基于MODIS积雪覆盖度数据的青藏高原两套被动微波雪深产品降尺度对比研究

积雪深度(雪深)是流域水量平衡、融雪径流模拟等模型的重要输入参数,被动微波雪深遥感产品被广泛用于雪深监测。然而,由于山区积雪时空异质性强,这些空间分辨率较粗的雪深产品受到极大限制。本研究基于MODIS积雪覆盖度数据,根据经验融合规则以及积雪衰退曲线对“中国雪深长时间序列数据集”的两套雪深产品(由SMMR、SSMI和SSMI/S反演的称为Che＿SSMI/S产品;由AMSR-2反演称为Che＿AMSR2产品)进行空间降尺度,最终获得青藏高原500 m降尺度雪深数据(Che＿SSMI/S＿NSD和Che＿AMSR2＿NSD)。利用6景Landsat-8影像对两套降尺度雪深数据进行对比分析,结果发现两套降尺度数据与Landsat-8影像积雪空间分布吻合度均较高。与29个气象站点雪深数据相比,Che＿AMSR2＿NSD与实测雪深更为接近,相关系数(R)达到0.72,均方根误差(RMSE)为3.21 cm;而Che＿SSMI/S＿NSD精度较低(R=0.67,RMSE=4.44 cm),可能是由于采用不同传感器亮温数据的两套原始雪深产品精度不同所致。除此之外,实验表明被动微波雪深产品降尺度精度还...     

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。     

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。     

基于AMSR2被动微波积雪参量高精度反演方法研究

以新疆为研究区域建立了被动微波遥感积雪深度高精度反演模型,采用高空间和时间分辨率AM SR2被动微波遥感数据(2012年11月-2015年3月逐日数据),结合研究区域海拔高度、坡度、坡向、沙漠,荒漠和地表粗糙度等地形、地貌特征,考虑冰川、水体、林地等地表覆盖类型和不同季节的新雪、干雪和湿雪等积雪属性的微波辐射特征,以决策树阈值法为基础,通过采集样本分类建立起多种雪深判识阈值,在此基础上建立AMSR2高精度积雪深度反演综合模型,分类分析不稳定积雪和冰川信息,从而实现雪深在60 cm以内的积雪深度AMSR2反演的主要原理、思路及方法,并对模型的反演结果跟台站实测或者野外观测积雪值以时间和空间角度进行检验.结果表明:该综合模型能够定量判识研究区域复杂地形地貌条件下的1~60 cm积雪厚度,检验的复相关系数为0.74~0.88,均方根误差为2.92~6.14 cm,平均绝对偏差指数为3~4 cm,雪深误差5 cm的精度为91%~94%,雪深误差2.5cm的精度为81%~87%.     

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.     

祁连山区冰沟流域积雪分布特征及其属性观测分析

以祁连山冰沟流域为研究区,通过在流域内布设花杆观测积雪深度,渊查了山区积雪分布情况;利用雪特性分析仪测量了区内积雪密度、介电常数、液念水含量等积雪参数,光谱仪测量了不同类型积雪的光谱特征,手持反照率测量计观测积雪表面反照率,带刻度手持放大镜测量积雪粒径,红外温度计和针式温度计测量雪层的温度和实地测量积雪属性.同时,在研究区内选择加强观测区挖雪坑,对雪层内部属性和雪剖面分层特性作了进一步研究,计算民流域内积雪等效密度;最后对试验中所使用的野外实测积雪的各种方法进行了评价.研究表明:山区积雪分布很不均匀,在阴坡山谷雪深最深,阳坡雪积累最少,即使在同一样区,积雪分布也小均匀;研究Ⅸ的积雪属于潮雪,体秋含水量在3%以下;不同粒径、类型和表面粗糙度的积雪反射率不同,验证了积雪光谱是雪颗粒、污染物和地面粗糙度的函数;积雪反照率随太阳高度角升高逐步降低,在没有新降雪的情况下,日反照率也逐渐降低;雪分层比较明显,雪下冰晶层发育良好.当深度达剑20 cm时,积雪具有保温作用;冰沟流域的积雪等效密度随时间和空间变化不大,经汁算为0.16 g·cm-3.     

