AMSR-E传感器积雪算法探究与分析

 积雪是地球表面变化最为频繁的自然因素之一，近四分之三的淡水资源都由积雪所存储。同时，在气象学和水文学的领域中，积雪也是十分重要的参数，即使是在全球气候和全球水循环的系统中也发挥着巨大的作用。前向模型是获取遥感参数反演的基础，要想得到最为实用的遥感反演算法就必须充分理解遥感器成像过程中的物理机制。雪水当量（Snow Water Equivalent）是描述全球季节性积雪覆盖情况的关键变量。但因为传统方法已经无法准确计算得到雪水当量变量信息了，例如地面测站数据插值或是适用单一航天测量数据的独立算法对积雪密度、分布及其演变有极大的不确定性。
本文章借助AMSR-E传感器的36GHz和18GHz水平极化被动微波遥感数据和地面基站实测数据来进行回归分析得到具有高度回归拟合的雪水当量的计算模型，并借用DMRT-QMS模型进行比较分析结果模型精度。最后分析植被覆盖类型、雪粒粒径、干湿雪等影响因子对雪水当量反演的影响。
总之，经过分析总结，我们发现地形因素、时间序列以及土地覆盖类型等三个变量对雪水当量分别有着不同程度的影响，例如在陡峭的山地区域的被动微波遥感数据和地面基站实测数据拟合效果差，在每一年的一月到三月的拟合效果好，在人口密集的城市回归拟合效果不明显。

关键字：被动微波、雪水当量、DMRT-QMS
目录
第一章 绪论 1
1.1研究背景 1
1.2研究意义 3
1.3研究现状 5
1.4 积雪DMRT-QCA主动微波模型模拟 8
1.4.1 入射角度 8
1.4.2 观测频率 9
1.4.3 积雪深度 10
1.4.4 冰粒子粒径 11
1.4.5 积雪水当量 11
1.4.6 分层效应 12
本章小结 15
第二章 AMSR-E数据与实测数据介绍 16
2.1 AMSR-E数据 16
2.1.1 EASE_Grid简介 17
2.1.2 AMSR-E数据的主要应用研究领域 18
2.2 实测数据 19
2.2.1 气象台站观测资料 19
2.2.2 野外观测数据 19
本章小结 21
第三章 基于AMSR-E数据的雪水当量的反演与分析 22
3.1 研究区域介绍 22
3.2 技术路线 24
3.3 被动微波数据及站点数据简介 25
3.4 数据预处理 26
3.4.1 投影变换 26
3.4.2 亮温数据获取 27
3.4.3 DMRT-QMS模型应用 28
3.4.4 选择最佳时间序列 30
3.4.5 站点观测数据预处理 31
3.5 雪水当量的计算 33
本章小结 33
第四章 结果分析 35
4.1 雪深算法影响因素的分析 35
4.1.1 地形因素的影响 35
4.1.2 时间序列影响因素 37
4.1.3 土地覆盖类型影响因素 39
4.2 拟合直线斜率的探究 41
本章小结 43
第五章 总结与展望 44
5.1 总结 44
5.2 展望 45
5.2.1雪深算法的改进 45
5.2.2 雪水当量算法的改进 46
本章小结 46
参考文献 47
致谢 50
附录 51
第一章 绪论
1.1研究背景
积雪是地表最活跃的自然因素之一，地球上陆地有四分之三的淡水资源以冰雪形式存在。欧亚大陆和北美洲地区在冬季至少有80%的范围是被积雪所覆盖,北半球1月份平均雪盖面积大约有4650万平方公里，而在8月份也有380万平方公里(Robinson，1993)。在中高纬度地区，它是河流与地下水的主要补给来源之一。同时，积雪是气象学和水文学中的一个非常重要的参数,积雪在全球气候和全球水能循环中扮演着极其重要的角色。积雪空间分布的年变化被认为与气候变化有紧密联系。冰冻圈既影响着全球气候，也是全球气候变化的灵敏指示因子。积雪的多寡不仅是影响气候变化的重要因子，也是影响干旱和半干旱地区农牧业发展的重要因素。