Snow cover variation and its impacts over the Qinghai-Tibet Plateau
2
2019
... 在全球水循环中,积雪的积累和消融过程调节着水的年内再分配,是干旱半干旱地区春季最重要的淡水资源[1].积雪作为冰冻圈的重要组成部分,是气候系统中最敏感的变化因子之一[2].积雪是全球气候变化过程中的重要因素,积雪变化对地表反照率、全球和地区能量平衡有重要影响[3-4].同时,积雪分布和深度是天气数值预报模式的重要参数[5]. ...
... 传统积雪产品大多采用地面气象站观测值空间插值和人工观测获得,如Bulygina等[49]利用856个观测站的积雪深度数据研究俄罗斯的积雪覆盖和雪深的年际变化.这种方法需要耗费大量人力物力,且难以获得连续的,大面积的积雪信息[50].在疏勒河上游山区流域不存在有关积雪的气象台站数据,无法提供有效的地面实测资料进行交叉验证的数据支持.利用遥感获取积雪覆盖和雪深能够有效地获取积雪的空间分布[1].因此,本研究证明了采用遥感反演的积雪对整个研究区的积雪模拟效果进行评估是有效可行的. ...
青藏高原积雪变化及其影响
2
2019
... 在全球水循环中,积雪的积累和消融过程调节着水的年内再分配,是干旱半干旱地区春季最重要的淡水资源[1].积雪作为冰冻圈的重要组成部分,是气候系统中最敏感的变化因子之一[2].积雪是全球气候变化过程中的重要因素,积雪变化对地表反照率、全球和地区能量平衡有重要影响[3-4].同时,积雪分布和深度是天气数值预报模式的重要参数[5]. ...
... 传统积雪产品大多采用地面气象站观测值空间插值和人工观测获得,如Bulygina等[49]利用856个观测站的积雪深度数据研究俄罗斯的积雪覆盖和雪深的年际变化.这种方法需要耗费大量人力物力,且难以获得连续的,大面积的积雪信息[50].在疏勒河上游山区流域不存在有关积雪的气象台站数据,无法提供有效的地面实测资料进行交叉验证的数据支持.利用遥感获取积雪覆盖和雪深能够有效地获取积雪的空间分布[1].因此,本研究证明了采用遥感反演的积雪对整个研究区的积雪模拟效果进行评估是有效可行的. ...
Analysis of the temporal and spatial variations of snow cover over the Tibetan Plateau based on MODIS
1
2007
... 在全球水循环中,积雪的积累和消融过程调节着水的年内再分配,是干旱半干旱地区春季最重要的淡水资源[1].积雪作为冰冻圈的重要组成部分,是气候系统中最敏感的变化因子之一[2].积雪是全球气候变化过程中的重要因素,积雪变化对地表反照率、全球和地区能量平衡有重要影响[3-4].同时,积雪分布和深度是天气数值预报模式的重要参数[5]. ...
2000-2005年青藏高原积雪时空变化分析
1
2007
... 在全球水循环中,积雪的积累和消融过程调节着水的年内再分配,是干旱半干旱地区春季最重要的淡水资源[1].积雪作为冰冻圈的重要组成部分,是气候系统中最敏感的变化因子之一[2].积雪是全球气候变化过程中的重要因素,积雪变化对地表反照率、全球和地区能量平衡有重要影响[3-4].同时,积雪分布和深度是天气数值预报模式的重要参数[5]. ...
Integrated assessment on multi-temporal and multi-sensor combinations for reducing cloud obscuration of MODIS snow cover products of the Pacific Northwest USA
1
2010
... 在全球水循环中,积雪的积累和消融过程调节着水的年内再分配,是干旱半干旱地区春季最重要的淡水资源[1].积雪作为冰冻圈的重要组成部分,是气候系统中最敏感的变化因子之一[2].积雪是全球气候变化过程中的重要因素,积雪变化对地表反照率、全球和地区能量平衡有重要影响[3-4].同时,积雪分布和深度是天气数值预报模式的重要参数[5]. ...
A new GPS SNR-based combination approach for land surface snow depth monitoring
2
2019
... 在全球水循环中,积雪的积累和消融过程调节着水的年内再分配,是干旱半干旱地区春季最重要的淡水资源[1].积雪作为冰冻圈的重要组成部分,是气候系统中最敏感的变化因子之一[2].积雪是全球气候变化过程中的重要因素,积雪变化对地表反照率、全球和地区能量平衡有重要影响[3-4].同时,积雪分布和深度是天气数值预报模式的重要参数[5]. ...
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
Study on spatiotemporal variations of snow from 2000 to 2009 in Northeast China
2
2010
... 在全球水循环中,积雪的积累和消融过程调节着水的年内再分配,是干旱半干旱地区春季最重要的淡水资源[1].积雪作为冰冻圈的重要组成部分,是气候系统中最敏感的变化因子之一[2].积雪是全球气候变化过程中的重要因素,积雪变化对地表反照率、全球和地区能量平衡有重要影响[3-4].同时,积雪分布和深度是天气数值预报模式的重要参数[5]. ...
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
2000-2009年东北地区积雪时空变化研究
2
2010
... 在全球水循环中,积雪的积累和消融过程调节着水的年内再分配,是干旱半干旱地区春季最重要的淡水资源[1].积雪作为冰冻圈的重要组成部分,是气候系统中最敏感的变化因子之一[2].积雪是全球气候变化过程中的重要因素,积雪变化对地表反照率、全球和地区能量平衡有重要影响[3-4].同时,积雪分布和深度是天气数值预报模式的重要参数[5]. ...
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
Research progress of snow cover and its influence on China climate
1
2011
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
积雪分布及其对中国气候影响的研究进展
1
2011
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
Using snow remote sensing data to improve the simulation accuracy of spring snowmelt runoff: take Babao River basin as an example
2
2016
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
使用积雪遥感面积数据改善山区春季融雪径流模拟精度
2
2016
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
Monitoring snow-cover dynamics in Northern Fennoscandia with SPOT VEGETATION images
1
2004
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
Spatiotemporal patterns of snow cover retrieved from NOAA-AVHRR LTDR: a case study in the Tibetan Plateau, China
1
2016
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
MODIS snow-cover products
1
2002
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
Estimation of snow water equivalent in the Tibetan Plateau using passive microwave remote sensing data (SSM/I)
2
2004
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
... 本研究中2002—2013年疏勒河上游山区流域的雪深数据从国家冰川冻土沙漠科学数据中心网站(www.crensed.ac.cn)下载的中国雪深长时间序列数据集(the Long-term Snow Depth Dataset of China)中提取.该数据集中2002—2007年的雪深数据用AMSR-E反演获得,2008—2016年的雪深采用SSMI/S传感器的亮度温度反演,其时间分辨率为日,空间分辨率均为0.25°.用于反演该雪深数据集的原始数据来自美国国家雪冰数据中心(NSIDC)处理的AMSR-E(2002—2007年)和SSMI/S(2008—2019年)逐日被动微波亮温数据,其首先通过对不同传感器的亮温进行交叉定标提高亮温在时间上的一致性,然后利用在针对中国地区修正的Chang算法进行雪深反演[11]. ...
