共查询到20条相似文献，搜索用时 625 毫秒
1.
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
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.
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
4.
MODIS雪盖制图中NDSI阈值的检验——以祁连山中部山区为例 总被引：12，自引：6，他引：6
NSIDC发布的MODIS全球积雪面积产品采用的NDSI阈值为0.40,但在我国并没有验证,在区域积雪制图中仍然需要进行NDSI阈值选取的试验.选择祁连山中部山区常年积雪区作为研究区,利用SNOMAP方法从Landsat-ETM 影像中提取积雪图.通过与目视解译获取的积雪图作比较,该方法提取积雪面积总体精度超过96%,可将其作为地面真实积雪.然后选用MODIS 1B资料,采用NDSI方法得到研究区积雪图,通过改变NDSI阈值得到不同的MODIS积雪图与假设真实值Landsat-ETM 积雪图进行对比.比较结果表明: NSIDC发布的MODIS积雪面积产品采用的NDSI阈值0.40偏高,造成研究区积雪面积的低估;通过对3个子研究区积雪图对比及统计分析,得出该区域的合理阈值为0.33. 相似文献
5.
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
6.
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
7.
为了高精度地提取积雪信息, 消除森林覆盖区以及结冰河流水体对于积雪信息提取的影响, 以Landsat ETM+为数据源, 分析了玛纳斯河流域积雪信息提取的归一化差值积雪指数阈值, 并建立积雪信息提取方法. 对研究区进行了积雪信息提取, 并与国际数据服务平台所得的积雪信息提取结果进行了比较. 结果表明: 基于Landsat数据利用归一化差值积雪指数提取积雪信息时, 其合理阈值应为0.37; 通过总体精度以及Kappa相关系数在结冰水体区域以及森林覆盖区域的提取结果进行对比, 认定所使用的提取方法更加准确可靠. 相似文献
8.
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
9.
基于EOS/MODIS的新疆积雪监测 总被引：8，自引：1，他引：7
积雪是新疆水资源的重要组成部分,是环境变化的重要因子,其动态变化监测意义重大.利用EOS-MODIS地球观测卫星接收数据,选择新疆13个地州(区、市)为监测对象,对2002年1月至2003年11月EOS/MODIS卫星近2500条轨道资料的处理分析,提取监测区晴空影像图163张,并对对应地区的积雪面积及深度用归一化差分积雪指数NDSI分层阈值法进行监测方法的初步探讨.结果表明,该监测方法对于提取积雪的空间分布信息是可行的. 相似文献
10.
2001-2015年天山山区积雪时空变化及其与温度和降水的关系 总被引：12，自引：9，他引：3
采用2001-2015年MODIS积雪和陆表温度数据、中国高时空分辨率降水数据,基于趋势分析和相关分析方法,分析了天山山区积雪时空变化及其与温度和降水的关系。结果表明：（1）年内积雪面积变化受海拔影响,海拔≤4 000 m,呈单峰型分布,积雪面积冬季大,夏季小;海拔介于4 000~≤5 000 m,积雪面积分别在春季和秋季出现两次峰值;海拔>5 000 m,积雪面积变化与低海拔相反,在夏季达到最大,冬季最小。就年际变化而言,全区积雪面积呈略微减少趋势,其中秋季略微增加,春季变化不大,冬季和夏季明显减少。（2）积雪覆盖频率受水汽来向和地形影响,呈西高东低、北高南低分布格局,与海拔呈正相关。山区大部分区域积雪覆盖频率呈减少趋势,其中海拔介于3 600~≤4 600 m的积雪覆盖频率减少最为显著。（3）在春、夏季,温度是决定积雪面积变化的主要因素,与积雪面积呈负相关;在秋、冬季,降水对积雪面积变化的贡献大于温度,与积雪面积呈正相关。（4）积雪覆盖频率整体上与年均温度呈负相关,与降水呈低度正相关,相关程度及显著性水平在空间分布上存在差异,温度对积雪覆盖频率变化的贡献大于降水。 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.
