modar8171 10a1 黑苹果还用作去云处理吗
点击联系发帖人
时间：2017-02-28 05:59
当前浏览：MODIS
共有元数据31条
蒸散发监测对农业水资源管理、区域水资源利用规划和社会经济可持续发展至关重要。传统监测ET 方法的局限性主要在于无法做到大面积同时观测，只能局限于观测点上，因此人员设备成本相对较高，既不能提供面上的ET 数据，也不能提供不同土地利用类型和作物类型的ET 数据。利用遥感可以做到ET的定量监测，遥感信息的特点是既能反映地球表面的宏观结构特性，又能反映微观局部的差异。
本数据使用月份MODIS数据和M-SEBAL 模型以及基于参考蒸发比的时间尺度扩展方案估算了黑河中游整个生长季的蒸散发的时空分布，并使用地面观测数据对M-SEBAL 模型和时间尺度扩展方案进行了详细的评估。
其时间分辨率为逐日尺度，空间分辨率为250米，数据覆盖范围为黑河中游，单位为毫米。
数据的投影信息如下：
UTM投影，47N...
八宝河流域逐日无云MODIS积雪面积比例数据集（-）是在MODIS逐日积雪产品—MOD10A1的基础上，采用一种基于三次样条函数插值的去云算法进行去云处理后得到(唐志广，2013)。
该数据集采用UTM（横轴等角割圆柱）投影方式，空间分辨率500m，提供逐日的八宝河流域积雪反照率（Snow Albedo Daily-SAD）结果。数据集为逐日文件，从日到日。每个文件为当日的积雪反照率结果，数值为0-100（%），为ENVI标准文件，命名规则为：MOD10A1.AYYYYddd_h25v05_Snow_SAD_Grid_2D_reproj_babaohe_nocloud.img，其中YYYY代表年，
ddd代表儒略日（001-365/366）。文件可直接用ENVI或者ARCMAP等软件打开察看。
进行去云处理的原始MODIS积雪...
基于MODIS的FPAR（Fraction of Absorbed Photosynthetically Active Radiation）产品（MCD15A2和MOD15A2）利用改进的HANTS算法去云重建得到了每天黑河流域FPAR数据集。产品坐标系统为经纬度投影，空间范围为：96.5E-102.5E, 37.5N-43N。每天的数据存储为一个GEOTIFF文件，命名方式：heihe_yyyy_FPAR_recon.ddd.tif，其中yyyy是年份，ddd表示特定年份中的某一天。每年默认有365天的输出数据。数据类型为单精度浮点型，无效值像元填充值为255，有效的数据范围为0-100，缩放因子为0.01。...
基于MODIS 的LAI产品（MCD15A2和MOD15A2）利用改进的HANTS算法去云重建得到了每天、1公里分辨率LAI数据集。产品坐标系统为经纬度投影，空间范围为：96.5E-102.5E, 37.5N-43N。每天的数据存储为一个GEOTIFF文件，命名方式：heihe_yyyy_LAI_recon.ddd.tif，其中yyyy是年份，ddd表示特定年份中的某一天。每年默认有365天的输出数据。数据类型为单精度浮点型，无效值像元填充值为255，有效的数据范围为0-100， 缩放因子为0.1。...
基于MODIS 的NDVI产品（MYD13A2和MOD13A2）利用改进的HANTS算法去云重建得到了每天、1公里分辨率NDVI数据集。产品坐标系统为经纬度投影，空间范围为：96.5E-102.5E, 37.5N-43N。每天的数据存储为一个GEOTIFF文件，命名方式：heihe_yyyy_NDVI_recon.ddd.tif，其中yyyy是年份，ddd表示特定年份中的某一天。每年默认有365天的输出数据。数据类型为16bit整形，无效值像元填充值为-3000，有效的数据范围为-， 缩放因子为0.0001。...
黑河流域250m/1km月合成植被覆盖度（FVC）数据集提供了年的月FVC合成结果，该数据利用MODIS的植被指数产品MOD13A2和MOD13Q1，基于像元二分法生产。
黑河流域积雪面积比例数据集提供了年无云日积雪面积比例时间序列产品，该数据利用卫星MODIS数据，具有较高时间分辨率（1天）和空间分辨率（500m）。首先利用自动算法N-FINDR选择端元，在自动提取的基础上，利用人工方法选择了积雪、植被、云、土壤、岩石和水6种类型端元，并根据2009年影像建立了光谱数据库；在光谱数据库的基础上利用全约束线性解混方法（FCLS）进行亚像元分解获取初级积雪面积比例产品；最后利用差值去云的算法获取了MODIS逐日积雪面积比例无云产品。经利用高分辨率影像Landsat TM验证，相比已有MODIS积雪面积比例产品 (MOD10A1)，具有更高的精度。能够为流域水文，气象提供更准确的积雪参数输入。
数据说明：0-100积雪面积比例，0非雪；
投影类型：经纬度投影，WGS-84基准面；
空间分辨率：0.005度；
时间分辨率：1天。...
黑河流域植被物候数据集提供了2012年至2015年遥感物候产品。其空间分辨率为1km，投影类型为正弦投影。该数据采用MODIS LAI产品MOD15A2作为物候遥感监测数据源，MODIS陆地覆盖分类产品MCD12Q1作为辅助数据集进行提取。产品算法首先采用时间序列数据重建方法（BISE法）控制输入时间序列的数据质量；然后利用主算法（Logistic函数拟合法）与备用算法（分段线性拟合法）相结合的方式提取植被物候参数，实现算法互补，保证精度的同时提高可反演率。算法可提取一年最多三个生长周期，每个生长周期包含6个数据集，包括植被生长起点、生长峰值起点、生长峰值终点、生长终点、生长最快点、衰落最快点，同时记录了生长周期类型、生长季长度、质量标识等，共25个数据集。该物候产品降低了反演缺失率，提高了产品稳定性，数据集信息丰富，是相对可靠的。...
2008年和2009年MODIS数据499景，覆盖黑河全流域。
获取时间分别为至（295景），至（204景）。
MODIS数据产品有36个通道，分辨率分别为250m、500m、1000m。数据格式为pds，未经过处理，MODIS处理软件与原始数据归档在一起。
黑河综合遥感联合试验MODIS遥感数据由甘肃省气象局提供。...
日，在扁都口加密观测区开展了针对MODIS、ALOS PALSAR和AMSR-E的地面同步观测，ALOS PALSAR数据未获取。测量内容主要为地表温度、土壤水分、地物光谱、植被覆盖度和探地雷达。
1. 地表温度：扁都口样方1：草地；扁都口样方2：油菜地；扁都口样方3：油菜地；扁都口样方4：麦地 扁都口样方5：大麦和油菜混合地
2. 土壤水分：采用WET土壤水分速测仪。取样样带：扁都口样方2油菜地。
3. 探地雷达：同时测量探地雷达和WET土壤水分速测仪数据。
4. 波谱测量仪器采用的是ASD Fieldspec FRTM（Boulder, Co, USA），波谱范围为350nm-2500nm，在可见光近红外波段波谱分辨率为3nm，在短波红外波谱分辨率为10nm。数据为ASCII格式，可以使用记事本、写字板等软件打开。文件前5行为文件头，描述了数据的相关信息；之后两列数据...
共有元数据31条
(C) 寒区旱区科学数据中心汪箫悦, 王思远, 尹航, 彭瑶瑶.
年青藏高原积雪物候变化及其对气候的响应[J].
地球信息科学学报
[WANG Xiaoyue, WANG Siyuan, YIN Hang, PENG Yaoyao.
Snow Phenology Variability in the Qinghai-Tibetan Plateau and Its Response to Climate Change During [J]. Journal of Geo-information Science
Permissions
年青藏高原积雪物候变化及其对气候的响应
汪箫悦1,2,, 王思远1*,*,, 尹航1,2, 彭瑶瑶1,2
1. 中国科学院遥感与数字地球研究所,北京 100094
2. 中国科学院大学,北京 100049
作者简介：汪箫悦(1990-),男,硕士生,研究方向为遥感与GIS应用。E-mail: wangxy02@
*通讯作者：王思远(1972-),男,研究员,研究方向为遥感地学分析与陆地生态系统。E-mail: wangsy@
国家自然科学基金项目();
积雪是地表最活跃的自然要素之一,其动态变化对气候、环境以及人类生活都产生了重要影响。本文利用MODIS积雪产品和IMS雪冰产品,首先通过Terra、Aqua双星合成和临近日合成去除MODIS积雪产品中的部分云像元,再与IMS融合,获取了青藏高原年逐日无云积雪覆盖产品,并逐像元计算每个水文年的积雪覆盖日数（SCD）、积雪开始期（SCS）和积雪结束期（SCE）,分析了不同生态分区积雪的时空变化特征,以及积雪开始期和结束期与温度、降水的关系。结果表明：青藏高原积雪分布存在明显的空间差异,南部喜马拉雅山脉和念青唐古拉山地区以及西部帕米尔高原和喀喇昆仑山脉为SCD的2个高值区,年均积雪日数在200 d以上。18.1%的区域SCS表现出明显的提前趋势,主要集中在青藏高原中东部;羌塘高原南部、念青唐古拉山西段以及川西地区有显著推迟趋势,占高原面积的8.5%。23.2%的区域SCE显著推迟,主要集中在果洛那曲高寒区、昆仑山区和念青唐古拉山地区;而仅有6.9%的区域表现出提前趋势,主要分布在高原西南部。总体上,不同生态单元内积雪开始与结束期受温度、降水的影响差异很大,表现出不同的空间格局与演变趋势。
积雪开始期;
积雪结束期;
Snow Phenology Variability in the Qinghai-Tibetan Plateau and Its Response to Climate Change During
WANG Xiaoyue1,2,, WANG Siyuan1,*,, YIN Hang1,2, PENG Yaoyao1,2
1. Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China
2. University of Chinese Academy of Sciences, Beijing 100049, China
*Corresponding author: WANG Siyuan, E-mail: wangsy@
Snow cover is one of the most active natural components on Earth’s surface. The variability of snow phenology has a major impact on water cycle, climate change, environment and human activities. The Qinghai-Tibetan Plateau has a wide range of seasonal snow cover, and its accumulation and rapid meltdown can affect the regional and global climate change. Studying the snow variability in the Qinghai-Tibetan Plateau is therefore important. In this study, the MODIS snow product and IMS snow-ice product were used. Firstly, the Terra and Aqua satellite images were combined to reduce the proportion of cloud pixels. Secondly, the temporal combinations were employed to further reduce the cloud pixels. Finally, the processed MODIS snow product and IMS were fused to produce the daily cloud-free snow product of the Qinghai-Tibetan Plateau from 2002 to 2012. Then, the snow-covered days (SCD), snow cover start (SCS) and snow cover end (SCE) dates were calculated for each hydrological year, and their spatial and temporal variations in different eco-geographical regions were analyzed. The correlations among the SCS, SCE and climate factors were also investigated. The results show that the distribution of snow cover over the Qinghai-Tibetan Plateau was very uneven. The longest SCD, totalized to be more than 200 days, occurred in the Himalayas, Karakoram, Nyainqentanglha Mountains and the Pamirs Plateau. Up to 18.1% of the area of SCS showed a significantly advanced trend, which mainly occurred in the Golog-Nagqu high-cold region and the southern Qinghai high- while 8.5% of the area showed a slightly delayed trend. Up to 23.2% of the area of SCE was delayed, occurring mainly in the central and eastern Tibetan P while only 6.9% of the area showed an advanced trend. The SCS and SCE were greatly affected by temperature and precipitation, but showed different spatial patterns and evolution trends in different ecological zones. Generally, the higher temperature delayed the SCS and advanced the SCE, but more precipitation led to the earlier SCS and the later SCE.
Qinghai-Tibetan Plateau;
snow-covered days;
snow cover start date;
snow cover end date;
climate factors;
积雪作为地表覆盖的重要组成部分,是地表最活跃的自然要素之一,其相关参数（如积雪覆盖日数、积雪面积、雪深等）是全球能量平衡、气候、水文以及生态模型的重要输入参数[-]。同时,积雪对气候变化异常敏感,是气候变化最灵敏的指示器。对积雪参数进行有效的监测与分析,不仅对研究区域和全球气候变化有重要的科学意义,也能为农业、生态以及防灾减灾等众多领域提供信息服务。青藏高原是中国三大主要积雪区之一,也是北半球积雪时间最长、分布最广的地区之一,研究青藏高原积雪的动态变化对区域乃至全球气候变化的诊断分析具有重要意义[]。
近年来,国内外许多学者针对不同地区的积雪时空变化进行了大量研究。Brown等[]研究表明,随着全球变暖,过去40年北半球大部分地区春季积雪面积显著减少。Peng等[]利用气象台站的数据研究发现,年欧亚大陆积雪开始日期推后,结束日期提前,并指出该变化与气温的升高密切相关。Dietz等[]基于MODIS每日积雪产品研究了年中亚地区的积雪变化,发现积雪开始期和结束期均没有显著的变化趋势。白淑英等[]通过对被动微波雪深数据分析发现,年青藏高原雪深呈显著增加趋势,且以冬季增加最为明显。王叶堂等[]利用MODIS积雪8天合成数据研究发现,青藏高原积雪面积总体上表现出冬春季减少,夏秋季增加的趋势,并指出气温和降水是影响高原积雪变化的基本因子。
虽然已有不少学者针对青藏高原的积雪变化进行了研究,但大多数都是针对积雪日数、积雪覆盖面积和雪深等参数,而对于高原积雪物候变化（即积雪开始期、结束期和持续时间）的研究还很少。积雪物候变化会改变土壤的冻融日期,从而对陆地生态系统的季节性变化产生重要影响,尤其是对高寒植被物候期的影响更为显著[-]。例如,春季积雪消融过早会导致土壤水分含量降低[],增加霜冻事件出现的频率[],对植被的正常生长有抑制作用。此外,对积雪开始期和结束期进行有效地监测,还能揭示气候变化,为河水径流量预测,以及洪水、泥石流等自然灾害预警方面提供重要的信息支持。而青藏高原作为地球的第三极,由于其独特的地理位置与脆弱的生态环境,受全球变化影响显著。因此,本文以青藏高原为研究区,首先利用MODIS积雪产品和IMS雪冰产品获得年青藏高原逐日无云积雪覆盖图,然后逐像元计算每个水文年的积雪覆盖日数、积雪开始日期和积雪结束日期,从不同生态地理单元分析其时空变化特征,进而研究积雪开始期和结束期对温度、降水变化的响应关系。
2 研究区与研究方法
2.1 研究区域
青藏高原位于中国西南部,西起帕米尔高原,东至横断山脉,南自喜马拉雅山脉南缘,北至昆仑山-祁连山北侧,范围为26°00′12″~39°46′50″N,73°18′52″~104°46′59″E（图1）,平均海拔4000 m以上,是世界上最高的高原,有“世界屋脊”之称[]。青藏高原积雪资源丰富,是长江、黄河、雅鲁藏布江等诸多河流的发源地。春季积雪融水是河流的主要补给来源,直接影响江河流量,甚至引发春汛。而秋季积雪开始时间的早晚不仅会影响季节性冻土的分布,还会通过改变地表反照率而影响地气间的能量传输和地表能量平衡[],进而影响东亚大气环流和天气系统,最终对人们的生产、生活造成影响。
青藏高原地理位置及生态地理单元区划图
Location and eco-geographical regions of the Qinghai-Tibetan Plateau
2.2 数据来源
本文采用美国国家冰雪数据中心（NSIDC）网站下载的MODIS Terra/Aqua每日积雪产品（V5版本）MOD10A1和MYD10A1,空间分辨率为500 m,投影方式为Sinusoidal。在晴空条件下,2种积雪产品的识别精度都能达到90%以上[],但该产品极易受到云的影响,大大降低了产品的整体识别精度。为了消除MODIS积雪产品中云像素的影响,本文还使用了NSIDC网站下载的IMS雪冰产品（Interactive Multisensor Snow and Ice Mapping System）。该积雪产品由多种光学数据与微波数据融合而成,不受云层的影响,其空间分辨率在2006年以前为24 km,从2006年开始分辨率提高到了4 km[]。相关研究表明,IMS雪冰产品有较高的积雪识别精度,可以与MODIS积雪产品融合以去除云层的 干扰[-]。
本文中使用的气象数据是由中国气象科学数据共享服务网提供的年中国地面气温、降水逐月0.5°×0.5°格点数据集（V2.0）。该数据集根据中国2472个气象站记录的温度、降水数据,利用薄盘样条法（TPS,Thin Plate Spline）进行空间插值得到,数据经过交叉验证、误差分析,质量状况良好。
2.3 积雪参数提取
首先,根据云移动的特点及Terra和Aqua卫星过境时间的不同,对MOD10A1和MYD10A1积雪产品进行逐日合成,即对于MOD10A1中的云像元,如果MYD10A1对应像元为非云,则将该像元重分类为非云像元对应的地类值,如果也为云像元,则依然分为云像元;然后,利用临近日分析,进一步减少云像元的数量[];最后,结合IMS雪冰产品,去除剩余的全部云像元,得到年逐日无云积雪覆盖产品。
基于逐日无云积雪覆盖产品,根据Wang和Xie[]提出的算法（式（1）-（3））逐像元分别计算每个水文年（当年9月1日至次年8月31日）的积雪覆盖日数（Snow-Covered Days,SCD）、积雪开始日期（Snow Cover Start,SCS）和积雪结束日期（Snow Cover Ending,SCE）。
代表一个水文年内包含的天数;
为0或1,分别表示非雪像元和雪像元;Fd为固定日期。由于青藏高原积雪呈双峰分布,从秋季开始累积,春季开始消融[],因此式（2）、（3）中分别把Fd设定为12月1日和3月1日;
分别表示一个水文年内固定日期Fd之前和之后的积雪覆盖日数。该算法假设积雪从降落到融化是持续覆盖地表的,忽略了瞬时降雪的影响。
3 结果与讨论
3.1 青藏高原积雪空间分布特征
