基于MODIS与UAV数据的青藏高原牧区积雪检测算法研究

【作者】 梁慧； 黄晓东； 王云龙； 梁天刚； 孙燕华；

【机构】 草地农业生态系统国家重点实验室兰州大学草地农业科技学院；

【摘要】 青藏高原是重要的牧区,也是三大积雪分布中心之一,积雪深度较浅且破碎化严重,冬春季大量的降雪引发灾害,严重制约着当地畜牧业的发展。利用遥感技术在地形复杂的青藏高原牧区进行大范围的积雪监测,对防灾减灾,维持草地畜牧业的可持续发展都具有极其重要的意义。针对MODIS全球标准积雪产品在该地区监测精度较差的问题。本研究基于无人机采样数据(UAV)与遥感影像数据(MODIS),通过构建线性回归模型(LR)、线性混合像元分解模型(LMSA)及BP神经网络模型(BP-ANN)进行MODIS积雪面积比例制图,并利用同时相的Landsat 8 OLI二值积雪数据与全球MODIS积雪面积比例产品(MOD10A1FSC)对其进行了精度验证与比较。旨在发展面向研究区的一套高精度的积雪制图算法,为准确评价整个青藏高原积雪变化奠定基础,同时为水文、气候模型提供更准确的输入因子。结果表明:(1)基于UAV与MODIS数据构建的LR模型与BP-ANN模型的整体反演结果最接近Landsat 8 OLI真值,精度与稳定性都有较大提高,相关系数r分别为0.8222和0.8349,均方根误差分别为0.2304和0.2268。(2)仅基于MODIS数据构建的LMSA模型(基于PPI端元提取算法)的精度与稳定性表现最差,r仅为0.7921,RMSE高达0.3485。在局部地区漏测现象严重,具体表现为最高的平均绝对误差(MAE=0.3485)与正向平均误差(PME=0.3411)。(3)MOD10A1 FSC(r=0.7838)的精度稍高于LSMA模型与前人类似的研究结果(r=0.7400),但远低LR和BP-ANN模型。(4)BP-ANN作为多因素模型是最佳的积雪面积比例反演模型,在青藏高原地区有较好的适应性,可以为研究区提供一种理想的积雪面积比例反演方法。更多还原