雪水文
雪是一种降水;在水文是治疗之间有点不同,因为时间差,当它产生径流和地下水补给,和其他参与水文过程。遥感是获取有价值的工具雪的数据预测融雪径流以及气候研究。raybet雷竞技最新几乎所有的地区电磁波谱对积雪提供有用的信息。根据不同的需要,你可能想知道雪的区域范围,其水当量,或“条件”或晶粒尺寸,密度,在积雪和液态水的存在。虽然没有任何一个区域的光谱提供了所有这些属性,技术开发提供的所有属性在一定程度上或其他。
的含水量的雪可以测量从低海拔飞机载有敏感/辐射传感器。这种方法仅限于低海拔飞机(约150米),因为大气变弱的很大一部分7辐射。目前,这个操作程序涵盖超过1400飞行线路每年在美国和加拿大。这个方法是有效的测量雪在开阔的平原,但不是很有效更多的山区或当有广泛的森林覆盖。使用卫星数据雪映射已成为在几个地区运营。目前,国家海洋和大气管理局(NOAA)为约3000流域开发积雪地图在北美的根据海拔大约300映射用于流速及流水量预测(卡罗尔,1990)。美国国家海洋和大气管理局还生产区域和全球月平均积雪的地图。
微波遥感提供了巨大的希望未来应用雪水文。这是因为微波数据可以提供信息积雪水文学家最感兴趣的性质,即。积雪覆盖面积,雪水当量(或深度),积雪和液态水的存在,而信号的开始融化。与卫星微波数据扫描的可用性
多通道微波辐射计(SSMR)和特殊传感器微波/成像仪(SSM / I),开发了算法估算雪水当量干雪和映射积雪的深度和全球范围(Chang et al ., 1987)。被动微波系统受限于他们的交互与其他媒体如森林地区,尽管一个方法来正确的雪的吸收信号的森林覆盖了(Chang et al ., 1991)。被动的卫星系统的空间分辨率实现也是一个限制但Rango et al。(1989)表明,合理的雪水当量估计可以在盆地小于10000平方公里。
主动微波遥感还可能提供重要的信息在高分辨率积雪合成孔径雷达(SAR)(斯泰尔斯et al ., 1981;Rott, 1986)。不幸的是,比被动微波雷达数据的分析更复杂的数据,直到最近,没有雪围绕SAR系统收集数据。尽管如此,飞机和航天飞机SAR测量表明,SAR可以区分从其他目标和积雪和冰川区分湿和干雪(史和生气,1992,1995)。
使用遥感的融雪径流过程可以分为实证方法和建模。早期使用遥感积雪区域或专注于实证关系积雪和月度百分比或累积径流。这些简单的人际关系很好对于某些应用程序,尤其是在数据稀疏地区的世界。融雪径流模型(SRM) (Martinec et al ., 1983)是专门为使用开发遥感积雪的海拔区作为主要输入变量。尽管SRM使用一个简单的温度单位融化模型,该模型适用于不同海拔区占的面积分布雪。SRM广泛测试在不同大小和地区的盆地。尽管SRM的温度单位模型只使用积雪遥感提取输入,这个模型最近修改为包括一个简单的融雪能源预算算法(Kustas et al ., 1994)。这个模型已经测试浓度计数据,表明radiation-based融雪因素可能提高径流预测盆地规模。
4土壤水分
最近的遥感的发展表明,土壤水分可以通过各种测量技术。然而,只有微波技术演示了一个定量测量土壤水分的能力在各种地形和植被条件下,它可以扩展到常规测量卫星系统。
的主要因素抑制的广泛使用在水文遥感土壤水分数据是缺乏数据集和最优的卫星系统。在大多数情况下,科学家们一直局限于短期深圳的飞机运动或分析数据和SSM / I被动微波卫星。虽然效果可以被动系统没有最优波长度对土壤水分,研究表明在植被稀少的地区可以获得有价值的估计(欠et al ., 1988)。历史数据从SSMR被动微波系统比SSM / I数据更有价值,因为它有一个c波段辐射仪,它是一个更好的土壤水分仪(欠et al ., 1992);然而,它记录仅限于1982年到1987年的时期。在这两种情况下占用相当大,从约25公里的SSM / I c波段深圳约150公里。
SAR系统提供了最好的机会来测量土壤水分经常在未来几年。目前,欧洲资源卫星(ERS-1) c波段和日本环境资源卫星(JERS-1) l波段“非典”和加拿大RADARSAT (c波段)操作。尽管相信土壤水分的l波段系统最优,ERS-1波段雷达的初步结果显示其能力作为土壤水分仪。现有的SAR系统的一个主要缺点是,没有现有算法的常规测定土壤水分从单频单偏振雷达。第二个限制来自于他们之间的长时间重复传递;在大多数情况下它是35 - 46天,尽管“雷达在SCANSAR为期3天的全球能力的(宽片,500公里)模式。
继续有猜测土壤水分作为输入变量的潜在价值水文模型风暴,要么建立初始条件模拟径流或水文过程的描述符。到目前为止已经有比物质更承诺,但最初的进展开始出现一些飞机的实验数据变得可用。
飞机在拳头ISLSCP田间试验数据(法)活动被用来映射空间格局排水造成的土壤水分和ET 37.7公顷分水岭(王ET al ., 1989)。这些模式,如图1所示,被匹配的结果,一个简单的平板模型和确定该地区贡献基流的通道(Engman et al ., 1989)。试图在小流域中使用无源微波测量显示良好的相关性与地面数据和可能产生一个可靠的校准模型技术(木et al ., 1993)。甚至相对较低分辨率的被动数据可以提高一个小盆地的水预算计算(林et al ., 1994)。Goodrich et al。(1994)研究了prestorm土壤水分在不同尺度流域径流。他们得出的结论是,初始值很重要,但最终的解决遥感产品不是一个限制。
的价值在semidistributed遥感土壤水分数据水文模型演示了使用数据从1992年沃希托河微波实验。初始化表面土壤湿度场的电子将减少阵列辐射计(会)l波段微波数据产生更精确的模型的预测土壤水分变化和绝对值比生产从模型初始化流水量数据(奥尼尔和许,1997)。
合成的可行性遥感土壤水分的分布领域的四维数据同化应用于水文模型,TOPLATS一直探索(豪斯et al ., 1998)与几种不同的同化方案。人造土壤水分字段从远程——被同化
图1的时间和空间模式在小流域土壤水分说明干燥模式(后王et al ., 1989)。
1987年5月28日1987年6月4日
图1的时间和空间模式在小流域土壤水分说明干燥模式(后王et al ., 1989)。
遥感土壤水分数据和soil-vegetation-atmosphere方案的输出。空间分布式水文模型的描述能力提高土壤湿度数据的同化。
继续阅读:GIS和水文模型
这篇文章有用吗?