用EOS/MODIS资料反演积雪深度参量

利用EOS/MODIS可见光、近红外及短红外多通道资料以及新疆地区积雪深度气象台站实测资料等,在考虑积雪性质包括积雪粒子相态、积雪年龄等的差异以及积雪区的下垫面条件包括地表粗糙度、土地覆盖类型等的不同的情况下进行积雪分类,在此基础上,建立EOS/MODIS积雪深度反演模型,实现深度在30 cm以内的积雪深度反演的主要原理、思路及方法,并对模型的反演结果进行了验证。结果表明,利用该模型对30 cm以内的积雪进行深度反演计算,其精度能达到80%以上。     

基于多源数据的内蒙古中东部积雪厚度研究

积雪作为气候系统中重要的环境影响因素受到了普遍的重视,特别是在高纬度、高海拔地区,积雪面积和积雪厚度是积雪研究的两个重要因子。利用2010年11月8日、14日和25日三天的MODIS L1B数据,根据在可见光波段,地表、云和雪在该波段的反射率都比较高的特点,计算得出的积雪覆盖面积空间分布图。积雪深度受降雪量、坡度、坡向等多因素的影响表现为不连续分布,单纯利用气象监测站点无法获得积雪厚度的空间连续分布,而遥感影像也受到局地特征的影响而精度不够。因此,首先基于经验公式,利用MODIS L1B数据计算了积雪覆盖面积,在此基础上,基于气象监测点的积雪深度数据和MODIS L1B波段的相关性,选择影像数据的最优通道,通过建立多波段的积雪深度回归模型,并且对积雪深度进行空间连续插值,通过将模拟的积雪深度与监测点插值结果进行对比,发现统计回归的方法有效的提高了积雪深度、覆盖度等雪情监测信息精度。     

基于反射率和亮度温度的锡林郭勒积雪深度估算

积雪是我国西北干旱半干旱区重要的水资源，也是影响全球气候变化的重要因子之一。 目前光学影像反射率和雷达亮温数据是积雪遥感领域的主要数据，本文首次结合两类遥感数据估 算积雪深度，并比较偏最小二乘法和机器学习算法（人工神经网络、支持向量机和随机森林算法） 在积雪深度估算方面的表现。以锡林郭勒盟 2012—2015 年积雪深度数据为例，基于反射率和亮度 温度相结合的积雪深度估算精度优于单个数据源，且随机森林算法表现最好，均方根误差为 2.93 cm，满足实际应用的需求。研究结果对我国西北地区水资源分布、生态环境评估等研究具有重要 意义。     

基于微波遥感数据的雪情参数反演方法

微波遥感传感器在36.5 GHz通道会因雪深超过其穿透深度而出现信号饱和,从而导致雪深被低估。针对该问题,首先建立了18.7 GHz与36.5 GHz通道亮温差和10.7 GHz与18.7 GHz通道亮温差相结合的积雪深度分层反演新方法,然后利用GCOM-W1星上搭载的AMSR2传感器数据估算了2012年12月至2013年2月新疆每日积雪深度,结合同期的气象站点观测数据与野外实测数据对遥感反演结果进行了评价。结果表明,所建立模型能够很好识别新疆地区积雪的空间分布状况,雪深的估算结果明显优于常用的Chang模型。     

基于GF-1的青藏高原东南部积雪分布及MODIS积雪产品适用性研究

青藏高原东南部海拔高,地形复杂,云量大,准确掌握该地区的积雪分布特征对于积雪灾害防治非常重要。论文以2013—2019年冬季积雪积累期云量符合要求的35景高分一号(GF-1)影像为基础,将全色影像和多光谱影像融合为2 m分辨率影像,通过目视解译获取了研究区积雪的空间分布特征,结合改进后的30 m分辨率SRTM DEM,探讨了地形对积雪分布的影响。结果表明：积雪像元在研究区范围内占比为33.1%。积雪的垂直分布特征明显：积雪在高程带4000~5000 m(高海拔)处分布较集中,积雪面积占比为18.1%;在高程带0~2000 m、2000~3000 m和6000~7000 m处积雪面积占比均不到0.1%。积雪在北坡、东北坡的分布比例较高,均为15%以上;在南坡、西坡、西南坡、东南坡分布比例较低,均为10%左右。将基于GF-1影像获取的积雪分布分别与同日获取的根据MODIS V6积雪产品计算的积雪比例(MODIS FSC)和积雪分布的对比表明,64.4%的MODIS FSC像元绝对误差不超过10%,MODIS积雪分布产品对含雪像元的漏分率和误分率平均为33.8%和32.7%,说明MODIS积雪产品在研究区的精度还具有较高的不确定性,其对低覆盖积雪反演的精度较差。这表明利用MODIS积雪产品研究青藏高原东南部积雪的时空变化特征时还需要对其积雪反演算法进行改进,同时亟需加强地面观测和基于多源遥感数据的积雪研究。研究结果可为青藏高原东南部雪冰灾害防治提供支撑。     

