色林错、纳木错湖区被动微波雪深反演算法评估

被动微波雪深反演算法是当前大范围获取青藏高原地表雪深信息的重要途径,但由于缺乏地面雪深观测资料,导致对算法在高原中西部区域的表现认识不足。为了评估当前被动微波雪深反演算法在青藏高原色林错、纳木错地区的适用性,利用AMSR2亮温数据和地面站点雪深数据,以相关系数、偏差和均方根误差作为评价指标,评估了Chang2算法、Che算法、SPD算法、AMSR2算法和Jiang算法等5种算法。结果显示,Jiang算法综合表现最好,在纳木错站R值最高为0.68;Che算法对浅雪反演效果较好,其在班戈站Bias为-0.66 cm;Chang2算法对纳木错站、色林错站深雪反演效果较好,在两地R值分别为0.63、0.50;SPD算法的反演效果最不理想,对雪深高估明显,其中浅雪高估近20 cm;AMSR2算法在区域间的表现差异较大,在纳木错站的反演结果比色林错站、班戈站好。除SPD算法外,其余算法均低估了研究区雪深,与以往研究结果一致。     

被动微波雪深反演算法在东北地区的时空分析与验证

Chang算法及改进算法是被动微波遥感雪深反演算法中较简单的经验算法。为了评价改进的Chang算法在东北地区的适用性,对改进的Chang算法进行分析与验证。从空间上,选取了84个野外数据采样点和48个气象站点对改进的Chang算法进行分析与验证。结果表明:森林下垫面改进的Chang算法会低估雪深3.6cm,而农田下垫面改进的Chang算法会高估雪深1.5cm。从时间序列上,选取五营、呼中、庆安和巴彦4个气象站点2012年11月15日~2013年2月28日的时间序列雪深数据,对改进的Chang算法进行分析与验证。结果表明:森林下垫面改进的Chang算法会低估雪深,五营站点低估雪深13.7cm,呼中站点低估雪深8.3cm,农田下垫面改进的Chang算法会高估雪深,庆安站点高估雪深3.4cm,巴彦站点高估雪深0.8cm。无论从空间上还是时间序列上,验证结果都表明,农田下垫面时改进的Chang算法的精度比森林下垫面时要高。此外,站点雪深不变而改进的Chang算法反演的雪深却在增大,这可能是由于期间雪粒径不断增大的缘故。     

NASA系列雪参数反演算法在单像元内的时间序列验证与分析

NASA系列算法(Chang,NASA96和Foster算法)是被动微波遥感反演雪深、雪水当量的简单、实用的经验算法,并经过了很多学者大范围的算法验证和改进。为了进一步评价NASA系列算法在东北地区的时空适用性,于长春净月潭区域选定了一个以农田和森林为主的10km×10km被动微波遥感混合像元,在时间上连续观测整个干雪期(2014年12月至次年2月)的积雪参数和气象数据,结合FY3B卫星搭载的微波成像仪(MWRI)亮温数据,对NASA系列算法精度进行了评价分析。结果表明:对于雪深的反演,Chang算法和NASA 96算法前期反演效果较好,后期随着时间的推进高估雪深的趋势愈加明显。由于考虑了森林覆盖率的影响,NASA 96算法的反演精度更高。两种算法最大高估值分别是24.46和14.62cm,这是因为期间雪性质不断变化,尤其是雪粒径不断增大的缘故。Foster算法也严重高估了雪水当量,可能是由于积雪类型的分类系统未必适合于东北地区的积雪特征。本文的积雪连续观测数据为认识东北地区的积雪特性奠定了基础,对算法的时间序列验证与分析为雪参数反演算法的进一步改进提供了可靠依据。     

天山雪深反演算法验证与分析

针对被动微波遥感雪深反演算法在特殊地形条件下精度较差的问题,分析了两种雪深反演算法在新疆天山地区山地和平地在不同雪深条件下的误差。利用2014年12月15日到24日同步获得的46个山地和52个平地雪深数据、FY3B-MWRI亮温数据以及2008年MCD12Q1地面分类数据,对FY3B-MWRI业务化算法和Chang算法在新疆天山地区进行了对比分析。采用实测的不同地形和雪深数据进行了多组雪深反演,并分析山地和平地不同雪深反演误差。结果表明:1)所有样点参与反演时,Chang算法的雪深反演均方根误差为14.18cm,FY3B-MWRI业务化算法均方根误差为8.66cm,FY3B-MWRI业务化算法雪深反演效果优于Chang算法;2)对比山地和平地雪深反演结果,Chang算法的山地雪深反演均方根误差为18.31cm,平地雪深反演均方根误差为9.3cm;对于FY3B-MWRI业务化算法,山地雪深反演均方根误差为10.73cm,平地的雪深反演均方根误差为4.36cm,Chang算法和FY3B-MWRI业务化算法山地反演均方根误差是平地均方根误差的两倍左右;3)当雪深在20~30cm和大于30cm两组时,FY3B-MWRI业务化算法和Chang算法精度普遍都不高。     

