雪深
- 青藏高原雪深变化特征及其与气象要素的偏相关分析
有积雪覆盖面积、雪深、雪水当量、积雪日数、积雪开始时间及积雪结束时间。对积雪造成的水文影响而言，雪深数据更为重要。雪深，即积雪深度，是指积雪表面到地面的垂直深度[7]。近20 年来，大量学者以雪深为切入点对青藏高原地区的积雪变化开展研究。基于地面站点观测数据，除多等[2]对近30 年的积雪年际及季节变化进行了分析，发现大部分台站的积雪在年际乃至季节尺度上都出现了减少趋势；You 等[8]以更长的时间序列对1961—2005 年青藏高原中部及东部区域的雪深观
水利水运工程学报 2023年6期2024-01-12
- 基于深度卷积神经网络的高速铁路积雪深度判识方法
物侵限监测系统，雪深监测是系统的重要功能之一，通过在高速铁路沿线设置雪深监测设备监测固定位置的积雪深度，当积雪深度超过阈值时进行报警，调度员根据规则进行限速设置，指挥列车运行［4］.高速铁路雪深监测设备设置于我国0°等温线（秦岭—淮河）以北地区且近10 年最大积雪深度超过30 mm 的区段.各线路雪深监测点的设置数量不一，且监测范围有限.降雪过程中，由于受到列车运行带雪和风吹雪等因素的影响［5］，轨道上的积雪深度动态变化，因此需要研究铁路沿线积雪深度的动态
北京交通大学学报 2023年5期2023-12-30
- 基于星载被动微波的中国东北森林雪深反演
数据。在被动微波雪深反演领域,目前已有相应的物理模型和半经验算法。物理模型以辐射传输理论为基础,考虑了雪层内粒子的微观结构对辐射的影响,描述了积雪微波辐射的物理特性[2]。然而在其应用过程中,需要较多的输入参数且有些很难通过观测实验获得,因此限制了其使用范围。相比物理模型,半经验算法不仅操作简便,而且在算法运用过程中也不需要输入较多参数,因此基于半经验算法的雪深反演算法是目前被动微波雪深反演领域最常用方法。1987年Chang等[5]发现被动微波19 GH
吉林大学学报(信息科学版) 2023年5期2023-12-26
- 自动雪深观测仪的对比分析
角色，同时高精度雪深资料也是气候研究的基础数据。目前黑龙江省承担雪深观测任务的台站大部分仍以人工为主，传统的雪深人工观测数据存在时空密度不足、时效性差、数据质量难以保证的弊端，不能连续、全面的反映积雪的变化过程。随着科技的不断发展，自动雪深观测技术日趋成熟，自动化的观测不仅节省人力，还可以提高数据的准确性和及时性，能够为当地气象防灾减灾服务提供更好的数据支撑。张东明[1]等对一种激光雪深观测仪与人工雪深观测进行了对比分析，得出试验分析数据的差异原因及该种激
环境技术 2023年8期2023-10-23
- 被动微波遥感反演雪深与气象站观测雪深时空对比
玥，2014）。雪深是积雪研究中的重要参数，其不仅能反映积雪范围，还能反映积雪质量（Kuraś 等，2008；Wang 等，2014；Chang 等，1976）。现阶段，地面站点雪深观测资料和被动微波遥感反演雪深产品被广泛应用于中国地区的积雪研究。站点雪深观测相较于其他雪深监测方法而言，测量精度较高，可信度强。许多学者利用站点雪深观测数据对中国及主要积雪区雪深、雪密度、雪水当量等相关参数的空间分布现状和变化规律进行研究。李培基和米德生（1983），李培基（
遥感学报 2023年9期2023-10-19
- DSS1 型雪深仪与HY-WP1A 型天气现象视频观测仪雪深数据对比分析
810600）积雪深度是地面气象观测业务的基本观测项目之一。掌握实时积雪深度，对于灾害性天气预警和专业气象服务具有重要意义[1]。目前，青海省52 个国家级台站都装有DSS1 型雪深仪，并于2020 年新装HY-WP1A 型天气现象视频观测仪。其中DSS1 型雪深仪利用激光测距原理进行雪深测量，而HY-WP1A 型天气现象视频观测仪则是利用图像智能识别原理进行雪深数据测量。设备原理不同导致2 种设备测得的数据会有差值。为了提高设备的数据测量精度，消除差值，
科技与创新 2022年22期2022-11-18
- 古尔班通古特沙漠及周边区域冬季大气边界层高度对地表积雪的响应
增加趋势为主。积雪深度的变化对全球能量平衡以及水文循环具有显著影响［16］，是积雪气候效应、水资源管理、水文预报及监测、陆面过程、评估雪灾发生和等级划分的重要参数［17］。积雪深度变化存在明显的区域性差异，1980—2005年，纬度大于40°N的地区冬季最大积雪深度和平均积雪深度增加，而纬度小于40°N的地区积雪深度则呈现下降的趋势［18］。多位学者［19-22］发现，1957—2014年中国西北部地区积雪深度呈显著上升趋势，而Huang等［23］发现，2
