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 |
| |
引用本文: | 胡晓静,郝晓华,王建,戴礼云,赵宏宇,李弘毅.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[J].遥感技术与应用,2021,36(6):1236-1246. |
| |
作者姓名: | 胡晓静 郝晓华 王建 戴礼云 赵宏宇 李弘毅 |
| |
作者单位: | 1.兰州交通大学 测绘与地理信息学院,甘肃 兰州 730070;2.中国科学院西北生态环境资源研究院,甘肃 兰州 730000;3.地理国情监测技术应用国家地方联合工程研究中心,甘肃 兰州 730070;4.甘肃省地理国情监测工程实验室,甘肃 兰州 730070 |
| |
基金项目: | 国家重点研发计划(2019YFC1510503);国家自然科学基金项目(41971325);中国科学技术基础资源调查计划(2017 FY100502);兰州交通大学优秀平台支持(201806) |
| |
摘 要: | 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。
|
关 键 词: | 雪深 AMSR2 MODIS 积雪面积比例 SSEmod 降尺度算法 |
收稿时间: | 2020-12-14 |
|
| 点击此处可从《遥感技术与应用》浏览原始摘要信息 |
|
点击此处可从《遥感技术与应用》下载全文 |