基于MOD10A1 V6产品下青海省各片区积雪的分布气候特征

利用MOD10A1 V6版积雪产品获取青海省及省内各重要生态功能区的积雪信息,并对积雪变化与气候因子间的响应关系进行分析。结果表明:(1)16年来青海省内积雪覆盖面积变化存在空间差异性,可可西里积雪覆盖面积显著增加(p<0.05)而其他生态功能区变化不显著,从阶段变化来看青海省及各生态功能区在2016积雪季后积雪覆盖面积大幅增加,而在2016积雪季前仅柴达木盆地积雪覆盖面积显著减少(p<0.05),其余地区减少趋势不显著。(2)16年来青海省内积雪日数变化存在空间差异性,可可西里内26.8%的面积积雪日数显著增加(p<0.05),而三江源腹部、柴达木盆地东部和祁连山地区西部积雪日数显著减少(p<0.05)。(3)近16年来青海省及各生态功能区积雪覆盖面积与降水显著正相关(r>0.65,p<0.01),与气温显著负相关(r>0.5,p<0.05),其中在青海省、祁连山、可可西里和柴达木盆地的积雪覆盖面积变化主要受降水主导,而三江源和青海湖流域则是由气温和降水共同影响。

北疆牧区MODIS积雪产品MOD10A1和MOD10A2的精度分析与评价

以北疆为研究区,结合气象台站记录的雪情数据,利用地理信息系统方法分析了2004年12月1日至2005年2月28日期间北疆地区90个时相的MODIS每日积雪产品MOD10A1和8日合成产品MOD10A2的积雪分类精度.研究表明：1）当积雪深度≤3 cm时,MOD10A1对积雪的识别率非常低,仅为7.5%;积雪深度为4~6 cm时,积雪识别率达到29.3%;积雪深度为15~20 cm,平均积雪识别率达到45.6%.当积雪深度〉20 cm时,平均积雪识别率为32.2%;2）MOD10A1产品的积雪分类精度受天气状况的严重影响.在晴空状况下,该产品的最大积雪识别率达到58.2%;但是在多云或阴天时,平均积雪识别率仅为17.8%;3）下垫面对MOD10A1的分类结果也会造成影响,在荒漠区MOD10A1的积雪识别率为39.8%,在草原和稀树草原区的积雪识别率为37.2%,农业用地的积雪识别率最低,为29.1%;4）MOD10A2产品可较好的消除云层对地表积雪分类精度的影响,平均积雪识别率达87.5%,可较好的反映地表积雪的分布状况.

基于MOD10A1的草原黑灾监测方法研究

采用MOD10A1积雪产品,通过时间序列栅格数据提取方法,监测内蒙古一个积雪季(2013年10月初至2014年3月末)的黑灾分布规律的实例,初步探讨了MOD10A1积雪产品在草原黑灾监测中的应用。以连续无雪天数、连续无雪20 d次数、连续无雪40 d的次数和连续无雪60 d的次数作为计算指标,通过进行逐日像元上的计算,获得每个像元上的指标值后进行统计分析。结果表明:(1)在研究期间,内蒙古阿拉善盟、巴彦淖尔盟北部出现的黑灾频率较高;通辽、赤峰北部降雪多,但气温高,积雪日数短,因此黑灾出现频率也是较大;而锡林郭勒盟东部、呼伦贝尔以及兴安盟出现黑灾的几率最小。(2)按月份统计分析得出,在这一积雪季中内蒙古12月发生的黑灾面积较小,10、11和3月份发生的黑灾面积较大。(3)利用MOD10A1数据通过无雪信息提取方法监测的结果与内蒙古的气候自然特征以及前人的研究基本上吻合,因此本文中的监测方法可以在黑灾研究中利用。

新疆北部地区MODIS积雪遥感数据MOD10A1的精度分析

以新疆北部牧区为研究区，结合气象台站记录的雪情数据和土地利用类型，对比分析了2001年11月1日-2005年3月31日的MODIS每日积雪产品MOD10A1积雪制图精度。研究表明，1）晴天时MOD10A1产品的精度很高，总精度可达到98．5％，积雪分类精度为98．2％。2）地面台站的积雪分类精度和总精度同海拔之间的相关系数仅为0．04和0．02，但积雪深度与积雪分类精度之间存在显著的相关性。当雪深1～3cm时积雪分类精度为54．1％～94．3％；当雪深3～36cm时，积雪分类精度均大于90％；当雪深大于36cm时，漏测次数为零，积雪分类精度将保持在100％。3）土地利用类型对积雪分类精度有一定的影响。在农田、草原和城市建筑用地3种类型上的总精度分别为97．9％，98．9％和96．9％，积雪分类精度分别为98．0％，98．5％和94．4％。4）3种土地利用类型在不同雪深下的总精度和积雪分类精度都较高。农田、草原和城市建筑用地上的最低积雪分类精度分别为94．6％，95．3％和89．5％，且最低积雪分类精度都出现在雪深为1～10cm的分段上，这个结果与积雪分类精度随雪深的增加而增加相一致。

