利用被动微波遥感数据反演我国积雪深度及其精度评

考虑到我国西部地区使用SSM/I全球算法将高估积雪深度,故以东经105°为界将我国分为东部和西部。在西部地区采用修正后的雪深算法,东部地区沿用全球算法。对散射系数较高,容易和积雪相混淆的降雨、寒漠和冻土地表类型,通过积雪分类树进行剔除,进而发展了一套适用于全国积雪深度的业务化反演方案。最后利用MODIS积雪产品对冬季90天的结果进行了精度评价,总体精度平均达到86.4%,最高精度达到95.5%,Kappa系数均值为65.5%,最大值达到86.2%。     

积雪微波辐射亮温对积雪参数的敏感性分析——以多层积雪微波辐射模型为例

积雪的被动微波辐射亮温信号十分复杂,深度、温度、粒径、密度、液态水含量,以及下垫面的状况都会不同程度的影响积雪层的亮度温度。本文利用多层积雪微波辐射模型（MEMLS）分别针对各个输入参数对模拟亮温的影响进行了分析,发现粒径是敏感性最高的模型参数,湿度、深度、密度、积雪温度次之。模型模拟结果表明,当雪深小于50cm时,雪深可以近似地表示为19和37GHz的亮温差的线性函数 |当雪深大于50cm后,随着雪深的增加,亮温差增加幅度变小,趋向于饱和。在建立积雪深度反演公式时,粒径和密度会影响公式的拟合系数。把一定区域内积雪粒径和密度看作是相同的值,这可能是造成被动微波遥感反演雪深和雪水当量误差的原因之一。被动微波无法反演湿雪的雪深和雪水当量,但可以有效识别干雪和湿雪,为水文模拟以及农业灌溉提供科学的依据和信息。积雪温度对积雪辐射亮温影响较小,而且在对积雪深度进行反演时,两个频率亮温值相减,温度的影响也被降到了最低。     

基于积雪调查数据的东北地区被动微波积雪遥感产品精度验证与分析

积雪遥感数据产品可以提供积雪的时空分布信息，是积雪监测的重要数据源。对现有的不同遥感产品进行精度验证和对比分析，明确其适用范围，有利于积雪数据产品的进一步发展和应用。为验证积雪产品在东北地区的适用性，以中国积雪特性及分布调查项目为依托，精心设计野外实验，观测了东北地区25 km典型样方和积雪线路调查数据，验证了在阔叶林和农田两种下垫面下，FY-3B雪深产品、AMSR-2雪深产品、GlobSnow雪水当量产品在东北地区的反演精度。结果表明：GlobSnow雪水当量产品精度最高，不区分下垫面的情况下，最大偏差和均方根误差分别为10.87 cm和12.53 cm。考虑下垫面的影响，GlobSnow雪水当量产品和FY-3B雪深产品在两种下垫面下的雪深反演精度差别很小，偏差和均方根误差的差值小于2.11 cm和3.46 cm，AMSR-2积雪产品在两种下垫面下反演精度差别很大，两种下垫面下偏差和均方根误差的差值大于9.94 cm和7.19 cm。对于3种积雪产品，下垫面为农田的雪深反演精度均高于下垫面为阔叶林的反演精度。     

基于积雪调查数据的东北地区被动微波积雪遥感产品精度验证与分析

积雪遥感数据产品可以提供积雪的时空分布信息,是积雪监测的重要数据源。对现有的不同遥感产品进行精度验证和对比分析,明确其适用范围,有利于积雪数据产品的进一步发展和应用。为验证积雪产品在东北地区的适用性,以中国积雪特性及分布调查项目为依托,精心设计野外实验,观测了东北地区25 km典型样方和积雪线路调查数据,验证了在阔叶林和农田两种下垫面下,FY-3B雪深产品、AMSR-2雪深产品、GlobSnow雪水当量产品在东北地区的反演精度。结果表明：GlobSnow雪水当量产品精度最高,不区分下垫面的情况下,最大偏差和均方根误差分别为10.87 cm和12.53 cm。考虑下垫面的影响,GlobSnow雪水当量产品和FY-3B雪深产品在两种下垫面下的雪深反演精度差别很小,偏差和均方根误差的差值小于2.11 cm和3.46 cm,AMSR-2积雪产品在两种下垫面下反演精度差别很大,两种下垫面下偏差和均方根误差的差值大于9.94 cm和7.19 cm。对于3种积雪产品,下垫面为农田的雪深反演精度均高于下垫面为阔叶林的反演精度。     

