森林地区光学遥感积雪制图方法研究

Snow is the important coverage on the earth surface. Snow distribution in basin scale is crucial to the rational use of water resources, the research of climate and environment change. The traditional snow cover mapping method produces low accuracy when the underlying surface covered with forests，and snow cover mapping in forests becomes the challenge of optical remote sensing. In this study, we will apply more ground-based testing in order to get more true value of snow cover in forests, and will analyze the mixture spectral characteristics of snow and forests based on the spectral measurement. The main issues being solved in this project include: (1) Developing the binary forest snow cover mapping method of Landsat OLI with high accuracy through adding Normalized Difference Forest Snow Index (NDFSI) to the SNOMAP algorithm; (2)Evaluating the accuracy of MODIS Fractional Snow Cover(FSC) in the typical forests of China, with the Landsat OLI binary snow cover mapping results as true value; (3) Developing the MODIS FSC mapping method based on statistics; (4) Building the FSC inversion model being suitable to the forests of China. The objective of this project is to produce the snow cover products with good accuracy in pixel or sub-pixel, and to provide snow cover area with higher accuracy which is the key input parameter for the simulation of hydrological processes in basin scale.

积雪是地表重要的覆盖物，流域尺度上的积雪分布对该地区的水资源合理利用、气候与环境变化等研究具有重要的意义。目前常用的基于NDSI的遥感积雪制图方法在森林地区具有较低的精度，森林积雪制图成为光学积雪遥感面临的挑战任务。本研究拟加强地面积雪观测，获取高频率的积雪分布真值；通过地物光谱测量，分析不同条件下的森林积雪混合光谱特性。在此基础上，（1）改进SNOMAP算法在森林地区的积雪识别，添加归一化差值林地积雪指数NDFSI实现高精度的Landsat OLI二值森林积雪制图；（2）使用Landsat OLI二值积雪制图结果评价MODIS积雪面积比例产品在我国主要森林地区的精度；（3）发展基于统计的森林地区MODIS积雪面积比例制图方法；（4）建立适用于我国森林地区的积雪面积比例反演模型。通过本研究获取流域尺度高精度的像元和亚像元级积雪面积产品，为水文过程模拟提供更加精确的关键积雪面积输入参数。

积雪是冰冻圈重要的组成部分，也是地球表面最为活跃的自然要素之一。精确掌握积雪分布及其变化，对于水资源利用、灾害分析、大气环流分析以及气候演变有着重要的意义。光学遥感具有较高的空间分辨率，在积雪信息提取中被广泛应用。但是，当前积雪制图方法在森林地区具有较低的精度。此外，云层遮挡造成积雪产品数据的缺失，影响数据的使用。本项目执行期间，针对积雪林地与无雪林地的光谱特征差异，发展了归一化差值林地积雪指数NDFSI，该指数使用近红外波段（NIR）代替归一化积雪指数NDSI的可见光绿光波段（Green），可以更好的区分林地是否有积雪存在。构建的多指数结合的自适应森林积雪方法，不需要地表分类的先验知识，基于波段特征可自适应地调节阈值，极大提高了森林积雪制图的精度。生成的具有较高分辨率的Landsat积雪分布数据可以对当前的MODIS积雪产品进行验证，也可作为中低分辨率遥感积雪制图方法建模中重要的训练样本。云遮挡是光学遥感中不可避免的问题，MODIS积雪产品中大量的云像元影响了产品的应用。针对该问题，本项目发展了基于相似像元的时空自适应NDSI序列云去除算法，选取时空邻域内的相似像元进行加权来替代中心云像元，生成2000-2020年中国东北地区时空连续的逐日无云NDSI序列，并基于该产品与气象站点的实测雪深数据进行对比，确定了在中国东北地区林地和非林地积雪制图中，NDSI的最优阈值分别为0和0.1。同时本项目开展了对二值积雪产品去云的研究，发展了一种基于时空立方体的条件概率插值算法，对北疆地区二值积雪进行去云，生成了2000-2018年北疆地区逐日无云积雪产品，并分析了北疆地区积雪时空变化。此外，本项目采用基于时空立方体的条件概率插值算法生成了东北地区2000-2018年积雪产品，并分析了东北积雪的时空变化、积雪物候变化以及积雪物候变化的驱动因素。项目执行期，共计发表标注论文7篇，其中SCI论文5篇，EI1篇，核心期刊论文1篇。另外，在本项目支持下完成研究生毕业论文2篇，在国家冰川冻土沙漠科学数据中心发布“中国东北地区500m分辨率积雪季逐日无云NDSI数据集（2000-2020年）”。