《Advances in Climate Change Research》：Deep-learning projections of snow-season dynamics in arid and semi-arid Northwest China during 2025–2045
编辑推荐：
现有的滑雪气候风险研究源自湿润或半湿润山地，其结论对干旱和半干旱地区的滑雪场适用性有限。这类研究通常采用温度、积雪持续天数或适宜性指数等指标，很少解决自然雪深、人工造雪窗口以及区域间或雪场间差异的问题。在水分受限的地形条件下，温度、水分和地形如何共同调控雪
现有的滑雪气候风险研究源自湿润或半湿润山地，其结论对干旱和半干旱地区的滑雪场适用性有限。这类研究通常采用温度、积雪持续天数或适宜性指数等指标，很少解决自然雪深、人工造雪窗口以及区域间或雪场间差异的问题。在水分受限的地形条件下，温度、水分和地形如何共同调控雪资源风险仍未得到充分量化。研究人员开发了SnowFormer——一种融合时间编码、地形条件参数化以及雨雪分离与融化约束的物理约束混合Transformer模型，用于在CMIP6情景下预测2025–2045年中国西北地区及216个滑雪场的雪深、潜在人工造雪天数和滑雪季节状况。通过SHAP方法诊断了气象控制因子。相对于历史基线，雪深和潜在人工造雪天数分别下降26%–29.6%和15.5%–18.6%。滑雪季节的时间变化呈现异质性：中位数开始日期提前4.0–7.0天，大多数情景下结束日期推迟2–3天。部分天山滑雪场的滑雪季节延长，而阿尔泰和内陆边缘滑雪场则缩短3.5–9.4天。天山地区的延长与高海拔水分补偿有关，即大气水分和地形效应部分抵消了变暖引起的融化，这与高山积雪对增温增湿的响应一致。气温和比湿的贡献率分别为24.4%和20.9%，表明水分效应需要低温条件才能发挥作用。气候韧性滑雪旅游规划需要综合评估雪深、人工造雪窗口和滑雪季节时间变化。
# 中国西北干旱半干旱区滑雪季节动态的多尺度预测：SnowFormer模型的构建与应用
## 1. 研究背景与科学问题
全球变暖持续改变着山地冰冻圈系统，许多地区出现积雪覆盖天数缩短、雪深减少和融雪提前等现象，导致持续性积雪覆盖呈空间不均匀的退缩趋势。冰川和永久积雪的减少还会以空间不对称的方式对区域气候产生反馈，说明冰冻圈变化不仅仅是对全球变暖的被动响应。与湿润山地相比，干旱和半干旱山地积雪对气候变化的响应更为复杂，因为季节性积雪既是冬季滑雪旅游的关键资源，也是区域径流的重要水源。
现有滑雪气候风险研究主要集中于欧洲阿尔卑斯山和北美西部，多采用温度、积雪覆盖天数或综合适宜性指数等指标进行评估。虽然人工造雪可以部分缓解自然积雪不足，但其效果受湿球温度、水资源可用性、能源消耗和运营成本的制约，大规模造雪还可能加剧区域水和能源供需压力。然而，现有宏观尺度的滑雪适宜性评价大多依赖综合指标体系进行风险分区，难以模拟气候强迫下逐日的积雪积累和消融过程，无法定量揭示积雪演变与人工造雪窗口之间的动态关联。
积雪对气候变化的响应不能仅用温度解释，而是受温度、雨雪相态转换阈值和地形条件的共同调控。未来高亚洲地区的增暖将提高冬季和春季降雪比例的气候敏感性。虽然增暖总体上加剧积雪损失，但在低温条件下增加的水分可能提供补偿效应。一旦温度超过雨雪转换阈值，额外降水将主要以降雨形式降落，进一步加速积雪消融。因此，干旱半干旱山地滑雪场的气候风险并非简单的增温致雪减少过程，而是由增温消融、水分补偿和相态阈值共同驱动的非线性响应。
