基于积雪数据的HBV模型改进及应用

大渡河流域内站点分布较少,历史观测数据不足,给该地区的融雪径流预报带来困难。基于欧洲中期天气预报中心提供的最新一代高分辨率陆面再分析数据集ERA5-Land,将积雪覆盖率和积雪平均深度引入度日因子雪量计算公式中,对HBV模型的积融雪模块进行改进,以提升融雪径流计算的可靠性。以大渡河上游为研究对象,选取1961—2018年的水文气象资料对模型进行率定和验证,并以2019年为例进行试预报研究。结果表明,通过引入ERA5-Land再分析数据,以及对积融雪模块进行改进,发挥了其在模拟积融雪上的优势,有效提升了融雪径流预报精度,对大渡河流域具有适用性。研究成果可为稀缺资料地区融雪径流模拟预报提供经验。     

中国地区地面观测积雪深度和遥感雪深资料的对比分析

比较了气象台站观测和卫星遥感(SMMR、 SSM/I、 AMSR-E)的积雪深度两种资料在空间分布、 年际变化及其与中国夏季降水之间关系的异同性.结果表明: 两种资料在积雪稳定区的分布比较一致, 积雪深度的大值区位于东北地区、 新疆北部和青藏高原地区; 对于季节性积雪区且积雪深度不大的区域而言, 二者之间存在着较大的差异, 尤其在江淮流域及长江中下游地区, 台站观测的积雪深度大于遥感得到的积雪深度; 平均而言, 两种资料获得的积雪深度在各地区基本一致.在新疆北部和高原南部, 二种资料的年际变化存在着差异, 在新疆北部, 台站观测大于遥感得到的积雪深度, 而在高原东南部遥感大于台站观测积雪.近30 a来, 两种资料获得的积雪深度在新疆北部和青藏高原的年际变化趋势基本一致, 新疆北部为增加趋势, 青藏高原有减少的趋势.值得注意的是, 在东北地区, 近30 a来两种类型资料的年际变化趋势呈相反变化.两种资料在新疆北部的相关最强; 东北、 青藏高原其次; 而高原东南部最差, 在使用时应加注意.青藏高原地区的两种积雪资料与中国夏季降水的相关"信号"基本一致.青藏高原地区积雪与东北西部地区和长江中下游夏季降水之间的相关最为显著.资料间的差异性并不影响高原地区积雪对中国夏季降水"信号"的应用.     

基于ERA5-Land数据集的玛纳斯河径流模拟研究

气象数据是水文过程研究的关键要素,再分析数据的发展为资料缺乏地区的径流模拟提供了新的解决方案。为研究ERA5-Land再分析数据集在径流模拟中的适用性,本文以玛纳斯河流域肯斯瓦特水文站以上流域为研究区,选取多个评价指标对ERA5-Land降水和温度进行准确性评价,并采用经验模态分解(EOF)分析其在研究区内的分布特点。在准确性方面,ERA5-Land与实测数据具有较好相关性,降水探测率为0.96,能反映大多数的降水事件,但与实测数据相比总体偏高21.81%,气温准确性好于降水,总体拟合效果较好,最优范围为-520 ℃,在极值部分不确定性有所增加。EOF决定性模态表明研究区内降水、气温变化趋势基本一致,即易受大尺度天气系统影响。利用该数据集驱动SWAT模型在月、日尺度上对玛纳斯河流域进行径流模拟,在验证期纳什系数(NSE)分别为0.88和0.82,具有较好的模拟效果。ERA5-Land再分析数据集可为西北缺乏实测气象资料地区径流模拟提供参考。     

用EOF方法研究青藏高原积雪深度分布与变化

对青藏高原１９７８～１９８７年ＳＭＭＲ微波候积雪深度资料、５５个地面基本气象台站１９６３～１９９２年逐日积雪深度记录进行了ＥＯＦ分析．结果表明,青藏高原积雪空间分布极不均匀,四周多雪,特别是东西两侧多雪与广大腹地少雪形成鲜明对比．高原东部是高原积雪年际变化最显著的地区,它主导了整个高原积雪的年际变化,并且与西部多雪区年际波动呈反位相关系．从６０年代到８０年代积雪年际波动幅度有明显增加的趋势     

