刘亦巍同学荣获2025年国家奖学金

团队2023级硕士研究生刘亦巍同学近日荣获2025年硕士研究生国家奖学金。

刘亦巍同学从事寒区流域水文异常检测方面的研究工作，在Journal of Hydrology期刊发表了相关的研究进展。

祝贺刘亦巍同学！

通过小波异常识别提升极端水文条件下机器学习径流模拟能力

在极端气候水文事件频发的背景下，如何提高数据驱动水文模型在异常条件下的模拟能力，是当前水文研究中的一个重要问题。传统机器学习方法虽然能在稳定时期取得较好效果，但在出现突发干旱、暴雨或径流突变等异常事件时，模型往往失效。这种问题的根源之一在于训练数据中异常样本比例过低，导致模型缺乏针对性的学习能力。

研究团队在近期发表于 Journal of Hydrology的研究中，提出了一种基于小波分析的异常模式识别方法，用于优化机器学习径流模拟的数据集构建过程。这项研究以黑河流域为案例，结合连续小波变换（CWT）和互小波变换（XWT），分析了气象要素与径流之间的多尺度时频关系，识别出不同时间段中存在的异常特征，并据此重新组织模型的训练样本，使数据驱动的水文模型具备适用于多种极端水文情况的潜力。

以往改进主要集中在模型结构本身，而这项研究从训练数据的质量出发，通过波动特征识别区分正常与异常时期，使模型学习到不同类型气候背景下的径流响应特征。结果表明，增加异常样本比例可以显著提升模型在极端事件期间的预测精度。

这项工作为基于机器学习的水文模拟提供了一种新的思路：不再单纯依赖模型复杂化或数据量扩充，而是通过数据特征识别与分层训练来提高模型的泛化能力。这为极端水文气象条件下构建更加稳健的流域模拟机器学习方案提供了数据层面的改进途径。

论文信息

Liu, Yiwei, Li, Hongyi^*, Yang, Yaru, Pang, Xin, & Niu, Liting (2025). Enhancing machine learning runoff simulation via wavelet-based abnormality pattern recognition. Journal of Hydrology, 661, 133729. https://doi.org/10.1016/j.jhydrol.2025.133729

团队晨跑活动

团队一起在黄河绿道晨跑，沉浸于美好的夏日清晨。

基于ICESat-2的青藏高原地表高程变化数据集发表于Scientific Data

理解青藏高原的地表高程变化，对于认识其地形、景观、气候、环境条件以及水资源演变都至关重要。然而，现有的高程变化产品要么仅覆盖某些特定下垫面或局部区域，要么空间分辨率偏低。为此，研究团队利用 ICESat-2 卫星数据提取交叉点并构建了2018年至2022年青藏高原高程变化数据集。

该数据集的交叉点密度为 2.015 组/km²，每组交叉点可表示直径约 17 米范围内、两个观测时段之间的高程变化量。通过将 ICESat-2 交叉点数据与冰川及湖泊等既有研究结果进行对比，我们验证了所推算高程变化的可靠性，包括湖泊水尺、连续运行参考站（CORS）、无人机 LiDAR 及既有 ICESat‑2 误差评估成果。结果表明，单点高程均方根误差（RMSE）约 0.071 米，对应每组交叉点的高程差 RMSE 为 0.13 米，在高原复杂地形下依然保持亚分米级精度。

数据验证

论文进一步将交叉点数据与现有冰川和湖泊变化产品进行交叉验证：在喜马拉雅 2000‑2017 年冰川厚度变化数据集覆盖区，两套结果的年均变化率差异仅 0.008 ± 0.002 米/年；在祁连山六条典型冰川上，交叉点推算的年变化速率也落在既有研究的误差范围内。在湖泊方面，针对苏干湖、色林错、纳木错等 6 个湖泊的 11 组不同时间间隔，交叉点方法与多卫星湖面水位数据的相关系数达到 0.85，RMSE 为 0.17 米，并未因湖冰覆盖而显著降低精度。

应用前景

研究团队认为，细尺度且覆盖全域的高程差数据将为高原冻土监测、冰川-水文耦合模拟、湖泊水量变化评估乃至机器学习地表演变模型提供关键校准点。例如，通过沿青藏铁路提取多时相交叉点，可追踪活动层沉降并及早识别潜在路基风险；在高山流域，交叉点序列能补足小冰川内部变化信息，提高融水径流预报的可靠性。

