共查询到20条相似文献，搜索用时 15 毫秒
1.
MODIS逐日积雪产品去云算法研究 总被引：11，自引：7，他引：4
由于积雪和云的反射特性, 使用光学遥感监测积雪受到天气的严重干扰, 对研究区云量的分析表明, 无论是MOD10A1还是MYD10A1, 云都是影响该产品对研究区积雪进行实时监测的最大影响因素. 综合不同去云方法, 利用MODIS逐日积雪产品和被动微波数据AMSR-E雪水当量产品, 生成了MODIS逐日无云积雪图像, 并利用研究区85个地面气象观测台站提供的雪深数据对合成的单日无云积雪产品进行验证. 结果表明: 当积雪深度>3 cm时, 新产品的积雪分类精度达到91.7%, 该产品对实时监测青藏高原积雪动态变化具有重要的使用价值. 相似文献
2.
基于HJ-1B卫星数据的积雪面积制图算法研究 总被引：2，自引：0，他引：2
积雪是影响气候变化的重要因子, 采用更高时空分辨率的环境减灾卫星遥感数据进行积雪制图算法的研究, 对推进我国自主遥感卫星在积雪监测领域的应用具有重要意义. 采用环境减灾HJ-1B卫星数据, 以青海省果洛藏族自治州达日县为研究区, 应用归一化差值积雪指数(NDSI)法建立了基于HJ-1B卫星数据的积雪面积制图算法, 并比较MODIS与HJ-1B积雪图精度. 结果表明: 研究区HJ-1B积雪制图合理的NDSI阈值为0.37, 总分类精度达到97.97%; 与"真值"影像比较, HJ-1B积雪图Khat系数为0.911, 高于MODIS的0.817. 说明该研究建立的基于HJ-1B积雪制图算法精度可靠, 适合对研究区积雪进行实时动态监测. HJ-1B更高的空间分辨率对提高研究区积雪覆盖面积监测精度具有重要的使用价值, 但是地形因素是影响HJ-1B数据积雪分类精度的一个重要原因, 随着坡度的增加, 分类误差也随之增大, 尤其是多测误差增加比较显著. 相似文献
3.
基于MODIS的青藏高原季节性积雪去云方法可行性比较研究 总被引：3，自引：2，他引：1
青藏高原地处中纬度地区,季节性积雪分布破碎,地面观测站点稀少,中分辨率成像光谱仪（MODIS）可为该地区提供每日积雪监测数据,然而云是光学遥感最大的影响因素,为研究MODIS每日积雪产品去云方法在青藏高原的适用性,根据原理将去云方法归纳总结为五大类,并对每种方法的“潜在假设”开展分析讨论。结果显示：基于时间连续性的方法适用性强,去云效果明显,上下午积雪连续的平均概率为72.5%,而2~5d的连续积雪的概率为5.6%~43%不等,可靠性差;临近像元法可去除零散分布的云,平均正确率达到95.5%,但去除云量较少;基于高程的去云算法在山区适用性好,而在高原腹地由于坡度较小而错判概率较大;采用被动微波遥感数据进行去云则依赖于微波对云的识别率,往往误差较大;采用数学方法拟合积雪边界在积雪破碎、降雪融雪较快的青藏高原地区,物理意义较弱。通过分析研究表明,青藏高原地区MODIS日积雪产品的去云,需综合多种算法的区域适用性,充分考虑青藏高原地形及积雪本身的特征,逐步完善每日积雪去云工作。 相似文献
4.
