风云三号D星(FY-3D)是我国新一代极轨气象卫星。中分辨率光谱成像仪(MERSI-Ⅱ)是其携带的核心传感器之一，FY-3D对于全球数值天气预报、大气定量探测以及气候变化监测等具有重要意义。积雪面积比例产品是众多陆面产品之一，是水文模型和区域气候模型的主要输入参数。基于MERSI-Ⅱ数据发展了业务化提取积雪面积比例的算法，算法核心是混合像元分解。空间光谱端元提取(SSEE)的方法自动提取端元，全约束最小二乘法(FCLS)求解线性混合模型。解混结果叠合云掩膜得到FY-3D/MERSI-Ⅱ积雪面积比例数据(FY-FSC)。以Landsat 8的积雪面积比例数据(L-FSC)作为参考值对FY-FSC进行验证，同时将FY-FSC和MODIS积雪面积比例数据(M-FSC)进行比较。结果表明：FY-FSC的总体相关系数(R)为0.54，均方根误差(RMSE)为0.17，绝对平均误差(AME)为0.10；M-FSC总体R为0.41，RMSE为0.26，AME为0.29；利用积雪面积提取的精度评价因子K比较FY-FSC和M-FSC获取的总积雪面积的精度。结果表明：FY-FSC和M-FSC数据的平均K值分别为88.51%和86.78%，FY-FSC精度高于M-FSC。FY-FSC将作为试验参数纳入FY-3D/MERSI-Ⅱ积雪覆盖业务产品中，可填补国产卫星业务化反演积雪面积比例参数的空白。

微波辐射亮温正向模拟是辐射传输模型反演积雪参数的关键步骤之一。以HUT模型为基础，针对森林冠层微波透过率这一关键的模型输入参数，在东北大小兴安岭典型森林积雪区进行了14个子区域(10 km*10 km)的地基遥感观测和森林参数取样观测实验，分别利用地基微波辐射计实测和森林材积量回归两种不同参数获取方法，得到实验观测区冬季森林透过率，并模拟了星载微波辐射计探测亮温(T simu B)。通过对两种参数获取方法模拟亮温的相关性分析，说明在K波段水平极化条件下森林存在体散射效应(相关系数R²≤0.37)，而Ka波段双极化和K波段垂直极化条件下，森林存在很弱或无体散射效应(相关系数R²≥0.53)。在此基础上，将T simu B与FY3C MWRI观测的微波辐射亮温进行了差值比较，以MWRI的定标精度约以2 K为基准，提出了以偏差|Δ|≤3·6 K为一致性判据准则。在K波段水平极化(H)与垂直极化(V)辐射计模拟的一致性为79%、82%，Ka波段的H和V为43%、50%；材积量模拟亮温的一致性是K波段H和V为57%、86%，Ka波段的H和V均为64%。结果表明：在HUT模型模拟森林积雪系统微波辐射亮度温度时，Ka波段积雪层散射引起的不确定性大于K波段森林散射引起的不确定性。通过数据分析，提出了HUT模型的适用性及东北地区森林—积雪真实性检验场的选址依据。

积雪深度不仅用于研究地表辐射平衡，还可以研究积雪的水文效应，是天气和水文模型运行的必要参数，同时，积雪深度监测在融雪径流预报、水资源管理以及洪水控制方面都具有重要作用。我国现有积雪深度反演算法所依据的站点数据主要分布在我国中部、东部、南部，而在西北的新疆地区站点数据相对较少，因此造成了现有算法在新疆地区的雪深反演精度较差。选择新疆地区作为研究区，以FY3B-MWRI为数据源，根据该地区的地形特征和地面土地覆盖类型特征，利用回归分析方法，研究了该区域内林地、农田和草地3种土地覆盖类型的积雪深度反演算法，并结合地面实测积雪深度数据，对算法精度进行验证。结果显示，林地、农田和草地3种土地覆盖类型的雪深反演结果的R²与RMSE分别为0.758，2.58、0.729，3.21、0.854，5.70，表明该算法对新疆地区积雪深度反演得到了较高的反演精度。

 积雪是冰冻圈中分布最广泛的要素，在气候变化以及水文循环中扮演着重要角色。微波遥感因其全天时全天候工作、具有一定穿透性等优势，成为积雪监测的重要手段。利用FY-3C卫星同步观测获取的微波成像仪(MWRI)被动微波亮度温度数据、融合可见光红外扫描仪(VIRR)与中等分辨率成像光谱仪(MERSI)数据得到的积雪产品，结合MODIS地表分类数据、地表温度数据，发展了基于国产卫星数据的被动微波积雪判识算法。首先提取无云覆盖的不同地表类型被动微波数据像元样本，然后对各地表类型的微波特征进行分析，利用空间聚类的方法，得到TB19V-TB19H、TB19V-TB37V、TB22V、TB22V-TB89V、(TB22V-TB89V)—(TB19V-TB37V)这五类可以较好地区分积雪和其他类似积雪地表的指标。最后应用MODIS积雪产品为参考对该积雪判识算法进行精度评价，该算法在中国西部积雪判识总体精度为87.1%，漏判率为4.6%，误判率为23.3%；Grody算法判识总体精度为78.6%，漏判率为9.8%，误判率为30.7%，该算法判识精度高于Grody算法；通过Kappa系数分析比较，该算法积雪判识结果的Kappa系数值为47.3%，高于Grody算法判识结果的Kappa系数值39.9%，表明该算法积雪判识结果与MODIS积雪产品判识结果一致性更好。

