基于Sentinel-1A合成孔径雷达数据和全卷积网络的城市建设用地监测方法研究

Sentinel-1A合成孔径雷达数据不受云、雾等天气条件的影响并具有丰富的纹理信息，为提取城市建设用地信息提供了一种新的数据源。本文发展了一种基于Sentinel-1A合成孔径雷达数据和全卷积网络的城市建设用地监测方法。该方法的优势主要在于可以有效复合不同极化方式下的Sentinel-1A合成孔径雷达数据和综合集成多尺度特征。在甘肃省张掖市甘州区的应用表明，该方法的提取结果总体精度为92.50%，Kappa系数为0.85。与现有方法“KTH-Pavia城市提取器”相比，Kappa系数提高了37.10%，总体精度提高了11.50%。因此，该方法具有良好的应用潜力。     

基于遥感影像的雪线高程提取方法对比分析——以天山北坡为例

利用2010-2014年6~8月MOD10A1、MOD10A2及HJ-1/CCD数据,以天山北坡为研究区,对比分析了积雪持续时间比率法及最大值合成法在雪线高程提取中的精度和适用性。结果表明:当MOD10A1以旬合成,积雪持续时间比率阈值为40%时,提取的雪线高程与"真值"最为接近;基于混淆矩阵法,以目视解译得到的HJ-1/CCD积雪面积为"真值",分析得出,积雪持续时间比率法提取积雪面积的总体精度较高,为98.59%,khat系数为0.90,最大值合成法的总体精度仅为85.29%,khat系数为0.70;基于统计学的方法,计算得出,积雪持续时间比率法提取的雪线高程与"真值"的相关系数较高,为0.77,其平均误差、正、负误差、绝对平均误差以及均方根误差相对较低;最大值合成法提取的雪线高程与"真值"的相关系数较低,仅为0.54,其平均误差、正、负误差、绝对平均误差以及均方根误差相对较高;积雪持续时间比率法提取的雪线高程结果优于最大值合成法。     

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MODIS影像的土地覆被分类研究——以京津冀地区为例

在全球变化研究中,如何快速、准确获取土地覆被信息对该项研究有着至关重要的作用.随着遥感科学的不断发展和应用领域的深入,研究者可以利用遥感影像进行土地覆被分类研究,并且具有准确、快速、自动化等优点.本文利用MODIS数据具有的多光谱、多时相特点,以京津冀地区为例,选取2013 年全年16-day 的MOD13Q1/EVI时间序列数据、2013 年5 月份一期的MOD09Q1(1、2 波段)和MOD09A1(3-7 波段)产品,并运用时间序列谐波分析法对全年MOD13Q1/EVI 时间序列数据进行去云、去噪的平滑重建处理,使其数据更能反映物候周期性变化规律.选择谐波分析后的全年MOD13Q1/EVI 时间序列数据、MODIS数据的1-7 波段地表反射率和NDWI(归一化差异水体指数)、MNDWI(改进归一化差异水体指数)和NDSI(土壤亮度指数),构建了3 种特征变量组合方案的CART决策树,分别进行京津冀地区的土地覆被分类研究.结果表明:方案一(全年EVI 的23 个时相)、方案二(方案一+MOD09 的1-7 波段地表反射率)和方案三(方案二+MNDWI+NDSI+NDWI)的总体分类精度分别达到86.70%、89.98%、91.34%,Kappa系数分别为84.94%、88.66%、90.20%.研究表明,仅利用MODIS遥感影像自身多种分类特征和决策树方法对宏观土地覆被分类就可达到较高精度,显示了本文分类方法在实践中的可行性及MODIS数据在区域尺度土地覆被分类研究方面的优势与潜力.     

基于MODIS数据的玛纳斯河山区雪盖年际波动特征研究

基于2000 -2010年的MODIS/Terra积雪8d合成数据(MOD10A2)与DEM数据,通过计算和分析不同高程带、不同坡向和不同坡度的积雪覆盖率,研究了新疆玛纳斯河山区雪盖的年际波动特征.结果表明:(1)鼎盛期积雪覆盖率在研究时段内形成两高两低的总体走势,2000/2001和2007/2008雪年为高值年,2...     

