基于GNSS-R技术的阿拉斯加州积雪深度反演及其应用.pdf
《基于GNSS-R技术的阿拉斯加州积雪深度反演及其应用.pdf》由会员分享,可在线阅读,更多相关《基于GNSS-R技术的阿拉斯加州积雪深度反演及其应用.pdf(15页珍藏版)》请在咨信网上搜索。
1、第 35 卷第 2 期 极地研究 Vol.35,No.2 2023 年 6 月 CHINESE JOURNAL OF POLAR RESEARCH June 2023 收稿日期 2022 年 4 月收到来稿,2022 年 5 月收到修改稿 基金项目 国家自然科学基金(42174016,42076240)、自然资源部卫星海洋环境动力学国家重点实验室开放研究基金(QNHX2324)资助 作者简介 陈芳霖,女,1997 年生。硕士研究生,主要从事 GNSS-R 技术研究。E-mail: 通信作者 常亮,E-mail: 基于 GNSS-R 技术的阿拉斯加州积雪深度 反演及其应用 陈芳霖1 常亮1,2
2、冯贵平1(1上海海洋大学海洋科学学院,上海 201306;2自然资源部第二海洋研究所,卫星海洋环境动力学国家重点实验室,浙江 杭州 310012)摘要 利用 GNSS-R(全球导航卫星系统反射测量)技术进行准确的雪深监测已成为传统雪深测量的重要补充手段。本文使用 GNSS-R 技术反演了 20122018 年美国阿拉斯加州 4 个 GPS 观测站附近的雪深结果,结合加拿大气象中心(Canadian Meteorological Centre,CMC)提供的雪深模型数据产品,以 PBO(Plate Boundary Observatory)H2O 项目组提供的雪深资料为参考值,分析了不同手段获取
3、的雪深值在不同时间尺度上的变化特征,同时评估了GNSS-R反演雪深结果作为独立数据集验证CMC模型数据的能力。结果表明:GNSS-R、CMC 和 PBO 得到的长时间序列雪深结果均具有较为一致的明显周期性变化,整体上 GNSS-R 反演结果比CMC 数据精度更高,更能反映雪深的年际变化情况。GNSS-R 反演值和 CMC 模拟值均能够反映各测站 PBO雪深值的逐月变化规律,但 GNSS-R 反演值的精度和稳定性总体上优于 CMC 模拟值。GNSS-R 反演结果比CMC 模拟值与 PBO 雪深值的季节性变化更具一致性,且对于本文研究的 4 个测站,GNSS-R 反演雪深的精度和稳定性在雪深值较大
4、的春季和冬季较高,雪深值较小的秋季略差。此外,本文还证实了 GNSS-R 反演的雪深结果可用于评估 CMC 模拟雪深值的精度,且评估效果在冬春季优于秋季。关键词 全球导航卫星系统反射测量(GNSS-R)加拿大气象中心(CMC)雪深 阿拉斯加 doi:10.13679/j.jdyj.20220204 0 引言 政府间气候变化专门委员会(IPCC)第六次评估报告1指出:自 18501900 年以来,全球地表温度已上升约 1,从未来 20 年的平均温度变化来看,全球温升预计将达到或超过 1.5。在过去几十年,北极的增温幅度是全球平均增温幅度的2 倍以上,出现了显著的“北极放大”现象2-3。积雪作为全
5、球气候变化的敏感指示器和放大器,对其变化情况进行监测具有重要的应用价值4。积雪深度作为积雪的主要属性之一,是研究全球 能量平衡、陆气交换以及建立生态模型的重要参数5。北极的季节性积雪每年可持续存在 710 个月,且其正以一种不稳定的变化方式来应对气候变暖6。因此,在北极地区进行精确的雪深监测对于进一步开展北极乃至全球气候变化等方面的研究具有非常重要的意义。目前雪深信息的获取手段主要包括地面仪器测量、模型模拟和卫星遥感观测等 3 种方式。传统的地面实地观测最初是利用测雪尺来获取雪深值,后来逐渐被自动化观测积雪仪器,如超声波观测雪深装置等取代7。该方法虽然能够直观准确地获取雪深信息,但其探测的雪深
6、结果覆盖范 198 极地研究 第 35 卷 围小、空间分辨率低,难以反映积雪的区域性分布特征。此外,在部分地区开展现场观测时易受天气、地形等条件影响,需要耗费较大的人力和财力8-9。模型模拟是进行大范围雪深监测和预报的重要手段。随着积雪模型的发展,越来越多的积雪参数可以进行模拟,并用于开展季节性积雪分布和融雪径流等方面的研究10。付强等11通过积雪特性观测实验,在分析了雪层密度、雪层液态含水率等积雪参数变化规律的基础上,采用径向基神经网络构建雪深模型,模拟了雪深动态变化。宋依娜等12使用 Maxwell-Garnett 方程构建了同极化相位差(Co-polarized Phase Differ
