黃曉東，郝曉華，楊永順，王 瑋，梁天剛

(1.草地農(nóng)業(yè)生態(tài)系統(tǒng)國家重點實驗室 蘭州大學(xué)草地農(nóng)業(yè)科技學(xué)院，甘肅 蘭州 730020；

雪是地球表面最為活躍的自然要素之一，其特征(如積雪面積、積雪分布、雪深等)是全球能量平衡、氣候、水文以及生態(tài)模型中的重要輸入?yún)?shù)[1]。就全球和大陸尺度范疇而言，大范圍積雪影響氣候的變化、地表輻射平衡與能量交換、水資源的利用等；就局部和流域范疇而言，積雪影響天氣、工農(nóng)業(yè)和生活用水資源、環(huán)境、寒區(qū)工程等一系列與人類活動有關(guān)的要素。積雪作為重要的環(huán)境參數(shù)受到了普遍的重視，人們對積雪的研究越來越深入，同時也為模擬地球輻射平衡、地表水文研究、全球變化研究等提供了豐富的數(shù)據(jù)資料。

1 光學(xué)積雪遙感研究綜述

目前積雪觀測主要通過地面臺站及遙感兩種手段。地面臺站觀測可以獲取長時間序列的積雪信息，但是由于觀測臺站大多位于地勢平坦的城鎮(zhèn)周邊及河谷地區(qū)，空間連續(xù)性較差，一些偏遠(yuǎn)地區(qū)以及高寒高海拔地區(qū)無法對積雪進(jìn)行觀測，不能及時、全面、準(zhǔn)確地反映積雪分布狀況。隨著空間和信息技術(shù)的快速發(fā)展，衛(wèi)星遙感技術(shù)逐漸成為一種有效的積雪觀測手段。遙感，特別是衛(wèi)星遙感資料在綜合觀測系統(tǒng)中的作用越來越大，遙感技術(shù)以其宏觀、快速、周期性、多尺度、多層次、多譜段、多時相等優(yōu)勢，在積雪動態(tài)監(jiān)測中發(fā)揮著重要作用，它能以一種比較高的時空分辨率對全球的雪蓋進(jìn)行反復(fù)觀測，不僅比陸地常規(guī)觀測更加及時有效的獲得大范圍乃至全球的積雪覆蓋信息，而且有能力監(jiān)測到更多的雪蓋信息，例如雪深、雪水當(dāng)量、積雪狀態(tài)(是否出現(xiàn)融化)、積雪反照率以及雪蓋下面的地表狀態(tài)，彌補(bǔ)了常規(guī)觀測資料水平分辨率較低以及投入較大等不足。

積雪在波長為0.5 μm左右有較高的反射率，而在1.6 μm處發(fā)射率較低，通常在可見光范圍內(nèi)純凈新雪表面反射率在0.8以上[2]。光學(xué)遙感雪蓋信息提取主要依據(jù)積雪的這種反射特性，通過一定的數(shù)字圖像技術(shù)獲取雪蓋信息。但是，相對于其他環(huán)境遙感監(jiān)測，積雪遙感監(jiān)測又有其特殊的復(fù)雜性。積雪對太陽的反射和自身的輻射特性，不僅與積雪表面狀態(tài)有關(guān)，如光潔程度，尤其是黑碳污染會對積雪反射率產(chǎn)生很大的影響[3]，而且與積雪的內(nèi)部結(jié)構(gòu)，如雪深、液態(tài)水含量、粒徑等有很大關(guān)系，這給利用光學(xué)傳感器提取積雪信息造成了一定的困難[4](圖1)。由于積雪和云在可見光波段具有相似的反射特性，光學(xué)傳感器在云和積雪的判識方面存在一定的問題。另外，地形特征、地表植被特征，尤其是林地，都會對積雪信息提取造成影響。所以，如何有效解決這些不利因素仍然是積雪遙感監(jiān)測中的主要技術(shù)問題。

自20世紀(jì)60年代初在加拿大東部第一次用TIROS-1(Television Infrared Observation Satellite)氣象衛(wèi)星觀測積雪以來[5]，利用遙感技術(shù)進(jìn)行積雪制圖和監(jiān)測已有40多年的研究歷史,隨著不同傳感器系列的相繼出現(xiàn)及衛(wèi)星資料時空分辨率和光譜分辨率的逐步提高，發(fā)展了一系列的雪蓋制圖算法及產(chǎn)品，如Landsat和 SPOT[6]、AVHRR(Advanced Very High Resolution Radiometer)[7]、VEGETATION[8-10]、MODIS(Moderate Resolution Imaging Spectroradimeter)雪蓋產(chǎn)品[11]及SMMR(Scanning Microwave Multiband Radiometer)、SSM/I(Special Sensor Microwave Imager)[12-13]和AMSR-E (Advanced Microwave Scanning Radiometer)[14-15]等微波積雪產(chǎn)品，在積雪動態(tài)變化監(jiān)測等領(lǐng)域取得了一系列的成果。受光譜和時間分辨率的限制，大部分衛(wèi)星源都不適合對全球的積雪分布進(jìn)行實時動態(tài)監(jiān)測。NOAA 等衛(wèi)星的覆蓋范圍大，時間分辨率高，但光譜分辨率低，對大氣干擾等因素所做的校正極為有限，且難以區(qū)分云和積雪[7]；Landsat和SPOT衛(wèi)星的覆蓋范圍小，時間分辨率低，難以對雪情進(jìn)行大范圍的快速監(jiān)測[16]。目前研究最深入、應(yīng)用最廣泛的是TERRA和AQUA衛(wèi)星所攜帶的中分辨率成像光譜儀MODIS[17]。該傳感器是當(dāng)前世界上新一代“圖譜合一”的光學(xué)遙感儀器，其較高的光譜和空間分辨率特點，對開展自然災(zāi)害與生態(tài)環(huán)境監(jiān)測及全球變化的綜合性研究具有非常重要的意義，為雪蓋遙感監(jiān)測的深入探索研究提供了一個極其重要的有利條件[18-19]。由NASA陸地產(chǎn)品組生產(chǎn)的標(biāo)準(zhǔn)雪蓋產(chǎn)品已經(jīng)在世界范圍內(nèi)得到驗證及應(yīng)用[20-24]，它提供的每日及多日合成積雪產(chǎn)品，空間分辨率為500 m，并且能夠有效識別云層。