青藏高原积雪被动微波遥感资料与台站观测资料的对比分析

积雪资料的可靠程度在反映积雪变化、预估后期气候变化时非常重要, 利用青藏高原74个气象台站资料与被动微波遥感资料进行对比分析. 结果表明: 两种积雪资料在高原南部边缘、高原东部唐古拉山与念青唐古拉山东部均表现为高值区, 在柴达木盆地、高原腹地及沿雅鲁藏布江一线表现为一致的少雪区,在青海南部和藏东南地区差异较大.遥感资料的积雪深度和积雪日数变化敏感区与台站观测资料存在差异.在积雪的显著季节性特征及气候尺度上的年际变化特征方面, 遥感资料与台站资料具有很好的一致性, 但遥感资料在刻画积雪季节内波动特征方面欠佳, 且年平均积雪深度和积雪日数遥感数据偏大.对AMSR-E逐日积雪资料进行评价发现, 高原腹地总精度大于高原边缘地区, 海拔3 000 m以下的反演精度较高, 雪深在9~10 cm时的反演精度较高.     

不同降水产品在长江流域的偏差校正研究

基于长江流域135个站点1983—2020年的月降水量观测数据,分别对ERA5-Land、PERSIANNCDR和MSWEP等三种降水产品进行了适用性评估,并对比使用了多种偏差校正方法来提高降水产品的观测精度。结果表明,MSWEP对于长江流域的降水模拟效果较好,空间相关系数高达0.91,相对偏差仅为1.64%;ERA5-Land则对长江流域降水高估严重,精度较差。经偏差校正处理后,三种降水产品的适用性均得到了不同程度的提升,尤其是ERA5-Land,KGE(Kling-Gupta Efficiency)指标值从校正前的0.72增加到了0.82。对比不同偏差校正方法的应用效果发现,线性缩放法和分段伽玛分布校正法在长江流域表现最优,且后者更加稳健。本研究可为降水产品及气候模式输出等的后处理工作提供指导。     

40余年来中国地区季节性积雪的空间分布及年际变化特征

利用全国700余个气象站的地面积雪观测资料,分析了中国地区季节性积雪年际的时空变化特征.结果表明:新疆北部,东北-内蒙古地区和青藏高原西南和南部地区为我国季节性积雪的3个高值区,也是积雪年际变化变化大的地区,也即为中国积雪年际异常变化的敏感区.综合积雪深度和积雪日数的变化趋势,可大致分为3种变化类型:1)增加和减小同步,主要在新疆天山以北、青藏高原东部地区、内蒙古高原中东部到大兴安岭以西的地区,减少区人体在内蒙古西部、黄土高原和长江中下游地区;2)积雪深度增加但积雪日数减少,主要在东北平原东部的部分地区,长江上游的部分地区;3)积雪深度减小而积雪口数增加,主要位于青藏高原中部的部分地区.中国地区积雪总体上呈现出平缓的增长趋势,积雪深度和积雪日数的年代际变化趋势在20世纪60年代呈现为稍有增加;70年代有所下降;80年代又增加;90年代又有略有增加的趋势.     

1980-2019年青藏高原积雪深度时空差异性分析北大核心CSCD

积雪是地表特征的重要参数,其对辐射收支、能量平衡及天气和气候变化有重要影响。利用1980-2019年被动微波遥感积雪深度资料对青藏高原积雪时空特征进行分析,在此基础上将高原划分为东部、南部、西部及中部4个区域,并分区域讨论了多时间尺度积雪的变化特征及其与气温、降水的相关关系。结果表明:不同区域积雪深度在不同时间尺度的变化特征存在差异,高原东部积雪深度累积和消融的速率比西部快,南部积雪深度累积和消融速率比中部快。季节尺度上,冬季积雪高原东部最大,中部最小;春季积雪高原东部消融速率最大,西部积雪消融较慢但积雪深度最大;夏季高原西部仍有积雪存在。年际尺度上,各区域积雪深度在1980-2019年均呈现缓慢下降趋势,但东部积雪减少不显著;高原东部积雪深度在1980-2019年呈现出增加-减少-增加-减少的变化,其余3区均呈现出减少-增加-减少-增加-减少的变化。不同区域积雪深度对气温、降水的响应不同,高原东部和中部积雪深度与气温相关性较好;各区域积雪深度与降水呈不显著的正相关关系。     

2000-2005年青藏高原积雪时空变化分析

利用MODIS卫星反演的积雪资料以及同期气象资料,分析了2000-2005年青藏高原积雪分布特征、年际变化及其与同期气温和降水的关系,结果表明:青藏高原积雪分布极不均匀,四周山区多雪,腹地少雪;高原积雪期主要集中在10月到翌年5月;2000-2005年高原积雪年际变化差异较大,积雪面积总体上呈现冬春季减少、夏秋季增加的趋势;气温和降水是影响高原积雪变化的基本因子.冬季,高原积雪面积变化对降水更为敏感;春季,气温是影响高原积雪面积变化更主要的因素.     

