基于AVHRR影像的北半球积雪识别算法

doi:10.7522/j.issn.1000-0240.2022.0039

冰川冻土 ›› 2022, Vol. 44 ›› Issue (1): 316-326.doi: 10.7522/j.issn.1000-0240.2022.0039

基于AVHRR影像的北半球积雪识别算法

王京达¹^,²(), 郝晓华²(), 和栋材¹, 王建²^,³, 李弘毅², 赵琴²

^1.太原理工大学矿业工程学院, 山西太原 030024
^2.中国科学院西北生态环境资源研究院, 甘肃兰州 730000
^3.江苏省地理信息资源开发与利用协同创新中心, 江苏南京 210023

收稿日期:2021-11-21 修回日期:2022-01-18 出版日期:2022-02-28 发布日期:2022-03-28
通讯作者: 郝晓华 E-mail:wangjingda0591@link.tyut.edu.cn;haoxh@lzb.ac.cn
作者简介:王京达，硕士研究生，主要从事积雪遥感研究. E-mail： wangjingda0591@link.tyut.edu.cn
基金资助:
国家自然科学基金项目(41971325);高分辨率对地观测系统国家重大专项(21-Y20B01-9001-19/22)

Snow discrimination algorithm in the Northern Hemisphere based on AVHRR image

Jingda WANG¹^,²(), Xiaohua HAO²(), Dongcai HE¹, Jian WANG²^,³, Hongyi LI², Qin ZHAO²

^1.College of Mining Engineering，Taiyuan University of Technology，Taiyuan 030024，China
^2.Northwest Institute of Eco-Environment and Resources，Chinese Academy of Sciences，Lanzhou 730000，China
^3.Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application，Nanjing 210023，China

Received:2021-11-21 Revised:2022-01-18 Online:2022-02-28 Published:2022-03-28
Contact: Xiaohua HAO E-mail:wangjingda0591@link.tyut.edu.cn;haoxh@lzb.ac.cn

摘要/Abstract

摘要：

针对2000年前北半球较高时空分辨率和高精度的历史积雪范围数据缺失问题，利用NOAA-AVHRR地表反射率数据，以Landsat-5 TM生成的积雪范围影像作为参考真值，优化基于多指标的多级决策树积雪识别算法的阈值，并结合云雪混淆区分技术，生成了北半球AVHRR 1981—1999年L1级逐日积雪范围数据集。此外，针对AVHRR在高纬度地区数据完全缺失和低纬度地区数据部分缺失问题，利用微波雪深数据集进行填充，生成了北半球L2级逐日积雪范围数据集。最后，利用北半球1981—1999年间2 546个气象台站记录的雪深数据和939景Landsat-5 TM参考积雪范围影像作为验证数据，对AVHRR积雪范围数据集进行了精度验证。结果表明：L1级和L2级数据集的总体精度分别为81.8%和82.2%，用户精度分别为83.7%和83.8%，生产者精度分别为81.7%和84.2%，说明算法精度较高，错分误差和漏分误差均比较均衡。进一步利用Landsat-5 TM参考积雪范围影像对L2级数据集进行面上精度评估，发现L2级数据集的总体精度为90.3%，用户精度为90.2%，生产者精度为99.1%，L2级数据集精度较高。生成的北半球历史数据集可为全球积雪变化研究提供有效数据补充。

关键词: AVHRR, 北半球, 积雪识别, 积雪范围, NDSI

Abstract:

Due to the lack of snow cover extent dataset with slightly high spatiotemporal resolution and high accuracy in the Northern Hemisphere from 1981 to 1999， we used NOAA-AVHRR version 4 surface reflectance data as the basic input data and Landsat-5 TM snow maps as reference maps， to obtain the optimal threshold of snow discriminant algorithm based on multi-indicator multi-level decision tree. Then， combined with the cloud discrimination algorithm， we produced the Northern Hemisphere AVHRR L1 （Level 1） daily snow cover extent dataset. In addition， aimed at the complete lack of AVHRR dataset in high latitudes and partial lack of data in low latitudes， we filled the gaps of AVHRR L1 dataset by the Northern Hemisphere 0.25° snow depth dataset， and generated AVHRR L2 （Level 2） daily snow cover extent dataset. Finally， taking 2 546 ground snow depth stations measurements from 1981 to 1999 and 939 Landsat-5 TM snow maps as validation data， accuracy of the Northern Hemisphere AVHRR daily snow cover dataset was accessed. The results showed that overall accuracy （OA） of AVHRR L1 and L2 dataset is 81.8% and 82.2%， user’s accuracy （UA） is 83.7% and 83.8%， and producer’s accuracy （PA） is 81.7% and 84.2%， respectively. These accuracies were relatively high， and commission error and omission error were relatively balanced. Furthermore， we used Landsat-5 TM snow maps for L2 dataset to perform accuracy assessment. The results showed that OA of L2 dataset is 90.3%， UA is 90.2% and PA is 99.1%. Therefore， our product has virtually provided more reliable snow knowledge over the Northern Hemisphere， and thereby can better serve for study on global snow cover change.

