基于智能优化算法的山区MODIS积雪面积产品重建研究

Although MODIS snow cover products have high accuracy in the flat area under the clear sky conditions, the existing MODIS snow cover products do not have a high enough accuracy in the mountainous areas of Northwest China; in addition, there are a large amount of pixels will missing snow information due to the impacts of cloud cover, which makes the MODIS snow area products space-time discontinuous and seriously affects the accuracy of MODIS snow cover products. We take Northern Xinjiang as the study area, the project is aimed at the mountainous MODIS snow cover fraction (SCF) retrieval methods with remote sensing technique based on intelligent optimization algorithms, includes: 1) for pixels have not been polluted by cloud cover, our task is to develop an intelligent optimization model for improving mapping precision of mountainous SCF, an artificial neural network (ANN) is trained to learn the complex nonlinear relationship between SCF and multiple factors; 2) for cloud covered pixels, our task is to fill the cloud pixels with simultaneously consideration of temporal and spatial information, a multi-objective evolutionary algorithm method is used to obtain the continuous spatio-temporal MODIS SCF data set; 3) reconstructing MODIS SCF products of Northern Xinjiang between 2000 and 2018, then evaluating the accuracy of this reconstruction products, and further analyzing the spatial and temporal distribution and variation characteristics of snow cover in the Northern Xinjiang. This project will provide the basic data support to analysis the utilization and management of water resources caused by snow cover changes, and the response of snow under the condition of climate change; the research production has important academic and applied values.

晴空状态下，MODIS积雪面积产品在平坦地区有较高的精度，但在我国西北山区的精度并不高；此外，由于云覆盖的影响，使得大量像元上的积雪信息缺失，导致MODIS积雪面积产品时空不连续，严重影响MODIS积雪产品的精度。本项目以北疆为研究区域，对基于智能优化算法的复杂山区MODIS积雪覆盖率（SCF）的遥感估算方法进行研究，包括：1）针对非云像元，发展基于人工神经网络（ANN）的山区SCF与多种影响因素之间复杂非线性关系的智能优化模型，提高SCF的估算精度；2）针对云像元，发展基于多目标进化算法、同时考虑时空信息的云处理方法，获取时空连续的SCF数据集；3）重建北疆地区2000~2018年的MODIS SCF产品，进行精度评价，分析北疆地区积雪的时空分布趋势。本项目的研究将为分析积雪变化引起的水资源利用和管理、气候变化条件下积雪的响应提供基础数据支撑，其成果具有重要的理论价值与实践意义。

晴空条件下，MODIS SCF产品在平坦区域具有较高的精度，但在我国西北山区还是存在SCF被严重高估或低估的问题。此外，云污染的干扰导致大量像元上的SCF数据缺失。因此，在我国西北山区，如何提高非云像元SCF的估计精度并重建云像元下的SCF信息，是一个亟待解决的关键科学问题。本项目以我国新疆北部地区2000-2018年的MODIS SCF产品重建为例。首先，针对MODIS SCF产品中的非云像元，充分考虑地形、气象条件、地表覆盖等因素对山区SCF的影响，分别计算MODIS SCF产品与MODIS 1~7地表反射率、NDSI、NDVI、MODIS 地表温度、海拔、坡度、坡向、阴影等之间的相关系数，从中选择相关性较高的因子作为ANN的输入，将从Landsat影像中提取得到的MODIS SCF参考真值作为ANN的期望输出，建立BP ANN，从而获得MODIS像元SCF与不同波段的地表反射率、NDSI、地形、地表覆盖以及MODIS SCF产品等因素不同组合之间的非线性映射关系，以提高MODIS产品中非云像元的SCF估算精度。其次，估算出一幅影像中所有非云像元的SCF后，对于每一个云像元，利用相似像元替代思想，充分利用MODIS数据长时间序列的特点，在分析了云与地形、积雪空间分布之间的关系，从积雪分布空间上局部相邻/非局部相邻位置上的相似性、时间上的平滑性以及云像元与地形、积雪空间分布间的关系，构建三个目标函数，利用多目标进化算法在整个影像范围内搜索该云像元的非云相似像元，根据非云相似像元的SCF值推算该云像元的SCF值，从而实现云像元下的SCF重建。最终，我们获得了一套长时间序列的（2000-2018年）、时空上连续的、可用于发展和验证积雪过程模型的，高精度的北疆地区积雪面积数据集，这套数据产品将为改进陆面过程、水文生态、气候模型中的积雪参数化方案、理解和认识典型积雪区的积雪时空分布规律和变化特征、分析积雪变化引起的水资源利用和管理、气候变化条件下积雪的响应提供基础数据支撑，该成果具有重要的理论价值与实践意义。