Importance of snow and glacier meltwater for agriculture on the Indo-Gangetic Plain
1
2019
... 积雪是地表覆盖的重要组成部分,是重要的水资源来源,可调节河川径流量,为生态系统可持续发展提供保障,且有益于旅游等发展,为当地带来经济效益[1].气候变暖背景下,全球积雪覆盖面积呈减少趋势,将影响全球生态环境,并导致经济损失[2].天山作为中亚水塔,主导了新疆乃至中亚地区的水循环.新疆有近70%的河流发源于天山,天山地区季节性积雪融水是当地河川径流量的重要补给来源,天山地区积雪时空变化将直接影响新疆农牧业生产及生态环境安全[3].过去半个多世纪,新疆天山山区的气温升高速率高于全球增温速率[4],因此,在全球气候变化背景下,研究天山地区积雪量变化,对新疆生态保护、水资源安全具有重要意义[5-6]. ...
Valuating service loss of snow cover in Irtysh River Basin
1
2019
... 积雪是地表覆盖的重要组成部分,是重要的水资源来源,可调节河川径流量,为生态系统可持续发展提供保障,且有益于旅游等发展,为当地带来经济效益[1].气候变暖背景下,全球积雪覆盖面积呈减少趋势,将影响全球生态环境,并导致经济损失[2].天山作为中亚水塔,主导了新疆乃至中亚地区的水循环.新疆有近70%的河流发源于天山,天山地区季节性积雪融水是当地河川径流量的重要补给来源,天山地区积雪时空变化将直接影响新疆农牧业生产及生态环境安全[3].过去半个多世纪,新疆天山山区的气温升高速率高于全球增温速率[4],因此,在全球气候变化背景下,研究天山地区积雪量变化,对新疆生态保护、水资源安全具有重要意义[5-6]. ...
Impact of climate change on water resources in the Tianshan Mountians, Central Asia
1
2017
... 积雪是地表覆盖的重要组成部分,是重要的水资源来源,可调节河川径流量,为生态系统可持续发展提供保障,且有益于旅游等发展,为当地带来经济效益[1].气候变暖背景下,全球积雪覆盖面积呈减少趋势,将影响全球生态环境,并导致经济损失[2].天山作为中亚水塔,主导了新疆乃至中亚地区的水循环.新疆有近70%的河流发源于天山,天山地区季节性积雪融水是当地河川径流量的重要补给来源,天山地区积雪时空变化将直接影响新疆农牧业生产及生态环境安全[3].过去半个多世纪,新疆天山山区的气温升高速率高于全球增温速率[4],因此,在全球气候变化背景下,研究天山地区积雪量变化,对新疆生态保护、水资源安全具有重要意义[5-6]. ...
气候变化对中亚天山山区水资源影响研究
1
2017
... 积雪是地表覆盖的重要组成部分,是重要的水资源来源,可调节河川径流量,为生态系统可持续发展提供保障,且有益于旅游等发展,为当地带来经济效益[1].气候变暖背景下,全球积雪覆盖面积呈减少趋势,将影响全球生态环境,并导致经济损失[2].天山作为中亚水塔,主导了新疆乃至中亚地区的水循环.新疆有近70%的河流发源于天山,天山地区季节性积雪融水是当地河川径流量的重要补给来源,天山地区积雪时空变化将直接影响新疆农牧业生产及生态环境安全[3].过去半个多世纪,新疆天山山区的气温升高速率高于全球增温速率[4],因此,在全球气候变化背景下,研究天山地区积雪量变化,对新疆生态保护、水资源安全具有重要意义[5-6]. ...
Quantifying the contributions of snow/glacier meltwater to river runoff in the Tianshan Mountains, Central Asia
1
2019
... 积雪是地表覆盖的重要组成部分,是重要的水资源来源,可调节河川径流量,为生态系统可持续发展提供保障,且有益于旅游等发展,为当地带来经济效益[1].气候变暖背景下,全球积雪覆盖面积呈减少趋势,将影响全球生态环境,并导致经济损失[2].天山作为中亚水塔,主导了新疆乃至中亚地区的水循环.新疆有近70%的河流发源于天山,天山地区季节性积雪融水是当地河川径流量的重要补给来源,天山地区积雪时空变化将直接影响新疆农牧业生产及生态环境安全[3].过去半个多世纪,新疆天山山区的气温升高速率高于全球增温速率[4],因此,在全球气候变化背景下,研究天山地区积雪量变化,对新疆生态保护、水资源安全具有重要意义[5-6]. ...
Challenges in the study of cryospheric changes and their impacts
1
2013
... 积雪是地表覆盖的重要组成部分,是重要的水资源来源,可调节河川径流量,为生态系统可持续发展提供保障,且有益于旅游等发展,为当地带来经济效益[1].气候变暖背景下,全球积雪覆盖面积呈减少趋势,将影响全球生态环境,并导致经济损失[2].天山作为中亚水塔,主导了新疆乃至中亚地区的水循环.新疆有近70%的河流发源于天山,天山地区季节性积雪融水是当地河川径流量的重要补给来源,天山地区积雪时空变化将直接影响新疆农牧业生产及生态环境安全[3].过去半个多世纪,新疆天山山区的气温升高速率高于全球增温速率[4],因此,在全球气候变化背景下,研究天山地区积雪量变化,对新疆生态保护、水资源安全具有重要意义[5-6]. ...
Three Water Line” strategy: its spatial patterns and effects on water resources allocation in Northwest China
1
2018
... 积雪是地表覆盖的重要组成部分,是重要的水资源来源,可调节河川径流量,为生态系统可持续发展提供保障,且有益于旅游等发展,为当地带来经济效益[1].气候变暖背景下,全球积雪覆盖面积呈减少趋势,将影响全球生态环境,并导致经济损失[2].天山作为中亚水塔,主导了新疆乃至中亚地区的水循环.新疆有近70%的河流发源于天山,天山地区季节性积雪融水是当地河川径流量的重要补给来源,天山地区积雪时空变化将直接影响新疆农牧业生产及生态环境安全[3].过去半个多世纪,新疆天山山区的气温升高速率高于全球增温速率[4],因此,在全球气候变化背景下,研究天山地区积雪量变化,对新疆生态保护、水资源安全具有重要意义[5-6]. ...
Spatial variability of snow density and its estimation in different periods of snow season in the middle Tianshan Mountains, China
4
2021
... 近年来,诸多学者利用遥感、实测、气候模式输出等资料,分析了天山地区积雪深度、积雪密度、积雪覆盖面积、积雪初日、积雪日数、积雪量等积雪特征的变化,以及积雪特性与气象、地形等环境因子的关系[7-20].例如,Feng等[7]利用积雪地面调查资料分析了天山地区不同时期的积雪密度空间分布特征,结果表明积雪密度随海拔上升整体呈增加趋势;基于遥感积雪面积的研究表明[8-13],近年来天山全区积雪覆盖率略微减少,天山东部、中部积雪覆盖率显著减少,气温是造成天山积雪面积变化的主要因素[12-13].而基于气候模式的天山山区积雪量研究表明[14-15],3月积雪量的变化受冷季(11月—次年3月)降水总量变化的控制. ...
... [7]利用积雪地面调查资料分析了天山地区不同时期的积雪密度空间分布特征,结果表明积雪密度随海拔上升整体呈增加趋势;基于遥感积雪面积的研究表明[8-13],近年来天山全区积雪覆盖率略微减少,天山东部、中部积雪覆盖率显著减少,气温是造成天山积雪面积变化的主要因素[12-13].而基于气候模式的天山山区积雪量研究表明[14-15],3月积雪量的变化受冷季(11月—次年3月)降水总量变化的控制. ...
... 参考Feng等[7]、李晓峰等[31]和王慧等[32]对积雪期的划分,将11月至次年3月定义为积雪期,其中11—12月为积雪积累期,1—2月为积雪稳定期,3月为积雪消融期.在2017—2018年、2018—2019年两个积雪期内,研究团队对积累期、稳定期、消融期共展开了6次积雪特性地面调查.利用6次实测数据[图2(a)]对研究区内遥感雪深数据精度进行了评估.结果表明[图2(b)],积雪期实测雪深与遥感雪深的相关系数为0.71[图2(b)],积累期、稳定期、消融期的分别为0.32、0.76、0.75[图2(c)~2(e)],均通过了5%水平显著性检验,表明遥感雪深数据集在一定程度上能反映研究区雪深的时空变化. ...
... 本文关于天山地区积雪量时空分布的研究结果表明,在气候变暖背景下,天山地区1979—2020年积雪量呈减少趋势.在积雪量影响因素方面,与大量天山地区积雪时空变化影响因素的学者的研究结论较为一致,均认为海拔、坡度、气温、降水等是影响积雪分布的主要因素[7,10-13,41-43].就上述因素的影响而言,积雪丰富的区域主要集中在海拔较高的地区,海拔越高,积雪越丰富;坡度在15°以下,雪深随坡度增加而增加;气温越低,积雪量越丰富;降水越多,积雪量越大.但值得一提的是,谭秋阳等[40]认为坡度在10°以下时雪深随坡度的增加而减少,这与本文研究结果坡度在15°以下积雪量随坡度增加而增加有一些出入,但总体而言,在一定坡度条件下,坡度越大积雪越容易呈堆积状态.在温度和降水对积雪量影响方面,Barnett等[44]认为气温变化对积雪的影响远比降水变化大的多.在积累期和消融期,积雪受不稳定气温的影响,容易形成液态降水,不利于积雪累积并将加速积雪的融化[9,45].本研究中降水在积累期、消融期对积雪量的影响较小,可能是温度和降水两者综合作用的结果,温度不仅影响了降水的形式,还增加了积雪的融化速率.由于降水对积雪量影响机理较为复杂,既要考虑降水与气温之间的抵消效应,也要考虑固/液态降水的分离以及液态降水对积雪量的融化作用,因此需要进一步研究降水形式与积雪量之间的关系. ...
Study on spatial and temporal distribution of snow cover in Tianshan Mountains of China based on daily cloudless snow cover product of MODIS
1
2017
... 近年来,诸多学者利用遥感、实测、气候模式输出等资料,分析了天山地区积雪深度、积雪密度、积雪覆盖面积、积雪初日、积雪日数、积雪量等积雪特征的变化,以及积雪特性与气象、地形等环境因子的关系[7-20].例如,Feng等[7]利用积雪地面调查资料分析了天山地区不同时期的积雪密度空间分布特征,结果表明积雪密度随海拔上升整体呈增加趋势;基于遥感积雪面积的研究表明[8-13],近年来天山全区积雪覆盖率略微减少,天山东部、中部积雪覆盖率显著减少,气温是造成天山积雪面积变化的主要因素[12-13].而基于气候模式的天山山区积雪量研究表明[14-15],3月积雪量的变化受冷季(11月—次年3月)降水总量变化的控制. ...
基于MODIS积雪产品的中国天山山区积雪时空分布特征研究究
1
2017
... 近年来,诸多学者利用遥感、实测、气候模式输出等资料,分析了天山地区积雪深度、积雪密度、积雪覆盖面积、积雪初日、积雪日数、积雪量等积雪特征的变化,以及积雪特性与气象、地形等环境因子的关系[7-20].例如,Feng等[7]利用积雪地面调查资料分析了天山地区不同时期的积雪密度空间分布特征,结果表明积雪密度随海拔上升整体呈增加趋势;基于遥感积雪面积的研究表明[8-13],近年来天山全区积雪覆盖率略微减少,天山东部、中部积雪覆盖率显著减少,气温是造成天山积雪面积变化的主要因素[12-13].而基于气候模式的天山山区积雪量研究表明[14-15],3月积雪量的变化受冷季(11月—次年3月)降水总量变化的控制. ...
A study on snow cover variability using MODIS in the typical area of Tianshan Mountains, China
1
2012
... 本文关于天山地区积雪量时空分布的研究结果表明,在气候变暖背景下,天山地区1979—2020年积雪量呈减少趋势.在积雪量影响因素方面,与大量天山地区积雪时空变化影响因素的学者的研究结论较为一致,均认为海拔、坡度、气温、降水等是影响积雪分布的主要因素[7,10-13,41-43].就上述因素的影响而言,积雪丰富的区域主要集中在海拔较高的地区,海拔越高,积雪越丰富;坡度在15°以下,雪深随坡度增加而增加;气温越低,积雪量越丰富;降水越多,积雪量越大.但值得一提的是,谭秋阳等[40]认为坡度在10°以下时雪深随坡度的增加而减少,这与本文研究结果坡度在15°以下积雪量随坡度增加而增加有一些出入,但总体而言,在一定坡度条件下,坡度越大积雪越容易呈堆积状态.在温度和降水对积雪量影响方面,Barnett等[44]认为气温变化对积雪的影响远比降水变化大的多.在积累期和消融期,积雪受不稳定气温的影响,容易形成液态降水,不利于积雪累积并将加速积雪的融化[9,45].本研究中降水在积累期、消融期对积雪量的影响较小,可能是温度和降水两者综合作用的结果,温度不仅影响了降水的形式,还增加了积雪的融化速率.由于降水对积雪量影响机理较为复杂,既要考虑降水与气温之间的抵消效应,也要考虑固/液态降水的分离以及液态降水对积雪量的融化作用,因此需要进一步研究降水形式与积雪量之间的关系. ...
