基于星载激光雷达ICESat-2的雪深监测方法研究
1.
2.
Snow depth retrieval from spaceborne LiDAR ICESat-2
1.
2.
通讯作者:
收稿日期: 2022-02-14 修回日期: 2022-06-14
基金资助: |
|
Received: 2022-02-14 Revised: 2022-06-14
作者简介 About authors
李旭冰,硕士研究生,主要从事冰冻圈遥感研究.E-mail:
关键词:
Keywords:
本文引用格式
李旭冰, 黄晓东, 刘爱利.
LI Xubing, HUANG Xiaodong, LIU Aili.
0 引言
积雪深度是积雪研究的重要方向之一,也是预报、监测、警示融雪性洪涝灾害的重要因素[5]。雪深观测的主要方法包括地面观测和遥感数据观测。其中,地面观测效率低,数据疏散且代表性差,无法满足大面积积雪深度信息的观测要求[6]。随着信息技术的飞速发展,遥感技术从宏观角度对目标地物进行全天候和多时段反复观测,可获取大范围、多时相、周期性的积雪信息,为积雪研究提供了丰富的资料,已成为动态监测雪深的必要手段。国内有学者尝试利用光学遥感数据构建雪深反演模型,但缺乏内在的物理机制[7]。目前,被动微波数据是积雪深度和雪水当量反演最主要的数据源,如AMSR-E[8]、FY3B-MWRI[9]、SSM/I[10]、AMSR2[11]等。然而,被动微波数据空间分辨率太粗,受混合像元及复杂地形的影响,在雪深和雪水当量反演中存在较大的不确定性。主动微波遥感特别是合成孔径雷达(synthetic aperture radar, SAR)以其更高的空间分辨率在积雪深度反演中具有很大的优势,可以反演干雪的深度,也可以反演不同干湿状态下积雪的湿度信息[12]。
国外已有学者尝试利用该数据提取区域尺度的积雪深度信息,如Kern等[18]利用ICESat冬春两季的高程差计算雪深,并与AMSR-E雪深产品进行对比,发现ICESat获取的雪深与实际雪深数据更为一致。Treichler等[19]以挪威南部的斯堪的纳维亚山脉为研究区,利用ICESat进行积雪深度提取,结果证明ICESat在雪深提取方面具备一定的潜力。2018年9月ICESat-2卫星正式启动,不同于ICESat使用的全波形仿真系统,ICESat-2配备的是先进的地形激光测高仪系统(advanced terrain laser altimeter system, ATLAS),该系统采用的是多光束微脉冲激光技术。李龙等[20]发现ICESat-2更加密集的激光足迹,相比ICESat可将湖泊观测数据增加至两倍以上,该数据未来将被广泛应用于湖泊水位监测领域[21]。Kwok等[22]利用2018年10月至2019年4月的ICESat-2数据与CryoSat-2数据的高度差,对北极雪层的厚度进行估算,经验证发现该数据在雪深估算方面效果良好。
以上研究表明,ICESat以其高精度的测高能力,在积雪深度模拟方面具备一定的潜力。然而,已有研究大多在高纬度且积雪深度较厚的极地、北欧等地区开展。而我国积雪深度相对较浅,星载激光雷达在我国的积雪深度探测能力还未得到验证,因此,本文拟发展一套基于ICESat-2的雪深反演方法,以北疆为研究区,探索星载激光雷达数据在中国地区雪深模拟中的应用潜力。
1 研究区与数据
1.1 研究区概况
图1
图1
北疆地区积雪深度地面观测站点及ICESat-2轨迹点(部分)空间分布图
Fig. 1
Distribution of the snow depth observations and ICESat-2 footprints (segment) in northern Xinjiang
1.2 数据介绍
1.2.1 ICESat
ICESat即冰、云和陆地高程卫星,2003年由美国国家航空航天局(National Aeronautics and Space Administration, NASA)发射,为全球第一个激光测高卫星,搭载了地球科学激光测高系统(geoscience laser altimeter system, GLAS),于2009年停止收集数据[24]。ICESat-2作为ICESat的后续卫星搭载了先进的地形激光测高仪系统(advanced topographic laser altimeter system, ATLAS)[25]。ICESat-2用于数据采集的多波束光子计数平台优势在于激光仪以极高的重复频率(10 kHz)运作,极大地提高了沿轨道的分辨率,并提供更密集的数据覆盖范围和更高精度的数据集[26],为雪深模拟提供更丰富的轨迹点高程数据(表1)。本文所需数据来自美国国家雪冰数据中心的陆地和植被高度数据集ATL08(