圖1 典型積雪類型反射光譜曲線[4]

2 光學(xué)積雪遙感研究現(xiàn)狀分析

2.1雪蓋制圖研究進(jìn)展 目前發(fā)展成熟的雪蓋產(chǎn)品，大多是利用積雪網(wǎng)格對積雪進(jìn)行 “無積雪”或“全覆蓋”兩極簡化處理，因此，其精度僅適合大陸尺度，不適合做區(qū)域性尺度的研究。MODIS逐日雪蓋產(chǎn)品屬于二值圖像，其空間分辨率為500 m，由于積雪的空間異質(zhì)性，傳感器觀測到的一個像元可能是積雪、巖石、土壤、植被的混合體，為了減少混合像元造成的誤差，需要確切地知道一個像元內(nèi)包含的積雪覆蓋率。尤其在山區(qū)，積雪深度較淺且地形影響使雪蓋分布支離破碎，空間破碎化比較嚴(yán)重。單純的“無積雪”或“全覆蓋”的兩極簡化處理，是山區(qū)積雪面積監(jiān)測精度較低的最主要原因之一。許多氣候模型、水文模型對積雪覆蓋面積參數(shù)精度的要求日益提高[25-28]，傳統(tǒng)意義的二值雪蓋圖像已經(jīng)難以滿足應(yīng)用，而積雪亞像元制圖則可以很好地彌補(bǔ)山區(qū)雪蓋面積監(jiān)測精度較差的缺點。國外許多學(xué)者對于積雪亞像元分解都進(jìn)行了廣泛的研究，并發(fā)展了許多雪覆蓋比例圖算法。目前亞像元制圖主要有線性光譜混合模型和統(tǒng)計兩種方法。線性光譜混合模型法通過確定不同地物類型在混合像元中的類比例或類豐富度來確定混合像元的類型。國外學(xué)者通過在訓(xùn)練樣區(qū)手工選擇組分，將組分光譜反射率平均值作為組分的光譜，利用線性分解法制作了AVIRIS(Airborne Visible Infra-Red Imaging Spectrometer)[29]、Landsat-TM[30]的積雪比例覆蓋圖。Painter等[31-32]研究認(rèn)為，利用高光譜影像AVIRIS采用線性光譜混合像元分解技術(shù)制作雪覆蓋比例圖時，不同雪粒徑對反演精度有一定影響，利用線性光譜混合像元分解模型，選擇不同粒徑積雪、土壤、巖石、植被和湖冰作為基本組分，通過最優(yōu)化算法得到雪覆蓋比例圖。線性光譜分解法雖然準(zhǔn)確，但是由于該方法需要了解研究區(qū)的組分和各組分光譜特性，獲取難度大且操作起來比較復(fù)雜。同時針對較大數(shù)據(jù)量遙感影像光譜線性分解模型的計算量很大，制作大尺度的雪覆蓋比例圖有一定的困難。統(tǒng)計法是基于雪被指數(shù)與雪覆蓋比例存在著某種統(tǒng)計關(guān)系(一般來說雪被指數(shù)越高則雪覆蓋比例也越大)，利用高分辨率的影像對低分辨率影像疊合分析，建立雪被指數(shù)與雪覆蓋比例之間的回歸曲線，從而獲取雪覆蓋比例圖，該方法簡單迅捷，具有很強(qiáng)的操作性，適合發(fā)展大尺度遙感資料雪覆蓋比例圖[28,33-35]。目前，美國國家宇航局(National Aeronautics and Space Administration,NASA)國家雪冰數(shù)據(jù)中心(National Snow and Ice Data Center,NSIDC)發(fā)布的MODIS雪蓋產(chǎn)品從V005版本以后，MODIS逐日雪蓋圖中除雪蓋二值圖外，也包含了雪覆蓋比例圖。該亞像元雪蓋產(chǎn)品是基于Salomonson(2004)發(fā)展的統(tǒng)計模型建立的[28]。但是，和MODIS雪蓋產(chǎn)品算法類似，該模型算法是在阿拉斯加、加拿大和俄羅斯積雪區(qū)發(fā)展的，代表了不同類型的積雪，包括冰川、平坦積雪及泰加森林積雪，這些地區(qū)積雪覆蓋范圍較大，雪深較厚，而我國大部分地區(qū)積雪較薄，空間破碎性較大，積雪特性有明顯不同，該模型是否適合還有待進(jìn)一步研究。國內(nèi)也有部分學(xué)者開始了積雪亞像元制圖研究。延昊和張國平[36-37]利用NOAA16-AVHRR的多光譜數(shù)據(jù)進(jìn)行像元分解提取積雪蓋度和積雪邊界線，發(fā)現(xiàn)像元分解法是提取積雪蓋度和積雪邊界參數(shù)的有效方法。曹云剛和劉闖[38]利用MODIS影像和TM匹配，建立NDSI(Normalized Difference Snow Index)、NDVI(Normalized Difference Vegetation Index)及雪覆蓋比例之間的回歸曲線，制作了青藏高原雪覆蓋比例圖，但是這種統(tǒng)計關(guān)系物理基礎(chǔ)薄弱，因此還需要進(jìn)一步驗證。金翠等[39]在東北地區(qū)利用MODIS雪蓋產(chǎn)品和中巴衛(wèi)星得到的雪蓋圖進(jìn)行匹配，建立了NDSI與雪覆蓋比例的回歸曲線，獲取了雪覆蓋比例圖，但其制圖精度并未驗證。周強(qiáng)等[40]利用MODIS資料發(fā)展了一套改進(jìn)的基于統(tǒng)計模型的MODIS亞像元積雪覆蓋率提取方法，并利用Landsat-ETM+數(shù)據(jù)對模型估算結(jié)果進(jìn)行了驗證，表明分段模型可以有效提取亞像元尺度的信息，并且對NDSI高值區(qū)的雪蓋率反演有一定的改善。陳曉娜[41]通過線性光譜混合模型對天山中段MODIS影像進(jìn)行像元分解，從中提取積雪面積信息，并進(jìn)行精度評價，發(fā)現(xiàn)線性光譜混合模型的分類精度較高，具有較強(qiáng)的適用性。

