青藏高原多源雪深数据适用性综合评估

doi:10.7522/j.issn.1000-0240.2022.0078

冰川冻土 ›› 2022, Vol. 44 ›› Issue (3): 795-809.doi: 10.7522/j.issn.1000-0240.2022.0078

• 第二次青藏高原综合科学考察研究 • 上一篇下一篇

青藏高原多源雪深数据适用性综合评估

陈涛¹(), 高歌²^,³(), 陈德亮⁴, 边多¹

^1.西藏自治区气候中心，西藏拉萨 850000
^2.国家气候中心中国气象局气候研究开放实验室，北京 100081
^3.南京信息工程大学气象灾害预报预警与评估协同创新中心，江苏南京 210044
^4.瑞典哥德堡大学地球科学系，瑞典哥德堡 405 30

收稿日期:2022-04-12 修回日期:2022-05-25 出版日期:2022-06-25 发布日期:2022-08-27
通讯作者: 高歌 E-mail:tibet_ct@163.com;gaoge@cma.gov.cn
作者简介:陈涛，高级工程师，主要从事青藏高原气候研究. E-mail： tibet_ct@163.com
基金资助:
中国铁路总公司科技研究开发计划系统性重大项目(P2018T006);中央引导地方科技发展资金项目(XZ202102YD0012C);第二次青藏高原综合科学考察研究项目(2019QZKK020809)

Comprehensive applicability evaluation of multi-source snow depth datasets over the Tibetan Plateau

Tao CHEN¹(), Ge GAO²^,³(), Deliang CHEN⁴, Duo BIAN¹

^1.Tibet Climate Center，Lhasa 850000，China
^2.Laboratory for Climate Studies，National Climate Center，Beijing 100081，China
^3.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters （CIC-FEMD），Nanjing University of Information Science & Technology，Nanjing 210044，China
^4.Department of Earth Sciences，University of Gothenburg，Gothenburg 405 30，Sweden

Received:2022-04-12 Revised:2022-05-25 Online:2022-06-25 Published:2022-08-27
Contact: Ge GAO E-mail:tibet_ct@163.com;gaoge@cma.gov.cn

摘要/Abstract

摘要：

青藏高原积雪对区域气候及水循环有重要影响，现有积雪数据集在该区域存在很大不确定性，适用性评估工作不可或缺。基于气象站观测数据（OBS），采用秩评分方法对一套被动微波遥感（CHE）和两套再分析（ERA5-Land和MERRA2）积雪深度数据进行了多变量、多评价指标的综合定量评估。结果表明：从年平均积雪深度、年最大积雪深度、年积雪日数三个变量分别评价各数据，MERRA2对年最大积雪深度、年积雪日数模拟最好，CHE对年平均积雪深度描述最好；各数据在不同评价指标上的得分排名存在较大差异，CHE在描述线性变化趋势上具有优势，ERA5-Land在描述年际变化上具有优势，MERRA2在描述季节循环、多年平均值、极大值、标准差上具有优势；综合考虑，MERRA2在青藏高原适用性综合评分最高、ERA5-Land次之、CHE最低。三种数据均存在明显不足之处，MERRA2对积雪线性变化趋势的定性描述与OBS相反，对积雪年代际变化的模拟有待优化；ERA5-Land对各变量的多年平均值存在严重高估；CHE刻画积雪空间分布特征能力较差。由于青藏高原西部站点稀少，相关评估结论仅适用于高原中东部。基于遥感及再分析数据得到高原西部积雪变化趋势存在较大不确定性。

关键词: 青藏高原, 积雪, 适用性评估, 遥感, 再分析

Abstract:

Snow cover over the Tibetan Plateau has an important impact on the regional climate and water cycle. At present， the existing snow cover datasets have great uncertainty across this region， so the applicability assessment is indispensable in order to make best use of the advantages and bypass the disadvantages. In this study， a comprehensive quantitative evaluation of multiple variables and multiple evaluation indicators was carried out for three snow depth datasets over the Tibetan Plateau against the meteorological station observations （OBS）. The three snow depth datasets include one passive microwave remote sensing dataset （CHE） and two reanalysis datasets （ERA5-Land and MERRA2）. The variables are the annual mean snow depth， the annual maximum snow depth， and the annual snow cover days. In addition， the evaluation indicators are seasonal cycle， climatology， maximum value， standard deviation， interannual variation， and trend. A rank score （RS） value of 0~1 is computed for each evaluation indicator of each variable， the larger value of RS indicate relatively better performance of a snow depth dataset. Assessment results imply that， comprehensively considered， MERRA2 exhibits best agreement with OBS， followed by ERA5-Land， and finally CHE. Evaluate based on the RS of each variable， MERRA2 shows better performance on annual maximum snow depth and annual snow cover days， CHE shows better performance on annual mean snow depth. Evaluate based on the RS of each evaluation indicator， CHE shows advantages in describing trend， ERA5-Land exhibits better agreement with OBS on interannual variation， and MERRA2 show better performance on the rest of the indicators including seasonal cycle， climatology， maximum value and standard deviation. The RS statistics in terms of regional average and spatial distribution show that CHE performs better in the former， and ERA5-Land performs better in the latter. On the other hand， there are obvious deficiencies in all three snow depth datasets. MERRA2 has insufficient ability to characterize the interdecadal variation in snow cover， and its qualitative results for trend in snow cover is inconsistent with OBS， the reason for the first deficiency needs to be further studied and the second deficiency may be mainly related to its simulation capability to precipitation trend. ERA5-Land significantly overestimates the snow cover over the Tibetan Plateau， this may be mostly related to its data assimilation scheme. CHE has poor ability to characterize the spatial distribution of snow cover， coarse spatial resolution of passive microwave remote sensing may be the main reason. The conclusions are only applicable to the central and eastern part of the Tibetan Plateau due to the scarcity of meteorological station in west part of the Tibetan Plateau. Based on the remote sensing and reanalysis data， there is great uncertainty in the trend of snow cover in the western part of the Tibetan Plateau. These systematic classification evaluation of the three representative snow depth datasets provides information on data selection and data refinement.

Key words: Tibetan Plateau, snow cover, applicability assessment, remote sensing, reanalysis

中图分类号:

P426.63⁺5

陈涛, 高歌, 陈德亮, 边多. 青藏高原多源雪深数据适用性综合评估[J]. 冰川冻土, 2022, 44(3): 795-809.

Tao CHEN, Ge GAO, Deliang CHEN, Duo BIAN. Comprehensive applicability evaluation of multi-source snow depth datasets over the Tibetan Plateau[J]. Journal of Glaciology and Geocryology, 2022, 44(3): 795-809.

