近日，中国科学院空天信息创新研究院（空天院）国家遥感应用工程技术研究中心在雪水当量遥感反演方面取得研究进展，创新研发适用于全球尺度新的雪水当量模型范式和遥感反演策略。
积雪是响应天气和气候变化最敏感的自然要素。欧亚大陆和北美洲地区在冬季至少有80%的范围被积雪覆盖，全球淡水供应约19%来源于积雪融水。雪水当量是指当积雪完全融化后形成液态水的垂直深度，是表征积雪存水多寡的重要参量。其可作为水文模型的初始输入参数,也可用于气候模式的验证；积雪融水是众多河流的主要补给和地下水的重要补充，雪水当量的监测对于洪水控制、融雪径流预报及水资源管理战略制定具有重要作用。获取雪水当量动态分布是理解全球气候变化、地表能量平衡、区域水循环的必要前提，是国家提高水资源管理、应对全球气候变化和提升灾害预防能力的重大需求。
然而，目前在全球尺度对雪水当量认知和估算不足，导致水文模型及气候模式的估算和预测具有很大的不确定性，是全球气候变化领域一大科学难题。
研究团队为解决微波遥感反演雪水当量的局限性，提高雪水当量基础数据集服务区域尺度水文应用的能力，研发了全球尺度高精度雪水当量遥感反演策略，解锁新的雪水当量模型范式：
其一，目前积雪遥感模型没有考虑山区地形起伏的变化，未来的研究需要重点考虑山区地形的影响，发展山区积雪辐射传输模型，提高山区雪水当量反演的精度。
其二，随着雪季内时间的推移，雪层内部的微结构信息（积雪密度、积雪粒径等）会发生显著变化，未来研究应该发展高精度的积雪演化模型来精确模拟积雪微结构信息，减少由于积雪变质过程引起的精度降低问题。
其三，森林的遮蔽效应会严重影响积雪的上行辐射，如何区分森林自身上行辐射及森林体散射对积雪上行辐射的衰减效应，已成为微波森林校正模型开发的关键问题。未来研究应当针对森林影响的关键参数-微波森林透过率，发展适用于全球尺度的高精度森林透过率模型。
其四，由于卫星轨道覆盖的限制，卫星遥感反演雪水当量存在条带缺失的问题，使雪水当量应用严重受限。在不牺牲时间分辨率的前提下重建条带缺失信息是一项重大挑战。
其五，被动微波较粗的空间分辨率限制了雪水当量区域尺度的应用，未来研究应建立高密度的地面观测网络，并结合多源辅助数据及机器/深度学习方法，构建高精度的降尺度模型。
被动微波遥感监测雪水当量：积雪参与水循环过程(A)、全球分布示例(B)及当前的挑战(C)
这些研究趋势分析，为雪水当量的准确估算提供新的思路和方法，为水资源管理、气象预测等应用领域提供更可靠的数据支持。同时，也促进雪水当量在全球气候变化研究中的地位进一步提升，推动相关领域的科学进步。
该研究成果“Measuring global snow water equivalent from passive microwave remote sensing: opportunities and challenges”已在《The Innovation Geoscience》刊登。文章第一作者为国家遥感应用工程技术研究中心博士后/特别研究助理高硕，通讯作者为数字地球重点实验室研究员李震。
论文链接：https://www.the-innovation.org/article/doi/10.59717/j.xinn-geo.2024.100062
动态新闻