2.2雪蓋制圖去云算法 由于積雪和云的反射光譜特性，使用光學(xué)遙感資料監(jiān)測積雪受天氣狀況的限制極大。自1999年美國發(fā)射 Terra和 Aqua 衛(wèi)星以來，國內(nèi)外針對 MODIS和 AMSR-E 的積雪分類及融合算法等消除云污染研究方面，研發(fā)出一系列算法和專利產(chǎn)品[41-44]。AMSR-E 被動微波積雪產(chǎn)品不受天氣狀況的影響，但空間分辨率低，主要用于全球雪深、積雪覆蓋范圍和雪水當(dāng)量的研究，在區(qū)域性的積雪動態(tài)監(jiān)測中還存在較大偏差。雖然對光學(xué)積雪產(chǎn)品進(jìn)行多日合成可以有效去除大部分云的污染，合成周期越長，去云效果越明顯，但是時間分辨率也隨之降低，難以滿足對積雪區(qū)進(jìn)行實時動態(tài)監(jiān)測的需要；光學(xué)積雪產(chǎn)品與被動微波數(shù)據(jù)的合成可以完全消除云的污染，但是微波數(shù)據(jù)空間分辨率太低，造成合成積雪產(chǎn)品雪蓋面積監(jiān)測精度降低。SNOWL(Snowline)去云算法是基于高程對云像素重新分類，以期達(dá)到去云效果的新算法[45](圖2)。經(jīng)過重分類，云像素被定義成積雪、非積雪和片雪，但是被分類成片雪的像素具有一定的不確定性，無法對雪蓋面積進(jìn)行有效統(tǒng)計。依據(jù)微波數(shù)據(jù)不受云干擾的特點，可以對合成后的MODIS積雪資料片雪區(qū)和被動微波數(shù)據(jù)AMSR-E每日雪水當(dāng)量產(chǎn)品進(jìn)行對比分析，利用被動微波數(shù)據(jù)提供的信息，對片雪區(qū)進(jìn)行判斷，從而生成每日無云積雪圖像，可以有效提高積雪面積監(jiān)測精度。