冰川冻土 2022年5期2022-11-16
- 基于NoSREx实验的积雪演化及微波辐射分析研究
微波积雪参数——雪深和雪水当量反演算法发展的基础。针对积雪的物理特性是影响空间监测的重要因素，其演变特性存在较大的空间异质性［2-3］，积雪物理特性的演化影响微波辐射［4-5］，从而影响雪深/雪水当量反演算法［6-7］。当前计算雪深/雪水当量的算法主要是半经验线性算法［8-9］，其不确定性来源于雪物理特性变化及下垫面变化和大气变化影响［4］，其中雪的物理特性演变过程对算法影响较大［10］。由于积雪反演算法在时间上和空间上还存在很大的不确定性，导致精度受到影
冰川冻土 2022年5期2022-11-16
- 草甸草原动态融雪过程与气象要素关系分析
——以额尔古纳市为例
伦贝尔地区年均积雪深度可达4.38 cm［11］，是研究融雪过程的最佳区域。基于2000—2017年MOD10A1积雪产品的研究表明［12］，蒙古高原积雪覆盖率和积雪日数变化存在减少的趋势，但阿尔泰山、杭爱山、呼伦贝尔东部、锡林郭勒北侧和大兴安岭西侧部分地区增长趋势较显著。针对积雪覆盖与气象因子关系的研究［13］，揭示了内蒙古地区春季、冬季积雪覆盖率均与冬季降水量呈显著正相关，各季节积雪覆盖率与温度呈负相关关系；但完全面向融雪过程的研究仍显不足。融雪过程会
干旱区研究 2022年5期2022-10-26
- 基于分形特性的开口拱形结构风致积雪漂移风洞试验研究
坡度对结构背风面雪深影响极大，迎风面雪深受风速影响较大。Zhou[10]、Zhu[11]等分别以平屋面和阶梯式平屋面为研究对象，总结了有降雪和无降雪两种情况下屋面积雪的分布规律，例如，Zhou等[10]发现屋面积雪侵蚀程度与降雪强度之间的关系具有明显的线性特征。一些学者对不同影响因素下结构表面的积雪特征进行了研究。Liu等[12]研究了模型尺寸和风速不同条件下，考虑雪残率和侵蚀率时，积雪分布规律对屋面的影响；Yu等[13]探讨了模型尺寸、风速、吹风时间对积
工程科学与技术 2022年5期2022-10-13
- 雪深和雪水当量被动微波反演及应用进展
083)0 引言雪深和雪水当量不仅是积雪观测中最重要的要素，也是冰冻圈研究的重要组成部分，同时还是地球系统中非常重要的变量[1-2]。其时空分布特点对全球变化、地球系统科学、水循环与水资源以及雪灾和洪涝监测起着非常重要的作用[3-4]。目前对雪深和雪水当量等积雪要素的观测和反演主要采用野外现场实地测量、地面台站长期观测和卫星遥感区域观测等手段。全球积雪区域主要位于中高纬度地区、南北两极以及高山地区，空间异质性较强。传统观测手段和地面站点获取的数据具有“点尺
自然资源遥感 2022年3期2022-09-20
- 基于星载激光雷达ICESat-2的雪深监测方法研究
害频发［4］。积雪深度是积雪研究的重要方向之一，也是预报、监测、警示融雪性洪涝灾害的重要因素［5］。雪深观测的主要方法包括地面观测和遥感数据观测。其中，地面观测效率低，数据疏散且代表性差，无法满足大面积积雪深度信息的观测要求［6］。随着信息技术的飞速发展，遥感技术从宏观角度对目标地物进行全天候和多时段反复观测，可获取大范围、多时相、周期性的积雪信息，为积雪研究提供了丰富的资料，已成为动态监测雪深的必要手段。国内有学者尝试利用光学遥感数据构建雪深反演模型，但
冰川冻土 2022年3期2022-09-14
- 基于延时数字摄影测量的积雪过程4D监测技术研究
雪历时［16］、雪深［17-22］、积雪截留量［23-24］、反照率参数化［25-26］、风吹雪［27-28］、粗糙度［29-30］等诸多信息。研究获取的积雪数据从2D［17-18］扩展到目前的4D（时间+空间）信息［22，31-33］，预计在未来积雪研究中的应用前景广泛［34］。相比国际，国内积雪摄影测量应用研究起步较晚，研究范围也仅限于小尺度积雪空间分布信息［35-37］和雪深提取［38］。由于缺乏成熟的4D监测设备，国内仍缺乏积雪4D监测研究。国际上
冰川冻土 2022年3期2022-09-14
- 基于遥感逐日数据的雪深分布研究
