基于不同积雪日定义的积雪资料比较分析

利用天气现象定义与积雪深度定义两种方法对全国884个台站的积雪日资料进行统计处理, 分别整理出每一台站各个积雪年的积雪日数、积雪深度、 初终雪间隔日数3个要素的两套数据, 并进行对比分析. 结果表明: 在全国东部大部分地区及新疆地区, 两种数据差别不大, 但在东北及青藏高原两套数据的差别较大. 在积雪日数的比较中, 两种数据在东北及青藏高原的差别基本都在10 d以上, 积雪深度的差别在0.4 cm以上, 初终雪间隔日数的差别以青藏高原最明显, 大部分地区的差别在15 d以上, 甚至有达到30 d以上的区域. 对青藏高原东北边坡代表站的积雪平均值进行M-K突变检验发现, 积雪深度定义的积雪日数与间隔日数减少趋势略大于天气现象定义统计的数值;而在积雪深度的比较中则相反. 两种定义的积雪间隔日数均在1987年出现突变.     

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。     

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.     

2003-2010年青藏高原积雪及雪水当量的时空变化

利用MODIS逐日无云积雪产品与AMSR-E雪水当量产品进行融合, 获取了青藏高原500 m分辨率的高精度雪水当量产品, 通过研究青藏高原积雪时空动态变化特征, 分析了积雪覆盖日数、雪水当量以及总雪量的季节及年际变化. 结果表明: 青藏高原地区降雪主要集中在高海拔山区, 而高原腹地降雪较少, 降雪在空间上分布极为不均; 2003-2010年期间, 平均积雪日数呈显著减少趋势, 稳定积雪区面积在逐渐扩大, 常年积雪区面积在不断缩小. 与积雪日数时空变化相比, 雪水当量增加的区域与积雪日数增加的区域基本一致, 但喜马拉雅山脉在积雪日数减少的情况下雪水当量却在逐年增加, 表明该地区温度升高虽然导致部分常年积雪向季节性积雪过渡, 但降雪量却在增加. 总的积雪面积年际变化呈波动下降的趋势, 但趋势不显著, 且减少的比例很少. 最大积雪面积呈现波动上升后下降的趋势, 平均累积积雪总量呈明显的波动下降趋势, 年递减率为1.0×10³ m³·a^-1.     

五台山积雪变化趋势及其影响因素

基于MODIS积雪产品与微波遥感数据,分析五台山2000—2019水文年积雪时空分布、变化趋势及与影响因素的Pearson相关性,结果表明：（1）五台山积雪期为10月至翌年4月,年内呈单峰型变化趋势,积雪集中于西北部。（2）积雪面积和积雪日数的年际变化呈显著减少趋势（p<0.05）。（3）积雪面积和积雪日数与海拔正相关,积雪面积在北坡高于南坡。（4）积雪面积与气温相关程度高于降水量,积雪面积在年内与气温和降水量日值呈显著负相关（p<0.05）,在年际与气温年均值呈显著负相关（p<0.05）。     

1961 - 2016年秦岭山区冷季积雪日数变化特征及其影响因子

根据1961 - 2016年秦岭地区32个气象站点的气温、 降水及积雪等相关数据, 运用REOF、 M-K检验和小波分析等方法, 对秦岭地区冷季积雪日数的时空变化和影响因子进行分析。结果表明： 秦岭地区冷季多年平均积雪日数表现为北坡比南坡积雪日数多。在全球气候变暖的背景下, 海拔越高积雪日数减少的越多。秦岭冷季积雪日数呈现显著减少的趋势, 5个区的积雪日数年代际变化特征显著, 在20世纪末到21世纪初发生了由积雪日数偏多到偏少的突变。各区冷季积雪日数的周期变化主要集中在10 ~ 20 a, 秦岭南坡同时也显示了较为明显的4 a左右的周期变化。西北太平洋海温阶段性增暖是导致秦岭冷季积雪日数减少的外强迫因素。秦岭地区冷季平均气温的显著增暖和冷季降水量的显著减少直接造成积雪日数的减少。秦岭冷季积雪日数减少的突变要比气温增暖的突变大约滞后4 ~ 7 a。     

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。     

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。     

新疆区域近50a积雪变化特征分析

利用新疆91个气象台站1960-2011年的观测资料, 对南北疆及天山山区冬春年(10月-翌年5月)的积雪日数、最大积雪深度、积雪初始、终止日期等因子进行了统计分析, 并通过Kringing插值计算了新疆区域平均最大积雪深度的空间分布.结果表明: 新疆冬春季积雪主要分布在天山以北, 厚度可达30 cm以上, 天山以南积雪比较浅薄, 大部分在10 cm以下;50 a来, 南北疆及天山山区的积雪深度均呈小幅增长(天山山区增幅最大), 积雪日数呈略微降低趋势, 积雪初始、终止日期无明显变化. 天山山区的积雪变化与北疆有较高的相关性, 它们积雪深度和积雪日数的相关系数分别达0.708和0.614, 南疆积雪变化与它们几乎没有相关性;积雪深度与冬春年降水量的变化均有很好的一致性, 尤其在北疆,二者相关系数高达0.702, 但与平均温度呈低的负相关;积雪日数与冬春年降水量变化没有明显相关关系, 但均与气温呈较好的负相关, 在北疆二者的相关系数达-0.742.     

