祁连山区MODIS积雪反照率产品的精度验证及云下积雪反照率估算研究

积雪反照率在全球气候和能量收支平衡模型中起着重要的作用. 利用祁连山地区大冬树垭口站点反照率实测数据对由TM/ETM+得到的反照率数据进行标定, 然后将TM/ETM+反照率数据通过升尺度对MODIS逐日积雪反照率(SAD)产品在晴空条件下的精度进行了验证. 同时, 发展了一个基于MODIS SAD与AMSR-E SWE数据融合并结合Noah积雪反照率参数化方案估算MODIS SAD数据云下积雪反照率的算法, 通过统计分析纠正了云对积雪反照率的影响, 对云下积雪反照率进行了验证分析. 结果表明:MODIS SAD产品在祁连山地区的精度要低于大面积积雪覆盖的平坦地区(如格陵兰岛), 其平均绝对误差及均方根误差分别为0.0548和0.0727; 云下积雪反照率估算方法可以有效地获取云覆盖下积雪像元的反照率值, 纠正后的无云MODIS SAD数据与地面观测值有较好的一致性, 其平均绝对误差为0.078.     

GPM与TRMM降水数据在中国大陆的精度评估与对比

为评估TRMM 3B42（TRMM）和新一代GPM IMERG（GPM）卫星降水产品精度,基于国内824个气象站点日降水数据,选用相关系数（R）、相对误差（E_R）和公正先兆评分（S_ET）等指标,对比分析了二者在中国大陆和九大流域内逐日、逐月尺度的观测精度。研究表明:①在日尺度上,中国大陆内的GPM降水数据精度整体优于TRMM,二者的R、E_R和S_ET分别达到了0.73、2.03%、0.36和0.70、3.75%、0.33;②GPM和TRMM日降水数据在海河流域、淮河流域、长江流域、珠江流域、东南诸河流域呈现较高的观测精度,在松辽流域、黄河流域、西南诸河片区精度次之,在内陆河片区相对最低;③在月尺度上,中国大陆内的GPM冬季降水精度明显好于TRMM,这是由于GPM提高了对弱降水和固态降水的观测能力。总体上,GPM降水产品在中国各大流域精度较好且优于TRMM,表明其在流域降水研究及水文模拟中将有较好的应用前景。     

新疆积雪覆盖时空变异分析

利用2000-2010年MODIS积雪覆盖产品数据MOD10A2,提取了新疆近10年来积雪覆盖变化信息,并结合地面站点数据,对遥感积雪覆盖估算的精度进行了验证;分析了新疆积雪覆盖的年际、年内变化及南北疆积雪覆盖变化的差异;结合数字高程模型,分析不同高程带下积雪覆盖的时空变化规律,揭示高程因素对新疆积雪时空变化的影响。结果表明:MOD10A2提取的积雪信息能够反映新疆的积雪变化情况,总体精度达92.3%;近10年来,全疆年积雪覆盖率最大值范围为34.0%~51.7%,最小值范围为1.7%~2.6%;积雪覆盖比率的变化在南北疆差异明显,南疆区域积雪覆盖整体不高,年内积雪覆盖比率变化幅度低于50%;而北疆区域由于受复杂地形和气候带的影响,积雪覆盖比率大,年内的变化幅度强,除2008年均达到80%以上;在季节变化上,春季和秋季的积雪覆盖均值波动较为明显,夏季和冬季的积雪覆盖均值则波动较小,这一规律在北疆地区表现更为显著;积雪覆盖的时空分布与变化受高程的影响,在海拔4 000 m以下区域,夏季积雪覆盖比率低,冬季积雪覆盖比率高,而6 000 m以上海拔区域则表现出完全相反的特点,即夏季积雪覆盖比率高,冬季积雪覆盖比率低。     

