基于MODIS数据的雪深反演--以天山北坡经济带为例

应用中分辨率成像光谱仪（MODIS）数据进行雪深遥感反演理论和方法的研究.利用全波 段地物光谱仪对不同深度的积雪进行反射光谱值野外量测且同步测定雪深,通过分析雪深和 反射光谱值的关系确定反演雪深的MODIS最佳观测通道,应用新疆地区冬季MODIS 1B数据, 以天山北坡经济带为实验区,结合该区域同期气象台地面雪深观测记录数据建立雪深遥感反 演数学公式.雪深反演结果与实测值对比表明,应用MODIS数据进行大区域雪深反演时 ,其结果具有分辨率高、监测范围广的特点,可以清楚反映积雪覆盖范围和雪深空间分布特征,对地表径流量计算、农业开发等具有应用价值.     

基于HJ-1数据的木孜塔格峰地区雪深时空变化

以木孜塔格峰地区为研究区,从不同坡度、坡向的样方内测量雪深和采集光谱,通过分析归一化差分雪盖指数（Normalized Difference Snow Index,NDSI）、反照率、HJ-1卫星的红外波段反射率与雪深的相关关系,建立了适用于HJ-1星的积雪深度反演模型,估算出2012年4月14日-25日木孜塔格峰地区的雪深时空变化,并结合实测数据进行验证。结果表明:反照率反演模型的复相关系数为0.992;通过NDSI阈值区分混合雪盖像元和积雪像元,雪深估测精度可达92.78%。冰川区的反照率、NDSI与海拔的相关系数分别为0.626和0.733,且高海拔带反照率值明显高于低海拔带的反照率值。受西风带降雪的影响,非冰川区的北坡雪深值较大;西坡、南坡次之;东坡最小,且雪深最大值出现在坡度约等于10°处。雪深估测的相对误差随着样地的坡度增大而增加,坡度为15°时相对误差较大。     

MODIS雪深反演数学模型验证及分析

在MODIS卫星遥感积雪监测的基础上,利用雪深反演数学模型、积雪指数NDSI和多光谱阈值等相结合的方法,对2004年以来新疆北疆地区的积雪分布状况进行了反演和计算,并利用2004年11月～2005年3月冬季北疆地区气象台站雪深数据和2004年12月～2006年1月加密野外实测雪深数据,对反演雪深数据进行了验证及分析,北疆各地除塔城地区反演精度为83.2%以外,其它地区反演精度达85.2%以上,平均反演精度达86.2%;野外实测数据验证反演精度达92%以上。     

北极多源积雪深度数据对比评估及其对海冰厚度估算的影响

积雪深度是估算海冰厚度重要的参数之一,目前对不同积雪深度产品精度及其可适用范围的评估研究较少,也缺乏系统性的认知。本研究选取了11种北极积雪深度产品,根据产品的不同时间范围,分为2013—2018年和2018—2019年2个评估时间段。根据上述时间段,对比分析了各产品之间的差异性,然后将这些产品与“冰桥行动”和海冰质量平衡浮标的现场观测结果进行了评估。所有产品都显示格陵兰岛和加拿大北极群岛的北部积雪深度较厚,而在东西伯利亚海、拉普捷夫海、喀拉海、巴伦支海沿线区域的积雪深度较薄,不过,部分产品在时空变化上仍存在较大差异。与“冰桥行动”的观测数据对比发现,大部分产品数据雪深都较厚, AMSR2B和IS2/CS2分别在2013—2018年和2018—2019年的评估时间段内差异较小,拟合度较好。与海冰质量平衡浮标的对比结果显示,绝大部分产品数据雪深都较薄,并且差异性较大,其中NESOSIM在整个时期拟合度较好。利用不同产品的积雪深度反演海冰厚度的结果差异显著,与“冰桥行动”观测的海冰厚度对比发现, FY3B/MWRI和IS2/CS2分别在2013—2018年和2018—2019年的评估时间段...     