基于MODIS数据的我国天山典型区积雪特征研究
1
2012
... 本文关于天山地区积雪量时空分布的研究结果表明,在气候变暖背景下,天山地区1979—2020年积雪量呈减少趋势.在积雪量影响因素方面,与大量天山地区积雪时空变化影响因素的学者的研究结论较为一致,均认为海拔、坡度、气温、降水等是影响积雪分布的主要因素[7,10-13,41-43].就上述因素的影响而言,积雪丰富的区域主要集中在海拔较高的地区,海拔越高,积雪越丰富;坡度在15°以下,雪深随坡度增加而增加;气温越低,积雪量越丰富;降水越多,积雪量越大.但值得一提的是,谭秋阳等[40]认为坡度在10°以下时雪深随坡度的增加而减少,这与本文研究结果坡度在15°以下积雪量随坡度增加而增加有一些出入,但总体而言,在一定坡度条件下,坡度越大积雪越容易呈堆积状态.在温度和降水对积雪量影响方面,Barnett等[44]认为气温变化对积雪的影响远比降水变化大的多.在积累期和消融期,积雪受不稳定气温的影响,容易形成液态降水,不利于积雪累积并将加速积雪的融化[9,45].本研究中降水在积累期、消融期对积雪量的影响较小,可能是温度和降水两者综合作用的结果,温度不仅影响了降水的形式,还增加了积雪的融化速率.由于降水对积雪量影响机理较为复杂,既要考虑降水与气温之间的抵消效应,也要考虑固/液态降水的分离以及液态降水对积雪量的融化作用,因此需要进一步研究降水形式与积雪量之间的关系. ...
Muti-Paths impact from climate change on snow cover in Tianshan Mountainous area of China
1
2016
... 本文关于天山地区积雪量时空分布的研究结果表明,在气候变暖背景下,天山地区1979—2020年积雪量呈减少趋势.在积雪量影响因素方面,与大量天山地区积雪时空变化影响因素的学者的研究结论较为一致,均认为海拔、坡度、气温、降水等是影响积雪分布的主要因素[7,10-13,41-43].就上述因素的影响而言,积雪丰富的区域主要集中在海拔较高的地区,海拔越高,积雪越丰富;坡度在15°以下,雪深随坡度增加而增加;气温越低,积雪量越丰富;降水越多,积雪量越大.但值得一提的是,谭秋阳等[40]认为坡度在10°以下时雪深随坡度的增加而减少,这与本文研究结果坡度在15°以下积雪量随坡度增加而增加有一些出入,但总体而言,在一定坡度条件下,坡度越大积雪越容易呈堆积状态.在温度和降水对积雪量影响方面,Barnett等[44]认为气温变化对积雪的影响远比降水变化大的多.在积累期和消融期,积雪受不稳定气温的影响,容易形成液态降水,不利于积雪累积并将加速积雪的融化[9,45].本研究中降水在积累期、消融期对积雪量的影响较小,可能是温度和降水两者综合作用的结果,温度不仅影响了降水的形式,还增加了积雪的融化速率.由于降水对积雪量影响机理较为复杂,既要考虑降水与气温之间的抵消效应,也要考虑固/液态降水的分离以及液态降水对积雪量的融化作用,因此需要进一步研究降水形式与积雪量之间的关系. ...
中国天山积雪对气候变化响应的多通径分析
1
2016
... 本文关于天山地区积雪量时空分布的研究结果表明,在气候变暖背景下,天山地区1979—2020年积雪量呈减少趋势.在积雪量影响因素方面,与大量天山地区积雪时空变化影响因素的学者的研究结论较为一致,均认为海拔、坡度、气温、降水等是影响积雪分布的主要因素[7,10-13,41-43].就上述因素的影响而言,积雪丰富的区域主要集中在海拔较高的地区,海拔越高,积雪越丰富;坡度在15°以下,雪深随坡度增加而增加;气温越低,积雪量越丰富;降水越多,积雪量越大.但值得一提的是,谭秋阳等[40]认为坡度在10°以下时雪深随坡度的增加而减少,这与本文研究结果坡度在15°以下积雪量随坡度增加而增加有一些出入,但总体而言,在一定坡度条件下,坡度越大积雪越容易呈堆积状态.在温度和降水对积雪量影响方面,Barnett等[44]认为气温变化对积雪的影响远比降水变化大的多.在积累期和消融期,积雪受不稳定气温的影响,容易形成液态降水,不利于积雪累积并将加速积雪的融化[9,45].本研究中降水在积累期、消融期对积雪量的影响较小,可能是温度和降水两者综合作用的结果,温度不仅影响了降水的形式,还增加了积雪的融化速率.由于降水对积雪量影响机理较为复杂,既要考虑降水与气温之间的抵消效应,也要考虑固/液态降水的分离以及液态降水对积雪量的融化作用,因此需要进一步研究降水形式与积雪量之间的关系. ...
Study of the temporal and spatial distribute of the snow cover in the Tianshan Mountains, China
2010
2000—2006年中国天山山区积雪时空分布特征研究
2010
Spatial-temporal variation of snow cover in the Tianshan Mountains from 2001 to 2015, and its relation to temperature and precipitation
1
2018
... 近年来,诸多学者利用遥感、实测、气候模式输出等资料,分析了天山地区积雪深度、积雪密度、积雪覆盖面积、积雪初日、积雪日数、积雪量等积雪特征的变化,以及积雪特性与气象、地形等环境因子的关系[7-20].例如,Feng等[7]利用积雪地面调查资料分析了天山地区不同时期的积雪密度空间分布特征,结果表明积雪密度随海拔上升整体呈增加趋势;基于遥感积雪面积的研究表明[8-13],近年来天山全区积雪覆盖率略微减少,天山东部、中部积雪覆盖率显著减少,气温是造成天山积雪面积变化的主要因素[12-13].而基于气候模式的天山山区积雪量研究表明[14-15],3月积雪量的变化受冷季(11月—次年3月)降水总量变化的控制. ...
2001—2015年天山山区积雪时空变化及其与温度和降水的关系
1
2018
... 近年来,诸多学者利用遥感、实测、气候模式输出等资料,分析了天山地区积雪深度、积雪密度、积雪覆盖面积、积雪初日、积雪日数、积雪量等积雪特征的变化,以及积雪特性与气象、地形等环境因子的关系[7-20].例如,Feng等[7]利用积雪地面调查资料分析了天山地区不同时期的积雪密度空间分布特征,结果表明积雪密度随海拔上升整体呈增加趋势;基于遥感积雪面积的研究表明[8-13],近年来天山全区积雪覆盖率略微减少,天山东部、中部积雪覆盖率显著减少,气温是造成天山积雪面积变化的主要因素[12-13].而基于气候模式的天山山区积雪量研究表明[14-15],3月积雪量的变化受冷季(11月—次年3月)降水总量变化的控制. ...
Spatiotemporal variation of snow cover in Tianshan Mountains based on MODIS
3
2017
... 近年来,诸多学者利用遥感、实测、气候模式输出等资料,分析了天山地区积雪深度、积雪密度、积雪覆盖面积、积雪初日、积雪日数、积雪量等积雪特征的变化,以及积雪特性与气象、地形等环境因子的关系[7-20].例如,Feng等[7]利用积雪地面调查资料分析了天山地区不同时期的积雪密度空间分布特征,结果表明积雪密度随海拔上升整体呈增加趋势;基于遥感积雪面积的研究表明[8-13],近年来天山全区积雪覆盖率略微减少,天山东部、中部积雪覆盖率显著减少,气温是造成天山积雪面积变化的主要因素[12-13].而基于气候模式的天山山区积雪量研究表明[14-15],3月积雪量的变化受冷季(11月—次年3月)降水总量变化的控制. ...
... -13].而基于气候模式的天山山区积雪量研究表明[14-15],3月积雪量的变化受冷季(11月—次年3月)降水总量变化的控制. ...
... 本文关于天山地区积雪量时空分布的研究结果表明,在气候变暖背景下,天山地区1979—2020年积雪量呈减少趋势.在积雪量影响因素方面,与大量天山地区积雪时空变化影响因素的学者的研究结论较为一致,均认为海拔、坡度、气温、降水等是影响积雪分布的主要因素[7,10-13,41-43].就上述因素的影响而言,积雪丰富的区域主要集中在海拔较高的地区,海拔越高,积雪越丰富;坡度在15°以下,雪深随坡度增加而增加;气温越低,积雪量越丰富;降水越多,积雪量越大.但值得一提的是,谭秋阳等[40]认为坡度在10°以下时雪深随坡度的增加而减少,这与本文研究结果坡度在15°以下积雪量随坡度增加而增加有一些出入,但总体而言,在一定坡度条件下,坡度越大积雪越容易呈堆积状态.在温度和降水对积雪量影响方面,Barnett等[44]认为气温变化对积雪的影响远比降水变化大的多.在积累期和消融期,积雪受不稳定气温的影响,容易形成液态降水,不利于积雪累积并将加速积雪的融化[9,45].本研究中降水在积累期、消融期对积雪量的影响较小,可能是温度和降水两者综合作用的结果,温度不仅影响了降水的形式,还增加了积雪的融化速率.由于降水对积雪量影响机理较为复杂,既要考虑降水与气温之间的抵消效应,也要考虑固/液态降水的分离以及液态降水对积雪量的融化作用,因此需要进一步研究降水形式与积雪量之间的关系. ...
近15年天山地区积雪时空变化遥感研究
3
2017
... 近年来,诸多学者利用遥感、实测、气候模式输出等资料,分析了天山地区积雪深度、积雪密度、积雪覆盖面积、积雪初日、积雪日数、积雪量等积雪特征的变化,以及积雪特性与气象、地形等环境因子的关系[7-20].例如,Feng等[7]利用积雪地面调查资料分析了天山地区不同时期的积雪密度空间分布特征,结果表明积雪密度随海拔上升整体呈增加趋势;基于遥感积雪面积的研究表明[8-13],近年来天山全区积雪覆盖率略微减少,天山东部、中部积雪覆盖率显著减少,气温是造成天山积雪面积变化的主要因素[12-13].而基于气候模式的天山山区积雪量研究表明[14-15],3月积雪量的变化受冷季(11月—次年3月)降水总量变化的控制. ...
... -13].而基于气候模式的天山山区积雪量研究表明[14-15],3月积雪量的变化受冷季(11月—次年3月)降水总量变化的控制. ...
... 本文关于天山地区积雪量时空分布的研究结果表明,在气候变暖背景下,天山地区1979—2020年积雪量呈减少趋势.在积雪量影响因素方面,与大量天山地区积雪时空变化影响因素的学者的研究结论较为一致,均认为海拔、坡度、气温、降水等是影响积雪分布的主要因素[7,10-13,41-43].就上述因素的影响而言,积雪丰富的区域主要集中在海拔较高的地区,海拔越高,积雪越丰富;坡度在15°以下,雪深随坡度增加而增加;气温越低,积雪量越丰富;降水越多,积雪量越大.但值得一提的是,谭秋阳等[40]认为坡度在10°以下时雪深随坡度的增加而减少,这与本文研究结果坡度在15°以下积雪量随坡度增加而增加有一些出入,但总体而言,在一定坡度条件下,坡度越大积雪越容易呈堆积状态.在温度和降水对积雪量影响方面,Barnett等[44]认为气温变化对积雪的影响远比降水变化大的多.在积累期和消融期,积雪受不稳定气温的影响,容易形成液态降水,不利于积雪累积并将加速积雪的融化[9,45].本研究中降水在积累期、消融期对积雪量的影响较小,可能是温度和降水两者综合作用的结果,温度不仅影响了降水的形式,还增加了积雪的融化速率.由于降水对积雪量影响机理较为复杂,既要考虑降水与气温之间的抵消效应,也要考虑固/液态降水的分离以及液态降水对积雪量的融化作用,因此需要进一步研究降水形式与积雪量之间的关系. ...
Improving snow simulation with more realistic vegetation parameters in a regional climate model in the Tianshan Mountains, Central Asia
1
2020
... 近年来,诸多学者利用遥感、实测、气候模式输出等资料,分析了天山地区积雪深度、积雪密度、积雪覆盖面积、积雪初日、积雪日数、积雪量等积雪特征的变化,以及积雪特性与气象、地形等环境因子的关系[7-20].例如,Feng等[7]利用积雪地面调查资料分析了天山地区不同时期的积雪密度空间分布特征,结果表明积雪密度随海拔上升整体呈增加趋势;基于遥感积雪面积的研究表明[8-13],近年来天山全区积雪覆盖率略微减少,天山东部、中部积雪覆盖率显著减少,气温是造成天山积雪面积变化的主要因素[12-13].而基于气候模式的天山山区积雪量研究表明[14-15],3月积雪量的变化受冷季(11月—次年3月)降水总量变化的控制. ...