基于多源数据的西藏地区积雪变化趋势分析 总被引：3，自引：1，他引：2
利用1980—2009年气象台站的观测数据、 北半球NOAA周积雪产品和2001—2010年500 m分辨率的EOS/MODIS积雪产品等多源资料, 从不同角度对近30 a来西藏区域积雪变化趋势进行了分析. 结果表明: 不同资料分析均显示, 近30 a来西藏地区积雪不断减少, 尤其以近些年较为明显. 近30 a积雪日数、 最大积雪深度总体上呈现下降趋势, 尤其是进入21世纪以来, 下降趋势非常明显. 从秋冬春季节的积雪变化趋势来看, 冬、 春两季的积雪在减少, 而秋季在增多, 这些变化趋势都与各季节的气温和降水密切相关. NOAA资料显示, 近30 a来西藏地区的积雪覆盖面积正在逐步减少; 季节变化略有不同, 春、 秋两季略呈上升趋势, 冬、 夏两季在减少, 且夏季减少趋势较明显. MODIS资料分析表明, 近10 a来西藏地区的积雪总体呈下降趋势, 尤其是2007年下半年开始下降明显. 秋季的积雪在增加, 冬、 春、 夏三季的积雪趋于减少, 且春季的下降趋势最明显, 其次为冬季, 夏季的减少幅度最小. 不同海拔的积雪都有减少趋势, 最明显的是海拔4 000~5 000 m的积雪, 其次是海拔5 000~6 000 m段. 按地理区域分析, 近10 a来西藏东、 西、 中3个区域的积雪都呈减少趋势, 其中西部的下降趋势最明显, 其次为中部, 东部相对较稳定. 相似文献
13.
积雪消融是气候变化和水资源管理的重要影响因素。本文联合Sentinel-1与Sentinel-2时序数据,提出了一种联合SAR与光学遥感数据的积雪消融识别方法。以祁连山区八宝河流域为研究区,利用ESTARFM时空数据融合模型得到与Sentinel-1同时相的Sentinel-2模拟数据,提取流域积雪覆盖范围;基于SAR多时相多极化变化检测算法提取湿雪;结合光学遥感与DEM数据对SAR提取的湿雪进行校正,最终获得八宝河流域消融期内18个时相干湿雪分布。利用GF-2影像和消融期的Sentinel-2影像分别对积雪和湿雪面积进行精度验证,结果表明该方法能够快速识别积雪消融时空变化,总体分类精度OA高达99%,Kappa系数高达0.86。同时,利用同一天早晚过境相差约12小时的升、降轨SAR数据对比分析了积雪消融变化特征。根据实验数据集分析表明,八宝河流域内干湿雪分布随时间剧烈变化,消融初期湿雪主要集中在河谷低海拔区域且消融速度快,随着气温的升高积雪消融至高海拔区域,而干雪主要分布在四周高海拔山区。且由于过境时间的差异,在整个消融期,降轨数据提取的湿雪面积小于升轨数据提取的湿雪面积。 相似文献
14.
基于2002-2011年的MODIS积雪产品数据, 对新疆积雪的年际变化特征、年内变化特征及空间分布特征进行了分析.结果表明： 年内积雪从10月中旬开始建立, 于1月面积达到最大, 7月面积达到最小.其中, 冬季积雪面积所占比例最大, 夏季最小. 2002-2011年新疆积雪面积总体上呈减少趋势. 其中, 春季和冬季为减少趋势;夏季的积雪由于其基本上都是高海拔的永久性积雪, 故比较稳定, 变化趋势不明显;秋季为上升趋势.新疆积雪空间分布极不均匀, 北疆积雪分布明显多于南疆.山区为积雪覆盖频次的高值区, 盆地为积雪覆盖频次的低值区.永久性积雪在阿尔泰山脉分布较少, 主要分布在天山山脉和昆仑山脉.就永久性积雪面积而言, 分布在海拔5 000~6 000 m的面积最大, 其次是海拔4 000~5 000 m, 再次是海拔6 000~7 000 m. 相似文献
15.