Key words: AVHRR, Northern Hemisphere, snow discrimination, snow cover extent, NDSI

中图分类号:

TP75

王京达, 郝晓华, 和栋材, 王建, 李弘毅, 赵琴. 基于AVHRR影像的北半球积雪识别算法[J]. 冰川冻土, 2022, 44(1): 316-326.

Jingda WANG, Xiaohua HAO, Dongcai HE, Jian WANG, Hongyi LI, Qin ZHAO. Snow discrimination algorithm in the Northern Hemisphere based on AVHRR image[J]. Journal of Glaciology and Geocryology, 2022, 44(1): 316-326.

图/表 15

表1

图1

图2

表2

表3

图3

表4

图4

图5

表5

表6

图6

表7

表8

图7

参考文献 35

1	Armstrong R L， Brodzik M J. Recent Northern Hemisphere snow extent： a comparison of data derived from visible and microwave satellite sensors［J］. Geophysical Research Letters， 2001， 28（19）： 3673-3676.
2	Warren S G. Optical properties of snow［J］. Reviews of Geophysics， 1982， 20（1）： 67-89.
3	Brown R D， Goodison B E. Interannual variability in reconstructed Canadian snow cover， 1915—1992［J］. Journal of Climate， 1996， 9（6）： 1299-1318.
4	Wang Jian， Li Hongxing， Hao Xiaohua， et al. Remote sensing for snow hydrology in China： challenges and perspectives［J］. Journal of Applied Remote Sensing， 2014， 8（1）： 084687.
5	Estilow T W， Young A H， Robinson D A. A long-term Northern Hemisphere snow cover extent data record for climate studies and monitoring［J］. Earth System Science Data， 2015， 7（1）： 137-142.
6	Che Tao， Hao Xiaohua， Dai Liyun， et al. Snow cover variation and its impacts over the Qinghai-Tibet Plateau［J］. Bulletin of Chinese Academy of Sciences， 2019， 34（11）： 1247-1253.
	车涛，郝晓华，戴礼云，等. 青藏高原积雪变化及其影响［J］. 中国科学院院刊， 2019， 34（11）： 1247-1253.
7	Douville H， Royer J F. Sensitivity of the Asian summer monsoon to an anomalous Eurasian snow cover within the Météo-France GCM［J］. Climate Dynamics， 1996， 12（7）： 449-466.
8	McGowan H， Callow J N， Soderholm J， et al. Global warming in the context of 2000 years of Australian alpine temperature and snow cover［J］. Scientific Reports， 2018， 8： 4394.
9	Madan N J. Snow ecology： an interdisciplinary examination of snow-covered ecosystems［J］. Journal of Ecology， 2001， 89： 1096-1099.
10	Hori M， Sugiura K， Kobayashi K， et al. A 38-year （1978—2015） Northern Hemisphere daily snow cover extent product derived using consistent objective criteria from satellite-borne optical sensors［J］. Remote Sensing of Environment， 2017， 191： 402-418.
11	Huang Xiaodong， Hao Xiaohua， Yang Yongshun， et al. Advances in snow-cover monitoring using optical remote sensing［J］. Pratacultural Science， 2012， 29（1）： 35-43.
	黄晓东，郝晓华，杨永顺，等. 光学积雪遥感研究进展［J］. 草业科学， 2012， 29（1）： 35-43.
12	Brown R， Derksen C， Wang Libo. A multi-data set analysis of variability and change in Arctic spring snow cover extent， 1967—2008［J］. Journal of Geophysical Research： Atmospheres， 2010， 115： D16111.
13	Che Tao， Li Xin. Spatial distribution and temporal variation of snow water resources in China during 1993—2002［J］. Journal of Glaciology and Geocryology， 2005， 27（1）： 64-67.
	车涛，李新. 1993—2002年中国积雪水资源时空分布与变化特征［J］. 冰川冻土， 2005， 27（1）： 64-67.
14	Che Tao， Li Xin. Retrieval of snow depth in China by passive microwave remote sensing data and its accuracy assessment［J］. Remote Sensing Technology and Application， 2004， 19（5）： 301-306.
	车涛，李新. 利用被动微波遥感数据反演我国积雪深度及其精度评价［J］. 遥感技术与应用， 2004， 19（5）： 301-306.
15	Feng Qisheng， Zhang Xuetong， Liang Tiangang. Dynamic monitoring of snow cover based on MOD 10A1 and AMSR-E in the north of Xinjiang Province， China［J］. Acta Prataculturae Sinica， 2009， 18（1）： 125-133.
	冯琦胜，张学通，梁天刚. 基于MOD10A1和AMSR-E的北疆牧区积雪动态监测研究［J］. 草业学报， 2009， 18（1）： 125-133.
16	Yu Hui， Feng Qisheng， Zhang Xuetong， et al. An approach for monitoring snow depth based on AMSR-E data in the pastoral area of Northern Xinjiang［J］. Acta Prataculturae Sinica， 2009， 18（4）： 210-216.
	于惠，冯琦胜，张学通，等. 基于AMSR-E信息的北疆牧区雪深遥感监测模型方法初探［J］. 草业学报， 2009， 18（4）： 210-216.