2.3雪粒徑反演 雪粒徑是指征積雪反照率變化的主要參數(shù)，如新雪的反照率接近1.00，而粒雪的反照率為0.43～0.69[46]。因此，雪粒徑的準(zhǔn)確獲取對于反照率計算進(jìn)而對雪場表面能量平衡模擬具有重要意義[47-48]。由于雪顆粒形狀各異，變化性強(qiáng)，人工監(jiān)測困難、耗時，因此遙感手段是監(jiān)測雪粒徑的最佳途徑。高光譜傳感器，使雪粒徑反演從最初的定性階段走到定量階段。諸如AVIRIS、Hyperion等傳感器，其覆蓋了可見光和近紅外(0.4～2.5 μm)200多個波段，光譜分辨率達(dá)到10 nm。利用高光譜數(shù)據(jù)也發(fā)展了許多雪粒徑反演方法。如Nolin和Dozier[49]結(jié)合DISORT和AVIRIS數(shù)據(jù)，選擇1.04 μm波段作為判別波段，對美國馬莫斯山區(qū)雪粒徑進(jìn)行分類。2000年Nolin和Dozier[50]又對該方法做了改進(jìn)，使用0.96～1.08 μm的13個波段，利用波段積分面積法判別積雪粒徑。相比單波段方法，多波段反演精度有了很大提高。郝曉華[51]利用Hyperion影像結(jié)合DISORT模型，在祁連山冰溝流域比較了Nolin提出的3種雪粒徑反演方法，并通過實測雪粒徑對反演結(jié)果進(jìn)行驗證。結(jié)果表明，3種方法對于我國山區(qū)雪粒徑反演精度都不高，這說明原來的反演方法并不適合我國積雪粒徑反演。此外，Painter等[52]利用AVIRIS影像結(jié)合DISORT模型，并考慮了積雪亞像元對雪粒徑反演的影響，發(fā)展了MEMSCAG(Multiple Endmember Snow-Covered Area and Grain Size)模型同步反演雪覆蓋比例和雪粒徑，取得了較好的效果(圖3)。這些反演方法都忽視了積雪顆粒形狀，利用Grenfell和Warren[53]、 Nolin等[54]發(fā)展的雪等效粒徑簡化方法，將積雪單個顆粒等效為球體。而球體散射特性可以利用米散射理論模擬，進(jìn)而使用DISORT模型模擬不同積雪粒徑反射率。球形簡化方法不考慮單個粒子的散射向函數(shù)分布，雖然能較好地模擬半球輻射特性，但對于單個粒子方向性反射率特征并不能很好模擬。此外，這些方法也缺少了對影響雪粒徑反演的諸如積雪污染物、積雪液態(tài)水含量、積雪表面粗糙度等積雪參數(shù)的觀測信息。準(zhǔn)確觀測積雪屬性對積雪光譜的影響，揭示雪粒徑反演的制約因素，提高積雪反射模型的模擬精度是雪粒徑的反演精度提高的重要途徑。Kokhanovsky和Zege[55]比較了實地測量和使用Mishchenko模型模擬的積雪反射率。Xie等[56]利用不同的輻射傳輸模型算法模擬了5種不同形狀的雪粒徑光譜反射率。這些研究都表明，在模擬積雪二向反射特性特別是雪粒徑敏感的近紅外波段時，不能忽略積雪顆粒形狀。此外，目前雪粒徑反演常用的DISORT模型將雪層粒徑、形狀認(rèn)為是垂直同性的，并沒有考慮積雪分層。Li等[57]和Stamnes[58]研究表明，在近紅外波段隨著雪粒徑的變化，積雪輻射穿透深度可達(dá)1～8 cm，在這個深度范圍內(nèi)，雪層表層粒徑和下層顆粒形狀大小可能對反演結(jié)果產(chǎn)生影響。Jin等[59]利用發(fā)展的雙層積雪輻射傳輸模型(CDISORT)模擬積雪反射特征，結(jié)果表明，考慮積雪分層的輻射傳輸模型更符合實際情況。

圖2 SNOWL去云算法實現(xiàn)與驗證，奧地利，2003年1月23日[45]

圖3 基于MEMSCAG模型的AVIRIS積雪覆蓋范圍及雪粒徑[52]

2.4冰雪反照率研究 反射率(Reflectivity)是某一物體對某一波長反射量與入射量的比值，各波長反射率的積分就是反照率(Albedo)[60]。由于冰雪對太陽輻射具有較高的反射率，是入射的太陽輻射能量僅有很少部分被冰雪覆蓋區(qū)域吸收，而地球表面反照率的細(xì)微變化，都會影響到地-氣系統(tǒng)的能量平衡，進(jìn)而引起氣候變化[61]。冰雪反照率變化已被認(rèn)為是引起氣候變化的重要原因之一。冰雪反照率不僅是影響冰雪物質(zhì)消融過程的關(guān)鍵因素，而且是冰雪與氣候之間關(guān)系緊密耦合的關(guān)鍵反饋因素。隨著不同區(qū)域氣候環(huán)境的差異以及氣候環(huán)境的變化，冰雪反照率值存在巨大差異，比如高海拔地區(qū)的新降干雪反照率接近于1.0，濕雪為0.66～0.88，粒雪為0.43～0.69，干凈的冰川冰為0.34～0.51，輕微污化冰為0.26～0.33，冰磧覆蓋冰為0.10～0.15[62]。相對于地球其他下墊面而言，冰雪反照率值要大得多，其微小的變化會對能量平衡狀況產(chǎn)生重要影響，從而導(dǎo)致冰雪消融狀況和氣候的重大變化。

盡管已經(jīng)有了比較成熟的利用衛(wèi)星遙感反演冰雪表面及其他地表反照率的方法[63]，但其結(jié)果目前還不能直接應(yīng)用于陸面過程模式[64]。地面反照率的衛(wèi)星反演結(jié)果與實測值之間往往存在差異。對冰島Vatnaj?kull冰帽分別用AVHRR(高級甚高分辨率輻射儀，Advanced VeryHigh Resolution Radiometer)和TM(專題成像儀，Thematic Mapper)衛(wèi)星資料反演該冰帽的地表反照率，發(fā)現(xiàn)即使使用分辨率較高的TM(30 m×30 m)資料，其反演結(jié)果也與地面實測值存在差異[65-66]。因此，對積雪和冰川進(jìn)行光譜反射率的長期監(jiān)測，可對積雪和冰川的衛(wèi)星遙感提供必要的地物光譜信息和反照率遙感反演算法所需要的豐富的地面實測驗證數(shù)據(jù)。為了提高遙感反演的精度和業(yè)務(wù)化水平以便今后將反照率產(chǎn)品直接引入模式，提高陸面模式和氣候模式的性能，還需要對不同區(qū)域冰雪表面反照率變化進(jìn)行長期監(jiān)測與研究。而以往對冰雪反照率的觀測，大多局限于太陽短波波段一個總的寬波段范圍內(nèi)，即使是采用波段劃分很細(xì)的地物光譜儀，其得到的冰雪光譜反射率曲線也是在一個時間較短的有限時段內(nèi)的測量結(jié)果[66]。而冰雪反照率的變化取決于冰雪面反射屬性本身(如積雪的粒徑、含水量及黑碳污化等)的改變和入射輻射量及光譜分布的改變兩個方面，這兩個方面都有其自身的日變化、季節(jié)變化規(guī)律，它們本身就是動態(tài)變化的。同時，冰雪反照率在可見光和近紅外波段之間存在著很大的差別。研究表明，黑碳引起的雪冰反照率的變化(北極區(qū)變化1.5%、北半球陸地地區(qū)變化3.0%)所導(dǎo)致的氣候強(qiáng)迫效應(yīng)在北半球可達(dá)0.3 W·m-2,其引起的地表增溫效果約占觀測到的全球變暖的1/4左右，而它的氣候強(qiáng)迫效率大約為2，即在一給定的氣候強(qiáng)迫下，其引起的全球地表溫度變化的效率是CO2的2倍[67]。系統(tǒng)開展冰雪反照率變化及其影響研究應(yīng)是我國冰雪研究的重要趨勢之一，這不僅關(guān)系到我國冰凍圈科學(xué)研究成果的國際地位與影響，而且對評價未來氣候環(huán)境變化對西部冰雪融水徑流的影響具有重要意義。

