以古尔班通古特沙漠为研究区，以中分辨率成像光谱仪（MODIS）为遥感数据源，结合ASD FieldSpec准同步实测积雪反射光谱数据对FLAASH大气校正能力进行了评价。研究表明： ①校正后的MODIS各波段积雪反射率与准同步实测积雪反射率波形相似, 在第1～7波段整体相关系数达0.82，表明FLAASH大气校正能极大地提高MODIS地物识别能力； ②校正后的MODIS 第6波段反射率和归一化差值积雪指数（NDSI）与实测雪密度呈线性相关，可用回归拟合构建MODIS雪密度遥感计算模式。

<p>基于风云3号(FY-3)卫星中分辨率成像光谱仪(medium resolution spectral imager,MERSI)数据的归一化差异水体指数(normalized difference water index,NDWI)和基于蓝光波段的归一化差异水体指数(normalized difference water index based on blue light,NDWI-B),通过直方图分析获取了水体指数判识阈值,并对新疆北疆沿天山一带2009&mdash;2011年发生的融雪性洪水灾害天气进行了监测。对比基于环境1号卫星CCD数据的监测结果表明: 利用FY-3/MERSI的250 m空间分辨率数据可实现对新疆融雪性洪水灾害的监测,其中利用FY-3/MERSI NDWI-B_FY 数据的判识效果最好。</p>

<p>利用新疆64个气象台站1960-2010年的气象资料，分析了新疆50 a来冻土深度的变化趋势，并讨论了温度（平均地温、平均气温）、降水（冬春季年降水、平均积雪深度）与冻土深度（平均冻土深度、最大冻土深度）的相关关系. 结果表明：以10 a时段的年代际变化分析，新疆50 a来平均冻土深度和最大冻土深度均呈明显减小趋势. 50 a来平均冻土深度全疆、北疆、南疆分别减小了约7 cm、10 cm、4 cm，最大冻土深度则分别减小了约11 cm、16 cm、9 cm. 新疆50 a来平均气温和平均地温均呈波动上升趋势，且与冻土深度均有着良好的相关性，其与平均冻土深度的相关系数分别达到了-0.67、-0.77，与最大冻土深度的相关系数也分别达到了-0.51、-0.65，地温与气温的上升对应着冻土深度的减小. 新疆冬春季年降水与冻土深度有着较好的相关性，其与平均冻土深度、最大冻土深度的相关系数分别达到了-0.40、-0.37. 新疆的平均积雪深度与冻土深度也有着一定的弱相关，其原因与积雪对地面的保温作用有关.</p>

利用1979—2010年逐日中国雪深长时间序列数据集,采用GIS空间分析和Mann-Kendall检验等方法,分析了青藏高原雪深时空分布及其与地形的关系。结果表明: 青藏高原雪深分布受地形影响明显,在5—9月平均雪深主要受到高程影响,在其他月份则受气温和高程共同影响; 同一高程带雪深的变幅反映坡度和坡向对雪深的影响,变幅越宽坡向影响越大; 最大雪深随高程和坡度的增加而增加,空间变异随高程的增加而下降,随坡度的增加而呈上升趋势; 从10月至翌年5月,平均雪深在高程82~2 482 m和6 082~7 682 m受坡度和坡向影响较高程2 482~6 082 m要偏大; 回归分析表明,高原雪深分布受到高程和坡度的双重影响,高程是雪深分布的主要影响因子,在高程82~3 282 m区间,坡度的空间差异对平均雪深空间变异的影响具有明显正效应。

介绍了利用FY-2C资料进行积雪判识的原理,在阈值法基础上的辅助因子函数积雪判识方法以及相应的FY-2C积雪判识结果精度验证分析等。一般较为常用的卫星遥感积雪判识方法为简单阈值法,由于其带有一定的随机性,很难客观反映下垫面条件差异对阈值选取的影响。以阈值法为基础,将所使用的主要变量以函数形式表达,以海拔高度、地理位置、季节、土地覆盖类型等作为阈值函数的变量,通过大量采样建立起多种阈值函数,从而实现随时空特点变化的阈值实时计算。该方法用于FY-2C积雪判识,较好地解决了FY-2C全圆盘范围内广大区域不同下垫面类型下的实时积雪监测。通过与NOAA-17人机交互积雪判识结果对比分析,该方法的积雪判识精度可达85%左右。

