基于Crocus模型的雪深模拟研究

雪深的准确模拟对于寒区的水文过程、气候变化、生态环境具有重要意义。积雪过程模型可以定量模拟物理环境对积雪参数的影响过程,从物理意义上定量模拟区域雪深。但是,目前积雪过程模型模拟存在参数设置复杂、不确定性大等问题。因此,有必要通过参数率定找到最适应区域的参数组合,从而完成模型参数的本地化。本文应用Crocus模型,在西藏自治区的聂拉木站、普兰站和帕里站进行3 a(2019—2021年)逐日雪深模拟,利用UQ-Pyl进行模型参数的敏感性分析及率定,构建以上站点的Crocus模型,并通过相关系数(R)、标准差比(SDC)、纳什效率系数(NSE)、平均差值(BIAS)和均方根误差(RMSE)综合评估Crocus模型在聂拉木站、普兰站和帕里站的适用性。结果表明:聂拉木站、普兰站、帕里站的Crocus模型主要敏感参数分别有20、15、13个;Crocus模型在聂拉木站的雪深模拟效果最佳(R=0.989、SDC=0.990、NSE=0.978、BIAS=0.276 cm、RMSE=4.280 cm),普兰站和帕里站次之;其中,聂拉木站的积雪沉降、积累和融化过程得到了很好的模拟,普兰站在积雪较厚时模拟效果更优,帕里站在每年3—4月时模型高估了雪深,但变化趋势基本一致,3个站点的日雪深模拟结果基本反映了雪深日变化过程。本文对Crocus模型的本地化是对积雪过程模拟研究的有益补充,为理解和揭示西藏自治区的积雪过程可提供科学依据和信息,同时,也为提高区域气候预测水平、水资源有效管理、灾害预防和应对提供有力支撑。

基于SMRT模型的北极多年冰上雪厚反演

L波段微波辐射传输模型可以模拟微波辐射信号在北极冰雪内的物理传播过程,是北极冰面雪厚反演的有效手段。然而当前可用于北极海冰积雪上L波段亮温模拟的模型非常有限,极大地限制了基于L波段微波辐射传输模型的雪厚反演算法的发展。2018年由欧空局赞助开发的积雪微波辐射传输模型(Snow Microwave Radiative Transfer model,SMRT)已被证实可以用于北极海冰积雪上的L波段亮温模拟,但还未有研究利用该模型进行北极雪厚反演。为此,文章利用2018年开发的新一代积雪微波辐射传输模型SMRT,开展了基于L波段辐射传输模型的北极多年冰上雪厚反演研究。文章首先在SMRT模型基础上改进了积雪隔热效应计算这一前向模拟关键过程,简化计算的同时提高了模拟的准确性。然后选取L波段模型结合雷达高度计的雪厚反演算法展开研究,利用该算法对改进模拟过程的SMRT模型进行了雪厚敏感性分析,验证了SMRT改进模型应用于多年冰上雪厚反演的可行性。最后对2012年11月至2021年4月期间每年1—3月的月平均雪厚进行了反演,反演结果与雪厚数据集的对比分析表明,反演结果能较好地得到北极多年冰上雪厚分布。并利用2013—2015年OIB(Operation Ice Bridge)实测雪厚进行了准确性印证,反演结果与OIB实测雪厚的一致性较好,二者的均方根误差RMSE为0.07m,说明了基于SMRT模型的多年冰上雪厚反演算法的有效性。

基于积雪数据的HBV模型改进及应用

大渡河流域内站点分布较少,历史观测数据不足,给该地区的融雪径流预报带来困难。基于欧洲中期天气预报中心提供的最新一代高分辨率陆面再分析数据集ERA5-Land,将积雪覆盖率和积雪平均深度引入度日因子雪量计算公式中,对HBV模型的积融雪模块进行改进,以提升融雪径流计算的可靠性。以大渡河上游为研究对象,选取1961—2018年的水文气象资料对模型进行率定和验证,并以2019年为例进行试预报研究。结果表明,通过引入ERA5-Land再分析数据,以及对积融雪模块进行改进,发挥了其在模拟积融雪上的优势,有效提升了融雪径流预报精度,对大渡河流域具有适用性。研究成果可为稀缺资料地区融雪径流模拟预报提供经验。

