NOAA IMS雪冰产品在青藏高原积雪监测中的适用性分析

在系统评估青藏高原积雪观测典型气象站历史定位坐标精度基础上,利用站点雪深资料对NOAA IMS 4 km和1 km分辨率雪冰产品在青藏高原的精度和适用性进行了验证和评估,定量分析了IMS 4 km到1 km空间分辨率提高和气象站历史定位与GPS定位坐标之间的差异对青藏高原IMS积雪监测精度的影响。结果表明：青藏高原个别气象站历史坐标与当前GPS接收机定位之间存在较大的差异,如安多气象站经度偏小0.6°,纬度偏大0.08°。IMS 4 km雪冰产品在青藏高原的总精度介于76.4%~83.2%,平均为80.1%,积雪分类精度介于35.8%~60.7%,平均为47.2%,平均误判率为17.1%,平均漏判率为45.5%,总体上呈现地面观测的积雪日数越多、平均雪深越大,其总体监测精度越低,而积雪分类精度越高的特点。IMS分辨率从4 km到1 km总体精度平均提高了2.9%,积雪分类精度平均提高了0.9%,主要是由于个别站点的精度提升较大引起的,对高原多数台站积雪监测精度的改进和提升很小。除个别台站外,目前气象站历史坐标和GPS定位坐标之间的差异,对IMS 4 km积雪监测精度验证结果没有影响。然而,今后随着卫星遥感技术的发展,更高时空分辨率的遥感积雪产品将用于积雪监测和研究,精确的地面观测站坐标信息是对这些遥感数据开展精度验证与实际应用的前提。     

新疆北部地区季节性积雪密度变化特征分析

选取新疆北部地区季节性积雪期的定点站和典型区域,应用北疆20个气象站点观测资料和使用便携式测雪仪(Snow Fork),在不同地域、不同雪层和不同时间进行观测与测量,并且在积雪稳定期中的一次降雪过程对新雪密度变化过程中影响它的诸多因子进行观测,对新疆北部地区冬季季节性积雪密度变化特征进行的观测和分析.结果表明:雪面辐射热量和雪层内温度梯度对积雪密度起主要作用,变化主要是通过雪层内深霜和粗粒雪层的温度减小而实现的;在隆冬期全层积雪密度最大的为深霜层,入春2月下旬回暖期以后,由于雪层含水率的增加,季节性积雪密度最大层则为粒雪层.     

2011-2013年乌鲁木齐城-郊冬季积雪深度与密度空间分布特征

利用2011-2013年冬季4次地面实测乌鲁木齐城-郊积雪深度与密度数据,应用普通克里格空间插值方法,分析了乌鲁木齐城-郊冬季积雪深度与密度从2011年12月下旬-2012年2月下旬及2012年1月中旬和2013年同期的时空分布特征.结果表明:乌鲁木齐城-郊冬季积雪深度与密度存在显著地区域分布差异及变化特征.整个冬季位于城东北部的米东石化工业园区积雪均较深,尤其12月和2月,在主城区内部又存在不同下垫面下积雪较多的区域.从12月下旬-次年2月下旬,积雪逐渐累积,且积雪深度比密度具有更大的空间变化幅度.除12月下旬大部分主城区雪密度比郊区大之外,1月中旬、2月下旬主城区雪密度均比城东和城东北方向低.2013年1月中旬积雪与2012年同期相比,平均积雪量明显偏厚,约31 cm,但雪密度变化范围不大且深度与密度的空间分布均发生明显改变.本文结果对于了解乌鲁木齐城区积雪的区域差异,为主城区道路积雪清运、保障道路通畅优化方案及春季融雪洪水防御预案的制定提供基础数据支撑,也可以弥补当前气象站点少且空间分布不匀的不足.此外,本文对卫星遥感数据反演的积雪参数精度验证也具有实际参考价值.     

