2013—2014年西藏阿里西部地區雪被覆蓋遙感動態監測

燕云鵬， 劉剛， 劉建宇， 韓聰， 趙子賢

(1.中國國土資源航空物探遙感中心，北京 100083； 2.中國地質大學(北京)，北京 100083)

?

2013—2014年西藏阿里西部地區雪被覆蓋遙感動態監測

燕云鵬1， 劉剛1， 劉建宇1， 韓聰2， 趙子賢2

(1.中國國土資源航空物探遙感中心，北京 100083； 2.中國地質大學(北京)，北京 100083)

利用2013年1月—2014年12月Landsat ETM和OLI中等分辨率衛星遙感數據，開展了西藏阿里西部地區雪被覆蓋遙感監測。通過統計計算，總結了2013—2014年監測區內雪被覆蓋面積的變化特點； 依托氣溫數據分析了雪被覆蓋面積變化與氣溫升降間的對應關系。結果表明： 每年雪被覆蓋范圍最大時間為2月立春節氣前后10 d，覆蓋百分比最大達到80.82%； 而雪被覆蓋范圍最小時間為8月立秋節氣前后10 d，覆蓋百分比最小只有0.77%。從年度周期來看，雪被覆蓋范圍從最大到最小的變化經歷了6～7個月，是個相對漸變的過程； 雪被覆蓋范圍達到最小后將經歷一個上下波動過程，歷時4～5個月； 雪被覆蓋范圍從上下波動到最大覆蓋范圍是相對驟變的過程，只經歷了約1個月。

藏北; 阿里地區; 冰凍圈; 遙感監測; 雪被

0 引言

雪被是我國西北部地區冬季地表特征監測分析的重要因子，也是水文地質遙感調查的重要內容之一。據6省災害大典記錄，建國以來至2008年青藏高原地區216個縣共計發生雪災3 228次[1-2]。在1971—2001年連續31 a西藏那曲地區的氣象記錄中，共有74個月發生雪災，約占總月數的1/5[3]。根據多年氣象資料統計，我國西北部地區位于典型的季節性積雪區，年周期性的穩定和不穩定積雪主要分布在青海、新疆和西藏等地，尤其是西藏的北部和西部地區。受高海拔地貌和高寒氣候的影響，這些地區漫長冷季的強降雪常常導致大雪封山，引發雪災，不僅給交通運輸及國民經濟建設帶來極大困難[4]，而且會對當地居民和基礎設施的安全造成嚴重威脅。因此在地廣人稀、氣候條件惡劣，但具有區位優勢和交通樞紐功能的關鍵地區開展雪被監測顯得十分重要[5]。

地面氣象站點可以準確地進行雪被相關信息的采集，可是由于站點分布范圍不均勻，尤其是在西北部邊遠地區，只有在地市級的中心城市才會有站點布設，很難滿足雪被及其雪災監測的需要。遙感技術因為觀測范圍廣，信息獲取量大，重訪速度快，實時性好和動態性強等特點，為開展邊遠地區的雪被監測提供了一種有效手段。對區域性雪被監測來說，遙感數據源的選擇一般以衛星數據為主，其中高分辨率數據雖然精度較高，但由于景幅范圍較小所帶來的獲取和處理成本較高而應用較少； 而空間分辨率為10～20 m之間的中等分辨率數據由于覆蓋范圍較大，大多獲取成本較為低廉，處理技術相對成熟，為目前的最佳選擇[6-8]。有學者在青海、新疆以及西藏的東南部地區開展過積雪相關的遙感調查監測相關研究[3，6，9]，而在西藏北部、西部地區的雪被覆蓋遙感調查相對較少。

本次監測充分發揮了遙感技術的優勢，選擇了研究程度較低的西藏阿里西部地區為研究區，采用多年中分辨率衛星遙感數據，監測該地區雪被分布情況，總結其變化規律，旨在為當地國土資源及交通等相關領域和社會經濟發展提供基礎數據服務。

