青藏高原积雪监测在地球辐射平衡、全球气候变化和生态环境等方面有重要作用，对气候预测、雪灾预测等具有重要意义。FY-4(风云4号)卫星数据具有高时空分辨率的优势，基于FY-4A(风云4号A星)构建积雪监测方法与模型，不仅拓展了静止卫星应用领域，也丰富了积雪监测应用的手段。FY-4的高时间分辨率为积雪监测的研究提供了分钟级数据，对积雪与云的变化掌握的更为细致，但用于积雪监测的波段，因分辨率不高容易导致错判与漏判。本文基于2020年小时级野外地面雪深观测数据、风云3号D星积雪覆盖产品(FY-3D＿SNC)数据，构建了基于归一化积雪指数(Normalized Difference Snow Index, NDSI)的FY-4A卫星积雪判识方法，提出了雪深监测模型与等级划分指标。结果表明：NDSI≥0.20是青藏高原地区FY-4A卫星积雪判识的适用阈值，无论有云或无云条件，其漏判率均低于8.0%。地面站点验证结果表明，积雪判识准确率达83.33%以上。空间范围内直接剔除云区后，积雪判识经混淆矩阵验证准确率在82.48%以上。因此，FY-4A卫星在青藏高原地区具有积雪监测的能力。虽然FY-4A卫星...
青藏高原积雪监测在地球辐射平衡、全球气候变化和生态环境等方面有重要作用，对气候预测、雪灾预测等具有重要意义。FY-4(风云4号)卫星数据具有高时空分辨率的优势，基于FY-4A(风云4号A星)构建积雪监测方法与模型，不仅拓展了静止卫星应用领域，也丰富了积雪监测应用的手段。FY-4的高时间分辨率为积雪监测的研究提供了分钟级数据，对积雪与云的变化掌握的更为细致，但用于积雪监测的波段，因分辨率不高容易导致错判与漏判。本文基于2020年小时级野外地面雪深观测数据、风云3号D星积雪覆盖产品(FY-3D＿SNC)数据，构建了基于归一化积雪指数(Normalized Difference Snow Index, NDSI)的FY-4A卫星积雪判识方法，提出了雪深监测模型与等级划分指标。结果表明：NDSI≥0.20是青藏高原地区FY-4A卫星积雪判识的适用阈值，无论有云或无云条件，其漏判率均低于8.0%。地面站点验证结果表明，积雪判识准确率达83.33%以上。空间范围内直接剔除云区后，积雪判识经混淆矩阵验证准确率在82.48%以上。因此，FY-4A卫星在青藏高原地区具有积雪监测的能力。虽然FY-4A卫星...
地表参数定量遥感反演是遥感科学研究的重要环节。21世纪以来,地球静止气象卫星数据在地表参数遥感反演中受到越来越多的重视。本文对利用地球静止气象卫星进行地表参数遥感反演研究的进展进行了综述。文章首先简单介绍了当前正在运行的欧盟Meteosat、美国GOES-R、日本葵花和中国风云静止卫星系统,随后详细总结了不同卫星系统估算各种地表参数的方法。在此基础上,文章对进一步利用静止卫星估算地表参数的研究展开讨论,指出未来的研究应重点关注几个方面:(1)探索和运用新技术提高静止卫星数据获取和处理的效率和精度;(2)融合全球多颗静止气象卫星,同时与极轨卫星融合,生产覆盖全球的长时序地表参数产品;(3)探索地表参数的高效获取方法,对静止气象卫星地表参数产品开展真实性检验,满足地表过程研究和资源环境动态监测对高质量地表参数产品的需求。
地表参数定量遥感反演是遥感科学研究的重要环节。21世纪以来,地球静止气象卫星数据在地表参数遥感反演中受到越来越多的重视。本文对利用地球静止气象卫星进行地表参数遥感反演研究的进展进行了综述。文章首先简单介绍了当前正在运行的欧盟Meteosat、美国GOES-R、日本葵花和中国风云静止卫星系统,随后详细总结了不同卫星系统估算各种地表参数的方法。在此基础上,文章对进一步利用静止卫星估算地表参数的研究展开讨论,指出未来的研究应重点关注几个方面:(1)探索和运用新技术提高静止卫星数据获取和处理的效率和精度;(2)融合全球多颗静止气象卫星,同时与极轨卫星融合,生产覆盖全球的长时序地表参数产品;(3)探索地表参数的高效获取方法,对静止气象卫星地表参数产品开展真实性检验,满足地表过程研究和资源环境动态监测对高质量地表参数产品的需求。
高时间分辨率的积雪判识对于新疆牧区农牧业发展和雪灾预警具有重要作用,针对已有积雪产品易受复杂地形地貌,下垫面类型以及云遮蔽的影响,导致积雪判识精度降低的问题,提出一种利用深度学习方法对风云4号A星多通道辐射扫描计(AGRI)数据与地理信息数据进行多特征时序融合的积雪判识方法:以多时相FY-4A/AGRI多光谱遥感数据,以及高程、坡向、坡度和地表覆盖类型等地形地貌信息作为模型输入,以Landsat 8 OLI提取的高空间分辨率积雪覆盖图作为"真值"标签,构建并训练基于卷积神经网络的积雪判识模型,从而有效区分新疆复杂地形与下垫面地区的云、雪以及无雪地表,最终得到逐小时积雪覆盖范围产品。经数据集和2019年地面气象站实测雪盖验证,该方法精度高于国际主流MODIS逐日积雪产品MOD10A1和MYD10A1,显著降低云雪误判率。
高时间分辨率的积雪判识对于新疆牧区农牧业发展和雪灾预警具有重要作用,针对已有积雪产品易受复杂地形地貌,下垫面类型以及云遮蔽的影响,导致积雪判识精度降低的问题,提出一种利用深度学习方法对风云4号A星多通道辐射扫描计(AGRI)数据与地理信息数据进行多特征时序融合的积雪判识方法:以多时相FY-4A/AGRI多光谱遥感数据,以及高程、坡向、坡度和地表覆盖类型等地形地貌信息作为模型输入,以Landsat 8 OLI提取的高空间分辨率积雪覆盖图作为"真值"标签,构建并训练基于卷积神经网络的积雪判识模型,从而有效区分新疆复杂地形与下垫面地区的云、雪以及无雪地表,最终得到逐小时积雪覆盖范围产品。经数据集和2019年地面气象站实测雪盖验证,该方法精度高于国际主流MODIS逐日积雪产品MOD10A1和MYD10A1,显著降低云雪误判率。