雪水文
雪是一种形式降水;在水文由于它在下降和产生径流和地下水补给之间的滞后，它的处理有些不同，并涉及其他水文过程．遥感是一种有价值的获取手段雪的数据用于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提供有关积雪的有用信息。根据需要，人们可能想知道雪的面积，它的水当量，或“状况”或颗粒大小，密度，以及积雪中液态水的存在。虽然频谱中没有一个单一区域提供所有这些特性，但已经开发出一些技术来在某种程度上提供所有这些特性。
的雪的含水量可从携带敏感/辐射传感器的低空飞机上测量。这种方法仅限于低空飞行高度(约150米)，因为大气会减弱很大一部分7辐射。目前，该运营项目每年覆盖美国和加拿大的1400多条航线。这种方法对测量雪覆盖在开阔的平原上，但在丘陵地带或有广泛森林覆盖时效果较差。在世界几个区域，已经开始使用卫星数据绘制雪图。目前,美国国家海洋和大气管理局为北美约3000个河流流域绘制了积雪覆盖图，其中约300个是根据海拔高度绘制的，用于流量预测(Carroll, 1990)。美国国家海洋和大气管理局还制作了月平均积雪的区域和全球地图。
微波遥感在冰雪水文中的应用前景广阔。这是因为微波数据可以提供水文学家最感兴趣的积雪特性信息，即积雪覆盖面积、雪水当量(或深度)，以及积雪中液态水的存在，这是融化开始的信号。可用卫星微波数据扫描
多通道微波辐射计(SSMR)和特殊传感器微波/成像仪(SSM/I)，已经开发了用于估算雪水当量的算法干雪以及绘制积雪的深度和全球范围(Chang et al.， 1987)。被动微波系统受到其与其他介质(如森林地区)相互作用的限制，尽管已经开发了一种方法来校正森林覆盖对雪信号的吸收(Chang等，1991)。被动式卫星系统所能获得的空间分辨率也是一个限制，但Rango等人(1989)已经表明，可以对小于10,000平方公里的盆地进行合理的雪水当量估计。
主动微波遥感也有可能以非常高的分辨率提供有关积雪的重要信息合成孔径雷达(SAR) (Stiles et al.， 1981;Rott, 1986)。不幸的是，雷达数据的分析比被动微波数据更复杂，直到最近，还没有轨道SAR系统来收集降雪数据。尽管如此，飞机和航天飞机的SAR测量表明，SAR可以从其他目标区分雪和冰川，并区分湿雪和干雪(Shi和Dozier, 1992,1995)。
利用遥感的融雪径流程序可分为经验方法和建模。早期遥感的使用侧重于积雪面积或积雪百分比与月径流或累积径流之间的经验关系。这些简单的关系非常适合某些应用程序，特别是在数据稀疏的地区。融雪径流模型(SRM) (Martinec et al.， 1983)是专门为以高程区积雪遥感为主要输入变量而开发的。虽然SRM使用简单的度日熔体模型，但它将该模型应用于不同的海拔区来解释积雪的区域分布。SRM已经在世界上不同规模和地区的盆地进行了广泛的测试。虽然SRM是一个只使用积雪作为遥感输入的度日模型，但该模型最近进行了修改，加入了一个简单的融雪能量预算算法(Kustas et al.， 1994)。该模型已针对蒸渗仪数据进行了测试，并表明基于辐射的融雪因子可以改善流域尺度的径流预测。
4土壤水分
遥感技术的最新进展表明，土壤湿度可以通过多种技术进行测量。然而，只有微波技术已经证明了在各种地形和植被覆盖条件下测量土壤湿度的定量能力，因此它可以扩展到卫星系统的常规测量。
遥感土壤水分数据在水文学领域广泛应用的主要制约因素是缺乏数据集和最佳卫星系统。在大多数情况下，科学家仅限于从短时间的飞机战役或对SMMR和SSM/I无源微波卫星的分析中获得的数据。虽然有效的被动系统没有土壤湿度的最佳波长，但研究表明，在植被稀疏的地区，可以获得有价值的估计(Owe等，1988年)。来自SSMR无源微波系统的历史数据比SSM/I数据更有价值，因为它有一个c波段辐射计，这是一个更好的土壤湿度仪器(Owe et al.， 1992);但是，其记录期限仅限于1982年至1987年。在这两种情况下，覆盖范围都相当大，从SSM/I的约25公里到c波段SMMR的约150公里不等。
在未来几年，SAR系统可能提供了常规测量土壤湿度的最佳机会。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”和加拿大的RADARSAT(也是c波段)正在运行。虽然l波段系统被认为是土壤湿度的最佳系统，ERS-1 c波段雷达的初步结果证明了其作为土壤湿度仪器的能力。现有SAR系统的一个主要缺点是，没有现有的算法可以通过单频、单极化雷达常规测定土壤湿度。第二个限制是它们重复飞行的间隔时间太长;在大多数情况下是35到46天，尽管RADARSAT在SCANSAR(宽条状，500公里)模式下对全球大部分地区具有3天的能力。
对于土壤湿度作为输入变量的潜在价值，仍有猜测水文模型，或建立模拟风暴径流的初始条件，或作为水文过程的描述符。迄今为止，希望大于实质，但随着一些飞机实验数据的可用，初步进展开始出现。
在first ISLSCP野外实验(FIFE)活动中采集的飞机数据被用于绘制37.7公顷流域的排水和ET导致的土壤湿度空间格局(Wang ET al.， 1989)。如图1所示，这些模式被认为与简单平板模型的结果相匹配，并确定了为通道贡献基流的区域(Engman et al.， 1989)。在小流域使用被动微波测量的尝试表明与地面数据具有良好的相关性，并可能产生校准模型的可靠技术(Wood et al.， 1993)。即使是相对低分辨率的被动数据也可以改善小流域的水收支计算(Lin et al.， 1994)。Goodrich et al.(1994)研究了不同流域径流尺度下风暴前土壤湿度。他们的结论是，初始值很重要，但最后遥感产品的分辨率不是一个限制。
遥感土壤水分数据的价值在半分布式水文模型是用1992年Washita微波实验的数据证明的。用电子操纵减薄阵列辐射计(ESTAR) l波段微波数据初始化表层土壤湿度场，可以比用水流数据初始化的模型更准确地预测土壤湿度变化和绝对值(O'Neill and Hsu, 1997)。
通过应用于水文模型TOPLATS的四维数据同化，已经探索了利用几种替代同化方案合成遥感土壤水分分布场的可行性(Houser et al.， 1998)。合成土壤水分场由遥感同化而来
图1小流域土壤水分时空格局说明干旱格局(继Wang et al.， 1989年)。
1987年5月28日1987年6月4日
图1小流域土壤水分时空格局说明干旱格局(继Wang et al.， 1989年)。
传感土壤水分数据和土壤-植被-大气方案的输出。通过同化土壤水分数据，提高了空间分布水文模型的描述能力。
继续阅读:地理信息系统和水文模型
这篇文章有用吗?