青藏高原积雪深度和雪水当量的被动微波遥感反演
2
2004
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
... 本研究中2002—2013年疏勒河上游山区流域的雪深数据从国家冰川冻土沙漠科学数据中心网站(www.crensed.ac.cn)下载的中国雪深长时间序列数据集(the Long-term Snow Depth Dataset of China)中提取.该数据集中2002—2007年的雪深数据用AMSR-E反演获得,2008—2016年的雪深采用SSMI/S传感器的亮度温度反演,其时间分辨率为日,空间分辨率均为0.25°.用于反演该雪深数据集的原始数据来自美国国家雪冰数据中心(NSIDC)处理的AMSR-E(2002—2007年)和SSMI/S(2008—2019年)逐日被动微波亮温数据,其首先通过对不同传感器的亮温进行交叉定标提高亮温在时间上的一致性,然后利用在针对中国地区修正的Chang算法进行雪深反演[11]. ...
Spatial distribution and temporal variation of snow water resources in China during
1
2005
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
1993-2002年中国积雪水资源时空分布与变化特征
1
2005
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
An approach for monitoring snow depth based on AMSR-E data in the pastoral area of northern Xinjiang
1
2009
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
基于AMSR-E信息的北疆牧区雪深遥感监测模型方法初探
1
2009
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
Dynamic monitoring of snow cover based on MOD
1
2009
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
基于MOD10A1和AMSR-E的北疆牧区积雪动态监测研究
1
2009
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
A comparison of MODIS and passive microwave snow mapping
1
2005
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
利用MODIS和AMSR-E进行积雪制图的比较分析
1
2005
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
A general introduction to MODIS snow products and its researching application
1
2009
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
MODIS积雪产品及研究应用概述
1
2009
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
Validation and algorithm redevelopment of MODIS daily fractional snow cover products
3
2013
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
... 本研究中的积雪覆盖观测数据利用美国国家雪冰中心(National Snow and Ice Data Center,NSIDC)网站下载的TERRA MODIS MOD09GA地表反射率产品计算获得.MOD09GA的时间分辨率为日,空间分辨率为500 m.本研究收集了2002—2013年全年共计4 383天的MOD09产品1~7通道的数字影像.在选择不同版本的MODIS积雪面积产品时,考虑到在青藏高原区域MOD09GA数据经过处理后的积雪覆盖与同时相Landsat TM/ETM+影像获取的积雪覆盖的相关系数r达到0.85,高于MOD10A1的0.74,最终选择MOD09GA作为检验数据[17]. ...
... 从不同积雪覆盖的遥感产品的精度看,张颖等[17]研究表明,MOD10A1产品对于积雪破碎区的信息提取较差,山体阴影的漏分现象更为严重,较小区域的积雪识别误差大,精度低.王雪璐等[51]研究表明,MOD10A1在青海省的积雪分类精度明显低于在其他研究区的精度验证结果,经过NDSI阈值调整后的MOD09GA产品的精度高于同时期MOD10A1产品.本研究中采用了这一算法,因此积雪覆盖产品应具有较高的精度. ...
MODIS逐日积雪覆盖率产品验证及算法重建
3
2013
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
... 本研究中的积雪覆盖观测数据利用美国国家雪冰中心(National Snow and Ice Data Center,NSIDC)网站下载的TERRA MODIS MOD09GA地表反射率产品计算获得.MOD09GA的时间分辨率为日,空间分辨率为500 m.本研究收集了2002—2013年全年共计4 383天的MOD09产品1~7通道的数字影像.在选择不同版本的MODIS积雪面积产品时,考虑到在青藏高原区域MOD09GA数据经过处理后的积雪覆盖与同时相Landsat TM/ETM+影像获取的积雪覆盖的相关系数r达到0.85,高于MOD10A1的0.74,最终选择MOD09GA作为检验数据[17]. ...
... 从不同积雪覆盖的遥感产品的精度看,张颖等[17]研究表明,MOD10A1产品对于积雪破碎区的信息提取较差,山体阴影的漏分现象更为严重,较小区域的积雪识别误差大,精度低.王雪璐等[51]研究表明,MOD10A1在青海省的积雪分类精度明显低于在其他研究区的精度验证结果,经过NDSI阈值调整后的MOD09GA产品的精度高于同时期MOD10A1产品.本研究中采用了这一算法,因此积雪覆盖产品应具有较高的精度. ...
Evaluation of snow cover and snow depth on the Qinghai-Tibetan Plateau derived from passive microwave remote sensing
2
2017
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
... 目前来看,雪深数据产品空间分辨率仍较粗,难以反映高程分布的影响.Dai等[18]在2016年,基于SSMI/S(F17)对所有传感器的亮温数据进行校正,最终得到长期的中国积雪深度数据,并在2019年[52]开发了一种适用于被动微波的积雪识别方法,提升了产品的精度.尽管本研究中所采用的积雪产品是目前在中国精度最高的雪深数据产品,但依旧存在空间分辨率低和不确定性较大的问题,所以本研究中的评估以积雪覆盖结果为主,雪深结果重在对比两者之间的一致性. ...
Inter-calibrating SMMR, SSM/I and SSMI/S data to improve the consistency of snow-depth products in China
1
2015
... 积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得[4-5].地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料,具有时间尺度长,连续性好的优点,但也存在着空间分辨率低,空间分布不均匀,观测投入较大的不足[6].近年来,遥感积雪数据的不断发展,为寒区水文模型提供了丰富的数据源,改善了以往地面观测资料分辨率低,成本高的缺点[7].目前,常见的积雪覆盖遥感产品有Landsat和SPOT[8],AVHRR[9],MODIS积雪产品[10]及SMMR、SSM/I[11-12]和AMSR-E[13-14]等微波积雪产品.MODIS数据因其较高的时空分辨率和光谱分辨率在积雪研究与动态变化监测领域中广泛应用[15-16].张颖等[17]研究发现MODIS逐日积雪覆盖率产品在青藏高原地区精度高于MODIS标准积雪产品.在积雪深度监测方面,被动微波遥感数据被认为是监测大尺度积雪深度时空变化的有效手段.现有雪深产品在青藏高原地区表现出较大的不确定性[18].Dai等[19]基于青藏高原的台站雪深观测数据和近年来对地面雪深的大规模调查资料,对利用SSM I/S和AMSR-E亮温数据反演雪深的算法进行了校准,进而生产了中国雪深数据集,这是目前青藏高原地区精度最高的雪深数据产品. ...