在系统评估青藏高原积雪观测典型气象站历史定位坐标精度基础上,利用站点雪深资料对NOAA IMS 4 km和1 km分辨率雪冰产品在青藏高原的精度和适用性进行了验证和评估,定量分析了IMS 4 km到1 km空间分辨率提高和气象站历史定位与GPS定位坐标之间的差异对青藏高原IMS积雪监测精度的影响。结果表明：青藏高原个别气象站历史坐标与当前GPS接收机定位之间存在较大的差异,如安多气象站经度偏小0.6°,纬度偏大0.08°。IMS 4 km雪冰产品在青藏高原的总精度介于76.4%~83.2%,平均为80.1%,积雪分类精度介于35.8%~60.7%,平均为47.2%,平均误判率为17.1%,平均漏判率为45.5%,总体上呈现地面观测的积雪日数越多、平均雪深越大,其总体监测精度越低,而积雪分类精度越高的特点。IMS分辨率从4 km到1 km总体精度平均提高了2.9%,积雪分类精度平均提高了0.9%,主要是由于个别站点的精度提升较大引起的,对高原多数台站积雪监测精度的改进和提升很小。除个别台站外,目前气象站历史坐标和GPS定位坐标之间的差异,对IMS 4 km积雪监测精度验证结果没有影响。然而,今后随着卫星遥感技术的发展,更高时空分辨率的遥感积雪产品将用于积雪监测和研究,精确的地面观测站坐标信息是对这些遥感数据开展精度验证与实际应用的前提。 相似文献
5.
祁连山区MODIS积雪反照率产品的精度验证及云下积雪反照率估算研究 总被引：4，自引：1，他引：3
积雪反照率在全球气候和能量收支平衡模型中起着重要的作用. 利用祁连山地区大冬树垭口站点反照率实测数据对由TM/ETM+得到的反照率数据进行标定, 然后将TM/ETM+反照率数据通过升尺度对MODIS逐日积雪反照率(SAD)产品在晴空条件下的精度进行了验证. 同时, 发展了一个基于MODIS SAD与AMSR-E SWE数据融合并结合Noah积雪反照率参数化方案估算MODIS SAD数据云下积雪反照率的算法, 通过统计分析纠正了云对积雪反照率的影响, 对云下积雪反照率进行了验证分析. 结果表明:MODIS SAD产品在祁连山地区的精度要低于大面积积雪覆盖的平坦地区(如格陵兰岛), 其平均绝对误差及均方根误差分别为0.0548和0.0727; 云下积雪反照率估算方法可以有效地获取云覆盖下积雪像元的反照率值, 纠正后的无云MODIS SAD数据与地面观测值有较好的一致性, 其平均绝对误差为0.078. 相似文献
6.
东北地区MODIS和AMSR-E积雪产品验证及对比 总被引：3，自引：0，他引：3
通过2002-2008年6个积雪季节的Terra-Aqua/MODIS积雪产品(MOD10A2、MOD10C2)和Aqua/AMSR-E雪水当量产品,分析了东北地区积雪覆盖面积的变化特征,以研究区气象站点观测的积雪数据为真实值来验证两种产品积雪信息的精度,探讨了云覆盖、土地利用类型和雪深对积雪覆盖精度的影响.结果表明:云的存在对微波数据积雪识别的影响较小,在积雪量较多的12月至次年的2月随云量百分比的变化,MOD10A2积雪覆盖面积比例大体出现负变化.因此,在有云情况下AMSR-E数据反演积雪精度最好.对比草地、耕地、林地和居民地4种土地覆盖类型对监测积雪覆盖精度的影响,发现林地对其影响最大,在林区3种积雪产品的积雪识别精度分别为55.8%、81.2%、85.4%;雪深对AMSR-E积雪产品识别精度影响较小,总体精度为97.8%;积雪深度对MOD10A2积雪产品识别精度影响较大,总体精度为57.3%.MOD10A2、MOD10C2和AMSR-E 3种积雪产品的总体反演精度分别为69.3%、76.6%、76.3%.有必要开发适用于东北地区的积雪覆盖算法,提高估算精度,为能量平衡估算、气候模型、农业生产、土壤墒情监测服务. 相似文献
7.
