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.     

基于合成孔径雷达(SAR)的积雪监测研究进展

积雪是冰冻圈中最重要的组成要素之一, 积雪研究对于气候变化、 水文循环等科学研究和农业灌溉、 减灾防灾等生产活动都具有重要意义.合成孔径雷达(SAR)不仅具有穿云透雾, 全天候观测地表的能力, 而且可穿透地表覆盖一定深度获取地表覆盖物内部特征信息.近年来SAR技术在冰冻圈科学研究中已广泛应用. 综述了SAR积雪监测研究的国内外进展, 对当前主要的SAR积雪遥感模型进行了总结分析, 着重介绍了当前主要的SAR和SAR干涉测量技术(InSAR)积雪面积制图方法、 雪水当量(SWE)反演算法、 积雪密度和雪深提取方法, 并对未来可能的研究方向进行了展望.     

积雪被动微波遥感研究进展

积雪是冰冻圈中最活跃的要素之一,被动微波遥感具有高时间分辨率且能够迅速覆盖全球,在积雪时空变化监测中作用突出.总结分析了积雪被动微波遥感的主要模型,并对其方法、特点和适用性进行了较详细评述,重点介绍了NASA算法在雪深和雪水当量反演中的应用、反演结果的不确定性以及对它的改进.讨论新兴的积雪数据同化方法,介绍了同化被动微波观测以改进雪深和雪水当量反演精度的研究案例.评述了我国积雪被动微波遥感的进展,并且对未来可能的研究方向做出展望.     

同天线不同接收机的GNSS-IR雪深反演分析

全球导航卫星系统（global navigation satellite system,GNSS）干涉遥感技术(GNSS-interferometry reflectometry,GNSS-IR)利用测量型GNSS接收机即可获取反射面信息,具有信号源丰富、采样率高等优势,被广泛应用于雪深、潮位、土壤湿度、海面风场、海冰探测、地表形变监测等领域的研究。然而,GNSS接收机会对接收信号进行多路径抑制,反射信号会被削弱甚至剔除,从而降低GNSS-IR技术的精度。为了探讨GNSS-IR反演中不同接收机、不同频点的影响,基于零基线模式在中国北极黄河站设计了GNSS-IR雪深反演实验,定量研究了接收机性能对雪深反演精度的影响。首先,在站上布设了和芯星通接收机和天宝接收机,并通过功分器共用同一个天线,这样可以获得反射面完全相同的多接收机、多频点观测值;然后,对两台接收机在3个GPS频点下的日均反演结果进行比较以便验证反演策略的有效性,并通过单次反演结果对比分析不同接收机反演效果的差异。结果表明,多个接收机、多个频点都能成功反演雪深值,其偏差基本上在3 cm以内。但是,尽管反射面完全相同,两个接收机之...     

基于随机森林算法的青藏高原AMSR2被动微波雪深反演

青藏高原因其复杂的地形地势和和积雪分布使得多种雪深算法未达到理想的精度。基于新一代被动微波数据AMSR2（Advanced Microwave Scanning Radiometer 2）, 应用随机森林算法（Random Forest, RF）将亮温（Brightness Temperature, BT）和亮温差（Brightness Temperature Difference, BTD）作为参数输入, 并将高程和纬度参数引入雪深反演模型中, 经过模拟退火算法进行有效反演因子筛选, 构建了基于随机森林算法的青藏高原雪深反演模型。结果表明： 与AMSR2全球雪深产品相比, 随机森林算法的拟合优度（R²）由0.41提升至0.60, 均方根误差（Root Mean Square Error, RMSE）由7.36 cm降至4.88 cm, 偏差（BIAS）由3.24 cm减小至-0.16 cm, 随机森林雪深反演模型在青藏高原的精度更高; 青藏高原平均海拔超过4 000 m, 当海拔大于青藏高原平均海拔时, 随机森林算法的反演效果最差, 但RMSE仅为3.78 cm, BIAS仅为-0.09 cm; 高原南部（25° ~ 30° N）因其复杂的地势和相对较少的气象站点使得反演效果较差, RMSE为5.94 cm, BIAS为-0.39 cm; 青藏高原的主要土地覆盖类型为草地, 随机森林算法在草地的RMSE约为3 cm, BIAS接近0 cm。     