3 國產(chǎn)衛(wèi)星在積雪監(jiān)測中應(yīng)用現(xiàn)狀

國產(chǎn)衛(wèi)星源可用于積雪大面積實時動態(tài)監(jiān)測的主要包括風(fēng)云系列衛(wèi)星、中巴資源衛(wèi)星及環(huán)境小衛(wèi)星。目前，在北極地區(qū)，利用風(fēng)云系列衛(wèi)星提取積雪已經(jīng)有了成熟的算法[68]。如李三妹等[69]利用FY-2C資料，在閾值法基礎(chǔ)上，結(jié)合輔助因子函數(shù)積雪判識方法，提取了北半球積雪信息，驗證精度達(dá)到85%，具有較好的積雪判識效果。我國于2008年9月6日，通過一箭雙星的方式成功發(fā)射了環(huán)境減災(zāi)衛(wèi)星HJ21A、1B衛(wèi)星，兩顆衛(wèi)星上都只搭載了3 種主要載荷，其中HJ21A星搭載2臺CCD相機(jī)和1臺超光譜成像儀(HSI)，HJ21B星搭載2臺CCD相機(jī)和1臺紅外相機(jī)(IRS)[70]。由于紅外相機(jī)白天和晚上都能成像，因此，對于提高全天時獲取數(shù)據(jù)的能力具有重要意義[71]。HJ21B星紅外相機(jī)主要具有以下幾個方面的特點和應(yīng)用能力：成像幅寬達(dá)到720 km，基本能滿足較大自然災(zāi)害一次成像覆蓋的需求；星下點地面像元分辨率熱紅外通道300 m，其他3個通道達(dá)到150 m，特別是中紅外通道，相對于千米級分辨率的中分辨率成像光譜儀MODIS和風(fēng)云(FY)衛(wèi)星數(shù)據(jù)，較高的空間分辨率以及熱紅外、中紅外和近紅外合理的通道設(shè)置對于積雪判識有重要意義。目前，利用國產(chǎn)環(huán)境減災(zāi)衛(wèi)星，在積雪遙感制圖方面仍處在探索研究階段，還需要進(jìn)一步研究相關(guān)算法及產(chǎn)品。國家減災(zāi)中心利用環(huán)境減災(zāi)衛(wèi)星熱紅外通道反演的亮度溫度，結(jié)合紅外相機(jī)近紅外波段反射特性開展進(jìn)行云、雪和其他地物分離，提取出積雪覆蓋范圍[72]，但缺乏驗證研究及相關(guān)產(chǎn)品的研發(fā)。宋珍等[73]將NDSI引入到HJ-1A/1B衛(wèi)星中，得到了基于CCD和IRS兩個傳感器數(shù)據(jù)的HJ-NDSI積雪識別方法，為了避免由于幅寬、掃描區(qū)域等因素的差異引起的兩種不同傳感器同時相數(shù)據(jù)難獲取的問題，對HJ-NDSI方法進(jìn)行了改進(jìn)，提出了一種僅利用IRS傳感器數(shù)據(jù)的HJ-MNDSI積雪識別方法，并對兩種積雪識別方法得到的結(jié)果進(jìn)行了驗證，結(jié)果表明兩種方法積雪識別精度都在95%左右。借鑒當(dāng)前已經(jīng)成熟的積雪分類算法，探討基于國產(chǎn)衛(wèi)星且適合我國雪情的積雪遙感監(jiān)測方法，對推進(jìn)我國自主研發(fā)衛(wèi)星在積雪遙感領(lǐng)域的應(yīng)用具有重要意義。

4 討論

國內(nèi)外的研究表明，遙感技術(shù)用于積雪監(jiān)測具有極大的潛力。隨著對地觀測系統(tǒng)(Earth Observation System，EOS)的發(fā)展，以及國產(chǎn)衛(wèi)星數(shù)據(jù)越來越多地應(yīng)用于積雪監(jiān)測，為我國乃至全球的雪蓋制圖應(yīng)用提供了良好的條件。目前，MODIS全球雪蓋制圖算法在山區(qū)和林區(qū)反演精度較差的問題還沒有得到完全解決，同時，國產(chǎn)衛(wèi)星積雪制圖還沒有一套成熟的算法及相應(yīng)產(chǎn)品的開發(fā)。因此有必要對國產(chǎn)衛(wèi)星積雪制圖進(jìn)行深入研究，綜合前人的研究基礎(chǔ)，發(fā)展一套精度較高的雪蓋制圖算法，獲取更加準(zhǔn)確的我國及全球雪蓋數(shù)據(jù)集?？傊?，積雪制圖的發(fā)展應(yīng)包括以下內(nèi)容：建立更加完善的光學(xué)反射傳輸模型，模擬積雪與不同地表覆蓋組合情況下光的反射傳輸狀況，從而提高對積雪像元的識別精度；發(fā)展針對多種傳感器數(shù)據(jù)的合成雪蓋制圖算法、可見光與微波遙感數(shù)據(jù)的融合以及信息提取技術(shù)。可以預(yù)見，使用多源遙感數(shù)據(jù)進(jìn)行雪蓋制圖是今后發(fā)展的方向，隨著一些新型傳感器數(shù)據(jù)的使用(如MODIS、FY-3、HJ21A/B、AMSR-E、AMSU等)，遙感雪蓋制圖的精度必將進(jìn)一步提高，為水文、氣象模型提供更準(zhǔn)確的輸入因子，對于整個冰雪圈的研究也將進(jìn)一步深入。

