雪

正~~     

基于GPS和北斗信噪比观测值的雪深反演及其误差分析

利用GNSS反射信号反演雪深具有全天时、全天候、数据量大、成本低等突出优点。本文围绕基于信噪比观测值的雪深反演方法,利用参加中国北极科学考察的机会在黄河站设计了GNSS-R试验,采集了GPS和北斗的双频信噪比观测数据,详细讨论了高度角范围、弧段长度、卫星数量、方位角、时间尺度、星座结构、信号频率、信噪比强度等多种因素对雪深反演结果的影响。通过大样本、质量控制、误差分析等手段,雪深反演精度和可靠性得到有效提高。根据误差分析的结果,本文推荐的反演策略如下：选择高度角范围为5°~25°、信噪比强度较高的L1和B1I观测值,充分利用多颗卫星和4个方位角的大量观测数据,在一天的时间尺度上,可以实现5 cm的反演精度。另外,弧段长度、星座结构、信号频率等对反演结果的精度影响较小。     

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.     

投影寻踪法在建立积雪深度模型上的应用

针对融雪期积雪深度变化问题的高维非线性、非正态特点,利用投影寻踪法将积雪深度变化多指标问题转化为单一投影指标问题,采用遗传算法优化投影方向得出最佳投影值,最终得到对积雪深度变化影响较大的因子,实现在低维空间上反应积雪深度变化的目的。实例分析结果表明:影响积雪深度变化的各因素贡献力依次为:土壤地表温度净辐射空气温度土壤体积含水量风速空气相对湿度降水水汽压。通过建立MLP神经网络积雪深度模型表明:利用投影寻踪法提取的积雪深度主要影响因子是可靠的,且提取的主要影响因子为简化积雪深度模型提供理论依据。     

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。     

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...