FY-4卫星资料在青藏高原地区积雪判识和雪深反演中的应用

青藏高原积雪监测在地球辐射平衡、全球气候变化和生态环境等方面有重要作用,对气候预测、雪灾预测等具有重要意义。FY-4(风云4号)卫星数据具有高时空分辨率的优势,基于FY-4A(风云4号A星)构建积雪监测方法与模型,不仅拓展了静止卫星应用领域,也丰富了积雪监测应用的手段。FY-4的高时间分辨率为积雪监测的研究提供了分钟级数据,对积雪与云的变化掌握的更为细致,但用于积雪监测的波段,因分辨率不高容易导致错判与漏判。本文基于2020年小时级野外地面雪深观测数据、风云3号D星积雪覆盖产品(FY-3D_SNC)数据,构建了基于归一化积雪指数(Normalized Difference Snow Index,NDSI)的FY-4A卫星积雪判识方法,提出了雪深监测模型与等级划分指标。结果表明:NDSI≥0.20是青藏高原地区FY-4A卫星积雪判识的适用阈值,无论有云或无云条件,其漏判率均低于8.0%。地面站点验证结果表明,积雪判识准确率达83.33%以上。空间范围内直接剔除云区后,积雪判识经混淆矩阵验证准确率在82.48%以上。因此,FY-4A卫星在青藏高原地区具有积雪监测的能力。虽然FY-4A卫星对超过10 cm以上雪深不具备区分能力,但可以较好地识别10 cm以下浅雪雪深,相关系数达到0.745,通过了0.001显著性水平检验。据此建立的FY-4A卫星0~10 cm雪深等级指标,总体分级精度达到87.50%。FY-4A卫星雪深反演方法在青藏高原地区对0~10 cm浅雪雪深有较好的估算能力。

北极多源积雪深度数据对比评估及其对海冰厚度估算的影响

积雪深度是估算海冰厚度重要的参数之一,目前对不同积雪深度产品精度及其可适用范围的评估研究较少,也缺乏系统性的认知。本研究选取了11种北极积雪深度产品,根据产品的不同时间范围,分为2013—2018年和2018—2019年2个评估时间段。根据上述时间段,对比分析了各产品之间的差异性,然后将这些产品与“冰桥行动”和海冰质量平衡浮标的现场观测结果进行了评估。所有产品都显示格陵兰岛和加拿大北极群岛的北部积雪深度较厚,而在东西伯利亚海、拉普捷夫海、喀拉海、巴伦支海沿线区域的积雪深度较薄,不过,部分产品在时空变化上仍存在较大差异。与“冰桥行动”的观测数据对比发现,大部分产品数据雪深都较厚,AMSR2B和IS2/CS2分别在2013—2018年和2018—2019年的评估时间段内差异较小,拟合度较好。与海冰质量平衡浮标的对比结果显示,绝大部分产品数据雪深都较薄,并且差异性较大,其中NESOSIM在整个时期拟合度较好。利用不同产品的积雪深度反演海冰厚度的结果差异显著,与“冰桥行动”观测的海冰厚度对比发现,FY3B/MWRI和IS2/CS2分别在2013—2018年和2018—2019年的评估时间段内有着最好的拟合性。综合雪深和海冰厚度的验证结果来看,经验被动微波遥感、卫星测高以及组合类型的AMSR/AVHRR有着较好的拟合度,而雪深再分析模型产品的精度仍然需要进一步提升。

基于SSM/I的青藏高原东部雪深模型反演及积雪时空分布研究

雪灾是制约牧区草地畜牧业持续发展的主要气象灾害之一。利用研究区1995—1996年、2000—2001年、2005—2006年10月到次年3月共3个积雪季的SSM／1日亮温数据和79个气象台站对应的地面实测雪深值，反演了青藏高原东部的雪深模型，估算了积雪分布面积和积雪深度。研究结果表明：3个积雪季的月、旬积雪面积都是先增加，在12月到次年1月达到最大值，然后减少；各积雪季雪深以〈5cm为主，10月、次年2月和3月期间基本上没有〉10cm以上的积雪；从3个积雪季的旬雪深数据来看。各旬3个级别的雪深面积变化基本上都遵循了先增大后减小的趋势，其中雪深〈5cm的积雪面积变化最大．〉10cm的积雪面积变化最小；3个积雪季5～10cm的积雪主要分布在青南的玉树、果洛州。

新疆北部地区积雪深度变化特征及未来50a的预估

分析比较参加CMIP3计划的全球气候模式,在20C3M下各模式1961-1999年平均积雪深度和观测资料比较的基础上,检验了模式对积雪深度的模拟能力.在此基础上,选用INM-CM3.0和CGCM-T47_1模式对北疆地区未来50 a的积雪变化进行了预估.由于受GCM的空间分辨率和新疆北部地区地形、盆地沙漠下垫面、水汽来源和干旱气候环境的影响,CMIP3模式的GCM在新疆北部地区的模拟能力有限.通过相关系数和均方差误差的双重检验,选取了在新疆地区模拟能力较好的INM-CM3.0和CGCM-T47_1模式的模拟结果对新疆地区未来的积雪变化进行了预测.结果表明,在A1B、B1情景下,2002-2050年,总体上新疆北部地区的积雪深度均呈减少趋势;A2情景下,INM-CM3.0、CGCM-T47-1模式在准葛尔盆地地区积雪变化的模拟结果存在差异,但未来40 a新疆地区除天山附近外,积雪深度变化呈减少趋势.