基于MODIS数据的土库曼斯坦山区积雪监测

积雪是影响气候变化的重要因子,准确、及时的获取积雪覆盖范围,进行动态变化监测意义重大。利用MODIS数据进行土库曼斯坦积雪监测,提取积雪信息的研究较少。利用MODIS L1B 500 m分辨率数据,通过几何校正、去云预处理,应用归一化差分积雪指数（NDSI）算法和综合阈值判别法,获取了土库曼斯坦2011年11月～2012年4月山区积雪覆盖范围和面积等数据信息,揭示了土库曼斯坦山区积雪发生的时空特征。土库曼斯坦南部的科佩特山区是该国降雪的核心地区,积雪面积均在1月达到最大值,随后积雪面积随温度的升高而减少。山区积雪面积、月均气温、月降雨量之间存在着显著的相关性,其相关系数分别为0.742 9和0.568 4。结果表明,在监测时段积雪面积随气温的降低、降雨量的减少而增加。     

MODIS数据在云南省积雪监测中的应用

介绍了EOS／MODHS数据特点。通过对雪的光谱特征分析，提出利用归一化积雪被指数NDSI结合归一化植被指数进行积雪信息提取的方法。并以2004年2月7日云南省大面积降雪过程为例，分析和讨论了该次过程的范围和面积。结果表明：MODIS数据在云南省积雪监测方面有很好的应用前景。     

基于去云处理的祁连山积雪覆盖遥感监测研究

雪盖信息在生态研究、水资源评价管理以及灾害防治中有重要的作用,MODIS利用冰雪指数(NDSI)和阈值提供全球每日积雪产品,微波遥感传感器AMSR-E提供南北半球不受云影响的雪水当量数据。通过融合同一天不同时间过境的MODIS积雪产品MOD10A1和MYD10A1为MOYD,融合MOYD和AMSR-ESWE积雪当量产品产生MODAM,以祁连山区气象站观测雪深数据为"真值",检验了2010-2011年积雪季MODIS积雪产品和AMSR-E识别积雪的精度,结果表明:MOYD产品和MODAM使云量减少了15%和100%,积雪精度和总体精度分别达到了24%、59%和88%、80%,通过融合多时相和多传感器数据大大提高了积雪监测精度,此外对祁连山积雪时间分布和不确定进行了分析。     

基于MODIS积雪产品的高亚洲融雪末期雪线高度遥感监测

以2001—2016年逐日MODIS积雪产品为主要数据源,在高亚洲区域发展了大尺度融雪末期雪线高度的遥感提取方法,并对其2001—2016年的时空变化特征进行了分析。提取方法首先对逐日的MODIS积雪覆盖率产品进行去云处理,获得积雪覆盖日数（SCD）数据集;并用冰川年物质平衡观测数据、融雪末期Landsat数据对提取终年积雪的MODIS SCD阈值进行率定;最后以MODIS SCD提取的终年积雪面积结合地形“面积—高程”曲线实现大尺度融雪末期雪线高度信息的提取。结果表明：① 高亚洲融雪末期雪线高度的空间异质性较强,总体上呈南高北低的纬度地带性分布规律;并因受山体效应的影响,雪线高度由高海拔地区向四周呈环形逐渐降低的特点。② 高亚洲2001—2016年融雪末期雪线高度总体上表现为明显的增加趋势。在744个30 km的监测格网中,24.2%的格网雪线高度呈显著增加,而仅0.9%的格网呈显著下降。除兴都库什、西喜马拉雅外,其他地区雪线高度均表现为升高趋势,显著上升的地区主要分布在天山、喜马拉雅中东部和念青唐古拉山等,其中以东喜马拉雅升高最为显著（8.52 m yr ^-1）。③ 夏季气温是影响高亚洲融雪末期雪线高度变化的主要因素,两者具有显著的正相关关系（R = 0.64,P < 0.01）。     

古尔班通古特沙漠积雪覆盖、沙尘天气特征及其相互关系

利用TERRA/MODIS MOD10A2雪盖产品数据和地面观测积雪日数、冻土深度和沙尘天气日数等数据,从不同时间尺度分析古尔班通古特沙漠地表积雪覆盖与沙尘天气的特征及其相互关系。结果表明:①沙尘天气主要发生在4—10月,春季（4—5月）沙尘天气最多,夏秋季逐渐减少。从年际变化看,20世纪80年代前,沙尘天气发生日数呈逐年增加趋势,而积雪日数增减波动较大,二者间关系不明显,80年代后,沙尘天气逐年减少,积雪日数呈波动增加趋势。②冬春季积雪覆盖率、≥1 cm积雪日数、≥5 cm积雪日数、≥10 cm积雪日数与翌年春季沙尘天气发生均呈显著负相关关系,冬春季≥1 cm积雪日数每超过常年平均积雪日数1 d,翌年春季沙尘天气日数则减少4.3 d,而平均冻土深度与沙尘天气呈显著正相关关系。③积雪覆盖使沙漠地表形成冷源性下垫面和近地层逆温层结,增加了大气稳定度,同时春季积雪消融增加了土壤湿度,为荒漠植被生长提供充足的水分,使表层土壤为强风提供沙尘的可能性降低,从而对沙尘天气的发生起到阻碍、消弱作用。