Variation of snow mass in a regional climate model downscaling simulation covering the Tianshan Mountains, Central Asia
1
2021
... 近年来,诸多学者利用遥感、实测、气候模式输出等资料,分析了天山地区积雪深度、积雪密度、积雪覆盖面积、积雪初日、积雪日数、积雪量等积雪特征的变化,以及积雪特性与气象、地形等环境因子的关系[7-20].例如,Feng等[7]利用积雪地面调查资料分析了天山地区不同时期的积雪密度空间分布特征,结果表明积雪密度随海拔上升整体呈增加趋势;基于遥感积雪面积的研究表明[8-13],近年来天山全区积雪覆盖率略微减少,天山东部、中部积雪覆盖率显著减少,气温是造成天山积雪面积变化的主要因素[12-13].而基于气候模式的天山山区积雪量研究表明[14-15],3月积雪量的变化受冷季(11月—次年3月)降水总量变化的控制. ...
Spatial and temporal variations of snow cover area and NDVI in the west of Tianshan Mountains
2010
2001—2008年天山西部山区积雪覆盖及NDVI的时空变化特性
2010
Snow cover variation in the past 45 years in Tianshan Mountains, China
2007
Variation trends of snow cover in the middle mountains of western Tianshan Mts. and their relations to temperature and precipitation
2002
天山西部中山带积雪变化趋势与气温和降水的关系——以巩乃斯河谷为例
2002
A study of spatial distribution of snow cover days in the Tianshan Mountains based on MODIS snow products
2016
基于MODIS积雪产品的天山年积雪日数空间分布特征研究
2016
Spatial and temporal characteristics of satellite snow cover in a typical area of Tianshan Mountains
1
2011
... 近年来,诸多学者利用遥感、实测、气候模式输出等资料,分析了天山地区积雪深度、积雪密度、积雪覆盖面积、积雪初日、积雪日数、积雪量等积雪特征的变化,以及积雪特性与气象、地形等环境因子的关系[7-20].例如,Feng等[7]利用积雪地面调查资料分析了天山地区不同时期的积雪密度空间分布特征,结果表明积雪密度随海拔上升整体呈增加趋势;基于遥感积雪面积的研究表明[8-13],近年来天山全区积雪覆盖率略微减少,天山东部、中部积雪覆盖率显著减少,气温是造成天山积雪面积变化的主要因素[12-13].而基于气候模式的天山山区积雪量研究表明[14-15],3月积雪量的变化受冷季(11月—次年3月)降水总量变化的控制. ...
天山典型区卫星积雪时空特征研究
1
2011
... 近年来,诸多学者利用遥感、实测、气候模式输出等资料,分析了天山地区积雪深度、积雪密度、积雪覆盖面积、积雪初日、积雪日数、积雪量等积雪特征的变化,以及积雪特性与气象、地形等环境因子的关系[7-20].例如,Feng等[7]利用积雪地面调查资料分析了天山地区不同时期的积雪密度空间分布特征,结果表明积雪密度随海拔上升整体呈增加趋势;基于遥感积雪面积的研究表明[8-13],近年来天山全区积雪覆盖率略微减少,天山东部、中部积雪覆盖率显著减少,气温是造成天山积雪面积变化的主要因素[12-13].而基于气候模式的天山山区积雪量研究表明[14-15],3月积雪量的变化受冷季(11月—次年3月)降水总量变化的控制. ...
Long-term series of daily snow depth dataset in China (1979—2020)
2
2015
... 被动微波遥感能够穿透云层和地表,获取积雪深度等积雪参数信息,已有学者利用被动微波遥感对中国主要积雪区(新疆、青藏高原、东北、华北和内蒙古)的积雪深度进行了反演[21-26].例如,Che等[21]修正了星载微波辐射计SMMR(Scanning Multichannel Microwave Radiometer)、SSM/I(Special Sensor Microwave Imager)在中国区域的系数,获取了中国长时间序列雪深数据集;蒋玲梅等[22]和李长春等[23]利用微波成像仪FY-3B/MWRI(Fengyun 3B Microwave Radiation Imager)资料和土地覆盖数据,反演了中国主要积雪区和新疆不同下垫面的积雪深度;刘洋等[24]利用Sentinel-1数据对新疆巴音布鲁克地区的积雪深度进行了反演.但鲜有学者基于微波遥感反演积雪密度,进而估算区域积雪量的时空分布特征并分析其影响因子. ...
... [21]修正了星载微波辐射计SMMR(Scanning Multichannel Microwave Radiometer)、SSM/I(Special Sensor Microwave Imager)在中国区域的系数,获取了中国长时间序列雪深数据集;蒋玲梅等[22]和李长春等[23]利用微波成像仪FY-3B/MWRI(Fengyun 3B Microwave Radiation Imager)资料和土地覆盖数据,反演了中国主要积雪区和新疆不同下垫面的积雪深度;刘洋等[24]利用Sentinel-1数据对新疆巴音布鲁克地区的积雪深度进行了反演.但鲜有学者基于微波遥感反演积雪密度,进而估算区域积雪量的时空分布特征并分析其影响因子. ...
中国雪深长时间序列数据集(1979—2020)
2
2015
... 被动微波遥感能够穿透云层和地表,获取积雪深度等积雪参数信息,已有学者利用被动微波遥感对中国主要积雪区(新疆、青藏高原、东北、华北和内蒙古)的积雪深度进行了反演[21-26].例如,Che等[21]修正了星载微波辐射计SMMR(Scanning Multichannel Microwave Radiometer)、SSM/I(Special Sensor Microwave Imager)在中国区域的系数,获取了中国长时间序列雪深数据集;蒋玲梅等[22]和李长春等[23]利用微波成像仪FY-3B/MWRI(Fengyun 3B Microwave Radiation Imager)资料和土地覆盖数据,反演了中国主要积雪区和新疆不同下垫面的积雪深度;刘洋等[24]利用Sentinel-1数据对新疆巴音布鲁克地区的积雪深度进行了反演.但鲜有学者基于微波遥感反演积雪密度,进而估算区域积雪量的时空分布特征并分析其影响因子. ...
... [21]修正了星载微波辐射计SMMR(Scanning Multichannel Microwave Radiometer)、SSM/I(Special Sensor Microwave Imager)在中国区域的系数,获取了中国长时间序列雪深数据集;蒋玲梅等[22]和李长春等[23]利用微波成像仪FY-3B/MWRI(Fengyun 3B Microwave Radiation Imager)资料和土地覆盖数据,反演了中国主要积雪区和新疆不同下垫面的积雪深度;刘洋等[24]利用Sentinel-1数据对新疆巴音布鲁克地区的积雪深度进行了反演.但鲜有学者基于微波遥感反演积雪密度,进而估算区域积雪量的时空分布特征并分析其影响因子. ...
Improvement of snow depth retrieval for FY3B-MWRI in China
7
2014
... 被动微波遥感能够穿透云层和地表,获取积雪深度等积雪参数信息,已有学者利用被动微波遥感对中国主要积雪区(新疆、青藏高原、东北、华北和内蒙古)的积雪深度进行了反演[21-26].例如,Che等[21]修正了星载微波辐射计SMMR(Scanning Multichannel Microwave Radiometer)、SSM/I(Special Sensor Microwave Imager)在中国区域的系数,获取了中国长时间序列雪深数据集;蒋玲梅等[22]和李长春等[23]利用微波成像仪FY-3B/MWRI(Fengyun 3B Microwave Radiation Imager)资料和土地覆盖数据,反演了中国主要积雪区和新疆不同下垫面的积雪深度;刘洋等[24]利用Sentinel-1数据对新疆巴音布鲁克地区的积雪深度进行了反演.但鲜有学者基于微波遥感反演积雪密度,进而估算区域积雪量的时空分布特征并分析其影响因子. ...
... 本文利用被动微波数据反演天山地区积雪密度,被动微波数据选用我国FY-3B卫星搭载的MWRI探测器的一级亮温数据(http://satellite.nsmc.org.cn/portalsite/default.Aspx).MWRI传感器是一款具有10通道、5频率(10.65 GHz、18.75 GHz、23.80 GHz、36.50 GHz、89.00 GHz)(以下简写为10 GHz、18 GHz、23 GHz、36 GHz、89 GHz)的双极化(V/H)圆锥扫描星载微波辐射计.相较于FY-3A/MWRI,FY-3B/MWRI解决了动态平衡问题,自发射以来运行稳定,连续观测情况较好;与FY-3C、3D/MWRI相比,FY-3B/MWRI运行中的灵敏度稳定,运行时间较长,在积雪研究中应用较为广泛[22-23,25-26,33-35].对FY-3B/MWRI遥感数据进行坐标转换、重采样、亮温提取等处理,将坐标转换至EASE-GRID投影.考虑到本文所用的MWRI遥感数据的空间分辨率为9~85 km,利用双线性方法将FY-3B/MWRI数据重采样至10 km. ...
... 目前被动微波反演雪密度缺乏足够的理论支持,考虑到雪深和雪粒径是影响积雪散射的重要因子,雪密度与雪深和雪粒径关系密切,参考已有学者对积雪深度的遥感反演,本研究选取雪深遥感反演常用的10 GHz、18 GHz、36 GHz、89 GHz[22-23, 25-26]波段,构建各波段亮温差与雪密度的经验关系,进行雪密度遥感反演.事实上,本研究中实测雪深小于10 cm的浅雪采样点约占30%,而18 GHz、36 GHz、89 GHz有益于识别浅雪信息[22],且高频波段36 GHz、89 GHz对积雪颗粒的散射敏感[37-38].根据2017—2018积雪期观测积雪密度,筛选研究区相应日期的MWRI微波10 GHz、18 GHz、36 GHz、89 GHz的V、H极化频率组合反演积雪密度.基于三种下垫面类型,对选取的8个波段(10V、10H、18V、18H、36V、36H、89V、89H)进行组合,利用逐步线性回归方法,剔除相关性较低的组合,最终获得最佳波段组合[22-23],如式(1)~(3)所示. ...
... [22],且高频波段36 GHz、89 GHz对积雪颗粒的散射敏感[37-38].根据2017—2018积雪期观测积雪密度,筛选研究区相应日期的MWRI微波10 GHz、18 GHz、36 GHz、89 GHz的V、H极化频率组合反演积雪密度.基于三种下垫面类型,对选取的8个波段(10V、10H、18V、18H、36V、36H、89V、89H)进行组合,利用逐步线性回归方法,剔除相关性较低的组合,最终获得最佳波段组合[22-23],如式(1)~(3)所示. ...
... [22-23],如式(1)~(3)所示. ...
... 图7为式(1)~(3)反演的林地、草地、裸土积雪密度率定和验证效果.结果表明,构建的积雪密度反演公式能够较好地反映不同下垫面的积雪密度(验证期相关系数通过了5%水平显著性检验),且草地积雪密度的遥感反演结果好于林地和裸土.这主要是由于林地植被削弱了高低频亮温差,且林地多在山区,森林的郁闭度与地形影响将导致积雪密度反演误差增大;裸土在整个研究区面积占比为75.17%,下垫面情况较为复杂,但样本数又较少,在一定程度上影响反演效果;而草地的样本较多,下垫面较为均一,使反演效果较好[22]. ...
... 在积雪期,随着积雪深度、积雪粒径、积雪含水率以及积雪反照率等条件的变化,积雪对被动微波各波段响应程度不同[46].例如,10 GHz和18 GHz有利于识别雪下地物信息[22],89 GHz与18 GHz、36 GHz的频率差能够较好地反映浅雪信息[36],在高频波段,由于雪颗粒的散射作用,积雪辐射对雪颗粒大小响应敏感[37-38,47].本文提出的积雪密度反演方法基于各波段对雪深、雪粒径等积雪参数的响应特征,因此在利用微波遥感数据反演积雪密度时,波段的选择对反演的影响较大.同时将研究区地物分为林地、草地、裸土三类,不同地物类型积雪密度反演所用波段信息不一致.从反演结果可以看出,草地的反演效果较好,林地和裸土的较差.主要原因分为两个方面:一方面三种地物类型的积雪覆盖对各波段的响应不同,另一方面不同地物类型的实测样点数量不一样;此外,本研究还存在一定不足,比如仅用两个积雪期的实测资料对积雪密度反演进行率定和验证,数据量较少,影响反演结果的精度,未来需完善积雪实测资料,提高积雪密度遥感反演精度,并获取全年积雪密度,进而分析全年积雪量及其随时间的变化趋势. ...