博格达峰地区冰川和积雪变化遥感监测及影响因素分析

20世纪以来，随着全球气候变暖加剧，冰川和积雪普遍退缩，严重影响到人类的生存和社会经济的可持续发展，这一问题在我国西北干旱区的博格达峰地区及其周边地区尤为突出。以博格达峰地区为例，利用1990—2016年Landsat 5与Landsat 8遥感影像，对比分析归一化积雪指数（NDSI）、归一化冰雪指数（NDSII）、归一化主成分雪指数（NDPCSI）和缨帽转换湿度指数（WET）在博格达峰地区监测冰川和积雪的能力，同时结合研究区周边气温、降水数据和研究区地形数据，探讨博格达峰地区冰川和积雪面积变化与区域地形、气候间的响应关系。结果表明：（1） WET相对于NDSII、NDSI和NDPCSI精度值更高，可以替代NDSI、NDSII监测博格达峰地区冰川和积雪面积。（2） 博格达峰地区冰川和积雪面积呈持续退缩的趋势。1990—2016年，冰川和积雪面积减少率约20.07%，且年退缩率不断增加。（3） 高程、坡度和坡向对冰川和积雪面积变化的影响较显著，山地阴影对其影响较弱，气温的升高是冰雪面积减少的主要因素。     

基于Sentinel-1A数据在广东省近海海面风场反演应用

采用基于风条纹提取风向的方式，利用地球物理模式函数，基于Sentinel-1A数据，通过CMOD5模型反演2017年3、5、7、12月份广东省近海海域风场。将反演结果与实测数据对比，风速普遍比实测风速大，风速反演的平均绝对误差为1.98 m/s，均方根误差为2.74 m/s，相关系数为0.8。其中3、5、7月的风速较为接近，且平均绝对误差和均方根误差都＜2 m/s，而12月份平均风速＞8 m/s，实测数据与卫星过境时间不完全匹配，导致平均绝对误差和均方根误差都偏大。哨兵一（Sentinel-1A）影像反演结果整体上与实测数据相一致，验证了COMD5反演模型适用于广东省近海高分辨率海洋风场反演，可为下一步估算广东省风能资源储量提供可能。     

基于HJ-1B数据的雪盖提取方法研究——以军塘湖流域为例

 HJ-1A、1B卫星具有较高的时间和空间分辨率,适合小流域尺度的积雪动态监测研究。本文基于HJ-1B数据,选取军塘湖流域,针对同时具有HJ-1B/CCD、IRS数据和只有HJ-1B/CCD数据两种情况展开雪盖提取方法研究。对于第一种情况,因研究区南端有大面积森林覆盖,会影响雪像元识别,选用[WTBX]NDSI[WTBZ]和[WTBX][STBX]S3[WTBZ][STBZ]两种雪盖指数,并利用[WTBX]NDVI[WTBZ]或TM影像反演的林区辅助判识积雪。结果表明:当有植被信息辅助分类时,两种雪盖指数均能较好提取出森林覆盖区的积雪,且提取结果基本一致,精度较高。对于第二种情况,因无法计算雪盖指数,采用光谱与纹理信息结合的SVM法提取雪盖,提取的面积和精度与上述方法相比略低,但很接近,说明在缺少[WTBX]IRS[WTBZ]数据的情况下,仅利用CCD仍可提取出较为准确的雪盖,满足实际应用需求。     

利用多源数据估算黑河流域总初级生产力

总初级生产力（GPP）决定了进入陆地生态系统的初始物质与能量，但由MODIS GPP产品获取的GPP在地表覆盖复杂的黑河流域却不足以准确的反映生态系统物质与能量的分布。因此，利用MODIS影像数据、ASTER GDEM数据、30 m分辨率土地利用覆被数据和中国区域地面气象要素驱动数据，驱动VPM模型模拟黑河流域2015年5～10月的总初级生产力，并据此揭示黑河流域GPP在生长季的时空格局，时间分辨率为8 d，空间分辨率为500 m。研究结果表明：VPM模型估算结果的精度高于MODIS GPP产品，判定系数增长了45.5%，总均方根误差降低了57.0%；黑河流域生长季累积[WTBX]GPP[WTBZ]总体呈现出中游最高、上游其次、下游最低的显著空间分布梯度格局；全境与局部有植被覆盖区域的日GPP均呈先增加后减少倒U型变化规律，且前者在7月下旬达到最高值；植被覆盖率极低的地表区域生长季内的日GPP在基本稳定中上下波动，稳定值处于1 gC·m^-2·d^-1附近。     