1 研究區概況

研究區位于西藏阿里西部地區，地處青藏高原西南部，包括境內和境外2部分： 境內地區主要包括阿里地區的札達縣和噶爾縣的部分地區，面積約占3/4； 境外主要是印控克什米爾地區，面積約占1/4。該區作為中國的西北門戶之一有重要的區位優勢。工作區最小外包矩形坐標位置為N31°57′～33°12′，E78°39′～79°57′，總面積8 769 km2(圖1)。

圖1 研究區位置示意圖

該地區氣候為亞寒帶高原季風干旱氣候，表現為冷熱兩季交替： 冷季長達7個月，熱量低、降水少、風沙大； 暖季水汽豐富、降水量多。極端最高氣溫為26.1 ℃，極端最低氣溫為-39.2 ℃，氣溫高于0℃積溫天數為172～224 d，無霜期71～127 d。11月—翌年5月為本區的大風季節[10-11]。由于積雪分布受地形影響大、其分布區域間的聯系性及規律性均較差、因此監測時的統計工作量會很大，單靠目視解譯很難在短時間內得到比較理想的效果。本研究中利用積雪的特殊光譜特征，采用圖像處理軟件的分類分析功能，對不同時相的衛星遙感圖像進行雪被信息的計算機自動提取，形成監督分類的雪被覆蓋初始結果，再輔以人工交互解譯的方法，最終獲得雪被覆蓋監測專題的最終分類結果。

2 監測方法

阿里西部地區雪被覆蓋遙感監測技術流程主要包括數據源選擇、遙感數據處理、雪被覆蓋信息提取以及雪被覆蓋面積變化相關規律的分析研究等內容。具體技術流程如圖2所示。

圖2 藏北阿里西部地區雪被覆蓋監測技術流程圖

2.1 遙感數據選擇

根據監測目標的需求，目前應用較多的中等分辨率數據主要包括Landsat數據和國產GF-1的多光譜數據。經過查詢GF-1數據在本地區覆蓋較少，因此選擇Landsat數據開展本項監測工作。工作區范圍內Landsat數據涉及到2景影像，景號分別為146/37和146/38，共選擇19個時相的Landsat數據38景(包括26景Landsat8 OLI和12景Landsat7 ETM+)，數據情況如表1所示。

表1 遙感影像數據源具體情況

2.2 數據處理

遙感數據處理流程主要分為： 遙感數據預處理、影像糾正與配準、波段融合和圖像鑲嵌等技術處理環節。遙感數據預處理主要包括圖像噪聲處理和圖像波段配準處理2個步驟； 影像糾正與配準采用數字高程模型進行，幾何位置的重采樣模型采用一次多項式方法，而融合過程的亮度值重采樣模型選擇立方卷積法； 圖像鑲嵌時，為降低色調差異，2景圖像間進行了亮度匹配。

遙感圖像處理在ENVI中完成，而幾何糾正和專題提取等處理在ArcGIS中完成。在相鄰圖像重疊區內選擇同名點作為鑲嵌控制點，2景圖像同名地物點應嚴格對準，擬合中誤差應小于1個像元，中誤差公式為

(1)

式中：m為點位中誤差； △xi和△yi為隨機取樣點坐標差；n為隨機取樣點個數。

Landsat7 ETM與Landsat8 OLI相比處理時多了條帶問題的處理環節，這主要是由于SLC(機載掃描行校正器)出現問題所致。本次監測中主要采用ArcGIS的柵格函數功能進行條帶修復。去除壞線的主要技術思路為： 設置壞線處的無效值為0，進行掩模運算； 對于0值的區域，利用鄰域統計的方法去除這些無效值。

2.3 雪被覆蓋信息提取方法

根據不同地物在各個波段上的波譜反射率差異，雪被覆蓋專題信息的提取主要采用機器自動監督分類輔以人機交互解譯的方法進行識別。因為云和雪在遙感影像上比較相似，都有比較高的波譜反射率，因此在自動分類過程中容易引起誤分類。為此，本次監測過程中對于數據的云蓋度控制比較嚴格，經過多次測試，設定了閾值11%，只有少于11%云蓋度的影像才用于監測。在監測過程中對于有云覆蓋地區的遙感影像采用人機交互解譯的方法進行雪被范圍的提取。雪被提取結果以2013年9月18日為例，監測結果如圖3所示。

