XiaoMi-AI文件搜索系统
World File Search System积雪
论北极低地积雪的能量预算
图 1. 上图：研究地点，a) 主 10 米通量塔，配备涡流协方差装置；b) 降水计；c) 2.3 米高桅杆，安装 4 分量辐射计；d) 垂直杆，安装热电偶和加热针阵列。插图显示了该地点位于塔西亚皮克山谷，距离哈德逊湾以东约 4 公里。下图：研究地点示意图，展示了监测能量平衡条件的主要仪器。整个实验装置包含在 20 米范围内。
传感器积雪测绘 - BYU ScholarsArchive
该程序的第二步需要有效访问多时相遥感雪图像。本研究开发的 Snow Inspector 网络应用程序使用户能够从中分辨率成像光谱仪 (MODIS) 中检索地球上任何一点的分数积雪时间序列。时间序列检索方法基于从 Web 地图图块服务 (WMTS) 提供的图块图像中自动提取数据。使用此技术检索 100 天数据的平均所需时间为 5.4 秒，这比需要下载大型卫星图像文件的其他方法要快得多。所提出的数据提取技术和时空可视化用户界面可用作与其他多时相水文或气候数据 WMTS 服务配合使用的模型。
2021-2022 年山区积雪含水量...
2025 年 1 月 1 日，“Fort Peck 以上总水量”河段的山区雪水当量 (SWE) 为 5.4 英寸，相当于 (1991-2020) 平均值的 78%。“Fort Peck 至 Garrison”河段的山区 SWE 为 4.4 英寸，相当于 (1991-2020) 平均值的 67%。两个河段的正常峰值均出现在 4 月 17 日附近。
通过无人机航拍确定积雪深度分布...
确定积雪深度的空间分布不仅对于与饮用水供应或水力发电相关的民用目的至关重要，而且对于雪、水文和环境研究中的多种应用也至关重要。然而，积雪深度在空间和时间上都变化很大。因此，传统和最先进的积雪监测方法并不总是能够捕捉到如此高的空间变化，除非采用非常昂贵的解决方案。在这项研究中，我们提出了一种新方法，旨在通过利用地球科学研究环境中的两种低成本和新兴技术来提出解决问题的方法；运动结构 (SfM) 数字摄影测量和无人机 (UAV)。这些技术相结合的优点在于，它们可以以较低的运行成本和较少的工作量提供大面积的精确高分辨率数字高程模型 (DEM)。所提出的方法将利用这一资产，在地理参考雪面（雪 DEM）与其相应的底层地形（地形 DEM）之间进行减法，从而提供雪深分布图。为了在小规模上测试所提出方法的可行性和效率，在上述背景下调查了六个不同的积雪区域。这些区域的面积从 900 到 51,000 平方米不等，其中两个位于斯瓦尔巴群岛朗伊尔城附近，四个位于西格陵兰岛安登峡湾附近。调查在雪面类型、底层地形复杂性、亮度条件和所用设备方面有所不同，以评估该方法的适用范围。结果呈现为六张雪深分布图，并通过比较估计的雪深和一组质量控制点上探测到的雪深来验证。根据区域不同，探测到的雪深与估计的雪深之间的平均差异从最佳情况的 0.01 米到最坏情况的 0.19 米不等，同时空间分辨率范围从 0.06 到 0.1 米。彻底调查了每种情况的误差源，并评估了通过使用雪面和相应的底层地形中可见的公共地面控制点对 DEM 进行地理配准可以进一步减轻误差。在进行的测试中，该方法没有受到该区域的任何特定表面特征或任何调查条件的特别限制。尽管是在小规模区域进行测试，但通过考虑这些初步结果，该方法有可能成为一种简化程序，允许重复绘制雪动态图，同时降低运行成本，并且不会放弃获得高精度和高分辨率。
密苏里河流域山区积雪报告
SNOTEL 山区积雪 SWE 站数据由美国农业部自然资源保护局 (NRCS) 提供。通常到 4 月 17 日（1991-2020 年平均值），山顶积雪 SWE 积累量已达到 100%。5 月至 7 月期间，雪融化并为主干道提供大量流入量，这些流入量被储存起来以防止下游洪水，随后用于满足主干道授权的项目目的。了解选定山区积雪区域每个月初的山区 SWE 量并不能减少相当大的径流变化，因为融化期间的天气条件会极大地影响径流量。显示了截至 5 月的每个月初的平均 SWE 积累总百分比。对于 5 月至 7 月期间，记录的百分比是该年峰值 SWE 积累量的百分比。这表明山区剩余的未融化雪量。
地表洪水对空中积雪估计的影响...
