基于多源數(shù)據(jù)的松嫩平原黑土區(qū)亞像元雪蓋率算法研究

王子龍 胡石濤 付 強 姜秋香 印玉明

(東北農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院， 哈爾濱 150030)

0 引言

積雪是重要的地表覆蓋物之一，北半球冬季的雪蓋面積可達5×107km2，積雪覆蓋率達到30%以上[1-2]。積雪的時空分布及其參數(shù)特性對高緯度、高海拔地區(qū)的氣象、水文狀況有顯著影響，并且對全球水資源利用、大氣循環(huán)、農(nóng)作物墑情預(yù)報和氣候變暖等研究具有重要意義[3]，同時積雪還是一種至關(guān)重要的淡水資源[4]。因此，完善積雪監(jiān)測系統(tǒng)，提高積雪面積制圖精度，實現(xiàn)對積雪覆蓋信息的量化研究，對我國寒區(qū)農(nóng)業(yè)種植及經(jīng)濟社會發(fā)展具有獨特作用[5]。

目前，國內(nèi)外學(xué)者針對不同的地表環(huán)境開展了一系列雪蓋制圖研究，通用的算法主要是二值分類法和亞像元制圖法[6]。二值分類法是基于積雪與其他地物不同的光譜特性，借助設(shè)定NDSI閾值、決策樹分類等方法，最終將影像中地物區(qū)分為積雪或非雪。HALL等[7]最先提出SNOMAP算法，利用Landsat/TM數(shù)據(jù)將地物進行分類并完成雪蓋制圖。但是該方法只能將像元內(nèi)地物分為積雪或非雪像元，導(dǎo)致雪蓋反演中存在明顯的高估或低估現(xiàn)象，因此很難滿足高精度反演研究的需求。

為了解決普遍存在的像元內(nèi)地物混合問題，研究者提出了混合像元分解法[6,8-10]和統(tǒng)計回歸法[11-13]，實現(xiàn)了亞像元雪蓋制圖。通過混合像元分解完成雪蓋反演的算法雖然極大地提高了積雪制圖精度，但其要求提取“純凈端元”并應(yīng)用最小二乘法計算端元組分比例，計算過程復(fù)雜，很難在大范圍內(nèi)進行實踐，從而限制了此算法的推廣[14]。統(tǒng)計回歸法通過分析NDSI與積雪覆蓋率之間的關(guān)系，建立線性回歸模型反演逐像元雪蓋率[1]，借助區(qū)域內(nèi)通用模型，利用MODIS數(shù)據(jù)的NDSI值反演像元雪蓋率，提高大范圍區(qū)域內(nèi)像元雪蓋率的計算效率，有利于推廣應(yīng)用。SALOMOSON等[13]將美國、俄羅斯、加拿大境內(nèi)的3個地區(qū)作為研究區(qū)，基于NDSI值與由Landsat/ETM+數(shù)據(jù)提取的真實雪蓋率之間的線性回歸關(guān)系建立反演模型。國內(nèi)學(xué)者也開展了不同地區(qū)的相關(guān)研究，張穎等[15]針對MOD10A1數(shù)據(jù)在青藏高原雪蓋率反演中存在精度較低等問題，利用MODIS地表反射率數(shù)據(jù)建立分段模型反演雪蓋率，提高了反演精度；曹云剛等[3]基于MODIS數(shù)據(jù)建立雪蓋率與NDSI、歸一化植被指數(shù)(Normalized differential vegetation index，NDVI)等因子間的回歸模型，改進了反演模型。

鑒于不同的地理環(huán)境會對雪蓋率與NDSI之間關(guān)系的穩(wěn)定性產(chǎn)生影響，為了進一步提高局部區(qū)域內(nèi)雪蓋率估算的精度，本文改進SALOMOSON模型，建立逐像元雪蓋率估算模型，以松嫩平原黑土區(qū)為研究區(qū)，將Landsat8 OLI影像提取的積雪像元假設(shè)為地表真實雪蓋，進而逐像元建立MODIS像元雪蓋率與相應(yīng)NDSI值間的回歸關(guān)系模型，并與FSC數(shù)據(jù)進行對比分析，驗證本研究反演方法提取積雪信息的優(yōu)越性。結(jié)果將作為計算雪水當量的輸入數(shù)據(jù)，以期為實現(xiàn)寒區(qū)農(nóng)田土壤春熵預(yù)報提供數(shù)據(jù)支持。