2000-2014年西藏雅鲁藏布江流域积雪时空变化分析及对气候的响应研究

利用2000-2014年MODIS逐日无云积雪产品对雅鲁藏布江流域积雪特征的空间分布及变化、积雪随高程变化的规律进行了分析,并采用被动微波数据SMMR （1979-1987年）和SSM/I （1988-2008年）以及中国地面降水和气温0.5°×0.5°日值格点数据集,研究了雅鲁藏布江流域关键积雪参数对气候要素的响应等。结果表明：流域下游积雪日较大且变化剧烈;流域整体上呈显著减少的趋势;积雪日随高程的上升而增加;流域内降水呈不显著的增加趋势,而气温呈显著的增加趋势,最高气温对积雪变化影响最大;气温对积雪终日的影响明显高于积雪初日;在积雪消融期降水的增多促进了积雪的消融。     

TRMM多卫星降水数据在黑河流域的验证与应用

利用黑河流域9个气象台站降水数据, 在不同时间尺度和空间分布上分析了2008-2011年TRMM多卫星降水数据(TMPA 3B43)在黑河流域的适用性.结果表明: 用TMPA估测的年降水量在黑河流域平均高估27.3%, 对上游降水量大的山区估测相对好于降水稀少的黑河下游地区; TMPA与气象站降水量的拟合优度夏季(R²=0.851)高于冬季(R²=0.332); TMPA可以较好反映各测站降水量年变化、 月变化趋势, 用TMPA估测的黑河流域平均年降水量变化趋势为30 mm·(10 a)^-1. 黑河流域年降水量体现出随海拔高度的递增规律(11.1 mm·(100 m)^-1)、 从东向西降水量逐渐减少的分布以及最大降水高度带出现在上游偏东地区(海拔2 800~4 900 m).     

2001-2015年天山山区积雪时空变化及其与温度和降水的关系

采用2001-2015年MODIS积雪和陆表温度数据、中国高时空分辨率降水数据,基于趋势分析和相关分析方法,分析了天山山区积雪时空变化及其与温度和降水的关系。结果表明：（1）年内积雪面积变化受海拔影响,海拔≤4 000 m,呈单峰型分布,积雪面积冬季大,夏季小;海拔介于4 000~≤5 000 m,积雪面积分别在春季和秋季出现两次峰值;海拔>5 000 m,积雪面积变化与低海拔相反,在夏季达到最大,冬季最小。就年际变化而言,全区积雪面积呈略微减少趋势,其中秋季略微增加,春季变化不大,冬季和夏季明显减少。（2）积雪覆盖频率受水汽来向和地形影响,呈西高东低、北高南低分布格局,与海拔呈正相关。山区大部分区域积雪覆盖频率呈减少趋势,其中海拔介于3 600~≤4 600 m的积雪覆盖频率减少最为显著。（3）在春、夏季,温度是决定积雪面积变化的主要因素,与积雪面积呈负相关;在秋、冬季,降水对积雪面积变化的贡献大于温度,与积雪面积呈正相关。（4）积雪覆盖频率整体上与年均温度呈负相关,与降水呈低度正相关,相关程度及显著性水平在空间分布上存在差异,温度对积雪覆盖频率变化的贡献大于降水。     