&nbsp;受多重因素的影响，MODIS NDVI数据产品中存在着大量的噪声，需要进行去噪重建。针对目前几种常用的NDVI时间序列数据去云方法，如HANTS法、SPLINE插值法以及Savizky-Golay法，以山东省MODIS NDVI时间序列数据（一年的）作为检验数据，从不同角度比较几种算法的去云能力和使用范围。结果表明： SPLINE插值法的去噪效果取决于云掩模数据的质量，但有时会产生异常值； HANTS算法和Savizky-Golay算法会改变几乎所有像元的值，得到一个比较平滑的时间序列曲线，但这两种算法的输入参数没有统一标准，需多次试验才能确定最优参数。

雪深(snow depth,SD)和雪水当量(snow water equivalent,SWE)是气候水文研究中的重要参数,在雪灾监测中尤为重要。首先,简要介绍了被动微波遥感SD和SWE反演算法的物理基础——积雪微波辐射传输模型,分析了不同微波频段、不同特点的积雪微波辐射和散射特性。然后,根据前人的研究从数学角度将反演算法分为线性亮温梯度法和基于先验知识法,总结了2类算法的优势和局限性: 线性亮温梯度法相对简单、速度快,一般只适用于特定的研究区; 先验知识法需要获取研究区的样本数据,并反复训练才能达到较好的精度,但对样本的独立性及其均值差异显著性的要求较高。最后,重点介绍了我国风云三号微波成像仪(FY-3 MWRI)的全球SD和SWE反演算法和针对中国区域的改进算法,并对未来的研究热点进行了展望。

This study presents our methods to produce multi-day Terra, Aqua, and Terra-Aqua moderate resolution imaging spectroradiometer (MODIS) snow cover composite images respectively from daily Terra MODIS, Aqua MODIS, and both Terra and Aqua MODIS snow cover products, with flexible starting and ending dates and a user-defined cloud cover threshold. The methods are applied to Colorado Plateau, USA and northern Xinjiang, China. The statistical comparison gives the following results. For the 2003-2004 hydrologic year, the daily Terra-Aqua composite images exhibited ~10-15% less on annual mean cloud cover and ~1-4% more on annual mean snow cover, compared with their daily Terra or Aqua counterparts. Using 10% cloud cover as a user-defined threshold, we produced 152 (northern Xinjiang) and 162 (Colorado Plateau) multi-day Terra-Aqua composite images for the 2003-2004 hydrological year, respectively. On average, it is 2.4 and 2.2 days per composite image for northern Xinjiang and Colorado Plateau, respectively. The multi-day Terra, Aqua, and Terra-Aqua composite products result in similar annual mean snow covers (~15% for the Colorado Plateau and ~30% for the northern Xinjiang), as those from the corresponding standard NASA 8-day products, ~3 times as those from the standard NASA daily products. The lower snow cover percentage retrieved from the daily standard products is mainly due to larger cloud cover in the daily products. The Aqua products always have lower annual mean snow cover and higher annual mean cloud cover than those of the Terra products. The daily Terra-Aqua composite products have higher agreement with ground measurements than either of the standard NASA daily Terra or Aqua products. The multi-day Terra-Aqua composite products have much higher agreement with ground measurements than that of the standard daily products and have similar agreement as that of the standard 8-day products. Therefore, those new composite products generated from our methods are a significant contribution to the current MODIS snow cover product series.

针对MODIS每日积雪产品中云覆盖现象严重这一问题，以中国干旱区作为研究对象，结合AMSR-E被动微波雪深数据，采用多时相、多传感器数据融合的方法进行去云处理，获取MODIS每日，4 d,8 d和MODIS与AMSR-E融合后的每日,4 d与8 d共6种新的积雪产品，并分别提取其积雪持续日数（SCD）。对比结果显示，MODIS与AMSR-E多传感器的阈值法4日融合产品在融合算法效率、云去除效果和融合后保持较高分类精度方面均有较好表现，其融合后的无云产品在全天气条件下具有96%的整体分类精度、80%的雪分类精度和99%的陆地分类精度，大大高于研究区原MODIS Terra-Aqua每日融合积雪产品全天候条件下64%，32%和70%的整体、雪、陆分类精度；并且由其提取的积雪持续日数不仅在最大程度上保持了原MODIS产品高的空间分辨率，而且精度较高，对研究区积雪的空间分布状况有很好反映。