基于重轨InSAR的积雪深度反演方法

利用合成孔径雷达（Synthetic Aperture Radar,SAR）反演积雪深度是流域尺度积雪遥感监测的热点之一, SAR的干涉测量（Interferometic SAR, InSAR）扩展了其在积雪研究中的应用. 微波能够穿透干雪,并在雪-空气界面发生折射,导致传播路径变化;根据InSAR原理,降雪前后的SAR像对会形成由于干雪覆盖导致的干涉相位差. 基于此,提出了基于重轨InSAR技术的积雪深度反演方法：首先,结合气象、水文、野外观测数据,判断积雪状态,以选择最佳干涉像对（无雪和干雪覆盖）;然后,优化干涉处理过程,利用差分原理,获得由于干雪覆盖导致的相位差;最后,基于雪深与相位差的几何关系,反演积雪深度,并探讨反演结果精度的影响因素. 以新疆玛纳斯河流域山前平原为研究区,利用Envisat ASAR数据,实现积雪深度的反演. 结果表明：2009年2月份研究区大部分地区雪深为20 cm左右,与野外观测结果相符;与同时期HJ-1光学影像比较,所获得的积雪覆盖范围吻合. 同时指出,失相干和输入参数（入射角、雪密度）误差是反演结果误差的主要来源.     

基于多源遥感数据的疏勒河上游山区流域VIC-CAS模型积雪模拟效果评估

积雪积累和消融过程是冰冻圈水文模型的重要组成部分,利用多源遥感数据对水文模型模拟的积雪分布和深度进行评估是进一步增强融雪过程模拟的物理基础,也是提高模拟可靠性的重要手段。基于2002—2013年疏勒河上游山区流域MODIS地表反射率数据集和中国雪深长时间序列数据集,对VIC-CAS模型模拟的逐日积雪覆盖度和雪深进行了综合评估。结果表明：从不同降雪年份来看,VIC-CAS模型可以较好地模拟多雪年（2008年）疏勒河上游山区流域积雪的覆盖度,在平雪年（2004年）和少雪年（2013年）模型模拟精度相对较低。从不同海拔的模拟结果来看,在流域占比最高的4 000~5 000 m高程带精度最高,2 000~3 000 m高程带精度最低;对比模拟雪深与中国雪深产品发现,多雪年的一致性较高,平雪年和少雪年的一致性较低。这表明VIC-CAS模型对疏勒河上游日尺度的积雪覆盖度和雪深的模拟精度相对较低,特别在低海拔处和薄雪情况下,其原因可能是对积雪再分布和风吹雪过程的模拟算法和参数化存在较大的不确定性,需要进一步改进。     

基于RS与GIS的水库蓄水期起始时间的判定

对以冰川积雪融水补给为主的河流而言,水库蓄水期起始时间的判定对水库的正常运行起较重要的作用.在水库实际运行中何时开始水库蓄水并没有一个合理的确定标准,水库运行管理人员只能根据流域特性主观确定,受人为因素影响较大.借助RS和GIS以及数字高程数据(DEM)分析了研究区2005年各个时期各个高程带的积雪覆盖率变化.通过比较分析确定了研究区较合理的水库蓄水期起始时间,为今后水库运行管理提供了一个参考依据.     

天山西部季节性积雪密度及含水率的特性分析

利用Snow Fork雪特性分析仪采集积雪物理特性(积雪深度、积雪密度、体积含水率)数据,分析了天山积雪雪崩站稳定积雪期和非稳定积雪期雪物理特性的时间变化特征及其在垂直剖面上的廓线分布.结果表明: 1)稳定期积雪深度随时间缓慢减小,体积含水率垂直廓线随积雪深度变化呈单峰曲线,峰值距雪表面约33 cm,雪密度垂直廓线为中部大、积雪表层和底部较小;2) 非稳定积雪期积雪迅速沉陷,体积含水率相对于雪层温度的变化有滞后效应,滞后时间约为2 h,雪密度垂直廓线与稳定期相同.整个非稳定积雪期的日平均雪密度与日平均含水率、日平均温度均呈显著正相关.     

