论文部分内容阅读
积雪特征如雪盖分布、雪盖面积、积雪厚度等是研究气候变化、地表辐射平衡、水文循环等的一个重要因子，进行积雪监测研究具有十分重要的意义。现有的积雪监测研究大多是基于以数据产品为中心的分发服务模式，不同遥感信息源相互独立、无法有效协同，难以满足高精度以及多样化需求。针对这种现状，本文提出基于聚焦服务模型的遥感积雪监测方法，协同多时相、多传感器的遥感资料（包括MODIS、AMSR-E数据）和地面气象台站观测资料、地形图等，建立积雪遥感信息聚焦服务模型（雪盖提取模型与雪深反演模型），进行积雪信息协同提取以及雪深协同反演研究，而后以具有特殊地貌单元的青藏高原为研究区域，进行十年期青藏高原积雪时空变化的应用研究。主要研究内容和结论如下: (1)利用多时相的MODIS反射率产品、MODIS云信息以及AMSR-E雪水当量产品协同建立雪盖遥感提取模型。基于MODIS反射率数据，考虑下垫面中植被的影响，利用改进的基于归一化差分积雪指数(NDSI)的多光谱阈值法提取积雪信息，结合MODIS云信息，区分出云、雪，融合多时相MODIS雪盖提取结果以及AMSR-E雪水当量产品，得到不受影像裂缝、云以及片雪影响的雪盖范围。而后利用2010年气象观测站的每日实测积雪资料分别对MOD10A1、AMSR-E雪盖产品以及协同雪盖提取结果(MDAE)进行精度验证，结果表明MDAE比MOD10A1的积雪提取精度提高了8.33％;MDAE的总体精度比SWE高41.39％，这是由于SWE的空间分辨率较低，易将混合像元的地表类型全都判为积雪，造成SWE识别出的积雪比MDAE多，但MDAE结果协同了MODIS积雪观测信息，因此总体精度更高，也进一步说明MDAE分类结果更能真实反映区域的积雪分布情况。 (2)利用多时相AMSR-E亮温数据和MODIS反射率数据协同建立雪深遥感反演模型。针对被动微波数据在反演浅雪区(雪深小于等于5cm)的雪深时精度较低的现状，本文基于MODIS地表反射率产品，分析了MODIS的1～7波段反射率、NDSI与气象台站实测浅雪雪深的相关性，认为MODIS的B1～B5波段反射率与雪深显著性相关，并分析了各显著相关波段相关性最大的统计模型，构建基于MODIS数据的浅雪区雪深反演模型。基于AMSR-E的亮温数据，利用改进的Chang的“亮温梯度”算法反演雪深，并利用临近日分析法，尽量避免影像裂缝的影响;然后融合MODIS以及AMSR-E的雪深反演结果，得到全区的雪深分布。利用气象台站的每日实测积雪深度资料对协同反演结果(AEMD_SD)与仅利用AMSR-E亮温数据反演的雪深结果(AE_SD)进行精度评价与对比，结果表明AEMD_SD的雪深平均误差、平均绝对误差、均方根误差等均比AESD低，表明AEMD_SD更能反映出区域的雪深分布趋势。 (3)面向积雪监测的遥感信息聚焦服务模型应用研究。基于以上面向积雪监测的遥感信息聚焦服务模型，进行青藏高原地区2000～2009年积雪信息时空演变分析。研究结果表明月均积雪面积变化总体上呈现双峰形特点，年均积雪面积在总体上有增加趋势，这可能与全球变暖导致的降水量增加有关;不同季节雪盖表现出一定的趋势变化。由雪深的EOF分析结果表明，青藏高原的四周边缘地区尤其是东西两侧积雪较多而广大腹地积雪较少;冬季高原东部雪深和西部雪深变化趋势相反，呈现出反位相的分布结构。气温和降水是青藏高原地区积雪变化的主要因素，不同季节的雪盖与气温、降水的相关性不同;雪深异常年的雪深分布与气温和降水也存在着一定的关系。