积雪、土壤冻融与土壤水分遥感监测研究进展

积雪、土壤冻融与土壤水分是陆表能量与水分以及碳交换过程研究中的重要因子,为了更好地了解积雪覆盖、雪深/雪水当量、土壤冻融状态和土壤水分等参数的遥感监测领域的发展动态,对这些参数遥感监测方法的研究进展进行了梳理,总结了利用光学与微波遥感,以及多源遥感融合的监测方法,并对该研究领域的发展趋势进行了展望。积雪、土壤冻融与土壤水分的遥感监测能力不断提升,监测算法从单一传感器向多传感器、单波段单一模式向多波段多模式集成,以及卫星虚拟星座综合观测概念的提出,均促进了现有卫星观测地表参数能力的提升;长时间序列产品的开发,对于研究和掌握全球变化大背景下对气候的响应提供了很好的数据基础;同时有助于促进遥感在水文、气象、气候、生态等领域的应用。以上的研究综述,有望对陆表水循环遥感参数反演领域,以及水循环遥感关键参数的应用领域有一定的借鉴作用。     

积雪属性非均匀性对被动微波遥感积雪的影响

积雪属性的非均匀性在水平方向上表现为像元内积雪未完全覆盖和雪深分布的不均匀,在垂直方向上表现为积雪剖面上粒径和密度的不一致导致的积雪分层现象。这些积雪属性的非均匀性对被动微波遥感反演雪深或雪水当量带来很大的不确定性,并且给反演结果的验证带来不确定性。通过野外积雪的微波辐射特性观测、遥感积雪产品对比分析、积雪辐射传输模型模拟对这些问题进行阐述和探讨,为今后积雪微波遥感反演算法发展和结果验证提供参考。     

基于多源数据的阿勒泰地区雪深反演研究

利用阿勒泰地区 2010~2012年冬季(11月~次年2月)3类积雪数据:风云三号微波成像仪(FY\|3/MWRI)反演的雪深数据、美国人机交互式多仪器冰雪制图系统(IMS)积雪面积数据、阿勒泰及周边地区实测雪深数据,进行积雪深度的反演研究。通过结合3类积雪数据的各自优势,建立修正模型,最终得到较准确的研究区雪深数据。同时通过编程实现了相应模型的操作平台,为今后研究区积雪业务化监测做好准备。结果表明:模型提高了FY\|3/MWRI数据反演阿勒泰地区积雪深度的准确性,改善了FY\|3/MWRI数据在阿勒泰地区雪深反演偏低的缺点,使微波与实测平均雪深误差由修正前的21.7~12.1 cm缩小为修正后的3.7~1.5 cm。     

气象卫星资料对积雪的遥感监测与分析

概述了NOAA气象卫星积雪遥感监测的基本原理和国内几种积雪遥感监测的方法,较详细地介绍了积雪监测方法。以1998年6月2日祁连山区积雪遥感监测和1998年祁连山区疏勒河流域逐旬积雪遥感监测为例介绍了此方法应用情况。通过对山区积雪与邻近气象站降水资料的分析发现测站降水量与后一旬的雪深、雪面积相关性较好。     

利用实测资料评估被动微波遥感雪深算法

利用SSM/I微波亮温数据,结合地面站点实测资料,比较Chang算法和Che算法在前苏联、中国及蒙古境内6种不同积雪类型的反演精度,结果表明:被广泛应用于全球雪深反演的Chang算法低估了前苏联境内雪深7.6cm,相对误差为-24.3%,而分别高估中国及蒙古境内雪深9.2cm与11.4cm,相对误差分别为108.8%和180.9%,区域反演效果很差;针对中国境内积雪的Che算法严重低估前苏联境内雪深,整体低估21.3cm,相对误差为-68.6%,RMSE为31.4cm;在中国及蒙古境内反演效果有所改善。6个积雪类型中,植被较单一,地形较平坦的苔原型积雪和草原型积雪雪深的反演效果较好。随着纬度和积雪深度的增加被动微波雪深反演有由高估变为低估的趋势。Che算法反演的雪深大体以40°N为界,以北表现为低估,以南表现为高估,另一方面,整体上该算法在雪深低于6.7cm时表现为低高估,高于6.7cm表现为低估;因此,全球算法应用到局部地区需要进行修正,不同下垫面性质以和气候条件下形成的积雪的被动微波反演应区别对待。     