圖3 2013年9月18日阿里西部地區 雪被覆蓋范圍遙感監測結果

3 監測結果與分析

3.1 雪被覆蓋范圍的監測結果

2013—2014年期間雪被覆蓋面積變化的統計結果如圖4所示，其中缺失月份的監測結果取相鄰月份的均值代替。從以上結果可以看出，2 a的監測周期中雪被覆蓋范圍的變化經歷了2個從波峰向波谷逐漸過渡的變化過程。

圖4 2013—2014年阿里西部地區雪被覆蓋范圍 變化統計圖表

從月平均雪被覆蓋率相比較來看，2013年和2014年的年內月平均雪被覆蓋率分別為26.07%和22.95%，2014年比2013年下降了3.12%。從總體變化趨勢可以看出，1—8月間，僅2013年1—2月份是覆蓋率變大，其他月份的雪被覆蓋率都在逐漸變小； 而9—12月份期間，直至第2年，覆蓋率都在上下波動變化。9—12月份期間研究區的雪被覆蓋率變化頻繁，可能會在短短幾天內發生較大變化。如： 2013年10月28日影像監測顯示雪被覆蓋率只有5.19%，2013年11月21日的雪被覆蓋率達到了19.34%，2013年12月15日的雪被覆蓋率消融只剩4.61%，到2014年1月24日雪被覆蓋率達到了64.69%。雪被覆蓋率變化頻繁的原因，一方面是由于地區小氣候作用，可能會在局部短期內形成強降雪； 另一方面，由于本地區干旱少雨和強烈日照影響，雪被又會在短短幾天內大部消融。

從單月的雪被覆蓋變化來看，2個周期變化中雪被覆蓋率最大的時間均在1—2月份。其中2013年的最大時間出現在2月份，2013年2月14日達到了80.82%，在2013年1月29日已經達到了67.36%的覆蓋率，根據2013年4月11日的監測結果推算，3月份的雪被覆蓋率應該在58.19%。2014年的最大雪被覆蓋時間出現在1月24日，雪被覆蓋率達到了64.69%，而2013年12月份只有4.61%的覆蓋率，到2014年2月9日，雪被部分消融后覆蓋率變為49.53%。2個周期變化中雪被覆蓋率最小時間均為8月份，在此之前雪被覆蓋率持續下降。其中2013年的覆蓋率最小時間出現在8月1日，覆蓋率只有0.77%。而2014年年最小覆蓋率時間為8月20日，覆蓋率只有1.14%。

2個周期內，雪被覆蓋范圍的減小是個相對漸變的過程。2013—2014年的雪被覆蓋1—2月份最大覆蓋范圍(2013年2月份的80.82%和2014年1月份的64.69%)，均一直到6月份才縮減到20%以下； 而雪被覆蓋范圍的增加是一個相對驟變的過程，雪被覆蓋率從2013年12月15日的4.61%增加到2014年1月24日的64.69%只用了40 d，2014年11月24日的3.08%增加到2014年12月26日的32.06%也只用了32 d。

3.2 氣溫變化的統計分析

噶爾縣和札達縣2個氣象站點2013—2014年氣象資料統計分析結果表明，從2013年和2014年，無論最高溫、最低溫還是日均溫，都是1月份溫度最低，而7月份最高。2 a均為1—7月溫度逐漸上升，直到7月份為全年溫度最高月份； 8月—翌年1月，溫度逐漸降低，翌年1月，溫度降到全年最低(除2014年2月份的最高溫度仍然繼續降低，比2014年1月份的最高溫低0.56℃)。

對比來看，2014年的氣溫普遍比2013年高。2014年年平均最低氣溫比2013年上升了0.16℃； 年平均日均溫也比2013年上升了0.07℃，僅年平均最高溫比2013年略低0.02℃。

3.3 雪被覆蓋變化和氣溫變化之間的關系分析

剛進入冬季，溫度并未到達極低值，零星小雪不會形成大范圍的雪被持續覆蓋，因此雪被覆蓋面積百分比始終沒有到達20%以上。從氣象統計資料來看，2013年11月份接連3 d的降雪也未形成穩定的大范圍雪被覆蓋。

