1980—2009水文年青藏高原积雪物候时空变化遥感分析

以青藏高原积雪为研究对象,首先对长时间序列逐日雪深被动微波遥感数据进行预处理,获得青藏高原1980—2009水文年逐日雪深数据,然后逐像元计算出每个水文年平均积雪深度、开始日期(SCS)和结束日期(SCE),利用GIS空间分析和地学统计方法系统分析20世纪80年代、90年代和21世纪初青藏高原积雪物候变化特征和异常分布。结果表明：青藏高原积雪深度在20世纪80年代呈递减趋势,20世纪90年代后开始呈现递增趋势。20世纪80年代青藏高原除阿尔金山和昆仑山以外的高海拔山区SCS呈提前趋势,青藏高原高海拔地区SCE呈推迟趋势;20世纪90年代青藏高原高海拔地区的SCS提前趋势减弱,而高原中部腹地SCS出现显著的提前趋势,高原高海拔地区SCE呈提前趋势,高原中部腹地SCE呈推迟趋势;进入21世纪初后帕米尔高原、念青唐古拉山和横断山脉SCS呈推迟趋势,横断山、念青唐古拉、巴颜喀拉山SCE呈提前趋势。总体上,青藏高原积雪物候变化存在明显的空间差异和不同演变规律。     

雨雪冰冻监测系统的设计与应用

雨雪冰冻气象灾害会严重影响交通、电力等各行各业,通过建设雨雪冰冻监测系统,增加积雪深度、称重降水、实景观测等观测要素,加强积雪、固态降水自动化监测。利用OpenCV技术对雪深监测数据进行质量控制,采用等值线wContour类库画图方法绘制等值线图,结合实景拍摄及时准确反映雨雪冰冻情况。通过分析显示系统,综合各类气象观测资料,为气象工作者或决策部门提供直观、准确的气象信息,为气象防灾减灾提供有效的技术手段,提高气象服务水平。     

超声波传感器雪深测量与人工观测对比试验分析

通过对2010年2、3月佳木斯国家基准气候观测站人工观测与超声波雪深传感器测量获取数据对比、分析不同天气条件下（高风速、低风速、低温度）两种方法获得的数据差值的变化情况。结果表明：观测结果差异的大小主要受温度和风速两个因素的影响。低温环境下温度会影响超声波的行程时间使得超声波传感器的测量精度受到影响,通过温度补偿的方法对雪深进行订正可以提高超声波传感器的测量精度,两者的差值较小,且观测资料有较好的可比性;高风速时,风速会影响超声波脉冲,使其偏离传感器的下方,同时超声波的速度也会受到影响,从而影响测量结果,使得两者的差值较大。     

基于相位法激光测距原理的雪深传感器研究与应用

从传感器测量原理、观测方法、数据处理算法等方面介绍了一种利用相位法激光测距原理测量积雪深度的雪深传感器,并参加了中国气象局于2010/2011年在黑龙江通河、新疆阿勒泰等台站开展的积雪深度对比观测试验,与超声波传感器和人工测量积雪深度进行了对比,比较了三者之间测量结果的差异。试验结果表明:这种激光雪深传感器能够适应冬季严寒和暴雪天气条件,可以连续、自动、准确的监测雪面变化过程;与超声波雪深传感器相比,激光雪深传感器测量结果更加稳定,更加接近人工观测结果;激光雪深传感器与人工测量雪深结果之间的平均误差约为,测量精度达到《地面气象观测规范》要求。     

中国冬季积雪变异及其与北极涛动的联系

本文利用1979～2010年NCEP/NCAR再分析资料、中国台站观测雪深、气温和降雪资料, 分析了中国冬季积雪时空分布特征, 结果表明:雪深经验正交分解第一模态有显著的南、北反位相特征, 当新疆北部、东北地区积雪偏多(少)时, 对应黄河以南和青藏高原地区积雪偏少(多)。近30年来中国冬季积雪变异与北极涛动(AO)有非常紧密的联系, 雪深的南、北反位相分布型与北极涛动有明显的反相关关系。AO负位相时, 500 hPa等压面上40°N以北存在着中心在贝加尔湖附近的气旋环流, 而在其南存在着中心在中国西南的反气旋性环流, 中国北方和南方地区分别受气旋和反气旋的控制。在我国北方地区, 与AO相联系的气旋环流异常导致降雪增多、地表温度偏低, 使得积雪增加;而在南方地区, 与AO相联系的反气旋性环流异常导致的降雪减少和气温偏高, 导致了积雪减少。本文的研究说明了北极涛动通过影响中国降雪和气温, 进而对中国冬季积雪产生可能的影响。     

