東北地理所在積雪參數(shù)遙感反演及其時空動態(tài)變化研究方面取得系列進(jìn)展
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.
附件下載:
吉公網(wǎng)安備22017302000214號