基于MODIS数据中国天山积雪面积时空变化特征分析

基于2011-2015年MOD10A2积雪产品和气象数据,通过几何校正、去云预处理,应用归一化差分积雪指数算法等获取中国境内天山山区积雪覆盖面积数据,分析了积雪面积的时空变化特征及与气温降水的关系。结果表明：（1）年内积雪面积呈单峰变化,9月开始积累,次年1月达峰值,3月气温回暖消融加速,至7月最小。春秋季波动较大但没有明显的增减趋势,夏季积雪面积最小,冬季最大且呈减小趋势。（2）2001-2015年积雪覆盖面积整体上呈减少趋势,积雪覆盖率最大值的波动比最小值的波动更加剧烈。（3）积雪覆盖率随着海拔升高而增大,海拔<1 500 m区域积雪覆盖率低于10%,海拔>4 500 m以上区域平均可达70%,为常年稳定积雪区。积雪覆盖率在西北坡最高,南坡最低。（4）年均气温升高是积雪覆盖面积减小的主因,年积雪覆盖面积变化与年降水量变化保持一致的下降趋势。     

基于GF-1的青藏高原东南部积雪分布及MODIS积雪产品适用性研究

青藏高原东南部海拔高,地形复杂,云量大,准确掌握该地区的积雪分布特征对于积雪灾害防治非常重要。论文以2013—2019年冬季积雪积累期云量符合要求的35景高分一号(GF-1)影像为基础,将全色影像和多光谱影像融合为2 m分辨率影像,通过目视解译获取了研究区积雪的空间分布特征,结合改进后的30 m分辨率SRTM DEM,探讨了地形对积雪分布的影响。结果表明：积雪像元在研究区范围内占比为33.1%。积雪的垂直分布特征明显：积雪在高程带4000~5000 m(高海拔)处分布较集中,积雪面积占比为18.1%;在高程带0~2000 m、2000~3000 m和6000~7000 m处积雪面积占比均不到0.1%。积雪在北坡、东北坡的分布比例较高,均为15%以上;在南坡、西坡、西南坡、东南坡分布比例较低,均为10%左右。将基于GF-1影像获取的积雪分布分别与同日获取的根据MODIS V6积雪产品计算的积雪比例(MODIS FSC)和积雪分布的对比表明,64.4%的MODIS FSC像元绝对误差不超过10%,MODIS积雪分布产品对含雪像元的漏分率和误分率平均为33.8%和32.7%,说明MODIS积雪产品在研究区的精度还具有较高的不确定性,其对低覆盖积雪反演的精度较差。这表明利用MODIS积雪产品研究青藏高原东南部积雪的时空变化特征时还需要对其积雪反演算法进行改进,同时亟需加强地面观测和基于多源遥感数据的积雪研究。研究结果可为青藏高原东南部雪冰灾害防治提供支撑。     

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。     

Spatial-temporal variability of snow cover over the Amur River Basin inferred from MODIS daily snow products in recent decades

MODIS snow products MOD10A1\MYD10A1 provided us a unique chance to investigate snow cover as well as its spatial-temporal variability in response to global changes from regional and global perspectives. By means of MODIS snow products MOD10A1\MYD10A1 derived from an extensive area of the Amur River Basin, mainly located in the Northeast part of China, some part in far east area of the former USSR and a minor part in Republic of Mongolia, the reproduced snow datasets after removal of cloud effects covering the whole watershed of the Amur River Basin were generated by using 6 different cloud-effect-removing algorithms. The accuracy of the reproduced snow products was evaluated with the time series of snow depth data observed from 2002 to 2010 within the Chinese part of the basin, and the results suggested that the accuracies for the reproduced monthly mean snow depth datasets derived from 6 different cloud-effect-removing algorithms varied from 82% to 96%, the snow classification accuracies (the harmonic mean of Recall and Precision) was higher than 80%, close to the accuracy of the original snow product under clear sky conditions when snow cover was stably accumulated. By using the reproduced snow product dataset with the best validated cloud-effect-removing algorithm newly proposed, spatial-temporal variability of snow coverage fraction (SCF), the date when snow cover started to accumulate (SCS) as well as the date when being melted off (SCM) in the Amur River Basin from 2002 to 2016 were investigated. The results indicated that the SCF characterized the significant spatial heterogeneity tended to be higher towards East and North but lower toward West and South over the Amur River Basin. The inter-annual variations of SCF showed an insignificant increase in general with slight fluctuations in majority part of the basin. Both SCS and SCM tended to be slightly linear varied and the inter-annual differences were obvious. In addition, a clear decreasing trend in snow cover is observed in the region. Trend analysis (at 10% significance level) showed that 71% of areas between 2,000 and 2,380 m a.s.l. experienced a reduction in duration and coverage of annual snow cover. Moreover, a severe snow cover reduction during recent years with sharp fluctuations was investigated. Overall spatial-temporal variability of Both SCS and SCM tended to coincide with that of SCF over the basin in general.     