7、ence,CPD)的正演模型,将新疆阿尔泰山南坡克兰河上游的积雪区分为浅雪区与深雪区,基于 CPD 与雪深关系构建了雪深反演模型,并对模拟的雪深值进行了不确定性分析,证实了 CPD 模型反演山区雪深空间分布的可行性。然而,积雪区地形往往复杂多变,不同雪区的粒子粗糙度不同,积雪密度和积雪湿度也并不统一,这些因素均会给模型反演引入误差。因此,基于模型对各积雪参数的模拟和预测结果仍有很大的不确定性13-15。卫星遥感技术由于提供多平台、多光谱和多尺度观测,非常适合测量积雪参数,且因其具有时间分辨率高、覆盖范围广等优势,近年来已成为积雪监测的重要手段16-19。根据所搭载的卫星传感器的类型,一般可分为
8、光学遥感和微波遥感两种方式。光学遥感主要依据积雪在可见光范围内具有较高的反射率这一反射特性,结合一定的数字图像技术提取积雪信息20-21。然而由于积雪和云在可见光波段的反射特性相似,光学传感器难以对其进行准确判识,使得利用该方法进行积雪监测时易受云层影响10,22。此外,由于可见光波段的电磁波对积雪的穿透能力较弱,目前该方法更多用于积雪覆盖面积的提取23-24。微波遥感的微波信号对积雪层具有一定的穿透能力,且不受云的影响,这使其可以全天时、全天候地开展积雪深度监测25。微波遥感又包括主动和被动两种方式,主动微波遥感的重复观测周期较长,被动微波遥感由于受卫星覆盖范围的影响,其空间分辨率相对较低,
9、对于小尺度积雪变化信息难以进行有效监测26。随着全球导航卫星系统(Global Navigation Satellite System,GNSS)的不断发展与应用,利用其反射信号发展而来的 GNSS-R(GNSS Reflec-tometry)技术以其全天候、全天时、多信号源、高时空分辨率等优势已被广泛用于积雪深度27-32、土壤水分33-34、植被高度35等参数的反演和相关研究中。Bilich 和 Larson36首次提出利用测地型GPS接收机收到的多路径信号开展GNSS-R研究,并对美国科罗拉多州两次暴风雪期间的雪深进行了测量37,通过将 GNSS-R 反演结果与实测雪深值进行对比,验证了
10、 GNSS-R 用于雪深探测的可行性。Boniface 等38将 GPS 干涉反射仪反演到的雪深值与来自于雪数据同化系统(SNODAS)的网格化雪深估计值进行对比后,证实了 GPS 反射仪的雪深反演结果可以为美国西部大部分地区的SNODAS 产品提供有用的误差表征,并可作为改进 SNODAS 产品的额外数据同化源。Zhou 等39提出了利用 GPS 三频(L1、L2、L5)信号的信噪比组合的雪深估计方法,通过将 YEL2 和 KIRU 测站周边的雪深反演结果与原位观测进行比较,证实了该方法的可行性,可为建立多系统、多频全球导航卫星系统反射测量模型提供参考。Tu 等40利用多 GNSS 系统进行
11、了雪深的联合反演,证实了利用多系统和多频率数据反演的积雪深度具有更高的可信度和可行性。本文选取了位于美国阿拉斯加州的 4 个 GPS永久性跟踪站,利用其接收到的20122018年间的 GPS 卫星 L1 载波的信噪比(Signal to Noise Ratio,SNR)数据进行雪深反演,结合 PBO(Plate Boundary Observatory)H2O 项目组提供的雪深数据和加拿大气象中心(Canadian Meteorological Centre,CMC)提供的模型再分析雪深数据产品,分析了所在测站附近的雪深在不同时间尺度上的变化特征,并比较了 3 种不同手段对雪深的时间变化特征的
12、刻画能力,以及评估了基于 GNSS-R反演出的雪深数据作为独立的数据集对模型模拟结果的验证能力。1 GNSS-R 技术反演雪深的基本原理 GNSS 卫星发射的信号在到达地表环境时会发生反射,改变了信号的传播方向、振幅、极化 第 2 期 陈芳霖等:基于 GNSS-R 技术的阿拉斯加州积雪深度反演及其应用 199 以及相位等,这些反射信号进入接收机天线将会和直射信号发生干涉,形成多路径效应41。多路径效应是影响定位精度的主要误差来源,且与反射面的结构和电介质参数密切相关。信噪比是衡量 GPS 接收机接收到的信号大小的一个量值,主要受天线增益、卫星与接收机间的距离以及多路径效应等因素影响42。尽管测
13、地型接收机的扼流圈和抑径板能够有效地减少多路径效应,但其并未被完全消除43。尤其在低高度角情况下,反射信号的极化变化很小,进入接收机后易与直射信号形成干涉,引起严重的信号震荡,这也是利用 GNSS-R 技术开展相关应用的主要理论基础44。图 1 给出了 GNSS-R 技术监测雪深的基本理 论模型,H 为天线相位中心与无雪时地表的高程差,为 GPS 信号的入射角,h 为天线相位中心至积雪层的高度,hsnow为积雪层厚度。GPS 接收机同时接收直射和反射信号,它们的传输路径不同导致了两者之间存在相位延迟。两种信号到达接收机后相互叠加干涉形成复合信号,该复合信号的 SNR 观测量可表示为36 222