由青藏高原年多年平均积雪日数的空间分布（图2（a））可看出,其积雪分布广泛,但受气候和地形等因素的影响,存在明显的地域性差异。总体来看,高原积雪日数存在2个高值区,年均积雪日数在200 d以上：南部高值区主要位于喜马拉雅山脉和念青唐古拉山地区,受印度洋和孟加拉湾暖湿气流的影响,降水较为充沛;西部高值区主要位于帕米尔高原和喀喇昆仑山脉,受西风带上升运动的影响,降水较多,加上海拔高、气温低,为积雪的持续发育创造了条件[]。此外,昆仑山北翼地区,祁连山地,东部的唐古拉山和巴颜喀拉山以及西南部的冈底斯山脉积雪也较为丰富,年均积雪日数介于120~200 d之间。高原的中部地区受周围山地的影响,水汽输入较少,年均积雪日数相对较短,为20~90 d。积雪日数低值区则主要分布在藏南山地,藏北羌塘高原,柴达木盆地以及青东祁连山地南部,这些区域距离水汽源较远,降水稀少,导致积雪相对匮乏,年积雪日数不足20 d。从积雪日数的标准偏差和变化趋势（图2（b）、（c））可看出,青南高寒区、果洛那曲高寒区、念青唐古拉山地区以及祁连山西部地区积雪日数年际间变化较大,但均表现为增加的趋势,其中显著增加区域占高原面积的25.6%。12.3%的区域积雪日数表现为减少的趋势,主要分布在羌塘高原、藏南山地、柴达木盆地以及川西地区。
年青藏高原积雪日数
Spatial distribution, standard deviation and temporal trends of snow-covered days in the Qinghai-Tibetan Plateau during
3.2 积雪开始期与积雪结束期时空变化特征分析
青藏高原SCS的分布具有明显的空间异质性（图3（a））。高海拔的山区SCS普遍较早,9月开始出现积雪,其中包含了山顶部的永久积雪,主要分布在喀喇昆仑山、西昆仑山、喜马拉雅山和念青唐古拉山。随着海拔降低,SCS逐渐推迟,但整体上,山区在10月下旬就已经出现积雪。而在青藏高原中东部和川西地区,SCS普遍较晚,积雪期开始于11月中下旬。从SCS标准差的空间分布来看（图3（b））,高原北部的昆仑高寒荒漠区、中东部的青南高寒区和果洛那曲高寒区的SCS年际间波动较大,标准差超过了16 d。昆仑山北翼荒漠区、川西藏东高山深谷区和祁连山东北部地区的SCS年际间波动有所减弱,标准差为2~8 d。羌塘高原东部地区的SCS较为稳定,标准差仅为2 d左右。伯玥等的研究指出[],秋季是大气环流从夏季型向冬季型转换的时期,从高原南侧北上的暖湿气流和西北部南下的冷空气在高原中东部交汇,使这些区域降雪年际间变化大,从而导致积雪开始期年际间的较大波动。
年青藏高原SCS
Spatial distribution, standard deviation and temporal trends of SCS in the Qinghai-Tibetan Plateau during
从年SCS的变化趋势来看（图3（c））,73.4%的区域没有明显的变化,主要分布在积雪匮乏以及积雪开始期较晚的地区。18.1%的区域提前趋势较为明显,提前速率为2~4 d/a,主要分布在果洛那曲高寒区和青南高寒区,另外,在昆仑高寒荒漠区东部、祁连山西北部以及藏南山地的小部分区域也表现出提前趋势。而在羌塘高原南部、念青唐古拉山西段以及川西地区则表现为显著的推迟趋势,推迟速率在2 d/a左右,占高原总面积的8.5%。
青藏高原SCE的分布同样表现出显著的空间差异（图4（a））,在喀喇昆仑山、西昆仑山、喜马拉雅山、念青唐古拉山、巴颜喀拉山和祁连山等高海拔山区SCE普遍较晚,一般5月以后积雪才开始消融。随着海拔降低,SCE逐渐提前。从SCE标准差的空间分布来看（图4（b））,年际振荡大的区域主要分布在果洛那曲高寒区和川西藏东地区,尤其是念青唐古拉山以南地区,标准差超过了20 d。青南高寒区、昆仑高寒荒漠区和祁连山区的SCE年际振荡较小,标准差在4~12 d。积雪匮乏的地区SCE相对稳定,标准差小于4 d,包括羌塘高原、藏南山地和柴达木盆地。
从年SCE的变化趋势来看（图4（c））,69.9%的区域没有显著变化趋势,主要分布在积雪稀少的地区。23.2%的区域SCE显著推迟,其中位于高原中东部的果洛那曲高寒地区推迟速率在1~4 d/a,位于西北部的昆仑山区以及南部的念青唐古拉山地区推迟速率超过了4 d/a。而SCE显著提前的区域仅占6.9%,主要分布在青藏高原西南部、祁连山西段以及川西藏东小部分区域。近年来,随着全
球变暖,青藏高原温度升高的同时,降水量也在增大,而高原春季温度相对偏低,多以固态降水为主,为积雪的进一步发育创造了条件,使得春季积雪日数有明显的增加[-],这可能是导致部分地区积雪结束日期推迟的原因。
年青藏高原SCE
Spatial distribution, standard deviation and temporal trends of SCE in the Qinghai-Tibetan Plateau during
3.3 积雪开始期和积雪结束期与温度、降水的相关性分析
积雪与气候变化之间的关系非常密切,其中温度和降水是积雪产生-维系-消融过程中的重要因素。青藏高原积雪从秋季开始累积,春季开始消融,因此,针对不同生态分区,对SCS与秋季温度降水的相关性以及SCE与春季温度降水的相关性进行分析（表1）,研究其对气候因子的响应特征。
表1(Tab.1)
不同生态分区SCS和SCE与温度、降水的相关性
The correlation analysis of SCS and SCE with temperature and precipitation in different eco-geographical regions
注：*代表P&0.05;**代表P&0.01
不同生态分区SCS和SCE与温度、降水的相关性
The correlation analysis of SCS and SCE with temperature and precipitation in different eco-geographical regions
不同生态地理单元春、秋季温度和降水变化趋势
Temperature and precipitation trends in spring and autumn for different eco-geographical regions
由图5可看出,近10年来,除柴达木盆地和青东祁连山地的春季温度有轻微的减少趋势外,其余各生态单元春秋两季温度均表现为上升趋势,且秋季增温幅度明显高于春季。川西藏东地区秋季降水量有明显的减少趋势,羌塘高原秋季降水量有轻微的减少趋势,而其他各区春秋两季的降水量都表现为增加趋势。
总的来看,SCS与秋季温度呈正相关,与秋季降水呈负相关,说明秋季温度升高会导致积雪开始期推迟,降水量增大会使积雪开始期提前;SCE与春季温度呈负相关,与春季降水呈正相关,表明春季增温会使积雪结束期提前,降水增加又有助于积雪结束期推迟。然而,在不同生态区内SCS和SCE受温度、降水的影响差异很大。位于高原中部的果洛那曲高寒区和青南高寒区,SCS和SCE与降水有显著的相关性,而与温度的相关性相对较弱,这部分区域属于高原亚寒带,气候寒冷,春秋季的平均温度都在0 ℃以下,降水多以固态形式出现,因此降水量对该区域积雪开始与结束期的影响较大。高原东南部的川西藏东地区具有湿润、半湿润气候,降水量较为充沛,温度越低,积雪越不易融化,因此该区域积雪开始与结束期与温度有较显著的相关性。羌塘高原、藏南山地和阿里山地的积雪开始期和结束期与温度均有显著的相关性,而与降水的相关程度不大。昆仑高寒荒漠区仅在融雪期与温度有显著的负相关,青东祁连山地仅在融雪期与降水有显著的正相关,而昆仑北翼荒漠区和柴达木盆地的积雪开始期和结束期与温度降水均无明显的相关性。
本文利用MODIS积雪产品和IMS雪冰数据得到的年青藏高原逐日无云积雪覆盖产品计算了10个水文年的积雪覆盖日数、积雪开始日期以及积雪结束日期,从不同生态分区对其时空变化特征进行了分析,研究了积雪开始期和结束期对温度、降水变化的响应关系,主要结论包括：
（1）青藏高原积雪日数的空间分布极不均匀,南部喜马拉雅山脉和念青唐古拉山地区以及西部的帕米尔高原和喀喇昆仑山脉为积雪覆盖日数的2个高值区,年均积雪日数在200 d以上。而羌塘高原、藏南山地和柴达木盆地积雪匮乏,年均积雪日数不足20 d。
（2）积雪开始期与结束期存在显著的空间差异性,高原周围山地积雪开始时间早结束时间晚,而中部腹地积雪开始时间较晚结束时间较早。高原北部的昆仑高寒荒漠区、中东部的青南高寒区和果洛那曲高寒区的SCS年际间波动较大,标准差超过了16 d。SCE波动大的区域集中在果洛那曲高寒区和川西藏东地区,标准差超过了20 d。18.1%的区域SCS表现出明显的提前趋势,8.5%的区域有显著的推迟趋势;23.2%的区域SCE有所推迟,而仅有6.9%的区域表现出提前趋势。
（3）不同生态区内SCS和SCE受温度、降水的影响有所差异。属于高原亚寒带的青南高寒区和果洛那曲高寒区与降水量有显著的相关性,而与温度的相关性不大。降水量较为充沛的川西藏东地区和降水稀少的干旱半干旱地区的SCS和SCE主要受温度的影响,而受降水量的影响程度较小。
The authors have declared that no competing interests exist.
Liston G E.Interrelationships among snow distribution, snowmelt, and snow cover depletion: Implications for atmospheric, hydrologic, and ecologic modeling[J]. Journal of applied meteorology, 1999,38(10):1474-1487.
Local, regional, and global atmospheric, hydrologic, and ecologic models used to simulate weather, climate, land surface moisture, and vegetation processes all commonly represent their computational domains by a collection of finite areas or grid cells. Within each of these cells three fundamental features are required to describe the evolution of seasonal snow cover from the end of winter through spring melt. These three features are 1) the within-grid snow water equivalent (SWE) distribution, 2) the gridcell melt rate, and 3) the within-grid depletion of snow-covered area. This paper defines the exact mathematical interrelationships among these three features and demonstrates how knowledge of any two of them allows generation of the third. During snowmelt, the spatially variable subgrid SWE depth distribution is largely responsible for the patchy mosaic of snow and vegetation that develops as the snow melts. Applying the melt rate to the within-grid snow distribution leads to the exposure of vegetation, and the subgrid-scale vegetation exposure influences the snowmelt rate and the grid-averaged surface fluxes. By using the developed interrelationships, the fundamental subgrid-scale features of the seasonal snow cover evolution and the associated energy and moisture fluxes can be simulated using a combination of remote sensing products that define the snow-covered area evolution and a submodel that appropriately handles the snowmelt computation. Alternatively, knowledge of the subgrid SWE distribution can be used as a substitute for the snow-covered area information.
[本文引用:1]
林金堂,冯学智,肖鹏峰,等.基于MODIS数据的玛纳斯河山区雪盖年内变化特征研究[J].遥感信息,2012(2):20-24,80.
基于2000年～2010年的 MODIS/Terra积雪8d合成数据(MOD10A2)与DEM数据,通过计算和分析不同高程带、不同坡向和不同坡度的积雪覆盖率,研究了新疆玛纳斯 河山区雪盖的年内变化特征。结果表明:①研究区平均积雪覆盖率最高为一月中旬的67.8%,最低为七月中旬的11.9%,年内变化总体上呈V字型,积雪分 布与气温关系密切;②可将研究区雪盖年内分布情况归纳为1600m以下、1600m～3800m和3800m以上共三个高程带,各高程带内雪盖分布的年内 变化较为相似,不同高程带则差异明显。从年内波动情况来看,低海拔地区年内波动幅度最大,随着海拔上升,波动幅度逐渐减小;③3800m以下各坡向和坡度 地区积雪覆盖率均表现为一月最高,七月最低,四月和十月介于二者之间,而3800m以上地区积雪覆盖率全年最高值则出现在四月和十月;④各坡度和坡向区域 雪盖的年内变化与所在高程带的总体情况基本相似,说明坡度和坡向对雪盖分布的影响是在高程影响的基础上产生的。
[本文引用:1]
[ Lin J T, Feng X Z, Xiao P F, et al. Inner-annual variation of snow cover in mountainous area of Manas river basion based on MODIS[J]. Remote Sensing Information, 2012,2:20-24,80. ]
白淑英,史建桥,高吉喜,等.年青藏高原积雪深度时空变化遥感分析[J].地球信息科学学报,2014,16(4):628-637.
积雪深度是表征积雪特征的重要参数,也是区域气候变化最敏感的响应因子之一。利用年逐日中国雪深长时间序列数据集,采用GIS空间分析和地统计方法,分析了青藏高原积雪深度的时空变化规律及异常空间分布特征。结果表明：近32年来,青藏高原雪深呈显著增加趋势,增加速率为0.26 cm/10a,其中,昆仑高寒荒漠地带雪深增加最为明显,增加速率达0.73 cm/10a;20世纪80年代至90年代青藏高原雪深呈逐步增加趋势,21世纪初变化平稳;青藏高原4个季节雪深变化均呈现为上升趋势,尤以冬季增加最为明显,增加速率达0.57 cm/10a。青藏高原东南、西部和南部为雪深分布高值区;逐像元回归分析表明,高原雪深呈增加趋势的像元数占全区像元总数的67.1%,其中有91.3%为轻度和中度增加,主要分布在高原北部和西部;最大雪深变化基本维持在-0.1-0.1 cm/a（45.47%）之间,在昆仑北翼山地、柴达木山地、羌塘高寒地带南部等局部地区最大雪深有增加趋势,主要是轻度增加,面积比例为36.66%。果洛那曲高寒地带、青南高寒地带和羌塘高寒地带为青藏高原积雪深度异常变化敏感区。
[本文引用:2]
[ Bai S Y, Shi J Q, Gao J X, et al. Analysis of spatial-temporal variations of snow depth over the Qinghai-Tibetan Plateau during [J]. Journal of Geo-information Science, 2014,16(4):628-637. ]
Brown R D, Robinson D A.Northern Hemisphere spring snow cover variability and change over
including an assessment of uncertainty[J]. The Cryosphere, 2011,5(1): 219-229.
An update is provided of Northern Hemisphere (NH) spring (March, April) snow cover extent (SCE) over the
period incorporating the new climate data record (CDR) version of the NOAA weekly SCE dataset, with annual 95% confidence intervals estimated from regression analysis and intercomparison of multiple datasets. The uncertainty analysis indicates a 95% confidence interval in NH spring SCE of ±5–10% over the pre-satellite period and ±3–5% over the satellite era. The multi-dataset analysis shows larger uncertainties monitoring spring SCE over Eurasia (EUR) than North America (NA) due to the more complex regional character of the snow cover variability and larger between-dataset variability over northern Europe and north-central Russia. Trend analysis of the updated SCE series provides evidence that NH spring snow cover extent has undergone significant reductions over the past ~90 yr and that the rate of decrease has accelerated over the past 40 yr. The rate of decrease in March and April NH SCE over the
period is ~0.8 million km2 per decade corresponding to a 7% and 11% decrease in NH March and April SCE respectively from pre-1970 values. In March, most of the change is being driven by Eurasia (NA trends are not significant) but both continents exhibit significant SCE reductions in April. The observed trends in SCE are being mainly driven by warmer air temperatures, with NH mid-latitude air temperatures explaining ~50% of the variance in NH spring snow cover over the 89-yr period analyzed. However, there is also evidence that changes in atmospheric circulation around 1980 involving the North Atlantic Oscillation and Scandinavian pattern have contributed to reductions in March SCE over Eurasia.
