Scientia Geographica Sinica  2013 , 33 (3): 378-384 https://doi.org/10.13249/j.cnki.sgs.2013.03.378

Orginal Article

基于MODIS反演祁连山七一冰川雪粒径

郭忠明1, 王宁练1, 毛瑞娟1, 武小波1, 王盛1, 蒋熹2

1. 中国科学院寒区旱区环境与工程研究所 冰冻圈科学国家重点实验室, 甘肃 兰州 730000
2. 南京信息工程大学大气科学学院 气象灾害省部共建教育部重点实验室, 江苏 南京 210044

Retrieved of Snow Grain Size from MODIS Over Qiyi Glacier, Qilian Mountain

GUO Zhong-ming1, WANG Ning-lian1, MAO Rui-juan1, WU Xiao-bo1, WANG Sheng1, JIANG Xi2

1. State Key Laboratory of Cryophilic Science, Cold and Arid Regions Environmental and Engineering Research Institute,Chinese Academy of Sciences, Lanzhou, Gansu 730000, China
2. Key Laboratory of Meteorological Disaster of Ministry of Education,Nanjing University of Information Science & Technology, Nanjing, Jiangsu 210044, China

中图分类号:  K903

文献标识码:  A

文章编号:  1600-0690(2013)03-0378-07

收稿日期: 2012-05-21

修回日期:  2012-08-20

网络出版日期:  2013-03-20

版权声明:  2013 《地理科学》编辑部 本文是开放获取期刊文献,在以下情况下可以自由使用:学术研究、学术交流、科研教学等,但不允许用于商业目的.

基金资助:  全球变化研究重大科学研究计划(2010CB951404)、国家自然科学基金重点项目(40930526)和国家自然科学基金青年科学基金(40901041)资助

作者简介:

作者简介:郭忠明(1985-),女,陕西宝鸡人,博士研究生,主要从事冰冻圈遥感研究。E-mail:guoguo_2004@126.com

展开

摘要

基于MODIS 500 m分辨率数据,利用MODTRAN 4+模型和可见光波段、近红外波段的波段比方法反演雪粒径,建立1个消融期内的雪粒径变化的时间序列,通过采集七一冰川上设立的观测点对应时间段内雪粒径验证MODIS模拟的雪粒径值,结合位于观测点附近的气象站的气温数据,探讨气温对雪粒径的影响。结果表明,雪粒径的增长存在着明显的日变化趋势;模拟的雪粒径普遍高于实测的雪粒径值, 因此反演模型需要约为1.1倍的校正因子;气温对雪粒径的影响显著。

关键词: 雪粒径 ; MODIS ; 反演 ; 时间变化 ; 温度

Abstract

The 500 m resolution Moderate Resolution Imaging Spectroradiometer (MODIS) L1B scenes over Qiyi glacier, Qilian Mountain is used to estimate the snow grain size. The retrieval is based on ratios of near-infrared albedo to visible albedo which predicts snow reflectance as a function of snowpack grain size and ice absorption. “Bow-tie” effects were removed by the ENVI software. Atmospheric effects are taken into account and corrected through the MODTRAN4+ model. By this approach snow optical grain size was determined by the volume-to-surface area ratio on account of non-oriented spheroids produce the same scattering results as spheres. The time series analysis of derived grain size shows a good sensitivity to snow melting and snow precipitation events. This inversion technique has been validated using a combination of ground-based grain size measurements derived from the handle lenses which measure the snow grain size over the top 1 cm layer. The retrievals correlate well with measurements when radii is in range of -0.1-1 mm, although retrieved optical snow grain size general is lower than physical measured grain size ,the model may be need about a factor of 1.1. As part of validation analysis for the Qiyi glacier, the retrieved snow grain size from MODIS over selected sites in the period of September 7-15 in 2011 was compared to the temperature measurement of the automatic weather station near the selected sites. The relationship between the measured snow grain size, simulated snow grain size and average temperature patterns suggests that rapid destructive metamorphism of the fresh snow occurred when temperatures were near 0℃, once temperatures were higher than 0℃ and kept for a long time, the snow particle size change was evident, snow particle size increased significantly, and vice versa. But in this prossess, snow particle size also existed evolution process of deformation; snow particle size and temperature showed significantly positive correlation. The future work is to study the better cloud mask algorithm to remove the cloud effects and build the long and continuous time series of the snow grain size.