河套及其邻近不稳定积雪区积雪日数时空变化规律研究

利用河套及其邻近地区(30°～43°N,102°～120°E)240个地面气象观测站1951-2006年的积雪日数资料,采用EOF/REOF进行分解,分析了该区积雪的时空异常分布情况.结果表明:河套及其邻近地区积雪日数有3个主要的分布型,第1种类型为全区一致地偏多(偏少)型,相似年份有13 a;第2种类型为南多(少)北少(多)的南北相反分布型,相似年份有7 a;第3种类型为东多(少)西少(多)的东西相反分布型,相似年份有2 a.对年积雪日数进行REOF分解可将研究区域分为6个气候分区.利用Morlet小波分析表明,研究区域年积雪日数变化存在准18 a周期.在全球变暖的大背景下,研究区域的年积雪日数整体呈减少的趋势,减少最显著的在高纬度和高海拔地区.     

MODIS逐日积雪产品去云算法研究

由于积雪和云的反射特性, 使用光学遥感监测积雪受到天气的严重干扰, 对研究区云量的分析表明, 无论是MOD10A1还是MYD10A1, 云都是影响该产品对研究区积雪进行实时监测的最大影响因素. 综合不同去云方法, 利用MODIS逐日积雪产品和被动微波数据AMSR-E雪水当量产品, 生成了MODIS逐日无云积雪图像, 并利用研究区85个地面气象观测台站提供的雪深数据对合成的单日无云积雪产品进行验证. 结果表明: 当积雪深度>3 cm时, 新产品的积雪分类精度达到91.7%, 该产品对实时监测青藏高原积雪动态变化具有重要的使用价值.     

利用MODIS和AMSR-E进行积雪制图的比较分析

MODIS和被动微波辐射计AMSR-E提供了识别积雪的不同方法.MODIS首先计算反映积雪在1.6μm强吸收特性的归一化差值积雪指数NDSI,在剔除卷云的影响后,得到MODIS积雪分布.AMSR-E则根据积雪在微波波段的差异性散射特性识别积雪.通过案例分析比较了MODIS和AMSR-E积雪分布,发现由于云的遮蔽使MODIS积雪分布面积会比实际小,但由于MODIS的空间分辨率很高,得到的积雪边界线轮廓清晰.而微波由于不受云的影响,得到的AMSR-E积雪分布比较符合实际,但积雪的边界线较粗.     

东北地区MODIS和AMSR-E积雪产品验证及对比

通过2002-2008年6个积雪季节的Terra-Aqua/MODIS积雪产品(MOD10A2、MOD10C2)和Aqua/AMSR-E雪水当量产品,分析了东北地区积雪覆盖面积的变化特征,以研究区气象站点观测的积雪数据为真实值来验证两种产品积雪信息的精度,探讨了云覆盖、土地利用类型和雪深对积雪覆盖精度的影响.结果表明:云的存在对微波数据积雪识别的影响较小,在积雪量较多的12月至次年的2月随云量百分比的变化,MOD10A2积雪覆盖面积比例大体出现负变化.因此,在有云情况下AMSR-E数据反演积雪精度最好.对比草地、耕地、林地和居民地4种土地覆盖类型对监测积雪覆盖精度的影响,发现林地对其影响最大,在林区3种积雪产品的积雪识别精度分别为55.8%、81.2%、85.4%;雪深对AMSR-E积雪产品识别精度影响较小,总体精度为97.8%;积雪深度对MOD10A2积雪产品识别精度影响较大,总体精度为57.3%.MOD10A2、MOD10C2和AMSR-E 3种积雪产品的总体反演精度分别为69.3%、76.6%、76.3%.有必要开发适用于东北地区的积雪覆盖算法,提高估算精度,为能量平衡估算、气候模型、农业生产、土壤墒情监测服务.     

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).     

