Anterior|Siguiente

Comparación espacio-temporal de la profundidad de nieve derivada de la teledetección pasiva por microondas y las observaciones de estaciones meteorológicas

  • role： First author第一作者
  • Affiliation：

    Heihe Remote Sensing Experimental Research Station, Key Laboratory of Remote Sensing of Gansu Province, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000,China

    University of Chinese Academy of Sciences, Beijing 100049, China

  • Email：wangjing2020@nieer.ac.cn
  • Introduction：王静，研究方向为积雪遥感。E-mail：wangjing2020@nieer.ac.cn
WANG Jing12,  
  • role： Corresponding author通信作者
  • Affiliation：

    Heihe Remote Sensing Experimental Research Station, Key Laboratory of Remote Sensing of Gansu Province, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000,China

  • Email：chetao@lzb.ac.cn
  • Introduction：车涛，研究方向为冰冻圈遥感。E-mail：chetao@lzb.ac.cn
CHE Tao1*,  
  • Affiliation：

    Heihe Remote Sensing Experimental Research Station, Key Laboratory of Remote Sensing of Gansu Province, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000,China

DAI Liyun1,  
  • Affiliation：

    Heihe Remote Sensing Experimental Research Station, Key Laboratory of Remote Sensing of Gansu Province, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000,China

    University of Chinese Academy of Sciences, Beijing 100049, China

YUE Shanna12,  
  • Affiliation：

    National Satellite Meteorological Center, Beijing 100081, China

ZHENG Zhaojun3

resumen

La profundidad de la nieve es una de las propiedades físicas importantes de la nieve acumulada, y obtener una medición precisa de esta profundidad es crucial para la investigación hidrológica de la nieve, los recursos hídricos, el cambio climático y los desastres por nieve. Actualmente, los datos más utilizados para estudiar la profundidad de la nieve a lo largo de series temporales largas son las observaciones de profundidad de nieve de estaciones meteorológicas y los datos de inversa de profundidad de nieve derivados de la teledetección pasiva por microondas (como SMMR, SSM/I y SSMI/S). Este artículo compara la distribución espacial y la variación interanual de los valores máximos y promedio de la profundidad de nieve de estos dos tipos de datos en China, y analiza las características de distribución. Los resultados muestran que espacialmente, la correlación entre la profundidad de nieve observada en estaciones y la profundidad de los píxeles correspondientes de teledetección es mejor en la región noreste, seguida por la región de Xinjiang, y más débil en la meseta tibetana. Ambos tipos de datos tienen una distribución bastante consistente en áreas de nieve estable, mientras que en las áreas de nieve profunda superiores a 40 cm y en las regiones del sur con profundidad de nieve menor a 5 cm, los valores máximos observados en estaciones son claramente mayores que los valores máximos derivados por teledetección. En cuanto a tiempo, en comparación con el período 1980-2019, la correlación entre la profundidad de nieve observada en estaciones y la profundidad derivada por teledetección ha mejorado significativamente en el período 1989-2019 en las áreas típicas de nieve. Además, al comparar los cambios en la profundidad de nieve en China durante los últimos 30 años, los resultados muestran una tendencia significativa y coherente (p<0.05) a la disminución en la parte sureste de la meseta tibetana y una tendencia significativa y coherente (p<0.05) al aumento en la llanura del noreste. La mayoría de las estaciones meteorológicas en la meseta tibetana están ubicadas a altitudes relativamente bajas, lo que no refleja bien la distribución promedio y los cambios en la profundidad de nieve en las áreas de gran altitud y montañosas dentro de los píxeles de teledetección por microondas, mientras que la inversa de la profundidad de nieve por teledetección pasiva por microondas está influenciada por cambios en las características de la nieve y no es sensible a eventos extremos de nevada con grandes cambios en la profundidad en corto tiempo.

palabra clave

profundidad de nieve; estaciones meteorológicas; teledetección pasiva por microondas; áreas típicas de nieve; análisis comparativo

