基于风云3B微波亮温数据的内蒙古草原牧区雪深反演研究

基于内蒙古草原牧区2011~2013年两个积雪季的国产卫星FY-3B双极化亮温数据,通过使用2012年MODIS的MCD12Q1土地覆盖类型产品数据提取内蒙古牧区草地植被类型,同时使用与FY-3B数据同期的MOD10A1日积雪覆盖产品剔除研究区内无积雪覆盖的像元,进而得到内蒙古草原牧区有积雪覆盖区域的FY-3B影像各像元的亮温数据。将亮温数据与研究区内相应的野外固定实验站观测数据及呼伦贝尔市的7个气象站点雪深观测数据建立回归拟合关系,初步建立了基于FY-3B亮温数据的适合于内蒙古草原牧区的雪深反演模型,模型参数拟合决定系数R2为0.59。使用2012年研究区雪深观测值检验模型,均方根误差为3.12cm,平均相对误差为18%,表明所建立的雪深反演模型能够较好地估算和识别内蒙古草原牧区雪深的空间分布特征。     

基于MOD10A1和AMSR-E的北疆牧区积雪动态监测研究

准确监测牧区积雪覆盖范围,对有效防灾减灾和牧区畜牧业持续发展具有特别重要的意义。利用积雪产品和气象台站的观测资料,对比分析了北疆地区2002年11月1日－2005年3月31日三个积雪季的AMSR-E每日雪水当量产品及其与MOD10A1每日积雪分类产品合成的图像MODAE1的积雪识别精度。结果表明,1)AMSR-E每日雪水当量产品的积雪识别率为66.59%,总精度为69.49%;2)利用用户自定义的合成算法计算的合成图像MODAE1,结合了AMSR-E雪水当量产品不受天气影响和MOD10A1每日积雪产品较高空间分辨率的优点,积雪识别率达76.43%;3)雪深和土地覆盖对合成图像MODAE1的积雪识别率具有重要的影响。在雪深为1～40cm时,合成图像的积雪识别精度随雪深的增加而增大;在雪深为31～40cm时,积雪识别率可达90.19%;在雪深大于40cm时,积雪识别率开始下降。在牧区合成图像的积雪识别率可达77.6%,而在开阔的灌丛区积雪识别率略有下降,为72.7%。     

基于AMSR-E信息的北疆牧区雪深遥感监测模型方法初探

利用北疆地区2002,2003和2004年11月-次年3月3个积雪季AMSR-E 445个时相的亮温数字图像和20个气象台站实测雪深数据,系统分析了雪深模型的影响因子和研究区样本筛选方法。通过对18和36 GHz波段的水平、垂直极化方式的亮温差和实测雪深值回归分析比较,建立了北疆地区基于AMSR-E亮温数据的雪深反演模型,并对模型的精度进行了评价。结果表明,1)AMSR-E亮温差受气温、融雪、降水、湿雪、深霜层等因素的严重影响,其中受深霜层的影响最大;2)大于2.5 cm的积雪深度SD同垂直极化方式的18和36 GHz波段的亮温差(Tb_18V-Tb_36V)之间具有较好的线性相关性,其回归公式为SD=0.49(Tb_18V-Tb_36V)+8.72,相关系数达0.65。 3)当雪深为3～10 cm时,反演模型平均误差为-7.1 cm,平均绝对误差为7.1 cm,RMSE值达7.7 cm;当雪深为11～30 cm时,平均误差为1.8 cm,平均绝对误差为4.9 cm,RMSE值为9.1 cm;当雪深大于30 cm时,平均误差为8.9 cm,平均绝对误差为9.4 cm,RMSE值为18.1 cm。4)该模型在北疆地区优于Chang算法,基本能反映北疆地区雪深变化趋势。当地表为中雪覆盖时,反演雪深值和实测值之间的一致性较高,当地表为浅雪和深雪覆盖时,反演模型的误差较大,其反演精度较低,还有待于进一步研究。     