A spatially distributed snowmelt model based on energy balance
1
2011
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
基于能量平衡的分布式融雪径流模型
1
2011
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
Research advance of snowmelt model
2
2007
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
... [21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
融雪模型研究进展
2
2007
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
... [21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
The simulation of snowmelt runoff model in the Dongkemadi River basin, headwater of the Yangtze River
1
2006
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
SRM融雪径流模型在长江源区冬克玛底河流域的应用
1
2006
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
Research on improvement and application of snowmelt module in SWAT
1
2014
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
SWAT模型融雪模块的改进与应用研究
1
2014
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
Direct insertion of NASA airborne snow observatory-derived snow depth time series into the iSnobal energy balance snow model
1
2018
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
Utah energy balance snow accumulation and melt model (UEB)
1
1996
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
Surface soil moisture parameterization of the VIC-2L model: elevation and modification
2
1996
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
... VIC-CAS模型是在VIC-3L基础上改进的分布式水文模型[43],其计算每个网格单元的能量和水分平衡,并考虑到积雪、融雪和土壤冻融过程[26].VIC模型可以由日或日内尺度气象数据驱动,包括降水量、最高和最低气温以及风速数据,模型通过内置的插值程序生成各格网的气象驱动数据,模型参数包括土壤和植被参数,以及数字高程模型等[44].VIC-CAS模型增加了冰川模块,将单条冰川作为子流域,进而将单条冰川细分为100 m间距高程带,利用度日因子逐高程带计算冰川消融量和物质平衡,并考虑了冰川面积的长期变化[45].VIC-CAS通过分别采用单层和双层模型计算冠层和地面积雪过程和融雪过程,其中在双层模型中考虑了积雪的积累和升华过程,并考虑了不同高程带积雪积累和消融的空间异质性[46].VIC-CAS积雪算法中的雪深与雪龄有关,考虑了积雪的密实化过程以及新雪的影响[47].VIC-CAS模型假定子流域内的积雪均匀分布,通过阈值分段考虑了积雪覆盖面积与雪深之间的关系,从而考虑了薄雪覆盖率较低的特征[29]. ...
A distributed hydrological-vegetation model for complex terrain
1
1994
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
Application of snowmelt runoff model in upper stream of Shule River basin
2
2015
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
... [28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
SRM融雪径流模型在疏勒河流域上游的应用
2
2015
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
... [28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
Assimilating remotely sensed snow observations into a macroscale hydrology model
2
2006
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
... VIC-CAS模型是在VIC-3L基础上改进的分布式水文模型[43],其计算每个网格单元的能量和水分平衡,并考虑到积雪、融雪和土壤冻融过程[26].VIC模型可以由日或日内尺度气象数据驱动,包括降水量、最高和最低气温以及风速数据,模型通过内置的插值程序生成各格网的气象驱动数据,模型参数包括土壤和植被参数,以及数字高程模型等[44].VIC-CAS模型增加了冰川模块,将单条冰川作为子流域,进而将单条冰川细分为100 m间距高程带,利用度日因子逐高程带计算冰川消融量和物质平衡,并考虑了冰川面积的长期变化[45].VIC-CAS通过分别采用单层和双层模型计算冠层和地面积雪过程和融雪过程,其中在双层模型中考虑了积雪的积累和升华过程,并考虑了不同高程带积雪积累和消融的空间异质性[46].VIC-CAS积雪算法中的雪深与雪龄有关,考虑了积雪的密实化过程以及新雪的影响[47].VIC-CAS模型假定子流域内的积雪均匀分布,通过阈值分段考虑了积雪覆盖面积与雪深之间的关系,从而考虑了薄雪覆盖率较低的特征[29]. ...
Assimilating passive microwave remote sensing data into a land surface model to improve the estimation of snow depth
2
2014
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
... [30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
Coupling a glacier melt model to the Variable Infiltration Capacity (VIC) model for hydrological modeling in Northwestern China
1
2013
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
Recent glacier mass balance and area changes from DEMs and Landsat images in upper reach of Shule River basin, northeastern edge of Tibetan Plateau during 2000 to 2015
2
2018
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
... Zhang等[33]利用VIC-CAS模型模拟了疏勒河上游山区流域的冰川径流和河川径流,与遥感获得的不同时期的单条冰川变化[32]和出山口观测径流对比表明,VIC-CAS取得了很好的模拟效果.本研究采用Zhang等[33]在疏勒河上游山区率定和验证的VIC-CAS模型参数,与遥感获取的积雪覆盖度和积雪深度对比,分析了VIC-CAS模型在疏勒河上游山区流域模拟的积雪覆盖度和积雪深度模拟效果.模型中的年降水梯度为根据1 139~4 156 m的降水观测计算所得的14.654 mm·(100m)-1,模型的关键参数、率定过程、冰川模拟结果和河流径流结果详见文献[33].本研究中直接选取了2002—2013年疏勒河上游山区流域182个子流域的积雪覆盖度和雪深日模拟结果,其中,每个子流域的高程通过子流域中各高程带所占面积比率与高程的乘积累加得到.随后用属性表的子流域编号作为关键字,对VIC-CAS模型结果数据文件中的积雪覆盖度和积雪深度两个变量的数据与疏勒河上游山区流域子流域矢量边界进行连接,从而将MODIS积雪覆盖数据和中国雪深长时间序列数据与子流域编号链接统计. ...
Projected glacier meltwater and river run-off changes in the upper reach of the Shule River basin, northeastern edge of the Tibetan Plateau
5
2019
... 积雪的积累和消融过程是寒区水文模型的重要组成部分.寒区水文模型模拟积雪一般可分为度日因子和能量平衡两种方法[20].其中,度日因子法是基于冰雪消融和气温之间的关系计算[21],目前SRM[22]和SWAT[23]融雪模块均采用过这种方法.能量平衡模型是模拟积雪-大气,积雪-土壤及积雪内的物质和能量平衡[21],常用的模型有ISNOBAL[24]、UEB[25]等,一些分布式水文模型也出现了融雪模块,如VIC[26]、DHSVM[27]等.近年来,已经出现了多个利用卫星遥感获得的积雪分布来驱动水文模型提高精度的成功案例[7,28-30],表明利用卫星遥感积雪数据有助于改善以往水文模型仅仅利用出山口径流资料进行率定和检验的不确定性.如赵军等[28]在疏勒河流域上游将SRM融雪径流模型与MODIS积雪产品结合,取得了较好的模拟效果.Andreadis等[29]利用EnKF方法将遥感积雪面积数据和雪水当量数据同化到VIC模型中,对中低海拔,融雪期和浅层积雪的积雪变量模拟精度取得显著提升.Che等[30]利用EnKF方法将被动微波遥感雪深数据同化到陆面模型中,提高了积累期的雪深估算精度.VIC-CAS[31]分布式水文模型中很好地考虑了单条冰川的融水过程和冰川变化,其模拟的疏勒河流域的冰川变化与遥感监测的单条冰川变化[32]具有很好的可比性,其径流模拟也取得了很好的效果[33],为评估模型中对积雪的积累和消融过程的合理性提供了很好的基础. ...