投影寻踪法在建立积雪深度模型上的应用

针对融雪期积雪深度变化问题的高维非线性、非正态特点,利用投影寻踪法将积雪深度变化多指标问题转化为单一投影指标问题,采用遗传算法优化投影方向得出最佳投影值,最终得到对积雪深度变化影响较大的因子,实现在低维空间上反应积雪深度变化的目的。实例分析结果表明:影响积雪深度变化的各因素贡献力依次为:土壤地表温度>净辐射>空气温度>土壤体积含水量>风速>空气相对湿度>降水>水汽压。通过建立MLP神经网络积雪深度模型表明:利用投影寻踪法提取的积雪深度主要影响因子是可靠的,且提取的主要影响因子为简化积雪深度模型提供理论依据。

我国年最大雪深概率分布的优选模型

采用我国记录时间长度大于40年的120个气象台站的年最大雪深数据,对我国年最大雪深的概率分布模型进行了统计分析。结果发现,大部分台站的年最大雪深数据更偏向于服从对数正态分布。因此,若需在全国范围内采用单一的概率分布模型对年最大雪压(或雪深)进行统计建模,对数正态分布是更佳选择。采用对数正态分布后,根据不同的拟合方法,120个台站估算得到50年一遇最大雪深(即基本雪深)较之极值I型分布的估算结果平均上升约6%到13%不等。

基于BP神经网络的公路风吹雪雪深预测模型

公路风吹雪雪深预测作为国际雪冰学领域的研究热点和难点问题一直未能很好解决.以白茫雪山防雪走廊段安装的自动气象站和当地气象局提供的气象资料为基础,提取了对公路风吹雪雪深有影响的4种因素(降雪量、大气温度、风速和湿度)的指标值,建立了基于BP(back propagation)神经网络的公路风吹雪雪深预测模型.对研究区5次降雪过程中所记录的199组数据进行训练学习,用20组数据来验证建立的模型,验证结果表明20h累计雪深预测值的误差在10%以内,85%的雪深预测值误差在20%以内,因此所建立的模型具有很强的泛化能力和较高的精度.并对降雪量、大气温度、风速和湿度这4个因素进行了敏感性分析,表明雪深与降雪量成正比,与其他3个因素成反比,其中降雪量对雪深的影响最大,风速次之,湿度最小.

基于常规气象资料融雪模式的建立及应用

以能量平衡方程为基础,考虑太阳短波辐射、大气和地面的长波辐射、潜热、感热传输以及下垫面的热传导等能量之间的平衡,建立了利用常规气象观测资料预测雪面温度和积雪深度变化的融雪模型。利用2009年1—3月以及2009年12月—2010年1月在湖北恩施雷达站的积雪观测数据进行模拟和验证,结果表明:该模型对于雪面温度和积雪深度都有较好的模拟效果。当下垫面导热系数λg<0.5时,下垫面对雪深的影响很小;当λg≥0.5时,积雪融化速度随λg的增大而加快,说明下垫面的热传导是影响积雪深度变化的主要因素之一。

2008年安徽雪深全国之最的成因探讨

基于大气探测资料和雪灾评估报告,分析2008年雪情分布状况,得出安徽雪深为全国最大的事实,并从天气学、数值模式模拟方面探讨安徽雪深之最的原因。结果表明:①2008年安徽雪深较大的区域集中在大别山和江淮之间,该区域为全国积雪深度之最。②西南暖湿气流北上,北方阻塞系统稳定存在,冷暖空气在长江中下游不断交汇,水汽凝结易形成雨雪天气。水汽输送和相对湿度很大,非常有利于在安徽形成较大降雪天气。③雪、冻雨的天气学分析说明,长江以北地区易形成降雪,江南地区则易形成冻雨。④短波槽长期稳定维持在安徽附近地区,成为安徽省积雪深度最大的理由之一。⑤MM5模式模拟结果验证淮河以南地区降水较大,江南地区的降水表现为冻雨,江北地区则表现为降雪。

