中国西部积雪SMMR微波遥感的评价与初步应用

本文根据1978—1987年OSL的可见光影像及地面台站积雪记录,评价了NASA的用微波亮温反演积雪深度的算式。还根据DEM资料,用GIS技术把中国西部分成高山、高原、低山、丘陵及盆地五个单元,分别求得各区域订正算式,并以此计算了中国西部1978—1987年各季的平均雪盖率与雪量及它们的年际变化,为本区积雪影响东亚气候研究,提供了可靠基础资料。     

FY3B-MWRI中国区域雪深反演算法改进

基于2002～2009年全国753个国家基本气象站观测的地面雪深和温度资料,以及同期的高级微波扫描辐射计(Advanced Microwave Scanning Radiometer for EOS,AMSR-E)亮温数据,利用不同频率亮温对雪深的敏感性差异,建立了中国区域雪深半经验统计反演算法.经2006年地面台站观测雪深验证,其反演均方根误差为5.6 cm.具体反演思路如下:根据全国1 km网格土地利用覆盖度数据,结合中国区域的下垫面微波辐射特征,划分成森林、农田、草地和裸地四种主要地物类型;首先建立这四种主要地物类型相对较纯像元下的雪深反演算法,然后利用线性混合像元分解技术,建立微波像元下高精度的雪深反演算法.将本算法分别应用于风云三号B星搭载的微波成像仪(Fengyun-3B/Mcirwoave Radiation Imagery,FY3BMWRI)和AMSR-E数据,进行了2010～2011年冬季雪盖制图,与相应时段的MODIS日积雪产品(MYD10C1)相比,尽管两者数据源有所不同,本算法估算雪盖的精度均达到84%以上.此外,利用本算法和FY3B-MWRI数据在北半球进行了雪当量估算测试,与AMSR-E标准雪当量产品进行了比较,发现二者结果较为一致.但在中国地区,AMSR-E雪当量值明显高于FY3B-MWRI估算值,这与目前已有AMSR-E雪当量产品的验证结果较为一致,FY3B-MWRI雪深估算值与站点观测值更为吻合.该算法已被作为国家卫星气象中心FY3B-MWRI雪深产品的业务化算法.     

基于区域ATOVS数据同化的2008中国南方低温雨雪冰冻灾害的暴雪监测研究

2008年1月中国南方地区遭受了严重的低温雨雪冰冻灾害, 地面常规观测、地面雷达观测等气象监测手段因受冰雪灾害的影响, 未能提供全面及时的雪情信息. 为了补充雪情数据, 国家卫星气象中心采用区域ATOVS卫星遥感数据和NCEP预报数据, 利用与美国NCAR合作开发的WRF三维变分预报/同化系统(其中陆面子过程选用NOAH方案), 建立了基于区域ATOVS数据同化的2008中国南方低温雨雪冰冻灾害的暴雪监测系统, 提供了暴雪灾害时段内每6 h一次的雪水当量演化分布数据. 本文系统阐述了基于区域ATOVS数据同化的2008中国南方特大暴雪灾害监测方案, 并对比分析了同化前、后模拟结果与观测资料的吻合度. 研究表明: 同化后的分析场能更好地反映此次强降雪过程的天气特征, 雪深的计算精度较同化前有明显改进, 从而验证了基于区域ATOVS数据同化的雪情监测方案的可行性. 该研究不仅为暴雪天气灾害应急服务提供了及时准确的雪情空间分布和演变信息, 也为区域ATOVS数据的应用开辟了新途径.     

近30年西藏雪深时空变化及其对气候变化的响应

积雪深度是表征积雪特征的重要参数,也是气候变化区域响应敏感因素。利用1979—2010年逐日雪深被动微波遥感数据以及同期气象资料,对西藏雪深时空变化特征及其与气候因子的响应关系进行了分析。结果表明:32 a来,西藏雪深呈显著增加趋势,气候倾向率为0.26 cm/10 a;1999年以后,雪深则表现为下降趋势,气候倾向率为-0.35 cm/10 a。四季平均雪深中,春季雪深的变化对年平均贡献最大,二者相关系数高达0.88。高原雪深异常偏多年份主要在20世纪90年代,但并未发生气候突变。周期分析表明,西藏雪深存在准6~7 a振荡的显著周期。西藏雪深呈四周山地雪深大,中部腹地雪深小的空间格局,且受海拔影响有明显的陡坎效应,绝大部分地区雪深变化趋势倾向率在-0.08~0.08 cm/a,百分比达到74.6%;逐像元回归分析表明,雪深呈增加趋势的像元数占全区像元总数的76.9%,有减少趋势的仅占23.1%。西藏雪深与气温、降水、风速和日照时数存在明显的统计和空间相关性,整体表现为雪深与气温、风速、日照时数呈负相关,而与降水呈正相关。多元回归分析表明,春秋季雪深模拟值与实测值的相关系数均达0.6以上,通过了0.01的显著性检验;夏冬季雪深回归模型的复相关系数只有0.4~0.5,且未通过0.05显著性检验。     

