基于星載激光雷達ICESat-2的雪深監測方法研究

李旭冰，黃曉東，劉愛利

（1.南京信息工程大學地理科學學院，江蘇 南京 210044；2.蘭州大學草地農業科技學院草地農業生態系統國家重點實驗室，甘肅 蘭州 730020）

0 引言

積雪是地球表面覆蓋的重要組成成分［1］。積雪作為全球氣候系統中重要的要素之一，在北半球的中、高緯度及高山地區廣泛分布，因其高活躍度和敏感度，充當著全球氣候變化指示器的角色［2］。積雪持續時間長短及覆蓋范圍的大小，將直接影響地表輻射與熱量平衡，影響地氣系統的能量交換［3］。在干旱和半干旱地區，融雪水是十分關鍵的水資源，對干旱區農業和畜牧業有直接影響。北疆位于我國西北地區的干旱和半干旱區，是季節性積雪長期穩定分布的地區之一，該地區的生產、生活和淡水補給都高度依賴融雪。隨著氣候的持續變暖，積雪量減少且持續時間縮短，融雪水資源和河川徑流季節分配發生了明顯變化，導致該地區洪澇災害頻發［4］。

積雪深度是積雪研究的重要方向之一，也是預報、監測、警示融雪性洪澇災害的重要因素［5］。雪深觀測的主要方法包括地面觀測和遙感數據觀測。其中，地面觀測效率低，數據疏散且代表性差，無法滿足大面積積雪深度信息的觀測要求［6］。隨著信息技術的飛速發展，遙感技術從宏觀角度對目標地物進行全天候和多時段反復觀測，可獲取大范圍、多時相、周期性的積雪信息，為積雪研究提供了豐富的資料，已成為動態監測雪深的必要手段。國內有學者嘗試利用光學遙感數據構建雪深反演模型，但缺乏內在的物理機制［7］。目前，被動微波數據是積雪深度和雪水當量反演最主要的數據源，如AMSR-E［8］、FY3BMWRI［9］、SSM/I［10］、AMSR2［11］等。然而，被動微波數據空間分辨率太粗，受混合像元及復雜地形的影響，在雪深和雪水當量反演中存在較大的不確定性。主動微波遙感特別是合成孔徑雷達（synthetic aperture radar，SAR）以其更高的空間分辨率在積雪深度反演中具有很大的優勢，可以反演干雪的深度，也可以反演不同干濕狀態下積雪的濕度信息［12］。

ICESat（ice，cloud，and land elevation satellite）是地球觀測系統中一顆激光雷達測高衛星，主要用于測量冰蓋質量平衡、云和氣溶膠高度、以及地形和植被特征［13］。在極地研究中，ICESat獲取的高精度高程數據可用于確定海冰干舷、海冰厚度和海冰粗糙度［14］；另外，ICESat數據已被多次證明能夠準確估計森林結構特征［15］。在地形測量方面，ICESat獲取的地面高程數據是評估數字高程模型垂直精度和水位的重要數據源［16］。ICESat提供了云和氣溶膠層分布的垂直剖面，為研究全球尺度的云層高度和厚度提供了重要參考［17］。

國外已有學者嘗試利用該數據提取區域尺度的積雪深度信息，如Kern等［18］利用ICESat冬春兩季的高程差計算雪深，并與AMSR-E雪深產品進行對比，發現ICESat獲取的雪深與實際雪深數據更為一致。Treichler等［19］以挪威南部的斯堪的納維亞山脈為研究區，利用ICESat進行積雪深度提取，結果證明ICESat在雪深提取方面具備一定的潛力。2018年9月ICESat-2衛星正式啟動，不同于ICESat使用的全波形仿真系統，ICESat-2配備的是先進的地形激光測高儀系統（advanced terrain laser altimeter system，ATLAS），該系統采用的是多光束微脈沖激光技術。李龍等［20］發現ICESat-2更加密集的激光足跡，相比ICESat可將湖泊觀測數據增加至兩倍以上，該數據未來將被廣泛應用于湖泊水位監測領域［21］。Kwok等［22］利用2018年10月至2019年4月的ICESat-2數據與CryoSat-2數據的高度差，對北極雪層的厚度進行估算，經驗證發現該數據在雪深估算方面效果良好。