要提供风速和初始雪深这两个参数。一般都以基本雪压对应的雪深作为初始雪深。对于风速，莫华美提出采用逐日雪深和风速资料，得到最大积雪日伴随风速均值作为风速输入参数[2]，这是目前提出的比较明确的参考风速的用法。此外，在研究基本雪压时，也需要积雪深度数据来研究其雪深分布规律。以上研究均需要建筑所在地的逐日雪深数据。该数据最精确的获得方法应是当地气象站，但目前我国气象站分布不均匀，且逐日积雪数据尚未公开，向气象站购买逐日雪深数据成本较大。因此，在进行雪荷载研究的时
智能建筑与智慧城市 2022年7期2022-07-27
- 地基GNSS-R雪深测量方法研究进展
，激光法获取的积雪深度观测数据处理过程复杂、成本较高；超声波法也只是用于定点观测，弊端同样明显。卫星遥感方式获取积雪信息可有效弥补物理观测方法的缺陷，但易受云层和植被等遮盖影响，监测条件和成本较高。综上，卫星遥感观测方式虽然能在一定程度上解决环境约束问题，但同时也存在精度不均匀、误差难以消除、无法获取小尺度范围的精确积雪信息等缺点。全球导航卫星系统反射信号(The Global Navigation Satellite System- Reflection
测绘标准化 2022年2期2022-07-12
- 信号频率及观测环境对GPS‐MR雪深反演的影响分析
息。目前，监测积雪深度的方法主要有气象站点（空间分辨率低）、激光传感器（成本高）、卫星遥感（无法得到积雪厚度）等，GPS多径反射（GPS⁃multipath reflectometry，GPS⁃MR）方法是一种全新的监测雪深的手段，它利用常规大地测量型全球导航卫星系统（global navigation satellite sys⁃tem，GNSS）接收机接收的含有反射面信息的信噪比（signal⁃to⁃noise ratio，SNR）数据来探测雪深。该方
测绘地理信息 2022年3期2022-06-05
- 激光雪深观测仪与人工观测比对试验方法及分析
区,河北石家庄积雪深度达55 cm;2010年1月15日,连续暴雪过程致新疆阿勒泰、塔城地区北部最深积雪超过1.5 m。我国气象部门观测积雪深度以人工方式为主,观测频次低,时效性差,人为因素造成的误差大,不能全面、连续反映积雪过程的变化情况[1]。为实现积雪深度自动化观测,使观测结果客观化、观测资料连续化,减少台站观测人员的工作量,进一步提高观测质量和观测效率,为公众提供更多有价值的气象信息和观测产品,迫切需要实现积雪深度自动化观测[2]。本文对基于激光原
浙江气象 2022年1期2022-05-23
- MODIS NDSI产品去云算法及最优阈值选择研究
2016）在实地雪深观测的基础上，利用条件概率插值对MODIS 积雪图上的剩余云量进行重新分类，对德国西南部云覆盖和积雪变化较高地区的积雪产品进行了去云处理；Huang等（2018）采用隐形马尔科夫随机场框架内集成MODIS光谱信息、时空上下文信息和环境关联的技术，对2006年—2008年积雪季上里约热内卢盆地的积雪产品去云；Hou等（2019）采用时空滤波结合机器学习的技术，生成了2001 年—2016 年中国北疆地区逐日无云MODIS 积雪面积比例产品
遥感学报 2022年12期2022-02-13
- 被动微波遥感雪深反演混合像元问题研究
100875积雪深度是反映地表积雪量变化的重要因子，是水文模型和气候模式中的重要参数之一。被动微波遥感以其穿云透雾、对雪层信息敏感等特点，被广泛应用于雪深的反演研究中。被动微波传感器的低空间分辨率(数千米至数十千米)及地表覆盖的复杂性，使星载被动微波遥感影像中的混合像元现象十分突出，严重制约了被动微波雪深遥感监测的应用和发展。目前，被动微波遥感雪深反演中的混合像元问题研究仍存在着诸多挑战：①理论支撑不足，对被动微波混合像元亮温响应特征及影响机制的研究尚不
测绘学报 2022年2期2022-02-03
- 西藏春季雪深的时空变化特征及其与前期海表温度的关系
］，我们国家年均雪深为0.49cm，其中青藏高原地区的年平均雪深占0.29cm，从1959—2009年青藏高原的年均雪深为增加趋势，但表现的不够显著。王春学和李栋梁［5］根据1958—2008 年的积雪观测资料对高原最大雪深的变化规律进行分析表示出近50 年来春秋季最大雪深在整体上呈现出减少的趋势。积雪的量与青藏高原的热力过程密切相关，因此是邻近地区气候形成发展演变的重要因素。作为气象观测的重要元素之一，积雪深度是表示积雪特征的一个重要参数［6］，它是指从