唐古拉地区超声雪深传感器SR-50监测研究

利用2004年5月以来超声雪深传感器SR-50在青藏高原唐古拉综合监测场获取的实时积雪资料和相关气象数据,评估了SR-50在青藏高原积雪监测中的性能和作用,并对青藏高原腹地多年冻土区积雪变化特征进行初步分析。结果表明:超声雪深传感器SR-50对不同时间尺度的地表积雪过程均有较好的监测能力。监测数据清晰地显示唐古拉地区地表积雪深度在夜间相对稳定、在日间迅速降低的特点。唐古拉地区平均年积雪日数为82 d,各月均有地表积雪出现,但夏季的地表积雪较少且持续时间很短。该地区地表积雪总体上呈厚度较薄、消融较快、持续时间较短的特点。2005—2008年该地区瞬时最大积雪深度为22 cm,日平均积雪深度小于5 cm日数占总积雪日数的71.58%。     

博斯腾湖流域积雪变化及影响因素

积雪是西北干旱地区河流的主要补给源,是绿洲的生命线.积雪的时空变化是全球变化的区域响应敏感因子之一,同时也是影响西北干旱地区地表水资源变化的主要因子之一.本研究利用MODIS雪盖产品、地表温度、SSM/I雪深、DEM等数据,通过GIS空间分析及地统计分析功能,系统分析了博斯腾湖流域雪盖、雪深的时空变化规律及其与影响因素之间的关系.研究表明,研究区雪深和雪盖多年月平均值从8月份到1月份达到最大值,到7月份降到最低值.但月最大雪深却出现在3月份.雪盖、雪深与地温相关系数分别达到-0.878、-0.853,与分布高程均值相关系数分别达到-0.626和-0.791.雪深最大值受海拔影响有明显的陡坎效应.从12月到8月份随着时间的推移雪的深度在降低,陡坎向高海拔方向移动.9-11月份雪深在加深,陡坎向低海拔方向移动.同一高程段雪深的变幅反应坡向对雪深的影响,变幅越宽坡向影响越大.并且变幅也有先从低海拔到高海拔移动,然后再回到低海拔的特点.本研究对了解该研究区积雪特性的研究有很大作用,可为在该地区开展融雪径流模拟等研究提供重要的参考信息.     

基于GNSS-R技术的阿拉斯加州积雪深度反演及其应用

利用GNSS-R(全球导航卫星系统反射测量)技术进行准确的雪深监测已成为传统雪深测量的重要补充手段。本文使用GNSS-R技术反演了2012—2018年美国阿拉斯加州4个GPS观测站附近的雪深结果,结合加拿大气象中心(Canadian Meteorological Centre, CMC)提供的雪深模型数据产品,以PBO(Plate Boundary Observatory)H2O项目组提供的雪深资料为参考值,分析了不同手段获取的雪深值在不同时间尺度上的变化特征,同时评估了GNSS-R反演雪深结果作为独立数据集验证CMC模型数据的能力。结果表明:GNSS-R、CMC和PBO得到的长时间序列雪深结果均具有较为一致的明显周期性变化,整体上GNSS-R反演结果比CMC数据精度更高,更能反映雪深的年际变化情况。GNSS-R反演值和CMC模拟值均能够反映各测站PBO雪深值的逐月变化规律,但GNSS-R反演值的精度和稳定性总体上优于CMC模拟值。GNSS-R反演结果比CMC模拟值与PBO雪深值的季节性变化更具一致性,且对于本文研究的4个测站,GNSS-R反演雪深的精度和稳定性在雪深值较大的春季和冬季...     

FY-4卫星资料在青藏高原地区积雪判识和雪深反演中的应用

青藏高原积雪监测在地球辐射平衡、全球气候变化和生态环境等方面有重要作用，对气候预测、雪灾预测等具有重要意义。FY-4（风云4号）卫星数据具有高时空分辨率的优势，基于FY-4A（风云4号A星）构建积雪监测方法与模型，不仅拓展了静止卫星应用领域，也丰富了积雪监测应用的手段。FY-4的高时间分辨率为积雪监测的研究提供了分钟级数据，对积雪与云的变化掌握的更为细致，但用于积雪监测的波段，因分辨率不高容易导致错判与漏判。本文基于2020年小时级野外地面雪深观测数据、风云3号D星积雪覆盖产品（FY-3D_SNC）数据，构建了基于归一化积雪指数（Normalized Difference Snow Index，NDSI）的FY-4A卫星积雪判识方法，提出了雪深监测模型与等级划分指标。结果表明：NDSI≥0.20是青藏高原地区FY-4A卫星积雪判识的适用阈值，无论有云或无云条件，其漏判率均低于8.0%。地面站点验证结果表明，积雪判识准确率达83.33%以上。空间范围内直接剔除云区后，积雪判识经混淆矩阵验证准确率在82.48%以上。因此，FY-4A卫星在青藏高原地区具有积雪监测的能力。虽然FY-4A卫星对超过10 cm以上雪深不具备区分能力，但可以较好地识别10 cm以下浅雪雪深，相关系数达到0.745，〖JP3〗通过了0.001显著性水平检验。据此建立的FY-4A卫星0～10 cm雪深等级指标，总体分级精度达到87.50%。FY-4A卫星雪深反演方法在青藏高原地区对0～10 cm浅雪雪深有较好的估算能力。