图/表 10

图1

表1

图2

表2

图3

图4

表3

图5

图6

图7

参考文献 40

1	Glenn J W. Glaciology and the international hydrological decade［J］. Nature， 1968， 217（5126）： 319-320.
2	Winther J G， Hall D K. Satellite-derived snow coverage related to hydropower production in Norway： Present and future［J］. International Journal of Remote Sensing， 1999， 20（15/16）： 2991-3008.
3	Frei A， Robinson D A. Northern Hemisphere snow extent： Regional variability 1972-1994［J］. International Journal of Climatology， 1999， 19（14）： 1535-1560.
4	Barnett T P， Adam J C， Lettenmaier D P. Potential impacts of a warming climate on water availability in snow-dominated regions［J］. Nature， 2005， 438（7066）： 303-309.
5	Goodison B E， Walker A E. Use of snow cover derived from satellite passive microwave data as an indicator of climate change［J］. Annals of Glaciology， 1993， 17： 137-142.
6	Pang Guojin， Chen Deliang， Wang Xuejia， et al. Spatiotemporal variations of land surface albedo and associated influencing factors on the Tibetan Plateau［J］. Science of the Total Environment， 2022， 804： 150100.
7	Wang Jian， Che Tao， Li Zhen， et al. Investigation on snow characteristics and their distribution in China［J］. Advances in Earth Science， 2018， 33（1）： 12-26.
	王建，车涛，李震，等. 中国积雪特性及分布调查［J］. 地球科学进展， 2018， 33（1）： 12-26.
8	Zhang Shunli， Tao Shiyan. Influences of snow cover over the Tibetan Plateau on Asian summer monsoon［J］. Chinese Journal of Atmospheric Sciences， 2001， 25（3）： 372-390.
	张顺利，陶诗言.青藏高原积雪对亚洲夏季风影响的诊断及数值研究［J］.大气科学， 2001， 25（3）： 372-390.
9	Zhang Leilei， Su Fengge， Yang Daqing， et al. Discharge regime and simulation for the upstream of major rivers over Tibetan Plateau［J］. Journal of Geophysical Research： Atmospheres， 2013， 118（15）： 8500-8518.
10	Wu Wei， Qin Qiming， Fan Yida， et al. Review on snow disaster assessment in China［J］. Journal of Catastrophology， 2013， 28（4）： 152-158.
	吴玮，秦其明，范一大，等. 中国雪灾评估研究综述［J］. 灾害学， 2013， 28（4）： 152-158.
11	Liu Yimin， Bao Qing， Duan Anmin， et al. Recent progress in the impact of the Tibetan Plateau on climate in China［J］. Advances in Atmospheric Sciences， 2007， 24（6）： 1060-1076.
12	Wei Zhigang， Huang Ronghui， Chen Wen， et al. Spatial distributions and interdecadal variations of the snow at the Tibetan Plateau weather stations［J］. Chinese Journal of Atmospheric Sciences， 2002， 26（4）： 496-508.
	韦志刚，黄荣辉，陈文，等. 青藏高原地面站积雪的空间分布和年代际变化特征［J］. 大气科学， 2002， 26（4）： 496-508.
13	Chen Deliang， Xu Baiqing， Yao Tandong， et al. Assessment of past， present and future environmental changes on the Tibetan Plateau［J］. Chinese Science Bulletin， 2015， 60（32）： 3025-3035.
	陈德亮，徐柏青，姚檀栋，等. 青藏高原环境变化科学评估：过去、现在与未来［J］. 科学通报， 2015， 60（32）： 3025-3035.
14	Jiang Qi， Luo Siqiong， Wen Xiaohang， et al. Spatial-temporal characteristics of snow and influence factors in the Qinghai-Tibetan Plateau from 1961 to 2014［J］. Plateau Meteorology， 2020， 39（1）：24-36.
	姜琪，罗斯琼，文小航，等. 1961—2014年青藏高原积雪时空特征及其影响因子［J］. 高原气象， 2020， 39（1）：24-36.
15	You Q， Kang S， Ren G， et al. Observed changes in snow depth and number of snow days in the eastern and central Tibetan Plateau［J］. Climate Research， 2011， 46（2）： 171-183.
16	Xiao Lin， Che Tao， Dai Liyun. Evaluation on the spatial characteristics of multiple snow depth datasets over China［J］. Remote Sensing Technology and Application， 2019， 34（6）： 1113-1145.
	肖林，车涛，戴礼云. 多源雪深数据在中国的空间特征评估［J］. 遥感技术与应用， 2019， 34（6）： 1133-1145.
17	Wang Zhibiao， Wu Renguang， Huang Gang. Low-frequency snow changes over the Tibetan Plateau［J］. International Journal of Climatology， 2018， 38（2）： 949-963.
18	Smith T， Bookhagen B. Changes in seasonal snow water equivalent distribution in High Mountain Asia （1987 to 2009）［J］. Science Advances， 2018， 4（1）： e1701550.
19	Wang Xiaoru， Tang Zhiguang， Wang Jian， et al. Monitoring of snowline altitude at the end of melting season in High Mountain Asia based on MODIS snow cover products［J］. Acta Geographica Sinica， 2020， 75（3）： 470-484.
	王晓茹，唐志光，王建，等. 基于MODIS积雪产品的高亚洲融雪末期雪线高度遥感监测［J］. 地理学报， 2020， 75（3）： 470-484.
20	Xiao Lin， Che Tao， Dai Liyun. Evaluation of remote sensing and reanalysis snow depth datasets over the Northern Hemisphere during 1980-2016［J］. Remote Sensing， 2020， 12（19）： 3253.
