AN AUTOMATIC ALGORITHM ON ESTIMATING SUB-PIXEL SNOW COVER FROM MODIS

积雪覆盖(snow cover)是气候、水文和生态环境等研究领域中很重要的参数之一.与积雪覆盖二值技术不同,亚像元雪盖反演技术可以在给定卫星观测空间分辨率前提下进一步提高积雪覆盖面积的反演精度.“多端元光谱混合分析”方法反演亚像元积雪覆盖度具有物理意义明确、精度高等优势.但由于其需要通过端元选取、最小二乘法反演等计算,运行效率较低,难以满足大数据量计算.我们发展了一种改进“多端元光谱混合分析”方法反演MODIS亚像元积雪覆盖的算法.该算法通过对MOD09GA数据进行图像端元自动提取,并利用能够代表图像端元类的典型端元库进行“多端元光谱混合分析”反演亚像元积雪覆盖.我们在端元选取、多端元线性混合模型分解等方面进行了改进与发展,不仅保证了产品精度,同时提高了计算的时效性.     

青藏高原NOAA／NESDIS数字化积雪监测的评价

对１９９３／１９９４年青藏高原１６幅ＮＯＡＡ积雪监测的分析，评价了ＮＯＡＡ／ＮＥＳＤＩＳ积雪监测经的精度，证实本监测区域含５０个以上ＮＯＡＡ／ＮＥＳＤＩＳ网格单元时，该资料统计值才能满足ＷＣＲＰ监测雪盖率的精度要求。     

基于数字摄影测量的雪盖制图方法探讨

受地形、 植被、 太阳辐射以及分吹雪等因素影响, 山区积雪时空分布差异性很大, 人工观测和卫星遥感手段很难获取高时空分辨率的雪盖信息. 2010年3-5月在祁连山葫芦沟一级小支流开展了相机摄影试验, 并应用摄影测量技术将野外拍摄影像转化为正射积雪空间分布图像, 以此获取小流域高时空分辨率的积雪分布信息. 结果表明: 20次摄影测量后方交会解得到的摄影中心与实测摄影中心误差ΔX 分布在-9.27~25.51 m之间, 而ΔY分布在-33.53~18.2 m, ΔZ区于-3.33~9 m之间. 单张积雪制图误差分析表明, ΔX 分布在-9.27~25.51 m之间, 而ΔY分布在-33.53~18.2 m, ΔZ区于-3.33~9 m之间, 边缘处积雪制图误差大于中心位置. 进一步分析表明, 高程数据精度、 摄影距离和摄影倾角等因素影响数字摄影测量雪盖制图的精度. 随着地形数据精度的提高, 正射积雪制图的精度有很大的提升空间, 相机摄影测量也将成为小流域尺度、 坡面尺度雪盖信息获取的有效手段之一.     

青藏高原雪盖对亚洲季风影响研究进展

资料分析和数值模拟均表明,青藏高原作为一个特殊的抬高了的下垫面,其上雪盖面积和积雪日数等的异常均与亚洲夏季风的强弱及起讫有关．雪盖面积大、积雪日数多的年份,亚洲季风弱且爆发迟,推进慢;雪盖面积小、积雪日数少的年份,亚洲季风强且爆发早,推进快．但也存在不同的看法     

北半球雪盖与我国夏季降水的相关分析

本用１９６７－１９８３年北半球卫星雪盖资料，对北半球北美、欧亚和青藏高原三个区域雪盖与我国东部地区夏季降水进行了相关分析。分析表明，三个区域夏季雪盖与夏季降水，以欧亚雪盖与降水的相关性最好，与青茂高原的雪盖相关性最小；北美冬、夏季雪盖与降水相关分布有着某种相反的分布，而青藏高原冬、夏季积雪与降水相关分布却有着某种相似的分布。     

