一种GPS多路径反射信号的雪深反演

针对传统雪深测量缺乏必要时空敏感性的不足,该文在分析GPS信号多路径反射模型的基础上,利用GPS信噪比观测数据,通过分离提取多路径反射分量研究其时频特性,探讨GPS多路径信号与雪深及其变化关系并进行反演建模。依据菲涅尔反射区理论,确定了反射区域范围,进一步探讨卫星、波段选择及初始反射高度确定等。对比实验研究表明,反演结果与实测值吻合较好,相关系数为0.93,均方根误差为8.6cm;信噪比多路径反射分量的频率能有效跟踪积雪深度的变化。     

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%.     

古尔班通古特沙漠及周边区域冬季大气边界层高度对地表积雪的响应

古尔班通古特沙漠是中国唯一冬季存在长期积雪的沙漠,在此特殊地理环境下,沙漠及周边区域冬季雪深和边界层高度的时空变化特征和相互关系尚未明确。本文利用1980—2019年SMMR（Scanning Multichannel Microwave Radiometer）、SSM/I（Special Sensor Microwave/Imager）、SSMI/S（Special Sensor Microwave Imager/Sounder）被动微波遥感雪深数据、古尔班通古特沙漠腹地雪深观测数据和ERA5再分析资料（the Fifth Generation ECMWF Reanalysis）边界层高度数据,分析了沙漠及周边区域冬季雪深和边界层高度的时空变化特征与相互关系。结果表明：古尔班通古特沙漠及周边区域冬季雪深年均值为8.45 cm,整体呈现东北部和南部积雪较深,其他区域积雪较浅并呈现出由沙漠中心区域向四周逐渐减少的特点,雪深在古尔班通古特沙漠及其东北、南边的邻近区域呈升高趋势,剩余地区呈下降趋势。古尔班通古特沙漠及周边区域冬季边界层高度年均值为105.54 m,呈现东南部和西北部高,中心沙漠区域、东北部、西南部较低的特点,边界层高度在沙漠及周边区域升高而其他区域降低。古尔班通古特沙漠的冬季雪深和大气边界层高度时空变化整体呈负相关,其中93.17%以上的沙漠区域呈负相关,平均相关系数为-0.32,最大相关系数绝对值为-0.58,空间相关系数为-0.42（P<0.05）。     

被动微波遥感积雪参数反演方法进展

雪深(snow depth,SD)和雪水当量(snow water equivalent,SWE)是气候水文研究中的重要参数,在雪灾监测中尤为重要。首先,简要介绍了被动微波遥感SD和SWE反演算法的物理基础——积雪微波辐射传输模型,分析了不同微波频段、不同特点的积雪微波辐射和散射特性。然后,根据前人的研究从数学角度将反演算法分为线性亮温梯度法和基于先验知识法,总结了2类算法的优势和局限性:线性亮温梯度法相对简单、速度快,一般只适用于特定的研究区;先验知识法需要获取研究区的样本数据,并反复训练才能达到较好的精度,但对样本的独立性及其均值差异显著性的要求较高。最后,重点介绍了我国风云三号微波成像仪(FY-3 MWRI)的全球SD和SWE反演算法和针对中国区域的改进算法,并对未来的研究热点进行了展望。     

气象消息 民国二十五年二月份

本月份风雪频仍,天气奇冷,不但国内各地如此,即有欧美日本,亦时以风雪为灾闻。兹分别摘要以示。月初四、五两日,华北华中全境均报大雪。蒙境积雪滦二尺,兰州附近各地积雪约六寸许,洛阳雪厚可半尺,青岛雪盈尺。徐州平地积雪三尺,行人罕迹,全城闭市。     

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。     

内蒙古雪灾监测方法研究

针对内蒙古站点少，分布不均匀，而且发报不连续的实际情况，结合常规站点雪深资料和卫星监测的积雪覆盖率资料，主要考虑积雪厚度和持续时间以不同草场的灾情影响，建立了一套简单的内容古雪灾监测方法。     

固态降水及冬季冻结现象的观测

冬季观测的重点和难点是固态降水物及利用工具观测的一些项目如冻土、电线积冰、雪深、雪压观测等。本文根据观测经验提出了冬季观测的一些方法技巧和注意事项,仅供观测员在工作中参考。     

结合GA-BP神经网络的GPS-IR雪深反演

针对传统雪深反演中出现的系统偏差和跳变问题,该文提出一种结合遗传算法-反向传播(GA-BP)神经网络的雪深反演方法。首先通过二次项拟合有效分离出信噪比残差,进而对变换单位后的信噪比残差进行频谱分析,计算得到初步雪深值。最后,建立基于初步雪深值的GA-BP神经网络优化模型。以美国板块边界观测计划(PBO)提供的监测数据为例,并与传统方法对比分析,结果表明:采用GA-BP神经网络不仅能够削弱初步反演结果中出现的系统偏差,还能有效消除反演过程出现的跳变现象。采用PRN09和PRN24卫星反演,RMSE和MAE均分别小于0.083m和0.065m,R~2有了明显提高,优于未处理初始雪深的情况。     

SVM辅助的GPS SNR雪深时间序列反演

研究了GPS干涉反射技术GPS-IR(GPS-Interferometric Reflectometry);在利用GPS卫星SNR信号进行积雪深度探测的基础上构建了支持向量机SVM(Support Vector Machine)辅助的GPS SNR雪深时间序列反演模型;对积雪深度进行时间序列预报和与传统GPS-IR积雪探测模型进行精度对比分析。实验结果显示,相比传统GPS-IR雪深反演模型,SVM辅助的GPS SNR雪深时间序列反演模型的雪深预报结果的精度更高,也更符合实测雪深的变化趋势,可为地面积雪雪深反演提供新方法。