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。     

遥感GPP模型在高寒草甸的应用比较

随着遥感数据时空分辨率的提高,大范围实时监测总初级生产力GPP(Gross Primary Productivity)的变化成为可能。本研究收集了黑河流域阿柔冻融观测站的气象观测资料和MODIS数据,驱动VPM、TG、VI和EC-LUE4个模型估算了该站点的GPP,并应用涡动相关观测的GPP验证了模拟结果,并比较了这4个模型的模拟精度。结果表明:阿柔站2009年的涡动相关观测的GPP、NEE(Net Ecosystem Exchange)和ER(Ecosystem Respiration)分别为:804.2gC/m2/yr、129.6gC/m2/yr和673.6gC/m2/yr。该站点光合作用固定的碳有83.8%通过生态系统的呼吸作用释放到大气中。基于遥感的GPP模型能够很好地模拟高寒草甸的GPP,全年的判定系数在0.94以上,生长季的判定系数大于0.84。