面向突发雪灾的高时效性积雪产品长期以来是我国气象业务亟需。由于北斗系统轨道多变性、以及我国地基 GNSS站网地形和植被等地表环境的复杂性，积雪深度算法和产品的研制工作长期滞后。针对这一难题，我们提出了变轨卫星地形坡度角物理表达模型 GSnow- TERR，并基于此建立了一套地基 GNSS 气象业务站网积雪深度高精度自动化反演算法框架，首次研制了积雪深度产品 GSnow-China(2013-至今)。该产品利用导航卫星地表反射信号的面状属性信息，空间分辨率介于原位测量与卫星微波产品之间，可有效补充现有地基和天基观测手段的时空代表性。目前，核心算法已顺利完成工程化，首批站点产品已在今年冬季规模化试应用，将长期提供 1小时频次的雪深监测数据服务，拓展了 GNSS业务站网除大气水汽等变量监测之外的服务能力。
图 1GNSS气象业务站网积雪深度产品 GSnow-China
（a）全国站网及 2023年首批已集成至业务系统的站点分布；（b）北斗轨道多变性和地形、植被环境复杂性；（c）多时间分辨率雪深产品
适用于多 GNSS 系统的高精度积雪深度算法需要首先考虑复杂地表环境的影响，因此研究首先解决地形影响问题。创始人 KristineLarson教授提出的经典雪深反演模型主要是面向 GPS 这类轨道不变的卫星，由于卫星每日观测方位基本不变，用有雪期和无雪期天线高做差计算雪深时可消除地形起伏的影响。但是，这种方式并不适用于我国北斗等变轨卫星，尤其是在地形起伏较大的方位很难找到准确的无雪期参考天线高。针对这一难题，我们提出了将地形坡度角赋予明确物理表达的 GSnow-TERR 模型，不同于已有的逐方位聚类方法，该模型将地形坡度角引入多路径相位相对于卫星仰角的导数公式，直接给出各方位坡度角的定量表达，形成站点周围全方位地形模拟，基于该模型每个卫星轨迹都可直接得到对应方位准确的参考天线高。多站试验结果表明该模型将北斗、GLONASS 和 Gal ileo 等变轨数据利用率大幅提升了 38.21%。
图 2GSnow-TERR模型的几何示意图
面向业务应用的GNSS积雪深度算法需要综合考虑精度可靠性和自动处理能力。为此，研究建立了一套积雪深度高精度自动化反演框架,基于前述理论方法基础，并依托佳木斯和阿勒泰两个试验站，针对国际主流模型的北斗适用性进行了深入分析，最终攻克了地形、植被、土壤穿透、初始高度设定、模型自动切换等关键技术，为核心算法的工程化奠定了基础。
图 3针对复杂地表环境的 GNSS站点初始高度确定方法
在 2022年 2月上旬南方突发性暴雪期间，算法和产品经受了南方复杂下垫面条件、多星座联合处理、高时效性等考验，得到中央气象台的认可。
图 4GNSS雪深产品应用于 2022年 2月南方暴雪期间的雪深监测
图 5天衍系统 2023年 1月 21日（除夕）GNSS积雪深度产品
该项工作的相关成果 2022 年先后发表在地学、遥感、导航等领域重要刊物 Earth System Science Data、IEEE Transactions on Geoscience and Remote Sensing、GPS Solutions、Remote Sensing。积雪深度数据1.0 版本共享于国家青藏高原科学数据中心（下载链接：https://doi.org/10.11888/Cryos.tpdc.271839）。中国气象局气象探测中心梁宏博士和北大遥感所万玮博士作为该项工作的共同组织者。课题组研究生张洁、刘宝剑、郭祉辀，探测中心梁静舒、胡姮等为主要参加者。研究工作得到中国科学院国家空间科学中心、中国科学院空天信息创新研究院、中国科学院西北生态环境资源研究院等单位的合作支持。该项工作得到国家自然科学基金、国家对地观测科学数据中心开放基金、中国气象局气象探测中心观测试验等项目资助。研究团队长期致力于地基和天基 GNSS遥感探测机理与反演方法研究，未来将更深入挖掘此新技术手段的陆地水文关键变量探测潜力，以期更好地服务于我国综合气象观测系统。
[4]Zhang J, Liu S, Liang H, WanW, Guo Z, Liu B. Using GNSS-IR Snow Depth Estimation to Monitor the 2022 Early February Snowstorm over Southern China. Remote Sensing, 2022, 14(18): 4530.