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SSM/I和MODIS数据的天山山区积雪深度时空特征分析

以天山山区为研究区,利用MODIS 8d最大积雪合成数据MOD10A2,分析天山山区积雪的时间变化和空间变化情况以及不同高程带的积雪覆盖率的变化情况;结合SSM/I亮温数据和站点观测数据建立的雪深反演模型并反演研究区的雪深,根据研究区的地势起伏情况,提取特殊地形进行分析其雪深变化情况,进一步分析整个天山山区的积雪深度的时空特征,并对结果进行验证,并且对不同高程带的积雪深度进行分析.研究结果表明:1)天山山区积雪面积分布的趋势表现为自西向东、自北向南减少,总体是呈波动中减少的趋势,到了2012年天山山区年最大积雪面积为37.69×10⁴ km².2)积雪覆盖率与高程呈正比,在高山区可达70%以上.积雪深度分布呈自西向东、由北向南减少,深度最大的是在天山北部的博格达峰、河源峰附近,可以达到80 cm以上,最小在哈密地区的托木尔提峰附近积雪深度仅在10 cm左右.积雪深度与海拔呈正相关,最大雪深出现在4500 m以上的高山区.3)对雪深反演结果的精度评价表明,模型在10~30 cm雪深范围内,反演平均误差为-2.47 cm;在雪深<10 cm或>30 cm的局部地区存在较大偏差.     

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。     

基于数字摄影测量的雪盖制图方法探讨

受地形、 植被、 太阳辐射以及分吹雪等因素影响, 山区积雪时空分布差异性很大, 人工观测和卫星遥感手段很难获取高时空分辨率的雪盖信息. 2010年3-5月在祁连山葫芦沟一级小支流开展了相机摄影试验, 并应用摄影测量技术将野外拍摄影像转化为正射积雪空间分布图像, 以此获取小流域高时空分辨率的积雪分布信息. 结果表明: 20次摄影测量后方交会解得到的摄影中心与实测摄影中心误差ΔX 分布在-9.27~25.51 m之间, 而ΔY分布在-33.53~18.2 m, ΔZ区于-3.33~9 m之间. 单张积雪制图误差分析表明, ΔX 分布在-9.27~25.51 m之间, 而ΔY分布在-33.53~18.2 m, ΔZ区于-3.33~9 m之间, 边缘处积雪制图误差大于中心位置. 进一步分析表明, 高程数据精度、 摄影距离和摄影倾角等因素影响数字摄影测量雪盖制图的精度. 随着地形数据精度的提高, 正射积雪制图的精度有很大的提升空间, 相机摄影测量也将成为小流域尺度、 坡面尺度雪盖信息获取的有效手段之一.     

次网格积雪参数化在祁连山区斑状积雪带模拟中的应用

运用中尺度大气模式MM5,积雪参数化分别采用简单的积雪参数化方案以及考虑次网格积雪分布和雪密度变化的复杂积雪参数化方案,对黑河流域上游祁连站附近气温和降水进行模拟,与祁连站的观测值对比,检验积雪参数化方案中次网格积雪分布和雪密度变化在该地区气温和降水模拟中的作用.结果表明:简单积雪方案对网格积雪的非0即1描述在斑状积雪带是不合理的,尤其在黑河流域海拔3 300 m以下积雪多为斑状或片状,网格内积雪非均匀性的处理是非常必要的;通过耦合简单和复杂积雪方案的大气模式对气温模拟和观测值比较发现,新方案模拟的气温比旧方案模拟值更接近观测值,在气温低于0℃时改进尤其明显,说明使用复杂积雪/融雪方案可改进斑状积雪带气温的模拟.耦合复杂积雪方案的大气模式模拟的降水与观测值绝对误差低于耦合简单积雪方案模拟结果,复杂积雪方案的模拟结果降水错报率为使用简单积雪方案结果的一半,证明了耦合复杂积雪方案可以提高大气模式对该地区春季降水模拟的准确性.与积雪面积变化相对应,耦合复杂积雪方案模拟出了融雪产流量,而使用简单积雪方案则没有模拟出来.综上所述,耦合考虑次网格积雪分布和雪密度变化的复杂积雪参数化方案比耦合“非0即1”积雪方案可以更准确地模拟祁连山区冬、春季气温和降水.     

祁连山老虎沟流域春季积雪属性的分布及变化特征

利用祁连山老虎沟流域布设的花杆观测了该区春季积雪的属性(深度、 表面反射率、 密度及含水量、 粒径), 并结合自动气象站上的积雪深度和反照率数据, 对研究区春季积雪属性的分布及变化特征进行了观测和分析. 结果表明: 流域内积雪分布很不均一, 在阴坡雪深大, 阳坡雪深小; 在不同海拔上, 雪深随海拔有增高的趋势; 不同类型、 不同表面粗糙度、 不同密度、 不同含水率的积雪反射率不同, 不同地物的反射率也不同; 积雪剖面中逆温层结的形成与表面温度、 雪深有密切关系, 在一天内新降雪的密度及含水率随时间的变化具有较好的一致性.     