积雪微波辐射亮温对积雪参数的敏感性分析——以多层积雪微波辐射模型为例

积雪的被动微波辐射亮温信号十分复杂,深度、温度、粒径、密度、液态水含量,以及下垫面的状况都会不同程度的影响积雪层的亮度温度。本文利用多层积雪微波辐射模型（MEMLS）分别针对各个输入参数对模拟亮温的影响进行了分析,发现粒径是敏感性最高的模型参数,湿度、深度、密度、积雪温度次之。模型模拟结果表明,当雪深小于50cm时,雪深可以近似地表示为19和37GHz的亮温差的线性函数 |当雪深大于50cm后,随着雪深的增加,亮温差增加幅度变小,趋向于饱和。在建立积雪深度反演公式时,粒径和密度会影响公式的拟合系数。把一定区域内积雪粒径和密度看作是相同的值,这可能是造成被动微波遥感反演雪深和雪水当量误差的原因之一。被动微波无法反演湿雪的雪深和雪水当量,但可以有效识别干雪和湿雪,为水文模拟以及农业灌溉提供科学的依据和信息。积雪温度对积雪辐射亮温影响较小,而且在对积雪深度进行反演时,两个频率亮温值相减,温度的影响也被降到了最低。     

基于人工神经网络和AMSR2多频微波亮温的北疆地区雪深反演

被动微波遥感数据是进行积雪深度反演的重要资料,不同频率微波信号对积雪响应不同。利用人工神经网络(Artificial Neural Network,ANN)方法结合新疆北部地区积雪观测资料建立AMSR2(Advanced Microwave Scanning Radiometer 2)微波亮温(Brightness Temperature,TB)、地理位置、地形因子与雪深的隐含关系,以实现通过亮温、地理位置、地形因子估算北疆地区积雪深度,并分析微波极化方式、位置以及地形的不同组合方式对雪深反演效果的影响。实验结果表明:水平极化对雪深反演的影响大于垂直极化,纬度对雪深的影响大于经度,地表粗糙度和坡向对雪深的影响大于高程和坡度,并且位置和地形因子对雪深影响作用相当。最终通过4种优选模型的误差空间分布对比发现,综合亮温、经纬度、坡度、坡向的ANN输入模型能够较好的反映北疆地区积雪分布状况,训练集的站点平均误差在-7~6cm之间,该组合模型作为神经网络的输入能够较为合理地获取北疆地区雪深模拟值。     

积雪属性非均匀性对被动微波遥感积雪的影响

积雪属性的非均匀性在水平方向上表现为像元内积雪未完全覆盖和雪深分布的不均匀,在垂直方向上表现为积雪剖面上粒径和密度的不一致导致的积雪分层现象。这些积雪属性的非均匀性对被动微波遥感反演雪深或雪水当量带来很大的不确定性,并且给反演结果的验证带来不确定性。通过野外积雪的微波辐射特性观测、遥感积雪产品对比分析、积雪辐射传输模型模拟对这些问题进行阐述和探讨,为今后积雪微波遥感反演算法发展和结果验证提供参考。     

基于多源数据的阿勒泰地区雪深反演研究

利用阿勒泰地区 2010~2012年冬季(11月~次年2月)3类积雪数据:风云三号微波成像仪(FY\|3/MWRI)反演的雪深数据、美国人机交互式多仪器冰雪制图系统(IMS)积雪面积数据、阿勒泰及周边地区实测雪深数据,进行积雪深度的反演研究。通过结合3类积雪数据的各自优势,建立修正模型,最终得到较准确的研究区雪深数据。同时通过编程实现了相应模型的操作平台,为今后研究区积雪业务化监测做好准备。结果表明:模型提高了FY\|3/MWRI数据反演阿勒泰地区积雪深度的准确性,改善了FY\|3/MWRI数据在阿勒泰地区雪深反演偏低的缺点,使微波与实测平均雪深误差由修正前的21.7~12.1 cm缩小为修正后的3.7~1.5 cm。     

