2003-2010年青藏高原积雪及雪水当量的时空变化

利用MODIS逐日无云积雪产品与AMSR-E雪水当量产品进行融合, 获取了青藏高原500 m分辨率的高精度雪水当量产品, 通过研究青藏高原积雪时空动态变化特征, 分析了积雪覆盖日数、雪水当量以及总雪量的季节及年际变化. 结果表明: 青藏高原地区降雪主要集中在高海拔山区, 而高原腹地降雪较少, 降雪在空间上分布极为不均; 2003-2010年期间, 平均积雪日数呈显著减少趋势, 稳定积雪区面积在逐渐扩大, 常年积雪区面积在不断缩小. 与积雪日数时空变化相比, 雪水当量增加的区域与积雪日数增加的区域基本一致, 但喜马拉雅山脉在积雪日数减少的情况下雪水当量却在逐年增加, 表明该地区温度升高虽然导致部分常年积雪向季节性积雪过渡, 但降雪量却在增加. 总的积雪面积年际变化呈波动下降的趋势, 但趋势不显著, 且减少的比例很少. 最大积雪面积呈现波动上升后下降的趋势, 平均累积积雪总量呈明显的波动下降趋势, 年递减率为1.0×10³ m³·a^-1.     

青藏高原积雪深度和雪水当量的被动微波遥感反演

利用1993年1月份的SSM/I亮度温度数据反演了青藏高原的雪水当量,首先使用被动微波SSM/I数据19和37GHz的水平极化数据来反演雪深,根据积雪时间的函数来计算实时的雪密度,由雪的深度和密度计算出雪水当量.最后,利用SSM/I数据的19和37GHz的垂直极化亮度温度梯度对计算出的雪水当量进行回归分析,得到了利用SSM/I数据直接反演雪水当量的算法.     

青藏高原NOAA／NESDIS数字化积雪监测的评价

对１９９３／１９９４年青藏高原１６幅ＮＯＡＡ积雪监测的分析，评价了ＮＯＡＡ／ＮＥＳＤＩＳ积雪监测经的精度，证实本监测区域含５０个以上ＮＯＡＡ／ＮＥＳＤＩＳ网格单元时，该资料统计值才能满足ＷＣＲＰ监测雪盖率的精度要求。     

1980—2020年青藏高原积雪时空变化特征

青藏高原是气候变化的敏感区,其积雪在区域水文循环和气候系统中具有重要作用。本文利用1980—2020年逐日无云积雪覆盖遥感数据,分析了该地区近40年的积雪面积、积雪覆盖日数的分布特征和变化趋势。结果表明：青藏高原地区积雪分布具有明显的空间分异和垂直地带性分布特征,阿姆河流域、印度河流域、塔里木盆地、恒河流域、怒江流域和雅鲁藏布江流域的高海拔山区是积雪广泛分布的地区。在水文年内,高原地区积雪覆盖率呈单峰变化,8月上旬积雪面积最小,1月中下旬达到最大,分别占高原总面积的5.2%和38.6%;40年间,高原地区平均积雪面积以3.9×10⁴ km²·(10a)^-1的趋势显著减少(P<0.05);积雪覆盖日数以0.47 d·a^-1的趋势显著减少,高原71.4%的区域积雪覆盖日数呈减少趋势,呈显著减少的区域约占55.3%;17.1%的区域积雪覆盖日数呈显著增加趋势,且主要分布在5 200 m以上的高海拔山区,在海拔5 200～5 900 m之间的区域,积雪覆盖日数的增加率随海拔升高而增加。     

青藏高原Soumi-NPP和MODIS积雪范围产品的对比分析

Soumi-NPP（Soumi Polar-orbiting Partnership）卫星作为接替服役超期的Terra、Aqua卫星,其积雪范围产品在青藏高原的精度尚未被评价。以Soumi-NPP积雪范围产品为研究对象,利用气象台站点数据并结合更高分辨率的Landsat-8 OLI数据,评价该产品的精度,并与MODIS（Moderate Resolution Imaging Spectroradiometer）积雪范围产品进行对比分析。结果表明：使用气象台站进行数据验证时,NPP、MOD与MYD三种积雪范围产品的总精度均较高,但三者积雪漏分误差都较大,其中MYD的漏分误差最大,为64.2%;当雪深小于5 cm时,三种积雪范围产品的积雪分类精度都较低,雪深大于等于5 cm时,NPP积雪范围产品的积雪分类精度最高,为82.3%,MOD与MYD的精度分别为77.1%和69.4%;利用Landsat-8 OLI数据验证时,Soumi-NPP积雪范围产品的Kappa系数最高,其均值为0.707,为高度一致性。而MOD10A1与MYD10A1的Kappa系数较低,分别为0.476与0.557,为中等一致性;Soumi-NPP积雪范围产品的Kappa系数大多在0.6以上,精度比较稳定,而MODIS积雪范围产品的Kappa系数波动较大,精度稳定性较差。Soumi-NPP积雪范围产品相较于MODIS积雪范围产品,其精度有了较大的提升,为准确监测青藏高原积雪范围提供了一个更优的选择。     