... Zhang等[33]利用VIC-CAS模型模拟了疏勒河上游山区流域的冰川径流和河川径流,与遥感获得的不同时期的单条冰川变化[32]和出山口观测径流对比表明,VIC-CAS取得了很好的模拟效果.本研究采用Zhang等[33]在疏勒河上游山区率定和验证的VIC-CAS模型参数,与遥感获取的积雪覆盖度和积雪深度对比,分析了VIC-CAS模型在疏勒河上游山区流域模拟的积雪覆盖度和积雪深度模拟效果.模型中的年降水梯度为根据1 139~4 156 m的降水观测计算所得的14.654 mm·(100m)-1,模型的关键参数、率定过程、冰川模拟结果和河流径流结果详见文献[33].本研究中直接选取了2002—2013年疏勒河上游山区流域182个子流域的积雪覆盖度和雪深日模拟结果,其中,每个子流域的高程通过子流域中各高程带所占面积比率与高程的乘积累加得到.随后用属性表的子流域编号作为关键字,对VIC-CAS模型结果数据文件中的积雪覆盖度和积雪深度两个变量的数据与疏勒河上游山区流域子流域矢量边界进行连接,从而将MODIS积雪覆盖数据和中国雪深长时间序列数据与子流域编号链接统计. ...
... [33]在疏勒河上游山区率定和验证的VIC-CAS模型参数,与遥感获取的积雪覆盖度和积雪深度对比,分析了VIC-CAS模型在疏勒河上游山区流域模拟的积雪覆盖度和积雪深度模拟效果.模型中的年降水梯度为根据1 139~4 156 m的降水观测计算所得的14.654 mm·(100m)-1,模型的关键参数、率定过程、冰川模拟结果和河流径流结果详见文献[33].本研究中直接选取了2002—2013年疏勒河上游山区流域182个子流域的积雪覆盖度和雪深日模拟结果,其中,每个子流域的高程通过子流域中各高程带所占面积比率与高程的乘积累加得到.随后用属性表的子流域编号作为关键字,对VIC-CAS模型结果数据文件中的积雪覆盖度和积雪深度两个变量的数据与疏勒河上游山区流域子流域矢量边界进行连接,从而将MODIS积雪覆盖数据和中国雪深长时间序列数据与子流域编号链接统计. ...
... ,模型的关键参数、率定过程、冰川模拟结果和河流径流结果详见文献[33].本研究中直接选取了2002—2013年疏勒河上游山区流域182个子流域的积雪覆盖度和雪深日模拟结果,其中,每个子流域的高程通过子流域中各高程带所占面积比率与高程的乘积累加得到.随后用属性表的子流域编号作为关键字,对VIC-CAS模型结果数据文件中的积雪覆盖度和积雪深度两个变量的数据与疏勒河上游山区流域子流域矢量边界进行连接,从而将MODIS积雪覆盖数据和中国雪深长时间序列数据与子流域编号链接统计. ...
... 从空间分布对比看,VIC-CAS模型模拟的积雪覆盖度和雪深偏小,自2009年起在研究区内开始布设较多的降水观测设备,获取了较为准确的降水梯度,模型的冰川融水和径流模拟效果均较好[33],为对比积雪的相关结果提供了很好的基础.本研究发现VIC-CAS模型和遥感反演的薄雪覆盖度的差异较大,在不同高程带对积雪的模拟精度差别不大,但在2 000~3 000 m模拟精度较低,说明在低海拔区存在较大不确定性,这可能与模型中对积雪再分布和风吹雪的算法和参数化方案有关,特别是在薄雪情况下,其可能存在较大的不确定性.因此,需要在流域尺度上进一步加强对风吹雪分布、过程和参数化方案的观测和模拟优化. ...
Climate change in upstream area of Shule River and its effects on runoff yield in last 50 years
1
2014
... 疏勒河是河西走廊三大内陆河之一,发源于祁连山腹地的疏勒南山北坡,其出山口昌马水文站以上为疏勒河上游(96.6°~99.0° E,38.2°~40.0° N)[34-35](图1).疏勒河上游地区地形主要由疏勒南山、托勒南山和疏勒河谷地组成,山区地势高峻、地形陡峭,谷地地形相对低缓.疏勒河上游面积约1.14×104 km2,属于高原大陆性气候,研究区海拔介于2 100~5 750 m之间,平均海拔为3 900 m[36-37],其中2 000~3 000 m高程带所占区域占整个研究区面积的7%,主要是河流出山口的河谷区;3 000~4 000 m高程带所占区域占整个研究区面积的45%,主要为疏勒河上游谷地中段,河谷两侧的山前缘区;4 000~5 000 m高程带所占区域占整个研究区面积的47%;5 000~6 000 m高程带所占区域占整个研究区面积的2%[37].研究区分布大量冻土,积雪和冰川[38],多年平均气温约-4 ℃,多年平均降雨量约378.4 mm,降水主要集中在5—9月,降水量约占全年总降雨量的90%以上,冬季和春季以降雪为主[39]. ...
近50年来疏勒河上游气候变化及其对地表径流的影响
1
2014
... 疏勒河是河西走廊三大内陆河之一,发源于祁连山腹地的疏勒南山北坡,其出山口昌马水文站以上为疏勒河上游(96.6°~99.0° E,38.2°~40.0° N)[34-35](图1).疏勒河上游地区地形主要由疏勒南山、托勒南山和疏勒河谷地组成,山区地势高峻、地形陡峭,谷地地形相对低缓.疏勒河上游面积约1.14×104 km2,属于高原大陆性气候,研究区海拔介于2 100~5 750 m之间,平均海拔为3 900 m[36-37],其中2 000~3 000 m高程带所占区域占整个研究区面积的7%,主要是河流出山口的河谷区;3 000~4 000 m高程带所占区域占整个研究区面积的45%,主要为疏勒河上游谷地中段,河谷两侧的山前缘区;4 000~5 000 m高程带所占区域占整个研究区面积的47%;5 000~6 000 m高程带所占区域占整个研究区面积的2%[37].研究区分布大量冻土,积雪和冰川[38],多年平均气温约-4 ℃,多年平均降雨量约378.4 mm,降水主要集中在5—9月,降水量约占全年总降雨量的90%以上,冬季和春季以降雪为主[39]. ...