青藏高原积雪范围和雪深/雪水当量遥感反演研究进展及挑战 总被引：1，自引：0，他引：1
积雪是地表特征的重要参数,对辐射收支、气候和长期天气变化均有重要影响。雪本身又是一个重要的天气现象和水文气象参数,过量的降雪也会带来严重的雪灾,如牧区雪灾、雪崩和融雪洪水灾害等。因此对积雪的监测,尤其是对山区的积雪监测,具有多方面的意义。利用卫星遥感技术监测积雪已有50余年的历史,并已形成了系列业务产品。青藏高原平均海拔超过4 000 m,该地区的积雪具有重要的水文、气候和生态环境意义。由于地形复杂,人迹罕至,地面观测站点稀少,受较强太阳辐射的影响,积雪消融迅速、区域差异消融以及风吹雪等因素导致积雪分布破碎化严重,对使用遥感资料监测该地区的积雪造成的极大的困难和不确定性。随着国内外传感器技术的不断发展,光学和被动微波遥感数据的同步获取技术已经非常成熟,综合利用光学遥感数据高空间分辨率和被动微波数据不受云干扰的特点,结合机器学习、无人机等技术,将环境参数加入反演模型中,有助于提高青藏高原积雪参数反演精度。 相似文献
8.
北疆牧区积雪图像分类与雪深反演模型的研究 总被引：25，自引：7，他引：18
利用NOAA/AVHRR晴空气象条件下的资料, 建立积雪监测反演模型, 动态监测雪灾期间大范围的积雪空间分布状况, 对牧区雪灾综合评价及防灾救灾具有重要的意义. 使用北疆地区1996-97年2次雪灾期间的4个时相的晴空NOAA卫星数据及20个地面气象台站观测资料, 研究了云与雪的判识及图像去云处理方法, 提出了云层覆盖下图像缺值插补处理的一种新算法; 采用线性混合光谱分解方法, 研究了基于像元的积雪覆盖率及积雪空间分类算法, 模拟出北疆地区积雪深度遥感地学反演模型. 研究结果可为牧区雪情动态监测、分析与综合评价系统的建设提供科学依据. 相似文献
9.
青藏高原是气候变化的敏感区,其积雪在区域水文循环和气候系统中具有重要作用。本文利用1980—2020年逐日无云积雪覆盖遥感数据,分析了该地区近40年的积雪面积、积雪覆盖日数的分布特征和变化趋势。结果表明：青藏高原地区积雪分布具有明显的空间分异和垂直地带性分布特征,阿姆河流域、印度河流域、塔里木盆地、恒河流域、怒江流域和雅鲁藏布江流域的高海拔山区是积雪广泛分布的地区。在水文年内,高原地区积雪覆盖率呈单峰变化,8月上旬积雪面积最小,1月中下旬达到最大,分别占高原总面积的5.2%和38.6%;40年间,高原地区平均积雪面积以3.9×104 km2·(10a)-1的趋势显著减少(P<0.05);积雪覆盖日数以0.47 d·a-1的趋势显著减少,高原71.4%的区域积雪覆盖日数呈减少趋势,呈显著减少的区域约占55.3%;17.1%的区域积雪覆盖日数呈显著增加趋势,且主要分布在5 200 m以上的高海拔山区,在海拔5 200～5 900 m之间的区域,积雪覆盖日数的增加率随海拔升高而增加。 相似文献
10.
基于MODIS积雪产品的多种去云方法过程在西藏高原开展对比验证,并以漏测误差L(%)、多测误差M(%)、总体精度O(%)、积雪分类精度S(%)及kappa系数(Khat)作为验证精度评价指标;主要研究方法有上下午星结合去云法(方法Ⅰ)、连续三天结合去云法(方法Ⅱ)以及基于数字高程模型的Snowl去云法(方法Ⅲ).并采用高分辨率Landsat遥感数据对所得结果开展验证对比工作,为了使验证结果更具有代表性,选取了西藏高原典型的5个区域用于其验证范围.结果表明:方法Ⅰ和方法Ⅱ有较好的去云效果,适合于在西藏高原开展利用;方法Ⅲ在西藏高原没有起到特殊的去云作用,该方法的前提假设是在西藏高原需要考虑山地和高原作分析;通过三种方法去云之后在5个区域效果总体上表现为漏测误差和多测误差都有减少,总体精度和积雪分类精度分别在60%~98%及60%~95%之间,kappa系数在0.10~0.56间,一致性精度表现一般. 相似文献
11.
