基于遙感與GIS的西藏草原雪災監測與評估*

高懋芳，劉三超，邱建軍，張虹鷗，周 霞

(1.中國農業科學院農業資源與農業區劃研究所，北京 100081;2.廣東省環境科學與技術公共實驗室，廣州 510650;3.民政部國家減災中心，北京 100053)

西藏是我國傳統的五大牧區之一，有天然草地8 200萬hm2，約占全國天然草地面積的21%，占西藏土地總面積的68.11%。根據中國首次統一草地資源調查，西藏擁有草地種類居全國各省、自治區之首，在全國18個草地類中，西藏就占有17個草地類。無論河谷、山地均有草地，海拔4 000～4 700m左右的高原則均為草地所占有。全區草場90%以上為高山草甸和高山草原，牧草營養價值高。畜牧業是西藏農業經濟的主體，生產歷史悠久，發展潛力大。但是，由于西藏地區地形復雜，氣候多變，冬春季節雪災頻繁。在正常情況下，每3年就有1次小型雪災，每5～6年有一次中型雪災，每8～10年就有一次嚴重的雪災。每當中、大型雪災降臨，往往造成大量牲畜死亡，交通阻塞，給牧民生活帶來極大困難，給西藏草業及畜牧業發展帶來極其嚴重的損失。因此，及時準確地了解積雪區域和積雪厚度的分布情況，是草地雪災監測和雪災危害程度評價的關鍵，對于牧區抗災救災工作意義重大［1］。

雪災嚴重的地區通常交通不便，傳統的臺站式監測難以滿足要求，遙感因其大面積、多波段、及時快速地獲取信息而得到廣泛地應用。早在20世紀50年代，人類就意識到雪蓋制圖的重要性，之后航空攝影為測定雪蓋面積提供了較有效而精確的方法。從60年代初TIROS衛星提供覆蓋加拿大東部的遙感資料起，即開始了衛星積雪觀測。70年代衛星雪蓋制圖的潛力，由于系列衛星的更新換代 (NOAA)、更高時間分辨率衛星如GDES以及更高空間分辨率衛星如LANDSAT等衛星的出現而得以發展［2］。80年代以及90年代以來，隨著地球觀測系統的實施以及各種微波傳感器的相繼投入使用，積雪遙感監測研究進入了一個新的階段［3-5］。

1 積雪覆蓋區遙感監測

1.1 積雪的光譜特性

積雪在可見光波段有很強的反射特性，尤其是新雪，幾乎達到全反射。圖1顯示了新雪與干旱區土壤、草地的光譜曲線，從圖1可以看出，積雪在可見光波段與幾種典型地物的光譜有很大的差別。隨著波長的增加，雪的反射率迅速降低，到了近紅外波段，則顯示出強吸收的特性。衛星遙感積雪覆蓋主要是依據雪在可見光近紅外波段的反射差異。由于積雪在可見光波段的高反射率，通道飽和度成為傳感器進行積雪監測的重要參數，MODIS傳感器在通道設計上具備足夠大的動態范圍，用于檢測積雪時可見光通道一般不會飽和。

1.2 積雪的檢測方法

圖1 新雪與干旱區土壤以及草地的光譜特性

MODIS傳感器是美國對地觀測系統的一個重要組成部分，在已經發射的TERRA和AQUA兩顆衛星上均攜帶有該傳感器。MODIS數據有 36個波段，分布在 0.415-14.235μm的波段范圍內，空間分辨率為 250m、500m、1 000m，每天可以獲得覆蓋同一地區白天和晚上一共2～4景圖像。NASA對MODIS數據采取對地直接廣播的方式傳輸，數據獲取方便快捷，數據成本低。MODIS傳感器在有星上定標系統，數據的精度大大提高。根據以上特點，選取MODIS數據作為西藏地區雪災遙感監測與評估的主要數據。用遙感監測雪災不但彌補了地面臺站空間間隔大，邊遠高寒山區地面觀測人員無法到達的缺陷，而且能夠更直觀準確地對積雪區域進行判識，比傳統方法有著很大的優越性。

積雪表面在MODIS數據的第4波段 (0.545～0.565μm)有高反射，在第6波段 (1.628～1.652μm)的反射率相對較低。因此歸一化雪蓋指數 (Normalized Difference Snow Index，NDSI)被廣泛的用于積雪覆蓋區的檢測，計算NDSI的公式如下［6］:

式中Band4、Band6分別是MODIS數據第4波段、第6波段的反射率，可以根據MODIS數據的灰度值和頭文件用下面的公式來計算。

式中Bandi是MODIS數據第4、6波段的反射率，DN是MODIS 1B數據相應波段的灰度值，Offsets和Scales可以從HDF數據的頭文件中讀取。

MODIS數據的第二波段用來去除云的影響，圖2顯示了用于西藏地區積雪覆蓋區檢測的流程圖。計算得到NDSI后，再根據NDSI的大小以及MODIS數據第2、4波段的反射率大小關系來判斷每一個像元是否是積雪。如果NDSI≥0.4，第2波段的反射率＞11%，并且第4波段的反射率＞10%，則判定該像元為積雪［6］。

2 雪災評估方法

2.1 云覆蓋區的積雪估算

MODIS積雪覆蓋算法使用可見光和近紅外波段數據檢測積雪覆蓋面積，然而，雪災發生過程中，經常會有大面積的云覆蓋區，可見光近紅外波段無法獲取厚云覆蓋區的地表信息。因此，只利用MODIS云檢測算法往往無法獲取足夠的信息進行雪災監測，為了更精確地進行雪災評估，該研究估算云區積雪覆蓋的可能性。MODIS大氣組開發了云產品，把所有像元分成了4類:確定有云、可能有云、可能晴空、確定晴空。對于確定晴空和可能晴空的兩類像元，直接利用MODIS積雪檢測算法，對于確定有云和可能有云的兩類像元，估算積雪覆蓋的可能性。

云是降雪的主要前提條件。因此，利用云信息來估算積雪覆蓋的可能性是比較合理的，有厚云的地區降雪的可能性比晴空的地區明顯要大很多。對于雪災評估，該研究假定在確定有云的地區降雪的可能性是50%，而在可能有云的地區降雪的可能性是25%。雖然這種假設對于積雪覆蓋的估算需要進一步的驗證，但對于雪災評估是有很重要意義的。

圖2 積雪檢測流程

2.2 數字地形模型

數字地形模型對于積雪覆蓋區的檢測以及雪災評估都有很重要的意義［7］。西藏位于青藏高原腹地，被稱為“世界屋脊”或“地球的第三極”，平均海拔4 700m，世界最高峰珠穆朗瑪峰就位于西藏的南緣，海拔8 844m。西藏只有大約10%的國土海拔低于4 000m，主要分布在雅魯藏布江河谷以及東南部分地區。海拔在4 000～5 000m的區域面積約為60萬km2，占總面積的一半，另外約39%的地區海拔在5 000～6 000m。坡度和坡向可以直接由DEM計算得出，約有20%區域坡度大于10度，主要分布在高山地區，另外有約4 000km2的區域坡度大于30度。

地形和氣候是地表覆蓋類型的主要驅動因素，西藏90%以上的農田、林地和灌叢都分布在海拔3 000～5 000m的地區，這些區域的降水與溫度比海拔更高的地區更適合作物以及樹木的生長。所有的湖泊水庫都位于4 000～6 000m海拔的地區，其中96%的湖泊分布在海拔4 000～5 000m的區域。幾乎所有的沙漠和裸地都分布在4 000～6 000m的高山上，高于5 000m的山峰大多被永久性冰川和積雪覆蓋。草地在高原上的分布最廣，低于3 000m的地區有95%的面積是草地，3 000～6 000m的區域有77%是草地。

2.3 雪災評估過程

雪災評估基于研究區概況、積雪覆蓋面積、土地利用類型、數字地形模型等數據，該研究所采用的方法結合了遙感與地理信息系統技術。圖3給出了整個雪災評估的過程，MODIS數據用于檢測積雪覆蓋區域并進行云檢測，然后利用云檢測數據來估算云區積雪覆蓋的可能性。結合積雪覆蓋監測以及云區估算的結果，得到每一景MODIS數據上的積雪覆蓋圖，該研究利用TERRA和AQUA雙星的數據，可以得到一個地區每天2～4景數據。有時只利用一景數據無法覆蓋整個西藏自治區，多景圖像的合成技術對雪災評估的精度提高也有比較重要的作用。