对区域性积雪变化信息的掌握有利于短期气候预测，积雪信息可作为水文模式的初始输入参数，进行气候模式的验证；积雪也是众多河流的主要补给和地下水的重要补充，积雪面积、雪面温度、雪深以及雪水当量的监测对于融雪径流预报、水资源管理以及洪水控制方面都具有重要的作用。积雪存在着显著的季节变化和年际变化，积雪的时空变化会引起随后的大气环流和气候变化，反过来气候变化又影响积雪的变化。季节性雪盖和冰川是全球水循环中的重要成分，监测季节性雪覆盖的范围以及冰川的堆积和消融地带，对于理解全球水循环十分必要。积雪导致了地表反射率的季节变化，因其较低的热传导性能，从而隔绝了积雪表面温度的快速变化。由于积雪表面的高反射率，全球雪盖分布对气候有很重要的影响，在全球的水循环和地表与底层大气的能量平衡（Cohen，1994）中起着重要作用。瞬时积雪面积与雪盖的时间变化都应该在预测全球气候变化的气候模式中精确体现出来（Foster等，1996）。无论是全球尺度还是区域尺度上雪盖面积与雪水当量都存在很大的时间和空间变化（Freia and Robinson，1999），这些变化特征对气候预测起着非常重要作用。
全球冰雪分布（冰冻圈）是全球气候系统的重要组成部分。现今已知，冰雪对地表-大气界面的能量、水气通量等有重要影响，但是在现今的气候预测中，冰雪影响的定量大小仍然有着非常大的不确定性（Hall and Qu,2006）。冰雪分布也对大气和海洋中的经向温度梯度及其传输过程有着重要影响。全球环流模式（GCM）实验证明，大范围的积雪分布不仅降低了本地局地地表温度，而且对其他地方的气候现象也有所影响（Gong et al.,2004）。
冰冻圈（cryosphere）包括积雪、冰川、冰盖、冻土、海冰、湖河冰以及固态降水等。其中积雪和冻土分布最为广泛且空间分布有着很大的变化性，在北半球共占50%左右的面积。在气候分析和模拟研究中，提高定量化的冰冻圈-大气交互作用预测是一项十分关键且具有挑战性的工作，需要更精确的冰雪能量和物质交换观测和模拟，包括冰雪对地表径流的影响等。
季节性积雪和冰川是地表水循环的重要组成部分，其存储了大量水资源。在全球很多地区，积雪是地表径流的主要来源。全球1/6的人口依赖于季节性积雪和冰川的水供给（Barnett et al.,2005）。。自上世纪70年代以来，地表积雪分布有着明显的加速缩减，在春夏季节尤为明显（Brown,2000;Lemke et al.,2007），且由于在北半球高纬度地区，近30年来气候变暖是其他地区的两倍，其积雪缩减更为明显（ACIA。2004；Trenberth et al.,2007）。如果气候变暖加剧，冰雪缩减造成的水源缩减势必对人类健康、食品安全和生物多样性产生负面影响。积雪水当量的大小和分布对春季径流的时间和年径流特征造成直接影响，进而影响洪水以及干旱过程、灌溉用水供给、湿地水和春耕用水等。除了对经济、社会的影响，积雪缩减还会造成对生态系统的直接影响。山区积雪的融雪量和时间对干旱气候区尤为重要，如美国西南部、中国西北部、中亚地区和南美安第斯国家等（Kundzewicz et al.,2007）。在美国中西部和西部，山区积雪提供了农作物生长所需的大部分水源。分布在中国西北部的喜马拉雅、天山等地区和安第斯山地区的积雪和冰川是人口密集地区河流水源的主要供给来源。积雪相关的水源对在干旱季节维持河流径流和地下蓄水十分重要。此外，融雪径流对于欧洲一些地区的水供给也十分重要。相反，由于春季高温或者降水引起的积雪快速融化通常是洪水发生的前兆。因此，准确测量储存在积雪中的水量（即积雪水当量，积雪深度与密度之积）对预测春夏季水供给和洪水预测非常重要。
1.2研究意义
