共查询到16条相似文献，搜索用时 125 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.
以天山山区为研究区,利用MODIS 8d最大积雪合成数据MOD10A2,分析天山山区积雪的时间变化和空间变化情况以及不同高程带的积雪覆盖率的变化情况;结合SSM/I亮温数据和站点观测数据建立的雪深反演模型并反演研究区的雪深,根据研究区的地势起伏情况,提取特殊地形进行分析其雪深变化情况,进一步分析整个天山山区的积雪深度的时空特征,并对结果进行验证,并且对不同高程带的积雪深度进行分析.研究结果表明:1)天山山区积雪面积分布的趋势表现为自西向东、自北向南减少,总体是呈波动中减少的趋势,到了2012年天山山区年最大积雪面积为37.69×104 km2.2)积雪覆盖率与高程呈正比,在高山区可达70%以上.积雪深度分布呈自西向东、由北向南减少,深度最大的是在天山北部的博格达峰、河源峰附近,可以达到80 cm以上,最小在哈密地区的托木尔提峰附近积雪深度仅在10 cm左右.积雪深度与海拔呈正相关,最大雪深出现在4500 m以上的高山区.3)对雪深反演结果的精度评价表明,模型在10~30 cm雪深范围内,反演平均误差为-2.47 cm;在雪深<10 cm或>30 cm的局部地区存在较大偏差. 相似文献
3.
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
4.
基于AMSR-E的北疆地区积雪深度反演 总被引：3，自引：3，他引：0
利用北疆地区2007/2008-2009/2010年度积雪季(12月至次年2月)的AMSR-E降轨19 GHz与37 GHz波段的水平极化亮温数据, 结合北疆地区45个气象台站的实测雪深数据, 建立了北疆地区基于AMSR-E亮度温度数据的雪深反演模型, 并对模型的精度进行评价. 结果显示: 雪深在3~10 cm时, 模型反演的雪深值负向平均误差为-5.1 cm, RMSE值为6.1 cm; 雪深在11~30 cm时, 模型反演雪深值的平均误差仅为2.6 cm, RMSE、 正向平均误差、 绝对平均误差均较小; 雪深大于30 cm时, 模型反演的各项误差较大. 用合成方法反演北疆地区2006/2007-2010/2011年度5个积雪季的平均雪深分布和最大雪深分布, 结果显示北疆地区积雪主要分布于北部阿尔泰山和南部天山一带, 其中阿勒泰地区所占比重最大, 中部的准噶尔盆地腹地、 克拉玛依地区雪层较浅. 相似文献
5.
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
6.
通过2007-2011年纳木错站人工积雪观测资料,对西藏纳木错流域MODIS两种积雪产品(MOD10A1和MOD10A2)进行了精度验证,分析了纳木错流域积雪累积和消融的空间差异,以及流域积雪覆盖率的时空变化;利用纳木错站人工积雪观测资料及自动气象站资料,分析了纳木错流域积雪要素(积雪深度、雪水当量、积雪密度)的时间变化及其与气候参数(气温、降水量、风速等)的关系.结果表明：纳木错流域MOD10A2数据的积雪识别精度(67.1%)高于MOD10A1(42.2%),总识别精度(73.0%)略低于MOD10A1数据(78.4%).纳木错流域积雪累积和消融存在空间差异,积雪在流域南部的念青唐古拉山脉最先累积,之后为流域东部,最后为流域西部;积雪消融的空间变化则相反.由此导致流域积雪日数南部最大、东部次之、西部及西北部最小.纳木错流域各积雪要素的年内变化存在双峰值特征,峰值分别出现在10-11月和1月,积雪在10-11月受降水和气温共同作用,12月至次年3月主要受气温影响.纳木错流域的平均积雪覆盖率为21.9%,受湖泊效应影响区域(主要为东部地区)达到50.6%,而其他区域仅为18.3%.同时,受湖泊效应影响,纳木错平均积雪深度、积雪水当量均显著大于周边地区. 相似文献
7.
北疆牧区MODIS积雪产品MOD10A1和MOD10A2的精度分析与评价 总被引：19，自引：9，他引：10
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. 相似文献
8.
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
9.
10.
目前,被动微波数据是积雪深度反演的主要数据源,受其较粗空间分辨率的影响,反演雪深存在较大的不确定性。激光雷达由于其较高的测高精度,在雪深监测方面具有一定的潜力,基于星载激光雷达ICESat-2数据对北疆地区2018年10月至2019年9月积雪季的雪深进行了提取。由于很难获取ICESat-2轨迹点的雪深观测资料,因此首先利用地面雪深观测数据对目前流行的被动微波雪深反演产品进行验证,获取精度可靠的雪深产品并与发展的ICESat-2监测雪深数据产品进行对比。结果表明：AMSR2雪深产品在北疆地区误差较大,整体存在高估现象,中国雪深长时间序列雪深产品精度相对可靠,以作为对比ICESat-2模拟雪深的参考数据;ICESat-2雪深与中国雪深长时间序列雪深产品在空间上以及变化趋势方面吻合度较高,但ICESat-2雪深变化更加连续,说明ICESat-2激光雷达数据不但可以提取区域积雪的深度,对积雪深度的空间变化也比被动微波数据更加敏感,可以获取更加详细的积雪深度空间变化细节,为精细化的积雪深度空间分布提供数据支撑。 相似文献
11.