天山西部季节性积雪密度及含水率的特性分析

利用Snow Fork雪特性分析仪采集积雪物理特性(积雪深度、积雪密度、体积含水率)数据,分析了天山积雪雪崩站稳定积雪期和非稳定积雪期雪物理特性的时间变化特征及其在垂直剖面上的廓线分布.结果表明:1)稳定期积雪深度随时间缓慢减小,体积含水率垂直廓线随积雪深度变化呈单峰曲线,峰值距雪表面约33cm,雪密度垂直廓线为中部大、积雪表层和底部较小;2)非稳定积雪期积雪迅速沉陷,体积含水率相对于雪层温度的变化有滞后效应,滞后时间约为2h,雪密度垂直廓线与稳定期相同.整个非稳定积雪期的日平均雪密度与日平均含水率、日平均温度均呈显著正相关.     

1980—2020年青藏高原积雪时空变化特征

青藏高原是气候变化的敏感区,其积雪在区域水文循环和气候系统中具有重要作用。本文利用1980—2020年逐日无云积雪覆盖遥感数据,分析了该地区近40年的积雪面积、积雪覆盖日数的分布特征和变化趋势。结果表明：青藏高原地区积雪分布具有明显的空间分异和垂直地带性分布特征,阿姆河流域、印度河流域、塔里木盆地、恒河流域、怒江流域和雅鲁藏布江流域的高海拔山区是积雪广泛分布的地区。在水文年内,高原地区积雪覆盖率呈单峰变化,8月上旬积雪面积最小,1月中下旬达到最大,分别占高原总面积的5.2%和38.6%;40年间,高原地区平均积雪面积以3.9×10⁴ km²·(10a)^-1的趋势显著减少(P<0.05);积雪覆盖日数以0.47 d·a^-1的趋势显著减少,高原71.4%的区域积雪覆盖日数呈减少趋势,呈显著减少的区域约占55.3%;17.1%的区域积雪覆盖日数呈显著增加趋势,且主要分布在5 200 m以上的高海拔山区,在海拔5 200～5 900 m之间的区域,积雪覆盖日数的增加率随海拔升高而增加。     

栅格型新安江模型在赣江流域的应用

以赣江流域峡山站以上为研究区域,利用栅格型数字高程数据,提取数字流域水系及其空间拓扑关系,在此基础上建立数字水文模型。赣江上游峡山站以上集水区域包含21198个空间分辨率为30s的栅格,采用就近移植法将降水数据及蒸发数据插值到每个栅格上,计算峡山站的径流过程。日模型中选取1978~1985年为参数率定期,1986~1987年为参数验证期,以多年径流量误差最小为目标函数。次洪模型中采用前16场洪水用于参数率定,后6场用于模拟验证,以洪水总量、洪峰流量、峰现时间按许可误差统计合格率最高和确定性系数最大为目标函数。结果显示,率定期16场洪水中14场合格,验证期6场洪水均合格,表明栅格型新安江模型模拟效果良好。     

乌鲁木齐河流域积雪面积变化及其对径流的影响

积雪面积是干旱区分布式水文模型的重要输入因子,为了研究其与径流间的关系,基于MODIS数据提取乌鲁木齐河流域英雄桥站以上积雪面积,分析了流域近年来积雪面积变化特征,采用偏相关分析法阐明了降水和气温变化对积雪面积的影响,并利用多元逐步回归与通径分析研究了径流同积雪面积、降水、气温间的关系。结果表明:(1)流域积雪面积12月份达到最大,7月份达到最小,多年积雪面积变化呈不明显下降趋势;(2)气温对积雪面积的变化较降水更加敏感;(3)流域内各因素间的相互影响促进了径流的产生。     

SIMHYD模型在松花江流域应用的适应性分析

近年来,概念性水文模型在水文预报中得到了广泛应用,为探讨SIMHYD模型在松花江流域应用的适应性,为其汛期的防洪控制、水库调度提供依据,本文选择嫩江流域上游石灰窑断面和第二松花江流域白山断面汛期(6—9月)的日径流过程进行模拟。计算结果表明,SIMHYD模型在松花江流域的应用中存在区域性差异:在嫩江流域上游石灰窑汇水区,率定期的纳什系数为0.501,验证期的纳什系数为0.158,模型应用的适应性较差;在第二松花江流域白山汇水区,率定期的纳什系数为0.777,验证期的纳什系数为0.729,模型应用的适应性优良。模型对于洪峰处的模拟存在较大误差,主要原因在于该模型没有考虑到产流时空分布不均及河道汇流计算过程。     

