基于卫星的概率积雪图的冰雪覆盖面积测定外文翻译资料

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

基于卫星的概率积雪图的冰雪覆盖面积测定

Ahmet Emre Tekeli，Ibrahim Souml;nmez，Erdem Erdi

摘要：积雪面积（SCA）是水文循环中的重要组成部分，其重要性随着年径流量融雪径流量的增加而增加。卫星遥感可以帮助监测SCA。然而，在运行模拟或预报中，卫星积雪覆盖地图可能不易获得或受到云遮挡的影响。在这项研究中，提出了一种统计方法来估计两种情况下的SCA。该方法利用交互式多传感器雪和冰映射系统（IMS）积雪图，并在土耳其开发。基于IMS雪产品的长期数据集，计算每个IMS像素的降雪概率（PS）。在SCA检测中使用在SCA检测中产生最小误差的概率。利用PS值获得2013年3月1日的SCA地图，并将其与实际的IMS雪盖地图进行比较。在219个地面站中，210个（95.89％）表示PS和IMS覆盖地图之间的土地覆盖类型相同（雪/无雪）。只有9个站点（4.11％）与实际的IMS雪地图不匹配。在这9个站点中，5个（2.28％）表示低估，其余4个（1.83％）高估。两幅积雪地图之间的土地覆盖类型之间的高度一致（95.89％）表明所提出的方法学在积雪覆盖面积预测中的可用性。

关键词：IMS ；积雪覆盖；雪覆盖的概率；土耳其

引言

在水资源管理和气候变化研究方面，监测积雪范围及其变化性是很重要的（Cohen and Entekhabi 2001; Brubaker等人2005）。积雪覆盖范围的重要性随着河流年排放量中融雪径流量的比例增加（Souml;nmezet 等2014）。发源于土耳其东部的两条跨界河流幼发拉底河和底格里斯河由春季融雪灌溉，占年度排放量的60-70％（Tekeli等，2005a）。正如Jacobs等人（2005）报道，较高海拔的冬季降水尤其重要，因为较冷的温度允许积雪和积雪，积雪会持续存在，春季出现融雪径流。因此，更好地理解积雪模式及其在时间和空间上的变化对于精确融雪径流估计变得更加重要（Richer等人2013）。土耳其东部，平均海拔2200米（Akyuuml;reket 等2011），包含主要积雪主导的盆地并且拥有主要积雪区域（Tekeli 2008），使该地区的积雪监测成为一个重要问题。

融雪径流模型（SRM）和水文局水平衡系（HBV）模型已被普遍用于作业径流预报（Udnaes et 等2007）。 SRM是少数几个直接将积雪区（SCA）用作输入参数的模型。Tekeli（2005a）和Ṣensoy和Uysal（2012）等人讨论了SRM在土耳其（2005）的成功应用。SCA是SRM的输入变量之一，因此SCA的准确性直接影响SRM模拟/预测的性能。

由于雪具有高度动态性，在以前的几项研究中（Mognard 2003; Rees 2006; Tekeli和Tekeli 2012; Richer等人）讨论了基于地面的雪场观测在时间和空间两个方面连续监测雪的不足。2013;Souml;nmez等2014）。在这种情况下，基于卫星的遥感能够提供区域和全球范围内的雪情信息（Hall et al。2005; Brown and Armstrong 2010），特别是针对偏远和地形复杂的地形。在各种研究中（例如Crane和Anderson 1984; Dozier 1989; Gessel 1989; Romanov等2000; Hall等2002）提出了使用卫星图像进行成功的雪检测。Tekeli（2000）在土耳其的SCA检测中使用了先进的甚高分辨率辐射计（AVHRR）数据。 Tekeli（2005）和Tekeli等人（2005a）调查了土耳其的中分辨率成像光谱辐射计（MODIS）雪覆盖地图的可用性。在一些研究（Justice 等人1998; Bitner等人2002; Klein and Barnett 2003; Simic 等人2004; Zhou等人2005；Tekeli等人2005a; Hall和Riggs 2007; Burgos等人2013）中详细讨论了MODIS SCA在积雪深度，土地覆盖和云存在方面的精度依赖性。在后来的研究中，MODIS优于AVHRR的原因是它的空间分辨率增加了500〜1000m。然而，MODIS和AVHRR都是光学传感器，其使用受到云遮挡的限制（Maurer et al.2003; Tekeli and Tekeli 2012）。尽管已经开发了一些技术来减少云遮挡（Parajka和Blouml;schl2008; Gafurov和Baacute;rdossy2009; Gao等2010; Tekeli和Tekeli 2012），云遮挡仍然是一个主要问题，尤其是当连续数据集需要进行趋势分析研究时（Souml;nmez等2014）。

