基于星载激光雷达ICESat-2的雪深监测方法研究

目前,被动微波数据是积雪深度反演的主要数据源,受其较粗空间分辨率的影响,反演雪深存在较大的不确定性。激光雷达由于其较高的测高精度,在雪深监测方面具有一定的潜力,基于星载激光雷达ICESat-2数据对北疆地区2018年10月至2019年9月积雪季的雪深进行了提取。由于很难获取ICESat-2轨迹点的雪深观测资料,因此首先利用地面雪深观测数据对目前流行的被动微波雪深反演产品进行验证,获取精度可靠的雪深产品并与发展的ICESat-2监测雪深数据产品进行对比。结果表明：AMSR2雪深产品在北疆地区误差较大,整体存在高估现象,中国雪深长时间序列雪深产品精度相对可靠,以作为对比ICESat-2模拟雪深的参考数据;ICESat-2雪深与中国雪深长时间序列雪深产品在空间上以及变化趋势方面吻合度较高,但ICESat-2雪深变化更加连续,说明ICESat-2激光雷达数据不但可以提取区域积雪的深度,对积雪深度的空间变化也比被动微波数据更加敏感,可以获取更加详细的积雪深度空间变化细节,为精细化的积雪深度空间分布提供数据支撑。     

祁连山不同植被类型对积雪消融的影响

为研究祁连山植被对积雪消融的影响, 利用人工调查积雪深度逐日变化量和积雪盖度变化, 并结合空气雪面感热通量(SH)观测, 对祁连山水源林生态站排露沟流域海拔2 600～2 700 m青海云杉林、灌丛林、林缘、阳坡草地在2003-2007年的积雪消融进行了研究, 每年的观测从10月降雪开始到翌年5月积雪消融完结束, 共获取数据134 400个. 结果表明: 当SH<0时, 积雪消融停止;当SH>0时, 积雪消融开始;植被可以减缓积雪消融速率, 有植被的地方消融速率减慢, 反之则加快;不同植被消融速率大小顺序为草地>林缘>灌木林>乔木林;同一植被、不同坡向消融速率不同, 半阳坡云杉林＞半阴坡云杉林＞阴坡云杉林. 积雪含水率随气温升高而增大, 1月融化积雪占整个积雪的5%, 2月增大到28%, 大量积雪在3月消融, 占55%. 从坡位看, 下坡消融速率最大;在一个垂直带上, 低海拔消融速率大于高海拔. 温度是影响积雪消融的主要因子, 积雪消融速率随温度升高而增大, 反之则减小.     

地形对天山积雪冻融变化的影响分析

天山积雪是新疆水资源的重要来源,地形对积雪的空间分布和消融有重要影响,分析地形对天山积雪冻融过程的影响具有重要的理论意义.基于2005-2014年的MODIS/Terra积雪8 d合成数据（MOD10A2）与数字高程模型（DEM）数据,分析了天山积雪覆盖随高程、坡度和坡向的季节变化规律.分析结果表明：（1）在不同季节里,不同高程中的融雪和积雪过程同步发生,其中在春季和冬季,雪盖变化较大的区域主要分布在低海拔和高海拔地区;而在夏、秋两季,雪盖变化较大的区域主要分布在中海拔地区.（2）在不同季节,不同坡度的积雪冻融过程也同步进行,但春季和冬季积雪呈线性变化,在缓坡和陡坡地区变化明显;夏季和秋季积雪变化缓慢,在中坡变化显著.（3）天山积雪变化随坡向具有对称性和周期性.积雪变化呈现北坡大、南坡小,春、冬季大,夏、秋季小的特点.在波动周期内,夏秋季积雪变化波动较大,变化趋势与春、冬季相反.研究结果可为融雪型洪水预报提供科学依据.     