当前滑雪场研究中的一个突出问题在于：雪深、造雪窗口和滑雪季节物候是否对增暖呈同步响应。传统基于指标的评价往往隐含假设增暖将同步缩短雪量、造雪天数和滑雪持续时间。但干旱半干旱高山的有利地形水分汇聚和雨雪相态转变可能削弱这种同步关系。尽管区域平均雪深总体下降，某些高海拔雪场的潜在滑雪窗口仍可能局部延长。然而，更长的名义滑雪季并不保证更连续的积雪或更稳定的运营。这种指标间的解耦是现有综合指数无法检测的关键问题。
中国西北的天山、阿尔泰山和祁连山具有复杂的地形-气候梯度。增温增湿转型、大陆性气候和融雪水约束的叠加，为检验干旱山区积雪的非线性响应机制提供了典型区域，也为全球中纬度干旱山地气候风险评估提供了参考。本研究利用历史气象强迫数据、格点化雪深反演产品和CMIP6情景数据，构建基于Transformer架构的物理约束SnowFormer框架，预测中国西北地区雪深、潜在造雪条件和滑雪季节物候的雪场尺度变化，识别积雪演变的关键气象驱动因子，分析增温消融、水分补偿和雨雪相态阈值联合作用下的区域差异，揭示干旱山区滑雪季节长度与积雪可靠性之间的潜在异步变化。
## 2. 研究区域与数据方法
研究区域涵盖中国西北五个省级行政区，即新疆、青海、甘肃、宁夏和陕西，位于欧亚大陆腹地，以干旱半干旱气候为主，包含天山、阿尔泰山和祁连山等主要山系。截至2024年12月，研究区内识别出216个室外滑雪场，其中新疆92个、甘肃47个、陕西44个、宁夏24个、青海9个，约94%的雪场位于海拔500米以上，74.2%位于1000米以上。
历史气象强迫数据（2000–2024年）来自中国气象强迫数据集2.0版（CMFD v2.0），空间分辨率为0.1°。雪深标签数据来自中国长时间序列雪深数据集（1979–2024年），该数据集基于多源被动微波亮温观测采用Che算法反演获得。未来气象强迫数据（2025–2045年）来自NASA地球交换NEX-GDDP-CMIP6 v2.0数据集，选择BCC-CSM2-MR模式在四种共享社会经济路径情景（SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5）下的逐日输出，并采用基于海拔的分变量地形感知降尺度处理。历史数据中2000–2020年用于模型训练，2021–2024年作为独立时间验证集。
## 3. 主要技术方法
研究人员开发了SnowFormer模型，其核心创新包括三个技术环节。第一，数据驱动的雪过程软参数化：通过可学习的物理层将每个格点的地理描述符（海拔、经纬度）转换为局地约束的相变和融化参数，采用动态度日因子代替固定融化系数，使地形条件进入相态和消融计算。第二，时间编码与混合专家（Mixture-of-Experts, MoE）雪深输出：利用30天物理增强输入的历史序列，经批量归一化、通道重加权、多尺度时间卷积和地理位置嵌入条件化后，输入四层Transformer编码器提取时间依赖关系，通过雪存在分类器和条件雪深回归分支输出预测，并采用双专家MoE模块分别表征低雪深和高雪深条件。第三，推理时物理一致性校正：应用温度度日校正更新可用雪水状态，融化量受可用雪水限制，确保更新不会产生负雪水，抑制未来增暖条件下不切实际的积雪持续。