青藏高原地区积雪年际变化异常中心的季节变化特征

利用青藏高原1980-2009年SMMR、SSM/I和AMSR-E被动微波遥感反演得到的逐日积雪深度资料, 应用EOF方法分析了近30 a青藏高原地区冬春季积雪年际变化异常的时空变化. 结果表明: 青藏高原冬春季积雪年际异常敏感区随季节有着显著变化, 并具有多尺度性. 其在大尺度上最主要的空间特征是从秋末(10-12月)到隆冬(12-翌年2月)位于青藏高原腹地和东南缘的河谷; 后冬和前春年际异常变化的敏感区显著变小, 整个青藏高原地区的积雪稳定少变; 而春季(3-5月), 随着青藏高原气温的回升, 敏感区出现在青藏高原东部. 青藏高原冬春季积雪年际变化在局地尺度上存在着季节变化, 表现为青藏高原积雪年际变化的异常与年际变化趋势相反的特征, 以及积雪年际变化东西反向异常随季节的演变. 青藏高原冬春季积雪年际变化的异常敏感区在空间范围上的变化, 反映了冬春季积雪在季节尺度上受冬季风和南来的暖湿气流之间相互消长和进退影响的特征. 青藏高原冬春季积雪具有显著的年代际变化, 在20世纪80年代处于多雪期, 80年代后期进入一个积雪较少期. 秋末至隆冬(10-翌年2月)的积雪在20世纪90年代后期出现明显转折, 进入多雪期, 2000年后又进入一个少雪期.     

中国近50a积雪日数与最大积雪深度的时空变化规律

通过REOF和非参数Mann-Kendall趋势检验法,以1958/1959-2007/2008年度中国557个气象台站的积雪观测资料为基础,对中国积雪日数与最大积雪深度的时空演变规律进行分析.结果表明:东北、新疆北部和青藏高原中东部为中国积雪日数和最大积雪深度的3个大值区;近50a来,春、秋季中国积雪日数和最大积雪深度在整体上呈现缓慢减少的趋势,冬季积雪日数和最大积雪深度呈现增加的趋势.气温是影响积雪产生和维持的重要因素.     

基于MODIS的青藏高原逐日无云积雪产品算法

青藏高原积雪对高亚洲地区水和能量循环起着重要的反馈和调节作用,其变化影响着融雪性河流流量,对下游水资源和经济活动具有重要影响。中分辨率成像光谱仪（MODIS）具有较高的时空分辨率,被广泛应用于积雪遥感动态监测,然而光学遥感积雪受云层影响严重,且青藏高原地区水汽分布不均,局地对流活跃,积雪的赋存时间变化快,这给高原地区逐日积雪监测及其气候学制图带来挑战。在考虑青藏高原地形和积雪分布特征情况下,结合现有的云覆盖下积雪判别算法,采用8个不同方法的组合,逐步实现MODIS逐日无云积雪算法。选取2009年10月1日-2011年4月30日两个积雪季为研究期,并采用145个地面台站观测雪深数据对去云算法各步骤过程开展精度验证,结果表明：当积雪深度>3 cm时,逐日无云积雪产品总分类精度达到96.6%,积雪分类精度达83%,积雪判对概率（召回率）达到89.0%,算法可实现青藏高原地区逐日无云积雪动态监测和积雪覆盖气候学数据重建,对高亚洲地区的水、生态和灾害等全球环境变化影响研究具有重要的意义。     

1993—2002年中国积雪水资源时空分布与变化特征

利用1993—2002年SSM/I被动微波逐日积雪深度反演结果,研究了我国积雪水资源的分布与变化.结果表明:积雪储量近10a来没有明显的减少或增加趋势,但是存在年际间的波动;我国冬季积雪储量主要分布在东北、北疆、青藏高原东部和其边缘地区,以及华北地区;东北、北疆和青藏高原地区为我国的稳定积雪地区;青藏高原地区积雪储量小于东北地区,但年积雪日数大于东北地区.近10a最大积雪水资源量平均约为102.79km³,其中最大年份为1999/2000年度,约为131.34km³.     