[本文引用:1]
Peng S, Piao S, Ciais P, et al. Change in snow phenology and its potential feedback to temperature in the northern hemisphere over the last three decades[J]. Environmental Research Letters, 2013,8(014008):1-8.
Trends in the duration or extent of snow cover are expected to feedback to temperature trends. We analyzed trends in dates of onset and termination of snow cover in relation to temperature over the past 2702years () from over 636 meteorological stations in the Northern Hemisphere. Different trends in snow duration are observed over North America and Eurasia. Over North America, the termination date of snow cover remained stable during the 2702years, whereas over Eurasia it has advanced by 2.602±025.602d decade. Earlier snow cover termination is systematically correlated on a year-to-year basis with a positive temperature anomaly during the snowmelt month with a sensitivity of 610.07765°C02d. These snow feedbacks to air temperature are more important in spring, because high net radiation is coupled with thin snow cover.
[本文引用:1]
Dietz A J, Kuenzer C, Conrad C.Snow-cover variability in central Asia between 2000 and 2011 derived from improved MODIS daily snow-cover products[J]. International Journal of Remote Sensing, 2013,34(11):3879-3902.
In this study, the daily snow-cover time series has been analysed for the whole of central Asia after cloud coverage was removed. Snow-cover duration (SCD), snow-cover start (SCS), and snow-cover melt (SCM) have been derived for each hydrological year from
and mean conditions were extracted that identify a distinct north–south gradient of these parameters. The snow-cover index (SCI), which depicts a moderate variability with maximum deviations of 6520%, has been included for major hydrological catchments. The hydrological year
stands out due to minimum SCD caused by late SCS and early SCM while
constitutes maximum SCD initiated by late SCM. Although the time series of 11 years of data is too short to calculate possible trends of snow-cover characteristics, the results can be used to describe the average snow-cover conditions and compare single years against these values. Large divergences can indicate deficits or excesses of snow, which may lead to abnormal run-off situations, including natural disasters such as floods, landslides, or droughts. The latter, especially, can have severe negative economic impacts in a region.
[本文引用:1]
王叶堂,何勇,侯书贵.年青藏高原积雪时空变化分析[J].冰川冻土,2007,29(6):855-861.
利用MODIS卫星反演的积雪资料以及同期气象资料,分析了 年青藏高原积雪分布特征、年际变化及其与同期气温和降水的关系,结果表明:青藏高原积雪分布极不均匀,四周山区多雪,腹地少雪;高原积 雪期主要集中在10月到翌年5月;年高原积雪年际变化差异较大,积雪面积总体上呈现冬春季减少、夏秋季增加的趋势;气温和降水是影响高 原积雪变化的基本因子.冬季,高原积雪面积变化对降水更为敏感;春季,气温是影响高原积雪面积变化更主要的因素.
[本文引用:1]
[ Wang Y T, He Y, Hou S G.Analysis of the temporal and spatial variations of snow cover over the Tibetan Plateau based on MODIS[J]. Journal of Glaciology and Geocryology, 2007,29(6):855-861. ]
Chen X N, Liang S L, Cao Y F, et al. Observed contrast changes in snow cover phenology in northern middle and high latitudes from [J]. Scientific Reports, 2015,5:16820
Quantifying and attributing the phenological changes in snow cover are essential for meteorological, hydrological, ecological, and societal implications. However, snow cover phenology changes have not been well documented. Evidence from multiple satellite and reanalysis data from 2001 to 2014 points out that the snow end date (De) advanced by 5.11 (00±2.20) days in northern high latitudes (52-7500°N) and was delayed by 3.28 (00±2.59) days in northern mid-latitudes (32-5200°N) at the 90% confidence level. Dominated by changes in De, snow duration days (Dd) was shorter in duration by 5.57 (00±2.55) days in high latitudes and longer by 9.74 (00±2.58) days in mid-latitudes. Changes in De during the spring season were consistent with the spatiotemporal pattern of land surface albedo change. Decreased land surface temperature combined with increased precipitation in mid-latitudes and significantly increased land surface temperature in high latitudes, impacted by recent Pacific surface cooling, Arctic amplification and strengthening westerlies, result in contrasting changes in the Northern Hemisphere snow cover phenology. Changes in the snow cover phenology led to contrasting anomalies of snow radiative forcing, which is dominated by De and accounts for 51% of the total shortwave flux anomalies at the top of the atmosphere.
[本文引用:1]
Wang K, Zhang L, Qiu Y B, et al. Snow effects on alpine vegetation in the Qinghai-Tibetan Plateau[J]. International Journal of Digital Earth, 2015,8(1):56-73.
Understanding the relationships between snow and vegetation is important for interpretation of the responses of alpine ecosystems to climate changes. The Qinghai-Tibetan Plateau is regarded as an ideal area due to its undisturbed features with low population and relatively high snow cover. We used 500 m Moderate Resolution Imaging Spectroradiometer (MODIS) datasets during
to examine the snow–vegetation relationships, specifically, (1) the influence of snow melting date on vegetation green-up date and (2) the effects of snow cover duration on vegetation greenness. The results showed that the alpine vegetation responded strongly to snow phenology (i.e., snow melting date and snow cover duration) over large areas of the Qinghai-Tibetan Plateau. Snow melting date and vegetation green-up date were significantly correlated (& 0.1) in 39.9% of meadow areas (accounting for 26.2% of vegetated areas) and 36.7% of steppe areas (28.1% of vegetated areas). Vegetation growth was influenced by different seasonal snow cover durations (SCDs) in different regions. Generally, the December–February and March–May SCDs played a significantly role in vegetation growth, both positively and negatively, depending on different water source regions. Snow's positive impact on vegetation was larger than the negative impact.
[本文引用:1]
Paudel K P, Adersen P.Response of rangeland vegetation to snow cover dynamics in Nepal Trans Himalaya[J]. Climatic Change, 2013,117(1-2):149-162.
Global climate change is expected to result in greater variation in snow cover and subsequent impacts on land surface hydrology and vegetation production in the high Trans Himalayan region (THR). This paper examines how the changes in timing and duration of snow cover affect the spatio-temporal pattern of rangeland phenology and production in the region. Moderate Resolution Imaging Spectrometer (MODIS) 16-day normalized difference vegetation index (NDVI) data from 2000 to 2009 and concurrent snow cover, precipitation and temperature data were analyzed. In contrast to numerous studies which have suggested that an earlier start of the season and an extension of the length of the growing season in mid and higher latitude areas due to global warming, this study shows a delay in the beginning of the growing season and the peak time of production, and a decline in the length of growing season in the drier part of THR following a decline and a delay in snow cover. Soil moisture in the beginning of the growing season and consequent rangeland vegetation production in drier areas of the THR was found to be strongly dependent upon the timing and duration of snow cover. However, in the wetter part of the THR, an earlier start of season, a delay in end of season and hence a longer growing season was observed, which could be attributed to warming in winter and early spring and cooling in summer and late spring and changes in timing of snow melt. The study shows a linear positive relationship between rangeland vegetation production and snow cover in the drier parts of THR, a quadratic relationship near to permanent snow line, and a negative linear relationship in wetter highlands. These findings suggest that, while temperature is important, changes in snow cover and precipitation pattern play more important roles in snow-fed, drier regions for rangeland vegetation dynamics. Copyright Springer Science+Business Media B.V. 2013
[本文引用:1]
刘章文,陈仁升,宋耀选.寒区灌丛与积雪关系研究进展[J].冰川冻土,2014,36(6):1582-1590.
在气候变化的背景下,寒区灌丛与积雪的相互关系成为寒区水文循环研究的重要环节.综述近几十年来寒区灌丛-积雪相互关系的国内外研究现状,并对未来研究提出了展望.寒区灌丛过去几十年来覆盖面积和生物量等呈现增加趋势,灌丛的增加可截留积雪,改变积雪重分布,影响积雪消融过程;积雪可增加灌丛区地温,制约灌丛区融雪时空变化过程,影响寒区灌丛的生理生态过程.灌丛与积雪同为寒区自然生态系统和环境的重要组成部分,二者相互作用使地面太阳辐射和地表水分分配过程复杂化,从而间接地影响寒区冻土环境变化.最后,指出了未来研究需要重点关注的几个问题：寒区灌丛区积雪分布的精确估计;灌丛-积雪-冻土连续体的研究;耦合灌丛-积雪作用的寒区水文模型的构建.
[本文引用:1]
[ Liu Z W, Chen R S, Song Y X.Advance in study of the relationship between shrub and snow cover in cold regions[J]. Journal of Glaciology and Geocryology, 2014,36(6):1582-1590. ]
张镱锂,李炳元,郑度.论青藏高原范围与面积[J].地理研究,2002,21(1):1-8.
长期以来,种种因素导致学者们对青藏高原确切范围的认识和理解存在差异.根据青藏高原相关领域研究的新成果和多年野外实践,从地理学角度,充分讨论了确定青藏高原范围和界线的原则与涉及的问题,结合信息技术方法对青藏高原范围与界线位置进行了精确的定位和定量分析.得出:青藏高原在中国境内部分西起帕米尔高原,东至横断山脉,横跨31个经度,东西长约2 945南自喜马拉雅山脉南缘,北迄昆仑山-祁连山北侧,纵贯约13个纬度,南北宽达1 532范围为26°00′12″N ～ 39°46′50″N, 73°18′52″E ～ 104°46′59″E, 面积为 3 km2,占我国陆地总面积的 26.8%.
[本文引用:1]
[ Zhang Y L, Li B Y, Zheng D.A discussion on the boundary and area of the Tibetan Plateau in China[J]. Geographical Research, 2002,21(1):1-8. ]
马丽娟,秦大河,卞林根,等.青藏高原积雪的脆弱性评估[J].气候变化研究进展,2010,6(5):325-331.
利用青藏高原98个气象台站日 气温、降水以及日降雪和积雪天气现象的观测数据,引进"at-risk"积雪评估方法,对当前气候状态下和未来气温升高情况下高原积雪形成过程的脆弱性进 行了评估。研究表明,当前青藏高原约78%(秋季)和81%(春季)台站的固态降水受气温升高影响而减少,而分别约有33%和36%台站的降雪积累与否也 受此影响。也就是说,受气温升高影响,青藏高原降雪占总降水比例及积雪占总降雪比例都在减小,这些台站所在区域已成为脆弱积雪区,这加速了高原积雪期的缩 短。在到2050年气温升高2.5℃的假设下,青藏高原的脆弱积雪区范围将进一步扩大,这将加剧青藏高原的热源作用,对区域乃至大陆尺度的天气气候产生重 要影响。
[本文引用:1]
[ Ma L J, Qin D H, Bian L G, et al. Assessment of snow cover vulnerability on the Qinghai-Tibetan Plateau[J]. Advances in Climate Change Research, 2010,6(5):325-331. ]
Ault T W, Czajkowski K P, Benko T, et al. Validation of the MODIS snow product and cloud mask using student and NWS cooperative station observations in the Lower Great Lakes Region[J]. Remote Sensing of Environment, 2006,105(4):341-353.
NASA's Moderate Resolution Imaging Spectroradiometer (MODIS) snow product (MOD10) creates automated daily, 8-day composite and monthly regional and global snow cover maps. In this study, the MOD10 daily swath imagery (MOD10_L2) and the MODIS cloud mask (MOD35) were validated in the Lower Great Lakes Region, specifically the area to the east of Lake Michigan. Validation of the MOD10_L2 snow product, MOD35 cloud mask and the MOD10_L2 Liberal Cloud Mask was performed using field observations from K-12 student GLOBE (Global Learning and Observations to Benefit the Environment) and SATELLITES (Students And Teachers Evaluating Local Landscapes to Interpret The Earth from Space) programs. Student data consisted of field observations of snow depth, snow water equivalency, cloud type, and total cloud cover. In addition, observations from the National Weather Service (NWS) Cooperative Observing Stations were used. Student observations were taken during field campaigns in the winter of , a winter with very little snow in the Great Lakes region, and the winters of
and , which had significant snow cover. Validation of the MOD10_L2 version 4 snow product with student observations produced an accuracy of 92% while comparison with the NWS stations produced an accuracy of 86%. The higher NWS error appears to come from forested areas. Twenty-five and fifty percent of the errors observed by the students and NWS stations, respectively, occurred when there was only a trace of snow. In addition, 82% of the MODIS cloud masked pixels were identified as either overcast or broken by the student observers while 74% of the pixels the MODIS cloud mask identified as cloudless were identified as clear, isolated or scattered cloud cover by the student observers. The experimental Liberal Cloud Mask eliminated some common errors associated with the MOD35 cloud mask, however, it was found to omit significant cloud cover.
[本文引用:1]
刘洵,金鑫,柯长青.中国稳定积雪区IMS雪冰产品精度评价[J].冰川冻土,2014,36(3):500-507.
IMS雪冰产品由多种光学与微波传感器数据融合而成,提供北半球每日无云的积雪范围,在积雪遥感研究中具有广阔的前景.以气象站实测雪深数据为真值,检验了年IMS雪冰产品在中国三大稳定积雪区北疆、东北、青藏高原地区每月、积雪季以及全年的误判率、漏判率和总体准确率,并分析了IMS雪冰产品的准确率与雪深之间的关系.结果显示:IMS雪冰产品的年总体准确率在三大积雪区均超过了92％,积雪季总体准确率均超过了88％,利用IMS雪冰产品监测积雪范围是可靠的.然而,IMS雪冰产品精度具有区域差异性,北疆地区在1月和2月误判率偏高,青藏高原地区积雪季有严重的漏判现象.IMS雪冰产品的准确率在东北地区和北疆地区随着雪深的增加而升高,当东北地区雪深超过6 cm,北疆地区超过13 cm时,准确率接近100％,但是,青藏高原地区两者基本没有关系.通过在青藏高原地区与同时相的4景MODIS积雪产品对比分析发现,实际上IMS雪冰产品相对地高估了积雪面积,青藏高原地区漏判率高其原因是IMS对零碎积雪的识别能力不足并且气象站分布不均匀.
[本文引用:1]
[ Liu X, Jin X, Ke C Q.Accuracy evaluation of the IMS snow and ice products in stable snow covers regions in China[J]. Journal of Glaciology and Geocryology, 2014,36(3):500-507. ]
Mazari N, Tekeli A E, Xie H J, et al. Assessment of ice mapping system and moderate resolution imaging spectroradiometer snow cover maps over Colorado Plateau[J]. Journal of Applied Remote Sensing, 2013,7(1):073540.
Satellite snow cover area (SCA) mapping using optical sensors has been known to suffer severe obstruction due to vegetation canopy and cloud cover. Several algorithms have been developed to reduce cloud cover contamination and enhance the SCA mapping. In this study we introduce the use of a daily SCA product from the Multisensor Snow and Ice Mapping System (IMS) at a nominal resolution of 4 km, assess its accuracy and error levels against in situ observations, and compare the IMS SCA product with the SCA products from moderate resolution imaging spectroradiometer (MODIS), a combination of daily Terra and Aqua satellites. The results show that the snow accuracies are higher during winter for both IMS and MODIS, and that there is not much difference between MODIS at 500 m and upscaled at 4 km. The IMS SCA mapping accuracies are significantly higher than MODIS accuracies for all sky conditions, while they are similar to or slightly lower than MODIS accuracies in clear sky conditions. The overestimate error of snow cover using IMS is higher (lower) than that of MODIS during ablation (accumulation) periods. Both MODIS and IMS show a similar pattern of underestimation errors of snow cover with the IMS being slightly higher than the MODIS. It is concluded that the IMS SCA product has potential as a good alternative for the MODIS daily SCA products or replacing those cloud pixels in the MODIS daily or multiday products.
[本文引用:1]
Yang J, Jiang L, Menard C B, et al. Evaluation of snow products over the Tibetan Plateau[J]. Hydrological Processes, 2015,29(15):3247-3260.
Not Available
[本文引用:1]
黄晓东,郝晓华,王玮,等.MODIS逐日积雪产品去云算法研究[J].冰川冻土,2012,34(5):1118-1126.
由于积雪和云的反射特性,使用光学遥感监测积雪受到天气的严重干扰,对研究区云量的分析表明,无论是MOD10A1还是MYD10A1,云都是影响该产品对研究区积雪进行实时监测的最大影响因素.综合不同去云方法,利用MODIS逐日积雪产品和被动微波数据AMSR-E雪水当量产品,生成了MODIS逐日无云积雪图像,并利用研究区85个地面气象观测台站提供的雪深数据对合成的单日无云积雪产品进行验证.结果表明:当积雪深度3cm时,新产品的积雪分类精度达到91.7%,该产品对实时监测青藏高原积雪动态变化具有重要的使用价值.