FY3B-MWRI中国区域雪深反演算法改进
7
2014
... 被动微波遥感能够穿透云层和地表,获取积雪深度等积雪参数信息,已有学者利用被动微波遥感对中国主要积雪区(新疆、青藏高原、东北、华北和内蒙古)的积雪深度进行了反演[21-26].例如,Che等[21]修正了星载微波辐射计SMMR(Scanning Multichannel Microwave Radiometer)、SSM/I(Special Sensor Microwave Imager)在中国区域的系数,获取了中国长时间序列雪深数据集;蒋玲梅等[22]和李长春等[23]利用微波成像仪FY-3B/MWRI(Fengyun 3B Microwave Radiation Imager)资料和土地覆盖数据,反演了中国主要积雪区和新疆不同下垫面的积雪深度;刘洋等[24]利用Sentinel-1数据对新疆巴音布鲁克地区的积雪深度进行了反演.但鲜有学者基于微波遥感反演积雪密度,进而估算区域积雪量的时空分布特征并分析其影响因子. ...
... 本文利用被动微波数据反演天山地区积雪密度,被动微波数据选用我国FY-3B卫星搭载的MWRI探测器的一级亮温数据(http://satellite.nsmc.org.cn/portalsite/default.Aspx).MWRI传感器是一款具有10通道、5频率(10.65 GHz、18.75 GHz、23.80 GHz、36.50 GHz、89.00 GHz)(以下简写为10 GHz、18 GHz、23 GHz、36 GHz、89 GHz)的双极化(V/H)圆锥扫描星载微波辐射计.相较于FY-3A/MWRI,FY-3B/MWRI解决了动态平衡问题,自发射以来运行稳定,连续观测情况较好;与FY-3C、3D/MWRI相比,FY-3B/MWRI运行中的灵敏度稳定,运行时间较长,在积雪研究中应用较为广泛[22-23,25-26,33-35].对FY-3B/MWRI遥感数据进行坐标转换、重采样、亮温提取等处理,将坐标转换至EASE-GRID投影.考虑到本文所用的MWRI遥感数据的空间分辨率为9~85 km,利用双线性方法将FY-3B/MWRI数据重采样至10 km. ...
... 目前被动微波反演雪密度缺乏足够的理论支持,考虑到雪深和雪粒径是影响积雪散射的重要因子,雪密度与雪深和雪粒径关系密切,参考已有学者对积雪深度的遥感反演,本研究选取雪深遥感反演常用的10 GHz、18 GHz、36 GHz、89 GHz[22-23, 25-26]波段,构建各波段亮温差与雪密度的经验关系,进行雪密度遥感反演.事实上,本研究中实测雪深小于10 cm的浅雪采样点约占30%,而18 GHz、36 GHz、89 GHz有益于识别浅雪信息[22],且高频波段36 GHz、89 GHz对积雪颗粒的散射敏感[37-38].根据2017—2018积雪期观测积雪密度,筛选研究区相应日期的MWRI微波10 GHz、18 GHz、36 GHz、89 GHz的V、H极化频率组合反演积雪密度.基于三种下垫面类型,对选取的8个波段(10V、10H、18V、18H、36V、36H、89V、89H)进行组合,利用逐步线性回归方法,剔除相关性较低的组合,最终获得最佳波段组合[22-23],如式(1)~(3)所示. ...
... [22],且高频波段36 GHz、89 GHz对积雪颗粒的散射敏感[37-38].根据2017—2018积雪期观测积雪密度,筛选研究区相应日期的MWRI微波10 GHz、18 GHz、36 GHz、89 GHz的V、H极化频率组合反演积雪密度.基于三种下垫面类型,对选取的8个波段(10V、10H、18V、18H、36V、36H、89V、89H)进行组合,利用逐步线性回归方法,剔除相关性较低的组合,最终获得最佳波段组合[22-23],如式(1)~(3)所示. ...
... [22-23],如式(1)~(3)所示. ...
... 图7为式(1)~(3)反演的林地、草地、裸土积雪密度率定和验证效果.结果表明,构建的积雪密度反演公式能够较好地反映不同下垫面的积雪密度(验证期相关系数通过了5%水平显著性检验),且草地积雪密度的遥感反演结果好于林地和裸土.这主要是由于林地植被削弱了高低频亮温差,且林地多在山区,森林的郁闭度与地形影响将导致积雪密度反演误差增大;裸土在整个研究区面积占比为75.17%,下垫面情况较为复杂,但样本数又较少,在一定程度上影响反演效果;而草地的样本较多,下垫面较为均一,使反演效果较好[22]. ...
... 在积雪期,随着积雪深度、积雪粒径、积雪含水率以及积雪反照率等条件的变化,积雪对被动微波各波段响应程度不同[46].例如,10 GHz和18 GHz有利于识别雪下地物信息[22],89 GHz与18 GHz、36 GHz的频率差能够较好地反映浅雪信息[36],在高频波段,由于雪颗粒的散射作用,积雪辐射对雪颗粒大小响应敏感[37-38,47].本文提出的积雪密度反演方法基于各波段对雪深、雪粒径等积雪参数的响应特征,因此在利用微波遥感数据反演积雪密度时,波段的选择对反演的影响较大.同时将研究区地物分为林地、草地、裸土三类,不同地物类型积雪密度反演所用波段信息不一致.从反演结果可以看出,草地的反演效果较好,林地和裸土的较差.主要原因分为两个方面:一方面三种地物类型的积雪覆盖对各波段的响应不同,另一方面不同地物类型的实测样点数量不一样;此外,本研究还存在一定不足,比如仅用两个积雪期的实测资料对积雪密度反演进行率定和验证,数据量较少,影响反演结果的精度,未来需完善积雪实测资料,提高积雪密度遥感反演精度,并获取全年积雪密度,进而分析全年积雪量及其随时间的变化趋势. ...
The study on snow depth retrieval in Xinjiang region based on FY3B-MWRI data
4
2018
... 被动微波遥感能够穿透云层和地表,获取积雪深度等积雪参数信息,已有学者利用被动微波遥感对中国主要积雪区(新疆、青藏高原、东北、华北和内蒙古)的积雪深度进行了反演[21-26].例如,Che等[21]修正了星载微波辐射计SMMR(Scanning Multichannel Microwave Radiometer)、SSM/I(Special Sensor Microwave Imager)在中国区域的系数,获取了中国长时间序列雪深数据集;蒋玲梅等[22]和李长春等[23]利用微波成像仪FY-3B/MWRI(Fengyun 3B Microwave Radiation Imager)资料和土地覆盖数据,反演了中国主要积雪区和新疆不同下垫面的积雪深度;刘洋等[24]利用Sentinel-1数据对新疆巴音布鲁克地区的积雪深度进行了反演.但鲜有学者基于微波遥感反演积雪密度,进而估算区域积雪量的时空分布特征并分析其影响因子. ...
... 本文利用被动微波数据反演天山地区积雪密度,被动微波数据选用我国FY-3B卫星搭载的MWRI探测器的一级亮温数据(http://satellite.nsmc.org.cn/portalsite/default.Aspx).MWRI传感器是一款具有10通道、5频率(10.65 GHz、18.75 GHz、23.80 GHz、36.50 GHz、89.00 GHz)(以下简写为10 GHz、18 GHz、23 GHz、36 GHz、89 GHz)的双极化(V/H)圆锥扫描星载微波辐射计.相较于FY-3A/MWRI,FY-3B/MWRI解决了动态平衡问题,自发射以来运行稳定,连续观测情况较好;与FY-3C、3D/MWRI相比,FY-3B/MWRI运行中的灵敏度稳定,运行时间较长,在积雪研究中应用较为广泛[22-23,25-26,33-35].对FY-3B/MWRI遥感数据进行坐标转换、重采样、亮温提取等处理,将坐标转换至EASE-GRID投影.考虑到本文所用的MWRI遥感数据的空间分辨率为9~85 km,利用双线性方法将FY-3B/MWRI数据重采样至10 km. ...
... 目前被动微波反演雪密度缺乏足够的理论支持,考虑到雪深和雪粒径是影响积雪散射的重要因子,雪密度与雪深和雪粒径关系密切,参考已有学者对积雪深度的遥感反演,本研究选取雪深遥感反演常用的10 GHz、18 GHz、36 GHz、89 GHz[22-23, 25-26]波段,构建各波段亮温差与雪密度的经验关系,进行雪密度遥感反演.事实上,本研究中实测雪深小于10 cm的浅雪采样点约占30%,而18 GHz、36 GHz、89 GHz有益于识别浅雪信息[22],且高频波段36 GHz、89 GHz对积雪颗粒的散射敏感[37-38].根据2017—2018积雪期观测积雪密度,筛选研究区相应日期的MWRI微波10 GHz、18 GHz、36 GHz、89 GHz的V、H极化频率组合反演积雪密度.基于三种下垫面类型,对选取的8个波段(10V、10H、18V、18H、36V、36H、89V、89H)进行组合,利用逐步线性回归方法,剔除相关性较低的组合,最终获得最佳波段组合[22-23],如式(1)~(3)所示. ...
... -23],如式(1)~(3)所示. ...
基于FY3B-MWRI数据新疆区域积雪深度反演
4
2018
... 被动微波遥感能够穿透云层和地表,获取积雪深度等积雪参数信息,已有学者利用被动微波遥感对中国主要积雪区(新疆、青藏高原、东北、华北和内蒙古)的积雪深度进行了反演[21-26].例如,Che等[21]修正了星载微波辐射计SMMR(Scanning Multichannel Microwave Radiometer)、SSM/I(Special Sensor Microwave Imager)在中国区域的系数,获取了中国长时间序列雪深数据集;蒋玲梅等[22]和李长春等[23]利用微波成像仪FY-3B/MWRI(Fengyun 3B Microwave Radiation Imager)资料和土地覆盖数据,反演了中国主要积雪区和新疆不同下垫面的积雪深度;刘洋等[24]利用Sentinel-1数据对新疆巴音布鲁克地区的积雪深度进行了反演.但鲜有学者基于微波遥感反演积雪密度,进而估算区域积雪量的时空分布特征并分析其影响因子. ...
... 本文利用被动微波数据反演天山地区积雪密度,被动微波数据选用我国FY-3B卫星搭载的MWRI探测器的一级亮温数据(http://satellite.nsmc.org.cn/portalsite/default.Aspx).MWRI传感器是一款具有10通道、5频率(10.65 GHz、18.75 GHz、23.80 GHz、36.50 GHz、89.00 GHz)(以下简写为10 GHz、18 GHz、23 GHz、36 GHz、89 GHz)的双极化(V/H)圆锥扫描星载微波辐射计.相较于FY-3A/MWRI,FY-3B/MWRI解决了动态平衡问题,自发射以来运行稳定,连续观测情况较好;与FY-3C、3D/MWRI相比,FY-3B/MWRI运行中的灵敏度稳定,运行时间较长,在积雪研究中应用较为广泛[22-23,25-26,33-35].对FY-3B/MWRI遥感数据进行坐标转换、重采样、亮温提取等处理,将坐标转换至EASE-GRID投影.考虑到本文所用的MWRI遥感数据的空间分辨率为9~85 km,利用双线性方法将FY-3B/MWRI数据重采样至10 km. ...
... 目前被动微波反演雪密度缺乏足够的理论支持,考虑到雪深和雪粒径是影响积雪散射的重要因子,雪密度与雪深和雪粒径关系密切,参考已有学者对积雪深度的遥感反演,本研究选取雪深遥感反演常用的10 GHz、18 GHz、36 GHz、89 GHz[22-23, 25-26]波段,构建各波段亮温差与雪密度的经验关系,进行雪密度遥感反演.事实上,本研究中实测雪深小于10 cm的浅雪采样点约占30%,而18 GHz、36 GHz、89 GHz有益于识别浅雪信息[22],且高频波段36 GHz、89 GHz对积雪颗粒的散射敏感[37-38].根据2017—2018积雪期观测积雪密度,筛选研究区相应日期的MWRI微波10 GHz、18 GHz、36 GHz、89 GHz的V、H极化频率组合反演积雪密度.基于三种下垫面类型,对选取的8个波段(10V、10H、18V、18H、36V、36H、89V、89H)进行组合,利用逐步线性回归方法,剔除相关性较低的组合,最终获得最佳波段组合[22-23],如式(1)~(3)所示. ...
... -23],如式(1)~(3)所示. ...
Snow depth inversion based on D-InSAR method
1
2018
... 被动微波遥感能够穿透云层和地表,获取积雪深度等积雪参数信息,已有学者利用被动微波遥感对中国主要积雪区(新疆、青藏高原、东北、华北和内蒙古)的积雪深度进行了反演[21-26].例如,Che等[21]修正了星载微波辐射计SMMR(Scanning Multichannel Microwave Radiometer)、SSM/I(Special Sensor Microwave Imager)在中国区域的系数,获取了中国长时间序列雪深数据集;蒋玲梅等[22]和李长春等[23]利用微波成像仪FY-3B/MWRI(Fengyun 3B Microwave Radiation Imager)资料和土地覆盖数据,反演了中国主要积雪区和新疆不同下垫面的积雪深度;刘洋等[24]利用Sentinel-1数据对新疆巴音布鲁克地区的积雪深度进行了反演.但鲜有学者基于微波遥感反演积雪密度,进而估算区域积雪量的时空分布特征并分析其影响因子. ...
