基于Sentinel-1 SAR与地面观测的加拿大不列颠哥伦比亚省积雪消融时间估算对比研究

本研究针对大范围积雪消融时间难以准确监测的问题，利用Sentinel-1 SAR数据和52个自动雪水当量(SWE)站点观测数据，开发了手动与自动两种积雪消融起始时间估算方法。结果表明，轨道分离的VV/VH极化图像时间序列中绝对后向散射极小值的均值可提供最优估算(RMSE=11天)，为水文模型和无监测流域管理提供了可靠技术支撑。

　　

积雪作为全球淡水资源的重要组成部分，其消融时间直接影响生态系统健康、洪水频率和水电调度。然而在复杂地形区域，传统地面观测站点稀疏且多分布于低海拔区，难以反映大尺度空间异质性。合成孔径雷达(SAR)虽能穿透雪层探测液态水含量(LWC)变化，但不同处理方法（如极化方式、轨道分离策略）的准确性尚未系统评估。加拿大不列颠哥伦比亚省(BC)作为典型多山地区，其积雪贡献了全省71%的径流量，精确监测积雪消融动态对水资源管理至关重要。

为此，研究人员利用2018-2021年Sentinel-1 SAR数据和52个自动SWE站点数据开展对比研究。通过开发基于SWE和气温记录的规则化算法确定地面真实消融起始时间，并系统评估了VV/VH极化、10m/30m分辨率、轨道/方向分离等48种SAR数据处理组合的准确性。研究创新性地引入局部极小值检测和基于历史积雪数据的70天时间窗口约束，显著提升了估算精度。相关成果发表在《Remote Sensing of Environment》期刊。

关键技术方法包括：1) 使用Google Earth Engine预处理Sentinel-1 L1级数据，应用地形辐射校正和斑点滤波；2) 基于R语言开发规则化算法，结合SWE下降时段、气温>0°C持续时间等特征评分确定地面真实消融时间；3) 采用loess回归(span=0.25)平滑SAR时间序列；4) 通过SRTM DEM和MODIS积雪数据建立区域-地形特异性时间窗口；5) 比较绝对/局部后向散射极小值与地面观测的RMSE、MAE、MBE指标。

3.1 地面观测估算结果
规则化算法确定的消融起始时间在2018-2021年平均为第117-121天（4月底至5月初），标准差5.9-13.4天，验证了算法对最大SWE与径流期时间差的捕捉能力。

3.2 SAR估算方法比较
轨道分离数据表现最优，因相同视角几何可减少地形引起的后向散射变异。VV极化估算误差(RMSE=5.3天)低于VH极化，但组合使用二者可兼顾低角度敏感性与植被穿透性。局部极小值检测使手动选择精度提升50%，但自动化方法中绝对极小值更稳定。

3.3 自动化方法验证
轨道分离的VV+VH绝对极小值均值法为最优自动化方案(RMSE=11天)，误差无空间聚集性。深层积雪(>1400mm)和极端入射角(<20°或>60°)会增大VH估算误差。

4.3 无监测流域应用建议
研究推荐在无地面数据区域采用轨道分离的VV/VH组合均值法，需辅以浅雪区掩膜避免假阳性。2019年异常天气导致的多次冻融循环使误差增大，说明方法在渐进式消融季节的局限性。

该研究首次在BC省异质性山区系统验证了SAR积雪消融监测的适用性，建立的自动化流程为水文模型提供了独立于地面观测的输入参数。轨道分离策略和时空约束窗口的创新应用，解决了多轨道数据整合的精度损失问题。未来可结合机器学习优化极小值选择，或引入Ku/X波段提升浅雪区监测能力。研究成果对气候变化背景下的季节性水资源调度具有重要实践价值。