基于多種光譜預處理的融雪期積雪深度定量模型研究

郭小云，劉志輝,3,4，徐 倩，閃 旭

(1.新疆大學資源與環境科學學院，烏魯木齊 830046；2.新疆大學綠洲生態教育部重點實驗室，烏魯木齊 830046；3.新疆大學干旱生態環境研究所，烏魯木齊 830046;4.干旱半干旱區可持續發展國際研究中心，烏魯木齊 830046)

0 引 言

在干旱半干旱地區，積雪是水資源重要的補給方式，對區域的水分平衡有著重要的作用[1,2]。尤其是季節性積雪，是新疆天山北坡地區的生態環境影響因素中最活躍的影響因子，以及區域氣候變化中最為敏感的響應因子之一[3-5]。大范圍的積雪融化可能會導致各種自然災害，而雪深是積雪災害的重要誘發因子之一[6]。因此準確的監測雪深能夠有效地提高積雪監測能力，從而對雪災多發區及時的做好防災減災工作。目前國內外對積雪遙感的研究多為微波遙感雪深以及對雪水當量的提取[7-12]。近幾年，國內許多學者在實地積雪光譜以及雪深測量的基礎上，結合遙感數據，建立積雪深度反演模型，其中基于MODIS數據進行積雪深度反演的研究居多[13,14]。本文以春季融雪期的積雪為研究對象，采集積雪表面光譜反射率與雪深數據，根據MODIS影像的波段設置，對實測光譜波段進行區間劃分并研究了積雪表面高光譜參數與積雪深度的相關關系，采取實測光譜以及光譜倒數之對數lg(1/R)這兩個指標結合不同波段組合建立了融雪期雪深反演模型。通過對地物的實測光譜進行分析，根據其響應特征同遙感影像相結合，最終為遙感手段對地物的準確解譯與今后進一步利用遙感影像監測積雪深度變化提供依據。

1 材料與方法

1.1 研究區概況

軍塘湖流域位于新疆天山北坡昌吉州呼圖壁縣內。地處86°28′30″E，43°51′44″N，研究區平均海拔1 080 m，其積雪融化期為每年的2-4月，融雪期間最高氣溫16.78 ℃，最低氣溫-15.55 ℃，有少量降水。研究區的積雪時間一般為當年10月-次年的4月初，屬于季節性積雪。次年的2月底至4月初，為該流域積雪融化期，在該期間，積雪的特性變化較為明顯，適宜于對該研究區進行野外觀測和數據的采集。并且數據采集點位于流域的中部，地表幾乎無植被覆蓋。該流域特點為面積小且基本閉合，流域完整且特征典型，同時近年來該流域融雪洪水發生較為頻繁且典型。

1.2 數據采集與處理

研究中采用ASD Field ProⅢ光譜儀對積雪進行測量，波長范圍350～2 500 nm，光譜分辨率為1.4～10 nm，分析軟件采用ASD View Spec Pro。本研究采用的波段區間為350～1 300 nm，該區間包含了遙感常用的可見光和近紅外波段。

野外光譜測量的時間為2011年3月中旬，測試時間選在北京時間的12∶00-16∶00進行，此時間與衛星傳感器過頂的時間相近。測量期間天氣狀況良好，晴朗無云,風力較小。選擇相同下墊面的5個樣區，在2011年3月12日-19日對每個樣區進行采樣，同時測量該點雪深，雪深數據采用鋼尺測量所得。采樣時在每個樣區內隨機選擇5個采樣點，采用梅花樁采樣法取樣，取樣的過程中嚴格按照規范操作。為了減小誤差，每個采樣點均測量5條光譜曲線，然后取平均后作為該樣點光譜曲線。進行下一個采樣點的測量前，要重新對地物光譜儀進行標定。最后取5個采樣點的平均值作為該樣區該時刻的光譜。

對測量獲取的雪深反射率數據進行篩選，去除異常數據，選定33條光譜數據，其中23條數據用于模型的回歸分析，其余10條用于模型檢驗 。所選33個雪深值的統計特征描述見表1。

表1 樣本雪深值特征統計量Tab.1 The characteristic statistic of the snow depth

1.3 光譜指標選取

1.4 研究方法

Box和Cox在1964年提出了Box-Cox變換可以使線性回歸模型滿足線性性、獨立性、方差齊性以及正態性的同時，又不丟失信息。 Box-Cox變換形式為：

(1)

式中：λ是待定系數，最優的λ可以使得對數似然函數l(λ)達到最大值。

(2)

