D-InSAR技术的积雪深度反演

积雪深度是大量气候、水文、农业及生态模型的重要输入变量。选用欧空局Sentinel-1主动微波数据,利用合成孔径雷达SAR(Synthetic Aperture Radar)差分干涉测量技术的二轨法,根据积雪相位与雪深之间的转换关系,反演新疆天山中段的巴音布鲁克盆地典型区的积雪雪深分布,提出了基于InSAR二轨差分的雪深估计方法,反演得到2016年12月18日的空间分辨率为13.89 m的雪深分布。研究表明:(1)对Sentinel-1数据进行正确的预处理以后,可以应用SAR差分干涉测量技术的二轨法反演区域雪深分布。但由于像对相干性和积雪状态的差异,积雪深度超过10 cm,可以获取较准确的雪深反演结果,R=0.65,反演误差的均方根误差RMSE=4.52 cm,平均相对误差为22.42%,反演雪深结果均比实测结果略偏低;而当雪深小于10 cm时,雪深反演值较实测值存在较大的误差,相对误差均高于34.52%,且反演雪深值均比实测值偏高。(2)雪深反演精度受高程及实际雪深的差异影响显著,另外雪深反演精度也受限于干涉像对相干性。结果表明,对于获取区域积雪雪深,InSAR技术较光学及被动微波遥感具有非常广阔的应用前景。     

被动微波遥感雪深反演混合像元问题研究EI北大核心CSCD

积雪深度是反映地表积雪量变化的重要因子,是水文模型和气候模式中的重要参数之一。被动微波遥感以其穿云透雾、对雪层信息敏感等特点,被广泛应用于雪深的反演研究中。被动微波传感器的低空间分辨率(数千米至数十千米)及地表覆盖的复杂性,使星载被动微波遥感影像中的混合像元现象十分突出,严重制约了被动微波雪深遥感监测的应用和发展。目前,被动微波遥感雪深反演中的混合像元问题研究仍存在着诸多挑战:①理论支撑不足,对被动微波混合像元亮温响应特征及影响机制的研究尚不充分;②针对混合像元问题所发展的被动微波雪深反演算法,对地表异质性特征考虑不足。     

超声波自动化积雪深度测量与分析

研究设计并利用超声波传感器对雪深进行监测,在融雪期对其中两个监测点利用人工测量实际雪深,使其与超声波传感器监测雪深值进行对比分析.通过数据分析发现:1)数据通过了拉依达法则标准下的质量控制.2)以地表面为基准面,超声波雪深监测仪监测雪深值与人工实际测量雪深值二者之间的相关系数为0.9564.最小误差率为0.53％,最大误差率为29.12％,平均误差率为3.97％.3)以积雪表面为基准面,在2 h的时间间隔时,仪器监测雪深值与人工测量雪深值之间误差、标准差均最小,分别为±2.15 cm和1.34 cm.测量时间间隔增大,相应误差、标准差也随之增大.此外,超声波传感器监测雪深的变化也在不同程度上受到温度、风速的影响,从而降低了仪器的测量精度.     

MODIS NDSI产品去云算法及最优阈值选择研究EI北大核心CSCD

归一化差值积雪指数NDSI (Normalized Difference Snow Index)是积雪识别中最常用的指数,但由于云的遮挡限制了MODIS NDSI产品的应用。本文提出了一种基于邻近相似像元的MODIS NDSI产品去云方法,并分析了无云NDSI序列在积雪识别中的最优阈值。对于NDSI影像上某一个云遮挡的目标像元,选取目标像元的n个邻近相似像元进行加权平均来预测该目标像元的NDSI值。以东北积雪区2017年10月1日—2018年4月31日一个积雪季的NDSI产品进行去云实验,并采用“云假设”的方法进行了检验,所预测到的云覆盖像元NDSI值与实际值的相关系数达到0.95,均方根误差为0.08。将逐日无云NDSI序列与气象站点测量的雪深序列进行对比,二者具有很好的一致性。气象站点的测量雪深大于等于1 cm时,假定该站点所在的像元为有雪像元,并以此为真值,分析无云NDSI序列在积雪识别中的最优阈值。结果表明,非森林地区NDSI阈值为0.1时积雪提取的精度最高,可以达到95.6%;森林地区的NDSI最优阈值为0,对应的积雪提取精度为93.5%。     