A new MODIS daily cloud free snow cover mapping algorithm on the Tibetan Plateau

Because of similar reflective characteristics of snow and cloud, the weather status seriously affects snow monitoring using optical remote sensing data. Cloud amount analysis during 2010 to 2011 snow seasons shows that cloud cover is the major limitation for snow cover monitoring using MOD10A1 and MYD10A1. By use of MODIS daily snow cover products and AMSR-E snow water equivalent products (SWE), several cloud elimination methods were integrated to produce a new daily cloud free snow cover product, and information of snow depth from 85 climate stations in Tibetan Plateau area (TP) were used to validate the accuracy of the new composite snow cover product. The results indicate that snow classification accuracy of the new daily snow cover product reaches 91.7% when snow depth is over 3 cm. This suggests that the new daily snow cover mapping algorithm is suitable for monitoring snow cover dynamic changes in TP.     

基于MODIS与AMSR-E数据的中国6大牧区草原积雪遥感监测研究

内蒙古、新疆、西藏、青海、甘肃和四川的草原区这6大牧区是中国重要的畜牧业生产基地,也是雪灾频发的区域,及时、准确地获取6大牧区雪情时空特征对于防灾减灾,指导畜牧业生产有着重要的现实意义。光学遥感与微波遥感各具优缺点,综合运用MODIS和AMSR-E数据构建草原积雪遥感监测模型,以日为监测单元,以旬为多日合成时段,对中国6大牧区在2008年10月上旬至2009年3月下旬间的草原积雪覆盖范围进行监测,并对监测结果进行检验,以此说明MODIS与AMSR-E数据在雪灾监测方面协同监测的可行性,为其他雪盖遥感监测研究提供参考。     

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。     

2001—2020年三江源地区积雪日数变化及地形分异

基于积雪面积逐日无云遥感产品和气象观测资料,分析了2001—2020年三江源地区积雪日数的水平、垂直分布特征及变化规律,并对积雪日数与气温和降水量进行了相关分析。结果表明：（1） 2001—2020年三江源地区积雪日数呈西高东低,高海拔山脉大于盆地平原的分布格局,高海拔山脉地区积雪日数均值普遍大于200 d,85.48%的区域积雪日数呈波动增加趋势,显著增加区域占比为16.59%,平均增加速率为0.98 d·a^-1。（2） 积雪日数及其变化趋势存在明显的海拔和坡向分异,积雪日数随海拔上升呈指数型增加,较低海拔（<3.0 km）区域积雪日数少、呈减少趋势且减少速率随海拔高度上升而加快;高海拔区域积雪日数较多且呈增多趋势,但海拔大于4.4 km后积雪日数增多速率随海拔上升而减缓,且5.5~6.0 km地区积雪日数呈减少趋势,高海拔地区积雪日数存在一定程度的“海拔依赖性”。积雪日数北坡大于南坡、西坡大于东坡,西北坡积雪日数最多,为78.30 d,不同坡向的积雪日数均呈增多趋势,其中西坡的增多速率最快,达1.04 d·a^-1。（3） 近20 a三江源地区明显的“暖湿化”气候特征是影响积雪日数变化的主要原因,其中降水量是主要驱动因素,积雪日数增多与降水量增加密切相关,且高海拔地区积雪日数对降水量的依赖性更强。