2 結果與分析

2.1 光譜指標對雪深的響應

圖1為不同深度積雪的表面反射光譜曲線及其變化特征?？梢钥闯觯悍e雪的光譜總體呈下降趨勢，積雪深度與反射率呈現出良好的正相關關系。積雪深度增加，反射率也隨之增加。不同深度積雪之間的光譜分離度較好，因此，研究區的積雪深度對可見光/近紅外光譜具有良好的光譜響應特征。

圖1 不同深度積雪的光譜響應曲線Fig.1 Curves of spectral response to snow with different depth

2.2 回歸模型的建立與檢驗

表2 基于不同光譜指標與波段組合的雪深反演模型Tab.2 The prediction model based on different spectral indicates and band combination

圖2 可見光波段反演雪深值與實測值的相關性檢驗Fig.2 The test of correlation between predicted snow depth and measured snow depth

圖3 近紅外波段反演雪深值與實測值的相關性檢驗Fig.3 The test of correlation between predicted snow depth and measured snow depth

3 結 語

(1)在可見光與近紅外區間內，積雪深度與反射率呈現出良好的正相關關系，不同深度之間的光譜分離度較好，積雪深度對可見光/近紅外光譜具有良好的光譜響應特征。

(2)采用可見光波段與近紅外波段結合的波段組合預測積雪深度的建模與檢驗精度均高于單獨使用可見光波段或近紅外波段，為今后進一步利用遙感影像監測積雪深度變化研究中的波段選擇提供依據。

(3)標準化比值在預測積雪深度的建模與檢驗精度兩方面均高于其他3個指標，在后續研究中可以直接采用實測光譜的標準化比值進行反演研究，不僅簡單直接而且不用進行光譜變換，這樣既減少累積誤差，也符合野外實際環境，更有利于同遙感影像進行對應分析。有效地提高了反演模型的精度。

(4)由于積雪的凍融作用對融雪水下滲和潛水運移造成影響，從而對產匯流造成不穩定，通過對軍塘湖流域春季融雪期積雪的研究，可以在實現對春季融雪型洪水進行遙感監測以及遠程協助預報上有一定的幫助。

□

[1] Wang X,Xie H. New methods for studying the spatiotemporalvariation of snow cover based on combination products of MODIS Tenra and Aquan[J]. Journal of Hydrology,2009,371:192.

[2] Salomonson V V,Appel I. Estimating fractional snow coverfrom MODIS using the normatized difference snow index[J]. Remote Sensing of Environment,2004,89:351.

[3] CIark R N．Detailed Reference znformation[J]. Roush T L Journal of Geographical Research,1984,89(7)：6 329．

[4] 梁 繼，張新煥，王 建. 基于NDVI背景場的雪蓋制圖算法探索[J]. 遙感學報，2007，11(1)：85．

[5] 李培基. 中國積雪的分布[J]. 冰川凍土；1983,5(4)：9-27．

[6] 曹梅盛,李 新. 冰凍圈遙感[M]. 北京：科學出版社,2006.

[7] 王世杰. 利用NOAA/AVHRR影像資料估算積雪量的方法探討[J]. 冰川凍土，1998，20(1)：68-71．

[8] 梁天剛，吳彩霞，陳全功. 北疆牧區積雪圖像分類與雪深反演模型的研究[J]. 冰川凍土，2004，26(2)：160-165．

[9] 車 濤，李 新，高 峰. 青藏高原積雪深度和雪水當量的被動微波遙感反演[J]. 冰川凍土，2004，26(3)：363-368．

[10] 孫之文，施建成，蔣玲梅. 微波遙感反演中國兩部地區雪深、雨水當量算法初步研究[J]. 地球科學進展，2006，21(12)：1 363-1 369．

[11] 李 新，車 濤. 積雪被動微波遙感研究進展[J]. 冰川凍土，2007，29(3)：487-469．

[12] 黃慰軍，黃 鎮，崔彩霞. 新疆雪密度分布研究[J]. 中國農業氣象，2007，28(4)：383-385．

[13] 簡 季, 江洪, 江子山. 川西北米亞羅地區雪積/雪融光譜測量及光譜分析[J]. 光譜學與光譜分析，2011, 31(5):1 361-1 365.

[14] 劉 艷，張 璞，李 楊. 新疆北疆地區雪水當量遙感定量研究[J]. 紅外與毫米波學報，2011,30(2),115-119.

[15] 王 璐,藺啟忠,賈 東,等. 基于反射光譜預測土壤重金屬元素含量的研究[J]. 遙感學報，2007，11(6)906-913.

[16] 陳奕云. 基于可見-近紅外光譜的土壤部分重金屬含量提取[D]. 武漢：武漢大學, 2011.