D-InSAR技术的积雪深度反演
1
2018
... 被动微波遥感能够穿透云层和地表,获取积雪深度等积雪参数信息,已有学者利用被动微波遥感对中国主要积雪区(新疆、青藏高原、东北、华北和内蒙古)的积雪深度进行了反演[21-26].例如,Che等[21]修正了星载微波辐射计SMMR(Scanning Multichannel Microwave Radiometer)、SSM/I(Special Sensor Microwave Imager)在中国区域的系数,获取了中国长时间序列雪深数据集;蒋玲梅等[22]和李长春等[23]利用微波成像仪FY-3B/MWRI(Fengyun 3B Microwave Radiation Imager)资料和土地覆盖数据,反演了中国主要积雪区和新疆不同下垫面的积雪深度;刘洋等[24]利用Sentinel-1数据对新疆巴音布鲁克地区的积雪深度进行了反演.但鲜有学者基于微波遥感反演积雪密度,进而估算区域积雪量的时空分布特征并分析其影响因子. ...
Retrieval of snow depth from FY-3B/MWRI data over the Qinghai-Tibetan Plateau
2
2020
... 本文利用被动微波数据反演天山地区积雪密度,被动微波数据选用我国FY-3B卫星搭载的MWRI探测器的一级亮温数据(http://satellite.nsmc.org.cn/portalsite/default.Aspx).MWRI传感器是一款具有10通道、5频率(10.65 GHz、18.75 GHz、23.80 GHz、36.50 GHz、89.00 GHz)(以下简写为10 GHz、18 GHz、23 GHz、36 GHz、89 GHz)的双极化(V/H)圆锥扫描星载微波辐射计.相较于FY-3A/MWRI,FY-3B/MWRI解决了动态平衡问题,自发射以来运行稳定,连续观测情况较好;与FY-3C、3D/MWRI相比,FY-3B/MWRI运行中的灵敏度稳定,运行时间较长,在积雪研究中应用较为广泛[22-23,25-26,33-35].对FY-3B/MWRI遥感数据进行坐标转换、重采样、亮温提取等处理,将坐标转换至EASE-GRID投影.考虑到本文所用的MWRI遥感数据的空间分辨率为9~85 km,利用双线性方法将FY-3B/MWRI数据重采样至10 km. ...
... 目前被动微波反演雪密度缺乏足够的理论支持,考虑到雪深和雪粒径是影响积雪散射的重要因子,雪密度与雪深和雪粒径关系密切,参考已有学者对积雪深度的遥感反演,本研究选取雪深遥感反演常用的10 GHz、18 GHz、36 GHz、89 GHz[22-23, 25-26]波段,构建各波段亮温差与雪密度的经验关系,进行雪密度遥感反演.事实上,本研究中实测雪深小于10 cm的浅雪采样点约占30%,而18 GHz、36 GHz、89 GHz有益于识别浅雪信息[22],且高频波段36 GHz、89 GHz对积雪颗粒的散射敏感[37-38].根据2017—2018积雪期观测积雪密度,筛选研究区相应日期的MWRI微波10 GHz、18 GHz、36 GHz、89 GHz的V、H极化频率组合反演积雪密度.基于三种下垫面类型,对选取的8个波段(10V、10H、18V、18H、36V、36H、89V、89H)进行组合,利用逐步线性回归方法,剔除相关性较低的组合,最终获得最佳波段组合[22-23],如式(1)~(3)所示. ...
基于FY-3B/MWRI数据的青藏高原地区积雪深度反演
2
2020
... 本文利用被动微波数据反演天山地区积雪密度,被动微波数据选用我国FY-3B卫星搭载的MWRI探测器的一级亮温数据(http://satellite.nsmc.org.cn/portalsite/default.Aspx).MWRI传感器是一款具有10通道、5频率(10.65 GHz、18.75 GHz、23.80 GHz、36.50 GHz、89.00 GHz)(以下简写为10 GHz、18 GHz、23 GHz、36 GHz、89 GHz)的双极化(V/H)圆锥扫描星载微波辐射计.相较于FY-3A/MWRI,FY-3B/MWRI解决了动态平衡问题,自发射以来运行稳定,连续观测情况较好;与FY-3C、3D/MWRI相比,FY-3B/MWRI运行中的灵敏度稳定,运行时间较长,在积雪研究中应用较为广泛[22-23,25-26,33-35].对FY-3B/MWRI遥感数据进行坐标转换、重采样、亮温提取等处理,将坐标转换至EASE-GRID投影.考虑到本文所用的MWRI遥感数据的空间分辨率为9~85 km,利用双线性方法将FY-3B/MWRI数据重采样至10 km. ...
... 目前被动微波反演雪密度缺乏足够的理论支持,考虑到雪深和雪粒径是影响积雪散射的重要因子,雪密度与雪深和雪粒径关系密切,参考已有学者对积雪深度的遥感反演,本研究选取雪深遥感反演常用的10 GHz、18 GHz、36 GHz、89 GHz[22-23, 25-26]波段,构建各波段亮温差与雪密度的经验关系,进行雪密度遥感反演.事实上,本研究中实测雪深小于10 cm的浅雪采样点约占30%,而18 GHz、36 GHz、89 GHz有益于识别浅雪信息[22],且高频波段36 GHz、89 GHz对积雪颗粒的散射敏感[37-38].根据2017—2018积雪期观测积雪密度,筛选研究区相应日期的MWRI微波10 GHz、18 GHz、36 GHz、89 GHz的V、H极化频率组合反演积雪密度.基于三种下垫面类型,对选取的8个波段(10V、10H、18V、18H、36V、36H、89V、89H)进行组合,利用逐步线性回归方法,剔除相关性较低的组合,最终获得最佳波段组合[22-23],如式(1)~(3)所示. ...
Validation and analysis of snow depth inversion algorithm in Tianshan Mountain
3
2016
... 被动微波遥感能够穿透云层和地表,获取积雪深度等积雪参数信息,已有学者利用被动微波遥感对中国主要积雪区(新疆、青藏高原、东北、华北和内蒙古)的积雪深度进行了反演[21-26].例如,Che等[21]修正了星载微波辐射计SMMR(Scanning Multichannel Microwave Radiometer)、SSM/I(Special Sensor Microwave Imager)在中国区域的系数,获取了中国长时间序列雪深数据集;蒋玲梅等[22]和李长春等[23]利用微波成像仪FY-3B/MWRI(Fengyun 3B Microwave Radiation Imager)资料和土地覆盖数据,反演了中国主要积雪区和新疆不同下垫面的积雪深度;刘洋等[24]利用Sentinel-1数据对新疆巴音布鲁克地区的积雪深度进行了反演.但鲜有学者基于微波遥感反演积雪密度,进而估算区域积雪量的时空分布特征并分析其影响因子. ...
... 本文利用被动微波数据反演天山地区积雪密度,被动微波数据选用我国FY-3B卫星搭载的MWRI探测器的一级亮温数据(http://satellite.nsmc.org.cn/portalsite/default.Aspx).MWRI传感器是一款具有10通道、5频率(10.65 GHz、18.75 GHz、23.80 GHz、36.50 GHz、89.00 GHz)(以下简写为10 GHz、18 GHz、23 GHz、36 GHz、89 GHz)的双极化(V/H)圆锥扫描星载微波辐射计.相较于FY-3A/MWRI,FY-3B/MWRI解决了动态平衡问题,自发射以来运行稳定,连续观测情况较好;与FY-3C、3D/MWRI相比,FY-3B/MWRI运行中的灵敏度稳定,运行时间较长,在积雪研究中应用较为广泛[22-23,25-26,33-35].对FY-3B/MWRI遥感数据进行坐标转换、重采样、亮温提取等处理,将坐标转换至EASE-GRID投影.考虑到本文所用的MWRI遥感数据的空间分辨率为9~85 km,利用双线性方法将FY-3B/MWRI数据重采样至10 km. ...
... 目前被动微波反演雪密度缺乏足够的理论支持,考虑到雪深和雪粒径是影响积雪散射的重要因子,雪密度与雪深和雪粒径关系密切,参考已有学者对积雪深度的遥感反演,本研究选取雪深遥感反演常用的10 GHz、18 GHz、36 GHz、89 GHz[22-23, 25-26]波段,构建各波段亮温差与雪密度的经验关系,进行雪密度遥感反演.事实上,本研究中实测雪深小于10 cm的浅雪采样点约占30%,而18 GHz、36 GHz、89 GHz有益于识别浅雪信息[22],且高频波段36 GHz、89 GHz对积雪颗粒的散射敏感[37-38].根据2017—2018积雪期观测积雪密度,筛选研究区相应日期的MWRI微波10 GHz、18 GHz、36 GHz、89 GHz的V、H极化频率组合反演积雪密度.基于三种下垫面类型,对选取的8个波段(10V、10H、18V、18H、36V、36H、89V、89H)进行组合,利用逐步线性回归方法,剔除相关性较低的组合,最终获得最佳波段组合[22-23],如式(1)~(3)所示. ...
天山雪深反演算法验证与分析
3
2016
... 被动微波遥感能够穿透云层和地表,获取积雪深度等积雪参数信息,已有学者利用被动微波遥感对中国主要积雪区(新疆、青藏高原、东北、华北和内蒙古)的积雪深度进行了反演[21-26].例如,Che等[21]修正了星载微波辐射计SMMR(Scanning Multichannel Microwave Radiometer)、SSM/I(Special Sensor Microwave Imager)在中国区域的系数,获取了中国长时间序列雪深数据集;蒋玲梅等[22]和李长春等[23]利用微波成像仪FY-3B/MWRI(Fengyun 3B Microwave Radiation Imager)资料和土地覆盖数据,反演了中国主要积雪区和新疆不同下垫面的积雪深度;刘洋等[24]利用Sentinel-1数据对新疆巴音布鲁克地区的积雪深度进行了反演.但鲜有学者基于微波遥感反演积雪密度,进而估算区域积雪量的时空分布特征并分析其影响因子. ...
... 本文利用被动微波数据反演天山地区积雪密度,被动微波数据选用我国FY-3B卫星搭载的MWRI探测器的一级亮温数据(http://satellite.nsmc.org.cn/portalsite/default.Aspx).MWRI传感器是一款具有10通道、5频率(10.65 GHz、18.75 GHz、23.80 GHz、36.50 GHz、89.00 GHz)(以下简写为10 GHz、18 GHz、23 GHz、36 GHz、89 GHz)的双极化(V/H)圆锥扫描星载微波辐射计.相较于FY-3A/MWRI,FY-3B/MWRI解决了动态平衡问题,自发射以来运行稳定,连续观测情况较好;与FY-3C、3D/MWRI相比,FY-3B/MWRI运行中的灵敏度稳定,运行时间较长,在积雪研究中应用较为广泛[22-23,25-26,33-35].对FY-3B/MWRI遥感数据进行坐标转换、重采样、亮温提取等处理,将坐标转换至EASE-GRID投影.考虑到本文所用的MWRI遥感数据的空间分辨率为9~85 km,利用双线性方法将FY-3B/MWRI数据重采样至10 km. ...
... 目前被动微波反演雪密度缺乏足够的理论支持,考虑到雪深和雪粒径是影响积雪散射的重要因子,雪密度与雪深和雪粒径关系密切,参考已有学者对积雪深度的遥感反演,本研究选取雪深遥感反演常用的10 GHz、18 GHz、36 GHz、89 GHz[22-23, 25-26]波段,构建各波段亮温差与雪密度的经验关系,进行雪密度遥感反演.事实上,本研究中实测雪深小于10 cm的浅雪采样点约占30%,而18 GHz、36 GHz、89 GHz有益于识别浅雪信息[22],且高频波段36 GHz、89 GHz对积雪颗粒的散射敏感[37-38].根据2017—2018积雪期观测积雪密度,筛选研究区相应日期的MWRI微波10 GHz、18 GHz、36 GHz、89 GHz的V、H极化频率组合反演积雪密度.基于三种下垫面类型,对选取的8个波段(10V、10H、18V、18H、36V、36H、89V、89H)进行组合,利用逐步线性回归方法,剔除相关性较低的组合,最终获得最佳波段组合[22-23],如式(1)~(3)所示. ...
1
2004
... 天山地区是我国三大稳定积雪区之一,也是新疆三大山系中积雪最为丰富的地区.中国境内的天山山脉横亘于新疆维吾尔自治区中部(73°~95° E,38°~45° N),西至喀什,邻近塔吉克斯坦地区,东至哈密市及以南的吐鲁番盆地,东西长约1 700 km[27],南北宽100~400 km,山区平均海拔4 000 m.本文根据新疆行政区划以及天山南北坡特性,参考Zhang等[28]和Huang等[29]等对天山地区的研究确定本文研究区域,主要包括中国境内天山山区、天山南北坡和吐鲁番盆地(图1),研究区总面积约59×104 km2.受西风环流影响,研究区中西部降雪丰富,东部降雪较少. ...