基于FY-3D/MERSI-Ⅱ归一化积雪指数和MOD10A1的精度对比分析

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Ⅱ(MERSI-Ⅱ)是其携带的核心传感器之一,MERSI-Ⅱ实现了云、气溶胶、水汽、陆地表面特性、海洋水色等大气、陆地、海洋参量的高精度定量反演。选取2018年7、8月无云时相的FY-3D/MERSI-Ⅱ数据对天山中段终年积雪进行归一化积雪指数(NDSI)的计算。结合高分辨率Landsat-8影像,利用混淆矩阵对FY-3D/MERSI-Ⅱ数据计算结果与同期MODIS日积雪产品数据MOD10A1进行精度对比分析。结果表明:FY-3D/MERSI-Ⅱ图像平均总体精度为0.855,MOD10A1图像平均总体精度为0.820,FY-3D/MERSI-Ⅱ积雪覆盖提取平均总体精度比MOD10A1积雪覆盖提取平均总体精度高0.035。FY-3D/MERSI-Ⅱ的Kappa系数平均值为0.659,MOD10A1的Kappa系数平均值为0.558,FY-3D/MERSI-Ⅱ的Kappa系数平均值大于MOD10A1的Kappa系数平均值。故FY-3D/MERSI-Ⅱ数据提取积雪覆盖面积精度更高,更接近高分辨率Landsat-8影像目视解译结果。

基于MOD10A1的祁连山黑河流域典型冰川反照率时空变化研究

冰川反照率作为影响辐射收支最为敏感的要素,其波动变化将直接影响冰川能量—物质平衡的变化。利用遥感手段研究冰川反照率特征和时空分布规律,对于估算冰川消融乃至下游河川径流具有重要参考依据。本文以MOD10A1逐日反照率产品和Landsat TM/ETM+影像反照率反演结果为主要数据源,用实测数据进行Landsat TM/ETM+反演反照率和MOD10A1产品反照率的误差分析;进而分析黑河流域典型冰川2000—2018年MOD10A1产品反照率的时空变化特征。结果表明,MOD10A1与自动气象站测得的实测反照率差异较大,但两者随时间的变化趋势一致;MOD10A1与Landsat TM/ETM+反演结果差异较小,在黑河流域冰川反照率的研究中具有较好的适用性。在年际尺度上,4条冰川反照率均呈现微弱的下降趋势,空间尺度上,八一冰川年平均反照率最高,羊龙河五号冰川次之,七一冰川次低,十一冰川最低;消融季冰川反照率羊龙河五号冰川最高,七一冰川次之,八一冰川次低,十一冰川最低。

基于MODIS数据的青海省积雪覆盖范围监测算法探索

以青海省作为研究区,利用MODIS每日地表反射率产品MOD09GA和逐日雪被合成产品MOD10A1,通过调整NDSI阈值,合成积雪分类图像,根据气象台站实测雪深数据,评价积雪分类精度,探索研究了适合该地区的NDSI阈值。研究结果表明,1)NSIDC发布的全球MODIS积雪产品MOD10A1在青海高原的积雪分类精度较低,在晴空下雪深大于3cm的积雪分类精度为86.01%。2)研究区适合的NDSI阈值为0.37。在晴空下雪深大于3cm时,合成雪被图像的积雪分类精度可达90.37%,总精度99.51%,多测误差0.22%,漏测误差9.63%。3)同MODIS逐日雪被产品MOD10A1进行雪深分段精度比较,发现整体上自定义雪被图像的积雪分类精度较高,合成图像更符合青海高原积雪空间分布的真实情况。

基于不同土地覆盖类型NDSI阈值优化下的青藏高原积雪判别

美国国家雪冰数据中心(NSIDC)发布的MODIS第6版本逐日积雪范围产品(V6)仅提供了归一化积雪指数(NDSI),而用户往往关心的是积雪范围或积雪覆盖率。NSIDC推荐全球积雪范围最佳的NDSI阈值为0.4,但是青藏高原地形复杂,积雪斑块化特征明显,单一的NDSI阈值并不能精确地判识不同下垫面上的积雪。不同的土地覆盖类型可能影响积雪判别的NDSI阈值。以青藏高原为研究对象,基于高分辨率卫星Landsat-5 TM数据,获取了青藏高原不同土地覆盖类型下判识积雪的最优NDSI阈值。结果表明,在草地和稀疏植被地表类型下,最优NDSI阈值分别为0.33和0.40;在其他下垫面类型下,最优NDSI阈值为0.47。以Landsat 8 OLI数据为"真值"对该NDSI阈值确定的积雪范围进行了精度检验。结果表明,采用新的NDSI阈值获取的MOD10A1 V6积雪范围产品的总体精度OA、错分误差OE和漏分误差UE分别为87.88%、5.20%和6.87%。而采用传统的0.4阈值时,其OA、OE和UE分别为87.36%、3.98%和8.60%。这表明考虑不同土地覆盖类型下的NDSI阈值优化可以有效地提高青藏高原积雪判别精度,特别是对占比面积较大的草地区域,通过NDSI阈值优化可以更加准确地识别积雪范围。

