东北农田区积雪演化过程及其微波辐射特性研究

Farmland is one of the main land use types in Northeast China and snow is the key element that affects the transfer of substance and energy in the farmland ecosystem in winter. The remote sensing estimation of snow parameters is of great significance to assess the soil moisture in spring farmland and to guide the agricultural and livestock production. However, the spatiotemporal variation of meteorological and environmental elements leads to the evolution of the physical parameters (e.g. snow grain size, snow density and snow-water equivalent) and inner structure of snow, such that the snow in the different time has the different microwave radiation characteristics. These increase the uncertainty of remote sensing observation to snow and reduce the inversion accuracy for the snow depth and snow-water equivalent. In this research project, the ground-based observation experiment of time series will be performed, meanwhile, a snow evolution process model and a microwave radiation transfer simulation method will be integrated to acknowledge deeply the substance and energy transfer process among the atmosphere, snow pack and (frozen) soil and the change rule of microwave radiation characteristics in the snow evolution process. Moreover, several optical, thermal infrared and microwave sensor loaded on the UAV will be used to perform the high resolution remote sensing observation to snow in farmland. Based on the observation data, the snow evolution model and radiation transfer model will be coupled and matched in spatial scale to determine the accurate parameterization scheme of dynamic changing snow microwave radiation, which is expected to improve the spatiotemporal adaptation and inversion accuracy of passive microwave remote sensing inversion model of snow in the farmland.

农田是我国东北地区的主要地物类型之一，积雪是影响冬季农田生态系统物质、能量传递的关键要素，积雪参量的遥感估算对于评估春季农田土壤墒情，指导农牧业生产也具有重要意义。然而，冬季农田区气象环境要素的时空变化导致积雪的物理参数（雪粒径、雪密度、雪水当量等）和内部结构不断演化，使得不同时期积雪层具有截然不同的微波辐射特性，增加了遥感观测的不确定性，降低了雪深和雪水当量的反演精度。本项目将通过地基时间序列的观测实验，结合积雪演化过程模型和微波辐射传输模拟方法，深刻认知大气、雪盖、土壤（冻土）的物质、能量传递过程，以及积雪演化过程中微波辐射特性的变化规律；利用无人机搭载光学、热红外和微波遥感器实现高分辨率农田积雪参数的遥感观测，将积雪演化过程模型与辐射传输模型在空间尺度上进行耦合匹配，确定准确的积雪微波辐射特性动态演变的参数化方案，有望进一步提高农田积雪被动微波遥感反演模型的时空适应性和反演精度。

农田是我国东北地区的主要地物类型之一，积雪是影响冬季农田生态系统物质、能量传递的关键要素，积雪参量的遥感估算对于评估春季农田土壤墒情，指导农牧业生产也具有重要意义。然而，冬季农田区气象环境要素的时空变化导致积雪的物理参数（雪粒径、雪密度、雪水当量等）和内部结构不断演化，使得不同时期积雪层具有截然不同的微波辐射特性，增加了遥感观测的不确定性，降低了雪深和雪水当量的反演精度。.本项目针对积雪特性和遥感反演问题开展了如下几方面的研究：（1）开展了典型农田积雪特性多尺度观测实验，获取了冬季积雪物理特性观测数据，并利用SNTHERM模型模拟了农田积雪的关键参数（雪粒径、雪密度和雪土界面温度）。根据东北农田积雪特性对SNTHERM进行区域优化，模拟了整个东北农田区的雪土界温度（RMSE = 3.80℃，BIAS = 0.49℃），分析发现1979年至2018年气候变化背景下，东北地区大部分农田中（98％）的雪土界温度迅速增加。其中，三江和松嫩平原40年来冬季气温上升不明显，但雪土界温度升高显著；（2）在充分理解东北农田区积雪基本物理性质演变规律的基础上，我们开展了农田积雪微波辐射特性模拟及高精度遥感反演方法研究，构建了动态雪深反演算法，以及利用机器学习方法提高被动微波雪深产品的空间分辨率和反演精度，开发了业务化算法，生成了1987-2018年东北地区高分辨率（6.25 km×6.25 km）高精度(RMSE、Bias和R分别为7.10cm、-0.13cm和0.60)的积雪遥感数据产品；（3）新的积雪遥感数据集与已有的积雪数据集相比，能够客观细致地揭示了东北地区长时序积雪参数时空变化，我们也利用开发的遥感数据产品和辅助数据研究了东北农田区雪深对春季土壤墒情影响，研究发现，如果冬季农田中最大积雪深度小于13cm，那么发生春旱的概率可以达到74%，这为春旱的预测和预警提供了重要的信息支撑。