双向反射分布函数（Bidirectional Reflectance Distribution Function,BRDF）描述地表反射的各向异性分布特征，是定量遥感研究的重要参数。本研究利用ASD Field Spec 4便携式地物光谱仪和多角度观测支架采集查干湖冰封期不同类型积雪和湖冰BRDF，并利用Savitzky-Golay滤波法处理光谱数据，基于地面观测数据分析黑冰、白冰、灰冰、蓝冰和雪的BRDF反射特性，同时探索气泡及杂质对冰雪BRDF反射光谱特性的影响。结果显示，湖冰和积雪表面反射率随天顶角的增加而增加，当方位角为0°和45°时，呈现出明显的各向异性。不同种类的湖冰光谱反射率具有共同的变化特征：当波长位于350～600 nm，湖冰反射率随波长的增大而增大，在600 nm附近反射率达到峰值；当波长位于600～1 300 nm，反射率随波长增大而减小，直至完全被吸收。对比不同气泡大小的黑冰光谱特性发现，气泡主要影响350～1 000 nm范围内的反射率，气泡的存在增加了黑冰反射率。本研究旨在为湖冰遥感反演算法提供实测数据和机理研究。

双向反射分布函数（Bidirectional Reflectance Distribution Function,BRDF）描述地表反射的各向异性分布特征，是定量遥感研究的重要参数。本研究利用ASD Field Spec 4便携式地物光谱仪和多角度观测支架采集查干湖冰封期不同类型积雪和湖冰BRDF，并利用Savitzky-Golay滤波法处理光谱数据，基于地面观测数据分析黑冰、白冰、灰冰、蓝冰和雪的BRDF反射特性，同时探索气泡及杂质对冰雪BRDF反射光谱特性的影响。结果显示，湖冰和积雪表面反射率随天顶角的增加而增加，当方位角为0°和45°时，呈现出明显的各向异性。不同种类的湖冰光谱反射率具有共同的变化特征：当波长位于350～600 nm，湖冰反射率随波长的增大而增大，在600 nm附近反射率达到峰值；当波长位于600～1 300 nm，反射率随波长增大而减小，直至完全被吸收。对比不同气泡大小的黑冰光谱特性发现，气泡主要影响350～1 000 nm范围内的反射率，气泡的存在增加了黑冰反射率。本研究旨在为湖冰遥感反演算法提供实测数据和机理研究。

双向反射分布函数（Bidirectional Reflectance Distribution Function,BRDF）描述地表反射的各向异性分布特征，是定量遥感研究的重要参数。本研究利用ASD Field Spec 4便携式地物光谱仪和多角度观测支架采集查干湖冰封期不同类型积雪和湖冰BRDF，并利用Savitzky-Golay滤波法处理光谱数据，基于地面观测数据分析黑冰、白冰、灰冰、蓝冰和雪的BRDF反射特性，同时探索气泡及杂质对冰雪BRDF反射光谱特性的影响。结果显示，湖冰和积雪表面反射率随天顶角的增加而增加，当方位角为0°和45°时，呈现出明显的各向异性。不同种类的湖冰光谱反射率具有共同的变化特征：当波长位于350～600 nm，湖冰反射率随波长的增大而增大，在600 nm附近反射率达到峰值；当波长位于600～1 300 nm，反射率随波长增大而减小，直至完全被吸收。对比不同气泡大小的黑冰光谱特性发现，气泡主要影响350～1 000 nm范围内的反射率，气泡的存在增加了黑冰反射率。本研究旨在为湖冰遥感反演算法提供实测数据和机理研究。

双向反射分布函数（Bidirectional Reflectance Distribution Function,BRDF）描述地表反射的各向异性分布特征，是定量遥感研究的重要参数。本研究利用ASD Field Spec 4便携式地物光谱仪和多角度观测支架采集查干湖冰封期不同类型积雪和湖冰BRDF，并利用Savitzky-Golay滤波法处理光谱数据，基于地面观测数据分析黑冰、白冰、灰冰、蓝冰和雪的BRDF反射特性，同时探索气泡及杂质对冰雪BRDF反射光谱特性的影响。结果显示，湖冰和积雪表面反射率随天顶角的增加而增加，当方位角为0°和45°时，呈现出明显的各向异性。不同种类的湖冰光谱反射率具有共同的变化特征：当波长位于350～600 nm，湖冰反射率随波长的增大而增大，在600 nm附近反射率达到峰值；当波长位于600～1 300 nm，反射率随波长增大而减小，直至完全被吸收。对比不同气泡大小的黑冰光谱特性发现，气泡主要影响350～1 000 nm范围内的反射率，气泡的存在增加了黑冰反射率。本研究旨在为湖冰遥感反演算法提供实测数据和机理研究。

双向反射分布函数（Bidirectional Reflectance Distribution Function,BRDF）描述地表反射的各向异性分布特征，是定量遥感研究的重要参数。本研究利用ASD Field Spec 4便携式地物光谱仪和多角度观测支架采集查干湖冰封期不同类型积雪和湖冰BRDF，并利用Savitzky-Golay滤波法处理光谱数据，基于地面观测数据分析黑冰、白冰、灰冰、蓝冰和雪的BRDF反射特性，同时探索气泡及杂质对冰雪BRDF反射光谱特性的影响。结果显示，湖冰和积雪表面反射率随天顶角的增加而增加，当方位角为0°和45°时，呈现出明显的各向异性。不同种类的湖冰光谱反射率具有共同的变化特征：当波长位于350～600 nm，湖冰反射率随波长的增大而增大，在600 nm附近反射率达到峰值；当波长位于600～1 300 nm，反射率随波长增大而减小，直至完全被吸收。对比不同气泡大小的黑冰光谱特性发现，气泡主要影响350～1 000 nm范围内的反射率，气泡的存在增加了黑冰反射率。本研究旨在为湖冰遥感反演算法提供实测数据和机理研究。

