戴礼云
- 作品数：14 被引量：83H指数：5
- 供职机构：中国科学院更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术天文地球建筑科学更多>>
- 不同传感器被动微波交叉定标及其在积雪监测中的应用
- 被动微波因其时间分辨率高、时间序列长并且能获取雪深信息，被广泛地用于全球或区域尺度上雪深变化监测。然后，由于长时间序列的被动微波数据来自于不同的平台或传感器，被动微波数据在时间上存在一定的不一致性，从而影响雪深变化的分析...
- 戴礼云车涛
- 关键词：被动微波交叉定标雪深
- 我国年最大雪深概率分布的优选模型被引量：3
- 2017年
- 采用我国记录时间长度大于40年的120个气象台站的年最大雪深数据,对我国年最大雪深的概率分布模型进行了统计分析。结果发现,大部分台站的年最大雪深数据更偏向于服从对数正态分布。因此,若需在全国范围内采用单一的概率分布模型对年最大雪压(或雪深)进行统计建模,对数正态分布是更佳选择。采用对数正态分布后,根据不同的拟合方法,120个台站估算得到50年一遇最大雪深(即基本雪深)较之极值I型分布的估算结果平均上升约6%到13%不等。
- 莫华美戴礼云范峰车涛洪汉平
- 关键词：统计建模对数正态分布
- 基于地面站点类型代表性的积雪遥感产品精度评价被引量：8
- 2017年
- 地面观测数据是进行遥感产品检验的重要数据源,依据地表类型对地面站点代表性进行了分析,把代表性较好的站点应用到AMSR-E雪深遥感产品的精度评价中。结果表明:森林地区处于明显低估状态;其他地区随着遥感产品像元内优势类型从灌木、草地到裸地的变化,高估状态呈逐渐减小趋势;森林和灌木地区遥感产品的精度比草地与裸地地区的精度要低;当森林混入裸地或灌木混入裸地、草地时,虽然遥感产品和地面观测之间的误差减小了,但是掩盖了森林地区低估的问题和灌木区高估的问题。利用地表类型一致性较好的站点对2010年1月份月平均雪深验证分析,结果表明:遥感产品在较平坦的森林、灌木、裸地以及草地地区的平均偏差分别为-5.56、4.8、1.17、1.16cm。
- 周胜男车涛戴礼云
- 关键词：积雪遥感
- SMMR与SSM/I被动微波亮度温度数据交叉定标被引量：4
- 2009年
- 过去30a星载微波辐射计(SMMR和SSM/I)长时间序列的被动微波亮度温度数据,在陆地表层系统科学以及气候变化研究中起到了非常重要的作用。由于卫星及其携带的微波辐射计的更新,不同传感器所测得的同一地物在同一时间的亮温存在不同程度的偏差,通过分析相邻传感器重复观测时期同一地表18/19GHz和37GHz水平和垂直极化的亮度温度,并以DMSP的F13卫星上的SSM/I传感器为标准,建立了4个通道的交叉定标系数。
- 戴礼云车涛
- 关键词：亮度温度被动微波交叉定标SSM/I
- 北半球及典型区雪深时空分布与变化特征被引量：2
- 2020年
- 基于欧空局的GlobSnow雪水当量数据集和国家青藏高原科学数据中心的北半球长时间序列雪深数据集NHSD研究了北半球及9个典型区的雪深时空分布与变化特征。结果表明:北半球1988~2018年平均雪深总体呈显著下降趋势(p<0.01),年际变化幅度为-0.55 cm·(10 a)^-1。在高纬度地区,加拿大北部和阿拉斯加年平均雪深下降明显(p<0.01),下降速率分别为3.48 cm·(10 a)^-1和3 cm·(10 a)^-1,两地区月平均雪深在冬季显著下降。西西伯利亚平原和东欧平原年平均雪深呈下降趋势,其中东欧平原雪深下降较为明显(p<0.01),变化速率为-2.3 cm·(10 a)^-1,两地区的月平均雪深在春季显著下降,其中5月份最为明显。东西伯利亚山地的雪深年际变化呈增加趋势,除堪察加半岛外,其月平均雪深在冬季呈显著增加趋势。对于高山区,阿尔卑斯山脉和落基山脉的年平均雪深呈缓慢增长趋势,而青藏高原地区雪深呈缓慢下降趋势。阿尔卑斯山脉的月平均雪深在冬季呈显著增加趋势,5月份显著减小。落基山脉和青藏高原雪深变化呈现出空间异质性:在整个研究时段,落基山脉北部月平均雪深呈下降趋势,中部和南部呈上升趋势;青藏高原的北部边缘山脉雪深呈显著上升趋势,中部大多数地区呈下降趋势。喜马拉雅山脉的北坡雪深增加,南坡雪深减小,但其变化率绝对值小于0.5 cm·a^-1。东南部雪深较大的念青唐古拉山脉冬季雪深呈显著下降趋势。对9个典型区雪深的年内分析(2001~2010年平均值)结果显示:高山区雪深峰值远低于高纬度地区雪深峰值。除青藏高原外,高山区的积雪融化起始日期明显早于高纬度地区。
- 岳珊娜车涛戴礼云肖林邓婕
- 关键词：雪深北半球高纬度地区遥感
- 多源雪深数据在中国的空间特征评估被引量：6
- 2019年