基于多源数据的西藏地区积雪变化趋势分析

利用1980—2009年气象台站的观测数据、 北半球NOAA周积雪产品和2001—2010年500 m分辨率的EOS/MODIS积雪产品等多源资料, 从不同角度对近30 a来西藏区域积雪变化趋势进行了分析. 结果表明: 不同资料分析均显示, 近30 a来西藏地区积雪不断减少, 尤其以近些年较为明显. 近30 a积雪日数、 最大积雪深度总体上呈现下降趋势, 尤其是进入21世纪以来, 下降趋势非常明显. 从秋冬春季节的积雪变化趋势来看, 冬、 春两季的积雪在减少, 而秋季在增多, 这些变化趋势都与各季节的气温和降水密切相关. NOAA资料显示, 近30 a来西藏地区的积雪覆盖面积正在逐步减少; 季节变化略有不同, 春、 秋两季略呈上升趋势, 冬、 夏两季在减少, 且夏季减少趋势较明显. MODIS资料分析表明, 近10 a来西藏地区的积雪总体呈下降趋势, 尤其是2007年下半年开始下降明显. 秋季的积雪在增加, 冬、 春、 夏三季的积雪趋于减少, 且春季的下降趋势最明显, 其次为冬季, 夏季的减少幅度最小. 不同海拔的积雪都有减少趋势, 最明显的是海拔4 000~5 000 m的积雪, 其次是海拔5 000~6 000 m段. 按地理区域分析, 近10 a来西藏东、 西、 中3个区域的积雪都呈减少趋势, 其中西部的下降趋势最明显, 其次为中部, 东部相对较稳定.     

Snow cover depletion under changed climate with the help of remote sensing and temperature data

Snow cover depletion curve (SDC) is one of the important variables in snow hydrological applications, and these curves are very much required for snowmelt runoff modeling in a snowfed catchment. Remote sensing is an important source of snow cover area which is used for preparation of SDC. Snow cover maps produced by Moderate Resolution Imaging Spectroradiometer (MODIS) satellites are one of the best source of satellite-based snow cover area at a regular interval. Therefore, in this study, snow cover maps have been prepared for the years 2000?C2005 using MODIS data. The study area chosen viz. Beas basin up to Pandoh dam falls in western Himalayan region. For snowmelt runoff modeling, catchment is divided into number of elevation zones and SDC is required for each zone. When sufficient satellite data are not available due to cloud cover or due to some other reasons, then SDC can to be generated using temperature data. Under changed climate conditions also, modified SDC is required. Therefore, to have SDC under such situations, a relationship between snow cover area and cumulative mean temperature has been developed for each zone of the catchment. This procedure of having snow cover maps has two main purposes. First, it could potentially be used to generate snow cover maps when cloud-free satellite data are not available. Second, it can be used to generate snow-covered area in a new climate to see the impact of climate change on snowmelt runoff studies.     

一种简化的MODIS亚像元积雪信息提取方法

遥感技术已逐步成为大范围内积雪信息提取的主要手段,但通常的遥感积雪像元识别算法使用二值判定的模式,这对于山区非连续分布的积雪监测能力较差.针对目前应用广泛的MODIS传感器数据,充分利用了雪盖指数在积雪监测中的重要性,并在考虑了地表覆盖的情况下,建立了像元雪盖率与雪盖指数、植被指数之间的线性关系模型,并利用ETM+数据对模型估算的雪盖率进行了验证.结果表明,该方法能有效地提取亚像元尺度的积雪信息.     

基于MODIS和AMSR-E资料的青海省旬合成雪被图像精度评价

利用2002年10月1日至2008年3月31日青海省MODIS/Terra-Aqua每日雪被产品(MOD10A1、MYD10A1)和AMSR-E/Aqua每日雪水当量产品,研究了MODIS和AMSR-E旬数据的融合算法,合成了AMSR-E旬积雪分类图像(AE_10D)、MODIS旬积雪分类图像(MOYD_10D)及二者...     

基于MODIS数据的东北地区积雪覆盖率估算

东北地区是我国三大积雪区之一,森林覆盖面积占总面积的40%左右。受森林冠层的影响,当前的MODIS雪盖产品（V6）提供的积雪覆盖率标准模型对东北地区积雪覆盖率估算结果存在明显的低估现象。基于此,采用分区建模的方式：在森林地区,计算归一化差值林地积雪指数（NDFSI）,建立像元积雪覆盖率（FSC）与NDFSI及NDVI之间的线性关系;在非森林地区,采用MOD10A1 V6提供的归一化差值积雪指数（NDSI）,建立像元积雪覆盖率（FSC）与NDSI及NDVI之间的线性关系。采用Landsat 8 OLI数据提取的积雪覆盖率（FSC）对分区建模的估算结果与标准模型的估算结果进行对比,发现进行估算的过程中均方根误差和平均绝对误差这两项指标的数值相对于标准模型有了大幅下降,这一结果在林区有更显著的表现。计算得到的决定系数R²,在本文模型也有提高。以T1林区影像为例,本文模型的均方根误差和平均绝对误差分别为0.246、0.055,而标准模型的两项指标则分别为0.420、0.348。本文模型和标准模型的决定系数分别为0.675、0.641。