南方冬季湿雪的光谱特征分析

使用FieldSpec4便携式地物光谱仪获取了南京地区冬季湿雪的光谱数据, 并从太阳高度角、坡度、坡向、下垫面及混合雪几个方面进行了分析. 结果表明: 积雪的反射率在可见光区变化平稳, 在近红外区下降迅速, 1 020 nm、1 250 nm附近是积雪反射率的吸收区; 湿雪状态下, 太阳高度角增大的同时积雪反射率逐渐降低, 而在水湿雪状态下太阳高度角对反射率影响减弱, 积雪含水率成为其变化的主要影响因素; 积雪反射率随着坡度的增大而增大; 积雪在朝阳坡的反射率远高于背阴坡, 背阴坡积雪反射率在可见光谱区受影响较大; 当积雪厚度达到一定值后下垫面的差异对反射率影响有限, 否则会对反射率产生较大影响; 在可见光波段纯雪反射率最高, 近红外波段植被/积雪混合反射率最高, 林下雪的光谱反射率较低. 南京地区湿雪光谱测量和分析对了解南方湿雪光谱特性和变化规律, 以及对于积雪定量遥感及其参数反演具有重要意义.     

基于MODIS的祁连山区积雪时空变化特征

利用2000-2003年日资料经8 d合成的500 m分辨率MODIS卫星反演积雪资料和数字高程模型, 借助于GIS空间分析技术, 以积雪频率和积雪盖度为监测指标, 研究分析了祁连山区整体的积雪空间分布状况及其年内变化特征, 地形对积雪的分布和季节变化的影响. 结果表明: 祁连山区的积雪分布极不均匀, 积雪主要沿山系走向成条带状分布, 呈现西段多, 东段次之, 中部和南部少, 山脊多, 山谷少的特征, 且海拔越高、 山势越陡、阴坡积雪的范围越大、持续时间越久. 累积降雪时间, 就全区而言为9月至翌年5月, 但不同高度、坡度和坡向带有所差别. 海拔4 000 m以上区域存在春、秋季两个时段的积雪补给, 而海拔4 000 m以下仅有中秋至中冬一个时段的积雪补给;坡度较平缓的区域冬季和春季为主要积雪补给期, 而坡度较陡的区域则为秋季和春季;平地和南坡积雪补给主要发生在冬季和春季, 而其它坡向为春季和秋季.     

1979-2020年天山地区积雪量估算及其特征分析北大核心CSCD

积雪作为干旱区的重要水源,深刻影响区域水资源及经济发展。决定积雪量的积雪深度、积雪面积和积雪密度在时空分布上存在不确定性,尤其是积雪密度难以获取。本文利用FY-3B/MWRI(Fengyun3B Microwave Radiation Imager)数据反演积雪密度,结合1979-2020年长时间序列遥感雪深数据集,对天山地区40多年来积雪期(11月-次年3月)及其不同时期(积累期、稳定期、消融期)的积雪量进行估算,并分析其时空分布及与地形、气象等因子之间的关系。结果表明:1979-2020年,天山地区积雪期不同时期积雪量存在差异,稳定期积雪量最大,消融期次之,积累期最小。研究时段内,积雪期积雪量最大值出现在1979年,最小值出现在1998年,积雪期积雪量呈微弱的下降趋势,消融期积雪量下降趋势显著。多年平均积雪量空间格局与积雪深度和积雪密度基本一致,主要呈现为西北多东南少的特点。天山地区积雪量空间分布主要受海拔、坡度影响,积雪量与海拔正相关,海拔越高,积雪量越丰富;在15°以下时,坡度对积雪的影响较大,且坡度越大,积雪量越大。不同时期积雪量的多年变化与气温关系密切,在一定温度范围内,气温越低,积雪量越大;稳定期积雪量变化同时受积累期降水影响,积累期降水越多,稳定期积雪量越大。本文基于遥感积雪深度和密度的天山积雪量研究结果,可供气候变化条件下新疆水资源利用和经济发展参考。     

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。     

基于AMSR-E的北疆地区积雪深度反演

利用北疆地区2007/2008-2009/2010年度积雪季(12月至次年2月)的AMSR-E降轨19 GHz与37 GHz波段的水平极化亮温数据, 结合北疆地区45个气象台站的实测雪深数据, 建立了北疆地区基于AMSR-E亮度温度数据的雪深反演模型, 并对模型的精度进行评价. 结果显示: 雪深在3~10 cm时, 模型反演的雪深值负向平均误差为-5.1 cm, RMSE值为6.1 cm; 雪深在11~30 cm时, 模型反演雪深值的平均误差仅为2.6 cm, RMSE、 正向平均误差、 绝对平均误差均较小; 雪深大于30 cm时, 模型反演的各项误差较大. 用合成方法反演北疆地区2006/2007-2010/2011年度5个积雪季的平均雪深分布和最大雪深分布, 结果显示北疆地区积雪主要分布于北部阿尔泰山和南部天山一带, 其中阿勒泰地区所占比重最大, 中部的准噶尔盆地腹地、 克拉玛依地区雪层较浅.     