1 研究區(qū)概況與數(shù)據(jù)集

1.1 研究區(qū)概況

研究區(qū)為松嫩平原黑土區(qū)，松嫩平原土壤肥沃、地勢平坦，是黑龍江省糧食主產(chǎn)區(qū)和我國商品糧生產(chǎn)基地；松嫩平原黑土區(qū)是我國東北黑土區(qū)的主要組成部分[16]，作為松嫩平原內(nèi)集中連片的黑土區(qū)域，具有良好的地理典型性和區(qū)域代表性。圖1為研究區(qū)高程圖與地表反射率數(shù)據(jù)MOD09GA 6、4、2波段合成影像，其中藍色部分為雪蓋范圍。研究區(qū)所在的東北地區(qū)是我國三大季節(jié)性積雪區(qū)域之一，是典型的高緯積雪帶，范圍為44°～52°N、124°～130°E。

圖1 研究區(qū)高程圖與MOD09GA 6、4、2波段合成影像Fig.1 Elevation map and MOD09GA 6, 4 and 2 band synthesis images of study region

1.2 數(shù)據(jù)集

1.2.1MODIS數(shù)據(jù)

MODIS是搭載于美國對地觀測系統(tǒng)(Earth observation system，EOS)Terra和Aqua衛(wèi)星上的主要傳感器之一，光譜范圍0.4～14.4 μm，共有36個光譜波段，具有較高的時空分辨率。在綜合考慮穩(wěn)定雪蓋期、避免云層影響、傳感器周期及數(shù)據(jù)代表性等因素的基礎(chǔ)上，本文收集了2016年12月17日的4景無云MODIS/Terra地表反射率數(shù)據(jù)(MOD09GA)反演積雪覆蓋率，此時距初雪日已有一個月間隔，地表雪蓋對反映同時期研究區(qū)內(nèi)的整體降雪情況具有較好的代表性。另外選用了4景同時相的MOD10A1 FSC數(shù)據(jù)與反演結(jié)果進行對比驗證，兩種數(shù)據(jù)均來源于美國國家雪冰數(shù)據(jù)中心(National snow and ice data center，NSIDC)，版本為V005，分辨率為500 m，數(shù)據(jù)格式為HDF，一般投影為正弦曲線投影[17]。

1.2.2OLI數(shù)據(jù)

OLI數(shù)據(jù)波段信息如表1所示，相對于MODIS數(shù)據(jù)，具有更高的空間分辨率，可以獲取更加詳細的地表積雪參數(shù)信息，還包括了對積雪信息識別極其重要的短波紅外(Shortwave infrared，SWIR)波段，有利于中小范圍的積雪反演研究[18]，同時，具有較高分辨率的OLI影像往往被當做驗證低分辨率影像(如MODIS數(shù)據(jù))的“真值”數(shù)據(jù)。數(shù)據(jù)可以從美國地質(zhì)勘探局(United states geological survey，USGS)官網(wǎng)下載。本文主要收集了11景與MOD10A1 FSC、MOD09GA數(shù)據(jù)同時相的Landsat8 OLI數(shù)據(jù)。

表1 Landsat8 OLI數(shù)據(jù)波段信息Tab.1 Band information of Landsat8 OLI data

2 研究方法

2.1 數(shù)據(jù)預(yù)處理

2.1.1MODIS數(shù)據(jù)