<p>以新疆准噶尔盆地古尔班通古特沙漠为研究区,以中等分辨率成像光谱仪(MODIS 1B)数据为例,辅以MODIS光谱响应函数(SRF)和全波段光谱仪(ASD)准同步采集的雪面反射光谱,运用线性光谱混合模型(LSMM)实现了稀疏植被区积雪遥感信息提取。结果表明:1利用SRF对雪面反射光谱进行端元光谱到像元光谱的转换,生成对应于MODIS1&mdash;7波段的离散光谱,将其与用最小噪声分离(MNF)变换和像元纯度指数(PPI)法获得的MODIS影像端元光谱进行对比,发现MODIS1波段光谱值远大于转换光谱值,MODIS2&mdash;7波段光谱值与转换光谱值接近;2MODIS2&mdash;7波段影像端元光谱值适用于LSMM估算稀疏植被区积雪分量,积雪分量估算值与归一化差分积雪指数(NDSI)拟合结果显示,剔除MODIS1波段后估算的积雪分量与NDSI的相关性显著提高,表明所提取的积雪分量可以作为估算积雪的典型指数。</p>

为了提高北疆地区雪深时空分布监测的准确性,以该区域48个气象站点2006年12月-2007年1月的月平均雪深观测数据为基础,通过分析月均雪深空间自相关性及其与经纬度、高程的相关性,结合MODIS雪盖数据构建了多元非线性回归克里金插值方法,插值获得了北疆地区较高精度的雪深空间分布数据。将插值雪深数据与普通克里金插值法、考虑高程为辅助变量的协同克里金插值法的预测结果进行比较,结果表明: ①相对普通克里金和协同克里金方法,多元非线性回归克里金法的12月份雪深预测精度分别提高了15.14%和9.54%,1月份的提高了4.8%和6.7%; ②由于充分利用了经纬度和地形信息,多元非线性回归克里金法的雪深预测结果可提供更多细节信息; ③预测结果客观地表达了雪深随经纬度和地形变化的趋势,反映了积雪深度的空间变异性; ④基于不显著相关的协变量高程的协同克里金插值法预测的雪深数据精度劣于普通克里金插值法的预测结果。

<p>通过对青藏高原现代冰川分布区ETM遥感图像的分析研究，提出了利用遥感图像确定现代雪线高度的方法； 基本查明了青藏高原各山系的现代雪线高度，以及近30 a来现代雪线高度的变化状况。调查结果显示： 青藏高原现代雪线高度在4 000～6 000 m，并呈现自东向西逐渐升高的分布规律； 青藏高原现代雪线有上升、下降和基本不变3种变化方式，以上升为主，且与现代冰川的演变关系密切。</p>

<p>以西藏那曲县境内的&quot;中习一号&quot;冰川为研究区,对2011年8月获取的机载激光雷达点云进行预处理和滤波分类,提取研究区数字高程模型(digital elevation model,DEM); 将DEM数据分别与同期获取的机载高光谱栅格数据和提取出的冰川矢量数据进行三维地形模拟,利用DEM数据对高光谱最大似然法分类结果进行正射纠正,从而获取研究区的数字正射影像(digital orthophoto map,DOM); 最后结合研究区DOM和机载点云数据提取&quot;中习一号&quot;冰川的雪线。结果表明: 融合机载高光谱和机载激光雷达2种数据的优势,能更方便地提取出冰川雪线,而且能很好地显示雪线的高度。</p>

由于积雪和云的反射特性, 使用光学遥感监测积雪受到天气的严重干扰, 对研究区云量的分析表明, 无论是MOD10A1还是MYD10A1, 云都是影响该产品对研究区积雪进行实时监测的最大影响因素. 综合不同去云方法, 利用MODIS逐日积雪产品和被动微波数据AMSR-E雪水当量产品, 生成了MODIS逐日无云积雪图像, 并利用研究区85个地面气象观测台站提供的雪深数据对合成的单日无云积雪产品进行验证. 结果表明: 当积雪深度>3 cm时, 新产品的积雪分类精度达到91.7%, 该产品对实时监测青藏高原积雪动态变化具有重要的使用价值.

青藏高原地处中纬度地区，季节性积雪分布破碎，地面观测站点稀少，中分辨率成像光谱仪（MODIS）可为该地区提供每日积雪监测数据，然而云是光学遥感最大的影响因素，为研究MODIS每日积雪产品去云方法在青藏高原的适用性，根据原理将去云方法归纳总结为五大类，并对每种方法的“潜在假设”开展分析讨论。结果显示：基于时间连续性的方法适用性强，去云效果明显，上下午积雪连续的平均概率为72.5%，而2~5d的连续积雪的概率为5.6%~43%不等，可靠性差；临近像元法可去除零散分布的云，平均正确率达到95.5%，但去除云量较少；基于高程的去云算法在山区适用性好，而在高原腹地由于坡度较小而错判概率较大；采用被动微波遥感数据进行去云则依赖于微波对云的识别率，往往误差较大；采用数学方法拟合积雪边界在积雪破碎、降雪融雪较快的青藏高原地区，物理意义较弱。通过分析研究表明，青藏高原地区MODIS日积雪产品的去云，需综合多种算法的区域适用性，充分考虑青藏高原地形及积雪本身的特征，逐步完善每日积雪去云工作。