ICESat-2 交叉点数据为高空间分辨率地表高程变化研究提供了更精细的数据源。数据集（CSV 与 SHP 格式）及全部处理脚本已在国家青藏高原科学数据中心和 GitHub 开源，并计划随卫星新周期持续更新。

论文信息

Chen, T., Wang, J., Che, T., Hao, X., & Li, H^*. (2024). High spatial resolution elevation change dataset derived from ICESat-2 crossover points on the Tibetan Plateau. Scientific Data, 11(1), 394. https://doi.org/10.1038/s41597-024-03214-2

李弘毅研究员参加INARCH年度会议并作报告

李弘毅研究员参加了于2024年10月14-18日举行的 International Network for Alpine Research Catchment Hydrology (INARCH) 2024年度会议,并作题为"Monitoring and modeling snowmelt water resources in HeXi Corridor inland basins"的口头报告，介绍了团队在河西走廊内陆流域融雪水资源监测与模拟方面的研究工作。

INARCH是专注于高山流域水文研究的国际学术网络，致力于促进全球高山地区的水文观测、模型开发和数据共享。

杨雅茹完成硕士论文答辩

近日，2021届硕士生杨雅茹以优秀成绩通过硕士论文答辩，答辩题目是：亚洲高山区典型流域降水产品融合及其对径流模拟的改进。

该硕士论文评估了多种降水产品在亚洲高山区的统计和水文模拟精度，揭示了各自的优势和不足。研究还利用机器学习方法融合了高精度的降水产品，并验证了其对水文模拟特别是洪水模拟的改进效果，为高寒山区洪水模拟及预报提供了一套可行的方法流程。

在读期间，杨雅茹分别在Journal of Hydrology: Regional Studies以及中国科学数据以第一作者发表论文2篇。

1）Yang, Y., Ji, W., Niu, L., Zheng, Z., Huang, W., Zhang, C., Hao, X., Xiao, J., Li, H., 2024. Assessing satellite and reanalysis-based precipitation products in cold and arid mountainous regions. Journal of Hydrology: Regional Studies. 51, 101612. 

2）杨雅茹,赵春雷,李弘毅,邵东航,纪文政.北京冬奥会张家口赛区未来三十年积雪物候数据集[J].中国科学数据(中英文网络版),2022,7(03):70-83.

研究团队与新疆气象信息中心交流

2024年5月19日，应新疆维吾尔自治区气象信息中心张璞主任与新疆沙漠气象研究所刘艳研究员邀请，团队前往乌鲁木齐进行了学术交流。

李弘毅研究员针对高山寒区水文模型的发展与应用，从模型原理、技术优势、应用案例等方面进行了深入讲解，并结合已有成果展示了模型在洪峰预测、雪深模拟等方面的显著优势。他表示，该模型能够更好地评估寒区生态水量，为气候预报和水资源管理提供重要支持。新疆气象信息中心团队介绍了信息中心在数据管理、应用研发等方面的多项代表性成果。张璞主任指出，新疆自治区面临严重的缺水问题，降水分布不均衡，尤其在水资源管理和生态环境保护方面面临巨大挑战，可望在双方成果的基础上，对部分气象产品的准确性和时效性进一步提升。与会人员就相关主题进行了热烈讨论。

基于被动微波和光学遥感数据的降尺度雪深产品

郝晓华研究团队基于被动微波和光学遥感数据，提出了一种耦合深度学习与积雪微波辐射传输模型的降尺度雪深反演算法，获取了2012-2020年北疆500 m空间分辨率的逐日雪深产品。现有的高时间分辨率雪深通常源于被动微波数据，而其较粗的空间分辨率还无法满足区域水文和灾害研究的需求。该研究使用深度学习映射AMSR 2亮温差、积雪覆盖日数和积雪面积比例等特征与雪深的复杂非线性关系，耦合积雪微波辐射传输模型拟合等效雪粒径实现降尺度雪深反演，同时结合积雪衰退曲线方法获取了北疆500 m的降尺度雪深。该雪深产品总体RMSE和MAE分别为6.51 cm和4.64 cm，较现有的雪深产品：AMSR 2（RMSE为26.14 cm，MAE为19.06 cm）、ERA5-Land（RMSE为17.67 cm，MAE为13.76 cm）和空间动态降尺度雪深SSDDsd（RMSE为16.59 cm，MAE为12.20 cm）具有明显的精度优势，同时也具有更为精细的雪深空间分布，尤其能够展现复杂山区的积雪异质性。