青藏高原Soumi-NPP和MODIS积雪范围产品的对比分析 总被引：1，自引：1，他引：0
Soumi-NPP（Soumi Polar-orbiting Partnership）卫星作为接替服役超期的Terra、Aqua卫星,其积雪范围产品在青藏高原的精度尚未被评价。以Soumi-NPP积雪范围产品为研究对象,利用气象台站点数据并结合更高分辨率的Landsat-8 OLI数据,评价该产品的精度,并与MODIS（Moderate Resolution Imaging Spectroradiometer）积雪范围产品进行对比分析。结果表明：使用气象台站进行数据验证时,NPP、MOD与MYD三种积雪范围产品的总精度均较高,但三者积雪漏分误差都较大,其中MYD的漏分误差最大,为64.2%;当雪深小于5 cm时,三种积雪范围产品的积雪分类精度都较低,雪深大于等于5 cm时,NPP积雪范围产品的积雪分类精度最高,为82.3%,MOD与MYD的精度分别为77.1%和69.4%;利用Landsat-8 OLI数据验证时,Soumi-NPP积雪范围产品的Kappa系数最高,其均值为0.707,为高度一致性。而MOD10A1与MYD10A1的Kappa系数较低,分别为0.476与0.557,为中等一致性;Soumi-NPP积雪范围产品的Kappa系数大多在0.6以上,精度比较稳定,而MODIS积雪范围产品的Kappa系数波动较大,精度稳定性较差。Soumi-NPP积雪范围产品相较于MODIS积雪范围产品,其精度有了较大的提升,为准确监测青藏高原积雪范围提供了一个更优的选择。 相似文献
12.
谢佩瑶韩超欧阳志棋王晓艳 《冰川冻土》2023,(3):1168-1179
MODIS V006版本数据仅提供了归一化积雪指数(NDSI),而用户往往关心的是直观的积雪分类,包括积雪范围或积雪覆盖率。美国国家冰雪数据中心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多样,积雪斑块化特征明显,单一阈值并不能精确地判识不同下垫面上的积雪。青藏高原被称为地球的第三极,是中国三大稳定积雪区之一,蕴藏了大量的淡水资源。随着全球气候变暖,青藏高原地区积雪融化时间提前,冰川融水增加,影响河流水量,造成洪涝灾害,进而影响人类正常生产生活,因此通过确定不同下垫面阈值,改善传统阈值的积雪高估低估现象,提高积雪识别精度,进而更准确地探究青藏高原积雪状况,显得尤为迫切。本文以青藏高原为研究对象,首先生成MODIS逐日无云NDSI序列并进行验证;其次对应站点雪深数据与NDSI序列,证实在下垫面为林地和非林地的区域,去云NDSI序列与站点雪深均有良好的对应关系,确定不同下垫面最优阈值范围;最后在最优阈值范围内通过混淆矩阵确定最优阈值。计算得出,林地NDSI=0.03时,总体精度最高为94.02%,在该NDSI之下,高估误差OE和低估误差UE分别为1.21%和4.60%;非林地NDSI=0.26时,总体精度OA最高为94.27%,在该NDSI之下,高估误差OE和低估误差UE分别为0.51%和5.03%。因此选取优化后林地阈值为NDSI=0.03,非林地阈值为NDSI=0.26。为避免地面常规观测资料尺度上的局限性,本文采用高精度的Landsat 8 OLI卫星数据识别结果,作为“真值”对优化后阈值的判别结果进行“像元—像元”级别的验证。在定量验证中,优化后NDSI阈值对MOD10A1 V006积雪判别结果的总体精度OA为84.21%,高估误差OE为5.33%,低估误差UE为10.46%;传统阈值对MOD10A1 V006积雪判别结果的总体精度OA为82.86%,高估误差OE为1.48%,低估误差UE为15.66%。可以看出在定量验证中,优化后阈值的积雪判别精度更高。同时在定性验证中,积雪大面积集中的区域,新的阈值与传统阈值提取效果均相对较好;积雪相对分散破碎的区域,优化后阈值能提取出大量积雪,传统阈值则不能。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,为NDSI在积雪识别中的应用提供有力的支撑,有助于更准确地了解该地区积雪分布状况。 相似文献
13.