本次監測中2次最大范圍的雪被覆蓋范圍都發生在1—2月份，2013年的雪被最大范圍發生在2013年2月14日，達到80.82%，在此之前，2013年1月29日地表雪被覆蓋率已經達到了67.36%； 2014年的雪被最大范圍發生在1月24日，達到了64.69%。從氣溫資料數據來看，2013年1月29日前5 d的平均最高溫、最低溫和平均氣溫都達到了全年氣溫5 d均值(5 d平均最高溫、平均最低溫和平均氣溫)的最低點，分別為-13.30℃，-30.20℃和-21.75℃。可能受極端低溫持續作用的影響，盡管到2013年2月14日時氣溫有所回暖，但是仍然由于連續降雪影響使得雪被覆蓋范圍出現了全年的極大值。從2014年1月19—23日這5 d平均最高溫、最低溫和平均氣溫同樣達到或接近全年氣溫均值的最低點，分別為-7.40℃，-19.60℃(與全年最低溫均值-19.81℃接近)和-13.50℃，外加該段時間內的持續降雪作用(氣象資料顯示監測間期多達6 d降雪)，使得監測區內的雪被范圍達到了全年最大。

本次監測中2次最小雪蓋范圍都發生在8月，2013年的雪被最小范圍發生在2013年8月1日，達0.77%； 2014年雪被最小范圍發生在8月20日，達1.14%。從氣溫資料數據來看，2013年6月30日前5 d的平均最高溫、最低溫和平均氣溫，分別達到了21.50℃，8.70℃和15.10℃，雪被開始快速融化，面積大幅縮小； 進了7月份，氣溫繼續上升，分別達到了22.42℃，9.87℃和16.15℃，雪被加速融化，面積進一步縮小； 盡管從7月27—31日的氣溫平均數據22.20℃，9.20℃和15.70℃來看，比7月平均數據略有下降，可是仍要高于6月30日前5 d的均值，因此雪被繼續快速融化，面積繼續縮小。終于在8月1日達到了年度最小雪被覆蓋度0.77%。同樣，2014年5月16日前5 d的平均最高溫、最低溫和平均氣溫，分別達到了10.40℃，-1.80℃和4.30℃，雪被開始融化，面積縮小； 6月份平均氣溫上升，分別達到了17.63℃，3.66℃和10.64℃，雪被開始快速融化，面積大幅縮小； 7月份平均氣溫繼續上升，平均氣溫分別達到了21.35℃，9.00℃和15.18℃，雪被繼續加速融化，面積進一步縮小； 8月15—19日，在又經歷了一段相對較高溫度(平均最高溫、最低溫和平均氣溫分別達到了19.80℃，6.20℃和13.00℃)后，終于在8月20日達到了年度最小雪被覆蓋度1.14%。

總體來看，在2 a的周期內月均溫和雪被覆蓋百分比基本呈負相關現象，即隨著溫度增高，雪被覆蓋百分比逐漸減小； 而隨著溫度降低，雪被覆蓋百分比在逐漸增大。通過仔細分析，此二者的時間未嚴格對應，雪被覆蓋百分比的變化大約滯后1個月。如2013年和2014年2 a的月平均最高溫度的最大值都是出現在7月份，但是雪被覆蓋的最小值卻出現在8月份。對于月平均最高溫、最低溫和日均溫，2013年月均氣溫最小值均出現在1月份； 進入2月氣溫回升微弱，加上連續降雪作用，順延13 d后，在2月14日出現了雪被覆蓋百分比的最大值。2014年1月的月均最低溫和日均溫達到全年最低值，僅月均最高溫比2月稍高，尤其是1月19—23日這5 d平均最高溫、最低溫和平均氣溫低于或接近全年氣溫均值的最低點，分別為-7.40℃，-19.60℃(與全年最低溫均值-19.81℃接近)和-13.50℃，外加持續降雪作用導致出現雪被覆蓋百分比最大極值現象。從氣象統計數據發現，2 a雪被覆蓋極大值出現前5 d的最高溫度均值均為-7.40℃。