利用GPS-IR技术快速估计雪水当量

雪水当量的监测对于气候变化的预测、水资源管理、农业生产规划具有重要意义。GPS干涉反射(GPS interferometric reflectometry, GPS-IR)技术是一种十分有效的地表积雪监测技术,基于GPS-IR技术提出了一种雪水当量的快速估计方法。首先基于GPS-IR技术获取美国板块边界观测(plate boundary observatory,PBO)GPS站的雪深时间序列;然后利用美国积雪遥测(SNowTELemetry, SNOTEL)站观测数据构建雪水当量转换模型;最后以北美历史与预测气候数据项目(historical and projected climate data for North America,ClimateNA)的气候预测数据作为参数约束,将GPS日雪深快速转化为雪水当量,并对雪水当量估计与验证过程的影响因素进行评价。实验结果表明,基于GPS-IR技术得到的雪深序列具有良好可靠性,与观测值的相关系数(R2)达到0.98,均方根误差(root mean square error, RMSE)为11.1 cm,偏差(Bias)为-3.7 cm;快速转化模型对雪水当量估计具有较高精度(R~2=0.98,RMSE=4.2 cm,Bias=-2.5 cm)与稳定性;转化模型时空稳定性较高,残差集中在5 cm内;气候预测数据的引入、积雪分布差异对雪水当量估计与验证影响较小。所提方法在积雪监测设备缺乏区域可实现雪水当量快速估计,同时也为现有积雪观测网络增强、积雪产品改善等研究提供参考。     

干雪深度反演的同极化相位差模型

积雪深度是积雪的重要结构参数,获取高精度雪深空间分布信息对于流域尺度水资源管理、气候变化研究和灾害预报等具有重要意义.本文以新疆阿尔泰山南坡克兰河上游为研究区,利用C波段全极化GF-3数据及地面同步观测数据,根据VV与HH极化信号在积雪中折射率不同导致相位差异的原理,使用Maxwell-Garnett方程构建同极化相位差(co-pol arized phase difference,CPD)的正演模型,并基于CPD与雪深关系构建了雪深反演模型.通过对具有不同积雪条件的浅雪区与深雪区分别进行雪深反演,获得雪深空间分布信息.同时对反演不确定性进行了分析,并与已有方法进行比较,研究结果表明:①假定研究区积雪各向异性介电常数恒定的理想情况下,CPD仅是雪深的函数,可用半经验的线性模型反演雪深,反演精度的高低与计算CPD过程中使用的滤波器的窗口大小有关,浅雪区的最优滤波窗口为59×59像元,反演精度R为0.83,RMSE为2.72 cm,深雪区的最优滤波窗口为33×33像元,反演精度R为0.54,RMSE为11.69 cm;②雪深反演误差与坡度显著相关,随着坡度的增加,雪深的反演误差呈现出显著增加的趋势,雪深反演不确定性受雪层变质程度、含水量及卫星入射角观测几何条件影响,反演方法对于干燥、雪层变质结晶程度低、均质的积雪及具有大入射角的SAR卫星有更好的适用性;③对比已有基于CPD模型的雪深反演方法,本文方法已经将反演所需要的参数减少为遥感获取的CPD数据,以及进行模型拟合的实测雪深数据,反演精度更高.研究表明CPD模型反演山区雪深空间分布是有效和可行的,研究成果为山区雪深遥感反演提供了新思路.     