图1是研究区与气象站点空间分布图；图2是该算法反演的雪深FSSDsd与AMSR 2、ERA5-Land和SSDDsd的精度验证对比；放大北疆南部的部分天山和部分准噶尔盆地区域，图3是AMSR 2、ERA5-Land、SSDDsd和FSSDsd于2017年12月1日以及2018年1月1日的空间分布图。

图1 研究区与气象站点空间分布

图2 AMSR 2、ERA5-land雪深产品、SDDsd和FSSDsd雪深验证精度对比

基于MODIS亚洲高山区积雪面积比例产品

郝晓华研究团队基于MODIS利用机器学习算法发展了2000-2022年亚洲高山区积雪面积比例产品。积雪面积比例能在亚像元尺度上定量描述积雪的覆盖程度，相比二值积雪更适合反映复杂山区积雪的分布情况，是山区融雪径流模拟，气候变化预测的重要输入参数。本研究在亚洲高山区基于分地类特征选择的多元自适应回归样条(Multivariate Adaptive Regression Splines, MARS)模型发展了MODIS FSC反演算法，并制备了亚洲高山区FSC产品，并利用去云算法去除影像的云覆盖，最终生成了亚洲高山区积雪面积比例产品。新方法获取的FSC总体RMSE为0.148，MAE为0.093，高于NASA-NSIDC的MODISFSC产品（RMSE为0.178，MAE为0.096），也优于ESA生产的MODIS FSC产品（RMSE为0.247，MAE为0.131）。亚洲高山区逐日MODIS FSC产品，为亚洲高山区气候变化、水文水资源研究提供重要的数据支撑。

图1是研究区及山区分布，图2是研究区地表类型及样本分布，图3是模型反演的2018年11月11日的亚洲高山区积雪面积比例图，图4是地形验证的区域分布。

该研究受到国家自然科学联合基金项目U22A20564，面上项目41971325，国家重点研发计划2022YFF0711702-05资助。

图1 研究区范围及山区分布

李哲来访进行遥感考古讲座

2023年7月25日，来自内蒙古大学的李哲副研究员受李弘毅老师邀请，介绍了燕山山铭的二维、三维数字化，神山遗址的激光雷达探测两项工作，点明了遥感考古存在的问题，展望了遥感考古的发展前景与挑战。

燕山山铭的二维、三维数字化

燕山山铭是东汉窦宪破北匈奴、登燕然山刻石记功时,班固所撰的《封燕然山铭》，由中蒙两国联合考察队于蒙古国中戈壁省发现。李哲老师利用低空遥感近景摄影技术对燕山山铭周围环境进行深度还原，并基于拓片对燕山山铭本体开展二维、三维数字化重建和存档，重建的数字化产品更易于保存，具有优于拓片的可辨识度。这项工作是艺术与技术的结合，是历史与现代科技的碰撞，也是现代科技对历史的追寻。

神山遗址的激光雷达探测

神山遗址位于我国北方诸多历史民族的发源地-大兴安岭，由于其地理环境的遮蔽性，该遗址的规模、构成、空间形制、地形景观一直未能得到系统性的认知。李哲团队利用摄影测量系统进行神山遗址的地形地貌分析以及LIDAR数据的比对，利用激光雷达系统完成林下遗址的探测，获取了该地区高分辨率正射影像的纹理信息，LIDAR点云数据的结构信息，结合该地区的数字高程模型，顺利完成了神山林下遗址的探测，最后结合野外实地探查，对神山遗址做出详尽的解译。这项工作对神山遗址进行了深度的探查和发掘，填补了相关历史的空白。

“河西走廊冰雪水资源综合调查”第二期任务顺利开展

2023年6月28日至6月30日，研究团队开展了“河西走廊冰雪水资源综合调查”第二期任务，包括河冰无人机飞行，降水收集和河水样采集。实验区域包括冰沟、野牛沟、八宝河。

生态补水对雄安新区核心水系白洋淀的影响研究获进展

2023年6月19日，Environmental research communications 发表了研究团队的研究成果The benefits of the water diversion on a densely populated fragmented lake area — A remote sensing view。该研究从白洋淀湖泊水位、面积的变化入手，深度剖析了生态调水给以白洋淀为代表的人类聚集区破碎化湖泊带来的影响。

