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。     

附有物理量和气象条件约束的光学卫星国土观测有效覆盖率评估

传统光学卫星国土观测覆盖评估建立在卫星对地理想覆盖的基础上,并未考虑卫星存储、星地数据传输、观测时长等物理量及观测区域气象因素对于覆盖性能的影响。本文针对光学遥感卫星的国土观测需求.建立国土观测有效覆盖能力评估指标体系,根据卫星数据存储能力、星地数据传输能力、卫星单圈最大观测时长、卫星观测太阳高度角等性能参数,提出了基于物理性能约束下的有效覆盖计算方法。根据气象台站历年气象数据,提出了气象约束因子的计算方法。综合考虑卫星物理性能约束与观测区域气象约束,计算光学遥感卫星对地观测有效覆盖能力。最后根据专家设计的光学遥感卫星国土观测有效覆盖能力评估指标权重,利用层次分析法(AHP)评估光学遥感卫星系统对于国土观测的需求满足程度。试验结果表明,本文方法对于国土观测有效覆盖的估算和评价结果更加精确,更接近于国土观测的实际应用需求,为对地观测有效覆盖能力评估提供了一种更为精确的可行方案。     

利用多光谱卫星遥感和深度学习方法进行青藏高原积雪判识

青藏高原积雪对全球气候变化十分重要,针对已有积雪遥感判识方法中普遍采用的可见光与红外光谱数据易受复杂地形与高海拔影响,导致青藏高原地区积雪判识精度较低的问题,提出了一种基于多光谱遥感与地理信息数据特征级融合的积雪遥感判识方法:以风云三号卫星可见光与红外多光谱遥感资料与多要素地理信息作为数据源,由地面实测雪深数据与现有积雪产品交叉筛选出样本标签,构建并训练基于层叠去噪自编码器(SDAE)的特征融合与分类网络,从而有效辨识青藏高原遥感图像中的云、积雪以及无雪地表。经地面实测雪深数据验证,该方法分类精度显著高于使用相同数据源的FY-3A/MULSS积雪产品,略高于国际主流积雪产品MOD10A1与MYD10A1,并且年均云覆盖率最低。试验结果表明该方法可有效地减少云层对积雪判识的干扰,提升分类精度。     

基于客观分析的多源卫星叶绿素a浓度产品融合方法研究

本文基于Aqua/MODIS、Terra/MODIS和Envisat/MERIS多源卫星叶绿素a浓度产品,研究了客观分析融合方法,制作了西北太平洋海域(0°~50°N,100°~150°E)叶绿素a浓度融合产品,并从有效数据空间覆盖率和产品精度两个方面对融合方法进行了评价。与单传感器以及欧洲太空局发布的GSM模型业务化融合产品相比,客观分析融合产品空间覆盖率明显提高;与收集的2002-2012年间叶绿素a浓度实测数据比较,GSM模型业务化融合产品的匹配数据点为578个,偏差为-0.20 mg/m3,均方根误差为0.37 mg/m3,客观分析法融合产品的匹配数据点为1432个,偏差为-0.21 mg/m3,均方根误差为0.36 mg/m3。结果表明:本文研究的客观分析融合方法在保证融合产品精度的同时可显著提高产品的空间覆盖率,在海洋水色融合应用前景广阔。     

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。     

2000-2014年西藏雅鲁藏布江流域积雪时空变化分析及对气候的响应研究

利用2000-2014年MODIS逐日无云积雪产品对雅鲁藏布江流域积雪特征的空间分布及变化、积雪随高程变化的规律进行了分析,并采用被动微波数据SMMR （1979-1987年）和SSM/I （1988-2008年）以及中国地面降水和气温0.5°×0.5°日值格点数据集,研究了雅鲁藏布江流域关键积雪参数对气候要素的响应等。结果表明：流域下游积雪日较大且变化剧烈;流域整体上呈显著减少的趋势;积雪日随高程的上升而增加;流域内降水呈不显著的增加趋势,而气温呈显著的增加趋势,最高气温对积雪变化影响最大;气温对积雪终日的影响明显高于积雪初日;在积雪消融期降水的增多促进了积雪的消融。     

积雪变化对中国森林凋落物分解影响研究进展

森林凋落物的分解对于维持生态系统物质循环和养分平衡具有重要意义,并受到不同积雪厚度下冻融格局的影响。冻融期（包括冻结过程期、完全冻结期、融化过程期）是冻土区凋落物分解的重要时期,该时期分解的凋落物量约占全年分解总量的一半。积雪减少通常会导致土壤温度降低、冻融循环次数增加,进而影响凋落物分解。通过综述近10年来积雪变化对我国森林凋落物分解影响的研究成果发现,积雪厚度减少在冻融期通常会抑制凋落物质量损失、碳元素释放和纤维素降解,生长季则起到促进作用,从全年来看多数表现为抑制作用。因此,冻融作用造成凋落物的物理破坏,对其分解的促进作用主要发生在后续生长季。积雪厚度减少在冻融期通常抑制氮元素释放,生长季和全年则无明显规律;磷元素和木质素目前研究还存在很大差异。最后,进一步阐述了积雪变化对凋落物分解影响研究存在的问题及未来研究发展方向。     

降水相态转换机制及积雪深度预报技术研究

利用2014—2017年山西省地面和高空气象观测资料、NCEP/NCAR FNL再分析资料、山西及周边地区多普勒天气雷达资料,对山西冬半年雨转雪过程进行归类与分析,探讨地面气温在降水相态转换中的作用,提取降水相态转换的前兆信息。针对降雪过程,统计分析降雪量和积雪深度增量的关系,总结提炼积雪深度预报指标。最后,选取气候特征相似的两次雨转雪过程进行对比分析,揭示降水相态转换的物理机制。结果表明:(1)山西省11月发生雨转雪的站次最多,其次为2月。地面气温作为降水相态变化的重要指标,其与气候和天气(如冷空气强度和路径)特征、地理位置等有关。(2)山西冬半年积雪深度增量与降雪量比值约0.68 cm·mm~(-1),且比值随着气温降低而增大,因此存在明显的时空差异。(3)在雨转雪的不同时段,随着对流层低层降温,冰雪层厚度在总云层的比例有所增加,且云中固态凝结物下落路径缩短,使得固态凝结物在下落过程中融化概率减小,造成相态变化。     

广东天气雷达覆盖现状的评估

利用广东省10部天气雷达2010—2016年的观测基数据,对雷达的国土覆盖、地形遮挡现状进行评估,结果表明:珠三角地区覆盖密集,大部分区域覆盖都达到4～5部雷达重叠,海岸线连续性覆盖良好;粤东地区覆盖均匀,大部地区覆盖达到3～4部雷达重叠;粤西部覆盖较好,大部分地区达到2～3部雷达覆盖重叠;粤北等人口较少的地区雷达覆盖差、遮挡严重。     

本溪,中国枫叶之都

本溪市地处辽宁中东部山区,是“八山一水一分田”的山区城市,属北半球中温带半湿润大陆季风气候,雨量充沛,四季分明。自然条件过渡性强,气候生物旅游资源丰富多样,基本类型占全国全部类型的54%,是我国北方植被覆盖率高、动植物类型丰富的独特区域。