基于FY-4A/AGRI时空特征融合的新疆地区积雪判识

高时间分辨率的积雪判识对于新疆牧区农牧业发展和雪灾预警具有重要作用,针对已有积雪产品易受复杂地形地貌,下垫面类型以及云遮蔽的影响,导致积雪判识精度降低的问题,提出一种利用深度学习方法对风云4号A星多通道辐射扫描计（AGRI）数据与地理信息数据进行多特征时序融合的积雪判识方法：以多时相FY-4A/AGRI多光谱遥感数据,以及高程、坡向、坡度和地表覆盖类型等地形地貌信息作为模型输入,以Landsat 8 OLI提取的高空间分辨率积雪覆盖图作为“真值”标签,构建并训练基于卷积神经网络的积雪判识模型,从而有效区分新疆复杂地形与下垫面地区的云、雪以及无雪地表,最终得到逐小时积雪覆盖范围产品。经数据集和2019年地面气象站实测雪盖验证,该方法精度高于国际主流MODIS逐日积雪产品MOD10A1和MYD10A1,显著降低云雪误判率。     

FY-3/VIRR资料积雪多阈值综合判识方法研究

利用卫星遥感监测积雪分布相比地面观测具有明显优势,目前基于FY-3卫星数据在积雪监测方面的研究较少。借鉴现有积雪卫星遥感监测算法,研究出适用于FY-3/VIRR资料的积雪判识方法,利用归一化积雪指数和多波段综合阈值实现积雪判识,提取积雪信息生成区域二值化积雪分布图。通过实例分析验证算法有效可行,并与MODIS积雪产品MOD10及其L1B数据NDSI判识结果进行对比,说明算法判识结果良好。研究表明,FY-3卫星数据可作为积雪遥测的可靠资料来源,可延用于积雪监测与灾害预警业务系统中,促进国产卫星数据的应用与推广。     

基于FY-MWRI的中国西部被动微波积雪判识算法北大核心CSCD

积雪是冰冻圈中分布最广泛的要素,在气候变化以及水文循环中扮演着重要角色。微波遥感因其全天时全天候工作、具有一定穿透性等优势,成为积雪监测的重要手段。利用FY-3C卫星同步观测获取的微波成像仪(MWRI)被动微波亮度温度数据、融合可见光红外扫描仪(VIRR)与中等分辨率成像光谱仪(MERSI)数据得到的积雪产品,结合MODIS地表分类数据、地表温度数据,发展了基于国产卫星数据的被动微波积雪判识算法。首先提取无云覆盖的不同地表类型被动微波数据像元样本,然后对各地表类型的微波特征进行分析,利用空间聚类的方法,得到TB19V-TB19H、TB19V-TB37V、TB22V、TB22V-TB89V、(TB22V-TB89V)—(TB19V-TB37V)这五类可以较好地区分积雪和其他类似积雪地表的指标。最后应用MODIS积雪产品为参考对该积雪判识算法进行精度评价,该算法在中国西部积雪判识总体精度为87.1%,漏判率为4.6%,误判率为23.3%;Grody算法判识总体精度为78.6%,漏判率为9.8%,误判率为30.7%,该算法判识精度高于Grody算法;通过Kappa系数分析比较,该算法积雪判识结果的Kappa系数值为47.3%,高于Grody算法判识结果的Kappa系数值39.9%,表明该算法积雪判识结果与MODIS积雪产品判识结果一致性更好。     

基于FY-3D/MERSI-Ⅱ的积雪面积比例提取算法北大核心CSCD

风云三号D星(FY-3D)是我国新一代极轨气象卫星。中分辨率光谱成像仪(MERSI-Ⅱ)是其携带的核心传感器之一,FY-3D对于全球数值天气预报、大气定量探测以及气候变化监测等具有重要意义。积雪面积比例产品是众多陆面产品之一,是水文模型和区域气候模型的主要输入参数。基于MERSI-Ⅱ数据发展了业务化提取积雪面积比例的算法,算法核心是混合像元分解。空间光谱端元提取(SSEE)的方法自动提取端元,全约束最小二乘法(FCLS)求解线性混合模型。解混结果叠合云掩膜得到FY-3D/MERSI-Ⅱ积雪面积比例数据(FY-FSC)。以Landsat 8的积雪面积比例数据(L-FSC)作为参考值对FY-FSC进行验证,同时将FY-FSC和MODIS积雪面积比例数据(M-FSC)进行比较。结果表明:FY-FSC的总体相关系数(R)为0.54,均方根误差(RMSE)为0.17,绝对平均误差(AME)为0.10;M-FSC总体R为0.41,RMSE为0.26,AME为0.29;利用积雪面积提取的精度评价因子K比较FY-FSC和M-FSC获取的总积雪面积的精度。结果表明:FYFSC和M-FSC数据的平均K值分别为88.51%和86.78%,FY-FSC精度高于M-FSC。FY-FSC将作为试验参数纳入FY-3D/MERSI-Ⅱ积雪覆盖业务产品中,可填补国产卫星业务化反演积雪面积比例参数的空白。     