生态补水是一种恢复和保障当地的生态环境，缓解用水问题的有效方法。白洋淀是雄安新区的核心水系，湖泊整体性较差，周边人口密集。近年来，特别是雄安新区成立之后，当地政府加大了对白洋淀生态补水的力度。了解生态补水如何影响白洋淀湖泊水资源和湖泊生态可以为后续的政策制定，湖泊保护提供依据，具有重大的研究意义。但现有研究却没有明确说明生态补水对以白洋淀为代表的人类聚集区破碎化湖泊产生的影响。

为了解决上述科学问题，研究团队首先借助遥感的手段，基于ICESat系列卫星、Sentinel-2A、全球30m地表水数据等遥感资料，获得了白洋淀2003年-2009年与2018年-2022年两段时间内的湖泊水位和面积变化；其次借助ERA5-Land数据和1980年以来的白洋淀生态补水量数据，确定了影响白洋淀湖泊水量的主要因素，解释了生态补水对改善生态环境的意义；最后借助区域经济发展数据，分析了社会经济发展和湖泊生态健康之间的关系。

研究发现，白洋淀湖泊的年均补水量大幅增加，从0.91亿立方米（2004-2009 年）到7.17 亿立方米（2018-2022 年）。以白洋淀为代表的人类聚集区破碎化湖泊受到自然因素和人为因素的双重影响，其中人为因素是主要因素；生态补水使白洋淀水位从干涸水位上升到健康水位，并对白洋淀西部和北部的影响更为明显；随着生态调水力度的增大，白洋淀湖泊年内水位波动减小，整体水资源更加稳定，这促进了白洋淀生态的恢复；生态补水增加了湖泊的连通性，加之当地政府对白洋淀的清淤和航道疏通工程，提高了白洋淀的生态稳定性。

除此之外，该研究还表明，结合湖泊的具体情况，制定适当的引水方案是改善湖泊及其周边生态环境的现实策略。积极的人为干预可以使湖泊的年际和年内水位更加充足和稳定，提高湖泊的蓄水能力和抗风险能力，最终改善湖泊及其周边的生态环境。这种良性循环对湖泊生态和人类社会都有很强的促进作用。该研究为白洋淀和人类聚集区湖泊的治理提供了理论支持，为雄安新区生态保护提供了参考。

“河西走廊冰雪水资源综合调查”第一期任务及河冰调查顺利开展

2023年3月6日至3月13日，基于区域创新发展联合项目的支持，研究团队开展了“河西走廊冰雪水资源综合调查”第一期任务。任务主要分为积雪调查、河冰无人机飞行，河冰实地验证，降水收集和河水样采集。

团队分别于2023年3月6日，3月7日和3月9日在野牛沟，冰沟和八宝河进行了11条航线的激光雷达无人机飞行，其中野牛沟2条，冰沟4条，八宝河5条。获得的11条航线中，经检验，精度合格的为8条，其中八宝河4条，冰沟2条，野牛沟2条。团队还于2023年3月9日在八宝河进行了一次高光谱无人机飞行。

团队分别于2023年3月6日，3月7日和3月9日在野牛沟，冰沟和八宝河进行了92个点位的冰厚数据获取，其中野牛沟9个，冰沟48个，八宝河35个。

自2023年3月13日起，冰沟垭口处的降水收集工作将连续进行。团队还在冰沟流域和祁连县水文局旁进行了河水样采集工作，在2023年3月7日，共采集了五处水样。

张欢硕士论文答辩完成

课题组张欢同学近日完成硕士论文答辩。论文答辩题目为：基于Sentinel-1数据的高寒山区河冰厚度反演。

张欢研究方向为高寒山区河冰微波遥感反演。自入学以来，她对ICESAT测高、Setinel-SAR等进行了一系列深入的探索工作，并将多种测高方法应用于高寒山区河冰反演。她还延续和带领了研究小组的定期野外河冰测量工作。研究结果发表于《Remote Sensing 》和《遥感技术与应用》。

张欢的工作促进了研究团队的河冰微波遥感反演方向，也给研究团队带来了欢乐与向上的氛围，祝愿她在以后的工作中顺利与成功！

积雪遥感水文研讨会召开

近日，针对积雪科学的最新发展，团队召集了积雪遥感水文研讨会。大家分别从积雪遥感、积雪水文、积雪生态等各方面进行了进展汇报，并追溯了国内外最新进展。在充分讨论的基础上，团队凝练了下一步的研究方向。