Keywords: snow grain size ; MODIS ; temporal change ; temperature

0

PDF (617KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

郭忠明, 王宁练, 毛瑞娟, 武小波, 王盛, 蒋熹. 基于MODIS反演祁连山七一冰川雪粒径[J]. , 2013, 33(3): 378-384 https://doi.org/10.13249/j.cnki.sgs.2013.03.378

GUO Zhong-ming, WANG Ning-lian, MAO Rui-juan, WU Xiao-bo, WANG Sheng, JIANG Xi. Retrieved of Snow Grain Size from MODIS Over Qiyi Glacier, Qilian Mountain[J]. Scientia Geographica Sinica, 2013, 33(3): 378-384 https://doi.org/10.13249/j.cnki.sgs.2013.03.378

积雪和冰盖中储存的大气中各种物质和要素是气候环境变化的指示器[1~4]。目前,雪冰的大多数物理性质已经明确定义和测量[5]。冰雪颗粒有不同几何形状:从新雪的星片状结构到融雪/再冻结雪的管状结构、中空杯形颗粒、大条纹晶体结构等。雪粒径是描述积雪/粒雪性质的基本参数之一[6]。雪粒径是控制宽带反照率的重要参数,是影响辐射平衡的主要因素之一[7],也是融雪径流模型、雪化学模型以及气候模型的输入参数[8],雪粒径的时空变化研究可以帮助我们表示积雪/粒雪的热状态和估计融雪的时间和空间分布[9]

过去30 a已发展许多雪粒径的光学模型。其中,最著名的有Wiscombe-Warren(WW)模型[10]和离散坐标辐射传输(DISORT)模型,在此基础上派生出许多改进的模型和算法。Painter等在亚象元尺度利用MODIS得到的雪表面反射率数据建立了MODIS积雪覆盖面积和雪粒径(MODSCAG)模型[11],MODSCAG模型依赖雪光谱的相对形状,且能被应用到由于图像和DEM校准误差而无法得到太阳入射角的斜坡上。Zege和Katsev提出从卫星光谱数据来反演雪粒径和烟尘浓度(SGSP)的算法[12],该算法的主要优势是不依赖雪粒的先验模型且处理数据速度极快,此外该算法也可以推广到有适当光谱通道的其他卫星。

Clark等认为表观统一体可以表示其感兴趣的特征吸收光谱,他们利用连续反射率和最强吸收带的反射率光谱计算缩放带深度[13],其缺点是在反射光谱中对单一的光谱带依赖导致噪声影响其结果的准确性。为降低噪声的影响,Nolin等在缩放带深度法的基础上开发缩放带面积法来估测积雪表层粒径[14],该方法不但可以降低地形和云引起的误差,同时还可以使由光谱仪本身噪声而引起的误差得到平均,从而达到较好的拟合效果。

本研究基于MODIS 500 m分辨率数据,MODTRAN 4+模型和可见光波段、近红外波段的波段比方法反演雪粒径建立1个消融期内的雪粒径变化的时间序列,通过采集七一冰川上设立的观测点对应时间段内雪粒径验证MODIS模拟的雪粒径值,结合位于观测点附近的气象站的气温数据,讨论了气温对雪粒径的影响。

1 方 法

1.1 MODIS数据预处理

MODIS图像在其扫描线宽度方向由扫描条带组成,所以地球的球面特性会导致扫描带两端产生数据的重叠现象,即形成所谓的“Bow-tie”效应(“蝴蝶结”效应)。Bow-tie效应如果不预先处理,则MODIS数据就难以直接使用。启动ENVI中的MODIS-tools模块,输入500 m分辨率的MODIS数据,运行Bow-tie校正程序,设置相应的参数,得到经bow-tie处理的影像。对比同一区域处理前后影像,经过bow-tie程序处理后,图像变得连续平滑。

1.2 大气校正

FLAASH(Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes)大气校正使用了起源于LOWTRAN的MODTRAN 4+辐射传输模型的代码。FLAASH大气纠正基于传感器处单个像素点接受到的太阳波谱范围内(不包括热辐射)标准的平面朗伯体(或近似平面朗伯体)反射的光谱辐射亮度。

