FY-3C积雪产品在同化中对微波资料质量控制的影响分析

T639-GSI全球系统同化AMSU-A资料的过程中,目前使用的月平均积雪产品并不能反映中高纬度大陆上快速地降雪/融雪过程,而FY-3C日积雪产品在时间精度上要高于GSI月平均积雪覆盖数据。由于同化系统对AMSU-A较低通道辐射率资料的质量控制需要依据更准确的地表积雪信息,所以本文结合冬春季节的FY-3C日积雪产品和NCEP再分析资料,研究了北半球中高纬度地区不同积雪覆盖率初值对分析场不同高度层温度场的影响,以及在同化过程中对预报结果的影响。结果表明,在对AMSU-A辐射率资料的质量控制中,月平均积雪数据和日积雪产品对温度场影响较大的区域与两者积雪覆盖差异区域有明显的对应;冬春季节,使用FY-3C日积雪产品代替GSI月平均积雪数据作为背景场中积雪下垫面数据,对进入同化系统的AMSU-A辐射率资料质量控制时,120 h之内1000—600 h Pa的中低层温度场的预报效果得到改善。     

伊犁河谷流域积雪分布及其变化分析

针对积雪分布变化的检测对区域冰雪资源的合理利用及灾害防治至关重要的问题,该文基于MODIS10A2积雪数据对研究区进行分带提取,采取趋势分析法、相关性分析法,分析不同海拔高度积雪年内年际变化特征以及分布变化原因。结果表明:积雪覆盖的垂直分布呈不同的季节性模式,其中高程C(2 200～3 200 m)是对积雪垂直分布影响最显著的区域;从各月积雪垂直分布和地表温度之间的回归分析来看,5和9月的相关性最为显著;12—2月(冬季)的相关性较差;积雪覆盖年际变化和地表温度的负相关性在高程A～D区比较显著;积雪日数长期变化在不同海拔有明显的差异,海拔≥2 000 m和≤1 000 m区域多年平均积雪日数呈减少趋势,海拔为1 200～1 800 m区域呈增加趋势。     

FY-2C积雪判识方法研究

介绍了利用FY-2C资料进行积雪判识的原理,在阈值法基础上的辅助因子函数积雪判识方法以及相应的FY-2C积雪判识结果精度验证分析等。一般较为常用的卫星遥感积雪判识方法为简单阈值法,由于其带有一定的随机性,很难客观反映下垫面条件差异对阈值选取的影响。以阈值法为基础,将所使用的主要变量以函数形式表达,以海拔高度、地理位置、季节、土地覆盖类型等作为阈值函数的变量,通过大量采样建立起多种阈值函数,从而实现随时空特点变化的阈值实时计算。该方法用于FY-2C积雪判识,较好地解决了FY-2C全圆盘范围内广大区域不同下垫面类型下的实时积雪监测。通过与NOAA-17人机交互积雪判识结果对比分析,该方法的积雪判识精度可达85%左右。     

小流域积雪时空变化特征对比研究

利用Terra和Aqua卫星提供的2002~2012年MODIS 8d积雪分类产品MOD10A2和MYD10A2生成双星8d合成产品MOYD10A2,并进行精度评价。在此基础上,提取了嫩江与辽河流域积雪覆盖率、相对积雪日数和归一化积雪指数,并对比分析了嫩江与辽河流域的积雪时空变化特征。结果表明:(1)合成后的图像大大降低了云层对积雪产品的影响,更好地恢复了云下积雪遥感信息,提高了积雪遥感指数的精度;(2)嫩江、辽河流域积雪高峰期均出现在11月中下旬到次年4月中上旬,每年的积雪覆盖率高峰期和变化趋势基本保持一致,但嫩江流域的积雪覆盖率明显高于辽河流域;受地理位置和海陆分布的影响,嫩江流域积雪天数呈由东北向西南方向减小的趋势,且积雪天数明显多于辽河流域;(3)MODIS 8d积雪分类产品可在长时间、大范围积雪监测中发挥作用。     

利用FY-3B MWRI遥感数据反演南极海冰表面积雪厚度

海冰表面积雪厚度是冰冻圈和全球气候系统的重要组成部分,在海洋、海冰和大气的能量传输中起着关键的作用。针对目前缺乏南极海冰表面积雪厚度国产卫星遥感数据产品的问题,本文探索应用FY-3B MWRI被动微波亮温数据开展南极海冰表面积雪厚度的遥感反演研究。结果表明基于2016年FY-3B MWRI 18.7 GHz、36.5 GHz垂直极化亮温及海冰密集度数据,采用Comiso03模型反演的积雪厚度结果较Markus98更好,与AWI2016年部署在威德尔海的浮标(2016S31、2016S37、2016S40)观测的积雪厚度同日同像元对比的偏差为-1.72 cm。FY-3B MWRI反演的2016年南极海冰表面积雪厚度与美国雪冰数据中心发布的GCOM-W1 AMSR-2积雪厚度产品整体上具有较好的一致性(时空平均偏差为-0.11 cm、相关系数为0.90),积累期和稳定期(4—10月)两者差异较小(时空平均偏差为-0.81 cm,相关系数为0.93),消融期(11月—次年3月)差异较大(时空平均偏差为2.76 cm,相关系数为0.85),差异主要分布在威德尔海北部和东南极冰边缘区。开展FY-...     

