基于光谱-环境随机森林回归模型的MODIS积雪面积比例反演研究

积雪面积比例（Fractional Snow Cover, FSC）数据能在亚像元尺度上定量的描述像元内积雪覆盖的程度,相比二值积雪面积数据可以更加精确地估计积雪覆盖的面积。基于机器学习的随机森林回归模型可以表示高维的非线性关系,可显著提高MODIS FSC的反演精度。采用随机森林回归模型结合光谱、环境信息构建了一个新的回归模型——光谱-环境随机森林回归（Spectral Environment Random Forest Regressor, SE-RFR）模型,用于MODIS数据反演中国区域的FSC。利用中国典型积雪区内由Landsat 8地表反射率数据获取的FSC数据作为参考值,对SE-RFR模型的反演精度进行评估。研究表明,利用“SE-RFR”获取的FSC数据RMSE、MAE分别为0.160、0.104,精度较高。此外,根据SE-RFR模型与未加入环境信息的随机森林回归（S-RFR）模型比较结果可知,加入环境信息的随机森林回归模型提高了FSC反演的精度,特别是在受环境信息影响较大的青藏高原地区,RMSE从0.200降低到0.181。最后,将SE-RFR模型与目前使用广泛的MODIS FSC反演模型FSC_NDSI、MODSCAG和SSEmod进行了比较,结果表明SE-RFR模型的RMSE与FSC_NDSI、MODSCAG和SSEmod模型的RMSE相比,平均RMSE分别提高了12.0%、8.3%和5.5%。总体来说,SE-RFR模型可以准确地提取MODIS FSC,对于区域乃至全球FSC产品制备具有广泛的应用前景。     

查干湖冰封期光谱特征及影响因素

湖冰光谱特征是湖冰遥感反演的物理基础,是研究湖冰光学特性和空间分布的理论依据。本文以查干湖为例,使用ASD Field Spec 4便携式地物光谱仪采集冰封期不同类型湖冰、积雪和水体光谱,利用Savitzky-Golay滤波法和包络线去除法分析白冰、灰冰、黑冰、雪冰、积雪和水体的反射光谱特征,探索气泡对湖冰反射光谱特征的影响。积雪和雪冰、白冰和灰冰、黑冰和水体的反射特征随着波长的变化特征基本一致,冰的反射率介于积雪和水体之间,其中白冰的反射率高于灰冰和黑冰,在包络线去除结果中,黑冰和水体在440 nm吸收谷处的吸收面积为5.184和10.878、吸收深度为0.052和0.106,雪、雪冰、白冰、灰冰在800和1030 nm吸收谷处的吸收面积和吸收深度的变化表现为雪<雪冰<灰冰<白冰。气泡是影响湖冰光谱特征的重要因素,气泡使白冰反射率减小和黑冰反射率增大,并且气泡使得白冰在800/1030nm和黑冰在440 nm处的吸收面积和吸收深度减小,其中气泡大小和疏密程度的不同会导致湖冰反射率的影响程度存在差异。同时,本文选取时间同步的Landsat 8 OLI遥感影像,在完成辐...