青藏高原云和大气对被动微波遥感积雪雪深的影响北大核心CSCD

利用AMSR-E(Advanced Microwave Scanning Radiometer-EOS)观测的2002 2011年青藏高原上空大气顶上行微波亮温(TB_(TOA)),经过辐射传输计算,对水汽和非降水云进行订正,推算出相应的高原地表上行亮温(TB_(SRF))。并用这两组亮温估算了青藏高原地区的雪深SDTOA和SD_(SRF)。通过个例和近10年统计研究发现,低频18.7 GHz亮温几乎不受影响,而大气顶处36.5 GHz亮温明显高于相应的地表亮温。不考虑这一效应,忽略大气的影响将造成青藏高原雪深反演低估(SD_(TOA)雪深,将造成绝对误差2~3 cm。在青藏高原雪深较浅的区域,相对误差很大,为50%~80%。而在高原雪深较深的地区,相对误差较小为10%~20%。该误差(SD_(TOA)-SD_(SRF))和云水路径呈较强的负相关(R=-0.45),敏感性为-0.047 cm·(g·m^(-2))^(-1),该误差对冰云的敏感性较低,和水汽的相关性更弱。通过与MODIS雪盖产品比较发现,用地表出射亮温反演的雪深SD_(SRF)与MODIS雪盖产品吻合得更好。     

MODIS积雪遥感监测系统的研制

利用MODIS高光谱、多波段资料和气象台站观测资料，以逐步判别与Bayes判别等数学统计的方法结合不同目标物的光谱特性，同时考虑下垫面条件和季节等对积雪深度分布的影响，建立MODIS积雪深度回归模型；以面向对象的编程技术，采用Microsoft Visual C＋＋．NET软件开发工具，通过“类”概念的设计方法，建立MODIS积雪遥感监测业务系统，计算出积雪面积、覆盖度、各层雪深、雪水当量等多个反映测区积雪总量的物理参数，制作出各类积雪产品。该系统投入业务试运行后，系统运行稳定可靠并在2006年度冬季北疆地区雪灾监测服务和2006年新疆春季洪涝灾害决策服务中发挥了重大作用。     

中国西部积雪微波遥感监测

用１９７８─１９８７年多通过微波扫描辐射计（ＳＭＭＲ）所获取的地表微波亮温及亮温－雪深区域订正反演算式，计算了１００°Ｅ以西中国境内年与季的平均雪量和雪盖率，以及它们的年际变化，阐明了积雪时空的变化。所取得的高原及高山低山积雪监测结果，为当地积雪资源的开发利用提供了可靠依据。     

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。     

我国主要积雪区AMSR-E被动微波雪深算法对比验证研究

采用高级微波扫描辐射计(AMSR-E)亮温数据, 选取Chang算法、GSFC 96算法、AMSR-E SWE 算法、青藏高原改进算法和Savoie算法等5种雪深反演算法, 利用2010年2月10-12日3 d的气象站台雪深观测数据, 对比分析了5种雪深反演算法在新疆地区、青藏高原、内蒙古地区、东北地区、西北地区和华北平原的精度和适用性. 结果表明:总体验证中, 青藏高原改进算法3 d的结果均优于其他算法, 其均方根误差(RMSE)为9.16 cm、9.96 cm和9.63 cm, 平均相对误差(MRE)分别为59.77%、52.79%和48.47%. 分区验证中, 结果最佳的算法分别为:在新疆地区, GSFC 96算法RMSE为6.85~7.48 cm;内蒙古地区, 青藏高原改进算法的RMSE分别为5.9 cm、6.11 cm和5.46 cm;东北地区, 青藏高原改进算法RMSE为6.21~7.83 cm;西北地区和华北平原5种算法的适用性不佳;青藏高原由于缺乏实测数据, 无法得到该区验证统计结果.