积雪辐射模型验证

雪水当量是气候模型与大尺度水文模型中的一个重要参数。积雪容量对全球气候变化研究、大尺度径流估算与水资源管理等方面都有很重要的意义。因此研究积雪辐射模型模拟特征及模型验证显得极为重要。本文选用的积雪辐射模型是采用考虑多次散射的双矩阵法（Matrix Doubling Formulation）作为求解辐射传输方程的方法，利用致密介质理论来考虑积雪的近场效应，辐射传输方程的边界条件和下垫面辐射计算则采用高级积分方程模型（AIEM）。文中首先分析了辐射模型对下垫面参数特性和积雪颗粒特性的敏感性，结果表明下垫面特性和积雪颗粒大小对当前人们采用的温度梯度雪水当量反演算法有着很大影响。另外，本文利用瑞士Weissfluhjoch试验区的地面实验数据，对该积雪辐射模型在宽波段高频率和大角度的辐射信号模拟能力做了验证，验证结果表明该模型模拟值与地面实测数据吻合很好，说明积雪辐射模型能很好模拟自然地表的积雪辐射信号。     

改进AMSR-E雪水当量算法研究

为了发展雪水当量物理反演算法,本文对不同散射阶模型——零阶、一阶、多次散射模型进行敏感性试验与分析,结果表明我们必须在前向理论模型和反演模型中考虑多次散射作用。本文采用的多次散射积雪辐射理论模型——双矩阵法（Matrix Doubling）求解辐射传输方程,用致密介质理论模型（DMRT）模拟积雪发射和消光特性,用AIEM模型模拟地表辐射及作为辐射传输方程的边界条件。由于该多次散射积雪辐射理论模型的复杂性,拟发展出简单且高精度的积雪辐射参数化模型,以发展雪水当量物理反演算法。因此,在包括多次散射的积雪理论模型基础上,本文通过建立针对AMSR-E传感器参数设置的积雪辐射模拟数据库,该数据库包含了各种可能的自然积雪和地表特性参数。从而在模拟数据库基础上,本文发展了针对AMSR-E的积雪参数化模型。     

利用GPS-IR技术快速估计雪水当量

雪水当量的监测对于气候变化的预测、水资源管理、农业生产规划具有重要意义。GPS干涉反射(GPS interferometric reflectometry, GPS-IR)技术是一种十分有效的地表积雪监测技术,基于GPS-IR技术提出了一种雪水当量的快速估计方法。首先基于GPS-IR技术获取美国板块边界观测(plate boundary observatory,PBO)GPS站的雪深时间序列;然后利用美国积雪遥测(SNowTELemetry, SNOTEL)站观测数据构建雪水当量转换模型;最后以北美历史与预测气候数据项目(historical and projected climate data for North America,ClimateNA)的气候预测数据作为参数约束,将GPS日雪深快速转化为雪水当量,并对雪水当量估计与验证过程的影响因素进行评价。实验结果表明,基于GPS-IR技术得到的雪深序列具有良好可靠性,与观测值的相关系数(R2)达到0.98,均方根误差(root mean square error, RMSE)为11.1 cm,偏差(Bias)为-3.7 cm;快速转化模型对雪水当量估计具有较高精度(R~2=0.98,RMSE=4.2 cm,Bias=-2.5 cm)与稳定性;转化模型时空稳定性较高,残差集中在5 cm内;气候预测数据的引入、积雪分布差异对雪水当量估计与验证影响较小。所提方法在积雪监测设备缺乏区域可实现雪水当量快速估计,同时也为现有积雪观测网络增强、积雪产品改善等研究提供参考。     

HJ-1B的积雪参数反演研究

积雪参数如雪盖、雪深是标示气候变化的敏感因子,具有较高时空分辨率的HJ-1B卫星是专门用于灾害监测与评估业务的国产卫星之一,开展以HJ-1B为主的积雪参数反演对于我国国产卫星的理论研究与深入应用具有重要意义。本文针对积雪参数反演,根据HJ卫星CCD和IRS传感器的数据特征,深入分析积雪等典型地物的光谱特性,而后针对同时具有HJ-1B/CCD、IRS数据和只有CCD或者IRS传感器数据3种情况展开积雪信息提取方法研究;在进行浅雪区雪深反演时,利用两种不同的统计回归模型进行交叉验证、研究对比。研究结果表明,3种情况下提取出的积雪精度都达到了80%以上,以第1种情况提取精度最高,两种统计模型反演出的浅雪区雪深的一致度达到83%左右,说明HJ星数据能较好地反演雪盖及浅雪区的雪深,能满足实际应用的需要。     