[本文引用:1]
[ Huang X D, Hao X H, Wang W, et al. Algorithms for cloud removal in MODIS daily snow products[J]. Journal of Glaciology and Geocryology, 2012,34(5):1118-1126. ]
Wang X, Xie H.New methods for studying the spatiotemporal variation of snow cover based on combination products of MODIS Terra and Aqua[J]. Journal of Hydrology, 2009,371(1):192-200.
Based on multi-day combination of Terra and Aqua MODIS snow cover products (cloud cover less than 10%), this study developed new snow cover index (SCI), snow-covered duration/days (SCD) map, snow cover onset dates (SCOD) map and snow cover melting dates (SCMD) map, one each per hydrological year, to further examine the spatiotemporal variations of snow cover. Daily in situ snow depth observations in northern Xinjiang, China from 2001 to 2005 were used to validate the new maps. Our results indicate that the SCD maps had an overall agreement of 90% with in situ observations of snow cover days at 20 stations in the study area, and the SCOD and SCMD maps also had good agreements with the in situ measurements, with a mean value of 1 week forward shift and 1 week backward shift, respectively, due to transient snowfall events in early fall and in late spring. The snow cover index (SCI) (km
[本文引用:1]
李培基,米德生.中国积雪的分布[J].冰川冻土,1983,5(4):9-18.
早在建国初期,我国老一辈气候学家,为适应大规模社会主义建设的需要,面临资料缺乏的困难,利用平均最大积雪深度,探讨了我国积雪分布和区划问题&sup&[1、2]&/sup&,为我国积雪分布的研究奠定了基础。后来,中央气象局气候资料研究室根据全国350个地面台站最大积雪深度的观测资料,分析了我国最大积雪分布&sup&[3]&/sup&。中国科学院兰州高原大气物理研究所绘制了青藏高原最大积雪深度分布图1)(1:1500万)。
[本文引用:2]
[ Li P J, Mi D S.Distribution of snow cover in China[J]. Journal of Glaciology and Geocryology, 1983,5(4):9-18. ]
伯玥,李小兰,王澄海.青藏高原地区积雪年际变化异常中心的季节变化特征[J].冰川冻土,2014,36(6):1353-1362.
利用青藏高原年SMMR、SSM/I和AMSR-E被动微波遥感反演得到的逐日积雪深度资料,应用EOF方法分析了近30 a青藏高原地区冬春季积雪年际变化异常的时空变化.结果表明:青藏高原冬春季积雪年际异常敏感区随季节有着显著变化,并具有多尺度性.其在大尺度上最主要的空间特征是从秋末(10-12月)到隆冬(12-翌年2月)位于青藏高原腹地和东南缘的河谷;后冬和前春年际异常变化的敏感区显著变小,整个青藏高原地区的积雪稳定少变;而春季(3-5月),随着青藏高原气温的回升,敏感区出现在青藏高原东部.青藏高原冬春季积雪年际变化在局地尺度上存在着季节变化,表现为青藏高原积雪年际变化的异常与年际变化趋势相反的特征,以及积雪年际变化东西反向异常随季节的演变.青藏高原冬春季积雪年际变化的异常敏感区在空间范围上的变化,反映了冬春季积雪在季节尺度上受冬季风和南来的暖湿气流之间相互消长和进退影响的特征.青藏高原冬春季积雪具有显著的年代际变化,在20世纪80年代处于多雪期,80年代后期进入一个积雪较少期.秋末至隆冬(10-翌年2月)的积雪在20世纪90年代后期出现明显转折,进入多雪期,2000年后又进入一个少雪期.
[本文引用:1]
[ Bo Y, Li X L, Wang C H.Seasonal characteristics of the interannual variations centre of the Tibetan Plateau snow cover[J]. Journal of Glaciology and Geocryology, 2014,36(6):1353-1362. ]
田柳茜,李卫忠,张尧,等.青藏高原年间的积雪变化[J].生态学报,2014,34(20):5974-5983.
利用雪深被动微波遥感数据产品,对青藏高原年积雪深度、积雪日数的分布变化及其趋势进行了分析.结果表明:青藏高原积雪日数、积雪深度和海拔三者之间在空间上具有显著正相关;青藏高原积雪在1988年发生突变,该年前后积雪分布有显著不同,这与20世纪80年代中后期青藏高原由暖干时期进入暖湿时期有关;将青藏高原按夏季水汽来源不同将其分为南北两部分,发现29年来北部积雪日数变化与全国积雪变化相反呈极显著增加趋势(R2=0.39,P＜0.01),以1.40 d/a的趋势增加,主要原因是西北部地区冬季积雪日数增加;南部积雪深度与全国积雪变化一致呈极显著减少趋势(R2 =0.24,P＜0.01),以-0.04 cm/a的趋势减少,主要原因是东南部春、夏、秋三季积雪深度减少.
[本文引用:1]
[ Tian L X, Li W Z, Zhang Y, et al. The analysis of snow information from 1979 to 2007 in Qinghai-Tibetan Plateau[J]. Acta Ecologica Sinica, 2014,34(20):5974-5983. ]
王春学,李栋梁.中国近50 a积雪日数与最大积雪深度的时空变化规律[J].冰川冻土,2012,34(2):247-256.
通过REOF和非参数Mann-Kendall趋势检验法,以 07/2008年度中国557个气象台站的积雪观测资料为基础,对中国积雪日数与最大积雪深度的时空演变规律进行分析.结果表 明：东北、新疆北部和青藏高原中东部为中国积雪日数和最大积雪深度的3个大值区;近50a来,春、秋季中国积雪日数和最大积雪深度在整体上呈现缓慢减少的 趋势,冬季积雪日数和最大积雪深度呈现增加的趋势.气温是影响积雪产生和维持的重要因素.
[本文引用:1]
[ Wang C X, Li D L.Spatial-temporal variations of snow cover days and the maximum depth of snow cover in China during recent 50 years[J]. Journal of Glaciology and Geocryology, 2012,34(2):247-256. ]
... 积雪作为地表覆盖的重要组成部分,是地表最活跃的自然要素之一,其相关参数（如积雪覆盖日数、积雪面积、雪深等）是全球能量平衡、气候、水文以及生态模型的重要输入参数[1-2] ...
... 积雪作为地表覆盖的重要组成部分,是地表最活跃的自然要素之一,其相关参数（如积雪覆盖日数、积雪面积、雪深等）是全球能量平衡、气候、水文以及生态模型的重要输入参数[1-2] ...
... 积雪作为地表覆盖的重要组成部分,是地表最活跃的自然要素之一,其相关参数（如积雪覆盖日数、积雪面积、雪深等）是全球能量平衡、气候、水文以及生态模型的重要输入参数[1-2] ...
... 青藏高原是中国三大主要积雪区之一,也是北半球积雪时间最长、分布最广的地区之一,研究青藏高原积雪的动态变化对区域乃至全球气候变化的诊断分析具有重要意义[3] ...
... 白淑英等[3]通过对被动微波雪深数据分析发现,年青藏高原雪深呈显著增加趋势,且以冬季增加最为明显 ...
... 青藏高原是中国三大主要积雪区之一,也是北半球积雪时间最长、分布最广的地区之一,研究青藏高原积雪的动态变化对区域乃至全球气候变化的诊断分析具有重要意义[3] ...
... 白淑英等[3]通过对被动微波雪深数据分析发现,年青藏高原雪深呈显著增加趋势,且以冬季增加最为明显 ...
... Brown等[4]研究表明,随着全球变暖,过去40年北半球大部分地区春季积雪面积显著减少 ...
... Peng等[5]利用气象台站的数据研究发现,年欧亚大陆积雪开始日期推后,结束日期提前,并指出该变化与气温的升高密切相关 ...
... Dietz等[6]基于MODIS每日积雪产品研究了年中亚地区的积雪变化,发现积雪开始期和结束期均没有显著的变化趋势 ...
... 王叶堂等[7]利用MODIS积雪8天合成数据研究发现,青藏高原积雪面积总体上表现出冬春季减少,夏秋季增加的趋势,并指出气温和降水是影响高原积雪变化的基本因子 ...
... 王叶堂等[7]利用MODIS积雪8天合成数据研究发现,青藏高原积雪面积总体上表现出冬春季减少,夏秋季增加的趋势,并指出气温和降水是影响高原积雪变化的基本因子 ...
... 积雪物候变化会改变土壤的冻融日期,从而对陆地生态系统的季节性变化产生重要影响,尤其是对高寒植被物候期的影响更为显著[8-9] ...
... 积雪物候变化会改变土壤的冻融日期,从而对陆地生态系统的季节性变化产生重要影响,尤其是对高寒植被物候期的影响更为显著[8-9] ...
... 例如,春季积雪消融过早会导致土壤水分含量降低[10],增加霜冻事件出现的频率[11],对植被的正常生长有抑制作用 ...
... 例如,春季积雪消融过早会导致土壤水分含量降低[10],增加霜冻事件出现的频率[11],对植被的正常生长有抑制作用 ...
... 例如,春季积雪消融过早会导致土壤水分含量降低[10],增加霜冻事件出现的频率[11],对植被的正常生长有抑制作用 ...
... 青藏高原位于中国西南部,西起帕米尔高原,东至横断山脉,南自喜马拉雅山脉南缘,北至昆仑山-祁连山北侧,范围为26°00′12″~39°46′50″N,73°18′52″~104°46′59″E（图1）,平均海拔4000 m以上,是世界上最高的高原,有“世界屋脊”之称[12] ...
... 青藏高原位于中国西南部,西起帕米尔高原,东至横断山脉,南自喜马拉雅山脉南缘,北至昆仑山-祁连山北侧,范围为26°00′12″~39°46′50″N,73°18′52″~104°46′59″E（图1）,平均海拔4000 m以上,是世界上最高的高原,有“世界屋脊”之称[12] ...
... 而秋季积雪开始时间的早晚不仅会影响季节性冻土的分布,还会通过改变地表反照率而影响地气间的能量传输和地表能量平衡[13],进而影响东亚大气环流和天气系统,最终对人们的生产、生活造成影响 ...
... 而秋季积雪开始时间的早晚不仅会影响季节性冻土的分布,还会通过改变地表反照率而影响地气间的能量传输和地表能量平衡[13],进而影响东亚大气环流和天气系统,最终对人们的生产、生活造成影响 ...
... 在晴空条件下,2种积雪产品的识别精度都能达到90%以上[14],但该产品极易受到云的影响,大大降低了产品的整体识别精度 ...
... 该积雪产品由多种光学数据与微波数据融合而成,不受云层的影响,其空间分辨率在2006年以前为24 km,从2006年开始分辨率提高到了4 km[15] ...
... 该积雪产品由多种光学数据与微波数据融合而成,不受云层的影响,其空间分辨率在2006年以前为24 km,从2006年开始分辨率提高到了4 km[15] ...
... 相关研究表明,IMS雪冰产品有较高的积雪识别精度,可以与MODIS积雪产品融合以去除云层的 干扰[16-17] ...
... 相关研究表明,IMS雪冰产品有较高的积雪识别精度,可以与MODIS积雪产品融合以去除云层的 干扰[16-17] ...
... 首先,根据云移动的特点及Terra和Aqua卫星过境时间的不同,对MOD10A1和MYD10A1积雪产品进行逐日合成,即对于MOD10A1中的云像元,如果MYD10A1对应像元为非云,则将该像元重分类为非云像元对应的地类值,如果也为云像元,则依然分为云像元;然后,利用临近日分析,进一步减少云像元的数量[18];最后,结合IMS雪冰产品,去除剩余的全部云像元,得到年逐日无云积雪覆盖产品 ...
... 首先,根据云移动的特点及Terra和Aqua卫星过境时间的不同,对MOD10A1和MYD10A1积雪产品进行逐日合成,即对于MOD10A1中的云像元,如果MYD10A1对应像元为非云,则将该像元重分类为非云像元对应的地类值,如果也为云像元,则依然分为云像元;然后,利用临近日分析,进一步减少云像元的数量[18];最后,结合IMS雪冰产品,去除剩余的全部云像元,得到年逐日无云积雪覆盖产品 ...
... 基于逐日无云积雪覆盖产品,根据Wang和Xie[19]提出的算法（式（1）-（3））逐像元分别计算每个水文年（当年9月1日至次年8月31日）的积雪覆盖日数（Snow-Covered Days,SCD）、积雪开始日期（Snow Cover Start,SCS）和积雪结束日期（Snow Cover Ending,SCE） ...
... 由于青藏高原积雪呈双峰分布,从秋季开始累积,春季开始消融[20],因此式（2）、（3）中分别把Fd设定为12月1日和3月1日;
分别表示一个水文年内固定日期Fd之前和之后的积雪覆盖日数 ...
... 总体来看,高原积雪日数存在2个高值区,年均积雪日数在200 d以上：南部高值区主要位于喜马拉雅山脉和念青唐古拉山地区,受印度洋和孟加拉湾暖湿气流的影响,降水较为充沛;西部高值区主要位于帕米尔高原和喀喇昆仑山脉,受西风带上升运动的影响,降水较多,加上海拔高、气温低,为积雪的持续发育创造了条件[20] ...
... 由于青藏高原积雪呈双峰分布,从秋季开始累积,春季开始消融[20],因此式（2）、（3）中分别把Fd设定为12月1日和3月1日;
分别表示一个水文年内固定日期Fd之前和之后的积雪覆盖日数 ...
... 总体来看,高原积雪日数存在2个高值区,年均积雪日数在200 d以上：南部高值区主要位于喜马拉雅山脉和念青唐古拉山地区,受印度洋和孟加拉湾暖湿气流的影响,降水较为充沛;西部高值区主要位于帕米尔高原和喀喇昆仑山脉,受西风带上升运动的影响,降水较多,加上海拔高、气温低,为积雪的持续发育创造了条件[20] ...
... 伯玥等的研究指出[21],秋季是大气环流从夏季型向冬季型转换的时期,从高原南侧北上的暖湿气流和西北部南下的冷空气在高原中东部交汇,使这些区域降雪年际间变化大,从而导致积雪开始期年际间的较大波动 ...
... 伯玥等的研究指出[21],秋季是大气环流从夏季型向冬季型转换的时期,从高原南侧北上的暖湿气流和西北部南下的冷空气在高原中东部交汇,使这些区域降雪年际间变化大,从而导致积雪开始期年际间的较大波动 ...
... 球变暖,青藏高原温度升高的同时,降水量也在增大,而高原春季温度相对偏低,多以固态降水为主,为积雪的进一步发育创造了条件,使得春季积雪日数有明显的增加[22-23],这可能是导致部分地区积雪结束日期推迟的原因 ...
... 球变暖,青藏高原温度升高的同时,降水量也在增大,而高原春季温度相对偏低,多以固态降水为主,为积雪的进一步发育创造了条件,使得春季积雪日数有明显的增加[22-23],这可能是导致部分地区积雪结束日期推迟的原因 ...
... 球变暖,青藏高原温度升高的同时,降水量也在增大,而高原春季温度相对偏低,多以固态降水为主,为积雪的进一步发育创造了条件,使得春季积雪日数有明显的增加[22-23],这可能是导致部分地区积雪结束日期推迟的原因 ...
... 球变暖,青藏高原温度升高的同时,降水量也在增大,而高原春季温度相对偏低,多以固态降水为主,为积雪的进一步发育创造了条件,使得春季积雪日数有明显的增加[22-23],这可能是导致部分地区积雪结束日期推迟的原因 ...}
共有元数据31条
蒸散发监测对农业水资源管理、区域水资源利用规划和社会经济可持续发展至关重要。传统监测ET 方法的局限性主要在于无法做到大面积同时观测，只能局限于观测点上，因此人员设备成本相对较高，既不能提供面上的ET 数据，也不能提供不同土地利用类型和作物类型的ET 数据。利用遥感可以做到ET的定量监测，遥感信息的特点是既能反映地球表面的宏观结构特性，又能反映微观局部的差异。
本数据使用月份MODIS数据和M-SEBAL 模型以及基于参考蒸发比的时间尺度扩展方案估算了黑河中游整个生长季的蒸散发的时空分布，并使用地面观测数据对M-SEBAL 模型和时间尺度扩展方案进行了详细的评估。
其时间分辨率为逐日尺度，空间分辨率为250米，数据覆盖范围为黑河中游，单位为毫米。
数据的投影信息如下：
UTM投影，47N...
八宝河流域逐日无云MODIS积雪面积比例数据集（-）是在MODIS逐日积雪产品—MOD10A1的基础上，采用一种基于三次样条函数插值的去云算法进行去云处理后得到(唐志广，2013)。
该数据集采用UTM（横轴等角割圆柱）投影方式，空间分辨率500m，提供逐日的八宝河流域积雪反照率（Snow Albedo Daily-SAD）结果。数据集为逐日文件，从日到日。每个文件为当日的积雪反照率结果，数值为0-100（%），为ENVI标准文件，命名规则为：MOD10A1.AYYYYddd_h25v05_Snow_SAD_Grid_2D_reproj_babaohe_nocloud.img，其中YYYY代表年，
ddd代表儒略日（001-365/366）。文件可直接用ENVI或者ARCMAP等软件打开察看。
进行去云处理的原始MODIS积雪...