青藏高原积雪深度时空分布与地形的关系

利用1979—2010年逐日中国雪深长时间序列数据集,采用GIS空间分析和Mann-Kendall检验等方法,分析了青藏高原雪深时空分布及其与地形的关系。结果表明:青藏高原雪深分布受地形影响明显,在5—9月平均雪深主要受到高程影响,在其他月份则受气温和高程共同影响;同一高程带雪深的变幅反映坡度和坡向对雪深的影响,变幅越宽坡向影响越大;最大雪深随高程和坡度的增加而增加,空间变异随高程的增加而下降,随坡度的增加而呈上升趋势;从10月至翌年5月,平均雪深在高程82~2 482 m和6 082~7 682 m受坡度和坡向影响较高程2 482~6 082 m要偏大;回归分析表明,高原雪深分布受到高程和坡度的双重影响,高程是雪深分布的主要影响因子,在高程82~3 282 m区间,坡度的空间差异对平均雪深空间变异的影响具有明显正效应。     

长江上游安宁河流域植被生长变化对气候条件的响应

为探讨安宁河流域植被演变趋势及其与气候的相互作用,基于2001—2008年MODIS图像、降水量和气温数据,采用回归分析和相关分析等方法计算了安宁河流域降水、气温和归一化差值植被指数(normalized difference vegetation index,NDVI)在时间和空间上的变化情况,并对安宁河流域植被生长变化对气候条件的响应机制进行了探讨。结果表明:NDVI变化和气温、降水呈正相关;降水量和气温等气候因子的变动会直接反映在植被长势上,其中降水对安宁河流域植被生长的影响更为显著;植被长势与气温和降水存在一定的时间滞后性。     

东北地区近60年气温变化规律探讨

为了探讨气候变化对农作物的影响,本文对东北地区81个气象站点的1960—2019年日平均气温资料数据进行研究.利用5日滑动平均和气候倾向率等方法,分析了年平均气温、≥0℃和≥10℃活动积温及其初日、终日、持续日数的变化特征.结果表明:东北地区热量资源呈增加趋势,年平均气温的气候倾向率为0.28℃/10 a,活动积温整体...     

三江源区植被NDVI对区域气候的时滞效应分析

以三江源区为研究区,主要利用一元线性趋势法和简单相关分析法分析了源区1982~2004年生长季累积NDVI的时间序列变化特征及其与气温、降雨、光照时间、风速、地表温度这些气候因子之间的相关性,从月尺度上研究了三江源区植被NDVI对气候因子响应的滞后性特征。最后表明,生长季累积NDVI对气温的滞后期为1个月,对风速的滞后期为2个月,对地表温度的滞后期为4个月,而对降雨量和日照时数不存在滞后响应或者滞后期小于1个月。     

中国北方沙尘暴频数演化及其气候成因分析

利用地面气象观测资料，分析了中国北方1954～2001年年、季沙尘暴发生日数的演变规律及其与风速、相对湿度、降水、气温和干燥度的相关关系。结果表明，中国北方沙尘暴发生日数在1954～2001年呈波动下降的趋势，春季下降趋势最明显。沙尘源区的气候要素对北方沙尘暴发生日数具有比较明显的影响，其中风是影响较大的因子。平均风速和大风频率增加(减少)均有(不)利于沙尘暴天气的形成。气温与沙尘暴日数呈显著的反相关关系，反映了北方温度升高可能通过大气环流间接地抑制了沙尘暴的发生。降水增加对沙尘暴发生也有一定抑制作用，尤其春季和前冬沙尘源区降水多寡对沙尘暴的发生有着重要的影响。北方沙尘暴频数与沙尘源区的相对湿度或干燥指数也存在较明显的相关关系。在过去的近50a内，造成中国北方沙尘暴频率显著下降趋势的直接自然原因是：沙尘源区和发生区平均风速和大风日数的减少、主要沙尘源区降水量特别是春季和前冬降水量的增加、以及由于源区降水增加引起的大气和土壤湿润程度的改善。     