AIEM模型在积雪散射模拟中的应用

 介绍一种基于一阶辐射传输的积雪散射模型。该模型考虑了积雪覆盖地表微波散射的3种回波分量： 雪层表面散射、下垫面散射以及雪层体散射。对于其中2个面散射分量，文章中应用一种新的面散射模型——AIEM取代原有的IEM模型进行处理。最后，使用Michigan大学的实测数据对改进后模型的模拟结果进行验证，并与改进前的模拟结果进行了对比。     

基于空间分布式汇流时间方法的流域洪水模拟模型及应用研究

基于空间分布式汇流时间方法的流域洪水模拟模型采用SCS模型,进行空间分布净雨强度计算。格网单元的流向用流域的DEM来确定,出口的直接径流就是在各个汇流时间段内到达出口的所有格网单元的体积流之和。模型结构简单、参数物理意义明确。基于对该模型的原理和运行流程的描述,以浙江皎口水库流域为例,对该流域的1979~2001年中的6场洪水的径流过程进行模拟。结果显示,皎口水库流域小时径流模拟值与实测值曲线拟合度较好,水量拟合指数平均值为1.04,平均模型效率系数为0.68。     

干雪深度反演的同极化相位差模型

积雪深度是积雪的重要结构参数,获取高精度雪深空间分布信息对于流域尺度水资源管理、气候变化研究和灾害预报等具有重要意义.本文以新疆阿尔泰山南坡克兰河上游为研究区,利用C波段全极化GF-3数据及地面同步观测数据,根据VV与HH极化信号在积雪中折射率不同导致相位差异的原理,使用Maxwell-Garnett方程构建同极化相位差(co-pol arized phase difference,CPD)的正演模型,并基于CPD与雪深关系构建了雪深反演模型.通过对具有不同积雪条件的浅雪区与深雪区分别进行雪深反演,获得雪深空间分布信息.同时对反演不确定性进行了分析,并与已有方法进行比较,研究结果表明:①假定研究区积雪各向异性介电常数恒定的理想情况下,CPD仅是雪深的函数,可用半经验的线性模型反演雪深,反演精度的高低与计算CPD过程中使用的滤波器的窗口大小有关,浅雪区的最优滤波窗口为59×59像元,反演精度R为0.83,RMSE为2.72 cm,深雪区的最优滤波窗口为33×33像元,反演精度R为0.54,RMSE为11.69 cm;②雪深反演误差与坡度显著相关,随着坡度的增加,雪深的反演误差呈现出显著增加的趋势,雪深反演不确定性受雪层变质程度、含水量及卫星入射角观测几何条件影响,反演方法对于干燥、雪层变质结晶程度低、均质的积雪及具有大入射角的SAR卫星有更好的适用性;③对比已有基于CPD模型的雪深反演方法,本文方法已经将反演所需要的参数减少为遥感获取的CPD数据,以及进行模型拟合的实测雪深数据,反演精度更高.研究表明CPD模型反演山区雪深空间分布是有效和可行的,研究成果为山区雪深遥感反演提供了新思路.     

基于MEMLS模型的积雪深度反演方法

利用被动微波遥感反演积雪深度一直是积雪遥感领域中的研究热点。在现有的积雪深度反演算法中,NASA算法因其简洁、易于扩展的特点,成为应用最为广泛的算法。但NASA算法存在着一定不足:首先,由于NASA算法基于线性拟合得出,在应用到其他研究区域时需要对反演公式进行重新拟合,适用范围受到一定限制;其次,由于算法中引入的19GHz与37GHz的亮温差在雪深达到一定范围时会达到饱和,因此算法会低估积雪深度。本文针对现有反演算法的不足之处,结合蚁群智能算法的特点,发展了基于蚁群算法的积雪深度反演算法;此外,针对NASA算法中存在的雪深低估问题,引入了AMSR-E10.7GHz亮温数据,对算法进行了改进。利用MEMLS模型的模拟数据与AMSR-E辐射亮温数据对算法进行实验,并采用实测数据与AMSR-E雪水当量产品对算法的反演精度进行评价。结果表明,两种积雪深度反演算法均是可行的,反演精度与现有产品相比有较为明显的改进。     

