1979-2020年天山地区积雪量估算及其特征分析北大核心CSCD

积雪作为干旱区的重要水源,深刻影响区域水资源及经济发展。决定积雪量的积雪深度、积雪面积和积雪密度在时空分布上存在不确定性,尤其是积雪密度难以获取。本文利用FY-3B/MWRI(Fengyun3B Microwave Radiation Imager)数据反演积雪密度,结合1979-2020年长时间序列遥感雪深数据集,对天山地区40多年来积雪期(11月-次年3月)及其不同时期(积累期、稳定期、消融期)的积雪量进行估算,并分析其时空分布及与地形、气象等因子之间的关系。结果表明:1979-2020年,天山地区积雪期不同时期积雪量存在差异,稳定期积雪量最大,消融期次之,积累期最小。研究时段内,积雪期积雪量最大值出现在1979年,最小值出现在1998年,积雪期积雪量呈微弱的下降趋势,消融期积雪量下降趋势显著。多年平均积雪量空间格局与积雪深度和积雪密度基本一致,主要呈现为西北多东南少的特点。天山地区积雪量空间分布主要受海拔、坡度影响,积雪量与海拔正相关,海拔越高,积雪量越丰富;在15°以下时,坡度对积雪的影响较大,且坡度越大,积雪量越大。不同时期积雪量的多年变化与气温关系密切,在一定温度范围内,气温越低,积雪量越大;稳定期积雪量变化同时受积累期降水影响,积累期降水越多,稳定期积雪量越大。本文基于遥感积雪深度和密度的天山积雪量研究结果,可供气候变化条件下新疆水资源利用和经济发展参考。     

联合SAR与光学遥感数据的山区积雪消融识别北大核心CSCD

积雪消融是气候变化和水资源管理的重要影响因素。本文联合Sentinel-1与Sentinel-2时序数据,提出了一种联合SAR与光学遥感数据的积雪消融识别方法。以祁连山区八宝河流域为研究区,利用ESTARFM时空数据融合模型得到与Sentinel-1同时相的Sentinel-2模拟数据,提取流域积雪覆盖范围;基于SAR多时相多极化变化检测算法提取湿雪;结合光学遥感与DEM数据对SAR提取的湿雪进行校正,最终获得八宝河流域消融期内18个时相干湿雪分布。利用GF-2影像和消融期的Sentinel-2影像分别对积雪和湿雪面积进行精度验证,结果表明该方法能够快速识别积雪消融时空变化,总体分类精度OA高达99%,Kappa系数高达0.86。同时,利用同一天早晚过境相差约12小时的升、降轨SAR数据对比分析了积雪消融变化特征。根据实验数据集分析表明,八宝河流域内干湿雪分布随时间剧烈变化,消融初期湿雪主要集中在河谷低海拔区域且消融速度快,随着气温的升高积雪消融至高海拔区域,而干雪主要分布在四周高海拔山区。且由于过境时间的差异,在整个消融期,降轨数据提取的湿雪面积小于升轨数据提取的湿雪面积。     

度日模型在冰川与积雪研究中的应用进展

度日模型是基于冰川与积雪消融和气温,尤其是冰雪表面的正积温之间的线性关系建立的.度日模型已广泛应用于北欧、阿尔卑斯山、格陵兰冰盖、青藏高原等地区的冰雪消融、冰川物质平衡及对气候敏感性响应、冰川动力模型以及冰雪融水径流模拟等的研究中.度日模型尽管是对冰雪表面消融能量平衡这一复杂过程的简化描述,但在流域尺度上,通常可以获取类似于能量平衡模型的输出结果.度日模型也有其不足之处,仍需进一步的改进与完善.     

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。     

基于能量平衡对额尔齐斯河流域融雪过程的研究

为定量描述额尔齐斯河流域积雪的消融过程,建立了利用基于能量平衡的积雪模型,对流域内库威积雪站2014年1月4日-3月28日积雪的积累和消融过程进行了模拟.结果表明:模型能够很好的模拟出融雪期净辐射能量的变化过程,对雪水当量的模拟结果也非常好,雪水当量的观测值和模拟值之间的Nash系数达到了0.989.在积雪的积累期,雪表的净辐射、感热、潜热通量的绝对值以及地表热通量明显低于积雪的消融期.在积累期,感热和潜热通量以及土壤热通量受到雪层厚度的影响.当雪水当量小于10 mm时,感热和潜热通量的绝对值偏高,土壤热通量的波动性也偏大.在积累期积雪的物质损失全部为升华损失,升华量为2.74 mm;在消融期,积雪的融化量为66.26 mm,升华量为2.04 mm.净辐射对积雪物质损失的贡献达到了83.1%,湍流通量对积雪物质损失的贡献达到16.9%.由于在融化期土壤热通量为正值,因此土壤热通量对融雪没有贡献.     

