基于辐射传输模型和过程模拟的湿雪判识研究

积雪监测对研究全球气候变化、大尺度径流估算和积雪灾害监测具有很重要的科学意义。目前的微波遥感积雪反演算法主要适用于干雪雪水当量的估算，然而由于干湿雪的微波辐射特征差异较大，对中国气候背景下，特别是南方地区较高温度气候背景下的降雪（以湿雪为主）监测效果不佳。而这也正是扩展新一代风云三号微波成像仪业务范围和应用能力亟待解决的问题。因此，本研究拟开展中国区典型积雪微波辐射特征的机理研究，通过条件可控的积雪微波辐射特征观测，改进和发展适合中国的湿雪微波辐射模型；在积雪辐射模型基础上，结合积雪过程模型，探究湿雪辐射特征变化的机理；根据现有湿雪监测算法中存在的问题，在理论模型基础上，利用时间序列技术来发展适合我国风云三号微波成像仪以及其他微波传感器的湿雪监测算法，为积雪灾害监测和气象、气候、水文模型等提供必要的积雪参数。

积雪监测对研究全球气候变化、大尺度径流估算和积雪灾害监测具有很重要的科学意义。目前的微波遥感积雪算法主要适用于干雪雪水当量的估算，然而由于干湿雪的微波辐射特征差异很大，现有的算法对于湿雪监测效果不好。此外，如何有效利用国产卫星开展积雪尤其雪灾监测也是本项目探索的一个研究点。本研究在项目执行过程中开展了三次积雪辐射观测实验包括人工控制实验，实验期间均存在积雪昼夜冻融过程，即白天为融雪或湿雪，而晚上则由于气温较低积雪为冻结雪；在实验数据基础上改进了国际上通用的积雪半经验模型HUT，以便更好模拟积雪融化-冻结过程的辐射特征。课题组发展的DMRT_MD_AIEM模型也可用于湿雪的辐射亮温特征模拟。此外，结合积雪过程模型SNTHERM模拟与星载辐射计亮温模拟，分析了下雪前和下雪后时间序列辐射特征，这些研究成果对湿雪的辐射冻融过程提供了较好的分析和理论支持。在此基础上，研究了不同类型（低矮植被区和森林区的融土、冻土、湿雪、干雪共八个子类）下单波段亮温、频率差、极化差和昼夜亮温差特征，从而发展了基于星载辐射计数据如AMSR-E的湿雪判识决策树算法。该算法首先采用降轨数据对积雪散射信号明显特征地区进行判识，当降轨数据判识无效情况下，结合升轨数据做进一步判识。验证结果表明结合89GHz亮温通道有助于湿雪判识精度的提高。通过气象站点的验证，决策树算法在低矮植被区的总体精度为91.3%，在森林区为88.6%；与IMS雪盖比较，决策树算法的总体精度为94%，最小精度达到85%以上。由于2011年积雪期较短且雪深普遍较浅，积雪散射信号不够显著，因此采用2008年大雪期数据建立的算法在应用到2011年时，会造成积雪判出率下降。这主要是由于星载辐射计空间分辨率较粗，混合像元问题严重，对积雪判识带来很大的误差。因此我们基于国产气象卫星，开展了综合多源传感器的积雪判识算法，在仅利用风云二号静止气象卫星和风云三号极轨卫星的微波成像仪观测获取每日连续无云的积雪判识，取得了较好的判识效果，判识精度达到国际上同类产品（NOAA IMS积雪产品）精度。美国NOAA IMS积雪产品实则是人机交互的业务化运行系统，融合了国际上主要的卫星传感器、以及地面站点观测信息。因此本项目得到的积雪判识算法，除了应用和挖掘国产卫星的数据有效利用率上，同时为积雪监测尤其是灾害监测提供强有力的理论支撑。