東北地理所在積雪參數遙感反演及其時空動態變化研究方面取得系列進展
積雪在全球水文循環和氣候系統中起著重要作用，它是河流與地下水的主要補給來源，積雪表面的高反射率以及雪層的絕熱效應顯著地影響著全球地表能量交互。積雪參數(雪深)是氣候和水文模型模擬的重要參數，然而，由于森林冠層衰減和輻射的雙重影響，準確估計森林地區的雪深仍然具有很大的挑戰。為了解決這個問題，東北地理所微波遙感團隊提出了一種耦合微波輻射傳輸模型（RTM）和機器學習（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-雪輻射傳輸的物理機制納入ML模型，能夠有效地捕捉衛星視場內積雪和森林冠層的輻射貢獻。此外，研究利用時空動態建模策略，確保RTM-ML 雪深反演模型在不同地區和季節的靈活性和穩定性。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），相比于現有的雪深產品和算法（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果
在此基礎上，研究團隊結合東北地區長時序的積雪覆蓋度數據（NCFSC）實現了雪深產品的降尺度，生成了東北地區首套長時序、高空間分辨率的雪深數據集?；谠摦a品，研究團隊分析了東北地區 1980?2020 年 500 m 空間分辨率下的雪深時空分布特性。結果表明，東北地區的雪深變化具有較大的空間異質性，在過去 40 年間，東北地區的雪深整體呈 0.85 cm/10a 的增加趨勢，在 2000?2020 年期間，東北地區的雪深卻呈現降低趨勢，變化趨勢為 0.49 cm/10a。（圖2）。
圖2. 東北地區雪深的時空變化
相關文章發表在國際頂級期刊《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。由中國科學院東北地理與農業生態研究所特別研究助理衛顏霖（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基金-自由探索項目(YDZJ202501ZYTS522),國家自然科學基金(42571438,42501159)，長春市科技發展計劃項目(2024WX07)聯合資助。
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：
吉公網安備22017302000214號