线阵CCD指向角解算方法的模拟实验研究

本文根据卫星线阵CCD指向角的特点提出简化解算模型,用单位四元数来描述旋转角,以几乎无偏估计作为平差方法。通过一系列模拟实验证实在外方位元素初值比较准确的前提下可以以较高精度求得设计的参数。模拟了不同的姿态稳定度、控制点精度、控制点密度、岭参数及航线长度对解算结果的影响。     

被动微波遥感积雪参数反演方法进展

雪深(snow depth,SD)和雪水当量(snow water equivalent,SWE)是气候水文研究中的重要参数,在雪灾监测中尤为重要。首先,简要介绍了被动微波遥感SD和SWE反演算法的物理基础——积雪微波辐射传输模型,分析了不同微波频段、不同特点的积雪微波辐射和散射特性。然后,根据前人的研究从数学角度将反演算法分为线性亮温梯度法和基于先验知识法,总结了2类算法的优势和局限性:线性亮温梯度法相对简单、速度快,一般只适用于特定的研究区;先验知识法需要获取研究区的样本数据,并反复训练才能达到较好的精度,但对样本的独立性及其均值差异显著性的要求较高。最后,重点介绍了我国风云三号微波成像仪(FY-3 MWRI)的全球SD和SWE反演算法和针对中国区域的改进算法,并对未来的研究热点进行了展望。     

Microwave response of seasonal snow-cover measured by using a ground-based radiometer at 6.93 and 18.7 ghz frequencies and at dual polarization

Snow cover is an important variable for climatic and hydrologic models due to its effects on surface albedo, energy, and moisture budgets. Passive microwave sensors can be used to monitor temporal and spatial variations in large-scale snow cover parameters, avoiding problems of cloud cover and polar nights. In the present study, brightness temperature values were estimated (using calibration curves) for moist snow on natural and blackbody/metal surface. T_B response on snow depth, density, SWE and angular variation from nadir were measured and found that T_B decreases with increase of snow depth and with increase of angle from nadir. Empirical relations were used to estimate emissivity, dielectric constant and dielectric loss factor. It was observed that emissivity decreases with the increase of dielectric constant. The dielectric constant and dielectric loss factor both increases with the increase of density. Experiments were performed during winter of year 2005 at Dhundi and Solang (H.P.), India, using ground based passive microwave radiometer having 6.9 and 18.7 GHz antenna frequencies at dual polarization.     

GPS snow sensing: results from the EarthScope Plate Boundary Observatory

Accurate measurements of snowpack are needed both by scientists to model climate and by water supply managers to predict/mitigate drought and flood conditions. Existing in situ snow sensors/networks lack the necessary spatial and temporal sensitivity. Satellite measurements currently assess snow cover rather than snow depth. Existing GPS networks are a potential source of new snow data for climate scientists and water managers which complements existing snow sensors. Geodetic-quality GPS networks often provide signal-to-noise ratio data that are sensitive to snow depth at scales of ~1,000 m², a much larger area than for other in situ sensors. However, snow depth can only be estimated at GPS sites when the modulation frequency of multipath signals can be resolved. We use data from the EarthScope Plate Boundary Observatory to examine the potential for snow sensing in GPS networks. Examples are shown for successful and unsuccessful snow retrieval sites. In particular, GPS sites in forested regions typically cannot be used for snow sensing. Multiple-year time series of snow depth are estimated from GPS sites in the Rocky Mountains. Peak snow depths ranged from 0.4 to 1.2 m. Comparisons with independent sensors show strong correlations between the GPS snow depth estimates and the timing of snowstorms in the region.     