基于光谱-环境随机森林回归模型的MODIS积雪面积比例反演研究

积雪面积比例（Fractional Snow Cover, FSC）数据能在亚像元尺度上定量的描述像元内积雪覆盖的程度,相比二值积雪面积数据可以更加精确地估计积雪覆盖的面积。基于机器学习的随机森林回归模型可以表示高维的非线性关系,可显著提高MODIS FSC的反演精度。采用随机森林回归模型结合光谱、环境信息构建了一个新的回归模型——光谱-环境随机森林回归（Spectral Environment Random Forest Regressor, SE-RFR）模型,用于MODIS数据反演中国区域的FSC。利用中国典型积雪区内由Landsat 8地表反射率数据获取的FSC数据作为参考值,对SE-RFR模型的反演精度进行评估。研究表明,利用“SE-RFR”获取的FSC数据RMSE、MAE分别为0.160、0.104,精度较高。此外,根据SE-RFR模型与未加入环境信息的随机森林回归（S-RFR）模型比较结果可知,加入环境信息的随机森林回归模型提高了FSC反演的精度,特别是在受环境信息影响较大的青藏高原地区,RMSE从0.200降低到0.181。最后,将SE-RFR模型与目前使用广泛的MODIS FSC反演模型FSC_NDSI、MODSCAG和SSEmod进行了比较,结果表明SE-RFR模型的RMSE与FSC_NDSI、MODSCAG和SSEmod模型的RMSE相比,平均RMSE分别提高了12.0%、8.3%和5.5%。总体来说,SE-RFR模型可以准确地提取MODIS FSC,对于区域乃至全球FSC产品制备具有广泛的应用前景。     

基于贝叶斯三角帽法的多源降水数据融合分析及应用

目前的降水产品依然存在较大的不确定性,采用多源降水数据融合可以更准确地估计降水量和空间分布情况。为实现无资料地区的数据融合,本文在不使用任何先验信息的前提下,通过整合站点插值、卫星遥感和再分析的降水产品,基于贝叶斯三角帽(Bayesian-Three Cornered Hat, BTCH)法,融合多源降水数据,探究不同输入数量的降水产品对于融合数据精度的影响以及每个降水产品对于融合数据精度的贡献率,并在黄河源区进行应用。结果表明：在月尺度上,融合数据性能优于原始降水产品;在日尺度上,融合数据性能明显高于卫星遥感和再分析降水产品,但低于基于站点的降水产品CHM＿PRE;2套基于站点的降水产品CN05.1和CHM＿PRE对于融合数据有最大的贡献率。在黄河源区的应用表明,该数据融合方法确实能够更准确地估计降水量,可应用于无实测降水资料地区,为数据融合分析及应用提供参考。     

塔里木河源区托什干河流域积雪动态及融雪径流模拟与预估

利用已被广泛使用的MODIS积雪数据, 获得了塔里木河源区之一的托什干河流域积雪变化信息. 结果表明: 流域积雪覆盖率时空差异显著, 在积雪丰富的年份, 1月积雪覆盖率可达90%以上, 但在积雪少的年份, 则只有50%; 2000年以来流域积雪呈现微弱增加的趋势, 积雪变化趋势呈现明显的时空差异. 相对于其他季节, 流域冬季积雪增加更为明显; 与其他高度带相比, 作为主要积雪覆盖区的海拔3 000~4 000 m高度带积雪的增加趋势也更为明显. 以流域所在的气象格网数据和积雪覆盖率变化曲线作为输入数据, 应用融雪径流模型(SRM)模拟了流域春季融雪径流过程, 率定了模型主要参数, 获得了较好的结果. 以CMIP5的3种RCP情景为驱动数据, 应用模型预估了流域2021-2050年的融雪径流状况, 结果显示 4月之前径流变化不明显, 之后径流峰值增大显著, 不同气候情景对径流的影响不明显.     

华北地区冬季降水时空分布特征分析

利用华北地区29个测站,57年冬季降水量资料,采用EOF,REOF,小波分析等方法,对华北地区冬季降水量的空间分布特征和时间演变规律进行了诊断分析研究.结果表明:华北地区冬季降水的空间分布在整体一致的基础上,即存在南北分布差异,又有着环渤海湾地区与其它地区的差异;冬季整个华北地区可以划分为五个主要的降水异常区:黄河中下游区、京津唐区、呼伦贝东盟区、黄河河套区、冀北山地区;整个华北在70年代末期有明显的降水减少趋势;各区域冬季降水有不同尺度的年际和年代际周期变化,但基本上都存在着准12～14年、准3～5年的周期振荡.     