Land surface temperature retrieved from HJ-1B satellite data in the upper reaches of the Shule River
1
2015
... 疏勒河是河西走廊三大内陆河之一,发源于祁连山腹地的疏勒南山北坡,其出山口昌马水文站以上为疏勒河上游(96.6°~99.0° E,38.2°~40.0° N)[34-35](图1).疏勒河上游地区地形主要由疏勒南山、托勒南山和疏勒河谷地组成,山区地势高峻、地形陡峭,谷地地形相对低缓.疏勒河上游面积约1.14×104 km2,属于高原大陆性气候,研究区海拔介于2 100~5 750 m之间,平均海拔为3 900 m[36-37],其中2 000~3 000 m高程带所占区域占整个研究区面积的7%,主要是河流出山口的河谷区;3 000~4 000 m高程带所占区域占整个研究区面积的45%,主要为疏勒河上游谷地中段,河谷两侧的山前缘区;4 000~5 000 m高程带所占区域占整个研究区面积的47%;5 000~6 000 m高程带所占区域占整个研究区面积的2%[37].研究区分布大量冻土,积雪和冰川[38],多年平均气温约-4 ℃,多年平均降雨量约378.4 mm,降水主要集中在5—9月,降水量约占全年总降雨量的90%以上,冬季和春季以降雪为主[39]. ...
基于HJ-1B卫星数据的疏勒河上游流域地表温度反演
1
2015
... 疏勒河是河西走廊三大内陆河之一,发源于祁连山腹地的疏勒南山北坡,其出山口昌马水文站以上为疏勒河上游(96.6°~99.0° E,38.2°~40.0° N)[34-35](图1).疏勒河上游地区地形主要由疏勒南山、托勒南山和疏勒河谷地组成,山区地势高峻、地形陡峭,谷地地形相对低缓.疏勒河上游面积约1.14×104 km2,属于高原大陆性气候,研究区海拔介于2 100~5 750 m之间,平均海拔为3 900 m[36-37],其中2 000~3 000 m高程带所占区域占整个研究区面积的7%,主要是河流出山口的河谷区;3 000~4 000 m高程带所占区域占整个研究区面积的45%,主要为疏勒河上游谷地中段,河谷两侧的山前缘区;4 000~5 000 m高程带所占区域占整个研究区面积的47%;5 000~6 000 m高程带所占区域占整个研究区面积的2%[37].研究区分布大量冻土,积雪和冰川[38],多年平均气温约-4 ℃,多年平均降雨量约378.4 mm,降水主要集中在5—9月,降水量约占全年总降雨量的90%以上,冬季和春季以降雪为主[39]. ...
Species diversity of vegetation in relation to biomass and environmental factors in the upper area of the Shule River
1
2011
... 疏勒河是河西走廊三大内陆河之一,发源于祁连山腹地的疏勒南山北坡,其出山口昌马水文站以上为疏勒河上游(96.6°~99.0° E,38.2°~40.0° N)[34-35](图1).疏勒河上游地区地形主要由疏勒南山、托勒南山和疏勒河谷地组成,山区地势高峻、地形陡峭,谷地地形相对低缓.疏勒河上游面积约1.14×104 km2,属于高原大陆性气候,研究区海拔介于2 100~5 750 m之间,平均海拔为3 900 m[36-37],其中2 000~3 000 m高程带所占区域占整个研究区面积的7%,主要是河流出山口的河谷区;3 000~4 000 m高程带所占区域占整个研究区面积的45%,主要为疏勒河上游谷地中段,河谷两侧的山前缘区;4 000~5 000 m高程带所占区域占整个研究区面积的47%;5 000~6 000 m高程带所占区域占整个研究区面积的2%[37].研究区分布大量冻土,积雪和冰川[38],多年平均气温约-4 ℃,多年平均降雨量约378.4 mm,降水主要集中在5—9月,降水量约占全年总降雨量的90%以上,冬季和春季以降雪为主[39]. ...
疏勒河上游地区植被物种多样性和生物量及其与环境因子的关系
1
2011
... 疏勒河是河西走廊三大内陆河之一,发源于祁连山腹地的疏勒南山北坡,其出山口昌马水文站以上为疏勒河上游(96.6°~99.0° E,38.2°~40.0° N)[34-35](图1).疏勒河上游地区地形主要由疏勒南山、托勒南山和疏勒河谷地组成,山区地势高峻、地形陡峭,谷地地形相对低缓.疏勒河上游面积约1.14×104 km2,属于高原大陆性气候,研究区海拔介于2 100~5 750 m之间,平均海拔为3 900 m[36-37],其中2 000~3 000 m高程带所占区域占整个研究区面积的7%,主要是河流出山口的河谷区;3 000~4 000 m高程带所占区域占整个研究区面积的45%,主要为疏勒河上游谷地中段,河谷两侧的山前缘区;4 000~5 000 m高程带所占区域占整个研究区面积的47%;5 000~6 000 m高程带所占区域占整个研究区面积的2%[37].研究区分布大量冻土,积雪和冰川[38],多年平均气温约-4 ℃,多年平均降雨量约378.4 mm,降水主要集中在5—9月,降水量约占全年总降雨量的90%以上,冬季和春季以降雪为主[39]. ...
Distribution patterns of permafrost in the upper area of Shule River with the application of GIS technique
2
2010
... 疏勒河是河西走廊三大内陆河之一,发源于祁连山腹地的疏勒南山北坡,其出山口昌马水文站以上为疏勒河上游(96.6°~99.0° E,38.2°~40.0° N)[34-35](图1).疏勒河上游地区地形主要由疏勒南山、托勒南山和疏勒河谷地组成,山区地势高峻、地形陡峭,谷地地形相对低缓.疏勒河上游面积约1.14×104 km2,属于高原大陆性气候,研究区海拔介于2 100~5 750 m之间,平均海拔为3 900 m[36-37],其中2 000~3 000 m高程带所占区域占整个研究区面积的7%,主要是河流出山口的河谷区;3 000~4 000 m高程带所占区域占整个研究区面积的45%,主要为疏勒河上游谷地中段,河谷两侧的山前缘区;4 000~5 000 m高程带所占区域占整个研究区面积的47%;5 000~6 000 m高程带所占区域占整个研究区面积的2%[37].研究区分布大量冻土,积雪和冰川[38],多年平均气温约-4 ℃,多年平均降雨量约378.4 mm,降水主要集中在5—9月,降水量约占全年总降雨量的90%以上,冬季和春季以降雪为主[39]. ...
... [37].研究区分布大量冻土,积雪和冰川[38],多年平均气温约-4 ℃,多年平均降雨量约378.4 mm,降水主要集中在5—9月,降水量约占全年总降雨量的90%以上,冬季和春季以降雪为主[39]. ...