克里雅河流域中游绿洲蒸散发的时空演变与驱动因素分析

蒸散发是评估荒漠绿洲水热循环的关键因素,其时空变化监测及驱动力研究可为水资源的精准调控与生态环境保护提供科学依据。以克里雅河流域中游绿洲地区为研究区域,本文基于Landsat遥感影像与SEBS模型分析了2010—2022年蒸散发的时空变化,通过蒸发皿实测数据和Penman-Monteith模型进行了估算结果的精度验证,并进一步探讨了蒸散发的影响因素。结果表明：(1)蒸散发的SEBS模拟值与蒸发皿观测值的相关系数和R²分别为0.93和0.87,RMSE为0.96 mm/d;与彭曼公式观测值的相关系数和R²分别为0.90和0.81,RMSE为0.64 mm/d。(2)2010—2022年的实际蒸散发呈下降趋势,其变化速率为14.75 mm/a;在春季、夏季和秋季呈下降趋势,在冬季则呈上升趋势。(3)蒸散发的空间异质性明显,高值主要集中在克里雅河沿岸附近,低值则分布在绿洲边缘地区的沙地;近13年整个研究区约有70.2%的像元呈无显著下降趋势,10.4%的像元呈显著下降趋势。(4)蒸散发与气温、气压、日照时数、地表温度和NDVI呈显著相关关系,与风速...     

澜沧江流域2000-2017年植被NDVI时空特征及其对气候因子的响应

基于MODIS-NDVI数据分析澜沧江流域生长季植被NDVI时空特征和变化趋势,结合地形数据、气象站点数据和植被类型数据,利用趋势分析和相关性分析法研究植被NDVI变化对气候因子的响应。结果表明:1)2000-2017年澜沧江流域生长季植被NDVI均值为0.592,整体呈现出由西北向东南波动增加趋势,增长速率为0.09%/10年;2) 2000-2017年澜沧江流域气温呈上升趋势,降水呈下降趋势,植被NDVII总体与平均气温的相关性高于累积降水量;3)澜沧江流域生长季植被NDVI驱动因子分析表明,气候驱动中以气温降水联合驱动为主,流域植被NDVI变化整体为非气候驱动。     

基于北斗/GNSS的中国-中南半岛地区大气水汽气候特征及同降水的相关分析

本文采用统一的处理模型和处理策略对中国-中南半岛地区地基北斗/GNSS测站2006—2016年历史观测数据进行高精度重处理和水汽反演,获得近10年的大气可降水含量（PWV）产品。基于北斗/GNSS PWV产品,研究了该地区大气水汽平均含量、年周期振幅和半年周期振幅等气候特征,发现这些特征主要受到了测站纬度、高程以及季风的影响。通过分析PWV同并址气象站降水观测的关联特性,揭示了该地区大气水汽含量同降水相关性随测站纬度减小而降低的特点（在云南相关系数可达0.8,在靠近赤道的泰国南部相关系数约为0.2）。此外,PWV和降水的距平值相关分析表明,相比于历史同期,大气水汽含量较高的月份在一定程度上对应着降水异常偏高,两者相关系数为0.2~0.4。     

太阳黑子与全球地表温度变化周期性及相关性分析

本文采用SIDC提供的1750~2016年逐月和1700~2016年逐年的太阳黑子观测资料,利用小波分析研究太阳黑子数变化的周期性。结果表明,太阳黑子数变化存在11和116 a的显著周期以及22和55 a的局部显著周期。最小二乘拟合分析表明太阳黑子周期的振幅与小波功率谱呈正比关系,11 a振幅最大。同时在1700~2016年间,太阳黑子以每年0.08个单位的速度增长。此外,全球地表温度变化存在22和64a的显著周期。1880~2016年太阳黑子数与全球地表温度的小波相干性分析结果表明,太阳黑子数变化对全球地表温度变化的作用主要体现在22 a周期上;太阳黑子数变化超前全球地表温度变化约3.6 a。     

近40年波密县积雪时空分布特征分析

基于1977—2017年的Landsat卫星数据,研究区域积雪季节变化特征以及积雪变化与气候特征之间的响应机制。对Lantsat数据采用面向对象法、雪盖指数法提取波密县流域的积雪像元,研究结果表明,近40年来波密县流域积雪面积在年际尺度上整体面积急剧下降,40年间积雪覆盖率由67%下降至18%,尤其是2007—2017这10年,波密县流域的积雪面积呈现明显下降的趋势。全球气候变暖可能是波密县流域积雪面积不断变小的主要原因。     