TRMM卫星降水数据在洣水流域径流模拟中的应用

采用地面雨量站点观测降水作为基准数据,评估热带降雨观测计划（TRMM）最新一代卫星降水产品3B42V7的精度;利用站点和卫星两种降水数据驱动栅格新安江模型,采用SCEM-UA算法考虑模型参数不确定性,进行流量过程模拟,评估TRMM 3B42V7在流域水文模拟和预报中的应用能力。数据精度评估显示:在平均意义上,TRMM 3B42V7日降水精度较高,较站点观测低估了6.68%;但在绝对值意义上,TRMM 3B42V7日降水精度较低,绝对偏差达到57.76%;TRMM 3B42V7经过了地面月降水量偏差校准,其精度在月尺度上有较大提高。径流模拟结果表明:TRMM 3B42V7模拟的日径流过程精度较低,有部分洪峰没有捕捉到,但仍能表征径流的日变化特征;月尺度上模拟径流与实测径流吻合较好,能表征径流的季节性和年内变化特征;计算的日尺度和月尺度95%置信区间包含大部分实测流量过程。     

赣江流域TRMM降水数据的误差特征与成因

阐明TRMM 3B42V6（Tropical rainfall measuring mission 3B42 version 6）的误差特征及成因,对于合理使用该卫星降水数据,并完善其降水反演算法具有重要意义。在赣江流域0.25°×0.25°空间尺度上,对比了TRMM 3B42V6、TRMM 3B42RTV6和CMORPH的精度特征。结果表明,3B42V6的系统偏差远低于3B42RTV6、CMORPH,但平均绝对值偏差、效率系数和探测率均明显劣于CMORPH。TRMM 3B42V6的系统偏差较低的原因主要在于该数据采用地面月降水量进行了校准,而其绝对值偏差、效率系数和探测率明显劣于CMORPH的主要原因在于所采用的热红外/被动微波降水联合反演算法不及后者有效。今后有必要对TRMM 3B42的精度进行全面评估,并改进该数据的热红外/微波降水反演算法及与地面降水信息的融合算法。     

赣江流域TRMM遥感降水对地面站点观测的可替代性

多卫星遥感降水产品为无/缺资料地区的水文过程模拟提供了新的数据来源。结合地面高密度雨量站网,在中国典型暴雨区赣江流域定量评估两种TRMM降水产品(3B42V7和3B42RTV7)的精度,并通过耦合分布式水文模型CREST,探讨了水文模拟中TRMM卫星降水产品对地面观测降水的可替代性。研究表明:3B42和3B42RT与地面观测流域平均月降水相关系数达到0.9以上,偏差在5%以内,日尺度上相关性略差,偏差略有增加。同时设计2种水文模拟对比试验:情景I为静态参数,使用地面雨量站降水率定模型参数,采用卫星降雨验证模型;情景II为动态参数,采用卫星数据重新率定模型参数,再利用卫星降雨验证模型。对比结果表明:情景II中完全使用TRMM降水后模型效果明显改善,证明TRMM卫星数据在赣江流域具有替代地面站点观测的潜力,但需要重新根据卫星降雨率定模型。     

TRMM 3B43降水数据在黄河源区的适用性评价

应用1998-2013年气象台站实测的降水数据以及2013年6-9月使用雨量桶收集的数据对TRMM 3B43 V7降水数据在黄河源区的精度从不同时间尺度、不同台站、以及不同海拔、坡度和坡向进行评价。检验发现,TRMM 3B43 数据对年和四季降水出现了不同程度的高估或低估,对于年降水、秋冬季降水表现为高估,而对春夏季降水表现为低估。同时,TRMM 3B43 数据在位于半湿润区的气象站点的降水数据质量优于半干旱区的气象站点的数据质量。除此以外,对TRMM降水在不同海拔、坡度和坡向的精度评估发现,随着海拔的升高,TRMM降水的相对偏差呈现出增加-减少-增加的变化趋势;随着坡度的升高,TRMM降水的相对偏差呈增加趋势;TRMM降水在东北坡、东坡和东南坡的偏差相对较小,而在西坡、南坡、北坡、西南坡的偏差相对较大。     