2021年1月冬季河冰厚度野外工作开展

2021年01月10日，研究小组在青海祁连八宝河流域开展例行河冰厚度野外观测。本次野外观测的主要目的是测量河冰厚度以及利用GPS RTK测量河冰表面高程，为结合实测、遥感数据反演河冰厚度提供数据支撑。

此次野外观测主要分为三个部分。第一，沿剖面利用RTK测量河冰表面高程。第二，利用冰镩在RTK测量点凿出冰孔，并使用卷尺测量当时的冻结厚度。第三，在某些钻孔处测量冰底高程。本次野外测量主要围绕2020年11月的河流底部高程观测数据进行，在手机信号弱、定位误差较大、难以对第一次测量数据重复观测的地方，我们选择重新采集河流底部高程数据，确保重复观测数据的距离误差小于1m。

本次野外观测共采集河冰表面高程211个，河冰底部高程102个，河冰厚度151个。八宝河主河道共14个剖面，冰沟共24个剖面。数据经过预处理，精度可达厘米级。每个剖面均用照片记录当时的河冰状态。

此次野外观测气候寒冷，最低气温可达零下25度，冰面作业困难。我们研究团队不畏严寒、克服万难，胜利完成此次野外观测任务。

青藏高原格点降水数据优化

准确的格点降水信息是研究气候变化、水文水资源、生态评价与保护等领域的先决条件。目前，青藏高原降水观测站点稀疏，且观测降水容易受到风等气象条件的影响，极大地限制了格点降水信息的准确性。青藏高原及周边地区降水观测仪器种类多样，也给降水数据的校正带来了严重影响。 

　　中国科学院西北生态环境资源研究院（简称西北研究院）科研团队通过修正青藏高原及周边国家不同种类仪器的观测降水损失，并在插值方案中优化降水频率分布，提出了一套新的格点降水数据集。该数据集首先对观测降水损失进行了校正，接着以降水频率误差为评价标准，通过对比6种常用的插值方案，挑选出适合青藏高原的最优的插值方案。在此基础上，以经过损失校正的159个站点的观测降水为数据源（图1），获得了一套从1980年1月1日至2009年12月31日，10km空间分辨率的日格点降水数据。 

　　相比已有的格点降水数据，该数据在降水频率分布特征上更优，拥有更为合理的均值和方差，对广泛存在于格点降水产品中的平滑效应的抑制也更好(图2)。该成果为青藏高原水文气象研究提供了较为可靠的格点降水数据，也为其它高寒山区格点降水制备问题提供方法参考。 

　　目前，该套数据集已在国家冰川冻土沙漠科学数据中心（链接）、青藏高原科学数据中心（链接）在线发布。相关成果以Reducing the Statistical Distribution Error in Gridded Precipitation Data for the Tibetan Plateau为题发表在Journal of Hydrometeorology上。 

　　该研究第一作者为西北研究院硕士毕业生马佳培，通讯作者为李弘毅研究员，并获得中国科学院战略先导研究专项、中国科学技术基础资源调查专项、国家自然科学基金等项目联合资助。 

　　文章链接 

2020年冬季河冰测量工作开展

2020年10月31日，中国科学院西北院李弘毅研究小组前往青海祁连八宝河流域开展为期七天的河冰实地测量工作。本次野外考察是研究小组河冰研究系列工作中的一个重要组成部分，主要任务是测量八宝河与冰沟流域河流底部高程，获取河冰初始状态，为ICESAT等卫星遥感反演提供地面验证数据。

此次考察利用GPS RTK在冰沟流域采集23个高程剖面，161个高程随机点。在八宝河共采集7个高程剖面。高程精度达到厘米级。均记录河流初始结冰状态，为八宝河与冰沟流域河冰反演提供支撑。

此次野外测量，大家遇水搭桥，遇山翻山，互帮互助，胜利完成各项任务，体现了我们研究小组的团队精神。

面向卫星遥感观测的高光谱分辨率积雪反射率模拟取得进展

积雪表面光谱反射率在地球气候系统中占有重要地位。传统的参数化陆地表面模型仅能模拟宽波段的积雪表面反照率，却无法准确地模拟高光谱分辨率的积雪表面光谱反射率，而高光谱分辨率的积雪光谱反射率却是目前大多数卫星传感器的主要观测数据；因此，陆面模型模拟与卫星遥感观测有明显的差距。