Use of interactive multisensor snow and ice mapping system snow cover maps (IMS) and artificial neural networks for simulating river discharges in Eastern Turkey

Basins located in Eastern Turkey are largely fed by snowmelt runoff during spring and early summer seasons. This study investigates the efficiency of artificial neural networks (ANNs) in snowmelt runoff generation. Although ANNs have been used for streamflow simulating/forecasting in the last two decades, using satellite-based snow-covered area (SCA) maps and meteorological observations as inputs to ANN provides a novel basis for estimating streamflow. The proposed methodology is implemented over Upper Euphrates River Basin in Eastern Turkey. SCA data was acquired from Interactive Multisensor Snow and Ice Mapping System (IMS) for an 8-year period from February 2004 to September 2011. Meteorological observations including daily cumulative precipitation and daily average air temperatures were obtained from Turkish State Meteorological Services. The simulation results are promising with coefficient of correlation varying from 0.67 to 0.98 among proposed models. Past days discharge was found to substantially improve the forecast accuracy. The paper presents the expected basin discharge for 2011 water year based on meteorological observations and SCA input.     

黑河干流浅层地下水与地表水相互转化的水化学特征

通过分析黑河干流地表水与地下水的水化学特征,识别沿黑河干流不同地带地下水与地表水的相互转化关系.研究结果表明:(1)在祁连山区,地下水与地表水的转化以地下水向河流排泄为主.(2)南部盆地,在山前戈壁带,出山河水入渗转化为地下水;溢出带地下水以泉的形式转化为地表水;进入细土平原后,汛期河水补给地下水,非汛期地下水补给河水;在农灌区引河水通过田间入渗补给地下水.(3)北部盆地,在金塔灌区,地下水主要接受引水灌溉入渗补给;在金塔灌区到额济纳旗,河流入渗转化为地下水.     

雅鲁藏布江流域极端降水模拟及预估

为了解雅鲁藏布江流域汛期极端降水的变化规律,推算一定重现期的极端降水量分位数,通过百分位法、Hill图法、年交叉率法选取阈值,借助广义帕累托分布函数（GPD）对流域极端降水频率进行了分析。结果表明：99百分位时的阈值为流域内各站点的最佳阈值,且各站点超阈值序列通过了M-K的平稳性检验,无明显突变。拟合效果通过K-S检验,各站点拟合的极端降水理论频数和实测频数基本相符。尺度参数的大值区位于流域下游,表明该地区的极值波动大;形状参数正值区位于流域中上游地区,说明发生破纪录降水事件的概率较大,拟合结果与实际观测一致。从5年一遇和10年一遇的极端降水值来看,雅江流域除拉孜站外,其他地区降水极值均超过30 mm,日喀则地区的降水极值达50 mm;各地区20年一遇和30年一遇的降水极值增长的非常缓慢。通过与实际极端降水值对比分析得出,GPD拟合计算出的重现期水平基本符合实际,即具有一定的合理性。     

