基于GPS双频信号增强的雪水当量估计

雪水当量是重要的积雪参数之一,对气候变化预测与水资源管理等有重要意义。GPS干涉反射技术(GPS-IR)是一种十分有效的积雪深度监测技术,结合积雪密度估计模型可实现雪水当量的估计。基于此,提出了一种GPS-IR双频积雪参数反演增强方法。首先,利用美国板块边界观测(PBO)AB33测站2016年水文年与P019测站2020年水文年的L1和L2C信号信噪比数据,通过GPS-IR技术获取了两个测站的双频反射高度,建立了双频反射高度的线性关系模型,并通过该模型填补了L2C信号反射高度缺测数据,进而获取双频增强积雪深度时间序列,然后通过积雪密度估计模型转换得到雪水当量日估计值,最后采用SNOTEL测站实测积雪参数进行检验。结果表明：基于L2C信号的积雪深度反演精度要优于L1信号,基于增强方法的积雪深度反演精度介于L1信号和L2C信号之间;基于增强方法的雪水当量反演精度与L2C信号基本相当,且均优于L1信号;增强方法在AB33测站与P019测站分别有效填补了基于L2C信号的积雪深度/雪水当量时间序列25.8%与13.7%的空缺数据。本文提出的增强方法充分利用了GPS双频信号数据资源,可获取高连续性...     

利用GPS-IR监测土壤含水量的反演模型

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（R²=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。