基于GIS的疏勒河流域上游多年冻土分布特征
2
2010
... 疏勒河是河西走廊三大内陆河之一,发源于祁连山腹地的疏勒南山北坡,其出山口昌马水文站以上为疏勒河上游(96.6°~99.0° E,38.2°~40.0° N)[34-35](图1).疏勒河上游地区地形主要由疏勒南山、托勒南山和疏勒河谷地组成,山区地势高峻、地形陡峭,谷地地形相对低缓.疏勒河上游面积约1.14×104 km2,属于高原大陆性气候,研究区海拔介于2 100~5 750 m之间,平均海拔为3 900 m[36-37],其中2 000~3 000 m高程带所占区域占整个研究区面积的7%,主要是河流出山口的河谷区;3 000~4 000 m高程带所占区域占整个研究区面积的45%,主要为疏勒河上游谷地中段,河谷两侧的山前缘区;4 000~5 000 m高程带所占区域占整个研究区面积的47%;5 000~6 000 m高程带所占区域占整个研究区面积的2%[37].研究区分布大量冻土,积雪和冰川[38],多年平均气温约-4 ℃,多年平均降雨量约378.4 mm,降水主要集中在5—9月,降水量约占全年总降雨量的90%以上,冬季和春季以降雪为主[39]. ...
... [37].研究区分布大量冻土,积雪和冰川[38],多年平均气温约-4 ℃,多年平均降雨量约378.4 mm,降水主要集中在5—9月,降水量约占全年总降雨量的90%以上,冬季和春季以降雪为主[39]. ...
Landscape pattern change in mountainous areas along an altitude gradient in the upper reaches of Shule River
1
2010
... 疏勒河是河西走廊三大内陆河之一,发源于祁连山腹地的疏勒南山北坡,其出山口昌马水文站以上为疏勒河上游(96.6°~99.0° E,38.2°~40.0° N)[34-35](图1).疏勒河上游地区地形主要由疏勒南山、托勒南山和疏勒河谷地组成,山区地势高峻、地形陡峭,谷地地形相对低缓.疏勒河上游面积约1.14×104 km2,属于高原大陆性气候,研究区海拔介于2 100~5 750 m之间,平均海拔为3 900 m[36-37],其中2 000~3 000 m高程带所占区域占整个研究区面积的7%,主要是河流出山口的河谷区;3 000~4 000 m高程带所占区域占整个研究区面积的45%,主要为疏勒河上游谷地中段,河谷两侧的山前缘区;4 000~5 000 m高程带所占区域占整个研究区面积的47%;5 000~6 000 m高程带所占区域占整个研究区面积的2%[37].研究区分布大量冻土,积雪和冰川[38],多年平均气温约-4 ℃,多年平均降雨量约378.4 mm,降水主要集中在5—9月,降水量约占全年总降雨量的90%以上,冬季和春季以降雪为主[39]. ...
疏勒河上游山区不同海拔梯度的景观格局变化
1
2010
... 疏勒河是河西走廊三大内陆河之一,发源于祁连山腹地的疏勒南山北坡,其出山口昌马水文站以上为疏勒河上游(96.6°~99.0° E,38.2°~40.0° N)[34-35](图1).疏勒河上游地区地形主要由疏勒南山、托勒南山和疏勒河谷地组成,山区地势高峻、地形陡峭,谷地地形相对低缓.疏勒河上游面积约1.14×104 km2,属于高原大陆性气候,研究区海拔介于2 100~5 750 m之间,平均海拔为3 900 m[36-37],其中2 000~3 000 m高程带所占区域占整个研究区面积的7%,主要是河流出山口的河谷区;3 000~4 000 m高程带所占区域占整个研究区面积的45%,主要为疏勒河上游谷地中段,河谷两侧的山前缘区;4 000~5 000 m高程带所占区域占整个研究区面积的47%;5 000~6 000 m高程带所占区域占整个研究区面积的2%[37].研究区分布大量冻土,积雪和冰川[38],多年平均气温约-4 ℃,多年平均降雨量约378.4 mm,降水主要集中在5—9月,降水量约占全年总降雨量的90%以上,冬季和春季以降雪为主[39]. ...
Observations and study on the CO2 flux in an alpine meadow ecosystem in the upper reaches of the Shule River basin
1
2013
... 疏勒河是河西走廊三大内陆河之一,发源于祁连山腹地的疏勒南山北坡,其出山口昌马水文站以上为疏勒河上游(96.6°~99.0° E,38.2°~40.0° N)[34-35](图1).疏勒河上游地区地形主要由疏勒南山、托勒南山和疏勒河谷地组成,山区地势高峻、地形陡峭,谷地地形相对低缓.疏勒河上游面积约1.14×104 km2,属于高原大陆性气候,研究区海拔介于2 100~5 750 m之间,平均海拔为3 900 m[36-37],其中2 000~3 000 m高程带所占区域占整个研究区面积的7%,主要是河流出山口的河谷区;3 000~4 000 m高程带所占区域占整个研究区面积的45%,主要为疏勒河上游谷地中段,河谷两侧的山前缘区;4 000~5 000 m高程带所占区域占整个研究区面积的47%;5 000~6 000 m高程带所占区域占整个研究区面积的2%[37].研究区分布大量冻土,积雪和冰川[38],多年平均气温约-4 ℃,多年平均降雨量约378.4 mm,降水主要集中在5—9月,降水量约占全年总降雨量的90%以上,冬季和春季以降雪为主[39]. ...
疏勒河上游高寒草甸生态系统CO2通量观测研究
1
2013
... 疏勒河是河西走廊三大内陆河之一,发源于祁连山腹地的疏勒南山北坡,其出山口昌马水文站以上为疏勒河上游(96.6°~99.0° E,38.2°~40.0° N)[34-35](图1).疏勒河上游地区地形主要由疏勒南山、托勒南山和疏勒河谷地组成,山区地势高峻、地形陡峭,谷地地形相对低缓.疏勒河上游面积约1.14×104 km2,属于高原大陆性气候,研究区海拔介于2 100~5 750 m之间,平均海拔为3 900 m[36-37],其中2 000~3 000 m高程带所占区域占整个研究区面积的7%,主要是河流出山口的河谷区;3 000~4 000 m高程带所占区域占整个研究区面积的45%,主要为疏勒河上游谷地中段,河谷两侧的山前缘区;4 000~5 000 m高程带所占区域占整个研究区面积的47%;5 000~6 000 m高程带所占区域占整个研究区面积的2%[37].研究区分布大量冻土,积雪和冰川[38],多年平均气温约-4 ℃,多年平均降雨量约378.4 mm,降水主要集中在5—9月,降水量约占全年总降雨量的90%以上,冬季和春季以降雪为主[39]. ...
Development of the Aqua MODIS NDSI fractional snow cover algorithm and validation results
1
2006
... 对MOD09GA影像的预处理包括对卫星影像进行坐标变换.将正弦曲线投影转换为地理坐标,椭球体选为WGS84.选用双线性法重采样,将图像文件转换为GeoTIFF格式,并利用研究区边界进行剪裁.根据雪的反射率特点,利用NDSI算法对MODIS数据对每个像元的积雪覆盖度进行计算[40],其公式为 ...
