基于FY3B-MWRI 數據的東北積雪深度反演

段 蕓，王星東

（河南工業大學信息科學與工程學院，河南 鄭州 450001）

積雪有高反射率、高相變潛熱和低導熱性等特征[1]，通過影響地表能量的平衡來影響氣候系統，也是地球系統5 層冰層的重要組成部分[2]。東北3 省地處中國的最北面，研究表明東北大部分地區為世界3 個最穩定的積雪區[3]。

微波可以穿透一定厚度的積雪，學者們可使用微波遙感技術對積雪深度進行監測[4]。積雪深度反演算法在國內外早已發展并在不斷完善。CHANG 等[5]基于均質積雪的輻射傳輸方程得到SMMR 的雪深反演算法；FOSTER 等[6]對Chang 算法加以修改，認為植被覆蓋率會

影響雪深探測，提出了NASA96 算法；蔣玲梅等[7]將不同下墊面類型的影響因素加入雪深反演算法中，完善了用于雪深反演的風云業務化算法，根據經驗證明取得了較好的反演精度。

FY-3B 衛星上的微波成像系統，擁有5 個雙極性的亮溫信道，可以提供全天候的土壤水分、積雪深度及大氣濕度等多個方面的信息。選取東北3 省作為研究區域，根據不同的下墊面類型，建立相應的積雪深度反演算法模型，并結合實測數據，對模型精度進行驗證。

1 研究區域與研究數據源

1.1 東北地區積雪情況概述

本研究范圍選取在中國東北部地區，其位置為38°43'N—53°33'N，118°53'E—135°05'E。東北地區的森林覆蓋率比較高，研究表明東北地區是世界3 大積雪區。

1.2 數據介紹與處理

所用數據包括FY-3B 衛星微波成像儀（MWRI）數據、中科院資源科學中心2020 中國土地利用類型遙感監測數據、MOD13Q1 數據及實測積雪數據。

1.2.1 FY3B-MWRI 亮溫數據

本文中主要使用衛星降軌數據，覆蓋不全的地方需要用升軌數據補充。

1.2.2 土地利用遙感監測數據

中國科學院資源環境科學數據中心提供的東北部3 省的2020 年中國土地利用遙感監測數據如圖1 所示。通過對現有分類數據進行重分類，獲得不同下墊面土地類型的重分類數據。

圖1 東北3 省土地利用類型圖

1.2.3 MOD13Q1 數據

MOD13Q1 數據是MODIS 陸地方面的產物，該數據為一個三級網格產品，最大空間分辨率為250 m，每16 d 提供一次數據。

1.2.4 實測雪深數據

實測雪深數據由WheatA 小麥芽軟件提供，它整合了農業生產、市場、氣象、土壤、海洋和環境監測等多板塊內容。吉林省長春市牡丹江氣象觀測站的實測數據分布如圖2 所示。

圖2 吉林省長春市牡丹江氣象站實測數據分布圖

2 積雪深度反演及精度驗證

2.1 數據處理

2.1.1 FY-3B 數據處理

FY-3B HDF 數據首先通過Latitude 和Longitude數據生成GLT 文件，用GLT 文件對FY-3B 的原始數據進行幾何校正，再對校正后的數據進行拼接與掩膜操作。

2.1.2 估算植被覆蓋度

2.1.2.1 植被覆蓋度估算模型

本文使用MOD13Q1 數據來近似估計植物覆蓋度（ⅤFC）。李苗苗等在像元二分模型的基礎上研究的模型為：

式（1）中：I為植被覆蓋度（ⅤFC）；J為歸一化植被指數值（NDⅤI）；Jsoil為完全是裸土的植被覆蓋區域的NDⅤI 值；Jveg為完全被植被所覆蓋的像元的NDⅤI 值。

式（1）中2 個值的計算公式為：

2.1.2.2 估算模型

研究區域中可以近似取Imax=100%，Imin=0%，此時Jmin=-0.015 410，Jmax=0.355 573。

利用式（4）計算，得到東北3 省植被覆蓋度數據，如圖3 所示。

圖3 東北3 省植被覆蓋度

式（4）中：b1為待計算頻段數據。

2.1.3 土地利用類型數據重分類

重分類是將原始數據重分類為4 種不同的下墊面類型，包括森林、農田、草地和裸地等，結果如圖4所示。利用此結果結合植被覆蓋率可得到上述4 種下墊面的覆蓋度。

圖4 東北3 省土地利用類型重分類

2.2 被動微波遙感雪深反演

結合土地利用類型數據，對不同的下墊面類型建立不同的積雪深度反演模型，對東北3 省地區進行積雪深度反演研究，基于式（5）計算亮溫值，即：

式（4）中：Tb為某一頻率波段對應的亮度溫度值，b1為待計算頻段數據。

2.2.1 不同下墊面的積雪深度反演模型

結合土地利用類型數據，對不同的下墊面類型建立不同的積雪深度反演模型，對東北3 省地區進行積雪深度反演研究，具體如下：

式（6）—式（9）中：SDfarmland、SDgrass、SDforest、SDbarren分別為農田、草地、森林、裸地下墊面的積雪深度；Tb18、Tb36、Tb89、Tb10分別為18 GHz、36 GHz、89 GHz、10 GHz 頻段亮度溫度值；H為水平極化；V為垂直極化。

2.2.2 積雪深度反演結果

利用上述所提出的積雪深度反演模型，結合研究區域的農田、草地、森林及裸地覆蓋度數據，得到積雪深度反演結果，如圖5—圖8 所示。

圖5 農田雪深反演結果

圖6 草地雪深反演結果

圖7 森林雪深反演結果

圖8 裸地雪深反演結果

2.3 精度驗證

利用上述8 個氣象站點實測積雪深度數據實測值與論文反演結果值進行精度驗證，計算2 組數據的RMSE 值為5.99 cm，如圖9 所示。

圖9 本文所用算法反演值與實測值散點圖

同時采用Chang 算法（公式（10））進行積雪深度反演，計算2 組數據的RMSE 值為12.283 84 cm，如圖10 所示。

圖10 Chang 算法積雪反演值與實測值散點圖

3 結束語

本文針對東北地區的下墊面特征，分別研究了農田、草地、森林及裸地的積雪深度反演算法，并結合實測數據對算法的精度進行驗證，結論如下：①本文研究的積雪深度反演算法與Chang 算法對研究地區積雪深度反演的結果表明，本文研究的算法較相比Chang算法，積雪深度反演的精度得到了很大提高；②對于具有不同積雪特性及下墊面類型的地區，應當將下墊面類型納入考量范圍；③本文僅從不同下墊面的角度進行中國東北部積雪的反演，雖然可以解釋一些現象，但關于更深層次的東西還需進一步挖掘。