MOD09GA原始數(shù)據(jù)已經(jīng)過輻射定標、大氣校正等處理[19]，利用MODIS數(shù)據(jù)處理軟件MRT(MODIS reprojection tools)對獲得的原始數(shù)據(jù)進行格式轉(zhuǎn)換、坐標變換，文件格式輸出為Geo-TIFF格式，將原投影轉(zhuǎn)換成基準面為WGS84的通用墨卡托(Universal transverse mercator projection，UTM)投影系統(tǒng)，空間分辨率為500 m，重采樣選用最鄰近法，提取影像的反射率值，利用研究區(qū)“松嫩平原黑土區(qū)”的行政邊界矢量數(shù)據(jù)進行裁剪得到研究區(qū)范圍內(nèi)的影像數(shù)據(jù)，最后通過ENVI軟件計算得到NDSI；針對MOD10A1數(shù)據(jù)，預(yù)處理手段與MOD09GA數(shù)據(jù)一致，最終輸出FSC數(shù)據(jù)[20]，然后根據(jù)FSC數(shù)據(jù)集的像元編碼意義(表2)，提取積雪覆蓋率信息，由于積雪面積比例數(shù)據(jù)中包含多類無意義編碼，文中只提取(0,100]范圍內(nèi)的像元值，其余值(無效值)不參與計算。NDSI計算公式為

NDSI=(b4-b6)/(b4+b6)

(1)

式中b4——MODIS數(shù)據(jù)第4波段反射率

b6——MODIS數(shù)據(jù)第6波段反射率

表2 MOD10A1 FSC像元編碼及含意Tab.2 Pixel coding and meaning of MOD10A1 FSC

2.1.2OLI數(shù)據(jù)

OLI數(shù)據(jù)與其他Landsat系列數(shù)據(jù)類似，標示為L1T級，原始影像格式默認為Geo-TIFF格式，投影系統(tǒng)默認是基準面為WGS84的UTM投影系統(tǒng)，數(shù)據(jù)已經(jīng)過地形參與的幾何精校正[21]。由于本文定量反演積雪信息需要利用地表反射率數(shù)據(jù)，因此需要對OLI數(shù)據(jù)進行大氣校正處理。針對OLI數(shù)據(jù)的預(yù)處理主要包括大氣校正、輻射校正、影像拼接、裁剪等。通過輻射校正將原始影像的像元亮度(Digital number，DN)轉(zhuǎn)換為大氣頂層表觀輻射亮度，之后需要對影像進行大氣校正處理，將輻射校正結(jié)果轉(zhuǎn)換為地表反射率，去除大氣因素對影像的影響。

L=ad+b

(2)

式中L——轉(zhuǎn)換得到的大氣頂層表觀輻射亮度

d——影像DN值

a——增益系數(shù)b——偏移系數(shù)

2.2 逐像元估算模型建立

2.2.1OLI數(shù)據(jù)積雪信息提取

針對Landsat系列數(shù)據(jù)，一般利用SNOMAP算法識別積雪信息，該算法的關(guān)鍵是NDSI閾值法。對于OLI數(shù)據(jù)，首先計算NDSI

NDSI=(RVIS-RSWIR)/(RVIS+RSWIR)

(3)

式中RVIS——可見光波段反射率

RSWIR——SWIR波段反射率

通過設(shè)定NDSI閾值并利用決策樹分類法完成積雪與非積雪地物的區(qū)分，OLI數(shù)據(jù)中的第3、6波段分別對應(yīng)式(3)中的可見光和短波紅外波段。

根據(jù)HALL等[7]研究，SNOMAP算法中將NDSI閾值設(shè)為0.4，能夠有效地區(qū)分云霧并識別積雪信息，即滿足像元NDSI大于等于0.4，且同時滿足R2>0.10、R4>0.11(R2、R4分別為MODIS數(shù)據(jù)第2、4波段的反射率)時，將該像元識別為積雪像元。該閾值在NSIDC發(fā)布的MODIS全球雪蓋產(chǎn)品中作為通用閾值，并且在國內(nèi)不同研究區(qū)中得到了驗證[15,17,22]，同時考慮到本研究區(qū)內(nèi)沒有相應(yīng)結(jié)論可作參考的現(xiàn)實情況，本文也將此閾值作為識別積雪像元信息的標準。本文采用經(jīng)驗的決策樹分類方法分別設(shè)定R3>0.10、R5>0.11(R3、R5分別為OLI數(shù)據(jù)第3、5波段的反射率)兩個附加條件以避免暗物質(zhì)及結(jié)冰水體被誤識為積雪[15]，生成分辨率為30 m的二值積雪分類圖。