基于MODIS的FPAR（Fraction of Absorbed Photosynthetically Active Radiation）产品（MCD15A2和MOD15A2）利用改进的HANTS算法去云重建得到了每天黑河流域FPAR数据集。产品坐标系统为经纬度投影，空间范围为：96.5E-102.5E, 37.5N-43N。每天的数据存储为一个GEOTIFF文件，命名方式：heihe_yyyy_FPAR_recon.ddd.tif，其中yyyy是年份，ddd表示特定年份中的某一天。每年默认有365天的输出数据。数据类型为单精度浮点型，无效值像元填充值为255，有效的数据范围为0-100，缩放因子为0.01。...
基于MODIS 的LAI产品（MCD15A2和MOD15A2）利用改进的HANTS算法去云重建得到了每天、1公里分辨率LAI数据集。产品坐标系统为经纬度投影，空间范围为：96.5E-102.5E, 37.5N-43N。每天的数据存储为一个GEOTIFF文件，命名方式：heihe_yyyy_LAI_recon.ddd.tif，其中yyyy是年份，ddd表示特定年份中的某一天。每年默认有365天的输出数据。数据类型为单精度浮点型，无效值像元填充值为255，有效的数据范围为0-100， 缩放因子为0.1。...
基于MODIS 的NDVI产品（MYD13A2和MOD13A2）利用改进的HANTS算法去云重建得到了每天、1公里分辨率NDVI数据集。产品坐标系统为经纬度投影，空间范围为：96.5E-102.5E, 37.5N-43N。每天的数据存储为一个GEOTIFF文件，命名方式：heihe_yyyy_NDVI_recon.ddd.tif，其中yyyy是年份，ddd表示特定年份中的某一天。每年默认有365天的输出数据。数据类型为16bit整形，无效值像元填充值为-3000，有效的数据范围为-， 缩放因子为0.0001。...
黑河流域250m/1km月合成植被覆盖度（FVC）数据集提供了年的月FVC合成结果，该数据利用MODIS的植被指数产品MOD13A2和MOD13Q1，基于像元二分法生产。
黑河流域积雪面积比例数据集提供了年无云日积雪面积比例时间序列产品，该数据利用卫星MODIS数据，具有较高时间分辨率（1天）和空间分辨率（500m）。首先利用自动算法N-FINDR选择端元，在自动提取的基础上，利用人工方法选择了积雪、植被、云、土壤、岩石和水6种类型端元，并根据2009年影像建立了光谱数据库；在光谱数据库的基础上利用全约束线性解混方法（FCLS）进行亚像元分解获取初级积雪面积比例产品；最后利用差值去云的算法获取了MODIS逐日积雪面积比例无云产品。经利用高分辨率影像Landsat TM验证，相比已有MODIS积雪面积比例产品 (MOD10A1)，具有更高的精度。能够为流域水文，气象提供更准确的积雪参数输入。
数据说明：0-100积雪面积比例，0非雪；
投影类型：经纬度投影，WGS-84基准面；
空间分辨率：0.005度；
时间分辨率：1天。...
黑河流域植被物候数据集提供了2012年至2015年遥感物候产品。其空间分辨率为1km，投影类型为正弦投影。该数据采用MODIS LAI产品MOD15A2作为物候遥感监测数据源，MODIS陆地覆盖分类产品MCD12Q1作为辅助数据集进行提取。产品算法首先采用时间序列数据重建方法（BISE法）控制输入时间序列的数据质量；然后利用主算法（Logistic函数拟合法）与备用算法（分段线性拟合法）相结合的方式提取植被物候参数，实现算法互补，保证精度的同时提高可反演率。算法可提取一年最多三个生长周期，每个生长周期包含6个数据集，包括植被生长起点、生长峰值起点、生长峰值终点、生长终点、生长最快点、衰落最快点，同时记录了生长周期类型、生长季长度、质量标识等，共25个数据集。该物候产品降低了反演缺失率，提高了产品稳定性，数据集信息丰富，是相对可靠的。...
2008年和2009年MODIS数据499景，覆盖黑河全流域。
获取时间分别为至（295景），至（204景）。
MODIS数据产品有36个通道，分辨率分别为250m、500m、1000m。数据格式为pds，未经过处理，MODIS处理软件与原始数据归档在一起。
黑河综合遥感联合试验MODIS遥感数据由甘肃省气象局提供。...
日，在扁都口加密观测区开展了针对MODIS、ALOS PALSAR和AMSR-E的地面同步观测，ALOS PALSAR数据未获取。测量内容主要为地表温度、土壤水分、地物光谱、植被覆盖度和探地雷达。
1. 地表温度：扁都口样方1：草地；扁都口样方2：油菜地；扁都口样方3：油菜地；扁都口样方4：麦地 扁都口样方5：大麦和油菜混合地
2. 土壤水分：采用WET土壤水分速测仪。取样样带：扁都口样方2油菜地。
3. 探地雷达：同时测量探地雷达和WET土壤水分速测仪数据。
4. 波谱测量仪器采用的是ASD Fieldspec FRTM（Boulder, Co, USA），波谱范围为350nm-2500nm，在可见光近红外波段波谱分辨率为3nm，在短波红外波谱分辨率为10nm。数据为ASCII格式，可以使用记事本、写字板等软件打开。文件前5行为文件头，描述了数据的相关信息；之后两列数据...
共有元数据31条
(C) 寒区旱区科学数据中心汪箫悦, 王思远, 尹航, 彭瑶瑶.
年青藏高原积雪物候变化及其对气候的响应[J].
地球信息科学学报
[WANG Xiaoyue, WANG Siyuan, YIN Hang, PENG Yaoyao.
Snow Phenology Variability in the Qinghai-Tibetan Plateau and Its Response to Climate Change During [J]. Journal of Geo-information Science
Permissions
年青藏高原积雪物候变化及其对气候的响应
汪箫悦1,2,, 王思远1*,*,, 尹航1,2, 彭瑶瑶1,2
1. 中国科学院遥感与数字地球研究所,北京 100094
2. 中国科学院大学,北京 100049
作者简介：汪箫悦(1990-),男,硕士生,研究方向为遥感与GIS应用。E-mail: wangxy02@
*通讯作者：王思远(1972-),男,研究员,研究方向为遥感地学分析与陆地生态系统。E-mail: wangsy@
国家自然科学基金项目();
积雪是地表最活跃的自然要素之一,其动态变化对气候、环境以及人类生活都产生了重要影响。本文利用MODIS积雪产品和IMS雪冰产品,首先通过Terra、Aqua双星合成和临近日合成去除MODIS积雪产品中的部分云像元,再与IMS融合,获取了青藏高原年逐日无云积雪覆盖产品,并逐像元计算每个水文年的积雪覆盖日数（SCD）、积雪开始期（SCS）和积雪结束期（SCE）,分析了不同生态分区积雪的时空变化特征,以及积雪开始期和结束期与温度、降水的关系。结果表明：青藏高原积雪分布存在明显的空间差异,南部喜马拉雅山脉和念青唐古拉山地区以及西部帕米尔高原和喀喇昆仑山脉为SCD的2个高值区,年均积雪日数在200 d以上。18.1%的区域SCS表现出明显的提前趋势,主要集中在青藏高原中东部;羌塘高原南部、念青唐古拉山西段以及川西地区有显著推迟趋势,占高原面积的8.5%。23.2%的区域SCE显著推迟,主要集中在果洛那曲高寒区、昆仑山区和念青唐古拉山地区;而仅有6.9%的区域表现出提前趋势,主要分布在高原西南部。总体上,不同生态单元内积雪开始与结束期受温度、降水的影响差异很大,表现出不同的空间格局与演变趋势。
积雪开始期;
积雪结束期;
Snow Phenology Variability in the Qinghai-Tibetan Plateau and Its Response to Climate Change During
WANG Xiaoyue1,2,, WANG Siyuan1,*,, YIN Hang1,2, PENG Yaoyao1,2
1. Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China
2. University of Chinese Academy of Sciences, Beijing 100049, China
*Corresponding author: WANG Siyuan, E-mail: wangsy@
Snow cover is one of the most active natural components on Earth’s surface. The variability of snow phenology has a major impact on water cycle, climate change, environment and human activities. The Qinghai-Tibetan Plateau has a wide range of seasonal snow cover, and its accumulation and rapid meltdown can affect the regional and global climate change. Studying the snow variability in the Qinghai-Tibetan Plateau is therefore important. In this study, the MODIS snow product and IMS snow-ice product were used. Firstly, the Terra and Aqua satellite images were combined to reduce the proportion of cloud pixels. Secondly, the temporal combinations were employed to further reduce the cloud pixels. Finally, the processed MODIS snow product and IMS were fused to produce the daily cloud-free snow product of the Qinghai-Tibetan Plateau from 2002 to 2012. Then, the snow-covered days (SCD), snow cover start (SCS) and snow cover end (SCE) dates were calculated for each hydrological year, and their spatial and temporal variations in different eco-geographical regions were analyzed. The correlations among the SCS, SCE and climate factors were also investigated. The results show that the distribution of snow cover over the Qinghai-Tibetan Plateau was very uneven. The longest SCD, totalized to be more than 200 days, occurred in the Himalayas, Karakoram, Nyainqentanglha Mountains and the Pamirs Plateau. Up to 18.1% of the area of SCS showed a significantly advanced trend, which mainly occurred in the Golog-Nagqu high-cold region and the southern Qinghai high- while 8.5% of the area showed a slightly delayed trend. Up to 23.2% of the area of SCE was delayed, occurring mainly in the central and eastern Tibetan P while only 6.9% of the area showed an advanced trend. The SCS and SCE were greatly affected by temperature and precipitation, but showed different spatial patterns and evolution trends in different ecological zones. Generally, the higher temperature delayed the SCS and advanced the SCE, but more precipitation led to the earlier SCS and the later SCE.
Qinghai-Tibetan Plateau;
snow-covered days;
snow cover start date;
snow cover end date;
climate factors;
积雪作为地表覆盖的重要组成部分,是地表最活跃的自然要素之一,其相关参数（如积雪覆盖日数、积雪面积、雪深等）是全球能量平衡、气候、水文以及生态模型的重要输入参数[-]。同时,积雪对气候变化异常敏感,是气候变化最灵敏的指示器。对积雪参数进行有效的监测与分析,不仅对研究区域和全球气候变化有重要的科学意义,也能为农业、生态以及防灾减灾等众多领域提供信息服务。青藏高原是中国三大主要积雪区之一,也是北半球积雪时间最长、分布最广的地区之一,研究青藏高原积雪的动态变化对区域乃至全球气候变化的诊断分析具有重要意义[]。
近年来,国内外许多学者针对不同地区的积雪时空变化进行了大量研究。Brown等[]研究表明,随着全球变暖,过去40年北半球大部分地区春季积雪面积显著减少。Peng等[]利用气象台站的数据研究发现,年欧亚大陆积雪开始日期推后,结束日期提前,并指出该变化与气温的升高密切相关。Dietz等[]基于MODIS每日积雪产品研究了年中亚地区的积雪变化,发现积雪开始期和结束期均没有显著的变化趋势。白淑英等[]通过对被动微波雪深数据分析发现,年青藏高原雪深呈显著增加趋势,且以冬季增加最为明显。王叶堂等[]利用MODIS积雪8天合成数据研究发现,青藏高原积雪面积总体上表现出冬春季减少,夏秋季增加的趋势,并指出气温和降水是影响高原积雪变化的基本因子。
虽然已有不少学者针对青藏高原的积雪变化进行了研究,但大多数都是针对积雪日数、积雪覆盖面积和雪深等参数,而对于高原积雪物候变化（即积雪开始期、结束期和持续时间）的研究还很少。积雪物候变化会改变土壤的冻融日期,从而对陆地生态系统的季节性变化产生重要影响,尤其是对高寒植被物候期的影响更为显著[-]。例如,春季积雪消融过早会导致土壤水分含量降低[],增加霜冻事件出现的频率[],对植被的正常生长有抑制作用。此外,对积雪开始期和结束期进行有效地监测,还能揭示气候变化,为河水径流量预测,以及洪水、泥石流等自然灾害预警方面提供重要的信息支持。而青藏高原作为地球的第三极,由于其独特的地理位置与脆弱的生态环境,受全球变化影响显著。因此,本文以青藏高原为研究区,首先利用MODIS积雪产品和IMS雪冰产品获得年青藏高原逐日无云积雪覆盖图,然后逐像元计算每个水文年的积雪覆盖日数、积雪开始日期和积雪结束日期,从不同生态地理单元分析其时空变化特征,进而研究积雪开始期和结束期对温度、降水变化的响应关系。
2 研究区与研究方法
2.1 研究区域
青藏高原位于中国西南部,西起帕米尔高原,东至横断山脉,南自喜马拉雅山脉南缘,北至昆仑山-祁连山北侧,范围为26°00′12″~39°46′50″N,73°18′52″~104°46′59″E（图1）,平均海拔4000 m以上,是世界上最高的高原,有“世界屋脊”之称[]。青藏高原积雪资源丰富,是长江、黄河、雅鲁藏布江等诸多河流的发源地。春季积雪融水是河流的主要补给来源,直接影响江河流量,甚至引发春汛。而秋季积雪开始时间的早晚不仅会影响季节性冻土的分布,还会通过改变地表反照率而影响地气间的能量传输和地表能量平衡[],进而影响东亚大气环流和天气系统,最终对人们的生产、生活造成影响。
青藏高原地理位置及生态地理单元区划图
Location and eco-geographical regions of the Qinghai-Tibetan Plateau
2.2 数据来源
本文采用美国国家冰雪数据中心（NSIDC）网站下载的MODIS Terra/Aqua每日积雪产品（V5版本）MOD10A1和MYD10A1,空间分辨率为500 m,投影方式为Sinusoidal。在晴空条件下,2种积雪产品的识别精度都能达到90%以上[],但该产品极易受到云的影响,大大降低了产品的整体识别精度。为了消除MODIS积雪产品中云像素的影响,本文还使用了NSIDC网站下载的IMS雪冰产品（Interactive Multisensor Snow and Ice Mapping System）。该积雪产品由多种光学数据与微波数据融合而成,不受云层的影响,其空间分辨率在2006年以前为24 km,从2006年开始分辨率提高到了4 km[]。相关研究表明,IMS雪冰产品有较高的积雪识别精度,可以与MODIS积雪产品融合以去除云层的 干扰[-]。
本文中使用的气象数据是由中国气象科学数据共享服务网提供的年中国地面气温、降水逐月0.5°×0.5°格点数据集（V2.0）。该数据集根据中国2472个气象站记录的温度、降水数据,利用薄盘样条法（TPS,Thin Plate Spline）进行空间插值得到,数据经过交叉验证、误差分析,质量状况良好。
2.3 积雪参数提取
首先,根据云移动的特点及Terra和Aqua卫星过境时间的不同,对MOD10A1和MYD10A1积雪产品进行逐日合成,即对于MOD10A1中的云像元,如果MYD10A1对应像元为非云,则将该像元重分类为非云像元对应的地类值,如果也为云像元,则依然分为云像元;然后,利用临近日分析,进一步减少云像元的数量[];最后,结合IMS雪冰产品,去除剩余的全部云像元,得到年逐日无云积雪覆盖产品。
基于逐日无云积雪覆盖产品,根据Wang和Xie[]提出的算法（式（1）-（3））逐像元分别计算每个水文年（当年9月1日至次年8月31日）的积雪覆盖日数（Snow-Covered Days,SCD）、积雪开始日期（Snow Cover Start,SCS）和积雪结束日期（Snow Cover Ending,SCE）。
代表一个水文年内包含的天数;
为0或1,分别表示非雪像元和雪像元;Fd为固定日期。由于青藏高原积雪呈双峰分布,从秋季开始累积,春季开始消融[],因此式（2）、（3）中分别把Fd设定为12月1日和3月1日;
分别表示一个水文年内固定日期Fd之前和之后的积雪覆盖日数。该算法假设积雪从降落到融化是持续覆盖地表的,忽略了瞬时降雪的影响。
3 结果与讨论
3.1 青藏高原积雪空间分布特征
由青藏高原年多年平均积雪日数的空间分布（图2（a））可看出,其积雪分布广泛,但受气候和地形等因素的影响,存在明显的地域性差异。总体来看,高原积雪日数存在2个高值区,年均积雪日数在200 d以上：南部高值区主要位于喜马拉雅山脉和念青唐古拉山地区,受印度洋和孟加拉湾暖湿气流的影响,降水较为充沛;西部高值区主要位于帕米尔高原和喀喇昆仑山脉,受西风带上升运动的影响,降水较多,加上海拔高、气温低,为积雪的持续发育创造了条件[]。此外,昆仑山北翼地区,祁连山地,东部的唐古拉山和巴颜喀拉山以及西南部的冈底斯山脉积雪也较为丰富,年均积雪日数介于120~200 d之间。高原的中部地区受周围山地的影响,水汽输入较少,年均积雪日数相对较短,为20~90 d。积雪日数低值区则主要分布在藏南山地,藏北羌塘高原,柴达木盆地以及青东祁连山地南部,这些区域距离水汽源较远,降水稀少,导致积雪相对匮乏,年积雪日数不足20 d。从积雪日数的标准偏差和变化趋势（图2（b）、（c））可看出,青南高寒区、果洛那曲高寒区、念青唐古拉山地区以及祁连山西部地区积雪日数年际间变化较大,但均表现为增加的趋势,其中显著增加区域占高原面积的25.6%。12.3%的区域积雪日数表现为减少的趋势,主要分布在羌塘高原、藏南山地、柴达木盆地以及川西地区。
年青藏高原积雪日数
Spatial distribution, standard deviation and temporal trends of snow-covered days in the Qinghai-Tibetan Plateau during
3.2 积雪开始期与积雪结束期时空变化特征分析
青藏高原SCS的分布具有明显的空间异质性（图3（a））。高海拔的山区SCS普遍较早,9月开始出现积雪,其中包含了山顶部的永久积雪,主要分布在喀喇昆仑山、西昆仑山、喜马拉雅山和念青唐古拉山。随着海拔降低,SCS逐渐推迟,但整体上,山区在10月下旬就已经出现积雪。而在青藏高原中东部和川西地区,SCS普遍较晚,积雪期开始于11月中下旬。从SCS标准差的空间分布来看（图3（b））,高原北部的昆仑高寒荒漠区、中东部的青南高寒区和果洛那曲高寒区的SCS年际间波动较大,标准差超过了16 d。昆仑山北翼荒漠区、川西藏东高山深谷区和祁连山东北部地区的SCS年际间波动有所减弱,标准差为2~8 d。羌塘高原东部地区的SCS较为稳定,标准差仅为2 d左右。伯玥等的研究指出[],秋季是大气环流从夏季型向冬季型转换的时期,从高原南侧北上的暖湿气流和西北部南下的冷空气在高原中东部交汇,使这些区域降雪年际间变化大,从而导致积雪开始期年际间的较大波动。