西藏科技 2021年12期2022-01-17
- 利用CEEMDAN进行GNSS-MR雪深反演
积广等优点，在积雪深度探测方面具有较大潜力。张双成等[1]利用实测GPS数据对基于信噪比(signal-to-noise, SNR)的GNSS-MR探测雪深的算法进行了初步验证。Ozeki等[2]提出无几何距离的线性组L4观测值反演积雪深度，与SNR观测量探测的结果较为一致。但上述研究均采用二次多项式拟合方法获取残差序列，无法准确拟合SNR信号趋势，同时由于卫星高度角的增加，使天线接收的反射信号来自不同地表和位置，干扰有效反射信号，导致反演结果极易出现跳变
大地测量与地球动力学 2022年1期2022-01-11
- 基于MODIS反演雪深的融雪径流模拟
足的积雪可融化，雪深不设限，仅根据流域的积雪覆盖率、温度和度日因子计算逐日融雪径流过程。若每日的积雪覆盖率准确，则该假定对融雪径流计算结果的影响不大；但如前所述，可用的遥感积雪覆盖产品为8日合成，无准确的逐日积雪覆盖面积，因此要保证融雪径流计算精度，需要获取相对准确的逐日积雪覆盖信息。积雪覆盖面积是积雪的二维空间体现，精细化空间分布的雪深既可计算雪盖面积也反映了积雪量，同时也是融雪径流计算的中间变量，因此将空间分布的雪深信息作为SRM 模型的输入，进行雪盖
中国农村水利水电 2021年10期2021-10-28
- DSS1 激光雪深仪基准面对数据的影响及改进方法探析
810001）积雪深度是积雪表面到达地面的垂直深度，是表明降雪量和降雪强度的重要指标，对气象灾害预警和气象服务有重要意义。我国气象部门对积雪深度长期采用人工观测，然而人工雪深观测只有在雪深大于5mm 后，早上8 时的观测记录[1]，缺乏数据连续性。由于高原海拔较高，降雪强度大，范围广，是雪灾易发区，雪灾的发生严重影响着牧民的生产及生活，而降雪的发生、发展、消融过程直接影响雪灾的等级及受灾程度。因此建设雪深自动观测系统，获取长时间动态连续雪深数据是开展积雪研
甘肃科技 2021年16期2021-10-17
- 1979—2017年雅鲁藏布江流域雪深时空分布特征及其影响因素分析
积雪的时空分布，雪深、积雪覆盖率等变化对全球能量平衡以及水文循环具有显著的影响［1-2］。被称为“世界屋脊”的青藏高原是北半球中纬度海拔最高、积雪覆盖范围最广的区域，在气候变化的背景下，其积雪变化异常强烈。IPCC第五次评估报告指出，由于人类活动和气候变化的影响，全球平均气温自1880年至2012年上升了0.85℃，且青藏高原对气候变化的响应尤为强烈［3］。青藏高原复杂多变的地形和较高的海拔是维持和影响高原积雪变化的重要条件，雪深作为反映积雪动态变化特征的
冰川冻土 2021年4期2021-09-22
- 干雪深度反演的同极化相位差模型
损失[6]。而积雪深度作为积雪的重要因子，表征局部气候环境特征与水资源条件，是水文预测、气候模拟、雪灾监测与评价等模型的重要输入参数[7]。获取高精度雪深空间分布信息可为水资源管理、气候变化研究和防灾减灾工程等提供科学支撑。合成孔径雷达(synthetic aperture radar,SAR)因其有较高的空间分辨率[8]且对积雪特性有着较高的敏感度等优势[9-10]，在流域尺度的雪深反演中具有较强的适用性[11-12]。极化SAR通过回波获取关于积雪的散
测绘学报 2021年7期2021-08-14
- 基于多源遥感数据的疏勒河上游山区流域VIC-CAS模型积雪模拟效果评估
5］。积雪覆盖和雪深可以由地面观测、遥感反演和模型模拟获得［4-5］。地面观测雪深资料是目前研究积雪长期变化特征最广泛、最可靠的资料，具有时间尺度长，连续性好的优点，但也存在着空间分辨率低，空间分布不均匀，观测投入较大的不足［6］。近年来，遥感积雪数据的不断发展，为寒区水文模型提供了丰富的数据源，改善了以往地面观测资料分辨率低，成本高的缺点［7］。目前，常见的积雪覆盖遥感产品有Landsat 和SPOT［8］，AVHRR［9］，MODIS 积雪产品［10］
冰川冻土 2021年2期2021-05-24
- DSS1型雪深观测仪的故障检修及维护