2.2.2雪蓋率“真值”計算

本文提出的真實雪蓋率是指任一MODIS像元內(nèi)二值圖中積雪像元所占的比例。以高分辨率為30 m的OLI數(shù)據(jù)提取得到的積雪數(shù)據(jù)作為積雪像元“真值”，MODIS數(shù)據(jù)經(jīng)重采樣后分辨率為480 m，從而每個MODIS像元內(nèi)包含對應(yīng)的256個OLI像元。對每個MODIS像元內(nèi)包含的二值積雪像元數(shù)進行統(tǒng)計，計算相應(yīng)MODIS像元的雪蓋率(Snow cover fraction，F(xiàn)RA)，針對二值圖與對應(yīng)MODIS像元疊合時邊緣處存在的零碎(非整個)像元，最后通過所占面積比例統(tǒng)計，計算公式為

(4)

式中nsnow——MODIS像元內(nèi)包含二值圖中積雪像元的數(shù)目

N——MODIS像元內(nèi)二值圖包含的像元個數(shù)，為256

利用Create Fishnet工具建立與像元大小一致網(wǎng)格，進一步計算出每個MODIS像元對應(yīng)網(wǎng)格內(nèi)包含的OLI數(shù)據(jù)值為1(即雪像元)的個數(shù)，最后利用式(4)統(tǒng)計得到每個MODIS像元對應(yīng)的FRA值。

2.2.3模型建立

積雪混合像元通常是指低分辨率影像識別的積雪像元內(nèi)并非完全是積雪，而是包括積雪和非積雪兩類地物信息的現(xiàn)象。SALOMOSON等[13]基于統(tǒng)計回歸方法建立反映MODIS影像的NDSI與對應(yīng)像元內(nèi)雪蓋率之間關(guān)系的線性回歸模型。模型分為2種，分別為：

模型1

NDSI=a1FRA+b1

(5)

模型2

FRA=a2NDSI+b2

(6)

式中a1、b1、a2、b2——模型參數(shù)

由于受到“Errors-in-variables”問題[23-24]的影響，以上2個模型最后構(gòu)建的線性方程不能重合。因此，需要探討選用哪個模型更為合理。在線性回歸模型的構(gòu)建中往往是假設(shè)自變量值固定，因變量值隨自變量變化并受到隨機因素影響而存在相應(yīng)誤差[24]。因為MODIS影像的分辨率較低且計算得到的NDSI值容易受到大氣、傳感器本身等因素的影響，利用OLI數(shù)據(jù)提取的MODIS雪蓋率真值比利用MODIS數(shù)據(jù)通過波段運算得到的NDSI值更為固定，因此，本文選用模型1建立回歸模型。最后對比MOD10A1 FSC數(shù)據(jù)與反演模型結(jié)果，通過計算與基于OLI影像獲得的MODIS雪蓋率真值的均方根誤差及平均絕對誤差，分析反演模型與標準產(chǎn)品的精度。

3 反演算法驗證與精度分析

對比OLI數(shù)據(jù)提取的雪蓋率“真值”與FSC數(shù)據(jù)之間的相關(guān)關(guān)系，表明FSC數(shù)據(jù)僅能反映出松嫩平原黑土區(qū)的地表積雪的基本分布狀況，在山區(qū)及城市邊緣地區(qū)兩者積雪分布存在較大差別(圖2)，同時其易受到自然因素(云、霧霾等)的影響導(dǎo)致部分地區(qū)的積雪數(shù)據(jù)異常，從而不能準確反映研究區(qū)地表真實的積雪面積等參數(shù)信息，很難滿足當前積雪參數(shù)反演研究的高精度要求，因此，需要建立能夠更好適應(yīng)特定地區(qū)雪蓋率反演研究的算法及模型。

圖2 MOD10A1 FSC數(shù)據(jù)與OLI影像提取的積雪分類圖Fig.2 Snow classification maps of MOD10A1 FSC data and OLI image

