亚洲中部干旱区积雪时空变异遥感分析

亚洲中部干旱区的大尺度遥感积雪信息研究,可在跨界河流水资源分配利用方面提供数据支持,对国家重大战略的生态安全保障有重要作用。采用数据融合方法,将MOD10A2和MYD10A2数据进行融合去云处理,结合气象站点积雪数据评估去云后的积雪识别精度;提取积雪覆盖率(SCP)与积雪日数(SCD)信息,分析SCP与SCD年际、年内变化差异;结合数字高程模型,分析不同高程带下SCP的时空变化规律。结果表明:(1)MOD10A2与MYD10A2融合去云处理,可有效去除云的干扰,准确提取亚洲中部干旱区积雪变化信息。(2)年内SCP最大值范围为55.7%~77.4%,最小值范围为1.6%~2.9%,融雪期SCP下降速率具有明显地域差异,总体SCP呈缓慢增加趋势。(3)总体SCD呈略微下降趋势,32.2%的区域呈下降趋势,30.9%的区域呈增加趋势,36.9%的区域保持稳定不变。(4)海拔1 000 m以下,SCP年内随季节变化呈U型,年际变化显著;1 000~4 000 m区域,SCP年内均随季节的变化呈现出V型,年际变化呈现出稳定性波动;6 000 m以上为永久性积雪,季节、时空变化差异性均不明显。     

青藏高原Soumi-NPP和MODIS积雪范围产品的对比分析

Soumi-NPP（Soumi Polar-orbiting Partnership）卫星作为接替服役超期的Terra、Aqua卫星,其积雪范围产品在青藏高原的精度尚未被评价。以Soumi-NPP积雪范围产品为研究对象,利用气象台站点数据并结合更高分辨率的Landsat-8 OLI数据,评价该产品的精度,并与MODIS（Moderate Resolution Imaging Spectroradiometer）积雪范围产品进行对比分析。结果表明：使用气象台站进行数据验证时,NPP、MOD与MYD三种积雪范围产品的总精度均较高,但三者积雪漏分误差都较大,其中MYD的漏分误差最大,为64.2%;当雪深小于5 cm时,三种积雪范围产品的积雪分类精度都较低,雪深大于等于5 cm时,NPP积雪范围产品的积雪分类精度最高,为82.3%,MOD与MYD的精度分别为77.1%和69.4%;利用Landsat-8 OLI数据验证时,Soumi-NPP积雪范围产品的Kappa系数最高,其均值为0.707,为高度一致性。而MOD10A1与MYD10A1的Kappa系数较低,分别为0.476与0.557,为中等一致性;Soumi-NPP积雪范围产品的Kappa系数大多在0.6以上,精度比较稳定,而MODIS积雪范围产品的Kappa系数波动较大,精度稳定性较差。Soumi-NPP积雪范围产品相较于MODIS积雪范围产品,其精度有了较大的提升,为准确监测青藏高原积雪范围提供了一个更优的选择。     

2007-2011年西藏纳木错流域积雪时空变化及其影响因素分析

通过2007-2011年纳木错站人工积雪观测资料,对西藏纳木错流域MODIS两种积雪产品(MOD10A1和MOD10A2)进行了精度验证,分析了纳木错流域积雪累积和消融的空间差异,以及流域积雪覆盖率的时空变化;利用纳木错站人工积雪观测资料及自动气象站资料,分析了纳木错流域积雪要素(积雪深度、雪水当量、积雪密度)的时间变化及其与气候参数(气温、降水量、风速等)的关系.结果表明：纳木错流域MOD10A2数据的积雪识别精度(67.1%)高于MOD10A1(42.2%),总识别精度(73.0%)略低于MOD10A1数据(78.4%).纳木错流域积雪累积和消融存在空间差异,积雪在流域南部的念青唐古拉山脉最先累积,之后为流域东部,最后为流域西部;积雪消融的空间变化则相反.由此导致流域积雪日数南部最大、东部次之、西部及西北部最小.纳木错流域各积雪要素的年内变化存在双峰值特征,峰值分别出现在10-11月和1月,积雪在10-11月受降水和气温共同作用,12月至次年3月主要受气温影响.纳木错流域的平均积雪覆盖率为21.9%,受湖泊效应影响区域(主要为东部地区)达到50.6%,而其他区域仅为18.3%.同时,受湖泊效应影响,纳木错平均积雪深度、积雪水当量均显著大于周边地区.     

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。     

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和AMSR-E资料的青海省旬合成雪被图像精度评价

利用2002年10月1日至2008年3月31日青海省MODIS/Terra-Aqua每日雪被产品(MOD10A1、MYD10A1)和AMSR-E/Aqua每日雪水当量产品,研究了MODIS和AMSR-E旬数据的融合算法,合成了AMSR-E旬积雪分类图像(AE_10D)、MODIS旬积雪分类图像(MOYD_10D)及二者...     

基于AMSR-E的北疆地区积雪深度反演

利用北疆地区2007/2008-2009/2010年度积雪季(12月至次年2月)的AMSR-E降轨19 GHz与37 GHz波段的水平极化亮温数据, 结合北疆地区45个气象台站的实测雪深数据, 建立了北疆地区基于AMSR-E亮度温度数据的雪深反演模型, 并对模型的精度进行评价. 结果显示: 雪深在3~10 cm时, 模型反演的雪深值负向平均误差为-5.1 cm, RMSE值为6.1 cm; 雪深在11~30 cm时, 模型反演雪深值的平均误差仅为2.6 cm, RMSE、 正向平均误差、 绝对平均误差均较小; 雪深大于30 cm时, 模型反演的各项误差较大. 用合成方法反演北疆地区2006/2007-2010/2011年度5个积雪季的平均雪深分布和最大雪深分布, 结果显示北疆地区积雪主要分布于北部阿尔泰山和南部天山一带, 其中阿勒泰地区所占比重最大, 中部的准噶尔盆地腹地、 克拉玛依地区雪层较浅.     