祁连山区季节性积雪资源的气候分析*

本文采用1986年10月至1988年9月NOAA—9、10两颗卫星的AVHRR资料标准化后反演的积雪参量,对照祈连山区26个气象站1951—1988年逐日雪深、雪密度和积雪日数的资科,修正卫星反演的平均值。得到高分辨率多年平均雪深和雪盖频率的空间分布。从而估算出各流域平均雪储量,并与降雪量和春季融雪径流作对此分析。     

基于GNSS-R技术的阿拉斯加州积雪深度反演及其应用

利用GNSS-R(全球导航卫星系统反射测量)技术进行准确的雪深监测已成为传统雪深测量的重要补充手段。本文使用GNSS-R技术反演了2012—2018年美国阿拉斯加州4个GPS观测站附近的雪深结果,结合加拿大气象中心(Canadian Meteorological Centre, CMC)提供的雪深模型数据产品,以PBO(Plate Boundary Observatory)H2O项目组提供的雪深资料为参考值,分析了不同手段获取的雪深值在不同时间尺度上的变化特征,同时评估了GNSS-R反演雪深结果作为独立数据集验证CMC模型数据的能力。结果表明:GNSS-R、CMC和PBO得到的长时间序列雪深结果均具有较为一致的明显周期性变化,整体上GNSS-R反演结果比CMC数据精度更高,更能反映雪深的年际变化情况。GNSS-R反演值和CMC模拟值均能够反映各测站PBO雪深值的逐月变化规律,但GNSS-R反演值的精度和稳定性总体上优于CMC模拟值。GNSS-R反演结果比CMC模拟值与PBO雪深值的季节性变化更具一致性,且对于本文研究的4个测站,GNSS-R反演雪深的精度和稳定性在雪深值较大的春季和冬季...     

用EOS/MODIS资料反演积雪深度参量

利用EOS/MODIS可见光、近红外及短红外多通道资料以及新疆地区积雪深度气象台站实测资料等,在考虑积雪性质包括积雪粒子相态、积雪年龄等的差异以及积雪区的下垫面条件包括地表粗糙度、土地覆盖类型等的不同的情况下进行积雪分类,在此基础上,建立EOS/MODIS积雪深度反演模型,实现深度在30 cm以内的积雪深度反演的主要原理、思路及方法,并对模型的反演结果进行了验证。结果表明,利用该模型对30 cm以内的积雪进行深度反演计算,其精度能达到80%以上。     

基于反射率和亮度温度的锡林郭勒积雪深度估算

积雪是我国西北干旱半干旱区重要的水资源，也是影响全球气候变化的重要因子之一。 目前光学影像反射率和雷达亮温数据是积雪遥感领域的主要数据，本文首次结合两类遥感数据估 算积雪深度，并比较偏最小二乘法和机器学习算法（人工神经网络、支持向量机和随机森林算法） 在积雪深度估算方面的表现。以锡林郭勒盟 2012—2015 年积雪深度数据为例，基于反射率和亮度 温度相结合的积雪深度估算精度优于单个数据源，且随机森林算法表现最好，均方根误差为 2.93 cm，满足实际应用的需求。研究结果对我国西北地区水资源分布、生态环境评估等研究具有重要 意义。     

基于SSM/I被动微波数据的中国积雪深度遥感研究

通过对积雪和其他地物的被动微波辐射计SSM/I的微波亮温进行波谱分析,提出了一个识别积雪的SSM/I微波检测方法,与MODIS的5 d合成积雪范围数据进行了比较,结果表明SSM/I的积雪范围与MODIS基本一致.对提出的SSM/I的微波积雪深度反演方法进行了验证,与2006年冬季每日的中国地面积雪深度观测数据的相关系数R的平方为0.46～0.54,偏差为-0.3～0.8 cm,均方根误差rmse为4.4～6.8 cm.     

基于多源数据的内蒙古中东部积雪厚度研究

积雪作为气候系统中重要的环境影响因素受到了普遍的重视,特别是在高纬度、高海拔地区,积雪面积和积雪厚度是积雪研究的两个重要因子。利用2010年11月8日、14日和25日三天的MODIS L1B数据,根据在可见光波段,地表、云和雪在该波段的反射率都比较高的特点,计算得出的积雪覆盖面积空间分布图。积雪深度受降雪量、坡度、坡向等多因素的影响表现为不连续分布,单纯利用气象监测站点无法获得积雪厚度的空间连续分布,而遥感影像也受到局地特征的影响而精度不够。因此,首先基于经验公式,利用MODIS L1B数据计算了积雪覆盖面积,在此基础上,基于气象监测点的积雪深度数据和MODIS L1B波段的相关性,选择影像数据的最优通道,通过建立多波段的积雪深度回归模型,并且对积雪深度进行空间连续插值,通过将模拟的积雪深度与监测点插值结果进行对比,发现统计回归的方法有效的提高了积雪深度、覆盖度等雪情监测信息精度。     

