共查询到16条相似文献，搜索用时 156 毫秒
1.
青藏高原积雪对高亚洲地区水和能量循环起着重要的反馈和调节作用,其变化影响着融雪性河流流量,对下游水资源和经济活动具有重要影响。中分辨率成像光谱仪（MODIS）具有较高的时空分辨率,被广泛应用于积雪遥感动态监测,然而光学遥感积雪受云层影响严重,且青藏高原地区水汽分布不均,局地对流活跃,积雪的赋存时间变化快,这给高原地区逐日积雪监测及其气候学制图带来挑战。在考虑青藏高原地形和积雪分布特征情况下,结合现有的云覆盖下积雪判别算法,采用8个不同方法的组合,逐步实现MODIS逐日无云积雪算法。选取2009年10月1日-2011年4月30日两个积雪季为研究期,并采用145个地面台站观测雪深数据对去云算法各步骤过程开展精度验证,结果表明：当积雪深度>3 cm时,逐日无云积雪产品总分类精度达到96.6%,积雪分类精度达83%,积雪判对概率（召回率）达到89.0%,算法可实现青藏高原地区逐日无云积雪动态监测和积雪覆盖气候学数据重建,对高亚洲地区的水、生态和灾害等全球环境变化影响研究具有重要的意义。 相似文献
2.
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
3.
4.
基于AMSR2被动微波积雪参量高精度反演方法研究 总被引：2，自引：2，他引：0
以新疆为研究区域建立了被动微波遥感积雪深度高精度反演模型,采用高空间和时间分辨率AM SR2被动微波遥感数据(2012年11月-2015年3月逐日数据),结合研究区域海拔高度、坡度、坡向、沙漠,荒漠和地表粗糙度等地形、地貌特征,考虑冰川、水体、林地等地表覆盖类型和不同季节的新雪、干雪和湿雪等积雪属性的微波辐射特征,以决策树阈值法为基础,通过采集样本分类建立起多种雪深判识阈值,在此基础上建立AMSR2高精度积雪深度反演综合模型,分类分析不稳定积雪和冰川信息,从而实现雪深在60 cm以内的积雪深度AMSR2反演的主要原理、思路及方法,并对模型的反演结果跟台站实测或者野外观测积雪值以时间和空间角度进行检验.结果表明:该综合模型能够定量判识研究区域复杂地形地貌条件下的1~60 cm积雪厚度,检验的复相关系数为0.74~0.88,均方根误差为2.92~6.14 cm,平均绝对偏差指数为3~4 cm,雪深误差5 cm的精度为91%~94%,雪深误差2.5cm的精度为81%~87%. 相似文献
5.
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
6.
基于MODIS数据的东北地区积雪覆盖率估算 总被引：1，自引：1，他引：0
东北地区是我国三大积雪区之一,森林覆盖面积占总面积的40%左右。受森林冠层的影响,当前的MODIS雪盖产品（V6）提供的积雪覆盖率标准模型对东北地区积雪覆盖率估算结果存在明显的低估现象。基于此,采用分区建模的方式：在森林地区,计算归一化差值林地积雪指数（NDFSI）,建立像元积雪覆盖率（FSC）与NDFSI及NDVI之间的线性关系;在非森林地区,采用MOD10A1 V6提供的归一化差值积雪指数（NDSI）,建立像元积雪覆盖率（FSC）与NDSI及NDVI之间的线性关系。采用Landsat 8 OLI数据提取的积雪覆盖率（FSC）对分区建模的估算结果与标准模型的估算结果进行对比,发现进行估算的过程中均方根误差和平均绝对误差这两项指标的数值相对于标准模型有了大幅下降,这一结果在林区有更显著的表现。计算得到的决定系数R2,在本文模型也有提高。以T1林区影像为例,本文模型的均方根误差和平均绝对误差分别为0.246、0.055,而标准模型的两项指标则分别为0.420、0.348。本文模型和标准模型的决定系数分别为0.675、0.641。 相似文献
7.
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
8.
9.
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
10.
基于气象要素的中国积雪类型划分及积雪特征分布 总被引：2，自引：2，他引：0
积雪分类对于深刻认识积雪性质及其时空分布具有重要意义。积雪是气候的产物， 气象参数是导致积雪性质差异的主要因素， 利用实测的气象参数能够对积雪性质进行大范围的有效分类。应用长时间序列高时空分辨率全国地面气象驱动格网数据集， 提取中国区域冬季大气温度、 降水量和近地表风速信息， 基于冬季气象要素的二叉树积雪类型划分方法， 采用Sturm等提出的季节性积雪类型划分体系， 对中国区域的积雪类型进行了划分， 相比Sturm等的积雪分类结果空间分辨率显著提高， 利用“中国积雪特性及分布调查”项目2017—2018年全国实测雪坑数据， 描述了积雪类型对应的空间统计分布特征， 为制定符合中国区域特色的积雪类型分类系统奠定了基础。积雪分类结果表明： 中国区域的积雪类型划分为5种， 分别是大草原型、 泰加林型、 苔原型、 高山型及瞬时型， 不同的中国积雪类型表现出与Sturm等的分类描述有所不同的积雪特性。 相似文献
11.
