东北寒区SWAT模型融雪径流空间异质性参数率定方法及应用——以白山流域为例

融雪水是东北地区春季径流的重要来源,融雪径流过程的可靠模拟及预报可为科学管理和调度春汛期水资源提供参考。东北寒区年度内存在融雪径流和降雨径流两种产流模式,流域物理空间属性差异对融雪径流产流模式影响显著,为了解决东北寒区融雪径流空间异质性问题、提高SWAT模型模拟及预报精度,提出对SWAT模型采用单站点和多站点联合参数率定的策略。首先,利用白山水库入库流量进行单站初步参数率定,进而,采用多站点对融雪径流参数进行率定,并将该参数移植到单站初步率定参数集。结果表明:单站初步参数率定后模拟得到年度(1—12月)、夏季汛期(6—9月)、春季融雪期(3—5月)验证期月尺度确定系数(R^(2))分别为0.76、0.74和0.58,日尺度R^(2)分别为0.71、0.75和0.51;单站和多站点联合参数率定后模拟得到年度、夏季汛期、春季融雪期验证期月尺度R^(2)分别为0.80、0.74和0.79,日尺度R^(2)分别为0.74、0.78和0.61。在月尺度和日尺度上,单站和多站点联合参数率定较单站参数率定后春季融雪期的模拟精度分别提高了20%和10%。

基于SNTHERM雪热力模型的东北地区季节冻土温度模拟

冬季土壤温度在土壤肥力、植被安全越冬、土壤微生物活动中扮演着重要角色。雪盖的反照与隔热作用对冬季土壤温度变化及冻融过程具有一定影响,深入探究积雪覆盖对土壤温度的影响机制有十分重要的意义。雪热力模型(Snow Thermal Model,SNTHERM)是用来模拟和预测积雪演化和冻土温度的一维质能平衡模型。基于该模型,结合积雪下冻土温度的观测试验,通过模型模拟结果与实测数据的统计特征参数分析,进行了积雪覆盖下冻融土壤温度变化过程模拟的有效性和精度评价。结果表明,在积雪覆盖条件下,SNTHERM模型能够有效地模拟雪盖下浅层(5 cm、10 cm、15 cm深度)冻土日平均温度的变化过程,模拟值与观测值具有很好的一致性。通过改进模型中土壤层水分迁移等因素,能够提高冻土温度的模拟精度,为研究积雪各参数演化过程与下垫面温度的相互作用奠定理论基础,有助于提高积雪参量空间遥感的反演精度。

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

积雪遥感数据产品可以提供积雪的时空分布信息,是积雪监测的重要数据源。对现有的不同遥感产品进行精度验证和对比分析,明确其适用范围,有利于积雪数据产品的进一步发展和应用。为验证积雪产品在东北地区的适用性,以中国积雪特性及分布调查项目为依托,精心设计野外实验,观测了东北地区25 km典型样方和积雪线路调查数据,验证了在阔叶林和农田两种下垫面下,FY-3B雪深产品、AMSR-2雪深产品、GlobSnow雪水当量产品在东北地区的反演精度。结果表明:GlobSnow雪水当量产品精度最高,不区分下垫面的情况下,最大偏差和均方根误差分别为10.87 cm和12.53 cm。考虑下垫面的影响,GlobSnow雪水当量产品和FY-3B雪深产品在两种下垫面下的雪深反演精度差别很小,偏差和均方根误差的差值小于2.11 cm和3.46 cm,AMSR-2积雪产品在两种下垫面下反演精度差别很大,两种下垫面下偏差和均方根误差的差值大于9.94 cm和7.19 cm。对于3种积雪产品,下垫面为农田的雪深反演精度均高于下垫面为阔叶林的反演精度。

像元尺度土壤水分监测网络及其对L波段土壤水分产品的初步验证结果

土壤水分是作物生长、地—气水热交换及全球水循环过程中的关键变量,对于旱情监测、水文陆面过程及气候变化的研究具有重要的意义。被动微波遥感凭借对于土壤水分的敏感性已经成为监测土壤水分的主要手段。研究中针对吉林省农田下垫面,利用土壤水分传感器网络监测数据,开展了SMAP(Soil Moisture and Active and Passive)和SMOS(Soil Moisture and Ocean Salinity)被动微波土壤水分产品的真实性检验研究,得出了以下结论:(1)与实测数据相比较,SMOS L3(升降轨)和SMAP L3被动微波土壤水分产品存在低估现象,伴随降雨事件会出现高于实测土壤水分的情况;两种被动微波土壤水分产品的无偏均方根误差(unRMSE)都大于0.07m3/m3,但SMAP L3被动微波土壤水分产品数据的ubRMSE略低,为0.078m3/m3;(2)由于L波段的感应深度要浅于传感器的探测深度5cm,降雨后土壤表层的变干现象导致土壤水分的垂直不均匀性,这是SMOS和SMAP被动微波土壤水分产品低估土壤水分的原因之一;(3)SMOS与SMAP亮温分布范围对比结果表明:由于电磁射频干扰(RFI)的影响,RFI对于SMOS的影响更为严重,这或许是SMOS土壤水分产品的RMSE高于SMAP被动微波土壤水分产品的原因。

