青藏高原积雪范围和雪深/雪水当量遥感反演研究进展及挑战

积雪是地表特征的重要参数,对辐射收支、气候和长期天气变化均有重要影响。雪本身又是一个重要的天气现象和水文气象参数,过量的降雪也会带来严重的雪灾,如牧区雪灾、雪崩和融雪洪水灾害等。因此对积雪的监测,尤其是对山区的积雪监测,具有多方面的意义。利用卫星遥感技术监测积雪已有50余年的历史,并已形成了系列业务产品。青藏高原平均海拔超过4 000 m,该地区的积雪具有重要的水文、气候和生态环境意义。由于地形复杂,人迹罕至,地面观测站点稀少,受较强太阳辐射的影响,积雪消融迅速、区域差异消融以及风吹雪等因素导致积雪分布破碎化严重,对使用遥感资料监测该地区的积雪造成的极大的困难和不确定性。随着国内外传感器技术的不断发展,光学和被动微波遥感数据的同步获取技术已经非常成熟,综合利用光学遥感数据高空间分辨率和被动微波数据不受云干扰的特点,结合机器学习、无人机等技术,将环境参数加入反演模型中,有助于提高青藏高原积雪参数反演精度。     

基于MODIS数据的北疆积雪黑碳和雪粒径反演及时空变化分析

积雪是地球上反射率较高的自然表面,对于中高纬度地区的水文和能量收支平衡发挥着重要作用。表层积雪中的黑碳和雪粒径变化可以显著影响积雪反照率,造成积雪对太阳辐射吸收的变化,进而对区域气候变化和水文循环产生反馈作用。利用遥感技术对季节性积雪表层黑碳和雪粒径进行定量评估,可以获取时空上连续系统的雪表黑碳浓度和雪粒径变化情况,这也是许多气候和水文模型的输入因子。以中国主要季节性积雪区北疆为研究区,基于MODIS（Moderate Resolution Imaging Spectroradiometer）数据的3（0.47 μm）、2（0.86 μm）和5（1.24 μm）波段,采用SGSP（Snow Grain Size and Pollution Amount）算法反演2000-2018年积雪期的雪表黑碳浓度和雪粒径,并结合地面观测数据对于反演结果进行了精度验证,综合分析北疆雪表黑碳浓度和雪粒径时空变化趋势。结果显示,SGSP算法能够同时反演雪表黑碳浓度和雪粒径,并且验证结果表明纯雪像元上反演结果具有较好的精度;2000-2018年北疆雪表年均黑碳浓度和年均雪粒径都随时间变化呈现微弱下降趋势;受地理位置和局部污染源的影响,北疆积雪黑碳浓度空间分布复杂,天山北坡经济带平均黑碳浓度最高,伊犁地区平均黑碳浓度最低,雪粒径的空间分布显示塔城地区平均雪粒径最大,伊犁地区最小。     

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。     

NOAA卫星遥感与常规观测中国积雪的对比研究

利用30a来NOAA卫星遥感和常规观测的中国积雪资料,对比研究了二者在不同季节和不同年代的逐月积雪日数.研究表明:全年、秋季、冬季和春季全国64%以上地区卫星遥感与常规观测的月积雪日数显著相关,其中东北(包括内蒙东部)和北疆地区显著相关;华北和内蒙中部冬季相关最为显著;青藏高原相关程度明显偏低.值得注意的是,高原上无测站分布地区对于NOAA卫星遥感的高原空间平均年积雪日数影响不显著.NOAA卫星遥感与常规观测的青藏高原空间平均全年积雪日数未达到显著相关,二者年际变化存在一定差异.     

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.     

AN AUTOMATIC ALGORITHM ON ESTIMATING SUB-PIXEL SNOW COVER FROM MODIS

积雪覆盖(snow cover)是气候、水文和生态环境等研究领域中很重要的参数之一.与积雪覆盖二值技术不同,亚像元雪盖反演技术可以在给定卫星观测空间分辨率前提下进一步提高积雪覆盖面积的反演精度.“多端元光谱混合分析”方法反演亚像元积雪覆盖度具有物理意义明确、精度高等优势.但由于其需要通过端元选取、最小二乘法反演等计算,运行效率较低,难以满足大数据量计算.我们发展了一种改进“多端元光谱混合分析”方法反演MODIS亚像元积雪覆盖的算法.该算法通过对MOD09GA数据进行图像端元自动提取,并利用能够代表图像端元类的典型端元库进行“多端元光谱混合分析”反演亚像元积雪覆盖.我们在端元选取、多端元线性混合模型分解等方面进行了改进与发展,不仅保证了产品精度,同时提高了计算的时效性.     

基于MODIS的青藏高原逐日无云积雪产品算法

青藏高原积雪对高亚洲地区水和能量循环起着重要的反馈和调节作用,其变化影响着融雪性河流流量,对下游水资源和经济活动具有重要影响。中分辨率成像光谱仪（MODIS）具有较高的时空分辨率,被广泛应用于积雪遥感动态监测,然而光学遥感积雪受云层影响严重,且青藏高原地区水汽分布不均,局地对流活跃,积雪的赋存时间变化快,这给高原地区逐日积雪监测及其气候学制图带来挑战。在考虑青藏高原地形和积雪分布特征情况下,结合现有的云覆盖下积雪判别算法,采用8个不同方法的组合,逐步实现MODIS逐日无云积雪算法。选取2009年10月1日-2011年4月30日两个积雪季为研究期,并采用145个地面台站观测雪深数据对去云算法各步骤过程开展精度验证,结果表明：当积雪深度>3 cm时,逐日无云积雪产品总分类精度达到96.6%,积雪分类精度达83%,积雪判对概率（召回率）达到89.0%,算法可实现青藏高原地区逐日无云积雪动态监测和积雪覆盖气候学数据重建,对高亚洲地区的水、生态和灾害等全球环境变化影响研究具有重要的意义。     

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%.     