风云三号积雪覆盖产品评估

由于积雪在地球气候系统和水文循环中调节能量和水交换的特定作用,准确地估计积雪分布和制作高质量的积雪产品对短期气候预测以及水文管理至关重要。中国气象局国家卫星气象中心从2009年开始生成风云三号卫星积雪覆盖率(MULSS多仪器融合数据)产品,为了检验产品算法和为积雪产品在气候研究中的应用提供客观依据,有必要对积雪产品的精度进行评估。以MODIS MOD10C1(MYD10C1)全球日积雪覆盖数据集为参考,基于总精度、Heidke技巧评分等5项检验指标,主要对2010~2014年的风云三号积雪产品进行评估,并进一步分析不同时间尺度积雪覆盖率精度的偏差分布。总体而言,风云三号的卫星积雪产品都与MODIS产品保持了较好的时空一致性。如在积雪季节,风云MULSS积雪产品与MODIS产品的空间分布和时间演变相对统一;但是,可能受到云检测的处理的差异的影响,在融雪期二者的有无雪一致性略有下降。此外,两个产品的积雪覆盖率偏差有明显的年际、季节和月变化,从2012年开始,风云三号MULSS积雪产品相对MODIS的偏差由在中国北部偏高转变为在全国范围内的偏低,从积雪期到融雪期,偏差明显减小。从月的时间尺度来说,东北及新疆北部地区都是积雪变化的敏感区域,青藏高原地区受到地形影响,积雪常年保持,偏差稳定。     

基于FY-MWRI的中国西部被动微波积雪判识算法

积雪是冰冻圈中分布最广泛的要素,在气候变化以及水文循环中扮演着重要角色。微波遥感因其全天时全天候工作、具有一定穿透性等优势,成为积雪监测的重要手段。利用FY-3C卫星同步观测获取的微波成像仪(MWRI)被动微波亮度温度数据、融合可见光红外扫描仪(VIRR)与中等分辨率成像光谱仪(MERSI)数据得到的积雪产品,结合MODIS地表分类数据、地表温度数据,发展了基于国产卫星数据的被动微波积雪判识算法。首先提取无云覆盖的不同地表类型被动微波数据像元样本,然后对各地表类型的微波特征进行分析,利用空间聚类的方法,得到TB19V-TB19H、TB19V-TB37V、TB22V、TB22V-TB89V、(TB22V-TB89V)—(TB19V-TB37V)这五类可以较好地区分积雪和其他类似积雪地表的指标。最后应用MODIS积雪产品为参考对该积雪判识算法进行精度评价,该算法在中国西部积雪判识总体精度为87.1%,漏判率为4.6%,误判率为23.3%;Grody算法判识总体精度为78.6%,漏判率为9.8%,误判率为30.7%,该算法判识精度高于Grody算法;通过Kappa系数分析比较,该算法积雪判识结果的Kappa系数值为47.3%,高于Grody算法判识结果的Kappa系数值39.9%,表明该算法积雪判识结果与MODIS积雪产品判识结果一致性更好。     

欧亚大陆中高纬度区逐日无云积雪产品研发及验证

利用多源遥感数据,结合光学遥感数据高空间分辨率及被动微波数据不受云干扰的优势,利用MODIS逐日积雪标准产品和AMSR-E雪水当量产品,生成了欧亚大陆中高纬度区500m分辨率的逐日无云积雪产品,并利用更高分辨率的Landsat-TM数据生成的积雪产品作为"真值"影像,对研发的逐日无云积雪覆盖产品的精度进行了验证。结果表明:MOD10A1和MYD10A1受云影响均较为严重,无法直接用于地表积雪面积的监测。而本研究合成的逐日无云产品具有较好的精度,与TM积雪图具有较高的一致性。但不同的土地覆盖类型对积雪分类精度有一定的影响。其中,裸地和草原覆盖区精度最好,Kappa系数分别为0.655和0.644,均为高度一致性;其次精度较好的是灌丛和耕地覆盖区,Kappa系数分别为0.584和0.572,均为中等的一致性;而森林覆盖区由于受到高大植被的影响,Kappa系数仅为0.389,合成产品相对TM积雪产品明显高估了森林区积雪面积。整体Kappa均值达到0.569,接近高度一致,研究结果对实时监测欧亚大陆积雪面积具有一定的应用价值。     

