共查询到16条相似文献，搜索用时 187 毫秒
1.
2.
积雪深度(雪深)是流域水量平衡、融雪径流模拟等模型的重要输入参数,被动微波雪深遥感产品被广泛用于雪深监测。然而,由于山区积雪时空异质性强,这些空间分辨率较粗的雪深产品受到极大限制。本研究基于MODIS积雪覆盖度数据,根据经验融合规则以及积雪衰退曲线对“中国雪深长时间序列数据集”的两套雪深产品(由SMMR、SSMI和SSMI/S反演的称为Che＿SSMI/S产品;由AMSR-2反演称为Che＿AMSR2产品)进行空间降尺度,最终获得青藏高原500 m降尺度雪深数据(Che＿SSMI/S＿NSD和Che＿AMSR2＿NSD)。利用6景Landsat-8影像对两套降尺度雪深数据进行对比分析,结果发现两套降尺度数据与Landsat-8影像积雪空间分布吻合度均较高。与29个气象站点雪深数据相比,Che＿AMSR2＿NSD与实测雪深更为接近,相关系数(R)达到0.72,均方根误差(RMSE)为3.21 cm;而Che＿SSMI/S＿NSD精度较低(R=0.67,RMSE=4.44 cm),可能是由于采用不同传感器亮温数据的两套原始雪深产品精度不同所致。除此之外,实验表明被动微波雪深产品降尺度精度还... 相似文献
3.
青藏高原因其复杂的地形地势和和积雪分布使得多种雪深算法未达到理想的精度。基于新一代被动微波数据AMSR2（Advanced Microwave Scanning Radiometer 2）， 应用随机森林算法（Random Forest， RF）将亮温（Brightness Temperature， BT）和亮温差（Brightness Temperature Difference， BTD）作为参数输入， 并将高程和纬度参数引入雪深反演模型中， 经过模拟退火算法进行有效反演因子筛选， 构建了基于随机森林算法的青藏高原雪深反演模型。结果表明： 与AMSR2全球雪深产品相比， 随机森林算法的拟合优度（R2）由0.41提升至0.60， 均方根误差（Root Mean Square Error， RMSE）由7.36 cm降至4.88 cm， 偏差（BIAS）由3.24 cm减小至-0.16 cm， 随机森林雪深反演模型在青藏高原的精度更高； 青藏高原平均海拔超过4 000 m， 当海拔大于青藏高原平均海拔时， 随机森林算法的反演效果最差， 但RMSE仅为3.78 cm， BIAS仅为-0.09 cm； 高原南部（25° ~ 30° N）因其复杂的地势和相对较少的气象站点使得反演效果较差， RMSE为5.94 cm， BIAS为-0.39 cm； 青藏高原的主要土地覆盖类型为草地， 随机森林算法在草地的RMSE约为3 cm， BIAS接近0 cm。 相似文献
4.
在被动微波雪水当量反演中,积雪物理参数随时间的变化特征影响着反演精度,为理解积雪随时间演化的特征及其对微波辐射亮温的影响,本研究选用2009—2013年北欧积雪实验（Nordic Snow Radar Experiment, NoSREx）积雪地面观测和微波辐射测量数据,通过雪深和温度把雪期分为积累期（10月—次年2月）、稳定期（2—4月）和消融期（4—5月）,发现各个雪期的积雪演化特征为：雪颗粒形状在积累期前期以融态颗粒（Melt Forms, MF）为主,积累期后期和稳定期以圆形颗粒、片状颗粒、深霜为主,消融期以MF为主;整个雪季底层雪粒径从小变大再变小的过程,粒径最大值出现在稳定期的2至3月,约为2.5~4.0 mm,均出现在近地表雪层,而表层粒径较小且较为稳定。通过雪深和微波亮度差（18~37 GHz）的关系分析,表明亮温差在不同雪期对于雪深的依赖关系不同,在积累期和稳定期,雪深变化与亮温差变化具有明显的正相关;在消融期由于积雪融化的影响,其相关性较差;基于多层积雪微波辐射模型（MEMLS）构建了一维微波辐射模拟环境,模拟表明MEMLS模型在3个雪期的垂直极化10.65 GHz和18.7 GHz模拟结果较37 GHz和90 GHz更好;10.65 GHz V极化在入射角为50°且稳定期时,微波亮温模拟均方根误差（RMSE）结果最小,为2.49 K。3个雪期90 GHz模拟结果水平极化优于垂直极化,由于受表层积雪变化影响,90 GHz模拟结果较不稳定,尤其是消融期时,RMSE最小也达到了42.7 K。本研究有助于理解积雪随时间演化的特征及其对微波辐射模拟的影响,表明在被动微波雪水当量反演算法中,针对不同积雪期需要考虑积雪演化动态过程。 相似文献
5.