在FLAASH里进行大气校正时需要输入如影像中心点、传感器类型、飞行日期、地面高程等数据(表1),其中地面高程是根据SRTM(Shuttle Radar Topography Mission,航天飞机雷达地形测绘) DEM数据计算当地平均值,大气模式参数选择一种近似或稍大于标准水汽柱的MODTRAN模式大气[15]。如果没有水汽信息,根据水汽相关的已知地表气温或季节-纬度地表温度模式选择大气。

表1   大气校正输入因子

Table 1   Parameters for FLAASH atmospheric correction

影像中心点传感器类型飞行日期地面高程像元大小大气模式气溶胶模式
38°57′40″E
98°33′4″N
初始能见度40 km
MODIS
气溶胶scale高度
2 km
2011-09-07
CO2混合比例
390ppm
4 200 m
MODTRAN分辨率
5cm-1
500 m
散射模型
scaleDISCORT
中纬度冬季
DISCORT流数量
8
乡村

新窗口打开

1.3 雪粒径反演

雪的光谱反射率随波长显著变化,所以雪粒径反演一般选在近红外波段(0.7~3.0 μm),特别是雪反射率对雪粒径最敏感的0.7~1.4 μm波段,然后利用辐射传输模型建立的雪光学性质和物理性质间的关系来反演雪粒径。因为500 m分辨率图像上七一冰川所占面积较小,因此为了避免地形和阴影的影响利用波段比方法来反演雪粒径[16]

d=14πA2lnρ1ρ2/χ2λ2-χ1λ12(1)

式中,λ为波长,x为冰的复折射率的虚部,ρ为反射率,A与光子从介质中的溢出概率有关,野外实测发现其近似等于0.4~2.2。该值是太阳天顶角、观测天顶角及雪密度等的函数且研究区缺乏实测值,因此在本研究中取中值即A=1.3来计算雪粒径。方程(3)对于当2个波长间光穿透深度相似雪的垂直同质雪有效。当雪不同质时, d代表整个穿透深度的平均值。因此需要用非吸收波段1和吸收波段2来确定d

d=λ24πχ2A2ln2ρ1ρ2(2)

其中, MODIS Terra/ Aqua 500 m 分辨率数据的7个波段的中心波长与冰的复折射率的虚部x值见表2。Warren在1984年计算0.65~2.5 μm光谱区间水和冰的复折射率指数[17],后来,他又修改了普通冰或冻结水的6方形态的温度融点附近的光谱吸收系数[18],因此在本研究中采用新改进的冰的复折射率的虚部。

表2   MODIS 500 m通道前7个波段的中心波长以及冰复折射率的虚部[19]

Table 2   The center wavelength of MODIS 500 m channels and effective refractive index of ice

BandλC(µm)χice
B10.64491.25e-8
B20.85562.32e-7
B30.46551.05e-9
B40.55353.22e-9
B51.24191.20e-5
B61.62902.41e-4
B72.1131(5.3~6.8)e-4

新窗口打开

2 研究区域和数据

七一冰川(39°14′13″N,97°45′20″E,冰川编目号:5Y437C18)位于甘肃与青海交界的祁连山走廊南山北坡(图1)。冰川融水流入北大河支流柳沟泉河[20]。七一冰川按形态属冰斗-山谷型冰川,按其物理特性分类属于亚大陆型冰川。冰川规模较小,长约3.8 km,面积2. 871 km2(据1975 年地面立体摄影测量的冰川图量算),末端海拔4 304 m,冰川最高峰海拔5 158.8 m。

观测点设置在气象站1附近(39°14′13″N,97°45′20″E,海拔4 401 km),该点四周开阔、相对平坦,且可利用AWS1的10 min间隔观测气温数据来估计温度对雪粒径影响。

MODIS数据具有光谱通道多,谱带窄,时间分辨率高和获取方便的优点,因此我们反演过程中选取MODIS Terra/Aqua 500 m的Level 1B级数据来反演雪粒径,MODIS数据来自LAADS(Level 1 and Atmosphere Archive and Distribution System)网站。本研究目标为定量估计1个消融期内粒径的演化,因此需要2011年9月7~15日数据,即第250~258 d的MODIS数据。研究表明[21~23],Terra过境时刻的地表反射率与Aqua过境时刻的地表反射率的存在比率系数,该比值仅仅与几何影响因子有关,而与波长无关。通常对地表同一区域Terra和Aqua双星过境的时间间隔在 内,本文中所选双星数据的时间约为13:00~14:00,过境间隔都小于90 min,因此假定对于卫星过境间隔时间较短的两次观测,地表反射特性基本不变。为避免云对反演及反演精度的影响,用MODIS Terra/Aqua来反演雪粒径建立连续的时间序列。

