Please wait a minute...
 
国土资源遥感  2021, Vol. 33 Issue (1): 145-151    DOI: 10.6046/gtzyyg.2020102
     技术应用 本期目录 | 过刊浏览 | 高级检索 |
青藏高原FY-3C卫星积雪产品评估
闵文彬1(), 彭骏1, 李施颖2
1.中国气象局成都高原气象研究所/高原与盆地暴雨旱涝灾害四川重点实验室,成都 610071
2.四川省气象探测数据中心,成都 610071
The evaluation of FY-3C snow products in the Tibetan Plateau
MIN Wenbin1(), PEN Jun1, Li Shiying2
1. Institute of Plateau Meteorology, CMA /Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province, Chengdu 610071, China
2. Sichuan Meteorological Sounding Data Center, Chengdu 610071, China
全文: PDF(2780 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

选取2018年10月1日—2019年4月30日作为积雪研究期,利用青藏高原地区118个气象台站的积雪观测数据,对风云三号C星(FY-3C)多仪器融合的雪盖(multi-sensor synergy snow cover, MULSS_SNC)和微波成像仪的雪水当量(microwave radiation imager snow water equivalent, MWRIX_SWE)产品进行评估,以了解产品的区域可靠性。结果表明: MULSS_SNC和MWRIX_SWE雪盖判识准确率分别为87.18%和72.32%,召回率分别为66.67%和49.63%,误判率分别为12.81%和27.68%,漏判率分别为33.33%和50.37%; 对于积雪混合像元或积雪深度不足0.5 cm的卫星像元,MULSS_SNC和MWRIX_SWE都倾向于无雪判识,1 cm以下雪盖漏判率高达60%以上; MULSS_SNC在积雪深度达2 cm以上时,召回率可达到89.09%,而MWRIX_SWE产品在积雪深度达5 cm以上时,积雪判识召回率才达到63.37%。MWRIX_SWE反演的青藏高原地区雪深与地面观测值误差很大,不存在线性正相关关系,不建议直接使用。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
闵文彬
彭骏
李施颖
关键词 MULSS_SNCMWRIX_SWE评估青藏高原    
Abstract

In order to understand the regional reliability of the Fengyun-3C(FY-3C) satellite snow products, the authors used the snow cover data of 118 meteorological stations in the Tibetan Plateau from October 1, 2018 to April 30, 2019 to evaluate the snow cover (MULSS_SNC) and snow water equivalent (MWRIX_SWE) products. The results show that, for snow cover pixels of MULSS_SNC and MWRIX_SWE, the accuracy rate is 87.18% and 72.32% respectively, the recall rate is 66.67% and 49.63% respectively, the false rate is 12.81% and 27.68% respectively, and the missing rate is 33.33% and 50.37% respectively. In terms of mixed pixels or pixels with snow depth less than 0.5 cm, both MULSS_SNC and MWRIX_SWE tend to identify with no snow, and the missing rate of snow depth less than 1cm is up to 60%. When the snow depth of MULSS_SNC is more than 2cm, the recall rate can reach 89.09%. However, for MWRIX_SWE, only when the snow depth is more than 5cm can the snow recall rate reach 63.37%. The snow depth in the Tibetan Plateau from MWRIX_SWE has a large error with ground observations, and there is no linear positive correlation, so it is not recommended to use it directly.

Key wordsMULSS_SNC    MWRIX_SWE    evaluation    Tibetan Plateau
收稿日期: 2020-04-13      出版日期: 2021-03-18
ZTFLH:  TP79  
基金资助:中国气象局风云三号(02)批气象卫星地面应用系统工程应用示范分系统项目“青藏高原固态水资源遥感监测与评估业务应用示范”资助(FY-3(02)-UDS-1.11.1)
作者简介: 闵文彬(1966-),女,教授级高级工程师,主要从事卫星遥感技术应用研究。Email: wenbinmin@sina.com
引用本文:   
闵文彬, 彭骏, 李施颖. 青藏高原FY-3C卫星积雪产品评估[J]. 国土资源遥感, 2021, 33(1): 145-151.