内蒙古锡林郭勒草原雪盖与植被覆盖重叠关系的遥感分析

本文以内蒙古锡林郭勒草原中部锡林浩特市地区为研究区，应用陆地资源卫星ＴＭ影像资料，编绘出１：５０万植被图；应用１９９２年１２月２８日的ＮＯＡＡ气象卫星ＡＶＨＲＲ数据，结合地面准同步实测雪深数据及有关气象台站的记录，绘制出雪盖分布范围和积雪深度图。在对雪盖图和植被图叠加分析的基础上，得出１９９２年冬季研究区积雪掩埋牧草高度等级图。在此基础上，探讨了积雪分布和草场植被结构的空间重叠对应关系，为牧区积雪灾害危险性评价提供了科学依据。     

青藏高原中、东部局地因素对地温的双重影响(Ⅰ): 植被和雪盖

青藏高原冻土区地温既受海拔、纬度和经度(干燥度)区域地带性规律控制, 同时它又受植被、雪盖、砂层、 水被和地质构造等局地因素的显著影响. 局地因素对地温的影响具有双重性: 在不同域值条件下, 它可增高或降低地温. 地温随植被覆盖度减小而逐渐增高, 但覆盖度减到0～20%时, 地温反而降低. 在青藏高原东部、南部和腹部的高山区, 冷季降雪多, 很多地段为稳定积雪区, 雪盖厚, 持续时间长, 对浅层地温起保温作用;而高原腹部的高平原、河谷和盆地冷季降雪较少, 雪盖薄, 持续时间较短, 一般保温作用微弱. 当雪盖厚度超过20 cm以后, 保温作用即开始增强;在暖季因积雪存在时间短, 雪盖薄, 短期内对浅层地温起冷却作用. 总之, 每种局地因素迫使地温向相反方向转化阶段是一个区间值, 为渐变过程. 随时空尺度变化, 局地因素的影响变化很大. 有些地段, 几种局地因素共同作用, 加上活动构造和地形、地貌等的影响, 使地温的时空分布和局地因素对其影响或控制变得错综复杂. 因此, 研究和预测地温特征和变化趋势, 需要在监测植被和积雪作用的基础上进行参数选择、 验证和优化.     

青藏高原中、东部局地因素对地温的双重影响（I）：植被和雪盖

青藏高原冻土区地温既受海拔、纬度和经度（干燥度）区域地带性规律控制,同时它又受植被、雪盖、砂层、水被和地质构造等局地因素的显著影响。局地因素对地温的影响具有双重性：在不同域值条件下,它可增高或降低地温。地温随植被覆盖度减小而逐渐增高,但覆盖度减到0～20％时,地温反而降低。在青藏高原东部、南部和腹部的高山区,冷季降雪多,很多地段为稳定积雪区,雪盖厚,持续时间长,对浅层地温起保温作用;而高原腹部的高平原、河谷和盆地冷季降雪较少,雪盖薄,持续时间较短,一般保温作用微弱。当雪盖厚度超过20cm以后,保温作用即开始增强;在暖季因积雪存在时间短,雪盖薄,短期内对浅层地温起冷却作用。总之,每种局地因素迫使地温向相反方向转化阶段是一个区间值,为渐变过程。随时空尺度变化,局地因素的影响变化很大。有些地段,几种局地因素共同作用,加上活动构造和地形、地貌等的影响,使地温的时空分布和局地因素对其影响或控制变得错综复杂。因此,研究和预测地温特征和变化趋势,需要在监测植被和积雪作用的基础上进行参数选择、验证和优化。     