我國農歷節氣作為氣候概率的歸納總結，對于監測區內的雪被覆蓋范圍分布大小具有一定的指示意義： 2013年的最大雪被范圍分布時間發生在立春(2月4日)之后的10 d，而2014年的最大雪被范圍分布時間發生在立春(也為2月4日)前11 d； 2013年的最小雪被范圍分布時間發生在立秋(8月7日)前6 d，而2014年的最小雪被范圍分布時間發生在立秋(同為8月7日)之后13 d。

3.4 監測精度分析

為了檢驗雪被覆蓋范圍自動識別的精度，通過手動解譯圈定的方式進行驗證。選擇2014年5月16日的遙感影像，進行了人工解譯識別和精度分析，自動識別與目視解譯結果的對比如表2所示。

表2 雪被覆蓋面積自動識別與目視解譯結果對比表

由表2可知，2014年5月16日雪被覆蓋按照機器自動識別方式統計的面積百分比為22.06%，而目視解譯方式統計的面積百分比為23.30%，如果把目視解譯作為真值，則自動識別的的誤差只有5.32%。這說明雪被覆蓋范圍自動識別提取結果較為準確。

4 結論

1)對工作區2013—2014年雪被的遙感監測分析表明，每年雪被覆蓋范圍最大時間為1—2月； 而雪被覆蓋范圍最小的時間為8月。其中，2013年雪被覆蓋率最大時間為2月，達到了80.82%； 覆蓋率最小時間為8月，覆蓋率只有0.77%。而2014年，雪被最大覆蓋率發生于1月，達到了64.69%； 最小覆蓋率也發生于8月，只有1.14%。

2)雪被覆蓋面積變化，基本按年周期呈波浪式變動，面積減少持續時間較長，是相對漸變的過程； 而面積增加持續時間較短，是個相對驟變的過程。

3) 雪被覆蓋范圍的大小變化與氣溫的升降變化基本呈負相關。從總體趨勢圖上可以看出二者的升降趨勢有比較好的一致性，地表雪被覆蓋面積百分比的變化大約比氣溫變化滯后1個月。

4) 雪被覆蓋范圍的大小變化與我國農歷節氣具有一定的對應關系。

[1] 丁一匯.中國氣象災害大典:綜合卷[M].北京:氣象出版社,2008:746-824. Ding Y H.Chinese Meteorological Disasters Ceremony,Integrated Volume[M].Beijing:Meteorological Press,2008:746-824.

[2] 劉光軒.中國氣象災害大典:西藏卷[M].北京:氣象出版社,2008:148-157. Liu G X.Chinese Meteorological Disasters Ceremony,Xizang Volume[M].Beijing:Meteorological Press,2008:148-157.

[3] 王瑋,黃曉東,呂志邦,等.基于MODIS和AMER-E資料的青藏高原牧區雪被制圖研究[J].草業學報,2013,22(4):227-238. Wang W,Huang X D,Lyu Z B,et al.A study on snow mapping in the Tibetan Plateau based on MODIS and AMSR-E data[J].Acta Prataculturae Sinica,2013,22(4):227-238.

[4] 劉玉潔,鄭照軍,王麗波.我國西部地區冬季雪蓋遙感和變化分析[J].氣候與環境研究,2003,8(1):114-123. Liu Y J,Zheng Z J,Wang L B.Remote sensing on snow cover and variation analyzing in west of China[J].Climatic and Environmental Research,2003,8(1):114-123.

[5] 張焜,李曉民,馬世斌,等.GF-1圖像在中印邊境楚魯松杰村地質災害調查中的應用[J].國土資源遙感,2016,28(2):139-148.doi:10.6046/gtzyyg.2016.02.22. Zhang K,Li X M,Ma S B,et al.Application of GF-1 image to geological disaster survey in Cosibsumgy village of Sino-India border area[J].Remote Sensing for Land and Resources,2016,28(2):139-148.doi:10.6046/gtzyyg.2016.02.22.

[6] 于惠,張學通,王瑋,等.基于AMSR-E數據的青海省雪深遙感監測模型及其精度評價[J].干旱區研究,2011,28(2):255-261. Yu H,Zhang X T,Wang W,et al.Monitoring model and accuracy evaluation of snow depth in Qinghai Province based on AMSR-E data[J].Arid Zone Research,2011,28(2):255-261.

