青藏高原不同土地覆盖类型下积雪面积判别算法优化北大核心CSCD

MODIS V006版本数据仅提供了归一化积雪指数(NDSI),而用户往往关心的是直观的积雪分类,包括积雪范围或积雪覆盖率。美国国家冰雪数据中心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多样,积雪斑块化特征明显,单一阈值并不能精确地判识不同下垫面上的积雪。青藏高原被称为地球的第三极,是中国三大稳定积雪区之一,蕴藏了大量的淡水资源。随着全球气候变暖,青藏高原地区积雪融化时间提前,冰川融水增加,影响河流水量,造成洪涝灾害,进而影响人类正常生产生活,因此通过确定不同下垫面阈值,改善传统阈值的积雪高估低估现象,提高积雪识别精度,进而更准确地探究青藏高原积雪状况,显得尤为迫切。本文以青藏高原为研究对象,首先生成MODIS逐日无云NDSI序列并进行验证;其次对应站点雪深数据与NDSI序列,证实在下垫面为林地和非林地的区域,去云NDSI序列与站点雪深均有良好的对应关系,确定不同下垫面最优阈值范围;最后在最优阈值范围内通过混淆矩阵确定最优阈值。计算得出,林地NDSI=0.03时,总体精度最高为94.02%,在该NDSI之下,高估误差OE和低估误差UE分别为1.21%和4.60%;非林地NDSI=0.26时,总体精度OA最高为94.27%,在该NDSI之下,高估误差OE和低估误差UE分别为0.51%和5.03%。因此选取优化后林地阈值为NDSI=0.03,非林地阈值为NDSI=0.26。为避免地面常规观测资料尺度上的局限性,本文采用高精度的Landsat 8 OLI卫星数据识别结果,作为“真值”对优化后阈值的判别结果进行“像元—像元”级别的验证。在定量验证中,优化后NDSI阈值对MOD10A1 V006积雪判别结果的总体精度OA为84.21%,高估误差OE为5.33%,低估误差UE为10.46%;传统阈值对MOD10A1 V006积雪判别结果的总体精度OA为82.86%,高估误差OE为1.48%,低估误差UE为15.66%。可以看出在定量验证中,优化后阈值的积雪判别精度更高。同时在定性验证中,积雪大面积集中的区域,新的阈值与传统阈值提取效果均相对较好;积雪相对分散破碎的区域,优化后阈值能提取出大量积雪,传统阈值则不能。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,为NDSI在积雪识别中的应用提供有力的支撑,有助于更准确地了解该地区积雪分布状况。     

FY-3 A/MERS I积雪制图中NDS I指标建立及积雪判识模型研究 ——以祁连山区为例

我国新型自主的极轨气象卫星风云3号A星（简称FY-3A）上搭载的中分辨率光谱成像仪（MERSI）为大面积雪监测提供了新的遥感数据源。以中国西北祁连山区为例,分析FY-3A/MERSI传感器积雪与其它地物的图谱特征差异,建立了适用于FY-3A/MERSI的归一化差分积雪指数（NDSI）,以此为基础,构建了综合利用多光谱判别指标及土地覆盖类型（LULC）定类辅助的积雪判识模型,生成250 m分辨率的日积雪制图产品。模型通过逐步逼近的树状判别结构,去除了易和积雪混淆的部分乔木林、云、云阴影、水体、湖冰、沙（盐）地等地物,并提出应考虑积雪下覆地表特性的影响,调整设定不同LULC类型的积雪判别阈值约束,实时结合区域LULC影像进行积雪的最终判定与优化。对祁连山区2010-2011年积雪季FY-3A/MERSI影像的积雪制图应用结果表明,该资料能够客观精细地反映积雪的空间分布与动态发展过程。同时利用气象台站积雪观测记录及Terra/MODIS积雪判识结果进行对比验证,结果表明基于FY-3A/MERSI建立的积雪判识模型具有较高的精度和稳定性,特别是提高了云雪区分的效能。     