基于AMSR-E遥感数据应用强度比参数确定多年冰的方法探讨

研究发现,AMSR-E的垂直极化的18.7 GHz(V18.7)和36.5 GHz(V36.5)的亮温比值在一年冰覆盖区域主要是相应频段的海冰微波发射率之比,而在多年冰覆盖区域受海冰微波发射率和海冰温度共同影响,并且海冰年龄越大亮温比值也越大。应用强度比参数可以比较好地确定冬季一年冰与多年冰之间的阈值,其中,在该阈值处,强度比梯度达到最大。该阈值呈现明显的季节性变化规律,在冬季阈值比较稳定,而在夏季受海水的影响变化范围比较大。应用强度比方法确定的多年冰范围,与NASA Team2(NT2)方法相比在大西洋扇区差异非常小;而在太平洋扇区出现比较大的差异。对比发现强度比法确定的多年冰范围一般大于NT2法。     

中国西部积雪微波遥感监测

用１９７８─１９８７年多通过微波扫描辐射计（ＳＭＭＲ）所获取的地表微波亮温及亮温－雪深区域订正反演算式，计算了１００°Ｅ以西中国境内年与季的平均雪量和雪盖率，以及它们的年际变化，阐明了积雪时空的变化。所取得的高原及高山低山积雪监测结果，为当地积雪资源的开发利用提供了可靠依据。     

欧亚大陆冬季雪深的时空演变特征及其影响因子分析

利用美国冰雪资料中心(National Snow and Ice Data Center)提供的前苏联1948~1994年逐日积雪深度资料,定义了冬季雪深增量的概念,探讨了欧亚大陆秋末雪深、冬季雪深、冬季雪深增量的时空演变规律,通过比较分析三者的异常变化特征,揭示了三者之间可能存在的联系。经验正交函数分解(EOF)结果表明:欧亚大陆冬季雪深、冬季雪深增量的第一模态的空间分布特征均为大致以50°N为界的南北反相变化,欧亚大陆北部的积雪深度和冬季雪深增量都呈现出一致性的变化趋势;两者对应的时间序列均反映了显著的年代际变化特征,且年代际转变均发生在20世纪70年代中期前后。第二模态则呈现出欧亚大陆东、西部反相的偶极型空间分布特征。进一步分析表明,欧亚大陆秋末雪深无论从空间分布还是时间演变来看与冬季雪深几乎不存在相关性。欧亚大陆冬季雪深变化主要是冬季雪深增量影响所致,与秋末雪深无关。     

基于去云处理的祁连山积雪覆盖遥感监测研究

雪盖信息在生态研究、水资源评价管理以及灾害防治中有重要的作用,MODIS利用冰雪指数(NDSI)和阈值提供全球每日积雪产品,微波遥感传感器AMSR-E提供南北半球不受云影响的雪水当量数据。通过融合同一天不同时间过境的MODIS积雪产品MOD10A1和MYD10A1为MOYD,融合MOYD和AMSR-ESWE积雪当量产品产生MODAM,以祁连山区气象站观测雪深数据为"真值",检验了2010-2011年积雪季MODIS积雪产品和AMSR-E识别积雪的精度,结果表明:MOYD产品和MODAM使云量减少了15%和100%,积雪精度和总体精度分别达到了24%、59%和88%、80%,通过融合多时相和多传感器数据大大提高了积雪监测精度,此外对祁连山积雪时间分布和不确定进行了分析。     

基于AMSR-E遥感数据的北极冰间湖面积变化分析

利用4种遥感数据:AMSR-E(Advanced Microwave Scanning Radiometer-Earth Observing System)36GHz与89GHz亮温数据反演的海冰厚度以及相应波段的海冰密集度数据,结合海冰密集度和厚度两种方法提取北极冰间湖面积,分析东西伯利亚沿岸和阿拉斯加沿岸在2003—2011年期间1—4月冰间湖面积变化,并比较不同数据和算法之间的差异。结果表明:(1)1—4月份冰间湖面积变化形态相似,但数值不同,从长期看,基于AMSR-E 89 GHz亮温数据反演的海冰厚度数据计算的冰间湖面积呈上升趋势,变化率为273.33 km~2·mon~(-1),而AMSR-E 89 GHz和36 GHz波段的海冰密集度及基于AMSR-E 36 GHz亮温数据反演的海冰厚度数据计算的结果呈下降趋势,分别为-68.91km~2·mon~(-1)、-42.74 km~2·mon~(-1)和-41.91 km~2·mon~(-1);(2)数据分辨率高能够更精细分辨冰间湖,得到的面积大,反之则小;(3)由于基于海冰密集度和基于海冰厚度两种方法对冰间湖的定义不同,海冰厚度方法计算结果要大于海冰密集度结果;(4)冰间湖面积变化存在地域差别,白令海峡以西海域冰间湖统计差异较为明显,而以东海域则较弱。     