21	Xu Bei， Chen Haishan， Gao Chujie. Evaluation of the applicability of snow depth reanalysis datasets over the middle-high latitudes of Eurasia in winter［J］. Climatic and Environmental Research， 2015， 20（3）： 296-306.
	许蓓，陈海山，高楚杰. 冬季雪深再分析资料在欧亚中高纬地区的适用性评价［J］. 气候与环境研究， 2015， 20（3）：296-306.
22	Bian Qingyun， Xu Zhongfeng， Zhao Long， et al. Evaluation and intercomparison of multiple snow water equivalent products over the Tibetan Plateau［J］. Journal of Hydrometeorology， 2019， 20（10）： 2043-2055.
23	Orsolini Y， Wegmann M， Dutra E， et al. Evaluation of snow depth and snow cover over the Tibetan Plateau in global reanalyses using in situ and satellite remote sensing observations［J］. The Cryosphere， 2019， 13（8）： 2221-2239.
24	Yang Dengxing， Liu Fenggui， Yan Junping， et al. A risk assessment of snow disaster along Qinghai-Tibet Railway［J］. Geographical Research， 2021， 40（5）： 1223-1238.
	杨登兴，刘峰贵，延军平，等. 青藏铁路沿线雪灾风险评估［J］. 地理研究， 2021， 40（5）： 1223-1238.
25	Zhang Yili， Li Bingyuan， Zheng Du. A discussion on the boundary and area of the Tibetan Plateau in China［J］. Geographical Research， 2002， 21（1）： 1-8.
	张镱锂，李炳元，郑度. 论青藏高原范围与面积［J］. 地理研究， 2002， 21（1）： 1-8.
26	Hersbach H， Bell B， Berrisford P， et al. The ERA5 global reanalysis［J］. Quarterly Journal of the Royal Meteorological Society， 2020， 146（730）： 1999-2049.
27	Dutra E， Balsamo G， Viterbo P， et al. An improved snow scheme for the ECMWF land surface model： Description and offline validation［J］. Journal of Hydrometeorology， 2010， 11（4）： 899-916.
28	Wang Xun， Tolksdorf V， Otto M， et al. WRF-based dynamical downscaling of ERA5 reanalysis data for High Mountain Asia： Towards a new version of the High Asia Refined analysis［J］. International Journal of Climatology， 2021， 41（1）： 743-762.
29	Muñoz-Sabater J， Dutra E， Agustí-Panareda A， et al. ERA5-Land： A state-of-the-art global reanalysis dataset for land applications［J］. Earth System Science Data， 2021， 13（9）： 4349-4383.
30	Gelaro R， McCarty W， Suárez M J， et al. The modern-era retrospective analysis for research and applications， version 2 （MERRA-2）［J］. Journal of Climate， 2017， 30（13）： 5419-5454.
31	Wei Fengying. Climatological statistical diagnosis and prediction technology［M］. Beijing： China Meteorological Press， 2007.
	魏凤英. 现代气候统计诊断与预测技术［M］. 北京：气象出版社， 2007.
32	Zhou Wenchong， Han Zhenyu. Assessing CMIP₅ climate simulations and objective selection of models over the Yellow River Basin［J］. Journal of Meteorology and Environment， 2018， 34（6）： 42-55.
	周文翀，韩振宇. CMIP5全球气候模式对中国黄河流域气候模拟能力的评估［J］. 气象与环境学报， 2018， 34（6）： 42-55.
33	Che Tao， Hao Xiaohua， Dai Liyun， et al. Snow cover variation and its impacts over the Qinghai-Tibet plateau［J］. Bulletin of Chinese Academy of Sciences， 2019， 34（11）： 1247-1253.
	车涛，郝晓华，戴礼云，等. 青藏高原积雪变化及其影响［J］. 中国科学院院刊， 2019， 34（11）： 1247-1253.
34	Hu Haoran， Liang Ling. Spatial and temporal variations of winter snow over east of Qinghai-Tibet plateau in the last 50 years［J］. Acta Geographica Sinica， 2013， 68（11）： 1493-1503.
	胡豪然，梁玲. 近50年青藏高原东部冬季积雪的时空变化特征［J］. 地理学报， 2013， 68（11）： 1493-1503.
35	Zhu Yuxiang， Liu Haiwen， Ding Yihui， et al. Interdecadal variation of spring snow depth over the Tibetan Plateau and its influence on summer rainfall over East China in the recent 30 years［J］. International Journal of Climatology， 2015， 35（12）： 3654-3660.
36	Xiao Xiongxin， Zhang Tingjun. Passive microwave remote sensing of snow depth and snow water equivalent： Overview［J］. Advances in Earth Science， 2018， 33（6）： 590-605.
	肖雄新，张廷军. 基于被动微波遥感的积雪深度和雪水当量反演研究进展［J］. 地球科学进展， 2018， 33（6）：590-605.
37	Yang Xiaofeng， Zheng Zhaojun， Yang Zhongdong. Validation of AMSR-E snow depth products in Inner Mongolia［J］. Remote Sensing Information， 2011， 26（6）： 61-68.
	杨晓峰，郑照军，杨忠东. AMSR-E积雪产品在内蒙地区的精度验证［J］. 遥感信息， 2011， 26（6）： 61-68.
38	Zhao Yin， Zhou Tianjun. Asian water tower evinced in total column water vapor： A comparison among multiple satellite and reanalysis data sets［J］. Climate Dynamics， 202054（1/2）： 231-245.
39	Reichle R H， Liu Q， Koster R D， et al. Land surface precipitation in MERRA-2［J］. Journal of Climate， 2017， 30（5）： 1643-1664.
40	You Qinglong， Min Jinzhong， Zhang Wei， et al. Comparison of multiple datasets with gridded precipitation observations over the Tibetan Plateau［J］. Climate Dynamics， 2015， 45（3/4）： 791-806.