基于多种光谱预处理的融雪期积雪深度定量模型研究

在融雪期通过实地雪深与光谱测量,研究了实测光谱反射率与积雪深度之间的关系。分别采用反射率Reflectance、倒数之对数log(1/R)、标准化比值(R/R_(450-750))和Box-Cox转换值4种光谱指标与不同波段组合建立对雪深的多元线性回归预测模型,并利用验证样本集对模型进行了检验。结果表明:野外实测反射光谱与雪深值呈良好的正相关关系,采用可见光波段与近红外波段结合的波段组合预测积雪深度的建模与检验精度均高于单独使用可见光波段或近红外波段,标准化比值结合可见光与近红外波段组合建模精度与检验精度均为最高,4种光谱指标中,倒数之对数和Box-Cox转换值的模型判定系数与检验精度均不理想。

青藏高原冬春积雪异常和中国东部夏季降水关系的诊断与模拟

使用1980 2010年水平分辨率为25 km的遥感积雪深度资料和0.5°×0.5°降水观测资料分析了青藏高原(下称高原)冬春(12月至翌年5月)积雪异常和中国东部夏季(6 8月)降水的关系,然后通过区域气候模式Reg CM4.1在高原冬春季、春季积雪异常强迫下的试验结果进行对比,进一步验证了高原积雪异常影响中国东部夏季降水的机理。遥感积雪深度和格点降水资料诊断分析表明高原冬春少雪,中国东部夏季降水从北向南呈"-+-+"分布;冬春多雪,降水从北向南呈"+-+-"分布。数值模拟试验结果表明,高原冬春积雪异常影响中国东部夏季降水异常,高原冬春少雪,中国东部夏季降水从北向南呈"+-"分布,高原春季少雪,中国东部夏季降水从北向南呈"+-+"分布;高原冬春季以及春季多雪情形下,中国东部夏季降水异常呈相反的空间分布。同时,数值模拟结果表明高原冬春或春季少(多)雪,东亚夏季风偏强(弱),中国东部夏季降水异常。

青藏高原积雪深度对延伸期预报技巧的影响

高原积雪是重要的陆面因子,其变化的时间尺度长于大气而短于海洋。本文利用国家气候中心第二代月动力延伸期预测模式(DERF2.0)历史回报资料与被动微波资料(SMMR)、被动微波成像专用传感器(SSM/I)数据反演的逐日雪深资料,分析了1983～2014年冬季和春季转换季节高原积雪对热带外地区延伸期尺度预测技巧的影响。结果表明,高原积雪异常年动力模式在高原积雪显著影响的青藏高原地区、贝加尔湖地区和北太平洋地区预报技巧明显高于正常年份。随着预报时效的延长,高原积雪偏多年的技巧衰减最慢、其次为积雪偏少年,积雪正常年最快,表明高原积雪异常年可预报时效更长,且高原积雪异常对预报技巧的改善在第1候的预报中就显现出来,尤其是积雪偏多年,其影响时段明显要早于海洋。结果显示高原积雪对延伸期预报技巧有重要贡献,暗示高原积雪异常为东亚延伸期预报的潜在可预报源。

基于AMSR2被动微波积雪参量高精度反演方法研究

以新疆为研究区域建立了被动微波遥感积雪深度高精度反演模型,采用高空间和时间分辨率AM SR2被动微波遥感数据（2012年11月-2015年3月逐日数据）,结合研究区域海拔高度、坡度、坡向、沙漠,荒漠和地表粗糙度等地形、地貌特征,考虑冰川、水体、林地等地表覆盖类型和不同季节的新雪、干雪和湿雪等积雪属性的微波辐射特征,以决策树阈值法为基础,通过采集样本分类建立起多种雪深判识阈值,在此基础上建立AMSR2高精度积雪深度反演综合模型,分类分析不稳定积雪和冰川信息,从而实现雪深在60 cm以内的积雪深度AMSR2反演的主要原理、思路及方法,并对模型的反演结果跟台站实测或者野外观测积雪值以时间和空间角度进行检验.结果表明：该综合模型能够定量判识研究区域复杂地形地貌条件下的1～60 cm积雪厚度,检验的复相关系数为0.74～0.88,均方根误差为2.92～6.14 cm,平均绝对偏差指数为3～4 cm,雪深误差〈5 cm的精度为91%～94%,雪深误差〈2.5cm的精度为81%～87%.