基于FY-3D/MERSI-Ⅱ的积雪面积比例提取算法

风云三号D星(FY-3D)是我国新一代极轨气象卫星。中分辨率光谱成像仪(MERSI-Ⅱ)是其携带的核心传感器之一,FY-3D对于全球数值天气预报、大气定量探测以及气候变化监测等具有重要意义。积雪面积比例产品是众多陆面产品之一,是水文模型和区域气候模型的主要输入参数。基于MERSI-Ⅱ数据发展了业务化提取积雪面积比例的算法,算法核心是混合像元分解。空间光谱端元提取(SSEE)的方法自动提取端元,全约束最小二乘法(FCLS)求解线性混合模型。解混结果叠合云掩膜得到FY-3D/MERSI-Ⅱ积雪面积比例数据(FY-FSC)。以Landsat 8的积雪面积比例数据(L-FSC)作为参考值对FY-FSC进行验证,同时将FY-FSC和MODIS积雪面积比例数据(M-FSC)进行比较。结果表明:FY-FSC的总体相关系数(R)为0.54,均方根误差(RMSE)为0.17,绝对平均误差(AME)为0.10;M-FSC总体R为0.41,RMSE为0.26,AME为0.29;利用积雪面积提取的精度评价因子K比较FY-FSC和M-FSC获取的总积雪面积的精度。结果表明:FYFSC和M-FSC数据的平均K值分别为88.51%和86.78%,FY-FSC精度高于M-FSC。FY-FSC将作为试验参数纳入FY-3D/MERSI-Ⅱ积雪覆盖业务产品中,可填补国产卫星业务化反演积雪面积比例参数的空白。     

基于多尺度特征融合网络的新疆积雪覆盖度估算

受复杂地形和遥感数据低分辨率的影响，传统的二值化积雪遥感产品在山区和林区的积雪覆盖度计算中存在严重误算和漏算的问题，从而导致积雪覆盖度估算精度低。基于风云四号A星多通道辐射扫描计（AGRI）新疆地区的遥感影像数据，提出一种多尺度特征融合网络的积雪覆盖度估算方法。通过深度残差网络和特征金字塔模式对卷积层各个阶段的特征信息进行重构，融合深层和浅层特征的多重语义信息，同时结合AGRI数据高时间分辨率的特性，拟合光谱信息和地理因素间的非线性关系，从而提高数据源和特征信息的整体利用率。实验结果表明，相比MOD10_FSC、BP-ANN_FSC和ResNet_FSC方法，该方法在A1~A4样本区中相关系数均值和解释回归模型的方差得分均值最高可提高8和6个百分点，且其均方误差均值仅为0.1，能够获得较高精度的积雪覆盖度估算结果。     

基于FY-3A/VIRR数据的雪盖信息提取软件设计与实现

目前基于FY-3A/VIRR资料的处理研究较少且VIRR数据量庞大,一些商用遥感图像处理软件很难直接完成对图像的预处理工作,这样对后续的定量化反演以及对FY-3A/VIRR的推广使用带来了困难。为了解决业务化问题,运用改进的归一化积雪指数(NDSI)、综合阈值判别算法和IDL、VB混合编程技术相结合的方法设计了积雪信息批量提取软件,实现了针对FY-3A/VIRR数据的单幅图像或多幅图像的积雪信息提取以及精度验证。实验表明,该软件处理速度快、实时性好、可批量提取积雪信息,大大节省了人力资源,同时提高了VIRR数据的分发和共享能力,可以在今后的工业生产和自动化领域推广使用。     