表1 ICESat-2与ICESat参数对比
Table 1
参数 | ICESat | ICESat-2 |
---|---|---|
数据集 | GLAS | ATLAS |
测量方法 | 能量波 | 光子计数 |
波长/nm | 1 064/532 | 532 |
脉冲频率/Hz | 40 | 10 k |
波束数量 | 1 | 6 |
光斑直径/m | 60~70 | 17.5 |
沿直线采样距离/m | 172 | 0.7 |
重复周期/d | 183 | 91 |
1.2.2 被动微波雪深数据集
因很难获取ICESat-2轨迹的实测数据对反演雪深进行精度评估,本文首先利用地面雪深观测资料评估目前流行的被动微波雪深反演产品,选择精度最可靠的被动微波雪深产品与本研究发展的ICESat-2雪深反演数据进行比较。虽然二者的空间分辨率相差较大,分别为17.5 m和25 km,但是被动微波雪深产品在雪深空间差异的模拟方面具有一定的可信度,因此可以间接反映激光雷达数据雪深探测的效果。
本研究使用2018年10月至2019年3月升轨(13:30 UTC)和降轨(01:30 UTC)的AMSR2雪深产品以及中国雪深长时间序列数据集。AMSR2数据来源于日本宇宙航空研究开发机构(Japan Aerospace Exploration Agency, JAXA)G-Portal网站(
1.2.3 雪深地面观测数据
雪深地面观测数据包括研究区22个气象台站提供的积雪深度观测数据以及研究时段获取的49个野外地面积雪深度观测数据。数据包括2018年10月14日至2019年3月31日共计2 545个有效雪深观测数据,该数据用于验证被动微波雪深产品的精度。
1.2.4 数字高程模型(digital elevation model, DEM)
数字高程模型来自飞船雷达地形测绘任务(shuttle radar topography mission, SRTM)获取的空间分辨率为90 m的数字高程数据(
2 研究方法
2.1 数据预处理
利用HDFView-3.1.0读取ATL08/HDF5文件,使用Python语言对ATL08数据进行自动提取,获取时间(date)、经度(longitude)、纬度(latitude)、高程(h_te_best_fit)四个字段,并以日期为文件名导出csv文件。剔除ICESat-2高程与SRTM DEM差值超过16 m的数据点,进行数据质量控制[30]。图1展示了ICESat-2经过质量控制后的部分沿轨迹分布的高程测量点,可以发现在经过质量控制后的ICESat-2在地形复杂地区尤其是山区,出现了大量的数据空缺。本研究将2018年10月14日至2019年3月31日的数据作为积雪季数据,代表该阶段的高程数据,以记录来自积雪表面反射回的激光波束得到的高程值。2019年4月1日至2019年9月30日作为无积雪覆盖的数据,代表无积雪覆盖的陆地表面高程值。
2.2 空间插值
ICESat-2的重复周期是91 d,但重复轨道并不完全重合,轨迹点存在漂移,不能采用冬季的轨迹点直接与无积雪覆盖的轨迹点求取高程差值进行雪深提取。本研究首先利用研究时段无积雪覆盖的所有轨迹点数据进行区域插值生成高程面,然后利用冬季的ICESat-2轨迹点数据与参考面相减获取逐个轨迹点的高程差,即为雪深。空间插值包括精确插值和非精确插值,其中精确插值生成的曲面通过控制点,即控制点位置的数值不发生变化,为了保证重复轨迹高程之间的差值误差达到最小,本研究最终采用反距离权重精确插值法(inverse distance weighted, IDW)对无积雪覆盖的轨迹点数据进行插值,距离权重设置为2,生成参考面。
2.3 雪深提取
基于空间插值的参考高程面,提取冬季ICESat-2逐日轨迹点对应的高程值(Enonsnow),计算冬季ICESat-2高程值(Esnow)与参考高程值Enonsnow之间的差值,即为雪深值(snow depth, SD),单位为cm[见
3 结果与分析
3.1 被动微波雪深产品精度评价
