發(fā)布時間：2020-11-19 23:06

　　 我國積雪覆蓋面積廣泛,準確獲取積雪面積及雪深信息的動態(tài)變化對了解我國氣候變化、水循環(huán)、水資源調(diào)查、畜牧業(yè)的發(fā)展及雪災(zāi)的預(yù)防預(yù)測具有重要的研究意義。MODIS數(shù)據(jù)以其高空間和時間分辨率,在生態(tài)遙感、大氣遙感以及水文遙感等領(lǐng)域應(yīng)用廣泛。由于光學傳感器受到云的強烈干擾,因此無法直接使用光學傳感器獲取的積雪產(chǎn)品對積雪覆蓋面積進行有效統(tǒng)計。被動微波可以穿透云層,不受天氣影響,但被動微波產(chǎn)品的粗分辨率極大地限制了區(qū)域積雪監(jiān)測的精度。因此,去云和降尺度分別是利用光學產(chǎn)品和被動微波產(chǎn)品提高積雪監(jiān)測精度的有效途徑。綜合不同的研究方法,通過將光學遙感資料和被動微波資料進行多源產(chǎn)品融合,生成了沒有云污染的逐日無云積雪面積比例產(chǎn)品及500m空間分辨率的雪深產(chǎn)品(SNDsp),并對這兩種產(chǎn)品進行了精度評價和誤差分析。在此基礎(chǔ)上,進一步利用2000年12月~2014年11月近14年的MODIS無云二值積雪產(chǎn)品和降尺度得到的SNDsp雪深產(chǎn)品分析中國區(qū)域積雪時空變化趨勢。研究結(jié)果表明:(1)合成的逐日無云積雪面積比例產(chǎn)品完全去除了云的干擾,可有效地提高積雪監(jiān)測的精度。利用高分辨率的Landsat 8 OLI影像生成的積雪面積比例圖作為真值對合成產(chǎn)品的精度驗證表明,平均均方根誤差僅為0.27,相關(guān)系數(shù)達0.72;誤差分析表明,植被類型和地形因子是制約積雪信息提取精度的重要因素。(2)降尺度效果較好,得到的SNDsp產(chǎn)品能顯著地消除AMSR2雪深標準產(chǎn)品10 km×10 km像元的塊狀結(jié)構(gòu)。利用21個氣象臺站實測雪深數(shù)據(jù)對升軌和降軌兩個時間的AMSR2雪深標準產(chǎn)品及降尺度后的SNDsp產(chǎn)品進行了精度評價。結(jié)果表明:降尺度后的SNDsp升軌產(chǎn)品均方根誤差較AMSR2雪深標準升軌產(chǎn)品降低了1.78 cm,降軌產(chǎn)品的均方根誤差較AMSR2雪深標準產(chǎn)品降低了2.68 cm,且SNDsp產(chǎn)品與地面臺站實測雪深的相關(guān)性較AMSR2雪深標準產(chǎn)品在一定程度上有所提高。AMSR2雪深標準產(chǎn)品在雪深為7~9 cm時誤差最小,SNDsp產(chǎn)品在雪深為16~18 cm時精度最高。雪深大于12 cm時,AMSR2雪深標準產(chǎn)品精度較低,而SNDsp產(chǎn)品在此基礎(chǔ)上精度有了一定程度的提高。(3)近14年來,中國年積雪覆蓋日數(shù)和平均雪深總體呈增加的趨勢;年平均積雪覆蓋面積無明顯變化趨勢。中國夏季積雪覆蓋日數(shù)呈減少的趨勢,冬、春、秋三季的積雪覆蓋日數(shù)均表現(xiàn)為增加的趨勢;中國冬季、夏季和秋季的平均雪深表現(xiàn)為減少的趨勢,只有春季的平均雪深表現(xiàn)為增加的趨勢;夏季、冬季的平均積雪覆蓋面積呈減少的趨勢,春季和秋季的平均積雪覆蓋面積則呈增加的趨勢。(4)從空間分布狀況來看,年平均雪深增加和減少趨勢的空間分布與年積雪覆蓋日數(shù)具有較高的一致性,各季度的積雪覆蓋日數(shù)和平均雪深變化趨勢的空間分布也具有較高的一致性。中國積雪變化趨勢的區(qū)域差異性顯著:中國南部和東北地區(qū)積雪表現(xiàn)為明顯的增加趨勢;新疆地區(qū)則表現(xiàn)為明顯的減少趨勢;青藏高原西南部邊緣地區(qū)及東南部表現(xiàn)為增加的趨勢,高原的北部及西北部主要表現(xiàn)為減少的趨勢。
【學位單位】：蘭州大學
【學位級別】：碩士
【學位年份】：2016
【中圖分類】：P407;P426.635
【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 MODIS積雪產(chǎn)品制圖研究進展
        1.2.2 被動微波產(chǎn)品降尺度研究進展
        1.2.3 中國積雪變化監(jiān)測研究進展
    1.3 研究目的及內(nèi)容
第二章 MODIS積雪面積比例產(chǎn)品去云算法研究
    2.1 研究數(shù)據(jù)及預(yù)處理
        2.1.1 MODIS積雪面積比例產(chǎn)品
        2.1.2 AMSR2雪水當量產(chǎn)品
        2.1.3 Landsat 8 OLI數(shù)據(jù)
        2.1.4 IGBP土地覆蓋類型數(shù)據(jù)
        2.1.5 SRTM數(shù)字高程模型（DEM）
    2.2 研究方法
        2.2.1 OLI積雪面積比例制圖
        2.2.2 去云算法
        2.2.3 精度評價方法
    2.3 算法結(jié)果及精度評價
        2.3.1 去云效果
        2.3.2 精度評價
        2.3.3 誤差分析
    2.4 小結(jié)
第三章 被動微波產(chǎn)品降尺度算法
    3.1 研究區(qū)概況
    3.2 研究數(shù)據(jù)
        3.2.1 衛(wèi)星遙感數(shù)據(jù)
        3.2.2 氣象臺站雪深數(shù)據(jù)
    3.3 降尺度算法
        3.3.1 MODIS積雪面積比例產(chǎn)品去云算法
        3.3.2 降尺度運算
        3.3.3 精度評價方法
    3.4 降尺度結(jié)果與精度評價
        3.4.1 降尺度算法結(jié)果
        3.4.2 精度評價
    3.5 誤差分析
    3.6 小結(jié)
第四章 中國積雪空間分布及時空變化特征
    4.1 研究數(shù)據(jù)及方法
        4.1.1 數(shù)據(jù)來源及預(yù)處理
        4.1.2 數(shù)據(jù)處理方法
        4.1.3 趨勢檢驗方法
    4.2 中國地區(qū)積雪空間分布特征
    4.3 中國積雪時空變化特征
        4.3.1 中國積雪年際變化趨勢
        4.3.2 中國積雪各季節(jié)年際變化趨勢
    4.4 討論
    4.5 小結(jié)
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 不足與展望
參考文獻
在學期間的研究成果
致謝