ENDSI增强型雪指数提取积雪研究

快速、准确、客观地提取积雪覆盖信息,获得积雪覆盖时空分布资料,是资源生态环境变化研究中的基本问题,卫星遥感技术为有效解决这个问题提供了技术支持。归一化差值雪指数(normalized difference snow index,NDSI)法利用积雪在绿光波段(0.53~0.59μm)高反射和短波红外波段(1.57~1.65μm)强吸收特征,可实现遥感自动提取积雪区。以Landsat8 OLI影像为数据源根据积雪的光谱特征,在加入波段B1(0.433~0.453μm)和B2(0.450~0.515μm)特征的基础上,运用提出的增强型雪指数(enhanced normalized difference snow index,ENDSI),从OLI影像上进行积雪自动提取。研究结果表明,对积雪厚度变化ENDSI敏感度强于NDSI;在裸土、薄雪及厚雪区,随着积雪厚度的增加,ENDSI值变化幅度强于NDSI,能有效增大雪与非雪的差异;当ENDSI阈值取0.3时,可以有效区分雪与非雪,提高积雪提取精度。     

利用CCD相机进行南极站积雪覆盖监测的方法

针对南极考察站区小尺度高时相的积雪覆盖信息目前还没有成熟的监测手段这一问题,详尽地介绍了利用CCD相机进行积雪覆盖监测的方法,包括对相片分割阈值的选取、感兴趣区(ROI)的划定以及像素点的坐标转换等技术流程;计算和分析了2014年8月的南极长城站区积雪覆盖变化情况;并在此基础上,对未来站区附近积雪动态变化监测研究做了展望。     

MODIS NDSI产品去云算法及最优阈值选择研究EI北大核心CSCD

归一化差值积雪指数NDSI (Normalized Difference Snow Index)是积雪识别中最常用的指数,但由于云的遮挡限制了MODIS NDSI产品的应用。本文提出了一种基于邻近相似像元的MODIS NDSI产品去云方法,并分析了无云NDSI序列在积雪识别中的最优阈值。对于NDSI影像上某一个云遮挡的目标像元,选取目标像元的n个邻近相似像元进行加权平均来预测该目标像元的NDSI值。以东北积雪区2017年10月1日—2018年4月31日一个积雪季的NDSI产品进行去云实验,并采用“云假设”的方法进行了检验,所预测到的云覆盖像元NDSI值与实际值的相关系数达到0.95,均方根误差为0.08。将逐日无云NDSI序列与气象站点测量的雪深序列进行对比,二者具有很好的一致性。气象站点的测量雪深大于等于1 cm时,假定该站点所在的像元为有雪像元,并以此为真值,分析无云NDSI序列在积雪识别中的最优阈值。结果表明,非森林地区NDSI阈值为0.1时积雪提取的精度最高,可以达到95.6%;森林地区的NDSI最优阈值为0,对应的积雪提取精度为93.5%。     

基于实测光谱和SRF的稀疏植被区MODIS积雪信息提取

以新疆准噶尔盆地古尔班通古特沙漠为研究区,以中等分辨率成像光谱仪(MODIS 1B)数据为例,辅以MODIS光谱响应函数(SRF)和全波段光谱仪(ASD)准同步采集的雪面反射光谱,运用线性光谱混合模型(LSMM)实现了稀疏植被区积雪遥感信息提取.结果表明:①利用SRF对雪面反射光谱进行端元光谱到像元光谱的转换,生成对应于MODIS1-7波段的离散光谱,将其与用最小噪声分离(MNF)变换和像元纯度指数(PPI)法获得的MODIS影像端元光谱进行对比,发现MODIS1波段光谱值远大于转换光谱值,MODIS2-7波段光谱值与转换光谱值接近;②MODIS2-7波段影像端元光谱值适用于LSMM估算稀疏植被区积雪分量,积雪分量估算值与归一化差分积雪指数(NDSI)拟合结果显示,剔除MODIS1波段后估算的积雪分量与NDSI的相关性显著提高,表明所提取的积雪分量可以作为估算积雪的典型指数.     