山东一次极端雨雪过程积雪特征分析及模式产品检验

利用地面自动气象站资料、人工加密积雪深度逐时观测资料和ERA5再分析资料,对山东2021年11月6—8日极端雨雪过程积雪特征进行分析。结果表明:(1)降水量突破同期历史极值导致此次雨雪过程成为极端天气事件,积雪深度是预报难点。(2)暴雪和积雪集中分布在山东的中北部地区,有量积雪的范围与降雪量R≥5 mm的分布范围基本一致。积雪深度具有明显的时间变化特征。(3)在山东典型回流暴雪天气形势下,有利的水汽、动力条件和冷空气降温作用,造成山东出现极端雨雪。低层的强冷平流降温导致降水发生相态转换,山东中北部出现暴雪及严重积雪。(4)积雪区降雪含水比差异大,平均降雪含水比为0.53 cm·mm^(-1),比历史平均值偏低。积雪深度与高空温度、相对湿度和垂直速度的配置有关,低的温度有利于降雪和积雪。地理位置、鲁中山地地形和地面风速对积雪深度有影响,海陆差异较纬度差异影响大,海拔高度影响较小。(5)欧洲中期天气预报中心业务预报模式积雪产品对山东积雪有较好的预报能力,时效近、误差小,但存在预报总体偏弱、北部偏小和中南部偏大的特点。

MODIS雪深反演数学模型验证及分析

在MODIS卫星遥感积雪监测的基础上,利用雪深反演数学模型、积雪指数NDSI和多光谱阈值等相结合的方法,对2004年以来新疆北疆地区的积雪分布状况进行了反演和计算,并利用2004年11月～2005年3月冬季北疆地区气象台站雪深数据和2004年12月～2006年1月加密野外实测雪深数据,对反演雪深数据进行了验证及分析,北疆各地除塔城地区反演精度为83.2%以外,其它地区反演精度达85.2%以上,平均反演精度达86.2%;野外实测数据验证反演精度达92%以上。

基于多源遥感数据的疏勒河上游山区流域VIC-CAS模型积雪模拟效果评估

积雪积累和消融过程是冰冻圈水文模型的重要组成部分,利用多源遥感数据对水文模型模拟的积雪分布和深度进行评估是进一步增强融雪过程模拟的物理基础,也是提高模拟可靠性的重要手段。基于2002—2013年疏勒河上游山区流域MODIS地表反射率数据集和中国雪深长时间序列数据集,对VIC-CAS模型模拟的逐日积雪覆盖度和雪深进行了综合评估。结果表明:从不同降雪年份来看,VICCAS模型可以较好地模拟多雪年(2008年)疏勒河上游山区流域积雪的覆盖度,在平雪年(2004年)和少雪年(2013年)模型模拟精度相对较低。从不同海拔的模拟结果来看,在流域占比最高的4 000~5 000m高程带精度最高,2 000~3 000m高程带精度最低;对比模拟雪深与中国雪深产品发现,多雪年的一致性较高,平雪年和少雪年的一致性较低。这表明VIC-CAS模型对疏勒河上游日尺度的积雪覆盖度和雪深的模拟精度相对较低,特别在低海拔处和薄雪情况下,其原因可能是对积雪再分布和风吹雪过程的模拟算法和参数化存在较大的不确定性,需要进一步改进。

近30年BCC-CSM(m)模拟高原积雪状况评估及其对夏季降水的影响

为了得到适用于青藏高原积雪研究的高分辨率、长时间序列的区域尺度资料,利用近30年逐月区域气候系统模式BCC-CSM(m)模拟的1.125°×1.125°积雪深度资料、卫星遥感反演的0.25°×0.25°积雪深度资料、ERA-Interim 0.75°×0.75°地面感热再分析资料和中国气象数据网提供的0.5°×0.5°降水资料,评估了BCC-CSM(m)模式对高原积雪深度时空演变的模拟性能及其对高原感热和我国夏季降水的影响,为夏季降水预测提供参考依据。结果表明,BCC-CSM(m)模式能够较好再现冬季高原积雪的时空变化特征,在缺少有效实测积雪资料的高原地区不失为一种分辨率高、时间序列长的代用资料。冬季高原积雪和春季地表感热之间存在反相变化,而且两者的空间分布型存在显著的负相关关系。冬季高原积雪与我国夏季降水存在一定的相关关系,即:与长江中下游地区、四川地区、新疆北部地区、东北东部和高原南部夏季降水呈显著正相关关系,而与华南和东北北部地区呈显著负相关关系。冬季高原积雪存在全区多雪型、全区少雪型、东南少西北多型和东南多西北少型4种空间分布模态,而且不同高原积雪模态对我国夏季降水的影响不同。