基于多种光谱预处理的融雪期积雪深度定量模型研究

郭小云，刘志辉,3,4，徐 倩，闪 旭

(1.新疆大学资源与环境科学学院，乌鲁木齐 830046；2.新疆大学绿洲生态教育部重点实验室，乌鲁木齐 830046；3.新疆大学干旱生态环境研究所，乌鲁木齐 830046;4.干旱半干旱区可持续发展国际研究中心，乌鲁木齐 830046)

0 引 言

在干旱半干旱地区，积雪是水资源重要的补给方式，对区域的水分平衡有着重要的作用[1,2]。尤其是季节性积雪，是新疆天山北坡地区的生态环境影响因素中最活跃的影响因子，以及区域气候变化中最为敏感的响应因子之一[3-5]。大范围的积雪融化可能会导致各种自然灾害，而雪深是积雪灾害的重要诱发因子之一[6]。因此准确的监测雪深能够有效地提高积雪监测能力，从而对雪灾多发区及时的做好防灾减灾工作。目前国内外对积雪遥感的研究多为微波遥感雪深以及对雪水当量的提取[7-12]。近几年，国内许多学者在实地积雪光谱以及雪深测量的基础上，结合遥感数据，建立积雪深度反演模型，其中基于MODIS数据进行积雪深度反演的研究居多[13,14]。本文以春季融雪期的积雪为研究对象，采集积雪表面光谱反射率与雪深数据，根据MODIS影像的波段设置，对实测光谱波段进行区间划分并研究了积雪表面高光谱参数与积雪深度的相关关系，采取实测光谱以及光谱倒数之对数lg(1/R)这两个指标结合不同波段组合建立了融雪期雪深反演模型。通过对地物的实测光谱进行分析，根据其响应特征同遥感影像相结合，最终为遥感手段对地物的准确解译与今后进一步利用遥感影像监测积雪深度变化提供依据。

1 材料与方法

1.1 研究区概况

军塘湖流域位于新疆天山北坡昌吉州呼图壁县内。地处86°28′30″E，43°51′44″N，研究区平均海拔1 080 m，其积雪融化期为每年的2-4月，融雪期间最高气温16.78 ℃，最低气温-15.55 ℃，有少量降水。研究区的积雪时间一般为当年10月-次年的4月初，属于季节性积雪。次年的2月底至4月初，为该流域积雪融化期，在该期间，积雪的特性变化较为明显，适宜于对该研究区进行野外观测和数据的采集。并且数据采集点位于流域的中部，地表几乎无植被覆盖。该流域特点为面积小且基本闭合，流域完整且特征典型，同时近年来该流域融雪洪水发生较为频繁且典型。

1.2 数据采集与处理

研究中采用ASD Field ProⅢ光谱仪对积雪进行测量，波长范围350～2 500 nm，光谱分辨率为1.4～10 nm，分析软件采用ASD View Spec Pro。本研究采用的波段区间为350～1 300 nm，该区间包含了遥感常用的可见光和近红外波段。

野外光谱测量的时间为2011年3月中旬，测试时间选在北京时间的12∶00-16∶00进行，此时间与卫星传感器过顶的时间相近。测量期间天气状况良好，晴朗无云,风力较小。选择相同下垫面的5个样区，在2011年3月12日-19日对每个样区进行采样，同时测量该点雪深，雪深数据采用钢尺测量所得。采样时在每个样区内随机选择5个采样点，采用梅花桩采样法取样，取样的过程中严格按照规范操作。为了减小误差，每个采样点均测量5条光谱曲线，然后取平均后作为该样点光谱曲线。进行下一个采样点的测量前，要重新对地物光谱仪进行标定。最后取5个采样点的平均值作为该样区该时刻的光谱。

对测量获取的雪深反射率数据进行筛选，去除异常数据，选定33条光谱数据，其中23条数据用于模型的回归分析，其余10条用于模型检验 。所选33个雪深值的统计特征描述见表1。

表1 样本雪深值特征统计量Tab.1 The characteristic statistic of the snow depth

1.3 光谱指标选取

1.4 研究方法

Box和Cox在1964年提出了Box-Cox变换可以使线性回归模型满足线性性、独立性、方差齐性以及正态性的同时，又不丢失信息。 Box-Cox变换形式为：

(1)