基于EOS/MODIS遥感数据改进式融雪模型

在中国西部的中纬度干旱和半干旱山区,融雪水是极其重要的水资源,融雪径流对河流的补给量在春季甚至可达75%以上,但是急剧的融雪也容易引发洪水,所以从水资源的有效利用和洪水预警方面看,有必要了解大范围的积雪消融状况。基于积雪层能量平衡原理建立融雪模型,利用正午过境的EOS/MODIS的Terra卫星遥感数据反演模型中的参数,结合气象数据获得瞬时的能量平衡信息,然后根据B.Sequin、B.ltier和谢贤群的研究推算日融雪量,改善了融雪模型的算法。另外采用遥感数据对雪盖进行实时监测,避免在进行融雪量估算时候对无雪区的错误估算。     

一种改进的土壤水分微波遥感反演模型

利用微波遥感数据反演地表土壤水分有着较好的物理基础,可实现大范围土壤水分状况的遥感监测。本文基于被动微波传感器AMSR-E的X波段数据,将土壤水分值分解成基准值和日变化量两个部分,并分别建立反演模型,同时引入降雨修正因子来进一步提高土壤水分的估算精度;利用IDL语言实现了我们所研发的模型,并集成为新疆土壤水分遥感反演系统模块之一;利用Watch Dog2400与传统铝盒采样获取的新疆地面土壤水分数据,提取适合的模型经验参数,并对模型结果进行精度评价。结果表明,经改进的模型反演得到的新疆土壤水分结果比美国冰雪数据中心的土壤水分产品在精度上有显著提高:均方根误差由8.4%降低为4.25%;所研发的软件模块可为相关应用部门提供快速的大范围土壤水分监测产品。     

应用AMSR-E 89GHz遥感数据反演北极多年冰密集度

被动微波辐射计AMSR-E在89GHz频段的空间分辨率几乎是其它低频段的2倍。到目前为止,已经有成熟的算法采用AMSR-E 89GHz频段的数据来反演整体海冰的密集度,而本文根据89GHz频段亮温数据针对一年冰、多年冰以及无冰水面的不同特性,提出了一种反演多年冰密集度的方法(AC)。计算了2007年北极的整体海冰和多年冰密集度,并与NASA TEAM算法(NT)的结果作了比较。对于整体海冰密集度,两种算法反演的结果基本一致。从日平均上来看,AC算法得到的整体海冰覆盖面积只比NT算法多25万km2。但是对于多年冰的反演结果,AC算法得到的结果比NT的结果要多出146万km2,冬季差别尤其大。造成这种差别的原因可能是AC算法对于北极表面气温的变化比较敏感。另外,AC算法计算得到2007年最大海冰覆盖面积为1400万km2,最小海冰覆盖面积为400万km2,这与其它研究结果一致。     

一种基于AMSR-E的地表温度半经验反演模型

基于被动微波辐射传输方程,结合De Jeu建立的透过率与微波极化差异指数的通用关系式,以及Smiths建立的地表温度与大气总可降水量的经验关系,构建了一套基于AMSR-E影像的地表温度半经验反演模型,该模型无需借助其他辅助数据,便可从AMSR-E 6.9GHz和10.7GHz两个波段的亮度温度模拟得到地表温度变量。对2009年我国地表温度进行实例模拟和验证,结果显示,该地表温度模型的平均反演精度达到2.54℃（R2=0.79）,是一种简单有效的被动微波遥感地表温度模拟方法。     

劈窗算法中Planck方程展开式参数模型的拟合研究

地表温度是地球生态环境的重要指标,劈窗算法是目前利用遥感反演地表温度最为成熟的算法。为求解两个通道参数组成的热辐射方程组,需将Planck辐射方程线性展开以使各通道辐射值与亮温Ti直接相关,可通过引入中间参数Li与亮温Ti以不同的数学关系模型进行拟合。以MODIS数据源为例,对4种不同拟合关系进行分析比较,发现线性和幂函数模型具有较高的精度和稳定性,估计Li的误差范围为0.019~0.197。进一步分析这两个模型在地表温度反演中的误差及对参数的敏感性,结果显示幂函数模型在各种情况下都优于传统的线性模型劈窗算法。