圖3為MODIS各像元的NDSI值與雪蓋率“真值”之間的散點圖。由圖可見雪蓋率值主要集中在2個區(qū)間(右上角高值區(qū)和左下角低值區(qū))，高值區(qū)(雪蓋率大于0.8)數(shù)據(jù)集聚是由于區(qū)域內(nèi)存在連續(xù)的大面積雪蓋，同時在季節(jié)性積雪區(qū)往往會將結(jié)冰后河流湖泊誤識為地表雪蓋，從而高估了雪蓋率；而低值區(qū)(雪蓋率小于0.1)出現(xiàn)集中主要是由于大量非積雪像元的存在[25]，大面積的山區(qū)、林地也導(dǎo)致地表積雪覆蓋不均勻，此外還有光學(xué)傳感器極易受到自然因素影響的原因。本文采用模型1建立線性模擬方程，可以在一定程度上改善模型2存在的在極值區(qū)高估、低估雪蓋率的問題，同樣也存在低估高值區(qū)積雪系數(shù)的問題[16]。研究認為：在雪蓋率高值區(qū)，當雪蓋率值超過一定限度后，對NDSI值影響最大的因素是雪粒徑等積雪性質(zhì)，而不再是積雪的覆蓋率；對于低值區(qū)，受復(fù)雜地表覆蓋物等因素的影響，NDSI與FRA之間的相關(guān)度呈現(xiàn)下降趨勢。因此，通過NDSI值與像元雪蓋率的相關(guān)關(guān)系建立回歸模型反演得到的積雪覆蓋率“估值”會存在一定的誤差，之后的研究中需要針對此問題不斷進行完善。

圖3 NDSI值與雪蓋率“真值”散點圖Fig.3 Scatter diagram of NDSI and FRA

為了評估反演模型的精度并對其進行對比驗證，本文選擇將反演估算結(jié)果與同時相的FSC數(shù)據(jù)進行對比，將得到的反演模型估算結(jié)果、FSC數(shù)據(jù)分別與基于OLI數(shù)據(jù)提取的雪蓋率真值進行誤差統(tǒng)計分析(表3)并對模型估算值的精度進行驗證，結(jié)果表明：①FSC數(shù)據(jù)在松嫩平原黑土區(qū)精度較低，平均雪蓋率為80.21%，與同時相OLI影像的平均雪蓋率(87.71%)相差較大，兩者之間的相關(guān)系數(shù)僅為0.58。②利用MOD09GA數(shù)據(jù)建立的亞像元雪蓋率反演模型得到的平均雪蓋率為85.28%，與同時相的OLI影像較為接近，且兩者相關(guān)系數(shù)為0.66，相對于FSC數(shù)據(jù)來說，雪蓋率與相關(guān)度有了明顯提高。③本文反演模型的估算結(jié)果與FSC數(shù)據(jù)相比，誤差統(tǒng)計結(jié)果(均方根誤差、平均絕對誤差)均有所降低。其中，對亞像元反演模型得到的估算結(jié)果進行統(tǒng)計時，雪蓋率大于1的則將值重新賦值為1，而雪蓋率小于0的則賦值為0[19]。

表3 反演模型與FSC數(shù)據(jù)的誤差統(tǒng)計Tab.3 Error statistics of inversion model and FSC data

4 結(jié)論

(1)借鑒SALOMOSON模型對松嫩平原黑土區(qū)建立逐像元的雪蓋率反演模型，利用MOD09GA、OLI數(shù)據(jù)參與計算和分析，對模型反演結(jié)果進行了精度驗證和不足分析。研究發(fā)現(xiàn)，利用OLI數(shù)據(jù)作為數(shù)據(jù)源進行亞像元雪蓋率研究是可行的，提高了研究區(qū)的雪蓋率反演精度，解決了二值分類法存在的雪蓋率估算誤差較大等問題。

(2)SNOMAP算法利用NDSI閾值法進行積雪像元識別時，將閾值設(shè)為0.4作為判識標準在研究區(qū)內(nèi)是可行的，結(jié)果基本符合地表雪蓋現(xiàn)狀，可為之后的積雪參數(shù)反演研究提供參考。

(3)基于反演算法得到的雪蓋率與雪蓋率“真值”數(shù)據(jù)相比，相對于MOD10A1 FSC數(shù)據(jù)在精度上有了明顯提高，誤差相對減小，在一定程度上滿足當前大范圍雪蓋率反演精度的要求，對該地區(qū)雪蓋監(jiān)測提供數(shù)據(jù)支持。

1 劉良明,徐琪,胡玥,等. 利用非線性NDSI模型進行積雪覆蓋率反演研究[J]. 武漢大學(xué)學(xué)報：信息科學(xué)版,2012,37(5):534-536.