序号	评价指标	统计方法	评分方法	权重	单位	OBS	统计分析值			RS评分
序号	评价指标	统计方法	评分方法	权重	单位	OBS	CHE	ERA5-Land	MERRA2	CHE	ERA5-Land	MERRA2
1	季节循环（月平均积雪深度）	区域平均	COR	0.33	/	/	0.95*	0.91*	0.99*	0.50	0.00	1.00
			AVE_MAX	0.33	月	2	1	1	0	0.00	0.00	1.00
			AVE_MIN	0.33	月	7	0	1	0	1.00	0.00	1.00
评价指标1得分										0.50	0.00	1.00
2	多年平均值	区域平均	AVE	0.5	cm	0.20	1.00	8.17	0.20	0.90	0.00	1.00
2	多年平均值	空间分布	COR	0.5	/	/	0.29*	0.79*	0.32*	0.00	1.00	0.06
评价指标2得分										0.45	0.50	0.53
3	标准差	区域平均	AVE	0.5	cm	0.09	0.34	1.81	0.07	0.84	0.00	1.00
3	标准差	空间分布	COR	0.5	/	/	0.36*	0.35*	0.19*	1.00	0.94	0.00
评价指标3得分										0.92	0.47	0.50
4	年际变化	区域平均	COR	0.5	/	/	0.58*	0.54*	0.37*	1.00	0.81	0.00
4	年际变化	空间分布	COR	0.5	/	/	0.10	0.21*	0.10	0.00	1.00	0.00
评价指标4得分										0.50	0.90	0.00
5	线性变化趋势	区域平均	AVE	0.5	cm·（10a）^-1	-0.03	0.05	0.68	0.07	1.00	0.00	0.97
5	线性变化趋势	空间分布	COR	0.5	/	/	0.38*	0.17	-0.11	1.00	0.57	0.00
评价指标5得分										1.00	0.29	0.48
年平均积雪深度得分										3.37	2.16	2.51