MODIS雪盖制图中NDSI阈值的检验——以祁连山中部山区为例

NSIDC发布的MODIS全球积雪面积产品采用的NDSI阈值为0.40,但在我国并没有验证,在区域积雪制图中仍然需要进行NDSI阈值选取的试验.选择祁连山中部山区常年积雪区作为研究区,利用SNOMAP方法从Landsat-ETM 影像中提取积雪图.通过与目视解译获取的积雪图作比较,该方法提取积雪面积总体精度超过96%,可将其作为地面真实积雪.然后选用MODIS 1B资料,采用NDSI方法得到研究区积雪图,通过改变NDSI阈值得到不同的MODIS积雪图与假设真实值Landsat-ETM 积雪图进行对比.比较结果表明: NSIDC发布的MODIS积雪面积产品采用的NDSI阈值0.40偏高,造成研究区积雪面积的低估;通过对3个子研究区积雪图对比及统计分析,得出该区域的合理阈值为0.33.     

基于HJ-1B数据的积雪制图NDSI阈值分析——以祁连山积雪为例

环境减灾卫星是我国于2008年发射的用于环境与灾害监测预报的小卫星星座,相对于气象卫星传感器,其空间分辨率有了较大提高.以祁连山积雪为研究对象,利用环境减灾卫星HJ-1B星开展积雪提取监测研究,分别对不同区域、不同高程的积雪区进行积雪提取,以同时期Landsat ETM+影像中提取的积雪面积为标准,对环境减灾卫星NDSI阈值的选取进行研究分析,以确定适合于HJ-1B提取积雪的阈值;同时利用不同季节的HJ-1B积雪数据进行验证,用Kappa检验阈值的精度.研究表明:HJ-1B积雪制图的阈值为NDSI≥0.24,b2>0.13,b4>0.15;其中,在海拔3 000～4 000m区域NDSI阈值大于0.25,海拔4 001～5 000m区域NDSI阈值大于0.45,海拔5 000m以上区域NDSI阈值大于0.5;利用Kappa检验阈值精度,Khat系数均高于90%,说明该研究确立的HJ-1B数据提取积雪的NDSI阈值合理有效.     

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。     

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AVHRR影像的北半球积雪识别算法

针对2000年前北半球较高时空分辨率和高精度的历史积雪范围数据缺失问题,利用NOAA-AVHRR地表反射率数据,以Landsat-5 TM生成的积雪范围影像作为参考真值,优化基于多指标的多级决策树积雪识别算法的阈值,并结合云雪混淆区分技术,生成了北半球AVHRR 1981—1999年L1级逐日积雪范围数据集。此外,针对AVHRR在高纬度地区数据完全缺失和低纬度地区数据部分缺失问题,利用微波雪深数据集进行填充,生成了北半球L2级逐日积雪范围数据集。最后,利用北半球1981—1999年间2 546个气象台站记录的雪深数据和939景Landsat-5 TM参考积雪范围影像作为验证数据,对AVHRR积雪范围数据集进行了精度验证。结果表明：L1级和L2级数据集的总体精度分别为81.8%和82.2%,用户精度分别为83.7%和83.8%,生产者精度分别为81.7%和84.2%,说明算法精度较高,错分误差和漏分误差均比较均衡。进一步利用Landsat-5 TM参考积雪范围影像对L2级数据集进行面上精度评估,发现L2级数据集的总体精度为90.3%,用户精度为90.2%,生产者精度为99.1%,L2级数据集精度较高。生成的北半球历史数据集可为全球积雪变化研究提供有效数据补充。     

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。     

新疆天山西部巩乃斯河谷积雪与森林/草地 覆盖条件下季节冻土特征分析

不同的覆盖条件下,季节冻土的特征会存在差异。为了分析积雪与森林/草地覆盖条件下季节冻土的特征,在新疆天山西部巩乃斯河上游的中国科学院天山积雪雪崩研究站的实验场地监测了森林-积雪,草地-积雪,以及草地覆盖条件下季节冻土的冻结深度,并对有无积雪覆盖条件下季节冻土发育过程中的土壤温度和土壤含水量进行了跟踪测量。结果表明：森林-积雪覆盖条件下季节冻土的冻结深度最浅,草地-积雪覆盖条件下次之,草地覆盖条件下最深。积雪的存在可以改变季节冻土的冻结深度,还会影响土壤温度和土壤含水量变化。在季节冻土的发育阶段,积雪的隔热作用使得有积雪覆盖条件下土壤温度和土壤含水量较高;在积雪消融阶段,由于积雪融水的补给,土壤含水量也相应地增加,积雪消失后由于蒸发的存在导致土壤含水量减少。     