1
2004
... 天山地区是我国三大稳定积雪区之一,也是新疆三大山系中积雪最为丰富的地区.中国境内的天山山脉横亘于新疆维吾尔自治区中部(73°~95° E,38°~45° N),西至喀什,邻近塔吉克斯坦地区,东至哈密市及以南的吐鲁番盆地,东西长约1 700 km[27],南北宽100~400 km,山区平均海拔4 000 m.本文根据新疆行政区划以及天山南北坡特性,参考Zhang等[28]和Huang等[29]等对天山地区的研究确定本文研究区域,主要包括中国境内天山山区、天山南北坡和吐鲁番盆地(图1),研究区总面积约59×104 km2.受西风环流影响,研究区中西部降雪丰富,东部降雪较少. ...
Environmental factors influencing snowfall and snowfall prediction in the Tianshan Mountains, Northwest China
1
2019
... 天山地区是我国三大稳定积雪区之一,也是新疆三大山系中积雪最为丰富的地区.中国境内的天山山脉横亘于新疆维吾尔自治区中部(73°~95° E,38°~45° N),西至喀什,邻近塔吉克斯坦地区,东至哈密市及以南的吐鲁番盆地,东西长约1 700 km[27],南北宽100~400 km,山区平均海拔4 000 m.本文根据新疆行政区划以及天山南北坡特性,参考Zhang等[28]和Huang等[29]等对天山地区的研究确定本文研究区域,主要包括中国境内天山山区、天山南北坡和吐鲁番盆地(图1),研究区总面积约59×104 km2.受西风环流影响,研究区中西部降雪丰富,东部降雪较少. ...
Reference evapotranspiration concentration and its relationship with precipitation concentration at southern and northern slopes of Tianshan Mountains, China
1
2019
... 天山地区是我国三大稳定积雪区之一,也是新疆三大山系中积雪最为丰富的地区.中国境内的天山山脉横亘于新疆维吾尔自治区中部(73°~95° E,38°~45° N),西至喀什,邻近塔吉克斯坦地区,东至哈密市及以南的吐鲁番盆地,东西长约1 700 km[27],南北宽100~400 km,山区平均海拔4 000 m.本文根据新疆行政区划以及天山南北坡特性,参考Zhang等[28]和Huang等[29]等对天山地区的研究确定本文研究区域,主要包括中国境内天山山区、天山南北坡和吐鲁番盆地(图1),研究区总面积约59×104 km2.受西风环流影响,研究区中西部降雪丰富,东部降雪较少. ...
Spatial-temporal variability of the snow over the Yellow River source region and its influencing climate factors
1
2021
... 本研究利用的中国长时间序列雪深数据集来源于国家青藏高原科学数据中心(http://data.tpdc.ac.cn/zh-hans/data/df40346a-0202-4ed2-bb07-b65dfcda9368/),该数据集提供1979年1月1日到2020年12月31日中国范围内的逐日积雪深度,空间分辨率为25 km,采用EASE-GRID(Equal-Area Scalable Earth Grid)投影,本文称之为遥感雪深数据,其原始数据是美国国家冰雪数据中心处理的逐日被动微波遥感SMMR、SSM/I和SSMI/S(Special Sensor Microwave Imager/Sounder)数据.利用ArcGIS、Python对遥感雪深数据进行格式转换、裁剪等预处理.根据中国气象局发布的《地面气象观测规范》,将平均雪深不足0.5 cm记为0 cm,当积雪深度大于等于0.5 cm时,数值四舍五入,记为1 cm[30],像元积雪深度达到或超过1 cm,记为有积雪分布. ...
黄河源区积雪变化时空特征及其与气候要素的关系
1
2021
... 本研究利用的中国长时间序列雪深数据集来源于国家青藏高原科学数据中心(http://data.tpdc.ac.cn/zh-hans/data/df40346a-0202-4ed2-bb07-b65dfcda9368/),该数据集提供1979年1月1日到2020年12月31日中国范围内的逐日积雪深度,空间分辨率为25 km,采用EASE-GRID(Equal-Area Scalable Earth Grid)投影,本文称之为遥感雪深数据,其原始数据是美国国家冰雪数据中心处理的逐日被动微波遥感SMMR、SSM/I和SSMI/S(Special Sensor Microwave Imager/Sounder)数据.利用ArcGIS、Python对遥感雪深数据进行格式转换、裁剪等预处理.根据中国气象局发布的《地面气象观测规范》,将平均雪深不足0.5 cm记为0 cm,当积雪深度大于等于0.5 cm时,数值四舍五入,记为1 cm[30],像元积雪深度达到或超过1 cm,记为有积雪分布. ...
Snow cover classification based on climate variables and its distribution characteristics in China
1
2020
... 参考Feng等[7]、李晓峰等[31]和王慧等[32]对积雪期的划分,将11月至次年3月定义为积雪期,其中11—12月为积雪积累期,1—2月为积雪稳定期,3月为积雪消融期.在2017—2018年、2018—2019年两个积雪期内,研究团队对积累期、稳定期、消融期共展开了6次积雪特性地面调查.利用6次实测数据[图2(a)]对研究区内遥感雪深数据精度进行了评估.结果表明[图2(b)],积雪期实测雪深与遥感雪深的相关系数为0.71[图2(b)],积累期、稳定期、消融期的分别为0.32、0.76、0.75[图2(c)~2(e)],均通过了5%水平显著性检验,表明遥感雪深数据集在一定程度上能反映研究区雪深的时空变化. ...
基于气象要素的中国积雪类型划分及积雪特征分布
1
2020
... 参考Feng等[7]、李晓峰等[31]和王慧等[32]对积雪期的划分,将11月至次年3月定义为积雪期,其中11—12月为积雪积累期,1—2月为积雪稳定期,3月为积雪消融期.在2017—2018年、2018—2019年两个积雪期内,研究团队对积累期、稳定期、消融期共展开了6次积雪特性地面调查.利用6次实测数据[图2(a)]对研究区内遥感雪深数据精度进行了评估.结果表明[图2(b)],积雪期实测雪深与遥感雪深的相关系数为0.71[图2(b)],积累期、稳定期、消融期的分别为0.32、0.76、0.75[图2(c)~2(e)],均通过了5%水平显著性检验,表明遥感雪深数据集在一定程度上能反映研究区雪深的时空变化. ...
Spatial-temporal variation characteristics of snow cover duration in Xinjiang from 1961 to 2017 and their relationship with meteorological factors
1
2021
... 参考Feng等[7]、李晓峰等[31]和王慧等[32]对积雪期的划分,将11月至次年3月定义为积雪期,其中11—12月为积雪积累期,1—2月为积雪稳定期,3月为积雪消融期.在2017—2018年、2018—2019年两个积雪期内,研究团队对积累期、稳定期、消融期共展开了6次积雪特性地面调查.利用6次实测数据[图2(a)]对研究区内遥感雪深数据精度进行了评估.结果表明[图2(b)],积雪期实测雪深与遥感雪深的相关系数为0.71[图2(b)],积累期、稳定期、消融期的分别为0.32、0.76、0.75[图2(c)~2(e)],均通过了5%水平显著性检验,表明遥感雪深数据集在一定程度上能反映研究区雪深的时空变化. ...
1961—2017年新疆积雪期时空变化特征及其与气象因子的关系
1
2021
... 参考Feng等[7]、李晓峰等[31]和王慧等[32]对积雪期的划分,将11月至次年3月定义为积雪期,其中11—12月为积雪积累期,1—2月为积雪稳定期,3月为积雪消融期.在2017—2018年、2018—2019年两个积雪期内,研究团队对积累期、稳定期、消融期共展开了6次积雪特性地面调查.利用6次实测数据[图2(a)]对研究区内遥感雪深数据精度进行了评估.结果表明[图2(b)],积雪期实测雪深与遥感雪深的相关系数为0.71[图2(b)],积累期、稳定期、消融期的分别为0.32、0.76、0.75[图2(c)~2(e)],均通过了5%水平显著性检验,表明遥感雪深数据集在一定程度上能反映研究区雪深的时空变化. ...
Mitigating and comparing the striping noise in FengYun-3B/C/D microwave radiation imager brightness temperature observations
1
2019
... 本文利用被动微波数据反演天山地区积雪密度,被动微波数据选用我国FY-3B卫星搭载的MWRI探测器的一级亮温数据(http://satellite.nsmc.org.cn/portalsite/default.Aspx).MWRI传感器是一款具有10通道、5频率(10.65 GHz、18.75 GHz、23.80 GHz、36.50 GHz、89.00 GHz)(以下简写为10 GHz、18 GHz、23 GHz、36 GHz、89 GHz)的双极化(V/H)圆锥扫描星载微波辐射计.相较于FY-3A/MWRI,FY-3B/MWRI解决了动态平衡问题,自发射以来运行稳定,连续观测情况较好;与FY-3C、3D/MWRI相比,FY-3B/MWRI运行中的灵敏度稳定,运行时间较长,在积雪研究中应用较为广泛[22-23,25-26,33-35].对FY-3B/MWRI遥感数据进行坐标转换、重采样、亮温提取等处理,将坐标转换至EASE-GRID投影.考虑到本文所用的MWRI遥感数据的空间分辨率为9~85 km,利用双线性方法将FY-3B/MWRI数据重采样至10 km. ...
Intercalibrating FY-3B and FY-3C/MWRI for synergistic implementing to snow depth retrieval algorithm
2017
FY-3B与FY-3C/MWRI交叉定标及雪深算法应用
2017
Long-term sensitivity stability of space-borne microwave imager using the Allan method
1
2021
... 本文利用被动微波数据反演天山地区积雪密度,被动微波数据选用我国FY-3B卫星搭载的MWRI探测器的一级亮温数据(http://satellite.nsmc.org.cn/portalsite/default.Aspx).MWRI传感器是一款具有10通道、5频率(10.65 GHz、18.75 GHz、23.80 GHz、36.50 GHz、89.00 GHz)(以下简写为10 GHz、18 GHz、23 GHz、36 GHz、89 GHz)的双极化(V/H)圆锥扫描星载微波辐射计.相较于FY-3A/MWRI,FY-3B/MWRI解决了动态平衡问题,自发射以来运行稳定,连续观测情况较好;与FY-3C、3D/MWRI相比,FY-3B/MWRI运行中的灵敏度稳定,运行时间较长,在积雪研究中应用较为广泛[22-23,25-26,33-35].对FY-3B/MWRI遥感数据进行坐标转换、重采样、亮温提取等处理,将坐标转换至EASE-GRID投影.考虑到本文所用的MWRI遥感数据的空间分辨率为9~85 km,利用双线性方法将FY-3B/MWRI数据重采样至10 km. ...
星载微波成像仪灵敏度稳定性分析
1
2021
... 本文利用被动微波数据反演天山地区积雪密度,被动微波数据选用我国FY-3B卫星搭载的MWRI探测器的一级亮温数据(http://satellite.nsmc.org.cn/portalsite/default.Aspx).MWRI传感器是一款具有10通道、5频率(10.65 GHz、18.75 GHz、23.80 GHz、36.50 GHz、89.00 GHz)(以下简写为10 GHz、18 GHz、23 GHz、36 GHz、89 GHz)的双极化(V/H)圆锥扫描星载微波辐射计.相较于FY-3A/MWRI,FY-3B/MWRI解决了动态平衡问题,自发射以来运行稳定,连续观测情况较好;与FY-3C、3D/MWRI相比,FY-3B/MWRI运行中的灵敏度稳定,运行时间较长,在积雪研究中应用较为广泛[22-23,25-26,33-35].对FY-3B/MWRI遥感数据进行坐标转换、重采样、亮温提取等处理,将坐标转换至EASE-GRID投影.考虑到本文所用的MWRI遥感数据的空间分辨率为9~85 km,利用双线性方法将FY-3B/MWRI数据重采样至10 km. ...
Improved snow depth retrieval algorithm in China area using passive microwave remote sensing data
2
2009
... 本文基于下垫面类型进行区域积雪密度遥感反演,参考Chang等研究[36],将MCD12Q1土地覆盖类型分为4类:草地、裸土(包含农田和裸地)、森林和灌木,并考虑到天山地区森林和灌木分布范围较小,本文将森林和灌木合并为林地,将天山地区的下垫面分为林地、草地、裸土三类,即将NASA(https://search.earthdata.nasa.gov/search)提供的2019年MODIS土地覆盖产品MCD12Q1重分类为林地、草地、裸土,具体做法为:将国际地圈生物圈(IGBP)土地分类体系中的常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林、混交林、郁闭灌丛、开放灌丛作为林地,多树草原、稀树草原、草地作为草地,作物、作物与自然植被的镶嵌体、裸地或低植被覆盖地等作为裸土.重分类后的天山地区土地覆盖类型如图3所示,林地、草地、裸土分别占比0.24%、24.59%、75.17%. ...
