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%。     

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。     

积雪被动微波遥感研究进展与前景展望

被动微波遥感可用于进行全天候的积雪监测。概述了国内外近年来积雪被动微波遥感研究进展,比较了常用的被动微波传感器SMMR（Scanning Multichannel Microwave Radiometer）、SSM/I（Special Sensor Microwave/Imager）、AMSR-E(Advanced Microwave Scanning Radiometer-Earth Observing System)和MWRI（Microwave Radiation Imager）的参数特征,指出目前积雪被动微波遥感研究中存在的问题：1)干雪和湿雪的判别阈值受多种因素的影响,仍难以确定;2)各气象台站的实测雪深值缺乏代表性;3)分辨率不高,无法监测浅雪区信息等问题;4)容易造成积雪范围估计过大、雪深过深等问题。另外,雪的密度、粒径、降水、寒漠、植被、冻土等因素都在一定程度上影响了反演结果的精度。并对积雪被动微波遥感的应用前景提出了展望：1)在积雪遥感业务监测中,对可见光和被动微波数据进行融合,可充分发挥二者的优势;2)遥感和地理信息系统的结合,可以提高积雪遥感监测的精度和应用范围;3)随着积雪模型算法的进一步完善以及更高空间分辨率的AMSR-E和我国FY3卫星的被动微波数据MWRI的应用, 被动微波遥感必将成为积雪监测的重要手段。4)被动微波遥感与可见光MODIS的积雪监测范围较为一致, 当由于云的影响而无法得到满意的可见光影像时, 则被动微波遥感就可发挥替代作用。5)被动微波遥感在积雪业务监测中还存在较多的问题, 持续不断的地面监测和算法改进及验证是完善这项技术的重要保证。     

基于SSM/I的青藏高原东部雪深模型反演及积雪时空分布研究

雪灾是制约牧区草地畜牧业持续发展的主要气象灾害之一。利用研究区1995-1996年、2000-2001年、2005-2006年10月到次年3月共3个积雪季的SSM/I日亮温数据和79个气象台站对应的地面实测雪深值,反演了青藏高原东部的雪深模型,估算了积雪分布面积和积雪深度。研究结果表明：3个积雪季的月、旬积雪面积都是先增加,在12月到次年1月达到最大值,然后减少;各积雪季雪深以<5 cm为主,10月、次年2月和3月期间基本上没有>10 cm以上的积雪;从3个积雪季的旬雪深数据来看,各旬3个级别的雪深面积变化基本上都遵循了先增大后减小的趋势,其中雪深<5 cm的积雪面积变化最大,>10 cm的积雪面积变化最小;3个积雪季510 cm的积雪主要分布在青南的玉树、果洛州。     

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。     

利用气象卫星监测草地雪情方法的研究

在总结、分析已有利用气象卫星资料遥感监测草地雪情研究所成果的基础上，放弃了以往一直试图建立了卫星资料与积雪深度直接关系的思路，从一个新的视角出发，提出了适于遥感监测草地黑白灾的白度、雪深指数的表达式，并在实际的雪情监测中进行了应用。     

光学积雪遥感研究进展

积雪在全球水文和气候变化中扮演着十分重要的角色。利用遥感技术进行积雪监测已有40多年的研究历史, 在雪盖制图、雪深反演、冰雪反照率等方面发展了一系列的算法及产品。其中,光学遥感以其高时空分辨率的特点在积雪监测中得到了非常广泛的应用。随着对地观测系统（Earth Observation System,EOS）的发展,以及国产环境卫星的陆续升空,越来越多的遥感数据被应用于积雪监测,遥感技术势必在积雪监测领域发挥更加重要的作用,为模拟地球辐射平衡、地表水文研究、全球变化等提供丰富的数据资料。     

Advances in snow-cover monitoring using optical remote sensing

积雪在全球水文和气候变化中扮演着十分重要的角色。利用遥感技术进行积雪监测已有40多年的研究历史,在雪盖制图、雪深反演、冰雪反照率等方面发展了一系列的算法及产品。其中,光学遥感以其高时空分辨率的特点在积雪监测中得到了非常广泛的应用。随着对地观测系统（Earth Observation System,EOS）的发展,以及国产环境卫星的陆续升空,越来越多的遥感数据被应用于积雪监测,遥感技术势必在积雪监测领域发挥更加重要的作用,为模拟地球辐射平衡、地表水文研究、全球变化等提供丰富的数据资料。     