基于AMSR-E的北疆地区积雪深度反演 总被引：3，自引：3，他引：0
利用北疆地区2007/2008-2009/2010年度积雪季(12月至次年2月)的AMSR-E降轨19 GHz与37 GHz波段的水平极化亮温数据, 结合北疆地区45个气象台站的实测雪深数据, 建立了北疆地区基于AMSR-E亮度温度数据的雪深反演模型, 并对模型的精度进行评价. 结果显示: 雪深在3~10 cm时, 模型反演的雪深值负向平均误差为-5.1 cm, RMSE值为6.1 cm; 雪深在11~30 cm时, 模型反演雪深值的平均误差仅为2.6 cm, RMSE、 正向平均误差、 绝对平均误差均较小; 雪深大于30 cm时, 模型反演的各项误差较大. 用合成方法反演北疆地区2006/2007-2010/2011年度5个积雪季的平均雪深分布和最大雪深分布, 结果显示北疆地区积雪主要分布于北部阿尔泰山和南部天山一带, 其中阿勒泰地区所占比重最大, 中部的准噶尔盆地腹地、 克拉玛依地区雪层较浅. 相似文献
6.
中国西部积雪日数类型划分及与卫星遥感结果的比较 总被引：12，自引：6，他引：6
根据中国105°E以西地区232个地面气象台站1951-2004年积雪日数观测资料和1980-2004年SMMR、SSM/I逐日雪深资料,划分中国西部积雪类型并分析其年代际变化,并对两种资料的结果进行了比较.结果表明:北疆、天山和青藏高原东部地区年平均积雪日数大于60 d,为稳定积雪区;南疆盆地中心、四川盆地和云南省南... 相似文献
7.
1957-2009年中国台站观测的关键积雪参数时空变化特征 总被引：7，自引：2，他引：5
利用1957-2009年中国地面气象台站观测积雪资料分析表明, 中国年平均雪深、雪水当量、积雪密度分别为0.49 cm、0.7 mm、0.14 g·cm-3. 平均来说, 三者在青藏高原地区都是最小的, 在西北地区均较大; 空间上, 中国年平均雪深和雪水当量大值区位于东北和新疆北部, 以及青藏高原西南部的小部分区域; 中国大部分地区年平均积雪密度在0.14 g·cm-3以下, 3大稳定积雪区积雪密度略高. 1957-2009年, 中国及各区域年平均雪深和雪水当量均表现为波动增加趋势, 但不显著; 空间上雪深的显著正趋势主要位于内蒙古东部、东北北部、新疆西北部和青藏高原东北部; 雪水当量与雪深类似, 但正趋势范围不如前者广, 负趋势范围则较大. 相似文献
8.
基于被动微波遥感的积雪深度和雪水当量反演研究进展 总被引：3，自引：2，他引：1
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。 相似文献
9.