LIU Liangming,XU Qi,HU Yue,et al. Estimating fractional snow cover based on nonlinear NDSI model[J]. Geomatics and Information Science of Wuhan University,2012,37(5):534-536.(in Chinese)

2 ROBINSON D A, DEWEY K F, HEIM J R R. Global snow cover monitoring: an update[J]. Bulletin of the American Meteorological Society, 1993, 74(9): 1689-1696.

3 曹云剛,劉闖.一種簡化的MODIS亞像元積雪信息提取方法[J].冰川凍土,2006,28(4):562-567.

CAO Yungang,LIU Chuang. A simplified algorithm for extracting subpixel snow cover information from MODIS data[J]. Journal of Glaciology &Geocryology, 2006, 28(4):562-567.(in Chinese)

4 劉海,陳曉玲,宋珍,等. MODIS影像雪深遙感反演特征參數(shù)選擇與模型研究[J]. 武漢大學(xué)學(xué)報：信息科學(xué)版,2011,36(1):113-116,121.

LIU Hai,CHEN Xiaoling,SONG Zhen,et al. Study of characteristic parametric selection and model construction for snow depth retrieval from MODIS image[J].Geomaticsand Information Science of Wuhan University,2011, 36(1):113-116,121.(in Chinese)

5 何詠琪,黃曉東,方金,等.基于HJ-1B衛(wèi)星數(shù)據(jù)的積雪面積制圖算法研究[J].冰川凍土,2013,35(1): 65-73.

HE Yongqi,HUANG Xiaodong,FANG Jin,et al. Snow cover mapping algorithm based on HJ-1B satellite data[J]. Journal of Glaciology & Geocryology, 2013, 35(1):65-73.(in Chinese)

6 施建成. MODIS亞像元積雪覆蓋反演算法研究[J]. 第四紀研究,2012,32(1):6-15.

SHI Jiancheng.An automatic algorithm on estimating subpixel snow cover from MODIS[J].Quaternary Sciences,2012,32(1):6-15.(in Chinese)

7 HALL D K,RIGGS G A, SALOMOSON V V. Development of methods for mapping global snow cover using moderate resolution imaging spectroradiometer data[J]. Remote Sensing of Environment, 1995, 54(2): 127-140.

8 ROSENTHAL W,DOZIER J. Automated mapping of montane snow cover at subpixel resolution from the Landsat Thematic Mapper[J]. Water Resources Research, 1996, 32(1): 115-130.

9 PAINTER T H,DOZIER J,ROBERTS D A,et al. Retrieval of subpixel snow-covered area and grain size from imaging spectrometer data[J]. Remote Sensing of Environment, 2003, 85(1): 64-77.

10 PAINTER T H,RITTGER K,MCKENZIE C,et al. Retrieval of subpixel snow covered area, grain size, and albedo from MODIS[J]. Remote Sensing of Environment, 2009, 113(4): 868-879.

11 KAUFMAN Y J,KLEIDMAN R G,HALL D K,et al. Remote sensing of subpixel snow cover using 0.66 and 2.1 μm channels[J]. Geophysical Research Letters, 2002, 29(16):28-1-28-4.

12 BARTON J S,HALL D K,RIGGS G A. Remote sensing of fractional snow cover using moderate resolution imaging spectroradiometer (MODIS) data[C]∥Proceedings of the 57th Eastern Snow Conference, 2000: 171-183.

13 SALOMOSON V V,APPEL I. Estimating fractional snow cover from MODIS using the normalized difference snow index[J]. Remote Sensing of Environment, 2004, 89(3): 351-360.

14 唐志光,王建,彥立利,等.基于MODIS的青藏高原亞像元積雪覆蓋反演[J].干旱區(qū)資源與環(huán)境,2013,27(11):33-38.

TANG Zhigang,WANG Jian,YAN Lili,et al. Estimating sub-pixel snow cover from MODIS in Qinghai-Tibet Plateau[J]. Journal of Arid Land Resources & Environment, 2013, 27(11):33-38.(in Chinese)

15 張穎,黃曉東,王瑋,等. MODIS逐日積雪覆蓋率產(chǎn)品驗證及算法重建[J]. 干旱區(qū)研究,2013,30(5):808-814.