基于北疆地区29个气象站点2000—2020年积雪数据集，分析了北疆地区20个水文年的积雪天数、年最大雪深、年均雪深、降雪次数、雪物候和气象要素变化，并对其影响要素进行了分析。结果表明，北疆地区近20年来冬季的积雪天数呈显著上升趋势，超过58%的气象站点降雪次数下降趋势显著，这与最低气温和降水量的显著增加密切相关。有72%的站点表现出了温度升高的趋势，近20年北疆地区降水量出现显著增加。雪物候方面，积雪持续天数呈现弱下降趋势，初雪日的出现时间明显推迟，增幅为0.17 d/a。终雪日的推迟并不显著。地理和气象因素与积雪密切相关，尤其是气温和降水量的变化会导致积雪深度发生显著变化，海拔对雪物候的影响程度比气象因素更加明显。

基于北疆地区29个气象站点2000—2020年积雪数据集，分析了北疆地区20个水文年的积雪天数、年最大雪深、年均雪深、降雪次数、雪物候和气象要素变化，并对其影响要素进行了分析。结果表明，北疆地区近20年来冬季的积雪天数呈显著上升趋势，超过58%的气象站点降雪次数下降趋势显著，这与最低气温和降水量的显著增加密切相关。有72%的站点表现出了温度升高的趋势，近20年北疆地区降水量出现显著增加。雪物候方面，积雪持续天数呈现弱下降趋势，初雪日的出现时间明显推迟，增幅为0.17 d/a。终雪日的推迟并不显著。地理和气象因素与积雪密切相关，尤其是气温和降水量的变化会导致积雪深度发生显著变化，海拔对雪物候的影响程度比气象因素更加明显。

基于北疆地区29个气象站点2000—2020年积雪数据集，分析了北疆地区20个水文年的积雪天数、年最大雪深、年均雪深、降雪次数、雪物候和气象要素变化，并对其影响要素进行了分析。结果表明，北疆地区近20年来冬季的积雪天数呈显著上升趋势，超过58%的气象站点降雪次数下降趋势显著，这与最低气温和降水量的显著增加密切相关。有72%的站点表现出了温度升高的趋势，近20年北疆地区降水量出现显著增加。雪物候方面，积雪持续天数呈现弱下降趋势，初雪日的出现时间明显推迟，增幅为0.17 d/a。终雪日的推迟并不显著。地理和气象因素与积雪密切相关，尤其是气温和降水量的变化会导致积雪深度发生显著变化，海拔对雪物候的影响程度比气象因素更加明显。

在系统评估青藏高原积雪观测典型气象站历史定位坐标精度基础上,利用站点雪深资料对NOAA IMS4km和1km分辨率雪冰产品在青藏高原的精度和适用性进行了验证和评估,定量分析了IMS4km到1km空间分辨率提高和气象站历史定位与GPS定位坐标之间的差异对青藏高原IMS积雪监测精度的影响。结果表明:青藏高原个别气象站历史坐标与当前GPS接收机定位之间存在较大的差异,如安多气象站经度偏小0.6°,纬度偏大0.08°。IMS4km雪冰产品在青藏高原的总精度介于76.4%～83.2%,平均为80.1%,积雪分类精度介于35.8%～60.7%,平均为47.2%,平均误判率为17.1%,平均漏判率为45.5%,总体上呈现地面观测的积雪日数越多、平均雪深越大,其总体监测精度越低,而积雪分类精度越高的特点。IMS分辨率从4km到1km总体精度平均提高了2.9%,积雪分类精度平均提高了0.9%,主要是由于个别站点的精度提升较大引起的,对高原多数台站积雪监测精度的改进和提升很小。除个别台站外,目前气象站历史坐标和GPS定位坐标之间的差异,对IMS4km积雪监测精度验证结果没有影响。然而,今后随着卫星遥感技术...

在系统评估青藏高原积雪观测典型气象站历史定位坐标精度基础上,利用站点雪深资料对NOAA IMS4km和1km分辨率雪冰产品在青藏高原的精度和适用性进行了验证和评估,定量分析了IMS4km到1km空间分辨率提高和气象站历史定位与GPS定位坐标之间的差异对青藏高原IMS积雪监测精度的影响。结果表明:青藏高原个别气象站历史坐标与当前GPS接收机定位之间存在较大的差异,如安多气象站经度偏小0.6°,纬度偏大0.08°。IMS4km雪冰产品在青藏高原的总精度介于76.4%～83.2%,平均为80.1%,积雪分类精度介于35.8%～60.7%,平均为47.2%,平均误判率为17.1%,平均漏判率为45.5%,总体上呈现地面观测的积雪日数越多、平均雪深越大,其总体监测精度越低,而积雪分类精度越高的特点。IMS分辨率从4km到1km总体精度平均提高了2.9%,积雪分类精度平均提高了0.9%,主要是由于个别站点的精度提升较大引起的,对高原多数台站积雪监测精度的改进和提升很小。除个别台站外,目前气象站历史坐标和GPS定位坐标之间的差异,对IMS4km积雪监测精度验证结果没有影响。然而,今后随着卫星遥感技术...