Sentinel-3 雪覆盖分数数据在区域尺度改进水文模拟的潜力

为什么来自太空的雪情很重要

对于许多地区，尤其是山区，冬季积雪是一个天然的水库，融雪会缓慢地将水释放到河流、井、农田和生态系统中。预测下游会有多少水以及何时到达，对于饮用水供应、水力发电、防洪和干旱应对至关重要。本研究探讨了欧洲 Sentinel-3 卫星提供的一种新型雪图是否能通过不仅显示哪里有雪、还显示地面被雪覆盖的比例，从而在全国范围内（以奥地利为例）提升这些水文预报的精度。

从轨道观察冬季

传统的卫星雪图通常把世界简化为“有雪”或“无雪”。Sentinel-3 提供了更丰富的信息：雪覆盖分数，即每个像素中被雪覆盖的比例。为此，卫星传感器记录了地表在多波段下的反射光谱。随后使用一种称为光谱解混的方法，将信号分解为来自雪地和无雪表面（如草地、岩石或土壤）的贡献。由于该方法能自适应当地光照和地形条件，它在阴影与陡坡常使旧方法困惑的崎岖山区尤其有用。

将卫星数据与地面观测对比

为检验这些新雪图的可靠性，研究人员将其与分布在奥地利山谷和山坡的 631 个气候站的日雪深观测进行了比较。在 2017 年到 2023 年间的每一天，他们都问一个简单的问题：站点测量与卫星在是否有雪这一点上是否一致？在所有站点与年份中，一致率超过 95%，与或优于广泛使用的旧产品（如 MODIS）的水平相当。误差多为在中冬季低海拔地区对无雪状况的小幅低估，高海拔地区的误差更小。云层——对光学卫星始终是挑战——虽然仍然显著，但总体比以往的雪产品要少，尤其在冬季的阿尔卑斯山区更为明显。

将更好的雪图输入水文模型

团队接着关注对水利管理者最重要的问题：河流流量。他们使用了一个成熟的水文模型，追踪雪、土壤湿度和地下水如何共同产生来自 188 个流域的径流，这些流域从平坦的低地到陡峭的高山盆地各不相同。研究以两种方式运行模型。第一种仅按常规做法对观测到的河流流量进行校准。第二种则同时校准河流流量和 Sentinel-3 的雪覆盖分数。这种“多目标”方法试图找到既能再现河流中发生的过程又能反映山坡上雪情的模型参数设定。

哪些方面有所改进及其所在

将卫星雪情信息纳入显著使模型内部的雪分布更贴近现实。在高山和低地流域中，当在校准中使用雪覆盖分数时，雪模拟与 Sentinel-3 数据的一致性明显提高。在几乎所有高山流域，雪的模拟行为都有改善，尽管河流流量预测的提升幅度有限，因为这些地区模型原本表现就很好。相比之下，径流预报的最大收益出现在较低海拔的流域。在这些地方，使用雪覆盖分数数据使超过一半的流域的径流模拟得到改进，并且还将一些关键模型参数（例如控制融雪速度和土壤蓄水的参数）朝着更符合物理的数值调整。

这对未来水资源规划的意义

简单来说，研究表明，新的 Sentinel-3 雪覆盖分数图准确可靠，并且当与河流流量记录结合使用时，能帮助水文模型更真实地描绘雪如何供给河流——尤其是在坡度较缓的低地地区。尽管山区的预报本已较好，卫星数据仍然改善了那里的雪情描述，并减少了由云层和地形阴影引起的一些长期存在的制图问题。随着气候变化改变降雪与融雪模式，来自太空的可靠逐日、跨大陆尺度雪情视图并直接与河流模型耦合，将成为预测洪水、管理水库和保障水资源的重要工具。

引用: Tanhapour, M., Parajka, J., Schwaizer, G. et al. Potential of Sentinel-3 snow cover fraction data for improving hydrological simulations at the regional scale. Sci Rep 16, 10588 (2026). https://doi.org/10.1038/s41598-026-46403-2

关键词: 卫星雪监测, Sentinel-3, 水文建模, 融雪径流, 奥地利集水区