科学监测新疆叶尔羌河流域山区积雪面积及其变化特征对该区域的气候研究、雪水资源开发利用、环境灾害预报和生态环境保护等方面有重要意义. 利用2000-2012年近13 a的MOD10A2积雪产品提取研究区域内积雪,结合DEM数据分析研究区内积雪面积的动态变化特征. 结果显示：新疆叶尔羌河流域山区的积雪面积的年际变化幅度较大,其中,2005年和2009年积雪面积较大,2007年则为典型少雪年;年内变化差异显著,总体上呈现“M”型的特点,12月和3月处于高位,2月和8月处于低谷. 叶尔羌河流域山区积雪覆盖率随着海拔的上升逐渐增大,稳定积雪主要分布在海拔5 000 m以上的地区;不同坡向的积雪覆盖率差异比较明显,西北坡、东坡、东北坡的积雪覆盖率比北坡、东南坡、西坡、南坡的积雪覆盖率高,西北坡高达52.8%,南坡仅为20%. 叶尔羌河流域山区的积雪面积与气温呈负相关,与降水量呈正相关,积雪面积变化对气温因素更为敏感. 相似文献
12.
亚洲中部干旱区的大尺度遥感积雪信息研究,可在跨界河流水资源分配利用方面提供数据支持,对国家重大战略的生态安全保障有重要作用。采用数据融合方法,将MOD10A2和MYD10A2数据进行融合去云处理,结合气象站点积雪数据评估去云后的积雪识别精度;提取积雪覆盖率(SCP)与积雪日数(SCD)信息,分析SCP与SCD年际、年内变化差异;结合数字高程模型,分析不同高程带下SCP的时空变化规律。结果表明:(1)MOD10A2与MYD10A2融合去云处理,可有效去除云的干扰,准确提取亚洲中部干旱区积雪变化信息。(2)年内SCP最大值范围为55.7%~77.4%,最小值范围为1.6%~2.9%,融雪期SCP下降速率具有明显地域差异,总体SCP呈缓慢增加趋势。(3)总体SCD呈略微下降趋势,32.2%的区域呈下降趋势,30.9%的区域呈增加趋势,36.9%的区域保持稳定不变。(4)海拔1 000 m以下,SCP年内随季节变化呈U型,年际变化显著;1 000~4 000 m区域,SCP年内均随季节的变化呈现出V型,年际变化呈现出稳定性波动;6 000 m以上为永久性积雪,季节、时空变化差异性均不明显。 相似文献
13.
基于MODIS积雪产品的天山年积雪日数空间分布特征研究 总被引：6，自引：6，他引：0
山区积雪是干旱区气候变化的重要指标因子,积雪日数与积雪分布之间有着密切关系。为了研究天山山区积雪日数空间分布特征,以MODIS8d积雪产品MOD10A2（Terra）和MYD10A2（Aqua）为数据源,首先对数据进行最大化合成,获取新疆天山500m×500m分辨率的年积雪日数,然后分析了2002-2014年13a积雪日的年际变化,并结合DEM数据分析了13a天山多年平均积雪日随高程和坡度的变化特征。结果表明：天山积雪日数分布极为不均,最大年平均积雪日数为193d,13a内天山绝大部分地区年积雪日变化趋势较为稳定,稳定区约占天山总面积的83.92%;在研究时段内天山总积雪日数主要集中在30d以内,其比例约为天山总面积的48%;各个高程带积雪日面积分布差异明显,但总体上积雪日数随着高程的增加而增加;从积雪日数随坡向分布来看,北坡、东北坡、东坡、西坡、西北坡所占面积比例（>30d）相对高于其他坡向。该研究结果对干旱区水资源估算具有参考意义。 相似文献
14.
基于MODIS的祁连山区积雪时空变化特征 总被引：1，自引：0，他引：1
利用2000-2003年日资料经8 d合成的500 m分辨率MODIS卫星反演积雪资料和数字高程模型, 借助于GIS空间分析技术, 以积雪频率和积雪盖度为监测指标, 研究分析了祁连山区整体的积雪空间分布状况及其年内变化特征, 地形对积雪的分布和季节变化的影响. 结果表明: 祁连山区的积雪分布极不均匀, 积雪主要沿山系走向成条带状分布, 呈现西段多, 东段次之, 中部和南部少, 山脊多, 山谷少的特征, 且海拔越高、 山势越陡、阴坡积雪的范围越大、持续时间越久. 累积降雪时间, 就全区而言为9月至翌年5月, 但不同高度、坡度和坡向带有所差别. 海拔4 000 m以上区域存在春、秋季两个时段的积雪补给, 而海拔4 000 m以下仅有中秋至中冬一个时段的积雪补给;坡度较平缓的区域冬季和春季为主要积雪补给期, 而坡度较陡的区域则为秋季和春季;平地和南坡积雪补给主要发生在冬季和春季, 而其它坡向为春季和秋季. 相似文献
15.
利用太白气象站1962-2014年地面积雪观测资料,太白、眉县气象站1980-2014年高山积雪观测记录和1988-2010年卫星遥感资料,分析了秦岭主峰太白山西部中山区、西部中高山区和中部中高山区积雪初、终日期、积雪日数和积雪深度等的变化特征,以及西部中山区积雪变化的成因.结果表明：1962-2014年太白山西部中山区积雪初日推迟,终日提前,初终间日数减少,积雪日数显著减少,积雪深度呈现波动变浅的趋势;1980-2014年西部中高山区积雪日数同样呈现波动减少趋势,西部中山区和中高山区年积雪日数减少率分别为3.2 d·（10a）-1和8.9 d·（10a）-1.1980-2014年中部中高山区积雪初、终日期和积雪日数变化趋势不明显.卫星遥感监测资料分析结果显示太白山地区积雪面积呈现波动减少趋势.1962-2014年西部中山区气温升高,降水减少,积雪参数与气候要素相关分析结果表明气温和累积雪深等参数变化关系密切,气温升高是太白山积雪减少的主要原因.1980-2014年太白山地区7月积雪日数很少,关中八景之一的“太白积雪六月（公历7月）天”已很少见到. 相似文献
16.
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