融合FY-3C号和FY-4A号卫星数据的积雪面积变化研究—以祁连山区为例

祁连山区积雪类型丰富、判识复杂,是中国积雪研究的典型区域。因此,精确地监测祁连山区积雪面积变化及其时空演变,对祁连山区生态环境和社会经济发展等具有重要意义。FY-3C MULSS利用多阈值积雪指数模型提供全球日积雪覆盖产品,FY-4A AGRI传感器每15~60 min提供一景覆盖全球的多光谱影像。基于FY-4A AGRI高时间分辨率的特征,构建适合于FY-4A号数据的动态多阈值多时相云隙间积雪识别方法,很大程度上减小了云对光学数据识别积雪造成的影响,并结合FY-3C MULSS积雪覆盖日产品较高空间分辨率的优势,融合得到去除云后的FY3C4积雪覆盖数据。利用Landsat 8 OLI卫星数据对融合后的积雪数据进行对比验证,结果表明融合FY-3C和FY-4A后的数据能更好地判识祁连山区的积雪覆盖情况。以MODIS MOD10A2积雪产品为真实值,随机检验了2018年3月~2019年3月融合后数据的积雪判识精度,发现无云情况下方法的总体精度可达到85.25%。进一步研究发现祁连山区积雪面积在海拔、气候和坡向等因素的影响下时空分布极不均匀,总体呈现出冬春季节大于夏秋季节,以及东部积雪面积大于西部积雪面积的特征。     

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。     

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。     

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。     

雅砻江地区无云积雪覆盖产品的制作

MODIS积雪产品在晴空下积雪识别精度很高,但其受云污染导致数据缺失严重。IMS和SWE数据虽为无云产品,但受分辨率的限制积雪监测精度有待提高。以青藏高原东部雅砻江流域及周边地区为例,通过合成MODIS每日积雪覆盖产品、邻近日分析法以及改进的SNOWL判别法对云像素进行重分类,然后用IMS或者SWE无云积雪数据对中间生成的片雪再分类,制作了除云后的逐日无云积雪覆盖产品。再用目视解译法将从HJ-1B卫星影像中提取的积雪覆盖信息作为观测"真值",对无云积雪覆盖产品进行分类精度评估。结果表明:通过算法的改进,提高了该产品与观测数据的积雪一致率和总体分类精度,总体上解决了因云污染导致的数据缺失,IMS和SWE积雪监测精度不足的问题。     

基于Google Earth Engine评估新疆西南部MODIS积雪产品

Google Earth Engine(GEE)是一种基于云建立的地理空间处理平台,可以针对地理空间数据进行分析,实现全球范围内海量遥感数据的并行处理,为遥感大数据、大区域研究提供支持。MODIS积雪覆盖制图是利用MODIS资料建立的全球积雪覆盖产品,已广泛应用于区域乃至全球的气候与环境监测中。GEE云平台存储着百万景遥感影像,其中包括覆盖全球的MODIS逐日积雪产品MOD10A1V5数据和Landsat数据。以新疆西南部3个研究区为例,选取GEE云计算平台存储的Landsat数据,应用NDSI提取积雪范围作为地表覆盖真值,对MOD10A1展开精度评估。结果表明:2000~2016年新疆西南部积雪季MOD10A1的平均总体准确率达82%,平均误判率为2.9%,平均漏判率为58.8%。在晴空条件下,MOD10A1总体准确率可达98%,不同区域的地形及云量是影响MOD10A1精度评估的主要因素。GEE云计算平台可以快速有效地筛选高质量无云的Landsat数据,对全球范围内积雪区的MOD10A1进行精度评估,以在线地图的形式直观显示误判和漏判区域,并利用GEE提供的简单云分函数计算区域云量,使云量对MOD10A1积雪分类精度的影响更具区域代表性。     

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AMSR2和MODIS数据融合的雪深降尺度算法研究—以北疆地区为例