序号	评价指标	统计方法	评分方法	权重	单位	OBS	统计分析值			RS评分
序号	评价指标	统计方法	评分方法	权重	单位	OBS	CHE	ERA5-Land	MERRA2	CHE	ERA5-Land	MERRA2
1	季节循环（月最大积雪深度）	区域平均	COR	0.33	/	/	0.81*	0.96*	0.94*	0.00	1.00	0.87
			AVE_Max	0.33	月	3	2	0	0	0.00	1.00	1.00
			AVE_Min	0.33	月	7	1	0	0	0.00	1.00	1.00
评价指标1得分										0.00	1.00	0.96
2	多年平均值	区域平均	AVE	0.5	cm	6.80	1.06	24.26	2.64	1.00	0.00	0.93
2	多年平均值	空间分布	COR	0.5	/	/	0.28*	0.56*	0.37*	0.00	1.00	0.32
评价指标2得分										0.50	0.50	0.63
3	极大值	区域平均	AVE	0.5	cm	22.48	5.98	41.37	10.77	1.00	0.00	0.86
3	极大值	空间分布	COR	0.5	/	/	0.20*	0.49*	0.25*	0.00	1.00	0.17
评价指标3得分										0.50	0.50	0.52
4	标准差	区域平均	AVE	0.5	cm	1.01	0.30	5.05	0.10	0.96	0.00	1.00
4	标准差	空间分布	COR	0.5	/	/	0.16	0.43*	0.33*	0.00	1.00	0.63
评价指标4得分										0.48	0.50	0.81
5	年际变化	区域平均	COR	0.5	/	/	0.57*	0.54*	0.50*	1.00	0.57	0.00
5	年际变化	空间分布	COR	0.5	/	/	0.00	0.11	0.17	0.00	0.65	1.00
评价指标5得分										0.50	0.61	0.50
6	线性变化趋势	区域平均	AVE	0.5	cm·（10a）^-1	-0.20	0.13	2.06	0.52	1.00	0.00	0.80
6	线性变化趋势	空间分布	COR	0.5	/	/	0.03	0.16	0.12	0.00	1.00	0.69
评价指标6得分										0.50	0.50	0.75
年最大积雪深度得分										2.48	3.61	4.16

序号	评价指标	统计方法	评分方法	权重	单位	OBS	统计分析值			RS评分
序号	评价指标	统计方法	评分方法	权重	单位	OBS	CHE	ERA5-Land	MERRA2	CHE	ERA5-Land	MERRA2
1	季节循环（月积雪日数）	区域平均	COR	0.33	/	/	0.96*	0.97*	0.98*	0.00	0.50	1.00
			AVE_Max	0.33	月	1	0	0	0	1.00	1.00	1.00
			AVE_Min	0.33	月	8	0	1	1	1.00	0.00	0.00
评价指标1得分										0.67	0.50	0.67
2	多年平均值	区域平均	AVE	0.5	d	20.53	63.14	145.60	24.32	0.68	0.00	1.00
2	多年平均值	空间分布	COR	0.5	/	/	0.36*	0.58*	0.69*	0.00	0.67	1.00
评价指标2得分										0.34	0.33	1.00
3	极大值	区域平均	AVE	0.5	d	52.51	120.12	164.89	56.54	0.41	0.00	1.00
3	极大值	空间分布	COR	0.5	/	/	0.32*	0.47*	0.70*	0.00	0.39	1.00
评价指标3得分										0.21	0.20	1.00
4	标准差	区域平均	AVE	0.5	d	5.21	13.06	7.25	10.44	0.00	1.00	0.45
4	标准差	空间分布	COR	0.5	/	/	0.19*	-0.15	0.68*	0.41	0.00	1.00
评价指标4得分										0.20	0.50	0.73
5	年际变化	区域平均	COR	0.5	/	/	0.73*	0.84*	0.64*	0.45	1.00	0.00
5	年际变化	空间分布	COR	0.5	/	/	0.02	0.12	0.63*	0.00	0.16	1.00
评价指标5得分										0.23	0.58	0.50
6	线性变化趋势	区域平均	AVE	0.5	d·（10a）^-1	-1.70	1.38	3.13	4.16	1.00	0.37	0.00
6	线性变化趋势	空间分布	COR	0.5	/	/	-0.19*	0.05	-0.03	0.00	1.00	0.67
评价指标6得分										0.50	0.69	0.33
年积雪日数得分										2.14	2.80	4.23