## 4. 主要研究结果
### 4.1 未来雪深演变
雪深预测模型表现出满意的性能。历史和未来数据均呈现西北高、东南低的空间分布格局。历史时期广泛分布于阿尔泰、天山和昆仑山高海拔地区的深雪中心在未来情景下呈现明显的雪盖核心收缩。基于有效积雪格网单元（平均雪深大于1 cm），历史基准期平均雪深为4.32 cm，未来情景下降至3.04–3.20 cm，相对减少26.0%–29.6%。自助法不确定性传播显示，四种情景下雪深变化相对于历史时期均为负值，95%置信区间均不跨越零。SSP5-8.5情景下的未来平均雪深比SSP1-2.6低约0.16 cm，表明最高排放情景下积雪变薄幅度显著加剧。
### 4.2 未来潜在造雪天数
采用湿球温度低于?2 °C定义潜在造雪天数。在所有SSP排放情景下，中国西北地区的平均潜在造雪天数从历史基线的157.9天大幅下降至约130天，相对减少15.5%–18.6%。高排放情景普遍增加造雪天数的损失并扩大脆弱造雪条件的空间范围。高风险造雪区域从SSP1-2.6下的约420,443 km2扩展到SSP5-8.5下的562,050 km2。阿尔泰和天山核心区域的造雪窗口显著退缩，最优条件向更高纬度和海拔迁移。失去近一个月的潜在造雪窗口加上自然雪深变薄，严重压缩了滑雪季开始阶段的关键准备期。
### 4.3 滑雪季节时间变化
采用复合气象指数定义滑雪季节的开始和结束：区域雪深超过1 cm且湿球温度低于?2 °C连续三天触发季节开始；雪深低于1 cm且湿球温度高于?2 °C连续三天标志季节结束。多情景下季节开始和结束日期的概率密度曲线呈现显著的双峰结构。与历史基线相比，所有未来情景的平均物候分布总体表现为开始日期提前（中位数变化?4.0至?7.0天）和结束日期推迟（中位数变化2.0至3.0天）。时间变化的四分位距为17至23天，表明均值趋势掩盖了严重的空间异质性。51.9%至59.9%的滑雪场实现季节净延长，而其他雪场面临双向挤压，季节缩短比例在极端排放情景下达到约47.0%。
### 4.4 滑雪季节长度的空间变化
季节延长现象高度集中在新彊天山地区，该区域超过85%的滑雪场在所有路径下观察到季节延长，平均延长幅度从SSP1-2.6下的26.4天衰减至SSP5-8.5下的21.4天。天山作为主要地形屏障，在春季和秋季可获得增强的大气水分，在高海拔低温条件下部分额外水分可能转化为固态降水，部分抵消增温引起的消融。阿尔泰地区和内陆盆地边缘区域经历持续的季压缩，阿尔泰地区的平均缩减幅度随辐射强迫增加从3.5天扩大至5.2天，其他内陆边缘雪场的平均缩减从1.6天激增至9.4天。高海拔和高纬度地区遭受最大的季节长度绝对减少，而低海拔和低纬度地区面临最严重的相对风险。
### 4.5 雪深影响因子贡献
通过对200多个区域滑雪场进行SHAP分析，近地面气温和比湿是雪深动态的核心驱动因子，全球平均相对贡献率分别为24.4%和20.9%。温度对雪深呈非线性负向调控，临界阈值为?1.5 °C，超过此阈值融雪迅速加速。比湿在0.001–0.004 kg/kg范围内产生正向贡献，在寒冷高山地区即使大气水分轻微增加也有利于积雪积累和保持。向下短波辐射（125.3 W/m2）、地面风速（1.710 m/s）、向下长波辐射（220.7 W/m2）、地面气压（893.1 hPa）和降水（1.2 mm/d）均呈现明显阈值效应。温度与降水的交互分析表明，零下条件下降水直接补充雪深，但一旦温度突破融雪阈值，液态降水会加速积雪消融。