[7] 侯慧姝,楊宏業.MODIS積雪產品及研究應用概述[J].遙感技術與應用,2009,24(2):252-256. Hou H S,Yang H Y.A general introduction to MODIS snow products and its researching application[J].Remote Sensing Technology and Application,2009,24(2):252-256.

[8] 劉玉潔,袁秀卿,張紅.用氣象衛星資料監測積雪[J].環境遙感,1992,7(1):24-31. Liu Y J,Yuan X Q,Zhang H.Snow cover monitoring using meteorlogical satellite data[J].Remote Sensing of Environment China,1992,7(1):24-31.

[9] 馬麗云,李建剛,李帥.基于FY-3/MERSI數據的新疆融雪性洪水災害監測[J].國土資源遙感,2015,27(4):73-78.doi:10.6046/gtzyyg.2015.04.12. Ma L Y,Li J G,Li S.Snowmelt flood disaster monitoring based on FY-3/MERSI in Xinjiang[J].Remote Sensing for Land and Resources,2015,27(4):73-78.doi:10.6046/gtzyyg.2015.04.12.

[10]張鐿鋰,李炳元,鄭度.論青藏高原范圍與面積[J].地理研究,2002,21(1):1-8. Zhang Y L,Li B Y,Zheng D.A discussion on the boundary and area of the Tibetan Plateau in China[J].Geographical Research,2002,21(1):1-8.

[11]孫鴻烈.青藏高原的形成演化[M].上海:上海科學技術出版社,1996:1-9. Sun H L.Formation and Evolution of Qinghai-Xizang Plateau[M].Shanghai:Shanghai Science and Technology Publishing House,1996:1-9.

(責任編輯： 邢宇)

Snow cover remote sensing monitoring in the west of Ngari area in northern Tibet from 2013 to 2014

YAN Yunpeng1， LIU Gang1， LIU Jianyu1， HAN Cong2， ZHAO Zixian2

(1.ChinaAeroGeophysicalSurveyandRemoteSensingCenterforLandandResources,Beijing100083,China； 2.ChinaUniversityofGeosciences(Beijing),Beijing100083,China)

Based on medium resolution satellite remote sensing (RS) data Landset ETM and OLI from 2013 to 2014, the authors conducted snow cover RS monitoring in the west of Ngari area in northern Tibet. Changing characteristics of snow-covered area over the two years were summed up by utilizing the statistical calculation method. Using the air temperature data, the authors studied in detail the corresponding rule between the snow-covered area changes and the air temperature value changes. Some conclusions have been reached: Every year the maximum period of the snow-covered area is from January to February, about 10 days before or after the beginning of spring. The maximum percentage of the snow-covered area reaches 80.82 percent. The minimum period of the snow-covered area is August, about 10 days before or after the beginning of autumn. The minimum percentage of the snow-covered area is only 0.77 percent. Annually, the decrease from the maximum percentage of the snow-covered area to the minimum percentage lasts for 6-7 months, which is a relatively gradual process. In the second stage, there is a fluctuation percentage of the snow-covered area for about 4-5 months. At last, the increase from the fluctuation percentage to the maximum percentage is a relatively drastic process lasting for 1 month or so.

northern Tibet； Ngari area; cryosphere； remote sensing monitoring； snow cover

10.6046/gtzyyg.2016.04.28

燕云鵬，劉剛，劉建宇,等.2013—2014年西藏阿里西部地區雪被覆蓋遙感動態監測[J].國土資源遙感,2016,28(4):185-190.(Yan Y P，Liu G，Liu J Y,et al.Snow cover remote sensing monitoring in the west of Ngari area in northern Tibet from 2013 to 2014[J].Remote Sensing for Land and Resources,2016,28(4):185-190.)

2015-05-31；

2015-07-06

中國地質調查局地質調查項目“西北邊境地區國土資源遙感綜合調查”(編號： 12120113003300)與“全國邊海防地區基礎地質遙感調查”(編號： DD20160076)共同資助。

TP 79

A

1001-070X(2016)04-0185-06

燕云鵬(1977-)，男，博士，高級工程師，長期從事環境地質調查研究與地學數據庫建設工作。 Email: ypyan@sohu.com。