以上研究表明，ICESat以其高精度的測高能力，在積雪深度模擬方面具備一定的潛力。然而，已有研究大多在高緯度且積雪深度較厚的極地、北歐等地區開展。而我國積雪深度相對較淺，星載激光雷達在我國的積雪深度探測能力還未得到驗證，因此，本文擬發展一套基于ICESat-2的雪深反演方法，以北疆為研究區，探索星載激光雷達數據在中國地區雪深模擬中的應用潛力。

1 研究區與數據

1.1 研究區概況

北疆地處我國天山山脈以北、阿爾泰山脈以南，中間是準噶爾盆地，地貌單元豐富，海拔落差大［23］。該地區冬季積雪豐富，是我國三大積雪區之一，也是我國穩定積雪區分布的主要區域（圖1）。由于地處干旱區，積雪作為重要的水資源，是該區農牧業生產以及生活用水的重要補給。ICESat衛星采用近極地非太陽同步重復軌道，因為北疆地區緯度較高，可在該地區獲取較為密集的ICESat軌跡點數據。北疆冬季漫長，降雪豐富，積雪季較長，積雪空間分布不均，是發展和驗證激光雷達衛星數據雪深反演方法的理想場所。

圖1 北疆地區積雪深度地面觀測站點及ICESat-2軌跡點（部分）空間分布圖Fig.1 Distribution of the snow depth observations and ICESat-2 footprints（segment）in northern Xinjiang

1.2 數據介紹

1.2.1 ICESat

ICESat即冰、云和陸地高程衛星，2003年由美國國家航空航天局（National Aeronautics and Space Administration，NASA）發射，為全球第一個激光測高衛星，搭載了地球科學激光測高系統（geoscience laser altimeter system，GLAS），于2009年停止收集數據［24］。ICESat-2作為ICESat的后續衛星搭載了先進的地形激光測高儀系統（advanced topographic laser altimeter system，ATLAS）［25］。ICESat-2用 于數據采集的多波束光子計數平臺優勢在于激光儀以極高的重復頻率（10 kHz）運作，極大地提高了沿軌道的分辨率，并提供更密集的數據覆蓋范圍和更高精度的數據集［26］，為雪深模擬提供更豐富的軌跡點高程數據（表1）。本文所需數據來自美國國家雪冰數據中心的陸地和植被高度數據集ATL08（https：//nsidc.org/data/atl08/），時間范圍為2018年10月14日至2019年9月6日。

表1 ICESat-2與ICESat參數對比Table 1 Comparison between ICEsat and ICESat-2

1.2.2 被動微波雪深數據集

因很難獲取ICESat-2軌跡的實測數據對反演雪深進行精度評估，本文首先利用地面雪深觀測資料評估目前流行的被動微波雪深反演產品，選擇精度最可靠的被動微波雪深產品與本研究發展的ICESat-2雪深反演數據進行比較。雖然二者的空間分辨率相差較大，分別為17.5 m和25 km，但是被動微波雪深產品在雪深空間差異的模擬方面具有一定的可信度，因此可以間接反映激光雷達數據雪深探測的效果。

本研究使用2018年10月至2019年3月升軌（13：30 UTC）和降軌（01：30 UTC）的AMSR2雪深產品以及中國雪深長時間序列數據集。AMSR2數據來源于日本宇宙航空研究開發機構（Japan Aerospace Exploration Agency，JAXA）G-Portal網 站（https：//gportal.jaxa.jp/gpr/index/index）。該數據包括0.1°和0.25°兩種空間分辨率［27］，為保證空間分辨率的一致性，本研究采用0.25°雪深產品。中國雪深長時間序列數據集（China_SD）是一套基于多傳感器的逐日被動微波遙感數據集，來自國家青藏高原科學數據中心（http：//data.tpdc.ac.cn/zhhans/）。該數據集的亮度溫度數據來自SMMR、SMM/I和SMMI/S這3個傳感器，經過交叉訂正，以提高不同傳感器在時間上的數據一致性［28］。該數據在不同區域采用了不同的算法，在40° N以北的地區，算法在Chang算法的基礎上引入了森林覆蓋率，同時引入了動態的反演系數；在40°N以南的地區則采用了Che算法［29］。

