使用多角度积雪光谱验证渐进辐射传输理论

双向反射分布函数（BRDF,Bidirectional Reflectance Distribution Function）反演作为定量遥感的重要研究方向,其定量化地描述了地表反射的各向异性特点. 传统的积雪BRDF反演主要采用ROSS+LI核,采用贝叶斯概率统计的方法或者采用最小二乘的方法进行求解系数,方法简单可行,但是这些模型对积雪的物理特性定量描述不是太全面. 积雪是一个复杂的体系,众多因素对BRDF影响较大,如雪粒径与雪污化物,传统的ROSS+LI核不能定量地描述这些因素对积雪的BRDF的影响. 渐进辐射传输算法,以其计算简单,运算速度快而不降低辐射传输的精度,被广泛地运用到定量遥感之中. 利用此理论进行积雪BRDF反演及验证,首先进行积雪的雪粒径反演,采用了渐进辐射传输模型建立光谱库;其后确定中心波长1.03 μm作为最佳雪粒径反演波段,同时采用此理论反演了雪污染量;最后利用已有的雪粒径与反演的相对污化物含量进行BRDF重构. 实验表明：基于渐进辐射传输的积雪BRDF具有可行性,精度能够满足生产之用,同时产生的中间产品,如雪粒径、雪污染等,可以广泛地运用于生产实践之中. 通过此方法能够有效地将积雪遥感的雪粒径、雪污染、BRDF串联起来,方便积雪快速定量化描述.     

黄河源区阿尼玛卿山耶和龙冰川积雪中不溶微粒组成特征及环境意义

2005年9月下旬,在黄河源区阿尼玛卿山耶和龙冰川平衡线附近挖取了6个雪坑,固定层厚采集了89个雪冰样品,分析了样品的δ¹⁸O值及不溶微粒的浓度、粒径,研究了耶和龙冰川中不溶微粒的时空分布特征及环境意义。结果表明：雪冰样品中不溶微粒浓度平均值为1.1×10⁵个·mL^-1,PM₁₀占到总粒子的99%;以微粒数浓度为权重计算的平均粒径分布在1.1~1.8 μm之间,说明耶和龙冰川积雪中不溶微粒以细粒子为主;不溶微粒的粒度谱分布不符合正态分布规律,粒子浓度的众数出现在小粒径;微粒源区输入和大气环流强度是控制积雪中不溶微粒特征的主要因素。源区输入和风场强度均较大时,积雪中不溶微粒浓度及粒径均较大;源区输入较弱而风场强度较大时,积雪中微粒浓度有所增加,粒径增加更加显著。结合HYSPLIT-4模式研究发现,在耶和龙冰川积雪中不溶微粒的浓度及粒径随雪坑深度的变化可以反映气团强度的季节变化,夏季降水增加使微粒的季节变化更加显著。西风携带的塔克拉玛干沙漠和中亚干旱区尘埃是耶和龙冰川春、秋季节积雪中不溶微粒的重要来源。     

东北地区积雪反照率特性

利用2017年12月至2018年3月在东北地区获取的82个观测点的积雪反照率数据,从积雪反照率的时序差异、空间特点、影响因素三个方面开展了积雪反照率时空特点研究。结果表明：（1）在时间上,随着积雪积累时间的增加,积雪反照率逐渐降低,最大下降速率为0.003 d^-1。（2）在空间上,积雪反照率在东西方向差异显著,大兴安岭东西两侧地区的积雪反照率均值分别为0.679和0.751;在同一地区内,积雪反照率在雪表层含水量、雪粒径等因素影响下也存在一定差异,大兴安岭西侧地区的积雪反照率北低南高,大兴安岭东侧地区的积雪反照率北高南低。（3）耕地上的农作物留茬对积雪反照率影响较大,短时间内天气变化对积雪反照率影响较小。     

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.     

