北半球の冬の間、地球の地表の約 3 分の 1 が雪に覆われます。しかし、極度の地球温暖化への対応として、最長の衛星画像が示すように、1960 年代以降、積雪量は大幅に減少しています (Dahlman, 2016)。積雪は、地球の気候と生態系にとって非常に重要であり、その特別な物理的特性により、エネルギー バンク、放射線シールド、断熱材、貯水池、水輸送媒体として機能します (Pomeroy and Brun, 2001)。
科学者は、積雪のダイナミクスを測定するために、フィールド モニタリング、リモート センシング、および水文学的モデリングを開発しました。 3 つの方法にはそれぞれ、この使命を果たす上で利点があります。たとえば、現場観測は、積雪量の最も正確で最も長い測定記録を提供します。リモート センシングは、大規模な雪の観測に威力を発揮します。水文学的モデルは、将来の降雪を予測する唯一の方法です。
ただし、これらのアプローチを単独で使用すると、多くの制限が明らかになります。たとえば、雪の測定が常に最も重要な山岳地帯では、地上の観測所がまばらにしかありません。リモート センシング データと水文モデルは、雪の物理学と自然環境に関する現在の知識が不十分であるため、多くの場合、大きなエラーが発生します。
最近の研究で、Dong (2018) は、現場観測、リモートセンシング、および水文モデルを組み合わせて適用することにより、積雪量の測定を改善するための総合的なフレームワークを提案しました (図 1 を参照)。成功した研究の試み (Dong and Menzel, 2016) に基づいて、Dong (2018) は、点ベースのフィールド観測を使用して、リモートでセンシングされた面積スケールの雪データを修正することを提案しています。
地上とリモートセンシング情報の融合は、前者の高精度と後者の幅広いカバー範囲のバランスを取り、最高の雪観測を提供します。特に、急速に増加しているインターネットベースのデジタル写真に照らして、地理学者は機械学習技術を使用してジオタグ付き写真から雪情報を抽出し、それらを Volunteered Geographic Information (VGI) として扱うことができます (図 2 を参照)。たとえば、携帯電話の写真を Google マップや Flickr にアップロードするのが好きな人はたくさんいます。
これらのジオタグ付きの屋外写真は、雪の存在/不在の情報を提供し、これらの携帯電話は気象観測所のセンサーとして機能します。大規模な Web ベースのデジタル写真は、高価な地上局のまばらなネットワークを強化するのに価値があり、リモートでセンシングされた雪データの改善に役立つ可能性があります。これらの改善された積雪観測が水文学モデルのデータ入力として使用される場合、雪科学者はおそらくより正確な予測を生成し、より信頼性の高い水資源評価を提供するでしょう.
この研究については、「積雪研究におけるリモート センシング、水文学的モデリング、およびその場観察」というタイトルの記事で説明されています。最近 Journal of Hydrology に掲載されたレビューです。 .このプロジェクトは、カリフォルニア大学ロサンゼルス校の環境と持続可能性研究所の Chunyu Dong によって完成されました。
参考文献:
<オール>