1953 - 2016年华山积雪变化特征及其与气温和降水的关系

利用华山气象站1953 - 2016年气象观测资料和1989 - 2016年Landsat TM卫星遥感影像数据, 分析华山积雪变化的基本特征及其与气温、 降水和大气环流的关系。结果表明： 1953 - 2016年华山平均积雪日数78.5 d, 积雪主要出现在每年的10月 - 次年5月, 64 a来积雪初日推迟, 终日提前, 初终间日数减少, 年度、 冬半年、 冬季积雪日数分别以8.3 d?（10a）^-1、 7.6 d?（10a）^-1、 4.7 d?（10a）^-1的减少率显著减少。1981 - 2016年华山年度最大积雪深度减少趋势不显著, 年度累积积雪深度以88.2 cm?（10a）^-1的减少率显著减少, 一年中积雪日数、 最大积雪深度和累积积雪深度的减少（小）趋势均以3月最为显著。1989 - 2016年华山区域积雪面积、 浅雪和深雪面积减少趋势不明显。1953 - 2016年华山年度、 冬半年、 冬季平均气温升高, 降水量减少。积雪日数与平均气温存在显著的负相关, 与降水量存在显著的正相关, 气温是影响华山积雪日数的最主要因素。年度、 冬半年和冬季积雪日数突变年份与相应时段平均气温突变年份相近。1953 - 2016年华山冬半年、 冬季平均气温和降水量均与大气环流指数相关显著, 华山冬半年和冬季积雪日数与同期西藏高原指数、 印缅槽强度指数、 南极涛动指数和西太平洋副高西伸脊点指数为明显的负相关, 与850 hPa东太平洋信风指数、 亚洲区极涡面积指数为明显正相关。     

1979—2017年雅鲁藏布江流域雪深时空分布特征及其影响因素分析

积雪是水文过程的重要环节,基于1979—2017年中国雪深长时间序列数据集、中国区域地面气象要素数据集提供的降水和气温数据,结合DEM数字高程模型等,运用Mann-Kendall检验法、Sen氏坡度法、Pearson相关分析法,分析了雅鲁藏布江流域雪深时空变化分布特征,并对雪深与气象因子（气温、降水）和地形因子（高程、坡度、坡向）的相关性进行了分析。结果表明：1979—2017年雅江流域多年平均雪深为1.95 cm,且以0.02 cm·a^-1的速率呈现显著减少趋势;雪深空间分布特征差异性明显,呈现“二高二低”相间分布的特征,高值区为流域西部边缘和东部的山地区域,低值区为中游河谷、流域出口低谷区;气象因子对雪深的变化起决定性作用,其中年平均气温与雪深的相关系数数值为-0.63,二者相关性显著;雪深呈现出随着高程的增加而增加的变化趋势,但最大雪深并非出现在最高海拔处;雪深随坡度的变化呈现“减少—增加—减少”三段式分布规律,且东坡和南坡的雪深厚度高于西坡和北坡的雪深厚度。     

1961—2017年基于地面观测的新疆积雪时空变化研究

选取新疆89个气象站1961—2017年逐日积雪深度观测资料, 分析近60 a新疆冬季最大积雪深度及积雪日数的时空变化特征。结果表明： 新疆冬季最大积雪深度以天山为界, 天山以北多于南部, 北疆北部和伊犁河谷最大达60 ~ 100 cm, 天山山区及天山北坡30 ~ 60 cm, 南疆大部地区不足20 cm; 新疆北部最大雪深多出现在1996年以后, 也是新疆气候由暖干转为暖湿的阶段。近60 a新疆区域尤其是北疆、 天山山区冬季最大积雪深度呈显著增加趋势, 南疆略有增加; 89个气象站中87.6%呈增加趋势, 20个显著增加, 主要分布在天山以北地区。分析不同积雪深度出现的日数, 新疆区域、 北疆地区、 天山山区≤10 cm积雪约占积雪总日数的48% ~ 58%, 10 ~ 20 cm积雪占24% ~ 32%, 20 ~ 30 cm积雪占12% ~ 15%, >30 cm积雪约占5%左右; 南疆地区以≤5 cm积雪为主。新疆区域、 北疆地区以及天山山区积雪日数总体呈减少趋势, 其中≤10 cm积雪日数减少, 尤其北疆显著减少, >20 cm积雪日数显著增加, 南疆变化不明显; 空间变化趋势分布基本与区域变化一致。     