为探究天山地区局部季节延长趋势，研究人员引入Δhuss/Δtas比率来量化每升温1 °C可用于补偿融雪的额外大气水分。结果表明，在低和中等排放路径下，天山地区表现出更强的水分补偿能力，大气水分增加与地形效应结合可部分抵消增温引起的融雪，支持局部季节延长。相比之下，阿尔泰和祁连山在各情景下的水分补偿能力较弱，不足以抵消增温消融，其积雪对增温更加敏感，导致季节持续缩短。天山地区在未来增温增湿条件下保持相对较强的水热补偿优势，而阿尔泰和祁连山面临更高的季节收缩风险。
## 5. 讨论与结论
本研究不仅揭示了气候变暖可能减少滑雪场雪资源，更重要的是揭示了干旱半干旱山区雪深、潜在造雪窗口和滑雪季节物候之间的异步变化。在水分受限且地形异质性强的山区，区域平均雪深的下降并不必然意味着所有滑雪场滑雪季节的同步缩短。自然雪资源可能下降、造雪窗口可能收缩、局部地区滑雪季节可能延长的现象同时出现，表明单一雪深指标或区域平均趋势不足以刻画干旱山区滑雪场面临的实际雪情风险。
这种异步响应反映了干旱山区雪过程的水热耦合。温度升高增强融雪并改变降水相态，而增加的水分可能通过额外固态降水部分抵消高海拔地区的雪损失。SHAP分析表明气温和比湿是雪深预测的关键变量。增湿-增温响应比率进一步表明天山在低至中等排放情景下具有相对较强的水分增益，但这一优势随排放强度增加而减弱。因此，水分补偿并非普遍机制，它依赖于低温环境、地形水分截留和雨雪相态阈值的综合条件。
这一机制有助于解释不同山系间的差异。天山部分高海拔雪场受益于有利的低温持续性、水分截留和地形辅助积雪保持，可能支持局部季节延长。阿尔泰地区虽然可能经历较大的未来雪深和季节持续时间绝对损失，但其基线自然雪资源相对丰富，稳定雪季较长，仍可能对核心滑雪季节提供较强支撑。相比之下，内陆边缘的低海拔和短季节雪场已接近雨雪转换、有效造雪和持续运营的阈值，即使较小的气候变化也可能造成显著的雪情风险。因此，雪深或雪季变化不应直接等同于滑雪场风险，必须综合考虑基线雪资源条件、预计变化和与关键阈值的距离。
从管理角度看，中国西北滑雪产业应避免统一的适应路径。天山高海拔地区应优先保护自然成雪和积雪保持环境，新建或扩建项目应评估其水热优势在高排放情景下是否保持稳定。阿尔泰地区的适应应侧重于维持天然粉雪质量和核心季节可靠性，人工造雪更适合作为底层制备、连接雪道和风蚀段补充的辅助措施。内陆边缘低海拔雪场应更谨慎地评估新缆车、雪道和造雪设施的长周期气候风险，将运营集中在稳定的低温时段，提高有限有利造雪窗口的利用效率。人工造雪的可行性应结合湿球温度窗口、当地水资源和能源成本综合评估，不应视为所有雪场的通用适应策略。
本研究的启示不仅限于中国西北地区。中亚、干旱安第斯山脉、北美内陆和西亚部分山地区域同样具有水分受限、观测稀疏和地形异质性强的特征，其雪情风险也可能受温度、水分和雨雪相态变化的共同调控。可转移的是分析框架而非中国西北的具体预测数值。本研究存在若干不确定性来源：未来气候强迫来自单一全球气候模式，结果具有较强的模式依赖性；未来预测可能涉及训练数据中未出现的气候条件，存在外推不确定性；雪深标签来自原生分辨率0.25°的被动微波产品，有效空间信息含量低于标称的0.1°输出网格；强迫数据和雪深标签均无法充分解析单个雪场内的局地过程，如坡向效应、冷空气汇聚和风驱雪再分布。基于雪深和湿球温度阈值识别的雪季和造雪窗口代表潜在气候窗口，不一定对应滑雪场的实际运营日期。未来结合多模式气候强迫与雪场尺度实地观测的研究将进一步提高局地风险评估的可靠性。
