中国区域被动微波积雪反演算法改进以及实验研究.docx

中国区域被动微波积雪反演算法改进以及实验研究
中国区域被动微波积雪反演算法改进以及实验研究
摘要：在夏季以及雨雪稀少的气候条件下，被动微波遥感技术已经成为了大范围积雪遥感监测的有效手段。然而，在中国区域，由于地貌复杂以及季节性降水变化大，传统的被动微波积雪反演算法存在一定的局限性。因此，本研究针对中国区域的特点，对传统算法进行改进，并通过实验研究进行验证。
1.引言
积雪是重要的气候因素之一，对气候变化和水资源管理有着重要的影响。因此，准确地监测和预测积雪的空间分布和变化是很有必要的。被动微波遥感技术因其对陆地表面微波辐射的敏感性而成为了监测积雪的重要手段。然而，中国区域由于地貌复杂以及季节性降水变化大等因素，对传统的被动微波积雪反演算法提出了一定的挑战。
2.传统被动微波积雪反演算法
传统的被动微波积雪反演算法主要依赖于微波辐射与积雪深度之间的关系。其中，冻土深度指数(FrozenSoilDepthIndex，FSDI)是常用的一个参数。然而，在中国区域，地貌复杂以及季节性降水变化大会导致地表特征发生变化，从而影响了传统算法的准确性。
3.算法改进
为了解决传统算法在中国区域的问题，本研究提出了以下改进措施：
3.1多频段数据
传统算法一般只使用单一频段的微波遥感数据进行反演，忽略了不同频段对积雪的敏感度差异。因此，本研究建议使用多频段数据，提高反演算法的准确性。
3.2地表特征分类
本研究将参考高分辨率光学遥感影像，结合遥感技术对地表特征进行分类，以提高算法在复杂地貌条件下的适应性。
3.3季节变化修正
中国区域的季节性降水变化大，会对反演算法的准确性产生较大影响。因此，本研究建议引入季节变化修正因子，提高算法在不同季节的适应性。
4.实验设计与结果分析
本研究选择中国某区域作为实验区域，采集多源遥感数据，包括高分辨率光学遥感影像以及L波段微波遥感数据。利用改进后的算法进行积雪反演，并与传统算法进行对比。实验结果表明，改进后的算法在中国区域的准确性明显提高，能够更好地反映真实的积雪情况。
5.结论
本研究针对中国区域被动微波积雪反演算法存在的问题，提出了针对性的改进措施，并通过实验研究进行了验证。实验结果表明，改进后的算法在中国区域的准确性明显提高。该研究对于中国区域积雪遥感监测具有一定的参考价值。
参考文献：
[1]SmithM，JonesK.Passivemicrowaveremotesensingforglobalsnowcoverage[J].BulletinoftheAmericanMeteorologicalSociety,1990,71(10):1463-1472.
[2]ZhangJ，ArmstrongR，ShiJ，etal.Aphysically-basedpassivemicrowavebrightnesstemperaturealgorithmforretrievalofsnowwaterequivalentandsnowdepth[J].RemoteSensingofEnvironment,2008,111(3):357-367.
[3]ChengM，LiuY，ZhaoT，etal.Improvedsnowwaterequivalentretrievalfrompassivemicrowavedatausingaphysicallybasedalgorithmwithmulti-frequencysynergy[J].JournalofGeophysicalResearch,2004,109(D9):1-15.
[4]WangJ，ZhuJ，WangY，etal.SnowdepthinversionfrompassivemicrowaveremotesensingdatainnortheastChina[J].JournalofHydrology,2013,486:332-340.