17	Hartman R K， Rost A A， Anderson D M. Operational processing of multi-source snow data［C］// Proceedings of the 63rd Annual Western Snow Conference. Brush Prairie， WA， USA： Western Snow Conference， 1995： 147-151.
18	Hall D K， Riggs G A， Salomonson V V， et al. MODIS snow-cover products［J］. Remote Sensing of Environment， 2002， 83（1/2）： 181-194.
19	Gao Yang， Hao Xiaohua， He Dongcai， et al. Snow cover mapping algorithm in the Tibetan Plateau based on NDSI threshold optimization of different land cover types［J］. Journal of Glaciology and Geocryology， 2019， 41（5）： 1162-1172.
	高扬，郝晓华，和栋材，等. 基于不同土地覆盖类型NDSI阈值优化下的青藏高原积雪判别［J］. 冰川冻土， 2019， 41（5）： 1162-1172.
20	Chokmani K， Dever K， Bernier M， et al. Adaptation of the SNOWMAP algorithm for snow mapping over eastern Canada using Landsat-TM imagery［J］. Hydrological Sciences Journal， 2010， 55（4）： 649-660.
21	Beijing Eastdawn Information Technology Co.， Ltd. ESA’s next generation satellite Sentinel series［J］. Remote Sensing Information， 2011（6）： 119-120.
	北京东方道迩信息技术股份有限公司. 欧空局下一代卫星Sentinel系列［J］. 遥感信息， 2011（6）： 119-120.
22	Hüsler F， Jonas T， Wunderle S， et al. Validation of a modified snow cover retrieval algorithm from historical 1-km AVHRR data over the European Alps［J］. Remote Sensing of Environment， 2012， 121： 497-515.
23	Zhou Hang， Aizen E， Aizen V. Deriving long term snow cover extent dataset from AVHRR and MODIS data： Central Asia case study［J］. Remote Sensing of Environment， 2013， 136： 146-162.
24	Wang Xuan， Hao Xiaohua， Wang Jian， 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.
	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.
25	Hao Xiaohua， Huang Guanghui， Che Tao， et al. The NIEER AVHRR snow cover extent product over China： a long-term daily snow record for regional climate research［J］. Earth System Science Data， 2021， 13（10）： 4711-4726.
26	Hall D K， Salomonson V V， Riggs G A. Development of methods for mapping global snow cover using moderate resolution imaging spectroradiometer data［J］. Remote Sensing of Environment， 1995， 54（2）： 127-140.
27	Che Tao， Li Xin， Jin Rui， et al. Snow depth derived from passive microwave remote-sensing data in China［J］. Annals of Glaciology， 2008， 49（1）： 145-154.
28	Dai Liyun， Che Tao， Ding Yongjian. Inter-calibrating SMMR， SSM/I and SSMI/S data to improve the consistency of snow-depth products in China［J］. Remote Sensing， 2015， 7（6）： 7212-7230.
29	Dai Liyun， Che Tao， Ding Yongjian， et al. Evaluation of snow cover and snow depth on the Qinghai-Tibetan Plateau derived from passive microwave remote sensing［J］. The Cryosphere， 2017， 11（4）： 1933-1948.
30	Di Napoli C， Barnard C， Prudhomme C， et al. ERA5-HEAT： a global gridded historical dataset of human thermal comfort indices from climate reanalysis［J］. Geoscience Data Journal， 2021， 8（1）： 2-10.
31	Stamnes K， Li Wei， Eide H， et al. ADEOS-II/GLI snow/ice products： Part I： scientific basis［J］. Remote Sensing of Environment， 2007， 111（2/3）： 258-273.
32	Hori M， Aoki T， Stamnes K， et al. ADEOS-II/GLI snow/ice products： Part III： retrieved results［J］. Remote Sensing of Environment， 2007， 111（2/3）： 291-336.
33	Zhao Qin. Research on the characteristics of the temporal and spatial changes of snow phenology in China and its response to vegetation phenology［D］. Taiyuan： Taiyuan University of Technology， 2021.
	赵琴. 中国积雪物候时空变化特征及对植被物候的响应研究［D］. 太原：太原理工大学， 2021.
34	Olofsson P， Foody G M， Stehman S V， et al. Making better use of accuracy data in land change studies： estimating accuracy and area and quantifying uncertainty using stratified estimation［J］. Remote Sensing of Environment， 2013， 129： 122-131.
35	Li Zhen， Liu Jiuliang， Tian Bangsen. Spatial and temporal series analysis of snow cover extent and snow water equivalent for satellite passive microwave data in the Northern Hemisphere （ 1978—2010）［C］// 2012 IEEE International Geoscience and Remote Sensing Symposium. New York： IEEE， 2012： 4871-4874.

