日韩精品99,都市激情亚洲一区,日韩av影院,天堂av在线网

積雪在全球水文循環(huán)和氣候系統(tǒng)中起著重要作用，它是河流與地下水的主要補(bǔ)給來源，積雪表面的高反射率以及雪層的絕熱效應(yīng)顯著地影響著全球地表能量交互。積雪參數(shù)(雪深)是氣候和水文模型模擬的重要參數(shù)，然而，由于森林冠層衰減和輻射的雙重影響，準(zhǔn)確估計森林地區(qū)的雪深仍然具有很大的挑戰(zhàn)。為了解決這個問題，東北地理所微波遙感團(tuán)隊提出了一種耦合微波輻射傳輸模型（RTM）和機(jī)器學(xué)習(xí)（ML）模型的雪深反演新框架，稱為RTM-ML 雪深反演模型，用于北半球森林地區(qū)的雪深反演。該模型通過引入物理約束的亮度溫度，將森林-雪輻射傳輸?shù)奈锢頇C(jī)制納入ML模型，能夠有效地捕捉衛(wèi)星視場內(nèi)積雪和森林冠層的輻射貢獻(xiàn)。此外，研究利用時空動態(tài)建模策略，確保RTM-ML 雪深反演模型在不同地區(qū)和季節(jié)的靈活性和穩(wěn)定性。獨立驗證表明，反演雪深與地面實測雪深具有較好的一致性（R=0.88，RMSE=14.98 cm，MAE=8.44 cm，Bias=-1.46 cm），相比于現(xiàn)有的雪深產(chǎn)品和算法（Chang、AMSR2、ERA5-Land和Globsnow），其精度提升了50%以上（圖1），有效改善了北半球森林地區(qū)雪深反演不確定性大的問題。

圖1. RTM-ML 雪深反演模型驗證結(jié)果

在此基礎(chǔ)上，研究團(tuán)隊結(jié)合東北地區(qū)長時序的積雪覆蓋度數(shù)據(jù)（NCFSC）實現(xiàn)了雪深產(chǎn)品的降尺度，生成了東北地區(qū)首套長時序、高空間分辨率的雪深數(shù)據(jù)集。基于該產(chǎn)品，研究團(tuán)隊分析了東北地區(qū) 1980?2020 年 500 m 空間分辨率下的雪深時空分布特性。結(jié)果表明，東北地區(qū)的雪深變化具有較大的空間異質(zhì)性，在過去 40 年間，東北地區(qū)的雪深整體呈 0.85 cm/10a 的增加趨勢，在 2000?2020 年期間，東北地區(qū)的雪深卻呈現(xiàn)降低趨勢，變化趨勢為 0.49 cm/10a。（圖2）。

圖2. 東北地區(qū)雪深的時空變化

相關(guān)文章發(fā)表在國際頂級期刊《ISPRS Journal of Photogrammetry and Remote Sensing》（IF=12.2,C刊）和《International Journal of Applied Earth Observation and Geoinformation》（IF=8.6）上。由中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所特別研究助理衛(wèi)顏霖（第一作者）、李曉峰研究員（通訊作者）等人完成。研究依托中國科學(xué)院長春凈月潭遙感實驗站開展工作，并得到吉林省自然科學(xué)基金-自由探索項目(YDZJ202501ZYTS522),國家自然科學(xué)基金(42571438,42501159)，長春市科技發(fā)展計劃項目(2024WX07)聯(lián)合資助。

論文信息如下：

1.Wei,Y.,Li,X.,Gu,L.,Zheng,Z.,Shi,Y.,Li,Y.,Zheng,X.,& Jiang,T. (2026). Enhancing snow depth estimation in forested regions of the northern hemisphere: A physically-constrained machine learning approach with spatiotemporal dynamics. ISPRS journal of photogrammetry and remote sensing,231:576-594. DOI: https://doi.org/10.1016/j.isprsjprs.2025.11.006.

2.Wei,Y.,Li,X.,Gu,L.,Zheng,Z.,Zheng,X.,& Jiang,T. (2025). Snow depth inversion and mapping at 500 m resolution from 1980 to 2020 in Northeast China using radiative transfer model and machine learning. International Journal of Applied Earth Observation and Geoinformation,139:104533. DOI:https://doi.org/10.1016/j.jag.2025.104533.