雪数据集研究综述

大范围的雪盖变化是气候变化的指示剂,雪通过其自身的物理性质调节着地气之间的物质与能量循环,还能影响地表径流,调节水文循环,甚至在全球生态系统中发挥着重要的作用,因此建立数据集,实时监测雪盖的变化就变得非常必要。通过阅读大量文献,总结目前应用较为广泛的数据集,主要包括可见光/近红外数据集如NOAA数据集、MODIS数据集,微波数据集如SMMR数据集、AMSR-E数据集,以及多数据源的数据集。分析各种数据集的生成原理和优缺点,对目前雪数据集研究中可能存在的问题进行总结。     

雪

正~~     

投影寻踪法在建立积雪深度模型上的应用

针对融雪期积雪深度变化问题的高维非线性、非正态特点,利用投影寻踪法将积雪深度变化多指标问题转化为单一投影指标问题,采用遗传算法优化投影方向得出最佳投影值,最终得到对积雪深度变化影响较大的因子,实现在低维空间上反应积雪深度变化的目的。实例分析结果表明:影响积雪深度变化的各因素贡献力依次为:土壤地表温度净辐射空气温度土壤体积含水量风速空气相对湿度降水水汽压。通过建立MLP神经网络积雪深度模型表明:利用投影寻踪法提取的积雪深度主要影响因子是可靠的,且提取的主要影响因子为简化积雪深度模型提供理论依据。     

基于GPS和北斗信噪比观测值的雪深反演及其误差分析

利用GNSS反射信号反演雪深具有全天时、全天候、数据量大、成本低等突出优点。本文围绕基于信噪比观测值的雪深反演方法,利用参加中国北极科学考察的机会在黄河站设计了GNSS-R试验,采集了GPS和北斗的双频信噪比观测数据,详细讨论了高度角范围、弧段长度、卫星数量、方位角、时间尺度、星座结构、信号频率、信噪比强度等多种因素对雪深反演结果的影响。通过大样本、质量控制、误差分析等手段,雪深反演精度和可靠性得到有效提高。根据误差分析的结果,本文推荐的反演策略如下：选择高度角范围为5°~25°、信噪比强度较高的L1和B1I观测值,充分利用多颗卫星和4个方位角的大量观测数据,在一天的时间尺度上,可以实现5 cm的反演精度。另外,弧段长度、星座结构、信号频率等对反演结果的精度影响较小。     

冬季雪深再分析资料在欧亚中高纬地区的适用性评价

欧亚中高纬地区的积雪是影响气候的重要因子,但是观测台站稀疏且记录只到1996年,导致积雪观测资料严重缺乏。基于目前国际上应用较为广泛的3套再分析资料:美国国家大气海洋局(NOAA)的20世纪再分析资料(NCAR-20th century reanalysis)、欧洲中期天气预报中心(ECMWF)的再分析资料(ERA-Interim)及日本气象厅(JMA)的全球大气再分析资料(JRA-55),利用前苏联站点观测的雪深资料评估雪深再分析资料在欧亚大陆区域的适用性。结果表明:3套再分析资料对积雪的时空变化均具有一定的描述能力;其中,尤以JRA-55再分析资料与观测事实最为接近,能较好揭示欧亚中高纬雪深变化的空间分布特征,反映雪深的长期变化趋势。JRA-55再分析资料揭示的欧亚雪深与169站观测有90%吻合,20世纪再分析资料有76%一致,而ERA-Interim再分析资料只有一半。区域尺度上,JRA-55再分析资料揭示的欧洲、西伯利亚南部雪深在1961~1990年的变化与观测是正相关,相关系数达到0.91、0.87,而20世纪再分析资料仅有0.77、0.32。长时间序列的雪深资料(JRA-55)表明欧亚大陆积雪存在年代际的变化特征:1960年代积雪偏少;1970年代偏多;从1980年代开始呈现减少趋势,持续至20世纪末,并且积雪的减少是高纬度积雪变化造成的。