基于MODIS雪盖数据的北疆雪深多元非线性回归克里金插值

为了提高北疆地区雪深时空分布监测的准确性,以该区域48个气象站点2006年12月—2007年1月的月平均雪深观测数据为基础,通过分析月均雪深空间自相关性及其与经纬度、高程的相关性,结合MODIS雪盖数据构建了多元非线性回归克里金插值方法,插值获得了北疆地区较高精度的雪深空间分布数据。将插值雪深数据与普通克里金插值法、考虑高程为辅助变量的协同克里金插值法的预测结果进行比较,结果表明:1相对普通克里金和协同克里金方法,多元非线性回归克里金法的12月份雪深预测精度分别提高了15.14%和9.54%,1月份的提高了4.8%和6.7%;2由于充分利用了经纬度和地形信息,多元非线性回归克里金法的雪深预测结果可提供更多细节信息;3预测结果客观地表达了雪深随经纬度和地形变化的趋势,反映了积雪深度的空间变异性;4基于不显著相关的协变量高程的协同克里金插值法预测的雪深数据精度劣于普通克里金插值法的预测结果。     

GLONASS卫星SNR信号的雪深探测

利用GNSS-MR(Global Navigation Satellite System Multipath Reflectometry)技术反演积雪深度是近年来一种新兴的卫星遥感技术。目前大多数研究仅使用GPS(Global Position System)数据限制了该技术的发展,为了扩展GNSS-MR算法的应用,介绍了基于GNSS-MR算法的雪深反演模型。首先,通过多项式拟合分解GLONASS观测数据获取高精度的信噪比残差序列;然后,利用Lomb-Scargle谱分析法对其进行频谱分析可解算雪深值。选取IGS中心的YEL2站2015年11月到2016年6月共243天的GLONASS卫星L1波段反射信号的SNR数据进行实例分析,并以美国国家气象数据中心提供的加拿大Y-H (Yellowknife Henderson)气象站的实测雪深数据为真值,将反演雪深与实测雪深进行对比验证。所得实验结果如下:(1)与GPS卫星的反演值相比,基于GLONASS-MR(GLONASS Multipath Reflectometry)技术反演积雪深度的精度同样能达到厘米级,RMSE仅3.3 cm,反演值与实测值的空间分布趋势一致且相关性较强,其相关系数R2高达0.969;(2)不同的积雪深度对信噪比的振幅频率与垂直反射距离具有直接影响;(3)对同一卫星而言,信噪比的频谱振幅强度峰值与其对应的反演值存在线性相关;(4)在相同条件下,采用多颗GLONASS卫星数据比单颗GLONASS卫星数据反演雪深的效果明显更优。基于反演的高时间分辨率产品,分析该地区雪深日变化的情况,实验结果表明基于陆基CORS站的GLONASS-MR技术在用于实时、连续的雪深变化监测方面具有良好的潜力和可行性。     

三江源区植被 NDVI 对区域气候的时滞效应分析

以三江源区为研究区,主要利用一元线性趋势法和简单相关分析法分析了源区1982～2004年生长季累积NDVI的时间序列变化特征及其与气温、降雨、光照时间、风速、地表温度这些气候因子之间的相关性,从月尺度上研究了三江源区植被NDVI对气候因子响应的滞后性特征。最后表明,生长季累积NDVI对气温的滞后期为1个月,对风速的滞后期为2个月,对地表温度的滞后期为4个月,而对降雨量和日照时数不存在滞后响应或者滞后期小于1个月。     

高斯过程回归辅助下的GPS干涉反射积雪深度估测

本文对全球定位系统干涉反射技术进行了研究。以美国板块边界天文台计划提供的P101测站的GPS监测数据为基础,利用GPS卫星高度角低于某一角度时多路径效应明显的特点,构建高斯过程回归(GPR)辅助的GPS干涉反射积雪深度估测模型,并监测了测站周围的积雪深度。结果表明,GPR辅助的GPS干涉反射积雪深度估测模型输出的雪深估测值的精度,相比传统单星反演结果有不同程度的提高,并且更贴近实测雪深的变化,为地表雪深反演提供了新思路。