新疆北部地区MODIS积雪遥感数据MOD10A1的精度分析

以新疆北部牧区为研究区,结合气象台站记录的雪情数据和土地利用类型,对比分析了2001年11月1日-2005年3月31日的MODIS每日积雪产品MOD10A1积雪制图精度。研究表明,1)晴天时MOD10A1产品的精度很高,总精度可达到98.5%,积雪分类精度为98.2%。2)地面台站的积雪分类精度和总精度同海拔之间的相关系数仅为0.04和0.02,但积雪深度与积雪分类精度之间存在显著的相关性。当雪深1~3 cm时积雪分类精度为54.1%~94.3%;当雪深3~36 cm时,积雪分类精度均大于90%;当雪深大于36 cm时,漏测次数为零,积雪分类精度将保持在100%。3)土地利用类型对积雪分类精度有一定的影响。在农田、草原和城市建筑用地3种类型上的总精度分别为97.9%,98.9%和96.9%,积雪分类精度分别为98.0%,98.5%和94.4%。4)3种土地利用类型在不同雪深下的总精度和积雪分类精度都较高。农田、草原和城市建筑用地上的最低积雪分类精度分别为94.6%,95.3%和89.5%,且最低积雪分类精度都出现在雪深为1~10 cm的分段上,这个结果与积雪分类精度随雪深的增加而增加相一致。     

基于MODIS与AMSR-E数据的雪被产品合成及精度评价

摘要：利用2002年10月1日-2008年3月31日青海省Terra/MOD10A1和Aqua/MYD10A1每日雪被产品,合成了MODIS五日积雪分类图像（MOYD_5D）,结合AMSR E五日雪水当量产品（AE_5D）,利用用户自定义合成算法合成五日积雪分类图像AEMD_5D。根据气象台站的雪情数据,对比分析MOYD_5D、AE_5D和AEMD_5D这3种积雪产品的积雪分类精度（Sa）。结果表明,1）当积雪深度为1~3 cm时, MOYD_5D、AE_5D和AEMD_5D的积雪分类精度分别为17.5%、49.8%和23.2%;2）积雪深度为4~6 cm时,MOYD_5D、AE_5D和AEMD_5D的Sa分别为46.2%、55.1%和56.9%;3）雪深为7~9 cm时,MOYD_5D、AE_5D和AEMD_5D的Sa分别为58.6%、78.5%和78.6%;4）当雪深≥10 cm时,MOYD_5D、AE_5D和AEMD_5D的Sa分别为66.7%、82.2%和84.1%。合成产品AEMD_5D对积雪分类精度有所提高,对于牧区雪灾监测及评价具有重要的应用价值。     

山地高寒草甸地表积雪特征的初步观测

为了深入认识积雪变化对高寒草甸生态系统功能的影响,在青海祁连山中段山地建立了观测样地,以称雪器和Snow Fork分析仪进行了积雪观测,分析了山地高寒草甸中积雪的特征。结果显示：2009-2010年,山地高寒草甸不同月份积雪日数差异较大。2009年5月积雪日数较多,3-4月和9-10月其次,2月和6月较少;2010年积雪日数总体较少,集中在1-6月。2009年2-4月积雪深度浅、日差异较小,5-10月积雪深度日差异较大;2010年1-3月积雪深度相对浅,4-5月积雪深度深、日差异较大。2009-2010年,积雪密度日差异较小。积雪密度与深度呈极显著正相关（P<0.001）,积雪深度与叶湿度极显著相关（P<0.001）、与太阳辐射强度显著相关（P<0.05）,与其他气象要素相关性不显著,积雪密度与各气象要素相关性均不显著。结果表明,青海北部山地高寒草甸积雪变化年际间、月际间的差异较大,与气象因素的关系复杂。     

1982-2015年内蒙古雪深时空变化遥感分析

积雪是冰冻圈的重要组成部分,也是雪灾评价的重要指标。文章利用1982-2015年SMMR、SSM/I和SSMIS积雪深度产品数据,采用GIS空间分析与统计学方法,分析了内蒙古积雪深度的时空变化特征和对温度、降水变化的响应。结果表明:(1)1982-2015年期间,内蒙古积雪深度出现缓慢的减少趋势,减少的速率为0.773mm/10a(p<0.01),其中呼伦贝尔市西北部雪深减少的趋势明显快于其他地区。(2)1982-2013年期间,内蒙古地区温度和降水分别呈现出增加和减少趋势。     

