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。由于我国自主北斗卫星导航系统的轨道多变性，以及我国地基GNSS站网自然环境的复杂性，积雪深度算法和产品的研制工作滞后于成熟的GPS。针对这一难题，中国气象局气象探测中心梁宏博士与北京大学地球与空间科学学院遥感所万玮博士组织了联合研究团队，在国家自然科学基金等项目支持下，于2020—2022年开展了“需求牵引、突破瓶颈”为导向的攻关，建立了一套考虑北斗轨道特色的GNSS气象业务站网积雪深度高精度自动化算法框架，首次研制了积雪深度产品GSnow-China。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气象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，将长期提供一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1. GNSS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形的影响。创始人美国Kristine Larson教授提出的经典雪深算法主要是面向GPS这类轨道不变的卫星。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，研究团队提出了将地形坡度角赋予明确物理表达的GSnow-TERR模型，形成站点周围全方位地形模拟。多站试验结果表明该模型将北斗、GLONASS和Galileo等变轨数据利用率大幅提升了38.21%。

图2. GSnow-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，研究团队建立了一套积雪深度高精度自动化反演框架，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，该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4. GNSS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版共享于国家青藏高原科学数据中心（链接：https://doi.org/10.11888/Cryos.tpdc.271839）。课题组研究生张洁、刘宝剑、郭祉辀，探测中心梁静舒等为主要参加者。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。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。

相关论文信息：

[1]Wan W, Zhang J, Dai L, Liang H, Yang T, Liu B, Guo Z, Hu H, Zhao L. A new snow depth data set over northern China derived using GNSS interferometric reflectometry from a continuously operating network (GSnow-CHINA v1. 0, 2013–2022). Earth System Science Data, 2022, 14(8): 3549-3571.

[2]Wan W, Zhao L, Zhang J, Liang H, Guo Z, Liu B, Ji R. Toward terrain effects on GNSS Interferometric Reflectometry snow depth retrievals: geometries, modeling, and applications. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 4415514.

[3]Liu S, Zhang J, Wan W, Liang H, Liu B, Guo Z. A comprehensive evaluation of utilizing BeiDou data to estimate snow depths from two ground-based stations. GPS Solutions, 2022, 26(4): 118.

[4]Zhang J, Liu S, Liang H, Wan W,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.