MIN Wenbin, PEN Jun, Li Shiying. The evaluation of FY-3C snow products in the Tibetan Plateau. Remote Sensing for Land & Resources, 2021, 33(1): 145-151.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.2020102      或      https://www.gtzyyg.com/CN/Y2021/V33/I1/145
Fig.1  青藏高原积雪观测站点分布示意图
地面观测样本数/个 MULSS_SNC像元数 /个
积雪 陆地 云及其他 参与评估
积雪 3 147 864 432 1851 1 296
陆地 1 548 127 847 574 974
部分积雪 20 321 353 13 091 6 877 13 444
合计 25 016 1 344 14 370 9 302 15 714
Tab.1  MULSS_SNC判识结果
地面观测样本数/个 MWRIX_SWE像元数/个
积雪 陆地 缺数据 参与评估
积雪 3 147 998 1 013 1 136 2 011
陆地 1 548 382 613 553 995
部分积雪 20 321 2 705 10 184 7 432 12 889
合计 25 016 4 085 11 810 9 121 15 895
Tab.2  MWRIX_SWE判识结果
积雪深度/cm [0.5,1] (1,2] (2,3] (3,4] (4,5] (5,6] (6,8] (8,10] >10 >2 合计
MULSS_SNC判识结果
地面积雪像元数/个 460 185 118 103 69 50 77 48 186 651 1 296
判识正确像元数/个 168 116 99 83 61 44 71 41 181 580 864
召回率/% 36.52 62.70 83.90 80.58 88.41 88.00 92.21 85.42 97.31 89.09 66.67
漏判像元数/个 292 69 19 20 8 6 6 7 5 71 432
漏判率/% 63.48 37.30 16.10 19.42 11.59 12.00 7.79 14.58 2.69 10.91 33.33
漏判百分比/% 67.59 15.97 4.40 4.63 1.85 1.39 1.39 1.62 1.16 16.44 100
MWRIX_SWE反演结果
地面积雪像元数/个 723 286 214 154 119 67 110 72 266 1 002 2 011
判识正确像元数/个 238 125 101 85 75 48 85 49 192 635 998
SWE召回率/% 32.92 43.71 47.20 55.19 63.03 71.64 77.27 68.06 72.18 63.37 49.63
SWE漏判像元数/个 485 161 113 69 44 19 25 23 74 367 1 013
SWE漏判率/% 67.08 56.29 52.80 44.81 36.97 28.36 22.73 31.94 27.82 36.63 50.37
SWE漏判百分比/% 47.88 15.89 11.15 6.81 4.34 1.88 2.47 2.27 7.31 36.23 100
Tab.3  不同积雪深度的FY-3C积雪产品检测结果
地面观测样本数/个 合成产品像元数/个
积雪 陆地 MWRIX
无数据
参与评估
积雪 3 147 1 419 887 841 2 306
陆地 1 548 289 751 508 1 040
部分积雪 20 321 1 332 11 694 7 295 13 026
合计 25 016 3 040 13 332 8 644 16 372
Tab.4  MULSS_SNC和MWRIX_SW合成的雪盖产品的判识结果
Fig.2  FY3C积雪产品不同积雪深度的漏判率
Fig.3  地面观测与MWRIX_SWE雪深散点图
Fig.4  60 cm以下地面观测与卫星反演雪深散点图
[1] 李震, 张文煜, 孙文新, 等. NOAA/AVHRR数据的雪盖信息提取与复台[J]. 遥感技术与应用, 1995,10(4):19-24.
Li Z, Zhang W Y, Sun W X. Extracting the information of snow-cover from NOAA/AVHRR data and overlaying with vector data[J]. Remote Sensing Technology and Application, 1995,10(4):19-24.
[2] 延昊, 张国平. 混合像元分解法提取积雪盖度[J]. 应用气象学报, 2004,15(6):665-671.
Yan H, Zhang G P. Unmixing method applied to NOAA/AVHRR data for snow cover estimation[J]. Journal of Applied Meteorological Science, 2004,15(6):665-671.
[3] 梁天刚, 吴彩霞, 陈全功, 等. 北疆牧区积雪图像分类与雪深反演模型的研究[J]. 冰川冻土, 2004,26(2):160-165.
Liang T G, Wu C X, Chen Q G, et al. Snow classification and monitoring models in the pastoral areas of the Northern Xinjiang[J]. Journal of Glaciology and Geocryology, 2004,26(2):160-165.
[4] 张永宏, 任伟, 曹庭, 等. FY-3/VIRR资料积雪多阈值综合判识方法研究[J]. 遥感技术与应用, 2015,30(6):1076-1084.
Zhang Y H, Ren W, Cao T, et al. Method of snow multi-threshold comprehensive discrimination with FY-3/VIRR data[J]. Remote Sensing Technology and Application, 2015,30(6):1076-1084.
[5] 陈文倩, 丁建丽, 孙永猛, 等. 基于NDSI-NDVI特征空间的积雪面积反演研究[J]. 冰川冻土, 2015,37(4):1059-1066.
Chen W Q, Ding J L, Sun Y M, et al. Retrieval of snow cover area based on NDSI-NDVI feature space[J]. Journal of Glaciology and Geocryology, 2015,37(4):1059-1066.
[6] 庞海洋, 孔祥生, 汪丽丽, 等. ENDSI增强型雪指数提取积雪研究[J]. 国土资源遥感, 2018,30(1):63-71.doi: 10.6046/gtzyyg.2018.01.09.
