论文部分内容阅读
雪盖制图在气象、水文和全球变化研究以及流域管理应用中发挥着重要的作用。在2008年中国南方大雪期间，由于云层遮盖使可见光.近红外遥感失效。被动微波能够穿透云层获得地面积雪信息，然而常规的被动微波监测积雪算法仅适用于干雪，而中国南方地区以湿雪、浅雪为主。 因此，本文采用被动微波遥感技术，通过使用HUT(HelsinkiUniversityofTechnology)积雪辐射模型模拟积雪亮温，使用SNTHERM(SNowTHermalModel)积雪过程模型模拟积雪参数变化，并与河北栾城站的实验观测进行比较，研究了湿雪辐射特征以及冻融循环造成的亮温昼夜变化特征。 采用2008年1月1日-2月20日大雪期间卫星观测的AMSR-E(AdvancedMicrowaveScanningRadiometer-EOS)被动微波遥感数据开展了积雪和无雪覆盖地物的辐射特征分析。根据中国南方气象站点的雪深和地面温度观测、IMS(InteractiveMulti-sensorSnowandIceMappingSystem)雪盖、MODIS(ModerateResolutionImagingSpectroradiometer)雪盖比例以及中国土地利用图提取了低矮植被区和森林区的融土、冻土、湿雪、干雪共八个地物类别，研究了不同地物类别的单波段亮温、频率差、极化差和昼夜亮温差特征。此研究的基础上，建立了积雪判识决策树算法。算法首先以积雪散射强烈的降轨数据(当地时间夜晚过境)开展判识，然后使用升轨数据(当地时间白天过境)做进一步判识。由于考虑到89GHz亮温受大气影响，建立了使用和不使用89GHz亮温的两种算法。在决策树的每一步采用SPSS(StatisticalProductandServiceSolutions)统计软件的分类回归树(CRT，ClassificationRegressionTree)模块帮助选择分类的亮温指标及其阈值。 新算法使用2008年站点观测雪深、站点所在AMSR-E像元内的IMS和MODIS雪盖比例判断积雪状况(有雪或无雪)一致的所有数据做点尺度上的验证，使用IMS雪盖做区域上的验证。结果表明：从点上的验证结果看，使用89GHz亮温的算法在低矮植被区和森林区的总体判识精度分别为91.3％和88.6％，不使用89GHz亮温的算法分别为87.4％和85.7％。低矮植被区的积雪判识效果优于森林区。从区域上与IMS雪盖比较的结果看，两种算法的平均总体精度为94％左右，最小精度达到85％以上。其中，使用89GHz亮温的算法能够在研究区偏南方的区域判出更多的积雪。 为了挖掘算法在后续应用中的潜力，文章还尝试在积雪判识前采用前一天的数据对当天AMSR-E亮温的缺失做分升降轨道的插补，提高了积雪判识范围的连续性，增大了积雪判出率。本文的研究工作在完善训练数据集和地面真值上还有改进的空间。