基于FY3B-MWRI数据新疆区域积雪深度反演

积雪深度不仅用于研究地表辐射平衡,还可以研究积雪的水文效应,是天气和水文模型运行的必要参数,同时,积雪深度监测在融雪径流预报、水资源管理以及洪水控制方面都具有重要作用。我国现有积雪深度反演算法所依据的站点数据主要分布在我国中部、东部、南部,而在西北的新疆地区站点数据相对较少,因此造成了现有算法在新疆地区的雪深反演精度较差。选择新疆地区作为研究区,以FY3B-MWRI为数据源,根据该地区的地形特征和地面土地覆盖类型特征,利用回归分析方法,研究了该区域内林地、农田和草地3种土地覆盖类型的积雪深度反演算法,并结合地面实测积雪深度数据,对算法精度进行验证。结果显示,林地、农田和草地3种土地覆盖类型的雪深反演结果的R2与RMSE分别为0.758,2.58、0.729,3.21、0.854,5.70,表明该算法对新疆地区积雪深度反演得到了较高的反演精度。     

The impact of simulated soil temperatures on the estimation of snow depth over Siberia from SSM/I compared to a multi-model climatology

The snowpack is a key variable of the hydrological cycle. In recent years, numerous studies have demonstrated the importance of long-term monitoring of the Siberian snowpack on large spatial scales owing to evidence of increased river discharge, changes in snow fall amount and alterations with respect to the timing of ablation. This can currently only be accomplished using remote sensing methods. The main objective of this study is to take advantage of a new land surface forcing and simulation database in order to both improve and evaluate the snow depths retrieved using a dynamic snow depth retrieval algorithm. The dynamic algorithm attempts to account for the spatial and temporal internal properties of the snow cover. The passive microwave radiances used to derive snow depth were measured by the Special Sensor Microwave/ Imager (SSM/I) data between July 1987 and July 1995.The evaluation of remotely sensed algorithms is especially difficult over regions such as Siberia which are characterized by relatively sparse surface measurement networks. In addition, existing gridded climatological snow depth databases do not necessarily correspond to the same time period as the available satellite data. In order to evaluate the retrieval algorithm over Siberia for a recent multi-year period at a relatively large spatial scale, a land surface scheme reanalysis product from the Global Soil Wetness Project-Phase 2 (GSWP-2) is used in the current study. First, the high quality GSWP-2 input forcing data were used to drive a land surface scheme (LSS) in order to derive a climatological near-surface soil temperature. Four different snow depth retrieval methods are compared, two of which use the new soil temperature climatology as input. Second, a GSWP-2 snow water equivalent (SWE) climatology is computed from 12 state-of-the-art LSS over the same time period covered by the SSM/I data. This climatology was compared to the corresponding fields from the retrievals. This study reaffirmed the results of recent studies which showed that the inclusion of ancillary data into a satellite data-based snow retrieval algorithm, such as soil temperatures, can significantly improve the results. The current study also goes a step further and reveals the importance of including the monthly soil temperature variation into the retrieval, which improves results in terms of the spatial distribution of the snowpack. Finally, it is shown that further improved predictions of SWE are obtained when spatial and temporal variations in snow density are accounted for.     

基于ART模型的MODIS积雪反照率反演研究

积雪反照率是研究局地或全球的能量收支平衡和气候变化中的重要参数,遥感反演为积雪反照率的获取提供了便利的手段。积雪反照率大小主要取决于积雪的自身物理属性(雪粒径、形状和污染物等因子)以及天气状况,遥感反演反照率大多基于双向反射模型(BRDF),积雪BRDF模型常使用积雪辐射传输模型获得。采用考虑了雪粒径、粒子形状以及污染物影响的渐进辐射传输理论(ART)模型,建立了MODIS积雪反照率反演算法,得到了MODIS 8d合成积雪反照率产品。将此算法应用于具有均一积雪地表的格陵兰岛地区,并使用GC-Net实测数据进行了验证,反演的总均方根误差(RMSE)为0.018,相关系数(r)为0.83,结果表明考虑了积雪特性的ART模型能够较好地反演积雪反照率,而且反演需要的参数较少。     

冰雪微波遥感研究进展

对微波冰雪遥感及应用研究作了概要的介绍,重点介绍了海冰遥感监测与相关数据的应用、分析和处理,同时,介绍了微波遥感在我国冰川积雪、冻土研究中的应用及成果,并对微波冰雪遥感研究的前景作了简要的分析和展望。     