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。     

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。     

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。     

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。     

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。     

阿勒泰地区草地畜牧业雪灾的遥感监测与评价

使用ERDAS IMAGING8．5软件分析NOAA／AVHRR资料,建立了基于空间统计分析的雪深遥感监测模型;在GIS技术的支持下,实现了对遥感获取的雪灾信息与地面实际监测信息的空间化、定量化分析,建立了草地畜牧业雪灾的评价模型和损失估算模型。对阿勒泰地区2000年雪灾损失的评价,可为政府部门今后制定防灾救灾措施、合理安排草地畜牧业生产提供决策支持。     

鸡传染性支气管炎野毒感染的诊断

疾病的诊断可以通过对鸡群病史、临床症状、血清学及病原分离与鉴定相结合的评价来完成。血清学监测在确定野毒感染的时间和性质上很有帮助。     

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。     

基于3S技术的牧区雪灾评价方法

利用NOAA卫星数据及地面气象台站观测资料,建立了积雪深度遥感反演模型;应用线性混合光谱分解原理,研究了基于像元的积雪覆盖率及积雪空间分类算法;依据草地畜牧业的特点,综合考虑了雪情、草情、畜情和气象因素的空间分布及其对草地畜牧业的危害程度,提出了2种新的基于格网单元的积雪危害指数和雪灾综合评价指数,构建了积雪危害分级与雪灾综合评价标准。通过对北疆阿勒泰牧区雪灾研究的结果表明,这2种指数和分级评价标准能准确详细地反映雪灾的时空分布特征和危害程度,对牧区雪灾的综合评价具有重要的应用价值。     

近10年石羊河流域水资源与生态环境遥感监测

在气候变暖的大背景下,石羊河生态环境发生了很大变化。针对流域生态环境的定量监测策略及关键技术,提出石羊河流域尺度的植被覆盖、水库面积、积雪面积等要素因子的快速监测方法,并具体通过实际监测水库蓄水前后面积、植被覆盖时空变化、积雪分布特征,分析石羊河流域生态环境。研究发现：1997-2006年,整个祁连山区域冰川积雪面积呈多波形变化,有线性增加趋势。其中,祁连山东段（石羊河流域上游）和中段积雪面积呈减少趋势,西段呈增加趋势。石羊河流域植被总面积整体上呈持续减少趋势,其中稀疏植被和茂密植被退化最严重,适中植被面积变化不大。红崖山水库面积基本呈增加趋势,最大值出现在2005年,是19.35 km2;最小值出现在2001年,为7.4 km2。     

青海省三江源牧区雪灾综合风险评估

本研究采用Logistic回归方法,以ArcGIS和SPSS软件为工具,选取2010年冬春季平均雪深、积雪日数、雪灾重现率、坡度、牲畜密度、冬春超载率、产草量、地区GDP和农牧民纯收入9项雪灾风险因子,建立了三江源地区雪灾综合风险评估Logistic回归模型,并对其进行了风险评价与区划。结果显示,1)1960-1980年,三江源地区冬春季雪灾发生频次处于一较长时期的低值期。1980以后,雪灾频率呈增加态势,期间雪灾频次占59年来雪灾总数的62%。在空间分布上,雪灾主要集中在三江源地区东南部一带。2)回归模型系数中,平均雪深、雪灾重现率、产草量和牲畜密度因子对雪灾影响程度占有绝对权重,其回归系数分别为2.17,1.38,1.27和0.92,而农牧民人均纯收入的影响程度则最低。3)2010年,三江源地区雪灾极高风险区主要集中在巴颜喀拉山南部的玉树、称多、杂多和囊谦县,以及巴颜喀拉山与阿尼玛卿山之间的甘德、达日、玛沁和久治县,而极低风险区则地处西部可可西里无人区和沱沱河流域大部分区域。4)根据Logistic回归模型,在ArcGIS中绘制的三江源雪灾综合风险区划图与历史实际雪灾空间分布基本吻合。该研究不仅可为防灾减灾救灾部门制定灾前减灾规划、灾后救助和恢复决策提供科学依据,而且对于牧区减轻雪灾损失、保障畜牧业可持续发展也具有重要意义。