1.2.3 雪深地面觀測數據

雪深地面觀測數據包括研究區22個氣象臺站提供的積雪深度觀測數據以及研究時段獲取的49個野外地面積雪深度觀測數據。數據包括2018年10月14日至2019年3月31日共計2 545個有效雪深觀測數據，該數據用于驗證被動微波雪深產品的精度。

1.2.4 數字高程模型（digital elevation model，DEM）

數字高程模型來自飛船雷達地形測繪任務（shuttle radar topography mission，SRTM）獲取的空間分辨率為90 m的數字高程數據（http：//www.usgs.gov）。該數據垂直精度約16 m，水平精度約20 m。由于ICESat-2激光雷達光子能量存在過飽和、且易受到云尤其是低云的干擾，導致部分數據存在較大的誤差。該誤差可以采用與數字高程模型對比，設置一定的閾值進行誤差校正的方法，獲取較為可靠的地面高程測量點數據［30］。

2 研究方法

2.1 數據預處理

利用HDFView-3.1.0讀取ATL08/HDF5文件，使用Python語言對ATL08數據進行自動提取，獲取時間（date）、經度（longitude）、緯度（latitude）、高程（h_te_best_fit）四個字段，并以日期為文件名導出csv文件。剔除ICESat-2高程與SRTM DEM差值超過16 m的數據點，進行數據質量控制［30］。圖1展示了ICESat-2經過質量控制后的部分沿軌跡分布的高程測量點，可以發現在經過質量控制后的ICESat-2在地形復雜地區尤其是山區，出現了大量的數據空缺。本研究將2018年10月14日至2019年3月31日的數據作為積雪季數據，代表該階段的高程數據，以記錄來自積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日作為無積雪覆蓋的數據，代表無積雪覆蓋的陸地表面高程值。

2.2 空間插值

ICESat-2的重復周期是91 d，但重復軌道并不完全重合，軌跡點存在漂移，不能采用冬季的軌跡點直接與無積雪覆蓋的軌跡點求取高程差值進行雪深提取。本研究首先利用研究時段無積雪覆蓋的所有軌跡點數據進行區域插值生成高程面，然后利用冬季的ICESat-2軌跡點數據與參考面相減獲取逐個軌跡點的高程差，即為雪深。空間插值包括精確插值和非精確插值，其中精確插值生成的曲面通過控制點，即控制點位置的數值不發生變化，為了保證重復軌跡高程之間的差值誤差達到最小，本研究最終采用反距離權重精確插值法（inverse distance weighted，IDW）對無積雪覆蓋的軌跡點數據進行插值，距離權重設置為2，生成參考面。

2.3 雪深提取

基于空間插值的參考高程面，提取冬季ICESat-2逐日軌跡點對應的高程值（Enonsnow），計算冬季ICESat-2高程值（Esnow）與參考高程值Enonsnow之間的差值，即為雪深值（snow depth，SD），單位為cm［見式（1）］。最后，對提取的雪深值以0～1 m的范圍進行篩選，剔除具有明顯誤差的數值，由此獲取冬季過境的逐軌跡雪深點數據。