Accuracy verification of MODIS daily cloud-free snow cover products over the Tibetan Plateau北大核心CSCD

Snow cover is of great hydrological,ecological,and climatic significance in the Tibetan Plateau. MODIS snow products are widely used at present but are seriously affected by clouds. Scholars at home and abroad have developed a variety of cloud removal products for raw MODIS daily snow products,but the accuracy of these products in the Tibetan Plateau has not been evaluated comprehensively. Therefore,this paper uses Landsat-8 data with high resolution as the reference value to conduct systematic verification of three datasets of cloud-free snow products released on a daily basis. The results show that compared with the two sets of products （M*D10A1GL06 and MODIS_Dysno_Cloudfree）,which are produced based on raw MODIS daily snow cover product realized by NSIDC（National Snow and Ice Data Center）,the MODIS CGF SCE product produced based on MODIS surface reflectance data,has a great advantage in snow identification accuracy. The MODIS CGF SCE product optimized the NDSI threshold for different land cover types. Although the accuracy of snow identification was significantly improved,the problem of large snow identification error in forest areas was still not effectively resolved,and there was a high underestimate error. © 2022 Science Press (China).     

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。     

2000-2005年青藏高原积雪时空变化分析

利用MODIS卫星反演的积雪资料以及同期气象资料,分析了2000-2005年青藏高原积雪分布特征、年际变化及其与同期气温和降水的关系,结果表明:青藏高原积雪分布极不均匀,四周山区多雪,腹地少雪;高原积雪期主要集中在10月到翌年5月;2000-2005年高原积雪年际变化差异较大,积雪面积总体上呈现冬春季减少、夏秋季增加的趋势;气温和降水是影响高原积雪变化的基本因子.冬季,高原积雪面积变化对降水更为敏感;春季,气温是影响高原积雪面积变化更主要的因素.     

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ETM+的积雪提取方法研究——以新疆玛纳斯河流域为例

为了高精度地提取积雪信息, 消除森林覆盖区以及结冰河流水体对于积雪信息提取的影响, 以Landsat ETM+为数据源, 分析了玛纳斯河流域积雪信息提取的归一化差值积雪指数阈值, 并建立积雪信息提取方法. 对研究区进行了积雪信息提取, 并与国际数据服务平台所得的积雪信息提取结果进行了比较. 结果表明: 基于Landsat数据利用归一化差值积雪指数提取积雪信息时, 其合理阈值应为0.37; 通过总体精度以及Kappa相关系数在结冰水体区域以及森林覆盖区域的提取结果进行对比, 认定所使用的提取方法更加准确可靠.     

青藏高原初春积雪的多尺度变化与北大西洋海温的关系

青藏高原冬、春季积雪变化影响东亚甚至全球春、夏季的环流及气候异常。利用中国西部环境与生态科学数据中心提供的中国雪深长时间序列数据集,美国大气海洋局提供的全球逐月扩展重建海表温度,以及欧洲中期天气预报中心提供的逐月再分析数据,对青藏高原初春（3、4月）积雪的多尺度变化与北大西洋海表温度的关系进行了研究。结果表明,初春青藏高原雪深异常与初春北大西洋关键区海温异常有显著的负相关关系。当初春关键区海温正（负）异常时,初春高原中部偏北腹地地区、东南部地区积雪深度减少（增加）;初春北大西洋关键区海温异常通过激发下游青藏高原上空大气波列以及波作用通量异常来影响高原局地区域的温度和垂直运动,从而影响降雪的产生和积雪的累积。该结果为青藏高原初春积雪的多尺度变化及其影响提供了依据。