Pang H Y, Kong X S, Wang L L, et al. A study of the extraction of snow cover using nonlinear ENDSI model[J]. Remote Sensing for Land and Resources, 2018,30(1):63-71.doi: 10.6046/gtzyyg.2018.01.09.
[7] 王功雪, 蒋玲梅, 武胜利, 等. FY-3B与FY-3C/MWRI交叉定标及雪深算法应用[J]. 遥感技术与应用, 2017,32(1):49-56.
Wang G X, Jiang L M, Wu S L, et al. Intercalibrating FY-3B and FY-3C/MWRI for synergistic implementing to snow depth retrieval algorithm[J]. Remote Sensing Technology and Application, 2017,32(1):49-56.
[8] 李长春, 徐轩, 包安明, 等. 基于FY3B-MWRI数据新疆区域积雪深度反演[J]. 遥感技术与应用, 2018,33(6):1030-1036.
Li C C, Xu X, Bao A M, et al. The study on snow depth retrieval in Xinjiang region based on FY3B-MWRI data[J]. Remote Sensing Technology and Application, 2018,33(6):1030-1036.
[9] 沙依然, 外力, 毛炜峄. 基于AMSR2被动微波积雪参量高精度反演方法研究[J]. 冰川冻土, 2016,38(1):145-158.
Sayran W L, Mao W Y. A research on the method of deriving high-precision snow parameters from AMSR2 passive microwave remote sensing data[J]. Journal of Glaciology and Geocryology, 2016,38(1):145-158.
[10] 陈鹤, 车涛, 戴礼云. 基于FY-MWRI的中国西部被动微波积雪判识算法[J]. 遥感技术与应用, 2018,33(6):1037-1045.
Chen H, Che T, Dai L Y. Snow identification algorithm based on FY-MWRI in Western China[J]. Remote Sensing Technology and Application, 2018,33(6):1037-1045.
[11] 文军, Dai Mo, Deroin Jean-Paul, 等. 利用MODIS和ASAR资料估算青藏高原念青唐古拉山脉地区冰雪范围及厚度[J]. 冰川冻土, 2006,28(1):54-61.
Wen J, Dai M, Deroin J P, et al. Extent and depth of snow cover over the Nyainqêntanglha Range derived from ASAR and MODIS data[J]. Journal of Glaciology and Geocryology, 2006,28(1):54-61.
[12] 孙燕华, 黄晓东, 王玮, 等. 青藏高原积雪及雪水当量的时空变化[J]. 冰川冻土, 2014,36(6):1337-1344.
Sun Y H, Huang X D, Wang W, et al. Spatio-temporal changes of snow cover and snow water equivalent in the Tibetan Plateau during 2003-2010[J]. Journal of Glaciology and Geocryology, 2014,36(6):1337-1344.
[13] 除多, 达娃, 拉巴卓玛, 等. 基于MODIS数据的青藏高原积雪时空分布特征分析[J]. 国土资源遥感, 2017,29(2):117-124.doi: 10.6046/gtzyyg.2017.02.17.
Chu D, Da W, Laba Z M, et al. An analysis of spatial-temporal distribution features of snow cover over the Tibetan Plateau based on MODIS data[J]. Remote Sensing for Land and Resources, 2017,29(2):117-124.doi: 10.6046/gtzyyg.2017.02.17.
[14] Wang X W, Xie H J, Liang T G, et al. Comparison and validation of MODIS standard and new combination of Terra and Aqua snow cover products in Northern Xinjiang,China[J]. Hydrological Processes, 2009,23(3):419-429.
[15] 柏延臣, 冯学智, 李新, 等. 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, 2001,5(3):161-165.
Bo Y C, Feng X Z, Li X, et al. The retrieval of snow depth in Qinghai-Xizang (Tibet) Plateau from passive microwave remote sensing data and its results assessment[J]. Journal of Remote Sensing, 2001,5(3):161-165.
[16] 肖雄新, 张廷军. 基于被动微波遥感的积雪深度和雪水当量反演研究进展[J]. 地球科学进展, 2018,33(6):590-605.
Xiao X X, Zhang T J. Passive microwave remote sensing of snow depth and snow water equivalent:Overview[J]. Advances in Earth Science, 2018,33(6):590-605.
[17] 蒋洪波, 秦其明, 张宁, 等. 不同积雪深度与面积对积雪覆盖遥感反演的影响[J]. 光谱学与光谱分析, 2011,31(12):3342-3346.
pmid: 22295791
Jiang H B, Qin Q M, Zhang N, et al. Effect of different snow depth and area on the snow cover retrieval using remote sensing data[J]. Spectroscopy and Spectral Analysis, 2011,31(12):3342-3346.
pmid: 22295791
[18] 晋锐, 李新, 马明国, 等. 陆地定量遥感产品的真实性检验关键技术与试验验证[J]. 地球科学进展, 2017,32(6):630-642.