基于MODIS数据的东北地区积雪覆盖率估算

东北地区是我国三大积雪区之一,森林覆盖面积占总面积的40%左右。受森林冠层的影响,当前的MODIS雪盖产品（V6）提供的积雪覆盖率标准模型对东北地区积雪覆盖率估算结果存在明显的低估现象。基于此,采用分区建模的方式：在森林地区,计算归一化差值林地积雪指数（NDFSI）,建立像元积雪覆盖率（FSC）与NDFSI及NDVI之间的线性关系;在非森林地区,采用MOD10A1 V6提供的归一化差值积雪指数（NDSI）,建立像元积雪覆盖率（FSC）与NDSI及NDVI之间的线性关系。采用Landsat 8 OLI数据提取的积雪覆盖率（FSC）对分区建模的估算结果与标准模型的估算结果进行对比,发现进行估算的过程中均方根误差和平均绝对误差这两项指标的数值相对于标准模型有了大幅下降,这一结果在林区有更显著的表现。计算得到的决定系数R²,在本文模型也有提高。以T1林区影像为例,本文模型的均方根误差和平均绝对误差分别为0.246、0.055,而标准模型的两项指标则分别为0.420、0.348。本文模型和标准模型的决定系数分别为0.675、0.641。     

天山地区SAR数据雪盖制图研究

在分析合成孔径雷达（ＳＡＲ）成像机理及雪盖参数散射特性的基础上，利用航天飞机搭载的成像雷达（ＳＩＲ－Ｃ）获取的天山Ｃ波段、多极化ＳＡＲ数据，进行提取雪盖信息的实验。数据通过预处理、散射系数图像的计算、去噪、入射角改正等处理后，利用ＢＡＹＥＳ监督分类方法产生该地区的雪盖分类图。实验结果表明，利用多波段、多极化ＳＡＲ进行雪盖制图是可行的。     

基于HJ-1B卫星数据的积雪面积制图算法研究

积雪是影响气候变化的重要因子, 采用更高时空分辨率的环境减灾卫星遥感数据进行积雪制图算法的研究, 对推进我国自主遥感卫星在积雪监测领域的应用具有重要意义. 采用环境减灾HJ-1B卫星数据, 以青海省果洛藏族自治州达日县为研究区, 应用归一化差值积雪指数(NDSI)法建立了基于HJ-1B卫星数据的积雪面积制图算法, 并比较MODIS与HJ-1B积雪图精度. 结果表明: 研究区HJ-1B积雪制图合理的NDSI阈值为0.37, 总分类精度达到97.97%; 与"真值"影像比较, HJ-1B积雪图K_hat系数为0.911, 高于MODIS的0.817. 说明该研究建立的基于HJ-1B积雪制图算法精度可靠, 适合对研究区积雪进行实时动态监测. HJ-1B更高的空间分辨率对提高研究区积雪覆盖面积监测精度具有重要的使用价值, 但是地形因素是影响HJ-1B数据积雪分类精度的一个重要原因, 随着坡度的增加, 分类误差也随之增大, 尤其是多测误差增加比较显著.     

基于不同土地覆盖类型NDSI阈值优化下的青藏高原积雪判别

美国国家雪冰数据中心（NSIDC）发布的MODIS第6版本逐日积雪范围产品（V6）仅提供了归一化积雪指数（NDSI）,而用户往往关心的是积雪范围或积雪覆盖率。NSIDC推荐全球积雪范围最佳的NDSI阈值为0.4,但是青藏高原地形复杂,积雪斑块化特征明显,单一的NDSI阈值并不能精确地判识不同下垫面上的积雪。不同的土地覆盖类型可能影响积雪判别的NDSI阈值。以青藏高原为研究对象,基于高分辨率卫星Landsat-5 TM数据,获取了青藏高原不同土地覆盖类型下判识积雪的最优NDSI阈值。结果表明,在草地和稀疏植被地表类型下,最优NDSI阈值分别为0.33和0.40;在其他下垫面类型下,最优NDSI阈值为0.47。以Landsat 8 OLI数据为"真值"对该NDSI阈值确定的积雪范围进行了精度检验。结果表明,采用新的NDSI阈值获取的MOD10A1 V6积雪范围产品的总体精度OA、错分误差OE和漏分误差UE分别为87.88%、5.20%和6.87%。而采用传统的0.4阈值时,其OA、OE和UE分别为87.36%、3.98%和8.60%。这表明考虑不同土地覆盖类型下的NDSI阈值优化可以有效地提高青藏高原积雪判别精度,特别是对占比面积较大的草地区域,通过NDSI阈值优化可以更加准确地识别积雪范围。     