年青藏高原SCS
Spatial distribution, standard deviation and temporal trends of SCS in the Qinghai-Tibetan Plateau during
从年SCS的变化趋势来看（图3（c））,73.4%的区域没有明显的变化,主要分布在积雪匮乏以及积雪开始期较晚的地区。18.1%的区域提前趋势较为明显,提前速率为2~4 d/a,主要分布在果洛那曲高寒区和青南高寒区,另外,在昆仑高寒荒漠区东部、祁连山西北部以及藏南山地的小部分区域也表现出提前趋势。而在羌塘高原南部、念青唐古拉山西段以及川西地区则表现为显著的推迟趋势,推迟速率在2 d/a左右,占高原总面积的8.5%。
青藏高原SCE的分布同样表现出显著的空间差异（图4（a））,在喀喇昆仑山、西昆仑山、喜马拉雅山、念青唐古拉山、巴颜喀拉山和祁连山等高海拔山区SCE普遍较晚,一般5月以后积雪才开始消融。随着海拔降低,SCE逐渐提前。从SCE标准差的空间分布来看（图4（b））,年际振荡大的区域主要分布在果洛那曲高寒区和川西藏东地区,尤其是念青唐古拉山以南地区,标准差超过了20 d。青南高寒区、昆仑高寒荒漠区和祁连山区的SCE年际振荡较小,标准差在4~12 d。积雪匮乏的地区SCE相对稳定,标准差小于4 d,包括羌塘高原、藏南山地和柴达木盆地。
从年SCE的变化趋势来看（图4（c））,69.9%的区域没有显著变化趋势,主要分布在积雪稀少的地区。23.2%的区域SCE显著推迟,其中位于高原中东部的果洛那曲高寒地区推迟速率在1~4 d/a,位于西北部的昆仑山区以及南部的念青唐古拉山地区推迟速率超过了4 d/a。而SCE显著提前的区域仅占6.9%,主要分布在青藏高原西南部、祁连山西段以及川西藏东小部分区域。近年来,随着全
球变暖,青藏高原温度升高的同时,降水量也在增大,而高原春季温度相对偏低,多以固态降水为主,为积雪的进一步发育创造了条件,使得春季积雪日数有明显的增加[-],这可能是导致部分地区积雪结束日期推迟的原因。
年青藏高原SCE
Spatial distribution, standard deviation and temporal trends of SCE in the Qinghai-Tibetan Plateau during
3.3 积雪开始期和积雪结束期与温度、降水的相关性分析
积雪与气候变化之间的关系非常密切,其中温度和降水是积雪产生-维系-消融过程中的重要因素。青藏高原积雪从秋季开始累积,春季开始消融,因此,针对不同生态分区,对SCS与秋季温度降水的相关性以及SCE与春季温度降水的相关性进行分析（表1）,研究其对气候因子的响应特征。
表1(Tab.1)
不同生态分区SCS和SCE与温度、降水的相关性
The correlation analysis of SCS and SCE with temperature and precipitation in different eco-geographical regions
注：*代表P&0.05;**代表P&0.01
不同生态分区SCS和SCE与温度、降水的相关性
The correlation analysis of SCS and SCE with temperature and precipitation in different eco-geographical regions
不同生态地理单元春、秋季温度和降水变化趋势
Temperature and precipitation trends in spring and autumn for different eco-geographical regions
由图5可看出,近10年来,除柴达木盆地和青东祁连山地的春季温度有轻微的减少趋势外,其余各生态单元春秋两季温度均表现为上升趋势,且秋季增温幅度明显高于春季。川西藏东地区秋季降水量有明显的减少趋势,羌塘高原秋季降水量有轻微的减少趋势,而其他各区春秋两季的降水量都表现为增加趋势。
总的来看,SCS与秋季温度呈正相关,与秋季降水呈负相关,说明秋季温度升高会导致积雪开始期推迟,降水量增大会使积雪开始期提前;SCE与春季温度呈负相关,与春季降水呈正相关,表明春季增温会使积雪结束期提前,降水增加又有助于积雪结束期推迟。然而,在不同生态区内SCS和SCE受温度、降水的影响差异很大。位于高原中部的果洛那曲高寒区和青南高寒区,SCS和SCE与降水有显著的相关性,而与温度的相关性相对较弱,这部分区域属于高原亚寒带,气候寒冷,春秋季的平均温度都在0 ℃以下,降水多以固态形式出现,因此降水量对该区域积雪开始与结束期的影响较大。高原东南部的川西藏东地区具有湿润、半湿润气候,降水量较为充沛,温度越低,积雪越不易融化,因此该区域积雪开始与结束期与温度有较显著的相关性。羌塘高原、藏南山地和阿里山地的积雪开始期和结束期与温度均有显著的相关性,而与降水的相关程度不大。昆仑高寒荒漠区仅在融雪期与温度有显著的负相关,青东祁连山地仅在融雪期与降水有显著的正相关,而昆仑北翼荒漠区和柴达木盆地的积雪开始期和结束期与温度降水均无明显的相关性。
本文利用MODIS积雪产品和IMS雪冰数据得到的年青藏高原逐日无云积雪覆盖产品计算了10个水文年的积雪覆盖日数、积雪开始日期以及积雪结束日期,从不同生态分区对其时空变化特征进行了分析,研究了积雪开始期和结束期对温度、降水变化的响应关系,主要结论包括：
（1）青藏高原积雪日数的空间分布极不均匀,南部喜马拉雅山脉和念青唐古拉山地区以及西部的帕米尔高原和喀喇昆仑山脉为积雪覆盖日数的2个高值区,年均积雪日数在200 d以上。而羌塘高原、藏南山地和柴达木盆地积雪匮乏,年均积雪日数不足20 d。
（2）积雪开始期与结束期存在显著的空间差异性,高原周围山地积雪开始时间早结束时间晚,而中部腹地积雪开始时间较晚结束时间较早。高原北部的昆仑高寒荒漠区、中东部的青南高寒区和果洛那曲高寒区的SCS年际间波动较大,标准差超过了16 d。SCE波动大的区域集中在果洛那曲高寒区和川西藏东地区,标准差超过了20 d。18.1%的区域SCS表现出明显的提前趋势,8.5%的区域有显著的推迟趋势;23.2%的区域SCE有所推迟,而仅有6.9%的区域表现出提前趋势。
（3）不同生态区内SCS和SCE受温度、降水的影响有所差异。属于高原亚寒带的青南高寒区和果洛那曲高寒区与降水量有显著的相关性,而与温度的相关性不大。降水量较为充沛的川西藏东地区和降水稀少的干旱半干旱地区的SCS和SCE主要受温度的影响,而受降水量的影响程度较小。
The authors have declared that no competing interests exist.
Liston G E.Interrelationships among snow distribution, snowmelt, and snow cover depletion: Implications for atmospheric, hydrologic, and ecologic modeling[J]. Journal of applied meteorology, 1999,38(10):1474-1487.
Local, regional, and global atmospheric, hydrologic, and ecologic models used to simulate weather, climate, land surface moisture, and vegetation processes all commonly represent their computational domains by a collection of finite areas or grid cells. Within each of these cells three fundamental features are required to describe the evolution of seasonal snow cover from the end of winter through spring melt. These three features are 1) the within-grid snow water equivalent (SWE) distribution, 2) the gridcell melt rate, and 3) the within-grid depletion of snow-covered area. This paper defines the exact mathematical interrelationships among these three features and demonstrates how knowledge of any two of them allows generation of the third. During snowmelt, the spatially variable subgrid SWE depth distribution is largely responsible for the patchy mosaic of snow and vegetation that develops as the snow melts. Applying the melt rate to the within-grid snow distribution leads to the exposure of vegetation, and the subgrid-scale vegetation exposure influences the snowmelt rate and the grid-averaged surface fluxes. By using the developed interrelationships, the fundamental subgrid-scale features of the seasonal snow cover evolution and the associated energy and moisture fluxes can be simulated using a combination of remote sensing products that define the snow-covered area evolution and a submodel that appropriately handles the snowmelt computation. Alternatively, knowledge of the subgrid SWE distribution can be used as a substitute for the snow-covered area information.
[本文引用:1]
林金堂,冯学智,肖鹏峰,等.基于MODIS数据的玛纳斯河山区雪盖年内变化特征研究[J].遥感信息,2012(2):20-24,80.
基于2000年～2010年的 MODIS/Terra积雪8d合成数据(MOD10A2)与DEM数据,通过计算和分析不同高程带、不同坡向和不同坡度的积雪覆盖率,研究了新疆玛纳斯 河山区雪盖的年内变化特征。结果表明:①研究区平均积雪覆盖率最高为一月中旬的67.8%,最低为七月中旬的11.9%,年内变化总体上呈V字型,积雪分 布与气温关系密切;②可将研究区雪盖年内分布情况归纳为1600m以下、1600m～3800m和3800m以上共三个高程带,各高程带内雪盖分布的年内 变化较为相似,不同高程带则差异明显。从年内波动情况来看,低海拔地区年内波动幅度最大,随着海拔上升,波动幅度逐渐减小;③3800m以下各坡向和坡度 地区积雪覆盖率均表现为一月最高,七月最低,四月和十月介于二者之间,而3800m以上地区积雪覆盖率全年最高值则出现在四月和十月;④各坡度和坡向区域 雪盖的年内变化与所在高程带的总体情况基本相似,说明坡度和坡向对雪盖分布的影响是在高程影响的基础上产生的。
[本文引用:1]
[ Lin J T, Feng X Z, Xiao P F, et al. Inner-annual variation of snow cover in mountainous area of Manas river basion based on MODIS[J]. Remote Sensing Information, 2012,2:20-24,80. ]
白淑英,史建桥,高吉喜,等.年青藏高原积雪深度时空变化遥感分析[J].地球信息科学学报,2014,16(4):628-637.
积雪深度是表征积雪特征的重要参数,也是区域气候变化最敏感的响应因子之一。利用年逐日中国雪深长时间序列数据集,采用GIS空间分析和地统计方法,分析了青藏高原积雪深度的时空变化规律及异常空间分布特征。结果表明：近32年来,青藏高原雪深呈显著增加趋势,增加速率为0.26 cm/10a,其中,昆仑高寒荒漠地带雪深增加最为明显,增加速率达0.73 cm/10a;20世纪80年代至90年代青藏高原雪深呈逐步增加趋势,21世纪初变化平稳;青藏高原4个季节雪深变化均呈现为上升趋势,尤以冬季增加最为明显,增加速率达0.57 cm/10a。青藏高原东南、西部和南部为雪深分布高值区;逐像元回归分析表明,高原雪深呈增加趋势的像元数占全区像元总数的67.1%,其中有91.3%为轻度和中度增加,主要分布在高原北部和西部;最大雪深变化基本维持在-0.1-0.1 cm/a（45.47%）之间,在昆仑北翼山地、柴达木山地、羌塘高寒地带南部等局部地区最大雪深有增加趋势,主要是轻度增加,面积比例为36.66%。果洛那曲高寒地带、青南高寒地带和羌塘高寒地带为青藏高原积雪深度异常变化敏感区。
[本文引用:2]
[ Bai S Y, Shi J Q, Gao J X, et al. Analysis of spatial-temporal variations of snow depth over the Qinghai-Tibetan Plateau during [J]. Journal of Geo-information Science, 2014,16(4):628-637. ]
Brown R D, Robinson D A.Northern Hemisphere spring snow cover variability and change over
including an assessment of uncertainty[J]. The Cryosphere, 2011,5(1): 219-229.
An update is provided of Northern Hemisphere (NH) spring (March, April) snow cover extent (SCE) over the
period incorporating the new climate data record (CDR) version of the NOAA weekly SCE dataset, with annual 95% confidence intervals estimated from regression analysis and intercomparison of multiple datasets. The uncertainty analysis indicates a 95% confidence interval in NH spring SCE of ±5–10% over the pre-satellite period and ±3–5% over the satellite era. The multi-dataset analysis shows larger uncertainties monitoring spring SCE over Eurasia (EUR) than North America (NA) due to the more complex regional character of the snow cover variability and larger between-dataset variability over northern Europe and north-central Russia. Trend analysis of the updated SCE series provides evidence that NH spring snow cover extent has undergone significant reductions over the past ~90 yr and that the rate of decrease has accelerated over the past 40 yr. The rate of decrease in March and April NH SCE over the
period is ~0.8 million km2 per decade corresponding to a 7% and 11% decrease in NH March and April SCE respectively from pre-1970 values. In March, most of the change is being driven by Eurasia (NA trends are not significant) but both continents exhibit significant SCE reductions in April. The observed trends in SCE are being mainly driven by warmer air temperatures, with NH mid-latitude air temperatures explaining ~50% of the variance in NH spring snow cover over the 89-yr period analyzed. However, there is also evidence that changes in atmospheric circulation around 1980 involving the North Atlantic Oscillation and Scandinavian pattern have contributed to reductions in March SCE over Eurasia.
[本文引用:1]
Peng S, Piao S, Ciais P, et al. Change in snow phenology and its potential feedback to temperature in the northern hemisphere over the last three decades[J]. Environmental Research Letters, 2013,8(014008):1-8.
Trends in the duration or extent of snow cover are expected to feedback to temperature trends. We analyzed trends in dates of onset and termination of snow cover in relation to temperature over the past 2702years () from over 636 meteorological stations in the Northern Hemisphere. Different trends in snow duration are observed over North America and Eurasia. Over North America, the termination date of snow cover remained stable during the 2702years, whereas over Eurasia it has advanced by 2.602±025.602d decade. Earlier snow cover termination is systematically correlated on a year-to-year basis with a positive temperature anomaly during the snowmelt month with a sensitivity of 610.07765°C02d. These snow feedbacks to air temperature are more important in spring, because high net radiation is coupled with thin snow cover.
[本文引用:1]
Dietz A J, Kuenzer C, Conrad C.Snow-cover variability in central Asia between 2000 and 2011 derived from improved MODIS daily snow-cover products[J]. International Journal of Remote Sensing, 2013,34(11):3879-3902.