雪災評估中還要用到GIS空間分析，積雪覆蓋監測中得到的區域通常會含有一些并不感興趣的地區，比如裸地和永久性冰川等。首先要用邊界線矢量裁剪得到西藏范圍內的積雪覆蓋圖，圖4顯示的是所有土地利用類型上的積雪覆蓋狀況，如果統計所有積雪區的面積來進行雪災評估則勢必會帶來一定的誤差，因為雪災不會在裸地或者永久性冰川上發生，盡管這里的積雪厚度可能會很大。最嚴重的雪災經常發生在牧民生活的草地上，這里有很多牧民所賴以生存的牲畜，他們沒有堅固的房子用以躲避風雪，只有一頂簡陋的帳篷，幾乎所有的牲畜都沒有圈棚，直接在草地上生活。一旦積雪覆蓋了草地，牲畜吃不到草，也沒有足夠的飼料，經常會有大量的牲畜因凍餓交加而死。雪災一般很少會在農區、林地以及灌叢地發生，因此，該研究僅考慮草地上的雪災。

為了得到草地上的積雪覆蓋區，把土地利用類型圖由矢量轉成與遙感數據相同分辨率的柵格數據，在新的柵格數據上，所有的草地都賦值為1，非草地賦值為0，最后把得到的柵格數據同積雪覆蓋區數據相乘，得到草地上的積雪覆蓋圖。積雪覆蓋區統計圖將展示雪災發生過程中積雪覆蓋的變化序列，同時將將積雪覆蓋圖與數字地形模型結合進行綜合分析。DEM數據像元被分成7類，分別是＜1 000m、1 000～2 000m、2 000～3 000m、3 000～4 000m、4 000～5 000m、5 000～6 000m、＞6000m。積雪覆蓋區統計將分別針對不同高度范圍進行計算，得出積雪分布同高度的關系，以更好地完成雪災評估。

圖3 雪災評估流程

3 結果分析

3.1 研究區彩色合成圖

由于地勢高，地形起伏大，氣候類型復雜，西藏在每年10月中旬至次年4月中旬經常受到暴風雪的襲擊，其中2007年3月10～14日就遭受了一次嚴重的雪災。從一系列的MODIS衛星遙感圖上，可以檢測積雪覆蓋區的變化情況，進而評估雪災影響。利用MODIS數據的多波段合成圖可以很好的顯示研究區的地表狀況，圖4顯示了2007年3月8日雪災發生前的地表狀況。從這個圖4可以看出，3月8日西藏全境幾乎都是晴朗無云的，主要的土地利用類型非常容易分辨，暗色的點表示的是高原上的湖泊，南部邊緣部分是少量的云。在隨后的幾天里，大雪降臨青藏高原，厚厚的云層擋住了視線，從多波段合成圖上就很難分辨出地表狀況了。

3.2 積雪覆蓋區變化及雪災評估

根據該文第二部分中提到的方法，檢測出了西藏2007年3月8～15日草地上的積雪覆蓋狀況，如圖5所示。由于3月9日也是一個晴天，但數據質量沒有3月8日的好，因此這一天的數據沒有包括。圖5淺色顯示的是晴空并且沒有被積雪覆蓋的區域，由于雪災評估中只考慮草地，因此非草地的區域單獨標出，另外標出了覆蓋區，確定有云區，可能有云區，以及永久積雪區。

積雪覆蓋的時空變化可以非常清楚地從以上的一系列圖上看出，總的來說，從3月8～15日，監測到的積雪覆蓋面積是不斷增大的，表1給出了積雪覆蓋區的統計數據。從圖5和表1中可以分析雪災的發生發展過程，并評估此次雪災的強度。圖5-A顯示的是雪災發生前的地表狀況，大于70%草地沒有被積雪覆蓋，確定有云和可能有云的像元比例分別是15%和7%，有云的區域主要分布在東南角，只有6.23%的像元被積雪覆蓋，這對于牧民生活來說是可以接受的。

從3月10日起，云層開始在西部邊緣以及東部地區累積，到了3月11日，小范圍的雪災開始在東南部分發生，與此同時，厚云繼續在西部以及北部大部分地區累積。在3月10～12日期間，超過55%的草地被云覆蓋，一場大的暴風雪正在醞釀。