基于MODIS的青藏高原逐日无云积雪产品算法

青藏高原积雪对高亚洲地区水和能量循环起着重要的反馈和调节作用,其变化影响着融雪性河流流量,对下游水资源和经济活动具有重要影响。中分辨率成像光谱仪（MODIS）具有较高的时空分辨率,被广泛应用于积雪遥感动态监测,然而光学遥感积雪受云层影响严重,且青藏高原地区水汽分布不均,局地对流活跃,积雪的赋存时间变化快,这给高原地区逐日积雪监测及其气候学制图带来挑战。在考虑青藏高原地形和积雪分布特征情况下,结合现有的云覆盖下积雪判别算法,采用8个不同方法的组合,逐步实现MODIS逐日无云积雪算法。选取2009年10月1日-2011年4月30日两个积雪季为研究期,并采用145个地面台站观测雪深数据对去云算法各步骤过程开展精度验证,结果表明：当积雪深度>3 cm时,逐日无云积雪产品总分类精度达到96.6%,积雪分类精度达83%,积雪判对概率（召回率）达到89.0%,算法可实现青藏高原地区逐日无云积雪动态监测和积雪覆盖气候学数据重建,对高亚洲地区的水、生态和灾害等全球环境变化影响研究具有重要的意义。     

基于合成孔径雷达(SAR)的积雪监测研究进展

积雪是冰冻圈中最重要的组成要素之一, 积雪研究对于气候变化、 水文循环等科学研究和农业灌溉、 减灾防灾等生产活动都具有重要意义.合成孔径雷达(SAR)不仅具有穿云透雾, 全天候观测地表的能力, 而且可穿透地表覆盖一定深度获取地表覆盖物内部特征信息.近年来SAR技术在冰冻圈科学研究中已广泛应用. 综述了SAR积雪监测研究的国内外进展, 对当前主要的SAR积雪遥感模型进行了总结分析, 着重介绍了当前主要的SAR和SAR干涉测量技术(InSAR)积雪面积制图方法、 雪水当量(SWE)反演算法、 积雪密度和雪深提取方法, 并对未来可能的研究方向进行了展望.     

MODIS逐日积雪产品去云算法研究

由于积雪和云的反射特性, 使用光学遥感监测积雪受到天气的严重干扰, 对研究区云量的分析表明, 无论是MOD10A1还是MYD10A1, 云都是影响该产品对研究区积雪进行实时监测的最大影响因素. 综合不同去云方法, 利用MODIS逐日积雪产品和被动微波数据AMSR-E雪水当量产品, 生成了MODIS逐日无云积雪图像, 并利用研究区85个地面气象观测台站提供的雪深数据对合成的单日无云积雪产品进行验证. 结果表明: 当积雪深度>3 cm时, 新产品的积雪分类精度达到91.7%, 该产品对实时监测青藏高原积雪动态变化具有重要的使用价值.     

东北地区MODIS和AMSR-E积雪产品验证及对比

通过2002-2008年6个积雪季节的Terra-Aqua/MODIS积雪产品(MOD10A2、MOD10C2)和Aqua/AMSR-E雪水当量产品,分析了东北地区积雪覆盖面积的变化特征,以研究区气象站点观测的积雪数据为真实值来验证两种产品积雪信息的精度,探讨了云覆盖、土地利用类型和雪深对积雪覆盖精度的影响.结果表明:云的存在对微波数据积雪识别的影响较小,在积雪量较多的12月至次年的2月随云量百分比的变化,MOD10A2积雪覆盖面积比例大体出现负变化.因此,在有云情况下AMSR-E数据反演积雪精度最好.对比草地、耕地、林地和居民地4种土地覆盖类型对监测积雪覆盖精度的影响,发现林地对其影响最大,在林区3种积雪产品的积雪识别精度分别为55.8%、81.2%、85.4%;雪深对AMSR-E积雪产品识别精度影响较小,总体精度为97.8%;积雪深度对MOD10A2积雪产品识别精度影响较大,总体精度为57.3%.MOD10A2、MOD10C2和AMSR-E 3种积雪产品的总体反演精度分别为69.3%、76.6%、76.3%.有必要开发适用于东北地区的积雪覆盖算法,提高估算精度,为能量平衡估算、气候模型、农业生产、土壤墒情监测服务.     