References

  1. 1.
    Brown R D and Goodison B E. 1996. Interannual variability in reconstructed Canadian snow cover, 1915-1992. Journal of Climate, 9(6): 1299-1318
  2. 2.
    Chang A T C, Foster J L and Hall D K. 1987. Nimbus-7 SMMR derived global snow cover parameters. Annals of Glaciology, 9: 39-44
  3. 3.
    Chang A T C, Foster J L, Kelly R E J, Josberger E G, Armstrong R L and Mognard N M. 2005. Analysis of ground-measured and passive-microwave-derived snow depth variations in midwinter across the northern great plains. Journal of Hydrometeorology, 6(1): 20-33
  4. 4.
    Chang T C, Gloersen P, Schmugge T, Wilheit T T and Zwally H J. 1976. Microwave emission from snow and glacier ice. Journal of Glaciology, 16(74): 23-39
  5. 5.
    Che T. 2006. Study on Passive Microwave Remote Sensing of Snow and Snow Data Assimilation Method. Lanzhou: Cold and Arid Regions Environmental and Engineering Research Institute, Chinese Academy of Sciences
  6. 6.
    Che T and Li X. 2005. Spatial distribution and temporal variation of snow water resources in China during 1993-2002. Journal of Glaciology and Geocryology, 27(1): 64-67
  7. 7.
    Chu D, Da Z and Laba Z M. 2017. Spatio-temporal distribution patterns of snow cover on the Tibet and orographic impacts. Journal of Geo-Information Science, 19(5): 635-645
  8. 8.
    Dai L Y and Che T. 2010. The spatio-temporal distribution of snow density and its influence factors from 1999 to 2008 in China. Journal of Glaciology and Geocryology, 32(5): 861-866
  9. 9.
    Dai L Y, Che T and Ding Y J. 2015. Inter-calibrating SMMR, SSM/I and SSMI/S data to improve the consistency of snow-depth products in China. Remote Sensing, 7(6): 7212-7230
  10. 10.
    Dai S P, Zhang B, Cheng F, Wang H J and Wang P. 2010. The Spatio-temporal variations of snow cover in China from the snow depth time series dataset based on passive microwave remote sensing. Journal of Glaciology and Geocryology, 32(6): 1066-1073
  11. 11.
    Hall D K, Riggs G A, Salomonson V V, Digirolamo N E and Bayr K J. 2002. MODIS snow-cover products. Remote Sensing of Environment, 83(1/2): 181-194
  12. 12.
    Kunkel K E, Palecki M A, Hubbard K G, Robinson D A, Redmond K T and Easterling D R. 2007. Trend identification in twentieth-century U.S. snowfall: the challenges. Journal of Atmospheric and Oceanic Technology, 24(1): 64-73
  13. 13.
    Kuraś P K, Weiler M and Alila Y. 2008. The spatiotemporal variability of runoff generation and groundwater dynamics in a snow-dominated catchment. Journal of Hydrology, 352(1/2): 50-66
  14. 14.
    Li H X, Zhong X Y, Zheng L, Hao X H, Wang J and Zhang J. 2022. Classification of snow cover persistence across China. Water, 14, 933
  15. 15.
    Li P J. 1987. Seasonal snow resources and its fluctuation in China. Chinese Science Bulletin, 32(17): 1329-1332
  16. 16.
    Li P J. 1990. A Preliminary study of snow mass variations over past 30 years in China. Acta Meteorologica Sinica, 48(4): 433-437
  17. 17.
    Li P J and Mi D S. 1983. Distribution of snow cover in China. Journal of Glaciology and Cryopedology, 5(4): 9-18
  18. 18.
    Li X. 2014. Characterization, controlling, and reduction of uncertainties in the modeling and observation of land-surface systems. Science China: Earth Sciences, 57(1): 80-87
  19. 19.
    Li X and Che T. 2007. A review on passive microwave remote sensing of snow cover. Journal of Glaciology and Geocryology, 29(3): 487-496
  20. 20.
    Ma L J and Qin D H. 2012. Spatial-Temporal characteristics of observed key parameters for snow cover in China during 1957-2009. Journal of Glaciology and Geocryology, 34(1): 1-11
  21. 21.
    Ma L J, Qin D H, Bian L G, Xiao C D and Luo Y. 2010. Analysis of air temperature sensitivity of snow cover days on the Qinghai-Tibetan Plateau. Advances in Climate Change Research, 6(1): 1-7
  22. 22.
    Mankin J S, Viviroli D, Singh D, Hoekstra A Y and Diffenbaugh N S. 2015. The potential for snow to supply human water demand in the present and future. Environmental Research Letters, 10(11): 114016
  23. 23.
    Matzler C, Schanda E and Good W. 1982. Towards the definition of optimum sensor specifications for microwave remote sensing of snow. IEEE Transactions on Geoscience and Remote Sensing, GE-20(1): 57-66
  24. 24.
    Qiao D J, Wang N Q, Li Z, Zhou J M and Fu X Y. 2018. Spatio-temporal changes of snow phenology in the Qinghai-Tibetan Plateau during the hydrological year of 1980-2009. Climate Change Research, 14(2): 137-143
  25. 25.
    Tan Q Y, Cheng L, Xu Z X, Zhao Y J, Liu J T and Liu X W. 2021. Spatiotemporal distribution of snow cover depth and its driving factors in the Yarlung Zangbo River basin, 1979-2017. Journal of Glaciology and Geocryology, 43(4): 1049-1059
  26. 26.
    Tian L Q, Li W Z, Zhang Y, Tian L J, Zhu Q A, Peng C H and Chen H. 2014. The analysis of snow information from 1979 to 2007 in Qinghai-Tibetan Plateau. Acta Ecologica Sinica, 34(20): 5974-5983
  27. 27.
    Trujillo E, Ramírez J A and Elder K J. 2009. Scaling properties and spatial organization of snow depth fields in sub-alpine forest and alpine tundra. Hydrological Processes, 23(11): 1575-1590
  28. 28.
    Wang J, Li H X, Hao X H, Huang X D, Hou J L, Che T, Dai L Y, Liang T G, Huang C L, Li H Y, Tang Z G and Wang Z Y. 2014. Remote sensing for snow hydrology in China: challenges and perspectives. Journal of Applied Remote Sensing, 8(1): 084687
  29. 29.
    Wu Y, Zhang J H, Xu H M and He J H. 2007. Advances in study of snow-cover from remote sensing data. Meteorological Monthly, 33(6): 3-10
  30. 30.
    Xu B D, Li J, Liu Q H, Xin X Z, Zeng Y L and Yin G F. 2015. Review of methods for evaluating representativeness of ground station observations. Journal of Remote Sensing, 19(5): 703-718
  31. 31.
    Yang D Q and Woo M K. 1999. Representativeness of local snow data for large scale hydrologic investigations. Hydrological Processes, 13(12/13): 1977-1988
  32. 32.
    Zhang T J and Zhong X Y. 2014. Classification and regionalization of the seasonal snow cover across the Eurasian Continent. Journal of Glaciology and Geocryology, 36(3): 481-490

Leer el texto completo

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website