積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、雪深、積雪反照率等)是全球能量平衡模型中的重要輸入參數中分辨率成像光譜儀(MODIS)是EOS系統中主要的傳感器之一， 它具有較高的空間分辨率、光譜分辨率和時間分辨率、雖然MODIS全球每日500m空間分辨率雪產品較以往雪蓋制圖精度有了一定的提高 ,但是混合像元的問題仍比較突出.針對混合像元問題,一些學者提出了光譜線性分解模型通過選取恰當的地表覆蓋類型組合,就能在一定程度上提高最終結果的精度[8].但是這種模型運算量較大,不適合積雪蓋率的業務化制圖.Salomoson[9]等提出基于歸一化雪蓋指數(normalizeddifferencesnowindex,NDSI)的MODIS像元雪蓋率(FRA)反演簡化方法、中國學者曹云剛[10]考慮地表覆蓋,建立了像元雪蓋率與雪蓋指數、植被指數之間的線性關系模型.然而精確反演雪蓋率依舊非常困難其中一個重要原因在于積雪本身的物理性質也會對NDSI產生影響另一方面地表覆蓋的復雜性也會降低NDSI與積雪比例間的相關性.若對數據不加區分統一建模,則必然會對模型的精度產生影響.因此,本文嘗試將雪蓋率按NDSI分類,然后對不同類別分別進行建模、選擇研究區域需要在一定程度上,研究區具有很好的代表性本文使用MODIS1B500m分辨率數據反演雪蓋率(1),1、2波段為MODIS250m原500m后得到.1同一天ETM+數據作為檢驗數據(數據已經過投影轉換UTM投影,30m).表1“luhat/f：?+和MODIS影像數據信息校感器類型LandsaL.ETM+

成像時間2001/10?09

穫蓋范圍那，4197'38.4779N

便用波段沁in 2,4t5EOS'MDDK 2001/10/09數據預處理

100-4S13—103-3857E35-49715514N994468 4067E

500m 1,2,4?5.6數據預處理包括波段反射率計算以及投影轉換 TM由于ETM+數據已經過投影轉換故只需計算其各波段的反射率值 .以ENVI413為例使用CalibratenUtilites中的LandsatTM功能計MODISMODIS1B數據,MODIStoolsbow2tie工具對圖像去“蝴蝶結”效應，接著使用MODIS1B影像自帶的控制點信息對圖像進行幾何校正(1)計算各波段的反射率值:

.然后根據公式p=reflectanee-scalesx(DN2reflectanee-offsets),(1)式中,p射率;DN為像元值;refleetanee-scaleseflectanee-offsets為偏置系數.得到波段反射率以后，從MODIS圖ETM+數據范圍的區域，并將其轉換為UTM投影.轉換過程中為保持波段反射率不變，故使用最鄰近插值法.為了與LandsatETM+數據進行對比分析，還需要對裁剪后的MODIS影像進行空間配準.MODIS1、4、3ETM4、3、2合成影像的對比分析選擇控制點MODIS影像進行配準得到相應的MODIS圖像后，分別計算雪蓋指數(NDSI,(p4-p6)P(p4+p6))和植被指數(NDVI,(p2-p1)P(p2+p1)).雪蓋率計算ETM+數據，SNOWMAP方法［4］進行分類.SNOWMAPNDSI,NDSI的閾值為0140NDSI0140,p4>0111時判定為雪像元,p4為LandsatETM+4波段的反射率,1代表積雪像元,0代表非積雪像元，30m;然后3個研究區分MODISMODIS率MatlabMODISETM+積雪分類圖；MODIS像元對應的區域中所包含的ETM+1的積雪像元個數MODIS像元雪蓋率(fraction).fraction=叢?"其中，nsMODISETM+二值積雪分類圖中積雪像元的個數；nMODISETM類圖的像元個數.誤差分析(1)位于中間部分的NDSI值相對較稀疏，從而導致模型擬合結果受到影響；(2)從空間分布來看這些數據主要集中在高積雪區與非積雪區的過渡地帶而這些地區地形起伏較大所以山體的陰影也會對模型反演的精度產生影響;(3)在過渡地區地表覆蓋復雜僅僅使用NDVI并不能完全反映地表的影響;(4)MODIS數據和ETM+差異也會導致雪蓋率的計算產生誤差所以這些區域的雪蓋率值波動較大。------------------------------MODIS?像元積雪覆蓋率提取方法1.pdf針對目前應用廣泛的MODIS傳感器數據,充分利用了雪蓋指數在積雪監測中的重要性,并在考慮了地表覆蓋的情況下,建立了像元雪蓋率與雪蓋指數、植被指數之間的線性關系模型,并利用ETM+據對模型估算的雪蓋率進行了驗證.結果表明,該方法能有效地提取?像元尺度的積雪信息1 引言積雪是地表覆蓋的重要組成部分,積雪表面的高反射特性使其成為決定地球輻射平衡的一個關鍵因子,也使其成為區域與全球氣候變化研究的重要內容之一.同時,積雪的空間分布還是山區與季節性積雪區水文、氣象模型的重要輸入因子[1]因此,研究積雪分布及其特性,對于水資源利用、災害分析、大氣環流分析以及氣候演變有著重要的意義[2近年來,遙感資料已經成為積雪監測的主要信息來源,其中最主要的有AVHRR(AdvancedVeryHighResolutionRadiometer)、MODIS(ModerateResolutionImagingSpectroradiometer)、TM/ETM+(ThematicMapper/EnhancedThematicMapper)等.針對這些數據源,多種方法已經用于積雪識別與雪蓋制圖,包括:目視判讀,多光譜圖像分類,反射率特性計算法,決策樹等[3-4].這些方法的一個共同特點就是,將遙感圖像分為兩個部分,即積雪區與非積雪區.也就是說,在進行積雪像元識別時,都假設所有的像元是純像元,一個像元對應一種地物類型.因此,當遙感圖像的空間分辨率較低時,混合像元的問題就比較突出,造成分類結果的精度不夠理想[5].針對混合像元問題,一些學者提出了光譜線性分解模型,通過選取恰當的地表覆蓋類型組合,就能在一定程度上提高最終結果的精度[6]光譜線性分解模型在精度上有所提高,但是它通常使用最小二乘法來研究區域與數據準2估算每個像元中的組分比例,當遙感數據量較大時,就會耗費大量的計算時間,并且這種方法的自動化程度也很低,很難滿足一些業務上的需要.針對這樣的問題,本文引入了兩個基本輸入參數（雪蓋指數與植被指數）,提出了一種簡化的算法來計算單個像元中積雪所占的比例（即像元雪蓋率,snowfraction）.采用研究區內的MODIS與ETM+數據,對算法中的參數進行了計算,最后對算法的結果進行了比較和分析 研究區域與數據準2域是高原主要的積雪區之一,且地形比較復雜,植被覆蓋類型多樣,4ETM+影像數據1（UTM投影30m）.同時選擇了包含以上區域兩個時期內的MODIS1B500m（MODIS1、2、、61、2250m,4、6波段分辨率為500m,500m）.1相關ETM+數據信息Table1InformalionoftheETM+■dala黑域黑域成像日期軌道號太陽方位角12<1)]1021pl36rO3&15],23M7太陽高度角43.U44歹2(1)11021P136rO39150.225744.178^31023149.714(f44.70H2斗2(1)11U23pl34rO4O15],7295142.435ff2KTVI+各波段耳值Table2ValtHLofdifferentwavebantfeETM+波段號/<i】/(*1葉*匸]yfw*315514]OU5225.77K2,073 數據預處理數據預處理包括波段反射率計算以及投影轉換.對于本文所使用的ETM+數據，因其已經過投影轉換，故只需要計算其各波段的反射率值，使用下面的公式將其像元灰度值轉換為反射率(I)￡(>xoosO式中:a、b為定標常數;L為輻射亮度；d為日地距離；E0為大氣頂層太陽輻照度；！太陽天頂角.MODIS1B數據，MODIStoolsbow-tie工具對圖像的邊緣重疊效應進行改正,接著使用MODIS1BGeoreferenee命令對圖像進行了幾何校正（ENVI軟件為例）.然后，使用下面的公式將MODIS各波段的像元灰度值轉換為反射率值[7]:P=reflectan x（Z）A—refleclance_offsets）式中: 為反射率；DN為像元值各波段比例系數（refleetance_scales） 與偏置系數（refleetance_offsets）見表3（只列出了文中使用的幾個波段參數表3MODIS 據部分波段定標參數值）值）.60+000()3238{)波段號比例系數傾直系數1(1(XW51370.00X)31970()4{)在得到波段反射率以后，MODISETM+數據范圍的區域UTM投影.MODIS圖像，使用下面的公式計算其雪蓋指數（NDSI）與植被指數（NDVIAOS/二NDVI=式中:PMODISi波段反射率.4 研究方法