14、22coscdmdmSNRAAAA A (1)式中,Ac为合成信号的振幅,Ad和 Am分别为直射和反射信号的振幅,为两种信号的相位差。由于接收机中的扼流圈等装置会极大地抑制多路径效应,因此直射与反射信号之间满足如下关系 dmAA (2)图 1 GNSS-R 监测雪深理论模型。a)无雪期;b)有雪期 Fig.1.The theoretical model for monitoring snow depth using GNSS-R.a)bare;b)snow 在接收机收到的复合信号中,直射信号决定着整体趋势,而反射信号Am则表现为局部的周期性震荡45。为了提取由地表反射引起的多路径变化信息,可采
15、用低阶多项式拟合将直射信号Ad作为主趋势项进行去除,剩余的信号则主要是由多路径效应导致的SNR残差序列,其振幅可表示为36:4=cossinmhAA (3)式中,为载波波长,为卫星高度角,h为垂直反射距离。由于卫星高度角 随时间t缓慢变化,若记t=sin,则式(3)可简写为 =cos(2+)mAAft (4)式中,f为信号频率,可表示为2hf。通过对SNR残差序列进行频谱分析可求取f,本文将采用Lomb-Scargle算法46来实现这一目的。利用估计的f进一步计算得到垂直反射距离h后,可由公式hsnow=Hh计算得出积雪深度hsnow(图1b)。需要说明的是,天线高H一般为现场测量获取,但部分
16、站点并不具备实地量测条件,而且测站周围存在地表起伏,使得最终获取的反射器高度h的精度受到影响47。本文将选取无雪期反射器高度的均值作为天线高H,该方法不仅突破了必须实地量取天线高的限制,同时也一定程度上弥补了测站周边地表起伏对于反演精度的影响。2 研究区域与数据来源 本文选取美国阿拉斯加州处于北极(纬度 200 极地研究 第 35 卷 65N以上)的区域作为本文研究范围,并开展雪深反演及变化特征研究。阿拉斯加州位于北美大陆西北端,南接太平洋,西部和北部以被较浅的季节性冰雪覆盖的白令海、楚科奇海和波弗特海为界(图2)。整个阿拉斯加州在一年中有一半到四分之三的时间都被季节性降雪所覆盖,且积雪深度分
17、布不均、变化较大48-49。与此同时,该地区在地球的能源、水和碳循环中也起着重要作用,并且极易受到气候变暖的影响50-51。图 2 阿拉斯加州 GPS 站点分布图 Fig.2.Distribution map of GPS stations in State of Alaska 本文使用的GPS测站数据来源于美国板块 边界(Plate Boundary Observatory,PBO)计划52,该计划是美国科学项目“地球透镜计划”(Earthscope)的组成部分,基本内容是沿板块边界布设由GPS、钻孔应变和激光应变观测点构成的台网,用于研究北美大陆西部板块边远地区的变形。研究区域内的PBO
18、GPS测站的分布情况如图2所示(由于图幅限制,并址站点在图中只显示其中一个),各测站观测数据对应的时间范围如图3所示。由于利用GNSS-R技术监测雪深需满足测站周边地形平坦且无遮挡的条件,结合GPS测站数据范围及其周边环境等要素,最终选取了20122018年AB33、AB39、AB45和SG27共4个测站开展雪深反演研究,所选测站的位置信息如表1所示。本文所选用的GPS测站数据可从UNAVCO(https:/www.unavco.org/data/data.html)下 载,所有测站数据的采样率均为15 s。为了研究雪深的变化特征,以及评估数值模式模拟的雪深结果,本文还引入了CMC基于可用的气
19、象台站观测记录数据以及数值天气预报模型(Numerical Weather Prediction,NWP)生产的全球逐日雪深栅格数据集。CMC雪深数据集主要利用FORTRAN语言进行编译,每一年的数据存储在一个ASCII文件中53,可通过美国国家冰雪数据中心(National Snow and Ice Data Center,NSIDC)(https:/nsidc.org/data/NSIDC-0447)订购下载。其 图 3 GPS 观测站数据的时间范围 Fig.3.The timespan of GPS observation data 第 2 期 陈芳霖等:基于 GNSS-R 技术的阿拉斯