森林覆盖区积雪的提取精度很低,由于植被冠层的遮挡,冠层下的积雪很难被提取出来。基于Landsat 8 OLI数据,针对玛纳斯河流域下游有大面积森林覆盖的特点,通过传统的积雪指数法,结合NDVI数据的积雪指数法和面向对象图像特征法分别提取积雪面积。结果表明:①传统的NDSI和S3积雪指数法无法较好地提取出森林覆盖下的积雪,提取精度分别为85.23%和87.54%。这两种方法适用于空间尺度较大\,植被覆盖面积较大的区域,并不适合所选研究区;②结合NDVI数据后的NDSI、S3积雪指数模型能大大提高森林覆盖下的积雪面积,提取精度分别达到91.47%和90.60%。在影像空间分辨率较高,流域尺度较小,林区覆盖较多的情况下可采用此方法提取积雪;③随着海拔的升高,地形阴影影响逐渐增大,NDVI辅助积雪指数方法提取林区覆盖下积雪面积逐渐减小。因此采用光谱、纹理和空间信息结合的面向对象图像特征方法提取积雪,能够较好地识别出受地形影响下的雪像元,精度达到89.75%,可以满足实际应用的需求。


积雪反照率是研究局地或全球的能量收支平衡和气候变化中的重要参数,遥感反演为积雪反照率的获取提供了便利的手段。积雪反照率大小主要取决于积雪的自身物理属性（雪粒径、形状和污染物等因子）以及天气状况,遥感反演反照率大多基于双向反射模型（BRDF）,积雪BRDF模型常使用积雪辐射传输模型获得。采用考虑了雪粒径、粒子形状以及污染物影响的渐进辐射传输理论(ART)模型,建立了MODIS积雪反照率反演算法,得到了MODIS 8 d合成积雪反照率产品。将此算法应用于具有均一积雪地表的格陵兰岛地区,并使用GC-Net实测数据进行了验证,反演的总均方根误差(RMSE)为0.018,相关系数(r)为0.83,结果表明考虑了积雪特性的ART模型能够较好地反演积雪反照率,而且反演需要的参数较少。

积雪具有很高的反照率,能反射回绝大部分的太阳短波辐射;同时,积雪是热的不良导体,其热阻隔性会抑制地表的长波辐射。因此,积雪的积累和消融会强烈地改变大气层顶的辐射平衡,进而对气候产生反馈。采用ERA-Interim再分析资料和MODIS去云积雪产品,通过改进的偏辐射扰动思想,对青藏高原地区2001~2010年积雪影响下大气层顶的辐射能量收支状况进行模拟,计算对应的积雪辐射强迫,并在此基础上估算积雪反馈。结果表明:研究区99.5%以上地区的大气层顶辐射平衡为负,即积雪对气候存在正的辐射强迫,年平均辐射强迫为3.97 W·m^-2。时空分布特征表明,积雪辐射强迫的年际差异不大,但空间差异很大,其空间分布与积雪覆盖率有很强的正相关关系,在绝大多数情况下,短波反照率辐射强迫对积雪辐射强迫起着决定性作用,且青藏高原的积雪反馈强度约为9.35 W·m^-2·℃^-1。
 

利用卫星遥感监测积雪分布相比地面观测具有明显优势,目前基于FY-3卫星数据在积雪监测方面的研究较少。借鉴现有积雪卫星遥感监测算法,研究出适用于FY-3/VIRR资料的积雪判识方法,利用归一化积雪指数和多波段综合阈值实现积雪判识,提取积雪信息生成区域二值化积雪分布图。通过实例分析验证算法有效可行,并与MODIS积雪产品MOD10及其L1B数据NDSI判识结果进行对比,说明算法判识结果良好。研究表明,FY-3卫星数据可作为积雪遥测的可靠资料来源,可延用于积雪监测与灾害预警业务系统中,促进国产卫星数据的应用与推广。

像元尺度上积雪面积比例与雪水当量的关系是将积雪遥感面积数据引入水文模型的有效手段。以冰沟流域为例,利用合成孔径雷达ENVISAT-ASAR数据反演得到积雪面积、雪水当量信息,分析了500 m像元尺度上积雪面积比例与雪水当量的关系。结果表明:①在积雪面积比例未达到全覆盖饱和状态,雪水当量和积雪面积比例呈正相关关系,积雪面积比例控制着雪水当量的最大值,但由于受到地形的影响,关系不显著;②当考虑地形因子影响,即将坡度、坡向、海拔、积雪面积比例与雪水当量进行多元线性回归,回归系数的显著性水平均小于0.05,相关系数(r)达到0.841。因此,在高分辨率地形因子已知的情况下,结合遥感积雪数据,可建立良好的积雪面积比例和雪水当量之间的关系,有利于高分辨率积雪面积比例数据在寒区分布式水文模型中的应用。