在當(dāng)前氣候模式的陸面過程中，地表反照率是其主要參數(shù)之一。盡管已經(jīng)有了比較成熟的利用衛(wèi)星遙感反演雪冰反照率的方法，但其結(jié)果目前還不能直接應(yīng)用于陸面過程模式。為了提高遙感反演的精度和業(yè)務(wù)化水平以便今后將遙感反照率產(chǎn)品直接引入模型，提高陸面模式和氣候模式的性能，還需要對不同區(qū)域冰雪表面反照率變化進(jìn)行長期監(jiān)測與研究。關(guān)于雪冰黑碳的研究在我國剛剛起步，基礎(chǔ)薄弱。如何定量分析雪冰黑碳對雪冰反照率的影響，進(jìn)一步加強(qiáng)中國雪冰黑碳光譜反照率及其氣候效應(yīng)的研究，對于預(yù)測中國冰川進(jìn)退，模擬區(qū)域水循環(huán)、大氣環(huán)境和區(qū)域氣候變化，補(bǔ)充全球雪冰反照率數(shù)據(jù)庫，加深對全球變暖的理解以及制定相應(yīng)的減緩對策等方面具有重要意義。

[1]Ault T W,Czajkowsky K P,Benko T,etal.Validation of the MODIS snow product and cloud mask using student and NWS cooperative station observations in the Lower Great Lakes Region[J].Remote Sensing of Environment,2006,105,341-353.

[2]馮學(xué)智，李文君，伯延臣.雪蓋衛(wèi)星遙感信息的提取方法探討[J].中國圖象圖形學(xué)報，2000,5(10):836-839.

[3]Painter T H,Jeef D,Dar A R,etal.Retrieval of sub-pixel snow covered area and grain size from imaging sspectrometer[J].Remote Sensing of Envionment,2003,85:64-77.

[4]王建，陳子丹，李文君，等.中分辨率成像光譜儀圖象積雪反射特性的初步分析研究[J].冰川凍土，2000,22(2):165-170.

[5]Hall D K,Riggs G A,Salomonson V V.Algorithm theoretical basic document (ATBD) for the MODIS snow and sea Ice-mapping algorithms[R].NASA,2001.

[6]Rutger Dankers,Steven M，De Jong.Monitoring snow-cover dynamics in Northern Fennoscandia with SPOT VEGETATION images[J].International Journal of Remote Sensing,2004,25(15):2933-2949.

[7]Hartman R K,Rost A A,Anderson D M.Operational processing of multi-source snow data[A].In:Proceedings of the 63rd Annual Western Snow Conference[C].Sparks,Nevada,1995:147-151.

[8]Xiao X,Shen Z,Qin X.Assessing the potential of VEGETATION sensor data for mapping snow and ice cover:a Normalized Difference Snow and Ice Index[J].International Journal of Remote Sensing,2001,22(13):2479-2487.

[9]Xiao X,Zhang Q,Boles S,etal.Mapping snow cover in the pan-Arctic zone,using multi-year (1998-2001) images from optical VEGETATION sensor[J].International Journal of Remote Sensing,2004,25(24):5731-5744.

[10]Xiao X,Moore III B,Qin X,etal.Large-scale observations of alpine snow and ice cover in Asia:Using multi-temporal VEGETATION sensor data[J].International Journal of Remote Sensing,2002,23(11):2213-2228.

[11]Hall D K,Riggs G A,Salomonson V V,etal.MODIS snow-cover products[J].Remote Sensing of Environment,2002,83:181-194.

[12]車濤,李新.利用被動微波遙感數(shù)據(jù)反演我國積雪深度及其精度評價[J].遙感技術(shù)與應(yīng)用.2004,19(5):301-306.

[13]車濤,李新.1993-2002年中國積雪水資源時空分布與變化特征[J].冰川凍土,2005,27(1):64-67.

[14]馮琦勝,張學(xué)通,梁天剛.基于MOD10A1和AMSR-E的北疆牧區(qū)積雪動態(tài)監(jiān)測研究[J].草業(yè)學(xué)報,2009,18(1):125-133.

[15]于慧,馮琦勝,張學(xué)通,等.基于AMSR-E信息的北疆牧區(qū)雪深遙感監(jiān)測模型方法初探[J].草業(yè)學(xué)報,2009,18(4):210-216.

[16]Liang T G,Zhang X T,Xie H J,etal.Toward improved daily snow cover mapping with advanced combination of MODIS and AMSR-E measurements[J].Remote Sensing of Environment,2008,112:3750-3761.