式中：λ是待定系数，最优的λ可以使得对数似然函数l(λ)达到最大值。

(2)

2 结果与分析

2.1 光谱指标对雪深的响应

图1为不同深度积雪的表面反射光谱曲线及其变化特征。可以看出：积雪的光谱总体呈下降趋势，积雪深度与反射率呈现出良好的正相关关系。积雪深度增加，反射率也随之增加。不同深度积雪之间的光谱分离度较好，因此，研究区的积雪深度对可见光/近红外光谱具有良好的光谱响应特征。

图1 不同深度积雪的光谱响应曲线Fig.1 Curves of spectral response to snow with different depth

2.2 回归模型的建立与检验

表2 基于不同光谱指标与波段组合的雪深反演模型Tab.2 The prediction model based on different spectral indicates and band combination

图2 可见光波段反演雪深值与实测值的相关性检验Fig.2 The test of correlation between predicted snow depth and measured snow depth

图3 近红外波段反演雪深值与实测值的相关性检验Fig.3 The test of correlation between predicted snow depth and measured snow depth

3 结 语

(1)在可见光与近红外区间内，积雪深度与反射率呈现出良好的正相关关系，不同深度之间的光谱分离度较好，积雪深度对可见光/近红外光谱具有良好的光谱响应特征。

(2)采用可见光波段与近红外波段结合的波段组合预测积雪深度的建模与检验精度均高于单独使用可见光波段或近红外波段，为今后进一步利用遥感影像监测积雪深度变化研究中的波段选择提供依据。

(3)标准化比值在预测积雪深度的建模与检验精度两方面均高于其他3个指标，在后续研究中可以直接采用实测光谱的标准化比值进行反演研究，不仅简单直接而且不用进行光谱变换，这样既减少累积误差，也符合野外实际环境，更有利于同遥感影像进行对应分析。有效地提高了反演模型的精度。

(4)由于积雪的冻融作用对融雪水下渗和潜水运移造成影响，从而对产汇流造成不稳定，通过对军塘湖流域春季融雪期积雪的研究，可以在实现对春季融雪型洪水进行遥感监测以及远程协助预报上有一定的帮助。

□

[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 继，张新焕，王 建. 基于NDVI背景场的雪盖制图算法探索[J]. 遥感学报，2007，11(1)：85．

[5] 李培基. 中国积雪的分布[J]. 冰川冻土；1983,5(4)：9-27．

[6] 曹梅盛,李 新. 冰冻圈遥感[M]. 北京：科学出版社,2006.

[7] 王世杰. 利用NOAA/AVHRR影像资料估算积雪量的方法探讨[J]. 冰川冻土，1998，20(1)：68-71．

[8] 梁天刚，吴彩霞，陈全功. 北疆牧区积雪图像分类与雪深反演模型的研究[J]. 冰川冻土，2004，26(2)：160-165．

[9] 车 涛，李 新，高 峰. 青藏高原积雪深度和雪水当量的被动微波遥感反演[J]. 冰川冻土，2004，26(3)：363-368．

[10] 孙之文，施建成，蒋玲梅. 微波遥感反演中国两部地区雪深、雨水当量算法初步研究[J]. 地球科学进展，2006，21(12)：1 363-1 369．

[11] 李 新，车 涛. 积雪被动微波遥感研究进展[J]. 冰川冻土，2007，29(3)：487-469．

[12] 黄慰军，黄 镇，崔彩霞. 新疆雪密度分布研究[J]. 中国农业气象，2007，28(4)：383-385．

[13] 简 季, 江洪, 江子山. 川西北米亚罗地区雪积/雪融光谱测量及光谱分析[J]. 光谱学与光谱分析，2011, 31(5):1 361-1 365.

[14] 刘 艳，张 璞，李 杨. 新疆北疆地区雪水当量遥感定量研究[J]. 红外与毫米波学报，2011,30(2),115-119.

[15] 王 璐,蔺启忠,贾 东,等. 基于反射光谱预测土壤重金属元素含量的研究[J]. 遥感学报，2007，11(6)906-913.

[16] 陈奕云. 基于可见-近红外光谱的土壤部分重金属含量提取[D]. 武汉：武汉大学, 2011.