基于MODIS的青藏高原季节性积雪去云方法可行性比较研究

青藏高原地处中纬度地区,季节性积雪分布破碎,地面观测站点稀少,中分辨率成像光谱仪（MODIS）可为该地区提供每日积雪监测数据,然而云是光学遥感最大的影响因素,为研究MODIS每日积雪产品去云方法在青藏高原的适用性,根据原理将去云方法归纳总结为五大类,并对每种方法的“潜在假设”开展分析讨论。结果显示：基于时间连续性的方法适用性强,去云效果明显,上下午积雪连续的平均概率为72.5%,而2~5d的连续积雪的概率为5.6%~43%不等,可靠性差;临近像元法可去除零散分布的云,平均正确率达到95.5%,但去除云量较少;基于高程的去云算法在山区适用性好,而在高原腹地由于坡度较小而错判概率较大;采用被动微波遥感数据进行去云则依赖于微波对云的识别率,往往误差较大;采用数学方法拟合积雪边界在积雪破碎、降雪融雪较快的青藏高原地区,物理意义较弱。通过分析研究表明,青藏高原地区MODIS日积雪产品的去云,需综合多种算法的区域适用性,充分考虑青藏高原地形及积雪本身的特征,逐步完善每日积雪去云工作。     

青藏高原积雪被动微波遥感资料与台站观测资料的对比分析

积雪资料的可靠程度在反映积雪变化、预估后期气候变化时非常重要, 利用青藏高原74个气象台站资料与被动微波遥感资料进行对比分析. 结果表明: 两种积雪资料在高原南部边缘、高原东部唐古拉山与念青唐古拉山东部均表现为高值区, 在柴达木盆地、高原腹地及沿雅鲁藏布江一线表现为一致的少雪区,在青海南部和藏东南地区差异较大.遥感资料的积雪深度和积雪日数变化敏感区与台站观测资料存在差异.在积雪的显著季节性特征及气候尺度上的年际变化特征方面, 遥感资料与台站资料具有很好的一致性, 但遥感资料在刻画积雪季节内波动特征方面欠佳, 且年平均积雪深度和积雪日数遥感数据偏大.对AMSR-E逐日积雪资料进行评价发现, 高原腹地总精度大于高原边缘地区, 海拔3 000 m以下的反演精度较高, 雪深在9~10 cm时的反演精度较高.     

基于多源遥感数据的疏勒河上游山区流域VIC-CAS模型积雪模拟效果评估

积雪积累和消融过程是冰冻圈水文模型的重要组成部分,利用多源遥感数据对水文模型模拟的积雪分布和深度进行评估是进一步增强融雪过程模拟的物理基础,也是提高模拟可靠性的重要手段。基于2002—2013年疏勒河上游山区流域MODIS地表反射率数据集和中国雪深长时间序列数据集,对VIC-CAS模型模拟的逐日积雪覆盖度和雪深进行了综合评估。结果表明：从不同降雪年份来看,VIC-CAS模型可以较好地模拟多雪年（2008年）疏勒河上游山区流域积雪的覆盖度,在平雪年（2004年）和少雪年（2013年）模型模拟精度相对较低。从不同海拔的模拟结果来看,在流域占比最高的4 000~5 000 m高程带精度最高,2 000~3 000 m高程带精度最低;对比模拟雪深与中国雪深产品发现,多雪年的一致性较高,平雪年和少雪年的一致性较低。这表明VIC-CAS模型对疏勒河上游日尺度的积雪覆盖度和雪深的模拟精度相对较低,特别在低海拔处和薄雪情况下,其原因可能是对积雪再分布和风吹雪过程的模拟算法和参数化存在较大的不确定性,需要进一步改进。