ZHANG Ying,HUANG Xiaodong,WANG Wei,et al. Validation and algorithm redevelopment of MODIS daily fractional snow cover products[J]. Arid Zone Research, 2013, 30(5):808-814.(in Chinese)

16 劉繼龍,任高奇,付強,等. 松嫩平原黑土區(qū)玉米穗質(zhì)量構(gòu)成要素的空間變異性研究[J/OL]. 農(nóng)業(yè)機械學(xué)報,2016,47(12):178-184,222. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20161222&journal_id=jcsam.DOI:10.6041/j.issn.1000-1298.2016.12.022.

LIU Jilong,REN Gaoqi,FU Qiang,et al.Spatial variability of components of corn ear weight in black soil region of Songnen Plain[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2016,47(12):178-184,222.(in Chinese)

17 李云,馮學(xué)智,肖鵬峰,等. 巴音布魯克典型區(qū)MODIS亞像元積雪覆蓋率估算[J]. 南京大學(xué)學(xué)報：自然科學(xué),2015,51(5):1022-1029.

LI Yun,FENG Xuezhi,XIAO Pengfeng,et al.Estimating per-pixel snow cover fraction from MODIS in typical area of Bayanbulak[J].Journal of Nanjing University:Natural Sciences,2015,51(5):1022-1029.(in Chinese)

18 王曉艷,王建,李弘毅,等. NDSI與NDFSI結(jié)合的山區(qū)林地積雪制圖方法[J]. 遙感學(xué)報,2017,21(2):310-317.

WANG Xiaoyan,WANG Jian,LI Hongyi,et al.Combination of NDSI and NDFSI for snow cover mapping in Mountainous-Forested[J].Journal of Remote Sensing,2017,21(2):310-317.(in Chinese)

19 王杰,黃春林,郝曉華.一種考慮雪粒徑變化的積雪面積反演算法[J].地球信息科學(xué)學(xué)報,2017,19(1):101-109.

WANG Jie,HUANG Chunlin,HAO Xiaohua.An algorithm of snow cover fraction retrieval considering the variability of snow particle size[J].Journal of Geo-information Science,2017,19(1):101-109.(in Chinese)

20 梁天剛,高新華,黃曉東,等.新疆北部MODIS積雪制圖算法的分類精度[J].干旱區(qū)研究,2007,24(4):446-452.

LIANG Tiangang,GAO Xinhua,HUANG Xiaodong,et al. Study on the accuracy of MODIS snow cover mapping algorithm in northern Xinjiang[J]. Arid Zone Research, 2007, 24(4):446-452.(in Chinese)

21 樊曉兵. 復(fù)雜山區(qū)MOD10A1積雪面積數(shù)據(jù)精度變化研究[D].成都：西南交通大學(xué),2016.

FAN Xiaobing.The study of accuracy variation of MOD10A1 snow cover datas in Rugged Terrain[D].Chengdu:Southwest Jiaotong University,2016.(in Chinese)

22 鄧婕. 基于多源遙感資料的中國積雪制圖及其時空變化研究[D].蘭州：蘭州大學(xué),2016.

DENG Jie.Snow mapping and its dynamics using multi-source remote sensing data in China[D].Lanzhou: Lanzhou University,2016.(in Chinese)

23 FULLER W A．Measurement error models[M]．New York: Wiley，1987: 30-59.

24 時正華,袁永生. Errors-in-variables模型的參數(shù)估計[J].曲阜師范大學(xué)學(xué)報：自然科學(xué)版,2005,31(1):35-37.

SHI Zhenghua,YUAN Yongsheng. The parameter estimation of errors-in-variables model[J]. Journal of Qufu Normal University:Natural Sciences, 2005,31(1):35-37.(in Chinese)

25 周強,王世新,周藝,等.MODIS亞像元積雪覆蓋率提取方法[J].中國科學(xué)院研究生院學(xué)報,2009,26(3):383-388.

ZHOU Qiang,WANG Shixin,ZHOU Yi,et al. Algorithm for MODIS subpixel snow fraction[J]. Journal of the Graduate School of the Chinese Academy of Sciences, 2009,26(3):383-388.(in Chinese)