Retrieval of snow grain size over Greenland from MODIS

This paper presents a new automatic algorithm to derive optical snow grain size at 1 km resolution using Moderate Resolution Imaging Spectroradiometer (MODIS) measurements. The retrieval is conceptually based on an analytical asymptotic radiative transfer model which predicts spectral bidirectional snow reflectance as a function of the grain size and ice absorption. The snow grains are modeled as fractal rather than spherical particles in order to account for their irregular shape. The analytical form of solution leads to an explicit and fast retrieval algorithm. The time series analysis of derived grain size shows a good sensitivity to snow melting and snow precipitation events. Pre-processing is performed by a Multi-Angle Implementation of Atmospheric Correction (MAIAC) algorithm, which includes gridding MODIS data to 1 km resolution, water vapor retrieval, cloud masking and an atmospheric correction. MAIAC cloud mask is a new algorithm based on a time series of gridded MODIS measurements and an image-based rather than pixel-based processing. Extensive processing of MODIS TERRA data over Greenland shows a robust discrimination of clouds over bright snow and ice. Because in-situ grain size measurements over Greenland were not available at the time of this work, the validation was performed using data of Aoki et al. (Aoki, T., Hori, M., Motoyoshi, H., Tanikawa, T., Hachikubo, A., Sugiura, K., et al. (2007). ADEOS-II/GLI snow/ice products — Part II: Validation results using GLI and MODIS data. Remote Sensing of Environment, 111, 274-290) collected at Barrow (Alaska, USA), and Saroma, Abashiri and Nakashibetsu (Japan) in 2001-2005. The retrievals correlate well with measurements in the range of radii ~ 0.1-1 mm, although retrieved optical diameter may be about a factor of 1.5 lower than the physical measured diameter. As part of validation analysis for Greenland, the derived grain size from MODIS over selected sites in 2004 was compared to the microwave brightness temperature measurements of SSM/I radiometer which is sensitive to the amount of liquid water in the snowpack. The comparison showed a good qualitative agreement, with both datasets detecting two main periods of snowmelt. Additionally, MODIS grain size was compared with predictions of the snow model CROCUS driven by measurements of the automatic weather stations of the Greenland Climate Network. We found that the MODIS value is on average a factor of two smaller than CROCUS grain size. This result agrees with the direct validation analysis indicating that the snow reflectance model may need a “calibration” factor of ~ 1.5 for the retrieved grain size to match the physical snow grain size. Overall, the agreement between CROCUS and MODIS results was satisfactory, in particular before and during the first melting period in mid-June. Following detailed time series analysis of snow grain size for four permanent sites, the paper presents maps of this important parameter over the Greenland ice sheet for the March-September period of 2004.     

青藏高原MODIS积雪面积比例产品的精度验证与去云研究

MODIS积雪产品的精度验证和去云处理是积雪监测研究的基础。首先利用青藏高原典型地区的ETM+数据作为“真值”影像,对MODIS积雪面积比例(FSC)产品在无云条件下的精度进行验证,发展了一个基于三次样条函数插值的去云算法,并采用基于“云假设”的检验和地面站积雪覆盖日数(SCD)检验两种方法对去云算法的精度进行了分析评价。结果表明:MODIS FSC产品在青藏高原地区具有较高的精度,与FSC“真值”相比,其平均绝对误差、均方根误差以及相关系数分别为0.098、0.156和0.916;去云算法能够有效地获取云遮蔽像元的FSC信息,平均绝对误差为0.092,用新生成的无云MODIS FSC产品计算得到的SCD与地面观测值具有较高的一致性(87.03%),平均绝对误差为3.82 d。     

面向亚像元级积雪信息提取的MODIS影像波段融合方法研究

MODIS影像因其共享性和时间序列的完整性而成为大区域积雪监测研究广泛使用的数据源,进行MODIS影像波段间融合,能够为积雪研究提供较高分辨率的影像数据源。为了充分利用MODIS影像250 m分辨率波段的空间和光谱信息,提取亚像元级的积雪面积,使用两种具有高光谱保真度的影像融合方法：基于SFIM变换和基于小波变换的融合方法,采取不同的波段组合策略,对MODIS影像bands 1~2和bands 3~7进行融合,并以Landsat TM影像的积雪分类图作为“真值”,对融合后影像进行混合像元分解得到的积雪丰度图的精度进行评价。结果表明：利用基于SFIM变换和小波变换方法融合后影像提取的积雪分类图精度较高,数量精度为75%,比未融合影像积雪分类图的精度提高了6%,表明MODIS影像波段融合是一种提取高精度积雪信息的有效方法。