基于地面雪深观测数据,对AMSR2和中国雪深长时间序列数据集(China_SD)进行了精度评价,并比较了雪深数据集在不同土地覆盖类型下的精度,评价结果如表2所示。AMSR2包括升轨(AMSR2_A)和降轨(AMSR2_D)两种雪深产品,总体而言,误差表现显示升轨数据产品的精度优于降轨产品。但是AMSR2所有产品对北疆地区的积雪深度存在高估,误差均大于零,尤其是降轨的AMSR2雪深产品高估更为严重,25 km的降轨雪深产品平均高估了约10.94 cm。均方根误差也显示升轨产品优于降轨产品。China_SD雪深时间序列产品在北疆地区的精度要优于AMSR2雪深产品,均方根误差为9.03 cm,但整体平均偏差为4.05 cm,对该地区的雪深存在低估。土地覆盖类型对被动微波雪深反演产品的精度都有影响,不同土地覆盖类型对被动微波雪深反演产品影响的程度不一致,但AMSR2雪深升轨产品在不同土地覆盖类型下精度都优于降轨产品,草地、农田和城市区域的积雪深度误差相对较大,裸地表现明显优于其他地表。China_SD雪深产品在不同土地覆盖类型下雪深反演精度均优于AMSR2,城镇和裸地精度相对较好。整体而言,AMSR2雪深产品在北疆地区精度不高且误差较大,整体存在高估现象,不能准确地反映北疆地区雪深状况。China_SD雪深产品精度相对可靠,虽然存在一定的低估,但整体精度可以代表北疆地区雪深空间分布特点,可以作为本文评估ICESat-2模拟雪深的参考数据。
表2 被动微波雪深产品精度验证
Table 2
产品 | 土地类型 | 有效站点数 | 平均雪深/cm | 站点平均雪深/cm | 平均偏差/cm | 均方根误差/cm |
---|---|---|---|---|---|---|
AMSR2_A(25 km) | 草地 | 578 | 20.49 | 19.97 | 0.52 | 18.64 |
农田 | 310 | 15.18 | 17.78 | -2.60 | 15.60 | |
城市 | 1 143 | 14.10 | 10.76 | 3.35 | 12.86 | |
裸地 | 238 | 10.88 | 10.97 | -0.09 | 5.34 | |
总计 | 2 269 | 15.54 | 14.08 | 1.45 | 14.42 | |
AMSR2_D(25 km) | 草地 | 584 | 34.49 | 19.98 | 14.51 | 26.14 |
农田 | 315 | 25.96 | 17.71 | 8.25 | 21.61 | |
城市 | 1 153 | 21.59 | 10.85 | 10.74 | 17.30 | |
裸地 | 578 | 20.49 | 19.97 | 0.52 | 18.64 | |
总计 | 310 | 15.18 | 17.78 | -2.60 | 15.60 | |
China_SD(25 km) | 草地 | 1 143 | 14.10 | 10.76 | 3.35 | 12.86 |
农田 | 238 | 10.88 | 10.97 | -0.09 | 5.34 | |
城市 | 2 269 | 15.54 | 14.08 | 1.45 | 14.42 | |
裸地 | 584 | 34.49 | 19.98 | 14.51 | 26.14 | |
总计 | 315 | 25.96 | 17.71 | 8.25 | 21.61 |
3.2 ICESat-2雪深评估
根据气象站点和实测点数据获取的雪深数据,北疆地区积雪季根据积雪深度累积状况可以分为积雪积累期(10—12月)、稳定期(1—2月)和消融期(3—5月)三个阶段,雪深峰值一般出现在2月末。为了评估本研究基于ICESat-2反演的雪深数据,分别选择2018年12月23日(积累期)、2019年1月3日和2月19日(稳定期)、2019年3月6日(消融期)的4条雪深轨迹点数据的China_SD雪深产品进行对比分析(图2)。如图所示,不同积雪期ICESat-2反演雪深值在空间上与China_SD雪深产品一致性较高。如图2(a)显示12月23日积雪积累期ICESat-2雪深轨迹点分布,有效雪深点数据为101个,雪深值范围0.9~14.0 cm。China_SD整体雪深值范围0.3~18.9 cm,高值主要分布在阿尔泰和天山山脉,二者雪深值空间分布显示出很好的一致性。随着积雪的不断累积,积雪深度不断增加,ICESat-2探测到雪深的变化,并与China_SD雪深产品在不同积雪季都表现出较好的一致性。相比被动微波较粗的空间分辨率,ICESat-2可以提供更加密集的雪深轨迹点数据,也比人工雪深观测高效省时,丰富了雪深观测的手段。
图2
图2
ICESat-2雪深轨迹点与China_SD雪深空间分布图(括号内为有效雪深轨迹点数量)
Fig. 2
Schematic diagram of ICESat-2 snow depth footprints and passive microwave snow depth spatial distribution (in brackets is the number of effective snow depth footprints)