数据	缩写	波长/μm	中心波段/μm	描述类型
SREFL_CH1	Ref1	0.58~0.68	0.64	地表反射率
SREFL_CH2	Ref2	0.725~1.000	0.86	地表反射率
SREFL_CH3	Ref3	1.58~1.64	3.75	地表反射率
BT_CH3	BT37	3.55~3.93	3.75	亮温
BT_CH4	BT11	10.3~11.3	11.0	亮温
BT_CH5	BT12	11.5~12.5	12.0	亮温
quality control bit flags assessment	QA			质量控制标记

比特值	描述
12	通道5值无效
11	通道4值无效
10	通道3值无效
9	通道2值无效
8	通道1值无效
7	通道1~5值有效

土地类型	序号	是/否	高程/m	Ref1	Ref2	Ref3	Ref1-Ref2	NDVI	BT11/K	（BT37-BT11）/K	（BT11-BT12）/K
高寒地（高程>300 m，BT11<260 K）	A1	是	<3 000						≥240	>14.5
	A2	是	≥3 000						≥240	>15.5
	A3	是							<240	>21.0
	A4	是				>0.1	>0.02			>25.5
其他土地	B1	是							<260	>14.0
	B2	是					>-0.02		<310	>10.5
	B3	是		>0.3			>-0.02		<293	>11.5
	B4	是			>0.4		>-0.03		<293	>11.5	>-1
	B5	是			>0.4				<278	>11.5	>-1
	B6	是		>0.3		>0.02				>11.5
	B7	否						>0.5	>288
	B8	否							>310
	B9	否	>1 000	<0.4			<-0.04		>275
	B10	否					<-0.04		>300

积雪分类	一级指标				二级指标		三级指标
积雪分类	Ref1	BT11/K	DEM/m	Ref3/Ref2	NDVI	Ref3-Ref2	NDSI
雪1	>0.14	<280.0	<1 300	<0.32	<-0.11
雪1	>0.14	<281.5	≥1 300	<0.32	<-0.11
雪2	>0.14	<280.0	<1 300	<0.32		<-0.96
雪2	>0.14	<281.5	≥1 300	<0.32		<-0.96
雪3	>0.14	<280.0	<1 300	<0.32	≥-0.11	≥-0.96	≥0.76
雪3	>0.14	<281.5	≥1 300	<0.32	≥-0.11	≥-0.96	≥0.76