陆丰南地区断拗转换界面厘定及其地质意义

珠江口盆地经历裂陷阶段向拗陷阶段的转变，同期沉积地层记录了该构造变革和沉积演化过程，为厘定断拗转换界面提供了可能。基于地震反射、沉积旋回特征，识别出陆丰南地区恩平组内部存在全区可追踪对比的构造沉积转换面——T72界面，也是区分上下恩平组界面。对陆丰13洼洼间隆钻井LFA开展上下恩平组碎屑锆石U- Pb 定年、重矿物组分、元素分析，提出恩平组T72界面上下地层物源体系发生转变。结合区域沉积充填特征，表明陆丰南地区T72界面为断- 拗转换界面。具体表现为：下恩平组沉积期湖盆继承文昌期裂陷盆地特征，湖盆水体较深，物源主要为盆地内部的中生代基底凸起，沉积层序明显受盆内低凸起控制，在盆内低凸起四周发育一系列近源的辫状河三角洲，井区主要接受来自惠陆低凸起物源;上恩平组沉积期间，湖盆进入断拗过渡期，湖盆扩大、水体变浅，盆内低凸起四周的断裂活动减弱，沉积层序逐渐向盆内低凸起超覆，盆外太古宙—古生代物源组分供给不断加强，近源的三角洲砂体逐渐向远源的浅水三角洲砂体转化，同时发育宽广的滨浅湖环境，原供给物源的惠陆低凸起为水体淹没，井区接受了北部隆起外的物源。     

鄂尔多斯盆地构造演化和构造控煤作用

鄂尔多斯盆地是印支运动后在滨太平洋构造域和特提斯构造域影响下形成的中生代大型内陆坳陷,现今盆地范围是后期改造的结果。盆地构造演化过程可分为早侏罗世-中侏罗世早期、中侏罗世、晚侏罗世和早白垩世4个阶段,早侏罗世-中侏罗世早期形成了丰富的煤炭资源。构造运动对聚煤期、聚煤区和煤层形成后的赋存特征均具有重要的控制作用：聚煤期受控于大地构造背景;聚煤区围绕盆地沉降中心呈环带状展布,煤层层数、厚度和横向变化规律在盆地不同部位表现出不同的特点;构造转折期与构造转折部位是控制煤层形成的重要因素。该盆地内主要的控煤构造单元有：西缘褶皱冲断带、天环坳陷、伊陕单斜、渭北断隆和河东断褶带。     

北羌塘盆地索瓦组上段的时代、古气候及石油地质特征

索瓦组上段是羌塘盆地演化晚期的一套潮坪—潟湖相沉积,分布于北羌塘盆地中部。通过对索瓦组上段区域地层对比,发现索瓦组上段在盆地东部、西部和南部的岩性变化较大,海相油页岩的出露地仅分布于北羌塘坳陷南部胜利河—长蛇山—托纳木一线的局限海湾—潟湖的边缘带,其形成明显受到了古地理条件的控制。根据索瓦组上段以及其下伏地层产出的生物化石组合,并结合油页岩的Re-Os同位素年龄,认为索瓦组上段的时代可能为早白垩世。对该组产出的孢粉化石组合和硅化木分析表明,索瓦组上段在沉积早期和晚期的古气候条件发生了明显的变化,早期为温暖和湿润气候,而晚期为半干旱—干旱气候,这种垂向上的古气候变化特征不仅仅局限于胜利河地区,可能在整个北羌塘盆地都普遍存在。索瓦组上段发育的油页岩及其上部膏岩沉积组合的发现,对于评价羌塘盆地演化晚期的石油地质条件具有重要的意义。     

历史时期关中地区气候变化的初步研究

关中地区地理位置特殊,是中华民族的一个重要发祥地,历史时期气候曾发生多次明显的变化。通过对这一地区考古发掘、抱粉分析研究成果以及丰富的史籍文献、地方志等资料的收集、整理、分析,划分出全新世早期寒冷、全新世中期暖湿、西周冷干、春秋至西汉前期暖润、西汉后期至北朝凉干、隋和唐前中期暖润、唐后期至北宋凉干、金前期温干、金后期和元凉干、明清冷干等10个气候变化阶段,从而建立起该地区历史时期完整的气候变化序列。     

BP神经网络在贵州喀斯特山区径流预报中的应用

以贵州六冲河、倒天河流域为例建立喀斯特山区径流预报BP神经网络模型。六冲河流域以七星关站丰水期流量过程为输出数据,以丰水期降雨过程、出口断面前期流量过程、蒸发量作为输入数据,倒天河流域以徐家屯站丰水期流量过程为输出因子,丰水期降雨过程、前期流量过程作为输入因子。预报结果确定性系数DC值分别为0.538、0.420。结果表明将蒸发量作为输入数据、流域面积比较大模型预报精度较大。