In this study, the daily snow-cover time series has been analysed for the whole of central Asia after cloud coverage was removed. Snow-cover duration (SCD), snow-cover start (SCS), and snow-cover melt (SCM) have been derived for each hydrological year from
and mean conditions were extracted that identify a distinct north–south gradient of these parameters. The snow-cover index (SCI), which depicts a moderate variability with maximum deviations of 6520%, has been included for major hydrological catchments. The hydrological year
stands out due to minimum SCD caused by late SCS and early SCM while
constitutes maximum SCD initiated by late SCM. Although the time series of 11 years of data is too short to calculate possible trends of snow-cover characteristics, the results can be used to describe the average snow-cover conditions and compare single years against these values. Large divergences can indicate deficits or excesses of snow, which may lead to abnormal run-off situations, including natural disasters such as floods, landslides, or droughts. The latter, especially, can have severe negative economic impacts in a region.
[本文引用:1]
王叶堂,何勇,侯书贵.年青藏高原积雪时空变化分析[J].冰川冻土,2007,29(6):855-861.
利用MODIS卫星反演的积雪资料以及同期气象资料,分析了 年青藏高原积雪分布特征、年际变化及其与同期气温和降水的关系,结果表明:青藏高原积雪分布极不均匀,四周山区多雪,腹地少雪;高原积 雪期主要集中在10月到翌年5月;年高原积雪年际变化差异较大,积雪面积总体上呈现冬春季减少、夏秋季增加的趋势;气温和降水是影响高 原积雪变化的基本因子.冬季,高原积雪面积变化对降水更为敏感;春季,气温是影响高原积雪面积变化更主要的因素.
[本文引用:1]
[ Wang Y T, He Y, Hou S G.Analysis of the temporal and spatial variations of snow cover over the Tibetan Plateau based on MODIS[J]. Journal of Glaciology and Geocryology, 2007,29(6):855-861. ]
Chen X N, Liang S L, Cao Y F, et al. Observed contrast changes in snow cover phenology in northern middle and high latitudes from [J]. Scientific Reports, 2015,5:16820
Quantifying and attributing the phenological changes in snow cover are essential for meteorological, hydrological, ecological, and societal implications. However, snow cover phenology changes have not been well documented. Evidence from multiple satellite and reanalysis data from 2001 to 2014 points out that the snow end date (De) advanced by 5.11 (00±2.20) days in northern high latitudes (52-7500°N) and was delayed by 3.28 (00±2.59) days in northern mid-latitudes (32-5200°N) at the 90% confidence level. Dominated by changes in De, snow duration days (Dd) was shorter in duration by 5.57 (00±2.55) days in high latitudes and longer by 9.74 (00±2.58) days in mid-latitudes. Changes in De during the spring season were consistent with the spatiotemporal pattern of land surface albedo change. Decreased land surface temperature combined with increased precipitation in mid-latitudes and significantly increased land surface temperature in high latitudes, impacted by recent Pacific surface cooling, Arctic amplification and strengthening westerlies, result in contrasting changes in the Northern Hemisphere snow cover phenology. Changes in the snow cover phenology led to contrasting anomalies of snow radiative forcing, which is dominated by De and accounts for 51% of the total shortwave flux anomalies at the top of the atmosphere.
[本文引用:1]
Wang K, Zhang L, Qiu Y B, et al. Snow effects on alpine vegetation in the Qinghai-Tibetan Plateau[J]. International Journal of Digital Earth, 2015,8(1):56-73.
Understanding the relationships between snow and vegetation is important for interpretation of the responses of alpine ecosystems to climate changes. The Qinghai-Tibetan Plateau is regarded as an ideal area due to its undisturbed features with low population and relatively high snow cover. We used 500 m Moderate Resolution Imaging Spectroradiometer (MODIS) datasets during
to examine the snow–vegetation relationships, specifically, (1) the influence of snow melting date on vegetation green-up date and (2) the effects of snow cover duration on vegetation greenness. The results showed that the alpine vegetation responded strongly to snow phenology (i.e., snow melting date and snow cover duration) over large areas of the Qinghai-Tibetan Plateau. Snow melting date and vegetation green-up date were significantly correlated (& 0.1) in 39.9% of meadow areas (accounting for 26.2% of vegetated areas) and 36.7% of steppe areas (28.1% of vegetated areas). Vegetation growth was influenced by different seasonal snow cover durations (SCDs) in different regions. Generally, the December–February and March–May SCDs played a significantly role in vegetation growth, both positively and negatively, depending on different water source regions. Snow's positive impact on vegetation was larger than the negative impact.
[本文引用:1]
Paudel K P, Adersen P.Response of rangeland vegetation to snow cover dynamics in Nepal Trans Himalaya[J]. Climatic Change, 2013,117(1-2):149-162.
Global climate change is expected to result in greater variation in snow cover and subsequent impacts on land surface hydrology and vegetation production in the high Trans Himalayan region (THR). This paper examines how the changes in timing and duration of snow cover affect the spatio-temporal pattern of rangeland phenology and production in the region. Moderate Resolution Imaging Spectrometer (MODIS) 16-day normalized difference vegetation index (NDVI) data from 2000 to 2009 and concurrent snow cover, precipitation and temperature data were analyzed. In contrast to numerous studies which have suggested that an earlier start of the season and an extension of the length of the growing season in mid and higher latitude areas due to global warming, this study shows a delay in the beginning of the growing season and the peak time of production, and a decline in the length of growing season in the drier part of THR following a decline and a delay in snow cover. Soil moisture in the beginning of the growing season and consequent rangeland vegetation production in drier areas of the THR was found to be strongly dependent upon the timing and duration of snow cover. However, in the wetter part of the THR, an earlier start of season, a delay in end of season and hence a longer growing season was observed, which could be attributed to warming in winter and early spring and cooling in summer and late spring and changes in timing of snow melt. The study shows a linear positive relationship between rangeland vegetation production and snow cover in the drier parts of THR, a quadratic relationship near to permanent snow line, and a negative linear relationship in wetter highlands. These findings suggest that, while temperature is important, changes in snow cover and precipitation pattern play more important roles in snow-fed, drier regions for rangeland vegetation dynamics. Copyright Springer Science+Business Media B.V. 2013
[本文引用:1]
刘章文,陈仁升,宋耀选.寒区灌丛与积雪关系研究进展[J].冰川冻土,2014,36(6):1582-1590.
在气候变化的背景下,寒区灌丛与积雪的相互关系成为寒区水文循环研究的重要环节.综述近几十年来寒区灌丛-积雪相互关系的国内外研究现状,并对未来研究提出了展望.寒区灌丛过去几十年来覆盖面积和生物量等呈现增加趋势,灌丛的增加可截留积雪,改变积雪重分布,影响积雪消融过程;积雪可增加灌丛区地温,制约灌丛区融雪时空变化过程,影响寒区灌丛的生理生态过程.灌丛与积雪同为寒区自然生态系统和环境的重要组成部分,二者相互作用使地面太阳辐射和地表水分分配过程复杂化,从而间接地影响寒区冻土环境变化.最后,指出了未来研究需要重点关注的几个问题：寒区灌丛区积雪分布的精确估计;灌丛-积雪-冻土连续体的研究;耦合灌丛-积雪作用的寒区水文模型的构建.
[本文引用:1]
[ Liu Z W, Chen R S, Song Y X.Advance in study of the relationship between shrub and snow cover in cold regions[J]. Journal of Glaciology and Geocryology, 2014,36(6):1582-1590. ]
张镱锂,李炳元,郑度.论青藏高原范围与面积[J].地理研究,2002,21(1):1-8.
长期以来,种种因素导致学者们对青藏高原确切范围的认识和理解存在差异.根据青藏高原相关领域研究的新成果和多年野外实践,从地理学角度,充分讨论了确定青藏高原范围和界线的原则与涉及的问题,结合信息技术方法对青藏高原范围与界线位置进行了精确的定位和定量分析.得出:青藏高原在中国境内部分西起帕米尔高原,东至横断山脉,横跨31个经度,东西长约2 945南自喜马拉雅山脉南缘,北迄昆仑山-祁连山北侧,纵贯约13个纬度,南北宽达1 532范围为26°00′12″N ～ 39°46′50″N, 73°18′52″E ～ 104°46′59″E, 面积为 3 km2,占我国陆地总面积的 26.8%.
[本文引用:1]
[ Zhang Y L, Li B Y, Zheng D.A discussion on the boundary and area of the Tibetan Plateau in China[J]. Geographical Research, 2002,21(1):1-8. ]
马丽娟,秦大河,卞林根,等.青藏高原积雪的脆弱性评估[J].气候变化研究进展,2010,6(5):325-331.
利用青藏高原98个气象台站日 气温、降水以及日降雪和积雪天气现象的观测数据,引进"at-risk"积雪评估方法,对当前气候状态下和未来气温升高情况下高原积雪形成过程的脆弱性进 行了评估。研究表明,当前青藏高原约78%(秋季)和81%(春季)台站的固态降水受气温升高影响而减少,而分别约有33%和36%台站的降雪积累与否也 受此影响。也就是说,受气温升高影响,青藏高原降雪占总降水比例及积雪占总降雪比例都在减小,这些台站所在区域已成为脆弱积雪区,这加速了高原积雪期的缩 短。在到2050年气温升高2.5℃的假设下,青藏高原的脆弱积雪区范围将进一步扩大,这将加剧青藏高原的热源作用,对区域乃至大陆尺度的天气气候产生重 要影响。
[本文引用:1]
[ Ma L J, Qin D H, Bian L G, et al. Assessment of snow cover vulnerability on the Qinghai-Tibetan Plateau[J]. Advances in Climate Change Research, 2010,6(5):325-331. ]
Ault T W, Czajkowski K P, Benko T, et al. Validation of the MODIS snow product and cloud mask using student and NWS cooperative station observations in the Lower Great Lakes Region[J]. Remote Sensing of Environment, 2006,105(4):341-353.
NASA's Moderate Resolution Imaging Spectroradiometer (MODIS) snow product (MOD10) creates automated daily, 8-day composite and monthly regional and global snow cover maps. In this study, the MOD10 daily swath imagery (MOD10_L2) and the MODIS cloud mask (MOD35) were validated in the Lower Great Lakes Region, specifically the area to the east of Lake Michigan. Validation of the MOD10_L2 snow product, MOD35 cloud mask and the MOD10_L2 Liberal Cloud Mask was performed using field observations from K-12 student GLOBE (Global Learning and Observations to Benefit the Environment) and SATELLITES (Students And Teachers Evaluating Local Landscapes to Interpret The Earth from Space) programs. Student data consisted of field observations of snow depth, snow water equivalency, cloud type, and total cloud cover. In addition, observations from the National Weather Service (NWS) Cooperative Observing Stations were used. Student observations were taken during field campaigns in the winter of , a winter with very little snow in the Great Lakes region, and the winters of
and , which had significant snow cover. Validation of the MOD10_L2 version 4 snow product with student observations produced an accuracy of 92% while comparison with the NWS stations produced an accuracy of 86%. The higher NWS error appears to come from forested areas. Twenty-five and fifty percent of the errors observed by the students and NWS stations, respectively, occurred when there was only a trace of snow. In addition, 82% of the MODIS cloud masked pixels were identified as either overcast or broken by the student observers while 74% of the pixels the MODIS cloud mask identified as cloudless were identified as clear, isolated or scattered cloud cover by the student observers. The experimental Liberal Cloud Mask eliminated some common errors associated with the MOD35 cloud mask, however, it was found to omit significant cloud cover.
[本文引用:1]
刘洵,金鑫,柯长青.中国稳定积雪区IMS雪冰产品精度评价[J].冰川冻土,2014,36(3):500-507.
IMS雪冰产品由多种光学与微波传感器数据融合而成,提供北半球每日无云的积雪范围,在积雪遥感研究中具有广阔的前景.以气象站实测雪深数据为真值,检验了年IMS雪冰产品在中国三大稳定积雪区北疆、东北、青藏高原地区每月、积雪季以及全年的误判率、漏判率和总体准确率,并分析了IMS雪冰产品的准确率与雪深之间的关系.结果显示:IMS雪冰产品的年总体准确率在三大积雪区均超过了92％,积雪季总体准确率均超过了88％,利用IMS雪冰产品监测积雪范围是可靠的.然而,IMS雪冰产品精度具有区域差异性,北疆地区在1月和2月误判率偏高,青藏高原地区积雪季有严重的漏判现象.IMS雪冰产品的准确率在东北地区和北疆地区随着雪深的增加而升高,当东北地区雪深超过6 cm,北疆地区超过13 cm时,准确率接近100％,但是,青藏高原地区两者基本没有关系.通过在青藏高原地区与同时相的4景MODIS积雪产品对比分析发现,实际上IMS雪冰产品相对地高估了积雪面积,青藏高原地区漏判率高其原因是IMS对零碎积雪的识别能力不足并且气象站分布不均匀.
[本文引用:1]
[ Liu X, Jin X, Ke C Q.Accuracy evaluation of the IMS snow and ice products in stable snow covers regions in China[J]. Journal of Glaciology and Geocryology, 2014,36(3):500-507. ]
Mazari N, Tekeli A E, Xie H J, et al. Assessment of ice mapping system and moderate resolution imaging spectroradiometer snow cover maps over Colorado Plateau[J]. Journal of Applied Remote Sensing, 2013,7(1):073540.
Satellite snow cover area (SCA) mapping using optical sensors has been known to suffer severe obstruction due to vegetation canopy and cloud cover. Several algorithms have been developed to reduce cloud cover contamination and enhance the SCA mapping. In this study we introduce the use of a daily SCA product from the Multisensor Snow and Ice Mapping System (IMS) at a nominal resolution of 4 km, assess its accuracy and error levels against in situ observations, and compare the IMS SCA product with the SCA products from moderate resolution imaging spectroradiometer (MODIS), a combination of daily Terra and Aqua satellites. The results show that the snow accuracies are higher during winter for both IMS and MODIS, and that there is not much difference between MODIS at 500 m and upscaled at 4 km. The IMS SCA mapping accuracies are significantly higher than MODIS accuracies for all sky conditions, while they are similar to or slightly lower than MODIS accuracies in clear sky conditions. The overestimate error of snow cover using IMS is higher (lower) than that of MODIS during ablation (accumulation) periods. Both MODIS and IMS show a similar pattern of underestimation errors of snow cover with the IMS being slightly higher than the MODIS. It is concluded that the IMS SCA product has potential as a good alternative for the MODIS daily SCA products or replacing those cloud pixels in the MODIS daily or multiday products.
[本文引用:1]
Yang J, Jiang L, Menard C B, et al. Evaluation of snow products over the Tibetan Plateau[J]. Hydrological Processes, 2015,29(15):3247-3260.
Not Available
[本文引用:1]
黄晓东,郝晓华,王玮,等.MODIS逐日积雪产品去云算法研究[J].冰川冻土,2012,34(5):1118-1126.
由于积雪和云的反射特性,使用光学遥感监测积雪受到天气的严重干扰,对研究区云量的分析表明,无论是MOD10A1还是MYD10A1,云都是影响该产品对研究区积雪进行实时监测的最大影响因素.综合不同去云方法,利用MODIS逐日积雪产品和被动微波数据AMSR-E雪水当量产品,生成了MODIS逐日无云积雪图像,并利用研究区85个地面气象观测台站提供的雪深数据对合成的单日无云积雪产品进行验证.结果表明:当积雪深度3cm时,新产品的积雪分类精度达到91.7%,该产品对实时监测青藏高原积雪动态变化具有重要的使用价值.
[本文引用:1]
[ Huang X D, Hao X H, Wang W, et al. Algorithms for cloud removal in MODIS daily snow products[J]. Journal of Glaciology and Geocryology, 2012,34(5):1118-1126. ]
Wang X, Xie H.New methods for studying the spatiotemporal variation of snow cover based on combination products of MODIS Terra and Aqua[J]. Journal of Hydrology, 2009,371(1):192-200.
Based on multi-day combination of Terra and Aqua MODIS snow cover products (cloud cover less than 10%), this study developed new snow cover index (SCI), snow-covered duration/days (SCD) map, snow cover onset dates (SCOD) map and snow cover melting dates (SCMD) map, one each per hydrological year, to further examine the spatiotemporal variations of snow cover. Daily in situ snow depth observations in northern Xinjiang, China from 2001 to 2005 were used to validate the new maps. Our results indicate that the SCD maps had an overall agreement of 90% with in situ observations of snow cover days at 20 stations in the study area, and the SCOD and SCMD maps also had good agreements with the in situ measurements, with a mean value of 1 week forward shift and 1 week backward shift, respectively, due to transient snowfall events in early fall and in late spring. The snow cover index (SCI) (km
[本文引用:1]
李培基,米德生.中国积雪的分布[J].冰川冻土,1983,5(4):9-18.
