度均表现出年际变幅增大。黑龙江省最大积雪深度呈现出山地（大小兴安岭地区、完达山）大于平原（松嫩平原、三江平原）的空间分布特征，而变化速率为平原大于山地，其中...
基于建立的雪灾灾损指数，确定新疆特重雪灾区域；进一步聚焦特重雪灾区的8个县（市），包括阿勒泰市、福海县、青河县、塔城市、托里县、沙湾市、尼勒克县和伊宁县，分别建立县域RBF网络模型，预测2021—2050年年最大积雪深度。结果表明：该模型可用于新疆特重雪灾区最大积雪深度预测，但预测精度仍有待提升；塔城市、尼勒克县将于2025—2029年连续出现最大积雪深度偏高事件，2039年青河县将出现最大积雪深度的极大值，因此应关注可能发生雪灾的年份与县（市），积极做好雪灾的防御工作。
基于建立的雪灾灾损指数，确定新疆特重雪灾区域；进一步聚焦特重雪灾区的8个县（市），包括阿勒泰市、福海县、青河县、塔城市、托里县、沙湾市、尼勒克县和伊宁县，分别建立县域RBF网络模型，预测2021—2050年年最大积雪深度。结果表明：该模型可用于新疆特重雪灾区最大积雪深度预测，但预测精度仍有待提升；塔城市、尼勒克县将于2025—2029年连续出现最大积雪深度偏高事件，2039年青河县将出现最大积雪深度的极大值，因此应关注可能发生雪灾的年份与县（市），积极做好雪灾的防御工作。
基于建立的雪灾灾损指数，确定新疆特重雪灾区域；进一步聚焦特重雪灾区的8个县（市），包括阿勒泰市、福海县、青河县、塔城市、托里县、沙湾市、尼勒克县和伊宁县，分别建立县域RBF网络模型，预测2021—2050年年最大积雪深度。结果表明：该模型可用于新疆特重雪灾区最大积雪深度预测，但预测精度仍有待提升；塔城市、尼勒克县将于2025—2029年连续出现最大积雪深度偏高事件，2039年青河县将出现最大积雪深度的极大值，因此应关注可能发生雪灾的年份与县（市），积极做好雪灾的防御工作。
利用1971—2020年呼伦贝尔市16个国家气象站最长积雪日数和最大积雪深度资料，采用经验正交函数（EOF）分析、重标极差分析（R/S）和非周期循环分析，统计最长积雪日数和最大积雪深度时间序列的Hurst指数、分维数和非周期循环的平均循环长度，分析最长积雪日数和最大积雪深度变化趋势和记忆周期；同时采用MOD10A2积雪产品，研究2001—2018年呼伦贝尔市积雪覆盖率变化。结果表明：（1）近50年呼伦贝尔市最长积雪日数呈递减趋势，最大积雪深度呈递增趋势；（2）积雪深度>20、30cm的年平均积雪日数主要出现在1996—2014年，其中积雪深度>30cm年平均积雪日数>1d;(3)呼伦贝尔市积雪初日出现在10月中旬至11月上旬，积雪终日在4月结束，积雪初日出现最早时间和积雪终日结束最晚时间都在呼伦贝尔市的北部地区；（4）R/S分析和非周期循环研究表明，呼伦贝尔市最长积雪日数和最大积雪深度H指数分别为0.589 9和0.889，即最长积雪日数未来减少和最大积雪深度未来增多趋势持续，持续时间分别为8和12 a;(5)呼伦贝尔市年平均积雪覆盖率为98.87%，呈波动增加趋势，...
利用1971—2020年呼伦贝尔市16个国家气象站最长积雪日数和最大积雪深度资料，采用经验正交函数（EOF）分析、重标极差分析（R/S）和非周期循环分析，统计最长积雪日数和最大积雪深度时间序列的Hurst指数、分维数和非周期循环的平均循环长度，分析最长积雪日数和最大积雪深度变化趋势和记忆周期；同时采用MOD10A2积雪产品，研究2001—2018年呼伦贝尔市积雪覆盖率变化。结果表明：（1）近50年呼伦贝尔市最长积雪日数呈递减趋势，最大积雪深度呈递增趋势；（2）积雪深度>20、30cm的年平均积雪日数主要出现在1996—2014年，其中积雪深度>30cm年平均积雪日数>1d;(3)呼伦贝尔市积雪初日出现在10月中旬至11月上旬，积雪终日在4月结束，积雪初日出现最早时间和积雪终日结束最晚时间都在呼伦贝尔市的北部地区；（4）R/S分析和非周期循环研究表明，呼伦贝尔市最长积雪日数和最大积雪深度H指数分别为0.589 9和0.889，即最长积雪日数未来减少和最大积雪深度未来增多趋势持续，持续时间分别为8和12 a;(5)呼伦贝尔市年平均积雪覆盖率为98.87%，呈波动增加趋势，...
利用1971—2020年呼伦贝尔市16个国家气象站最长积雪日数和最大积雪深度资料，采用经验正交函数（EOF）分析、重标极差分析（R/S）和非周期循环分析，统计最长积雪日数和最大积雪深度时间序列的Hurst指数、分维数和非周期循环的平均循环长度，分析最长积雪日数和最大积雪深度变化趋势和记忆周期；同时采用MOD10A2积雪产品，研究2001—2018年呼伦贝尔市积雪覆盖率变化。结果表明：（1）近50年呼伦贝尔市最长积雪日数呈递减趋势，最大积雪深度呈递增趋势；（2）积雪深度>20、30cm的年平均积雪日数主要出现在1996—2014年，其中积雪深度>30cm年平均积雪日数>1d;(3)呼伦贝尔市积雪初日出现在10月中旬至11月上旬，积雪终日在4月结束，积雪初日出现最早时间和积雪终日结束最晚时间都在呼伦贝尔市的北部地区；（4）R/S分析和非周期循环研究表明，呼伦贝尔市最长积雪日数和最大积雪深度H指数分别为0.589 9和0.889，即最长积雪日数未来减少和最大积雪深度未来增多趋势持续，持续时间分别为8和12 a;(5)呼伦贝尔市年平均积雪覆盖率为98.87%，呈波动增加趋势，...
文章利用兴安盟1971年—2020年逐日积雪深度资料，采用EOF分析、线性趋势法、小波分析等方法分析了近50年最大积雪深度的时空分布特征，结果表明：兴安盟近50年平均最大积雪深度为10.3 cm;根据EOF分析，前3个特征场累计方差贡献占总方差的72%,第一特征向量场表示兴安盟年最大积雪深度是同时高或同时低的空间特征，解释方差为39%;兴安盟平均最大积雪深度线性变化趋势不显著，增加速率为0.16 cm·（10a）-1。单站中线性变化趋势最为显著是阿尔山，增加速率为1.14 cm·（10a）-1;月分布特征十分明显，最早均出现在10月，最晚出现在5月；全盟平均最大积雪深度2 a的周期振荡最强，是最显著周期。