采用高级微波扫描辐射计(AMSR-E)亮温数据, 选取Chang算法、GSFC 96算法、AMSR-E SWE 算法、青藏高原改进算法和Savoie算法等5种雪深反演算法, 利用2010年2月10-12日3 d的气象站台雪深观测数据, 对比分析了5种雪深反演算法在新疆地区、青藏高原、内蒙古地区、东北地区、西北地区和华北平原的精度和适用性. 结果表明:总体验证中, 青藏高原改进算法3 d的结果均优于其他算法, 其均方根误差(RMSE)为9.16 cm、9.96 cm和9.63 cm, 平均相对误差(MRE)分别为59.77%、52.79%和48.47%. 分区验证中, 结果最佳的算法分别为:在新疆地区, GSFC 96算法RMSE为6.85~7.48 cm;内蒙古地区, 青藏高原改进算法的RMSE分别为5.9 cm、6.11 cm和5.46 cm;东北地区, 青藏高原改进算法RMSE为6.21~7.83 cm;西北地区和华北平原5种算法的适用性不佳;青藏高原由于缺乏实测数据, 无法得到该区验证统计结果. 相似文献
10.
积雪被动微波遥感研究进展 总被引：16，自引：3，他引：13
积雪是冰冻圈中最活跃的要素之一,被动微波遥感具有高时间分辨率且能够迅速覆盖全球,在积雪时空变化监测中作用突出.总结分析了积雪被动微波遥感的主要模型,并对其方法、特点和适用性进行了较详细评述,重点介绍了NASA算法在雪深和雪水当量反演中的应用、反演结果的不确定性以及对它的改进.讨论新兴的积雪数据同化方法,介绍了同化被动微波观测以改进雪深和雪水当量反演精度的研究案例.评述了我国积雪被动微波遥感的进展,并且对未来可能的研究方向做出展望. 相似文献
11.
中国地区地面观测积雪深度和遥感雪深资料的对比分析 总被引：4，自引：1，他引：3
比较了气象台站观测和卫星遥感(SMMR、 SSM/I、 AMSR-E)的积雪深度两种资料在空间分布、 年际变化及其与中国夏季降水之间关系的异同性.结果表明: 两种资料在积雪稳定区的分布比较一致, 积雪深度的大值区位于东北地区、 新疆北部和青藏高原地区; 对于季节性积雪区且积雪深度不大的区域而言, 二者之间存在着较大的差异, 尤其在江淮流域及长江中下游地区, 台站观测的积雪深度大于遥感得到的积雪深度; 平均而言, 两种资料获得的积雪深度在各地区基本一致.在新疆北部和高原南部, 二种资料的年际变化存在着差异, 在新疆北部, 台站观测大于遥感得到的积雪深度, 而在高原东南部遥感大于台站观测积雪.近30 a来, 两种资料获得的积雪深度在新疆北部和青藏高原的年际变化趋势基本一致, 新疆北部为增加趋势, 青藏高原有减少的趋势.值得注意的是, 在东北地区, 近30 a来两种类型资料的年际变化趋势呈相反变化.两种资料在新疆北部的相关最强; 东北、 青藏高原其次; 而高原东南部最差, 在使用时应加注意.青藏高原地区的两种积雪资料与中国夏季降水的相关"信号"基本一致.青藏高原地区积雪与东北西部地区和长江中下游夏季降水之间的相关最为显著.资料间的差异性并不影响高原地区积雪对中国夏季降水"信号"的应用. 相似文献
12.
利用MODIS和AMSR-E进行积雪制图的比较分析 总被引：21，自引：2，他引：19
MODIS和被动微波辐射计AMSR-E提供了识别积雪的不同方法.MODIS首先计算反映积雪在1.6μm强吸收特性的归一化差值积雪指数NDSI,在剔除卷云的影响后,得到MODIS积雪分布.AMSR-E则根据积雪在微波波段的差异性散射特性识别积雪.通过案例分析比较了MODIS和AMSR-E积雪分布,发现由于云的遮蔽使MODIS积雪分布面积会比实际小,但由于MODIS的空间分辨率很高,得到的积雪边界线轮廓清晰.而微波由于不受云的影响,得到的AMSR-E积雪分布比较符合实际,但积雪的边界线较粗. 相似文献
13.