3 結果與分析

3.1 被動微波雪深產品精度評價

基于地面雪深觀測數據，對AMSR2和中國雪深長時間序列數據集（China_SD）進行了精度評價，并比較了雪深數據集在不同土地覆蓋類型下的精度，評價結果如表2所示。AMSR2包括升軌（AMSR2_A）和降軌（AMSR2_D）兩種雪深產品，總體而言，誤差表現顯示升軌數據產品的精度優于降軌產品。但是AMSR2所有產品對北疆地區的積雪深度存在高估，誤差均大于零，尤其是降軌的AMSR2雪深產品高估更為嚴重，25 km的降軌雪深產品平均高估了約10.94 cm。均方根誤差也顯示升軌產品優于降軌產品。China_SD雪深時間序列產品在北疆地區的精度要優于AMSR2雪深產品，均方根誤差為9.03 cm，但整體平均偏差為4.05 cm，對該地區的雪深存在低估。土地覆蓋類型對被動微波雪深反演產品的精度都有影響，不同土地覆蓋類型對被動微波雪深反演產品影響的程度不一致，但AMSR2雪深升軌產品在不同土地覆蓋類型下精度都優于降軌產品，草地、農田和城市區域的積雪深度誤差相對較大，裸地表現明顯優于其他地表。China_SD雪深產品在不同土地覆蓋類型下雪深反演精度均優于AMSR2，城鎮和裸地精度相對較好。整體而言，AMSR2雪深產品在北疆地區精度不高且誤差較大，整體存在高估現象，不能準確地反映北疆地區雪深狀況。China_SD雪深產品精度相對可靠，雖然存在一定的低估，但整體精度可以代表北疆地區雪深空間分布特點，可以作為本文評估ICESat-2模擬雪深的參考數據。

表2 被動微波雪深產品精度驗證Table 2 Accuracy evaluation of passive microwave snow depth products

3.2 ICESat-2雪深評估

根據氣象站點和實測點數據獲取的雪深數據，北疆地區積雪季根據積雪深度累積狀況可以分為積雪積累期（10—12月）、穩定期（1—2月）和消融期（3—5月）三個階段，雪深峰值一般出現在2月末。為了評估本研究基于ICESat-2反演的雪深數據，分別選擇2018年12月23日（積累期）、2019年1月3日和2月19日（穩定期）、2019年3月6日（消融期）的4條雪深軌跡點數據的China_SD雪深產品進行對比分析（圖2）。如圖所示，不同積雪期ICESat-2反演雪深值在空間上與China_SD雪深產品一致性較高。如圖2（a）顯示12月23日積雪積累期ICESat-2雪深軌跡點分布，有效雪深點數據為101個，雪深值范圍0.9～14.0 cm。China_SD整體雪深值范圍0.3～18.9 cm，高值主要分布在阿爾泰和天山山脈，二者雪深值空間分布顯示出很好的一致性。隨著積雪的不斷累積，積雪深度不斷增加，ICESat-2探測到雪深的變化，并與China_SD雪深產品在不同積雪季都表現出較好的一致性。相比被動微波較粗的空間分辨率，ICESat-2可以提供更加密集的雪深軌跡點數據，也比人工雪深觀測高效省時，豐富了雪深觀測的手段。

圖2 ICESat-2雪深軌跡點與China_SD雪深空間分布圖（括號內為有效雪深軌跡點數量）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）

圖3顯示了不同積雪季ICESat-2雪深軌跡點與China_SD雪深數據沿軌跡點雪深變化的對比。二者雪深變化的總體趨勢較為一致，但China_SD雪深變化較為陡峭，不夠平緩，而ICESat-2雪深值具有一定的波動，連續性較好，對雪深的變化更為敏感。圖3（a）顯示2018年12月23日積雪積累期的ICESat-2反演雪深與China_SD雪深變化對比，其中ICESat-2反演得到的平均雪深為9.6 cm，最大雪深為14.0 cm。ICESat-2雪深值整體變化趨勢與China_SD基本一致，但ICESat-2波動較為強烈，變化較為連續，相比被動微波產品更能捕捉到積雪的變化細節。積雪穩定期的雪深較厚，平均雪深大于15 cm，ICESat-2與China_SD雪深吻合度依然很高，ICESat-2的波動相比積累期平緩，但依然表現出對雪深變化更敏感的特性，說明ICESat-2激光雷達數據不但可以提取區域積雪的深度，而且對積雪深度的空間變化也比被動微波數據更加敏感，可以獲取更加詳細的積雪深度空間變化細節，為精細化積雪深度空間分布提供數據支撐。