Snow cover mapping algorithm in the Tibetan Plateau based on NDSI threshold optimization of different land cover types
1
2019
... 根据高扬等[41]在青藏高原地区不同土地覆盖类型NDSI阈值积雪判别的研究结果,选取0.33作为最佳阈值,并根据波段2和波段4排除水体和暗物质干扰.本研究利用MOD10A1产品中的云覆盖数据确定含云像元,在进行对比时对含云像元不作对比.不含云的各像元的积雪覆盖度,采用Salomoson等[42]提出的NDSI与真实亚像元积雪覆盖度之间的经验公式获得. ...
基于不同土地覆盖类型NDSI阈值优化下的青藏高原积雪判别
1
2019
... 根据高扬等[41]在青藏高原地区不同土地覆盖类型NDSI阈值积雪判别的研究结果,选取0.33作为最佳阈值,并根据波段2和波段4排除水体和暗物质干扰.本研究利用MOD10A1产品中的云覆盖数据确定含云像元,在进行对比时对含云像元不作对比.不含云的各像元的积雪覆盖度,采用Salomoson等[42]提出的NDSI与真实亚像元积雪覆盖度之间的经验公式获得. ...
Estimating fractional snow cover from MODIS using the normalized difference snow index
3
2003
... 根据高扬等[41]在青藏高原地区不同土地覆盖类型NDSI阈值积雪判别的研究结果,选取0.33作为最佳阈值,并根据波段2和波段4排除水体和暗物质干扰.本研究利用MOD10A1产品中的云覆盖数据确定含云像元,在进行对比时对含云像元不作对比.不含云的各像元的积雪覆盖度,采用Salomoson等[42]提出的NDSI与真实亚像元积雪覆盖度之间的经验公式获得. ...
... 需要指出的是,遥感反演的积雪覆盖和雪深也具有较大的不确定性.MODIS积雪覆盖数据的不确定性主要在于MOD09GA产品进行归一化处理的时候受到云,水体等影响以及处理过程中NDSI与积雪覆盖度的线性回归算法的误差.Salomonson等[42]建立了NDSI与真实亚像元积雪覆盖度之间的关系,该回归方程是在西伯利亚地区积雪观测的基础上建立的,对其他地区的适用性可能存疑.本研究中存在大量观测值为0的数据,可能是由于线性回归算法得到的积雪覆盖度剔除了小于0.1的数据产生的误差[42].遥感雪深反演数据的不确定性主要在于产生中国地区雪深长时间序列数据集的被动微波卫星遥感资料空间分辨率很低,反演过程时积雪的空间异质性问题难以解决. ...
... [42].遥感雪深反演数据的不确定性主要在于产生中国地区雪深长时间序列数据集的被动微波卫星遥感资料空间分辨率很低,反演过程时积雪的空间异质性问题难以解决. ...
A simple hydrologically based model of land surface water and energy fluxes for general circulation models
1
1994
... VIC-CAS模型是在VIC-3L基础上改进的分布式水文模型[43],其计算每个网格单元的能量和水分平衡,并考虑到积雪、融雪和土壤冻融过程[26].VIC模型可以由日或日内尺度气象数据驱动,包括降水量、最高和最低气温以及风速数据,模型通过内置的插值程序生成各格网的气象驱动数据,模型参数包括土壤和植被参数,以及数字高程模型等[44].VIC-CAS模型增加了冰川模块,将单条冰川作为子流域,进而将单条冰川细分为100 m间距高程带,利用度日因子逐高程带计算冰川消融量和物质平衡,并考虑了冰川面积的长期变化[45].VIC-CAS通过分别采用单层和双层模型计算冠层和地面积雪过程和融雪过程,其中在双层模型中考虑了积雪的积累和升华过程,并考虑了不同高程带积雪积累和消融的空间异质性[46].VIC-CAS积雪算法中的雪深与雪龄有关,考虑了积雪的密实化过程以及新雪的影响[47].VIC-CAS模型假定子流域内的积雪均匀分布,通过阈值分段考虑了积雪覆盖面积与雪深之间的关系,从而考虑了薄雪覆盖率较低的特征[29]. ...
Regional scale hydrology: I. Formulation of the VIC-2L model coupled to a routing model
1
1998
... VIC-CAS模型是在VIC-3L基础上改进的分布式水文模型[43],其计算每个网格单元的能量和水分平衡,并考虑到积雪、融雪和土壤冻融过程[26].VIC模型可以由日或日内尺度气象数据驱动,包括降水量、最高和最低气温以及风速数据,模型通过内置的插值程序生成各格网的气象驱动数据,模型参数包括土壤和植被参数,以及数字高程模型等[44].VIC-CAS模型增加了冰川模块,将单条冰川作为子流域,进而将单条冰川细分为100 m间距高程带,利用度日因子逐高程带计算冰川消融量和物质平衡,并考虑了冰川面积的长期变化[45].VIC-CAS通过分别采用单层和双层模型计算冠层和地面积雪过程和融雪过程,其中在双层模型中考虑了积雪的积累和升华过程,并考虑了不同高程带积雪积累和消融的空间异质性[46].VIC-CAS积雪算法中的雪深与雪龄有关,考虑了积雪的密实化过程以及新雪的影响[47].VIC-CAS模型假定子流域内的积雪均匀分布,通过阈值分段考虑了积雪覆盖面积与雪深之间的关系,从而考虑了薄雪覆盖率较低的特征[29]. ...
Projecting climate change impacts on hydrological processes on the Tibetan Plateau with model calibration against the glacier inventory data and observed streamflow
1
2019
... VIC-CAS模型是在VIC-3L基础上改进的分布式水文模型[43],其计算每个网格单元的能量和水分平衡,并考虑到积雪、融雪和土壤冻融过程[26].VIC模型可以由日或日内尺度气象数据驱动,包括降水量、最高和最低气温以及风速数据,模型通过内置的插值程序生成各格网的气象驱动数据,模型参数包括土壤和植被参数,以及数字高程模型等[44].VIC-CAS模型增加了冰川模块,将单条冰川作为子流域,进而将单条冰川细分为100 m间距高程带,利用度日因子逐高程带计算冰川消融量和物质平衡,并考虑了冰川面积的长期变化[45].VIC-CAS通过分别采用单层和双层模型计算冠层和地面积雪过程和融雪过程,其中在双层模型中考虑了积雪的积累和升华过程,并考虑了不同高程带积雪积累和消融的空间异质性[46].VIC-CAS积雪算法中的雪深与雪龄有关,考虑了积雪的密实化过程以及新雪的影响[47].VIC-CAS模型假定子流域内的积雪均匀分布,通过阈值分段考虑了积雪覆盖面积与雪深之间的关系,从而考虑了薄雪覆盖率较低的特征[29]. ...