高空间分辨率雪深数据对于区域气候、水文研究具有重要的意义。利用10 km空间分辨率的AMSR2 L1B亮度温度数据,结合500 m空间分辨率的MODIS逐日无云积雪面积比例数据,发展了一种多源数据融合的空间动态降尺度雪深反演算法（SDD）。基于该算法获取了北疆地区500 m空间分辨率的雪深数据（SDDsd）,并利用研究区30个气象台站和野外实测的雪深数据对该算法反演雪深的精度进行了评估。结果表明：基于SDD方法获取的雪深数据与实测雪深数据之间的决定系数R²为0.74,均方根误差RMSE为3.47 cm;雪深反演的精度与下垫面类型密切相关,草地精度最高,城镇和建设用地次之,耕地相对较差;雪深反演的精度也会受到地形的影响,精度随坡度的增加而降低。相对于微波遥感雪深数据直接重采样结果,新的算法有效提高了浅雪区雪深反演精度,同时能更精细地描述积雪的空间分布,为理解区域气候变化、水文循环提供了可靠的数据支撑。此外,随着长时间序列全球尺度逐日无云FSC数据的生产,结合现有的长时间序列全球尺度AMSR2数据,该算法有望制备全球的降尺度雪深产品。     

寒区复杂地表冻融状态判别式算法改进

基于冻融土的微波辐射特征,在HUT(Helsinki University of Technology)积雪辐射模型的基础上,引入新的冻土介电常数模型计算冻/融土的介电常数,利用高级积分方程模型(Advanced Integrated Emission Model,AIEM)计算地表发射率,改进了寒区复杂地表微波辐射模型和冻融状态判别式算法。采用AMSR~2(The Advanced Microwave Scanning Radiometer 2)被动微波辐射计亮温数据和地基微波辐射计观测数据进行了地表冻融状态判别式算法精度的验证与比较。结果显示:改进后的判别式算法对冻土的判识精度有明显提升,总体判识精度在82%以上,是一种较可靠的判别模式。     

时空自适应加权的MODIS积雪产品去云方法

鉴于MODIS积雪产品存在的空间不连续降低了数据的应用潜力,该文提出一种时空自适应加权的去云方法,同时顾及积雪在空间和时间上的相关性,自适应地衡量两者对积雪分布的影响。以新疆伊犁河流域为实验区,进行了模拟验证和基于气象台站数据的真实验证。结果表明:该方法能完全去除云覆盖,去云精度可达到90%以上,且对不同云量的修复都有较好的鲁棒性,能真实地反映地面积雪覆盖情况,可为积雪监测研究提供数据保障。     

Evaluation of MODIS Snow Products in Southwestern Xinjiang Using the Google Earth Engine

Google Earth Engine(GEE) is a cloud\|based geospatial processing platform that can analyze geospatial data to achieve parallel processing of massive remote sensing data on a global scale,providing support for remote sensing big data and large\|area research.MODIS snow cover mapping is a global snow cover product established using MODIS data and has been widely used in regional and global climate and environmental monitoring.In the GEE,millions of remote sensing images are stored,including MODIS daily snow products MOD10A1 V5 data and Landsat data.Taking the three research areas in southwestern Xinjiang as examples,the Landsat stored by the GEE were selected,and the NDSI was used to extract the snow cover as the true value of the land cover to evaluate the MOD10A1 accuracy.The results show that the average overall accuracy of MOD10A1 in the snow cover season in southwestern Xinjiang during the period from 2000 to 2016 is 82%,the average misjudgment rate is 2.9%,and the average missed rate is 58.8%.The overall accuracy of MOD10A1 can reach 98% under the clear sky conditions.The accuracy of MOD10A1 is effected by the terrain conditions and cloud cover in different regions.Therefore,the GEE can quickly and effectively filter high quality cloudless Landsat images,and evaluate the accuracy of the MOD10A1 in the snow area around the global regions,displaying intuitively the misjudgment and missed areas in the form of online maps.Meanwhile,GEE provides the Landsat simple cloud score function to calculate the regional cloud cover,which makes the influence of cloud cover on the MOD10A1 accuracy assessment more regionally representative.     

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。     

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.     

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。     

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.     

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。