积雪是冰冻圈中分布最广泛、变化最显著的一员。其独特的高反照率、低热导率特性使其在调控地表能量收支、地气相互作用及水文过程方面发挥着关键作用。受限于早期传感器的空间分辨率、时间分辨率与可用时间序列，目前仍缺乏2000年以前、500m空间分辨率的长时间序列积雪范围（Snow Cover Extent, SCE）产品。为填补这一数据空白，研究中基于现有的SCPOT（Similar Conditional Probability & OTSU）算法，将其推广应用至整个中国地区，并针对原算法中的一些不足进行了改进。首先利用覆盖相同时间段的MODIS SCE与AVHRR SCE，计算了不同尺度下影像间的相似条件概率（SCP）。进而以1981—2000年期间内的5km AVHRR SCE为基础，在一系列后处理下生成了该套降尺度产品。产品空间分辨率为500m，时间分辨率为1天，数据命名格式为“YYYYMMDD.tif”，如“19810626.tif”，其中包含六种像元值（0=陆地，1=SCP识别积雪，2=时空立方体（STCPI）插值积雪，3=雪深插值积雪，4=水体，255=填充值）。本产品有效填补了该时段的数据空白，对于长时间序列下的气候变化研究、水资源管理与生态保护具有重要意义。
中国科学院西北生态环境资源研究院（NIEER）积雪研究团队基于MODIS地表反射率数据（MOD09GA/MYD09GA）与AVHRR地表反射率数据（AVHRR Surface Reflectance Version 4，AVHRR SR V4），结合多级决策树分类、隐马尔可夫模型及多源数据融合等方法，系统完成了积雪像元识别与云下像元填充工作，分别构建了逐日无云的MODIS SCE和AVHRR SCE数据集，为本研究提供了重要的基础数据支撑。此外，辅助数据包括Che等和Dai等基于多源卫星被动微波观测联合生成的被动微波雪深数据、ERA5陆面再分析地表温度产品和航天飞机雷达地形测量任务（SRTM）提供的90 m分辨率DEM。验证数据包括中国气象局（CMA）提供的积雪深度观测数据和多景Landsat-5影像。
首先利用覆盖相同时间段的MODIS SCE与AVHRR SCE计算不同尺度下影像间的相似条件概率（SCP），并利用大津法（Otsu’s method）获取到SCP影像的最优分割阈值。基于上述SCP影像与大津阈值，随后对1981-2000年期间内的5km AVHRR SCE进行降尺度处理。对于所得初步的降尺度结果，先后运用STCPI插值、被动微波雪深插值、温度-海拔积雪屏蔽等多种后处理方法，最终得到降尺度产品。
产品基于高精度遥感数据，并在生产过程中对各步骤进行严格的质量把控。基于中国地区地面雪深观测数据的验证结果表明，降尺度产品的总体精度（OA）为0.84，召回率（RC）为0.77，精确率（PC）为0.93，科恩卡帕系数（CK）为0.69。进一步采用同时期Landsat-5 SCE数据进行验证，结果显示OA、RC、PC、CK分别为0.82、0.83、0.81、0.63。此外，精度评估还显示该产品在长时间序列中能够保持较高的年际稳定性，OA持续高于0.8，CK稳定在0.7左右。上述结果均表明降尺度产品具有良好的可靠性与稳定性，能够有效填补当前数据空白。
| # | 编号 | 名称 | 类型 |
| 1 | 42125604 | 积雪遥感 | 国家杰出青年科学基金 |
| 2 | 42271373 | 森林冠层降雪截留遥感监测方法研究 | 国家自然科学基金 |
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.NCDC.LZU.DB6929.2025
10.12072/ncdc.lzu.db6929.2025