D-InSAR技术的积雪深度反演

积雪深度是大量气候、水文、农业及生态模型的重要输入变量。选用欧空局Sentinel-1主动微波数据,利用合成孔径雷达SAR(Synthetic Aperture Radar)差分干涉测量技术的二轨法,根据积雪相位与雪深之间的转换关系,反演新疆天山中段的巴音布鲁克盆地典型区的积雪雪深分布,提出了基于InSAR二轨差分的雪深估计方法,反演得到2016年12月18日的空间分辨率为13.89 m的雪深分布。研究表明:(1)对Sentinel-1数据进行正确的预处理以后,可以应用SAR差分干涉测量技术的二轨法反演区域雪深分布。但由于像对相干性和积雪状态的差异,积雪深度超过10 cm,可以获取较准确的雪深反演结果,R=0.65,反演误差的均方根误差RMSE=4.52 cm,平均相对误差为22.42%,反演雪深结果均比实测结果略偏低;而当雪深小于10 cm时,雪深反演值较实测值存在较大的误差,相对误差均高于34.52%,且反演雪深值均比实测值偏高。(2)雪深反演精度受高程及实际雪深的差异影响显著,另外雪深反演精度也受限于干涉像对相干性。结果表明,对于获取区域积雪雪深,InSAR技术较光学及被动微波遥感具有非常广阔的应用前景。     

基于MODIS数据的青藏高原积雪时空分布特征分析

利用2000―2014年间获取的MOD10A2积雪产品,结合数字高程模型数据,借助GIS空间分析方法,以积雪覆盖率(snow cover fraction,SCF)为指标,定量分析了青藏高原积雪的整体空间分布特征及高程、坡度和坡向等地形因素对高原积雪时空分布的影响。主要结论有:(1)青藏高原积雪覆盖具有高原周围和中部高大山脉积雪丰富、SCF高,内陆盆地和谷地积雪少、SCF低的特点;(2)海拔越高,SCF越高,积雪持续时间越长,年内变化越稳定;(3)海拔4 000 m以下年内积雪覆盖呈单峰型分布特点,海拔4 000 m以上则为双峰型;(4)SCF最低值在海拔6 000 m以下出现在夏季,而在海拔6 000 m以上则出现在冬季;(5)SCF在不同坡向中,北坡向最高,南坡向最低,东坡和西坡向居中。     

近15年新疆逐日无云积雪覆盖产品生成及精度验证

为降低云对MODIS逐日积雪覆盖产品MOD10A1和MYD10A1在新疆积雪实时监测与研究中的影响,引入交互式多传感器雪冰制图系统(interactive multi-sensor snow ice mapping system,IMS)等多源遥感数据和地面实测资料,综合时间滤波法、空间滤波法及多传感器融合法等不同的去云技术,建立基于多源数据的去云方法,生成新疆地区2002—2016年近15 a间逐日无云积雪覆盖产品数据,并利用实测资料对生成的产品数据进行精度评价及结果验证。结果表明,去云后积雪覆盖产品在新疆积雪覆盖的总体监测精度为90.61%,接近于去云前MODIS晴空积雪覆盖产品在新疆的总体监测精度(93.3%)。     

利用GPS-IR技术快速估计雪水当量

雪水当量的监测对于气候变化的预测、水资源管理、农业生产规划具有重要意义。GPS干涉反射(GPS interferometric reflectometry, GPS-IR)技术是一种十分有效的地表积雪监测技术,基于GPS-IR技术提出了一种雪水当量的快速估计方法。首先基于GPS-IR技术获取美国板块边界观测(plate boundary observatory,PBO)GPS站的雪深时间序列;然后利用美国积雪遥测(SNowTELemetry, SNOTEL)站观测数据构建雪水当量转换模型;最后以北美历史与预测气候数据项目(historical and projected climate data for North America,ClimateNA)的气候预测数据作为参数约束,将GPS日雪深快速转化为雪水当量,并对雪水当量估计与验证过程的影响因素进行评价。实验结果表明,基于GPS-IR技术得到的雪深序列具有良好可靠性,与观测值的相关系数(R2)达到0.98,均方根误差(root mean square error, RMSE)为11.1 cm,偏差(Bias)为-3.7 cm;快速转化模型对雪水当量估计具有较高精度(R~2=0.98,RMSE=4.2 cm,Bias=-2.5 cm)与稳定性;转化模型时空稳定性较高,残差集中在5 cm内;气候预测数据的引入、积雪分布差异对雪水当量估计与验证影响较小。所提方法在积雪监测设备缺乏区域可实现雪水当量快速估计,同时也为现有积雪观测网络增强、积雪产品改善等研究提供参考。     