利用被动微波遥感数据反演我国积雪深度及其精度评

考虑到我国西部地区使用SSM/I全球算法将高估积雪深度,故以东经105°为界将我国分为东部和西部。在西部地区采用修正后的雪深算法,东部地区沿用全球算法。对散射系数较高,容易和积雪相混淆的降雨、寒漠和冻土地表类型,通过积雪分类树进行剔除,进而发展了一套适用于全国积雪深度的业务化反演方案。最后利用MODIS积雪产品对冬季90天的结果进行了精度评价,总体精度平均达到86.4%,最高精度达到95.5%,Kappa系数均值为65.5%,最大值达到86.2%。     

基于积雪调查数据的东北地区被动微波积雪遥感产品精度验证与分析

积雪遥感数据产品可以提供积雪的时空分布信息,是积雪监测的重要数据源。对现有的不同遥感产品进行精度验证和对比分析,明确其适用范围,有利于积雪数据产品的进一步发展和应用。为验证积雪产品在东北地区的适用性,以中国积雪特性及分布调查项目为依托,精心设计野外实验,观测了东北地区25 km典型样方和积雪线路调查数据,验证了在阔叶林和农田两种下垫面下,FY-3B雪深产品、AMSR-2雪深产品、GlobSnow雪水当量产品在东北地区的反演精度。结果表明：GlobSnow雪水当量产品精度最高,不区分下垫面的情况下,最大偏差和均方根误差分别为10.87 cm和12.53 cm。考虑下垫面的影响,GlobSnow雪水当量产品和FY-3B雪深产品在两种下垫面下的雪深反演精度差别很小,偏差和均方根误差的差值小于2.11 cm和3.46 cm,AMSR-2积雪产品在两种下垫面下反演精度差别很大,两种下垫面下偏差和均方根误差的差值大于9.94 cm和7.19 cm。对于3种积雪产品,下垫面为农田的雪深反演精度均高于下垫面为阔叶林的反演精度。     

卫星遥感西藏高原积雪时空变化及影响因子分析

积雪是气候变化的指示器,其变化对地球能量和辐射平衡以及水分循环产生深刻的影响。研究积雪与气候变化的关系是气候变化区域响应的最好实证。利用2000年3月~2011年2月共11 a的MODIS雪盖产品数据、1979~2010年逐日雪深被动微波遥感数据、DEM数据以及地面气象观测数据,通过GIS空间分析及地统计分析功能,系统分析西藏高原雪深、雪盖和雪线的时空变化规律及其对气候变化的响应关系。研究表明:研究区雪深的分布形成了四周山地积雪深度大,中部腹地雪深小的空间格局。1979~1999年平均雪深呈极显著增加趋势,线性倾向率为0.26 cm/10a,1999~2010年则呈下降趋势。逐像元回归分析结果显示,研究区年积雪深度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%;雪盖面积变化总体呈缓慢波动减少趋势,线性倾向率为-3.89万km²/10a;7、8月在中东部念青唐古拉山、南部喜马拉雅山、冈底斯山和昆仑山等山脉一带以及高原腹地局部地区仍存在大面积常年积雪;雪线年平均呈微弱上升趋势,线性倾向率为6.54 m/10a,各季节平均雪线中,秋季雪线的变化对年平均贡献最大;雪线空间分布呈现从东南向西北逐步升高的态势。积雪参数与气候因素的相关分析表明,雪深春秋季主要受风速和日照时数影响,夏冬季则分别是降水量和风速;气温是影响四季积雪覆盖面积的主导因素,春秋季雪线与气温分别呈正相关和负相关。     

A comparative study of Chang and HUT models for UK snow depth retrieval

For the development of passive microwave remote sensing techniques, brightness temperature information on the medium covering the Earth's surface under different conditions is required. An emission model is a useful tool for the estimation of the brightness temperature of the medium. If the medium is a snow pack, the microwave radiation emitted will depend on the physical temperature, crystal characteristics, stratification and density of the snow. The parameters of microwave emission models available for the retrieval of snow characteristics are highly dependent on local environmental and climatological conditions. The aim of this study was to compare the empirical Chang model with the semiempirical radiative transfer model of snow developed at Helsinki University of Technology (HUT) for snow depth (SD) retrieval for UK snow packs. In the first step we used the HUT model. The root mean square error (RMSE) was used to validate the accuracy of model estimates. The snow events from different days in 1995, 1996 and 1997 were used in this study. In the second step a revised form of the Chang model, which was originally calibrated for global snow monitoring, was applied to estimate the SD. It is evident from this study that the Chang model underestimates the SD whereas the HUT model both underestimates and overestimates the SD for UK snow cover. This study also demonstrates that the application of algorithms for snow pack monitoring requires local calibration for effective and reasonable results.     