祁连山不同植被类型对积雪消融的影响

为研究祁连山植被对积雪消融的影响, 利用人工调查积雪深度逐日变化量和积雪盖度变化, 并结合空气雪面感热通量(SH)观测, 对祁连山水源林生态站排露沟流域海拔2 600～2 700 m青海云杉林、灌丛林、林缘、阳坡草地在2003-2007年的积雪消融进行了研究, 每年的观测从10月降雪开始到翌年5月积雪消融完结束, 共获取数据134 400个. 结果表明: 当SH<0时, 积雪消融停止;当SH>0时, 积雪消融开始;植被可以减缓积雪消融速率, 有植被的地方消融速率减慢, 反之则加快;不同植被消融速率大小顺序为草地>林缘>灌木林>乔木林;同一植被、不同坡向消融速率不同, 半阳坡云杉林＞半阴坡云杉林＞阴坡云杉林. 积雪含水率随气温升高而增大, 1月融化积雪占整个积雪的5%, 2月增大到28%, 大量积雪在3月消融, 占55%. 从坡位看, 下坡消融速率最大;在一个垂直带上, 低海拔消融速率大于高海拔. 温度是影响积雪消融的主要因子, 积雪消融速率随温度升高而增大, 反之则减小.     

利用地基微波辐射计验证积雪微波辐射传输模型

积雪雪水当量参数是水文、气候、水资源利用与管理模型中非常重要的输入参数,积雪辐射理论模型可以模拟积雪物理参数与微波辐射的关系.因此,准确模拟积雪辐射信息,验证积雪辐射模型显得尤为重要.采用改进的基于能量守恒的干雪微波辐射传输理论模型(DMRT-AIEM-MD),利用2008年3月24 日黑河地区联合实验获取的地面测量数据以及车载辐射计18.7 GHz和36.5 GHz两个频率的辐射亮温值,考虑地形的影响,分析积雪辐射散射特性以及验证该模型.结果表明:该模型模拟值与地面实测值吻合的比较好,该模型能较好的模拟中国地区自然地表积雪辐射信号.分析了部分模型模拟值和地面实测值偏差的可能原因,该积雪区是多次堆积形成,积雪垂直剖面的密度、温度不规则变化可能会引起偏差.     

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。     

雪冰遥感20年的进展与成果

在庆祝中国科学院兰州冰川冻土研究所建所４０周年之际,文章对雪冰遥感及应用研究的主要工作做概要的回顾,并着重介绍在雪冰遥感监测与融雪径流模拟,以及雪灾遥感,灾情损失 评估等研究中所取得的一些科研成果与应用效益,根据当前积雪遥感研究中的一些新思路,新方法和新动向,还对进一步开展积雪遥感研究的前景作了概要的分析与展望。     

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.     

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.     

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%.     

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.     

新疆雪密度时空分布及其影响特征研究

对29个有雪密度观测的气象站40 a气象资料进行聚类和回归分析.结果表明:降水、雪深、大风、吹雪等因子与雪密度有密切正相关关系,由此建立雪密度与气候因子关系模型.另选无雪密度观测的50个站40 a气象资料,用关系模型计算出各站雪密度,从而使有雪密度值的站点增加到79个,为深入细致研究新疆雪密度时空分布打下了基础.研究表明,新疆雪密度有明显稳定期和不稳定期之分,稳定期雪密度是时间的函数.采用Map Gis65,结合卫星遥感资料,研制了新疆雪密度(稳定期)空间分布图.新疆雪密度的分布呈现从盆地及其周边到山地及其周边最后到海拔3 800-4 000 m以上高山带,随高度的升高雪密度依次升高.依据雪密度分布图和时间函数计算得出,稳定期新疆雪密度最大平均值为0.191 g·cm^-3.     

青藏高原积雪被动微波遥感资料与台站观测资料的对比分析

积雪资料的可靠程度在反映积雪变化、预估后期气候变化时非常重要, 利用青藏高原74个气象台站资料与被动微波遥感资料进行对比分析. 结果表明: 两种积雪资料在高原南部边缘、高原东部唐古拉山与念青唐古拉山东部均表现为高值区, 在柴达木盆地、高原腹地及沿雅鲁藏布江一线表现为一致的少雪区,在青海南部和藏东南地区差异较大.遥感资料的积雪深度和积雪日数变化敏感区与台站观测资料存在差异.在积雪的显著季节性特征及气候尺度上的年际变化特征方面, 遥感资料与台站资料具有很好的一致性, 但遥感资料在刻画积雪季节内波动特征方面欠佳, 且年平均积雪深度和积雪日数遥感数据偏大.对AMSR-E逐日积雪资料进行评价发现, 高原腹地总精度大于高原边缘地区, 海拔3 000 m以下的反演精度较高, 雪深在9~10 cm时的反演精度较高.