Методы дистанционного зондирования для анализа снежного покрова и снежного пакета

Сезонный снежный покров и горный снежный покров составляют критический компонент глобального водного цикла, действуя как естественный резервуар, который хранит осадки в течение зимы и выпускает его в виде талой воды весной и летом. Дистанционное зондирование трансформировало способность контролировать эти динамические, часто недоступные снежные покровы из космоса и самолетов. Используя различные части электромагнитного спектра и используя передовые сенсорные технологии, ученые теперь могут измерять степень снега, глубину, эквивалент воды, альбедо и температуру в континентальных масштабах с беспрецедентным временным разрешением. Эти наблюдения лежат в основе прогнозов оперативного водоснабжения, оценок риска наводнений, исследований изменения климата и решений по управлению экосистемами. Эта статья обеспечивает технический, но доступный обзор основных методов дистанционного зондирования, используемых для анализа снежного покрова и снежного покрова, их принципов, приложений и текущих разработок.

Важность мониторинга снежного покрова и снежного покрова

Снежный покров влияет на энергетический баланс Земли, гидрологию и атмосферную циркуляцию. В глобальном масштабе сезонный снег влияет примерно на одну треть земельных площадей и является источником воды для более чем одного миллиарда человек. Точный мониторинг снежного покрова и эквивалента снежной воды (SWE) имеет важное значение для прогнозирования весеннего стока, управления операциями по водохранилищам и смягчения рисков наводнений и засухи. Изменения в сроках и величине снежного покрова также служат чувствительными индикаторами изменения климата, при этом наблюдается снижение весеннего снежного покрова в большинстве горных хребтов средней широты. Раннее таяние может увеличить стресс растительности, изменить режимы лесных пожаров и нарушить водные среды обитания. Кроме того, высокое альбедо снега (отражательность) помогает охлаждать планету, отражая солнечное излучение; сокращение снежного покрова усиливает потепление через цикл обратной связи альбедо. Учитывая эти разнообразные воздействия, необходимость последовательных, пространственно всеобъемлющих и частых наблюдений за снегом стимулирует развитие возможностей дистанционного зондирования.

Физические принципы дистанционного зондирования снега

Дистанционное зондирование снега зависит от взаимодействия между электромагнитной энергией и свойствами снежного покрова на разных длинах волн. Каждая техника использует конкретные физические взаимодействия: отражение в видимом и ближнем инфракрасном диапазоне (VNIR) показывает размер зерна снега и примеси; тепловые инфракрасные излучения указывают на температуру поверхности; активный микроволновый обратное рассеяние чувствителен к влажности снега и диэлектрическим свойствам; и пассивные температуры яркости микроволновой печи коррелируют с SWE путем зондирования через слой снега. Понимание этих основ помогает в выборе соответствующих датчиков и интерпретации полученных продуктов.

В оптической области (0,4-2,5 мкм) сухой снег обладает высокой отражающей способностью, особенно в видимой (отражание > 90%), при этом уменьшается в ближнем инфракрасном диапазоне по мере увеличения размера зерна. Это позволяет алгоритмам отображать покрытую снегом площадь и оценивать размер зерна. Тепловые инфракрасные (8-14 мкм) датчики измеряют испускаемое длинноволновое излучение от поверхности снега, обеспечивая температуру поверхности, необходимую для расчета энергии расплава. Активные микроволновые датчики (Synthetic Aperture Radar, SAR) работают на длинах волн, таких как C-диапазон (5,6 см), L-диапазон (23 см) и X-диапазон (3 см). Сложный сигнал обратного рассеяния несет информацию о глубине снега, влажности и условиях почвы. Пассивные микроволновые радиометры (например, на AMSR2, SSMIS) получают естественное излучение на частотах от ~6 до 89 ГГц; различия между частотами позволяют извлекать SWE

Ключевые методы дистанционного зондирования для анализа снега

Оптические спутниковые снимки

Оптические датчики на спутниках, таких как Landsat 8/9 (OLI), Sentinel-2 (MSI), MODIS (на Terra и Aqua) и VIIRS (на NOAA-20) обеспечивают мультиспектральные изображения при разрешениях от 10-30 метров (Landsat/Sentinel) до 250-500 метров (MODIS). Эти датчики измеряют отраженное солнечное излучение в нескольких полосах, которые отличают снег от облаков, растительности, голой земли и воды. Нормализованный индекс разности снега (NDSI) использует зеленые и коротковолновые инфракрасные полосы для эффективного отображения снежного покрова. Оптические датчики высокого разрешения (например, WorldView, PlanetScope) могут разрешать снежные узоры в сложной местности и ценны для проверки. Однако оптические методы не могут проникать в облака или работать ночью, уменьшая временное покрытие в устойчиво облачных регионах, таких как Тихоокеанский северо-запад или Альпы. Атмосферные поправки также необходимы для учета аэрозолей и геометрии просмотра. Несмотря на эти ограничения, оптические данные остаются основой оперативно

Термическое инфракрасное зондирование

Тепло-инфракрасные датчики (TIR) измеряют испускаемое длинноволновое излучение с поверхности Земли в диапазоне 8-14 мкм. Такие инструменты, как тепловой инфракрасный датчик (TIRS) на Landsat 8/9 (разрешение 100 м) и датчик ASTER, обеспечивают извлечение температуры поверхности снега. Температура поверхности снега является ключевой переменной в моделях энергетического баланса, которые предсказывают скорость таяния. Разница температур между снегом и окружающими поверхностями также может улучшить обнаружение облаков и улучшить оптическое картирование снега. Однако на TIR также влияет облачный покров и обеспечивает только температуру кожи, которая может отличаться от внутренней температуры снежного покрова, особенно для глубокого снега. Комбинирование TIR с оценками тепловой инерции может дать представление о динамике снежного покрова, но оперативное использование часто ограничено грубым тепловым разрешением и низкими частотами повторного посещения.