Accuracy verification of MODIS daily cloud-free snow cover products over the Tibetan Plateau北大核心CSCD

Snow cover is of great hydrological,ecological,and climatic significance in the Tibetan Plateau. MODIS snow products are widely used at present but are seriously affected by clouds. Scholars at home and abroad have developed a variety of cloud removal products for raw MODIS daily snow products,but the accuracy of these products in the Tibetan Plateau has not been evaluated comprehensively. Therefore,this paper uses Landsat-8 data with high resolution as the reference value to conduct systematic verification of three datasets of cloud-free snow products released on a daily basis. The results show that compared with the two sets of products （M*D10A1GL06 and MODIS_Dysno_Cloudfree）,which are produced based on raw MODIS daily snow cover product realized by NSIDC（National Snow and Ice Data Center）,the MODIS CGF SCE product produced based on MODIS surface reflectance data,has a great advantage in snow identification accuracy. The MODIS CGF SCE product optimized the NDSI threshold for different land cover types. Although the accuracy of snow identification was significantly improved,the problem of large snow identification error in forest areas was still not effectively resolved,and there was a high underestimate error. © 2022 Science Press (China).     

中国稳定积雪区IMS雪冰产品精度评价

IMS雪冰产品由多种光学与微波传感器数据融合而成,提供北半球每日无云的积雪范围,在积雪遥感研究中具有广阔的前景. 以气象站实测雪深数据为真值,检验了2009-2010年IMS雪冰产品在中国三大稳定积雪区北疆、东北、青藏高原地区每月、积雪季以及全年的误判率、漏判率和总体准确率,并分析了IMS雪冰产品的准确率与雪深之间的关系. 结果显示：IMS雪冰产品的年总体准确率在三大积雪区均超过了92%,积雪季总体准确率均超过了88%,利用IMS雪冰产品监测积雪范围是可靠的. 然而,IMS雪冰产品精度具有区域差异性,北疆地区在1月和2月误判率偏高,青藏高原地区积雪季有严重的漏判现象. IMS雪冰产品的准确率在东北地区和北疆地区随着雪深的增加而升高,当东北地区雪深超过6 cm,北疆地区超过13 cm时,准确率接近100%,但是,青藏高原地区两者基本没有关系. 通过在青藏高原地区与同时相的4景MODIS积雪产品对比分析发现,实际上IMS雪冰产品相对地高估了积雪面积,青藏高原地区漏判率高其原因是IMS对零碎积雪的识别能力不足并且气象站分布不均匀.     

基于NoSREx实验的积雪演化及微波辐射分析研究

在被动微波雪水当量反演中,积雪物理参数随时间的变化特征影响着反演精度,为理解积雪随时间演化的特征及其对微波辐射亮温的影响,本研究选用2009—2013年北欧积雪实验（Nordic Snow Radar Experiment, NoSREx）积雪地面观测和微波辐射测量数据,通过雪深和温度把雪期分为积累期（10月—次年2月）、稳定期（2—4月）和消融期（4—5月）,发现各个雪期的积雪演化特征为：雪颗粒形状在积累期前期以融态颗粒（Melt Forms, MF）为主,积累期后期和稳定期以圆形颗粒、片状颗粒、深霜为主,消融期以MF为主;整个雪季底层雪粒径从小变大再变小的过程,粒径最大值出现在稳定期的2至3月,约为2.5~4.0 mm,均出现在近地表雪层,而表层粒径较小且较为稳定。通过雪深和微波亮度差（18~37 GHz）的关系分析,表明亮温差在不同雪期对于雪深的依赖关系不同,在积累期和稳定期,雪深变化与亮温差变化具有明显的正相关;在消融期由于积雪融化的影响,其相关性较差;基于多层积雪微波辐射模型（MEMLS）构建了一维微波辐射模拟环境,模拟表明MEMLS模型在3个雪期的垂直极化10.65 GHz和18.7 GHz模拟结果较37 GHz和90 GHz更好;10.65 GHz V极化在入射角为50°且稳定期时,微波亮温模拟均方根误差（RMSE）结果最小,为2.49 K。3个雪期90 GHz模拟结果水平极化优于垂直极化,由于受表层积雪变化影响,90 GHz模拟结果较不稳定,尤其是消融期时,RMSE最小也达到了42.7 K。本研究有助于理解积雪随时间演化的特征及其对微波辐射模拟的影响,表明在被动微波雪水当量反演算法中,针对不同积雪期需要考虑积雪演化动态过程。