基于SSM/I和MODIS数据的天山山区积雪深度时空特征分析

以天山山区为研究区,利用MODIS 8d最大积雪合成数据MOD10A2,分析天山山区积雪的时间变化和空间变化情况以及不同高程带的积雪覆盖率的变化情况;结合SSM/I亮温数据和站点观测数据建立的雪深反演模型并反演研究区的雪深,根据研究区的地势起伏情况,提取特殊地形进行分析其雪深变化情况,进一步分析整个天山山区的积雪深度的时空特征,并对结果进行验证,并且对不同高程带的积雪深度进行分析.研究结果表明:1)天山山区积雪面积分布的趋势表现为自西向东、自北向南减少,总体是呈波动中减少的趋势,到了2012年天山山区年最大积雪面积为37.69×10⁴ km².2)积雪覆盖率与高程呈正比,在高山区可达70%以上.积雪深度分布呈自西向东、由北向南减少,深度最大的是在天山北部的博格达峰、河源峰附近,可以达到80 cm以上,最小在哈密地区的托木尔提峰附近积雪深度仅在10 cm左右.积雪深度与海拔呈正相关,最大雪深出现在4500 m以上的高山区.3)对雪深反演结果的精度评价表明,模型在10~30 cm雪深范围内,反演平均误差为-2.47 cm;在雪深<10 cm或>30 cm的局部地区存在较大偏差.     

基于AMSR2被动微波积雪参量高精度反演方法研究

以新疆为研究区域建立了被动微波遥感积雪深度高精度反演模型,采用高空间和时间分辨率AM SR2被动微波遥感数据(2012年11月-2015年3月逐日数据),结合研究区域海拔高度、坡度、坡向、沙漠,荒漠和地表粗糙度等地形、地貌特征,考虑冰川、水体、林地等地表覆盖类型和不同季节的新雪、干雪和湿雪等积雪属性的微波辐射特征,以决策树阈值法为基础,通过采集样本分类建立起多种雪深判识阈值,在此基础上建立AMSR2高精度积雪深度反演综合模型,分类分析不稳定积雪和冰川信息,从而实现雪深在60 cm以内的积雪深度AMSR2反演的主要原理、思路及方法,并对模型的反演结果跟台站实测或者野外观测积雪值以时间和空间角度进行检验.结果表明:该综合模型能够定量判识研究区域复杂地形地貌条件下的1~60 cm积雪厚度,检验的复相关系数为0.74~0.88,均方根误差为2.92~6.14 cm,平均绝对偏差指数为3~4 cm,雪深误差5 cm的精度为91%~94%,雪深误差2.5cm的精度为81%~87%.     

基于MODIS的祁连山区积雪时空变化特征

利用2000-2003年日资料经8 d合成的500 m分辨率MODIS卫星反演积雪资料和数字高程模型, 借助于GIS空间分析技术, 以积雪频率和积雪盖度为监测指标, 研究分析了祁连山区整体的积雪空间分布状况及其年内变化特征, 地形对积雪的分布和季节变化的影响. 结果表明: 祁连山区的积雪分布极不均匀, 积雪主要沿山系走向成条带状分布, 呈现西段多, 东段次之, 中部和南部少, 山脊多, 山谷少的特征, 且海拔越高、 山势越陡、阴坡积雪的范围越大、持续时间越久. 累积降雪时间, 就全区而言为9月至翌年5月, 但不同高度、坡度和坡向带有所差别. 海拔4 000 m以上区域存在春、秋季两个时段的积雪补给, 而海拔4 000 m以下仅有中秋至中冬一个时段的积雪补给;坡度较平缓的区域冬季和春季为主要积雪补给期, 而坡度较陡的区域则为秋季和春季;平地和南坡积雪补给主要发生在冬季和春季, 而其它坡向为春季和秋季.     

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。     

中国稳定积雪区IMS雪冰产品精度评价

IMS雪冰产品由多种光学与微波传感器数据融合而成,提供北半球每日无云的积雪范围,在积雪遥感研究中具有广阔的前景. 以气象站实测雪深数据为真值,检验了2009-2010年IMS雪冰产品在中国三大稳定积雪区北疆、东北、青藏高原地区每月、积雪季以及全年的误判率、漏判率和总体准确率,并分析了IMS雪冰产品的准确率与雪深之间的关系. 结果显示：IMS雪冰产品的年总体准确率在三大积雪区均超过了92%,积雪季总体准确率均超过了88%,利用IMS雪冰产品监测积雪范围是可靠的. 然而,IMS雪冰产品精度具有区域差异性,北疆地区在1月和2月误判率偏高,青藏高原地区积雪季有严重的漏判现象. IMS雪冰产品的准确率在东北地区和北疆地区随着雪深的增加而升高,当东北地区雪深超过6 cm,北疆地区超过13 cm时,准确率接近100%,但是,青藏高原地区两者基本没有关系. 通过在青藏高原地区与同时相的4景MODIS积雪产品对比分析发现,实际上IMS雪冰产品相对地高估了积雪面积,青藏高原地区漏判率高其原因是IMS对零碎积雪的识别能力不足并且气象站分布不均匀.