积雪积累和消融过程是冰冻圈水文模型的重要组成部分,利用多源遥感数据对水文模型模拟的积雪分布和深度进行评估是进一步增强融雪过程模拟的物理基础,也是提高模拟可靠性的重要手段。基于2002—2013年疏勒河上游山区流域MODIS地表反射率数据集和中国雪深长时间序列数据集,对VIC-CAS模型模拟的逐日积雪覆盖度和雪深进行了综合评估。结果表明：从不同降雪年份来看,VIC-CAS模型可以较好地模拟多雪年（2008年）疏勒河上游山区流域积雪的覆盖度,在平雪年（2004年）和少雪年（2013年）模型模拟精度相对较低。从不同海拔的模拟结果来看,在流域占比最高的4 000~5 000 m高程带精度最高,2 000~3 000 m高程带精度最低;对比模拟雪深与中国雪深产品发现,多雪年的一致性较高,平雪年和少雪年的一致性较低。这表明VIC-CAS模型对疏勒河上游日尺度的积雪覆盖度和雪深的模拟精度相对较低,特别在低海拔处和薄雪情况下,其原因可能是对积雪再分布和风吹雪过程的模拟算法和参数化存在较大的不确定性,需要进一步改进。 相似文献
16.
2000—2006年中国天山山区积雪时空分布特征研究 总被引：9，自引：2，他引：7
以中国境内天山山区为研究区,基于2000—2006年的遥感积雪产品积雪分布时间序列趋势和空间分布特征,对积雪分布的年际变化趋势、积雪分布随海拔的变化趋势、积雪频率以及积雪雪线高度的年变化进行了分析.结果表明:1)积雪经历从秋季开始累积到春季开始消融的过程,1—2月积雪面积达到最大,7—8月面积最小.冬季积雪所占比例最大,超过50%;2)2000—2006年积雪面积年际变化略呈上升趋势,冬季上升趋势较明显,春、秋和夏季变化趋势不明显.冬季积雪面积在海拔4000m呈上升趋势,≥4000m呈下降趋势.在海拔2000m积雪的上升趋势达到最高点;3)从积雪频率来看,存在5个高值区,覆盖频率高达70%左右.从空间分布来看,天山中段积雪最多,东段次之,西段最少.在海拔3000m以下积雪次数较少,海拔3000m以上积雪次数显著增加.月积雪次数随海拔的变化表现为:海拔4000m以上各月的积雪次数都很多,12月至翌年2月在各高程带的积雪次数都较大;10—11月和3—4月积雪以海拔2500m为界,之下次数较少,以上次数增加显著;5—9月的积雪次数在海拔3000m以下非常少,在海拔3000m以上次数逐渐增加;4)以覆盖率≥40%相对应的海拔作为各个月份的雪线高度,天山山区平均雪线海拔在2875m.夏季雪线海拔在4000m以上;冬季雪线海拔在1500m. 相似文献
17.
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
18.
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
19.
NOAA16卫星积雪识别和参数提取 总被引：17，自引：2，他引：15
通过对积雪、地物和云进行光谱分析,指出传统的NOAA-AVHRR可见光和近红外波段进行云雪识别存在困难,而雪在红外波段的低反射性特点是区分云雪的一个可行途径.利用NOAA16气象卫星新增的1.6μm红外波段,对中国北方冬季的卫星积雪图象进行识别,结果显示,云雪可以准确区分.同时,提出了利用AVHRR资料估算积雪面积、积雪深度和积雪时间的方法,并对积雪深度进行了精度检验. 相似文献
20.
积雪是新疆高海拔地区大多数河流的重要补给来源之一, 不仅是春汛期间融雪性洪水灾害和冰冻灾害的直接原因, 在水资源管理、 灾害防治和融雪模拟预报中也扮演着重要角色. 针对目前积雪信息提取方法的优势与不足, 结合二维特征空间理论, 构建积雪信息反演模型, 并与支持向量机提取积雪信息进行精度对比分析. 结果表明: 相比其他积雪信息提取方法, 利用归一化积雪指数(NDSI)和归一化植被指数(NDVI)建立二维特征空间, 且在特征空间基础之上构建的NN模型, 反演新疆北部积雪信息精度较高, 相关系数达0.837, 提取精度优于支持向量机(SVM)方法, 对当地防洪灾害模拟预测、 生态环境保护、 社会经济发展等方面具有一定参考意义. 相似文献