图1   七一冰川观测位置

Fig.1   Observation sites of the Qiyi glacier

3 结果与讨论

在反演过程中我们用λ1=0.644 9 μm和λ2=1.24 μm这两个波段的反射率结合公式(4)来确定反射率与粒径的定量关系(图2),冰川上雪的粒径范围为0~800 μm,七一冰川区域雪粒径变化范围为200~800 μm。水体在可见光波段0.65 µm处反射率约为0.03~0.05,近红外波段1.24 µm处几乎吸收全部的入射能量,因此水体的反射能量很少,约0.003~0.007,冰川上雪粒径范围0~1 000 µm,七一冰川区域雪粒径变化范围200~800 µm。

利用上述方法得到1个消融期内的基于MODIS模拟的雪粒径值(图3)。8个点拟合,模拟的雪粒径值与实测的雪粒径值之间存在着线性关系且相关性好,其相关系数R2=0.952 1。由此可知,波段比方法能够较理想模拟雪粒径,但模拟的雪粒径普遍高于实测的雪粒径值,根据实测雪粒径和反演雪粒径之间的线性关系推断出在反演模型中应该加入一个约为1.1倍的校正因子。

图2   2011年9月7日祁连山区域的反射率和雪粒径

Fig.2   Results of the retrieved reflectance (lefl) and snow grain size (Right) in Qilian Mountain region on September 7, 2011

图3   七一冰川2011年9月7~15日实测的与模拟的雪粒径的比较

Fig.3   Linear relationship between the retrieved snow grain size and the measured grain size of the top layer on the Qiyi glacier during September 7-15 in 2011

观测过程中用手持式带刻度显微镜观测了表层0.5 cm的雪粒径。雪粒子形状的复杂性, 使得准确估计雪的单次散射特性成为难题。Mugnai和Wiscombe指出“非球形”颗粒与“球形”颗粒具有相同的散射特性[19],在此基础上,Grenfell和Warren[23]研究发现,非球形颗粒的半径等于与其具有相同体积-表面积比的球形颗粒的半径。因此我们利用体积-表面积方法将测得的雪粒径转化为雪的光学粒径。基于实地测量,作如下假设:① 认为雪颗粒是不等边椭球体;② 不等边椭球体长、短轴分别为ab,高为c,三者之间的关系为a=2b=3c,是一个扁平椭球体,通过公式3得到雪的光学粒径[24]

V=43πabcS4πapbp+apcp+bpcp3V=43πR3S=4πR2VS=VS(3)

式中,V椭、S椭,V球、S球分别是椭球体积、表面积,等效球体的体积、表面积,对于椭球体来说,a=2b=3c,因此可计算得到的光学等效粒径为:

R≈0.48 a (4)

利用公式(4)得到2011年9月7~15日实测雪粒径对应的光学粒径。为避免随机误差和定量估计数据的精度,以30 min的间隔计算雪粒径平均值和标准差(图4),图3中较长的误差条主要分布在拐点处,这些点采集的数据也较少。实验的目标是观测和模拟一个消融期内的雪的演化过程,因此从9月7日开始观测,在此之前,9月4、5日有降雪发生,9月6日观测1个时段后又发生降雪,保证了观测始于新雪,完成一个粒雪化过程而结束。9月8日13时以后由于强风伴随着风吹雪使得观测难以进行,故观测第9月9日因为降雪所以没有采集到雪粒径数据,且由于降雪量大9月10日雪粒径明显低于8日。9月11日12时半开始降雪导致观测数值较少,但9月9日降雪量较大,所以雪粒径值影响很大,9月11日降雪量少,因此对粒径值影响不是很显著。从建立的实测雪粒径的时间序列可以看出雪粒径存在着明显的日变化趋势,特别是第9月12~13日和14~15日这两个时间段的雪粒径变化很显著。

图4   实测的2011年9月7日至9月15日七一冰川雪粒径的时间序列

Fig.4   A time series of measured snow grain size of the Qiyi glacier during September 7-15 in 2011