鉴于以上科学问题，研究小组提出了一种将积雪辐射传输模型与陆地表面过程模型相耦合模拟面向多源卫星遥感观测的高光谱分辨率的积雪表面反射率信息的新集成模型。我们的研究结果表明，新的集成模型能够准确模拟大空间尺度、连续时间序列的积雪表面反射率信息。该集成模型将积雪光谱反射率的模拟范围扩展到了整个短波波段，且能够根据气象数据预测太阳光谱区积雪光谱反射率的变化。该集成模型能够较为准确的预测面向MOD09GA数据的窄波段积雪反照率。我们发展的新集成模型是对传统陆地表面过程模型直接模拟卫星遥感观测的一项重大改进，简化了传统模拟方法中的多项中间转换过程。此外，新的集成模型方案有助于多源遥感观测资料与陆地表面过程模型进行有效的结合，大大促进了卫星遥感资料在陆地表面建模中的应用。

该项研究成果第一作者为邵东航博士生，通讯作者为李弘毅研究员。论文请见：

Shao DH, Xu WB, Li HY*, Wang J, Hao XH. Modeling Snow Surface Spectral Reflectance in a Land Surface Model Targeting Satellite Remote Sensing Observations. Remote Sensing,2020, 12, 3101. https://www.mdpi.com/2072-4292/12/18/3101

李浩杰博士荣获2020年国家奖学金

研究小组李浩杰博士荣获2020年度国家奖学金。

李浩杰博士导师为王建研究员与李弘毅研究员。自读博以来，一直从事寒区河流遥感研究工作，在高原地区的径流光谱估计以及河冰遥感判别方面有若干重要成果。目前已在SCI一区Top 期刊Water Resources Research和Remote Sensing of Environment各发表论文1篇，EI论文1篇，中文核心论文1篇。此外还获得2018年第五届全国积雪遥感学术研讨会（西安）“最佳青年海报”和2019-2020学年中国科学院大学“三好学生”称号。

硕士毕业论文答辩以及中期进展报告陆续完成

天蓝地绿，青春年华，学业有成。

近期，雷华锦顺利完成了硕士论文答辩，论文题目是：寒区降水误差订正及其对水文过程的影响。自2017年进入西北研究院学习，她在降水频率订正、水文模型研究等方面取得若干可喜进展。向她致以热烈祝贺！

博士生王卫国、李浩杰也于近日分别完成了博士进展中期报告。研究题目分别是“基于水汽来源的中国典型积雪区积雪综合分类研究”以及“高寒地区河川径流与河冰遥感监测研究”。相关研究结果已于近期发表在Water, Remote sensing of Environment, Water Resources Research等国际期刊。

遥感反演青藏高原河冰分布取得进展

河冰监测对于水文研究和水资源管理具有重要意义，但受限于严重不足的野外观测，遥感可以作为河冰监测的有效辅助手段。然而，以往的河冰遥感研究主要集中在评估卫星影像监测能力或涉及的经济应用，很少涉及青藏高原等高海拔地区河冰监测。目前青藏高原河冰遥感研究还很缺乏，对河冰在流域尺度的认识也不足。

针对此，中科院西北研究院寒区遥感水文小组选取青藏高原东北部的一个典型高寒流域—八宝河流域作为研究区，来研究流域尺度上的高海拔河冰的时空分布特征。我们利用1999-2018年河冰期的447幅Landsat影像和经典的归一化雪指数(NDSI)算法，对八宝河流域的河冰进行了长时间序列监测，其平均验证精度的卡帕系数达到0.973。我们的研究结果表明，在该流域河冰期的河冰平均面积呈微弱下降趋势，与气温呈负相关(图1)。我们还发现缓坡和高海拔有利于河冰的形成(图2)，春季河冰的融化补充了河流流量。我们的工作首次揭示了青藏高原流域尺度上河冰的分布特征和变化趋势，为该地区河冰研究提供了参考。

该项研究成果发表于Remote Sensing of Environment。原文请见：

Haojie Li, Hongyi Li, Jian Wang, Xiaohua Hao. (2020). Monitoring high-altitude river ice distribution at the basin scale in the northeastern Tibetan Plateau from a Landsat time-series spanning 1999-2018. Remote Sensing of Environment. 247: 111915. https://doi.org/10.1016/j.rse.2020.111915