内蒙古积雪监测方法的研究

结合NOAA卫星数据和地面雪深观测资料,利用遥感与地理信息技术,针对气象台站稀少,分布不均匀的内蒙古地区制作雪盖图和雪深等值面图,不但可以从水平方向上确定积雪的覆盖范围,还可以从垂直方向上确定积雪深度的空间变化。监测结果对雪情的综合评价具有重要的应用价值,为牧区雪灾的动态监测与评价提供科学依据。     

合理投喂,减少草鱼冬季掉膘损失

<正>进入11月,气温水温快速下降、当水温低于10℃时,大多鱼类停止摄食。全国不同区域气候不同,鱼类停食时间有所不同。华中、华东地区:11月-次年3月期间停食,停食时间在60天以上;华北地区:11月-次年4月期间停食,停食时间90天以上。华北地区的养殖水体在11月就冰封了,到第二年3月上旬才解冻,若年前放苗,停食时间将长达4-5个月;华南地区:冬季水温相对较高,水温低于10℃时,基本不投料,一般在1月中后旬到2月初,有     

牧区积雪监测中卫星资料应用的研究现状

牧区雪灾严重制约着牧区生产力的发展。卫星资料在雪灾监测中,起到控制雪灾和灾前预警的作用。牧区积雪监测中常用卫星资料NOAA/AVHRR在晴空条件下,具有大范围积雪动态变化监测的优势;TM资料则易于区分雪和云,同时适用于小范围积雪动态监测与精确定位;被动微波遥感数据SMMR、SSM/I和AMSR E在获取雪深及雪层内部稳定方面效果显著;MODIS数据具有数据免费、较高空间分辨率等特点。多种卫星资料还在去云、混合像元处理、积雪深度、积雪面积监测和积雪监测模型建立中起到基础数据的作用,为雪灾的准确监测提供重要依据。     

青海牧区雪灾综合风险评估

本研究收集了影响青海省雪灾发生的社会经济、自然及气象共计19种因素,通过主客观结合的方法筛选基础因子,再利用Logistic回归模型自我挑选变量功能对初始因子进一步筛选,得到五项风险评价因子,即人均GDP、年均温、最大雪深、积雪覆盖日数及坡度,最后基于ArcGIS平台得到青海地区2001-2007年的雪灾平均风险区划图,并对其划分等级,分析不同雪灾等级在空间上的分布特征。得到以下结论:1)通过主客观的分析方法,得到诱发雪灾形成的关键因素与自然因素、气象因素、社会经济等因素有关;2)青海雪灾平均风险分布与风险因子最大雪深、坡度、积雪覆盖日数具有基本一致的趋势,而与年均温和人均GDP 的分布趋势相反;3)青海地区平均雪灾风险呈现南高北低的态势,其中高风险区主要分布在研究区南部的称多县、玉树县、囊谦县、达日县、甘德县以及玛沁县等地,相反,西北部的柴达木盆地和东部的农业区为低风险区;4)受地形地貌的影响,4000 m以上的山岭地带,即祁连山、昆仑山、唐古拉山、巴颜喀拉山、阿尼玛卿山等为青海雪灾高风险分布之地。     

祁连冰沟流域浅雪层光谱特征 分析与遥感算法反演

祁连山冰沟流域地形复杂,积雪深度较浅且破碎化严重,针对MODIS标准积雪面积比例产品在该地区监测精度较差的问题,本研究基于冰沟流域浅雪光谱特征分析及结合野外实测经验,探索浅雪的光谱特征对MODIS浅雪面积比例提取精度的影响;然后通过线性回归法、线性混合像元分解法及BP神经网络模型3种方法分别构建了针对研究区的MODIS积雪制图算法,并利用同时相的Landsat 8OLI二值积雪数据作为真值对上述3种制图方法进行精度验证。结果表明,1)浅雪的光谱反射率对基于NDSI阈值法的MODIS浅雪提取精度几乎没影响,MODIS提取浅雪精度差的主要原因为该地区复杂的地形而导致的积雪分布破碎化,即混合像元的大量存在;2)利用BP神经网络模型反演积雪面积比例的最佳输入参数组合为(ρ_1~ρ_7)+NDSI+DEM;3)线性混合像元分解模型在该研究区的积雪面积比例提取精度较低,BP神经网络模型精度最好;4)在地形复杂区域,多因素模型(BP神经网络模型)相对于单因素模型(一元线性回归模型)具有较好的积雪面积比例提取精度和稳定性,可以为研究区MODIS积雪面积比例的反演提供一种理想的方法。     