- 积雪的年际和年内变化强烈地影响着区域及全球的水量平衡,同时,积雪反照率反馈也显著地影响着气候变化。目前长时间序列的格网雪深数据主要来自被动微波遥感及再分析资料,但不同数据之间存在着明显差异。基于多源雪深数据的评估,特别是空间特性的评估还很缺乏。因此,本研究选取了AMSR-E、WESTDC、GlobSnow、RA-Interim及MERRA2这5种雪深数据,以站点观测数据为参考真值,对它们进行了中国地区的空间误差对比及基于误差排序的相对表现分析。评估结果初步显示:①WESTDC在我国西北及东北积雪区表现较好,适合用于我国北方的雪深研究;②MERRA2在西北和东北积雪区也有较好的表现,但由于其分辨率较粗,缺乏细节的空间信息,因此认为比较适用于大区域的统计分析;③AMSR-E在我国中部和东南地区表现最好,因此认为适合我国中部及东南部的雪深研究。
- 肖林肖林戴礼云
- 关键词：遥感数据再分析资料
- 东北典型林区雪深反演算法的验证与分析被引量：8
- 2014年
- 积雪对自然环境和人类活动都有极其重要的影响。积雪参数(雪面积、雪深和雪水当量)反演对水文模型和气候变化研究有着实际的意义。然而,目前森林区的雪深遥感反演精度一直有待于进一步提高。东北地区是我国最大的天然林区和重要的季节性积雪区之一,本文利用FY3B卫星微波成像仪(MWRI)L1级亮温数据和L2级雪水当量数据,以及东北典型林区野外实测雪深数据,对Chang算法、NASA 96算法和FY3B雪深业务化反演算法进行了验证与分析。结果表明:在东北典型林区的雪深反演中,Chang算法和NASA 96算法反演的雪深波动都比较大,当森林覆盖度f≤0.6时,NASA 96算法表现比较好,均方根误差值在3种算法中较小,但当f>0.6时,NASA 96算法失真严重。当考虑纯森林像元(f=1)时,Chang算法低估了雪深47%。当f≤0.3时,FY3B业务化算法始终优于Chang算法。整体上,FY3B业务化算法相对稳定,具有较高的精度。
- 武黎黎李晓峰赵凯郑兴明戴礼云
- 关键词：积雪微波遥感
- 基于FY-MWRI的中国西部被动微波积雪判识算法被引量：2
- 2018年
- 积雪是冰冻圈中分布最广泛的要素,在气候变化以及水文循环中扮演着重要角色。微波遥感因其全天时全天候工作、具有一定穿透性等优势,成为积雪监测的重要手段。利用FY-3C卫星同步观测获取的微波成像仪(MWRI)被动微波亮度温度数据、融合可见光红外扫描仪(VIRR)与中等分辨率成像光谱仪(MERSI)数据得到的积雪产品,结合MODIS地表分类数据、地表温度数据,发展了基于国产卫星数据的被动微波积雪判识算法。首先提取无云覆盖的不同地表类型被动微波数据像元样本,然后对各地表类型的微波特征进行分析,利用空间聚类的方法,得到TB19V-TB19H、TB19V-TB37V、TB22V、TB22V-TB89V、(TB22V-TB89V)—(TB19V-TB37V)这五类可以较好地区分积雪和其他类似积雪地表的指标。最后应用MODIS积雪产品为参考对该积雪判识算法进行精度评价,该算法在中国西部积雪判识总体精度为87.1%,漏判率为4.6%,误判率为23.3%;Grody算法判识总体精度为78.6%,漏判率为9.8%,误判率为30.7%,该算法判识精度高于Grody算法;通过Kappa系数分析比较,该算法积雪判识结果的Kappa系数值为47.3%,高于Grody算法判识结果的Kappa系数值39.9%,表明该算法积雪判识结果与MODIS积雪产品判识结果一致性更好。
- 陈鹤车涛车涛
- 中国积雪地面调查数据集(2017–2020)
- 2022年
- 本数据集是基于科技基础资源调查项目“中国积雪特性及分布”的支持,于2017–2020年在中国东北–内蒙古、新疆和青藏高原三个典型积雪区获取的积雪特性地面调查数据。调查的时间跨度为两个完整的积雪季节,调查属性包括:积雪深度、雪水当量、积雪密度、积雪温度、雪粒径、pH值、阴阳离子等物理和化学特性。调查数据经过自检、交叉检查等质量控制,保证数据的规范性、合理性和完整性,形成了7个数据集,并撰写了详细的说明文档。本数据是首个覆盖中国典型积雪区、包含完整积雪季节,且观测理化特性最全面的积雪特性数据,可以为我国积雪遥感反演、积雪分类、积雪水资源估算等相关研究提供基础数据。
- 戴礼云戴礼云王静肖林
- 1999—2008年中国地区雪密度的时空分布及其影响特征被引量：25
- 2010年
- 利用1999—2008年地面积雪观测资料,对全国范围内的雪密度时空分布特征进行分析.结果表明,西北和东北是我国主要的积雪区,从10月到翌年4月基本都有雪存在.全国雪密度每月的最高值从10月份开始到1月份一直南移,从1月份到4月份不断北移.最大密度发生在1月份江南地区的湖南和江西的交界处.江南地区积雪持续时间短,变化明显,属于瞬时性积雪.东北和新疆地区的雪密度也相对较高,积雪持续时间长,雪密度变化相对平稳,大部分属于季节性积雪.在东北和西北地区选取9个站点进行雪密度的变化研究,可以看出:从11月中旬到3月上旬是雪密度稳定期,10月到11月上旬和3月中旬到4月是雪密度非稳定期.对西北和东北的降水、气温、雪深和雪密度做相关分析,表明:雪深是西北和东北地区雪密度的主要贡献因子.
- 戴礼云车涛
- 关键词：积雪