2019年冬季河冰观测

积雪水文课程安排

积雪水文课程主要面向涉及积雪水文研究的初学者.设置本课程的目的，是力图在较短的时间内使学习者对积雪水文的基本过程及其数学模拟方法有基本的了解。
目前，主要的课程设置为以下十讲。随着课程进展和课堂反映，内容会进行相应调整。

课程安排

• 第一讲 程序语言及相关工具简单介绍 (closed)
• 第二讲 python与fortran混合编程 (closed)
• 第三讲 积雪水文基本过程概述 (closed)
• 第四讲 积雪状态变量及其观测 (closed)
• 第五讲 回顾 (closed)
• 第六讲 热量传递的基本概念 (closed)
• 第七讲 积雪质能平衡 (2016-7-28)
• 第八讲 降雪、植被截留以及风吹雪重分布
• 第九讲 融雪的坡面产流与河道汇流
• 第十讲 使用寒区分布式水文模型模拟融雪径流
• 第十一讲 结合多源数据的融雪模拟：参数优化与数据同化

遥感区分山区尺度风吹雪

风对积雪的重分布起到了至关重要的作用，尤其对高海拔山区积雪的时空分布影响十分显著。已有众多针对风与积雪分布关系的研究工作，但这些工作主要侧重于风吹雪的机理研究以及小尺度上风对积雪的重分布，且数据来源单一地依靠气象观测数据，缺乏利用遥感数据在山区流域大尺度范围上分析风对积雪分布影响的工作。

针对此，中科院西北研究院寒区遥感水文小组使用遥感数据并结合大气模式(WRF模式)的风场数据来分析大尺度上风对积雪分布的影响。我们选择青藏高原东北部祁连山区作为研究区，用到的数据包括MODIS积雪产品及流域WRF模式大气驱动数据集。我们的研究结果表明，该地区存在一个积雪覆盖率与风速相关性的重要海拔阈值，海拔在3900m以上时积雪覆盖率与风速呈显著负相关；海拔在3900m以下时积雪覆盖率与风速呈显著正相关。海拔在3900m以上的区域发生风吹雪的概率更大，风将积雪从3900m以上的区域搬运到更低的海拔处。我们的工作提供了一种独特的结合遥感数据分析山区风对积雪分布影响的方法。该项工作是国际上首次利用光学遥感数据对山区积雪重分布过程进行研究，可进一步用于山区尺度积雪重分布的过程监测和理解。

该项研究成果发表于IEEE-JSTARS。原文请见：

Shao, D.; Li, H.; Wang, J.; Pan, X.; Hao, X.Distinguishing the role of wind in snow distribution by utilizing remotesensing and modeling data: Case study in the northeastern Tibetan Plateau. IEEE Journal of Selected Topics in AppliedEarth Observations & Remote Sensing 2017, PP, 1-12.

海拔4000m以上WMO标准降水设备在青藏高原投入观测

高海拔山区降水测量存在较大误差，不同观测数据之间缺乏统一验证。学界对高海拔地区降水的估计始终存在较大争议。

针对此问题，中科院西北研究院遥感室李弘毅博士带领研究小组在海拔4000m以上的青藏高原东北区域祁连山区积雪观测系统布设了WMO标准防风测量设备，以获取高海拔高风速地区降水观测的最准确资料。

该套设备防风圈采用世界气象组织推荐的DFIR型（Double Fence IntercomparisonReference），它是以称重降水传感器为中心，由木质叶片制成的栅栏围成的内、外两圈的正八边体，外高内低。风对固体降水的影响比液体降水大得多。根据国内外试验,在器口未加任何防护的情况下,仪器捕获的降雪量比实际平均偏小10%~50%,最大可达100%。

本次试验采用WMO(1985)推荐使用的双栅式比对(DFIR:DoubleFence Intercomparison Reference)用雨量器作为标准降水计。双层栅栏的作用是为了削弱风对降水计接收水平面的影响,并且转化水平方向上的漩涡为垂直方向上的漩涡，从而提高固态降水的捕获率，保证降水量准确、可靠的测量。

该设备的建成，将配合积雪观测系统已有的GMON雪水当量测量设备以及风吹雪通量观测设备，对积雪质量平衡以及寒区降水有更准确的测量。