基于ＭＯＤＩＳ数据的青海省积雪覆盖范围监测算法探索

 以青海省作为研究区,利用ＭＯＤＩＳ每日地表反射率产品ＭＯＤ０９ＧＡ 和逐日雪被合成产品ＭＯＤ１０Ａ１,通过调整ＮＤＳＩ阈值,合成积雪分类图像,根据气象台站实测雪深数据,评价积雪分类精度,探索研究了适合该地区的ＮＤＳＩ阈值。研究结果表明,１）ＮＳＩＤＣ 发布的全球ＭＯＤＩＳ积雪产品ＭＯＤ１０Ａ１在青海高原的积雪分类精度较低,在晴空下雪深大于３ｃｍ 的积雪分类精度为８６．０１％。２）研究区适合的ＮＤＳＩ阈值为０．３７。在晴空下雪深大于３ｃｍ 时,合成雪被图像的积雪分类精度可达９０．３７％,总精度９９．５１％,多测误差０．２２％,漏测误差９．６３％。３）同ＭＯＤＩＳ逐日雪被产品ＭＯＤ１０Ａ１进行雪深分段精度比较,发现整体上自定义雪被图像的积雪分类精度较高,合成图像更符合青海高原积雪空间分布的真实情况。     

基于MODIS和AMER-E资料的青藏高原牧区雪被制图研究

本研究利用青藏高原地区2002-2008年MODIS/Terra-Aqua逐日雪被产品(MOD10A1及MYD10A1)和AMSR-E/Aqua每日雪水当量产品AE_DySno,研究了MODIS和AMSR-E逐日数据的融合算法,合成出逐日无云积雪分类图像MATS10A1,并利用气象台站提供的雪情数据验证了合成图像的积雪分类精度。研究结果表明:1)在青藏高原地区,虽然在晴空时MODIS积雪分类精度较高(当雪深>3 cm时达到80.82%),但MOD10A1和MYD10A1图像中的平均云量比分别达到39.74%和48.74%,无法对牧区雪情进行实时监测。2)MOD10A1和MYD10A1的合成图像(MOYDTS10A1)云量比为24.13%,不但消除了大部分云的影响,而且提高了积雪分类精度(积雪分类精度为81.67%)。3)合成图像MATS10A1结合了AMSR-E资料不受天气影响和MODIS雪被产品较高空间分辨率的优点,不仅完全消除了云的干扰,同时具有较高的积雪分类精度(79.36%)。因此,这种改进型算法生成的逐日无云图像,在青藏高原牧区雪灾监测与预警研究中将具有重要的应用前景。     

牧区积雪光学与微波遥感研究进展

在总结国内外积雪监测常用卫星资料甚高分辨率扫描辐射仪(AVHRR)、多光谱扫描仪(MSS)、专题绘图仪(TM)、中分辨率成像光谱仪(MODIS)、多通道微波辐射计(SMMR)、微波成像专用传感器(SSM/I)、改进型微波辐射扫描仪(AMSR/AMSR-E)、合成孔径雷达(SAR)和FY系列传感器优缺点的基础上,系统研究了牧区积雪可见光遥感研究进展以及微波积雪深度反演、积雪分类决策树遥感研究进展,提出了积雪监测中存在的一些问题及未来发展趋势和研究重点,为进一步做好牧区积雪监测提供科学依据。     

冷季深入对AMSR-E监测内蒙古积雪的影响

传统的积雪范围和厚度监测是通过气象台站的定时观测, 其缺点是:地面观测资料区域代表性有限和地面气象台站分布很均匀.遥感技术可以弥补传统观测的不足,中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer, MODIS)数据具有高空间分辨率、高时间分辨率,地球观测系统先进微波扫描辐射计(Advanced Microwave Scanning Radiometer-EOS, AMSR-E)数据具有不受云层影响的特点.分析冷季深入对AMSR-E影像积雪判别的影响,最终得出,在内蒙古地区随着冷季的深入,AMSR-E将MODIS影像上无雪像元和有云像元判别为有雪的比例越来越高,最高分别达34.22%和28.29%.两者同时判别为有雪像元的比例也越来越高,最高达33.66%.