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NoSREx实验的积雪演化及微波辐射分析研究

在被动微波雪水当量反演中,积雪物理参数随时间的变化特征影响着反演精度,为理解积雪随时间演化的特征及其对微波辐射亮温的影响,本研究选用2009—2013年北欧积雪实验（Nordic Snow Radar Experiment, NoSREx）积雪地面观测和微波辐射测量数据,通过雪深和温度把雪期分为积累期（10月—次年2月）、稳定期（2—4月）和消融期（4—5月）,发现各个雪期的积雪演化特征为：雪颗粒形状在积累期前期以融态颗粒（Melt Forms, MF）为主,积累期后期和稳定期以圆形颗粒、片状颗粒、深霜为主,消融期以MF为主;整个雪季底层雪粒径从小变大再变小的过程,粒径最大值出现在稳定期的2至3月,约为2.5~4.0 mm,均出现在近地表雪层,而表层粒径较小且较为稳定。通过雪深和微波亮度差（18~37 GHz）的关系分析,表明亮温差在不同雪期对于雪深的依赖关系不同,在积累期和稳定期,雪深变化与亮温差变化具有明显的正相关;在消融期由于积雪融化的影响,其相关性较差;基于多层积雪微波辐射模型（MEMLS）构建了一维微波辐射模拟环境,模拟表明MEMLS模型在3个雪期的垂直极化10.65 GHz和18.7 GHz模拟结果较37 GHz和90 GHz更好;10.65 GHz V极化在入射角为50°且稳定期时,微波亮温模拟均方根误差（RMSE）结果最小,为2.49 K。3个雪期90 GHz模拟结果水平极化优于垂直极化,由于受表层积雪变化影响,90 GHz模拟结果较不稳定,尤其是消融期时,RMSE最小也达到了42.7 K。本研究有助于理解积雪随时间演化的特征及其对微波辐射模拟的影响,表明在被动微波雪水当量反演算法中,针对不同积雪期需要考虑积雪演化动态过程。     

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.     

粉尘颗粒物对祁连山老虎沟冰川融水理化性质的影响

基于2012年消融期6~9月在祁连山老虎沟12号冰川采集冰川融水径流样品,分析探讨冰川融水中粉尘颗粒物对融水理化性质的影响。结果表明,粉尘特征在消融期的变化很好地反映了冰川消融过程,融水中粉尘浓度和粒径众数在冰川强烈消融期的7月份表现为最高。粉尘体积粒径分布主要包括大气气溶胶超细颗粒（0~3.0 μm,主要为PM 2.5）,大气粉尘颗粒（3.0~20 μm）,以及局地源的粗颗粒（20~100 μm）;对雪冰消融释放的粉尘部分（3.0~20 μm）粒径分布正态拟合结果说明,融水中粉尘颗粒物有很大部分来源于积雪中的粉尘运移所致。同时,融水中化学离子相对组成及其浓度消融期变化都与粉尘有较好的一致性,意味着粉尘对融水化学要素有重要影响。此外,pH值和电导率（EC）消融期的变化也反映了粉尘对融水物理指标的影响。在粉尘浓度较高时,融水pH值和电导率也表现出高值;融水径流中的悬移质颗粒物（SPM）浓度和溶解质固体（TDS）浓度具有较为一致的变化过程,反映了粉尘对于融水中溶解质含量也有较大影响。     

单颗粒黑碳光度计在青藏高原雪冰样品分析中的应用

大气中的黑碳主要由化石燃料以及生物质燃料不完全燃烧产生, 经由传输以及沉降等过程, 可到达并沉积于偏远地区的雪冰表面。相对于洁净的雪表, 较暗的黑碳可吸收更多的太阳辐射, 导致雪表反照率降低, 加速冰雪消融, 进而对区域气候环境产生重要影响。青藏高原的环境脆弱而敏感, 是全球气候变化的驱动机与放大器。根据青藏高原山地冰川雪冰样品矿物杂质多、 浓度变化大的特点, 优化了雪冰单颗粒黑碳光度计（Single Particle Soot Photometer, SP2）分析方法, 制定了规范详细的实验步骤, 评估了样品储存和分样、 进样方式、 样品稀释等过程对测量结果的影响, 并用该方法对研究区域的季节积雪及雪坑样品进行检测。结果表明： 青藏高原雪冰中黑碳浓度在0.21~47.96 ng·mL^-1之间, 平均值6.69 ng·mL^-1。测样过程中连续测定胶体石墨标样, 校正后的回收率在75%以上。因此, 优化的SP2方法能够获得青藏高原雪冰中准确可靠的黑碳含量信息, 对利用雪冰介质重建黑碳的历史变化过程, 进而准确评估其对气候环境的影响程度, 具有重要意义。     

天山季节性积雪稳定期雪密度与积累速率的观测分析

利用Snow Fork雪特性分析仪测量的天山积雪雪崩站2009年2月21-26日及2010年1月26-31日雪特性数据,分析了季节性积雪稳定期内积雪垂直剖面密度的变化特征及其随降雪沉积时间和雪层深度的变化规律.结果表明:季节性积雪稳定期内,积雪剖面密度中部最大,表层和底层密度较低;新雪层密度随时间的推移增加速率逐渐增大...     