积雪资料的可靠程度在反映积雪变化、预估后期气候变化时非常重要, 利用青藏高原74个气象台站资料与被动微波遥感资料进行对比分析. 结果表明: 两种积雪资料在高原南部边缘、高原东部唐古拉山与念青唐古拉山东部均表现为高值区, 在柴达木盆地、高原腹地及沿雅鲁藏布江一线表现为一致的少雪区,在青海南部和藏东南地区差异较大.遥感资料的积雪深度和积雪日数变化敏感区与台站观测资料存在差异.在积雪的显著季节性特征及气候尺度上的年际变化特征方面, 遥感资料与台站资料具有很好的一致性, 但遥感资料在刻画积雪季节内波动特征方面欠佳, 且年平均积雪深度和积雪日数遥感数据偏大.对AMSR-E逐日积雪资料进行评价发现, 高原腹地总精度大于高原边缘地区, 海拔3 000 m以下的反演精度较高, 雪深在9~10 cm时的反演精度较高. 相似文献
14.
MODIS逐日积雪产品去云算法研究 总被引：11，自引：7，他引：4
由于积雪和云的反射特性, 使用光学遥感监测积雪受到天气的严重干扰, 对研究区云量的分析表明, 无论是MOD10A1还是MYD10A1, 云都是影响该产品对研究区积雪进行实时监测的最大影响因素. 综合不同去云方法, 利用MODIS逐日积雪产品和被动微波数据AMSR-E雪水当量产品, 生成了MODIS逐日无云积雪图像, 并利用研究区85个地面气象观测台站提供的雪深数据对合成的单日无云积雪产品进行验证. 结果表明: 当积雪深度>3 cm时, 新产品的积雪分类精度达到91.7%, 该产品对实时监测青藏高原积雪动态变化具有重要的使用价值. 相似文献
15.
被动微波遥感估算雪水当量研究进展与展望 总被引：5，自引：0，他引：5
被动微波遥感可以透过云层，全天候地提供地表一定深度的信息。星载被动微波遥感传感器的时间分辨率很高，在冰冻圈动态研究中有着重要的地位。在最近的二三十年中，大量被动微波遥感的应用都是在美国、加拿大、欧洲等地，而我国在这方面的研究相对较少。首先介绍了被动微波遥感数据在监测积雪方面的国内外研究进展，对现存的雪水当量（SWE）估算算法（和模型）的适用性进行讨论。然后，详细讨论了我国西部的青藏高原地区雪水当量的估算，阐明了利用SSM／I数据估算青藏高原地区雪水当量的复杂性，并指出了其复杂性产生的原因，提出了解决问题的方法，为该地区积雪动态的进一步研究提供了理论依据。 相似文献
16.
Jian Wang Tao Che Zhen Li Hongyi Li Xiaohua Hao Zhaojun Zheng Pengfeng Xiao Xiaofeng Li Xiaodong Huang Xinyue Zhong Liyun Dai Hongxing Li Changqing Ke Lanhai Li 《地球科学进展》2018,33(1):12-15
The background, scientific objective, investigation contents and scheme of project “Investigation on snow characteristics and their distribution in China” was introduced in this paper. The general objective of the investigation is to build comprehensive and systematic database of snow characteristics in China, at the service of providing data for the climate change, water resource and snow disaster studies. The investigation will be performed on the three fields including the compilation of historical data, in situ measurement of snow characteristics in the typical regions, and investigation of snow characteristics using remote sensing methods. For the compilation of historical data, the historical snow data from the meteorological stations and research institutes will be firstly collected, and then they will be compiled based on a standard rule. In situ observation will be performed at point, line and area-scale on the typical regions which include Northeast region, Xinjiang Degion, and Qinghai-Tibet Plateau. The observation content will contain snow depth, snow density, snow water equivalent, snow particle shape, hardness of snowpack surface, liquid water content, grain size, snow temperature, snow/soil temperature, dielectric constant, and some chemical parameters. These snow characteristics are the priority information used for the modification of retrieval algorithm on snow parameters. Remote sensing methods will be used to build long-time series of snow cover, snow albedo and snow water equivalent datasets based on these modified algorithms. Finally, the snow characteristics from both in situ and remote sensing investigation will be used to classify snow types in China, and produce distribution maps of snow characteristic and other thematic maps. 相似文献