因为消融、粒径变化与大于0℃的气温和大于0℃的气温持续的时间有关,因此统计1个消融期内即2011年9月7~5日大于0℃的气温变化(图5)来定量估计气温对雪粒径演化的影响。此外,为确定气温数据的可靠性,采集与气温数据对应的同时刻的红外表面温度数据来检验气温数据,发现两者的变化趋势基本一致,这也证明气温数据可靠性。图5可见,大于0℃的气温在消融期内日持续的时间约为8 h,其中9月10日该持续时间最长达10 h左右,第9月11日持续时间最短约5 h,9月9日持续时间次之,约6 h。

在此基础上统计日平均温度来定量估计温度对雪粒径演化的影响(图6)。黑线代表2011年9月7~15日实测的日间雪粒径的平均值,红线代表的是模拟的雪粒径大小,蓝色的线代表的是2011年9月7~15日测得的>0℃气温的平均值。9月10日大于0℃气温持续时间长,平均气温最高约为8.50℃,相应的这一天的雪粒径变化也就大,粒径值变大。9月11、9日大于0℃气温持续时间最短,其平均气温也就最低,约为2℃和3℃,对应的雪粒径演化越慢,所以9月9日雪粒径变化趋势比9月11日明显,出现谷值是因为9月9日有新降雪,这点在实测雪粒径过程中可以得到证实。因此可以得出以下结论:① 大于0℃气温持续时间长, 其平均气温越高,雪粒径变化趋势明显,雪粒径显著增大;相反,大于0℃气温持续时间越短,其平均气温越低,雪粒径演化较慢,但在此过程中雪粒径也存在着变形的演化过程。② 雪粒径与温度呈现显著的正相关关系。③ 当雪粒径的时间序列图出现明显的谷值时我们可以判断有降雪事件发生,因此研究雪粒径的时间变化序列有助于我们识别降雪和融雪过程。

图5   七一冰川2011年9月7~15日温度变化

Fig.5   Temperature changes of Qiyi glacier during September 7-15 in 2011

图6   七一冰川2011年9月7~15日模拟的雪粒径、实测雪粒径与>0 ℃平均温度的关系

Fig.6   Relationship between average measured and simulated snow grain sizes and average temperatures higher than 0℃ on the Qiyi glacier during September 7 -15 in 2011

4 结 论

通过对位于七一冰川上观测点的1个消融期内雪粒径的连续观测,结合MODIS 500 m分辨率数据,利用MODTRAN 4+模型和可见光波段、近红外波段的波段比方法反演雪粒径建立雪粒径变化的时间序列,讨论MODIS模拟的雪粒径值与实测的雪粒径值之间的关系。此外,采集位于观测点附近的气象站的气温数据,验证气温对雪粒径的影响。主要结论如下:

1) 雪粒径存在着明显的日变化规律,雪粒径随着时间变化缓慢增长。

2) 雪粒径变化的时间序列中存在的谷值和缓慢或迅速的变化趋势可以判断降雪和融雪过程。

3) 模拟的雪粒径普遍高于实测的雪粒径值,因此反演模型需要1个约为1.1倍的校正因子。

4) 大于0℃气温持续时间长, 其平均气温越高,雪粒径变化趋势明显,雪粒径显著增大,反之亦然,但在该过程中雪粒径也存在着变形的演化过程;雪粒径与温度呈现显著的正相关关系。

此外,研究中还存在着许多不足的地方,在实测过程中,即使已是9月,但雪粒仍会快速的消融使得观测受阻,所以观测的方法和仪器有待改进;反演基于可见光和近红外波段,本研究只采用第1和第5波段,至于换做其它波段的反演结果如何,有待于下一步继续深入挖掘。本研究中只讨论温度对雪粒径的影响,影响雪粒径变化的因素有很多,如黑碳、尘埃、含水量等。

The authors have declared that no competing interests exist.


参考文献

[1] 董志文李忠勤张明军,.

天山奎屯河哈希勒根51号冰川雪坑化学特征及环境意义

[J].地理科学,2010,30(1):149~156.

[本文引用: 1]     

[2] 张晓宇,李忠勤,王飞腾,.

中亚天山托木尔峰地区青冰滩72号冰川雪坑化学特征及其环境指示意义

[J].地理科学,2012,32(5):641~648.

[3] 王璞玉,李忠勤,曹敏,.

近45年来托木尔峰青冰滩72号冰川变化特征

[J].地理科学,2010,(6): 962~967.