Jin R, Li X, Ma M G, et al. Key methods and experiment verification for the validation of quantitative remote sensing products[J]. Advances in Earth Science, 2017,32(6):630-642.
[19] 王轩, 郝晓华, 王建, 等. 中国地区AVHRR长时间序列积雪范围产品精度评估[J]. 遥感技术与应用, 2018,33(6):994-1003.
Wang X, Hao X H, Wang J, et al. Accuracy evaluation of long time series AVHRR snow cover area products in China[J]. Remote Sensing Technology and Application, 2018,33(6):994-1003.
[20] 侯小刚, 郑照军, 李帅, 等. 近15年新疆逐日无云积雪覆盖产品生成及精度验证[J]. 国土资源遥感, 2018,30(2):214-222.doi: 10.6046/gtzyyg.2018.02.29.
Hou X G, Zheng Z J, Li S, et al. Generation of daily cloudless snow cover product in the past 15 years in Xinjiang and accuracy validation[J]. Remote Sensing for Land and Resources, 2018,30(2):214-222.doi: 10.6046/gtzyyg.2018.02.29.
[1] 张思源, 岳楚, 袁国礼, 袁帅, 庞文强, 李俊. 基于ENDVI-SI3特征空间的盐渍化反演模型及风险评估[J]. 自然资源遥感, 2022, 34(4): 136-143.
[2] 王泽坤, 甘甫平, 闫柏琨, 李贤庆, 李和谋. 雪深和雪水当量被动微波反演及应用进展[J]. 自然资源遥感, 2022, 34(3): 1-9.
[3] 马山木, 甘甫平, 吴怀春, 闫柏琨. ICESat-2数据监测青藏高原湖泊2018—2021年水位变化[J]. 自然资源遥感, 2022, 34(3): 164-172.
[4] 王一飞, 宫兆宁, 张园, 苏朔. 基于多源传感器的FUI水色指数提取与应用[J]. 自然资源遥感, 2021, 33(3): 262-271.
[5] 熊育久, 赵少华, 鄢春华, 邱国玉, 孙华, 王艳林, 秦龙君. 城市绿地资源多尺度监测与评价方法探讨[J]. 国土资源遥感, 2021, 33(1): 54-62.
[6] 童立强, 裴丽鑫, 涂杰楠, 郭兆成, 余江宽, 范景辉, 李丹丹. 冰崩灾害的界定与类型划分——以青藏高原地区为例[J]. 国土资源遥感, 2020, 32(2): 11-18.
[7] 熊俊楠, 李伟, 刘志奇, 程维明, 范春捆, 李进. 基于GWR模型的青藏高原地区TRMM数据降尺度研究[J]. 国土资源遥感, 2019, 31(4): 88-95.
[8] 张瑜, 赵晓丽, 左丽君, 张增祥, 徐进勇. 黄土高原土地利用变化对生态系统服务价值的影响[J]. 国土资源遥感, 2019, 31(3): 132-139.
[9] 吴佳平, 张旸, 张杰, 范胜龙, 杨超, 张小芳. 基于MODIS数据的淤泥质海岸水体指数比较与分析——以黄河三角洲海岸为例[J]. 国土资源遥感, 2019, 31(3): 242-249.
[10] 徐彬仁, 魏瑗瑗. 基于随机森林算法对青藏高原TRMM降水数据进行空间统计降尺度研究[J]. 国土资源遥感, 2018, 30(3): 181-188.
[11] 刘刚, 燕云鹏, 刘建宇. 青藏高原西部湖泊与构造背景关系遥感研究[J]. 国土资源遥感, 2018, 30(2): 154-161.
[12] 代晶晶, 王登红, 吴亚楠. 基于高分遥感数据的稀有矿山监测——以江西宜春414稀有矿山为例[J]. 国土资源遥感, 2017, 29(3): 104-110.
[13] 李峰, 梁汉东, 赵小平, 白江伟, 崔玉坤. 内蒙古乌达煤田煤火治理效果的遥感监测与评估[J]. 国土资源遥感, 2017, 29(3): 217-223.
[14] 除多, 达娃, 拉巴卓玛, 徐维新, 张娟. 基于MODIS数据的青藏高原积雪时空分布特征分析[J]. 国土资源遥感, 2017, 29(2): 117-124.
[15] 亢红霞, 那晓东, 臧淑英. 1980—2010年松嫩平原湿地生态服务功能价值评估[J]. 国土资源遥感, 2017, 29(2): 193-200.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发