暴風雪在3月12日下午襲擊了西藏的西部和南部，連接新疆和西藏的公路上積雪厚度超過50cm，在進入普蘭縣的公路上，最深的積雪達到150cm，交通被完全阻斷，電力和通訊設施也無法運行，普蘭縣成為了一個孤島。大量的牲畜因凍餓交加而死，有的甚至被厚厚的積雪所掩埋。大雪也給這里的牧民生活帶來了嚴重困難，溫度驟然降至零下30℃以下，很多牧民的帳篷被毀，沒有足夠的干糧，患感冒和凍傷的牧民增多，卻沒有足夠的醫生和藥品來對他們進行及時的救治。

雪災在接下去的3天里繼續惡化，圖5E-G中深色區顯示了雪災中心的分布情況。表1給出了西藏此次雪災過程中積雪覆蓋面積和雪災發生面積的統計，雪災發生過程中，西藏超過70%面積被厚云覆蓋，在3月13～15日期間，雪災發生面積約為40萬km2。

圖4 2007年3月8日雪災前西藏地區多波段合成

圖5 西藏自治區2007年3月中旬積雪覆蓋區及雪災評估(圖A－G顯示了3月8、9～15日雪災影響范圍變化過程)

表1 積雪覆蓋面積和雪災評估統計 萬hm2

3.3 不同高程的積雪覆蓋區

數字地形模型對于雪災評估有著非常重要的意義，可以計算地形參數，校正太陽高度角，計算積雪厚度，能夠在很大程度上提高雪災評估的精度。在前一步雪災評估的基礎上，統計出不同高度上雪災發生的面積，如表2所示。雪災發生的面積有95%以上集中在4 000～6 000m的高度范圍內，其中在4 000～5 000m的高度范圍內，有22.5萬km2，約占雪災總面積的一半。

表2 不同高度范圍上雪災發生面積統計

4 結論

該研究基于遙感數據，土地利用數據，數字地形模型，以及基礎地理信息系統數據，探討了西藏地區雪災評估的方法。積雪以及云檢測是確定雪災嚴重程度的關鍵因素，針對雪災發生過程中可見光近紅外波段無法獲取厚云覆蓋區數據的問題，該研究提出了估算厚云區積雪覆蓋可能性的方法。積雪以及云區的發展變化過程分析是雪災評估的前提，土地利用數據用于研究西藏地表覆蓋狀況并找到草地分布范圍，DEM用來校正積雪覆蓋區范圍并統計不同高度范圍內的積雪覆蓋面積。結合遙感以及基礎地理信息系統數據分析，可以給雪災救援等提供寶貴的資料。

該研究深入分析了發生于2007年3月中旬的雪災過程，大面積的草地被積雪覆蓋，給當地的牧民帶來了嚴重的經濟損失。結果表明，該研究提出的方法可以有效地監測西藏雪災發生過程，評估雪災損失。經過一定的修正之后，該方法同樣適用于其他地區的雪災監測及雪災損失評估。2008年春，50年一遇的大雪襲擊了我國南方7省份，給電力供應、交通以及通訊等基礎設施帶來了非常嚴重的破壞，這次嚴重的雪災引起了全國廣泛的關注，雪災監測以及雪災損失評估也將成為今后研究的一個熱點問題。

1 史培軍，陳晉.RS與GIS支持下的草地雪災監測試驗研究.地理學報，1996，51(4):296～305

2 陳賢章，李新，魯安新，等.積雪定量化遙感研究進展，遙感技術與應用，1996，11(4):46～52

3 馮學智，陳賢章.雪冰遙感20年的進展與成果.冰川凍土，1998，20(3):245～248

4 毛克彪，唐華俊，周清波，等.利用被動微波數據AMSR-E對2008年中國南方雪災監測分析.中國農業資源與區劃，2009，30(1):46～50

5 周清波.國內外農情遙感現狀與發展趨勢.中國農業資源與區劃，2004，25(5):9～14

6 Dorothy K.Hall，George A.Riggs，Vincent V.Salomonson，et al.，“MODIS snow-cover products”，Remote Sensing of Environment，2002，83:181～194

7 Richard Essery，Aggregated and distributed modelling of snow cover for a high-latitude basin，Global and Planetary Change，2003，38(1-2):115～120