陈国强DSS1型雪深观测仪的故障检修及维护陈国强（青海省大气探测技术保障中心，青海 西宁 810000）结合DSS1型雪深观测仪的应用实际，阐述了设备的结构组成、工作原理、设备运行过程中出现的典型问题及解决方法、日常维护措施等，旨在为气象台站雪深观测仪的维护维修提供技术参考。雪深观测仪；工作原理；故障检修；维护工作传统的雪深人工观测存在时空密度不足、时效性差、数据质量难以保证等弊端，不能连续、全面地反映积雪的变化过程。截至2019-12月底，青海省52个国
科技与创新 2021年6期2021-04-13
- 青藏高原FY-3C卫星积雪产品评估
微波遥感数据反演雪深和雪水当量[7-10]，及时掌握研究区的积雪动态，认识研究区的积雪和雪水当量的时空分布特征[11-13]。然而，可见光遥感依赖于太阳光，受云层影响严重，在天空有云状况下无法工作； 被动微波遥感虽具有穿透性及全天候工作特点，不受天气状况的影响，但空间分辨率低，主要用于全球雪深、积雪覆盖范围和雪水当量的研究，在区域性的积雪动态监测和积雪研究中，卫星遥感积雪产品精度还有许多需要改进的地方，不同传感器、不同反演算法之间存在较大偏差[14-20]
自然资源遥感 2021年1期2021-03-19
- 人工观测与超声波传感器测量雪深的差异及其影响因素
生产，因此监测积雪深度对于农业生产具有重要意义[1-3]。积雪深度观测是国家地面气象观测站的基本观测项目之一，是指从积雪表面到地面的垂直深度[4]。目前，气象站测量积雪深度主要有人工测量和自动测量仪测量2种方法。人工测量方法，即使用量雪尺或普通米尺在气象观测场附近选定3个平整好的地段进行测量[4]。自动测量方法，根据超声波和激光测距原理采用雪深仪器进行测量[5-9]。随着气象现代化的发展，利用自动雪深仪测量积雪深度正逐渐成为一种趋势。目前，河北省气象部门仍
贵州农业科学 2020年6期2020-08-04
- 一种GPS多路径信号的雪深估测方法
、精准监测地表的雪深变化量并分析变化规律是一项重要的科学研究。近年来，GNSS-R (Global Navigation Satellite System Reflectometry) 技术探测地表环境特征参数已成为研究热点之一。经过数年发展，GNSS-R应用领域由海洋遥感(海面高度、海风和有效波高等[2-4])扩展到陆地遥感(土壤湿度[5]和积雪厚度[6]等)。由于GPS卫星系统的建设成熟，卫星数量多且轨迹覆盖全球，其发射的L波段电磁波不仅能减弱信号穿透
水道港口 2020年3期2020-07-28
- 寒冷地区地面气象观测业务要点分析
要。平凉市气象局雪深采用DSJ1型雪深观测仪，其基于超声波原理设计，通过测量超声波脉冲发射和返回时间测量出从传感器探头到目标距离，在常年积雪区域，冬天会出现雪暴、吹雪现象，可能导致雪深分布和地势差异有较大出入。所以在大雪天气观测雪深巡视时，应留意观测点基准面雪深分布状况。雪深探测仪为电子设备难免出现故障，应在观测前做好替补观测手段，一旦出现故障则进行人工观测，若观测仪表征结果和实际降雪量误差较大，则进行二次人工核验，确保记录结果准确有效。雪压观测要综合雪深
探索科学(学术版) 2020年3期2020-03-11
- 超声波传感器自动测量雪深误差分析及改进
1)0 引 言积雪深度是表征降雪量和积雪特征的主要参数,对于防灾减灾和公共气象服务具有重要意义。目前,我国气象业务上主要通过人工读取测雪尺刻度的方法获取雪深数据[1]。人工观测虽能较准确地反映积雪深度,但主观性强、时效性差、时空密度不足等缺点,不能全面、连续反映积雪的动态变化过程,已难以适应当今气象业务的需求[2]。因此,为了获取更客观、连续的观测资料,提高观测质量和观测效率,急需研发适合当今气象业务应用的自动化雪深观测仪器[3]。常见的雪深自动化观测方法
传感器与微系统 2019年12期2019-12-24
- 基于GPS新型L5信号的地表雪深反演研究
组成部分之一。积雪深度的变化量是用来进行雪水当量估算、地表辐射平衡、流域水平衡等研究的一个重要参数，同时可为下游的洪灾预警和水力发电提供信息[1]。因此，监测雪深对于管控水资源具有重要意义。目前，全球大多数区域的雪深观测资料尚不充足，一方面是由于常规的雪深测量技术(主要为人工测量或超声波测深仪)缺乏较高的时空分辨率，另一方面是卫星图像遥感更适用于监测积雪覆盖度而非积雪的深度和密度[2]。针对以上的问题，基于信噪比(signal-to-noise ratio