摘要。机载雪深雷达观测数据（例如 NASA 的“冰桥行动” (OIB) 任务）最近已用于高度计得出的海冰厚度估计以及模型参数化。在北冰洋西部进行了许多比较机载和现场雪深测量的验证研究，证明了机载数据的实用性。但是，在北极的大西洋地区尚未进行验证研究。最近对该地区进行的观测表明，由于薄海冰上的深雪，雪冰状态发生了显著且主要的转变。在挪威年轻海冰、气候和生态系统 (ICE) 考察 (N-ICE2015) 期间，于 2015 年 3 月 19 日在斯瓦尔巴群岛北部地区进行了一项验证研究。这项研究在 OIB 飞越期间收集了地面真实数据。在二维 (2-D) 400 m × 60 m 网格上获得了雪和冰厚度测量值。从相邻浮冰现场收集的额外雪和冰厚度测量值有助于将在网格调查现场获得的测量值置于更区域性的环境中。由于相对较薄的海冰上普遍存在厚雪的情况，在 N-ICE2015 考察期间观察到了广泛的负干舷和积雪淹没。这些条件导致盐水渗入基底雪层并饱和。这导致机载雷达信号发生更多的弥散散射，从而可以很好地探测到雷达主散射地平线的位置
山区积雪深度的海拔依赖性 - TC
摘要。海拔高度对降水和降雪的数量和分布模式有重大影响。许多研究确定了正海拔梯度，通常基于稀疏降水站或雪深测量数据。我们对海拔 - 雪深关系进行了系统评估。我们分析了在季节性积雪量最大时通过遥感获取的七个山区面积雪深数据。将雪深平均到 100 m 海拔带，然后与各自的海拔水平相关联。评估在三个尺度上进行：（i）完整数据集（10 km 尺度）、（ii）子集水区（km 尺度）和（iii）坡度横断面（100 m 尺度）。我们表明，所有尺度的大多数海拔-积雪深度曲线都具有单一形状。平均积雪深度随海拔高度增加，直至达到一定水平，此时积雪深度达到明显峰值，然后在最高海拔处下降。我们用通常为正的降雪海拔梯度来解释这种典型形状，该梯度受积雪覆盖和地形相互作用的影响。这些过程包括降水的优先沉积和风、滑坡和雪崩对雪的重新分布。此外，我们表明，平均积雪深度峰值的海拔水平与岩石的主要海拔水平（如果存在）相关。
北极苔原积雪特性的多物理合奏建模
摘要。复杂的积雪模型，例如Croscus和Snekpack，难以正确模拟北极积雪中的密度和特定表面积（SSA）的预测，这是由于风诱导的压实压实的低估，碱性植被的流动性融合量和水分流动量不足而陈述。To improve the simulation of profiles of density and SSA, parameterisations of snow physical pro- cesses that consider the effect of high wind speeds, the pres- ence of basal vegetation, and alternate thermal conductivity formulations were implemented into an ensemble version of the Soil, Vegetation, and Snow version 2 (SVS2-Crocus) land surface model, creating Arctic SVS2-Crocus.默认和北极SVS2-Crocus的合奏版本是由原位气象数据驱动的，并使用了Snowpack特性（Snow Water Eorsevent，Swe； Depth; Depth; Depth;密度；密度；密度；密度； SSA）在越野谷溪（TVC），Northwest Terrories，加拿大，加拿大，超过32岁，1991年至202年。结果表明，默认和北极SVS2-Crocus都可以模拟SWE的正确幅度（root-Mean-Square误差，RMSE，RMSE，对于两个合奏 - 55 kg m-2）和降雪深度（默认的RMSE - 0.22 M;北极RMSE - 0.18 m）在TVC上与测量值相比。在北极SVS2-Crocus内有效地压实了积雪的表面层，增加了密度，并将RMSE降低了41％（176 kg m-3至103 kg m-3）。
通过观察系统模拟实验探索热红外遥感以改善积雪模型的潜力
摘要。从地球观察卫星中吸收数据被认为是估计山地流域中雪覆盖分布的前进的道路，从而提供了有关山水等效山水（SWE）的准确信息。可以从空间中观察到土地表面的回热（LST），但其改善SWE模拟的潜力仍然没有被忽略。这可能是由于当前热红外（TIR）任务提供的时间不足或空间分辨率。，在未来几年中，三个计划的任务将以更高的时空分辨率提供全球规模的TIR数据。为了研究TIR数据以改善SWE的价值，我们在覆盖北半球的Latitudi-Nalal梯度的五个雪地主导地点开发了合成数据同化（DA）实验。我们通过强迫ERA5-Land重新分析的能量平衡积雪模型来产生合成的LST和SWE系列。我们使用此合成的真实LST从ERA5-Land的降级版本中恢复了合成的真实SWE。我们定义了不同的观察场景，以模仿Landsat 8（16 D）的重新审视时间，以及用于高分辨率自然资源评估（TR- ISHNA）（3 d）的热红外成像卫星，同时会计云覆盖。我们在每个实验地点对实验进行了100次的回答，以评估在两个重新审视场景下，相对于云覆盖的同化过程的鲁棒性。我们使用两种不同的方法进行了同化：序列方案（粒子过滤器）和一个更光滑的（粒子批次平滑）。
飞机进行空间连续积雪深度测绘... - TC
图 1。研究区域概览：2017 年飞机生成的积雪深度图（黑色）、2018 年积雪深度图范围（蓝色）以及 2019 年、2020 年和 2021 年各自航班得出的积雪深度区域（红色；对应于主要研究区域）。此外，还显示了 2018 年和 2021 年 UAS 覆盖的参考数据区域（绿色）。插图中的红色多边形描绘了瑞士主要研究区域的位置（地图来源：联邦地形局）。140