[17]伯延臣，馮學(xué)智.積雪遙感動態(tài)研究現(xiàn)狀及展望[J].遙感技術(shù)與應(yīng)用，1997,12(2):59-65.

[18]劉闖，陳圣波，Mo D，等.EOS-MODIS數(shù)據(jù)在青藏高原冰雪季節(jié)性變化信息自動提取中的應(yīng)用研究[J].遙感信息,2001(4):30-31.

[19]Riggs G A,Hall D K,Salomonson V V.MODIS snow products user guide to collection 5[EB/OL].Available online at:http://nsidc.org/data/docs/daac/modis_v5/dorothy_snow_doc.pdf.

[20]Huang X D,Liang T G,Zhang X T,etal.Guo ZG.Monitoring snow cover area utilizing MODIS snow products during the 2001-2005 snow seasons over northern Xinjiang,China[J].International Journal of Remote Sensing,DOI:10.1080/01431160903439924.

[21]Liang T G,Huang X D,Wu C X,etal.An application of MODIS data to snow cover monitoring in a pastoral area:A case study in Northern Xinjiang,China[J].Remote Sensing of Environment,2008,112:1514-1526.

[22]張學(xué)通,黃曉東,梁天剛,等.新疆北部地區(qū)MODIS積雪遙感數(shù)據(jù)MOD10A1的精度分析[J].草業(yè)學(xué)報,2008,17(2):110-117.

[23]黃曉東,張學(xué)通,梁天剛.北疆牧區(qū)MODIS積雪產(chǎn)品MOD10A1和MOD10A2的精度分析與評價[J].冰川凍土,2007,29(5):721-729.

[24]郝曉華,張璞,王建,等.MODIS和VEGETATION雪蓋產(chǎn)品在北疆的驗證及比較[J].遙感技術(shù)與應(yīng)用,2009,24(5):603-610.

[25]Liston G E.Local advection of momentum,heat,and moisture during the melt of patchy snow covers[J].Journal of Applied Meteorology,1995,34:1705-1715.

[26]Liston G E.Interrelationships among snow distribution,snowmelt,and snow cover depletion:Implications for atmospheric,hydrologic,and ecologic modeling[J].Journal of Applied Meteorology,1999,38:1474-1487.

[27]Roesch A,Wild M,Gilgen H,etal.A new snow cover fraction parameterization for the ECHAM4 GCM[J].Climate Dynamics,2001,17(2):933-946.

[28]Salomonson V V,Appel I.Estimating the fractional snow covering using the normalized difference snow index[J].Remote Sensing of Environment,2004,89:351-360.

[29]Nolin A W,Dozier J,Mertes L A K.Mappingalpine snow using a spectral mixturemodeling technique[J].Ann.Glaciol,1993,17:121-124.

[30]Rosenthal W,Dozier J.Automated mapping of montane snow cover at subpixel resolution from the Landsat Thematic Mapper[J].Water Resources Research,1996,32(1):115-130.

[31]Painter T H,Robert D A,Green R O,etal.The effect of grain size on spectral mixture analysis of snow-covered area from AVIRIS data[J].Remote Sensing of Environment,1998,65(3):320-332.

[32]Painter T H,Dozier J,Roberts D A,etal.Retrieval of subpixel snow-covered area and grain size from imaging spectrometer data[J].Remote Sensing of Environment,2003,85(1):64-77.

[33]Barton J S,Hall D,Riggs G A.Remote sensing of fractional snow cover using Moderate Resolution Imaging Spectroradiometer (MODIS) data[A].Proceedings of the 57 Eastern Snow Conference[C].NY,USA,2000:171-183.

[34]Kaufman Y J,Kleidman R G,Hall D K,etal.Remote sensing of subpixel snow cover using 0.66 and 2.1 μm channels[J].Geophysical Research Letters,2002,29(16):1781-1784.

[35]Rosenthal W,Dozier J.Automated mapping of montane snow cover at subpixel resolution from the Landsat Thematic Mapper[J].Water Resources Research,1996,32(1):115-130.

[36]延昊,張國平.像元分解法提取積雪邊界線[J].山地學(xué)報,2004,22(1):110-115.

[37]延昊,張國平.混合像元分解法提取積雪雪蓋[J].應(yīng)用氣象學(xué)報,2004,15(6):665-671.

[38]曹云剛，劉闖.一種簡化的MODIS亞像元積雪信息提取方法[J].冰川凍土，2006,28(4)：562-567.

[39]金翠，張柏，劉殿偉,等.東北地區(qū)MODIS亞像元積雪覆蓋率反演及驗證[J].遙感技術(shù)與應(yīng)用,2008,23(2)：195-202.

[40]周強(qiáng),王世新,周藝,等.MODIS亞像元積雪覆蓋率提取方法[J].中國科學(xué)院研究生院學(xué)報,2009,26(3):383-388.

[41]陳曉娜,包安明,張紅利,等.基于混合像元分解的MODIS積雪面積信息提取及其精度評價——以天山中段為例[J].資源科學(xué),2010,32(9):1761-1768.

[42]Wang X,Xie H,Liang T,etal.Comparison and Validation of MODIS Standard and New Combination of Terra and Aqua Snow Cover Products in Northern Xinjiang,China[J].Hydrological Processes,2008,23:419-429.

[43]Liang T G,Zhang X T,Xie H J,etal.Toward improved daily snow cover mapping with advanced combination of MODIS and AMSR-E measurements[J].Remote Sensing of Environment,2008,112:3750-3761.