Радарное и микроволновое дистанционное зондирование

Микроволновые датчики, как активные (радар), так и пассивные (радиометр), предлагают всепогодные, дневные и ночные возможности, потому что облака в значительной степени прозрачны на более длинных волнах. Инструменты синтетической апертуры радара (SAR), такие как Sentinel-1 (C-диапазон), Radarsat-2 (C-диапазон), ALOS-2 (L-диапазон), и предстоящая миссия NISAR (L- и S-диапазон) обеспечивают изображения с высоким разрешением (10-30 м), которые могут обнаруживать степень снега, изменения глубины и влажность. Сухой снег относительно прозрачен для SAR, позволяя радиолокационной волне проникать в нижние слои земли или льда; влажный снег, напротив, поглощает или рассеивает сигнал, появляющийся темным. Методы интерферометрического SAR (InSAR) могут измерять изменения глубины снега путем обнаружения различий фаз между повторными проходами, хотя такие методы, как SAR-поляриметрия, используют поляризацию радиолокационных сигналов

Пассивные микроволновые радиометры на борту спутников, такие как Advanced Microwave Scanning Radiometer 2 (AMSR2) и Special Sensor Microwave Imager/Sounder (SSMIS), обеспечивают частое глобальное покрытие при грубом разрешении (5-50 км). Эти датчики измеряют излучаемое микроволновое излучение на нескольких частотах. Разница в температуре яркости между каналами высокой и низкой частоты (например, 37 ГГц и 19 ГГц) чувствительна к SWE, потому что более глубокий снег рассеивает больше излучения земли на более высоких частотах, снижая температуру яркости. Пассивные микроволновые данные использовались для создания долгосрочных записей SWE (например, NSIDC Global SWE product). Однако грубое разрешение делает полученные оценки SWE ненадежными в горной местности из-за смешанных пикселей, и сигнал насыщается для очень глубокого снега (> 150 см) или становится запутанным из-за таяния снега и лесного покрова. Несмотря на эти проблемы, пассивная микроволновая печь обеспечивает единственные глобальные, ежедневны

LiDAR (обнаружение и ранжирование света)

Системы ЛДАР, работающие в воздухе и космосе, такие как спутник НАСА Ice, Cloud и Land Elevation Satellite (ICESat-2) с лазерным высотомером ATLAS и миссии по воздушному лазерному сканированию (ALS), измеряют высоту поверхности снега с высокой точностью (<10 см по вертикали). Различая обследования снежной поверхности (<10 см по вертикали). Различая глубину снега и снегопадов LiDAR, ученые могут напрямую вычислять глубину снега по ландшафтам. Этот подход неоценим для проверки спутниковых исследований и улучшения понимания процессов в сложной местности. Профили высот ICESat-2 покрывают глобальные поверхности суши с 91-дневным повтором и разрешением 10 м. фута, что позволяет отображать глубину снега по склонам. Однако ЛиДАР имеет ограниченное пространственное покрытие (линейные профили) и чувствителен к атмосферным условиям и шероховатости поверхности. Исследования ЛДАР используются оперативно в таких регионах, как бассейн реки Колорадо и Сьерра-Невада для прогнозов водоснабжения, но являются дорогостоящими и нечаст

Измеримые свойства снега и подходы к поиску

Снег и покрытие

Доля земли, покрытой снегом (протяженность снежного покрова, SCE) является самым основным продуктом. Оптические алгоритмы NDSI классифицируют каждый пиксель как снег, облако или землю. MODIS обеспечивает ежедневный глобальный снежный покров с разрешением 500 м с точностью ~ 90% в ясных условиях. Для климатических исследований изменения в полушарии SCE (особенно время таяния весны) служат индикаторами изменения климата. Национальный центр данных о снеге и льде (NSIDC) предлагает продукт снежного покрова MODIS, простирающийся до 2000 года.

Глубина снега может быть измерена с помощью воздушного различия LiDAR, наземного проникающего радара или через эмпирические отношения с микроволновым обратного рассеяния. Радарные высотомеры на спутниках (например, на CryoSat-2 ЕКА, первоначально предназначенный для ледяных щитов) были протестированы на сезонный снег, но их грубое пространственное разрешение ограничивает эксплуатационное использование. Миссия ESA Сентинель-1 обеспечивает открытый доступ к данным SAR С-диапазона, которые используются в моделях машинного обучения для оценки глубины снега в равнинных сельскохозяйственных районах, хотя результаты в горах остаются сложными.

SWE — количество воды, хранящейся в снежном покрове — является наиболее гидрологически важной переменной, но также и наиболее труднодоступной для дистанционного зондирования. Пассивные микроволновые поиски (например, AMSR2) обеспечивают ежедневные продукты SWE с разрешением 25 км, но с большими неопределенностью в сложной местности и глубоком снегу. Альтернативные подходы сочетают оптический дробный снежный покров с данными машинного обучения или повторного анализа для получения сетчатых оценок SWE (например, система ассимиляции данных снега ] SNODAS. Активная микроволновая печь (SAR) показала перспективность с использованием ассимиляции данных и моделирования обратного рассеяния, но ни один продукт SWE для операционных спутников пока не соответствует точности наземных измерений. Будущие миссии, такие как NISAR, могут улучшить это, предоставляя SAR L-диапазона с частым повторным посещением и высоким разрешением.