多源遥感数据支持的无资料地区积雪模型参数化研究

The reliable simulation of snow ablation processes is necessary for accurate understanding of cold regions land surface processes and hydrological processes. Snow locates widely under the complex terrain environment where the in-situ observation is scarce. In this case, the spatial forcing data can not be accurately obtain, it is difficult to judge the applicability of the model. This study focuses on how to use the remotely sensed snow parameter to optimize the snow model structure, and calibrate the model parameters. This method is expect to reduce the uncertainty of snow simulation and improve the simulation accuracy in the ungauged regions. The remotely sensed snow variables include: factional snow cover, snow surface albedo, shortwave radiation, snow water equivalent, precipitation and surface temperature. There are three major jobs in this study: 1) Taking advantage of multi-source remote sensing data to optimize the snow model structure; 2) Analyzing the impact of the forcing data, model structure and parameters on the snow simulation uncertainty; 3) Using the remotely sensed data to simulate the snow processes and calibrate the model parameters. Finally, it is expect to develop a set of method for snow simulation and calibration in the ungauged regions, majorly depends on the remote sensing data.

可靠的积雪过程模拟，是准确理解寒区陆面过程及水文过程的必要条件。积雪广泛地存在于缺少观测资料的复杂地形环境，模型所需的空间驱动数据无法准确获取，模型适用性难以判断。这给积雪模拟带来极大的不确定性。本研究重点探讨如何将遥感反演的积雪关键要素：积雪面积比例、雪面反照率、短波辐射、雪水当量、降水以及地表温度遥感观测，用于优化积雪模型结构、驱动积雪模拟过程以及标定模型参数，从而降低无资料地区积雪模拟的不确定性，提高模拟精度。主要研究内容包括：以充分利用多源遥感数据为宗旨，优化调整积雪模型结构；分析驱动数据、模型结构及参数对积雪模拟不确定性的影响；使用遥感数据模拟积雪过程和标定模型参数。在此基础上，集成并发展以遥感数据为主的无资料地区积雪模拟及标定方法。

本项目重点探讨如何将遥感反演数据用于优化积雪模型结构、驱动积雪模拟过程以及标定模型参数，从而降低无资料地区积雪模拟的不确定性，提高模拟精度。针对此，我们通过发展包括积雪模块在内的寒区水文模型，分析驱动数据及模型参数的不确定性，并使用遥感数据模拟积雪过程和标定模型参数，从而集成并发展了一套针对缺资料地区的积雪水文模拟方法。.我们形成了一套完整的研究数据，包括野外观测资料、研究区历史资料以及模型模拟的参数与结果资料。我们搜集整理了研究区（黑河流域上游与玛纳斯河流域）历史水文气象数据，包括高精度的研究区DEM以及植被覆盖数据。我们搜集了针对研究区的积雪面积比例、积雪反照率等遥感产品，并进行了精度评估与时空尺度的统一处理。.我们分析了驱动数据、模型结构及参数对积雪模拟不确定性的影响，并提出了一套利用多源遥感数据优化调整积雪模型结构的方法。我们在黑河上游地区对积雪面积比例数据产品的不确定性进行了定量分析，明晰了在不同海拔、坡度、坡向、经度、纬度、积雪比例、植被类型和植被指数条件下积雪面积比例数据的精度及不确定性分布规律。对积雪反照率数据、径流遥感数据等其他遥感数据也进行了不确定性和空间代表性分析，并将积雪反照率遥感数据用于模型模拟中。针对模型结构调整问题，我们分别使用度日因子模型、多层物理过程模型在黑河流域上游及玛纳斯河流域开展了积雪聚集与消融过程模拟与分析，并使用包含有完备积雪物理过程在内的寒区水文模型对研究区进行了长时间序列的积雪消融和径流过程模拟。使用遥感数据为目标变量，对不同参数方案进行调整比较。针对比较结果，对积雪物理过程建模方案进行了重要修改，改善了参数设定与模拟结果。.我们集成并发展了以遥感数据为主的无资料地区积雪模拟及标定方法，形成了一套改进后的寒区水文模拟集成系统。使用遥感积雪面积数据对基于能量平衡的积雪模型进行分布式标定，并采用遥感数据资料以及粒子群优化方法，对降雪临界温度阈值等参数进行了标定。针对融雪水文系统的构建，将WRF气候模式与GBEHM水文模型之间的耦合进行了梳理和改进。同时，我们改进了森林地区积雪过程模拟中存在的若干问题，形成了对研究区长时间序列融雪径流贡献的创新划分方法。优化了已有的无资料地区积雪模拟参数化方案和标定方案，发布了寒区集成水文模型开源代码。.本项研究为缺资料高寒山区的积雪水文模拟提供了一套可行的方案。