雪盖信息在生态研究、水资源评价管理以及灾害防治中有重要的作用，MODIS利用冰雪指数（<em>NDSI</em>）和阈值提供全球每日积雪产品，微波遥感传感器AMSR-E提供南北半球不受云影响的雪水当量数据。通过融合同一天不同时间过境的MODIS积雪产品MOD10A1和MYD10A1为MOYD，融合MOYD和AMSR-E SWE积雪当量产品产生MODAM，以祁连山区气象站观测雪深数据为&ldquo;真值&rdquo;，检验了2010-2011年积雪季MODIS积雪产品和AMSR-E识别积雪的精度，结果表明：MOYD产品和MODAM使云量减少了15%和100%，积雪精度和总体精度分别达到了24%、59%和88%、80%，通过融合多时相和多传感器数据大大提高了积雪监测精度，此外对祁连山积雪时间分布和不确定进行了分析。

选取青藏高原局部地区为研究对象，针对MODIS逐日积雪覆盖率产品（MOD10A1）存在精度差、地域限制等问题，利用MODIS地表反射率产品（MOD09GA），提出了分段建模的方法，生成了精度更高的积雪覆盖率产品，并采用Landsat资料对该产品进行了验证。结果表明：① MOD10A1标准积雪覆盖率产品在青藏高原地区精度较低，提取的平均雪盖率为29.16%，与同时相TM影像的积雪覆盖比例（22.45%）相差较大，两者相关系数仅为0.74；② 利用MOD09GA地表反射率产品重建积雪覆盖率的分段模型，提取的平均雪盖率为21.70%，与同时相TM影像的积雪覆盖比例较为接近，且两者相关系数达到0.85；③ 与TM资料生成的积雪真值图像对比，改进后的分段模型标准误差与绝对平均误差都优于标准产品，对研究区积雪覆盖面积监测精度的提高有一定的改善。

以北疆为研究区,结合气象台站记录的雪情数据,利用地理信息系统方法分析了2004年12月1日至2005年2月28日期间北疆地区90个时相的MODIS每日积雪产品MOD10A1和8日合成产品MOD10A2的积雪分类精度.研究表明:1)当积雪深度≤3 cm时,MOD10A1对积雪的识别率非常低,仅为7.5%;积雪深度为4~6 cm时,积雪识别率达到29.3%;积雪深度为15~20 cm,平均积雪识别率达到45.6%.当积雪深度&gt;20 cm时,平均积雪识别率为32.2%;2)MOD10A1产品的积雪分类精度受天气状况的严重影响.在晴空状况下,该产品的最大积雪识别率达到58.2%;但是在多云或阴天时,平均积雪识别率仅为17.8%;3)下垫面对MOD10A1的分类结果也会造成影响,在荒漠区MOD10A1的积雪识别率为39.8%,在草原和稀树草原区的积雪识别率为37.2%,农业用地的积雪识别率最低,为29.1%;4)MOD10A2产品可较好的消除云层对地表积雪分类精度的影响,平均积雪识别率达87.5%,可较好的反映地表积雪的分布状况.

In order to monitor snow-cover dynamics in the Tana River Basin in Northern Fennoscandia, SPOT VEGETATION (VGT) images of the snowmelt seasons of 1998 and 1999 were used to identify snow-covered areas, employing an algorithm that was originally developed for data from the Moderate Resolution Imaging Spectroradiometer (MODIS). This algorithm is based on the Normalized Difference Snow Index (NDSI), which usually is calculated from the green and mid-infrared bands. In the absence of a green band, the applicability of this algorithm to VGT data from the red and mid-infrared bands was tested by comparing NDSI values with a corresponding Landsat Thematic Mapper (TM) image. The best agreement was found with slightly lower threshold values for the NDSI. Comparison of the snow-cover estimates also allowed testing of the performance of the NDSI-based algorithm in partially snow-free conditions. By applying the algorithm to ten-day syntheses of VGT images, the moment of snow disappearance could be registered for each 1 m pixel in the study area. The results were largely consistent with observations at meteorological stations in the area, confirming the effectiveness of VGT images and the algorithm employed in monitoring snow-cover depletion patterns.