利用非线性NDSI模型进行积雪覆盖率反演研究

基于统计回归的积雪覆盖率反演方法适合提取大范围区域的积雪覆盖率,提出了基于归一化积雪指数(NDSI)的非线性积雪覆盖率回归模型,利用阿拉斯加、西伯利亚和内蒙古地区的样本数据进行回归分析,估计模型参数,并利用建立的回归模型提取天山地区和祁连山地区的积雪覆盖率进行了验证。结果显示,基于NDSI的非线性积雪覆盖率回归模型对样本数据的拟合度和利用模型提取的积雪覆盖率精度相对于线性模型均有一定的提高。     

基于MODIS影像的内蒙古草原积雪监测

光学遥感源MODIS具有高光谱分辨率、高时间分辨率、高空间分辨率、全球范围内免费接收等优势,被广泛应用于洪涝、干旱、森林草原火灾、雪灾等自然灾害的动态监测领域。MODIS数据用于内蒙古草原积雪监测,提取积雪信息在国内尚属空白。本文利用MODIS L1B 500m分辨率数据,经过几何校正、去"双眼皮"预处理,根据归一化差分积雪指数(NDSI)算法和综合阈值判别法对内蒙古自治区2008年1月下旬大范围降雪进行积雪信息提取,制作积雪覆盖图。利用内蒙古生态与农业气象中心发布的雪情遥感监测信息验证积雪覆盖图的准确度。验证结果表明,MODIS数据用于大范围积雪监测非常有效。     

北极一年海冰表面积雪深度遥感反演与时序分析

北极海冰表面的积雪深度是重要的地球物理变量, 是研究物质与能量平衡、计算海冰厚度的重要参数。为减小不同被动微波传感器观测数据的系统误差, 对国防气象卫星计划(Defense Meteorological Satellite Program, DMSP)F17-SSMIS与F13-SSM/I重叠期亮度温度数据进行交叉定标, 建立4个频段48个月尺度定标模型, 并与传统年尺度定标模型进行比较和优选, 在此基础上估算并分析2003-2014年北极一年海冰表面积雪深度变化。结果表明:19H、19V、22V、37V频段1~5月的月尺度模型决定系数高于传统年尺度拟合模型; 2003-2014年, 北极一年海冰表面积雪深度总体呈现下降趋势, 同时积雪深度存在明显的周期性变化, 每年7月积雪深度最小, 9月最大; 东西伯利亚海、拉普捷夫海和巴伦支海海冰表面积雪深度呈现减少的趋势。     

积雪陆表微波观测资料干扰识别方法对比分析

地面无线电干扰对星载微波辐射计资料的影响日益凸显,很大程度上降低了微波反演地表参数的精度。以常年积雪覆盖的南极大陆为研究区域,利用2011年7月1—7日先进微波扫描辐射计(advanced microwave scanning radiometer-earth observing system,AMSR-E)观测资料,采用频谱差法、标准化的主成分分析法(normalized principal component analysis,NPCA)和双主成分分析法(double principal component analysis,DPCA)对研究区域的无线电频率干扰(radio-frequency interference,RFI)进行识别和对比分析。研究发现,对于有积雪覆盖的陆地表面,频谱差法不能准确地检测出RFI信号,NPCA在有冰雪覆盖的海岸线附近会出现误判,而DPCA更适用于所有海冰或积雪覆盖地区的RFI识别,且AMSR-E低频通道较强的RFI信号大多分布在观测站附近。总体而言,水平极化比垂直极化时的RFI信号强,而在部分地区,10. 65 GHz通道的RFI信号在垂直极化方式时较水平极化方式强。     

用气象卫星资料监测积雪

本文简要叙述了利用气象卫星资料进行积雪监测的可行性和复杂性;以改进的甚高分辨率扫描辐射仪(AVHRR)资料为例综述了遥感监测积雪的原理、方法和资料处理过程;分析了计算结果,并探讨了未来积雪监测的发展。     

近40年波密县积雪时空分布特征分析

基于1977—2017年的Landsat卫星数据,研究区域积雪季节变化特征以及积雪变化与气候特征之间的响应机制。对Lantsat数据采用面向对象法、雪盖指数法提取波密县流域的积雪像元,研究结果表明,近40年来波密县流域积雪面积在年际尺度上整体面积急剧下降,40年间积雪覆盖率由67%下降至18%,尤其是2007—2017这10年,波密县流域的积雪面积呈现明显下降的趋势。全球气候变暖可能是波密县流域积雪面积不断变小的主要原因。     

利用PPP分析GPS天线积雪引起的信号传播延迟

分析了GPS天线积雪对载波信号场强、功率的影响,推导了载波信号传播延迟的简化计算公式,利用精密单点定位(PPP)计算了测站在GPS天线积雪产生和消除前后的单日解。结果显示,天线积雪使得天线相位中心产生偏移,对平面和高程方向的影响为数个cm,甚至更大。