【相似文獻】

相關(guān)期刊論文 前10條

1 林建,范蕙君;內(nèi)蒙古雪災(zāi)監(jiān)測方法研究[J];氣象;2003年01期

2 武黎黎;李曉峰;趙凱;鄭興明;戴禮云;;東北典型林區(qū)雪深反演算法的驗證與分析[J];地球信息科學學報;2014年02期

3 白淑英;史建橋;沈渭壽;高吉喜;王冠軍;;近30年西藏雪深時空變化及其對氣候變化的響應(yīng)[J];國土資源遙感;2014年01期

4 符傳博;丹利;吳澗;魏榮慶;;新疆地區(qū)雪深和雪壓的分布及其55年的變化特征分析[J];地球物理學進展;2011年01期

5 柏延臣,馮學智,李新,陳賢章;基于被動微波遙感的青藏高原雪深反演及其結(jié)果評價[J];遙感學報;2001年03期

6 陳海山;許蓓;;歐亞大陸冬季雪深的時空演變特征及其影響因子分析[J];地理科學;2012年02期

7 蔣玲梅;王培;張立新;楊虎;楊俊濤;;FY3B-MWRI中國區(qū)域雪深反演算法改進[J];中國科學:地球科學;2014年03期

8 王道遠;陳方興;;SXH1-1型超聲雪深測量儀在冬季測雪中的應(yīng)用[J];黑龍江科技信息;2012年18期

9 吳紅波;賀建橋;郭忠明;毛瑞娟;吳玉偉;;基于HJ-1數(shù)據(jù)的木孜塔格峰地區(qū)雪深時空變化[J];地理研究;2013年10期

10 李楊;張璞;劉艷;盧新玉;馬麗云;;風三微波亮溫數(shù)據(jù)在北疆地區(qū)的雪深反演研究[J];水土保持研究;2013年04期

相關(guān)碩士學位論文 前1條

1 鄧婕;基于多源遙感資料的中國積雪制圖及其時空變化研究[D];蘭州大學;2016年

本文編號：2890563