AVHRR数据集	SS	SN	NS	NN	OA/%	UA/%	PA/%	FS/%
L1级	328 239	67 728	40 694	179 926	81.8	83.7	81.7	82.9
L2级	870 093	110 512	74 793	189 364	82.2	83.8	84.2	85.1

基于AVHRR影像的北半球积雪识别算法

Snow discrimination algorithm in the Northern Hemisphere based on AVHRR image

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 35

相关文章 12

Metrics

本文评价

推荐阅读 0

积雪区	SS	SN	NS	NN	OA/%	UA/%	PA/%	FS/%
北半球	1172 510	7 206	126 325	29 782	90.3	90.2	99.1	93.4
中国	117 577	1 414	10 718	3 301	91.5	91.4	98.5	93.6
北美洲	456 879	956	69 899	6 854	85.2	84.8	99.7	90.0
欧亚大陆	532 461	4 959	35 759	12 622	92.6	93.0	98.8	95.2
西伯利亚	187 839	1 126	11 559	1 183	93.0	93.1	99.3	95.6
北极地区	96 466	12	40 811	20	73.7	73.7	99.9	80.7

行列号	过境日期	云量	雪量百分比/%	OA/%	UA/%	PA/%	FS/%	积雪区
精度指标平均值				93.4	93.7	99.2	96.2
133/034	1989-11-08	无云	84.9	95.8	97.1	98.0	97.5	中国
038/032	1989-02-15	无云	90.2	96.1	96.4	99.4	97.8	北美洲
154/028	1990-12-16	无云	77.6	96.5	95.8	99.7	97.6	欧亚大陆
139/023	1990-03-26	无云	96.5	91.2	92.0	98.9	95.3	西伯利亚
159/010	1989-03-19	无云	98.6	87.3	87.3	100.0	93.2	北极地区

[1]	高扬, 郝晓华, 和栋材, 黄广辉, 王建, 赵宏宇, 魏亚瑞, 邵东航, 王卫国. 基于不同土地覆盖类型NDSI阈值优化下的青藏高原积雪判别[J]. 冰川冻土, 2019, 41(5): 1162-1172.
[2]	周敏强, 王云龙, 梁慧, 曾桐瑶, 黄文洁, 王健顺, 黄晓东. 青藏高原Soumi-NPP和MODIS积雪范围产品的对比分析[J]. 冰川冻土, 2019, 41(1): 36-44.
[3]	韩涛, 王大为, 李丽丽. FY-3A/MERSI积雪制图中NDSI指标建立及积雪判识模型研究——以祁连山区为例[J]. 冰川冻土, 2018, 40(3): 511-527.
[4]	何咏琪, 黄晓东, 方金, 王玮, 郝晓华, 梁天刚. 基于HJ-1B卫星数据的积雪面积制图算法研究[J]. 冰川冻土, 2013, 35(1): 65-73.
[5]	仲雷;;马耀明;马伟强;除多;边巴次仁. 西藏中部“一江两河”地区地表通量的卫星遥感估算[J]. 冰川冻土, 2011, 33(2): 309-317.
[6]	仲振维;叶庆华;. 纳木那尼峰地区冰川信息的综合提取方法[J]. 冰川冻土, 2009, 31(4): 717-724.
[7]	郝晓华;王建;李弘毅;. MODIS积雪制图中NDSI阈值的检验——以祁连山中部山区为例[J]. 冰川冻土, 2008, 30(1): 132-138.
[8]	易亮, 刘禹, 宋惠明, 李强, 蔡秋芳, 杨银科, 孙军艳. 山西芦芽山地区树木年轮记录的1676 AD以来5~7月温度变化[J]. 冰川冻土, 2006, 28(3): 330-336.
[9]	黄镇, 崔彩霞. 基于EOS/MODIS的新疆积雪监测[J]. 冰川冻土, 2006, 28(3): 343-347.
[10]	延昊. 利用MODIS和AMSR-E进行积雪制图的比较分析[J]. 冰川冻土, 2005, 27(4): 515-519.
[11]	延昊. NOAA16卫星积雪识别和参数提取[J]. 冰川冻土, 2004, 26(3): 369-373.
[12]	马明国, 董立新, 王雪梅. 过去21a中国西北植被覆盖动态监测与模拟[J]. 冰川冻土, 2003, 25(2): 232-236.

	雪	非雪
雪	SS	SN
非雪	NS	NN