Accuracy verification of MODIS daily cloud-free snow cover products over the Tibetan Plateau北大核心CSCD
Snow cover is of great hydrological,ecological,and climatic significance in the Tibetan Plateau. MODIS snow products are widely used at present but are seriously affected by clouds. Scholars at home and abroad have developed a variety of cloud removal products for raw MODIS daily snow products,but the accuracy of these products in the Tibetan Plateau has not been evaluated comprehensively. Therefore,this paper uses Landsat-8 data with high resolution as the reference value to conduct systematic verification of three datasets of cloud-free snow products released on a daily basis. The results show that compared with the two sets of products （M*D10A1GL06 and MODIS_Dysno_Cloudfree）,which are produced based on raw MODIS daily snow cover product realized by NSIDC（National Snow and Ice Data Center）,the MODIS CGF SCE product produced based on MODIS surface reflectance data,has a great advantage in snow identification accuracy. The MODIS CGF SCE product optimized the NDSI threshold for different land cover types. Although the accuracy of snow identification was significantly improved,the problem of large snow identification error in forest areas was still not effectively resolved,and there was a high underestimate error. © 2022 Science Press (China). 相似文献
12.
Estimation of snow cover distribution in Beas basin,Indian Himalaya using satellite data and ground measurements 总被引：1，自引：0，他引：1
In the present paper, a methodology has been developed for the mapping of snow cover in Beas basin, Indian Himalaya using
AWiFS (IRS-P6) satellite data. The complexities in the mapping of snow cover in the study area are snow under vegetation,
contaminated snow and patchy snow. To overcome these problems, field measurements using spectroradiometer were carried out
and reflectance/snow indices trend were studied. By evaluation and validation of different topographic correction models,
it was observed that, the normalized difference snow index (NDSI) values remain constant with the variations in slope and
aspect and thus NDSI can take care of topography effects. Different snow cover mapping methods using snow indices are compared
to find the suitable mapping technique. The proposed methodology for snow cover mapping uses the NDSI (estimated using planetary
reflectance), NIR band reflectance and forest/vegetation cover information. The satellite estimated snow or non-snow pixel
information using proposed methodology was validated with the snow cover information collected at three observatory locations
and it was found that the algorithm classify all the sample points correctly, once that pixel is cloud free. The snow cover
distribution was estimated using one year (2004–05) cloud free satellite data and good correlation was observed between increase/decrease
areal extent of seasonal snow cover and ground observed fresh snowfall and standing snow data. 相似文献
13.
利用MODIS和AMSR-E进行积雪制图的比较分析 总被引：21，自引：2，他引：19
MODIS和被动微波辐射计AMSR-E提供了识别积雪的不同方法.MODIS首先计算反映积雪在1.6μm强吸收特性的归一化差值积雪指数NDSI,在剔除卷云的影响后,得到MODIS积雪分布.AMSR-E则根据积雪在微波波段的差异性散射特性识别积雪.通过案例分析比较了MODIS和AMSR-E积雪分布,发现由于云的遮蔽使MODIS积雪分布面积会比实际小,但由于MODIS的空间分辨率很高,得到的积雪边界线轮廓清晰.而微波由于不受云的影响,得到的AMSR-E积雪分布比较符合实际,但积雪的边界线较粗. 相似文献
14.
A technique for improving MODIS standard snow products for snow cover monitoring over Eastern Turkey
Daily snow cover maps at 500 m resolution are available from the Moderate Resolution Imaging Spectroradiometer (MODIS) sensors
on NASA's Terra and Aqua satellites. However, information of the ground can only be obtained during clear sky conditions.
In addition, the spectral similarity between clouds and snow in the visible part of the spectrum causes some ambiguities in
separation of them. The dynamic behavior of clouds with their tendency to move faster often enables discrimination between
cloud and snow, since snow remains relatively stationary. In this study, a daily merging methodology to combine Terra and
Aqua based snow maps are proposed, and the benefits of this combination are evaluated. The methodology was tested for Eastern
Turkey covering the period from December 2002 to March 2003. Merged maps derived from the standard daily snow maps from Terra
(MOD10A1) and Aqua (MYD10A1) reduce the cloud cover present in any one image alone, provide better representation of the surface
snow cover, and indicate better agreement with ground snow measurements than when either one is used alone. For “on the ground
data date” analyses yielded 31% match ratios for MOD10A1 and MYD10A1, whereas combined images enabled 38%. One- to 2-day temporal
window shifting enabled further 7% and 5% improvements in match ratios, respectively. The maximum improvement of 25% was achieved
in January of 2003. The proposed methodology provides an easy and effective way to improve snow cover maps with little effort
and provides fewer cloud-contaminated images for snow monitoring, for hydrology, and water resource management. 相似文献
15.
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
16.
Snow cover depletion under changed climate with the help of remote sensing and temperature data 总被引：1，自引：1，他引：0
Sanjay K. Jain L. N. Thakural R. D. Singh A. K. Lohani S. K. Mishra 《Natural Hazards》2011,58(3):891-904
Snow cover depletion curve (SDC) is one of the important variables in snow hydrological applications, and these curves are very much required for snowmelt runoff modeling in a snowfed catchment. Remote sensing is an important source of snow cover area which is used for preparation of SDC. Snow cover maps produced by Moderate Resolution Imaging Spectroradiometer (MODIS) satellites are one of the best source of satellite-based snow cover area at a regular interval. Therefore, in this study, snow cover maps have been prepared for the years 2000?C2005 using MODIS data. The study area chosen viz. Beas basin up to Pandoh dam falls in western Himalayan region. For snowmelt runoff modeling, catchment is divided into number of elevation zones and SDC is required for each zone. When sufficient satellite data are not available due to cloud cover or due to some other reasons, then SDC can to be generated using temperature data. Under changed climate conditions also, modified SDC is required. Therefore, to have SDC under such situations, a relationship between snow cover area and cumulative mean temperature has been developed for each zone of the catchment. This procedure of having snow cover maps has two main purposes. First, it could potentially be used to generate snow cover maps when cloud-free satellite data are not available. Second, it can be used to generate snow-covered area in a new climate to see the impact of climate change on snowmelt runoff studies. 相似文献