Enhanced algorithm for estimating snow depth from geostationary satellites

Observations in the visible and infrared spectral bands from the Imager instrument onboard Geostationary Operational Environmental Satellite (GOES) have been used to derive snow depth. The technique makes use of correlation between depth of the snow pack and satellite-derived subpixel fractional snow cover. Previous efforts to infer snow depth from satellite data with this technique were focused on grasslands and croplands, where the snow depth/snow fraction relationship is most pronounced. In this paper we improve the retrieval algorithm to extend snow depth estimates to forested areas. The enhanced algorithm accounts for the tree cover fraction and for the type of forest, deciduous or coniferous.The developed technique was used to derive maps of snow depth over mid-latitude areas of North America during winter seasons of 2003-2004 and 2004-2005. Satellite-based snow depth maps were produced daily at 4 km spatial resolution. To validate the retrievals we compared them with surface observations of snow depth and with the snow depth analysis prepared at the NOAA National Operational Hydrological Remote Sensing Center (NOHRSC). The estimated retrieval error was about 30% for snow depths below 30 cm and increased to 50% for snow depths ranging from 30 to 50 cm. Snow depth retrievals were limited to scenes with less than 80% deciduous forest cover fraction and less than 50% needle leaf forest cover.     

基于积雪调查数据的东北地区被动微波积雪遥感产品精度验证与分析

积雪遥感数据产品可以提供积雪的时空分布信息，是积雪监测的重要数据源。对现有的不同遥感产品进行精度验证和对比分析，明确其适用范围，有利于积雪数据产品的进一步发展和应用。为验证积雪产品在东北地区的适用性，以中国积雪特性及分布调查项目为依托，精心设计野外实验，观测了东北地区25 km典型样方和积雪线路调查数据，验证了在阔叶林和农田两种下垫面下，FY-3B雪深产品、AMSR-2雪深产品、GlobSnow雪水当量产品在东北地区的反演精度。结果表明：GlobSnow雪水当量产品精度最高，不区分下垫面的情况下，最大偏差和均方根误差分别为10.87 cm和12.53 cm。考虑下垫面的影响，GlobSnow雪水当量产品和FY-3B雪深产品在两种下垫面下的雪深反演精度差别很小，偏差和均方根误差的差值小于2.11 cm和3.46 cm，AMSR-2积雪产品在两种下垫面下反演精度差别很大，两种下垫面下偏差和均方根误差的差值大于9.94 cm和7.19 cm。对于3种积雪产品，下垫面为农田的雪深反演精度均高于下垫面为阔叶林的反演精度。     

多源雪深数据在中国的空间特征评估

积雪的年际和年内变化强烈地影响着区域及全球的水量平衡，同时，积雪反照率反馈也显著地影响着气候变化。目前长时间序列的格网雪深数据主要来自被动微波遥感及再分析资料，但不同数据之间存在着明显差异。基于多源雪深数据的评估，特别是空间特性的评估还很缺乏。因此，本研究选取了AMSR-E、WESTDC、GlobSnow、RA-Interim及MERRA2这5种雪深数据，以站点观测数据为参考真值，对它们进行了中国地区的空间误差对比及基于误差排序的相对表现分析。评估结果初步显示：①WESTDC在我国西北及东北积雪区表现较好，适合用于我国北方的雪深研究；②MERRA2在西北和东北积雪区也有较好的表现，但由于其分辨率较粗，缺乏细节的空间信息，因此认为比较适用于大区域的统计分析；③AMSR-E在我国中部和东南地区表现最好，因此认为适合我国中部及东南部的雪深研究。     

多源雪深数据在中国的空间特征评估

积雪的年际和年内变化强烈地影响着区域及全球的水量平衡,同时,积雪反照率反馈也显著地影响着气候变化。目前长时间序列的格网雪深数据主要来自被动微波遥感及再分析资料,但不同数据之间存在着明显差异。基于多源雪深数据的评估,特别是空间特性的评估还很缺乏。因此,本研究选取了AMSR-E、WESTDC、GlobSnow、RA-Interim及MERRA2这5种雪深数据,以站点观测数据为参考真值,对它们进行了中国地区的空间误差对比及基于误差排序的相对表现分析。评估结果初步显示：①WESTDC在我国西北及东北积雪区表现较好,适合用于我国北方的雪深研究;②MERRA2在西北和东北积雪区也有较好的表现,但由于其分辨率较粗,缺乏细节的空间信息,因此认为比较适用于大区域的统计分析;③AMSR-E在我国中部和东南地区表现最好,因此认为适合我国中部及东南部的雪深研究。