气象-青藏高原积雪观测数据.PDF

本研究工作受中国科学院遥感与数字地球研究所数字陆地研究室公 益性行业（气象）科研专项《青藏高原遥感积雪气候数据集建设》项目 资助，研究中所采用的数据和实验平台等由课题组提供，在此表示感谢！ 摘 要 青藏高原被喻为“世界屋脊”，其复杂的地形条件及特殊的气候环境，影响着积 雪的分布与属性，使积雪研究成为国内外众多科学家的研究重点和难点，青藏高原的 积雪对区域乃至全球的气候变化和能量平衡都有着深刻影响。因此，该区的积雪研究 具有极高的科学价值。 本文利用AMSR-E L2A 亮温数据、地面站台实测数据及相关辅助数据，形成了 青藏高原改进的雪深、雪水当量反演算法。论文首先总结主要的被动微波积雪产品， 介绍了积雪被动微波遥感理论，重点论述了已有算法在青藏高原地区的精度、分析了 基于不同下垫面亮温梯度和积雪算法长时间序列特征以及青藏高原地区基于下垫面 的雪水当量反演算法的改进及反演结果的精度评价。 本文研究的重点归纳如下： 1. 青藏高原地区已有积雪算法对比验证分析。研究选取五种雪深反演算法，利 用2009 年12 月至2010 年3 月AMSR-E 亮度温度数据、地面台站观测的雪深数据， 对比验证这五种雪深反演算法在青藏高原地区的精度和区域适用性。五种雪深算法的 RMSE 分别为8.10cm~20.35cm、5.59cm~15.74cm、8.58cm~24.63cm、3.65cm~8.52cm、 4.38cm~11.80cm ，验证结果表明，已有被动微波雪深算法在实际雪深估算中，存在高 估的现象，其精度和区域适用性仍然有限。 2. 单点时间序列分析。利用MODIS 土地覆盖数据，将青藏高原下垫面分为森林、 灌木、草原和裸地四大类，并在每种下垫面类型上选取一个站点做积雪算法时间序列 分析和亮温梯度时间序列分析。在积雪算法时间序列分析中，五种算法在聂拉木都低 估了实际SWE。在玛多、嘉黎和都兰这三个站点，除了青藏高原改进算法，其他四 种SWE 算法都高估了实际雪水当量。亮温梯度时间序列分析中，由于不含散射频率， 各站点的t1019v/h 的值都波动在0 值附近，且没有明显的趋势。含有高频的亮温组合 虽然比较敏感，波动性较大，但由于高频易受大气吸收作用的影响，处理不当将影响 反演精度。t1037v/h 和t1937v/h 的整体波动形态及走势相似，四组亮温组合的值都大 于0k，能反映散射体的存在。 3. 青藏高原地区被动微波雪水当量算法改进。基于不同下垫面，结合地面观测 雪深数据，利用2009 年12 月至2010 年3 月AMSR-E 10.65 GHz、18.7 GHz、23.8 GHz 、 36.5 GHz 和89.0GHz 水平和垂直极化共10 个通道的亮度温度数据，分析t1037v/h 和 t1937v/h 与实测雪深的相关性，以此在不同下垫面选取不同的亮温梯度反演雪深。提 取六组动态系数，分析各动态系数与实测雪深的关系，选取适宜的动态系数参与反演， 通过回归分析，得到各下垫面对应的雪深反演算法。建立积雪判识流程，利用雪密度 和地表覆盖重分类数据，得到各下垫面对应的雪水当量算法，最后，结合地表覆盖度 数据，对各雪水当量算法进行加权，得到青藏高原地区改进的雪水当量反演算法。通 过与AMSR-E SWE 产品对比验证，结果显示，本研究得到的雪水当量产品的精度达 标率为46.38%~75.00% ，优于NASA 的AMSR-E 雪水当量产品的5%~31.51% 。 关键词：雪深；雪水当量；青藏高原；AMSR-E ；被动微波遥感；下垫面 Abstract The Qinghai-Tibet Plateau has been hailed as the roof of the world, its complex terrain conditions and the special climate affect the distribution and properties of the snow, resulting in the snow research in this area become more difficult. At the same time, snow over the Qinghai-Tibet Plateau