尽管通过使用被动微波影像或使用某些技术可以在一定程度上解决云遮挡，但据作者所知，目前还没有方法可以预测水文模型所需的SCA地图。 有一些研究（Tekeli等，2005b; Jain等，2011），其中使用累积平均气温（CMAT）预测SCA; 然而，这些都是特定地点并取决于气温数据的存在。

在这项研究中，使用由美国国家海洋和大气管理局的国家环境卫星数据和信息服务（NOAA / NESDIS）运行的交互式多传感器冰雪测绘系统（IMS）的积雪数据。使用IMS雪产品的主要优点如下：（1）IMS为半球雪盖监测提供了最长的卫星获取环境数据记录（Robinson等人，1993年）; （2）由于云层干扰，冰雪雾化，表面特征明显，互动技术尽可能地消除了水体之间的界限（Chen et al。2012）; （3）干扰监测的主要问题是云层的干扰，在微波数据使用多幅图像的IMS产品中被消除（Helfrich et al。2007）。

这项研究的主要目标是根据长期（2004 - 2012年）IMS雪盖地图描述积雪的时空变化特征。 通过长期分析，可以确定每年某一天的每个像元的积雪概率，这有助于了解积雪模式及其在时间和空间上的变化。概率也可以用来估计即将到来的一年的SCA。

研究区域及数据集

研究区域

研究区域土耳其位于欧洲和亚洲大陆之间的26°至45°和36°至42°之间的交界地带。该地区地形复杂，地中海，爱琴海和黑海 分别在其南部，西部和北部边界（图1）。

图1 用于分析的土耳其的数字高程模型和地面真实站

土耳其的南北海岸由与海岸平行的山脉组成，从西向东延伸并在东部汇合。平坦地区主要位于沿海地区周围。 安纳托利亚中部高原位于北部和南部山脉之间。 土耳其的平均海拔高度为1130米，从西向东增加，最高的地区位于土耳其东部（Deniz 等人2011）。

气候和积雪特征因土耳其的不同地区而异（图1）。黑海（BLS）地区夏季温暖，冬季凉爽，可归类为湿润。观察全年降水。位于东部BLS地区的里泽市拥有2200毫米的最高降水量。几乎每年都可以观察到降雪。然而，在沿海地区，雪不会在几天内停留在地面上。但是，沿着山区，将BLS与安纳托利亚东部（EAN）降雪分开的时间可能会更长。马尔马拉（MAR）地区夏季炎热炎热，冬季寒冷。夏季一般干燥，冬季湿润。每年大部分时间都观察到雪。然而，与BLS类似，在MAR的沿海地区，积雪并没有停留太久。爱琴海（AEG）地区夏季炎热，冬季温和凉爽。夏天大多是干燥的，冬天是湿润的。与BLS和MAR相反，AEG沿海地区的积雪非常稀少。然而，高山地区在冬季不会长时间积雪。地中海（MED）地区夏季炎热干燥，冬季温暖湿润。发生降雪量小于AEG。然而，沿着平行于海岸的山区，观察到降雪并且雪可以保持到6月底。安纳托利亚东南部（SAN）是土耳其最热和最干燥的地区。 除了高山以外，没有经常观察到降雪，即使在那里，降雪也不会晚于5月底。 安纳托利亚东部（EAN）记录了最低气温，冬季大多雪。雪可以观察到6月底。该地区包括许多融雪径流河流，如幼发拉底河和底格里斯河。 安纳托利亚中部（CAN）夏季炎热干燥，冬季寒冷湿润。 降雪是冬季主要降水。