青藏高原多源雪深数据适用性综合评估北大核心CSCD

青藏高原积雪对区域气候及水循环有重要影响,现有积雪数据集在该区域存在很大不确定性,适用性评估工作不可或缺。基于气象站观测数据(OBS),采用秩评分方法对一套被动微波遥感(CHE)和两套再分析(ERA5-Land和MERRA2)积雪深度数据进行了多变量、多评价指标的综合定量评估。结果表明:从年平均积雪深度、年最大积雪深度、年积雪日数三个变量分别评价各数据,MERRA2对年最大积雪深度、年积雪日数模拟最好,CHE对年平均积雪深度描述最好;各数据在不同评价指标上的得分排名存在较大差异,CHE在描述线性变化趋势上具有优势,ERA5-Land在描述年际变化上具有优势,MERRA2在描述季节循环、多年平均值、极大值、标准差上具有优势;综合考虑,MERRA2在青藏高原适用性综合评分最高、ERA5-Land次之、CHE最低。三种数据均存在明显不足之处,MERRA2对积雪线性变化趋势的定性描述与OBS相反,对积雪年代际变化的模拟有待优化;ERA5-Land对各变量的多年平均值存在严重高估;CHE刻画积雪空间分布特征能力较差。由于青藏高原西部站点稀少,相关评估结论仅适用于高原中东部。基于遥感及再分析数据得到高原西部积雪变化趋势存在较大不确定性。     

青藏高原边缘积雪辐射特征

利用中国陆地生态系统通量观测研究网络的玛曲站观测的一次降雪过程的资料,对青藏高原东部边缘冬季的降雪、积雪过程的辐射特征进行了分析.研究结果表明;积雪期晴天和降雪过程的向上短波辐射的峰值分别约为降雪前晴天的3和2倍.无积雪晴天地表反射率主要分布在0.175～0.36,新雪地表反射率主要分布在0.8～0.9.大气逆辐射变化较小,降雪过程的最大,积雪时的最小.地表长波辐射则为降雪前最大,降雪时最小.积雪覆盖的晴天比无积雪时的净辐射变化幅度减小,且早上由负转正的时间推迟.     

基于被动微波遥感的积雪深度和雪水当量反演研究进展

积雪是冰冻圈重要组成要素之一,也是对天气和气候响应最为敏感的自然要素。被动微波能够穿透云层、积雪和大气进行全天候、全天时地工作,在估算积雪深度、雪水当量等积雪参数上有很大优势。综述了国内外基于被动微波遥感的积雪参数反演研究的进展,首先介绍了被动微波遥感监测积雪的基本理论,以及被动微波遥感数据;然后将当前的积雪深度和雪水当量反演算法总结为4类:(1)基于统计的线性反演算法;(2)基于微波积雪模型的反演算法;(3)基于先验知识的非线性反演算法;(4)数据融合与数据同化。随后介绍了常用的7种积雪数据产品,并讨论了影响积雪深度和雪水当量反演精度的几个因素,最后对未来积雪参数反演研究方向做出了展望。     

被动微波遥感反演中国西部地区雪深、雪水当量算法初步研究

雪深、雪水当量是积雪研究中重要参数，其在流域水量平衡和融雪径流预报以及雪灾监测与评价中起着重要作用。Chang等(1987)以辐射传输理论和米氏散射为理论基础，假定积雪密度和颗粒大小为常数，利用实测雪深数据和SMMR的亮温数据，通过统计回归方法，建立了雪深与18 GHz和37 GHz水平极化的亮温梯度之间的关系，发展了SMMR半经验的反演雪深的算法。后在此基础上又发展了针对SSM/I的半经验反演雪深算法。2002年发射的装载于Aqua卫星上的AMSR E是新一代的被动微波辐射计，性能较以往星载被动微波辐射计有较大提高，采用了改进后的SSM/I的半经验算法作为其估算全球雪水当量的反演算法。 将AMSR E的雪水当量产品与气象台站观测的雪水当量进行比较，发现在新疆地区和青藏高原地区雪水当量的RMSE分别达到31.8 mm和21 mm。本研究旨在建立基于AMSR E亮温数据，适用于中国西部地区的雪深和雪水当量反演算法。首先收集整理了2003年新疆地区的雪深、雪水当量数据和AMSR E亮温数据，去除错误样本，利用统计回归的方法，建立了新疆的反演雪深、雪水当量的半经验算法，算法中加入积雪覆盖度参数，较以往的算法有所改进，与气象台站观测数据比较，结果也表明新疆地区建立的经验算法较AMSR E的雪水当量算法有较大改进，RMSE为15.7 mm。但青藏高原地区因海拔高，地形复杂，大部分地区积雪较浅,空间分布不均和冻土存在等诸多因素运用同样的方法建立反演算法，结果不甚理想，以后的研究将重点消除这些干扰因素。     

