基于多源遥感资料的中国积雪制图及其时空变化研究

发布时间：2020-11-19 23:06

　　我国积雪覆盖面积广泛,准确获取积雪面积及雪深信息的动态变化对了解我国气候变化、水循环、水资源调查、畜牧业的发展及雪灾的预防预测具有重要的研究意义。MODIS数据以其高空间和时间分辨率,在生态遥感、大气遥感以及水文遥感等领域应用广泛。由于光学传感器受到云的强烈干扰,因此无法直接使用光学传感器获取的积雪产品对积雪覆盖面积进行有效统计。被动微波可以穿透云层,不受天气影响,但被动微波产品的粗分辨率极大地限制了区域积雪监测的精度。因此,去云和降尺度分别是利用光学产品和被动微波产品提高积雪监测精度的有效途径。综合不同的研究方法,通过将光学遥感资料和被动微波资料进行多源产品融合,生成了没有云污染的逐日无云积雪面积比例产品及500m空间分辨率的雪深产品(SNDsp),并对这两种产品进行了精度评价和误差分析。在此基础上,进一步利用2000年12月~2014年11月近14年的MODIS无云二值积雪产品和降尺度得到的SNDsp雪深产品分析中国区域积雪时空变化趋势。研究结果表明:(1)合成的逐日无云积雪面积比例产品完全去除了云的干扰,可有效地提高积雪监测的精度。利用高分辨率的Landsat 8 OLI影像生成的积雪面积比例图作为真值对合成产品的精度验证表明,平均均方根误差仅为0.27,相关系数达0.72;误差分析表明,植被类型和地形因子是制约积雪信息提取精度的重要因素。(2)降尺度效果较好,得到的SNDsp产品能显著地消除AMSR2雪深标准产品10 km×10 km像元的块状结构。利用21个气象台站实测雪深数据对升轨和降轨两个时间的AMSR2雪深标准产品及降尺度后的SNDsp产品进行了精度评价。结果表明:降尺度后的SNDsp升轨产品均方根误差较AMSR2雪深标准升轨产品降低了1.78 cm,降轨产品的均方根误差较AMSR2雪深标准产品降低了2.68 cm,且SNDsp产品与地面台站实测雪深的相关性较AMSR2雪深标准产品在一定程度上有所提高。AMSR2雪深标准产品在雪深为7~9 cm时误差最小,SNDsp产品在雪深为16~18 cm时精度最高。雪深大于12 cm时,AMSR2雪深标准产品精度较低,而SNDsp产品在此基础上精度有了一定程度的提高。(3)近14年来,中国年积雪覆盖日数和平均雪深总体呈增加的趋势;年平均积雪覆盖面积无明显变化趋势。中国夏季积雪覆盖日数呈减少的趋势,冬、春、秋三季的积雪覆盖日数均表现为增加的趋势;中国冬季、夏季和秋季的平均雪深表现为减少的趋势,只有春季的平均雪深表现为增加的趋势;夏季、冬季的平均积雪覆盖面积呈减少的趋势,春季和秋季的平均积雪覆盖面积则呈增加的趋势。(4)从空间分布状况来看,年平均雪深增加和减少趋势的空间分布与年积雪覆盖日数具有较高的一致性,各季度的积雪覆盖日数和平均雪深变化趋势的空间分布也具有较高的一致性。中国积雪变化趋势的区域差异性显著:中国南部和东北地区积雪表现为明显的增加趋势;新疆地区则表现为明显的减少趋势;青藏高原西南部边缘地区及东南部表现为增加的趋势,高原的北部及西北部主要表现为减少的趋势。
【学位单位】：兰州大学
【学位级别】：硕士
【学位年份】：2016
【中图分类】：P407;P426.635
【文章目录】：
中文摘要
Abstract
第一章绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 MODIS积雪产品制图研究进展
        1.2.2 被动微波产品降尺度研究进展
        1.2.3 中国积雪变化监测研究进展
    1.3 研究目的及内容
第二章 MODIS积雪面积比例产品去云算法研究
    2.1 研究数据及预处理
        2.1.1 MODIS积雪面积比例产品
        2.1.2 AMSR2雪水当量产品
        2.1.3 Landsat 8 OLI数据
        2.1.4 IGBP土地覆盖类型数据
        2.1.5 SRTM数字高程模型（DEM）
    2.2 研究方法
        2.2.1 OLI积雪面积比例制图
        2.2.2 去云算法
        2.2.3 精度评价方法
    2.3 算法结果及精度评价
        2.3.1 去云效果
        2.3.2 精度评价
        2.3.3 误差分析
    2.4 小结
第三章被动微波产品降尺度算法
    3.1 研究区概况
    3.2 研究数据
        3.2.1 卫星遥感数据
        3.2.2 气象台站雪深数据
    3.3 降尺度算法
        3.3.1 MODIS积雪面积比例产品去云算法
        3.3.2 降尺度运算
        3.3.3 精度评价方法
    3.4 降尺度结果与精度评价
        3.4.1 降尺度算法结果
        3.4.2 精度评价
    3.5 误差分析
    3.6 小结
第四章中国积雪空间分布及时空变化特征
    4.1 研究数据及方法
        4.1.1 数据来源及预处理
        4.1.2 数据处理方法
        4.1.3 趋势检验方法
    4.2 中国地区积雪空间分布特征
    4.3 中国积雪时空变化特征
        4.3.1 中国积雪年际变化趋势
        4.3.2 中国积雪各季节年际变化趋势
    4.4 讨论
    4.5 小结
第五章结论与展望
    5.1 结论
    5.2 不足与展望
参考文献
在学期间的研究成果
致谢

【相似文献】

相关期刊论文前10条

1 林建,范蕙君;内蒙古雪灾监测方法研究[J];气象;2003年01期

2 武黎黎;李晓峰;赵凯;郑兴明;戴礼云;;东北典型林区雪深反演算法的验证与分析[J];地球信息科学学报;2014年02期

3 白淑英;史建桥;沈渭寿;高吉喜;王冠军;;近30年西藏雪深时空变化及其对气候变化的响应[J];国土资源遥感;2014年01期

4 符传博;丹利;吴涧;魏荣庆;;新疆地区雪深和雪压的分布及其55年的变化特征分析[J];地球物理学进展;2011年01期

5 柏延臣,冯学智,李新,陈贤章;基于被动微波遥感的青藏高原雪深反演及其结果评价[J];遥感学报;2001年03期

6 陈海山;许蓓;;欧亚大陆冬季雪深的时空演变特征及其影响因子分析[J];地理科学;2012年02期

7 蒋玲梅;王培;张立新;杨虎;杨俊涛;;FY3B-MWRI中国区域雪深反演算法改进[J];中国科学:地球科学;2014年03期

8 王道远;陈方兴;;SXH1-1型超声雪深测量仪在冬季测雪中的应用[J];黑龙江科技信息;2012年18期

9 吴红波;贺建桥;郭忠明;毛瑞娟;吴玉伟;;基于HJ-1数据的木孜塔格峰地区雪深时空变化[J];地理研究;2013年10期

10 李杨;张璞;刘艳;卢新玉;马丽云;;风三微波亮温数据在北疆地区的雪深反演研究[J];水土保持研究;2013年04期

相关硕士学位论文前1条

1 邓婕;基于多源遥感资料的中国积雪制图及其时空变化研究[D];兰州大学;2016年