(51本文以ETM+數據獲取的雪蓋率作為#真值？，(51MODISNDSI、NDVI之間的線性關系.，雪蓋率真值？計算需要經過以下幾個步驟首先通過監督分類的ETM+數據進行積雪信息的提取，MODISETM+1的像元數（積雪像元）；使用式（6）來計算MODIS像元雪蓋率raction）:fraction= 積？;像元數像元總數

(6/2的散點圖可以看出雪蓋率存在于兩個主要的區間，即高值區（0.8）和低值區（0.1）,其中高值區表明了積雪是一種大面積比較連續的地表覆蓋,而低值區的存在除了研究區內積雪較少的原因以外，還在一定程度上受計算誤差的影響（其中包括MODIS與ETM+數據之間的坐標配準誤差）.針對NDSI與雪蓋率之間的關系，Bartonetal.[8]Salomonsonetal.[9]（fraction=0.18+0.37 ?NDSI+0.26 ?（NDSI）2）和直線（fraction=0.06+1.21 ?NDSI）其中fraction=a+bDSI（A）NDSI=a+b?fraction（B）,2的3種算法，AB.2其在低值區的同樣A,其在高值B,則能得到造成以上誤差的影響NDSI其中積雪顆（NDSI值）;對于積雪的低值區，由于地表覆蓋的復雜性NDSI與積雪比例之間的相關性降低.通過以上的分析本文認為只使用單因子來進行雪蓋率的反演還存在一定的不足因此NDVI值來進的方法來計算雪蓋率:fraction=</+/>xNDS1+rxADVI(7)12得到的積雪信息作為雪蓋率的#真值？，通過線性回歸的方法，本文對上式中的3個參數進行了擬合計算為了不增加計算的復雜性最后的參數只是對上面的各區域擬合參數進行了平均 (對Salomonson提出的算法，B作變形，NDSI示雪蓋率A的參數進行平均X5 使用各區域算法平均后得到的最終結果Table5Th<^(ruitioiiKforiliffc^rrntalgoritLms最后擬合結果Baiton fradinti-0 24+it63xADS/+0.31+SalcmonAon

fraetinn=0.1K+0T

97xAI)Si帛文算法f(X+(K1x\-Q?A5 算法結果驗證及其精度分析4MODIS日積雪圖與本文算法計算的雪蓋率圖其中，MODIS積雪圖使用像元值200來表示積雪像元，它只是在像元層次上給出了區域的積雪分布情況而使用雪蓋率的方法可以得到像元積雪所占的比例，它能清楚地表現積雪分布的強弱情況，尤其是在積雪邊緣區域雪蓋率更能反應積雪覆蓋漸變的細節信息. 針對圖4所示的區域，使用本文算法計算了雪蓋率并對結果進行了統計和分析，5從圖可以看出，研究區域內雪蓋率估算誤差分布的主要區間集中在[-0.25,0.1]. 研究區積雪覆蓋率為0.598,由算法計算的像元雪蓋率統計得到的積雪覆蓋率為 0.509,14.8%.NDSI（6）NDSI0.6率.造成這種結果的原因可能(h)無駕積雪 0 0.5 1.04MODISH積雪圖(a)與雪蓋率圖(b)Pig.4