Simulation of spatial variability in snow and frozen soil
1
2003
... VIC-CAS模型是在VIC-3L基础上改进的分布式水文模型[43],其计算每个网格单元的能量和水分平衡,并考虑到积雪、融雪和土壤冻融过程[26].VIC模型可以由日或日内尺度气象数据驱动,包括降水量、最高和最低气温以及风速数据,模型通过内置的插值程序生成各格网的气象驱动数据,模型参数包括土壤和植被参数,以及数字高程模型等[44].VIC-CAS模型增加了冰川模块,将单条冰川作为子流域,进而将单条冰川细分为100 m间距高程带,利用度日因子逐高程带计算冰川消融量和物质平衡,并考虑了冰川面积的长期变化[45].VIC-CAS通过分别采用单层和双层模型计算冠层和地面积雪过程和融雪过程,其中在双层模型中考虑了积雪的积累和升华过程,并考虑了不同高程带积雪积累和消融的空间异质性[46].VIC-CAS积雪算法中的雪深与雪龄有关,考虑了积雪的密实化过程以及新雪的影响[47].VIC-CAS模型假定子流域内的积雪均匀分布,通过阈值分段考虑了积雪覆盖面积与雪深之间的关系,从而考虑了薄雪覆盖率较低的特征[29]. ...
Hydrologic effects of frozen soils in the upper Mississippi River basin
1
1999
... VIC-CAS模型是在VIC-3L基础上改进的分布式水文模型[43],其计算每个网格单元的能量和水分平衡,并考虑到积雪、融雪和土壤冻融过程[26].VIC模型可以由日或日内尺度气象数据驱动,包括降水量、最高和最低气温以及风速数据,模型通过内置的插值程序生成各格网的气象驱动数据,模型参数包括土壤和植被参数,以及数字高程模型等[44].VIC-CAS模型增加了冰川模块,将单条冰川作为子流域,进而将单条冰川细分为100 m间距高程带,利用度日因子逐高程带计算冰川消融量和物质平衡,并考虑了冰川面积的长期变化[45].VIC-CAS通过分别采用单层和双层模型计算冠层和地面积雪过程和融雪过程,其中在双层模型中考虑了积雪的积累和升华过程,并考虑了不同高程带积雪积累和消融的空间异质性[46].VIC-CAS积雪算法中的雪深与雪龄有关,考虑了积雪的密实化过程以及新雪的影响[47].VIC-CAS模型假定子流域内的积雪均匀分布,通过阈值分段考虑了积雪覆盖面积与雪深之间的关系,从而考虑了薄雪覆盖率较低的特征[29]. ...
Research on the Pearson correlation coefficient evaluation method of analog signal in the process of unit peak load regulation
1
2017
... 根据文献[48],将r划分为6个区间:r≤0为负相关,0<r≤0.2为不相关或极弱相关,0.2<r≤0.4为弱相关,0.4<r≤0.6为中相关,0.6<r≤0.8为强相关,0.8<r≤1为极强相关. ...
Changes in snow cover over Northern Eurasia in the last few decades
1
2009
... 传统积雪产品大多采用地面气象站观测值空间插值和人工观测获得,如Bulygina等[49]利用856个观测站的积雪深度数据研究俄罗斯的积雪覆盖和雪深的年际变化.这种方法需要耗费大量人力物力,且难以获得连续的,大面积的积雪信息[50].在疏勒河上游山区流域不存在有关积雪的气象台站数据,无法提供有效的地面实测资料进行交叉验证的数据支持.利用遥感获取积雪覆盖和雪深能够有效地获取积雪的空间分布[1].因此,本研究证明了采用遥感反演的积雪对整个研究区的积雪模拟效果进行评估是有效可行的. ...
Based on snow cover survey data of accuracy verification and analysis of passive microwave snow cover remote sensing products in Northeast China
1
2019
... 传统积雪产品大多采用地面气象站观测值空间插值和人工观测获得,如Bulygina等[49]利用856个观测站的积雪深度数据研究俄罗斯的积雪覆盖和雪深的年际变化.这种方法需要耗费大量人力物力,且难以获得连续的,大面积的积雪信息[50].在疏勒河上游山区流域不存在有关积雪的气象台站数据,无法提供有效的地面实测资料进行交叉验证的数据支持.利用遥感获取积雪覆盖和雪深能够有效地获取积雪的空间分布[1].因此,本研究证明了采用遥感反演的积雪对整个研究区的积雪模拟效果进行评估是有效可行的. ...
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
1
2019
... 传统积雪产品大多采用地面气象站观测值空间插值和人工观测获得,如Bulygina等[49]利用856个观测站的积雪深度数据研究俄罗斯的积雪覆盖和雪深的年际变化.这种方法需要耗费大量人力物力,且难以获得连续的,大面积的积雪信息[50].在疏勒河上游山区流域不存在有关积雪的气象台站数据,无法提供有效的地面实测资料进行交叉验证的数据支持.利用遥感获取积雪覆盖和雪深能够有效地获取积雪的空间分布[1].因此,本研究证明了采用遥感反演的积雪对整个研究区的积雪模拟效果进行评估是有效可行的. ...
A snow cover mapping algorithm based on MODIS data in Qinghai Province
1
2012
... 从不同积雪覆盖的遥感产品的精度看,张颖等[17]研究表明,MOD10A1产品对于积雪破碎区的信息提取较差,山体阴影的漏分现象更为严重,较小区域的积雪识别误差大,精度低.王雪璐等[51]研究表明,MOD10A1在青海省的积雪分类精度明显低于在其他研究区的精度验证结果,经过NDSI阈值调整后的MOD09GA产品的精度高于同时期MOD10A1产品.本研究中采用了这一算法,因此积雪覆盖产品应具有较高的精度. ...
基于MODIS数据的青海省积雪覆盖范围监测算法探索
1
2012
... 从不同积雪覆盖的遥感产品的精度看,张颖等[17]研究表明,MOD10A1产品对于积雪破碎区的信息提取较差,山体阴影的漏分现象更为严重,较小区域的积雪识别误差大,精度低.王雪璐等[51]研究表明,MOD10A1在青海省的积雪分类精度明显低于在其他研究区的精度验证结果,经过NDSI阈值调整后的MOD09GA产品的精度高于同时期MOD10A1产品.本研究中采用了这一算法,因此积雪覆盖产品应具有较高的精度. ...
Snow depth and snow water equivalent estimation from AMSR-E data based on a priori snow characteristics in Xinjiang, China
1
2012
... 目前来看,雪深数据产品空间分辨率仍较粗,难以反映高程分布的影响.Dai等[18]在2016年,基于SSMI/S(F17)对所有传感器的亮温数据进行校正,最终得到长期的中国积雪深度数据,并在2019年[52]开发了一种适用于被动微波的积雪识别方法,提升了产品的精度.尽管本研究中所采用的积雪产品是目前在中国精度最高的雪深数据产品,但依旧存在空间分辨率低和不确定性较大的问题,所以本研究中的评估以积雪覆盖结果为主,雪深结果重在对比两者之间的一致性. ...