MODIS LST产品青藏高原冻土图的精度验证 总被引：4，自引：4，他引：0
利用遥感数据可以大大提高青藏高原多年冻土分类和制图效率,并降低在环境恶劣、地形复杂的高寒区域所需的观测要求,从而避免人力和物力的巨大消耗。为了验证基于MODIS LST产品制作的青藏高原冻土图的精度,通过选取青藏高原东部的温泉区域和西北部的西昆仑山地区对1：400万青藏高原冻土图、1：300万青藏高原冻土图、基于MODIS LST产品青藏高原冻土图进行综合验证,以此评估基于MODIS LST产品的青藏高原冻土图精度。结果表明,利用遥感数据制作的青藏高原冻土图较已有冻土图能够更好反映多年冻土的空间分布特征,同时存在差异的地方大多是多年冻土与季节冻土过渡的边缘区域,形成原因主要是制图时间差异,此外还有坡度、坡向、植被、积雪等多重因素的综合影响。 相似文献
14.
利用MODIS逐日无云积雪产品与AMSR-E雪水当量产品进行融合, 获取了青藏高原500 m分辨率的高精度雪水当量产品, 通过研究青藏高原积雪时空动态变化特征, 分析了积雪覆盖日数、雪水当量以及总雪量的季节及年际变化. 结果表明: 青藏高原地区降雪主要集中在高海拔山区, 而高原腹地降雪较少, 降雪在空间上分布极为不均; 2003-2010年期间, 平均积雪日数呈显著减少趋势, 稳定积雪区面积在逐渐扩大, 常年积雪区面积在不断缩小. 与积雪日数时空变化相比, 雪水当量增加的区域与积雪日数增加的区域基本一致, 但喜马拉雅山脉在积雪日数减少的情况下雪水当量却在逐年增加, 表明该地区温度升高虽然导致部分常年积雪向季节性积雪过渡, 但降雪量却在增加. 总的积雪面积年际变化呈波动下降的趋势, 但趋势不显著, 且减少的比例很少. 最大积雪面积呈现波动上升后下降的趋势, 平均累积积雪总量呈明显的波动下降趋势, 年递减率为1.0×103 m3·a-1. 相似文献
15.
湖泊面积变化监测具有重要的科学和社会意义,使用中低分辨率卫星遥感数据进行大面积的湖泊面积变化监测有很多优势,但易受混合像元的影响。本文根据湖泊水体的遥感特性,发展了使用中低分辨率卫星遥感数据的混合像元分解算法,应用线性多端元混合像元分解技术,自动、快速地得到在每个像元中湖泊所占的面积百分比;在上述分类结果的基础上,基于地物的空间依存现象,建立空间吸引力的概念,用循环迭代的方法实现超过遥感影像自身分辨率的湖泊亚像元填图。在针对青藏高原不同季节不同地区的Modis影像的实践中,显示混合像元分解算法可以提供较高精度的软分类结果;使用迭代方法进行亚像元填图是简单高效的,具有很大的应用潜力。 相似文献
16.
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 总被引：2，自引：2，他引：0
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。 相似文献
17.
利用2000-2010年MODIS积雪覆盖产品数据MOD10A2,提取了新疆近10年来积雪覆盖变化信息,并结合地面站点数据,对遥感积雪覆盖估算的精度进行了验证;分析了新疆积雪覆盖的年际、年内变化及南北疆积雪覆盖变化的差异;结合数字高程模型,分析不同高程带下积雪覆盖的时空变化规律,揭示高程因素对新疆积雪时空变化的影响。结果表明:MOD10A2提取的积雪信息能够反映新疆的积雪变化情况,总体精度达92.3%;近10年来,全疆年积雪覆盖率最大值范围为34.0%~51.7%,最小值范围为1.7%~2.6%;积雪覆盖比率的变化在南北疆差异明显,南疆区域积雪覆盖整体不高,年内积雪覆盖比率变化幅度低于50%;而北疆区域由于受复杂地形和气候带的影响,积雪覆盖比率大,年内的变化幅度强,除2008年均达到80%以上;在季节变化上,春季和秋季的积雪覆盖均值波动较为明显,夏季和冬季的积雪覆盖均值则波动较小,这一规律在北疆地区表现更为显著;积雪覆盖的时空分布与变化受高程的影响,在海拔4 000 m以下区域,夏季积雪覆盖比率低,冬季积雪覆盖比率高,而6 000 m以上海拔区域则表现出完全相反的特点,即夏季积雪覆盖比率高,冬季积雪覆盖比率低。 相似文献
18.