新疆阿勒泰克兰河中游地区冬季积雪分布及特性分析

新疆阿勒泰地区是中国季节性积雪水资源最为丰富的地区之一。2016年12月在克兰河中游地区开展了积雪观测,利用直尺和量雪筒测量雪深和雪密度,调查了积雪水资源的分布情况;利用针式温度计测量雪层温度,获取了雪层之间的温度梯度;利用雪特性分析仪和显微镜测量了积雪剖面的雪层密度、液态水含量、介电常数和雪粒径。通过分析研究区积雪水资源的空间分布和积雪特性的垂直分异发现：研究区雪深的分布非常不均匀,北部的雪深总体上大于南部,即使在同一地区,雪深也因风力等原因而分布不均匀;研究区总体上属于"干寒型"积雪,密度较小,且密实化迅速;各雪层属于干雪或者湿度极低的潮雪,绝大多数雪层的液态水含量在0.3%以下;积雪温度总体上从表层到底层逐渐升高,表层温度日变化较大;阴天积雪温度高于晴天,各雪层温度日变化小于晴天,且午后积雪会出现负温度梯度,冷中心出现在积雪次表层;雪粒径较小,雪粒长短轴比的最小值出现在中间层,且符合新雪的粒径特点。     

青藏高原中东部积雪深度时空变化特征及其成因分析

基于逐日积雪深度（雪深）、逐月气温和逐月降水量地面观测资料,利用数理统计方法分析了青藏高原中东部地区1961-2014年雪深时空变化特征及其成因,结果表明：青藏高原雪深空间分布不均,存在喜马拉雅山脉南坡（高原西南部）、念青唐古拉山-唐古拉山-巴颜喀拉山-阿尼玛卿山（高原中部）和祁连山脉（高原东北部）三处雪深高值区,冬季最大,其次是春秋季,夏季仅在纬度或海拔较高处才有雪深记录;从长期来看雪深以减少为主,尤其是夏秋季。在青藏高原普遍"增温增湿"背景下,雪深表现为先增后减的变化特征;雪深随海拔升高而增加,但最大雪深并非出现在最高海拔处;在不同季节雪深的气象要素成因上,冬季由降水主导,其余季节由气温主导。1961-1998年冬春季雪深增加与降水增多有关,而1998-2014年气温的上升以及降水的减少共同导致了雪深的减少,夏秋季雪深持续减少与同期气温持续升高有关。     

三江源地区1980—2019年积雪时空动态特征及其对气候变化的响应

三江源地区气象站点稀疏,依靠地面台站数据难以反映地面真实积雪情况。利用卫星遥感数据引入重心模型分析了三江源地区1980—2019年4个积雪参数（积雪日数、积雪深度、积雪初日和积雪终日）的时空动态特征,利用Mann-Kendall检验和Sen斜率估计分析了积雪和气候因子的变化趋势,并探究积雪对气候变化的响应。结果表明：1980—2019年三江源地区呈现积雪日数和积雪深度减少、积雪初日推迟、积雪终日提前的变化趋势,而该区域同期的气温和降水量则呈现上升趋势;4个积雪参数重心均呈现出东移趋势,而同期气温重心则呈现西移趋势,气温重心位置西移速率分别是积雪日数和积雪深度重心位置东移速率的6倍和2倍。这表明该区域4个积雪参数以及气候因子的变化趋势具有较强的空间异质性,西部气温升高速率大于东部,导致西部积雪日数和积雪深度减少速率同样大于东部,从而导致气温重心西移而积雪参数重心东移。澜沧江源区积雪日数减少、积雪深度减少、积雪初日推迟以及积雪终日提前的速率最大,其次是长江源区和黄河源区。进一步的相关性分析表明,三江源地区年平均气温的升高是导致积雪日数和积雪深度减少、积雪初日推迟、积雪终日提前的主要影响因子,积雪日数对气温升高响应最敏感,其次是积雪深度、初日和终日;而年降水量与4个积雪参数的相关性均不显著。研究可为三江源地区水资源和生态环境保护提供基础资料和理论依据。     