基于被动微波遥感的青藏高原雪深反演及其结果评价

采用修正的张氏雪深反演算法，用ＳＳＭ／Ｉ３７ＧＨz和19GHz水平极化亮温值计算了青藏高原及其毗邻地区的积雪深度，对其精度进行了评价，并对误差来源进行了分析，结果显示，此算法能够较好地反映研究区的雪深分布，但局部地区误差较大，总体上雪深被高估，其误差主要来源于冻土，深霜层，植被以及雪层中液态水含量，雪粒的形状和粒径的变化带来的影响，SSM／I数据较低的分辨率和研究区复杂的地形使反演的雪深与观测的雪深缺少可比性，给精度的评价带来影响。     

反导自记忆模型的隧道沉降分析

针对传统的变形预测模型不能对隧道高度非线性监测数据的沉降趋势和波动特征进行准确的预测问题,该文提出了反导自记忆模型。该模型运用了自记忆原理,克服了传统的变形预测模型对初值比较敏感、预测精度低等局限性,提高了对波动性数据的预测能力,之后通过工程实例验证了反导自记忆模型的可行性。最后与灰色自记忆模型进行对比,得出反导自记忆模型能够对非线性和波动性监测数据做出更加准确的预测,提高了预测的精度。     

Simulation of the Ku-band Radar altimeter sea ice effective scattering surface

A radiative transfer model is used to simulate the sea ice radar altimeter effective scattering surface variability as a function of snow depth and density. Under dry snow conditions without layering these are the primary snow parameters affecting the scattering surface variability. The model is initialized with in situ data collected during the May 2004 GreenIce ice camp in the Lincoln Sea (73/spl deg/W; 85/spl deg/N). Our results show that the snow cover is important for the effective scattering surface depth in sea ice and thus for the range measurement, ice freeboard, and ice thickness estimation.     

Delta-K interferometric SAR technique for snow water equivalent (SWE) retrieval

This letter describes the concept of using delta-K technique on interferometric synthetic aperture radar (InSAR) data for deriving the snow water equivalent (SWE) of dry snow-covered ground by utilizing the presence of scatterers in both datasets. The main scattering contribution from a dry snow cover is from the snow-ground interface. Thus, the interferometric phase of two SAR images, one with no snow and one with dry snow cover, contains information on the SWE. By performing a delta-K processing of the two SAR scenes followed by averaging, an estimation of the SWE can be achieved. The first step in the delta-K InSAR processing is to split the band into two nonoverlapping subfrequency band images. The resulting two subband images then contain two new carrier frequencies with a small delta frequency or delta-K separation. The next step is to multiply the two subband images together to obtain the delta-K image, one for summer and one for winter. Finally, the delta-K interferometric SAR image is generated by multiplying the two delta-K images from summer and winter together. In this letter, experimental results using European Remote sensing Satellite 1 (ERS-1) data from a summer and winter situation show that the delta-K phase can be estimated to a few degrees accuracy for an area of 10/spl times/10 km/sup 2/ corresponding to an SWE accuracy of approximately 100 mm.     

北极一年海冰表面积雪深度遥感反演与时序分析

北极海冰表面的积雪深度是重要的地球物理变量, 是研究物质与能量平衡、计算海冰厚度的重要参数。为减小不同被动微波传感器观测数据的系统误差, 对国防气象卫星计划(Defense Meteorological Satellite Program, DMSP)F17-SSMIS与F13-SSM/I重叠期亮度温度数据进行交叉定标, 建立4个频段48个月尺度定标模型, 并与传统年尺度定标模型进行比较和优选, 在此基础上估算并分析2003-2014年北极一年海冰表面积雪深度变化。结果表明:19H、19V、22V、37V频段1~5月的月尺度模型决定系数高于传统年尺度拟合模型; 2003-2014年, 北极一年海冰表面积雪深度总体呈现下降趋势, 同时积雪深度存在明显的周期性变化, 每年7月积雪深度最小, 9月最大; 东西伯利亚海、拉普捷夫海和巴伦支海海冰表面积雪深度呈现减少的趋势。     

灰色自记忆模型的高层建筑物沉降分析

针对GM(1,1)模型对非线性数据的沉降趋势及其波动特征无法进行准确地预测,而灰色残差模型和灰色马尔科夫模型又无法解决这个问题,提出了灰色自记忆预测模型。该模型利用了自记忆原理考虑过去和现在对未来的影响的记忆性特点,克服了GM(1,1)模型对初值比较敏感、预测精度低等局限性,提高了对波动性数据的预测能力。通过实例验证表明了灰色自记忆模型的可靠性和可行性。