... 在积雪期,随着积雪深度、积雪粒径、积雪含水率以及积雪反照率等条件的变化,积雪对被动微波各波段响应程度不同[46].例如,10 GHz和18 GHz有利于识别雪下地物信息[22],89 GHz与18 GHz、36 GHz的频率差能够较好地反映浅雪信息[36],在高频波段,由于雪颗粒的散射作用,积雪辐射对雪颗粒大小响应敏感[37-38,47].本文提出的积雪密度反演方法基于各波段对雪深、雪粒径等积雪参数的响应特征,因此在利用微波遥感数据反演积雪密度时,波段的选择对反演的影响较大.同时将研究区地物分为林地、草地、裸土三类,不同地物类型积雪密度反演所用波段信息不一致.从反演结果可以看出,草地的反演效果较好,林地和裸土的较差.主要原因分为两个方面:一方面三种地物类型的积雪覆盖对各波段的响应不同,另一方面不同地物类型的实测样点数量不一样;此外,本研究还存在一定不足,比如仅用两个积雪期的实测资料对积雪密度反演进行率定和验证,数据量较少,影响反演结果的精度,未来需完善积雪实测资料,提高积雪密度遥感反演精度,并获取全年积雪密度,进而分析全年积雪量及其随时间的变化趋势. ...
Study on the snow cover inversion model and its application based on the new generation advanced satellite AMSR2 and VIIRS data fusion
2
2017
... 目前被动微波反演雪密度缺乏足够的理论支持,考虑到雪深和雪粒径是影响积雪散射的重要因子,雪密度与雪深和雪粒径关系密切,参考已有学者对积雪深度的遥感反演,本研究选取雪深遥感反演常用的10 GHz、18 GHz、36 GHz、89 GHz[22-23, 25-26]波段,构建各波段亮温差与雪密度的经验关系,进行雪密度遥感反演.事实上,本研究中实测雪深小于10 cm的浅雪采样点约占30%,而18 GHz、36 GHz、89 GHz有益于识别浅雪信息[22],且高频波段36 GHz、89 GHz对积雪颗粒的散射敏感[37-38].根据2017—2018积雪期观测积雪密度,筛选研究区相应日期的MWRI微波10 GHz、18 GHz、36 GHz、89 GHz的V、H极化频率组合反演积雪密度.基于三种下垫面类型,对选取的8个波段(10V、10H、18V、18H、36V、36H、89V、89H)进行组合,利用逐步线性回归方法,剔除相关性较低的组合,最终获得最佳波段组合[22-23],如式(1)~(3)所示. ...
... 在积雪期,随着积雪深度、积雪粒径、积雪含水率以及积雪反照率等条件的变化,积雪对被动微波各波段响应程度不同[46].例如,10 GHz和18 GHz有利于识别雪下地物信息[22],89 GHz与18 GHz、36 GHz的频率差能够较好地反映浅雪信息[36],在高频波段,由于雪颗粒的散射作用,积雪辐射对雪颗粒大小响应敏感[37-38,47].本文提出的积雪密度反演方法基于各波段对雪深、雪粒径等积雪参数的响应特征,因此在利用微波遥感数据反演积雪密度时,波段的选择对反演的影响较大.同时将研究区地物分为林地、草地、裸土三类,不同地物类型积雪密度反演所用波段信息不一致.从反演结果可以看出,草地的反演效果较好,林地和裸土的较差.主要原因分为两个方面:一方面三种地物类型的积雪覆盖对各波段的响应不同,另一方面不同地物类型的实测样点数量不一样;此外,本研究还存在一定不足,比如仅用两个积雪期的实测资料对积雪密度反演进行率定和验证,数据量较少,影响反演结果的精度,未来需完善积雪实测资料,提高积雪密度遥感反演精度,并获取全年积雪密度,进而分析全年积雪量及其随时间的变化趋势. ...
基于新一代先进卫星遥感AMSR2、VIIRS数据融合积雪监测模型及应用研究
2
2017
... 目前被动微波反演雪密度缺乏足够的理论支持,考虑到雪深和雪粒径是影响积雪散射的重要因子,雪密度与雪深和雪粒径关系密切,参考已有学者对积雪深度的遥感反演,本研究选取雪深遥感反演常用的10 GHz、18 GHz、36 GHz、89 GHz[22-23, 25-26]波段,构建各波段亮温差与雪密度的经验关系,进行雪密度遥感反演.事实上,本研究中实测雪深小于10 cm的浅雪采样点约占30%,而18 GHz、36 GHz、89 GHz有益于识别浅雪信息[22],且高频波段36 GHz、89 GHz对积雪颗粒的散射敏感[37-38].根据2017—2018积雪期观测积雪密度,筛选研究区相应日期的MWRI微波10 GHz、18 GHz、36 GHz、89 GHz的V、H极化频率组合反演积雪密度.基于三种下垫面类型,对选取的8个波段(10V、10H、18V、18H、36V、36H、89V、89H)进行组合,利用逐步线性回归方法,剔除相关性较低的组合,最终获得最佳波段组合[22-23],如式(1)~(3)所示. ...
... 在积雪期,随着积雪深度、积雪粒径、积雪含水率以及积雪反照率等条件的变化,积雪对被动微波各波段响应程度不同[46].例如,10 GHz和18 GHz有利于识别雪下地物信息[22],89 GHz与18 GHz、36 GHz的频率差能够较好地反映浅雪信息[36],在高频波段,由于雪颗粒的散射作用,积雪辐射对雪颗粒大小响应敏感[37-38,47].本文提出的积雪密度反演方法基于各波段对雪深、雪粒径等积雪参数的响应特征,因此在利用微波遥感数据反演积雪密度时,波段的选择对反演的影响较大.同时将研究区地物分为林地、草地、裸土三类,不同地物类型积雪密度反演所用波段信息不一致.从反演结果可以看出,草地的反演效果较好,林地和裸土的较差.主要原因分为两个方面:一方面三种地物类型的积雪覆盖对各波段的响应不同,另一方面不同地物类型的实测样点数量不一样;此外,本研究还存在一定不足,比如仅用两个积雪期的实测资料对积雪密度反演进行率定和验证,数据量较少,影响反演结果的精度,未来需完善积雪实测资料,提高积雪密度遥感反演精度,并获取全年积雪密度,进而分析全年积雪量及其随时间的变化趋势. ...
Investigation of snow parameters by radiometry in the 3-to 60-mm wavelength region
2
1980
... 目前被动微波反演雪密度缺乏足够的理论支持,考虑到雪深和雪粒径是影响积雪散射的重要因子,雪密度与雪深和雪粒径关系密切,参考已有学者对积雪深度的遥感反演,本研究选取雪深遥感反演常用的10 GHz、18 GHz、36 GHz、89 GHz[22-23, 25-26]波段,构建各波段亮温差与雪密度的经验关系,进行雪密度遥感反演.事实上,本研究中实测雪深小于10 cm的浅雪采样点约占30%,而18 GHz、36 GHz、89 GHz有益于识别浅雪信息[22],且高频波段36 GHz、89 GHz对积雪颗粒的散射敏感[37-38].根据2017—2018积雪期观测积雪密度,筛选研究区相应日期的MWRI微波10 GHz、18 GHz、36 GHz、89 GHz的V、H极化频率组合反演积雪密度.基于三种下垫面类型,对选取的8个波段(10V、10H、18V、18H、36V、36H、89V、89H)进行组合,利用逐步线性回归方法,剔除相关性较低的组合,最终获得最佳波段组合[22-23],如式(1)~(3)所示. ...
... 在积雪期,随着积雪深度、积雪粒径、积雪含水率以及积雪反照率等条件的变化,积雪对被动微波各波段响应程度不同[46].例如,10 GHz和18 GHz有利于识别雪下地物信息[22],89 GHz与18 GHz、36 GHz的频率差能够较好地反映浅雪信息[36],在高频波段,由于雪颗粒的散射作用,积雪辐射对雪颗粒大小响应敏感[37-38,47].本文提出的积雪密度反演方法基于各波段对雪深、雪粒径等积雪参数的响应特征,因此在利用微波遥感数据反演积雪密度时,波段的选择对反演的影响较大.同时将研究区地物分为林地、草地、裸土三类,不同地物类型积雪密度反演所用波段信息不一致.从反演结果可以看出,草地的反演效果较好,林地和裸土的较差.主要原因分为两个方面:一方面三种地物类型的积雪覆盖对各波段的响应不同,另一方面不同地物类型的实测样点数量不一样;此外,本研究还存在一定不足,比如仅用两个积雪期的实测资料对积雪密度反演进行率定和验证,数据量较少,影响反演结果的精度,未来需完善积雪实测资料,提高积雪密度遥感反演精度,并获取全年积雪密度,进而分析全年积雪量及其随时间的变化趋势. ...
Analysis of the correlation between NDVI and climate factors in the Lancang River basin
1
2015
... 相关性分析是指对两个或多个变量进行关联的一种衡量方式,进一步探求两个或者多个要素之间的密切程度[39].两个变量x和y的Pearson相关系数r计算公式如下: ...
澜沧江流域植被NDVI与气候因子的相关性分析
1
2015
... 相关性分析是指对两个或多个变量进行关联的一种衡量方式,进一步探求两个或者多个要素之间的密切程度[39].两个变量x和y的Pearson相关系数r计算公式如下: ...
Spatiotemporal distribution of snow cover depth and its driving factors in the Yarlung Zangbo River basin, 1979—2017
2
2021
... 为研究天山地区地形因素对积雪量的影响,分析了积雪量与海拔、坡度的相关性.如图12(a)所示,天山地区整个积雪期积雪量空间分布与海拔密切相关(相关性系数通过了0.01水平显著性检验),说明海拔越高,积雪量越丰富.积累期、稳定期、消融期积雪量与海拔的相关系数都通过了0.01水平显著性检验[图12(b)、12(c)、12(d)],且数值差别较小,说明海拔在不同时期对积雪量空间分布的影响基本相同.坡度15°以下时[图12(e)],天山地区积雪期积雪量与坡度的相关性通过了0.01水平显著性检验,说明坡度较小时对积雪量空间分布的影响较大,且坡度越大,积雪量越大,这与谭秋阳等[40]关于雅鲁藏布江流域的研究一致;积累期、稳定期、消融期积雪量与坡度的相关系数也都通过了0.01水平显著性检验[图12(f)、12(g)、12(h)].与海拔影响相似,坡度在不同时期对积雪量分布的影响相同.此外,坡度15°以上时[图12(i)~12(l)],坡度与积雪量的相关性较弱(未通过0.05水平显著性检验). ...
... 本文关于天山地区积雪量时空分布的研究结果表明,在气候变暖背景下,天山地区1979—2020年积雪量呈减少趋势.在积雪量影响因素方面,与大量天山地区积雪时空变化影响因素的学者的研究结论较为一致,均认为海拔、坡度、气温、降水等是影响积雪分布的主要因素[7,10-13,41-43].就上述因素的影响而言,积雪丰富的区域主要集中在海拔较高的地区,海拔越高,积雪越丰富;坡度在15°以下,雪深随坡度增加而增加;气温越低,积雪量越丰富;降水越多,积雪量越大.但值得一提的是,谭秋阳等[40]认为坡度在10°以下时雪深随坡度的增加而减少,这与本文研究结果坡度在15°以下积雪量随坡度增加而增加有一些出入,但总体而言,在一定坡度条件下,坡度越大积雪越容易呈堆积状态.在温度和降水对积雪量影响方面,Barnett等[44]认为气温变化对积雪的影响远比降水变化大的多.在积累期和消融期,积雪受不稳定气温的影响,容易形成液态降水,不利于积雪累积并将加速积雪的融化[9,45].本研究中降水在积累期、消融期对积雪量的影响较小,可能是温度和降水两者综合作用的结果,温度不仅影响了降水的形式,还增加了积雪的融化速率.由于降水对积雪量影响机理较为复杂,既要考虑降水与气温之间的抵消效应,也要考虑固/液态降水的分离以及液态降水对积雪量的融化作用,因此需要进一步研究降水形式与积雪量之间的关系. ...
1979—2017年雅鲁藏布江流域雪深时空分布特征及其影响因素分析
2
2021
... 为研究天山地区地形因素对积雪量的影响,分析了积雪量与海拔、坡度的相关性.如图12(a)所示,天山地区整个积雪期积雪量空间分布与海拔密切相关(相关性系数通过了0.01水平显著性检验),说明海拔越高,积雪量越丰富.积累期、稳定期、消融期积雪量与海拔的相关系数都通过了0.01水平显著性检验[图12(b)、12(c)、12(d)],且数值差别较小,说明海拔在不同时期对积雪量空间分布的影响基本相同.坡度15°以下时[图12(e)],天山地区积雪期积雪量与坡度的相关性通过了0.01水平显著性检验,说明坡度较小时对积雪量空间分布的影响较大,且坡度越大,积雪量越大,这与谭秋阳等[40]关于雅鲁藏布江流域的研究一致;积累期、稳定期、消融期积雪量与坡度的相关系数也都通过了0.01水平显著性检验[图12(f)、12(g)、12(h)].与海拔影响相似,坡度在不同时期对积雪量分布的影响相同.此外,坡度15°以上时[图12(i)~12(l)],坡度与积雪量的相关性较弱(未通过0.05水平显著性检验). ...