[4] 李宗省,何元庆,庞洪喜,.

中国典型季风海洋性冰川区雪坑环境记录分析

[J].地理科学,2009,29(5):703~708.

[本文引用: 1]     

[5] Colbeck S C.

The layered character of snow covers

[J].Rev.Geophys.,1991,29(1):81-96.

[本文引用: 1]     

[6] Domine F,Albert M,Huthwelker T,et al.

Snow physics as relevant to snow photochemistry

[J].Atmospheric Chemistry and Physics,2008,8(2):71-08.

[本文引用: 1]     

[7] 曹梅盛,李新,陈贤章,.冰冻圈遥感[M].北京:科学出版社,2006:72~74.

[本文引用: 1]     

[8] Nolin A W,Stroeve J C.

The changing albedo of the Greenland ice sheet:Implications for climate change

[J].Annals of Glaciology,1997,25:51-57.

[本文引用: 1]     

[9] Nolin A W,Dozier J.

Estimating Snow Grain Size Using AVIRIS Data

[J].Remote Sensing of Environment,1993,44:231-238.

[本文引用: 1]     

[10] Wiscombe W J,Warren G.

A model for the Spectral albedo of snow.I:Pure Snow

[J].Journal of The Atmosphric Sciences,1980,37(12):2712-2733.

[本文引用: 1]     

[11] Painter T H, Molotch N P,Cassid M,et al.

Contact spectroscopy for determination of stratigraphy of snow optical grain size

[J].Journal of Glaciology,2007,53:121-27.

[本文引用: 1]     

[12] Zege E,Katsev I,Malinka A,et al.

New algorithm to retrieve the effective snow grain size and pollution amount from satellite data

[J].Annals of Glaciology,2008,49(1):39-144.

[本文引用: 1]     

[13] Clark R N,Roush T.

Reflectance spectroscopy:Quantitative analysis techniques for remote sensing applications

[J].J.Geophys.Res,1984,89:6329-6340.

[本文引用: 1]     

[14] Nolin A W,Dozier J.

A hyperspectralmethod for remotely sensing the grain si-ze of snow

[J].Remote sensing ofenvironment,2000,74:207-216.

[本文引用: 1]     

[15] Research System Inc.

FLAASH User’s Guide[R].Envi Flaash Version 1.

0,2001:8-40.

[本文引用: 1]     

[16] Lyapustin A,Tedesco M,Wang Y J,et al.

Retrieval of snow grain size over Greenland from MODIS

[J].RemoteSensing of Environment,2009,113(9):1976-1987.

[本文引用: 1]     

[17] Warren S G.

Optical constants of ice from the ultraviolet to the microwave

[J].Optical Society of America[J].1984,23:1206-1225.

[本文引用: 1]     

[18] Warren S G,Brandt R E.

Optical constants of ice from the ultraviolet to the microwave: A revised compilation

[J].Journal of Geophysical Research,2008,113,D14220.doi.10.1029/2007JD0-

[本文引用: 1]     

[本文引用: 1]     

[19] Mugnai A,Wiscombe W J.

Scattering of radiation by moderately nonspherical particles

[J].J.Atmos.1987,37:1291-1307.

[本文引用: 2]     

[20] 蒲健辰,姚檀栋,段克勤,.

祁连山七一冰川物质平衡的最新观测结果

[J].冰川冻土,2005,27(2):199~204.

[本文引用: 1]     

[21] Flowerdew R, Haigh J.

An approximation to improve accuracy in the derivation of surface reflectance from multi-look satellite radiometers.

Geophysical Research Letters, 1995, 22(13): 1693-1696.

[本文引用: 1]     

[22] Veefkind J P,Leeuw G de, Durkee P A.

Retrieval of Aerosol Optical Depth over Land using two-angle view Satellite Radiometry during TARFOX.

Geophysical Research Letters, 1998, 25(16):3135-3138.

[23] Grenfell T C,Warren S G.

Representation of a nonsperical ice particle by a collection of independent spheres for scattering and absorption of radiation

[J].J.Geophys.Res.1999,104(24):31697-31709.

[本文引用: 2]     

[24] 郝晓华.

山区雪盖面积和雪粒径光学遥感反演[D]

.兰州:中国科学院寒区寒区环境与工程研究所,2009.

[本文引用: 1]     

/