基于被动微波遥感反演雪深的时间序列分析我国积雪时空变化特征

利用1978-2005年逐日中国积雪深度数据集,分析了我国积雪空间分布特征和季节时空分布特征,并运用趋势线分析方法和均方根差模拟了积雪深度和积雪日数的变化趋势及异常空间变化特征.结果表明:青藏高原东南、青藏高原西部和南部、新疆北部和东北山区为我国积雪空间分布四大高值区.近28 a来,积雪深度和积雪日数呈增加趋势,20世纪80年代青藏高原明显增加和明显减少趋势并存,90年代整体明显增加,2000-2005年整体基本不变.青藏高原中东部、新疆北部以及东北山区为积雪深度异常变化敏感区,而青藏高原西部则为积雪日数异常变化敏感区.     

基于MODIS的青藏高原逐日无云积雪产品算法

青藏高原积雪对高亚洲地区水和能量循环起着重要的反馈和调节作用,其变化影响着融雪性河流流量,对下游水资源和经济活动具有重要影响。中分辨率成像光谱仪（MODIS）具有较高的时空分辨率,被广泛应用于积雪遥感动态监测,然而光学遥感积雪受云层影响严重,且青藏高原地区水汽分布不均,局地对流活跃,积雪的赋存时间变化快,这给高原地区逐日积雪监测及其气候学制图带来挑战。在考虑青藏高原地形和积雪分布特征情况下,结合现有的云覆盖下积雪判别算法,采用8个不同方法的组合,逐步实现MODIS逐日无云积雪算法。选取2009年10月1日-2011年4月30日两个积雪季为研究期,并采用145个地面台站观测雪深数据对去云算法各步骤过程开展精度验证,结果表明：当积雪深度>3 cm时,逐日无云积雪产品总分类精度达到96.6%,积雪分类精度达83%,积雪判对概率（召回率）达到89.0%,算法可实现青藏高原地区逐日无云积雪动态监测和积雪覆盖气候学数据重建,对高亚洲地区的水、生态和灾害等全球环境变化影响研究具有重要的意义。     

基于MODIS的青藏高原季节性积雪去云方法可行性比较研究

青藏高原地处中纬度地区,季节性积雪分布破碎,地面观测站点稀少,中分辨率成像光谱仪（MODIS）可为该地区提供每日积雪监测数据,然而云是光学遥感最大的影响因素,为研究MODIS每日积雪产品去云方法在青藏高原的适用性,根据原理将去云方法归纳总结为五大类,并对每种方法的“潜在假设”开展分析讨论。结果显示：基于时间连续性的方法适用性强,去云效果明显,上下午积雪连续的平均概率为72.5%,而2~5d的连续积雪的概率为5.6%~43%不等,可靠性差;临近像元法可去除零散分布的云,平均正确率达到95.5%,但去除云量较少;基于高程的去云算法在山区适用性好,而在高原腹地由于坡度较小而错判概率较大;采用被动微波遥感数据进行去云则依赖于微波对云的识别率,往往误差较大;采用数学方法拟合积雪边界在积雪破碎、降雪融雪较快的青藏高原地区,物理意义较弱。通过分析研究表明,青藏高原地区MODIS日积雪产品的去云,需综合多种算法的区域适用性,充分考虑青藏高原地形及积雪本身的特征,逐步完善每日积雪去云工作。     

青藏高原生态环境变化趋势的初步探索

青藏高原是世界上环境最为脆弱的区域之一.本文在总结国内外文献的基础上详细介绍了高原气候、植被的年际变化,对气象数据做了不同角度的统计,采用遥感反演的方法对植被分布进行了计算.从计算的结果看近20年来高原植被变化并不十分明显,在全球性变暖的大背景下局部地区有增长的趋势,高原温度、降水、蒸发都在上升,这些因素对植被的生长都产生着重要的影响.     