早在建国初期,我国老一辈气候学家,为适应大规模社会主义建设的需要,面临资料缺乏的困难,利用平均最大积雪深度,探讨了我国积雪分布和区划问题&sup&[1、2]&/sup&,为我国积雪分布的研究奠定了基础。后来,中央气象局气候资料研究室根据全国350个地面台站最大积雪深度的观测资料,分析了我国最大积雪分布&sup&[3]&/sup&。中国科学院兰州高原大气物理研究所绘制了青藏高原最大积雪深度分布图1)(1:1500万)。
[本文引用:2]
[ Li P J, Mi D S.Distribution of snow cover in China[J]. Journal of Glaciology and Geocryology, 1983,5(4):9-18. ]
伯玥,李小兰,王澄海.青藏高原地区积雪年际变化异常中心的季节变化特征[J].冰川冻土,2014,36(6):1353-1362.
利用青藏高原年SMMR、SSM/I和AMSR-E被动微波遥感反演得到的逐日积雪深度资料,应用EOF方法分析了近30 a青藏高原地区冬春季积雪年际变化异常的时空变化.结果表明:青藏高原冬春季积雪年际异常敏感区随季节有着显著变化,并具有多尺度性.其在大尺度上最主要的空间特征是从秋末(10-12月)到隆冬(12-翌年2月)位于青藏高原腹地和东南缘的河谷;后冬和前春年际异常变化的敏感区显著变小,整个青藏高原地区的积雪稳定少变;而春季(3-5月),随着青藏高原气温的回升,敏感区出现在青藏高原东部.青藏高原冬春季积雪年际变化在局地尺度上存在着季节变化,表现为青藏高原积雪年际变化的异常与年际变化趋势相反的特征,以及积雪年际变化东西反向异常随季节的演变.青藏高原冬春季积雪年际变化的异常敏感区在空间范围上的变化,反映了冬春季积雪在季节尺度上受冬季风和南来的暖湿气流之间相互消长和进退影响的特征.青藏高原冬春季积雪具有显著的年代际变化,在20世纪80年代处于多雪期,80年代后期进入一个积雪较少期.秋末至隆冬(10-翌年2月)的积雪在20世纪90年代后期出现明显转折,进入多雪期,2000年后又进入一个少雪期.
[本文引用:1]
[ Bo Y, Li X L, Wang C H.Seasonal characteristics of the interannual variations centre of the Tibetan Plateau snow cover[J]. Journal of Glaciology and Geocryology, 2014,36(6):1353-1362. ]
田柳茜,李卫忠,张尧,等.青藏高原年间的积雪变化[J].生态学报,2014,34(20):5974-5983.
利用雪深被动微波遥感数据产品,对青藏高原年积雪深度、积雪日数的分布变化及其趋势进行了分析.结果表明:青藏高原积雪日数、积雪深度和海拔三者之间在空间上具有显著正相关;青藏高原积雪在1988年发生突变,该年前后积雪分布有显著不同,这与20世纪80年代中后期青藏高原由暖干时期进入暖湿时期有关;将青藏高原按夏季水汽来源不同将其分为南北两部分,发现29年来北部积雪日数变化与全国积雪变化相反呈极显著增加趋势(R2=0.39,P＜0.01),以1.40 d/a的趋势增加,主要原因是西北部地区冬季积雪日数增加;南部积雪深度与全国积雪变化一致呈极显著减少趋势(R2 =0.24,P＜0.01),以-0.04 cm/a的趋势减少,主要原因是东南部春、夏、秋三季积雪深度减少.
[本文引用:1]
[ Tian L X, Li W Z, Zhang Y, et al. The analysis of snow information from 1979 to 2007 in Qinghai-Tibetan Plateau[J]. Acta Ecologica Sinica, 2014,34(20):5974-5983. ]
王春学,李栋梁.中国近50 a积雪日数与最大积雪深度的时空变化规律[J].冰川冻土,2012,34(2):247-256.
通过REOF和非参数Mann-Kendall趋势检验法,以 07/2008年度中国557个气象台站的积雪观测资料为基础,对中国积雪日数与最大积雪深度的时空演变规律进行分析.结果表 明：东北、新疆北部和青藏高原中东部为中国积雪日数和最大积雪深度的3个大值区;近50a来,春、秋季中国积雪日数和最大积雪深度在整体上呈现缓慢减少的 趋势,冬季积雪日数和最大积雪深度呈现增加的趋势.气温是影响积雪产生和维持的重要因素.
[本文引用:1]
[ Wang C X, Li D L.Spatial-temporal variations of snow cover days and the maximum depth of snow cover in China during recent 50 years[J]. Journal of Glaciology and Geocryology, 2012,34(2):247-256. ]
... 积雪作为地表覆盖的重要组成部分,是地表最活跃的自然要素之一,其相关参数（如积雪覆盖日数、积雪面积、雪深等）是全球能量平衡、气候、水文以及生态模型的重要输入参数[1-2] ...
... 积雪作为地表覆盖的重要组成部分,是地表最活跃的自然要素之一,其相关参数（如积雪覆盖日数、积雪面积、雪深等）是全球能量平衡、气候、水文以及生态模型的重要输入参数[1-2] ...
... 积雪作为地表覆盖的重要组成部分,是地表最活跃的自然要素之一,其相关参数（如积雪覆盖日数、积雪面积、雪深等）是全球能量平衡、气候、水文以及生态模型的重要输入参数[1-2] ...
... 青藏高原是中国三大主要积雪区之一,也是北半球积雪时间最长、分布最广的地区之一,研究青藏高原积雪的动态变化对区域乃至全球气候变化的诊断分析具有重要意义[3] ...
... 白淑英等[3]通过对被动微波雪深数据分析发现,年青藏高原雪深呈显著增加趋势,且以冬季增加最为明显 ...
... 青藏高原是中国三大主要积雪区之一,也是北半球积雪时间最长、分布最广的地区之一,研究青藏高原积雪的动态变化对区域乃至全球气候变化的诊断分析具有重要意义[3] ...
... 白淑英等[3]通过对被动微波雪深数据分析发现,年青藏高原雪深呈显著增加趋势,且以冬季增加最为明显 ...
... Brown等[4]研究表明,随着全球变暖,过去40年北半球大部分地区春季积雪面积显著减少 ...
... Peng等[5]利用气象台站的数据研究发现,年欧亚大陆积雪开始日期推后,结束日期提前,并指出该变化与气温的升高密切相关 ...
... Dietz等[6]基于MODIS每日积雪产品研究了年中亚地区的积雪变化,发现积雪开始期和结束期均没有显著的变化趋势 ...
... 王叶堂等[7]利用MODIS积雪8天合成数据研究发现,青藏高原积雪面积总体上表现出冬春季减少,夏秋季增加的趋势,并指出气温和降水是影响高原积雪变化的基本因子 ...
... 王叶堂等[7]利用MODIS积雪8天合成数据研究发现,青藏高原积雪面积总体上表现出冬春季减少,夏秋季增加的趋势,并指出气温和降水是影响高原积雪变化的基本因子 ...
... 积雪物候变化会改变土壤的冻融日期,从而对陆地生态系统的季节性变化产生重要影响,尤其是对高寒植被物候期的影响更为显著[8-9] ...
... 积雪物候变化会改变土壤的冻融日期,从而对陆地生态系统的季节性变化产生重要影响,尤其是对高寒植被物候期的影响更为显著[8-9] ...
... 例如,春季积雪消融过早会导致土壤水分含量降低[10],增加霜冻事件出现的频率[11],对植被的正常生长有抑制作用 ...
... 例如,春季积雪消融过早会导致土壤水分含量降低[10],增加霜冻事件出现的频率[11],对植被的正常生长有抑制作用 ...
... 例如,春季积雪消融过早会导致土壤水分含量降低[10],增加霜冻事件出现的频率[11],对植被的正常生长有抑制作用 ...
... 青藏高原位于中国西南部,西起帕米尔高原,东至横断山脉,南自喜马拉雅山脉南缘,北至昆仑山-祁连山北侧,范围为26°00′12″~39°46′50″N,73°18′52″~104°46′59″E（图1）,平均海拔4000 m以上,是世界上最高的高原,有“世界屋脊”之称[12] ...
... 青藏高原位于中国西南部,西起帕米尔高原,东至横断山脉,南自喜马拉雅山脉南缘,北至昆仑山-祁连山北侧,范围为26°00′12″~39°46′50″N,73°18′52″~104°46′59″E（图1）,平均海拔4000 m以上,是世界上最高的高原,有“世界屋脊”之称[12] ...
... 而秋季积雪开始时间的早晚不仅会影响季节性冻土的分布,还会通过改变地表反照率而影响地气间的能量传输和地表能量平衡[13],进而影响东亚大气环流和天气系统,最终对人们的生产、生活造成影响 ...
... 而秋季积雪开始时间的早晚不仅会影响季节性冻土的分布,还会通过改变地表反照率而影响地气间的能量传输和地表能量平衡[13],进而影响东亚大气环流和天气系统,最终对人们的生产、生活造成影响 ...
... 在晴空条件下,2种积雪产品的识别精度都能达到90%以上[14],但该产品极易受到云的影响,大大降低了产品的整体识别精度 ...
... 该积雪产品由多种光学数据与微波数据融合而成,不受云层的影响,其空间分辨率在2006年以前为24 km,从2006年开始分辨率提高到了4 km[15] ...
... 该积雪产品由多种光学数据与微波数据融合而成,不受云层的影响,其空间分辨率在2006年以前为24 km,从2006年开始分辨率提高到了4 km[15] ...
... 相关研究表明,IMS雪冰产品有较高的积雪识别精度,可以与MODIS积雪产品融合以去除云层的 干扰[16-17] ...
... 相关研究表明,IMS雪冰产品有较高的积雪识别精度,可以与MODIS积雪产品融合以去除云层的 干扰[16-17] ...
... 首先,根据云移动的特点及Terra和Aqua卫星过境时间的不同,对MOD10A1和MYD10A1积雪产品进行逐日合成,即对于MOD10A1中的云像元,如果MYD10A1对应像元为非云,则将该像元重分类为非云像元对应的地类值,如果也为云像元,则依然分为云像元;然后,利用临近日分析,进一步减少云像元的数量[18];最后,结合IMS雪冰产品,去除剩余的全部云像元,得到年逐日无云积雪覆盖产品 ...
... 首先,根据云移动的特点及Terra和Aqua卫星过境时间的不同,对MOD10A1和MYD10A1积雪产品进行逐日合成,即对于MOD10A1中的云像元,如果MYD10A1对应像元为非云,则将该像元重分类为非云像元对应的地类值,如果也为云像元,则依然分为云像元;然后,利用临近日分析,进一步减少云像元的数量[18];最后,结合IMS雪冰产品,去除剩余的全部云像元,得到年逐日无云积雪覆盖产品 ...
... 基于逐日无云积雪覆盖产品,根据Wang和Xie[19]提出的算法（式（1）-（3））逐像元分别计算每个水文年（当年9月1日至次年8月31日）的积雪覆盖日数（Snow-Covered Days,SCD）、积雪开始日期（Snow Cover Start,SCS）和积雪结束日期（Snow Cover Ending,SCE） ...
... 由于青藏高原积雪呈双峰分布,从秋季开始累积,春季开始消融[20],因此式（2）、（3）中分别把Fd设定为12月1日和3月1日;
分别表示一个水文年内固定日期Fd之前和之后的积雪覆盖日数 ...
... 总体来看,高原积雪日数存在2个高值区,年均积雪日数在200 d以上：南部高值区主要位于喜马拉雅山脉和念青唐古拉山地区,受印度洋和孟加拉湾暖湿气流的影响,降水较为充沛;西部高值区主要位于帕米尔高原和喀喇昆仑山脉,受西风带上升运动的影响,降水较多,加上海拔高、气温低,为积雪的持续发育创造了条件[20] ...
... 由于青藏高原积雪呈双峰分布,从秋季开始累积,春季开始消融[20],因此式（2）、（3）中分别把Fd设定为12月1日和3月1日;
分别表示一个水文年内固定日期Fd之前和之后的积雪覆盖日数 ...
... 总体来看,高原积雪日数存在2个高值区,年均积雪日数在200 d以上：南部高值区主要位于喜马拉雅山脉和念青唐古拉山地区,受印度洋和孟加拉湾暖湿气流的影响,降水较为充沛;西部高值区主要位于帕米尔高原和喀喇昆仑山脉,受西风带上升运动的影响,降水较多,加上海拔高、气温低,为积雪的持续发育创造了条件[20] ...
... 伯玥等的研究指出[21],秋季是大气环流从夏季型向冬季型转换的时期,从高原南侧北上的暖湿气流和西北部南下的冷空气在高原中东部交汇,使这些区域降雪年际间变化大,从而导致积雪开始期年际间的较大波动 ...
... 伯玥等的研究指出[21],秋季是大气环流从夏季型向冬季型转换的时期,从高原南侧北上的暖湿气流和西北部南下的冷空气在高原中东部交汇,使这些区域降雪年际间变化大,从而导致积雪开始期年际间的较大波动 ...
... 球变暖,青藏高原温度升高的同时,降水量也在增大,而高原春季温度相对偏低,多以固态降水为主,为积雪的进一步发育创造了条件,使得春季积雪日数有明显的增加[22-23],这可能是导致部分地区积雪结束日期推迟的原因 ...
... 球变暖,青藏高原温度升高的同时,降水量也在增大,而高原春季温度相对偏低,多以固态降水为主,为积雪的进一步发育创造了条件,使得春季积雪日数有明显的增加[22-23],这可能是导致部分地区积雪结束日期推迟的原因 ...
... 球变暖,青藏高原温度升高的同时,降水量也在增大,而高原春季温度相对偏低,多以固态降水为主,为积雪的进一步发育创造了条件,使得春季积雪日数有明显的增加[22-23],这可能是导致部分地区积雪结束日期推迟的原因 ...
... 球变暖,青藏高原温度升高的同时,降水量也在增大,而高原春季温度相对偏低,多以固态降水为主,为积雪的进一步发育创造了条件,使得春季积雪日数有明显的增加[22-23],这可能是导致部分地区积雪结束日期推迟的原因 ...}
我要回帖
更多关于 mod04数据处理 的文章
更多推荐
- ·光伏发电光伏对人体健康有影响么有伤害吗？？？
- ·农村光伏发电租屋顶可信么对人体有害吗？
- ·高等数学一包括哪些内容包括但不限于多少内容？
- ·EXCEL：offset套嵌if函数嵌套使用方法怎么定义合并单元格？
- ·excel做月报表，月累计如何根据表格筛选后怎么自动求和自动计算总和，每日根据自动表格筛选后怎么自动求和没问题？
- ·找个一区或者艾欧尼亚青铜开黑的师傅本人青铜三
- ·2017有什么比较2017春节广州好玩推荐的游戏吗，推荐一下吧
- ·奇迹暖暖海沫生珠故事怎么获得 奇迹暖暖海沫生珠故事套装属性
- ·王者荣耀解除师徒关系强制脱离的方法和惩罚 怎么脱离师徒关系
- ·龙焱配备了什么公务船 武器配备?
- ·疾风之刃怎么解除虚弱二级密码能不能强制解除，
- ·有一起来飞车车队商城的玩家吗，一起来组建个车队怎么样
- ·赛尔号怎么抓小莹蜂赛尔号怎么抓小莹蜂尼尔怎么抓
- ·hit我守护的一切莉娜弓箭手莉娜怎么样
- ·狼人杀清空购物车是什么意思什么意思
- ·谁能给我轩辕剑4人物技能5一剑凌云山海情人物的所有技能表。
- ·dota2dota2 为什么解说签名卡怎么激活
- ·魔兽世界冰冻宝珠之海怎么去
- ·刀剑神域黑衣剑士礼包非R玩家阵容推荐 平民玩家怎么搭配
- ·modar8171 10a1 黑苹果还用作去云处理吗
- ·惠普的惠普暗影精灵2pro玩英雄联盟流畅吗？
- ·这是谁的牙教案？游戏的
- ·求EVE海乌鸦刷4级安全eve乌鸦4级任务配置置
- ·看门狗2进游戏黑屏不去游戏怎么办
- ·这两台剑灵 台式电脑主机箱主机哪台玩LOL好一些！
- ·孤岛惊魂原始杀戮在steam上值得买的游戏怎么查
- ·苹果机器人布里茨和德莱文金牌主播德莱文文森特哪个好?
- ·风骨霸刀天策pve配装PVE宏，有什么问题跟我反馈，加以完善
- ·魔域里的魔域跑商技能怎么升级级?
- ·qq炫舞动态头像制作制作工坊的分页怎么进
- ·我这个配置为什么玩LOL有点卡，进游戏特别慢，显卡已经换成gtx650ti显卡了
- ·生化危机7人头藏宝图到了藏宝图位置怎么用
- ·新游手柄游戏厅厅有个机子是弹5个球 只要中了4个会翻倍的 手机或电脑能玩吗？
- ·海商王3 仓库仓库怎么设定
- ·太空沙有毒吗只能用模具玩吗？