测绘通报 2019年7期2019-08-07
- 地基GPS用于阿勒泰积雪深度反演研究
地区的积雪分布及雪深具有十分重要的意义。随着遥感技术和GNSS技术的快速发展，积雪监测越来越受国内外学者的重视，并做了大量的相关研究，获得了丰富的研究成果。2011年于惠等[3]基于AMSR-E数据对青海省积雪深度变化趋势进行了监测研究分析。2013年李震等[4]利用基于MEMLS模型的AMSR-E数据进行积雪深度反演，实验表明相比AMSR-E雪深产品该算法的雪深探测精度和准确度得到了明显的改善。2014年蒋玲梅等[5]建立微波像元下的高精度的雪深反演算法
沙漠与绿洲气象 2019年1期2019-03-13
- 1982-2015年内蒙古雪深时空变化遥感分析
，研究内蒙古的积雪深度时空分布和对气候变化的响应具有重要现实意义。经研究发现，北半球积雪变化的关键区域是在青藏高原、蒙古高原、欧洲阿尔卑斯山脉以及北美洲中西部〔7〕。Frei等〔8〕研究发现，1930年至1980年期间，北美洲的冬季积雪一直是呈增加趋势，但是在80年代以后却出现了减少的趋势；Laternser等〔9〕在对瑞士阿尔卑斯山积雪研究时发现，该区域从1987年开始，积雪减少的变化非常显著。我国学者在积雪方面也进行了很多研究，对青藏高原的研究发现，青
草原与草业 2019年4期2019-02-20
- 激光雪深观测仪数据与人工测量雪深值的对比分析
.5毫米，最大积雪深度达53.3厘米，造成全市交通中断，市区大面积断电，部分地区供水、供暖也一度停止，中小学放假；共有360栋蔬菜大棚受损，25栋大棚压塌，一些重要的水果、蔬菜批发市场的仓库也被压塌，大量园林树木折损。造成了十几亿元的经济损失，该事件也成为我国2012年国内十大极端气候事件之一。1.2 雪深概念及人工测量现状 雪深是从积雪表面到地面的垂直深度，以厘米(cm)为单位，取整数；早8时若观测地段被雪(包括米雪、霰、冰粒)覆盖时，需要观测雪深，如果
探索科学(学术版) 2019年9期2019-02-09
- 基于多星GPS-IR的雪深反演分析
外对GPS-IR雪深反演的研究已取得一定成果。Kristine M.Larson等根据GPS观测文件反演出的雪深数据研究发现，雪深反演结果和该地区发生的暴风雪时间之间具有很强的相关性[5]；KarenBoniface等人利用GPS测站的观测数据，对美国西部地区的雪深进行了监测，反演雪深的均方根误差达到15 cm，相关系数大于0.6[6]；Kegen Yu等结合多种载波信号对雪深进行反演，其结果优于现有的模型[7]；Masaru Ozeki等根据多路径信号的
水力发电 2018年6期2018-09-18
- 地面综合观测冬季要点分析
观测；加密观测；雪深；积雪地面综合观测是基础性的、比较复杂的工作，能够为气象预报预警、气象防灾减灾等气象服务工作提供重要数据依据。查阅资料，发现在地面综合观测方面相对的技术总结较少，尤其是分季节的经验总结，本文通过比较实用性的视角，展开论述，通过对巡视观测场、要素处理、积雪加密观测、冬季降水异常处理四个方面的详细讲解，对于推进新综合业务人员尽快熟悉冬季观测要点，具有必要且直接的现实意义。一、巡视观测场入冬前应做好风向风速感应部分的防冻准备，以减少风杯冻结的
农家科技下旬刊 2018年6期2018-07-28
- 基于GPS和北斗信噪比观测值的雪深反演及其误差分析
着重要角色，但是雪深的获取仍然缺乏有效的手段，传统的雪深测量仪获取的仅是稀疏的雪深点位信息，光学卫星和微波卫星的时空分辨率非常有限[1]，因此，有学者尝试使用GNSS反射信号来反演雪深的信息，该方法具有全天时、全天候、数据量大、成本低等突出优点[2]。GNSS-R(global navigation satellite system reflectometry)技术自20世纪90年代开始受到关注，文献[3]于1993年首次提出PARIS的概念，其主要思想是
测绘学报 2018年1期2018-02-27
- 拐子湖地区冬季地面气象观测要点分析
替。2 雪深及雪压观测要点现阶段，拐子湖地区雪深观测采取超声波雪深自动观测仪。对于自动雪深观测基准面，选择在观测场内西北边，观测场地较小，面积为1.5m×1.5m。由于自动观测测点单一，依据仪器原理，只是对一个点探测，单颗雪粒、尘粒覆盖都会使数据偏差。对于海拔较高常年积雪区域，冬季积雪特别大时，有时会发生雪暴或吹雪等现象，形成“雪堎”，致使雪深高低不均匀，具有较大差异。因而冬季对雪深观测时，应给自动雪深观测仪增加设置两个角度探测点或在立柱探头上设置
