基于AMSR2被动微波数据和东北地区积雪特性数据的动态的雪深反演算法

积雪在全球水文循环和气候系统中起着重要作用，它是河流与地下水的主要补给来源，积雪表面的高反射率以及雪层的绝热效应显著地影响着全球地表能量交互。雪深(SD)是气候和水文模型模拟的重要参数，因此，准确的反演雪深对于了解气候系统和寒冷地区水资源管理至关重要。
  被动微波的波长较长，对云，雨和大气有较强的穿透能力，不受恶劣天气的影响，且具有全天时、全天候的观测能力，它已经被广泛地应用于积雪深度的反演。当前，最常用的雪深反演方法是基于被动微波亮温差的业务化算法，雪深业务化算法操作简单，仅利用被动微波遥感数据结合固定的经验系数就可以连续快速地反演积雪深度。但现有的雪深业务化算法假设积雪特性在整个冬季是固定不变的，并且受到植被，尤其森林的影响，常常导致雪深反演结果存在较大的误差。为了提高雪深反演精度，东北地理所微波遥感团队提出了一种考虑积雪特性变化以及森林衰减的动态的雪深反演算法（中国科学院东北地理与农业生态研究所雪深反演算法，IGAS算法），以减弱积雪演化和植被冠层对雪深反演的影响。研究团队根据东北地区野外观测的积雪特性数据，通过MEMLS模型模拟不同积雪特性的亮度温度，建立了TBDv与CM(TBDH/SD)的关系（图1），进而导出了能够反映积雪特性变化的动态系数。在此基础上，针对森林冠层的影响，通过引入森林衰减因子，并对IGAS算法中的系数a和b进行了优化（图2），进一步提高了雪深反演的精度。
  基于气象站长时间序列（2013年-2018年冬季期）的雪深观测数据，本研究对新算法进行了验证，验证结果表明：新算法与观测雪深具有较好的一致性（图3）。另外，相比于传统的业务化算法，本研究提出的动态的雪深算法考虑了积雪特性随时间演化和森林冠层的影响，因此具有更高的反演精度(图4)。研究成果发表在IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing国际期刊上。

图1.不同积雪特性下的TBDV与CM的关系

图2. IGAS算法中的系数a和b在森林区域的优化结果

图3. IGAS算法在东北地区的验证结果

图4.不同业务化算法的反演精度对比结果
(a) IGAS算法；（b）Che产品（c）Chang算法（d）AMSR2雪深产品

  论文依托净月潭遥感实验站开展工作，并得到国家自然科学基金（41871248, 41871225）和科技基础资源调查专项“中国积雪特征及分布调查”项目（2017FY100501）共同资助。卫颜霖博士研究生为第一作者，李晓峰研究员为通讯作者。

　　论文信息如下：

　　Y. Wei et al., "A Dynamic Snow Depth Inversion Algorithm Derived from AMSR2 Passive Microwave Brightness Temperature Data and Snow Characteristics in Northeast China," IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, doi: 10.1109/JSTARS.2021.3079703.