20、加州积雪深度反演及其应用 201 表 1 各 GPS 观测站位置信息 Table 1.Location information of GPS observation stations 测站名 经度/()纬度/()海拔/m AB33 150.17 67.25 334.8 AB39 145.21 66.56 147.7 AB45 148.87 68.76 506.5 SG27 156.61 71.32 9.4 空间分辨率为24 km24 km,时间分辨率为1天。此外,PBO H2O项目组(http:/xenon.colorado.edu/portal/)提供了多个GPS测站上对应的时间分辨率为1天
21、的地表环境参数数据,如土壤湿度、积雪深度等。本文以PBO提供的地表积雪深度数据作为真值,对GNSS-R反演和CMC模拟的雪深值进行精度评价。3 不同雪深结果的变化特征及精度评估 3.1 日平均雪深结果的变化特征与精度分析 图4和图5分别给出了20122018年各GPS测站附近的GNSS-R反演、PBO H2O提供和CMC模拟的逐日雪深结果,以及GNSS-R和CMC相对于PBO雪深结果的偏差值。由于PBO项目组提供的雪深数据主要针对较厚的积雪层,因此在雪深值较小时该数据存在部分缺失54。为便于后续对上述三种数据进行精度分析,本文在数据处理阶段依照时间进行了数据匹配,因此图4和图5缺少部分无雪期数
22、据。由图4可见,在各测站上,不同监测手段得到的雪深结果具有较为一致的明显周期性变化。此外,GNSS-R反演结果与PBO数据在雪深值越大时吻合度较高,但在无雪期GNSS-R估计结果则出现了明显的异常跳变。这种异常跳变可能与无雪期时地表裸露,地表介质的物理属性差异较大有关。CMC模拟的雪深值与PBO观测总体上也较为一致,但在部分年份仍存在明显的偏差。与PBO雪深值相比,测站AB33上的CMC模拟结果在2016年前后明显偏高,且在2016年年积日(DOY)第96天时达最大偏差值0.62 m(图4a和5a);测站AB39上的CMC模拟结果在2012年和2015年前后明显偏低,其中在2012年DOY第1
23、10天时达当年最大偏差值0.55 m,在2015年DOY第110天时达当年最大偏差值0.47 m(图4b和5b);测站AB45上CMC模拟值在本文研究时段内整体上低于PBO数据,最大偏差值为0.49 m(图4c和5c)。在测站SG27上,CMC模拟值与PBO数据和GNSS-R反演雪深值均存在较大偏差,其相对于PBO的偏差在2017年DOY第6天达最大值,约为0.77 m(图4d和5d)。总体上,GNSS-R反演和CMC模型均能较好地反映实测值捕捉的雪深周期性变化,但GNSS-R比CMC得到的雪深结果更接近于实测值,更能反映雪深的长时间序列变化情况。图 4 20122018 年 4 个测站附近
24、GNSS-R 反演、CMC 模拟和 PBO 提供的逐日雪深结果 Fig.4.Daily snow depths in GNSS-R,CMC and PBO at four GPS stations from 2012 to 2018 202 极地研究 第 35 卷 图 5 20122018 年 4 个测站附近的 GNSS-R 反演和 CMC 模拟的雪深结果与 PBO 数据之间的偏差 Fig.5.Deviation of snow depths in GNSS-R and CMC from PBO at four GPS stations from 2012 to 2018 为了进一步定量评估G
25、NSS-R反演和CMC模拟的雪深值的精度,图6给出了在各测站上的GNSS-R和CMC雪深结果与PBO数据之间的散点图。除测站AB45的GNSS-R反演雪深与PBO数据之间的相关系数(R2)略小于0.9外,测站AB33、AB39、SG27上的R2均达到了0.9以上,说明GNSS-R与PBO的雪深值之间具有较好的一致性。CMC模型模拟雪深与PBO数据之间的R2仅在测站AB39达到了0.82,其余三个测站均小于0.8。此外,以PBO实测雪深值为基准,GNSS-R反演的雪深结果的均方根误差(Root Mean Square Error;RMSE)在测站AB33、AB39、AB45、SG27上分别为0.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 GNSS 技术 阿拉斯加州 积雪 深度 反演 及其 应用
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。