农业与技术 2018年24期2018-02-27
- 积雪特性参数分析及雪深模型建立
雪特性参数分析及雪深模型建立付 强，彭 莉，汪恩良，李天霄，刘 东，崔 嵩（东北农业大学水利与土木工程学院，哈尔滨 150030）通过2015～2016年冬季积雪观测试验，测量自然条件下雪深、雪层温度、雪层密度、雪层液态含水率等积雪特性参数，分析积雪特性参数影响因子和发育变化规律，构建径向基神经网络雪深模型。结果表明，空气、地表温度及水汽压是影响雪参数发育三大主要气象因子。在时长为124 d覆雪期中，雪深最大平均融雪速率达3.20 mm·d-1，出现在融雪
东北农业大学学报 2017年12期2017-12-29
- 锡林河流域积雪时空特征及其对径流的影响
平均气温、降雨、雪深数据及MOD10A2积雪产品数据，分析了锡林河流域积雪面积、雪深年际变化特征，气象因子与积雪面积、雪深之间的相关性，以及径流的影响因素。结果表明：研究区积雪面积、雪深年内变化呈单峰型，冬季积雪面积、雪深均达到最大值，春秋次之，夏季最小。在年际变化上，积雪面积、雪深总体呈现增加趋势，其中冬季的积雪面积呈显著性增加。通过研究区气象因子与积雪的相关性表明，在积雪期，气温、风速和日照时数是影响雪深和积雪面积的主要因素，而在融雪期，气温与降水是影
水土保持研究 2017年6期2017-12-18
- 激光自动雪深仪基准面改进方案探析
017)激光自动雪深仪基准面改进方案探析陈爱莲 丁妙增 赵杭锋(浙江省大气探测技术保障中心，浙江 杭州 310017)2016年1月21—24日的寒潮降雪过后，全省部分站点的雪深数据出现了8～15 mm的异常值。经过现场勘查，发现以网格状基准测雪板方式测雪存在一些缺陷：一是下垫面原有结构受到了一定程度的破坏，土质松动；二是基准测雪板随着下垫面抬高而一起上升，初始基准高度发生变化。经研究和现场试验，胶木棒式基准面更接近自然下垫面，雪深分布均匀，降雪过后也没发
浙江气象 2017年1期2017-05-03
- 基于GNSS-R技术的北极黄河站雪深反演研究
技术的北极黄河站雪深反演研究刘智康，安家春，冯 鱼，王泽民（武汉大学中国南极测绘研究中心，湖北 武汉430079）雪深探测在两极地区的气候和环境变化研究中有重要作用，但现有的观测手段在获取高时空分辨率的雪深资料上有较多的局限性。近年来，利用GNSS多路径信号反演陆地、海洋等表面信息的GNSS-R技术得到广泛重视。在系统分析GNSS-R雪深反演原理的基础上，在中国北极黄河站设计了GNSS-R雪深反演实验，并利用信噪比资料提取了2015年上半年的黄河站雪深变化
华东交通大学学报 2016年5期2016-11-15
- 北方冬季地面气象观测常见问题分析
观测的操作。1 雪深与雪压1.1 定义雪深的单位为cm，取地表与积雪表面垂直距离的整数。雪压的单位是g/cm2，即积雪在1 cm2面积上的重量，取值到1位后小位数[5]。1.2 观测地段的选择与前期准备对雪深及雪压进行观测的地段，宜为地面气象观测场周围的地势开阔、地面平坦的地块。在进入冬季之前，先将选好的地段进行整理，主要是整平地面、清理杂草等，并标记好。这里入冬前要除去杂草，不能理解为将地段一定要整成裸地，只是对地段上凹凸不平的地方进行平整；对杂乱草丛等
现代农业科技 2016年7期2016-05-14
- 铁路雪深监测系统数据过滤算法研究
00081）铁路雪深监测系统数据过滤算法研究陈宝花1，史 宏2（1.中国铁道科学研究院，北京 100081；2.中国铁道科学研究院 运输经济研究所，北京 100081）铁路沿线雪深监测系统对于保障严寒地区列车的安全运行具有重要作用。针对该系统异常数据导致雪深监测值失真甚至可能引起系统误报警这一问题，在分析铁路沿线监测点雪深传感器原始监测数据的基础上，归类异常数据，制定数据过滤规则，提出铁路雪深监测系统数据过滤算法，并进行实验仿真。仿真结果表明：该算法能够有
铁路计算机应用 2016年10期2016-02-16
- 青藏高原积雪深度时空分布与地形的关系