萨吾尔山木斯岛冰川反照率时空变化特征研究

冰川反照率时空变化特征研究对于评估冰川能量物质平衡及认识冰川消融过程至关重要。本文基于高空间分辨率的Landsat OLI影像和高时间分辨率的MOD10A1产品,并结合冰面反照率实测数据,开展了2011—2021年北疆萨吾尔山木斯岛冰川表面反照率的时空变化特征及其对冰川物质平衡影响的研究。结果表明:Landsat反演反照率和MOD10A1反照率与同期内冰面实测反照率的相关性分别为0.95和0.62,均显示木斯岛冰川表面反照率存在显著的时空变化特征;在空间尺度上,冰面反照率沿主流线整体随海拔升高呈增加趋势。但由于局部地形差异,反照率在海拔3 600 m以下区域随海拔升高出现下降趋势;在同一海拔处,反照率沿冰川两侧边缘向中部递增。2011—2021年,冰川年均反照率微弱增加,消融期内(5—8月)平均反照率与全年平均反照率的变化速率分别为0.0024 a-1和0.0017 a-1;逐月反照率具有显著的季节变化特征,6—8月冰面反照率较低(0.330),12月—次年2月冰面反照率较高(0.586);消融期内冰川消融区反照率下降幅度大于积累区。研究进一步表明,夏季(6—8月)平均反照率与冰川物质平衡存在显著的正相关(R=0.84,P<0.01),气温、固态降水、云量、太阳入射角、吸光性杂质等是影响冰川反照率变化的重要因素。该研究将对冰川消融过程和机理、能量物质平衡模拟等工作提供重要的基础支撑。

基于混合像元分解的MODIS积雪面积信息提取及其精度评价——以天山中段为例

MODIS(Moderate Resolution Imaging Spectroradiometer)是现阶段积雪遥感监测及积雪水文学研究中积雪面积信息获取的重要平台,但其空间分辨率相对较低,影像中混合像元现象普遍存在。本文以MOD02HKM数据为基础,通过线性光谱混合模型(LSMM,Linear Spectral Mixing Model)对研究区MODIS影像进行像元分解,从中提取积雪面积信息,并进行精度评价。将线性光谱混合模型得到的积雪面积信息与美国国家冰雪数据中心提供的MOD10A1日积雪覆盖数据影像进行对比分析。结果表明:利用线性光谱混合模型可以较好的分解出像元中积雪面积信息,其分类精度达0.88;相同位置上MOD10A1的积雪分类精度为0.80。说明,对MODIS影像上积雪信息提取来说,线性光谱混合模型的分类精度较高,具有较强的适用性。

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。

天山北坡典型内陆河流域积雪年内分配与年际变化研究——以玛纳斯河流域为例

以500m分辨率的MOD10A2积雪遥感影像和气象站点数据为基础,以积雪覆盖率和初雪日与积雪日数为变量对玛纳斯河流域积雪的年内分配(2007年10月-2008年9月)与年际变化(1960年-2006年)进行了分析探讨。结果表明:水文年内玛纳斯河流域积雪变化较大,北部开阔的河谷地带积雪覆盖呈现明显的季节性变化;南部山区海拔较高,季节性积雪消融后,流域冰川主要分布在海拔3600m以上的山顶以及山谷间西北向的坡地上。同时,1960～2006年间玛纳斯河流域积雪呈现出初雪日推迟和积雪日数减短的趋势。对流域初雪日出现的频率分析表明:1960～1988年间流域初雪日出现的时间相对较早,平均出现日期为每年的第303天,1994-2006年间初雪日有显著推迟,平均出现日期为每年的第313天。于此同时,玛纳斯河流域的积雪日数呈减少趋势,速度为0.06天/年,该速度小于初雪日推迟的速度0.3天/年,这说明初雪日推迟的同时,玛纳斯河流域的积雪期呈现减短的趋势;该特征是47年来流域冬季平均气温与累计降水量的升高所直接驱动的结果,但两者并不具备统计学上的相关关系。

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。