图3显示了不同积雪季ICESat-2雪深轨迹点与China_SD雪深数据沿轨迹点雪深变化的对比。二者雪深变化的总体趋势较为一致,但China_SD雪深变化较为陡峭,不够平缓,而ICESat-2雪深值具有一定的波动,连续性较好,对雪深的变化更为敏感。图3(a)显示2018年12月23日积雪积累期的ICESat-2反演雪深与China_SD雪深变化对比,其中ICESat-2反演得到的平均雪深为9.6 cm,最大雪深为14.0 cm。ICESat-2雪深值整体变化趋势与China_SD基本一致,但ICESat-2波动较为强烈,变化较为连续,相比被动微波产品更能捕捉到积雪的变化细节。积雪稳定期的雪深较厚,平均雪深大于15 cm,ICESat-2与China_SD雪深吻合度依然很高,ICESat-2的波动相比积累期平缓,但依然表现出对雪深变化更敏感的特性,说明ICESat-2激光雷达数据不但可以提取区域积雪的深度,而且对积雪深度的空间变化也比被动微波数据更加敏感,可以获取更加详细的积雪深度空间变化细节,为精细化积雪深度空间分布提供数据支撑。
图3
图3
ICESat-2沿轨迹点雪深与被动微波雪深对比
Fig. 3
Comparison of ICESat-2 and passive microwave snow depth along orbit footprints
图4显示了研究时段不同积雪季ICESat-2雪深轨迹点与China_SD雪深数据沿轨迹点在经度方向的对应雪深对比。结果显示,ICESat-2监测雪深与China_SD具有很高的一致性,仅在雪深小于5 cm时,二者的差异较大,China_SD积雪深度反演值大多为0,而ICESat-2可以探测到更多的轨迹点浅雪深度。例如在积雪积累期,处于降雪初期,积雪深度较浅,最大值不超过20 cm,二者的决定系数仅为0.789,主要是由于China_SD浅雪反演能力差造成。随着积雪的不断累积,积雪厚度不断增加,二者的一致性有所提高,在消融期达到最高,这是由于研究时段获取的ICESat-2数据为3月,此时应处于消融初期,因此最大雪深较稳定期高,决定系数为0.951。
图4
图4
ICESat-2雪深与被动微波雪深比较
Fig. 4
Comparison of ICESat-2 and passive microwave snow depth
4 结论
被动微波雪深产品是目前广泛用于评估区域乃至全球积雪的主要数据源,因其较粗的空间分辨率,且缺乏细节的空间信息,因此仅适用于大范围的积雪深度趋势变化分析,在积雪定量评估中存在很大的不确定性。主动微波遥感尤其是SAR数据在湿雪深度反演方面具有局限性,雪深反演模型的机理复杂,必须建立严格物理意义的积雪辐射传输模型,输入参数较多,模型的构建和求解过程困难[12]。激光雷达获取地物表面的反射信号,不受积雪特性包括含水量的干扰,以其高精度的测高数据,在积雪深度探测方面具有广泛的应用前景。
北疆地区是中国季节性积雪最为丰富的地区之一。本文选取的ICESat-2激光雷达数据,探索了其在积雪深度反演中的应用潜力。研究结果表明,使用无积雪覆盖季节的ICESat-2数据进行插值生成参考高程面,与冬季ICESat-2过境轨迹数据对比可以提取积雪深度信息,具备区域积雪深度的提取潜力。与经过验证的中国长时间序列雪深产品进行对比,基于ICESat-2数据提取的雪深与被动微波雪深产品具有很高的一致性,但ICESat-2可以获取更加连续的积雪深度空间变化信息。相比被动微波数据,激光雷达对积雪深度的空间变化更加敏感,可以获取更加详细的积雪深度变化细节。该数据的大范围推广,可为精细化积雪深度空间分布监测提供更加丰富的数据源,也为进一步发展和完善积雪深度遥感反演模型提供参考数据。
然而,ICESat-2激光雷达数据受到低云以及能量饱和的影响,导致大量错误数据会对本研究发展的雪深提取方法造成极大的影响,因此在数据预处理之前,对数据质量进行控制是非常必要的。另外,本文基于有无积雪覆盖的ICESat-2高程数据之差提取积雪深度的方法,也存在一定的改进空间。如基于空间插值方法对无积雪覆盖的高程轨迹点数据进行空间化,形成的参考面数据会受到插值方法的严重影响,进而导致提取的雪深产生较大的误差,尤其是无高程轨迹过境的区域。因此,高精度的地面数字高程数据,是否可以进一步改善ICESat-2雪深提取精度的重要数据源,还有赖于后续研究者的不断改进和创新。最后,如何验证ICESat-2雪深提取的准确性也是一个非常重要的问题,沿高程轨迹点进行人工测量雪深可以提供可靠的验证数据,但这种方法需要投入大量的人力物力,而发展基于主动雷达数据的高精度雪深反演方法是一个有效的途径,可为进一步完善和验证ICESat-2雪深提取方法奠定基础。