还可以用于反演积雪深度或积雪水当量，基本不受云的干扰。经过很多学者的不断改进［6－8］，被动微波雪深反演数据的精度有所提高，已经能够较好地反映高原积雪的时空变化特征。以往对高原积雪的影响因素研究主要从气候变化角度展开［9－11］，如降水和气温等，但气候因子对积雪变化的影响是作用在地形因子影响的基础上，随着海拔升高，气温逐渐降低，积雪融化变缓，从而影响雪深和雪盖的分布。青藏高原冰雪覆盖区是我国和南亚许多大江大河的发源地。气候变暖导致的降水重新分配、冰川加速消
自然资源遥感 2015年4期2015-12-25
- 中国冬季积雪变异及其与北极涛动的联系
为主，积雪参数以雪深、雪密度为主（李培基和米德生，1983；李培基，1988）。但受技术原因限制，站点较少时段较短。自从卫星反演和雷达探测资料得以使用以来，积雪资料及有关积雪的研究有了极大丰富，但资料在高原和较薄积雪地区存在较大的误差（郭艳君等，2004；Armstrong et al.，2007）。目前中国常规观测的756站地面台站资料对平原地区误差较小，虽然区域局限性比较强，总体来说还是客观准确的（王澄海等，2009；马丽娟和秦大河，2012）。站点降
大气科学 2015年3期2015-09-22
- 人工雪深和自动雪深观测数据差异的原因分析
展的主要方向。 雪深自动观测设备通过了中国气象局的考核，现已定型，黑龙江省有5 个台站试点运行，采用人工观测雪深和自动雪深探测仪观测雪深对比观测。 本文根据观测地段、测量工具和观测方法的不同，就两种观测方式取得的观测数据存在的差异原因进行了分析。2 观测地段雪深的观测地段，应选择在观测场附近平坦、开阔的地方。 入冬前，应将选定的地段平整好，清除杂草，并作上标志。自动雪深的观测基准面， 尽量选择在观测场内西北面， 距离人工观测雪深地段小于10 m 的平坦、开
黑龙江气象 2015年2期2015-03-23
- 基于MODIS雪盖数据的北疆雪深多元非线性回归克里金插值
灾害［3－4］。雪深是表征积雪特征的重要参数、气候变化区域响应的敏感因素［5］，因此精确的雪深时空分布估计对北疆积雪的监测至关重要［6］。近年来，国内外学者提出了利用被动微波遥感反演［7－8］、高光谱反演［9］、回归分析［10］和地统计插值法［11］等定量反演雪深空间分布。Balk等［12］提出了结合二元决策树和地统计方法估计山区流域的积雪分布。Moreno等［13］使用广义加性模型模拟西班牙Pyrenees山脉雪深的空间分布。刘艳等［14］通过在无雪区增
自然资源遥感 2015年3期2015-01-04
- HJ-1B的积雪参数反演研究
积雪参数如雪盖、雪深、雪类等特征对于理解气候变化、水资源的合理利用和管理灾害监测等领域有重要意义[2]。遥感技术以其实时、范围大、成本低等优点被广泛应用于积雪参数反演中并取得了许多成果，但国内外遥感积雪反演大多是使用的国外卫星传感器和国内分辨率较低的气象卫星，如NOAA/AVHRR、EOS/MODIS、FY系列、AMSR-E、SSM/I、SMMR、Landsat5/TM、ETM+等[3]。李红梅利用混合像元分解法研究了MODIS数据在大面积雪盖动态监测中的
测绘通报 2014年5期2014-08-15
- 风三微波亮温数据在北疆地区的雪深反演研究
微波遥感技术获取雪深、雪水当量等重要的积雪参数，进而运用于大范围冰雪资源的动态监测和反演。北疆是我国三大稳定季节积雪区之一［2］，也是新疆主要的畜牧业基地。由于冬、春季雪灾频繁，造成大批牲畜因雪灾而死亡，交通和通讯设备遭到破坏，严重影响了草地畜牧业的可持续发展［3］。同时冰雪融水是北疆地区河流的主要补给来源［4］，大范围冰雪资源动态监测和反演对水资源的合理利用、农业生产规划和防灾减灾都具有重要的生产和科学意义。各国冰雪科学工作者利用NOAA、陆地卫星和EO
水土保持研究 2013年4期2013-09-14
- 程门立雪
去。颐觉，则门外雪深一尺矣。”北宋时，有一个理学家叫程颐。由于他的学识渊博，名望很高，所以很多人都投到他的门下拜师求学，杨时和游酢就是其中的两个。有一次，杨时和游酢来见程颐，谈了一会儿，由于程颐年老体弱，竟睡着了。杨时和游酢不敢惊动他，但又不忍离去，就静静地立在旁边，想等程颐醒来时继续求教。程颐一觉醒来，发觉杨时和游酢还站在自己身旁，很受感动。杨游二人告别了程颐走出大门时，只见来时还未积雪的地上已经积了一尺多深的雪。根据这个故事，后人引伸出了“程门立雪”这
青年文摘·上半月 1983年2期1983-01-01