积雪-气候交互作用非常复杂（Brown,2000），积雪对气候的响应也对生态系统以及碳循环有重要影响，特别在高纬度地区（Denman et al.,2007）。例如，积雪对冬季呼吸作用（winter respiration）和净碳交换（net carbon exchange）有重要影响，进而决定了一个生态系统是大气碳库或大气碳汇。地区性积雪的持续时间和特性控制了土壤冻融的程度。虽然对碳交换机制的认识有待加深，但是我们现在可以认识到积雪有着以下作用：直接控制了植被碳吸收的时间；直接控制了冬季土壤二氧化碳释出量；间接控制了由土壤冻融过程中的碳吸收率等。
为了提高气候变化对环境和生态影响的预测，需要更深刻地认识冰雪和气候之间的相互作用。因此，由于冰雪在气候响应以及生态驱动中的重要作用，更精确的定量化积雪观测十分必要。全球大部分积雪位于气候、交通条件恶劣的两极和高山地区, 传统观测难以企及。且遥感作为可用于大尺度监测地球表面的新手段，克服了传统积雪参数点测量的不足，把传统的“点”测量方法获取得有限代表性的信息扩展为“面”信息，这使我们真正地对地表参数进行定量分析成为可能。特别对于积雪参数，其高时间和空间动态性使得只有通过遥感手段才能获得精确的空间连续、时间连续的大范围动态地表参数，并为全球或区域尺度气候模式与水循环提供有效定量积雪参数。NOAA AVHRR 传感器可提供每天的积雪分布数据，但其空间分辨率很低（1km 左右）。随着更多可见光近红外传感器卫星（如MODIS、Landsat 等）的发射，基于卫星的积雪遥感监测能力得到了发展，尤其是对于积雪覆盖面积的估算。
由于微波信号对地面积雪层的穿透能力，使得微波遥感可以用于积雪深度信息的监测。此外，微波传感器在大气中得高透过率，克服了可见光近红外遥感的大气效应以及云对积雪的混淆作用。被动微波遥感中，当地表出现积雪时，土壤表面和积雪内部的微波发射能量会被散射和衰减，因此被动微波传感器接收到的亮度温度包含积雪信息，如积雪密度、温度、深度、粒径以及粒径分布等（Armstrong等，1993）。被动微波遥感用于积雪监测始于1978年搭载多通道扫描微波辐射计（SMMR）的雨云-7卫星发射，此后经历了SSM/I和AMSR-E等传感器。但是由于被动微波的低空间分辨率，需要利用主动微波遥感传感器进行积雪监测。对于不同的监测目标，有不同的最有波段、极化和入射角度，如对于土壤水分监测，L波段被认为是最优波段，而对于积雪监测，则需要更高频率的波段。此外，主动微波遥感也可用于积雪监测，通常利用C波段SAR进行湿雪制图，而利用更高波段的主动微波遥感进行积雪水当量的反演。欧空局（ESA）正在论证Co Re H2O计划，利用搭载X和Ku波段双频双极化合成孔径雷达卫星进行高分辨率全球积雪分布定量化观测。
遥感参数反演算法的基础是前向模型，只能在充分理解遥感器成像过程中的物理机制情况下，才能发展出更适用的遥感反演算法。微波主被动积雪参数反演算法中，积雪散射的极化特性、频率特性等是反演算法依赖的重要特征，积雪本身性质（粒径、粒子形状、密度、厚度等）决定了这些散射特性。微波波段，积雪散射的极化、频率等特性很难进行测量，只能通过间接测量积雪层的消光系数，如（Hallikainen等，1987）间接进行了若干种积雪在若干频率下的消光系数。自然界积雪结构各异，测量各种积雪的散射特性不太现实，因此这依赖于准确的物理散射模型，需要准确模拟在自然条件下入射电磁波和积雪相互作用，进而模拟积雪微波散射特性，提高对遥感观测量的认识。同样，在可见光近红外波段，积雪性质对半球反射率、方向性反射率也有重要影响，只能依赖计算机反射率模型进行反射特性的研究。现今微波以及可见光近红外遥感前向模型中，积雪通常被建模为规则的球形粒子、椭球粒子等，利用等效观点，这在一定程度上能与实际情况向匹配。但是实际的积雪结构十分复杂，通过电子显微镜和积雪切片图像都可以证实这一点，积雪结构对电磁散射特性的影响不可完全忽略。因此，本论文将着重研究基于实际复杂结构的积雪与电磁波相互作用模型，研究电磁波在积雪内部的传输和散射机制，厘清模型中积雪粒子形状对微波主、被动以及可见光近红外前向模型的影响，构建完整的积雪微波主被动电磁模型和可见光近红外积雪反射率模型。