... 本文关于天山地区积雪量时空分布的研究结果表明,在气候变暖背景下,天山地区1979—2020年积雪量呈减少趋势.在积雪量影响因素方面,与大量天山地区积雪时空变化影响因素的学者的研究结论较为一致,均认为海拔、坡度、气温、降水等是影响积雪分布的主要因素[7,10-13,41-43].就上述因素的影响而言,积雪丰富的区域主要集中在海拔较高的地区,海拔越高,积雪越丰富;坡度在15°以下,雪深随坡度增加而增加;气温越低,积雪量越丰富;降水越多,积雪量越大.但值得一提的是,谭秋阳等[40]认为坡度在10°以下时雪深随坡度的增加而减少,这与本文研究结果坡度在15°以下积雪量随坡度增加而增加有一些出入,但总体而言,在一定坡度条件下,坡度越大积雪越容易呈堆积状态.在温度和降水对积雪量影响方面,Barnett等[44]认为气温变化对积雪的影响远比降水变化大的多.在积累期和消融期,积雪受不稳定气温的影响,容易形成液态降水,不利于积雪累积并将加速积雪的融化[9,45].本研究中降水在积累期、消融期对积雪量的影响较小,可能是温度和降水两者综合作用的结果,温度不仅影响了降水的形式,还增加了积雪的融化速率.由于降水对积雪量影响机理较为复杂,既要考虑降水与气温之间的抵消效应,也要考虑固/液态降水的分离以及液态降水对积雪量的融化作用,因此需要进一步研究降水形式与积雪量之间的关系. ...
On the relationship between local topography and small glacier change under climatic warming on Mt. Bogda, eastern Tian Shan, China
1
2011
... 本文关于天山地区积雪量时空分布的研究结果表明,在气候变暖背景下,天山地区1979—2020年积雪量呈减少趋势.在积雪量影响因素方面,与大量天山地区积雪时空变化影响因素的学者的研究结论较为一致,均认为海拔、坡度、气温、降水等是影响积雪分布的主要因素[7,10-13,41-43].就上述因素的影响而言,积雪丰富的区域主要集中在海拔较高的地区,海拔越高,积雪越丰富;坡度在15°以下,雪深随坡度增加而增加;气温越低,积雪量越丰富;降水越多,积雪量越大.但值得一提的是,谭秋阳等[40]认为坡度在10°以下时雪深随坡度的增加而减少,这与本文研究结果坡度在15°以下积雪量随坡度增加而增加有一些出入,但总体而言,在一定坡度条件下,坡度越大积雪越容易呈堆积状态.在温度和降水对积雪量影响方面,Barnett等[44]认为气温变化对积雪的影响远比降水变化大的多.在积累期和消融期,积雪受不稳定气温的影响,容易形成液态降水,不利于积雪累积并将加速积雪的融化[9,45].本研究中降水在积累期、消融期对积雪量的影响较小,可能是温度和降水两者综合作用的结果,温度不仅影响了降水的形式,还增加了积雪的融化速率.由于降水对积雪量影响机理较为复杂,既要考虑降水与气温之间的抵消效应,也要考虑固/液态降水的分离以及液态降水对积雪量的融化作用,因此需要进一步研究降水形式与积雪量之间的关系. ...
Spatio-temporal variation analysis of snow cover area of Tianshan Mountains in China using MODIS data
2018
基于MODIS数据中国天山积雪面积时空变化特征分析
2018
Trends of snow cover and streamflow variation in Kaidu River and their influential factors
1
2018
... 本文关于天山地区积雪量时空分布的研究结果表明,在气候变暖背景下,天山地区1979—2020年积雪量呈减少趋势.在积雪量影响因素方面,与大量天山地区积雪时空变化影响因素的学者的研究结论较为一致,均认为海拔、坡度、气温、降水等是影响积雪分布的主要因素[7,10-13,41-43].就上述因素的影响而言,积雪丰富的区域主要集中在海拔较高的地区,海拔越高,积雪越丰富;坡度在15°以下,雪深随坡度增加而增加;气温越低,积雪量越丰富;降水越多,积雪量越大.但值得一提的是,谭秋阳等[40]认为坡度在10°以下时雪深随坡度的增加而减少,这与本文研究结果坡度在15°以下积雪量随坡度增加而增加有一些出入,但总体而言,在一定坡度条件下,坡度越大积雪越容易呈堆积状态.在温度和降水对积雪量影响方面,Barnett等[44]认为气温变化对积雪的影响远比降水变化大的多.在积累期和消融期,积雪受不稳定气温的影响,容易形成液态降水,不利于积雪累积并将加速积雪的融化[9,45].本研究中降水在积累期、消融期对积雪量的影响较小,可能是温度和降水两者综合作用的结果,温度不仅影响了降水的形式,还增加了积雪的融化速率.由于降水对积雪量影响机理较为复杂,既要考虑降水与气温之间的抵消效应,也要考虑固/液态降水的分离以及液态降水对积雪量的融化作用,因此需要进一步研究降水形式与积雪量之间的关系. ...
天山开都河流域积雪、径流变化及影响因子分析
1
2018
... 本文关于天山地区积雪量时空分布的研究结果表明,在气候变暖背景下,天山地区1979—2020年积雪量呈减少趋势.在积雪量影响因素方面,与大量天山地区积雪时空变化影响因素的学者的研究结论较为一致,均认为海拔、坡度、气温、降水等是影响积雪分布的主要因素[7,10-13,41-43].就上述因素的影响而言,积雪丰富的区域主要集中在海拔较高的地区,海拔越高,积雪越丰富;坡度在15°以下,雪深随坡度增加而增加;气温越低,积雪量越丰富;降水越多,积雪量越大.但值得一提的是,谭秋阳等[40]认为坡度在10°以下时雪深随坡度的增加而减少,这与本文研究结果坡度在15°以下积雪量随坡度增加而增加有一些出入,但总体而言,在一定坡度条件下,坡度越大积雪越容易呈堆积状态.在温度和降水对积雪量影响方面,Barnett等[44]认为气温变化对积雪的影响远比降水变化大的多.在积累期和消融期,积雪受不稳定气温的影响,容易形成液态降水,不利于积雪累积并将加速积雪的融化[9,45].本研究中降水在积累期、消融期对积雪量的影响较小,可能是温度和降水两者综合作用的结果,温度不仅影响了降水的形式,还增加了积雪的融化速率.由于降水对积雪量影响机理较为复杂,既要考虑降水与气温之间的抵消效应,也要考虑固/液态降水的分离以及液态降水对积雪量的融化作用,因此需要进一步研究降水形式与积雪量之间的关系. ...
Potential impacts of a warming climate on water availability in snow-dominated regions
1
2005
... 本文关于天山地区积雪量时空分布的研究结果表明,在气候变暖背景下,天山地区1979—2020年积雪量呈减少趋势.在积雪量影响因素方面,与大量天山地区积雪时空变化影响因素的学者的研究结论较为一致,均认为海拔、坡度、气温、降水等是影响积雪分布的主要因素[7,10-13,41-43].就上述因素的影响而言,积雪丰富的区域主要集中在海拔较高的地区,海拔越高,积雪越丰富;坡度在15°以下,雪深随坡度增加而增加;气温越低,积雪量越丰富;降水越多,积雪量越大.但值得一提的是,谭秋阳等[40]认为坡度在10°以下时雪深随坡度的增加而减少,这与本文研究结果坡度在15°以下积雪量随坡度增加而增加有一些出入,但总体而言,在一定坡度条件下,坡度越大积雪越容易呈堆积状态.在温度和降水对积雪量影响方面,Barnett等[44]认为气温变化对积雪的影响远比降水变化大的多.在积累期和消融期,积雪受不稳定气温的影响,容易形成液态降水,不利于积雪累积并将加速积雪的融化[9,45].本研究中降水在积累期、消融期对积雪量的影响较小,可能是温度和降水两者综合作用的结果,温度不仅影响了降水的形式,还增加了积雪的融化速率.由于降水对积雪量影响机理较为复杂,既要考虑降水与气温之间的抵消效应,也要考虑固/液态降水的分离以及液态降水对积雪量的融化作用,因此需要进一步研究降水形式与积雪量之间的关系. ...
Hydrologic sensitivity of global rivers to climate change
1
2001
... 本文关于天山地区积雪量时空分布的研究结果表明,在气候变暖背景下,天山地区1979—2020年积雪量呈减少趋势.在积雪量影响因素方面,与大量天山地区积雪时空变化影响因素的学者的研究结论较为一致,均认为海拔、坡度、气温、降水等是影响积雪分布的主要因素[7,10-13,41-43].就上述因素的影响而言,积雪丰富的区域主要集中在海拔较高的地区,海拔越高,积雪越丰富;坡度在15°以下,雪深随坡度增加而增加;气温越低,积雪量越丰富;降水越多,积雪量越大.但值得一提的是,谭秋阳等[40]认为坡度在10°以下时雪深随坡度的增加而减少,这与本文研究结果坡度在15°以下积雪量随坡度增加而增加有一些出入,但总体而言,在一定坡度条件下,坡度越大积雪越容易呈堆积状态.在温度和降水对积雪量影响方面,Barnett等[44]认为气温变化对积雪的影响远比降水变化大的多.在积累期和消融期,积雪受不稳定气温的影响,容易形成液态降水,不利于积雪累积并将加速积雪的融化[9,45].本研究中降水在积累期、消融期对积雪量的影响较小,可能是温度和降水两者综合作用的结果,温度不仅影响了降水的形式,还增加了积雪的融化速率.由于降水对积雪量影响机理较为复杂,既要考虑降水与气温之间的抵消效应,也要考虑固/液态降水的分离以及液态降水对积雪量的融化作用,因此需要进一步研究降水形式与积雪量之间的关系. ...
Microwave signature measurements of Antartic firn
1
1991
... 在积雪期,随着积雪深度、积雪粒径、积雪含水率以及积雪反照率等条件的变化,积雪对被动微波各波段响应程度不同[46].例如,10 GHz和18 GHz有利于识别雪下地物信息[22],89 GHz与18 GHz、36 GHz的频率差能够较好地反映浅雪信息[36],在高频波段,由于雪颗粒的散射作用,积雪辐射对雪颗粒大小响应敏感[37-38,47].本文提出的积雪密度反演方法基于各波段对雪深、雪粒径等积雪参数的响应特征,因此在利用微波遥感数据反演积雪密度时,波段的选择对反演的影响较大.同时将研究区地物分为林地、草地、裸土三类,不同地物类型积雪密度反演所用波段信息不一致.从反演结果可以看出,草地的反演效果较好,林地和裸土的较差.主要原因分为两个方面:一方面三种地物类型的积雪覆盖对各波段的响应不同,另一方面不同地物类型的实测样点数量不一样;此外,本研究还存在一定不足,比如仅用两个积雪期的实测资料对积雪密度反演进行率定和验证,数据量较少,影响反演结果的精度,未来需完善积雪实测资料,提高积雪密度遥感反演精度,并获取全年积雪密度,进而分析全年积雪量及其随时间的变化趋势. ...
Spatial and temporal characterization of hoar formation in central Greenland using SSM/I brightness temperatures
1
1993
... 在积雪期,随着积雪深度、积雪粒径、积雪含水率以及积雪反照率等条件的变化,积雪对被动微波各波段响应程度不同[46].例如,10 GHz和18 GHz有利于识别雪下地物信息[22],89 GHz与18 GHz、36 GHz的频率差能够较好地反映浅雪信息[36],在高频波段,由于雪颗粒的散射作用,积雪辐射对雪颗粒大小响应敏感[37-38,47].本文提出的积雪密度反演方法基于各波段对雪深、雪粒径等积雪参数的响应特征,因此在利用微波遥感数据反演积雪密度时,波段的选择对反演的影响较大.同时将研究区地物分为林地、草地、裸土三类,不同地物类型积雪密度反演所用波段信息不一致.从反演结果可以看出,草地的反演效果较好,林地和裸土的较差.主要原因分为两个方面:一方面三种地物类型的积雪覆盖对各波段的响应不同,另一方面不同地物类型的实测样点数量不一样;此外,本研究还存在一定不足,比如仅用两个积雪期的实测资料对积雪密度反演进行率定和验证,数据量较少,影响反演结果的精度,未来需完善积雪实测资料,提高积雪密度遥感反演精度,并获取全年积雪密度,进而分析全年积雪量及其随时间的变化趋势. ...