积雪被动微波遥感反演与积雪数据同化方法研究

摘要

积雪作为冰冻圈最重要的元素之一，受到广泛关注，随着地球观测系统(EOS)时代的来临，积雪的被动微波遥感研究也已经成为积雪研究领域的热点。本论文开展了被动微波遥感获取雪深的直接反演和数据同化两种方法研究。 首先介绍了积雪的微波辐射传输理论以及积雪的微波辐射传输模型，在此基础上，通过积雪微波辐射传输模型分析了不同积雪层参数对积雪微波辐射亮度的影响，讨论了积雪被动微波遥感反演积雪深度的影响因素。结果表明，当雪深小于50cm时，雪深可以近似地表示为19和37GHz的亮温差的线性函数。当雪深大于50cm后，随着雪深的增加，19和37GHz的亮温差增加幅度变小，逐渐趋向于饱和。无论雪深还是雪水当量的被动微波遥感，建立雪深(或者雪水当量)与19和37GHz水平极化亮度温度差算法，必须在积雪密度不变的前提下进行，或者针对不同的积雪密度修订反演算法中的系数。积雪的液态水存在时雪深不可反演，但是，利用这个信号我们可以有效地识别出干雪和融雪，为水文模拟，尤其是融雪径流估算以及农业灌溉提供科学的依据和信息。相关长度、积雪粒径、雪层温度，以及积雪的层结均对积雪的微波亮度温度产生影响，前三者可以通过参数化方法确定，后者的存在将使得雪深的反演成为欠定问题。 虽然雪层其它参数变化会对被动微波遥感雪深的反演造成复杂的影响，但是在我们无法获得更多的积雪参数信息时，从统计角度出发建立线性反演算法不失为当前的可行办法。通过地面观测雪深数据和积雪微波辐射特征，建立了适应于我国积雪特征的雪深反演半物理半经验算法(对于SMMR和SSM/I，算法系数分别确定为0.78和0.66)，并通过积雪微波分类树方法发展了反演雪深数据流程。虽然被动微波遥感反演积雪深度存在不确定性，但是通过与其它积雪数据产品比较，本论文得到的雪盖面积与MODIS雪盖面积基本一致，总体精度优于80﹪，Kappa分析结果也表明两者有很强的空间相关性(＞60﹪)；与全球的AMSR-E雪水当量产品在反映我国积雪趋势上非常一致，但全球算法依然高估了我国的雪水当量，而本论文的结果更适用于我国的积雪特征。最后，制备了自1978-2005年来我国雪深长时间序列数据集，可用于大尺度长时间序列的气候分析、水文模拟和水资源管理。初步结果表明，1978年以来我国积雪储量并无减少趋势，尤其是青藏高原地区，但是年际波动比较显著；我国三大稳定积雪区主要是青藏高原、新疆和东北地区；藏东南地区的积雪量主导了青藏高原地区的总积雪储量，成为我国大江大河的主要融雪水资源区之一。 在积雪数据同化方面，首先介绍了积雪数据同化系统的概念和背景，并讨论了系统的组成和目标。以数据和模型的集成为研究思路，建立了融合积雪过程模型、积雪微波辐射传输模型、优化算法和误差估计的积雪数据同化系统，该系统可以同化积雪的常规观测和被动微波遥感观测。试验表明积雪数据同化方法是融合积雪观测和积雪模型的最佳手段，是积雪微波遥感的新方法。积雪数据同化系统的试验表明，1)从精度上，同化结果明显优于CLM单独模拟结果，这是因为融合了瞬时观测，修正了CLM模型运行轨迹，使得CLM模型在有观测引入时，优化其模拟的积雪状态变量，同时也使下一个运行时刻的初始场更接近观测值，误差不断得到释放。2)从信息量上，同化结果明显优于观测数据，这是因为融合了过程模拟，随着模型的动态演进，克服了观测的不连续问题，系统每一个时刻的输出均是有积雪过程模型的物理约束和瞬时观测的校正。3)通过数据和模型的融合可以同时获取积雪状态变量(如雪深、雪密度、雪层温度和液态水含量等)的最优估计，解决了只依靠被动微波遥感反演积雪状态变量的“欠定”反演问题。最后，分析了模型和观测误差、采样集合数量、集合预报协方差矩阵在同化系统中的作用及其对同化结果的影响。 最后对本论文积雪的被动微波遥感和积雪数据同化方法研究进行总结，并讨论了进一步的研究方向。为了提高被动微波遥感反演雪深的精度，应该融合更多的信息。为了使积雪数据同化系统结果更接近于真实，需要不断努力提高积雪过程模型和微波辐射传输模型的模拟精度，以及大气驱动数据和地表水热参数的质量。进一步，可以同化可见光/近红外遥感及其产品，引入大气微波辐射传输模型，这些也将显著提高积雪数据同化系统的可靠性和稳定性。

目录

文摘

英文文摘

论文说明：图目录、表目录

第1章 绪论

第2章 积雪微波辐射传输模型及参数敏感性分析

第3章 被动微波遥感反演积雪深度

第4章 积雪数据同化系统介绍

第5章 积雪数据同化系统试验与分析

第6章 结论与展望

发表文章目录

致 谢