应用等效纬度-海拔模型进行地温及多年冻土制图

This research presents a method for permafrost mapping in discontinuous permafrost regions based on equivalent latitude/elevation concept in interior Alaska. In winter months, study site has a strong temperature inversion in air up to 700 m elevation. Air temperature data and the effects of slope, aspect and elevation were used to create an equivalent latitude/elevation model. This model was well correlated with mean annual surface temperature (0.79). In this watershed, the thawing index (It≈1 400 ℃*days) at the ground surface and snow depth do not vary greatly from south facing to north facing slopes. The primary controlled factor that determines the mean annual surface temperature was the winter surface temperature. The permafrost stability is effectively controlled by the freezing index. We determined 37.5% of Caribou-Poker Creeks Research Watershed has unstable or thawing permafrost. At least 2.1% of the permafrost in this watershed may have disappeared in the last 90 years due to climate warming. This method makes it possible to evaluate the permafrost stability in the present, past and future.     

基于MODIS积雪产品的天山年积雪日数空间分布特征研究

山区积雪是干旱区气候变化的重要指标因子,积雪日数与积雪分布之间有着密切关系。为了研究天山山区积雪日数空间分布特征,以MODIS8d积雪产品MOD10A2（Terra）和MYD10A2（Aqua）为数据源,首先对数据进行最大化合成,获取新疆天山500m×500m分辨率的年积雪日数,然后分析了2002-2014年13a积雪日的年际变化,并结合DEM数据分析了13a天山多年平均积雪日随高程和坡度的变化特征。结果表明：天山积雪日数分布极为不均,最大年平均积雪日数为193d,13a内天山绝大部分地区年积雪日变化趋势较为稳定,稳定区约占天山总面积的83.92%;在研究时段内天山总积雪日数主要集中在30d以内,其比例约为天山总面积的48%;各个高程带积雪日面积分布差异明显,但总体上积雪日数随着高程的增加而增加;从积雪日数随坡向分布来看,北坡、东北坡、东坡、西坡、西北坡所占面积比例（>30d）相对高于其他坡向。该研究结果对干旱区水资源估算具有参考意义。     

青藏高原多源雪深数据适用性综合评估北大核心CSCD

青藏高原积雪对区域气候及水循环有重要影响,现有积雪数据集在该区域存在很大不确定性,适用性评估工作不可或缺。基于气象站观测数据(OBS),采用秩评分方法对一套被动微波遥感(CHE)和两套再分析(ERA5-Land和MERRA2)积雪深度数据进行了多变量、多评价指标的综合定量评估。结果表明:从年平均积雪深度、年最大积雪深度、年积雪日数三个变量分别评价各数据,MERRA2对年最大积雪深度、年积雪日数模拟最好,CHE对年平均积雪深度描述最好;各数据在不同评价指标上的得分排名存在较大差异,CHE在描述线性变化趋势上具有优势,ERA5-Land在描述年际变化上具有优势,MERRA2在描述季节循环、多年平均值、极大值、标准差上具有优势;综合考虑,MERRA2在青藏高原适用性综合评分最高、ERA5-Land次之、CHE最低。三种数据均存在明显不足之处,MERRA2对积雪线性变化趋势的定性描述与OBS相反,对积雪年代际变化的模拟有待优化;ERA5-Land对各变量的多年平均值存在严重高估;CHE刻画积雪空间分布特征能力较差。由于青藏高原西部站点稀少,相关评估结论仅适用于高原中东部。基于遥感及再分析数据得到高原西部积雪变化趋势存在较大不确定性。     

祁连山中东部的冻土特征(Ⅱ):多年冻土特征

祁连山中东部地区多年冻土年平均地温、冻土厚度等基本特征参量与海拔具有明显的相关性,海拔越高,地温越低,厚度亦越厚.年平均地温、厚度与纬度、经度关系不明显,可能与工作范围较小有关.对比分析了地表植被、地层岩性、土层含水(冰)量等局域性(非地带性)因素对冻土年平均地温的影响,发现腐殖层较厚,下伏细粒土层,较高的含水(冰)量对保持多年冻土较低的温度有利.阐述了冻土厚度的变化及其影响因素.与前人工作比较,分析冻土层钻孔测温曲线,发现该地区多年冻土正处于退化之中.     