Assessment of FY-3 Snow Cover Product

Due to the unique function that snow played in modulating energy and water exchanges in climate and hydrology system,it is important to estimate snow distribution and produce high quality products for short-term climate prediction and water resources management.National Satellite Meteorological Center publics FY-3 snow cover fraction product since 2009.It is necessary to evaluate the snow cover fraction product in order to verify the precision of retrieval algorithms and provide an objective evidences for climate studies.based on MODIS MOD10C1(MYD10C1) Global Daily Snow Cover Dataset,we carries out an evaluate of FY-3 snow cover fraction product from 2010 to 2014 based on five examine indexes,and analyses the bias distribution of snow cover fraction product in different time scales further.It is concluded that FY-3 snow product is a better time space consistency with MODIS MOD10C1(MYD10C1).For example,the consistency of two products is better in snow accumulation period,while it is reducing influenced by cloud detectionin snow melting time.At the same time,bias of snow cover fraction products have obviously changes in inter-annual time,seasonal and monthly.compares to MODIS products,FY-3 snow product is higher in North China,but it coverts to lower in whole China since 2012.Bias of two products decreases from snow accumulation period to snow melt period.In monthly time scale,North eastern China and north of Sinkiang area is sensitive area of snow variation.Bias is more stable because of Tibet Plateau is influenced by topography and covered with snow all the year.     

1980~2019年北疆积雪时空变化与气候和植被的关系

利用1980~2019年中国长时间序列的AVHRR逐日无云积雪面积产品和气象站实测雪深资料计算积雪日数、积雪初日、积雪终日、积雪期、雪深等积雪物候参数,研究积雪物候的时空分布变化,同时结合ECMWF-ERA5再分析资料和GIMMS NDVI3g数据集分别提取气象因子（气温、降水）和植被因子（返青期、枯黄期、生长期）,探究北疆积雪物候变化对气象因子和植被因子的响应。结果表明：北疆近40 a间的平均积雪日数为81.62 d/a,73%的区域为稳定积雪区,积雪初日在11月、终日在3月,积雪期为每年11月初至次年3月底4月初;空间上呈现不均匀分布,其中阿勒泰山地区、天山地区、大部分塔城盆地和额尔齐斯谷地区为主要积雪区,1980~2019年间北疆积雪覆盖面积比例、积雪日数和积雪期逐年降低,积雪初日基本没变,但积雪终日显著提前;ECMWF-ERA5再分析资料表明1980~2019年北疆积雪期降水量无明显变化,但积雪覆盖面积比例显著降低,说明降雪区雪深可能增加,这与北疆气象站实测雪深逐渐增加结果相吻合;平均气温与积雪期积雪覆盖面积比例、积雪日数、积雪期长度相关性较大,呈现显著负相关,积雪期降水量与积雪物候参数呈现正相关;积雪物候及其气候效应引起北疆自然植被返青期显著提前,植被生长期延长的特征。     

基于MODIS数据的我国天山典型区积雪特征研究

准确监测天山地区积雪面积和积雪日数对合理利用水资源及分析区域气候变化有重要意义。MODIS每日积雪产品可以为大面积快速积雪制图与监测提供依据,但因云量较高成为其应用的瓶颈。利用结合MODIS产品的时间与空间信息有效地减少了云对MODIS积雪产品的影响,并利用改进的MODIS积雪数据和DEM分析2002~2009年天山地区积雪面积和积雪日数的变化特征。结果表明:积雪频率总体上随着海拔升高而增大;不同坡向积雪面积差异明显,西北坡积雪覆盖率最高,北坡、西坡和东北坡次之,南坡和东南坡的积雪覆盖率最低;2006~2008年研究区积雪面积出现低值,年内最大积雪面积呈逐年减少的趋势;随着海拔下降,积雪日数逐渐变小,天山南部地区积雪日数仅为40 d以下;积雪日数大的区域年际积雪日数变化相对稳定,积雪日数少于40 d的区域积雪日数的变异系数最大,年际积雪日数变化不稳定。     

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。     

Study of Monitoring Snow Cover Using GOESGeostationary Satellite and AMSR-E

Snow cover is an important variable in global climate change research and meteorological applications.In this paper,we use visible and infrared bands of GOES-12(Geostationary Operational Environmental Satellite) geostationary satellite and AMSR-E(Advanced Microwave Scanning Radiometer for the Earth Observing System) to monitor snow cover in east of USA and discuss the application method.Snow index,multi-temporal data combination and decision-tree classification are used in monitoring the snow cover.Temporal stability test and climatic surface temperature test are used to further discriminate snow and cloud.Snow cover result also combined with AMSR-E daily snow products to remove the cloud effect.This method performs well in monitoring snow cover which removes more cloud and get more information of the surface.Using NOAA/NESDIS IMS daily snow cover products and station observations to compare and validate the snow cover images,the accuracy is about 86% and 90%,respectively.The operational geostationary satellites of China are FY-2D/2E,which have the same band information of GOES.This method can be used in monitoring snow cover of China in further study.     