IMS雪冰产品由多种光学与微波传感器数据融合而成,提供北半球每日无云的积雪范围,在积雪遥感研究中具有广阔的前景. 以气象站实测雪深数据为真值,检验了2009-2010年IMS雪冰产品在中国三大稳定积雪区北疆、东北、青藏高原地区每月、积雪季以及全年的误判率、漏判率和总体准确率,并分析了IMS雪冰产品的准确率与雪深之间的关系. 结果显示：IMS雪冰产品的年总体准确率在三大积雪区均超过了92%,积雪季总体准确率均超过了88%,利用IMS雪冰产品监测积雪范围是可靠的. 然而,IMS雪冰产品精度具有区域差异性,北疆地区在1月和2月误判率偏高,青藏高原地区积雪季有严重的漏判现象. IMS雪冰产品的准确率在东北地区和北疆地区随着雪深的增加而升高,当东北地区雪深超过6 cm,北疆地区超过13 cm时,准确率接近100%,但是,青藏高原地区两者基本没有关系. 通过在青藏高原地区与同时相的4景MODIS积雪产品对比分析发现,实际上IMS雪冰产品相对地高估了积雪面积,青藏高原地区漏判率高其原因是IMS对零碎积雪的识别能力不足并且气象站分布不均匀. 相似文献
19.
我国新型自主的极轨气象卫星风云3号A星（简称FY-3A）上搭载的中分辨率光谱成像仪（MERSI）为大面积雪监测提供了新的遥感数据源。以中国西北祁连山区为例,分析FY-3A/MERSI传感器积雪与其它地物的图谱特征差异,建立了适用于FY-3A/MERSI的归一化差分积雪指数（NDSI）,以此为基础,构建了综合利用多光谱判别指标及土地覆盖类型（LULC）定类辅助的积雪判识模型,生成250 m分辨率的日积雪制图产品。模型通过逐步逼近的树状判别结构,去除了易和积雪混淆的部分乔木林、云、云阴影、水体、湖冰、沙（盐）地等地物,并提出应考虑积雪下覆地表特性的影响,调整设定不同LULC类型的积雪判别阈值约束,实时结合区域LULC影像进行积雪的最终判定与优化。对祁连山区2010-2011年积雪季FY-3A/MERSI影像的积雪制图应用结果表明,该资料能够客观精细地反映积雪的空间分布与动态发展过程。同时利用气象台站积雪观测记录及Terra/MODIS积雪判识结果进行对比验证,结果表明基于FY-3A/MERSI建立的积雪判识模型具有较高的精度和稳定性,特别是提高了云雪区分的效能。 相似文献
20.
积雪资料的可靠程度在反映积雪变化、预估后期气候变化时非常重要, 利用青藏高原74个气象台站资料与被动微波遥感资料进行对比分析. 结果表明: 两种积雪资料在高原南部边缘、高原东部唐古拉山与念青唐古拉山东部均表现为高值区, 在柴达木盆地、高原腹地及沿雅鲁藏布江一线表现为一致的少雪区,在青海南部和藏东南地区差异较大.遥感资料的积雪深度和积雪日数变化敏感区与台站观测资料存在差异.在积雪的显著季节性特征及气候尺度上的年际变化特征方面, 遥感资料与台站资料具有很好的一致性, 但遥感资料在刻画积雪季节内波动特征方面欠佳, 且年平均积雪深度和积雪日数遥感数据偏大.对AMSR-E逐日积雪资料进行评价发现, 高原腹地总精度大于高原边缘地区, 海拔3 000 m以下的反演精度较高, 雪深在9~10 cm时的反演精度较高. 相似文献