基于环境信息和回归模型的青藏高原MODIS积雪面积比例产品制备

发布时间：2021-07-27 07:06

　　积雪面积比例（Fractional Snow Cover,FSC）是定量描述单位像元内积雪覆盖面积（Snow Cover Area,SCA）与像元空间范围的比值,可为区域气候模拟、水文模型等提供积雪分布的定量信息。MODIS FSC产品是根据经验模型计算得到,并没有考虑地形、植被和地表温度等环境因素的影响,在青藏高原的验证精度低。针对此问题,考虑青藏高原地区环境因素（地形、植被、地表温度）对FSC制备的影响,基于多元自适应回归模型（Multivariate Adaptive Regression Splines,MARS）和线性回归模型分别建立FSC制备的非参数回归模型和经验回归模型。用Landsat 8地表反射率的数据和SNOMAP算法制备FSC的参考数据集。选取一部分参考数据集作为模型的训练数据集,另一部分作为模型的检验数据集。研究结果表明:MARS方法估计FSC的精度明显高于线性回归模型和原有的MODIS FSC制备方法。MARS的总体R、RMSE、MAE分别为0.791、0.103、0.058。在线性回归模型中精度最高的总体R、RMSE、MAE分别为0.647、0.128、0.... 

【文章来源】：遥感技术与应用. 2020,35(06)北大核心CSCD

【文章页数】：9 页

【部分图文】：

研究区概况图及样本的空间分布

将“真值”FSC、NDSI、NDVI、地表温度、坡度和坡向作为MARS模型的输入数据。“真值”FSC、NDSI、NDVI作为线性模型的输入数据。将MOD10A1使用MODIS原有的经验模型估计FSC，作为结果之一便于后续与其他模型制备的FSC进行对比。数据具体处理流程如图2所示。3.1 DEM数据

其中：a1、a2、a3为系数，x1表示NDSI,x2表示NDVI。FSCa不考虑NDVI小于0时对FSC的影响。FSCb根据NDVI进行分段建模。FSCc根据NDSI与FSC之间的关系建立模型。本文使用线性最小二乘法解线性回归模型，则式（11）可以表示为：其中A=(a1,a2,a3）|（a1,a3),X=(x1,x2,1)T|（x1,1)T本文根据选取的75%的训练样本建立多元线性回归模型，剔除云像元之后对86万个有效的雪像元建立线性回归模型。FSCa的解分别为a1=0.765,a2=-0.308,a3=0.337;FSCb当NDVI大于0的解分别为a1=0.792,a2=-0.675,a3=0.336；当NDVI大于0的解分别为a1=0.402,a3=0.648;FSCc的解分别为a1=0.882,a3=0.252。则式（11）最终可以用式（13）表示为：

【参考文献】：
期刊论文
[1]多源雪深数据在中国的空间特征评估[J]. 肖林,车涛,戴礼云.  遥感技术与应用. 2019(06)
[2]基于FY-3D/MERSI-Ⅱ的积雪面积比例提取算法[J]. 赵宏宇,郝晓华,郑照军,王建,李弘毅,黄广辉,邵东航,王轩,高扬,雷华锦.  遥感技术与应用. 2018(06)
[3]1957—2009年中国台站观测的关键积雪参数时空变化特征[J]. 马丽娟,秦大河.  冰川冻土. 2012(01)
[4]MODIS亚像元积雪覆盖反演算法研究——纪念杰出的地理学家、冰川学家施雅风先生逝世一周年[J]. 施建成.  第四纪研究. 2012 (01)
[5]论青藏高原范围与面积[J]. 张镱锂,李炳元,郑度.  地理研究. 2002(01)



本文编号：3305337