青藏高原NOAA／NESDIS数字化积雪监测的评价

对１９９３／１９９４年青藏高原１６幅ＮＯＡＡ积雪监测的分析，评价了ＮＯＡＡ／ＮＥＳＤＩＳ积雪监测经的精度，证实本监测区域含５０个以上ＮＯＡＡ／ＮＥＳＤＩＳ网格单元时，该资料统计值才能满足ＷＣＲＰ监测雪盖率的精度要求。     

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。     

NOAA16卫星积雪识别和参数提取

通过对积雪、地物和云进行光谱分析,指出传统的NOAA-AVHRR可见光和近红外波段进行云雪识别存在困难,而雪在红外波段的低反射性特点是区分云雪的一个可行途径.利用NOAA16气象卫星新增的1.6μm红外波段,对中国北方冬季的卫星积雪图象进行识别,结果显示,云雪可以准确区分.同时,提出了利用AVHRR资料估算积雪面积、积雪深度和积雪时间的方法,并对积雪深度进行了精度检验.     

用气象卫星遥感监测沙尘暴的方法和初步结果

本文在简要介绍气象卫星探测特点的基础上,着重讨论了利用NOAA卫星、FY-1C卫星和GMS-5及FY-2B卫星上的星载扫描辐射仪监测沙尘暴的原理和方法.最后以2000年4月6～7日发生在我国内蒙古地区至华北一带的强沙尘暴为例,说明用这种手段不仅能监测到沙尘暴的发生,还能有效地监测其发展和演变,是监测和预警沙尘暴的重要手段和依据.     

青海南部冬春季雪灾的气候诊断与预测

根据青海省气象台站的历史积雪等资料, 依据气候诊断方法分析了降水、 积雪的变化特征和2012年冬春季雪灾形成的气候成因.结果表明: 2012年后冬~初春北半球乌拉尔山阻塞高压稳定维持、 青藏高原高度场偏低、 高原低槽和印缅槽活跃、 极地冷空气向南不断扩散, 冷暖空气在高原地区汇合, 在青海南部和北部地面温度梯度大、 锋区强的零温度线两侧形成大量的降水和积雪.期间的降雪量与降雪日数突破历史极值, 最高气温偏低, 积雪持续难以融化, 出现了历史少见的冬、 春季两季连续积雪, 导致玛沁、 甘德、 达日、 玛多等县出现不同程度雪灾, 1982年、 1993年、 1995年、 2008年、 2012年1-3月青海南部牧区的雪灾过程都基本属于这种类型. 1961-2009年高原牧区积雪与环流因子的气候诊断分析显示, 在1-3月北半球环流场上, 若北极涛动负值偏大、 乌拉尔山高压脊偏强、 印缅槽和高原低槽偏深时, 青海南部牧区降雪量大、 积雪量多, 积雪持续的时间长、 雪灾也相对比较严重, 在上述环流因子相反的配置下, 青海南部牧区的雪灾则比较轻.     

MODIS在水文水资源中的应用与展望

MODIS是新一代遥感技术,其遥测数据与其他单独的遥感平台(如NOAA和Land Sat)所获得的数据相比,具有免费、较高时间分辨率(0.5d)、空间分辨率(250m)和光谱分辨率(波谱范围0.4～14μm,36个光谱通道)等优势和特点.详细介绍了国内外的研究现状,着重对MODIS在洪水过程和洪灾范围实时动态监测、冰川和积雪、降水、植被、土壤水分、蒸发、水文模型、水质等方面的应用和研究进展进行了评述,指出MODIS在水文水资源中具有广阔的应用前景.     

基于灾情数据的新疆雪灾的评估与区划

选取1955-2017年新疆因雪灾造成的牲畜受灾数量、作物受灾面积、经济损失三大灾情数据,揭示新疆雪灾时间和空间分布特征,通过构建雪灾灾损指数,对新疆雪灾进行区划。分析表明：新疆雪灾的发生北疆多于南疆,山区多于盆地,西部多于东部,主要集中发生在阿尔泰山区、天山山区及昆仑山区,灾情最重的是阿勒泰地区、伊犁地区、塔城地区;进入2000年以后,雪灾呈现明显高位震荡特点;利用多指标综合评估法,运用连续型随机变量分布密度近似求法,求得的新疆雪灾灾损指数,能客观反映新疆雪灾灾情;雪灾灾损指数遵从Γ分布,根据Γ分布函数属性及各类雪灾事件发生概率,进行了新疆雪灾等级区划。研究成果可为决策服务及气候可行性论证提供理论依据,对科学准确地制定防灾备灾措施、及时组织开展雪灾应急救助工作以及灾后的恢复重建决策给予一定参考。     

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。