东北冻土区积雪深度时空变化遥感分析

积雪作为冰冻圈的重要组成部分,对地面有保温作用,在消融时又吸收热量降低地面温度,影响冻土发育,对气候的变化十分敏感。利用微波遥感数据1979-2014年逐日中国雪深长时间序列数据集,采用GIS空间分析和地学统计方法,分析了东北冻土区积雪深度的时空变化规律及其异常变化。结果表明,东北冻土区多年平均雪深为2.92 cm,年平均雪深最高值出现在岛状多年冻土区,最低值出现在季节冻土区。东北冻土区年平均积雪深度变化以减少为主,占区域面积的39.77%,减少速率为0.07 cm·（10a）^-1。东北冻土区年平均积雪深度在1986年发生突变,开始出现减少的趋势,这与气温突变年份较为吻合。受地形和气温变化影响,年平均积雪深度减少的敏感区域主要发生在岛状多年冻土区。气温是影响东北冻土区年平均积雪深度变化最主要的因素,降水量、风速、湿度、日照时数对积雪深度均有影响。季节冻土区积雪深度对气候的敏感性要大于多年冻土区。     

欧亚大陆积雪分布及其类型划分

利用1966-2012年欧亚大陆1152个地面气象台站积雪深度资料,对欧亚大陆积雪深度、累计积雪天数和连续积雪天数的空间分布进行了分析,以连续积雪天数为标准对欧亚大陆季节性积雪类型进行了划分,并与应用累计积雪天数对积雪区类型的划分进行了比较研究. 结果表明：欧亚大陆积雪分布具有显著纬度地带性特征,积雪深度、累计积雪天数和连续积雪天数的大值分布区均位于俄罗斯平原的东北部、科拉半岛、西西伯利亚平原、中西伯利亚高原以及俄罗斯远东北部大部分区域. 与累计积雪天数划分方法相比,利用连续积雪天数对欧亚大陆季节性积雪分区,在前苏联地区积雪类型分区差异并不显著,但蒙古和中国的稳定积雪区明显缩减,青藏高原无稳定积雪区,中国大部分地区为非周期性不稳定积雪区. 两种积雪分区划分方法比较结果显示,连续积雪天数划分方法更能体现积雪累积的连续性和持久性,更符合对稳定积雪和不稳定积雪的划分标准.     

利用MODIS和ASAR资料估算青藏高原念青唐古拉山脉地区冰雪范围及厚度

利用可见光和微波卫星遥感资料分析了青藏高原念青唐古拉山脉地区冰雪范围和厚度的季节变化.结果表明:青藏高原念青唐古拉山脉地区冰雪范围的季节变化非常明显,2003年4月上旬、5月中旬、7月下旬和9月下旬的冰雪范围分别占选定研究区域的28.9%、69.9%、11.6%和14.7%.在选定的西布冰川区域,由微波遥感得到的冰雪厚度季节变化也非常明显,5月份厚度的数值最大,7月份最小.由于主动微波观测受地面高程、地形和夏季冰雪融化等因素的影响比较大,主动微波遥感在大面积估算冰雪厚度还有一定困难,有待将来作进一步的深入研究.     

1962-2014年秦岭主峰太白山地区积雪变化特征及其成因分析

利用太白气象站1962-2014年地面积雪观测资料,太白、眉县气象站1980-2014年高山积雪观测记录和1988-2010年卫星遥感资料,分析了秦岭主峰太白山西部中山区、西部中高山区和中部中高山区积雪初、终日期、积雪日数和积雪深度等的变化特征,以及西部中山区积雪变化的成因.结果表明：1962-2014年太白山西部中山区积雪初日推迟,终日提前,初终间日数减少,积雪日数显著减少,积雪深度呈现波动变浅的趋势;1980-2014年西部中高山区积雪日数同样呈现波动减少趋势,西部中山区和中高山区年积雪日数减少率分别为3.2 d·（10a）^-1和8.9 d·（10a）^-1.1980-2014年中部中高山区积雪初、终日期和积雪日数变化趋势不明显.卫星遥感监测资料分析结果显示太白山地区积雪面积呈现波动减少趋势.1962-2014年西部中山区气温升高,降水减少,积雪参数与气候要素相关分析结果表明气温和累积雪深等参数变化关系密切,气温升高是太白山积雪减少的主要原因.1980-2014年太白山地区7月积雪日数很少,关中八景之一的“太白积雪六月（公历7月）天”已很少见到.