科研动态 | 中山大学遥感科学与技术学院重力遥感与导航团队在GNSS-IR监测雪旱方面取得新进展
1 、背景和意义
季节性积雪是全球部分典型地区的重要“固态水库”，对区域水安全至关重要。全球变暖导致极端“雪旱”（少雪）和“雪洪”（丰雪）事件频发，严重威胁积雪资源的稳定性。目前主流的雪深监测技术（如原位观测、遥感卫星）存在时空分辨率有限、易受天气影响等局限。全球导航卫星系统干涉反射测量技术（GNSS-IR）作为一种新兴的雪深监测手段，具备分钟级时间分辨率、全天候观测和低成本复用等优势，有望成为构建现代积雪立体监测体系的重要一环。
本研究聚焦美国加州的萨克拉门托河流域（图1），基于GNSS-IR技术反演雪深数据，揭示其时空变化特征；开发一种新型的雪旱评估指数，量化区域积雪异常，并调查降雪异常事件对区域水文系统的影响。本研究旨在提供雪深动态监测与雪旱量化评估的创新解决方案，增强对山区水文过程的认知能力，为区域水资源的安全管理与适应性规划提供了科学依据。
图1 (a) 加州地理环境与地面站点分布。浅蓝曲线为萨克拉门托河流域边界。(b) GNSS-IR雪深反演原理图。(c)-(e)信噪比数据处理和主频提取。(f)不同高度角下的第一菲涅耳反射区。
2 、研究内容和结果
利用美国板块边界观测计划网络中GNSS站点的信噪比观测数据，反演得到单天雪深时序数据。为评估反演精度，将其与地面原位观测雪深实测值进行了对比验证。结果表明，GNSS-IR反演结果与地面实测值高度一致，平均绝对误差（MAE）为8.3 cm，均方根误差为13.8 cm。如图2所示，以P385站点为例，反演序列清晰捕捉了研究区域内积雪的关键积累与消融过程，与地面实测观测数据时间演化一致，充分印证了GNSS-IR技术的高采样、高精度和全天候雪深监测能力。
图2 站点P385的反演雪深与地基雪深对比。红色为GNSS-IR反演雪深，蓝色为地面实测雪深，灰色误差棒表示扩大十倍的标准差值。
基于Gringorten经验频率分析法，将GNSS-IR雪深反演序列转换为标准化雪深指数（Standardized Snow Depth Index, SSDI），以量化雪深异常。如图3所示，SSDI能够准确识别主要的雪旱与雪洪事件，揭示雪深异常程度及时间动态变化。2009年至2023年期间，出现了多个严重雪洪年份（如2011、2019 和2023）以及雪旱年份（如2012-2015、2018）。结合气温与降水数据，将雪旱划分为“干雪旱”与“暖雪旱”两种类型。图4显示，雪旱呈现明显的季节分异特征：干雪旱（由降水偏少驱动）多集中在雪季早期（12月至次年1月）；而在雪季中后期（2月至3月），暖雪旱（受气温偏高影响）的发生频率显著增加。
图3 萨克拉门托河流域2009-2023年SSDI时间序列。红色柱体表示雪旱期，蓝色柱体表示雪洪期，灰色柱体表示接近历史平均水平。
图4 各GNSS站点的雪旱类型分布。白色为未发生雪旱，黄色为干雪旱，粉色为暖雪旱，橙色为干暖复合型雪旱。
通过解析SSDI及干/暖雪旱事件与地下水、径流的时序动态关系，进一步揭示了雪旱的水文响应过程及其影响机制。如图5a所示，SSDI与地下水位及春季径流的变化高度同步，印证了积雪对区域水文过程具有关键调控作用。干雪旱与暖雪旱通常导致明显不同的水文响应特征（图5b、5c）：干雪旱往往导致年度尺度的持续性雪旱状况，而暖雪旱则呈现“短期径流增加、长期干旱加剧”的典型模式。在气候变暖背景下，暖雪旱可能进一步加剧冬季洪水与夏季干旱的复合风险。
图5 (a) 融雪期（4-6月）SSDI与标准化融雪径流、地下水位的协同变化。(b)流域尺度的美国干旱监测（USDM）指数。(c) 2014水年的月度气温和降水异常。
3 、总结与展望
本研究验证了GNSS-IR技术在监测区域雪深动态与识别极端积雪异常事件方面的能力，所构建的SSDI指数为评估积雪水资源提供了有效工具。结果表明，研究流域在年际尺度上存在显著的“雪旱-雪洪”交替现象，并具有明显的季节性分异特征。进一步分析发现，积雪异常与相关水文变量响应总体正相关，但其关联性受前期干旱条件显著调控，且干、暖雪旱的水文响应机制存在差异。随着GNSS观测网络的扩展与数据积累，该方法有望在全球积雪关键区实现业务化应用，为应对气候变化下的水资源安全提供科学支撑。
4 、发表信息
论文信息及基金资助：
Hui Zhang（张晖）, Yinghong Zhang（张英宏），Manjun Chang（常满军）, Zhongshan Jiang（姜中山*）, Rumeng Guo（郭汝梦）, Xingyuan Yan（燕兴元）, Wei Feng (冯伟) and Min Zhong（钟敏*）. Characterizing snow droughts and deluges in the Sacramento River Basin, California using GNSS-derived snow depth (2009–2023),
Journal of Hydrology, 2025, 134336, doi: 10.1016/j.jhydrol.2025.134336.
国家重点研发计划（No: 2024YFB3908101），
广东省基础与应用基础研究基金（No: 2024A1515030169），
精密大地测量与定位重点实验室（No: SKLPG2025-2-1）