[1]	王瑞祥, 魏静, 刘佳昕, 闫志越, 刘强. 京新高速（G7）新疆伊吾—木垒段风吹雪特征及危险度评价[J]. 冰川冻土, 2023, 45(4): 1314-1326.
[2]	李心如, 卢善龙, 王勇, 李明阳, 方纯, 杜聪, 王南. 青藏高原典型内流-外流盆地水力联系潜在变化研究[J]. 冰川冻土, 2023, 45(4): 1220-1232.
[3]	赵丹, 张志刚, 张起鹏. 1974—2020年海螺沟冰川变化遥感监测[J]. 冰川冻土, 2023, 45(4): 1276-1287.
[4]	齐冬梅, 李跃清, 周长艳, 陈超, 赖欣. 1979—2016年青藏高原水汽收支的气候变化特征及其成因[J]. 冰川冻土, 2023, 45(3): 846-864.
[5]	张方园, 常娟, 刘健, 孙文军. 青藏高原多年冻土区不同海拔土壤含水量对气候变化的响应[J]. 冰川冻土, 2023, 45(3): 915-929.
[6]	王琨莹, 冯金良, 裴乐乐, 胡海平, 陈锋, 林永崇, 张继峰, 胡兆国. 青藏高原纳木错异常高湖面重建工作研究进展与展望[J]. 冰川冻土, 2023, 45(3): 930-939.
[7]	刘晓明, 于正良, 邬光剑, 杨一博, 叶程程, 高少鹏, 黄菊. 前处理方法对积雪样品主要阳离子浓度的影响研究[J]. 冰川冻土, 2023, 45(3): 1142-1154.
[8]	陈刚, 陈兴杰, 张彦丽. 联合SAR与光学遥感数据的山区积雪消融识别[J]. 冰川冻土, 2023, 45(3): 1155-1167.
[9]	谢佩瑶, 韩超, 欧阳志棋, 王晓艳. 青藏高原不同土地覆盖类型下积雪面积判别算法优化[J]. 冰川冻土, 2023, 45(3): 1168-1179.
[10]	魏庆, 钟歆玥, 赵文宇, 张廷军. 第三极和北极地区积雪水资源时空特征分析[J]. 冰川冻土, 2023, 45(2): 665-675.
[11]	谭湘蛟, 杨燕. 积雪变化对地下生态系统影响的研究进展[J]. 冰川冻土, 2023, 45(2): 724-737.
[12]	蔡佳欣, 何昱君, 王晓文, 刘国祥. 联合时序InSAR和光学遥感解译的大雪山南段石冰川编目与分布特征分析[J]. 冰川冻土, 2023, 45(2): 774-785.
[13]	娄佩卿, 吴通华, 陈杰, 朱小凡, 吴晓东, 李韧, 谢昌卫, 胡国杰. 基于高分遥感影像和集成机器学习的祁连山区融冻泥流识别研究[J]. 冰川冻土, 2023, 45(2): 786-797.
[14]	王冰泉, 冉有华. 基于机器学习的第三极季节冻土最大冻结深度未来变化预测[J]. 冰川冻土, 2023, 45(2): 798-807.
[15]	周伟, 曹鑫, 王科明, 肖洁芸, 王婷, 李浩然, 姬翠翠. 土壤有机碳含量高光谱建模研究[J]. 冰川冻土, 2023, 45(2): 823-832.

青藏高原多源雪深数据适用性综合评估

Comprehensive applicability evaluation of multi-source snow depth datasets over the Tibetan Plateau

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 40

相关文章 15

Metrics

本文评价

推荐阅读 0