[44]Wang X W,Hong J.New methods for studying the spatiotemporal variation of snow cover based on combination products of MODIS Terra and Aqua[J].Journal of Hydrology,2009,371:192-200.

[45]Parajka J,Pepe M,Rampini A,etal.A regional snow-line method for estimating snow cover from MODIS during cloud cover[J].Journal of Hydrology,2010,381:203-212.

[46]Wiscombe W J,Warren S G.A model for the spectral albedo of snow I.:Pure snow[J].Journal of the.Atmos pheric Sciences,1980,37:2712-2733.

[47]Dozier J,Painter T H.Multispectral and hyperspectral remote sensing of alpine snow properties[J].Annual Review of Earth and Planetary Sciences,2004,32:465-494.

[48]曹梅盛,李新,陳賢章,等.冰凍圈遙感[M].北京:科學(xué)出版社,2006,72-73.

[49]Nolin A W,Dozier J.Estimating snow grain size using AVIRIS data[J].Remote Sensing of Environment,1993,44(2/3):231-238.

[50]Nolin A W,Dozier J.A hyperspectral method for remotely sensing the grain size of snow[J].Remote Sensing of Environment,2000,74(2):207-216.

[51]郝曉華.山區(qū)雪蓋面積和雪粒徑光學(xué)遙感反演研究[D].北京：中國科學(xué)院研究生院，2009.

[52]Painter T H,Dozier J,Roberts D A,etal.Retrieval of subpixel snow-covered area and grain size from imaging spectrometer data[J].Remote Sensing of Environment,2003,85(1):64-77.

[53]Grenfell T C,Warren S G.Representation of a nonsperical ice particle by a collection of independent spheres for scattering and absorption of radiation[J].Journed of Geophysical Research,1999,104:31697-31709.

[54]Nolin A W,Shi J,Dozier J.Characterization of snow grain size in the near-infrared and microwave wavelengths[A].Combined Optical-Microwave Earth and Atmosphere Sensing[C].IEEE,1993:51-54.

[55]Kokhanovsky A A,Zege E P.Scattering optics of snow[J].Applied Optics,2004,43:1589-1602.

[56]Xie Y,Yang P,Gao B C,etal.Effect of ice crystal shape and effective size on snow bidirectional reflectance[J].Journal of Quantitative Spectroscopy and Radiative Transfer,2006,100:457-469.

[57]Li W,Stamnes K,Chen B,etal.Retrieval of the depth dependence of snow grain size from near-infrared radiances at multiple wavelengths[J].Geophysical Research Letters,2001,28:1699-1702.

[58]Stamnes K,Li W,Eide H,etal.ADEOS-II/GLI snow/ice products——Part I:Scientific basis[J].Remote Sensing of Environment,2007,111:258-273.

[59]Jin Z H,Thomas P,Charlock,etal.Snow optical properties for different particle shapes with application to snow grain size retrieval and MODIS/CERES radiance comparison over Antarctica[J].Remote Sensing of Environment,2008,112:2563-3581.

[60]蔣熹.冰雪反照率研究進(jìn)展[J].冰川凍土，2006，28(5):128-738.

[61]Bloch M R.Dust-induced albedo changes of polar ice sheets and glacierizaiton[J].Journal of Glaciology,1964,5(38):241-244.

[62]Paterson W S B.The Physics of Glaciers[M].England:Elsevier Science Ltd.,1994:53-77.

[63]Roesch A,Roeckner E.Assessment of snow cover and surface albedo in the ECHAM5 general circulation model[J].Journal of Climate,2006,19(16):3828-3843.

[64]王介民,高峰.關(guān)于地表反照率遙感反演的幾個問題[J].遙感技術(shù)與應(yīng)用,2004,19,(5):295-300.

[65]Stroeve J C,Box J E,Fowler C,etal.Inter-comparison between in situ and AVHRR polar pathfinder-derived surface albedo over Greenland[J].Remote Sensing of Environment,2001,75:360-374.

[66]Reijmer C H,Knap W H,Oerlemans J.The surface albedo of the Vatnaj?kull Ice Cap,Iceland:a comparison between satellite-derived and ground-based measurements[J].Boundary-Layer Meteorology,1999,92(1):123-143.

[67]Hansen J,Nazarenko L.Soot climate forcing via snow and ice albedos[J].PNAS,2004,101(2):432-428.

[68]謝小萍，劉玉潔，杜秉玉.用FY-1D全球數(shù)據(jù)監(jiān)測北極冰雪覆蓋[J].北京氣象學(xué)院學(xué)報，2007,30(1):57-62.

[69]李三妹，閆華，劉誠.FY-2C積雪判識方法研究[J].遙感學(xué)報,2007,11(3):406-413.

[70]賈福娟，吳雁林，黃穎，等.環(huán)境減災(zāi)21A、1B衛(wèi)星款覆蓋多光譜CCD相機(jī)技術(shù)[J].航天器工程,2009,18(6):37-42.

[71]劉銀年，王建宇，薛詠琪.環(huán)境減災(zāi)21B衛(wèi)星紅外相機(jī)研制[J].航天器工程,2009,18(6):50-56.

[72]劉三超，楊思全.環(huán)境減災(zāi)21B衛(wèi)星紅外相機(jī)數(shù)據(jù)減災(zāi)應(yīng)用研究[J].航天器工程,2010,19(4):110-104.

[73]宋珍，陳曉玲，劉海，等.基于HJ-1A/1B衛(wèi)星遙感數(shù)據(jù)的積雪識別方法研究[J].長江流域資源與環(huán)境，2011,20(5):553-558.