雪水当量的三种算法与各自的盲区

为什么 SWE 难测

雪是空气、冰、液态水的混合物。同一深度 1 m 的雪，密度可以从 50 kg/m³（新雪）到 500 kg/m³（老化雪）差 10 倍。所以"SWE = 雪深 × 密度"这个公式里，雪深好测，密度才是真正的难题。雪层内部密度分布不均（表层松、底层实），单点密度采样代表性极差。

三种主流算法各自绕开了密度问题，但绕开的方式不同，盲区也不同。

算法一：雪深 × 主动密度采样

最直接。用超声或激光雪深计测 h，用雪层密度剖面仪（中子法、电容法）测 ρ(z)，积分得 SWE = ∫ρ dz。

优点：原理清晰，可与人工雪坑对照，是"基准方法"。

盲区：

• 密度采样是点测量，1 m² 的采样面积代表不了 100 m² 的雪场。雪在风的作用下空间异质性极大，山脊与洼地的密度可差 30%。
• 雪层密度剖面仪贵且维护复杂，野外站点难普及。
• 中子法需要放射源，许可与运输受限。

适用：研究站、基准站，不适合业务化运行。

算法二：称重式雪枕

用一块 1~3 m² 的橡胶雪枕，内部充防冻液，测液体静压变化推 SWE。这是 WMO 推荐的业务方法。

优点：直接测"重量"，绕开密度；精度 ±5% SWE，业务可用。

盲区：

• 雪枕面积小（1~3 m²），代表的是"这一小块"，不是流域。桥接"点 SWE"到"流域 SWE"需要多站点空间插值，误差随地形复杂度上升。
• 雪枕会被风吹雪"喂"出额外重量（雪粒撞击压力计读数），高风区读数偏高。
• 长期使用后橡胶老化、防冻液渗漏，零点漂移。

适用：气象站、水文站，作为业务基准。

算法三：被动微波遥感

卫星（如 AMSR2、SMAP）接收地表 18~89 GHz 微波辐射，反演 SWE。原理是干雪对微波半透明，雪越厚、密度越高，亮温越低。

优点：覆盖范围大（一片轨过几百公里），不受天气影响，可补足地面站稀疏区域。

盲区：

• 森林覆盖失效：树冠发射的微波信号远强于雪，森林区反演误差可达 50% 以上。这是全球 SWE 遥感的头号问题。
• 深雪饱和：SWE > 150 mm 时亮温趋于饱和，反演对增量不敏感——"知道有雪，不知道有多少"。
• 湿雪失效：液态水改变介电常数，微波被吸收，反演算法崩溃。融化期的 SWE 基本测不准。
• 空间分辨率粗：典型像元 10~25 km，山区的像元内雪深变化极大，反演值是"平均"，不代表具体点位。

适用：大尺度气候监测、平原区域，不适合山区与森林。

三个盲区叠加的后果

三种方法测的不是同一个 SWE：

• 雪枕测的是"点位 SWE"
• 微波遥感测的是"像元平均 SWE"
• 雪深×密度测的是"剖面 SWE"

把三者直接比较会发现：山区里，称重式雪枕读 200 mm，相距 500 m 的另一站点读 80 mm，卫星像元反演 120 mm——三个都对，但都说不上"真值"。这就是为什么流域融雪预报从不依赖单一方法，而是用多源融合：站点做基准、遥感做空间扩展、模型做时间外推。

还有一个被忽视的盲区

以上三种都假设"雪都在地上"。但风会把雪吹到树林、洼地、迎风坡，形成"风吹雪堆积"。一个流域的总 SWE，应当包括这些"非地面"积雪。但目前没有任何业务方法能测它——这是融雪预报里最不确定的一项，也是"为什么融雪量总是高估或低估"的隐藏原因之一。

结语

没有"最好的 SWE 算法"，只有"对场景最合适的"。研究站用剖面法，业务站用雪枕，大尺度用遥感——承认各自的盲区，比追求"一个正确答案"更接近真相。