IMS积雪覆盖数据

NESDIS于1966年11月开始制作每周的雪和冰图（NSIDC 2014）。这些地图被认为是半球上积雪监测最长的卫星环境数据记录（Robinson et al。1993）。 IMS生产中的主要数据来源是在电磁频谱的可见区域工作的极地运行环境卫星（POES）。其中，AVHRR和MODIS是主要的。对地静止卫星通过其高时间分辨率来帮助雪地监测。在这方面，NOAA地球静止卫星（GOES），欧洲对地静止气象卫星（METEOSAT）和日本的对地静止气象卫星（GMS）分别于1975,1988和1989年投入使用（Ramsay 1998）。在空间分辨率为190公里的冰雪地图上经过30年的每周运行期后，产品的时间和空间分辨率在1997年每24公里增加一倍（Helfrich et al。2007）。空间分辨率在2004年2月进一步提高到4公里。到那时，IMS每天生产4公里。 4公里的数据被放大到24公里，以实现24公里的数据连续性。目前，为北半球（NH）提供了每日4公里的IMS雪盖地图，并将NH分类为像元类型的“海”，“陆地”，“海/湖冰”或“雪”。 “关于IMS算法和产品的进一步细节可以从Ramsay（1998），Helfrich等人获得。 （2007年）和NSIDC（2014年）。

尽管与MODIS积雪产品（0.5公里）相比，IMS的空间分辨率较差（4 km），但Mazari等人 （2013）表明，在所有天空条件下，IMS的准确性在晴空条件下与MODIS产品相似，高于MODIS产品。 土耳其东部的雪盖覆盖图精度为80.79％（Souml;nmezet al。2014），被认为与位于土耳其东部的幼发拉底河上游流域的MODIS精度（62-82％）相当（ Tekeli等2005a）。 图2显示了土耳其2013年3月1日一个IMS样本覆盖图像。

图2 IMS 2013年3月1日的积雪图样本

地面实况数据

图1显示了本研究中使用的总共219个气象站点。所有这些场地的运行和维护都由土耳其国家气象局负责。为了便于访问和快速维护，这些网站大部分都位于该国的城市地区。表1总结了219个站点的高程组和子区域。在这个研究中，这些地点的每日积雪深度（SD）观测值被用作主要地面实况数据。 “0”值表示场地中没有积雪，“-1”表示深度小于1厘米的“雪痕”。其他任何正整数都对应于网站上的积雪深度。研究中使用范围，步长，持续性和空间质量控制测试来进行SD观测，并使用质量标志为“好”的观测值。有关质量控制测试和标记程序的细节由Souml;nmez（2013年）简要介绍 。

表1 土耳其（TUR）和次地区的选定高程组的地面真实地点变化的数量（改编自Souml;nmez等2014）

续表1

方法

长期监测积雪模式提供的数据有助于确定研究区内积雪的时空分布。为此目的，研究区的覆盖2004 - 2012年期间的国际监测系统数据已下载并进行处理。根据数据周期，定义下雪概率，类似于Richer（2009），即像素积雪天数与研究总天数之比。 尽管定义与Richer（2009）中的定义相同，但由于IMS数据没有云遮蔽，本研究中用于计算“降雪概率”（PS）的公式与Richer（2009）的公式相当不同。 因此，PS使用等式计算

其中S是在研究期间特

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[24869]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 在线办公系统的设计与实现外文翻译资料
• 正则表达式模式匹配外文翻译资料
• 层适应网格一致收敛的充分条件外文翻译资料
• 深度残差网络中的恒等映射外文翻译资料
• 固定和灵活汇率下国际调整的货币动态外文翻译资料
• 政策选择的本质外文翻译资料
• 大数据在海洋观测中的应用：机遇与挑战外文翻译资料
• 基于遗传算法的贝叶斯多核学习方法相关向量机外文翻译资料
• 数据库管理系统外文翻译资料
• 数据仓库外文翻译资料