东北典型林区雪深反演算法的验证与分析

积雪对自然环境和人类活动都有极其重要的影响。积雪参数(雪面积、雪深和雪水当量)反演对水文模型和气候变化研究有着实际的意义。然而,目前森林区的雪深遥感反演精度一直有待于进一步提高。东北地区是我国最大的天然林区和重要的季节性积雪区之一,本文利用FY3B卫星微波成像仪(MWRI)L1级亮温数据和L2级雪水当量数据,以及东北典型林区野外实测雪深数据,对Chang算法、NASA 96算法和FY3B雪深业务化反演算法进行了验证与分析。结果表明:在东北典型林区的雪深反演中,Chang算法和NASA 96算法反演的雪深波动都比较大,当森林覆盖度f≤0.6时,NASA 96算法表现比较好,均方根误差值在3种算法中较小,但当f>0.6时,NASA 96算法失真严重。当考虑纯森林像元(f=1)时,Chang算法低估了雪深47%。当f≤0.3时,FY3B业务化算法始终优于Chang算法。整体上,FY3B业务化算法相对稳定,具有较高的精度。

被动微波雪深反演算法在东北地区的时空分析与验证

Chang算法及改进算法是被动微波遥感雪深反演算法中较简单的经验算法。为了评价改进的Chang算法在东北地区的适用性,对改进的Chang算法进行分析与验证。从空间上,选取了84个野外数据采样点和48个气象站点对改进的Chang算法进行分析与验证。结果表明:森林下垫面改进的Chang算法会低估雪深3.6cm,而农田下垫面改进的Chang算法会高估雪深1.5cm。从时间序列上,选取五营、呼中、庆安和巴彦4个气象站点2012年11月15日~2013年2月28日的时间序列雪深数据,对改进的Chang算法进行分析与验证。结果表明:森林下垫面改进的Chang算法会低估雪深,五营站点低估雪深13.7cm,呼中站点低估雪深8.3cm,农田下垫面改进的Chang算法会高估雪深,庆安站点高估雪深3.4cm,巴彦站点高估雪深0.8cm。无论从空间上还是时间序列上,验证结果都表明,农田下垫面时改进的Chang算法的精度比森林下垫面时要高。此外,站点雪深不变而改进的Chang算法反演的雪深却在增大,这可能是由于期间雪粒径不断增大的缘故。

NASA系列雪参数反演算法在单像元内的时间序列验证与分析

NASA系列算法(Chang,NASA96和Foster算法)是被动微波遥感反演雪深、雪水当量的简单、实用的经验算法,并经过了很多学者大范围的算法验证和改进。为了进一步评价NASA系列算法在东北地区的时空适用性,于长春净月潭区域选定了一个以农田和森林为主的10km×10km被动微波遥感混合像元,在时间上连续观测整个干雪期(2014年12月至次年2月)的积雪参数和气象数据,结合FY3B卫星搭载的微波成像仪(MWRI)亮温数据,对NASA系列算法精度进行了评价分析。结果表明:对于雪深的反演,Chang算法和NASA 96算法前期反演效果较好,后期随着时间的推进高估雪深的趋势愈加明显。由于考虑了森林覆盖率的影响,NASA 96算法的反演精度更高。两种算法最大高估值分别是24.46和14.62cm,这是因为期间雪性质不断变化,尤其是雪粒径不断增大的缘故。Foster算法也严重高估了雪水当量,可能是由于积雪类型的分类系统未必适合于东北地区的积雪特征。本文的积雪连续观测数据为认识东北地区的积雪特性奠定了基础,对算法的时间序列验证与分析为雪参数反演算法的进一步改进提供了可靠依据。

林下枯枝落叶层双频段微波辐射衰减特性研究与分析

林下枯枝落叶层会衰减来自土壤的微波辐射信号,降低微波辐射亮温对地表参数变化的敏感性,从而影响林下地表参数的反演精度。为了定量研究枯枝落叶层的衰减特性,基于τ-ω模型,通过严格的理论推导证明了利用不同厚度下的枯枝落叶层亮温计算衰减系数的可行性,并基于该理论方法设计可控实验,获取了双频段(18.7GHz和36.5GHz)上不同厚度、不同重量含水量的枯枝落叶层亮温值,然后定量分析了枯枝落叶层的衰减系数随重量含水量的变化过程,同时根据计算的消光系数,分析了不同厚度、不同重量含水量下的枯枝落叶层透过率。结果表明:较干燥的枯枝落叶层的衰减系数较小,透过率较高,但是随着含水量增大,衰减系数会出现急剧的增加,从而造成透过率骤减;高频波段的衰减系数变化更加迅速,由枯枝落叶层引起的衰减作用更加明显;单次散射反照率ω随重量含水量的变化趋势为先升高后降低。该研究有利于理解森林系统中微波辐射传输过程,纠正森林区微波辐射亮温,提高森林下地表参数遥感反演精度。