FY-3 A/MERS I积雪制图中NDS I指标建立及积雪判识模型研究 ——以祁连山区为例

我国新型自主的极轨气象卫星风云3号A星（简称FY-3A）上搭载的中分辨率光谱成像仪（MERSI）为大面积雪监测提供了新的遥感数据源。以中国西北祁连山区为例,分析FY-3A/MERSI传感器积雪与其它地物的图谱特征差异,建立了适用于FY-3A/MERSI的归一化差分积雪指数（NDSI）,以此为基础,构建了综合利用多光谱判别指标及土地覆盖类型（LULC）定类辅助的积雪判识模型,生成250 m分辨率的日积雪制图产品。模型通过逐步逼近的树状判别结构,去除了易和积雪混淆的部分乔木林、云、云阴影、水体、湖冰、沙（盐）地等地物,并提出应考虑积雪下覆地表特性的影响,调整设定不同LULC类型的积雪判别阈值约束,实时结合区域LULC影像进行积雪的最终判定与优化。对祁连山区2010-2011年积雪季FY-3A/MERSI影像的积雪制图应用结果表明,该资料能够客观精细地反映积雪的空间分布与动态发展过程。同时利用气象台站积雪观测记录及Terra/MODIS积雪判识结果进行对比验证,结果表明基于FY-3A/MERSI建立的积雪判识模型具有较高的精度和稳定性,特别是提高了云雪区分的效能。     

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。     

我国东北低山区不同坡位积雪特性研究

为研究坡位对积雪性质的影响,利用Snow Fork雪特性分析仪等采集积雪物理性质（积雪深度、密度、液态水含量）数据,分析了不同坡位积雪特性的变化趋势、差异及成因。结果表明：坡位的差异可显著影响积雪,特别是积雪表层的特性,积雪表层温度与积雪反辐射强度呈显著正相关关系;阴、阳坡各坡位积雪液态水含量变化趋势一致,但阳坡液态水含量最大值出现在上坡位,阴坡则是中坡位最大;阴、阳坡各坡位在液态水含量增加的影响下雪密度也在逐渐增大,并且随着积雪深度的增加雪密度逐渐减小;试验区融雪期阳坡积雪液态水含量最先对环境变化做出响应,进而影响雪密度,深度随之响应;阴坡则是液态水含量首先响应,积雪深度次之,密度最后响应。研究结果将为融雪径流形成、融雪侵蚀防治以及季节性积雪区生态系统评估提供理论依据。     

北极巴罗地区海冰消融初期表面特征及光谱反射率观测研究

北极海冰消融初期,上覆积雪急剧消融,融池开始形成,海冰表面物理特征异常复杂。由于观测资料缺乏,对这一时期海冰变化的研究仍存在较大不确定性。利用2015年5月份在巴罗Elson Lagoon海域观测的海冰表面物理特征和光谱反射率数据,分析了巴罗地区海冰消融初期表面积雪、裸冰和融池反射率特性及其影响因素。结果表明：消融初期,海冰表面异质性强,积雪、裸冰和融池相间分布。在积雪覆盖的区域,积雪对海冰光谱反射率起决定性作用,观测到不同雪深（3~23 cm）的反射率变化在0.53~0.85之间,平均反射率为0.76且反射率与雪深呈正相关。在表面积雪厚度相同的情况下,积雪底层含水量越大,表层反射率越小。观测还显示,在融池形成的区域,海冰的反射率急剧降低,融池初形成时反射率为0.206,略低于裸冰（0.216）。随着融池的发展,当其深度达到10 cm时,反射率仅为0.04,与开阔海域海水接近。     

积雪对祁连山区黑河上游活动层热状态的影响研究

积雪对多年冻土活动层和近地表的热状态具有重要影响。然而,积雪对祁连山区黑河上游地区多年冻土热状态的影响机制尚不清楚,迫切需要可靠的野外观测数据进行定量研究。基于两个典型野外监测站点2012—2019年观测数据,分析积雪对表面能量平衡、5 cm地表热通量及活动层热状态的影响。结果表明：厚度约21 cm的积雪在秋冬季对活动层具有保温作用;2013—2018年,俄博岭（EB）和野牛沟（PT1）监测场,活动层厚度分别为61~86 cm和159~164 cm,平均活动层厚度分别为74.2 cm和162.1 cm。受积雪影响,相隔两年（2015—2017年）的活动层厚度变化达25 cm。定量分析了祁连山积雪对多年冻土热状态的影响,为未来祁连山相关研究提供重要资料。