青藏高原湖泊变化遥感监测及水量平衡定量估算研究进展

青藏高原湖泊是气候变化的重要指示器,20世纪90年代中期以来,在暖湿化环境下降水增多和冰川冻土加速融化导致的湖泊扩张是青藏高原最为突出的环境变化特征。值得注意的是,湖泊水位变化的空间分布特征和西风带及印度季风带影响区的降水量变化具有高度的空间一致性。严酷的自然环境导致对青藏高原内陆湖泊的实地观测变得难以企及,而遥感技术的发展正好可以克服以上局限,该技术已经成为青藏高原湖泊变化监测的主要研究手段。本文围绕遥感监测技术与方法,综述了青藏高原湖泊面积、水量、冰物候、水体参数以及水量平衡定量估算等方面的研究进展。部分研究以流域为尺度应用多源遥感与水文模型进行水量平衡定量评估,结果表明青藏高原内陆地区的湖泊水量增加的主要贡献因素是降水增多,而冰川融化、冻土消融及其他因素的贡献程度却相对较小。当前,学术界一般认为：大尺度的降水年代际变化是青藏高原湖泊近期变化的主要原因,而冰川冻土加速消融又进一步加速湖泊扩张或抑制了部分湖泊收缩。过去,关于青藏高原湖泊变化的气候响应机制研究大多停留在对降水、蒸发、温度、风速、冰冻圈融化等气候因素的定性描述上;现在,在湖泊水量平衡方面,越来越多的研究开始在定量化方面取得进展;将来,随着更多遥感数据的开放共享,以及更多水文与气象站点的投入使用,将为青藏高原湖泊的水量平衡定量研究提供更好的数据条件。     

基于遥感数据的青藏高原热环境调查

本文以地球系统科学和地球力学为理论基础,以遥感(RS)、地理信息系统(GIS)、全球定位系统(GPS)为技术支撑,利用亚东-格尔木-锡铁山走廊域的地学剖面实测温度数据和青藏高原MODIS遥感影像数据,分析研究了青藏高原亚东-格尔木-锡铁山走廊域的热环境特征.通过研究表明,研究区域内热环境总体分布规律为中东部最高,东南部次之,西北部最低.     

青藏高原近25年来主要湖泊变迁的特征

青藏高原分布有青海湖、纳木错、色林错3个特大型湖泊和扎日南木错、当惹雍错、阿牙克库木湖、班公错、哈拉湖、鄂陵湖、羊卓雍错、扎陵湖、赤布张错、乌兰乌拉湖、昂拉仁错11个大型湖泊。通过对20世纪70年代中期的MSS图像和90年代末期—21世纪初期的ETM 图像的解译,对近25年来青藏高原重点湖泊的变迁进行了分析。研究结果表明,哈拉湖、鄂陵湖面积相对稳定;青海湖、扎日南木错、当惹雍错、阿牙克库木湖、扎陵湖、乌兰乌拉湖等8个湖泊的面积都有不同程度的缩小,其中青海湖、乌兰乌拉湖面积减少最多,分别为60.60km2、59.80km2;纳木错、色林错、班公错3个湖泊的面积都有不同程度的增加,其中色林错面积增加最多,达140.52km2。重点湖泊的变迁分析为研究青藏高原的湖泊演化和气候、环境变迁提供了新资料。     

青藏高原地区积雪年际变化异常中心的季节变化特征

利用青藏高原1980-2009年SMMR、SSM/I和AMSR-E被动微波遥感反演得到的逐日积雪深度资料, 应用EOF方法分析了近30 a青藏高原地区冬春季积雪年际变化异常的时空变化. 结果表明: 青藏高原冬春季积雪年际异常敏感区随季节有着显著变化, 并具有多尺度性. 其在大尺度上最主要的空间特征是从秋末(10-12月)到隆冬(12-翌年2月)位于青藏高原腹地和东南缘的河谷; 后冬和前春年际异常变化的敏感区显著变小, 整个青藏高原地区的积雪稳定少变; 而春季(3-5月), 随着青藏高原气温的回升, 敏感区出现在青藏高原东部. 青藏高原冬春季积雪年际变化在局地尺度上存在着季节变化, 表现为青藏高原积雪年际变化的异常与年际变化趋势相反的特征, 以及积雪年际变化东西反向异常随季节的演变. 青藏高原冬春季积雪年际变化的异常敏感区在空间范围上的变化, 反映了冬春季积雪在季节尺度上受冬季风和南来的暖湿气流之间相互消长和进退影响的特征. 青藏高原冬春季积雪具有显著的年代际变化, 在20世纪80年代处于多雪期, 80年代后期进入一个积雪较少期. 秋末至隆冬(10-翌年2月)的积雪在20世纪90年代后期出现明显转折, 进入多雪期, 2000年后又进入一个少雪期.