MODIS和VEGETATION雪盖产品在北疆的验证及比较

雪盖产品的准确性评估对于水文模型中的遥感应用具有重要的意义,利用北疆47个气象站实测雪深资料,并将气象站根据海拔和下垫面进行分类,对我国可使用的3种光学遥感雪盖产品MOD10A1、MOD10A2和VGT-S10雪盖产品进行验证。研究表明,MOD10A1、MOD10A2和VGT-S10雪盖产品识别总体精度分别为91.3%、90.6%和87.9%,3种产品在农田、草地、城镇和建筑用地总体精度更高 |在稀疏灌木林、裸地与稀疏植被识别总体精度较低,特别是在山区,3种产品识别精度均较低,分别为66.3%、75.7%和61.9%。进一步统计3种雪盖产品的错分误差、漏分误差,发现3种产品错分误差都比较小,但在山区站的漏分误差比较严重,分别为32.4%、21.7%和36.3%,3种产品在山区都低估了雪盖面积。3种不同时间分辨率的雪盖产品云影响率分别为61.8%、7.6%和1.8%。最后将MODIS合成与VGT-S10时间分辨率相同的雪盖产品,并对两种产品在积雪积累期和消融期进行相互比较,比较发现MODIS识别精度要优于VGT-S10雪盖产品,3种产品中VGT-S10由于合成天数最多,所以雪盖产品受云的影响最小。     

C波段SAR山区积雪面积提取研究

合成孔径雷达(SAR)不仅具有穿云透雾,全天候观测地表的能力,而且可穿透地表覆盖一定深度获取地表覆盖物内部特征信息。利用2011年10景ENVISAT\|ASAR可变极化模式精细图像(ASA_APP_1P)数据,分析比较了黑河上游祁连山冰沟流域不同时段积雪SAR后向散射特性,应用同期的MODIS积雪面积产品确定研究区积雪的累积和消融背景信息。研究表明:由于融雪期积雪含水量上升,SAR图像后向散射系数相比干雪或无雪图像明显降低,经过分析认为广泛应用的-3 dB阈值会明显低估湿雪覆盖范围,-2 dB阈值更适合该地区湿雪面积参数提取。山区积雪融化过程中低海拔区域积雪融化而高海拔山区积雪仍可能为干雪,在提取湿雪像元的基础上,根据Sigmoid函数阈值获取的像元湿雪百分比及DEM信息来提取干雪像元,最终获取整个流域积雪面积信息。通过与Landsat ETM+图像积雪面积分类结果进行比较,总体精度达到78%。积雪累积和消融背景信息的分析表明:误差主要源于流域东北部与西北部低海拔区域积雪快速消融。     

An application of MODIS data to snow cover monitoring in a pastoral area: A case study in Northern Xinjiang, China

Snow is an important land cover on the earth's surface. It is characterized by its changing nature. Monitoring snow cover extent plays a significant role in dynamic studies and prevention of snow-caused disasters in pastoral areas. Using NASA EOS Terra/MODIS snow cover products and in situ observation data during the four snow seasons from November 1 to March 31 of year 2001 to 2005 in northern Xinjiang area, the accuracy of MODIS snow cover mapping algorithm under varied snow depth and land cover types was analyzed. The overall accuracy of MODIS daily snow cover mapping algorithm in clear sky condition is high at 98.5%; snow agreement reaches 98.2%, and ranges from 77.8% to 100% over the 4-year period for individual sites. Snow depth (SD) is one of the major factors affecting the accuracy of MODIS snow cover maps. MODIS does not identify any snow for SD less than 0.5 cm. The overall accuracy increases with snow depth if SD is equal to or greater than 3 cm, and decreases for SD below 3 cm. Land cover has an important influence in the accuracy of MODIS snow cover maps. The use of MOD10A1 snow cover products is severely affected by cloud cover. The 8-day composite products of MOD10A2 can effectively minimize the effect of cloud cover in most cases. Cloud cover in excess of 10% occurs on 99% of the MOD10A1 products and 14.7% of the MOD10A2 products analyzed during the four snow seasons. User-defined multiple day composite images based on MOD10A1, with flexibilities of selecting composite period, starting and ending date and composite sequence of MOD10A1 products, have an advantage in effectively monitoring snow cover extent for regional snow-caused disasters in pastoral areas.