Assimilating passive microwave remote sensing data into a land surface model to improve the estimation of snow depth
Assimilating passive microwave remote sensing data into a land surface model to improve the estimation of snow depth
复制标题
将被动微波遥感数据同化到地表模型中以改进雪深的估计
DOI：
10.1016/j.rse.2013.12.009
复制
发表时间：
2014-03
影响因子：
13.5
通讯作者：
Huang, Chunlin
中科院分区：
文献类型：
--
作者：
Che, Tao;Li, Xin;Jin, Rui;Huang, Chunlin
准确的时空积雪数据对于了解寒冷地区的气候系统和管理水资源至关重要。本文介绍了一个雪资料同化系统，它采用集合卡尔曼滤波直接同化被动微波亮温资料到雪过程模式。在该系统中，共同的土地模型结合雪粒度增长算法被用来预测分层雪状态变量。强迫数据来自日本气象局全球谱模式（JMA-GSM）业务全球数据同化系统。微波辐射模型的层状积雪（MEMLS）被用来转换雪状态变量的亮度温度。雪数据同化系统进行了一维测试，在西伯利亚寒冷地区的协调增强观测项目（CEOP）的参考网站。验证实验表明，资料同化系统可以提高深度估计在积累期，但不是消融期。本文提出的同化方法可以很容易地应用于业务天气预报系统，以提高雪深估计。
Accurate spatiotemporal snow data are crucial for understanding climate systems and managing water resources in cold regions. This paper describes a snow data assimilation system that employs the ensemble Kalman filter to directly assimilate passive microwave brightness temperature data into a snow process model. In the system, the Common Land Model coupled with a snow grain size growth algorithm was adopted to predict layered snow state variables. The forcing data were derived from the Japan Meteorological Administration—Global Spectral Model (JMA-GSM) operational global data assimilation system. The Microwave Emission Model of Layered Snowpacks (MEMLS) was used to convert the snow state variables to brightness temperatures. The snow data assimilation system was one-dimensionally tested at a Siberian cold region reference site of the Coordinated Enhanced Observation Project (CEOP). The validation experiment indicates that the data assimilation system can improve depth estimates during the accumulation period but not the ablation period. The assimilation method proposed herein can be easily applied to an operational weather forecasting system to improve snow depth estimations.
登录
查看更多内容
DOI：
10.1088/1742-6596/16/1/047
发表时间：
2006-05
期刊：
--
影响因子：
--
作者：
S. Ghan;T. Shippert
通讯作者：
S. Ghan;T. Shippert
影响因子：
--
作者：
C. Schlosser;D. Mocko
通讯作者：
C. Schlosser;D. Mocko
影响因子：
3.1
作者：
M. Hirai;Takuya Sakashita;H. Kitagawa;T. Tsuyuki;M. Hosaka;Mitsuo Oh'izumi
通讯作者：
M. Hirai;Takuya Sakashita;H. Kitagawa;T. Tsuyuki;M. Hosaka;Mitsuo Oh'izumi
影响因子：
8.2
作者：
D. Kang;A. Barros
通讯作者：
D. Kang;A. Barros
DOI：
10.5065/d6n877r0
发表时间：
2004
期刊：
--
影响因子：
--
作者：
K. Oleson;Yongjiu Dai;B. Bonan;Mike Bosilovichm;R. Dickinson;P. Dirmeyer;F. Hoffman;P. Houser
通讯作者：
K. Oleson;Yongjiu Dai;B. Bonan;Mike Bosilovichm;R. Dickinson;P. Dirmeyer;F. Hoffman;P. Houser