The objective of this study is to propose and evaluate a method for snow cover mapping during clouds using the daily MODIS/Terra snow cover product. The proposed SNOWL approach is based on reclassifying pixels assigned as clouds to snow or land according to their relative position to the regional snow-line elevation. The accuracy of the SNOWL approach is evaluated over Austria, using daily snow depth measurements at 754 climate stations and daily MODIS/Terra images in the period July 2002 December 2005. The results indicate that the SNOWL method provides a robust snow cover mapping over the entire region even if the MODIS/Terra cloud cover is as large as 90%. Cloudiness is decreased from 60% (MODIS/Terra) to 10% ( SNOWL ) without hardly any change in mapping accuracy. Sensitivity analyses indicate that the estimation of the regional snow-line elevation is particularly sensitive to the misclassification of cirrus clouds as snow in the period between May and October.

By taking advantage of the high spatial resolution of optical sensors and cloud penetration of a passive microwave sensor, a method is developed to generate new daily cloud-free snow cover (SC) and snow water equivalent (SWE) products, both in 50002m spatial resolution, utilizing daily Terra–Aqua Moderate Resolution Imaging Spectroradiometer (MODIS) and Aqua Advanced Microwave Scanning Radiometer for NASA’s Earth Observing System (AMSR-E) snow products. This method was tested in Fairbanks and Upper Susitna Valley, Alaska area for one hydrological year (October 2006–September 2007). The results confirm that daily MODIS products and Terra–Aqua MODIS combined products have similar and high classification accuracy (91–94%) in cloud-free conditions and that the daily combination can reduce cloud cover 6510%. The results also show the snow accuracy of the new SC products is 86%, which is much higher than the 31%, 45%, and 49% of the Terra, Aqua, and Terra/Aqua combined snow cover products (in all weather conditions), respectively. The validation demonstrates that the accuracy of AMSR-E SWE products is 68.5% and they tend to overestimate SWE. Redistribution of SWE, based on sub-pixel analysis of AMSR-E pixels, not only generates the new product at higher spatial resolution, now more suitable for basin and regional monitoring and modeling, but also slightly increases the accuracy of the SWE estimations. This method can also be used in merging other optical data such as AVHRR, Landsat with passive microwave data such as SSMR, SSM/I, and for future NPP and NPOESS missions.

鉴于MODIS积雪产品存在的 空间不连续降低了数据的应用潜力,该文提出一种时空自适应加权的去云方法,同时顾及积雪在空间和时间上的相关性,自适应地衡量两者对积雪分布的影响。以新 疆伊犁河流域为实验区,进行了模拟验证和基于气象台站数据的真实验证。结果表明:该方法能完全去除云覆盖,去云精度可达到90%以上,且对不同云量的修复 都有较好的鲁棒性,能真实地反映地面积雪覆盖情况,可为积雪监测研究提供数据保障。

<p>利用阿勒泰地区 2010~2012年冬季(11月~次年2月)3类积雪数据:风云三号微波成像仪(FY\|3/MWRI)反演的雪深数据、美国人机交互式多仪器冰雪制图系统(IMS)积雪面积数据、阿勒泰及周边地区实测雪深数据,进行积雪深度的反演研究。通过结合3类积雪数据的各自优势,建立修正模型,最终得到较准确的研究区雪深数据。同时通过编程实现了相应模型的操作平台,为今后研究区积雪业务化监测做好准备。结果表明:模型提高了FY\|3/MWRI数据反演阿勒泰地区积雪深度的准确性,改善了FY\|3/MWRI数据在阿勒泰地区雪深反演偏低的缺点,使微波与实测平均雪深误差由修正前的21.7~12.1 cm缩小为修正后的3.7~1.5 cm。</p>

IMS雪冰产品由多种光学与微波传感器数据融合而成，提供北半球每日无云的积雪范围，在积雪遥感研究中具有广阔的前景. 以气象站实测雪深数据为真值，检验了2009-2010年IMS雪冰产品在中国三大稳定积雪区北疆、东北、青藏高原地区每月、积雪季以及全年的误判率、漏判率和总体准确率，并分析了IMS雪冰产品的准确率与雪深之间的关系. 结果显示：IMS雪冰产品的年总体准确率在三大积雪区均超过了92%，积雪季总体准确率均超过了88%，利用IMS雪冰产品监测积雪范围是可靠的. 然而，IMS雪冰产品精度具有区域差异性，北疆地区在1月和2月误判率偏高，青藏高原地区积雪季有严重的漏判现象. IMS雪冰产品的准确率在东北地区和北疆地区随着雪深的增加而升高，当东北地区雪深超过6 cm，北疆地区超过13 cm时，准确率接近100%，但是，青藏高原地区两者基本没有关系. 通过在青藏高原地区与同时相的4景MODIS积雪产品对比分析发现，实际上IMS雪冰产品相对地高估了积雪面积，青藏高原地区漏判率高其原因是IMS对零碎积雪的识别能力不足并且气象站分布不均匀.