圖3 ICESat-2沿軌跡點雪深與被動微波雪深對比Fig.3 Comparison of ICESat-2 and passive microwave snow depth along orbit footprints

圖4顯示了研究時段不同積雪季ICESat-2雪深軌跡點與China_SD雪深數據沿軌跡點在經度方向的對應雪深對比。結果顯示，ICESat-2監測雪深與China_SD具有很高的一致性，僅在雪深小于5 cm時，二者的差異較大，China_SD積雪深度反演值大多為0，而ICESat-2可以探測到更多的軌跡點淺雪深度。例如在積雪積累期，處于降雪初期，積雪深度較淺，最大值不超過20 cm，二者的決定系數僅為0.789，主要是由于China_SD淺雪反演能力差造成。隨著積雪的不斷累積，積雪厚度不斷增加，二者的一致性有所提高，在消融期達到最高，這是由于研究時段獲取的ICESat-2數據為3月，此時應處于消融初期，因此最大雪深較穩定期高，決定系數為0.951。

圖4 ICESat-2雪深與被動微波雪深比較Fig.4 Comparison of ICESat-2 and passive microwave snow depth

4 結論

被動微波雪深產品是目前廣泛用于評估區域乃至全球積雪的主要數據源，因其較粗的空間分辨率，且缺乏細節的空間信息，因此僅適用于大范圍的積雪深度趨勢變化分析，在積雪定量評估中存在很大的不確定性。主動微波遙感尤其是SAR數據在濕雪深度反演方面具有局限性，雪深反演模型的機理復雜，必須建立嚴格物理意義的積雪輻射傳輸模型，輸入參數較多，模型的構建和求解過程困難［12］。激光雷達獲取地物表面的反射信號，不受積雪特性包括含水量的干擾，以其高精度的測高數據，在積雪深度探測方面具有廣泛的應用前景。

北疆地區是中國季節性積雪最為豐富的地區之一。本文選取的ICESat-2激光雷達數據，探索了其在積雪深度反演中的應用潛力。研究結果表明，使用無積雪覆蓋季節的ICESat-2數據進行插值生成參考高程面，與冬季ICESat-2過境軌跡數據對比可以提取積雪深度信息，具備區域積雪深度的提取潛力。與經過驗證的中國長時間序列雪深產品進行對比，基于ICESat-2數據提取的雪深與被動微波雪深產品具有很高的一致性，但ICESat-2可以獲取更加連續的積雪深度空間變化信息。相比被動微波數據，激光雷達對積雪深度的空間變化更加敏感，可以獲取更加詳細的積雪深度變化細節。該數據的大范圍推廣，可為精細化積雪深度空間分布監測提供更加豐富的數據源，也為進一步發展和完善積雪深度遙感反演模型提供參考數據。

然而，ICESat-2激光雷達數據受到低云以及能量飽和的影響，導致大量錯誤數據會對本研究發展的雪深提取方法造成極大的影響，因此在數據預處理之前，對數據質量進行控制是非常必要的。另外，本文基于有無積雪覆蓋的ICESat-2高程數據之差提取積雪深度的方法，也存在一定的改進空間。如基于空間插值方法對無積雪覆蓋的高程軌跡點數據進行空間化，形成的參考面數據會受到插值方法的嚴重影響，進而導致提取的雪深產生較大的誤差，尤其是無高程軌跡過境的區域。因此，高精度的地面數字高程數據，是否可以進一步改善ICESat-2雪深提取精度的重要數據源，還有賴于后續研究者的不斷改進和創新。最后，如何驗證ICESat-2雪深提取的準確性也是一個非常重要的問題，沿高程軌跡點進行人工測量雪深可以提供可靠的驗證數據，但這種方法需要投入大量的人力物力，而發展基于主動雷達數據的高精度雪深反演方法是一個有效的途徑，可為進一步完善和驗證ICESat-2雪深提取方法奠定基礎。