北京-张家口地区冬春季积雪特征分析

2022年冬奥会将在北京-张家口（以下简称北-张地区）举办,揭示该地区的积雪变化特征及其在全球变暖背景下的发展趋势,对冬奥会的筹备以及当地的积雪资源的开发利用等方面都有重要意义。利用2002-2014年MODIS遥感积雪产品提取了研究区域积雪数据,结合1966-2013年台站积雪、气温和降水资料和DEM数据,分析了积雪的时空分布特征,并对冬奥会场地进行积雪资源评价。结果表明：2002-2013冬春年北张地区的整体积雪频率较小,多处于0~0.2之间,但场馆区2月的积雪频率多在0.5以上,最大值接近0.9左右,积雪的分布呈带状和点状。积雪覆盖率最大值出现在1月初,达到0.23。积雪的形成缓慢,但是消亡迅速。1966-2012冬春年冬季积雪日数的波动幅度大于春季,延庆和崇礼县的2月份积雪日数分别为4.6d和13.9d,且均呈下降状态。积雪初终日均有提前,但整体的积雪期在减少。北京和张家口整体的最大积雪深度变化平稳,在1966-1980年和2000-2012年处于高值区,波动较大,其他年份最大雪深处于低值变化平稳,延庆和崇礼县的2月份最大积雪深度分别为3.6cm和5.1cm。通过分析积雪指标与气象因子（气温、降水）的相关关系发现,在年内（年际）变化上,积雪指标与气温（降水）的关系更为密切。冬奥会场地的2月份气温在-14~2℃之间,月平均降水量仅0.2mm·d^-1,积雪日数不足,预计难以形成足够深度的雪,且未来气温上升,达到0.8℃·（10a）^-1,降水、积雪深度和积雪日数均呈下降趋势,可能60%~95%的赛事用雪将来自人造雪,以应对可能的积雪不足。     

The effects of Xinanjiang reservoir on precipitation

The Xinanjiang reservoir is located in the mountainous region of Zhejiang and Anhui Provinces. Since the construction of the reservoir in 1959, there was no sufficient amount of stored water during the years 1960–1972. This paper analyzes-the effects of reservoir on precipitation. The results obtained are: (1) The main effects are decreases of summer rainfall and annual rainfall (100 mm at a point 10 km apart from the margin), and slight increase in winter. (2) At the site farther from the reservoir and higher in altitude, annual rainfall increased, 100–200 mm increase at the 50–60 km distancee. (3) The average annual rainfall for the whole basin decreases only by 6 mm or so. (4) The effect changes from year to year. It is less in the rainy year than in the dry year.     

基于HJ-1B卫星数据的积雪面积制图算法研究

积雪是影响气候变化的重要因子, 采用更高时空分辨率的环境减灾卫星遥感数据进行积雪制图算法的研究, 对推进我国自主遥感卫星在积雪监测领域的应用具有重要意义. 采用环境减灾HJ-1B卫星数据, 以青海省果洛藏族自治州达日县为研究区, 应用归一化差值积雪指数(NDSI)法建立了基于HJ-1B卫星数据的积雪面积制图算法, 并比较MODIS与HJ-1B积雪图精度. 结果表明: 研究区HJ-1B积雪制图合理的NDSI阈值为0.37, 总分类精度达到97.97%; 与"真值"影像比较, HJ-1B积雪图K_hat系数为0.911, 高于MODIS的0.817. 说明该研究建立的基于HJ-1B积雪制图算法精度可靠, 适合对研究区积雪进行实时动态监测. HJ-1B更高的空间分辨率对提高研究区积雪覆盖面积监测精度具有重要的使用价值, 但是地形因素是影响HJ-1B数据积雪分类精度的一个重要原因, 随着坡度的增加, 分类误差也随之增大, 尤其是多测误差增加比较显著.