我国冬季季节性积雪反照率的观测与模拟——以东北地区为例

应用了一种新的模式spectral albedo model for dirty snow,简称SAMDS,研究了不同参数对于积雪反照率的影响,结果表明：在天顶角固定为60°的条件下,新雪的粒径从50 μm增大到800 μm,使其宽波段反照率从0.92减小到0.78;相对于非球形的雪粒,球形雪粒的积雪反照率更低;吸光性颗粒物对光谱反照率的影响主要在可见光和紫外波段。此外,雪粒径的增大能使吸光性颗粒物的光吸收效应增强。结合东北地区的实测数据,我们发现SAMDS模拟的积雪宽波段反照率与实测结果较为一致。同时,SAMDS模式模拟结果表明,在东北地区,积雪中0.1~1 μg·g^-1的黑碳浓度导致积雪宽波段反照率减少2%~8%,造成的瞬时辐射强迫为9~35 W·m^-2。     

我国新疆北部积雪中痕量元素的时空分布及污染评估

积雪中记录的痕量元素含量,能很好地评估当地大气污染状况。利用电感耦合等离子体质谱仪（ICP-MS）,对2018年1月和3月采自新疆北部的天山北坡、伊犁河谷、塔城地区和阿勒泰地区的积雪样品进行了16种痕量元素测试。结果表明：北疆地区积雪中痕量元素含量的平均值在0.06 ng·g^-1（Cd）～1 481.1 ng·g^-1（Al）之间。时间分布上,消融期多数痕量元素浓度低于积累期、稳定期;Pb、Cr等元素消融期含量高于其他时期,可能与外源输入有关。空间分布上,塔城地区和天山北坡的多数痕量元素含量高出伊犁河谷和阿勒泰地区1~3倍。与其他地区雪冰中痕量元素含量对比,发现新疆北部高出青藏高原北部1~3倍,与受人类活动影响较大的天山乌鲁木齐河源1号冰川相应痕量元素浓度接近,揭示了新疆北部积雪中痕量元素较高的浓度特征。元素富集系数表明,Fe、Be等元素主要来自地壳粉尘,Pb、Cd、Zn、As等元素呈显著富集（EFc>10）,受人类排放活动主导。结合后向气团轨迹分析,塔城地区的痕量元素可能受到哈萨克斯坦的影响,阿勒泰地区的痕量元素可能受到中亚、阿尔泰山南缘等地的影响,天山北坡与伊犁河谷主要受新疆本地气团的影响。     

北疆积雪中溶解性砷和汞的空间分布特征及来源分析

为了解北疆积雪中砷（As）和汞（Hg）的空间分布特征及来源,基于2018年1月在北疆地区58个采样点采集的积雪样品,采用原子荧光光谱法测定积雪中溶解性砷和汞的含量,用反距离加权插值法分析空间分布特征,并利用后向轨迹模型探讨了其来源。结果表明：积雪中溶解性砷和汞的浓度分别在0.21~2.69 μg?L^-1和5.32~64.09 ng?L^-1,均低于地表水I类水质标准限值,说明积雪中砷和汞元素污染较轻。反距离加权插值法分析表明,积雪中砷和汞污染物的空间分布存在差异性,其中准噶尔盆地和天山北坡地区的浓度分布较高。结合后向轨迹聚类分析结果,推断积雪中砷和汞污染物主要来自局地活动,周边国家气团远距离传输所产生的影响较小。研究结果可为评估北疆生态环境质量及区域污染防治提供科学支持。     

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。     

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.     

新疆冬季雪水资源估算及分布特征

应用2004—2010年EOS/MODIS遥感积雪监测资料,结合新疆89个气象站雪深、雪密度50年的观测记录,估算新疆冬季雪水当量,并对时空特征进行研究。结果表明:① 2004—2010年新疆年雪水当量最大峰值为368.83亿m3(2009—2010年)、最小峰值为93.91亿m3(2006—2007年),最大峰值是最小峰值的4倍左右,且6年中峰值出现的最早和最晚时间相差5旬。② 新疆雪水资源分布存在4个区域:南疆、东疆、伊犁和博州、北疆东北部,不同区域雪水当量峰值出现时间不同。新疆雪水当量峰值应该是4个区域峰值之和。③ 新疆雪水当量50年来呈现年际间的大幅波动,发展趋势沿着斜率为0.083 2的直线上升,表明雪水资源在逐年增多;波动幅度逐步加大,表明雪水资源偏少的年份有时也会发生。     

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.